Optimización de costes y emisiones en sistemas eléctricos de potencia

Doctorado en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería Optimización de costes y emisiones en sistemas eléctricos de potencia Tesis Doctoral Tesis Doctoral presentada por D. Manuel Cruz Pérez Dirigida por el Dr. D. Gabriel Winter Althaus Codirigida por la Dra. Dña. Begoña González Landín El Director, La Codirectora, El Doctorando, Las Palmas de Gran Canaria, a 13 de Noviembre de 2015. Agradecimientos I Agradecimientos Como bien dice uno de los más antiguos refranes de nuestro amplio refranero español, que además fue utilizado por uno de nuestros más famosos personajes de la literatura española, Don Quijote de la Mancha (Primera Parte, Capítulo XXII), de la siguiente manera: “De gente bien nacida es agradecer los beneficios que reciben, y uno de los pecados que más a Dios ofende es la ingratitud”, no puedo más que aprovechar este apartado para dar las gracias a todos aquellos que, de una manera u otra, han hecho posible que haya llegado a finalizar esta Tesis a la que tanta dedicación y cariño he puesto. Debo agradecer, en primer lugar, a mi director de Tesis, el Dr. Gabriel Winter Althaus, por aceptarme como doctorando bajo su dirección, la confianza, paciencia, ánimo y cariño que siempre me ha mostrado. Me llena de alegría recordar cuando empezamos, allá por el año 1.998, una colaboración entre la Universidad de Las Palmas de Gran Canaria y la empresa en la que tengo la suerte de trabajar desde hace muchos años (Unión Eléctrica de Canarias Generación), fruto de la cual surgió la idea de llevar a cabo esta Tesis, por lo que debo agradecer también al destino que nos haya juntado entonces y que hayamos llegado juntos a este resultado. Él me ha transmitido la pasión y entrega necesarias para iniciarme en la investigación, y sus conocimientos y orientaciones han sido fundamentales para mi formación como investigador. Agradecer también a mi otra tutora de Tesis, la Dra. Begoña González Landín, la gran dedicación y esfuerzo que ha puesto en mí; sin ella sería imposible haber llegado a finalizar esta Tesis en el tiempo límite que teníamos establecido. Su ayuda, supervisión y dirección ha sido fundamental e imprescindible. Su manera de trabajar, su persistencia, seriedad, responsabilidad y rigor académico ha hecho que sacase de mí todo lo que no sabía que podía transmitir y ha conseguido mi lealtad y admiración. No puedo dejar de agradecer la colaboración prestada al Dr. Blas Galván González, con el cuál, junto con Gabriel, comencé las primeras andaduras de esta Tesis cuando surgió como idea allá por el año 1.998, aunque por causas diversas, la Tesis se ha retrasado durante muchos años y él no ha podido seguir formando parte de la misma. Gracias al equipo formado por aquél entonces, surgió en mí el interés por el desarrollo de esta Tesis. También quiero agradecer al Dr. Miguel Martínez Melgarejo su perseverancia, atención y ánimos que me ha demostrado durante todos estos años. Gracias a su constancia, insistiendo año tras año, para no dejar de lado un proyecto ya iniciado en el que ha creído, me ha hecho ver la importancia de acabar un trabajo iniciado que podría llegar a ser de interés para todos. En ningún momento ha dejado de informarme de plazos, condiciones y pasos a seguir para no quedarme sin la posibilidad de terminar esta Tesis. Es imprescindible, también, agradecer a la empresa en la que he estado trabajando durante más de 24 años, Unión Eléctrica de Canarias, tanto por los conocimientos prácticos que me ha permitido abordar el tema de esta Tesis desde un punto de vista totalmente realista y práctico, como por la oportunidad que me dio en su día de colaborar con la Universidad de Las Palmas en el proyecto que dio inicio a esta Tesis. Y he dejado para el final, no por menos importante, sino todo lo contrario, porque, como se suele decir, “lo mejor se deja siempre para el final”, a quienes debo dar mis mayores agradecimientos es, como no, a mi familia, mi mujer y mis dos hijas, sin cuya paciencia y comprensión no habría sido posible dedicar el tiempo necesario para la realización de esta Tesis. Han estado ahí para animarme en todo momento, pero a la vez, reprimiendo sus deseos de quejarse por no dedicarles más tiempo. Siempre recordaré las palabras de mi hija de 9 años, Yanai: “Descansa papá que te vas a quedar cieguito de tantas horas delante del ordenador”. ¡Gracias a todos! Agradecimientos III Resumen Es evidente que en la actualidad no se puede plantear una mejora en la calidad de vida de las personas basada exclusivamente en su bienestar económico. La sociedad en general está concienciada de que la calidad de vida va asociada a una mejora del entorno en el que vive, que está íntimamente ligado a lo que se denomina desarrollo sostenible. No se puede mejorar la calidad de vida si se destruye el entorno medioambiental en el que se vive. En esta Tesis se plantea el estudio de la minimización conjunta de costes y emisiones en los sistemas eléctricos de potencia. El planteamiento puede hacerse de forma genérica para cualquier sistema eléctrico de cualquier parte del mundo, pero es necesario elegir un caso concreto donde se puedan extraer conclusiones igualmente concretas. Hay que tener en cuenta que la reglamentación que regula el funcionamiento de los sistemas eléctricos de potencia no es igual en todos los países del mundo, ni tan siquiera es igual dentro de un mismo país. Este es el caso de España, donde los territorios no peninsulares tienen una reglamentación muy diferente a la que tiene la España peninsular. Esto es, así como en la España peninsular existe un sistema de mercado, donde las empresas productoras ofertan un precio de venta de la energía que pueden suministrar, en los territorios extrapeninsulares el sistema está totalmente regulado, retribuyéndose la energía que se produce a través de un sistema establecido de costes reconocidos. En cualquier caso, la organización de la producción está basada exclusivamente en un criterio de reducción de costes, a la que luego se le incluyen las necesarias restricciones técnicas para conseguir un sistema lo más seguro y fiable posible en función de las instalaciones existentes en los diferentes puntos del territorio del sistema eléctrico que se trate. Por lo tanto, los sistemas que se rigen por medio de costes reconocidos, como los denominados Sistemas Eléctricos Insulares y Extrapeninsulares (SEIE) en España, son los más apropiados para llevar a cabo el estudio que se plantea en esta Tesis, ya que la retribución de sus costes están totalmente formulados, y no dependen de la oferta más o menos arbitraria de los productores en los sistemas de libre mercado. En estos sistemas, los costes retribuibles de los combustibles están basados en curvas de consumo térmico en función de la potencia de generación de cada una de las unidades de generación y los costes de operación y mantenimiento, así como otros costes, tienen unos valores concretos para cada unida generadora. Todo esto es necesario para poder llevar a cabo un proceso de optimización en estos sistemas y, de hecho, el denominado Operador del Sistema en estos sistemas eléctricos, tiene como una de sus funciones principales la optimización de costes basada en todos estos parámetros. Obviar la optimización económica en aras de una optimización medioambiental es algo más que utópico, por cuanto ambos pueden ser tratados como “bienes escasos”. Así, lo verdaderamente importante, es poder minimizar ambos objetivos conjuntamente. Sin embargo, en principio, esto es imposible, ya que se está tratando con objetivos enfrentados o antagónicos, de tal manera que si se reduce uno de ellos el otro se incrementará. Al tratarse de objetivos en conflicto, el problema no tiene una única solución. Las técnicas de optimización multiobjetivo permiten abordar estos problemas aportando un conjunto de soluciones, denominado conjunto o frontera de Pareto, de las cuales “alguien” decidirá “a posteriori” cuál elegir en función de las circunstancias, de la reglamentación vigente o de los intereses dominantes. El problema del despacho multiobjetivo económico-medioambiental es un problema de optimización no lineal con restricciones. Hay mucha literatura que trata de su resolución por medio de métodos aproximados diversos, tales como algoritmos evolutivos, redes neuronales, etc. Sin embargo, en esta Tesis, se contribuye con un método práctico y eficiente para resolver problemas de despacho multiobjetivo de costes y emisiones en sistemas eléctricos de potencia, al que se denomina “método de objetivos incrementales” (MOI). Al ser un método determinista y exacto, cualquier otro método aproximado sólo Resumen IV puede generar soluciones cercanas a las obtenidas con el MOI o, en cualquier caso, nunca mejores, y siempre con un mayor tiempo de cálculo. Asimismo, dicho método se propone, en esta Tesis, para resolver el subproblema de despacho de cargas, dentro del problema económico-medioambiental global de programación horaria de centrales térmicas. Éste consiste en asignar los grupos que deben estar acoplados en todo momento y la potencia que debe aportar cada uno de ellos para satisfacer la demanda en el período especificado, cumpliendo con todas las restricciones técnicas del sistema eléctrico de potencia que se trate, y de tal forma que el resultado sea el más económico posible, al tiempo que se cumplen las restricciones medioambientales impuestas por la reglamentación vigente. Otra contribución importante de esta Tesis es la definición de un caso test real, el Sistema Eléctrico de Potencia (SEP) de Gran Canaria, para poder evaluar la aplicabilidad de la metodología desarrollada y cuantificar la reducción de emisiones contaminantes asociadas. Dicho SEP, aunque es un sistema eléctrico aislado, tiene un número considerable de grupos de generación y tecnologías distintas. Además, al ser un sistema cuyos ingresos están legislados por medio del reconocimiento de sus costes, en base a unos parámetros definidos, tiene las curvas de coste de funcionamiento establecidas mediante reglamentación. Sin embargo, no existen curvas reglamentadas de emisiones de contaminantes. Por ello, otra contribución de esta Tesis es la caracterización de las emisiones de contaminantes de cada una de las unidades generadoras del SEP de Gran Canaria. El objetivo concluyente de esta Tesis es verificar que, con la metodología implementada y sin necesidad de inversiones adicionales de ningún tipo, se pueden obtener reducciones significativas de emisiones contaminantes en el conjunto del sistema. Contenido V Contenido Agradecimientos ......................................................................................................................................................... I Resumen .................................................................................................................................................................... III Contenido ................................................................................................................................................................... V Lista de figuras ......................................................................................................................................................... IX Lista de tablas ........................................................................................................................................................ XIII Lista de acrónimos ............................................................................................................................................... XVII 1. Introducción .......................................................................................................................................................... 1 1.1. Estructura de la Tesis ................................................................................................................................... 2 1.2. Publicaciones ................................................................................................................................................ 3 1.2.1. Artículos en revistas ............................................................................................................................ 3 1.2.2. Capítulos de libros ............................................................................................................................... 3 1.2.3. Contribuciones a congresos ................................................................................................................ 3 1.2.4. Otros documentos científicos ............................................................................................................. 4 1.2.5. Participación en proyectos de investigación .................................................................................... 4 2. Contaminación atmosférica en los sistemas eléctricos de potencia ............................................................... 5 2.1. Dióxido de Carbono (CO2) .......................................................................................................................... 5 2.2. Dióxido de Azufre (SO2) .............................................................................................................................. 6 2.3. Óxidos de Nitrógeno (NOx) ........................................................................................................................ 7 2.4. Partículas respirables (PM10) ....................................................................................................................... 8 3. Descripción del problema.................................................................................................................................. 11 3.1. Asignación de unidades ............................................................................................................................ 11 3.2. Despacho de cargas .................................................................................................................................... 12 3.3. Restricciones y otros condicionantes operativos ................................................................................... 14 3.3.1. Potencia máxima disponible. ........................................................................................................... 14 3.3.2. Potencia mínima disponible. ............................................................................................................ 14 3.3.3. Rampa de carga. ................................................................................................................................. 15 3.3.4. Mínimo tiempo en funcionamiento. ................................................................................................ 15 3.3.5. Mínimo tiempo parado. .................................................................................................................... 15 3.3.6. Funcionamiento obligatorio. ............................................................................................................ 16 3.3.7. Parada obligatoria. ............................................................................................................................. 16 3.3.8. Reserva rodante a subir. ................................................................................................................... 16 3.3.9. Reserva rodante a bajar. .................................................................................................................... 17 Contenido VI 3.3.10. Limitaciones de flujo de potencia en las líneas de salida de las centrales. ................................ 17 3.3.11. Pérdidas en el transporte de energía. ............................................................................................. 17 3.3.12. Restricciones de combustible. .......................................................................................................... 18 3.3.13. Restricciones de personal. ................................................................................................................ 18 3.3.14. Restricciones de emisiones de contaminantes. .............................................................................. 18 3.3.15. Coste de arranque. ............................................................................................................................ 19 3.3.16. Coste de parada. ................................................................................................................................ 19 3.3.17. Tiempo de arranque. ......................................................................................................................... 19 3.3.18. Tiempo de parada. ............................................................................................................................ 20 4. El sistema eléctrico de Gran Canaria ............................................................................................................... 21 4.1. La C.T. Jinámar ............................................................................................................................................ 24 4.2. La C.T. Barranco de Tirajana ..................................................................................................................... 26 4.3. Costes y restricciones técnicas................................................................................................................... 27 4.3.1. Legislación en territorios no peninsulares ..................................................................................... 28 4.4. Emisiones y restricciones medioambientales .......................................................................................... 48 4.4.1. Reglamentación sobre la prevención y control de la contaminación. ........................................ 49 4.4.2. Reglamentación sobre la calidad del aire y reducción de emisiones ......................................... 55 4.4.3. Reglamentación sobre el cambio climático .................................................................................... 65 4.4.4. Condicionantes medioambientales ................................................................................................. 72 4.5. Características de costes-potencias y emisiones-potencias ................................................................. 102 5. Estado del arte .................................................................................................................................................. 109 5.1. Asignación de unidades: Métodos monoobjetivo ................................................................................ 111 5.1.1. Técnicas clásicas .............................................................................................................................. 111 5.1.2. Técnicas no clásicas ......................................................................................................................... 114 5.1.3. Algoritmos híbridos ........................................................................................................................ 119 5.2. Asignación económico-medioambiental de unidades: Métodos multiobjetivo ............................... 122 5.2.1. Optimización multiobjetivo ........................................................................................................... 122 5.3. Manejo de restricciones ............................................................................................................................ 134 5.3.1. Métodos basados en funciones de penalización ......................................................................... 135 5.3.2. Métodos basados en preservar la factibilidad de las soluciones .............................................. 137 5.3.3. Métodos basados en la búsqueda de soluciones factibles ......................................................... 137 5.3.4. Métodos basados en decodificadores ........................................................................................... 138 5.3.5. Métodos híbridos............................................................................................................................. 139 6. Metodología desarrollada ............................................................................................................................... 141 6.1. Método híbrido Weighted Sum y algoritmo basado en multiplicadores de Lagrange para la resolución del EED ................................................................................................................................... 142 6.1.1. Formulación del problema EED .................................................................................................... 142 Contenido VII 6.1.2. El Método de Objetivos Incrementales (MOI) ............................................................................. 144 6.1.3. Simulación y resultados .................................................................................................................. 147 6.2. Algoritmos Genéticos para la resolución del UC ................................................................................ 160 6.2.1. GA implementado, función objetivo y esquema de la codificación ......................................... 163 6.2.1. Simulación y resultados .................................................................................................................. 166 6.3. Algoritmos Genéticos para la resolución del EEUC ............................................................................ 167 7. Ejemplo de aplicación: SEP de Gran Canaria ............................................................................................... 171 7.1. Definición del problema .......................................................................................................................... 171 7.2. Datos de partida ....................................................................................................................................... 177 7.3. Simulación y resultados .......................................................................................................................... 186 8. Conclusiones y líneas futuras ......................................................................................................................... 202 8.1. Conclusiones ............................................................................................................................................. 202 8.2. Líneas futuras ........................................................................................................................................... 206 8.2.1. Incorporación de otras características reales en el algoritmo de resolución............................ 206 8.2.2. Mejora de las curvas características de las emisiones ................................................................. 211 8.2.3. Aplicación a otros sistemas eléctricos ........................................................................................... 211 8.2.4. Desarrollos relacionados con la modificación de la legislación ................................................ 212 Referencias .............................................................................................................................................................. 214 Lista de tablas XIV Tabla 4.31. SEP de Gran Canaria: valores de las analíticas mensuales utilizados para ajustar las curvas de emisiones de SO2, NOx y PM10, a partir de mediciones semestrales. ............................................ 92 Tabla 6.1. Test 1: coeficientes de costes y emisiones, y restricciones de generación. .................................. 149 Tabla 6.2. Test 2: coeficientes de costes y emisiones, y restricciones de generación. .................................. 149 Tabla 6.3. Test 3: coeficientes de costes y emisiones, y restricciones de generación. .................................. 149 Tabla 6.4. Sistema Test 1: Mínimo coste de combustible. Resultados del MOI comparados con algoritmos usados por otros autores. .................................................................................................................. 153 Tabla 6.5. Sistema Test 1: Mínimas emisiones. Resultados del MOI comparados con algoritmos usados por otros autores. ...................................................................................................................................... 154 Tabla 6.6. Sistema Test 1: Solución de compromiso. Resultados del MOI comparados con algoritmos usados por otros autores. .................................................................................................................. 155 Tabla 6.7. Sistema Test 2: Resultados del MOI comparados con algoritmos usados por otros autores. . 155 Tabla 6.8. Sistema Test 3: Mínimo coste de combustible. Resultados del MOI comparados con algoritmos usados por otros autores. .................................................................................................................. 157 Tabla 6.9. Sistema Test 3: ínimas emisiones. Resultados del MOI comparados con algoritmos usados por otros autores. ...................................................................................................................................... 158 Tabla 6.10. Sistema Test 3: Solución de compromiso. Resultados del MOI comparados con algoritmos usados por otros autores. .................................................................................................................. 158 Tabla 6.11. Sistema Test 3: Solución de compromiso. Resultados del MOI comparados con los algoritmos usados en las referencias [308, 315, 372, 385].................................................................................. 159 Tabla 6.12. Test UC: datos operativos ................................................................................................................. 167 Tabla 6.13. Test UC: demandas y reservas rodantes horarias ......................................................................... 167 Tabla 6.14. Test UC: datos de costes .................................................................................................................... 167 Tabla 6.15. Test UC: resultados de potencias horarias ...................................................................................... 168 Tabla 6.16. Test UC: parámetros de penalización .............................................................................................. 169 Tabla 6.17. Test UC: resultados de costes ........................................................................................................... 169 Tabla 7.1. SEP de Gran Canaria: datos operativos. ......................................................................................... 178 Tabla 7.2. SEP de Gran Canaria: datos de costes. ............................................................................................ 178 Tabla 7.3. SEP de Gran Canaria: datos de emisiones de SO2 y NOx. ............................................................. 179 Tabla 7.4. SEP de Gran Canaria: datos de emisiones de Partículas y CO2. .................................................. 179 Tabla 7.5. SEP de Gran Canaria: datos de combustibles................................................................................. 180 Tabla 7.6. SEP de Gran Canaria: valores ínite de emisiones. ........................................................................ 180 Tabla 7.7. SEP de Gran Canaria: datos de demanda de los días de punta diaria y demanda diaria mínimas, medias y máximas. ............................................................................................................................. 182 Tabla 7.8. SEP de Gran Canaria: valores horarios reales de la demanda y de energía renovable. ........... 183 Tabla 7.9. Caso 1: Optimización de Costes y Emisiones de SO2 .................................................................... 195 Tabla 7.10. Caso 2: Optimización de Costes y Emisiones de NOx ................................................................... 195 Tabla 7.11. Caso 3: Optimización de Costes y Emisiones de PM10 .................................................................. 195 Tabla 7.12. Caso 4: Optimización de Costes y Emisiones de CO2 ................................................................... 196 Tabla 7.13. Caso 5: Optimización de Costes y Consumo de Combustible ..................................................... 196 Tabla 7.14. Caso 6: Optimización de Costes y Emisiones de SO2 y NOx ........................................................ 196 Tabla 7.15. Caso 7: Optimización de Costes y Emisiones de SO2 y PM10 ....................................................... 196 Tabla 7.16. Caso 8: Optimización de Costes y Emisiones de NOx y PM10 ...................................................... 197 Tabla 7.17. Caso 9: Optimización de Costes y Emisiones de SO2, NOx y PM10 .............................................. 197 Tabla 7.18. SEP de Gran Canaria: comparativa de las soluciones mínimas obtenidas con los valores reales equivalentes del día elegido para el estudio. ................................................................................. 198 Tabla 7.19. SEP de Gran Canaria: comparativa de las soluciones de compromiso obtenidas con los valores reales equivalentes del día elegido para el estudio. ...................................................................... 198 Tabla 7.20. SEP de Gran Canaria. Caso de de mínimo coste: comparativa de las soluciones mínimas, obtenidas con los valores reales equivalentes del día elegido para el estudio. ......................... 199 Lista de tablas XV Tabla 7.21. SEP de Gran Canaria. Caso de mínimo coste: comparativa de las soluciones de compromiso, obtenidas con los valores reales equivalentes del día elegido para el estudio. ......................... 199 Tabla 7.22. SEP de Gran Canaria. Caso de mínimo coste: comparativa de cada valor de emisión con respecto a los valores del grupo con mayor valor de la emisión correspondiente. .................................. 200 Tabla 7.23. SEP de Gran Canaria. Caso de mínimo coste: comparativa de las soluciones de compromiso con respecto a los valores del grupo con mayor valor de la emisión correspondiente. ................... 200 Tabla 7.24. Resultados de potencias horarias – Despacho real vs Solución de mínimo coste ..................... 201 Tabla 7.25. Resultados de costes – Despacho real vs Solución de mínimo coste ........................................... 201 Lista de tablas XVI Lista de acrónimos XVII Lista de acrónimos AAI Autorización Ambiental Integrada ABC Artificial Bee Colony ABCDP Artificial Bee Colony with Dynamic Population size ACSA Ant Colony Search Algorithm AG Algoritmo Genético AEF Agente de Evolución Flexible AGC Automatic Generation Control ANN Artificial Neural Network BA Bat-inspired Algorithm B&B Branch and Bound BB-BC Big Bang–Big Crunch BF-NM Bacterial Foraging Nelder–Mead BFOA Bacteria Foraging Optimization Algorithm BPSO Binary Particle Swarm Optimization CASO Chaotic Ant Swarm Optimization, CASO CC1 Ciclo Combinado 1 CC2 Ciclo Combinado 2 CD Concentración Media Diaria CEGCA Centro de Evaluación y Gestión de la Calidad del Aire CE-NSGA Controlled Elitist Non-dominated Sorting Genetic Algorithm CIHBMO Chaotic Interactive Honey Bee Mating Optimization CIT Coste de Inversión Total CLS Chaotic Local Search CMNUCC Convención Marco de las Naciones Unidas sobre el Cambio Climático COA Cuckoo Optimization Algorithm COMOGA Constrained Optimization by Multiobjective Optimization Genetic Algorithms COMT Coste de Operación y Mantenimiento Fijo Total CORINAIR Core Inventory of Air Emissions C.T. Central Térmica DE Differential Evolution DE/BBO Differential Evolution/Biography Based Optimization DE–HS Differential Evolution Algorithm with Harmony Search DP Dynamic Programming DWA Dynamic Weighted Aggregation EA Evolutionary Algorithm EC Evolutionary Computing ED Economic Dispatch EEA European Environment Agency EED Environmental and Economic Dispatch EEUC Environmental and Economic Unit Commitment EEX European Energy Exchange EMEP European Monitoring and Evaluation Programme ENAC Entidad Nacional de Acreditación Lista de acrónimos XVIII EP Evolutionary Programming EP-TSA Evolutionary Programming - Tabu Search Algorithm ES Expert System / Evolution Strategies FCU Factor de Conversión de Unidades FBBFA Fuzzy-Based Bacterial Foraging Algorithm FL Fuzzy Logic FMOEP Fast Multi-Objective Evolutionary Programming FOGM First Orden Gradient Method GA Genetic Algorithm G.E.I. Gases de Efecto Invernadero GENOCOP Genetic algorithm for Numerical Optimization for COnstrained Problems GP Goal Programming GSO Group Search Optimizer HACO Hybrid Ant Colony Optimization HASP Hybrid Ant System Priority List HBMO Honey Bee Mating Optimization H-IDEA Heuristic Infeasibility Driven Evolutionary Algorithm H-NSGA Heuristic Non-dominated Sorting Genetic Algorithm HSA Harmony Search Algorithm ICA Índice de Calidad del Aire / Imperialistic Competition Algorithm IDEA Infeasibility Driven Evolutionary Algorithm IFSM Interactive Fuzzy Satisfying Method IHBMO Interactive Honey Bee Mating Optimization IPC Indice de Precios al Consumo IPCC Intergovernmental Panel on Climate Change IPM Interior Point Method ISO International Standard Organization ISS Improved Scatter Search LR Lagrangian Relaxation LR-EP Lagrangian Relaxation - Evolutionary Programming LRGA Lagrangian Relaxation Genetic Algorithm LRPSO Lagrangian Relaxation Particle Swarm Optimization MA Memetic Algorithm MGA Micro Genetic Algorithm MGSO Multiple Group Search Optimizer MILP Mixed Integer Linear Programming MNSGA-II + DCD Modified Non-dominated Sorting Genetic Algorithm with Dynamic Crowding Distance MNSGA-II + DCD + CE Modified Non-dominated Sorting Genetic Algorithm with Dynamic Crowding Distance Controlled Elitism MOBFA Multi-Objective Bacterial Foraging Algorithm MOCASO Multi-objective Chaotic Ant Swarm Optimization MODBC Multi-Objective Directed Bee Colony MODE Multi Objective Differential Evolution MOEA/D Multi Objective Evolutionary Algorithm Based on Descomposition MOGA Multi Objective Genetic Algorithm MOI Método de Objetivos Incrementales MOPSO Multi Objective Particle Swarm Optimization MTD Mejores Técnicas Disponibles NLP Non Linear Programming Lista de acrónimos XIX NPGA Niched Pareto Genetic Algorithm NRM Newton-Raphson Method NSBF Non-dominated Sorting Bacteria Foraging NSGA Non-dominated Sorting Genetic Algorithm OCS Correction String Operator OGSA Opposition-based Gravitational Search Algorithm OMEL Operador del Mercado Eléctrico OS Operador del Sistema PAI Períodos a Informar PCI Poder Calorífico Inferior PDF Probability Density Funtion PL Priority List P.O. Procedimiento de Operación PPF Price Penalty Factor PSD Particle Size Distribution PSO Particle Swarm Optimization QBPSO Quantum Binary Particle Swarm Optimization QEA Quantum Evolutionary Algorithm REE Red Eléctrica de España RVCCAC Red de Vigilancia y Control de la Contaminación Atmosférica en Canarias SA Simulated Annealing SALBA Self-Adaptive Learning Bat-inspired Algorithm SALM Self-Adaptive Learning Method SEIE Sistemas Eléctricos Insulares y Extrapeninsulares SENP Sistemas Eléctricos No Peninsulares SEP Sistema Eléctrico de Potencia SFLA Shuffled Frog Leaping Algorithm SLP Successive Linear Programming SNAP Sistema Nacional de Areas Naturales Protegidas SPEA Strength Pareto Evolutionary Algorithm SS Scatter Search TS Tabu Search UC Unit Commitment UE Unión Europea UNELCO Unión Electrica de Canarias VEGA Vector Evaluated Genetic Algorithm VLE Valores Límites de Emisión WA Weighted Aggregation WS Weighted Sum εv-MOGA Epsilon Variable Multi-Objective Genetic Algorithm Lista de acrónimos XX 1. Introducción 1 1. Introducción En toda industria de producción de energía eléctrica es muy importante conseguir un funcionamiento adecuado de las centrales de producción, cubriendo en todo momento las necesidades de demanda de energía de la forma más económica posible, con el fin de obtener el mayor beneficio sobre el capital invertido. Puesto que el coste de combustible es el factor principal en las plantas de combustibles fósiles (entre el 50% y el 60% de los costes totales) es necesario determinar la contribución de cada central o planta generadora y, dentro de cada una de estas, la de cada unidad, de forma que el coste de la energía suministrada sea mínimo. El combustible es, además, la materia prima fundamental en el proceso de obtención de la energía eléctrica en este tipo de plantas. Hay que tener en cuenta que normalmente, en un sistema eléctrico de potencia, existen diferentes tipos de unidades de generación térmica que usan diferentes combustibles y poseen diferentes costes de producción, capacidades de generación y características. Además, el sistema está en continua variación en función de la demanda de carga de los consumidores. Esta demanda de electricidad es muy variable a lo largo de un día, de tal manera que la demanda en horas pico (máxima demanda) puede llegar a ser dos veces o más la demanda en horas valle (mínima demanda). También existe gran diferencia entre las curvas de demanda horaria de días laborales y días no laborales tal y como se muestra en la Fig. 1.1. Figura 1.1. Curvas típicas de demanda Por otro lado, las centrales de producción de energía eléctrica son grandes productoras de emisiones contaminantes (CO2, SO2, NOx y partículas, fundamentalmente), problema que desde hace ya muchos años está centrando la atención del público en general, que demanda una mejor calidad del aire que respira. Tradicionalmente, en la planificación y operación de los Sistemas Eléctricos de Potencia (SEP) prepondera la minimización de los costes económicos. Aunque se incluyen restricciones técnicas, para cumplir con la demanda solicitada por los clientes con la calidad exigida por la reglamentación vigente, esto normalmente se hace bajo la perspectiva de una optimización económica, no incluyéndose criterios de 40% 50% 60% 70% 80% 90% 100% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 % sobre la punta anual Horas del día SÁBADO DOMINGO Y FESTIVO LUNES A VIERNES 1. Introducción 2 optimización medioambiental para reducir las emisiones de contaminantes por el uso de combustibles fósiles. Por otro lado, cuando en los SEP se habla de reducción de emisiones, generalmente se hace referencia a la aplicación de diferentes técnicas de reducción de emisiones a los generadores instalados en el sistema, dependiendo de las tecnologías existentes. Esto, obviamente, es un paso muy importante en la reducción de emisiones, porque ataca al origen de la producción de las mismas, es decir, actúa en las unidades de generación térmica que usan combustibles fósiles. Ejemplos de dichas técnicas de reducción de emisiones son:  Equipos precombustión o implicados directamente en la combustión para la reducción de los óxidos de nitrógeno, como son: o La inyección de agua en el combustible antes o en el mismo proceso de combustión. o La utilización en la combustión de los propios gases enfriados para rebajar la temperatura de la llama (recirculación de gases).  