Una contribución al pre-despacho económico no lineal con indisponibilidad selectiva vía Python.

Abstract

En esta memoria de título, se desarrolla un algoritmo capaz de integrarse a la automatización del cálculo eficiente de costos medios en el ámbito del pre-despacho económico (PDE). Esto lo realiza mediante la utilización del programa Python. A pesar de que el problema de PDE conceptualmente no es complejo, su solución si lo es. No obstante, la generalidad del código propuesto permite modelar un número acotado de unidades. Desde este punto de vista el “límite” solo lo impone el hardware y el mismo ambiente Python. Con fines prácticos y de demostración de la robustez del logicial se aplica un número reducido de unidades para que las combinaciones resultantes y el hardware a utilizar no se estresen durante las pruebas. Lo previo, permite evaluar los procesos computacionales, i.e. hacerse de una idea clara hasta donde es posible llegar con el código creado. Los datos corresponden a curvas de generación no lineales que se aproximan mediante interpolaciones para representar curvas cuadráticas. Desde este contexto, el método tradicional, visto en la literatura, hace llamado a consideraciones simples para que las unidades puedan ser representadas mediante funciones de costo lineales. De esta manera tenemos una representación más cercana a la realidad, dando una visión más realística del rendimiento y la potencia para cada unidad que se agregue al compromiso de unidades del sistema eléctrico y de sus “infinitas” combinaciones surgidas de su periodo de trabajo.

In this thesis, an algorithm capable of integrating into the automation of efficient average cost calculation in the context of economic pre-dispatch (PDE) is developed. This is achieved using the Python program. Although the conceptual complexity of the PDE problem is not high, its solution is challenging. Despite the generality of the proposed code, it allows modeling a limited number of units. From this perspective, the "limit" is only imposed by the hardware and the Python environment itself. For practical purposes and to demonstrate the robustness of the software, a small number of units are applied so that the resulting combinations and the hardware used are not stressed during testing. The aforementioned approach allows evaluating computational processes, i.e. gaining a clear understanding of the extent to which the created code can be taken. The data corresponds to nonlinear generation curves that are approximated through interpolations to represent quadratic curves. From this context, the traditional method, as seen in the literature, calls for simple considerations so that units can be represented by linear cost functions. In this way, we have a representation closer to reality, providing a more realistic view of the performance and power for each unit added to the commitment of units in the electrical system and its "infinite" combinations arising from its working period.