Thesis:

Análisis del impacto en la suficiencia energética de una mayor penetración de energía eólica en el SIC

En esta tesis se analiza la suciencia energetica del Sistema Interconectado Central chileno (SIC) frente a la incorporacion de energa eolica. El analisis basado en la simulacion de Monte Carlo considera variables estocasticas tales como salida forzada de las unidades generadoras y generacion de centrales eolicas, y es capaz de evaluar el impacto de restricciones operacionales (tales como lmites de las lneas de transmision y restricciones de las unidades termicas) que son difciles de capturar con las tecnicas analticas. Previo a la evaluacion de la suciencia, fue necesario crear los perles eolicos sinteticos. Se contaba con informacion de diferentes centros de medicion de la velocidad eolica en las regiones que componen el SIC. Como la velocidad se encontraba medida a 20m, pero las aspas de los generadores eolicos se encuentran a una altura promedio de 80m, se utilizo el metodo de Hellmann para extrapolar la velocidad. Posteriormente, se utiliz o un modelo SARIMA (1; 0; 1)x(1; 1; 1)24 para predecir los datos y entonces se obtuvo un conjunto de perles eolicos sinteticos. Luego, los perles de generacion eolica sinteticos se usaron como entrada estocastica en un esquema de Monte Carlo que utiliza un modelo de produccion del SIC para obtener metricas capaces de capturar el impacto de diferentes restricciones operacionales en la suciencia del sistema. Al analizar el efecto de diferentes niveles de generacion eolica se pudo observar que la mayora de los benecios, en terminos de incrementar la suciencia, ocurren cuando se agregan cerca de 500MW adicionales de generacion eolica. Con generacion eolica adicional, la suciencia permanece casi constante. Como el metodo propuesto fue capaz de captar restricciones operacionales, se pudo observar que en algunos casos la conexion de una nueva planta eolica podra causar un aumento en la energa no servida del sistema. Por ejemplo, al conectar la central Lebu Sur en el nodo Hualpen 220, despues que las otras centrales eolicas se encontraba operando, se produjo un leve aumento en la energa no servida como resultado de un cambio en el predespacho y congestion en el sistema de transmision. Tambien se analizo la ventaja de la diversicacion de la generacion eolica. Por ejemplo, se pudo observar que la energa no servida del sistema disminuye en cerca de un 7% cuando tres centrales eolicas de 100MW fueron conectadas en diferentes nodos, en lugar de una de 300MW conectada en uno. Otro resultado de este estudio fue descubrir que frente a una hidrologa seca la potencia eolica contribuye mas en la suciencia del sistema de potencia que frente a una hidrologa humeda, como resultado de la mayor disponibilidad de la reserva en giro. Finalmente, se propuso un metodo basado en simulacion para estimar el valor de capacidad de la potencia eolica. Se trabajo con tres centrales eolicas con diferentes factores de carga y diferentes tipos de correlacion entre la demanda del sistema y la generacion eolica. Con el proposito de validar el metodo, los resultados del metodo propuesto se compararon, y encontraron consistentes, con los resultado obtenidos usando el metodo recomendado por el IEEE Task Force on the Capacity Value of Wind Power. Los resultados mostraron que con correlacion positiva entre la generacion y demanda, el valor de capacidad puede mejorar en mas de un 50% con respecto a una correlacion negativa.

This thesis analyzes the energy adequacy of Chile's Central Interconnected System (SIC) in the context of increasing wind power integration. The analysis is based on Monte Carlo simulation and incorporates stochastic variables such as forced outages of generating units and wind power generation. It also evaluates the impact of operational constraints (such as transmission line limits and thermal unit restrictions), which are difficult to capture using analytical techniques. Prior to assessing adequacy, synthetic wind profiles were created. Wind speed data was available from various monitoring stations across SIC regions. Since the measurements were taken at 20 meters, and wind turbine blades typically operate at around 80 meters, the Hellmann method was used to extrapolate wind speeds. A SARIMA (1,0,1)x(1,1,1)24 model was then applied to forecast wind data and generate synthetic wind power profiles. These profiles were used as stochastic inputs in a Monte Carlo framework coupled with a production cost model of the SIC to compute adequacy metrics that reflect the impact of operational constraints. The analysis of different levels of wind power integration revealed that most benefits in terms of system adequacy are achieved when approximately 500 MW of additional wind capacity is installed. Beyond this point, adequacy remains nearly constant. Since the proposed method captures operational constraints, it was observed that in some cases, the addition of a new wind plant could lead to an increase in unserved energy due to changes in unit commitment and transmission congestion. For example, the connection of the Lebu Sur wind plant at the Hualpén 220 node caused a slight increase in unserved energy when other wind plants were already operating. The study also evaluated the benefits of geographical diversification of wind generation. It was found that unserved energy could be reduced by about 7% when three 100 MW wind plants were connected at different nodes, compared to a single 300 MW plant at one location. Another key finding was that under dry hydrological conditions, wind power contributes more to system adequacy than under wet conditions, due to greater spinning reserve availability. Finally, a simulation-based method was proposed to estimate the capacity value of wind power. The method was tested with three wind plants with different capacity factors and demand-generation correlation types. Results were consistent with those obtained using the IEEE Task Force's recommended methodology. It was found that with a positive correlation between demand and generation, the capacity value could improve by over 50% compared to a negative correlation.