Equipos postcombustión para el tratamiento de los gases de escape, como son: o Las instalaciones de desulfuración para la reducción de los óxidos de azufre. o Electrofiltros y multiciclones para la reducción de partículas en grupos térmicos convencionales de fuel o carbón. o Equipos de reducción catalítica de azufre. o Equipos de captura de CO2. Otra forma de reducir emisiones es la sustitución de los combustibles en uso por otros de mejor calidad, medioambientalmente hablando, es decir, con menores contenidos de azufre, nitrógeno, etc., así como la sustitución de grupos que utilizan combustibles fósiles por otros tipos de grupos generadores de potencia, como son los que utilizan energías renovables, como el viento, el Sol, las mareas, etc. En este último caso, es obvio que eliminando la fuente origen de los contaminantes se eliminan las emisiones correspondientes; por ello, todo lo que sea sustituir generación con fuentes de energía provenientes de combustibles fósiles por energías renovables o “limpias”, interviene de forma muy importante en la reducción de las emisiones y contribuye a la mejora del medio ambiente. Sin embargo, a día de hoy, y es posible que aún durante muchos años más, se siguen utilizando tecnologías que usan combustibles fósiles y, por tanto, es necesario seguir tomando acciones para reducir lo más posible la emisión de contaminantes en los sistemas eléctricos donde se siguen usando aquellas. Así pues, la motivación principal de esta Tesis es aportar un enfoque diferente al que usualmente se lleva a cabo cuando se habla de la reducción de emisiones en sistemas eléctricos de potencia. Se pretende verificar que, sin necesidad de inversiones adicionales de ningún tipo, se pueden obtener reducciones significativas de emisiones contaminantes en el conjunto del sistema, que quizás no lleguen a ser del mismo orden de magnitud que las obtenidas con la aplicación de soluciones tecnológicas concretas, aplicadas a las unidades de generación, pero siempre supondrán una ayuda al objetivo final de la reducción de emisiones contaminantes. 1.1. Estructura de la Tesis La presente Tesis doctoral está dividida en ocho capítulos, que se completan con una amplia bibliografía referida al tema de estudio que se ha trabajado. Así, en el presente Capítulo 1 se hace la introducción a la Tesis. En el Capítulo 2 se hace una breve descripción de las principales especies contaminantes que se emiten a la atmósfera cuando los sistemas eléctricos de potencia operan con tecnologías que usan combustibles fósiles. En el Capítulo 3 se describe el problema a resolver. En el Capítulo 4 se describe el caso real utilizado y los condicionantes operativos y medioambientales del mismo. En el Capítulo 5 se hace una recapitulación del estado del arte, relacionado con la resolución del problema 1. Introducción 3 planteado, relatando y describiendo brevemente las diferentes metodologías utilizadas a lo largo de los últimos años, haciendo las referencias oportunas a las publicaciones en las que se tratan las mismas. En el Capítulo 6 se expone la metodología desarrollada y utilizada para resolver el caso real planteado en esta Tesis. En el Capítulo 7 se especifican los datos de partida y se muestran los resultados obtenidos. Por último, en el Capítulo 8 se exponen las conclusiones obtenidas y se plantean los posibles desarrollos futuros. 1.2. Publicaciones Algunas de las contribuciones de esta Tesis han sido presentadas en Congresos y enviadas, recientemente, para su publicación a una revista científica internacional: 1.2.1. Artículos en revistas • G. Winter, A Pulido, B. González, M. Maarouf, J. González, M. Cruz, B. Galván, “Predicción de la Demanda de la Energía Eléctrica a Largo Plazo: Un Reto en Ingeniería Computacional”. Dyna, Noviembre - Diciembre 2015, Vol. 90 nº6. DOI: http://dx.doi.org/10.6036/7834. Índice de impacto JCR (2014): 0,179. • Manuel Cruz, Begoña González, Gabriel Winter, “An Analytical Solution for the Environmental/Economic Power Dispatch”. Enviado a la revista internacional IEEE TRANSACTIONS and JOURNALS en septiembre de 2015. 1.2.2. Capítulos de libros • B. Galván, G. Winter, D. Greiner, M. Cruz and S. Cabrera, “Generator Scheduling in Power Systems by Genetic Algorithms and Expert Systems”. En Evolutionary Algorithms in Engineering and Computer Science, John Wiley & Sons, pp. 411 – 424. ISBN 0-471-99902-4 (1999). • B. Galván, B. González, S. Alonso, M. Cruz and G. Winter. “Economic dispatch optimization in electric power systems by a flexible evolution agent”. En: “Evolutionary Algorithms and Intelligent Tools in Engineering Optimization”. W. Annicchiarico, J. Périaux, M. Cerrolaza and G. Winter (Eds), CIMNE y WIT Press, pp. 248‐267. ISBN 1‐84564‐038‐1 (2005). 1.2.3. Contribuciones a congresos • B. Galván, G. Winter, D. Greiner, M. Cruz y S. Cabrera, “Generator Scheduling in Power Systems by Genetic Algorithms and Expert Systems”. Evolutionary Methods for Design, Optimization and Control with Applications to Industrial Problems, EUROGEN 99, Universidad de Jyväskylä, Finlandia, Junio 1999. • G. Winter, M. Cruz, B. Galván y D. Greiner, “Optimal Scheduling of Power Generation by Evolutionary Algorithms”, G. Winter, M. Cruz, B. Galván y D. Greiner. European Congress on Computational Methods in Applied Sciences and Engineering, ECCOMAS 2000, Barcelona, Septiembre 2000. • G. Winter, M. Cruz y B. Galván, “Multiobjective Power Dispatch Optimization”, Evolutionary Methods for Design, Optimization and Control with Applications to Industrial Problems, EUROGEN 2001, Atenas, Grecia, Septiembre 2001. 2. Contaminación atmosférica de los SEP 10 3. Descripción del problema 11 3. Descripción del problema Como caso real de aplicación, en esta Tesis se considera el sistema eléctrico de Gran Canaria, uno de los seis sistemas eléctricos existentes en el archipiélago canario, por ser uno de los dos más importantes de este archipiélago y por disponer de la más variada tipología de tecnología con respecto al resto de sistemas. Hay que decir que el sistema eléctrico de Tenerife es muy similar y serviría también como ejemplo igual de válido que Gran Canaria, pero el objetivo es centrarse en un sistema concreto y sacar conclusiones que podrían generalizarse para el resto, aunque sería necesario particularizar en cada uno de ellos para afinar las conclusiones que de forma genérica pudieran derivarse de este estudio. Es por ello que una posible continuación de este trabajo pudiera ser particularizar para el resto de sistemas eléctricos canarios y, por qué no, a los sistemas eléctricos balear, de Ceuta y de Melilla. El planteamiento del problema para un caso concreto exige conocer la legislación particular del sistema que se quiere estudiar, tanto desde el punto de vista de costes como de emisiones, ya que en ambos casos puede haber restricciones y condicionantes que se deban tener en cuenta. Estos aspectos legales se detallan en el Capítulo 4. De forma genérica, el planteamiento del problema se podría resumir en decidir conjuntamente sobre los dos aspectos siguientes:  qué unidades generadoras deben ponerse en servicio o pararse y en qué orden y  qué potencia de generación debe aportar cada unidad generadora ambos en cada hora de un período determinado de tiempo (1 día de estudio, 24 horas) y teniendo en cuenta que los costes y las emisiones de contaminantes sean mínimos en el conjunto del período considerado. Hay que decir que históricamente estos dos aspectos se han tratado en muchos casos como problemas totalmente diferenciados, existiendo mucha literatura sobre ambos por separado. El primero es conocido como “Asignación de Unidades” y el segundo como “Despacho de cargas”. 3.1. Asignación de unidades El problema de decidir qué unidades de generación deben ponerse en servicio o pararse y en qué orden para satisfacer la demanda en todo momento en un determinado sistema eléctrico de potencia, se denomina normalmente “Asignación de unidades”. Este problema no es de fácil solución en cuanto a las múltiples combinaciones posibles que pueden dar lugar a la solución buscada. Como planteamiento teórico, supongamos que tenemos los siguientes datos de partida:  N unidades para acoplar o desacoplar.  Una previsión de demanda para M períodos de tiempo (M horas).  Los M niveles de demanda a satisfacer y los límites de operación de las N unidades son tales que cualquier unidad o combinación de unidades puede satisfacer las demandas horarias. En esta situación, el número total de posibles combinaciones de las unidades para satisfacer la demanda en cada hora sería: 𝐶(𝑁,1)+𝐶(𝑁,2)+⋯+𝐶(𝑁,𝑁)=2𝑁−1 (3.1) donde 𝐶(𝑁,𝑖) es la combinación de N elementos tomados de i en i, que se define como: 3. Descripción del problema 12 𝐶(𝑁,𝑖)=𝑁! (𝑁−𝑖)!𝑖! (3.2) Y para el período total de los M intervalos horarios, el máximo número de posibles combinaciones sería de (2𝑁−1)𝑀, que puede ser un número desorbitado. Por ejemplo, para un período de 24 horas (24 intervalos de 1 hora) y para sistemas con 5, 10 y 15 unidades, se tendría: N (2N – 1) (2N – 1)M 5 31 6,20 × 1.035 10 1.023 1,73 × 1.072 15 32.767 2,35 × 10.108 Afortunadamente, las restricciones de las unidades y las relaciones de demanda-capacidad de los sistemas son tales que no se llega a alcanzar estas grandes cifras. No obstante, el problema sigue teniendo una alta dimensionalidad. 3.2. Despacho de cargas El problema de decidir qué potencia debe tener cada unidad generadora para satisfacer la demanda en todo momento en un determinado sistema eléctrico de potencia se denomina, normalmente, “despacho de cargas”. Puesto que tradicionalmente el objetivo fundamental en los sistemas eléctricos de potencia ha sido la minimización de costes, es habitual encontrar en la literatura la denominación de “despacho económico de cargas”. Si lo que se pretende es minimizar las emisiones, se podría hablar de “despacho medioambiental de cargas”. En ambos casos el planteamiento es el mismo, la diferencia está en que en un caso se busca la minimización de costes y en el otro la minimización de emisiones. En esta Tesis se pretenden minimizar ambos objetivos a la vez, los costes y las emisiones, por lo que se podría hablar de “despacho económico-medioambiental de cargas”. Para poder resolver el problema del despacho de cargas es fundamental conocer las expresiones que relacionan los costes y las emisiones con la potencia generada por cada unidad generadora. En ambos casos, dicha expresión fundamental se basa en la relación entre el combustible consumido y la potencia generada. En el caso de los costes, porque el consumo de combustible es variable con la potencia generada por cada unidad generadora y, en el caso de las emisiones, porque éstas están en relación directa con el combustible consumido y, por tanto, también es variable con la potencia generada. En la Figura 3.1¡Error! No se ncuentra el origen de la referencia. se muestran las curvas típicas para dichas relaciones, tanto en el caso de los costes como de las emisiones. Dichas curvas son el resultado de pruebas reales que se hacen a las unidades generadoras en unas condiciones de estabilidad y de carga determinadas, con los consiguientes ajustes en función de las condiciones atmosféricas con respecto a unas condiciones de referencia. En el caso de las curvas de coste, éstas se obtienen a través de las curvas de consumo térmico de combustible del grupo, directamente mediante contadores de energía y de combustible, en el caso de grupos que utilizan combustible líquidos, o indirectamente mediante el método de pérdidas separadas en grupos que queman combustibles sólidos como el carbón. En cualquier caso, se suelen hacer pruebas a varias cargas manteniendo la estabilidad del grupo durante un cierto período de tiempo durante el cual se toman las variables que permiten determinar el consumo térmico de la unidad generadora. Normalmente, estas pruebas suelen hacerse a mínimo técnico, carga máxima y dos cargas intermedias, repitiéndose ambas de forma no consecutiva, de tal manera que se tiene un par de datos para cada nivel de carga, con lo que se dispone de un número suficiente de puntos para obtener la curva de regresión representativa del consumo térmico del grupo en función de su potencia de generación. Las curvas así obtenidas se denominan “características de consumo de combustible – generación” y son la base de partida para 3. Descripción del problema 13 establecer el reparto óptimo de una demanda de carga entre varias unidades generadoras que funcionan en paralelo para satisfacer dicha demanda. El consumo de combustible suele expresarse en kilocalorías por hora y la generación en MW, obteniéndose a partir de ella la característica de coste de combustible-generación, multiplicando por el coste de combustible correspondiente al combustible utilizado en cada unidad generadora. Puesto que normalmente existen unidades dentro de un mismo sistema que utilizan combustibles diferentes con diferentes precios o, siendo el mismo combustible, tienen diferentes precios por diversas razones (costes de transporte, logística, etc.) es importante utilizar las características de coste de combustible-generación para obtener el despacho económico. En el caso de las curvas de emisiones, se deben medir las concentraciones de los diferentes contaminantes contenidos en los gases de escape en la chimenea de cada grupo generador a diferentes cargas de forma similar a la indicada para los costes, de tal manera que se pueda llegar a establecer una relación entre la cantidad de contaminante emitido y la potencia de generación de cada unidad generadora, que se denomina “característica de emisión de contaminante – generación”. Las emisiones suelen expresarse en mg/Nm3 de contaminante emitido, por lo que hay que utilizar las conversiones necesarias para obtener los kg/h de contaminante y obtener la característica de emisióngeneración que relaciona los kg/h de contaminante con la potencia generada en MW. Normalmente, las expresiones tanto para los consumos de combustible como para las emisiones, para cada una de las unidades generadoras, suelen estar representadas por ecuaciones de segundo grado, del tipo: 𝐹𝑢𝑛𝑐𝑖ó𝑛=𝑎+ 𝑏 𝑃+ 𝑐 𝑃2 (3.3) donde a, b y c son constantes obtenidas a partir de las pruebas que se realizan a las unidades generadoras para correlacionar la variable que se mide en función de la potencia generada por cada unidad (P). Se puede comprobar que los costes y las emisiones dependen directamente de la cantidad de combustible consumido, el cual es la materia prima fundamental, dentro del proceso de obtención de energía a partir de combustibles fósiles. Figura 3.1. Curvas típicas que relacionan los costes y las emisiones con la potencia generada por cada unidad generadora 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Coste o emisión en % sobre el valor a potencia máxima Potencia en % sobre la potencia máxima. Coste Emisiones 3. Descripción del problema 14 Es necesario aclarar que, en el estudio de la minimización de costes en los sistemas eléctricos de potencia, se parte del hecho de que cada unidad generadora está trabajando a un óptimo de rendimiento para las condiciones en que se encuentre en todo momento, así como que se utilizan los combustibles más económicos que el mercado y la legislación medioambiental permite. Por otro lado, en el caso de la minimización de emisiones se parte también del hecho de que las unidades generadoras utilizan los combustibles y las tecnologías adecuadas para que las emisiones sean las mínimas posibles. Sin embargo, el que se utilicen los combustibles más baratos posibles, que las unidades funcionen en todo momento a su óptimo de rendimiento, y que se utilicen las mejores técnicas disponibles para reducir las emisiones, no garantiza que se esté consiguiendo un óptimo de costes y de emisiones en el sistema en conjunto, que es precisamente lo que se busca, por lo que se hace necesario buscar la combinación de grupos y las cargas de los mismos de tal forma que la combinación de los consumos de combustible dé unos costes y emisiones mínimas. 3.3. Restricciones y otros condicionantes operativos Además de las características que relacionan el coste de combustible y las emisiones de contaminantes con la generación de cada unidad generadora, es necesario conocer el resto de condicionantes que existen en el sistema que se estudie. Algunos de estos condicionantes pueden afectar a la asignación de unidades, al despacho de carga o a ambos. Algunos de estos condicionantes son restricciones y otros son extracostes que se derivan de las necesidades operativas de los grupos generadores, bien por requerimientos funcionales de los propios grupos o por imposiciones del operador del sistema con el fin de garantizar la seguridad del suministro. A continuación se describen algunas de estas restricciones. 3.3.1. Potencia máxima disponible. Cada unidad generadora tiene un límite superior de potencia a la que puede generar de forma continua con garantías de estabilidad. Esta potencia no debe ser superada. Es decir: 𝑃𝑖≤𝑃𝑖𝑚𝑎𝑥 (3.4) siendo Pi la potencia generada y 𝑃𝑖𝑚𝑎𝑥 la potencia máxima disponible, ambas en MW, de la unidad i acoplada. Esta restricción afecta a la asignación de unidades, ya que influye a la hora de decidir qué unidades generadoras son necesarias tener acopladas para poder cumplir con el valor de demanda a satisfacer. Pero también influye en el despacho de cargas, por cuanto que representa un límite a la potencia a despachar en cada unidad generadora. 3.3.2. Potencia mínima disponible. Cada unidad generadora tiene un límite inferior de potencia a la que puede generar de forma continua con garantías de estabilidad, y no debe funcionar por debajo de esta potencia salvo en los casos de paradas y arranques. Es decir: 𝑃𝑖≥𝑃𝑖𝑚𝑖𝑛 (3.5) siendo Pi la potencia generada y 𝑃𝑖𝑚𝑖𝑛 la potencia mínima disponible, ambas en MW, de la unidad i acoplada. 3. Descripción del problema 15 Esta restricción afecta a la asignación de unidades, ya que influye a la hora de decidir qué unidades generadoras es necesario tener acopladas para poder cumplir con el valor de demanda a satisfacer. Pero también influye en el despacho de cargas, por cuanto que representa un límite a la potencia a despachar en cada unidad generadora. 3.3.3. Rampa de carga. Cada unidad generadora tiene límites en la velocidad para aumentar o disminuir su potencia generada, que depende de las características de su regulador de velocidad así como de las propias características de la unidad (no tienen la misma velocidad de respuesta para subir o bajar carga un grupo de vapor de fuel o carbón que un motor diésel o una turbina de gas). Se tienen, pues, las siguientes restricciones: 𝑃𝑖𝑡−𝑃𝑖𝑡−1≤𝑅𝐶𝑖𝑚𝑎𝑥𝑠 si 𝑃𝑖𝑡>𝑃𝑖𝑡−1 𝑃𝑖𝑡−𝑃𝑖𝑡−1≤𝑅𝐶𝑖𝑚𝑎𝑥𝑏 si 𝑃𝑖𝑡<𝑃𝑖𝑡−1 (3.6) siendo 𝑃𝑖𝑡 y 𝑃𝑖𝑡−1, las potencias (MW) de la unidad i acoplada en las horas t y t1, respectivamente, y 𝑅𝐶𝑖𝑚𝑎𝑥𝑠 y 𝑅𝐶𝑖𝑚𝑎𝑥𝑏, las rampas de carga máxima (MW) a subir y a bajar, respectivamente, de la unidad i acoplada. Esta restricción sólo afecta al despacho de cargas, ya que representa un límite a la potencia a despachar en cada unidad generadora entre horas consecutivas. 3.3.4. Mínimo tiempo en funcionamiento. Para evitar estrés térmico a las unidades generadoras, no es conveniente estar acoplando y desacoplando con mucha frecuencia. Por ello, se establece un mínimo número de horas que la máquina debe estar funcionando antes de volver a desacoplarse. Este es un valor constante para cada unidad generadora y depende de las características técnicas de cada una de ellas. Esto se puede expresar como: 𝑇𝑎𝑐𝑖𝑡−1≥𝑇𝑎𝑐𝑖𝑚𝑖𝑛 si 𝑃𝑖𝑡−1≥0 y 𝑃𝑖𝑡=0 (3.7) siendo 𝑃𝑖𝑡 y 𝑃𝑖𝑡−1, las potencias (MW) de la unidad i acoplada en las horas t y t1, respectivamente, 𝑇𝑎𝑐𝑖𝑡−1 el tiempo (h) que lleva en funcionamiento la unidad i en la hora t1, y 𝑇𝑎𝑐𝑖𝑚𝑖𝑛 el tiempo mínimo (h) que debe estar en funcionamiento la unidad i. Esta restricción sólo afecta a la asignación de unidades, ya que representa un límite a la hora de acoplar o desacoplar una unidad generadora dentro del intervalo de estudio. 3.3.5. Mínimo tiempo parado. Por la misma razón expuesta para el “mínimo tiempo en funcionamiento”, se establece un mínimo número de horas que la máquina debe estar parada antes de volver a acoplarse. Es también un valor constante para cada unidad generadora y depende de las características técnicas de cada una de ellas. Esto se puede expresar como: 𝑇𝑝𝑖𝑡−1≥𝑇𝑝𝑖𝑚𝑖𝑛 si 𝑃𝑖𝑡−1=0 y 𝑃𝑖𝑡≥0 (3.8) siendo 𝑃𝑖𝑡 y 𝑃𝑖𝑡−1, las potencias (MW) de la unidad i acoplada en las horas t y t1, respectivamente, 𝑇𝑝𝑖𝑡−1 el tiempo (h) que lleva parada la unidad i en la hora t1, y 𝑇𝑝𝑖𝑚𝑖𝑛 el tiempo mínimo (h) que debe estar parada la unidad i. Esta restricción sólo afecta a la asignación de unidades, ya que representa un límite a la hora de acoplar o desacoplar una unidad generadora dentro del intervalo de estudio. 3. Descripción del problema 16 3.3.6. Funcionamiento obligatorio. Pueden existir razones diversas por las que se hace necesario el funcionamiento obligatorio de determinadas unidades generadoras en el intervalo de estudio o en parte de él, como pueden ser: necesidades de suministro de vapor, problemas de tensión en algún punto de la red de transporte, pruebas o mediciones en funcionamiento de unidades generadoras, etc. Esta restricción afecta a la asignación de unidades, ya que obliga a tener determinadas unidades en funcionamiento durante el período que se establezca. Pero también puede afectar al despacho de cargas, en el caso de que el funcionamiento obligatorio lleve consigo mantener a la unidad o unidades afectadas con unas potencias determinadas. 3.3.7. Parada obligatoria. Pueden existir algunas razones por las que se hace necesario tener parada una unidad generadora en el intervalo de estudio o en parte de él, como pueden ser: tareas de mantenimiento o revisiones, mediciones de ruidos o emisiones en las que determinadas unidades deban estar paradas para no influir en los resultados, etc. Esta restricción sólo afecta a la asignación de unidades, ya que obliga a tener determinadas unidades paradas durante el período que se establezca. 3.3.8. Reserva rodante a subir. Es la reserva de potencia existente en el conjunto de los grupos acoplados en un sistema eléctrico que se obtiene como diferencia entre la potencia máxima disponible y la potencia real de las unidades acopladas. Su objetivo es poder afrontar posibles incrementos no previstos de demanda o reducciones no previstas de generación (desconexión intempestiva o pérdida brusca de carga de algún grupo generador). Se tiene pues: ∑𝑅𝑖𝑠𝑢𝑏𝑖𝑟 𝑁 𝑖=1 ≥𝑅𝑠𝑢𝑏𝑖𝑟 (3.9) siendo N el número de unidades acopladas, 𝑅𝑠𝑢𝑏𝑖𝑟 la reserva rodante total a subir (MW) requerida al sistema y 𝑅𝑖𝑠𝑢𝑏𝑖𝑟 la reserva rodante a subir (MW) de la unidad i: 𝑅𝑖𝑠𝑢𝑏𝑖𝑟=𝑃𝑖𝑚𝑎𝑥−𝑃𝑖. Por lo tanto, para una demanda L (MW) del sistema, no sólo se debe cumplir que: ∑𝑃𝑖𝑚𝑎𝑥 𝑁 𝑖=1 ≥𝐿 (3.10) sino que: ∑𝑃𝑖𝑚𝑎𝑥 𝑁 𝑖=1 ≥𝐿+𝑅𝑠𝑢𝑏𝑖𝑟 (3.11) Esta restricción afecta a la asignación de unidades, ya que es posible que sea necesario tener más unidades generadoras acopladas para poder cumplir con el valor de 𝑅𝑠𝑢𝑏𝑖𝑟 necesario. Pero también puede afectar al despacho de cargas, por cuanto que es posible que se requiera un valor mínimo de reserva rodante a subir para cada unidad generadora con el fin de conseguir que, al menos, parte de la reserva 𝑅𝑠𝑢𝑏𝑖𝑟 esté repartida entre todas las unidades y que ante incrementos bruscos de la demanda todas las unidades puedan participar en la regulación. 3. Descripción del problema 17 3.3.9. Reserva rodante a bajar. Es la reserva de potencia existente en el conjunto de los grupos acoplados en un sistema eléctrico que se obtiene como diferencia entre la potencia real y la potencia mínima disponible de las unidades acopladas. Su objetivo es poder afrontar posibles reducciones no previstas de demanda o incrementos no previstos de generación (desconexión intempestiva de alguna línea de distribución o de transporte o incremento brusco de carga de algún grupo generador). Se tiene pues: ∑𝑅𝑖𝑏𝑎𝑗𝑎𝑟 𝑁 𝑖=1 ≥𝑅𝑏𝑎𝑗𝑎𝑟 (3.12) siendo N el número de unidades acopladas, 𝑅𝑏𝑎𝑗𝑎𝑟 la reserva rodante total a bajar (MW) requerida al sistema y 𝑅𝑖𝑏𝑎𝑗𝑎𝑟 la reserva rodante a bajar (MW) de la unidad i: 𝑅𝑖𝑏𝑎𝑗𝑎𝑟=𝑃𝑖−𝑃𝑖𝑚𝑖𝑛. Por lo tanto, para una demanda L (MW) del sistema, no sólo se debe cumplir que: ∑𝑃𝑖𝑚𝑖𝑛 𝑁 𝑖=1 ≤𝐿 (3.13) sino que: ∑𝑃𝑖𝑚𝑖𝑛 𝑁 𝑖=1 ≤𝐿−𝑅𝑏𝑎𝑗𝑎𝑟 (3.14) Esta restricción afecta a la asignación de unidades, ya que es posible que sea necesario tener menos unidades generadoras acopladas para poder cumplir con el valor de 𝑅𝑏𝑎𝑗𝑎𝑟 necesario. Pero también puede afectar al despacho de cargas, por cuanto que es posible que se requiera un valor mínimo de reserva rodante a bajar para cada unidad generadora con el fin de conseguir que, al menos, parte de la reserva 𝑅𝑏𝑎𝑗𝑎𝑟 esté repartida entre todas las unidades y que ante reducciones bruscas de la demanda todas las unidades puedan participar en la regulación. 3.3.10. Limitaciones de flujo de potencia en las líneas de salida de las centrales. De cada central de generación salen líneas de transporte para la posterior distribución a los consumidores. A veces, la capacidad del conjunto de todas estas líneas no es suficiente, por tareas de mantenimiento o averías en la red de transporte, para transportar toda la producción de la central, provocando que tenga que limitarse la producción en la central donde esto ocurra, teniendo que suministrar esta producción el resto de centrales del sistema, o bien trasvasar este exceso de producción en dicha central por las líneas de interconexión entre centrales. También puede ocurrir que sea la interconexión la que esté limitada, lo que obligaría en algún caso a tener asignadas más unidades de las necesarias y con un reparto de carga diferente. Esta restricción, por tanto, afecta a la asignación de unidades, ya que es posible que sea necesario tener más unidades generadoras acopladas para poder garantizar el servicio. Pero también puede afectar al despacho de cargas, por cuanto que es posible que se requiera un reparto de cargas diferentes entre las unidades acopladas para satisfacer el mismo objetivo. 3.3.11. Pérdidas en el transporte de energía. Una de las restricciones que pueden modificar tanto la asignación de unidades como el despacho de carga es la minimización de las pérdidas en la red de transporte del sistema eléctrico que se trate. Normalmente son las centrales las que deben compensar estas pérdidas con una mayor generación, por lo que, para una demanda L (MW) del sistema, se tiene que cumplir, no sólo que: 3. Descripción del problema 18 ∑𝑃𝑖 𝑁 𝑖=1 =𝐿 (3.15) sino que: ∑𝑃𝑖 𝑁 𝑖=1 =𝐿+𝑃𝐿 (3.16) donde PL es el total de las pérdidas (MW) en la red de transporte. Esta restricción afecta a la asignación de unidades, ya que es posible que sea necesario tener más unidades generadoras acopladas para poder cumplir con esta restricción. Pero también puede afectar al despacho de cargas, por cuanto que es posible que se requiera un reparto diferente de las potencias generadas por las unidades para conseguir el mismo objetivo de reducir al mínimo las pérdidas en la red de transporte. 3.3.12. Restricciones de combustible. Pueden producirse problemas de abastecimiento de alguno de los combustibles que se usan en alguna de las centrales del sistema, que limiten el número de horas de funcionamiento o la potencia de generación en una o más unidades de generación. Esta restricción afecta a la asignación de unidades, ya que es posible que sea necesario modificar los acoples y desacoples de unidades generadoras para garantizar el suministro eléctrico. Pero también puede afectar al despacho de cargas, por cuanto que es posible que se requiera un reparto diferente de las potencias generadas por las unidades para conseguir el mismo objetivo de garantizar el suministro en el caso de que no sea posible parar las unidades afectadas y se les deba dar una menor producción. 3.3.13. Restricciones de personal. Puede ocurrir que no sea posible acoplar o desacoplar dos o más unidades al mismo tiempo en determinadas horas del período especificado, debido al dimensionamiento existente en la plantilla de las centrales o a circunstancias provisionales que concurran, como puede ser que parte del personal está inmerso en la solución de alguna avería o situación que no permita dedicar los recursos necesarios. Esta restricción afecta evidentemente a la asignación de unidades, ya que modifica la secuencia de acoples y desacoples de las unidades generadoras. 3.3.14. Restricciones de emisiones de contaminantes. Las administraciones locales están imponiendo límites de emisiones para cada uno de los contaminantes en cada tipo de unidad generadora en función de sus características (tecnología, combustible que usa, etc.) con el fin de obligar a inversiones en medios tecnológicos que las reduzcan al mínimo. De hecho, en muchas de las unidades generadoras se tienen mediciones en continuo de los principales contaminantes atmosféricos con el fin de controlar en tiempo real dichas emisiones y, en caso de superar los límites establecidos, existen protocolos de actuación en los que se indican acciones como reducir la potencia generada en determinadas unidades o incluso pararlas si es necesario o también intercambiar potencia entre centrales existentes en un mismo sistema, reduciendo la potencia generada en la central afectada por el incumplimiento en los límites de emisiones e incrementando la potencia generada en la otra u otras centrales. 3. Descripción del problema 19 Esta restricción puede afectar a la asignación de unidades si se llega a parar unidades generadoras y también al despacho de cargas si hay que redistribuir las potencias generadas entre grupos, tanto de la misma central como de otras del mismo sistema. 3.3.15. Coste de arranque. Debido a que la temperatura y la presión de una unidad térmica deben ser variadas lentamente en la fase de encendido, se gastará una cierta cantidad de energía para llegar a acoplar la unidad y llevarla hasta su mínimo técnico. El coste de esta energía, que en parte no genera potencia, se denomina “coste de arranque”, y su valor depende del tiempo que la unidad ha estado parada antes de iniciar el proceso de arranque. El coste de arranque puede variar desde un valor máximo en el “encendido frío” a un valor mucho más pequeño si la unidad ha sido desacoplada recientemente y está aún en condiciones cercanas a la temperatura normal de funcionamiento. La evolución del coste de arranque es de forma exponencial en función del tiempo, como se puede observar en la expresión siguiente: 𝐶𝑎=𝐶𝑓 (1− 𝑒−𝑡/𝛼) 𝐹 (3.17) siendo Cf la energía (Mcal) de arranque en frío, t el tiempo (h) que la unidad ha permanecido parada,  una constante de tiempo térmico de la unidad (tiempo de enfriamiento) y F el precio del combustible (€/Mcal). Una particularización del coste de arranque es cuando se embotella la caldera, es decir, cuando se mantiene el grupo con temperatura y presión suficientes para ser acoplado con mayor rapidez. En este caso la evolución del coste de arranque es lineal con el tiempo: 𝐶𝑎=𝐶𝑇 𝑡 𝐹 (3.18) siendo CT la energía para mantener la unidad a la temperatura, T, de operación (Mcal/h). Esta restricción afecta sólo a la asignación de unidades. 3.3.16. Coste de parada. Al igual que en el coste de arranque, se gasta una cierta cantidad de energía en bajar carga desde el mínimo técnico, desacoplar y parar una unidad térmica. Sin embargo, el coste asociado a esta energía no depende del tiempo que el grupo haya estado acoplado, por lo que se le asigna un valor constante para cada grupo. Esta restricción afecta sólo a la asignación de unidades. 3.3.17. Tiempo de arranque. El proceso comentado que lleva a tener un determinado coste de arranque lleva asociado consigo un tiempo en su ejecución que también es, en sí mismo, una restricción. No todas las unidades tardan el mismo tiempo en arrancar, acoplar y llegar a su mínimo técnico, y este tiempo, a su vez, depende del tiempo que la unidad ha estado parada, distinguiéndose en la mayoría de los grupos entre tiempos de arranque “frío”, “templado” y “caliente”. Se tiene así: 𝑇𝑝𝑖𝑡−1≥𝑇𝑖𝑎𝑟𝑟𝑎𝑛𝑞𝑢𝑒 si 𝑃𝑖𝑡−1=0 y 𝑃𝑖𝑡≥𝑃𝑖𝑚𝑖𝑛 (3.19) siendo 𝑇𝑝𝑖𝑡−1 el tiempo (h) que lleva parada la unidad i en la hora t1, y 𝑇𝑖𝑎𝑟𝑟𝑎𝑛𝑞𝑢𝑒 el tiempo (h) de arranque de la unidad i. Esta restricción afecta exclusivamente a la asignación de unidades. 4. El SEP de Gran Canaria 26 situada encima de la sala de turbina y motor de arranque. Para la refrigeración del aceite de lubricación de la turbina se utilizan aero-refrigeradores situados sobre el compartimento de la misma. Estos grupos disponen, además, de un sistema de inyección de agua desmineralizada que disminuye de manera considerable la formación y emisión de NOx de origen térmico, sin afectar a la eficiencia de la combustión. La evacuación de gases se realiza de forma independiente en cada grupo a través de una chimenea de 16 m de altura y 4 m de diámetro en el Gas 1 y de 25 m de altura y 3,8 m de diámetro en los grupos Gas 2 y Gas 3. 