Artículo Académico / Academic Paper
Recibido: 31-10-2021, Aprobado tras revisión: 18-01-2022
Forma sugerida de citación: Arias D., Gavela, X. Intriago, W. (2021). “Subastas de recursos energéticos distribuidos para Empresas
Eléctricas de Distribución” Revista Técnica “energía”. No. 18, Issue II, Pp. 85-90
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2022 Operador Nacional de Electricidad, CENACE
Auctions for Distributed Energy Resource for Electric Utilities
Subastas de Recursos Energéticos Distribuidos para Empresas Eléctricas de
Distribución
D. Arias
1
P. Gavela
2
W. Intriago
3
1
Universidad Tecnológica Centroamericana (UNITEC), Facultad de Postgrado, Departamento de Maestría en
Gestión de Energías Renovables, San Pedro Sula, Honduras, 21101, Universidad Técnica de Cotopaxi
E-mail: diego.arias@unitec.edu, diego.arias9130@utc.edu.ec
2
Escuela Politécnica Nacional
E-mail: ximena.gavela@epn.edu.ec
3
Agencia de Regulación y Control de Energía
E-mail: edison.intriago@controlrecursosyenergia.gob.ec
Abstract
This article proposes a methodology to auction
distributed generation projects, based on the
solution of a simplified mixed-integer optimization
problem (MILP- Mixed-integer linear programming -
MILP) that assigns the accepted projects for their
incorporation in the Companies of Distribution
(ED).
The optimization problem selects the optimal
projects by activating a binary variable, which
considers as a restriction the maximum capacity of
energy and power pre-established for the auction
process, based on previous planning. For this
purpose, an application (APP) with a graphical
interface is also developed that facilitates the user to
enter data and analyze the results.
Resumen
En este artículo se propone una metodología para la
subasta de proyectos de generación distribuida, con
base a la solución de un problema de optimización
entero mixto (Mixed-integer linear programming -
MILP) simplificado que asigna los proyectos
aceptados para ser incorporados en las Empresas de
Distribución (ED).
El problema de optimización selecciona los
proyectos óptimos mediante la activación de una
variable binaria, que considera como restricción la
capacidad máxima de energía y potencia
preestablecida para el proceso de subasta, con base
a una planificación previa. Para el efecto se
desarrolla además una aplicación (APP) con interfaz
gráfica que facilita al usuario el ingreso de datos y el
análisis de resultados.
Index terms
Auctions, Tenders, Energy Resources
Distributed (DER), Distributed Generation, MILP.
Palabras clave
Subastas, Licitaciones, Recursos de
Generación Distribuida, Generación Distribuida,
MILP.
85
Edición No. 18, Issue II, Enero 2022
1. INTRODUCCIÓN
Durante los últimos años, la planificación de la
expansión de los sistemas eléctricos viene evolucionando
y experimentando cambios, que se reflejan en nuevas
formas de expansión y que constituyen un reto
importante para los planificadores, quienes no solo deben
considerar el desarrollo de grandes proyectos de
generación, sino también la incorporación de generación
de pequeña escala embebida en las redes de distribución,
con el objetivo de dar solución a problemas puntuales que
surgen de estos sistemas, como por ejemplo, el control de
niveles de voltaje, reducción de pérdidas técnicas, la
atención de usuarios alejados, entre otros [1]–[4].
Dentro de las consideraciones más aceptadas por
diversos autores sobre la Generación Distribuida (GD) se
tiene que [5][6]:
La producción de electricidad se realiza con
instalaciones que son suficientemente pequeñas en
relación con las grandes centrales de generación, de
forma que se puedan conectar casi en cualquier
punto de un sistema eléctrico y que no están sujetas
a despacho centralizado; y,
La potencia de las instalaciones es reducida,
comúnmente por debajo de 1000 kW, aunque se
pueden manejar capacidades mayores.
