Beruflich Dokumente
Kultur Dokumente
DEL PERU
ESCUELA DE POSTGRADO
AUTOR
Jorge Hans Alayo Gamarra
ASESOR
Ra
ul Garca Carpio
JURADO:
Alfredo Dammert Lira
Abelardo Jordan Liza
LIMA - PERU
2015
Dedicado a
Macarena.
ii
Resumen
Desde los u
ltimos a
nos, la falta de inversi
on en capacidad de generaci
on es un problema recurrente en el mercado electrico peruano. En este contexto, existen dos hechos estilizados:
el primero consiste en que a pesar del crecimiento de la demanda, no existen los suficientes
incentivos para que los inversionistas decidan construir nueva capacidad de generaci
on; el
segundo consiste en que la composici
on de tecnologas para atender la demanda no alcanzara un equilibrio parcial, que sera la asignaci
on eficiente de los recursos de la economa
considerando el mercado de electricidad. Estos dos hechos estilizados indican la existencia
de distorsiones en el mercado y justifica un an
alisis elaborado de la situaci
on peruana.
Este trabajo plantea modelos matem
aticos para analizar el problema de inversi
on en capacidad de generaci
on del mercado electrico peruano. A partir de los modelos propuestos
se intentan explicar los determinantes de las distorsiones en el mercado. La propuesta se
basa en el planteamiento de modelos din
amicos de lazo abierto en el contexto de modelos
de equilibrio parcial y de modelos de juego secuencial; dichos modelos simulan la din
amica
de la inversi
on en capacidad en el mercado peruano. Dadas las condiciones del mercado
peruano, se compara los resultados obtenidos con el parque generador optimo, tratando de
identificar los determinantes de las distorsiones. Finalmente, se realizan recomendaciones
de poltica que permitan obtener un parque generador optimo.
Palabras clave: Inversi
on en capacidad de generaci
on; Peak Load Pricing, Mercados
electricos, Modelos multinivel; Complementaridad.
iii
Indice general
1. Introducci
on
1.1. Hechos estilizados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Marco te
orico
2.1. Inversi
on en capacidad de generaci
on . . . . . . . . . .
2.2. Operaci
on del mercado electrico . . . . . . . . . . . . .
2.3. La demanda de electricidad . . . . . . . . . . . . . . .
2.4. El modelo Peak Load Pricing . . . . . . . . . . . . . .
2.4.1. Modelo b
asico para una tecnologa . . . . . . .
2.4.2. Modelo est
atico para tecnologas heterogeneas .
2.4.3. Precios optimos . . . . . . . . . . . . . . . . . .
2.4.4. Equilibrio financiero . . . . . . . . . . . . . . .
2.4.5. Discusi
on sobre la tarifacion a costo marginal y
2.5. Teora de juegos . . . . . . . . . . . . . . . . . . . . .
2.6. Optimizacion y complementaridad . . . . . . . . . . .
2.7. Revisi
on de los principales modelos existentes . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
la inversi
on
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
10
14
15
17
18
18
22
24
24
25
27
31
el an
alisis de la inversi
on en ca.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4. Resultados y discusi
on
4.1. Caractersticas del sistema peruano y datos utilizados .
4.1.1. Composici
on del parque generador . . . . . . . .
4.1.2. La demanda de electricidad . . . . . . . . . . . .
4.1.3. Los costos de inversi
on y operaci
on . . . . . . . .
4.2. Resultados para el planificador central . . . . . . . . . .
4.2.1. El caso base . . . . . . . . . . . . . . . . . . . . .
4.2.2. Efecto de las restricciones de tiempos de vida u
til
iv
.
.
.
.
.
.
.
.
.
.
.
.
1
3
7
8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
33
33
34
34
35
37
39
40
41
.
.
.
.
.
.
.
47
47
47
49
51
52
52
58
v
4.2.3. Efecto de las restricciones de tiempos de construccion . . . .
4.2.4. Efecto de las restricciones de financiamiento . . . . . . . . . .
4.2.5. Efecto de las indivisibilidades de la capacidad de generaci
on .
4.3. Resultados para el monopolio . . . . . . . . . . . . . . . . . . . . . .
4.3.1. El caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.2. Efecto de las restricciones de tiempos de vida u
til . . . . . . .