4.2. La C.T. Barranco de Tirajana Se encuentra situada en la Costa Sureste de la isla de Gran Canaria, en la zona denominada Llanos de Juan Grande, en el término municipal de San Bartolomé de Tirajana. Cuenta con 10 grupos generadores con tres tecnologías de generación de energía diferentes: 1. Grupos de vapor. La C.T. Barranco de Tirajana cuenta actualmente con dos grupos de vapor de 80 MW (Vapor 1 y Vapor 2), ubicados en una nave y que emplean como combustible principal fuelóleo con un contenido máximo de azufre del 1%, si bien cuando no está disponible el sistema de desulfuración operan con fuelóleo del 0,3% de azufre. Asimismo, pueden emplear como combustible una mezcla de fuelóleo y purgas de tanque, con un porcentaje típico de 2,4% de purgas de tanques frente al 97,6% de fuelóleo. Por otra parte, durante los arranques en frío emplean gasóleo como combustible. La refrigeración de los condensadores de estos grupos se realiza mediante agua de mar en circuito abierto, con un caudal nominal de 13.000 m3/h para cada grupo y un salto térmico en el condensador de 7ºC. Los gases de combustión procedentes de las calderas de estos grupos se depuran mediante un precipitador electrostático, que elimina la mayor parte de su contenido en partículas y un sistema de desulfuración mediante agua de mar. Finalmente, los gases se emiten a la atmósfera a través de una chimenea común de 118 metros de altura con dos conductos independientes de 2,4 metros de diámetro cada uno. 2. Turbinas de Gas. La C.T. Barranco de Tirajana dispone de dos turbinas de gas de 37,5 MW, modelo PG6541B (Gas 1 y Gas 2), localizadas en la zona noroeste de la central, que operan en situaciones de punta de demanda y de emergencia y emplean gasóleo como combustible. El cuerpo de la turbina y el alternador se refrigeran mediante aire exterior. Estos grupos disponen de un sistema de inyección de agua desmineralizada que disminuye de manera considerable la formación y emisión de NOx de origen térmico, sin afectar a la eficiencia de la combustión. La turbina Gas 1 evacua los gases de combustión por medio de una chimenea rectangular de 3,8 x 5 m2 y de 10,5 metros de altura y la turbina Gas 2 lo hace a través de una chimenea de 21 metros de altura y 4 metros de diámetro. 3. Ciclos Combinados. La C.T. Barranco de Tirajana cuenta con dos ciclos combinados del tipo 2+1, constituidos por dos turbinas de gas y una turbina de vapor. El Ciclo Combinado 1, con 226,1 MW, está compuesto por dos turbinas de gas de 75,5 MW cada una, denominadas Gas 3 (CC1) y Gas 4 (CC1), y una turbina de vapor de 75,1 MW, denominada Vapor 3 (CC1). El Ciclo Combinado 2, con 245,9 MW, asimismo, está compuesto por dos turbinas de gas de 76,7 MW cada una, denominadas Gas 5 (CC2) y Gas 6 (CC2), y una turbina de vapor de 82,5 MW, denominada Vapor 4 (CC2). Estos grupos operan actualmente con gasóleo, si bien están diseñados para emplear también gas natural como combustible. La energía térmica de los gases de combustión de las dos turbinas de gas de cada Ciclo Combinado se aprovecha mediante dos calderas de recuperación de calor, una por cada turbina, para generar vapor sobrecalentado que alimenta al ciclo de la turbina de vapor. Cada una de las tres turbinas de cada Ciclo dispone de su correspondiente generador, alternador y transformador. Cada Ciclo puede operar con una o dos turbinas de gas en ciclo abierto, evacuando cada turbina de gas los gases de combustión a través de una chimenea de bypass, de 35 metros de altura y 3,85 m de 4. El SEP de Gran Canaria 27 diámetro, sin que se generen gases en las calderas de recuperación. El modo de operación normal es en forma de Ciclo Combinado, de forma que los gases de escape de cada turbina de gas se dirijan a su respectiva caldera de recuperación y el vapor generado en cada caldera se expanda en una turbina de vapor común, expulsándose los gases de combustión por dos chimeneas, de 65 metros de altura y 3,9 m de diámetro, una para cada caldera de recuperación. En tal caso, el vapor expansionado en la turbina de vapor se condensa en un condensador refrigerado por agua de mar en circuito abierto. El caudal de agua de refrigeración necesario para el Ciclo Combinado 1 es de unos 21.600 m3/h y para el Ciclo Combinado 2 de unos 23.000 m3/h, con un salto térmico en ambos ciclos de 6ºC medido en el condensador. Tabla 4.2. Generación térmica instalada en las centrales térmicas de Jinámar y Barranco de Tirajana. 4.3. Costes y restricciones técnicas. Normalmente, los sistemas eléctricos de potencia de los países desarrollados tienen una exhaustiva reglamentación que intenta conseguir que la electricidad, un bien de utilidad pública aunque en muchas ocasiones en manos del sector privado, llegue a todos los ciudadanos sin discriminación alguna. Tanto si el sistema eléctrico funciona como un mercado libre como si está regulado con una retribución reconocida, en función de la legislación existente en un determinado sistema, puede ser atractivo o no para una empresa instalarse como productor o comercializador. Normalmente, las actividades de transporte y distribución suelen estar reguladas y pertenecen a empresas ya instauradas en las que es casi imposible la incorporación de nuevas empresas. Sin embargo, las actividades de generación y comercialización están normalmente liberalizadas en los países industrializados y sí es factible la aparición de nuevos agentes. C.T. JINAMAR Nombre Tecnología Pot. Instalada Bruta (MW) Combustible principal Vapor 4 Turbina Vapor 60,00 Fuel 0,73% Vapor 5 Turbina Vapor 60,00 Fuel 0,73% Diesel 1 Motor Diesel 12,00 Gasoil Diesel 2 Motor Diesel 12,00 Gasoil Diesel 3 Motor Diesel 12,00 Gasoil Diesel 4 Motor Diesel 24,00 Fuel 0,73% Diesel 5 Motor Diesel 24,00 Fuel 0,73% Gas 1 Turbina Gas 23,45 Gasoil Gas 2 Turbina Gas 37,50 Gasoil Gas 3 Turbina Gas 37,50 Gasoil Imagen ITC 302,45 C.T. BARRANCO TIRAJANA Nombre Tecnología Pot. Instalada Bruta (MW) Combustible principal Vapor 1 Turbina Vapor 80,00 Fuel 1,0% Vapor 2 Turbina Vapor 80,00 Fuel 1,0% Gas 1 Turbina Gas 37,50 Gasoil Gas 2 Turbina Gas 37,50 Gasoil Gas 3 (CC1) 75,50 Gasoil Gas 4 (CC1) 75,50 Gasoil Vapor 3 (CC1) 75,10 - Gas 5 (CC2) 76,70 Gasoil Gas 6 (CC2) 76,70 Gasoil Vapor 4 (CC2) 82,50 - Imagen Libro Energía 2007 697,00 TOTAL GRAN CANARIA 999,45 10 Grupos generadores TOTAL Ciclo Combinado 2+1 (2 Turbinas Gas + 1 Turbina Vapor) Ciclo Combinado 2+1 (2 Turbinas Gas + 1 Turbina Vapor) 20 Grupos generadores TOTAL 10 Grupos generadores TOTAL 4. El SEP de Gran Canaria 28 En cualquier caso, en todo sistema eléctrico existe una reglamentación que es necesario conocer y cumplir. Con respecto a los costes, no es lo mismo un sistema de producción de libre mercado, donde los productores ofertan la energía que pueden poner en red a un precio determinado y el Operador del Sistema programa las unidades generadoras según estos precios, considerando luego las restricciones técnicas propias del sistema modificando la programación en función de las mismas, que un sistema de producción regulado que funciona con una retribución reconocida y donde las unidades son programadas por el Operador del Sistema en función de sus costes reconocidos. En España existen estas dos situaciones, ya que el territorio peninsular funciona según las reglas de un libre mercado y, sin embargo, los sistemas de los territorios no peninsulares (las comunidades autónomas de Canarias y Baleares y las ciudades autónomas de Ceuta y Melilla) funcionan bajo un sistema de costes reconocidos. Puesto que el caso a resolver es el sistema eléctrico de Gran Canaria, que es un sistema eléctrico donde las unidades generadoras son programadas por el Operador del Sistema, llevando a cabo una optimización de los costes reconocidos, es necesario conocer la reglamentación vigente para dichos sistemas. 4.3.1. Legislación en territorios no peninsulares La Ley 54/1997, de 27 de noviembre [1], creó en España un mercado mayorista de electricidad para cuyo funcionamiento era imprescindible la existencia de una red de transporte bien gestionada y una operación del sistema que coordinara el conjunto generación-transporte y garantizara que la demanda quedara cubierta en todo momento. A través de esta ley se nombra a REE Operador del Sistema y Gestor de la Red de Transporte y a OMEL Operador del Mercado. Asimismo, en la generación de energía eléctrica, dicha ley reconoce el derecho a la libre instalación y organiza su funcionamiento bajo el principio de libre competencia. También exige la separación de actividades a las entidades que en el momento de su entrada en vigor realicen actividades eléctricas de generación y distribución conjuntamente, cuando el Gobierno así lo disponga por Real Decreto, que será de aplicación antes del 31 de diciembre del año 2000. A su vez, esta ley mantiene la tarifa única en todo el territorio nacional, consagrando así el principio de no discriminación. Sin embargo, para los sistemas insulares y extrapeninsulares esta ley establece que serán objeto de una reglamentación singular a desarrollar, estando la actividad de producción excluida del sistema de ofertas y, por tanto, del mercado tal y como se entiende en el sistema peninsular. Establece, además, que cuando los costes de estas actividades no puedan ser sufragados con cargo a los ingresos obtenidos en dichos ámbitos territoriales, se integrarán como costes permanentes. Posteriormente, el Real Decreto 1747/2003, de 19 de diciembre [2], desarrolla lo establecido en la ley 54/1997 con respecto a estos sistemas, reconociendo que el aislamiento y el tamaño de los sistemas eléctricos insulares y extrapeninsulares (SEIE) de las Illes Balears, Canarias, Ceuta y Melilla refleja unos factores diferenciales respecto al sistema eléctrico peninsular, especialmente en las exigencias de los grupos de generación, que obliga a un tratamiento singular, perdiendo sentido establecer un mercado de ofertas similar al peninsular. Con el fin de mantener las tarifas y precios equivalentes a las que resultan del sistema de ofertas peninsular, y teniendo en cuenta el mayor coste de generación previsible, derivado de la propia estructura de los sistemas aislados (mayor nivel de reserva, sobrecoste de las tecnologías específicas y mayores costes de combustible), se establece un mecanismo de despacho de las unidades de producción del régimen ordinario por orden de mérito económico y una retribución adecuada de las mismas. El Operador del Sistema realizará el despacho económico de las unidades de producción en cada sistema, sobre la base de costes variables declarados y verificados por dicho Operador, costes variables que integran tanto el valor de los consumos de combustibles realizados como aquellos otros costes de naturaleza variable. En resumen, el sistema que se establece para retribuir las instalaciones de generación en régimen ordinario, se articula sobre la base del precio de mercado de la generación peninsular, complementado por una prima por 4. El SEP de Gran Canaria 29 funcionamiento y por el concepto de garantía de potencia. Este real decreto reconoce también el derecho de la libre instalación de la generación sin más limitaciones que las derivadas de la ordenación territorial. Ya en el año 2006, se publican las tres herramientas fundamentales que desarrollan la reglamentación singular de los SEIE: 1. La Orden ITC/913/2006, de 30 de marzo [3]. 2. La Orden ITC/914/2006, de 30 de marzo [4]. 3. La Resolución de 28 de abril de 2006 [5], de la Secretaría General de Energía. 4.3.1.1. Orden ITC/913/2006, de 30 de marzo. Esta Orden desarrolla el método de cálculo del coste de cada uno de los combustibles utilizados en los sistemas eléctricos extrapeninsulares e insulares. La prima de funcionamiento de cada grupo generador insular y extrapeninsular se establecerá anualmente por el Ministro de Industria, Turismo y Comercio, según las tecnologías existentes, sobre la base de una previsión del coste de combustibles. Dicha prima se utilizará para el cálculo del coste de generación extrapeninsular que se integra en la tarifa. Dicha retribución debe ser función directa de unos valores unitarios definidos para cada tecnología del parque insular y extrapeninsular que recojan, con criterios objetivos, todos los costes variables que, para las diferentes tecnologías, se produzcan. Los costes variables que se consideran a la hora de calcular el coste de combustible incluyen tanto el valor de los consumos como el resto de costes variables, dando lugar a cinco conceptos de coste diferenciados: el coste variable de funcionamiento, el coste de arranque, que incluye además del coste asociado al consumo de combustible el resto de costes variables de operación y mantenimiento derivados de los arranques, el coste variable de operación y mantenimiento por funcionamiento, el coste de reserva caliente y el coste de la banda de regulación. También se establece que el despacho de la generación, para cada uno de los sistemas aislados de los SEIE, se llevará a cabo por el Operador del Sistema, mediante la minimización del coste variable de producción de tal forma que se efectúe la cobertura de la demanda con los recursos de generación disponibles en cada sistema eléctrico, de acuerdo con el orden de mérito económico y las limitaciones que impongan las restricciones de red o medioambientales. El despacho de generación se realizará partiendo de los parámetros técnicos aprobados para cada grupo generador de régimen ordinario, particularmente los siguientes: a) Potencia neta máxima y mínimo técnico. b) Rampa de subida y bajada de potencia. c) Tiempos y costes de arranque d) Costes variables de funcionamiento según el nivel de carga (combustible y otros costes variables de operación y mantenimiento) e) Capacidad de contribución a la potencia rodante de regulación. A los que el Operador del Sistema añadirá: a) La información comunicada por los agentes de indisponibilidades o restricciones adicionales en el funcionamiento de los generadores. b) Los programas horarios previstos y comunicados por los generadores de régimen especial, los cuales serán revisados por el Operador del Sistema, que utilizará en el despacho la mejor previsión disponible, particularmente en la generación eólica. c) La mejor previsión de demanda horaria del sistema disponible en el horizonte de decisión. También especifica esta Orden que el proceso de despacho constará al menos de dos etapas: 4. El SEP de Gran Canaria 30 1. Despacho inicial con criterio exclusivamente económico, donde la generación y la reserva rodante de cada grupo generador, para cada una de las horas, es asignada como nudo único. 2. En una segunda etapa se analizarán las restricciones impuestas por la red de transporte y otras de carácter medioambiental, procediéndose a un reajuste de la generación si fuera necesario, con criterios de seguridad y economía, identificando condiciones de funcionamiento obligadas de los grupos. 4.3.1.1.1. Costes variables de funcionamiento Son los costes variables, en Euros, de cada grupo generador asociados a los consumos de combustibles derivados del funcionamiento del grupo. Se calculan de la siguiente forma: 𝐶𝑓𝑢𝑛(𝑖,ℎ,𝑗)=[𝑎(𝑖)+𝑏(𝑖) 𝑒(𝑖,ℎ,𝑗)+𝑐(𝑖) 𝑒2(𝑖,ℎ,𝑗)] 𝑝𝑟(𝑖,ℎ,𝑗) (4.1) siendo: 𝑒(𝑖,ℎ,𝑗): la potencia media horaria, en MW, en barras de central en la hora h aportada por el grupo i del sistema eléctrico aislado j. 𝑎(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de consumo térmico horario (consumo / potencia neta), valorado en te/h. 𝑏(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de consumo térmico horario (consumo / potencia neta), valorado en te/(h MW). 𝑐(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de consumo térmico horario (consumo / potencia neta), valorado en te/(h MW2). 𝑝𝑟(𝑖,ℎ,𝑗): el precio medio de la termia de los combustibles utilizados por el grupo i del sistema eléctrico asilado j en la hora h, valorado en Euros/te PCI. Los valores de los parámetros a, b y c deben ser aprobados por el Ministerio de Industria, a partir de las pruebas de rendimiento que las empresas propietarias deben realizar a los grupos generadores de su propiedad siguiendo un procedimiento a desarrollar por dicho Ministerio. Además, en su disposición transitoria segunda se indica que hasta que se realicen estas pruebas los parámetros a utilizar son los que se recogen en el Anexo I para los grupos existentes a 31 de diciembre de 2001 (valores individualizados por grupo) y los que se recogen en el Anexo II para los que entraran en explotación a partir del 1 de enero de 2002 (valores por tecnología y tamaño de grupo). Para el SEP de Gran Canaria, todos los grupos existentes a día de hoy ya existían a 31 de diciembre de 2001, excepto los ciclos combinados de la C.T. Barranco de Tirajana, cuyas fechas de entrada en servicio fueron las siguientes: Gas 3 (CC1) : 19/07/2003 Gas 4 (CC1) : 21/08/2003 Vapor 3 (CC1) : 22/11/2004 Gas 5 (CC2) : 21/08/2006 Gas 6 (CC2) : 27/11/2006 Vapor 4 (CC2) : 24/06/2008 Puesto que los procedimientos para la realización de las pruebas de rendimiento fueron aprobados mediante la Resolución de 3 de agosto de 2012 [6], de la Dirección General de Política Energética y Minas, y que el listado de grupos a los que realizar dichas pruebas se aprobó mediante la Resolución de 29 de agosto de 2013 [7], y la ejecución de las mismas comenzó el 2 de julio de 2014, previéndose su finalización antes de agosto de 2015 (la disposición transitoria segunda de la Orden ITC/913/2006, de 30 de marzo, establece un período de 3 años para la realización de las pruebas), a la fecha de realización de este trabajo 4. El SEP de Gran Canaria 31 siguen vigentes los valores publicados en dicha Orden. Por lo tanto, los valores para los grupos del SEP de Gran Canaria se muestran en la Tabla 4.3. Tabla 4.3. SEP de Gran Canaria: parámetros de la curva de consumo de combustible de funcionamiento (2013). Con respecto a los precios de los combustibles, hay que indicar que en la Orden ITC/913/2006, de 30 de marzo, se dividen los mismos en dos partes: precio del producto (euros/t) y precio de logística (euros/t). Con respecto al precio del producto, establece que se fijarán semestralmente por la Dirección General de Política Energética y Minas (enero y julio) y con respecto a los costes de logística se actualizarán anualmente con el índice de precios al consumo IPC previstos en la tarifa menos 100 puntos básicos. Los precios de los combustibles así calculados serán utilizados a los efectos de despacho de costes variables de generación para el semestre siguiente, regularizándose, a efectos de cálculo de la prima de funcionamiento para cada grupo generador el semestre anterior por la diferencia entre los precios reales y los inicialmente previstos. Por otro lado, se fija el valor del poder calorífico inferior de cada combustible, valorado en te/t, que figura en el Artículo 7 de la citada Orden. Hay que indicar que en el año 2006 de publicación de la Orden no se consumía en Canarias el Fuel 0,73%, pero empezó a consumirse en el año 2010 en algunas instalaciones de los sistemas eléctricos canarios (centrales de Jinámar en Gran Canaria, Candelaria en Tenerife, Punta Grande en Lanzarote y Las Salinas en Fuerteventura) por las exigencias impuestas en las autorizaciones ambientales integradas; este combustible fue reconocido mediante la Orden ITC/1559/2010, de 11 de junio [8]. En la Tabla 4.4 se muestran los precios del producto, los precios de logística y los PCI de cada tipo de combustible que se utilizaban en el año 2013 para los despachos en el SEIE Canarias. Los precios del producto vigentes para despacho en el año 2013 son los provisionales publicados en la Resolución de 4 de diciembre de 2012 [9], de la Dirección General de Política Energética y Minas, mientras que los precios de logística son los publicados en la Resolución de 27 de mayo de 2011 [10]. En la Resolución de 9 de febrero a (te/h) b (te/h.MW) c (te/h.MW2) Jinámar Vapor 4 Vapor Fuel 12.991,345 2.677,03 0,19 Jinámar Vapor 5 Vapor Fuel 12.991,345 2.677,03 0,19 Jinámar Diesel 1 Motor Diesel 1.286,063 2.511,43 6,13 Jinámar Diesel 2 Motor Diesel 1.286,063 2.511,43 6,13 Jinámar Diesel 3 Motor Diesel 1.286,063 2.511,43 6,13 Jinámar Diesel 4 Motor Diesel 7.613,794 1.381,90 15,25 Jinámar Diesel 5 Motor Diesel 7.613,794 1.381,90 15,25 Jinámar Gas 1 Turbina Gas 23.287,862 2.737,04 6,37 Jinámar Gas 2 Turbina Gas 29.363,266 2.225,92 1,36 Jinámar Gas 3 Turbina Gas 29.363,266 2.225,92 1,36 Bco. Tirajana Vapor 1 Vapor Fuel 21.254,082 2.159,80 0,23 Bco. Tirajana Vapor 2 Vapor Fuel 21.254,082 2.159,80 0,23 Bco. Tirajana Gas 1 Turbina Gas 29.363,266 2.225,92 1,36 Bco. Tirajana Gas 2 Turbina Gas 29.363,266 2.225,92 1,36 Bco. Tirajana Gas 3 (CC1) Turbina Gas heavy duty > 50 MW 60.436,761 1.925,54 0,53 Bco. Tirajana Gas 4 (CC1) Turbina Gas heavy duty > 50 MW 60.436,761 1.925,54 0,53 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 1TG+1TV 118.213,531 -390,57 11,18 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 2TG+1TV 239.683,594 -440,63 5,76 Bco. Tirajana Gas 5 (CC2) Turbina Gas heavy duty > 50 MW 60.436,761 1.925,54 0,53 Bco. Tirajana Gas 6 (CC2) Turbina Gas heavy duty > 50 MW 60.436,761 1.925,54 0,53 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 1TG+1TV 118.213,531 -390,57 11,18 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 2TG+1TV 239.683,594 -440,63 5,76 Central Grupo Tipo Parámetros curva consumo combustible de funcionamiento 4. El SEP de Gran Canaria 32 de 2015 [11] se publicaron los precios definitivos de los años 2012, 2013 y 2014 y los provisionales del primer semestre del 2015. Tabla 4.4. Precios y PCI de los combustibles que se utilizaban en el año 2013 para el SEIE Canarias. 4.3.1.1.2. Coste de arranque o, alternativamente, de reserva caliente Se considera como arranque de un grupo el proceso por el cual un grupo pasa de un estado de marcha en condiciones de carga mínima a otro estado de marcha en las mismas condiciones, con un estado intermedio de paro. El coste de arranque es el derivado del arranque de un grupo, correspondiente tanto al consumo de combustible como a otros costes variables. Se calcula de la siguiente forma: 𝐶𝑎𝑟(𝑖,𝑗)=𝑎′(𝑖)[1 − 𝑒𝑥𝑝(− 𝑡 𝑏′(𝑖))] 𝑝𝑟(𝑖,ℎ,𝑗)+𝑑 (4.2) siendo: t: el tiempo transcurrido desde la última parada, en horas. 𝑎′(𝑖): un parámetro obtenido a partir del ajuste exponencial de la curva de consumo / tiempo de parada en horas, valorado en te. 𝑏′(𝑖): un parámetro obtenido a partir del ajuste exponencial de la curva de consumo / tiempo de parada en horas, valorado en horas. d: un parámetro que refleja los costes de operación y mantenimiento adicionales debidos al arranque, valorado en Euros. Si el grupo en vez de parar y arrancar pudiera entrar en situación de reserva caliente, y así lo programara el Operador del Sistema, en lugar del coste de arranque se tendrían los costes derivados del mantenimiento del grupo en dicho estado, siendo la forma de calcularlo la siguiente: 𝐶𝑟𝑐(𝑖,𝑗)=∑ 𝑐𝑐𝑟𝑐(𝑖) 𝑝𝑟(𝑖,ℎ𝑟𝑐,𝑗) ℎ𝑟𝑐 (4.3) donde 𝑐𝑐𝑟𝑐(𝑖) es el consumo de combustible utilizado por el grupo i del sistema eléctrico aislado j, en la hora hrc durante la cual el grupo se encontraba en situación de reserva caliente, valorado en te PCI/h. La situación de reserva caliente es sólo factible en grupos de vapor y se entiende que un grupo térmico de vapor está en esta situación si, tras haber sido desacoplado de la red, mantiene el estado térmico de la caldera y la turbina en condiciones que permitan que su acoplamiento a la red a mínimo técnico se produzca de forma inmediata. Al igual que para los costes variables de funcionamiento, los valores de los parámetros a’ y b’ deben ser aprobados por el Ministerio de Industria, a partir de las pruebas de rendimiento que las empresas propietarias deben realizar a los grupos generadores de su propiedad, siguiendo un procedimiento a desarrollar por el Ministerio de Industria. El parámetro d, sin embargo, no depende de ninguna prueba de rendimiento y en la Orden ITC/913/2006, de 30 de marzo, lo que se indica es que serán unos valores fijos por grupo o por tecnología que se irán actualizando anualmente con el IPC previsto en la tarifa más 100 puntos básicos. Combustible Precio Producto (€/Tonelada) Costes logística (€/Tonelada) PCI (Termias/Tonelada Fuel Oil BIA 1% 549,15 23,58 9.000 Fuel Oil BIA 0,73% 610,33 23,58 9.000 Fuel Oil BIA 0,3% 549,15 59,64 9.000 Diesel Oil 706,38 55,16 10.000 Gasoil 0,1% 746,49 36,07 10.150 4. El SEP de Gran Canaria 33 En la disposición transitoria segunda de dicha orden se indica que hasta que se realicen estas pruebas los parámetros a’ y b’ a utilizar son los que se recogen en el Anexo III para los grupos existentes a 31 de diciembre de 2001 (valores individualizados por grupo) y los que se recogen en el Anexo IV para los que entraran en explotación a partir del 1 de enero de 2002 (valores por tecnología y tamaño de grupo). En estos anexos también se recogen los parámetros d correspondientes al año 2001 (Anexo III) y 2002 (Anexo IV). Según lo ya indicado en el apartado anterior, los valores a’ y b’, para los grupos del SEP de Gran Canaria, son los que figuran en los anexos citados de esta Orden, pero como valor de d se debe coger el valor vigente para el año 2013, año que se usará de referencia en esta Tesis para la resolución del citado SEP. Los valores vigentes para el año 2013 aparecen en el Anexo I de la Resolución de 20 de enero de 2011 [12], de la Dirección General de Política Energética y Minas (ver Tabla 4.5). No se han vuelto a actualizar dichos valores. Tabla 4.5. SEP de Gran Canaria: parámetros de la curva de coste de arranque de los grupos (2013). Con respecto a la situación de reserva caliente, ningún grupo de vapor de los sistemas eléctricos canarios es capaz de mantenerse en esta situación con los requisitos exigidos. 4.3.1.1.3. Costes variables de operación y mantenimiento Son los costes variables, distintos del valor de los consumos de combustibles, derivados del funcionamiento del grupo y engloban, básicamente, los costes de materiales y de los trabajos realizados en relación con las revisiones programadas de cada unidad de generación, que se realizan en función de las horas de funcionamiento del grupo, teniendo en cuenta el régimen de funcionamiento y de acuerdo con los planes de mantenimiento del misma. Estos costes incluyen, asimismo, los demás costes de materias ligadas al funcionamiento del grupo y, en su caso, el coste de capital circulante. Se calculan de la siguiente forma: a' (te) b' (horas) Jinámar Vapor 4 Vapor Fuel 269.052,81 17,43684 11.114,441 Jinámar Vapor 5 Vapor Fuel 269.052,81 17,43684 11.114,441 Jinámar Diesel 1 Motor Diesel 15.142,71 2,88669 127,953 Jinámar Diesel 2 Motor Diesel 15.142,71 2,88669 127,953 Jinámar Diesel 3 Motor Diesel 15.142,71 2,88669 127,953 Jinámar Diesel 4 Motor Diesel 79.576,42 5,53611 203,960 Jinámar Diesel 5 Motor Diesel 79.576,42 5,53611 203,960 Jinámar Gas 1 Turbina Gas 12.180,00 0,21715 3.873,332 Jinámar Gas 2 Turbina Gas 10.150,00 0,21715 3.873,332 Jinámar Gas 3 Turbina Gas 10.150,00 0,21715 3.873,332 Bco. Tirajana Vapor 1 Vapor Fuel 357.255,00 7,21595 12.038,118 Bco. Tirajana Vapor 2 Vapor Fuel 357.255,00 7,21595 12.038,118 Bco. Tirajana Gas 1 Turbina Gas 10.150,00 0,21715 3.873,332 Bco. Tirajana Gas 2 Turbina Gas 10.150,00 0,21715 3.873,332 Bco. Tirajana Gas 3 (CC1) Turbina Gas heavy duty > 50 MW 49.877,10 0,72135 13.183,894 Bco. Tirajana Gas 4 (CC1) Turbina Gas heavy duty > 50 MW 49.877,10 0,72135 13.183,894 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 1TG+1TV 281.985,03 0,55379 33.072,391 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 2TG+1TV 410.809,81 0,60483 33.072,391 Bco. Tirajana Gas 5 (CC2) Turbina Gas heavy duty > 50 MW 49.877,10 0,72135 13.183,894 Bco. Tirajana Gas 6 (CC2) Turbina Gas heavy duty > 50 MW 49.877,10 0,72135 13.183,894 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 1TG+1TV 281.985,03 0,55379 33.072,391 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 2TG+1TV 410.809,81 0,60483 33.072,391 Central Grupo Tipo Parámetros curva consumo combustible de arranque Parámetro d (€/arranque) 4. El SEP de Gran Canaria 34 𝐶𝑜𝑚(𝑖,𝑗)=𝑎′′(𝑖)+𝑏′′(𝑖) 𝐶𝑓𝑢𝑛(𝑖,ℎ,𝑗) (4.4) donde 𝑎′′(𝑖) es un parámetro valorado en Euros/h, que recoge los costes de mantenimiento ligados a las horas de funcionamiento del grupo i, siendo un valor fijo por hora de funcionamiento, y 𝑏′′(𝑖) es un parámetro expresado en % representativo de los costes de materias fungibles y, en su caso, del coste del capital circulante del grupo i en funcionamiento continuo. Este término es variable y proporcional al coste derivado del consumo de combustible en funcionamiento 𝐶𝑓𝑢𝑛(𝑖,ℎ,𝑗). Al igual que el parámetro d, esta orden establece que el parámetro a’’ será un valor fijo por grupo o por tecnología que se irá actualizando anualmente con el IPC previsto en la tarifa más 100 puntos básicos. Por ello, se debe coger el valor vigente para el año 2013, año que se usará de referencia en esta Tesis para la resolución del SEP de Gran Canaria. Los valores vigentes para el año 2013 aparecen en el Anexo III de la Resolución de 20 de enero de 2011 [12], de la Dirección General de Política Energética y Minas. No se han vuelto a actualizar dichos valores. Tabla 4.6. SEP de Gran Canaria: parámetros de la curva de costes de operación y mantenimiento de funcionamiento de los grupos (2013). Sin embargo, el parámetro b’’ es un valor en % fijo por grupo y, según se indica en la disposición transitoria segunda de la Orden ITC/913/2006, de 30 de marzo, se recoge en el Anexo V para los grupos existentes a 31 de diciembre de 2001 (valores individualizados por grupo) y en el Anexo VI para los que entraran en explotación a partir del 1 de enero de 2002 (valores por tecnología y tamaño de grupo) (ver la Tabla 4.6). 4.3.1.1.1. Coste de banda de regulación Es el sobrecoste de explotación en la hora h, del grupo generador i del sistema eléctrico j por la banda de potencia, a subir y bajar, asignado por el Operador del Sistema, para la regulación del equilibrio entre a'' (€/ h.func.) b'' (%) Jinámar Vapor 4 Vapor Fuel 124,529 1,72% Jinámar Vapor 5 Vapor Fuel 124,529 1,72% Jinámar Diesel 1 Motor Diesel 63,976 4,90% Jinámar Diesel 2 Motor Diesel 63,976 4,90% Jinámar Diesel 3 Motor Diesel 63,976 4,90% Jinámar Diesel 4 Motor Diesel 101,980 4,90% Jinámar Diesel 5 Motor Diesel 101,980 4,90% Jinámar Gas 1 Turbina Gas 249,236 1,50% Jinámar Gas 2 Turbina Gas 249,236 1,50% Jinámar Gas 3 Turbina Gas 249,236 1,50% Bco. Tirajana Vapor 1 Vapor Fuel 146,186 1,72% Bco. Tirajana Vapor 2 Vapor Fuel 146,186 1,72% Bco. Tirajana Gas 1 Turbina Gas 249,236 1,50% Bco. Tirajana Gas 2 Turbina Gas 249,236 1,50% Bco. Tirajana Gas 3 (CC1) Turbina Gas heavy duty > 50 MW 888,704 1,50% Bco. Tirajana Gas 4 (CC1) Turbina Gas heavy duty > 50 MW 888,704 1,50% Bco. Tirajana Ciclo Combinado 1 Funcionamiento 1TG+1TV 2.229,353 2,37% Bco. Tirajana Ciclo Combinado 1 Funcionamiento 2TG+1TV 2.229,353 2,37% Bco. Tirajana Gas 5 (CC2) Turbina Gas heavy duty > 50 MW 888,704 1,50% Bco. Tirajana Gas 6 (CC2) Turbina Gas heavy duty > 50 MW 888,704 1,50% Bco. Tirajana Ciclo Combinado 2 Funcionamiento 1TG+1TV 2.229,353 2,37% Bco. Tirajana Ciclo Combinado 2 Funcionamiento 2TG+1TV 2.229,353 2,37% Grupo Tipo Costes O&M de funcionamiento Central 4. El SEP de Gran Canaria 35 generación y demanda, así como la disponibilidad de un margen de reserva para garantizar la seguridad del sistema. Se obtiene como sigue: 𝐶𝑟𝑒𝑔(𝑖,ℎ,𝑗)=𝑎′′′(𝑖) 𝑃𝑟𝑒𝑔(𝑖,ℎ,𝑗) (4.5) siendo 𝑎′′′(𝑖) un parámetro valorado en Euros/MW, y 𝑃𝑟𝑒𝑔(𝑖,ℎ,𝑗) el valor de la banda de regulación asignada por el Operador del Sistema en la hora h al grupo i del sistema eléctrico aislado j, expresado en MW. Tabla 4.7. SEP de Gran Canaria: parámetros de la curva de costes de banda de regulación para los grupos (2013). Según la disposición transitoria segunda de la Orden ITC/913/2006, de 30 de marzo, el valor del parámetro a’’’ se fija para cada grupo en el 5% de los valores unitarios correspondientes al coste de garantía de potencia de cada grupo, sólo para aquellos grupos que tengan una banda de regulación asignada y que respondan bajo un sistema automático de control de la generación (AGC). Los valores de garantía de potencia para cada grupo se publicaron en la Orden ITC 914/2006, de 30 de marzo (ver Subsección 4.3.1.2.). En el caso de Unión Eléctrica de Canarias Generación (UNELCO) todos los grupos de su propiedad responden a un sistema automático de control de la generación para la regulación secundaria (AGC), desde finales del año 2012, por lo que es necesario tener en cuenta también dichos costes. Los valores correspondientes a cada grupo del SEP de Gran Canaria se muestran en la Tabla 4.7 y han sido calculados en función de los valores de garantía de potencia indicados en la Subsección 4.3.1.2. 4.3.1.2. Orden ITC/914/2006, de 30 de marzo. Esta orden establece el valor inicial para el año 2001 de la retribución por garantía de potencia correspondiente a las instalaciones de producción de los sistemas eléctricos insulares y extrapeninsulares en régimen ordinario a 31 de diciembre de 2001, conforme a lo establecido en la disposición transitoria primera del Real Decreto 1747/2003, de 19 de diciembre [2], así como el procedimiento de actualización de dicha garantía de potencia en los años siguientes. Jinámar Vapor 4 Vapor Fuel 22.762,80 0,148 Jinámar Vapor 5 Vapor Fuel 22.762,80 0,148 Jinámar Diesel 1 Motor Diesel 62.161,20 0,403 Jinámar Diesel 2 Motor Diesel 62.161,20 0,403 Jinámar Diesel 3 Motor Diesel 62.161,20 0,403 Jinámar Diesel 4 Motor Diesel 156.895,50 1,018 Jinámar Diesel 5 Motor Diesel 163.477,50 1,060 Jinámar Gas 1 Turbina Gas 21.508,20 0,140 Jinámar Gas 2 Turbina Gas 34.309,20 0,223 Jinámar Gas 3 Turbina Gas 34.309,20 0,223 Bco. Tirajana Vapor 1 Vapor Fuel 153.426,80 0,995 Bco. Tirajana Vapor 2 Vapor Fuel 139.134,80 0,902 Bco. Tirajana Gas 1 Turbina Gas 38.113,20 0,247 Bco. Tirajana Gas 2 Turbina Gas 44.421,20 0,288 Bco. Tirajana Gas 3 (CC1) Turbina Gas Ciclo Combinado 134.638,90 0,873 Bco. Tirajana Gas 4 (CC1) Turbina Gas Ciclo Combinado 134.911,90 0,875 Bco. Tirajana Vapor 3 (CC1) Turbina Vapor Ciclo Combinado 138.775,90 0,900 Bco. Tirajana Gas 5 (CC2) Turbina Gas Ciclo Combinado 136.016,90 0,882 Bco. Tirajana Gas 6 (CC2) Turbina Gas Ciclo Combinado 136.935,90 0,888 Bco. Tirajana Vapor 4 (CC2) Turbina Vapor Ciclo Combinado 144.632,90 0,938 Central Grupo Tipo Garantía de Potencia año (€/MW) a''' cada hora (€/MW) 4. El SEP de Gran Canaria 42 MW. A cada grupo le correspondería entonces como reserva primaria mínima la que se muestra en la Tabla 4.12. No obstante, la reserva primaria deberá ser calculada en cada caso con la formulación indicada, pero sí se puede establecer, como una restricción más, que la potencia máxima a despachar por cada unidad generadora sea igual a la potencia máxima disponible menos la reserva primaria mínima obtenida y, de igual manera, que la potencia mínima despachable de cada unidad generadora sea igual al mínimo técnico más la reserva primaria mínima obtenida. Es decir: 𝑃𝑖≤𝑃𝑖𝑚𝑎𝑥−𝑅𝑝𝑚𝑖 𝑃𝑖≥𝑃𝑖𝑚𝑖𝑛+𝑅𝑝𝑚𝑖 (4.17) siendo: 𝑃𝑖𝑚𝑎𝑥: Potencia máxima disponible de la unidad i acoplada (MW) 𝑃𝑖𝑚𝑖𝑛: Potencia mínima disponible de la unidad i acoplada (MW) 𝑅𝑝𝑚𝑖: Reserva primaria mínima de la unidad i acoplada (MW) Tabla 4.12. SEP de Gran Canaria: reserva primaria mínima. 4.3.1.3.1.2. Reserva de regulación secundaria: El P.O.SEIE 1 establece que para cada sistema eléctrico de los SEIE, la reserva de regulación secundaria en cada período de programación horario será determinada por el Operador del Sistema en base a la evolución temporal previsible de la demanda, del fallo probable de los generadores acoplados y de la variabilidad de la producción eólica. La suma de las reservas primaria y secundaria asignadas en cada período de programación horario, siempre que los condicionantes técnicos lo permitan, debe igualar al menos el 100% de la mayor de las siguientes cantidades:  La mayor potencia neta asignada a un generador entre los programados, considerándose como generadores individuales todos los integrantes de un ciclo combinado. No obstante en rampa de Jinámar Vapor 4 Vapor Fuel 55,56 4% 1,89 Jinámar Vapor 5 Vapor Fuel 55,56 4% 1,89 Jinámar Diesel 1 Motor Diesel 8,51 4% 0,29 Jinámar Diesel 2 Motor Diesel 8,51 4% 0,29 Jinámar Diesel 3 Motor Diesel 8,51 4% 0,29 Jinámar Diesel 4 Motor Diesel 20,51 4% 0,70 Jinámar Diesel 5 Motor Diesel 20,51 4% 0,70 Jinámar Gas 1 Turbina Gas 17,64 2% 1,20 Jinámar Gas 2 Turbina Gas 32,34 2% 2,20 Jinámar Gas 3 Turbina Gas 32,34 2% 2,20 Bco. Tirajana Vapor 1 Vapor Fuel 74,24 7% 1,44 Bco. Tirajana Vapor 2 Vapor Fuel 74,24 7% 1,44 Bco. Tirajana Gas 1 Turbina Gas 32,34 2% 2,20 Bco. Tirajana Gas 2 Turbina Gas 32,34 2% 2,20 Bco. Tirajana Gas 3 (CC1) Turbina Gas Ciclo Combinado 68,70 2% 4,68 Bco. Tirajana Gas 4 (CC1) Turbina Gas Ciclo Combinado 68,70 2% 4,68 Bco. Tirajana Vapor 3 (CC1) Turbina Vapor Ciclo Combinado 68,70 - 0,00 Bco. Tirajana Gas 5 (CC2) Turbina Gas Ciclo Combinado 75,00 2% 5,10 Bco. Tirajana Gas 6 (CC2) Turbina Gas Ciclo Combinado 75,00 2% 5,10 Bco. Tirajana Vapor 4 (CC2) Turbina Vapor Ciclo Combinado 77,00 - 0,00 Res. Prim. Min. (MW) Central Grupo Tipo Pot. Max. Neta (MW) Estatismo (%) 4. El SEP de Gran Canaria 43 subida de demanda, las turbinas de gas se contabilizarán como una vez y media su potencia programada para considerar la pérdida de carga en las turbinas de vapor asociadas a fallos en las turbinas de gas.  