Estos dos aspectos, no son temas menores, sino que
justamente son los aspectos que imponen los mayores
retos a los planificadores, quienes no solo deben evaluar
desde el ámbito técnico las implicaciones técnicas y
económicas que conlleva la incorporación de GD, sino
también, dentro del enfoque descentralizado, determinar
el modelo regulatorio para la habilitación de este tipo de
generación, así como las condiciones comerciales y
operativas para su participación, con el fin aprovechar de
manera óptima todos los beneficios técnicos, económicos
y ambientales que representa esta generación para el
sector eléctrico de cualquier país.
A nivel internacional se han desarrollado diversos
estudios relacionados con criterios para toma de
decisiones sobre la expansión de GD; dentro de estado
del arte destacan trabajos como el de [7] y [8], quienes
proponen el mecanismo Vickrey-Clark-Groves (VCG)
para la asignación de GD, bajo el criterio del beneficio
social, lo cual permite abordar aspectos importantes que
enfrenan los promotores de proyectos de GD, como la
incertidumbre de los costos, dado que modelos los
comerciales a menudo buscan proteger al usuario de las
implicaciones económicas dadas por la complejidad
técnica detrás de tecnologías, así como de las estrategias
de licitación.
Dentro de este contexto, queda en evidencia la
necesidad de desarrollar mecanismos simplificados o al
menos complejos de asignación de GD. En este sentido,
se identifica la potencialidad del mecanismo de subastas
para la incorporación de nuevos proyectos, ya que las
mismas pueden ser evaluadas con distintos criterios, que
hoy en día remplazan a mecanismos que se usaron en
etapas incipientes del desarrollo de la energía renovable,
como el del Feed-in tariff (FIT), que constituyó un
importante subsidio para las tecnologías renovables en
diferentes países del mundo [9]–[12].
Dentro de los beneficios de las subastas, se identifica
el fomento de una mayor penetración de GD con energía
renovable, bajo un proceso competitivo que ayuda a
reducir o descubrir los costos reales de la energía de los
proyectos licitados [13]. Las subastas impulsan la
competencia entre los licitadores, que pueden ser
productores o consumidores. Para un productor, dentro
de su función de ganancia está el beneficio que resulta
del precio, la cantidad de electricidad vendida en la
subasta y los costos de producirla. Los costos son
diferentes para cada productor y dependen del tipo de
central eléctrica: la eficiencia de las centrales eléctricas y
los precios del combustible y otros factores de entrada
son información privada [14][15].
No obstante, la decisión sobre la capacidad y precio
óptimo de este tipo de generación no es una tarea sencilla,
sino que requiere de la implementación de un proceso
sistematizado de análisis que ayude al planificador a
tomar la decisión sobre los proyectos de GD que se
implementarán, de lo contrario una mala decisión sobre
la incorporación de GD sin ningún criterio generaría más
problemas de los que se busca resolver.
Bajo estos antecedentes, en este artículo se analiza una
metodología completa para el proceso de subasta de
proyectos de generación distribuida, dentro del cual se
incluye la solución de un problema optimización entero
mixto (Mixed-Integer Linear Programming - MILP)
simplificado que toma la decisión sobre la subasta de
proyectos de GD con tecnologías neutras a ser
incorporados en las Empresas de Distribución (ED). Se
desarrolla además una aplicación (APP) con interfaz
gráfica que facilita al usuario el ingreso de datos y el
análisis de resultados.
Para el efecto el documento se ha estructurado de la
siguiente manera: En la sección II se presenta la
formulación matemática del modelo de optimización
MILP, la sección III muestra la metodología aplicada, en
la sección IV se presenta el caso de estudio y análisis de
resultados. En la sección V se presentan las conclusiones
del trabajo.
2. FORMULACIÓN MATEMÁTICA
La formulación matemática del problema para la
selección óptima de los proyectos que serán subastados
como proyectos de GD, se ajusta a un problema de
optimización lineal entero-mixto (Mixed-Integer Linear
Programming - MILP), cuya función objetivo es la
minimización de la sumatoria de los bloques de energía
y precios por la energía de cada proyecto "𝑖" asociado a
una variable binaría 𝑥
.
86
Arias et al. /Subastas de recursos energéticos distribuidos para Empresas Eléctricas de Distribución
Las restricciones (2) y (3) representan los límites
máximos en energía 𝐸𝐷
y potencia 𝑃
que la
distribuidora dispone para el proceso de subasta.
