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:

• Semana 1: Diciembre, enero y febrero.
• Semana 2: Marzo, abril, octubre y noviembre.
• Semana 3: Mayo, junio, julio y septiembre.
• Semana 4: Agosto.

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:

1. Perfiles de generación solar y eólica. Hay opción de meter hasta 5 perfiles para cada tecnología, que pretenden recoger las distintas zonas geográficas disponibles en las que instalar.
2. Perfil de máxima generación de la cogeneración y de la hidráulica fluyente. Además del agua disponible para la hidráulica convencional.
3. La capacidad instalada y la máxima y mínima capacidad que se puede instalar por tecnología, junto con sus coeficientes de firmeza.
4. Para cada tecnología de generación se dispone de: los costes de instalación anualizados, los costes de operación y mantenimiento (O&M) anuales,  los costes variables (combustibles y O&M variables), costes de arranque y parada, capacidad típica de una central, mínimo técnico, rampas a subir y a bajar, porcentaje de disponibilidad y sus emisiones de CO2 siempre que aplique.
5. Para los almacenamientos y resursos distribuidos además se introduce el ciclo de carga y descarga y la eficiencia.
6. Pérdidas en la red, impuestos por tecnología y coste de emisiones de CO2.
7. Perfiles de demanda desglosada por sectores y zonas geográficas, y si está disponible por tipología de consumo. En caso de no estar disponibles el desglose por tipología de consumo, habría que quitar el consumo asociado a la climatización del perfil de demanda introducido y darle al modelo un perfil de temperatura exterior para cada zona geográfica considerada, ya que SPLODER usa un modelo térmico que usa las temperaturas externas para saber cuánto tiene que calentar/enfriar la vivienda en base a unos requisitos de confort, considerando la inercia térmica de los edificios.  
8. Número total de vehículos eléctricos (VE) en el año de estudio y su consumo asociado.
9. Porcentaje de demanda flexible (DR) disponible para cada tipo de consumo: climatización, ACS y VE.
10. Recursos distribuidos instalados por zona geográfica.

Una vez ejecutado el modelo con todos los datos de entrada introducidos, como resultados se obtienen las siguientes variables:

1. Decisiones de inversión en los recursos centralizados y distribuidos más rentables, teniendo en cuenta el parque de generación disponible y las necesidades energéticas, eléctricas y térmicas, de los consumidores, garantizando la seguridad de suministro.
2. Costes de inversión y operación de los recursos seleccionados por el modelo.
3. Análisis de recuperación de costes por tecnología de acuerdo a las señales de precio existentes.
4. Costes del despacho óptimo.
5. Operación en las semanas representativas a nivel horario de las distintas tecnologías.
6. Precio de la energía resultante.
7. Perfil de demanda de salida modificado por el consumo de los VE y la DR.
8. Emisiones totales de CO2

El modelo permite imponer además otras restricciones que son de mucha utilidad a la hora de diseñar escenarios:

• Requisito producción renovable: Se introduce el porcentaje de la energía que debe ser producido por fuentes renovables.
• Límite de emisiones: Se introduce el máximo valor de emisiones de la generación eléctrica.

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:

• Un porcentaje sobre el precio final para todas las tecnologías (7%).
• Peajes de acceso €/MWh para todas las tecnologías
• Impuestos especificos €/MWh para el gas y el carbón

Proyectos

• FLEXENER: Nuevo sistema energético 100% renovable, flexible y robusto para la integración de nuevas tecnologías en generación, redes y demanda – Escenarios. Realizado para Iberdrola Generación España, S.A.U. Oct 2020-Dic 2023.
• MODESC – Platform of innovative models for speeding the energy transition towards a decarbonized economy. Carried out for Ministerio de Ciencia e Innovación (MCIN), Agencia Estatal de Investigación (AEI). Sep/2020-Dec/2023.
• Análisis del mix de generación 2030 bajo distintos escenarios de gestión de la demanda y generación. Realizado para Repsol S.A.. Sep 2019-Oct 2019.
• Análisis de la expansión y explotación del sistema eléctrico español en el horizonte 2030-2050. Realizado para Iberdrola España S.A.U. Ene 2019-Dic 2021.
• Análisis de la extensión de vida útil de las centrales nucleares en España desde la perspectiva de sus operadores. Realizado para Iberdrola S.A. May 2018-Dic 2018.
• Futuro del sector eléctrico en España. Realizado para Iberdrola S.A.. Abr 2018-Sep 2018.
• Análisis de tecnologías para el sector eléctrico en el horizonte 2040. Realizado para Iberdrola S.A. Feb 2017-Dic 2017.
• Evaluación de escenarios energéticos en un contexto de reducción de costes de los recursos energéticos distribuidos. Realizado para Gas Natural SDG, S.A. Dic 2016-Dic 2017.

Publicaciones

[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.