El crecimiento previsto de la demanda entre el período de programación horario del que se quiere determinar la reserva y el siguiente.  La potencia que aporten los enlaces eléctricos entre islas o con otros sistemas eléctricos ante contingencias N-1.  La pérdida más probable por una disminución de la potencia eólica acoplada, que será determinada por el Operador del Sistema cada hora, aplicando a la potencia total nominal de dichos generadores un coeficiente reductor calculado sobre la base de su variabilidad productiva. En los sistemas extrapeninsulares, actualmente, el mayor valor de estos tres es el correspondiente al primer supuesto, es decir, la mayor carga asignada de entre todos los grupos despachados con las consideraciones indicadas. La reserva secundaria a bajar en cada período de programación horario, siempre que los condicionantes técnicos lo permitan será como mínimo el 50% de la reserva a subir. El P.O.SEIE 7.2 (Servicio complementario de regulación secundaria) establece el método de asignación de la reserva de regulación secundaria. Este P.O. define la regulación secundaria como el mecanismo que gestiona la potencia de los generadores con el objeto de eliminar los errores de régimen permanente en la frecuencia (no corregidos por la regulación primaria) para devolver el sistema a la frecuencia nominal en menos de 15 minutos después de un evento desequilibrante entre generación y consumo. Es un servicio complementario obligatorio y retribuido. Se distingue entre reserva secundaria a subir y reserva secundaria a bajar, ya que las desviaciones de frecuencia pueden ser en los dos sentidos:  Reserva secundaria a subir. Es la potencia total entre todos los generadores acoplados, resultante de la diferencia entre la potencia máxima disponible acoplada para atender las necesidades de regulación secundaria y la potencia real generada.  Reserva secundaria a bajar. Es la potencia total entre todos los generadores acoplados, resultante de la diferencia entre la potencia real generada y la potencia mínima disponible acoplada para atender las necesidades de regulación secundaria. Destaca este procedimiento, también, que la reserva secundaria podrá participar en la regulación primaria en el caso de que los reguladores de velocidad en su actuación la necesiten, y sólo se dispondrá de la reserva secundaria no utilizada por la regulación primaria. Para poder considerar a un grupo como participante en la regulación secundaria debe estar bajo un sistema de control totalmente automático (AGC) o semiautomático que garantice el objetivo de control de la frecuencia indicado. Las bandas de regulación secundaria tanto a subir como a bajar en cada período de programación horario serán determinadas por el Operador del Sistema conjuntamente con el cálculo del despacho económico de forma que se minimicen los costes de producción, considerando los criterios de seguridad. Para la resolución del SEP de Gran Canaria, esto se traduce en tener en cuenta que la asignación de los grupos de generación necesarios para cubrir una determinada demanda, debe ser tal que la potencia máxima total disponible acoplada sea mayor o igual a la demanda a cubrir más la reserva rodante (primaria + secundaria) a subir y, de igual manera, que la potencia mínima total disponible acoplada sea menor o igual que la demanda menos la reserva rodante a bajar. Es decir: 4. El SEP de Gran Canaria 44 ∑𝑃𝑖𝑚𝑎𝑥 𝑁 𝑖=1 ≥𝐿+𝑅𝑠𝑢𝑏𝑖𝑟 ; ∑𝑅𝑖𝑠𝑢𝑏𝑖𝑟 𝑁 𝑖=1 ≥𝑅𝑠𝑢𝑏𝑖𝑟 ∑𝑃𝑖𝑚𝑖𝑛 𝑁 𝑖=1 ≤𝐿−𝑅𝑏𝑎𝑗𝑎𝑟 ; ∑𝑅𝑖𝑏𝑎𝑗𝑎𝑟 𝑁 𝑖=1 ≥𝑅𝑏𝑎𝑗𝑎𝑟 (4.18) siendo: 𝑅𝑠𝑢𝑏𝑖𝑟: Reserva rodante total a subir requerida al sistema (MW) 𝑅𝑏𝑎𝑗𝑎𝑟: Reserva rodante total a bajar requerida al sistema (MW) 𝑅𝑖𝑠𝑢𝑏𝑖𝑟: Reserva rodante a subir de la unidad i (MW): 𝑅𝑖𝑠𝑢𝑏𝑖𝑟=𝑃𝑖𝑚𝑎𝑥−𝑃𝑖 𝑅𝑖𝑏𝑎𝑗𝑎𝑟: Reserva rodante a bajar de la unidad i (MW): 𝑅𝑖𝑏𝑎𝑗𝑎𝑟=𝑃𝑖−𝑃𝑖𝑚𝑖𝑛 𝑃𝑖𝑚𝑎𝑥: Potencia máxima disponible de la unidad i acoplada (MW) 𝑃𝑖𝑚𝑖𝑛: Potencia mínima disponible de la unidad i acoplada (MW) N: Número de unidades acopladas. L: Demanda del sistema (MW) Se deberá también distinguir los períodos de rampa de subida de la demanda de los períodos de rampa de bajada, ya que en los primeros hay que considerar una vez y media la potencia mayor asignada de entre todas las turbinas pertenecientes a algún ciclo combinado para obtener el valor de la reserva rodante a considerar. 4.3.1.3.1.3. Reserva de regulación terciaria: El P.O.SEIE 1 establece que para cada sistema eléctrico de los SEIE, la reserva de regulación terciaria a subir en cada período de programación horario será igual a la mayor de las siguientes cantidades:  La mayor potencia neta asignada a un generador entre los programados, considerándose como generadores individuales todos los integrantes de un ciclo combinado, no obstante en rampa de subida de demanda, las turbinas de gas se contabilizarán como una vez y media su potencia programada para considera la pérdida de carga en las turbinas de vapor asociadas a fallos en las turbinas de gas.  El crecimiento previsto de la demanda entre el período de programación horario del que se quiere determinar la reserva y el siguiente.  La potencia que aporten los enlaces eléctricos entre islas o con otros sistemas eléctricos ante contingencias N-1.  La pérdida más probable por una disminución de la potencia eólica acoplada, que será determinada por el Operador del Sistema cada hora, aplicando a la potencia total nominal de dichos generadores un coeficiente reductor calculado sobre la base de su variabilidad productiva. Como ya se ha comentado en el apartado anterior, en los sistemas extrapeninsulares, actualmente, el mayor valor de estos tres es el correspondiente al primer supuesto, es decir, la mayor carga asignada de entre todos los grupos despachados con las consideraciones indicadas. Se puede observar que este procedimiento sólo habla de reserva terciaria a subir, porque no tiene sentido hablar de terciaria a bajar como se verá a continuación. El P.O.SEIE 7.3 (Servicio complementario de regulación terciaria) establece el método de asignación de la reserva de regulación terciaria e indica que es un servicio complementario de carácter obligatorio. Este P.O. establece, además, que el objeto de la regulación terciaria es la restitución de la reserva de regulación secundaria que haya sido utilizada, mediante la adaptación de los programas de funcionamiento de los generadores que estén o no acoplados. Este P.O. hace distinción entre dos tipos de reserva terciaria: 4. El SEP de Gran Canaria 45  Reserva terciaria acoplada. Es la variación máxima de potencia del programa de generación que puede efectuar una unidad de producción, una vez descontada la reserva primaria y secundaria, en un tiempo máximo de 15 minutos, y que puede ser mantenido al menos, durante dos horas consecutivas.  Reserva terciaria parada. Es la reserva disponible en las unidades de producción que se encuentran paradas capaces de alcanzar el mínimo técnico como máximo en 25 minutos. Se debe tener en cuenta, por tanto, los tiempos de arranque de cada uno de los grupos. Por lo tanto, la función de la reserva terciaria sólo consiste en reponer los niveles de reserva secundaria utilizados, por lo que en realidad no supone ninguna restricción directa a la programación a corto plazo pero sí a la de medio plazo (semanal o anual) y a la de largo plazo (anual o varios años) con el fin de contar siempre con reserva terciaria parada con las indicaciones antes comentadas. No obstante, en la Tabla 4.13 se muestran los datos aportados, al Operador del Sistema, de los tiempos de arranque de los grupos del SEP de Gran Canaria. Se puede observar que los únicos grupos que cumplen con la condición de reserva terciaria parada son las turbinas de gas Gas 1, Gas 2 y Gas 3 de la C.T. Jinámar y las turbinas Gas 1 y Gas 2 de la C.T. Bco. Tirajana, las cuales tienen todas un tiempo de arranque de 25 minutos. Tabla 4.13. SEP de Gran Canaria: tiempos mínimos de arranque. Con respecto a los tiempos de arranque hay que tener en cuenta que el concepto de diferenciar entre arranque calientes, templados y fríos, sólo tiene sentido en los grupos de vapor, por cuanto que el tiempo de arranque de estos grupos está directamente relacionado con el estado de enfriamiento de la caldera. En el caso de los grupos diésel, la diferenciación entre distinguir unos arranques más rápidos de otros más lentos viene dado por el hecho de que sea necesario llevar a cabo un cambio de combustible en el proceso de parada-arranque o no. Esto es, si un motor diésel utiliza un combustible pesado, como el fuel BIA, con un punto de congelación relativamente alto (congelable a temperatura ambiente), cuando se pare durante un cierto tiempo puede tener problemas de congelación del combustible en el motor, por lo que normalmente se hace un cambio de combustible antes de parar con otro combustible más ligero, como el gasoil, que no necesita calentamiento a temperatura ambiente; de esta forma se asegura que no haya En frío En templado En caliente Jinámar Vapor 4 Vapor Fuel 750 285 195 Jinámar Vapor 5 Vapor Fuel 750 285 195 Jinámar Diesel 1 Motor Diesel 120 -80 Jinámar Diesel 2 Motor Diesel 120 -80 Jinámar Diesel 3 Motor Diesel 120 -80 Jinámar Diesel 4 Motor Diesel 120 - - Jinámar Diesel 5 Motor Diesel 120 - - Jinámar Gas 1 Turbina Gas 25 - - Jinámar Gas 2 Turbina Gas 25 - - Jinámar Gas 3 Turbina Gas 25 - - Bco. Tirajana Vapor 1 Vapor Fuel 840 390 300 Bco. Tirajana Vapor 2 Vapor Fuel 840 390 300 Bco. Tirajana Gas 1 Turbina Gas 25 - - Bco. Tirajana Gas 2 Turbina Gas 25 - - Bco. Tirajana Gas 3 (CC1) Turbina Gas heavy duty > 50 MW 90 - - Bco. Tirajana Gas 4 (CC1) Turbina Gas heavy duty > 50 MW 90 - - Bco. Tirajana Ciclo Combinado 1 Funcionamiento 1TG+1TV 360 300 270 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 2TG+1TV 480 420 390 Bco. Tirajana Gas 5 (CC2) Turbina Gas heavy duty > 50 MW 90 - - Bco. Tirajana Gas 6 (CC2) Turbina Gas heavy duty > 50 MW 90 - - Bco. Tirajana Ciclo Combinado 2 Funcionamiento 1TG+1TV 360 300 270 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 2TG+1TV 480 420 390 (1) Desde totalmente parado a mínimo técnico. Central Grupo Tipo Tiempos mínimos de arranque (min) (1) 4. El SEP de Gran Canaria 46 problemas de congelación en ninguna parte del motor y evitar daños de muy costosa reparación tanto en tiempo como en dinero. Por ello, en los motores diésel que utilizan fuel como combustible de funcionamiento y gasoil para los procesos de arranque y parada se establecen dos tiempos diferenciados para contemplar este hecho. En el caso de las turbinas de gas, todos los arranque son iguales y no tiene ningún sentido distinguir entre diferentes tipos de arranque en función del tiempo de parada. Los tiempos de arranque y de parada son restricciones que se incluyen en los requerimientos de tiempos mínimos acoplados y desacoplados como se verá a continuación. 4.3.1.3.2. Otros condicionantes técnicos para la programación El apartado 6 del P.O.SEIE 2.2 (Cobertura de la demanda, programación de la generación y altas en el despacho económico) se establece el método de realización de los programas diarios a realizar por el Operador del Sistema. Los programas diarios tienen por objeto determinar diariamente el plan de arranques y paradas de grupos generadores, minimizando el coste variable de producción, cumpliendo los criterios de garantía y calidad de suministro prescritos en los procedimientos de operación y teniendo en cuenta además las restricciones técnicas y ambientales pertinentes. El programa se debe especificar la carga de los diferentes grupos de generación que contribuyen en cada hora a la cobertura de la demanda correspondiente y las reservas de regulación primaria, secundaria y terciaria previstas, con indicación de los grupos generadores encargados de suministrarlas y expresión explícita de la potencia en reserva en cada uno de ellos. En la programación diaria se debe tener en cuenta los parámetros técnicos aprobados en cada grupo generador, particularmente los siguientes: 1. Potencia efectiva neta y mínimo técnico. 2. Rampas de subida y bajada de potencia. 3. Tiempos y costes de arranque. 4. Costes variables de funcionamiento definidos en la normativa. 5. Capacidad de contribución a la potencia rodante de regulación primaria, secundaria y terciaria. A los que se deben añadir: 6. La información comunicada por los agentes de indisponibilidades o restricciones adicionales en el funcionamiento de los generadores. 7. Los programas horarios previstos y comunicados por los generadores de régimen especial. El Operador del Sistema revisará los programas previstos y utilizará en el despacho la mejor previsión disponible, particularmente en la generación no gestionable. En la Tabla 4.14 se muestran algunos de dichos parámetros. Los costes de arranque, los costes variables de funcionamiento, el estatismo que da idea de la contribución a la potencia rodante de regulación primaria y los tiempos de arranque que dan idea de la contribución a la potencia rodante de regulación terciaria, se describieron previamente. La contribución a la potencia de regulación secundaria la dan, realmente, las rampas de subida y bajada de potencia. Con respecto al punto 6, se debe considerar la posibilidad de introducir en la programación la obligación de tener determinadas unidades generadoras paradas o en funcionamiento, con el fin de tener en cuenta las indisponibilidades de grupos o determinadas restricciones de no parar. El punto 7 se tendrá en cuenta considerando la generación de régimen especial real habida en el día elegido de estudio. 4. El SEP de Gran Canaria 47 Tabla 4.14. SEP de Gran Canaria: algunos parámetros técnicos usados en cada grupo generador. Por otro lado, el mismo apartado 6 del P.O.SEIE 2.2, establece que el proceso de despacho constará al menos de dos etapas: 1. Despacho inicial con criterio exclusivamente económico, en el que todos los grupos generadores se consideran en un nudo único. En esta etapa, la generación prevista de régimen especial se colocará en base sin consideración de coste. 2. Análisis de las posibles restricciones impuestas por la red de transporte, reajustando la generación si fuera necesario con criterios de seguridad y economía, identificando condiciones de funcionamiento obligadas de grupos, y recalculando con estas condiciones el despacho económico de la cobertura del modo que mejor se asegure el cumplimiento de los límites impuestos por los criterios de seguridad de funcionamiento normal según el P.O. SEIE 1. Es por esto que el estudio que se realiza, de acuerdo con la legislación, se hace sin considerar pérdidas en la red, ya que, además, según el P.O.SEIE 5 (Determinación y asignación de las pérdidas de transporte) éstas serán estimadas por el Operador del Sistema por diferencia entre los flujos de entrada y salida de potencia activa por los nudos frontera de la red de transporte, pudiéndose utilizar los casos horarios resueltos del estimador de estado del sistema en tiempo real. Además de los recogidos en la reglamentación vigente, existen otros condicionantes operativos en el sistema eléctrico de Gran Canaria, como son:  Condicionante de no funcionamiento cíclico en grupos con ciclos de agua-vapor. La experiencia que tuvo Endesa años atrás sometiendo a estos grupos a un funcionamiento cíclico, precisamente por intentar mejorar los despachos económicos, dio lugar a importantes averías que llevaron a unos Pot. Máx. Neta Mínimo Técnico Rampa de subida/ bajada de carga Tiempo mínimo de parada (1) Tiempo funcionando antes de parar Tiempo parado antes de acoplar (2) (MW) (MW) (MW/min) (min) (h) (h) Frío Templado Caliente Jinámar Vapor 4 55,56 22,10 0,50 75 315 > 60 > 8 < 8 Jinámar Vapor 5 55,56 22,10 0,50 75 315 > 60 > 8 < 8 Jinámar Diesel 1 8,51 4,58 0,50 50 1 5 > 3 -< 3 Jinámar Diesel 2 8,51 4,58 0,50 50 1 5 > 3 -< 3 Jinámar Diesel 3 8,51 4,58 0,50 50 1 5 > 3 -< 3 Jinámar Diesel 4 20,51 14,09 0,50 120 1 7 > 0 - - Jinámar Diesel 5 20,51 14,09 0,50 120 1 7 > 0 - - Jinámar Gas 1 17,64 6,80 1,50 25 1 4 > 0,5 - < 0,5 Jinámar Gas 2 32,34 6,80 2,50 25 1 4 > 0,5 - < 0,5 Jinámar Gas 3 32,34 6,80 2,50 25 1 4 > 0,5 - < 0,5 Bco. Tirajana Vapor 1 74,24 26,10 1,00 75 313 > 60 > 8 < 8 Bco. Tirajana Vapor 2 74,24 26,10 1,00 75 313 > 60 > 8 < 8 Bco. Tirajana Gas 1 32,34 6,80 2,50 25 1 4 > 0,5 - < 0,5 Bco. Tirajana Gas 2 32,34 6,80 2,50 25 1 4 > 0,5 - < 0,5 Bco. Tirajana Gas 3 (CC1) 68,70 9,70 2,00 30 5 7 > 0,5 - < 0,5 Bco. Tirajana Gas 4 (CC1) 68,70 9,70 2,00 30 5 7 > 0,5 - < 0,5 Bco. Tirajana Ciclo Comb.1 (1+1) 103,00 37,80 3,00 50 512 > 60 > 8 < 8 Bco. Tirajana Ciclo Comb.1 (2+1) 206,10 75,50 6,00 60 515 > 60 > 8 < 8 Bco. Tirajana Gas 5 (CC2) 75,00 9,70 2,00 30 5 7 > 0,5 - < 0,5 Bco. Tirajana Gas 6 (CC2) 75,00 9,70 2,00 30 5 7 > 0,5 - < 0,5 Bco. Tirajana Ciclo Comb.2 (1+1) 113,50 37,80 3,00 50 512 > 60 > 8 < 8 Bco. Tirajana Ciclo Comb.2 (2+1) 227,00 75,50 6,00 60 515 > 60 > 8 < 8 (1) Desde mínimo técnico a grupo totalmente parado. Se entiende totalmente parado desde que deja de consumir combustible. (2) Desde mínimo técnico a mínimo técnico, por lo que tiene incluido el tiempo de parada y de arranque. Central Grupo Tiempo parado para considerar arranque (h) 4. El SEP de Gran Canaria 48 elevados tiempos de indisponibilidades que hicieron económicamente ineficiente para el sistema este tipo de explotación. Esta condición supone no someter a arranques y paradas diarias o incluso semanales a grupos de este tipo, donde se encuentran incluidos los grupos Vapor 4 y 5 de Jinámar y los Ciclos Combinados 1 y 2 de Barranco de Tirajana.  Condicionante de no funcionamiento cíclico en motores diésel de 2 tiempos. En la misma línea de lo indicado en el apartado anterior, los problemas ocasionados a estos grupos debido a un funcionamiento cíclico no compensan los ahorros que se pudieran derivar del mismo. En este caso es conveniente no someter a este tipo de grupos a arranques y paradas diarios o muy habituales, puesto que las dimensiones del tren alternativo de estos grupos hacen que las paradas y arranques sean los momentos más críticos de los mismos, con altísima probabilidad de averías múltiples.  Condicionante de disponibilidad de vapor en las centrales de Jinámar y Bco. Tirajana. En estas centrales se utiliza como combustibles principales fuel BIA y gasoil. Puesto que el fuel BIA es un combustible pesado y con un valor alto de punto de congelación (el valor que figura en contratos con proveedores de combustible es < 30 ºC), se puede congelar a temperatura ambiente, por lo que necesita de su calentamiento constante para mantenerse por encima de dicha temperatura, tanto en los tanques de combustible como en cualquier parte del sistema de combustible de la central. Por otro lado, los grupos de vapor y ciclos combinados necesitan agua desmineralizada para reposición en las pérdidas del ciclo agua-vapor, y las turbinas de gas necesitan de esa misma agua para la inyección de agua necesaria para reducir las emisiones de NOx a los valores exigidos en la Autorización Ambiental Integrada (AAI) actualmente en vigor, de tal manera que estas turbinas de gas no podrían funcionar sin la inyección de agua. Asimismo dicha agua desmineralizada procede del agua desalada que se obtiene de las desaladoras existentes en la central, que son de tecnología de compresión de vapor. El vapor requerido para estas dos necesidades importantes de la central se obtiene del vapor auxiliar de los grupos de vapor, por lo que es indispensable mantener al menos uno de estos grupos acoplados, ya que si se pararan durante un largo período de tiempo los dos grupos de vapor (en alguna de ambas centrales) se correría el riesgo de dejar inservible todo o parte el sistema de combustible de fuel por congelación de éste y, por consiguiente, tener estos dos grupos indisponibles durante un largo período de tiempo, debido a las reparaciones que habría que llevar a cabo para limpiar y sustituir todas las partes en las que el combustible se hubiera congelado. Por otro lado, el funcionamiento de las turbinas de gas podría agotar las existencias de agua desmineralizada y dejar también indisponibles las mismas hasta poder tener nuevamente agua desmineralizada. A este respecto, es importante tener en cuenta que, aún dentro de las peculiaridades del diseño y construcción de las centrales en el SEIE Canarias, lo que nunca se previó en ninguna de ellas es que estuvieran totalmente paradas a no ser que fuera por desmantelamiento, habida cuenta que se está hablando de islas en las que como mucho hay dos centrales en cada una de ellas. Otro hecho que refuerza este argumento es el esgrimido por la propia REE cuando en informes de años anteriores aconsejaba disponer de al menos tres centros productivos en las islas mayores, con el fin de asegurar el servicio y de que la generación existente se distribuyera de forma equilibrada entre ellos. 4.4. Emisiones y restricciones medioambientales La atmósfera es la capa gaseosa de unos 2.000 km que rodea La Tierra y es imprescindible para el sostenimiento de la vida terrestre y la conservación de las condiciones de aislamiento térmico y material respecto del espacio exterior. 4. El SEP de Gran Canaria 49 La atmósfera terrestre está sufriendo modificaciones en su composición química, fruto de la inmisión de gases en proporciones diferentes o ajenas a su composición natural, producidos por las actividades humanas. Esta alteración es la causa de problemas como la subida global de las temperaturas (Cambio Climático), la destrucción de la capa de ozono, la modificación de la dinámica atmosférica y la lluvia ácida, entre otros. También afecta al conjunto de seres vivos y a la salud de las personas. En el archipiélago canario la estrecha relación entre los estados de la atmósfera y factores geográficos como la latitud, la corriente oceánica fría y la orografía, son los responsables del clima y de la enorme variedad de ambientes climáticos que se distinguen entre unas islas y otras, e incluso en cada una de ellas. Estos “microclimas” han sido un elemento fundamental en el mantenimiento de la gran biodiversidad existente en las islas. A su vez, es importante entender el funcionamiento de las masas de aire que afectan al archipiélago, para conocer el alcance de las afecciones derivadas de la contaminación. Al igual que en la legislación relacionada con los costes (detallada en la Sección 4.3), existe una amplia reglamentación con respecto a las emisiones medioambientales, y es importante tener en cuenta las dos vías primordiales en las que se ha encaminado la legislación, tanto europea como nacional. Por un lado, las dirigidas a la limitación de las emisiones de contaminantes y a la evaluación de las concentraciones de dichas emisiones en el aire (calidad del aire) y, en segundo lugar, las dirigidas a la minimización de los efectos de las emisiones en el cambio climático. Sin embargo, también es importante destacar que, independientemente de la legislación particular dirigida a la problemática de la contaminación atmosférica, existe un conjunto de legislación más global dirigida a la prevención y control integrado de la contaminación, que es conveniente tener en cuenta porque establece una serie de criterios y obligaciones que están por encima del tratamiento particularizado de los diferentes tipos de contaminantes. Es por ello que a continuación se dedican varios apartados a tratar este tema, comenzando por la legislación más global en cuanto a contaminación, y siguiendo con las dos vías citadas anteriormente, particularizadas a la contaminación atmosférica. Se tratará también la legislación particularizada para las grandes instalaciones de combustión. En cada uno de dichos apartados se verá también la legislación particularizada para la Comunidad Autónoma de Canarias, en la que principalmente se desarrollan las competencias que la legislación nacional le concede. Hay que destacar también que, así como en los costes hay una clara orientación a la reducción de los mismos mediante una adecuada optimización del conjunto del sistema eléctrico que se trate, con la adecuada formulación y parametrización de todos los posibles costes, en el caso de las emisiones no hay nada similar y, en el caso de las instalaciones de producción de energía eléctrica, todo tiende a la reducción particularizada de cada foco emisor. Por ello, en esta sección, se dedica un apartado a la obtención de las curvas características de las emisiones para el SEP de Gran Canaria con la información disponible. 4.4.1. Reglamentación sobre la prevención y control de la contaminación. El enfoque ambiental del medio ambiente industrial se realiza a través de las políticas de prevención de la contaminación, por medio de acuerdos voluntarios y de aplicación normativa, y del adecuado control e inspección de las instalaciones industriales. La prevención es uno de los principios básicos de toda política ambiental. Su objetivo consiste en evitar la contaminación desde el origen antes de que sea necesaria la minimización de sus efectos o la restauración de los recursos afectados. Por esta razón, la política ambiental española, de acuerdo con los sucesivos programas de la Unión Europea sobre medio ambiente, ha insistido en la importancia crucial de este principio de prevención, así como el principio de «quien contamina paga», como bases para evitar, reducir y, en la medida de lo posible, eliminar la contaminación derivada de las actividades industriales. Por otra parte, también da un enfoque integrado del control de las emisiones de dichas actividades a la atmósfera, 4. El SEP de Gran Canaria 50 el agua o el suelo, que otorga una protección al medio ambiente en su conjunto, de manera que se evite la transferencia de contaminación de un elemento o recurso natural a otro. Ya en el año 1996, la Directiva 96/61/CE del Consejo, de 24 de septiembre de 1996 [17], introdujo un concepto integrador de la visión medioambiental así como la necesidad de obtener un permiso escrito (Autorización Ambiental Integrada, AAI) que debe concederse de forma coordinada cuando en el procedimiento intervienen varias autoridades competentes. La AAI determina todos los condicionantes ambientales que debe cumplir la actividad de que se trate, incluida la fijación de los valores límite de emisión de los contaminantes al aire, agua, residuos y suelo. La ley española fundamental en este sentido es la Ley 16/2002, de 1 de julio [18], que transpone la Directiva 96/61/CE (posteriormente derogada por la Directiva 2008/1/CE del Parlamento Europeo y del Consejo, de 15 de enero de 2008 [19], que en realidad es el texto refundido de la Directiva 96/61/CE) del mismo nombre. En ella se establece un nuevo enfoque en la concepción del medio ambiente. Define importantes actuaciones como son la necesidad de obtención de la AAI para poder iniciar y realizar la actividad, el concepto de las Mejores Técnicas Disponibles (MTD) como medida de protección del medio ambiente y la Transparencia Informativa. Posteriormente, la Unión Europea elaboró la Directiva 2010/75/UE, del Parlamento Europeo y del Consejo, de 24 de noviembre de 2010 [20], la cual ha introducido diversas modificaciones en la legislación de prevención y control integrados de la contaminación, así como en el resto de la legislación europea relativa a actividades industriales, con el objetivo de responder a la necesidad de obtener mejoras de la salud pública y ambientales asegurando, al mismo tiempo, la rentabilidad, y fomentando la innovación técnica. Estas modificaciones que incluye la nueva directiva, se incorporan al ordenamiento español a través de la modificación de la Ley 16/2002, para su adecuación a la Directiva de emisiones industriales a través de la Ley 5/2013, de 11 de junio [21], y desarrollada por el Real Decreto 815/2013, de 18 de octubre [22]. El Real Decreto 815/2013 tiene por objeto desarrollar y ejecutar la Ley 16/2002, de prevención y control integrados de la contaminación, así como establecer el régimen jurídico aplicable a las emisiones industriales, con el fin de alcanzar una elevada protección del medio ambiente en su conjunto. Asimismo, establece las disposiciones para evitar y, cuando ello no sea posible, reducir la contaminación provocada por las instalaciones especificadas en el Anejo 1, entre las que se encuentran las grandes instalaciones de combustión. Hay que recordar, además, que las competencias en la gestión del medio ambiente en España dependen de las Comunidades Autónomas que, en total, son 17. En el artículo 1 del Real Decreto 815/2013 se indica que el mismo será aplicable a las instalaciones de titularidad pública o privada en las que se desarrolle alguna de las actividades industriales incluidas en las categorías enumeradas en el Anexo 1. En este Anexo 1 aparece en primer lugar: 1. Instalaciones de combustión. 1.1. Instalaciones de combustión con una potencia térmica nominal total igual o superior a 50 MW: a) Instalaciones de producción de energía eléctrica en régimen ordinario o en régimen especial, en las que se produzca la combustión de combustibles fósiles, residuos o biomasa. b) Instalaciones de cogeneración, calderas, generadores de vapor o cualquier otro equipamiento o instalación de combustión existente en una industria, sea ésta o no su actividad principal. En el Anexo 3 se indican las limitaciones de las emisiones para las grandes instalaciones de combustión con diversas consideraciones que deben reflejarse en la autorización ambiental integrada particular. Según el artículo 44 de este Real Decreto los valores que se indican en el Anexo 3 entrarán en vigor el 1 de enero de 2016, aunque entre el 1 de enero de 2016 y el 30 de junio de 2020, se establecerá un plan transitorio para 4. El SEP de Gran Canaria 51 las instalaciones en funcionamiento antes del 27 de noviembre de 2003 que lo soliciten, las cuales deberán seguir cumpliendo con los límites establecidos en las AAIs vigentes a 31 de diciembre de 2015. El artículo 48, no obstante, establece que para las instalaciones de combustión que el 6 de enero de 2011 formen parte de una pequeña red aislada podrán quedar exentas del cumplimiento de los valores límite de emisión indicados en este Real Decreto hasta el 31 de diciembre de 2019, pero deberán, al menos, mantener los valores límite de emisión establecidos en la autorización ambiental integrada de dichas instalaciones de combustión y aplicables el 31 de diciembre de 2015. Según el artículo 2 de este Real Decreto una “Pequeña red aislada” es cualquier red que tuviera en 1996 un consumo inferior a 3.000 GWh y que obtenga una cantidad inferior al 5 % de su consumo anual mediante interconexión con otras redes. En este caso se encuentran todos los sistemas eléctricos aislados de Canarias, por lo que en la actualidad les son de aplicación los valores límites especificados en la autorización ambiental integrada vigente, que ya se verá más adelante para el caso que nos ocupa. En el Anexo 2 de la Ley 16/2002 modificada se recoge la lista de sustancias contaminantes, que para el caso de la atmósfera se incluyen las que aplican a las instalaciones de generación eléctrica y que son los “Óxidos de azufre y otros compuestos de azufre”, los “Óxidos de nitrógeno y otros compuestos de nitrógeno” y las “Partículas, incluidas las partículas finas”. 4.4.1.1. Reglamentación sobre la prevención y control de la contaminación específica para Canarias La variada legislación nacional relacionada con la contaminación atmosférica en sus distintas vertientes dejan en última instancia las competencias en la gestión del medio ambiente a las Comunidades Autónomas. La Ley 16/2002 de 1 de julio [18], modificada posteriormente por la Ley 5/2013, de 11 de junio [21], establece un nuevo enfoque en la concepción del medio ambiente. Define importantes actuaciones como son la necesidad de obtención de la Autorización Ambiental Integrada (AAI), para poder iniciar y realizar la actividad, el concepto de las Mejores Técnicas Disponibles (MTD) como medida de protección del medio ambiente y la transparencia informativa. Con respecto a la “Autorización Ambiental Integrada”, la Ley 16/2002 la define como la resolución escrita del órgano competente de la Comunidad Autónoma en la que se ubique la instalación, por la que se permite, a los efectos de la protección del medio ambiente y de la salud de las personas, explotar la totalidad o parte de una instalación, bajo determinadas condiciones destinadas a garantizar que la misma cumple el objeto y las disposiciones de esta Ley. La Autorización Ambiental Integrada también se menciona en el Real Decreto 102/2011, de 28 de enero [23], relativo a la mejora de la calidad del aire, por ser el ámbito de la contaminación atmosférica uno más de los englobados dentro de la Ley 16/2002. Es por todo esto que el documento primero de control de la contaminación de cualquier instalación es la Autorización Ambiental Integrada, que debe ser otorgada y verificada por el órgano competente de la comunidad autónoma correspondiente, y que incluye en sus condicionantes y límites a cumplir la contaminación atmosférica que nos ocupa. 4.4.1.1.1. Autorizaciones Ambientales Integradas Es una figura de intervención administrativa que, para las instalaciones afectadas, sustituye al conjunto de autorizaciones ambientales existentes hasta la entrada en vigor de la Ley 16/2002, y establece un condicionado ambiental para la explotación de las actividades e instalaciones contempladas en el Anexo I de dicha ley. Esta autorización se otorga con carácter previo a cualquier otra autorización o licencia sustantiva exigible, y es de carácter vinculante para todo lo relativo al condicionado ambiental. 