Función Objetivo:
𝑚𝑖𝑛
𝐵𝐸
𝑃𝑒
𝑥
(1)
Sujeto a:
𝐵𝐸
∙
𝑥
≥
𝐸𝐷
Restricción Energética
(2)
𝑃
∙
𝑥
≥
𝑃
Restricción de Potencia
(3)
𝑃𝑒
≤
𝑃𝑚
∀
𝑃𝑒
…
Restricción de Precio
(4)
La restricción (4) evita que proyectos que superen un
precio máximo (price cap) resulten seleccionados.
Los bloques de energía se calculan considerando el
factor de planta de cada tecnología y el número de horas
en el año.
𝐵𝐸
=
𝑃
∙
𝑓𝑝
∙
8760
(5)
Donde:
𝐵𝐸
𝑖
Bloques de energía de proyecto
𝑖
[
𝑀𝑊
ℎ
]
𝑃𝑒
𝑖
Precio de energía para proyecto
𝑖
[
$
𝑈𝑆𝐷
/
𝑀𝑊
ℎ
]
𝑥
𝑖
Variable binaría para selección de proyectos
𝑖
(
0
−
1
)
𝑃
𝑖
Potencia de cada proyecto
𝑖
[
𝑀𝑊
]
𝐸𝐷
𝑚𝑎𝑥
Energía máxima de la Empresa Distribuidora (ED)
definida previamente a la subasta
[
𝑀𝑊
ℎ
]
𝑃
𝑚𝑎𝑥
Capacidad máxima de potencia de la Distribuidora
definida a considerar en la subasta
[
𝑀𝑊
]
𝑃𝑟
Cantidad de proyectos considerados en la subasta
𝑓𝑝
𝑖
Factor de planta de proyecto
𝑖
8760
Horas en el año
𝑃𝑚
Precio máximo (Price Cap)
[
$
𝑈𝑆𝐷
/
𝑀𝑊
ℎ
]
3. METODOLOGÍA
3.1. Premisas consideradas para la Subasta
La metodología considera las siguientes premisas para
la subasta:
Los proyectos de generación distribuida tendrán
despacho preferente (auto despachadas).
Durante el desarrollo del proceso de subasta, se
requiere definir por la entidad responsable del
proceso, la capacidad máxima autorizada, en
potencia y energía, para la licitación de proyectos.
La empresa distribuidora debe definir la
capacidad máxima autorizada, en potencia y
energía, para la licitación de proyectos.
Se tiene una fecha prestablecida para la subasta,
en la cual ya se tendrán disponibles los proyectos
calificados para el proceso.
El tipo de subasta considerada es del tipo neutra,
es decir podrán competir entre diferentes
tecnologías de generación.
El ente rector, regulador o entidad que se designe
definirá un “Price Cap” de la subasta.
3.2. Proceso de Subasta
Considerando las premisas del numeral anterior se
establece el procedimiento en la Fig. 1.
Figura 1. Procedimiento de Subasta
En la evaluación técnica la Empresa Distribuidora
realizará los análisis para verificar si el proyecto de GD
tiene algún impacto que impida su conexión en el PCC
(Point of Common Coupling). Generalmente los estudios
verifican: capacidad de cortocircuito, capacidad de
corriente, niveles y balance de voltaje.
En la evaluación económica se verificará que los
proyectos ofertados tengan un precio menor al Price Cap
definido previamente.
Figura 2. Price Cap
Los proyectos que cumplan la evaluación técnica y
económica están calificados para participar en el proceso
de subasta con el problema de optimización. Como
resultado del MILP se obtiene las variables binarias que
indican los proyectos seleccionados.
3.3. Metodología para el Problema de Optimización
para Subasta
Los pasos para la solución del problema de
optimización se presentan en la Tabla 1.
.
