USO DE MODELOS

PRESENTACION GENERAL

Motivacin para el uso de Modelos

Seres humanos toman decisiones subjetivas todo el tiempo: todos

tenemos nuestras preferencias

Esto significa que difcilmente, sobretodo en un ambiente donde las

decisiones son complejas e involucran muchos aspectos, somos capaces de repetir un conjunto de decisiones y obtener las mismas conclusiones
Este es el caso de la programacin de la operacin de sistemas elctricos
Como consecuencia, no existe garanta de la reproductibilidad de los

resultados de una programacin manual

Este aspecto presenta una dificultad para la realizacin de una auditora de la programacin de la operacin

Motivacin para el uso de Modelos

Adems, la sola experiencia del operador tampoco asegura

que el despacho sea transparente y reproducible

Esto es malo, pues en muchos pases un ambiente donde una empresa estatal vertical era responsable por la produccin, transporte y distribucin de energa fue remplazado por otro competitivo en los dos primeros segmentos y servicio regulado en el tercer segmento, sobretodo despus de diversas reformas en los sectores elctricos

As una decisin basada en la subjetividad del operador tiene el peligro potencial de generar una cadena de reclamos de los agentes que se consideren econmicamente perjudicados
A cada da la amenaza de reclamos se renueva

Motivacin para el uso de Modelos

Un modelo computacional, a su vez, al aplicar un conjunto de

reglas establecidas en los reglamentos operativos no tiene preferencias

Son totalmente racionales Garantizan que los resultados sean reproducibles (es decir, para las mismas entradas se obtienen las mismas salidas) Por lo tanto, en un ambiente de competencia, donde participan diversos agentes, el uso de modelos es aconsejable debido a que ellos garantizan la transparencia del proceso logrando que los agentes confen en los resultados. Pueden ahorrar costos y optimizar recursos

Transicin al empleo de Modelos

El punto de partida es una recopilacin de los datos y un

ajuste en los parmetros

Los resultados iniciales en general tienen baja calidad y no se

adecuan a la realidad prctica de la entidad responsable de la operacin

En esta fase, antes de rechazar el modelo (opcin frecuente) se deben analizar las causas por las que se obtienen malos resultados En general al hacer estos anlisis se detectan los errores o fallas en el manejo de los datos

A lo largo de este proceso se gana confianza en el modelo, pues una vez identificado y corregido un problema de datos, los resultados del modelo cambian favorablemente
5

Transicin al empleo de Modelos

Con frecuencia tambin, en esta fase inicial los resultados no

reproducen la prctica - no por un error en algn dato o por mala comprensin - pero porque efectivamente falta una pieza en el modelo
Ejemplo: falta alguna restriccin operativa, etc. En estos casos, se torna necesario personalizar el modelo para aadir esta pieza Al agregar este elemento, se avanza un poco ms en la bsqueda de resultados coherentes Nuevamente, es necesario un poco de paciencia para afinar el modelo en lugar de rechazarlo de inmediato

Transicin al empleo de Modelos

En algunos casos los nuevos requerimientos identificados

pueden ser utilizados por usuarios en otros sistemas

En otros casos, slo se aplican a un sistema en particular
Un ejemplo son los modelos desarrollados por PSR que se actualizan peridicamente haciendo que los requisitos comunes estn disponibles para todos los usuarios mientras que los requisitos especficos quedan disponibles solamente para los usuarios interesados por medio de parmetros especiales Slo existe una nica versin de estos modelos

Transicin al empleo de Modelos

Una vez vencida esta fase, con frecuencia el modelo puede

proporcionar resultados no imaginados por el operador

La razn es que el modelo implcitamente investiga en su

proceso de optimizacin millones de combinaciones de plantas que se deben despachar para atender la demanda de manera econmica y segura
La solucin encontrada puede no ser trivial ni intuitiva desde

el punto de vista del operador

Este hecho, si se confirma, es una seal para obtener menores costos operativos

CALIBRACION MODELO
INGRESO DE DATOS

PROCESE EL MODELO CORRIJA DATOS ANALISIS DE RESULTADOS

MODELO CORREGIDO CONSULTAS AL PROGRAMADOR

ERROR EN DATOS

TODO BIEN?

ERROR EN PROGRAMA

SI

MODELO CALIBRADO SATISFACTORIAMENTE

Optimizacin (1/2)
Otro motivo para el empleo de un modelo computacional es

aprovechar el enorme avance en la capacidad de procesamiento de las computadores y el enorme avance en tcnicas matemticas de optimizacin combinatoria
En los ltimos aos, en promedio los dos recursos (maquinas y tcnicas matemticas) se han incrementado 30% por ao La programacin en nube explora el procesamiento en paralelo con lo que las posibilidades se amplan aun ms

10

Optimizacin (2/2)
Reduccin de costos operativos de hasta 0,5% son tpicos Como el sector elctrico mueve muchos recursos, esto

implica economas de millones de dlares al ao

El avance en la capacidad computacional tambin permite

que el modelo matemtico del sistema elctrico se aproxime cada vez ms del mundo real
Cada vez se incluyen ms variables y restricciones en la formulacin del modelo que hacen que las diferencias entre el modelo matemtico y la realidad sean cada vez menores En el futuro como en las pelculas de ficcin cientfica ya no existirn diferencias entre el modelo y la realidad

11