4. El SEP de Gran Canaria 58 Tabla 4.17. Catálogo de actividades potencialmente contaminadoras de la atmósfera: instalaciones de producción de energía eléctrica. El Real Decreto 102/2011, de 28 de enero [23], para cada uno de los contaminantes, establece objetivos de calidad del aire que han de alcanzarse, mediante una planificación y una toma de medidas adecuada, en las fechas que se fijan con la determinación de los correspondientes valores límite u objetivo. Igualmente fija los métodos y criterios comunes para realizar la evaluación de la calidad del aire que, dependiendo de los niveles de los contaminantes, deberá realizarse mediante mediciones, una combinación de mediciones y modelización o solamente modelización y, en función de los resultados obtenidos en esta evaluación, fija los criterios de gestión para lograr el mantenimiento de la calidad del aire o su mejora cuando sea precisa, conforme a los planes de actuación que al respecto se adopten, incluyendo, asimismo, las medidas más severas previstas para los episodios en que puedan ser superados los umbrales de alerta o información fijados. En el Anexo 1 se recogen los objetivos de calidad del aire para los distintos contaminantes. No se entrará en detalle en estos valores porque no intervienen en la programación de unidades generadoras, ya que no supone límites en las emisiones sino en las mediciones que se realizan en las cabinas de inmisión que forman la red de calidad del aire instaladas en el territorio cerca de los focos de emisión. El Artículo 14 de este Real Decreto 102/2011 establece que en las zonas y aglomeraciones en que los niveles de uno o más de los contaminantes regulados superen los valores legales las administraciones competentes adoptarán planes de actuación para reducir los niveles y cumplir así dichos valores en los plazos fijados. En este sentido, muchas comunidades autónomas y entidades locales han aprobado los correspondientes planes de actuación. Además, la Administración General del Estado debe elaborar planes nacionales de mejora de la calidad del aire para aquellos contaminantes respecto de los que se observen comportamientos similares en cuanto a fuentes, dispersión y niveles en varias zonas o aglomeraciones. La Resolución de 30 de abril de 2013 [33], aprueba el denominado “Plan Nacional de Calidad del Aire y Protección de la Atmósfera 2013-2016” (Plan AIRE) [34], el cual establece un marco de referencia para la mejora de la calidad del aire en España; por una parte, mediante una serie de medidas concretas y, por otra, mediante la coordinación con otros planes sectoriales, y en especial con los planes de calidad del aire que puedan adoptar las comunidades autónomas y las entidades locales en el marco de sus competencias. ACTIVIDAD GRUPO CÓDIGO 01 GENERACIÓN DE ELECTRICIDAD PARA SU DISTRIBUCIÓN POR LA RED PÚBLICA 01 01 Calderas de P.t.n. >= 300 MWt A 01 01 01 00 a.c.a., de P.t.n. < 300 MWt y >= 50 MWt A 01 01 02 00 a.c.a., de P.t.n. < 50 MWt y > 20 MWt B 01 01 03 01 a.c.a., de P.t.n. <= 20 MWt y > 2,3 MWt B 01 01 03 02 a.c.a., de P.t.n. <= 2,3 MWt y >= 70 kWt C 01 01 03 03 a.c.a., de P.t.n. < 70 kWt - 01 01 03 04 Turbinas de gas de P.t.n. >= 50 MWt A 01 01 04 01 a.c.a., de P.t.n. < 50 MWt y > 20 MWt B 01 01 04 02 a.c.a., de P.t.n. <= 20 MWt y > 2,3 MWt B 01 01 04 03 a.c.a., de P.t.n. <= 2,3 MWt y >= 70 kWt C 01 01 04 04 a.c.a., de P.t.n. < 70 kWt - 01 01 04 05 Motores de combustión interna de P.t.n. > 20 MWt A 01 01 05 01 a.c.a., de P.t.n. <= 20 MWt y > 5 MWt B 01 01 05 02 a.c.a., de P.t.n. <= 5 MWt y >= 1 MWt C 01 01 05 03 a.c.a., de P.t.n. < 1 MWt - 01 01 05 04 COMBUSTIÓN EN EL SECTOR DE PRODUCCIÓN Y TRANSFORMACIÓN DE ENERGÍA 4. El SEP de Gran Canaria 59 Para llevar a cabo la evaluación de la calidad del aire, las comunidades autónomas dividen todo su territorio en zonas y aglomeraciones, basándose en criterios de homogeneidad en cuanto a emisión y concentración de contaminantes. La zonificación del territorio español depende del contaminante; por ello, no existe un mapa de zonificación general. En cada una de estas zonas se lleva a cabo la evaluación y la gestión de la calidad del aire, ubicando en ellas un número de estaciones de medida, que varía en función de los niveles existentes, del tipo de zona y de la población de la misma. En dichas estaciones se controlan los parámetros exigidos por el Real Decreto 102/2011, cuyos valores límite, objetivo y umbrales de alerta se muestran en el mismo. En los datos publicados en el Plan AIRE, se muestran los parámetros analizados por las redes de control, resaltando aquellos que han presentado repetidamente valores superiores a los establecidos legalmente. Se observa que los parámetros en los que este Plan debe focalizar su atención para mejorar la calidad del aire son: • dióxido de azufre (SO2) • dióxido de nitrógeno (NO2) • partículas (PM10) En cuanto al tipo de área y el tipo de estación que supera el valor legal de los diferentes contaminantes se observa que: a) Para el SO2 la mayoría de las estaciones son de tipo industrial (88%) y de ellas, la mayoría están situadas en áreas rurales (50%) y los sectores que más SO2 emiten son, con diferencia, el de producción de energía y fuentes de combustión de la industria. Asimismo, las principales fuentes de emisión que afectan a las estaciones son la producción de energía (37%) y el tráfico por carretera (23%). b) Para el NOx la mayoría de las estaciones que superan el valor son de tráfico (70%) y se sitúan en áreas urbanas (88%). Las principales fuentes de emisión de NOx son las relacionadas con la combustión, destacando claramente el transporte. Las emisiones de NOx en industria son importantes, pero dada su ubicación (normalmente lejos de núcleos urbanos) y sus condiciones de emisión (chimeneas de altura considerable), no suelen generar superaciones de niveles de NOx. Los principales motivos de superaciones de los valores límite de NO2 han sido el tráfico intenso (63%) y la proximidad a una carretera (29%), lo que supone que un total de 92% de las superaciones se adjudican al tráfico. c) En el caso de las partículas (PM10) hay superaciones en todo tipo de estaciones: industriales (41%), de tráfico (35%) y de fondo (24%). Los grupos más relevantes identificados son el transporte por carretera, la combustión no industrial (sectores residenciales y comerciales) con clara influencia local, así como energía, agricultura y procesos industriales. Las fuentes naturales (35%), el tráfico rodado, los procesos industriales y la combustión residencial son los motivos principales de superación de PM10. 4.4.2.1. Reglamentación sobre la calidad del aire y reducción de emisiones específica para grandes instalaciones de combustión El documento base de referencia sobre la calidad del aire y la reducción de emisiones es el Real Decreto 430/2004, de 12 de marzo [28], el cual establece en su Artículo 1 que el objeto principal de este real decreto es regular las emisiones a la atmósfera de dióxido de azufre, de óxidos de nitrógeno y de partículas procedentes de grandes instalaciones de combustión destinadas a la producción de energía. En el Artículo 2 especifica o define como grandes instalaciones de combustión aquellas cuya potencia térmica nominal sea igual o superior a 50 MW, cualquiera que sea el tipo de combustible que utilice (sólido, líquido o gaseoso). También añade a esta definición en su Artículo 3 que cuando dos o más instalaciones 4. El SEP de Gran Canaria 60 independientes estén instaladas de manera que sus gases residuales se expulsen por una misma chimenea, la combinación resultante de tales instalaciones se considerará como una única unidad. En los anexos del III al VII se establecen los valores límites de emisión expresados en mg/Nm3 para los diferentes contaminantes atmosféricos de los que se tratan en este real decreto y para los distintos tipos de combustibles (sólidos, líquidos y gaseosos). No se entrará en detalle con estos valores porque los que deben cumplirse, como ya se ha visto en la reglamentación sobre la prevención y control de la contaminación, son los especificados en las AAIs correspondientes. Sólo especificar que para los combustibles líquidos, que son los únicos que se utilizan en Canarias, estos valores están siempre referenciados a un contenido de O2 del 3%, excepto en el caso de las turbinas de gas en los que se utiliza el 15%. En el Anexo VIII se indica el método de medición de las emisiones de las instalaciones de combustión estableciendo que desde la entrada en vigor de este real decreto: a) Las concentraciones de SO2, partículas y NOx de los gases residuales de cada instalación de combustión se medirán de forma continua en el caso de instalaciones con una potencia térmica nominal igual o superior a 100 MW. b) No obstante lo dispuesto en el párrafo a) anterior, no será necesaria la medición continua en los siguientes casos:  Para las instalaciones de combustión con un período de vida inferior a 10.000 horas de actividad.  Para el SO2 procedente de turbinas de gas o calderas de gasóleo con un contenido de azufre conocido, en los casos en que no se disponga de equipo de desulfuración. c) Cuando no sean necesarias las mediciones continuas, se exigirán mediciones discontinuas al menos cada seis meses. En la Tabla 4.18, se puede observar que todas las instalaciones del sistema eléctrico aislado de Gran Canaria, objeto del estudio de esta Tesis, excepto los grupos Diésel 1, Diésel 2 y Diésel 3, tienen una potencia térmica nominal superior a los 50 MW, por lo que entran dentro de la reglamentación específica para este tipo de instalaciones. Por otro lado, todas las instalaciones del sistema eléctrico Gran Canaria ya estaban en funcionamiento antes de la entrada en vigor de este Real Decreto 430/2004, de 12 de marzo, excepto la turbina de vapor del Ciclo Combinado 1 y todos los componentes del Ciclo Combinado 2. No obstante, hay que tener en cuenta que puesto que sólo utilizan combustible las turbinas de los ciclos combinados y no la parte de las turbinas de vapor, sólo se considera posterior a la entrada en vigor de este real decreto el Ciclo Combinado 2 de Barranco de Tirajana. Hay que tener en cuenta también que los grupos Diésel 4 y 5 de la C.T. Jinámar tienen una chimenea común de evacuación de gases, por lo que su potencia térmica debe sumarse a los efectos de su consideración como foco único, por lo que también pasa a ser un foco con una potencia térmica de más de 100 MW. Es por ello que todos los grupos del sistema eléctrico de Gran Canaria tienen medición en continuo, exceptuando las turbinas de gas y los Diésel 1, 2 y 3. La Orden ITC/1389/2008, de 19 de mayo [29], de acuerdo con el Real Decreto 430/2004, se creó para regular los procedimientos de determinación de las emisiones de los contaminantes atmosféricos SO2, NOx y partículas procedentes de las grandes instalaciones de combustión, así como del control de los aparatos de medida y del tratamiento y remisión de la información relativa a dichas emisiones. En el Anexo II de dicha orden se especifica cómo deben realizarse las mediciones de los contaminantes atmosféricos en las grandes instalaciones de combustión que generen energía eléctrica que deban medir en continuo. En particular, en el epígrafe 8 del Apartado A del Anexo II se indica que la concentración media diaria (CD), en mg/Nm3, es la media aritmética de las concentraciones horarias medidas en el foco durante el día, expresadas en las condiciones normales de temperatura y presión de los gases (760 mm Hg o 101,3 4. El SEP de Gran Canaria 61 kPa de presión y 0º C o 273 K de temperatura) y siendo referidas a las condiciones de humedad y exceso de oxígeno previstas en el Real Decreto 430/2004. Tabla 4.18. SEP de Gran Canaria: potencias térmicas. En el caso de que las emisiones se midan sobre base húmeda es necesario pasarlas a base seca y con respecto a un % O2 determinado para cada tipo de combustible según indica el Real Decreto 430/2004, por lo que, la presente orden, en su apartado 8.2, indica la forma de cómo pasar a estas condiciones: • Relación entre concentración horaria sobre condiciones reales de humedad (𝐶𝐻𝐻∗) y concentración horaria sobre gas seco (𝐶𝐻𝑠∗): 𝐶𝐻𝑠∗ 𝐶𝐻𝐻∗=1 1−ℎ𝐻 (4.19) siendo hH la humedad absoluta media horaria de las emisiones en el punto de medida del contaminante, expresado en tanto por uno. • Relación entre concentración horaria sobre condiciones reales de exceso de oxígeno en base seca (𝐶𝐻𝑠∗) y la concentración horaria sobre condiciones normales de exceso de oxígeno en base seca (𝐶𝐻𝑆): 𝐶𝐻𝑆 𝐶𝐻𝑆∗=20,9−%𝑋 20,9− 𝑟𝐻 1−ℎ𝐻 (4.20) siendo rH el porcentaje medio y horario de exceso de oxígeno sobre base húmeda en las emisiones en el punto de medida del contaminante, expresado en tanto por ciento, y %X el porcentaje de oxígeno de referencia sobre seco a utilizar según el Real Decreto 430/2004, expresado en tanto por Eléctrica Térmica Jinámar Vapor 4 Vapor Fuel 1-ago-1982 60,00 188,74 Jinámar Vapor 5 Vapor Fuel 5-dic-1984 60,00 188,74 Jinámar Diesel 1 Motor Diesel 31-ene-1974 12,00 35,53 Jinámar Diesel 2 Motor Diesel 27-ago-1973 12,00 35,53 Jinámar Diesel 3 Motor Diesel 15-feb-1973 12,00 35,53 Jinámar Diesel 4 Motor Diesel 7-jun-1990 24,00 54,95 Jinámar Diesel 5 Motor Diesel 8-ago-1990 24,00 54,95 Jinámar Gas 1 Turbina Gas 21-abr-1981 23,45 104,13 Jinámar Gas 2 Turbina Gas 26-ene-1989 37,50 131,40 Jinámar Gas 3 Turbina Gas 24-abr-1989 37,50 131,40 Bco. Tirajana Vapor 1 Vapor Fuel 16-dic-1995 80,00 212,63 Bco. Tirajana Vapor 2 Vapor Fuel 5-jun-1996 80,00 212,63 Bco. Tirajana Gas 1 Turbina Gas 16-jun-1992 37,50 131,40 Bco. Tirajana Gas 2 Turbina Gas 11-may-1995 37,50 131,40 Bco. Tirajana Gas 3 (CC1) Turbina Gas Ciclo Combinado 19-jul-2003 75,50 239,57 Bco. Tirajana Gas 4 (CC1) Turbina Gas Ciclo Combinado 21-ago-2003 75,50 239,57 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 1TG+1TV 22-nov-2004 113,10 242,88 Bco. Tirajana Ciclo Combinado 1 Funcionamiento 2TG+1TV 22-nov-2004 226,10 486,03 Bco. Tirajana Gas 5 (CC2) Turbina Gas heavy duty > 50 MW 21-ago-2006 76,70 241,67 Bco. Tirajana Gas 6 (CC2) Turbina Gas heavy duty > 50 MW 27-nov-2006 76,70 241,67 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 1TG+1TV 24-jun-2008 118,00 253,38 Bco. Tirajana Ciclo Combinado 2 Funcionamiento 2TG+1TV 24-jun-2008 235,90 507,52 Potencia Instalada (MW) Fecha 1ª conexión a red Central Grupo Tipo 4. El SEP de Gran Canaria 62 ciento (3% para combustible líquidos y gaseosos, 6% para combustibles sólidos y 15% en el caso de turbinas de gas). En el epígrafe 9 del Apartado A del Anexo II, del citado Real Decreto 430/2004, se indica cómo obtener la cantidad total de contaminante emitido diariamente, tD, en t, mediante la fórmula: 𝑡𝐷=𝐶𝐷 106 𝑉𝐷 (4.21) Es decir, la cantidad total de contaminante emitido diariamente es el resultado de multiplicar la concentración media diaria (CD), en mg/Nm3 (epígrafe 8 del apartado A del Anexo II), por el volumen de gases de emisión, VD, en 103 Nm3, referido a las mismas condiciones de humedad de gas y exceso de oxígeno que CD (ver epígrafe 21 del apartado A del citado Anexo II). Si para la determinación diaria del volumen de gases de emisión la instalación no dispone del equipamiento necesario para la medida continua del caudal de emisiones, la emisión diaria se calcula de la forma siguiente: 𝑡𝐷=𝐶𝐷 106 𝑉𝐺𝑀𝐷 (4.22) siendo MD la cantidad de combustible consumido en el día, en t, y VG el volumen diario de gases de emisión referido a las mismas condiciones de humedad de gas y exceso de oxígeno que CD por cada kg de combustible (en Nm3/kg). Dicho volumen se calculará a partir del análisis del combustible según las fórmulas del apartado B de dicho Anexo II: a) Si CD está referido a base seca y oxígeno de referencia %X: 𝑉𝐺=𝑉𝐸𝑆∙20,9 20,9−%𝑋 (4.23) b) Si CD está referido a base húmeda y a un exceso de oxígeno real %O2D: 𝑉𝐺=𝑉𝐸𝐻∙20,9 20,9−%𝑂2𝐷∙1 1−ℎ𝐷 (4.24) donde: VEH es el volumen estequiométrico de gases húmedos (Nm3/kg combustible), que se calcula como sigue: 𝑉𝐸𝐻=0,314396(%𝐻)+0,088931(%𝐶)+0,033172(%𝑆) +0,007997(%𝑁)−0,026424(%𝑂) +0,012113(%𝐻2𝑂) (4.25) VES es el volumen estequiométrico de gases secos (Nm3/kg combustible), que se calcula como sigue: 𝑉𝐸𝐻=0,209723(%𝐻)+0,088931(%𝐶)+0,033172(%𝑆) +0,007997(%𝑁)−0,026424(%𝑂) (4.26) hD es la humedad media de los gases en tanto por uno), que se calcula como sigue: 4. El SEP de Gran Canaria 63 ℎ𝐷=1− 1 20,92 (𝑉𝐸𝑆 𝑉𝐸𝐻[20,9 (1 − ℎ𝐴 ) − %𝑂2𝐷]+%𝑂2𝐷) (4.27) hA es la humedad absoluta del aire (Moles de H2O / Moles de aire seco) en tanto por uno. %O2D es el porcentaje de oxígeno medio diario en el punto de medida del contaminante. %H, %C, %S, %N, %O, %H2O son los porcentajes, en peso, sobre bruto, de la composición del combustible consumido. Además, en el epígrafe 2 del citado Apartado B del Anexo II, se especifica que las concentraciones de contaminantes y resto de parámetros representativos (caudal, O2, etc.) de las emisiones producidas por el foco deben medirse en los llamados períodos PAI, que se corresponden con el número de períodos horarios naturales de un día en los que cualquiera de los grupos termoeléctricos que forman parte del foco en cuestión esté en funcionamiento con una potencia eléctrica igual o superior al mínimo técnico con el combustible principal. Y en el epígrafe 1, se define como foco emisor cada una de las chimeneas, tanto los conductos de evacuación con obra civil individualizada, como las agrupaciones físicas bajo una misma estructura exterior, que existan en el conjunto de la central termoeléctrica. Cada foco emisor será una gran instalación de combustión, de la que se considerará que forman parte aquellos grupos que viertan sus gases a la misma chimenea, si el total de la potencia térmica nominal de dichos grupos es igual o superior a 50 MW térmicos, aun cuando, individualmente, alguno de ellos tenga una potencia térmica nominal inferior a 50 MW. Si dos o más grupos térmicos de combustión que vierten sus gases en la misma chimenea tuvieran medidores de contaminantes independientes en sus respectivos conductos de humos, se daría un resultado único de concentración por foco, ponderando los resultados de las mediciones con los caudales de los gases respectivos de cada grupo térmico. 4.4.2.2. Reglamentación sobre la calidad del aire y reducción de emisiones, específica para Canarias En cumplimiento con la normativa vigente y en virtud de las competencias atribuidas, la Consejería de Medio Ambiente y Ordenación Territorial de la Comunidad Autónoma de Canarias, a los efectos de la evaluación de la calidad del aire del territorio de la Comunidad Autónoma de Canarias, publica la Orden de 1 de febrero de 2008, de la Consejería de Medio Ambiente y Ordenación Territorial [35], mediante la que se aprueba la zonificación para la evaluación de la calidad del aire, teniendo en cuenta las características climatológicas y orográficas del archipiélago, las fuentes de emisión más significativas (naturales y antropogénicas) y los datos disponibles de la actual red de medición de la calidad del aire. Según esta zonificación la isla de Gran Canaria se divide en tres zonas, encontrándose las zonas de influencia de las centrales térmicas de Jinámar y Barranco de Tirajana en la Zona ES0503 (Zona Sur de Gran Canaria, que incluye los siguientes municipios de la isla de Gran Canaria: Agüimes, Ingenio, Mogán, San Bartolomé Tirajana, La Aldea de San Nicolás, Santa Lucía de Tirajana, Telde y Valsequillo). Por medio de la Orden de 17 de diciembre de 2008, de la Consejería de Medio Ambiente y Ordenación Territorial [36], se aprueba el Plan de Actuación de Calidad del Aire de la Comunidad Autónoma de Canarias [37], donde se da un listado de las estaciones de inmisión situadas en Gran Canaria y se hace una evaluación de la calidad del aire ambiente en función de los cuestionarios utilizados para presentar la información anual de los años 2004, 2005 y 2006 con el fin de determinar la obligatoriedad de disponer de planes de acción de carácter preventivo o planes de actuación para las distintas zonas. Con respecto a las estaciones que están relacionadas con las centrales térmicas objeto de este trabajo, el Plan de Actuación de Calidad del Aire de la Comunidad Autónoma de Canarias, indica que es necesario un plan de actuación en la siguiente zona: 4. El SEP de Gran Canaria 64 • Zona ES0502 correspondiente a la Zona Centro de la isla de Gran Canaria, al superarse los valores límites en la estación del Colegio Público Pedro Lezcano, en el barrio de Jinámar (zona de influencia de la C.T. Jinámar), en material particulado PM10, en el año 2006. En dicho plan de actuación se detallan una serie de medidas a llevar a cabo para cada caso, y en el apartado III.10.2.- CALENDARIO DE APLICACIÓN, para el caso de la Central Térmica de Jinámar, Gran Canaria, se indican que las medidas a aplicar sobre dicha central irán recogidas en la autorización ambiental integrada de la citada instalación al considerarse la vía idónea a tales efectos, siendo efectiva a partir del año 2008. Hay que tener en cuenta que la relación entre la calidad del aire en un momento determinado y la cantidad de contaminante emitido, no es una relación proporcional, sino que requiere un complejo sistema de análisis. Este análisis de la calidad del aire se realiza de forma continua en las redes de vigilancia. La vigilancia de la calidad del aire se realiza midiendo los niveles de inmisión. Es decir, la concentración media de los diferentes contaminantes atmosféricos presentes en el aire ambiente durante un tiempo determinado, y reflejan la calidad del aire que respira la población. En la Comunidad Autónoma de Canarias los niveles de inmisión son controlados por la Red de Vigilancia y Control de la Contaminación Atmosférica en Canarias (RVCCAC). Esta red está constituida por todas las estaciones de medida que determinan las concentraciones de los principales contaminantes de cada zona. Las estaciones se distribuyen en función de los diferentes factores que influyen en las concentraciones de los contaminantes que recibe la población. En Canarias, la contaminación atmosférica deriva de la combustión de elementos fósiles, tanto la originada por los vehículos como por los procesos industriales de obtención de energía, potabilización de agua de mar y fraccionamiento y separación de productos derivados del petróleo. Actualmente, según la página web del Gobierno de Canarias: http://www3.gobiernodecanarias.org/sanidad/scs/contenidoGenerico.jsp?idDocument=762a1a3c-1f5711de-8271-5502f4cd9ca9&idCarpeta=17df8cd0-a9a4-11dd-b574-dd4e320f085c#3 operan en Canarias tres redes de inmisión (ver Tabla 4.19), de las cuales 2 son privadas y están asociadas a fuentes de emisión, por lo que su principal cometido es el de verificar cómo las emisiones van diluyéndose y extendiéndose por las zonas colindantes. La otra es de titularidad pública y pertenece a la Viceconsejería de Medio Ambiente. Tabla 4.19. Redes de emisión que operan en Canarias y número de estaciones de medida que poseen. La evaluación de la calidad del aire exigida por la normativa se aplica en zonas definidas en función de diversas características, como son la población y ecosistemas existentes, las diferentes fuentes de emisión, características climatológicas y topográficas, etc. En la Tabla 4.20 se pueden ver las estaciones que existen actualmente en Gran Canaria en función de la zonificación que se indica en la Orden de 1 de febrero de 2008. RED Nº DE ESTACIONES ENDESA 28 CEPSA 5 MEDIO AMBIENTE 20 TOTAL 53 4. El SEP de Gran Canaria 65 Tabla 4.20. Estaciones de medida, por zonas, que existen actualmente en Gran Canaria. La Comunidad Autónoma de Canarias también tiene atribuidas las competencias relativas a la gestión y evaluación de la calidad del aire ambiente en el ámbito territorial del Archipiélago Canario. Las principales medidas desarrolladas por el Gobierno de Canarias para prevenir los potenciales riesgos de superación de los valores límite de contaminantes atmosféricos o de los umbrales de alerta son: la elaboración del Plan de Actuación de Calidad del Aire de la Comunidad Autónoma de Canarias y la creación del Centro de Evaluación y Gestión de la Calidad del Aire (CEGCA). Para evaluar si en una determinada estación y para cada uno de los distintos contaminantes la calidad del aire es buena o no se utiliza el Índice de Calidad del Aire (ICA), el cual se calcula a partir de los datos de los distintos contaminantes recogidos en las estaciones de medida de la Red de Control y Vigilancia de la Calidad del Aire de Canarias. Para calcular el ICA se tiene en cuenta el último dato horario de cada contaminante en cada estación y se definen las siguientes categorías de clasificación para definir la calidad del aire para el contaminante que se trate en la estación que se considere: • Buena: Concentración del contaminante por debajo del 50% del valor límite establecido. • Regular: Concentración del contaminante entre el 50-100% del valor límite. • Mala: Concentración del contaminante por encima del valor límite. En el caso de las partículas en suspensión PM10, al no existir un valor límite horario se han considerado las siguientes concentraciones, basadas en el valor límite diario. • Buena: Concentración del contaminante por debajo de 50 µg/m³. • Regular: Concentración del contaminante entre 50 y 90 µg/m³. • Mala: Concentración del contaminante mayor de 90 µg/m³. 4.4.3. Reglamentación sobre el cambio climático El estudio del clima es un campo de investigación complejo y en rápida evolución, debido a la gran cantidad de factores que intervienen. El clima de la Tierra nunca ha sido estático. Como consecuencia de alteraciones en el balance energético, está sometido a variaciones en todas las escalas temporales, desde decenios a miles y millones de años. Entre las variaciones climáticas más destacables que se han producido a lo largo de la historia de la Tierra, figura el ciclo de unos 100.000 años, de períodos glaciares, seguido de períodos interglaciares. Se llama cambio climático a la variación global del clima de la Tierra. Es debido a causas naturales y también a la acción del hombre y se producen a muy diversas escalas de tiempo y sobre todos los parámetros climáticos: temperatura, precipitaciones, nubosidad, etc. El término “efecto de invernadero” se ZONAS ESTACIONES RED Jinámar fase 3 ENDESA Mercado Central MEDIO AMBIENTE Parque Las Rehoyas - Las Palmas de Gran Canaria MEDIO AMBIENTE Zona Norte de Gran Canaria Polideportivo Afonso - Arucas MEDIO AMBIENTE Zona Sur de Gran Canaria Agüimes ENDESA Arinaga ENDESA Castillo del Romeral ENDESA Pedro Lezcano ENDESA Playa del Inglés ENDESA San Agustín ENDESA Camping Temisas - Sta. Lucía de T. ENDESA La Loma - Telde ENDESA Parque de San Juan - Telde MEDIO AMBIENTE Aglomeración de Las Palmas de Gran Canaria 4. El SEP de Gran Canaria 66 refiere a la retención del calor del Sol en la atmósfera de la Tierra, por una capa de gases en la atmósfera. Sin estos gases, la vida tal como la conocemos no sería posible, ya que el planeta sería demasiado frío. Entre estos gases se encuentran el dióxido de carbono, el óxido nitroso y el metano, que son liberados por la industria, la agricultura y la combustión de combustibles fósiles. El mundo industrializado ha conseguido que la concentración de estos gases haya aumentado un 30% desde el siglo pasado, cuando, sin la actuación humana, la naturaleza se encargaba de equilibrar las emisiones. Las Naciones Unidas y sus Estados Miembros, conscientes de la gravedad de este problema mundial, han emprendido iniciativas para hacerle frente a escala mundial. En 1992 adoptaron la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC) [38], que fue seguida, en 1997, por el Protocolo de Kyoto [39]. En el año 2001 el Tercer Informe de Evaluación del Grupo Intergubernamental de Expertos sobre Cambio Climático (IPCC son sus siglas en inglés) [40] ponía de manifiesto la evidencia proporcionada por las observaciones de los sistemas físicos y biológicos que mostraba que los cambios regionales en el clima, en concreto los aumentos de las temperaturas, estaban afectando a los diferentes sistemas y en distintas partes del globo terráqueo. Señalaba, en definitiva, que se están acumulando numerosas evidencias de la existencia del cambio climático y de los impactos que de él se derivan. En promedio, la temperatura aumentó aproximadamente 0,6°C en el siglo XX. El nivel del mar ha crecido de 10 a 12 centímetros y los investigadores consideran que esto se debe a la expansión de los océanos, cada vez más calientes. Los principales gases de efecto invernadero, según el Protocolo de Kyoto, son los seis siguientes:  Dióxido de carbono (CO2)  Metano (CH4)  Óxido nitroso (N2O)  Hidrofluorocarbonos (HFC)  Perfluorocarbonos (PFC)  Hexafloruro de azufre (SF6) Se estima que los tres primeros explican el 50, el 18 y el 6 por ciento, respectivamente, del efecto global de calentamiento mundial derivado de actividades humanas. El cambio climático, pues, constituye un fenómeno global, tanto por sus causas como por sus efectos y requiere de una respuesta multilateral basada en la colaboración de todos los países. En el ámbito de la UE son numerosas las actuaciones para hacer frente al reto del cambio climático. En este sentido, el Parlamento y el Consejo Europeos han aprobado numerosas directivas, decisiones y reglamentos relacionados con la lucha contra al cambio climático. España, como parte de la UE, y como país firmante de la CMNUCC y su Protocolo de Kioto, tiene la obligación de aplicar las diferentes normas que se acuerdan tanto a nivel internacional como a nivel europeo. En el ámbito de la Unión Europea, cabe destacar la aprobación en 2008 del Paquete Europeo de Energía y Cambio Climático 2013-2020 [41], que se compone de normativa vinculante, donde se establecen objetivos concretos para 2020 en materia de energías renovables, eficiencia energética y reducción de emisiones de gases de efecto invernadero. Además, se introducen elementos novedosos como la captura y almacenamiento de carbono y la aviación. El objetivo principal es sentar las bases para dar cumplimiento a los compromisos en materia de cambio climático y energía asumidos por el Consejo Europeo en 2007: • Reducir las emisiones totales de gases de efecto invernadero en 2020, al menos en un 20%, respecto de los niveles de 1990, y en un 30% si otros países desarrollados se comprometen a reducciones de emisiones equivalentes y los países en desarrollo contribuyen adecuadamente en función de sus posibilidades. • Alcanzar el objetivo del 20% de consumo de energías renovables en 2020. 4. El SEP de Gran Canaria 67 Posteriormente, en el año 2013 se presentó la Hoja de Ruta hacia una economía baja en carbono competitiva en 2050, donde la Comisión Europea va más allá del corto plazo y propone una forma costoeficiente de lograr reducciones profundas de emisiones a mediados del siglo XXI. La Hoja de Ruta indica que todas las grandes economías tendrán que hacer reducciones de emisiones para que la temperatura media global no supere los 2°C en comparación con la temperatura de la era preindustrial. La Hoja de Ruta es uno de los planes de política a largo plazo anunciados bajo la iniciativa emblemática de Europa Eficiente de Recursos, destinada a poner a la UE en el camino al uso de los recursos de una manera sostenible. Esta Hoja de Ruta indica que, en 2050, la UE debe reducir sus emisiones un 80% por debajo de los niveles de 1990 a través de reducciones domésticas y se establecen hitos intermedios (reducciones del orden del 40 % en 2030 y 60% en 2040). También muestra cómo los principales sectores responsables de las emisiones de Europa, generación de energía, industria, transporte, edificios y construcción, así como la agricultura, pueden hacer la transición hacia una economía de baja emisión de carbono de una forma rentable. En enero de 2014, la Comisión Europea presentó una propuesta que dotaría de continuidad al Paquete Europeo de Energía y Cambio Climático, con horizonte 2030, y en la que se proponen nuevos objetivos de reducción de emisiones y de energías renovables. Con esta propuesta se pretende dar continuidad a la arquitectura de lucha contra el cambio climático de la UE que ya se viene aplicando y, además, será el elemento principal que defina la participación de la Unión en el nuevo acuerdo post-2020 en el ámbito de la CMNUCC, ya que definirá el objetivo de reducción de emisiones de la UE a partir de 2020. Los principales elementos de esta Propuesta a 2030 son nuevamente establecer un objetivo de reducción de gases de efecto invernadero, un objetivo de energías renovables a nivel europeo, la futura consideración de la eficiencia energética, la reforma del Sistema Europeo de Comercio de Derechos de Emisión, y otros temas (incluidos los relacionados con la necesidad de mejorar la seguridad de los suministros energéticos, destacando la necesidad de explotar las fuentes domésticas de energía sostenibles, y mejorar las interconexiones). Con respecto a las estrategias a desarrollar se han realizado diversos análisis sobre el potencial que tiene la aplicación de determinadas tecnologías en algunos sectores de actividad, enfocando exclusivamente el aspecto de las estrategias de limitación de las causas del cambio climático. Las cifras que se aportan, provenientes de estudios del IPCC, en el caso del sector de suministro de energía son: • Los niveles de eficiencia en la generación de electricidad pueden aumentarse de la actual media mundial del 30% a más de un 60% entre el 2020 y 2050. • La sustitución del carbón por gas natural y por medio de tecnologías de combustión más eficientes, con mejores rendimientos energéticos, puede llevar a reducciones de emisiones de CO2 por unidad de energía utilizada de hasta un 50%. Por otro lado, para facilitar a los países acogidos al Protocolo de Kioto la consecución de sus objetivos de reducción y limitación de emisiones de gases de efecto invernadero el propio Protocolo de Kioto establece tres Mecanismos de Flexibilidad: el Comercio de Emisiones, el Mecanismo de Desarrollo Limpio y el Mecanismo de Aplicación Conjunta. Los dos últimos, son los denominados Mecanismos basados en proyectos, debido a que las unidades de reducción de las emisiones resultan de la inversión en proyectos, adicionales ambientalmente, encaminados a reducir las emisiones antropógenas por las fuentes, o a incrementar la absorción antropógena por los sumideros de los gases de efecto invernadero. El objetivo que se persigue con la introducción de estos Mecanismos en el Protocolo de Kioto, es un objetivo doble: por un lado, con carácter general, buscan facilitar a los países del Anexo I del Protocolo (Países desarrollados y Países con economías en transición de mercado), el cumplimiento de sus compromisos de reducción y limitación de emisiones, y por otro lado, también persiguen apoyar el desarrollo sostenible de los países en desarrollo, países no incluidos en el Anexo I, a través de la transferencia de tecnologías limpias. 4. El SEP de Gran Canaria 74 Tabla 4.23. SEP de Gran Canaria: nuevos mínimos técnicos por restricciones medioambientales de los grupos. Puesto que para el problema de optimización multiobjetivo, tratado en esta Tesis, es necesario conocer las curvas características que representan la evolución de las diferentes emisiones con respecto a la potencia generada en cada unidad generadora y, como ya se ha comentado, a diferencia de lo que ocurre con los costes, no existe en la actualidad ninguna curva reconocida, ya sea oficialmente o no, lo que se hará es obtenerlas a partir de datos existentes, obtenidos de las mediciones en continuo, de las que disponen algunas unidades generadoras, o de mediciones puntuales realizadas en otras unidades que no disponen de las medidas en continuo, pero que la legislación medioambiental les exige. 4.4.4.1. Curvas Emisiones – Potencia generada Al igual que se definieron los costes variables de cada grupo generador asociados a los consumos de combustibles derivados del funcionamiento del grupo, se pueden definir las emisiones variables de cada grupo, que también están asociadas a los consumos de combustible, y varían en función de la potencia generada del grupo. Las emisiones, en kg/h, de cada uno de los contaminantes emitidos por el uso de combustibles fósiles en cada una de las unidades generadoras, se pueden expresar de la siguiente forma: 𝐸(𝑖,ℎ,𝑗)=𝛼(𝑖)+𝛽(𝑖) 𝑒(𝑖,ℎ,𝑗)+𝛾(𝑖) 𝑒2 (𝑖,ℎ,𝑗) 𝑃𝐶𝐼(𝑖) (4.34) siendo: 𝑒(𝑖,ℎ,𝑗): la potencia media horaria en MW en barras de central en la hora h aportada por el grupo i del sistema eléctrico aislado j. 𝛼(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de emisiones horarias, valorado en (kgcontaminante /h)∙(te/kgcombustible). Pot. Máx. Neta Mínimo Técnico (MW) (MW) Jinámar Vapor 4 55,56 22,10 Jinámar Vapor 5 55,56 22,10 Jinámar Diesel 1 8,51 4,58 Jinámar Diesel 2 8,51 4,58 Jinámar Diesel 3 8,51 4,58 Jinámar Diesel 4 20,51 14,09 Jinámar Diesel 5 20,51 14,09 Jinámar Gas 1 17,64 13,60 Jinámar Gas 2 32,34 12,00 Jinámar Gas 3 32,34 12,00 Bco. Tirajana Vapor 1 74,24 26,10 Bco. Tirajana Vapor 2 74,24 26,10 Bco. Tirajana Gas 1 32,34 12,00 Bco. Tirajana Gas 2 32,34 12,00 Bco. Tirajana Gas 3 (CC1) 68,70 9,70 Bco. Tirajana Gas 4 (CC1) 68,70 9,70 Bco. Tirajana Ciclo Comb.1 (1+1) 103,00 37,80 Bco. Tirajana Ciclo Comb.1 (2+1) 206,10 75,50 Bco. Tirajana Gas 5 (CC2) 75,00 9,70 Bco. Tirajana Gas 6 (CC2) 75,00 9,70 Bco. Tirajana Ciclo Comb.2 (1+1) 113,50 37,80 Bco. Tirajana Ciclo Comb.2 (2+1) 227,00 75,50 Central Grupo 4. El SEP de Gran Canaria 75 𝛽(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de emisiones horarias, valorado en [(kgcontaminante /h)∙(te/kgcombustible)]/MW. 𝛾(𝑖): un parámetro que se obtiene a partir del ajuste cuadrático de la curva de emisiones horarias, valorado en [(kgcontaminante /h)∙(te/kgcombustible)]/MW2. 