4.3.3. Efectos de las restricciones de tiempos de construccion . . . .
4.3.4. Efectos de las restricciones de financiamiento . . . . . . . . .
4.3.5. Efectos de las indivisibilidades de la capacidad de generaci
on
4.3.6. Efectos de un pago por capacidad . . . . . . . . . . . . . . .
4.4. Resultados para el oligopolio . . . . . . . . . . . . . . . . . . . . . .
4.4.1. El caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2. Efecto de las restricciones de financiamiento . . . . . . . . . .
4.4.3. Efectos de un pago por capacidad . . . . . . . . . . . . . . .
4.5. Resultados relevantes . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
60
64
68
70
71
72
74
76
78
79
83
84
85
87
91
5. Conclusiones y recomendaciones
102
A. Tablas de resultados
107
Captulo 1
Introducci
on
El problema de inversi
on en capacidad de generaci
on consiste en encontrar el tama
no y
tipo de las unidades que se deben construir en un horizonte de tiempo para abastecer la
demanda de energa electrica a costos eficientes. Tradicionalmente, con la demanda proyectada y los costos de inversi
on se debe encontrar el parque generador de mnimo costo
para abastecer la demanda en el horizonte de tiempo considerado. El horizonte considerado est
a entre 15 y 30 a
nos.
Inicialmente este problema se resolva en el marco de una industria verticalmente integrada, en donde una sola entidad se encargaba de generar, transmitir y distribuir la energa
electrica. En una industria vertical, el planificador central se encarga de hacer las inversiones necesarias para abastecer la demanda y los costos son trasladados directamente hacia
los usuarios. A pesar de los desarrollos tecnol
ogicos que se lograron bajo la estructura
vertical, se argument
o que este modelo ya no era viable debido a que b
asicamente un monopolio no tiene incentivos para ser eficiente. En muchos pases se encontraron una serie
de ineficiencias lo que motivo la introducci
on de competencia en el sector electricidad, una
discusion detallada se puede encontrar en Joskow (1999).
En el caso peruano, a comienzos de la decada de los noventa el sector electricidad tena
serios problemas; por ejemplo, la oferta solo representaba 74 % de la demanda y las tarifas
solo cubran el 23 % de los costos. Ello dio pie al inicio de una serie de reformas estructurales en el sector electrico peruano, ver Dammert et al. (2005a). Estos hechos dieron paso
a la Ley de Concesiones Electricas, promulgada en el a
no 1992, que establece el marco
normativo para generar competencia en el mercado electrico peruano. Con la introducci
on
de la competencia, la capacidad de generaci
on ya no es planificada de manera centralizada
sino que los inversionistas deciden la construccion de nuevas centrales seg
un los posibles
beneficios futuros que le pueda generar entrar en el negocio.
A pesar de las mejoras reportadas a partir de la introducci
on de competencia en el mercado, la inversi
on en infraestructura ha sido el problema recurrente con este nuevo esquema,
ver Dammert et al. (2005a). En los u
ltimos a
nos se ha evidenciado que la oferta de generaci
on no ha crecido al ritmo esperado para mantener un adecuado margen de reserva en
el sistema, una discusion sobre el tema se puede ver en De la Cruz y Garca (2002) y en
De la Cruz y Bendez
u (2012). Ante esto el Estado Peruano ha intervenido en el mercado
mediante subastas de proyectos de generaci
on con precios garantizados que permiten a
los inversionistas recuperar sus costos con una tasa de retorno atractiva. Por otro lado,
1
2
actualmente la composici
on de tecnologas para el abastecimiento de la demanda de electricidad presenta diferencias con una composici
on optima. En general, se conoce que la
demanda base, aquella que est
a presente el 100 % del tiempo, debe ser suministrada por
una central de alto costo fijo y bajo costo variable. En el caso peruano, la demanda base
debera ser suministrada por unidades hidroelectricas; no obstante, en los u
ltimos a
nos
parte de la demanda de base es suministrada por unidades a gas de ciclo combinado.
Los hechos comentados podran ser ocasionados por los siguientes motivos:
Restricciones de recursos: no siempre se tienen disponibles los recursos como fuentes
de agua, gas, diesel o carb
on.
Restricciones de tiempos de construccion: cada planta de una tecnologa en particular
requiere de un tiempo para ser construida, este tiempo puede variar entre 4 y 8 a
nos
dependiendo del tipo de tecnologa.
Restricciones presupuestarias: no siempre es facil obtener financiamiento para la
construccion de capacidad de generaci
on dado que los costos de inversi
on son bastante altos. Esto puede obligar a construir aquella que requiere menos costo de
inversi
on as no sea la decisi
on optima.