87
Edición No. 18, Issue II, Enero 2022
Tabla 1: Pasos para proceso de optimización para selección de
Proyectos
Paso 1
Las opciones de proyectos de GD a subastar, se reduce a
los proyectos previamente calificados técnica y
económica
Paso 2
Considerar límites máximos para restricciones,
derivadas de la planificación del sector eléctrico:
Precio máximo
Energía Máxima de la ED
Capacidad Máxima de Potencia de la ED
Paso 3
Adquirir datos del paso 1 y 2 para el problema de
Optimización MILP
Paso 4
Problema de Optimización MILP
Paso 5
Obtener resultados: proyectos seleccionados por el
problema MILP.
En la Fig. 3 se muestra la interfaz que se usa para la
toma de datos de Excel, problema de optimización MILP
e interfaz gráfica mediante un aplicativo en el software
Matlab.
Figura 3. Proceso de interfaz
4. CASO DE ESTUDIO Y ANÁLISIS DE
RESULTADOS
4.1. Caso de Estudio
El caso de estudio se conforma de 15 proyectos
menores a 5 MW, los cuales fueron calificados, y pasaron
las pruebas con las características mostradas en la Tabla
2.
Al sumar la potencia y energía de todos los proyectos
que calificaron para participar en la subasta se obtiene los
valores de la Tabla 3.
Tabla 3: Potencia y energía total ofertada por los proyectos
Tabla 2: Datos de los Proyectos calificados
Proyectos
Potencia
de los
Proyectos
[MW]
Factor
de
Planta
[%]
Energía
Anual
[MWh]
Precios
de
Energía
ofertada
[USD
/MWh]
Proyecto 1 0.9 80% 6307.2 56
Proyecto 2 5.0 70% 30660 60
Proyecto 3 0.8 20% 1401.6 40
Proyecto 4 3.0 80% 21024 105
Proyecto 5 0.7 40% 2452.8 50
Proyecto 6 4.0 75% 26280 55
Proyecto 7 0.9 30% 2365.2 70
Proyecto 8 5.0 65% 28470 65
Proyecto 9 0.5 40% 1752 45
Proyecto 10 4.0 85% 29784 80
Proyecto 11 0.4 18% 630.72 100
Proyecto 12 2.0 70% 12264 110
Proyecto 13 3.0 90% 23652 120
Proyecto 14 4.5 80% 31536 70
Proyecto 15 0.8 60% 4204.8 65
Los límites de Energía y Potencia prestablecidos para la
Empresa Distribuidora que se plantean en el caso de
estudio son los mostrados en la Tabla 4:
Tabla 4: Límites máximos del problema
En la Fig. 4 se muestra los datos en el aplicativo
creado en Matlab, el cual permite importar los datos
desde un archivo Excel, o pueden ser ingresados
manualmente. Mediante el botón “Resolver la subasta”
se inicia la resolución del problema de optimización
lineal entero mixto.
Figura 4. Datos en el Aplicativo de Subasta
Parámetro
Valores
∑ de Potencia ofertada por todos los proyectos [MW] 35.5
∑ de Energía ofertada por todos los proyectos [GWh] 222.784
Parámetro
Valores
Potencia máxima permitida subastar para la Empresa
Distribuidora [MW]
25
Energía máxima permitida subastar para la Empresa
Distribuidora [GWh]
150
88
Arias et al. /Subastas de recursos energéticos distribuidos para Empresas Eléctricas de Distribución
4.2. Análisis de Resultados
Los resultados obtenidos del problema de
optimización lineal entero mixto, son los mostrados en la
Tabla 5, en la cual han sido seleccionados 9 proyectos de
los 15 que fueron calificados:
Tabla 5: Resultados: Proyectos Seleccionado
Proyectos
Variable
Binaría
𝒙
𝒊
Potencia
de los
Proyectos
[MW]
Energí
a
Anual
[MWh]
Ingresos
Anuales por
Energía
[USD ]
Proyecto 1 0 0.9 0 0
Proyecto 2 1 5.0 30660 1839600
Proyecto 3 1 0.8 1401.6 56064
Proyecto 4 0 3.0 0 0
Proyecto 5 0 0.7 0 0
Proyecto 6 1 4.0 26280 1445400
Proyecto 7 1 0.9 2365.2 165564
Proyecto 8 1 5.0 28470 1850550
Proyecto 9 1 0.5 1752 78840
Proyecto 10 1 4.0 29784 2382720
Proyecto 11 1 0.4 630.72 63072
Proyecto 12 0 2.0 0 0
Proyecto 13 0 3.0 0 0
Proyecto 14 1 4.5 31536 2207520
Proyecto 15 0 0.8 0 0
La función objetivo evaluada con los resultados
obtiene una minimización de los costos de 10,089.33
MUSD. La energía y potencia total adjudicada es la
mostrada en la Tabla 6.