𝑃𝐶𝐼(𝑖): el poder calorífico inferior del combustible utilizado por el grupo i, en te/kg. Los valores de los parámetros α, β y γ se obtienen a partir de las medidas disponibles de los grupos generadores. Para el caso de grupos con medidas en continuo se han utilizado las medidas medias horarias durante un año completo y para los grupos con medidas semestrales se han tomado las medidas de los últimos 4 años. Las emisiones de las que se disponen medidas, tanto a través de los informes mensuales de datos horarios medios de datos en continuo, como de los informes semestrales realizados puntualmente, son: SO2, NOx y partículas. Sin embargo, para esta Tesis, también se obtuvieron los valores de las emisiones de CO2 mediante cálculo que se explicará más adelante. En toda la documentación que se maneja relacionada con las emisiones siempre se trata la información en mg/Nm3, es decir, en forma de concentración. No obstante, el objetivo de esta Tesis es la optimización de las emisiones globales, en kg, y la optimización económica en Euros (y no en Euros/kgcombustible, por ejemplo). Por tanto, es necesario convertir adecuadamente las medidas que se disponen. Para ello se utilizó la formulación que se establece en la Orden ITC/1389/2008 (ver Subsección 4.4.2.1). Por otro lado, en el caso de los costes se puede observar que las curvas que se manejan están relativizadas con respecto al poder calorífico del combustible. Por lo tanto, si se utiliza un combustible con un poder calorífico superior al utilizado en las pruebas realizadas para la obtención de dichas curvas, se obtendrá un menor consumo de combustible, y a la inversa. Siguiendo este mismo razonamiento para las emisiones, es decir, que se obtendrá un menor consumo de combustible como consecuencia de un mayor poder calorífico del combustible utilizado, se obtendrá también un menor nivel de emisiones de contaminantes. Por consiguiente, en esta Tesis, se decidió relativizar también las curvas de emisiones con respecto a los poderes caloríficos. En las subsecciones siguientes se muestran las curvas obtenidas, en kg/h, así como la metodología particularizada utilizada en cada caso. A modo de resumen, en las Tablas 4.24-4.27 se muestran los parámetros característicos de las curvas obtenidas, que se utilizarán en la resolución del SEP de Gran Canaria. 4.4.4.1.1. Curvas de emisiones de SO2, NOx y PM10 a partir de mediciones en continuo Un ejemplo de cómo viene la información de los informes mensuales de las medidas medias horarias se puede ver en la Tabla 4.28. Se muestran sólo 24 horas del total de las horas de un mes y el resumen del total del mes. Dicho archivo pertenece a la Central Térmica de Jinámar. El Foco D corresponde al grupo Vapor 4 y las mediciones corresponden al período del 01/01/2013 al 31/01/2013. Los datos se muestran cada hora y, en cada columna, de izquierda a derecha, aparece la hora en que se ha obtenido el valor medio, el valor de SO2 en mg/Nm3, el de partículas (PSD) en mg/Nm3, el de NOx en mg/Nm3, el % de O2, la potencia media bruta del grupo durante la hora en MW, la temperatura de los gases en ºC y el número de períodos PAI (períodos de funcionamiento por encima del mínimo técnico). Las siglas s/s significan que las medidas están sobre base seca y oxígeno normalizado y s/b que son sin corregir. Según la metodología y la formulación explicada en la Subsección 4.4.2.1, los cálculos a realizar son los siguientes: 1. Cálculo del volumen estequiométrico de los gases secos del combustible (Nm3/kgcombustible), según la fórmula: 4. El SEP de Gran Canaria 76 Tabla 4.24. SEP de Gran Canaria: parámetros de las curvas de emisión de SO2. Tabla 4.25. SEP de Gran Canaria: parámetros de las curvas de emisión de NOx. α1 (kgSO2/h) · (te/Kg)Comb β1 (kgSO2/h) · (te/Kg)Comb/MW γ1 (kgSO2/h) ∙ (te/Kg)Comb/MW2 Jinámar Vapor 4 216,132388 28,538128 0,112699 Jinámar Vapor 5 216,132388 28,538128 0,112699 Jinámar Diesel 4 51,638789 10,481942 0,019628 Jinámar Diesel 5 51,638789 10,481942 0,019628 Jinámar Gas 1 17,688300 3,502043 0,008150 Jinámar Gas 2 28,333976 2,848061 0,001736 Jinámar Gas 3 28,333976 2,848061 0,001736 Bco. Tirajana Vapor 1 195,204722 -5,291716 0,111309 Bco. Tirajana Vapor 2 195,204722 -5,291716 0,111309 Bco. Tirajana Gas 1 34,214985 2,321982 0,001418 Bco. Tirajana Gas 2 34,214985 2,321982 0,001418 Bco. Tirajana Gas 3 (CC1) 90,987596 1,090456 0,011981 Bco. Tirajana Gas 4 (CC1) 90,987596 1,090456 0,011981 Bco. Tirajana Ciclo Comb.1 (1+1) 90,987596 0,726967 0,005322 Bco. Tirajana Ciclo Comb.1 (2+1) 181,975191 0,726967 0,002666 Bco. Tirajana Gas 5 (CC2) 90,987596 1,090456 0,011981 Bco. Tirajana Gas 6 (CC2) 90,987596 1,090456 0,011981 Bco. Tirajana Ciclo Comb.2 (1+1) 90,987596 0,726967 0,005322 Bco. Tirajana Ciclo Comb.2 (2+1) 181,975191 0,726967 0,002666 Central Grupo Parámetros curva Emisiones SO2 α2 (kgNOx/h) · (te/Kg)Comb β2 (kgNOx/h) · (te/Kg)Comb/MW γ2 (kgNOx/h) ∙ (te/Kg)Comb/MW2 Jinámar Vapor 4 129,513039 1,567025 0,246692 Jinámar Vapor 5 129,513039 1,567025 0,246692 Jinámar Diesel 4 1.072,940293 38,794985 3,393344 Jinámar Diesel 5 1.072,940293 38,794985 3,393344 Jinámar Gas 1 -39,412361 10,392014 0,448586 Jinámar Gas 2 -36,720550 6,874092 0,252252 Jinámar Gas 3 -36,720550 6,874092 0,252252 Bco. Tirajana Vapor 1 270,747518 -0,213758 0,123046 Bco. Tirajana Vapor 2 270,747518 -0,213758 0,123046 Bco. Tirajana Gas 1 -4,501436 0,916636 0,342203 Bco. Tirajana Gas 2 -4,501436 0,916636 0,342203 Bco. Tirajana Gas 3 (CC1) 289,390536 3,986781 0,038374 Bco. Tirajana Gas 4 (CC1) 289,390536 3,986781 0,038374 Bco. Tirajana Ciclo Comb.1 (1+1) 289,390536 2,657858 0,017058 Bco. Tirajana Ciclo Comb.1 (2+1) 578,781073 2,657858 0,008529 Bco. Tirajana Gas 5 (CC2) 289,390536 3,986781 0,038374 Bco. Tirajana Gas 6 (CC2) 289,390536 3,986781 0,038374 Bco. Tirajana Ciclo Comb.2 (1+1) 289,390536 2,657858 0,017058 Bco. Tirajana Ciclo Comb.2 (2+1) 578,781073 2,657858 0,008529 Central Grupo Parámetros curva Emisiones NOx 4. El SEP de Gran Canaria 77 Tabla 4.26. SEP de Gran Canaria: parámetros de las curvas de emisión de PM10. Tabla 4.27. SEP de Gran Canaria: parámetros de las curvas de emisión de CO2. α3 (kgPartículas/h) · (te/Kg)Comb β2 (kgPartículas/h) · (te/Kg)Comb/MW γ3 (kgPartículas/h) ∙ (te/Kg)Comb/MW2 Jinámar Vapor 4 3,717387 0,121792 0,000897 Jinámar Vapor 5 3,717387 0,121792 0,000897 Jinámar Diesel 4 7,119726 -1,002059 0,139441 Jinámar Diesel 5 7,119726 -1,002059 0,139441 Jinámar Gas 1 7,736645 0,228146 0,000531 Jinámar Gas 2 5,168645 0,185542 0,000112 Jinámar Gas 3 5,168645 0,185542 0,000112 Bco. Tirajana Vapor 1 4,768957 -0,022056 0,000836 Bco. Tirajana Vapor 2 4,768957 -0,022056 0,000836 Bco. Tirajana Gas 1 6,796720 0,185394 0,000112 Bco. Tirajana Gas 2 6,796720 0,185394 0,000112 Bco. Tirajana Gas 3 (CC1) 1,011971 -0,009111 0,000633 Bco. Tirajana Gas 4 (CC1) 1,011971 -0,009111 0,000633 Bco. Tirajana Ciclo Comb.1 (1+1) 1,011971 -0,006077 0,000286 Bco. Tirajana Ciclo Comb.1 (2+1) 2,023941 -0,006077 0,000143 Bco. Tirajana Gas 5 (CC2) 1,011971 -0,009111 0,000633 Bco. Tirajana Gas 6 (CC2) 1,011971 -0,009111 0,000633 Bco. Tirajana Ciclo Comb.2 (1+1) 1,011971 -0,006077 0,000286 Bco. Tirajana Ciclo Comb.2 (2+1) 2,023941 -0,006077 0,000143 Grupo Parámetros curva Emisiones Partículas Central α4 (kgCO2/h) · (te/Kg)Comb β4 (kgCO2/h) · (te/Kg)Comb/MW γ4 (kgCO2/h) ∙ (te/Kg)Comb/MW2 Jinámar Vapor 4 41.009,889188 8.450,603356 0,599775 Jinámar Vapor 5 41.009,889188 8.450,603356 0,599775 Jinámar Diesel 4 24.034,528237 4.362,255476 48,139804 Jinámar Diesel 5 24.034,528237 4.362,255476 48,139804 Jinámar Gas 1 73.051,924273 8.585,847801 19,982114 Jinámar Gas 2 92.109,919081 6.982,510427 4,266195 Jinámar Gas 3 92.109,919081 6.982,510427 4,266195 Bco. Tirajana Vapor 1 67.046,649917 6.813,154972 0,725538 Bco. Tirajana Vapor 2 67.046,649917 6.813,154972 0,725538 Bco. Tirajana Gas 1 91.995,336269 6.973,824331 4,260892 Bco. Tirajana Gas 2 91.995,336269 6.973,824331 4,260892 Bco. Tirajana Gas 3 (CC1) 189.477,721991 6.036,837956 1,661627 Bco. Tirajana Gas 4 (CC1) 189.477,721991 6.036,837956 1,661627 Bco. Tirajana Ciclo Comb.1 (1+1) 189.477,721991 4.024,558641 0,738499 Bco. Tirajana Ciclo Comb.1 (2+1) 378.955,443982 4.024,558641 0,369249 Bco. Tirajana Gas 5 (CC2) 189.477,721991 6.036,837956 1,661627 Bco. Tirajana Gas 6 (CC2) 189.477,721991 6.036,837956 1,661627 Bco. Tirajana Ciclo Comb.2 (1+1) 189.477,721991 4.024,558641 0,738499 Bco. Tirajana Ciclo Comb.2 (2+1) 378.955,443982 4.024,558641 0,369249 Central Grupo Parámetros curva Emisiones CO2 4. El SEP de Gran Canaria 78 Tabla 4.28. Central Térmica de Jinámar: ejemplo de informe mensual de las medidas medias horarias. 4. El SEP de Gran Canaria 79 𝑉𝑒𝑠 =0,209723 (%𝐻)+0,088931(%𝐶)+0,033172 (%𝑆)+0,007997 (%𝑁) −0,026424 (%𝑂) (4.35) Puesto que es necesario conocer la composición del combustible se han utilizado las analíticas medias mensuales realizadas a los diferentes combustibles para aplicar a los valores correspondientes de las medidas de emisiones medias mensuales. 2. Cálculo del volumen de los gases secos del combustible (Nm3/kgcombustible) corregido al % de O2 de referencia (3% para los grupos de vapor y 15% para los motores diésel y turbinas de gas), según la fórmula: 𝑉𝑔𝑐𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑜 =𝑉𝑒𝑠 20,9 (20,9−%𝑂2 𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎) (4.36) siendo 20,9% el porcentaje de O2 de la atmósfera. 3. Conociendo el caudal de combustible, en kg/h, se puede obtener los kg/h de las emisiones de las que se tienen datos, según la fórmula: 𝐸𝑚𝑖𝑠𝑖ó𝑛 (𝑘𝑔 ℎ)=𝐷𝑎𝑡𝑜 𝑛𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑑𝑜 (𝑚𝑔 𝑁𝑚3)∙𝑉𝑔 𝑐𝑜𝑟𝑟𝑒𝑔.(𝑁𝑚3 𝑘𝑔) ∙ 𝐶𝑎𝑢𝑑𝑎𝑙 𝑐𝑜𝑚𝑏.(𝑘𝑔 ℎ) 1000(𝑚𝑔 𝑘𝑔) (4.37) Para obtener el caudal de combustible se han utilizado las curvas de consumo térmico oficiales ya vistas en el apartado 4.3.1.1.1, en Mcal/h, por lo que se han utilizado también los valores de los Poderes Caloríficos Netos, en Mcal/kg, obtenidos en las analíticas medias mensuales realizadas a los diferentes combustibles. Por otro lado, puesto que hay una gran cantidad de datos y, en algunos casos la dispersión es alta, se ha tomado el criterio de agrupar los valores por rangos de potencia, dividiendo el rango desde el mínimo técnico hasta la potencia máxima en 20 intervalos. En cada intervalo se obtiene el valor medio, considerando luego sólo aquellos valores que están dentro del ± 20% alrededor del valor medio. Con los valores resultantes se obtiene la curva de regresión. Para grupos iguales se tomará la curva media de entre las obtenidas para cada grupo, siguiendo el mismo criterio que se utiliza para las curvas características de costes. Todos estos cálculos y regresiones se han obtenido con el Excel de Microsoft Office. En la Tabla 4.29 se pueden ver los valores de las analíticas mensuales utilizados. En las Figuras 4.5-4.10 se muestran las diferentes curvas de emisiones obtenidas, a partir de mediciones en continuo, para los grupos Vapor 4 y Vapor 5 de la Central Térmica de Jinámar. En el caso de los grupos Diésel 4 y Diésel 5, de dicha central, ambos comparten una misma chimenea de evacuación de gases, por lo que las medidas son comunes a ambos. Se ha realizado un filtrado en función de la potencia de los grupos, para saber si las medidas corresponden al funcionamiento de uno sólo de ellos o de los dos conjuntamente, para poder hacer la adecuada correspondencia entre los valores de emisiones y las potencias de generación. En cualquier caso, las curvas que se obtienen son válidas para los dos grupos (ver Figuras 4.11-4.13). En las Figuras 4.14-4.19 se muestran las diferentes curvas de emisiones obtenidas, a partir de mediciones en continuo, para los grupos Vapor 1 y Vapor 2 de la Central Térmica Barranco de Tirajana. 4. El SEP de Gran Canaria 80 Tabla 4.29. SEP de Gran Canaria: valores de las analíticas mensuales utilizados para ajustar las curvas de emisiones de SO2, NOx y PM10, a partir de mediciones en continuo. Figura 4.5. Central Térmica Jinámar: datos y curvas de regresión del SO2 de los grupos Vapor 4 - 5. Composicion ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Promedio anual Desv standard % Des.St./ media % H 11,13 11,12 11,12 11,25 11,04 10,88 10,88 10,89 10,89 10,80 10,69 10,31 10,92 0,251 2,30% % C 86,99 86,75 86,81 86,68 87,15 87,09 86,62 87,07 87,07 87,19 87,41 86,71 86,96 0,244 0,28% % S 0,6800 0,6870 0,6830 0,6530 0,6520 0,6290 0,6500 0,6480 0,6480 0,5870 0,6740 0,7020 0,6578 0,031 4,66% % N 0,1100 0,2200 0,5600 0,5300 0,5700 0,3600 0,2200 0,5700 0,5700 0,3300 0,2800 0,5200 0,4033 0,169 41,84% % O 0 0 0 0 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 9,729 9,762 9,721 9,818 9,698 9,802 9,761 9,791 9,791 9,715 9,705 9,655 9,746 0,050 0,51% Composicion ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Promedio anual Desv standard % Des.St./ media % H 10,74 10,68 10,90 11,07 10,99 10,89 10,78 10,78 10,67 10,62 10,50 10,31 10,74 0,211 1,96% % C 86,47 86,82 86,66 86,64 86,98 86,57 87,11 87,00 86,93 87,37 87,33 86,94 86,90 0,285 0,33% % S 0,9060 0,9050 0,9150 0,8600 0,8480 0,8490 0,8000 0,7950 0,8850 0,8750 0,9040 0,8640 0,8672 0,040 4,59% % N 0,6200 0,3100 0,6000 0,5300 0,5200 0,5600 0,2000 0,5800 0,5000 0,5000 0,3600 0,5700 0,4875 0,129 26,56% % O 0 0 0 0 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 9,703 9,686 9,739 9,801 9,760 9,736 9,763 9,752 9,708 9,702 9,654 9,692 9,725 0,041 0,42% Composicion ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Promedio anual Desv standard % Des.St./ media % H 13,41 13,43 13,15 13,40 13,22 13,44 13,45 13,19 13,35 13,18 13,39 13,11 13,31 0,129 0,97% % C 86,07 86,39 85,78 86,38 86,53 86,75 86,83 86,95 85,52 86,43 86,45 86,33 86,37 0,415 0,48% % S 0,1030 0,0749 0,0682 0,0540 0,0910 0,0628 0,0956 0,0708 0,0602 0,0756 0,0808 0,0769 0,0762 0,015 19,23% % N 0,0096 0,0064 0,0083 0,0056 0,0139 0,0091 0,0084 0,0093 0,0074 0,0105 0,0170 0,0173 0,0102 0,004 37,63% % O 0 0 0 0 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 10,241 10,237 10,232 10,163 10,219 10,229 10,19 10,178 10,25 10,23 10,21 10,198 10,214 0,026 0,26% Composicion ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Promedio anual Desv standard % Des.St./ media % H 13,34 13,19 13,56 13,12 12,95 13,21 12,91 12,70 12,67 12,73 12,87 12,93 13,02 0,274 2,10% % C 85,83 86,38 85,88 86,60 86,54 86,40 86,94 86,92 87,24 86,44 85,99 86,79 86,50 0,441 0,51% % S 0,0774 0,0747 0,0084 0,0429 0,0539 0,0791 0,0515 0,0410 0,0423 0,0601 0,0526 0,0603 0,0537 0,020 36,39% % N 0,0203 0,0232 0,0026 0,0175 0,0224 0,0152 0,0270 0,0391 0,0406 0,0274 0,0188 0,0212 0,0229 0,010 44,38% % O 0 0 0 0 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 10,191 10,221 10,190 10,184 10,127 10,203 10,19 10,185 10,14 10,16 10,17 10,175 10,178 0,027 0,27% CARACTERÍSTICAS FUEL OIL 0,73%S JINÁMAR AÑO 2013 (Vapor 4-5 y Diesel 4-5) CARACTERÍSTICAS FUEL OIL 1%S BARRANCO DE TIRAJANA AÑO 2013 (Vapor 1-2) CARACTERÍSTICAS GASOIL 0,1%S BARRANCO DE TIRAJANA AÑO 2010 (Ciclo Combinado 1) CARACTERÍSTICAS GASOIL 0,1%S BARRANCO DE TIRAJANA AÑO 2013 (Ciclo Combinado 2) 4. El SEP de Gran Canaria 81 Figura 4.6. Central Térmica Jinámar: curvas de SO2 de los grupos Vapor 4 - 5. Figura 4.7. Central Térmica Jinámar: datos y curvas de regresión del NOx de los grupos Vapor 4 - 5. Figura 4.8. Central Térmica Jinámar: curvas de NOx de los grupos Vapor 4 - 5. 4. El SEP de Gran Canaria 82 Figura 4.9. Central Térmica Jinámar: datos y curvas de regresión del PM10 de los grupos Vapor 4 - 5. Figura 4.10. Central Térmica Jinámar: curvas de PM10 de los grupos Vapor 4 - 5. Figura 4.11. Central Térmica Jinámar: datos y curvas de regresión del SO2 de los grupos Diésel 4 - 5. 4. El SEP de Gran Canaria 83 Figura 4.12. Central Térmica Jinámar: datos y curvas de regresión del NOx de los grupos Diésel 4 - 5. Figura 4.13. Central Térmica Jinámar: datos y curvas de regresión del PM10 de los grupos Diésel 4 - 5. Figura 4.14. Central Térmica Bco. Tirajana: datos y curvas de regresión del SO2 de los grupos Vapor 1 - 2. 4. El SEP de Gran Canaria 90 Figura 4.28. Central Térmica Bco. Tirajana: curvas de PM10 de los Ciclos Combinados 1 – 2. Por otro lado, se utilizará la metodología descrita en la EMEP/EEA Guía Inventario de Emisiones Contaminantes Atmosféricos-2013, de 29 de agosto de 2013 [46]. Según su Capítulo 1.A Combustión, de la Parte B Capítulos de Orientación sectorial, las emisiones de los diferentes contaminantes pueden calcularse de forma aproximada mediante la siguiente fórmula: 𝐸𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 =𝐷𝐴𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑙𝑒∙𝐹𝐸𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 (4.38) donde 𝐸𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 es la emisión del contaminante que se trate, en g de contaminante, 𝐷𝐴𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑙𝑒 es el dato de actividad, en GJ de combustible, y 𝐹𝐸𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 es el factor de emisión del contaminante, en g/GJ (gramos de contaminante por Giga Julio de combustible). En el caso de las turbinas de gas del SEP de Gran Canaria no hay ningún elemento de reducción de SO2 ni de partículas, pero sí de NOx, que es la inyección de agua. En el caso del SO2, por tanto, se supondrá que todo el S contenido en el combustible se transforma en SO2, por lo que se puede usar la siguiente fórmula para el cálculo del Factor de Emisión: 𝐹𝐸𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒=𝑃𝑀𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 𝑃𝐴𝐸𝑄 ∙%𝐸𝑄𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 100 ∙1 𝑃𝐶𝐼𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑙𝑒 (4.39) siendo: 𝑃𝑀𝑐𝑜𝑛𝑡𝑎𝑚𝑖𝑛𝑎𝑛𝑡𝑒 el peso molecular del contaminante que se trate, en g. En este caso, el SO2 tiene un peso molecular de 64 g, 𝑃𝐴𝐸𝑄 el peso atómico del elemento químico que se combina con el O2 para formar el contaminante, en g. En el caso se trata del S, que tiene un peso atómico de 32 g, %𝐸𝑄𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑙𝑒 el porcentaje del elemento químico que se trate en el combustible. En este caso será el %S que contiene el combustible, 𝑃𝐶𝐼𝑐𝑜𝑚𝑏𝑢𝑠𝑡𝑖𝑏𝑙𝑒 el poder calorífico inferior del combustible, en GJ/g (Giga Julio por gramo de combustible). 4. El SEP de Gran Canaria 91 Tabla 4.30. Central Térmica de Jinámar: ejemplo de informe mensual de las medidas medias horarias. En los casos del NOx y de las partículas el problema es diferente. En el primer caso, el N contenido en el combustible no es el único responsable del NOx emitido, sino que hay una gran parte del N contenido en el aire que se transforma en NOx (es el denominado NOx térmico). En el caso de las partículas, no se conoce la composición de las mismas en el combustible, por lo que no se conoce cuál puede ser su emisión correspondiente. En estos casos, se pueden utilizar los factores de emisión medios típicos publicados en la EMEP/EEA, que para el caso de turbinas de gas con gasoil son 398 g/GJ (FENOx) y 1,95 g/GJ (FEPM10), respectivamente (ver Tabla 3-18 en [46]). 4. El SEP de Gran Canaria 92 Tabla 4.31. SEP de Gran Canaria: valores de las analíticas mensuales utilizados para ajustar las curvas de emisiones de SO2, NOx y PM10, a partir de mediciones semestrales. Se debería conocer también el efecto reductor que tiene la inyección de agua en las emisiones de NOx, aunque en la EMEP/EEA no aparece ningún valor asociado a la reducción típica que se consigue con sistemas de inyección de agua en turbinas. Para el caso de las partículas, no hay en estos grupos ningún elemento reductor. No obstante, puesto que se dispone de una serie de puntos obtenidos de las medidas de emisiones semestrales, lo que se hace, en esta Tesis, es trasladar la curva que se obtiene con los valores de factores de emisión medios anteriores, a los obtenidos por medio de las mediciones reales. De esta forma se considera implícitamente la posible reducción de la técnica aplicada en cada grupo, o la reducción o el incremento debido a la diferencia del factor de emisión real con respecto al medio considerado. En el caso del NOx, en la mayoría de los casos, esta traslación de las curvas obtenidas a partir de los factores de emisión medios, da lugar a valores negativos por encima del mínimo técnico, lo cual es ilógico. Para subsanar este problema, lo que se hizo fue utilizar la forma de la curva de grupos similares obtenidas a partir de mediciones en continuo, como son las curvas de las turbinas de gas de los ciclos combinados de la C.T. Bco. Tirajana. Se obtuvo así una curva intermedia entre la trasladada y la curva ya conocida, de tal manera que, por encima de los mínimos técnicos, ya se obtienen valores positivos de emisiones de NOx. Con los valores resultantes se obtuvo la curva de regresión. Para grupos iguales se toma la curva media de entre las obtenidas para cada grupo, siguiendo el mismo criterio que se utiliza para las curvas características de costes. Composicion JUN 2011 NOV 2011 MAY 2012 OCT 2012 ABR 2013 SEPT 2013 ABR 2014 SEP 2014 Promedio Desv standard % Des.St./ media % H 13,30 12,99 13,18 13,20 13,17 13,14 13,09 13,19 13,16 0,090 0,68% % C 86,43 86,53 86,43 87,18 86,48 86,61 86,10 85,57 86,42 0,456 0,53% % S 0,0677 0,0909 0,0992 0,0647 0,0620 0,0193 0,0366 0,0714 0,0640 0,026 40,87% % N 0,0139 0,0184 0,0142 0,0148 0,0159 0,0127 0,0151 0,0102 0,0144 0,002 16,54% % O 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 10,309 10,188 10,190 10,163 10,262 10,201 10,224 10,190 10,216 0,048 0,47% Composicion JUN 2011 NOV 2011 MAR 2012 NOV 2012 ABR 2013 SEPT 2013 ABR 2014 NOV 2014 Promedio Desv standard % Des.St./ media % H 13,26 13,21 13,37 13,12 13,12 12,67 13,15 12,99 13,11 0,210 1,60% % C 85,94 86,25 86,07 85,72 86,60 87,24 86,27 86,38 86,31 0,463 0,54% % S 0,0743 0,0933 0,0609 0,0753 0,0429 0,0423 0,0071 0,0445 0,0551 0,027 48,52% % N 0,0156 0,0096 0,0102 0,0202 0,0175 0,0406 0,0055 0,0128 0,0165 0,011 65,53% % O 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 10,259 10,211 10,233 10,144 10,184 10,135 10,228 10,219 10,202 0,044 0,43% Composicion MAY 2011 SEP 2011 MAR 2012 AGO 2012 ABR 2013 SEPT 2013 ABR 2014 NOV 2014 Promedio Desv standard % Des.St./ media % H 12,87 12,93 13,37 12,77 13,12 12,67 13,15 12,99 12,98 0,225 1,74% % C 86,50 86,67 86,07 86,84 86,60 87,24 86,27 86,38 86,57 0,361 0,42% % S 0,0553 0,0614 0,0609 0,0797 0,0429 0,0423 0,0071 0,0445 0,0493 0,021 42,96% % N 0,0256 0,0265 0,0102 0,0305 0,0175 0,0406 0,0055 0,0128 0,0212 0,012 55,43% % O 0 0 0 0 0 0 0 0 0 0,000 - P.C.I. (Mcal/Kg) 10,216 10,165 10,233 10,269 10,184 10,135 10,228 10,219 10,206 0,043 0,42% CARACTERÍSTICAS GASOIL 0,1%S JINÁMAR (Gas 1-2-3) CARACTERÍSTICAS GASOIL 0,1%S BARRANCO DE TIRAJANA (Gas 1) CARACTERÍSTICAS GASOIL 0,1%S BARRANCO DE TIRAJANA (Gas 2) 4. El SEP de Gran Canaria 93 Todos estos cálculos y regresiones se han obtenido con el Excel de Microsoft Office. En la Tabla 4.31 se pueden ver los valores utilizados de las analíticas mensuales. En las Figuras 4.29-4.35 se muestran las diferentes curvas de emisiones obtenidas, a partir de mediciones semestrales, para las turbinas de gas de la Central Térmica de Jinámar. Figura 4.29. Central Térmica Jinámar: datos y curvas de regresión de las emisiones de SO2, NOx y PM10, de la turbina de gas Gas 1. Figura 4.30. Central Térmica Jinámar: datos y curvas de regresión del SO2 de las turbinas de gas Gas 2 - 3. 4. El SEP de Gran Canaria 94 Figura 4.31. Central Térmica Jinámar: curvas de SO2 de las turbinas de gas Gas 2 - 3. Figura 4.32. Central Térmica Jinámar: datos y curvas de regresión del NOx de las turbinas de gas Gas 2 - 3. Figura 4.33. Central Térmica Jinámar: curvas de NOx de las turbinas de gas Gas 2 - 3. 4. El SEP de Gran Canaria 95 Figura 4.34. Central Térmica Jinámar: datos y curvas de regresión del PM10 de las turbinas de gas Gas 2 - 3. Figura 4.35. Central Térmica Jinámar: curvas de PM10 de las turbinas de gas Gas 2 - 3. En las Figuras 4.36-4.41 se muestran las diferentes curvas de emisiones obtenidas, a partir de mediciones semestrales, para las turbinas de gas de la Central Térmica Barranco de Tirajana. Figura 4.36. Central Térmica Bco. Tirajana: datos y curvas de regresión del SO2 de las turbinas de gas Gas 1 - 2. 4. El SEP de Gran Canaria 96 Figura 4.37. Central Térmica Bco. Tirajana: curvas de SO2 de las turbinas de gas Gas 1 - 2. Figura 4.38. Central Térmica Bco. Tirajana: datos y curvas de regresión del NOx de las turbinas de gas Gas 1 - 2. Figura 4.39. Central Térmica Bco. Tirajana: curvas de NOx de las turbinas de gas Gas 1 - 2. 4. El SEP de Gran Canaria 97 Figura 4.40. Central Térmica Bco. Tirajana: datos y curvas de regresión del PM10 de las turbinas de gas Gas 1 - 2. Figura 4.41. Central Térmica Bco. Tirajana: curvas de PM10 de las turbinas de gas Gas 1 - 2. 4.4.4.1.2. Curvas de emisiones de CO2 Para la obtención de las curvas de emisiones de CO2 se utilizó el método descrito en los Planes de Seguimiento de CO2 de las centrales de Jinámar y Bco. Tirajana (ver Subsección 4.4.3.1). Para el cálculo de los factores de emisión se utilizaron los valores del %C y del Poder Calorífico Inferior medio del año, para cada tipo de combustible considerado, en el cálculo de las emisiones de SO2, NOx y Partículas. De igual forma, para obtener el caudal de combustible se utilizaron las curvas de consumo térmico oficiales (ver apartado 4.3.1.1.1), en Mcal/h. Por lo que se consideraron también los valores de los Poderes Caloríficos Inferiores en Mcal/kg. Según el Capítulo 1 del “Inventario Nacional de Emisiones a la Atmósfera 1990-2012. Volumen 2: Análisis por Actividades SNAP” [47], el valor por defecto para el factor de oxidación es 0,99 para los combustibles líquidos, considerando que todo el carbono oxidado se emite como CO2, de acuerdo con el planteamiento de las metodologías IPCC y EMEP/EEA, como se indica en dicho inventario. De acuerdo con la metodología descrita y con este factor de oxidación se obtienen las curvas que se muestran en las Figuras 4.42-4.44. 4. El SEP de Gran Canaria 98 Figura 4.42. Central Térmica Jinámar: curvas de emisiones de CO2 de los grupos. Figura 4.43. Central Térmica Bco. Tirajana: curvas de emisiones de CO2 de los grupos de Vapor 1 - 2. 4. El SEP de Gran Canaria 99 Figura 4.44. Central Térmica Bco. Tirajana: curvas de emisiones de CO2 de los Ciclos Combinados 1 - 2. 4.4.4.1. Restricciones medioambientales por valores de concentración de contaminantes Según se ha podido ver en la reglamentación medioambiental, la principal restricción medioambiental existente es la relacionada con la concentración de contaminantes que se emiten por los focos de las unidades generadoras. En este sentido, y después de obtener las curvas de regresión mostradas en los subapartados anteriores, es conveniente obtener las curvas de concentración de cada contaminante a partir de dichas regresiones, con el fin de verificar que en ningún momento las unidades sobrepasarán los límites oficiales. En las Figuras 4-45-4.48 se muestran las curvas de concentraciones de cada una de las unidades junto con los límites legales establecidos (Valores Límites de Emisiones –VLE). Se puede observar que en ningún caso se sobrepasan los valores límites establecidos, salvo en el caso de los grupos Vapor 4 y 5 de Jinámar con respecto a las emisiones de NOx. No obstante, según el artículo 14 del Real Decreto 430/2004, de 12 de marzo, en el caso de mediciones en continuo, se considera que se respetan los valores límites de emisión si en la valoración de los resultados, en un año natural, ningún valor medio mensual supera los valores límites de emisión y, en el caso del NOx, un 95% de todos los valores medios de cada 48 horas no rebasa el 110% de los valores límites de emisión (lo mismo indica para el SO2,pero en este caso se admite un 97% de los valores que no superen el 110%). 4. El SEP de Gran Canaria 106 Figura 4.53. SEP de Gran Canaria: curvas del coste incremental de los combustibles, de los distintos grupos del SEP, en función de la potencia despachada. Figura 4.54. SEP de Gran Canaria: curvas de las emisiones incrementales de SO2, NOx, PM10 y CO2, de los distintos grupos del SEP, en función de la potencia despachada. Haciendo el mismo razonamiento para las emisiones, al incrementar la carga y producirse a partir de un incremento de combustible, el efecto inmediato es que se produce un incremento asimismo de emisiones, por lo que las emisiones incrementales también deben ser crecientes. La Figura 4.54 muestra las curvas correspondientes a las unidades generadoras del SEP de Gran Canaria. 4. El SEP de Gran Canaria 107 Figura 4.55. Ejemplos de características de coste de combustible-generación y emisiones-generación. Dicho todo esto, es conveniente reflejarlo algebraicamente, si es posible. A continuación se resumen las diferentes cuestiones planteadas: 1. Las características de coste de combustible-generación y emisiones-generación deben ser crecientes. Dicho crecimiento puede producirse de dos maneras: siendo la parte creciente de una curva convexa o siendo la parte creciente de una curva cóncava. En la Figura 4.55 se representan ambos casos: el Caso 1 es una curva cóncava y el Caso 2 es una curva convexa, definidas con las siguientes ecuaciones matemáticas: 𝐶𝑎𝑠𝑜 1:𝐶1=10+𝑃+0,006𝑃2 𝐶𝑎𝑠𝑜 2:𝐶2=3,3413+2,3349𝑃−0,0046𝑃2 (4.40) Derivando ambas ecuaciones se obtienen las expresiones de los costes incrementales: 𝐶𝑎𝑠𝑜 1:𝐶′1=1+0,012𝑃 𝐶𝑎𝑠𝑜 2:𝐶2=2,3349−0,0092𝑃 (4.41) En el Caso 2 se puede observar que la curva del coste incremental es decreciente, en contradicción con lo comentado previamente (ver Figura 4.55). Consecuentemente, la curva buscada debe estar sobre la parte creciente de una curva cóncava. Es decir, debe tener una expresión de la forma: 𝐶=𝑎+ 𝑏 𝑃+ 𝑐 𝑃2 (4.42) Además, debe cumplirse que su derivada segunda sea positiva, es decir: 𝐶′′>0 ⇒2 𝑐>0⇒𝒄>𝟎 (4.43) Y el coste incremental debe ser positivo en todo el rango de funcionamiento (de mínimo técnico a máxima carga), por lo que se debe cumplir: 𝐶′>0 ⇒𝑏+ 2 𝑐𝑃>0⇒𝑏>−2𝑐𝑃⇒𝒃>−𝟐𝒄𝑷𝒎𝒊𝒏 (4.44) siendo 𝑃𝑚𝑖𝑛 el mínimo técnico. Basta comprobar que se cumple para el mínimo técnico al estar sobre la parte creciente de la curva. 2. La característica de coste específico de combustible-generación es normalmente decreciente hasta cierto valor de generación para crecer a continuación. Es decir, se trata también de una curva cóncava, que se obtiene dividiendo la curva del coste total (4.42) entre la potencia: 𝐶𝑒=𝑎𝑃+ 𝑏 + 𝑐 𝑃 (4.45) 4. El SEP de Gran Canaria 108 Al tratarse de una curva cóncava debe cumplirse que: 𝐶𝑒′′>0 ⇒𝑎 𝑃4>0⇒𝒂>𝟎 (4.46) Para el caso de las emisiones no se puede afirmar que deba cumplirse el punto 2, por lo que, en resumen, las constantes a, b y c de las curvas de costes y emisiones deben cumplir: Costes: 𝒂>𝟎; 𝒃>−𝟐𝒄𝑷𝒎𝒊𝒏; 𝒄>𝟎 Emisiones: 𝒃>−𝟐𝒄𝑷𝒎𝒊𝒏; 𝒄>𝟎 (4.47) Se puede comprobar que en todas las curvas del caso de estudio considerado en esta Tesis se cumplen estas condiciones. 5. Estado del arte 109 5. Estado del arte El problema de la programación de unidades para conseguir la optimización conjunta de costes y emisiones en sistemas eléctricos de potencia, se resuelve asignando las unidades generadoras que tienen que funcionar en un intervalo horario determinado, y las cargas que tiene que tener cada una de ellas en cada hora bajo diferentes restricciones técnicas, medioambientales y/o de otra índole (restricciones de combustible, de recursos humanos para operar a un mismo tiempo un número determinado de unidades generadoras, etc.) con el objetivo de minimizar conjuntamente los costes y las emisiones. La optimización para la programación de unidades se puede dividir en tres categorías principales en función del tiempo de estudio: a corto plazo, a medio plazo y a largo plazo [48]. La tarea de optimización de corto plazo [49] se utiliza para la programación de tiempo de hasta 1 semana, a medio plazo [50] para el tiempo de programación de hasta 2 años, y la optimización a largo plazo [51] para la programación de tiempo de más de 2 años. Esta Tesis se centra en la resolución de un período de estudio de 24 h con intervalos de resolución de 1 hora, es decir, programación a corto plazo. El procedimiento para determinar el conjunto óptimo económico de las unidades disponibles para cumplir con la demanda de carga en un sistema eléctrico determinado se denomina, en el argot técnico, “Asignación de Unidades” (Unit Commitment, UC). Además, para reducir al mínimo el costo de generación de electricidad a partir de las unidades térmicas asignadas, es necesario determinar también, de forma óptima, la potencia de generación en las unidades ya asignadas, denominándose este proceso “Despacho Económico” (Economic Dispatch, ED). Ambos problemas, UC y ED, constituyen conjuntamente un problema combinatorio complejo de optimización sujeto a diversas restricciones de igualdad y desigualdad. Es importante enfatizar la diferencia esencial entre UC y ED. El problema ED asume que hay N unidades que ya están conectadas al sistema y su objetivo es encontrar la política óptima de funcionamiento para estas N unidades. El problema UC, por otro lado, es más complejo, ya que supone que hay una previsión de la demanda para ser satisfecha y N unidades disponibles, por lo que implica al problema ED como un subproblema. Es decir, cada uno de los subconjuntos del número total de unidades que se van a asignar deberá funcionar de manera óptima desde el punto de vista económico. Esto permitirá encontrar el coste de funcionamiento mínimo para cada subconjunto, pero no establece cuál de los subconjuntos es de hecho el que dará un costo mínimo en un período de tiempo [52]. La UC clásica tiene un único objetivo a minimizar, los costes operativos totales de todas las unidades de generación, dado un número de restricciones de igualdad (por ejemplo, balances de energía del sistema) y restricciones de desigualdad (por ejemplo, requisitos de reserva rodante del sistema, límites de generación, mínimos tiempos acoplado y desacoplado y límites de rampa de cada una de las unidades). El problema implica variables enteras asociadas con estados discretos (unidades acopladas o desacopladas) y variables continuas (el valor de potencia de cada una de las unidades), así como restricciones de igualdad, de desigualdad y lógicas. El UC, por tanto, es un problema de programación matemática de gran escala, no lineal, restringido, entero-mixto y de optimización combinatoria de difícil solución [53]. Las consecuencias económicas de la asignación de unidades son muy importantes, ya que ahorros de pequeño valor en porcentaje representan una reducción significativa en el consumo de combustible y los costes operativos [54]. Al ser un problema difícil y desafiante y debido a su importancia económica (grandes costes operacionales están involucrados), el problema de la UC ha sido durante mucho tiempo un motivo de 5. Estado del arte 110 preocupación para las empresas generadoras de energía. Con los años, una gran cantidad de investigación se ha centrado en el desarrollo de algoritmos UC eficientes que se pueden agrupar en: a) técnicas deterministas, b) técnicas meta-heurísticas, c) métodos híbridos basados en técnicas deterministas y metaheurísticas. Pero antes de entrar en el detalle de cada una de estas técnicas hay que comentar que la utilización de combustibles fósiles libera diferentes contaminantes a la atmósfera que causan, entre otras cosas, el calentamiento global [55]. Detrás del hecho de que la generación de energía en el mercado de la energía de hoy debe cumplir con la producción de energía rentable, también debe hacer frente a la reducción de contaminantes a la atmósfera. En este contexto, la motivación detrás de esta Tesis es optimizar la producción de las unidades térmicas de tal manera que se satisfaga la demanda del sistema, reduciendo al mínimo no sólo los costes totales de operación, entre los que se encuentran de manera muy significativa los costes de combustible, sino también sus emisiones. En este caso ya se habla de un problema multiobjetivo en el que se persigue la optimización de dos objetivos antagónicos entre sí, los costes de operación y las emisiones de contaminantes, denominándose este problema como “Asignación de Unidades Económico y Medioambiental” (Environmental and Economic Unit Commitment, EEUC) [56]. En la reducción de emisiones se pueden incluir las de ámbito local (NOx, SO2 y partículas) o las de ámbito global, como el CO2 que interviene en el calentamiento global. En el caso de los contaminantes con efectos locales suele haber unos límites bien establecidos que intervienen en el problema como restricciones, pero en el caso del CO2 la Unión Europea ha establecido el denominado comercio del dióxido de carbono donde se asignan unos derechos de emisión anualmente. En estos casos se puede calcular un valor de derechos de emisión por unidad generadora y día a partir de los valores anuales del sistema suponiendo una demanda promedio diaria en la que todos los grupos disponibles se suponen asignados, siendo este valor utilizado como una restricción más, con el objetivo de no tener unos extracostes derivados del uso de derechos de emisión por encima de los asignados [54]. También es importante destacar que la mayoría de los estudios relativos a las limitaciones de emisiones están centrados en el problema del despacho económico [54], decidiendo sólo el aporte de energía de cada unidad térmica, pero no decidiendo qué unidades deben estar asignadas para la generación en cada hora. Esto ha dado lugar a una amplia bibliografía de los problemas multiobjetivo de Despacho Económico Medioambiental (Environmental and Economic Dispatch, EED), más aún que los dedicados a la Asignación de Unidades Económico Medioambiental (Environmental and Economin Unit Commitment, EEUC). Esto se debe, con toda probabilidad, a que la consideración de las emisiones tiene, en la mayoría de los casos, más influencia en el reparto de potencias entre las unidades generadoras que en la decisión de qué unidades poner en servicio, pero esto puede dar lugar a soluciones subóptimas. Por otro lado, el uso de las mejores metodologías para la resolución del problema EED ayuda también a obtener la mejor solución del problema EEUC, si se tiene en cuenta que el problema EED es un subproblema del problema global EEUC. No obstante, lo suyo es analizar el problema global. En este capítulo se dedica un apartado a la explicación de los conceptos básicos de la Optimización Multiobjetivo, por cuanto sus características dan lugar a un enfoque muy diferente a las técnicas monoobjetivo, y es interesante conocerlas para entender su planteamiento. También se dedica un apartado al tratamiento de restricciones, por su importancia en los problemas de optimización multiobjetivo de situaciones del mundo real. Destacar aquí también que el problema EEUC es tanto válido en los mercados de energía de monopolio regulado o estatal como en los mercados eléctricos competitivos. En los mercados regulados los costes reconocidos están establecidos y son conocidos, por lo que el orden de mérito de las unidades generadoras es siempre el mismo y sólo depende de los precios de los combustibles y los ajustes en los valores de retribución que establece el estado. Por otro lado, en algunos mercados eléctricos competitivos, como el mercado de la España peninsular, las decisiones de asignación se dejan en su totalidad a los participantes. En estos mercados, el operador del sistema (o una bolsa de electricidad) acepta ofertas de cantidades y 5. Estado del arte 111 precios de las empresas generadoras y, simplemente, las ordena por orden de mérito hora a hora para calcular el precio del mercado del día siguiente y el programa de generación diario. Es responsabilidad de las empresas generadoras programar la operación de sus recursos en respuesta a los precios previstos de electricidad al día siguiente e internalizar los costos cuasi-fijos (costes de arranque y parada) en sus ofertas de precios. En otros mercados eléctricos competitivos, sin embargo, la programación de la generación del día anterior se lleva a cabo mediante la resolución de un UC centralizado con restricciones de seguridad [57]; este caso de mercado competitivo es muy similar al UC tradicional de un servicio público regulado. La principal diferencia, además de la inclusión de las restricciones de seguridad de la red de transporte, es el hecho de que el funcionamiento del generador y los costes reales de puesta en marcha se sustituyen por las ofertas correspondientes. En cualquiera de estos casos la consideración de las emisiones y, en su caso, el pago de derechos de emisión puede hacer cambiar la estrategia de operación, por lo que, la solución del problema EEUC es importante también en la industria de la energía competitiva. 