Problemas de la regulaci
on: la forma de remunerar a las compa
nas de generaci
on
podra no incentivar la inversi
on necesaria en capacidad de generaci
on.
Indivisibilidades de las unidades de generaci
on: que son caractersticas tecnicas que
impiden su utilizaci
on por debajo de un cierto nivel o cantidad mnima.
En este contexto, el uso de modelos matem
aticos permite evaluar el desarrollo de la inversi
on en capacidad de generaci
on, as como encontrar el parque generador que maximice el
bienestar social. Los modelos matem
aticos para el an
alisis de la expansi
on de la generaci
on
se remontan a cuando la industria era verticalmente integrada. Hasta mediados de 1960
la expansi
on de la generaci
on era de alguna manera en forma directa; cuando la demanda
empez
o a crecer r
apidamente e ingresaron nuevas tecnologas, la toma de decisiones se volvio m
as compleja. Fue as que surgieron los primeros modelos matem
aticos para optimizar
la expansi
on de la generaci
on; dichos modelos deben de encontrar el tama
no, el tiempo y el
tipo de tecnologa de las unidades de generaci
on para el horizonte de tiempo considerado.
Diversas tecnicas han sido propuestas para la soluci
on del problema de la expansi
on de
la generaci
on pasando por la programacion din
amica, programacion lineal, programacion
lineal entera mixta y programacion no lineal, una recopilaci
on detallada puede encontrarse
en IAEA (1984).
Posteriormente cuando las decisiones de inversi
on en generaci
on se descentralizaron, el problema ya no era un problema de planificacion sino de inversi
on. Las decisiones son tomadas
por los inversionistas en base a la rentabilidad del mercado. En este contexto los modelos
matem
aticos deben encontrar el o los equilibrio de Nash de los problemas de optimizaci
on
que generan los agentes del mercado electrico. En la literatura se han propuesto diversos
modelos enmarcados en la teora de complementaridad , vease Pineau y Murto (2003);
Dammert et al. (2005b); Ehrenmann y Smeers (2011); Centeno et al. (2011); Wogrin et al.
(2013). Esta teora permite integrar la programacion lineal, los problemas de equilibrio
y la programacion multinivel. Particularmente los problemas de complementaridad son
1.1.
Hechos estilizados
Fuente: Osinergmin.
Ante la falta de iniciativa privada para generar nuevas inversiones en reserva y capacidad
de generaci
on, el Ministerio de Energa y Minas ha recurrido a licitaciones para mantener
el balance entre la oferta de capacidad y la demanda de electricidad. En la Tabla 1.1
se muestra el resumen de centrales licitadas y en la Tabla 1.2 se muestra el resumen de
la reserva de generaci
on licitada. Se puede observar se ha licitado un total de 2250 MW
para poder abastecer la demanda en los pr
oximos a
nos, dichas licitaciones garantizan el
ingreso de las compa
nas adjudicadas y con ello el ingreso de las compa
nas se encuentran
libre de riesgo. De la misma manera, se ha licitado un total de 1040 MW de reserva fra de
generaci
on. Las cantidad de capacidad de generaci
on licitada representa aproximadamente
el 40 % de la demanda para el a
no 2012, est
a es una intervenci
on importante del Estado
y evidencia la falta de incentivos del mercado para solucionar el problema de deficit de
capacidad.
Tabla 1.1: Proyectos de generaci
on adjudicados por Proinversi
on 2011 - 2013.
Proyecto
Chaglla
Cerro del Aguila
Molloco
Nodo Energetico del Sur
Capacidad (MW)
450
500
300
1000
Fuente: Proinversi
on.
Capacidad (MW)
35
35
200
175
600
Fuente: Proinversi
on.
Respecto al ingreso gradual de unidades termicas, se puede mencionar que a partir del
a
no 2008 ingreso una nueva tecnologa al parque generador: la generaci
on a Gas. Este hecho hizo que haya una nueva composici
on del parque generador optimo que incluira una
cuota de producci
on para esta nueva tecnologa. En la Figura 1.2 se presenta la evoluci
on
del suministro de electricidad clasificado por unidades hidraulicas y unidades termicas.
Mientras en el a
no 2000 el 90 % de la demanda era abastecida por unidades hidraulicas,
para el a
no 2011 el 50 % de la demanda del sistema es suministrada por unidades termicas.