Tabla 6: Resultados: Potencia y Energía adjudicadas en la ED
Parámetro Valores
Potencia adjudicada para la ED[MW] 25.1
Energía adjudicada para la ED [GWh] 152.879
En la Fig. 5 se muestra los resultados en el aplicativo
APP creado en Matlab, el cual permite visualizar los
proyectos seleccionados que resultaron de la resolución
del problema de optimización lineal entero mixto
(MILP). Mediante el botón “Resolver otra subasta” se
puede reiniciar el aplicativo para otra subasta.
5. CONCLUSIONES Y RECOMENDACIONES
En este trabajo se presenta una metodología para
subastar proyectos de Generación Distribuida (GD), con
base a la solución de un problema de optimización lineal
entero mixto (MILP- Mixed-integer linear programming)
simplificado para incorporar GD en los sistemas
eléctricos de Distribución. El problema de optimización
selecciona los proyectos óptimos mediante la activación
de una variable binaria, considerando como restricción
del problema, la capacidad máxima de energía y potencia
que la Empresa Distribuidora tendría prestablecido, con
base a una planificación sistémica.
Figura 5. Resultados en el Aplicativo de Subasta
El modelo propuesto fomenta una mayor penetración
de GD con energía renovable y de forma descentralizada,
pero al ser un proceso competitivo también ayuda a
reducir los costos de la energía de los proyectos licitados.
El problema fue aplicado a un caso de estudio en el
cual se analizan los resultados y se validan los objetivos
propuestos, permitiendo seleccionar los proyectos
óptimos para el sistema, a través de un ambiente
amigable de la aplicación (APP) desarrollada con interfaz
gráfica facilita al usuario el ingreso de datos y el análisis
de resultados.
Los retos y trabajos futuros se orientan a la
incorporación de restricciones adicionales en el problema
de optimización, como la curva de demanda horaria o
curva de duración con resolución horaria, restricciones
por tecnología, restricciones de cantidad de bloques de
energía por oferente, ofertas agrupadas, entre otras.
AGRADECIMIENTOS
Se agradece a la Universidad Tecnológica
Centroamericana (UNITEC) de San Pedro Sula -
Honduras por la apertura a las cátedras y al desarrollo de
la investigación.
REFERENCIAS BIBLIOGRÁFICAS
[1] D. Arias Cazco, R. A. Robayo Vasco, and L. Ortiz
Matos, “Novel intelligent Step Voltage Regulator
89
Edición No. 18, Issue II, Enero 2022
(SVR) for residential electrical connections,” IEEE
Lat. Am. Trans., vol. 14, no. 4, pp. 1656–1661, 2016.
[2] S. J. Huang, C. W. Hsieh, and H. H. Wan,
“Confirming the permissible capacity of distributed
generation for grid-connected distribution feeders,”
IEEE Trans. Power Syst., vol. 30, no. 1, pp. 540–
541, 2015.
[3] A. Keane et al., “State-of-the-art techniques and
challenges ahead for distributed generation planning
and optimization,” IEEE Trans. Power Syst., vol. 28,
no. 2, pp. 1493–1502, 2013.
[4] J. M. Sexauer and S. Mohagheghi, “Voltage quality
assessment in a distribution system with distributed
generation-a probabilistic load flow approach,”
IEEE Trans. Power Deliv., vol. 28, no. 3, pp. 1652–
1662, 2013.
[5] IEEE Standard Association, IEEE Std. 1547-2018.
Standard for Interconnection and Interoperability of
Distributed Energy Resources with Associated
Electric Power Systems Interfaces. 2018.