5.1. Asignación de unidades: Métodos monoobjetivo Muchos algoritmos han sido ideados en las últimas cinco décadas para la optimización de los problemas de Asignación de Unidades (Unit Commitment, UC), pero los investigadores siguen aún trabajando para encontrar nuevos algoritmos híbridos que permitan afrontar el problema desde un punto de vista más real [58]. La alta dimensionalidad y posibilidades combinatorias del problema UC reducen los intentos de desarrollar algún método riguroso de optimización matemático capaz de resolver el problema completo para cualquier sistema real. Sin embargo, se han propuesto muchos métodos de aproximación y simplificación. Las soluciones disponibles se pueden clasificar en técnicas convencionales, técnicas no convencionales y algoritmos híbridos. 5.1.1. Técnicas clásicas Algunas de las técnicas convencionales más conocidas son las siguientes: 5.1.1.1. Enumeración Exahustiva La Enumeración Exahustiva (Exhaustive Search) es la más simple de todas las técnicas de optimización combinatoria. Se basa en evaluar todas las combinaciones posibles de las unidades generadoras. La combinación que produce el menor coste de operación se elige como la solución óptima, lo que asegura un óptimo global de la función objetivo, pero el tiempo de computación es enorme [59]. Kerr et al. [60] y Hara et al. [61] resuelven el problema UC con éxito utilizando este método. 5.1.1.2. Lista de Prioridad Inicialmente, la Lista de Prioridad (Priority List, PL) organiza las unidades generadoras en base a las características de costes operacionales más bajos. Este orden predeterminado se utiliza entonces para resolver el UC de tal manera que la demanda del sistema se satisfaga [62, 63]. Shoults et al. [64] presentan un algoritmo mediante orden de prioridad sencillo y computacionalmente eficiente que incluye restricciones de importación/exportación. En Lee [65] y Lee and Feng [66] usan la PL para resolver un problema UC multiárea sencillo. El método PL también ha sido aplicado por Senjyu et al. [67, 68]. 5.1.1.3. Programación Dinámica La Programación Dinámica (Dynamic Programming, DP) es un procedimiento metódico que sistemáticamente evalúa un gran número de posibles decisiones en un problema multipaso. Este método 5. Estado del arte 112 utiliza mucha memoria y necesita mucho tiempo para obtener una solución óptima [69]. La esencia de la DP está en que si el coste operativo total de satisfacer “x” megavatios (MW) de carga con N unidades generadoras debe ser mínimo, la carga “y” generada por la unidad N debe ser tal que la carga restante (xy) sea satisfecha por las (N-1) unidades restantes también a un costo mínimo. La DP fue el primer método basado en optimización aplicado al problema UC. Tiene la ventaja de ser capaz de resolver problemas de una amplia variedad de tamaños y ser fácilmente modificable para modelar características de sistemas específicos [70-71]. Además, es relativamente fácil agregar restricciones que afectan a las operaciones en una hora, es decir, restricciones que afectan principalmente al despacho económico [72]. Sin embargo, es más difícil incluir restricciones que afectan a la operación de unidades individuales en el tiempo [73]. Las desventajas principales de la DP son su obligación de limitar las asignaciones consideradas en cualquier hora, y su tratamiento subóptimo tanto de las restricciones de mínimo tiempo de funcionamiento y mínimo tiempo parado como de los costes de arranque dependientes del tiempo [74]. La aplicabilidad práctica de la DP para las soluciones de UC se discute en [75]. Happ et al. [76] informan de las ventajas de las soluciones obtenidas a través de los ordenadores personales sobre las soluciones manuales. Pang et al. [77] comparan los resultados de cuatro métodos de UC, tres de los cuales están basados en el enfoque de la DP. Hobbs et al. [78] desarrollaron e implementaron un modelo realista de UC en un sistema de gestión de la energía. La DP permite resolver problemas de UC en los que no sólo se cumple con los requisitos convencionales de tener menor coste de combustible cumpliendo con las reservas rodantes y los límites de capacidad de transmisión en el estado estacionario [79], sino que también ofrece un buen rendimiento dinámico a través de la aplicación de las restricciones de seguridad dinámica [80]. Johnson and Svoboda [81] presentaron un método para resolver el UC basado en un procedimiento de desasignación para resolver el problema de la programación, donde, a partir de un programa inicial de todas las unidades disponibles asignadas durante el período de estudio, cada unidad es desasignada mediante la DP. Sen and Kothari [82] resolvieron un problema UC multiárea utilizando DP truncada. Siu et al. [83] desarrollaron un modelo de UC con programación dinámica incluyendo grupos hidráulicos. La DP también ha sido aplicada en [84 - 86]. 5.1.1.4. Ramificación y Acotación El método de Ramificación y Acotación (Branch and Bound, B&B) es un algoritmo de uso general para encontrar soluciones óptimas de problemas de optimización, especialmente en optimización discreta y combinatoria. Este método fue propuesto por Land and Doig [87]. Lauer et al. [88] y Cohen and Yoshimura [89] usaron un nuevo enfoque para la resolución de problemas UC basado en el método B&B, que incorporaba todas las restricciones dependientes del tiempo y no requería un orden de prioridad de las unidades. Huang et al. [90] propusieron una programación lógica restringida junto con la técnica B&B para proporcionar un enfoque eficiente y flexible al problema UC. El procedimiento B&B consiste en la aplicación repetida de los siguientes pasos. En primer lugar, el espacio de soluciones (es decir, el conjunto de variables de decisión en estudio) en los que se encuentra la solución óptima se divide en subconjuntos. En segundo lugar, si todos los elementos en un subconjunto violan las restricciones del problema de minimización, a continuación se elimina ese subconjunto (sondeado). En tercer lugar, se calcula un límite superior sobre el valor mínimo de la función objetivo. Por último, se calculan límites inferiores sobre el valor de la función objetivo cuando las variables de decisión son obligadas a estar en cada subconjunto en estudio. Un subconjunto se elimina a continuación si su límite inferior excede el límite superior del problema de minimización, ya que la variable de decisión óptima no puede estar en ese subconjunto. La convergencia tiene lugar cuando sólo un subconjunto de variables de decisión se mantiene y los límites superior e inferior son iguales para ese subconjunto. 5.1.1.5. Programación Mixta Lineal-Entera La Programación Mixta Lineal-Entera (Mixed Integer Linear Programming, MILP) reduce significativamente la búsqueda de la solución al linealizar las restricciones no lineales. Además, reduce el 5. Estado del arte 113 espacio de búsqueda de soluciones a través de rechazar subconjuntos no factibles. Chang et al. [91] desarrollaron un algoritmo de solución de UC con MILP que puede ser usado para sistemas muy grandes. Y Dillon et al. [92] desarrollaron un método de programación entera para problemas de tamaño real basado en la extensión y modificación del método B&B. El problema de UC se puede dividir en un problema de despacho económico no lineal y un problema UC no lineal puramente entero. El problema UC de programación lineal se puede resolver por descomposición del problema en subproblemas con ayuda del principio de descomposición DantzigWolfe, y luego resolviendo cada subproblema usando programación lineal [93]. La MILP también ha sido aplicada en [94 - 99]. 5.1.1.6. Recocido Simulado El Recocido Simulado (Simulated Annealing, SA) fue introducido de forma independiente por Kirkpatrick, Gela, y Vecchi en 1982 y Cemy en 1985. “Annealing”, físicamente, se refiere al proceso de calentamiento de un sólido a una temperatura elevada, seguido por un enfriamiento lento logrado por la disminución de la temperatura del medio ambiente por pasos [100, 101]. Haciendo una analogía entre el proceso de recocido (annealing) y el problema de optimización, siguiendo el mismo procedimiento de transición de un estado de equilibrio a otro, alcanzando un mínimo de energía del sistema, este método es capaz de resolver un gran número de problemas de optimización combinatoria. En el problema UC, dos tipos de variables necesitan ser determinadas, el estado de la unidad (binario), U, y la potencia de generación de las unidades (continuo), P. El problema se puede descomponer en dos subproblemas, un problema de optimización combinatoria en U y un problema de optimización no lineal en P. Mantawy et al. [102] presentaron un algoritmo de SA para resolver el problema UC y concluyeron que, aunque este algoritmo tiene la desventaja de tomar mucho tiempo de CPU, tiene otras características fuertes como ser independiente de la solución inicial y de la complejidad matemática. El método original utiliza mucho tiempo en la generación y evaluación de soluciones que compiten para no ser útiles [103]. Para mejorar esto, Purushothama and Jenkins [104] desarrollaron un método híbrido de SA y búsqueda local (Local Search); esta simple modificación hace posible reducir el número de iteraciones necesarias y genera soluciones con mejores resultados. EL SA también ha sido aplicado en [105, 106]. 5.1.1.7. Relajación Lagrangiana En la Relajación Lagrangiana (Lagrangian Relaxation, LR) el problema se formula en términos de una función de coste, que es la suma de los costes de cada unidad, un conjunto de restricciones de acoplamiento (requerimientos de generación y reserva), uno para cada hora en el período de estudio, implicando a todas las unidades [107-110]. Los métodos basados en LR pueden dar lugar a soluciones alejadas de la solución óptima. La aplicación de la LR en los programas de UC es mucho más reciente que la Programación Dinámica, aunque también ha sido muy utilizada [111-113]. Tiene la ventaja de poder modificarse fácilmente para modelar las características de los casos específicos. También es relativamente fácil agregar restricciones de unidades. La principal desventaja es su suboptimalidad inherente, aunque es mucho más eficiente en los casos con un gran número de unidades, ya que el grado de suboptimalidad tiende a cero cuando el número de unidades aumenta. Merlin and Sandrin [114] propusieron, en 1983, un método para UC utilizando el método de RL, que fue validado en la empresa Electricité de Francia. Aoki et al. [115,116] aplicaron el método LR en un problema UC a gran escala, que incluye tres tipos de unidades: unidades térmicas habituales, unidades térmicas con restricciones de combustible y unidades hidráulicas con almacenamiento por bombeo. Zhuang and Galiana [117] propusieron un algoritmo de LR en tres fases para UC, donde en la primera fase, la función de Lagrange dual de UC se maximiza con la técnica subgradiente estándar, la segunda fase 5. Estado del arte 114 encuentra una solución de reserva dual factible, y la tercera fase se encarga de resolver el despacho económico. Wang and Shahidehpour [118] presentaron un método matemático para tratar las restricciones de rampa de carga de las unidades en la Universidad de California y el efecto de la fatiga del rotor en la programación económica. Ma and Shahidehpour [119] incorporaron el flujo de potencia óptimo en la formulación de UC, usando la descomposición por dobladores, donde la formulación se descompone en un problema principal y un subproblema; el problema principal resuelve UC con las principales restricciones, excepto las restricciones de seguridad de transmisión y de tensión, por medio de la LR extendida. El refinamiento o reducción en la complejidad del método de relajación de Lagrange también ha sido sugerido en [120] y [121]. La RL también ha sido aplicada en [122, 123]. 5.1.1.8. Búsqueda Tabú La Búsqueda Tabú (Tabu Search, TS) es un procedimiento de optimización de gran potencia que se ha aplicado con éxito a una serie de problemas de optimización combinatoria. Está basado en el Método Hill Climbing, que evalúa iterativamente una mejor solución cada vez que la vecindad es actualizada y se detiene si la solución no se mejora en la minimización de la función de coste. Su mayor inconveniente es que se puede atascar en un mínimo local. Para solventar este problema se desarrolló el Parallel Tabu Search [124, 125], el cual permite encontrar la mejor solución desde diferentes direcciones [126]. Con el mismo objetivo se han empleado otros mecanismos, como el empleo de un sistema de memoria flexible [127]; un algoritmo que incluye la lista de prioridades en el algoritmo Tabú Search para el UC [128, 129]; Rajan et al. [130] resolvieron el problema UC utilizando el método TS con redes neuronales; Lin et al. [131] desarrollaron un algoritmo TS mejorado para resolver problemas de despacho económico; en [132] y [133] se presentaron soluciones de UC utilizando TS; Mantawy et al. [134] resuelven problemas de programación de unidades hidráulicas y térmicas a largo plazo de manera muy eficiente usando un nuevo algoritmo de búsqueda tabú. El TS también ha sido aplicado en [135]. 5.1.1.9. Métodos de punto interior Los métodos de punto interior (Interior Point Methods) no sólo se han utilizado para resolver con éxito problemas muy grandes de programación no lineal y lineal, sino también para resolver problemas combinatorios y no diferenciables. Concretamente, se han aplicado para resolver problemas de programación en sistemas eléctricos de potencia. Madrigal and Quintana [136] lo aplican para resolver el problema de UC, basándose en las dos ventajas principales que tiene dicho método: muy buenas características de convergencia y facilidad para el ajuste de parámetros. 5.1.2. Técnicas no clásicas Algunas de las técnicas no convencionales más conocidas son las siguientes: 5.1.2.1. Sistemas Expertos Un Sistema Experto (Expert System, ES) es un programa informático inteligente que utiliza procedimientos de conocimiento e inferencia para resolver problemas que son bastante difíciles por requerir experiencia humana significativa para su solución [137]. En general, el conocimiento se extrae de los expertos humanos en el campo que se trate e intenta emular su metodología y rendimiento [138, 139]. Al igual que con los humanos, sus conocimientos, tanto teóricos como prácticos, se han perfeccionado a través de la experiencia en el campo aplicado. A diferencia de un ser humano, sin embargo, los programas actuales no pueden aprender de su propia experiencia; su conocimiento debe ser extraído de los seres humanos y codificado en un lenguaje formal [140]. Los métodos basados en ES para UC a corto plazo, que procesan grandes programas de generación en tiempo real [141, 142], combinan la gestión de base de datos con los últimos avances en el diseño de sistemas expertos, y el uso de interfaces hombre-máquina. La 5. Estado del arte 115 capacidad de procesamiento en tiempo real es cuestionada con respecto a otros métodos de programación matemática (Programación Lineal y Entera, Relajación Lagrangiana, etc.) [143, 144]. Mukhtari et al. [145] desarrollaron un algoritmo basado en sistemas expertos para ayudar a los operadores del sistema de potencia en la programación de la operación de las unidades generadoras. Ouyang and Shahidehpour [146] proponen un sistema experto UC que consiste en una base de datos de asignación, un proceso dinámico de coincidencia de patrones de carga, y un proceso de optimización de la interfaz. Tong and Shahidehpour [147] proponen un algoritmo para el UC utilizando la heurística basada en listas de prioridades en forma de reglas de interfaz para encontrar una programación óptima para un patrón de carga dado. Salam et al. [148] desarrollaron un sistema experto que se utiliza como un preprocesador, así como un postprocesador, para el programa UC basado en programación dinámica truncada para obtener una solución factible. 5.1.2.2. Lógica Difusa En 1965 se introduce el concepto de conjuntos difusos como un medio matemático de describir la vaguedad en la lingüística. La idea puede considerarse como una generalización de la clásica teoría de conjuntos. En la década de los 60, muchos desarrollos teóricos en la lógica difusa aparecieron en los EE.UU., Europa y Japón. Desde mediados de la década de 1970 hasta ahora, sin embargo, son los investigadores japoneses los que han hecho una excelente tarea de avanzar en la aplicación práctica de la teoría. Este método permite una descripción cualitativa del comportamiento y las características de un sistema, y la respuesta sin la necesidad de formulaciones matemáticas exactas. La incertidumbre de la demanda y de las interrupciones de las unidades generadoras en los problemas UC [149], plantea la cuestión de cómo abordar el problema de UC cuando la demanda de carga y otras variables son imprecisas [150 - 152]. Algunos investigadores han observado que los modelos estocásticos funcionan mejor que los modelos deterministas bajo incertidumbre, pero tienen sus propias limitaciones [153]. Tong and Shahidehpour [154] proporcionan un modelo racional considerando la interrupción de las unidades térmicas y la incertidumbre de la demanda. Zhai et al. [155] describen un método para analizar el efecto de la incertidumbre de carga sobre el riesgo en el UC, que es la probabilidad de tener capacidad de asignación insuficiente para compensar los fallos de alguna unidad y/o variaciones de carga imprevistas. Saneifard et al. [156] también aplican la Lógica Difusa (Fuzzy Logic) para el problema UC. 5.1.2.3. Redes Neuronales Artificiales Las Redes Neuronales Artificiales (Artificial Neural Networks, ANN) intentan modelar el comportamiento de las redes neuronales biológicas. A través de los años se han desarrollado varios modelos de redes neuronales y los algoritmos de aprendizaje que están asociados con ellas [157]. Sasaki et al. [158] exploran la posibilidad de resolver problemas combinatorios de optimización, en particular los de UC, aplicando la red neuronal Hopfield, pero la exactitud fue el mayor inconveniente. Wang and Shahidehpour [159] proponen una ANN modelo para UC con limitaciones de tipo de rampa. Durante años se ha visto que los problemas UC no se pueden manejar con precisión en el marco de la red de Hopfield convencional. Así, Walsh and O´Malley [160] presentaron una arquitectura de red aumentada con una nueva forma de interconexión entre las neuronas, dando una función de energía más general que contiene términos tanto discretos como continuos. Liang and Kang [161] resuelven con éxito el problema de UC mediante un método de red neuronal dentro del campo del Simulated Annealing. Kurban and Filik [162] proponen un método para reducir el coste de producción combinando la previsión de la demanda con el problema UC usando el modelo de ANN con auto regresión (AR). 5. Estado del arte 122 5.1.3.16. Hybrid Genetic Algorithm, Tabu Search and Simulated Annealing Mantawy et al. [246] integraron Algoritmo Genético, Búsqueda Tabú y Simulated Annealing. 5.1.3.17. Hybrid Expert System, Fuzzy Logic and Neural Network Padhy [247] integró un Sistema Experto, la Lógica Difusa y Redes Neuronales para una solución práctica del UC. 5.1.3.18. Quantum PSO Recientemente, se han desarrollado enfoques PSO cuánticos, inspirados en la teoría fundamental de enjambre de partículas y las características de la mecánica cuántica [248 - 250]. Yun-Won Jeong et al. [251] propusieron un BPSO (PSO binario) inspirado en la cuántica (QBPSO) que se basa en el concepto y los principios de la computación cuántica, tales como un bit cuántico y la superposición de estados para mejorar el rendimiento del BPSO convencional. El QBPSO introduce un individuo Q-bits para la representación probabilística de una partícula, sustituyendo así el procedimiento de actualización de velocidad en el PSO tradicional. En QBPSO, por lo tanto, el factor de peso de inercia y los dos coeficientes de aceleración se pueden quitar y sólo se necesita un factor, el ángulo de rotación, al modificar la posición de las partículas. Para mejorar la rotación convencional para la actualización individual de Q bits, se propone una nueva rotación en la que se incluyen dos técnicas eficaces: 1) una coordenada de rotación para la actualización de Q-bits, 2) un ángulo de rotación dinámico para determinar la magnitud del ángulo de rotación. Por lo tanto, la QBPSO propuesto puede obtener un equilibrio eficaz entre la exploración y explotación con un tamaño menor de población y menor tiempo de cálculo. Otros métodos híbridos tales como la Relajación de Lagrange y Algoritmo Genético (LRGA) [252], Relajación Lagrangiana y Partículas Swarm Optimization (LRPSO) [253], Programación Evolutiva con Tabu Search Algorithm (EP-TSA) [254] y Relajación Lagrangiana y Programación Evolutiva (LR-EP) [255] también se han utilizado para resolver el problema UC. 5.2. Asignación económico-medioambiental de unidades: Métodos multiobjetivo En la literatura hay pocas publicaciones relacionadas con la Asignación Económico-Medioambiental de Unidades (Environmental and Economic Unit Commitment, EEUC) en comparación con el número de publicaciones existentes sobre el Despacho Económico-Medioambiental (Environmental and Economic Dispatch, EED), considerados ambos problemas como problemas multiobjetivo. Puesto que el planteamiento de resolución de la optimización multiobjetivo es muy diferente a la optimización simple o monoobjetivo, a continuación se dedica un apartado a explicar dicha optimización. Posteriormente se dedica otro apartado a detallar los métodos que se utilizan normalmente en la resolución de los problemas multiobjetivo, haciendo las menciones necesarias tanto al EEUC como al EED. 5.2.1. Optimización multiobjetivo Los principios de la optimización multi-objetivo (también llamada optimización multi-criterio, optimización multi-función u optimización de vector) difieren de los de optimización simple. El objetivo principal en la optimización simple es encontrar el óptimo global de una función. Sin embargo, en un problema de optimización multi-criterio hay más de una función objetivo, cada una de las cuales tendrá 5. Estado del arte 123 una solución óptima diferente. Si hay suficiente diferencia entre las soluciones óptimas correspondientes a cada función objetivo, se suele decir que las funciones objetivo están en conflicto entre sí. En la optimización multi-objetivo, pues, no hay una definición aceptada de “óptimo” como ocurre en la optimización mono-objetivo, incluso es difícil comparar resultados de un método y otro, ya que la decisión sobre cuál es la mejor solución corresponde al llamado tomador de decisiones (un ser humano). La optimización multicriterio con tales funciones objetivo en conflicto da lugar a un conjunto de soluciones óptimas, en lugar de una sola. La razón por la cual existe más de un óptimo es que ninguno puede ser considerado mejor que otro. Este conjunto de soluciones óptimas tiene un nombre especial: Pareto de soluciones óptimas o Frontera de Pareto. La optimización multi-objetivo puede ser definida como el problema de encontrar: “un vector de variables de decisión que satisface las restricciones y optimiza un vector función cuyos elementos representan las funciones objetivo”. Estas funciones forman una descripción matemática de criterios de rendimiento, los cuales están normalmente en conflicto unos con otros. Por lo tanto, el término “optimizar” significa encontrar una solución que pueda dar los valores de todas las funciones objetivos aceptables para el diseñador. Formalmente, el problema se puede definir como sigue: “Encontrar el vector de las variables de decisión 𝐱∗=(𝑥1∗,𝑥2∗,…,𝑥𝑛∗)𝑇 que satisfaga las m restricciones de desigualdad: 𝑔𝑖(𝐱)≤0, 𝑖=1,2,…,𝑚 (5.1) las p restricciones de igualdad: ℎ𝑗(𝐱)=0, 𝑗=1,2,…,𝑝 (5.2) y optimice el vector de funciones: 𝑓(𝐱)=(𝑓1(𝐱),𝑓2(𝐱),…,𝑓𝑘(𝐱))𝑇 (5.3) donde 𝐱=(𝒙𝟏,𝒙𝟐,…,𝒙𝒏)𝑻∈𝐅⊆𝕽𝒏 es el vector de las variables de decisión.” Las restricciones dadas por 𝑔𝑖(𝐱) y ℎ𝑗(𝐱) representan las restricciones impuestas a las variables de decisión y definen la región factible F. Así, cualquier punto x en F define una solución factible. El vector función 𝑓(𝐱) representa todos los posibles valores de las funciones objetivo. Hay que tener en cuenta que los valores de las funciones objetivo pueden están expresadas en diferentes unidades. El vector x* representa las soluciones óptimas (normalmente habrá más de una). Habiendo más de una función objetivo a optimizar, cambia la noción de óptimo, pues es muy raro que un punto x optimize simultáneamente todos los objetivos 𝑓(𝐱) de un problema multiobjetivo. En vez de esto, se intenta encontrar un conjunto de soluciones que sean buenos compromisos (trade-offs) entre los diversos objetivos 𝑓𝑖 más que una solución óptima. La noción más aceptada de “óptimo” en el entorno de problemas multiobjetivo es la propuesta originalmente por Francis Ysidro Edgeworth en 1881 y generalizada posteriormente por Vilfredo Pareto en 1896; por lo que se conoce como óptimo de Pareto: Una solución factible x* es un óptimo de Pareto si no existe ningún otro punto x en F que sea mejor en un objetivo sin ser peor en al menos algún otro. En caso de estar minimizando, se dice que un vector 𝐮=(𝑢1,𝑢2,…,𝑢𝑘) domina a otro 𝐯=(𝑣1,𝑣2,…,𝑣), (denotado por 𝐮≼𝐯), si y sólo si 𝐮 es parcialmente mejor que 𝐯. Es decir: ∀𝑖∈{1,2,…,𝑘} 𝑢𝑖≤𝑣𝑖 ∧ ∃𝑗∈{1,2,…,𝑘} tal que 𝑢𝑗<𝑣𝑗 (5.4) 5. Estado del arte 124 Para un problema multiobjetivo dado por (5.1-5.3), el conjunto de óptimos de Pareto (℘∗) se define como: ℘∗≔{𝐱∗∈𝐅 tal que ∄𝐱∈𝐅 verificando 𝑓(𝐱)≼𝑓(𝐱∗)} (5.5) Y el frente de Pareto (℘𝓕∗) se define como (ver Figura 5.1): ℘ℱ∗≔{𝐮=𝑓(𝐱)=(𝑓1(𝐱),𝑓2(𝐱),…,𝑓𝑘(𝐱))𝑇 tal que 𝐱∈℘∗} (5.5) Figura 5.1. Frente de Pareto. El punto C(f1(xC), f2(xC)) está dominado por los puntos A(f1(xA), f2(xA)) y B(f1(xB), f2(xB)) 5.2.1.1. Métodos de optimización multiobjetivo aplicados a la Asignación EconómicoMedioambiental de Unidades Hay varios métodos para resolver problemas multiobjetivo de asignación de unidades. De forma general se podrían englobar todas las técnicas existentes en tres grandes grupos: 5.2.1.1.1. Métodos clásicos Los métodos clásicos se basan en convertir el problema multiobjetivo en uno con un solo objetivo (monoobjetivo), que luego se puede resolver utilizando técnicas de optimización monoobjetivo como las vistas en la Sección 5.1. Engloban todos aquellos métodos que combinan todos los objetivos en uno único, usando una suma, multiplicación o cualquier combinación de operaciones aritméticas para dar lugar a una sola función objetivo. Suelen denominarse normalmente métodos de “agregación de funciones” y han sido ampliamente utilizados con relativo éxito en problemas en los cuales el comportamiento de las funciones objetivo es más o menos bien conocido. Debido a que la mayoría de estos enfoques asumen información a priori del tomador de decisiones (ya sea la clasificación de los objetivos en orden de importancia o indicación de los valores óptimos buscados), estas técnicas están orientadas hacia la búsqueda de una solución única, la que mejor satisfaga los criterios e información adicional (preferencias) proporcionados por el tomador de decisiones. También es posible, mediante la modificación de los parámetros de agregación, llegar a obtener la frontera de soluciones no dominadas (frontera de Pareto). Los métodos clásicos son técnicas relativamente simples de implementar, sin embargo, son computacionalmente intensivos. Además, la distribución de soluciones a lo largo del frente de Pareto 5. Estado del arte 125 depende de la eficacia del algoritmo de optimización elegido. Otro problema con el uso de los métodos clásicos es que muchas veces algunos objetivos pueden implicar incertidumbres. Si las funciones objetivos no son deterministas, la fijación de un vector de pesos o de metas puede ser aún más difícil. Los métodos clásicos más conocidos son: 5.2.1.1.1.1. Weighted Sum (WS) El método de la “Suma Ponderada” (Weighted Sum, WS) también se denomina “Agregación Ponderada” (Weighted Aggregation, WA) y en ella el problema multiobjetivo se convierte en uno monoobjetivo mediante la suma de los objetivos multiplicados por unos operadores denominados “pesos”, dando lugar a una combinación lineal de los mismos. El problema (5.3) se traduce en: 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 ∑𝜔𝑖𝑓𝑖(𝐱) 𝑘 𝑖=1 (5.6) donde 𝟎≤𝝎𝒊≤𝟏,𝒊=𝟏,𝟐,…,𝒌, y ∑𝝎𝒊 𝒌𝒊=𝟏 =𝟏. Los pesos 𝜔𝑖 pueden, por ejemplo, indicar la importancia relativa que el tomador de decisiones da al objetivo i, y debe ser especificado a priori para cada uno de los objetivos. Los valores óptimos de 𝜔𝑖 no se pueden determinar dentro del proceso de optimización y la solución de este problema produce un único resultado en función de los pesos elegidos. Sin información previa, la elección de los pesos puede ser problemática. Una variante de este método, de nombre Agregación Ponderada Dinámica (Dynamic Weighted Aggregation, DWA) [256], los pesos se cambian de forma incremental. Para cada nueva combinación de pesos, el problema se resuelve, generando así una nueva solución de compromiso para cada combinación y permitiendo obtener un conjunto de soluciones que, teóricamente, forman el conjunto de soluciones no dominadas o frente de Pareto. Una ventaja de esta técnica es que el énfasis de un objetivo sobre el otro se puede controlar, y la solución obtenida es, por lo general, una solución del conjunto de óptimos de Pareto. Srikrishna and Palanichamy [257] proponen, para el caso del problema EED, incluir en este método otro factor denominado “Price Penalty Factor” (Factor de Penalización del Precio en español), donde se intentan igualar las unidades de los dos objetivos considerados, al ser éstas muy diferentes entre sí. De entre los métodos de agregación de funciones éste es el más utilizado en la literatura existente. Así, se puede encontrar aplicado al problema EED conjuntamente con cualquiera de los métodos de optimización monoobjetivo existentes. Por ejemplo, con Programación Dinámica (DP) [258], con Algoritmos Genéticos (GAs) [259], con Evolución Diferencial (DE) [260], con Particle Swarm Optimization (PSO) [261], con Artificial Bee Colony (ABC) [262], con Successive Linear Programming (SLP) [263], con Programación Evolutiva (EP) [264], con el algoritmo híbrido Bacterial Foraging Nelder–Mead (BF-NM) [265], con el algoritmo híbrido de Evolución Diferencial con optimización basado en la Biogeografía (DE/BBO) [266], con una solución analítica [267], con una solución analítica exacta [268], con el método de Newton-Raphson (NRM) [269], con el Algoritmo de Búsqueda Gravitatoria basado en la Oposición (OGSA) [270], con el Método de Gradiente de Primer Orden (FOGM) [271] y con el algoritmo Artificial Bee Colony with Dynamic Population size (ABCDP) [272]. 