Dr. Álvaro Sánchez Miralles , Dr. Francisco Martín Martínez
El modelo SPLODER, el cual hace referencia en la literatura a su versión System, es una herramienta de planificación de los recursos, tanto centralizados como distribuidos, de generación y almacenamiento del sistema eléctrico. Esta versión ha sido desarrollada para análisis regulatorios y respaldar las decisiones estratégicas de empresas eléctricas. En su interior cuenta con una versión, antiguamente llamada, Building que permite el modelado en detalle de los consumos.
Mediante unos datos de entrada y el planteamiento de un problema de optimización, el modelo es capaz de proporcionar el mix de tecnologías óptimas en términos económicos para satisfacer la demanda, tanto en términos de energía consumida como de garantía o firmeza del suministro. Por eso, la función objetivo del modelo minimiza el coste de las inversiones en nuevos recursos tanto centralizados como distribuidos, así como el coste de operación tanto de estas nuevas inversiones como de los recursos ya existentes.
Para ser computacionalmente eficiente, un modelo de expansión de la generación y almacenamiento como SPLODER necesita simplificar la representación de la operación del sistema. Es por eso que el modelo simplifica la operación del sistema considerando 4 semanas representativas del año con granularidad horaria. Cada semana representativa tiene un peso distinto de acuerdo al número de semanas que representa:
Para que queden recogidos adecuadamente los ciclos de carga y descarga de las instalaciones de almacenamiento y de la gestión de la producción hidráulica, las tecnologías que permiten algún tipo de almacenamiento cumplen que el nivel de carga es el mismo en la primera y última hora de la semana representativa. Salvo para el caso de los bombeos, que se permite almacenar agua de una semana a otra ya que sino no se recogía bien su potencial.
Para contrarrestar el efecto de trabajar con cuatro semanas representativas del año y evaluar mejor la aportación a la firmeza del suministro de las distintas tecnologías, el modelo SPLODER incorpora una restricción explícita que establece como requisito cubrir las necesidades de firmeza del sistema, haciendo uso para ello de unos coeficientes predeterminados de contribución a la firmeza de cada una de las tecnologías en liza. La competitividad de las tecnologías puede depender de forma significativa (junto a sus otras características de CAPEX, OPEX, rendimiento, capacidad de almacenamiento, …), del coeficiente de contribución a la firmeza que se les atribuya.
Los parámetros de entrada para cada uno de los casos de estudio incluyen:
Una vez ejecutado el modelo con todos los datos de entrada introducidos, como resultados se obtienen las siguientes variables:
El modelo permite imponer además otras restricciones que son de mucha utilidad a la hora de diseñar escenarios:
Las señales de precio que tiene el modelo son tres. Primero el precio de mercado que estima con el mix seleccionado, luego considera una retribución a las tecnologías por su aportación al sistema con capacidad firme en caso de que requiera de ellas sólo por este motivo y no por competitividad de costes, y por último un pago adicional a las fuentes de energía renovables en caso de que sea necesario para alcanzar un cierto porcentaje de renovables establecido. El diseño de tarifas del modelo consiste en:
[1] Francisco Martín Martínez, Álvaro Sánchez Miralles, Michel Rivier Abad, Modeling tools for planning and operation of DERs and their impact in microgrids and centralized sources, 16 (2017). https://doi.org/10.32964/tj16.5.
[2] F. Martín-Martínez, A. Sánchez-Miralles, M. Rivier, C.F. Calvillo, Centralized vs distributed generation. A model to assess the relevance of some thermal and electric factors. Application to the Spanish case study, Energy. 134 (2017) 850–863.
[3] T. Gerres, J.P.C. Ávila, F.M. Martínez, M.R. Abbad, R.C. Arín, Á.S. Miralles, T.G. San Román, “Rethinking the electricity market design: Remuneration mechanisms to reach high RES shares. Results from a Spanish case study” (Energy Policy (2019) 129 (1320–1330), (S0301421519301995), (10.1016/j.enpol.2019.03.034)), Energy Policy. 131 (2019) 434. https://doi.org/10.1016/j.enpol.2019.04.014.
[4] T. Freire-Barceló, F. Martín-Martínez, Á. Sánchez-Miralles, M. Rivier, T.G.S. Román, S. Huclin, J.P.C. Ávila, A. Ramos, Storage and demand response contribution to firm capacity: analysis of the Spanish electricity system, Energy Reports. 8 (2022) 10546–10560. https://doi.org/10.1016/j.egyr.2022.08.014.
[5] M. Rivier, F. Martín, T. Freire-Barceló, Solar and wind production profiles and 2030 disaggregated electricity demand profiles to feed the SPLODER generation expansion planning model. Project: FLEXENER. Funded by Siemens Gamesa Renewable Energy Innovation & Technology S.L. Dec/2022.