[6] S. O. VELÁSQUEZ M., “GENERACIÓN
DISTRIBUIDA. EL PAPEL EN LA AMPLIACIÓN
DEL ACCESO A LA ENERGÍA,” ARIAE, p.
Capítulo 13, 1-11, 2008.
[7] T. Greve and M. G. Pollitt, “A future auction
mechanism for distributed generation,” Energy
Policy Res. Gr., no. March, pp. 1–15, 2016.
[8] J. Xu and X. He, “Design of double auction
mechanism based on social network,” IEEE Access,
vol. 8, pp. 8324–8335, 2020.
[9] L. Barroso, Y. Haffejee, T. Laabi, N. Saimi, and R.
Mitma Ramirez, “Renewable Energy Auctions in
Developing Countries,” IRENA, pp. 1–52, 2013.
[10] IRENA - International Renewable Energy Agency,
“Renewable Energy Auctions,” IRENA, 2017.
[11] International Renewable Energy Agency (IRENA),
“Renewable Energy Auctions,” Renewable energy
auctions: Status and trends beyond price, pp. 1–102,
2019.
[12] L. Viscidi and A. Yépez, “Energía Limpia, Subastas
en America Latina,” Banco Intermericano de
Desarrollo, pp. 1–59, 2020.
[13] C. Rosen and R. Madlener, “An auction mechanism
for local energy markets: Results from theory and
simulation,” 2012 IEEE Work. Complex. Eng.
COMPENG 2012 - Proc., pp. 43–46, 2012.
[14] S. Schone, Auctions in the Electricity Market,
Bidding when Production Capacity Is Constrained,
vol. 614. Berlin, 2008.
[15] L. Maurer and L. Barroso, Electricity Auctions, An
overview of efficient practices. The world bank,
2011.
Diego A. Arias Cazco.- Nació en
Riobamba, Ecuador, el 12 de
septiembre de 1980. Recibió el
título de ingeniero en
Electromecánica en la Universidad
de las Fuerzas Armadas, Ecuador,
2006. Obtuvo un diploma en redes
digitales industriales en Ecuador,
2008. Recibió el grado de magister en Ciencias de la
Ingeniería, mención Eléctrica, en la Universidad de
Chile, Chile, 2012. Trabajó como profesor investigador
en la Universidad Politécnica Salesiana, durante 5 años
(2012-2017). Actualmente es Especialista de Regulación
Técnica del Sector Eléctrico en la Agencia de Regulación
y Control de Energía de Recursos Naturales No
Renovables - ARCERNNR, Quito, Ecuador. También
trabaja como profesor a tiempo parcial en la Universidad
Tecnológica Centroamericana (UNITEC) y en la
Universidad Técnica de Cotopaxi dictando clases de
Energía Renovable. Sus temas de interés incluyen:
planificación de sistemas eléctricos, mercados eléctricos
competitivos, subastas de proyectos energéticos,
generación distribuida y optimización de sistemas
eléctricos.
Ximena Patricia Gavela
Guamán.- Nació en Loja en 1985.
Doctora en ingeniería eléctrica. Ha
trabajado en la Agencia de
Regulación y Control de
Electricidad dentro del área de
regulación técnica. Actualmente se
desempeña como docente en la
Escuela Politécnica Nacional. Sus áreas de investigación
de interés son las técnicas de optimización aplicables a
sistemas de potencia, energías renovables, mercados
energéticos y aspectos normativos y regulatorios del
sector eléctrico.
Walter Intriago Ponce.- Nació en
Santo Domingo de los Tsáchilas,
Ecuador, el 20 de diciembre de
1983. Desde 2016 es ingeniero
Eléctrico y en la actualidad es
egresado de la maestría en
Métodos Matemáticos y
Simulación Numérica en
Ingeniería, ambos por la Universidad Politécnica
Salesiana en Ecuador. Al presente, labora en la Agencia
de Regulación y Control de Energía de Recursos
Naturales No Renovables específicamente en la Director
de Regulación Técnica del Sector Eléctrico, Ecuador
90