5.2.1.1.1.2. Goal Programming La “Programación de Metas” (Goal Programming, GP) es una variación de la técnica anterior que también se suele denominar “Logro de Metas” (Goal Attainment), y busca minimizar la desviación de los objetivos predefinidos, mediante la siguiente formulación: 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 ∑𝜔𝑖|𝑓𝑖(𝐱)−𝑇𝑖| 𝑘 𝑖=1 (5.7) 5. Estado del arte 126 donde Ti representa el objetivo o meta establecida por el tomador de decisiones para la función objetivo i, y los 𝜔𝑖 ahora establecen las prioridades. Al igual que en el enfoque de la agregación ponderada, el principal inconveniente es la necesidad de una información a priori (prioridades y metas). Este método se utiliza en [273, 274] para el problema EED. 5.2.1.1.1.3. ε-Constraint Es un método diseñado para descubrir soluciones óptimas de Pareto en base a la optimización de un objetivo, 𝑓𝑖, mientras trata a los otros objetivos como restricciones vinculadas por algún rango permitido εj. El problema se resuelve repetidamente para diferentes valores de εj, para generar todo el conjunto de Pareto. 𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑓𝑖(𝐱) Sujeto a: 𝑓𝑗(𝐱)≤𝜀𝑗 𝑗=1,2,…,𝑘;𝑗≠𝑖 𝑔ℎ(𝐱)≤0 ℎ=1,2,…,𝑚 (5.8) Dhillon and Kothari [275] resuelven el problema EED utilizando la optimización interactiva mediante el método ε-Constraint para generar soluciones no dominadas. Granelli et al. [276] también utilizan este método, considerando la emisión como una restricción. Algunos autores [277, 278] usan este método para optimizar los objetivos preferidos, mientras consideran los restantes como restricciones. Zhang et al. [279] proponen un Método de Punto Interior (Interior Point Method, IPM) para resolver el EED, utilizando la estrategia de ε-restricción. Stanzani et al. [280] proponen un método Predictor-Corrector Primal-Dual Interior Point Method usando Weighted Sum and ε-Constraint para resolver el EED. 5.2.1.1.2. Métodos no clásicos Aquí se engloban todas las técnicas orientadas a la determinación directa de la frontera de Pareto mediante la optimización de todos los objetivos individuales por separado, pero simultáneamente. Estos métodos han surgido gracias a los avances computacionales y al desarrollo de algoritmos metaheurísticos basados en la población. Los algoritmos basados en la población tienen la ventaja de evaluar varias soluciones posibles en una sola iteración. Además, ofrecen una mayor flexibilidad para la toma de decisiones, sobre todo en los casos en que no se dispone de información a priori, como es el caso para la mayoría de los problemas multiobjetivo de la vida real. Sin embargo, el reto es cómo orientar la búsqueda hacia el conjunto óptimo de Pareto, y cómo mantener una población diversa con el fin de evitar la prematura convergencia. Además, su rendimiento se degrada cuando el número de objetivos aumenta y requieren de parámetros adicionales, tales como el factor de intercambio o el número de muestras de Pareto, que necesitan ser ajustados. Aquí entra en juego la denominada “Computación Evolutiva” (Evolutionary Computing, EC) o “Algoritmos Evolutivos” (Evolutionary Algorithms, EA) que emulan el proceso de la evolución biológica. Una población de personas que representan a diferentes soluciones evoluciona para encontrar las soluciones óptimas. Los individuos más aptos son elegidos y se les aplican las operaciones de mutación y cruce, dando así una nueva generación (hijos). Aunque hoy en día es cada vez más difícil distinguir las diferencias entre los distintos tipos de algoritmos evolutivos existentes, por razones sobre todo históricas, suele hablarse de tres paradigmas principales: Programación Evolutiva (Evolutionary Programming, EP), Estrategias Evolutivas (Evolution Strategies, ES) y Algoritmos Genéticos (Genetic Algorithms, GA). Algoritmos Evolutivos se han aplicado con éxito a todo tipo de optimización monoobjetivo, como ya se ha visto en la Sección 5.1, sobre todo, en los que las funciones objetivo no están bien definidas (no diferenciable, discontinua, y/o ninguna formulación analítica). A menudo aparecen como un paso de optimización incluido dentro de las técnicas tradicionales multiobjetivo presentadas en el apartado anterior, pero no se debe confundir estas técnicas basadas en algoritmos evolutivos híbridos con las orientadas hacia la determinación de las soluciones eficientes de Pareto que se presentan a continuación. 5. Estado del arte 127 5.2.1.1.2.1. Métodos no basados en Pareto El Algoritmo Genético Evaluado por Vectores (Vector Evaluated Genetic Algorithm, VEGA) de Schaffer [281] es una técnica no basada en Pareto que difiere del algoritmo genético convencional sólo en la forma en que se realiza el paso de selección. En cada generación, la población se divide en tantos subgrupos de igual tamaño como objetivos hay, y los individuos más aptos son seleccionados para cada función objetivo. Entonces las operaciones regulares de mutación y de cruce se realizan para obtener la siguiente generación. La aptitud general resultante corresponde, por lo tanto, a una función lineal de los objetivos donde los pesos dependen de la distribución de la población en cada generación. Como consecuencia de ello, a los diferentes individuos no dominados generalmente se les asignan diferentes valores de aptitud, en contraste con lo que la definición de no dominancia podría sugerir. La combinación lineal de los objetivos implícitamente realizadas por VEGA explica por qué la población tiende a dividirse en especies particularmente fuertes en cada uno de los objetivos, en el caso de superficies de compromiso cóncavas, un fenómeno que Schaffer llama “especiación”. De hecho, los puntos en las regiones cóncavas de una superficie de compromiso no se pueden encontrar mediante la optimización de una combinación lineal de los objetivos, para cualquier conjunto de pesos, como se señala en [282]. Aunque VEGA, al igual que el método Weighted Sum, no es muy adecuado para hacer frente a los problemas con superficies de compromiso cóncavas, el sistema de ponderación implícitamente merece más atención. En VEGA, cada objetivo se pondera proporcional al tamaño de cada sub-población y, más importante, de forma proporcional a la inversa de la aptitud media (en términos de ese objetivo) de la población total en cada generación. Al hacer esto, y suponiendo que los tamaños de las subpoblaciones se mantienen constantes para cada objetivo, la selección VEGA, adaptativamente, intenta equilibrar la mejora en las diversas dimensiones objetivas, porque mientras haya mejores individuos en un objetivo, el rendimiento medio correspondiente aumenta, y el peso de ese objetivo disminuye en consecuencia, lo que impulsa una explotación equilibrada de múltiples óptimos en el espacio de búsqueda. Por ello, VEGA puede, al menos en algunos casos, mantener diferentes especies durante muchas más generaciones que un GA optimizando una suma ponderada pura de los mismos objetivos con los pesos fijos, debido a la deriva genética [283]. Desafortunadamente, el equilibrio alcanzado necesariamente depende de la escala de los objetivos. El algoritmo VEGA es fácil de implementar; sin embargo, adolece del problema de especiación (evolución de las especies que sobresalen en uno de los objetivos). Esto hace que el algoritmo falle en la generación de soluciones de compromiso (las que no son necesariamente las mejores en un objetivo, pero son óptimas en el sentido de Pareto). Además, el algoritmo es susceptible a la forma del frente de Pareto. Hay otros métodos evolutivos similares al VEGA que fueron utilizados en su día pero que han dejado paso de forma evidente a los métodos basados en Pareto. Uno de ellos es el llamado “Lexicographic Ordering” (Orden Lexicográfico) [284], utilizado posteriormente por Fourman (1985) [285] en el que los múltiples objetivos se tratan en una forma de no-agregación, realizando la selección mediante la comparación de pares de individuos, cada par de acuerdo con uno de los objetivos. En una primera versión del algoritmo, el usuario asignaba diferentes prioridades a los objetivos y los individuos eran comparados de acuerdo con el de mayor prioridad. Si esto resultaba en un empate, se usaba el objetivo con la segunda prioridad más alta, y así sucesivamente. Una segunda versión, que funcionó sorprendentemente bien, consistió en seleccionar aleatoriamente el objetivo que iba a ser utilizado en cada comparación. De manera similar a VEGA, esto corresponde a un promedio de aptitud a través de los componentes de aptitud, cada componente está ponderado por la probabilidad de cada objetivo de ser elegido para decidir cada torneo. Sin embargo, el uso de las comparaciones por pares hace que sea esencialmente diferente de una combinación lineal de los objetivos, porque la información de escala se ignora. Como los torneos constituyen aproximaciones estocásticas a la clasificación total, la aptitud resultante está más cerca de la 5. Estado del arte 128 clasificación de la población según cada objetivo por separado, y el consiguiente promedio del ranking de cada individuo. Por lo tanto, la población todavía puede verse como una superficie de compromiso convexa siendo en realidad cóncava, dependiendo de su distribución actual y, por supuesto, del problema. Kursawe (1991) [286] formuló una versión multiobjetivo de estrategias de evolución. Una vez más, la selección consistió en tantos pasos como objetivos había. En cada paso, uno de los objetivos era seleccionado al azar (con reemplazamiento) de acuerdo con un vector de probabilidad, y se utilizaba para dictar la eliminación de una fracción apropiada de la población actual. Después de la selección, los sobrevivientes se convertían en los padres de la siguiente generación. Si bien la aplicación de Kursawe de selección multiobjetivo posee una serie de similitudes con los métodos VEGA y el segundo método de Fourman, los individuos en los extremos de la superficie de compromiso parecían ser susceptibles de ser eliminados tan pronto como cualquier objetivo en el que mejorara pobremente fuera seleccionado para su eliminación, mientras que los individuos mediocres parecían ser más propensos a sobrevivir. Sin embargo, ya que los objetivos tenían una cierta posibilidad de no tomar parte en la selección en cada generación, era posible que algunos especialistas sobrevivieran al proceso de eliminación y generaran descendencia, a pesar de que podrían morir de inmediato en la generación posterior. Kursawe señala que esta supresión de los individuos de acuerdo con los objetivos elegidos al azar crea un ambiente no estacionario en el que la población, en lugar de converger, debe tratar de adaptarse al cambio constante. Por último, y aún basada en el método de suma ponderada, Hajela y Lin (1992) [287] explotaron el paralelismo explícito proporcionado por una búsqueda basada en la población al incluir explícitamente los pesos en el cromosoma y la promoción de su diversidad en la población a través del intercambio de aptitud. Como consecuencia, una familia de individuos evoluciona para cada combinación de pesos, al mismo tiempo. 5.2.1.1.2.2. Métodos basados en Pareto La idea de utilizar la asignación de aptitud basada en Pareto fue propuesta por primera vez por Goldberg (1989), para resolver los problemas del método de Schaffer (VEGA). Sugirió el uso de clasificación de no-dominancia y selección para encaminar una población hacia la frontera de Pareto en un problema de optimización multiobjetivo. La idea básica es encontrar el conjunto de individuos en la población que son soluciones de Pareto no-dominadas por el resto de la población. A estos individuos se les asigna el rango más alto y son eliminados de una futura competición. Este proceso se repite luego con los individuos restantes hasta que toda la población es adecuadamente clasificada y se le asigna a cada individuo un valor de aptitud Goldberg también sugirió el uso de alguna clase de técnica de nicho para evitar que el Algoritmo Genético convergiera a un único punto de la frontera, con lo cual se conseguirían individuos a lo largo de toda la frontera de Pareto. En este campo destacan los algoritmos evolutivos y la mayoría de los algoritmos desarrollados difieren en la manera en que el valor de la aptitud de un individuo se determina antes de la etapa de selección, aplicándose posteriormente las operaciones de mutación y cruce para llegar a la próxima generación de individuos. Los enfoques inteligentes metaheurísticos (algoritmos evolutivos o técnicas basadas en enjambre) son más apropiadas para los problemas multiobjetivos genéricos, sobre todo cuando la información sobre las preferencias o prioridades de los objetivos no se conocen de antemano y cuando tratan de presentar al tomador de decisiones una amplia gama de soluciones alternativas. Dado que los algoritmos evolutivos multiobjetivo mantienen una población de soluciones durante todo el proceso de optimización, son naturalmente adecuados para buscar un gran conjunto representante de soluciones Pareto-óptimas en paralelo. En la mayoría de los casos, estas soluciones se crean sin la intervención de ningún tomador de decisiones. Sólo después de que el proceso de optimización se ha completado, el tomador de decisiones escoge entre el conjunto de soluciones de Pareto optimas obtenidas. 5. Estado del arte 129 Un enfoque basado en la teoría de conjuntos difusos se utiliza generalmente para extraer una de las soluciones Pareto-óptimos como la mejor solución de compromiso para los tomadores de decisiones. Algunos de los métodos que se engloban en esta categoría son los siguientes.  Algoritmo Genético Multi Objetivo (Multi Objective Genetic Algorithm, MOGA) Es un método simple y eficiente [288], donde el valor de la aptitud de un individuo es proporcional al número de otros individuos que domina. El nicheado se puede realizar ya sea en el espacio objetivo o en el espacio de decisión. Muralidharan et al. [289] utilizaron la optimización multiobjetivo MOGA para resolver un problema EED.  Algoritmo Genético de Ordenación de No-dominados (Non-dominated Sorting Genetic Algorithm, NSGA) Es otra versión de algoritmos genéticos que utiliza una técnica de clasificación de capas [290]. A todos los individuos no dominados se les asigna el mismo valor de aptitud y el intercambio se aplica en el espacio de las variables de decisión. El proceso se repite para el resto de la población, con un valor de aptitud progresivamente menor asignado a los individuos no dominados. Varios autores [291 - 293] proponen utilizar variantes de NSGA para resolver el problema EED. Con el objetivo de mejorar el algoritmo NSGA, Robert et al. [294] incluyeron en el mismo un proceso de elitismo, dando lugar a un algoritmo evolutivo multiobjetivo elitista llamado NSGA-II que también se ha aplicado al problema EED [295 - 298]. Las desventajas de esta técnica son que el cálculo matemático integral consume mucho tiempo, y el sesgo de búsqueda para algunas áreas puede dar lugar a una convergencia prematura, lo cual no es deseable para el frente de Pareto-óptimo. Deb and Goal [299] introducen una mejora del NSGA-II, en el que se controla la explotación de las mejores soluciones no dominadas, asegurando la diversidad en ambas direcciones, a lo largo y lateralmente, del frente óptimo de Pareto. Esta versión se denomina “Controlled Elitist Nondominated Sorting Genetic Algorithm II” (CE-NSGA-II) (Algoritmo Genético de Ordenación de Nodominados II con Elitismo Controlado). El CE-NSGA-II no sólo favorece individuos con mejor valor de aptitud como en NSGA-II sino que también individuos que pueden ayudar a incrementar la diversidad de la población, incluso si tienen un valor más bajo de aptitud. Se utilizan dos criterios para controlar el elitismo: la “fracción de Pareto” que limita el número de individuos sobre el frente de Pareto (miembros élite) y la “función de distancia” que ayuda a mantener la diversidad favoreciendo individuos que están relativamente lejos del frente. Abul’Wafa [300] utilizó este algoritmo para resolver el problema EED.  Algoritmo Genético de Nichos de Pareto (Niched Pareto Genetic Algorithm, NPGA) En este algoritmo genético [301] en lugar de la comparación bilateral directa, dos individuos se comparan con respecto a un conjunto de comparación (por lo general el 10% de toda la población). Cuando un candidato está dominado por el conjunto mientras que el otro no lo está, se selecciona este último. Si están dominados ninguno o ambos de los candidatos, el valor de la aptitud se utiliza para decidir la selección. El NPGA introduce una nueva variable (tamaño del conjunto de comparación), pero es computacionalmente más rápido que las técnicas anteriores, ya que el paso de selección se aplica sólo a un subconjunto de la población. Abido [302] utilizó este algoritmo para resolver el problema EED.  Algoritmo Evolutivo de Fortaleza de Pareto (Strength Pareto Evolutionary Algorithm, SPEA) Este algoritmo genético [303] utiliza un archivo externo para mantener las soluciones no dominadas encontradas durante la evolución. Las soluciones candidatas se comparan con las del 5. Estado del arte 130 archivo. Se aplica una asignación de aptitud del estilo MOGA: la aptitud de cada miembro de la población actual se calcula de acuerdo a las fortalezas de todas las soluciones externas no dominadas que la dominan. Se aplica una técnica de agrupación para mantener la diversidad. Abido [304] ha utilizado el SPEA para resolver el problema EED. También ha usado otros AEs para resolver el mismo problema EED, comparándolos con técnicas tradicionales de optimización [305]. Además, en [306] realiza un estudio comparativo entre algoritmos evolutivos multiobjetivo basados en poblaciones (NPGA, NSGA y SPEA) resolviendo problemas EED.  Evolución Diferencial Multi Objetivo (Multi Objective Differential Evolution, MODE) Se basa en el método de optimización monoobjetivo Evolución Diferencial, al que se le incluye un algoritmo basado en Pareto para implementar la selección de los mejores individuos. En primer lugar, se genera aleatoriamente una población y se evalúan las funciones objetivo clasificando a los individuos por rangos basados en la no-dominación; en segundo lugar, se realizan las operaciones de evolución diferencial sobre los individuos, generando vectores de prueba a los que se evalúan las funciones objetivo. Tanto los vectores padres como los vectores de prueba se combinan para formar una población de tamaño doble. Entonces, la población resultante se clasifica y se calcula la distancia de agrupamiento, y los mejores individuos se seleccionan basándose en su rango y su distancia de agrupamiento (el número de los mejores individuos coincide con el de la población inicial). Estos individuos actúan como los vectores padres de la siguiente generación. Basu [307] y Wu et al. [308] han utilizado el MODE para resolver el problema EED.  Optimización Multi Objetivo por Enjambre de Partículas (Multi Objective Particle Swarm Optimization, MOPSO) Los enfoques de inteligencia de enjambre se han desarrollado para los problemas multiobjetivo [309 - 311]. En particular, en el MOPSO, el mejor global (hacia el que las partículas se acercan mientras se explora el espacio de búsqueda) cambia después de un número determinado de pasos del método PSO, a un punto seleccionado heurísticamente del frente de no dominados emergente. El método de selección está diseñado para enfatizar las regiones de baja densidad, por lo tanto, al mismo tiempo mantener la diversidad. El algoritmo también cuenta con un operador de mutación y un mecanismo dinámico de gestión del frente de Pareto basado en cuadrículas [311]. Son varios los autores [312 - 316] que han usado este algoritmo para resolver el problema EED.  Optimización Multi Objetivo por Enjambre de Hormigas Caótico (Multi-objective Chaotic Ant Swarm Optimization, MOCASO) Este método se basa en el denominado “Chaotic Ant Swarm Optimization” (CASO), que se inspira en el comportamiento caótico de individuos hormiga y las acciones de organización inteligentes de una colonia. En el MOCASO se utiliza la dominancia de Pareto para poder manejar los problemas multiobjetivos y técnicas de lógica difusa, además de compartición de aptitud y perturbación del factor de turbulencia para obtener mejores resultados de convergencia y diversidad en los individuos factibles. También se incorporan mecanismos de atracción global y archivo de las soluciones no dominadas encontradas, que hacen que el método converja hacia soluciones factibles no dominadas globales. Cai et al. [317] han usado este algoritmo para resolver el problema EED.  Algoritmo Evolutivo Multi Objetivo Basado en Descomposión (Multi Objective Evolutionary Algorithm Based on Descomposition, MOEA/D) Este algoritmo consiste en aplicar el método de descomposición al algoritmo evolutivo para problemas multiobjetivos. Se resuelve el problema de la aproximación de la frontera de Pareto descomponiendo explícitamente el problema multiobjetivo en una serie de subproblemas de optimización de objetivos escalares individuales. Estos subproblemas son entonces optimizados 5. Estado del arte 131 simultáneamente y colaborativamente para la población de soluciones utilizando un algoritmo evolutivo. Este algoritmo se ha utilizado en [318, 319] para resolver el problema EED.  Alimentación de Bacterias con Ordenación de No-dominados (Non-dominated Sorting Bacteria Foraging, NSBF) Este método está basado en una técnica de optimización monoobjetivo llamada Algoritmo de Optimización de Alimentación de las Bacterias (Bacteria Foraging Optimization Algorithm, BFOA) [320]. En éste, una bacteria individuo de E. coli en un entorno de alimentación toma las medidas necesarias para minimizar la energía utilizada por unidad de tiempo gastado en búsqueda de alimento, teniendo en cuenta todas las limitaciones presentadas por su propia fisiología, como la detección y las capacidades cognitivas y el medio ambiente. Esta estrategia de búsqueda de alimento natural puede conducir a la optimización y esto constituye la base teórica de BFOA. En el método mejorado NSBF se ha adaptado el BFOA para la resolución de problemas multiobjetivo EED con un procedimiento de clasificación de soluciones no-dominadas para la búsqueda de un mejor frente de Pareto óptimo. Pandi et al. [321] ha utilizado el NSBF para resolver el problema EED.  Optimización de Apareamiento de la Abeja de la Miel (Honey Bee Mating Optimization, HBMO) Este método se basa en el comportamiento de las abejas en su apareamiento y fue propuesta por Bozorg Haddad et al. [322]. La abeja es un insecto social que solo puede sobrevivir como un miembro de una comunidad o colonia. Una colonia de abejas normalmente consiste en una sola reina de larga vida, varios miles de zánganos (dependiendo de la temporada) y los trabajadores; todos forman una gran familia de abejas que viven en una colmena. La reina es el miembro más importante de la colmena, porque ella es la que mantiene la colmena y va produciendo nuevas reinas y abejas obreras. El papel de los zánganos es aparearse con la reina. Un vuelo de apareamiento comienza con una danza realizada por la reina que luego inicia un vuelo de apareamiento durante el cual los zánganos siguen a la reina y se aparean con ella en el aire. Al inicio del vuelo, la reina se inicializa con un cierto contenido de energía y vuelve a su nido cuando su energía se encuentra dentro de un umbral de cero o cuando su bolsa de esperma está llena. En el desarrollo del algoritmo, la funcionalidad de los trabajadores se limita a cuidado de las crías, y por lo tanto, cada trabajador puede representarse como una heurística que actúa para mejorar y/o cuidar de un conjunto de crías. La técnica HBMO estándar tiene un mecanismo flexible y equilibrado para mejorar las capacidades globales y locales de exploración. La principal desventaja del algoritmo es el hecho de que puede perder el óptimo y no es suficientemente fuerte para maximizar la capacidad de explotación y proporcionar una solución óptima cerca de un período de tiempo de ejecución limitado. En otras palabras, depende en gran medida del ajuste de sus parámetros y a menudo sufre el problema de estar atrapado en óptimos locales, de manera que la convergencia es prematura. Este algoritmo se ha utilizado en [323, 324] para resolver el problema EED. Ali Ghasemi [325] desarrolló una variación del algoritmo HBMO, denominado “Interactive Honey Bee Mating Optimization” (IHBMO), con el fin de mejorar el rendimiento y las deficiencias encontradas en aquel. Esta técnica es un algoritmo evolutivo híbrido que combina la potencia de los algoritmos genéticos, la gravitación universal y el recocido simulado. Su objetivo es mejorar la búsqueda global y ayudar a las abejas a converger hacia el óptimo global en el proceso de búsqueda. Además, tiene una mayor tasa de convergencia debido a que hace procesos de exploración y explotación conjuntamente de manera eficiente. Este método introduce el concepto de la gravitación universal en la consideración del afecto entre zánganos y la abeja reina en una colonia de abejas de miel. En otras palabras, mediante el empleo de la ley de Newton de la gravitación universal, se explotan las gravitaciones universales entre la abeja reina y los zánganos seleccionados. De esta Referencias 234 [348] Homaifar A., Lai S. H. Y. and Qi X. “Constrained optimization via genetic algorithms”, Simulation, 62, 242254, 1994. [349] Kuri Morales A. and Quezada C. C. “A Universal eclectic genetic algorithm for constrained optimization”, Proceedings 6th European Congress on Intelligent Techniques & Soft Computing, EUFIT'98, 518-522, 1998. [350] Joines J. and Houck C. “On the use of non-stationary penalty functions to solve non-linear constrained optimization problems with Gas”, Proceedings of the First IEEE International Conference on Evolutionary Computation, IEEE Press, 579-584, 1994 [351] Kazarlis S. and V. Petridis, “Varying fitness functions in genetic algorithms: studying the rate of increase in the dynamic penalty terms”, Proceedings of the 5th International Conference on Parallel Problem Solving from Nature, Berlin, Springer Verlag, 211-220, 1998. [352] Michalewicz Z. and Attia N. “Evolutionary optimization of constrained problems”, Proceedings of the Third Annual Conference on Evolutionary Programming, World Scientific, 98-108, 1994. [353] Hadj-Alouane A.B. and Bean J.C. “A Genetic algorithm for the multiple-choice integer program”, Operations Research, 45, 92-101, 1997. [354] Le Riche R., Knopf-Lenior C. and Haftka R. T. “A Segregated genetic algorithm for constrained structural optimization”, Proceedings of the Sixth International Conference on Genetic Algorithms, Morgan Kaufmann, 558-565, 1995. [355] Coello C. A. C. “Use of a self-adaptive penalty approach for engineering optimization problems”, Computers in Industry, 41, 113-127, 2000. [356] Michalewicz Z. and Janikow C., “Handling Constraints in Genetic Algorithms”, Proceedings of the Fourth ICGA, Morgan Kaufmann, 1991, pp.151-157. [357] Schoenauer M. and Michalewicz Z. “Evolutionary computation at the edge of feasibility”, Proceedings of the Fourth International Conference on Parallel Problem Solving from Nature, Springer Verlag, 22-27, 1996. [358] Schouenauer M. and Xanthakis S. “Constrained GA optimization”, Proceedings of the Fifth International Conference on Genetic Algorithms, Morgan Kaufmann, 473-580, 1993. [359] Powell D. and Skolnick M. M. “Using genetic algorithms in engineering design optimization with non-linear constraints”, Proceedings of the Fifth International Conference on Genetic Algorithms, Morgan Kaufmann, 424-430, 1993. [360] Deb K. “An Efficient constraint handling method for genetic algorithms”, Computer Methods in Applied Mechanics and Engineering, 186, 311-338, 2000. [361] Michalewicz Z. and Nazhiyath G. “GENOCOP III: A Co-evolutionary algorithm for numerical optimization problems with nonlinear constraints”, Proceedings of the Second IEEE International Conference on Evolutionary Computation, IEEE Press, 647-651, 1995. [362] Koziel S. and Michalewicz Z. “Evolutionary algorithms, homomorphous mapping and constrained parameter optimization”, Evolutionary Computation, 7, 19-44, 1999. [363] Byron S. Gottfried and Joel Weisman, “Introduction to Optimization Theory”, Prentice Hall, Englewood Cliffs, NJ, 1973 [364] Parmee I. C., Purchase G.: “The development of a directed genetic search technique for heavily constrained design spaces”. In Parmee, I.C., ed.: Adaptive Computing in Engineering Design and Control-’94, Plymouth, UK, University of Plymouth (1994) 97–102 [365] Zitzler E., Thiele L.: “Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach”. IEEE Transactions on Evolutionary Computation 3(4) (1999) pp. 257–271. Referencias 235 [366] Efrén Mezura-montes, Carlos A. Coello Coello. “A Survey of Constraint-Handling Techniques Based on Evolutionary Multiobjective Optimization”. In Workshop paper at PPSN. Oct. 2006. [367] Surry P. D., Radcliffe N. J.: “The COMOGA Method: Constrained Optimisation by Multiobjective Genetic Algorithms”. Control and Cybernetics 26(3) (1997) 391–412 [368] C. Yasar and S. Özyön, “Solution to scalarized environmental economic power dispatch problem by using genetic algorithm,” Int. J. Elec. Power, vol. 38, pp. 54–62, 2012. [369] S. Özyön, H. Temurtas, B. Durmus and G. Kuvat, “Charged system search algorithm for emission constrained economic power dispatch problem,” Energy, vol. 46, pp. 420–430, 2012. [370] Y. Labby and D. B. Attous, “Environmental/economic power dispatch using a hybrid big bang–big crunch optimization algorithm,” Int. J. Syst. Assur. Eng. Manag., vol. 5, no. 4, pp. 602–610, Dec. 2014. [371] A. J. Wood, B. F. Wollenberg, “Economic dispatch of thermal units and methods of solution,” in Power Generation, Operation and Control, 2nd ed. New York: John Wiley & Sons, 1996, ch. 3, pp. 29-90. [372] O. Abedinia, N. Amjady and M. S. Naderi, “Multi-objective environmental/economic dispatch using firefly technique,” in Proc. EEEIC, Venice, IT, 2012, pp. 461–466. [373] B. B. Pal and M. Kumar, “A revised multi-choice goal programming framework for economic-environmental power generation and dispatch problem,” Procedia Technol., vol. 10, pp. 637–645, 2013. [374] A. A. Abou El Ela, M. A. Abido and S. R. Spea, “Differential evolution algorithm for emission constrained economic power dispatch problem,” Elect. Power Syst. Res., vol. 80, no. 7, pp. 1286–1292, 2010. [375] Y. Zhang, D. W. Gong and Z. Ding, “A bare-bones multi-objective particle swarm optimization algorithm for environmental/economic dispatch”. Inf. Sci., vol. 192, pp. 213–227, 2012. [376] D. W. Gong, Y. Zhang and C. L. Qi, “Environmental/economic power dispatch using a hybrid multi-objective optimization algorithm”. Int. J. Electr. Power Energy Syst., vol. 32, pp. 607–614, 2010. [377] H. Mohammadian Bisheh, A. Rahimi Kian and M. M. Seyyed Esfahani, “Solving environmental/economic power dispatch problem by a trust region based augmented lagrangian method,” IJEEE, vol. 8, no. 2, Jun 2012. [378] M. S. Osmana, M. A. Abo-Sinnab and A. A. Mousab, “An ε-dominance-based multiobjective genetic algorithm for economic emission load dispatch optimization problem,” Elect. Power Syst. Res., vol. 79, pp. 1561–1567, 2009. [379] R. Kumar, A. Sadu, R. Kumar and S. K. Panda, “A novel multi-objective directed bee colony optimization algorithm for multi-objective emission constrained economic power dispatch,” Int. J. Electr. Power Energy Syst., vol. 43, pp. 1241–1250, 2012. [380] P. H. Chen, H. C. Chen, F. J. Wu, L. M. Chen and A. Liu, “Environmental protection power dispatch for modern power system,” IJESD, vol. 4, no. 5, Oct 2013. [381] S. Sivasubramani and K.S. Swarup, “Environmental/economic dispatch using multi-objective harmony search Algorithm,” Electr. Power Syst. Res., vol.81, pp. 1778–1785, 2011. [382] M. A. Abido, “Multiobjective evolutionary algorithms for electric power dispatch problem,” in Computational Intelligence: Collaboration, Fusion and Emergence, C. L. Mumford and L. C. Jain, Eds. Berlin/Heidelberg: Springer-Verlag, 2009, ch. 3, pp. 47–82. [383] U. Sapra, “Solving Combined Economic and Emission Dispatch using Cuckoo Search,” IJETT, vol. 4, no. 6, Jun 2013. [384] N. Mishra and M. Pandit. (2013, Mar) Environmental/economic power dispatch problem using particle swarm optimization, IJECSE 2 (2), pp. 512–519. Available: http://www.ijecse.org/wp-content/uploads/2013/03/ Volume-2Number-2PP-512-519x.pdf Referencias 236 [385] O. Abedinia, N. Amjadi, K. Kiani, H.A. Shayanfar, A. Ghasemi. “Multiobjective environmental and economic dispatch using imperialist competitive algorithm,” IJTPE, vol.4, no. 2, pp. 63-70, 2012. [386] B. Galván, B. González, S. Alonso, M. Cruz and G. Winter. “Economic dispatch optimization in electric power systems by a flexible evolution agent”. In: “Evolutionary Algorithms and Intelligent Tools in Engineering Optimization”. W. Annicchiarico, J. Périaux, M. Cerrolaza and G. Winter (Eds), CIMNE y WIT Press, pp. 248‐267. ISBN 1‐84564‐038‐1 (2005). [387] Walters D. C., Sheble G.B.”Genetic algorithm solution of economic dispatch with valve point loading”. IEEE Trans Power Syst 1993; 3:1325–32. [388] Kumar S., Naresh R.”Efficient real coded genetic algorithm to solve the non-convex hydrothermal scheduling problem. Int. J. Electr. Power E. Syst. 29, 738–747 (2007). [389] Alsumait J. S., Sykulski J. K., Al-Othman A. K. “A hybrid GA–PS–SQP method to solve power system valvepoint economic dispatch problems”. Appl. Energy 2010; 87(5):1773–81. [390] Rasoul Azizipanah-Abarghooee, Taher Niknam, Mohsen Zare, Masihallah Gharibzadeh. “Multi-objective short-term scheduling of thermoelectric power systems using a novel multiobjective θ-improved cuckoo optimisation algorithm”. IET Gener. Transm. Distrib., 2014, Vol. 8, Iss. 5, pp. 873–894 [391] D. K. Chaturvedi, S. Kumar. “Solution to Electric Power Dispatch Problem Using Fuzzy Particle Swarm Optimization Algorithm”. J. Inst. Eng. India Ser. B (January–March 2015) 96(1):101–106 [392] Kuntal Bhattacharjee, Aniruddha Bhattacharya, Sunita Halder nee Dey. “Solution of Economic Emission Load Dispatch problems of power systems by Real Coded Chemical Reaction algorithm”. Electrical Power and Energy Systems 59 (2014) 176–187. [393] Babak Jeddi, Vahid Vahidinasab. “A modified harmony search method for environmental/economic load dispatch of real-world power systems”. Energy Conversion and Management 78 (2014) 661–675. [394] K. Balamurugan, R. Muralisachithnndam and Sandeep R. Krishnan. “Differential Evolution Based Solution for Combined Economic and Emission Power Dispatch with Valve Loading Effect”. International Journal on Electrical Engineering and Informatics ‐ Volume 6, Number 1, March 2014. [395] G. Kron, “Tensorial analysis of integrated transmission systems; Part II. Off-nominal turn ratios”, Power Apparatus Syst. III. Trans. Amer. Inst. Elect. Eng., vol. 71, pp. 505–512, 1952. [396] Bunn D. W., Paschentis S. N. “Development of a Stochastic Model for the Economic Dispatch of Electric Power. European Journal of Operational Research 27 (1986) 179-191. [397] Dhillon J. S., Parti S. C., Kothari D. P. “Stochastic Economic Emission Load Dispatch”. Electric Power Systems Research, 26 (1993) 179-186 [398] Dhillon J. S., Parti S. C., Kothari, D. P. “Multiobjective Decision Making in Stochastic Economic Dispatch”. Electric Machines and Power Systems, 23 (1995) 289-301. [399] Bath S. K., Dhillon J. S., Kothari D. P. “Fuzzy Satisfying Stochastic Multi-Objective Generation Scheduling by Weightage Pattern Search Methods”. Electric Power Systems Research 69 (2004) 311-320. [400] Chariklia A. Georgopoulou, Kyriakos C. Giannakoglou. “Two-level, two-objective evolutionary algorithms for solving unit commitment problems”. Applied Energy 86 (2009) 1229–1239. [401] Masters G. M. “Renewable and efficient electric power systems”. John Wiley & Sons; 2005. [402] Chedid R., Akiki H., Rahman S. “A decision support technique for the design of hybrid solar-wind power systems. IEEE Transactions on Energy Conversion 1998;13(1):76-83. [403] DeMeo E. A., Grant W., Milligan M. R., Schuerger M.J. “Wind plant integration: costs, status, and issues”. IEEE Power & Energy Magazine 2005; 3(6):38-46. Referencias 237 [404] Hetzer J., Yu D. C., Bhattarai K. “An economic dispatch model incorporating wind power”. IEEE Transactions on Energy Conversion 2008; 23(2):603-11. [405] Zhao X. L., Wu L. L., Zhang S.F. “Joint environmental and economic power dispatch considering wind power integration: empirical analysis from Liaoning Province of China”. Renewable Energy 2013; 52:260-5. [406] Jingliang Jin, Dequn Zhou, Peng Zhou, Zhuang Miao. “Environmental/economic power dispatch with wind power”. Renewable Energy 71 (2014) 234-242 [407] G. Tina, S. Gagliano, S. Raiti, “Hybrid solar/wind power system probabilistic modelling for long-term performance assessment”, Solar Energy 80 (2006) 578–588. [408] REAL DECRETO 7387/2015, de 31 de julio, por el que se regula la actividad de producción de energía eléctrica y el procedimiento de despacho en los sistemas eléctricos de los territorios no peninsulares; publicado en BOE núm. 183, de 1 de agosto de 2015; referencia BOE-A-2015-8646.