Fuente: Osinergmin
A partir de la construccion de la curva de duracion de la demanda, se puede notar que
parte de la demanda base est
a siendo suministrada por unidades a gas. Ello puede sugerir que parte de la producci
on de unidades a gas podra ser reemplazada por unidades
Figura 1.3: Abastecimiento de la demanda por tecnologas para el periodo de avenida 2014.
Fuente: COES.
1.2 Objetivos
Fuente: COES.
A priori, la curva de duracion indica que se podra conseguir un parque generador que
obtenga un menor costo de operaci
on y de inversi
on; esto se debe justificar encontrando el
parque generador que maximice el bienestar social y compar
andolo con el parque generador
actual. Los hechos estilizados presentados motivan realizar un an
alisis minucioso de la
capacidad de generaci
on en el mercado electrico peruano y a partir de dicho an
alisis
recomendar polticas para alcanzar un mayor bienestar social.
1.2.
Objetivos
1.3.
Estructura de la tesis
Captulo 2
Marco te
orico
El modelamiento del problema de inversi
on en capacidad de generaci
on requiere representar a las compa
nas de generaci
on, el operador del mercado, los consumidores y el
planificador central. En ese sentido, en este captulo se presentan los conceptos necesarios
para modelizar a los agentes y su interacci
on en el mercado.
Primero, en la secci
on 2.1 se presenta el problema del inversionista en capacidad de generaci
on, se discute sobre los costos y los factores que afectan su decisi
on. Inicialmente se
usa el enfoque tradicional de la evaluaci
on financiera de proyectos; ello exige un c
alculo
exhaustivo de cada alternativa de inversi
on. Luego se presenta un modelo b
asico del inversionista que permite utilizar tecnicas de optimizacion para obtener soluciones.
En la secci
on 2.2 se presenta el problema del operador del mercado de electricidad, aqu se
describe las caractersticas del mercado en su forma m
as com
un: un Pool. El operador del
mercado se encarga de agrupar las ofertas de las compa
nas de generaci
on y determina los
precios de electricidad en cada nivel de demanda de modo que se maximice el bienestar
social. Asimismo, se presenta la formulaci
on matem
atica del problema del operador.
En la secci
on 2.3 se describen las principales caractersticas de los consumidores as como la
representaci
on de la demanda que ser
a utilizada en los modelos propuestos. En particular,
se representa el comportamiento inel
astico de los consumidores y se modela la posibilidad
de un racionamiento por encima de un precio conocido como valor de perdida de carga
(VOLL), este racionamiento permite modelizar la falta de suministro en el mercado.
En la secci
on 2.4 se presenta el modelo del planificador social, tambien conocido como el
modelo Peak Load Pricing. Este modelo es la parte normativa del problema de inversi
on
en capacidad de generaci
on en donde un planificador central determina la capacidad y
precios que maximizan el bienestar social para proveer un bien que no puede almacenarse
eficientemente. Se generaliza el trabajo de Wenders (1976) a un modelo est
atico con varias tecnologas y se demuestra que el problema es equivalente a la minimizacion de los
costos. Asimismo, se demuestra que existe equilibrio financiero y se encuentran los precios
optimos. Por u
ltimo, se hace una discusion sobre las diferencias de los precios obtenidos
por el modelo propuesto y los precios obtenidos por el operador del mercado Spot.
En las secciones 2.5 y 2.6 se presenta el marco de an
alisis de la competencia de los agentes
en el mercado bajo los enfoques de la teora de juegos y la teora de complementaridad. La
9
2.1 Inversi
on en capacidad de generaci
on
10
2.1.
Inversi
on en capacidad de generaci
on
(2.1)
El costo de la inversi
on no es necesariamente igual al costo del proyecto CP , pues el
dinero se tiene que dar al comienzo del proyecto. Dado los elevados costos involucrados
en la construccion de centrales, los inversionistas usualmente disponen de un capital K,
donde K < CP , el resto del dinero es financiado con una deuda D, que es dinero prestado
por bancos o consorcios a una tasa de interes i que depende del tiempo de duracion del
proyecto y del riesgo del proyecto asociado a las incertidumbres del futuro.
CP = K + D
(2.2)
11
2.1 Inversi
on en capacidad de generaci
on
(2.3)
CDt
CDt
CDt
+ +
+
2
(1 + i) (1 + i)
(1 + i)T
(2.4)
(2.5)
Los flujos de dineros a lo largo del tiempo se presentan en la Figura 2.1. En el primer
on y en el resto de periodos se tiene un flujo de ingresos por la
periodo se hace la inversi
venta de electricidad y los costos de operaci
on y mantenimiento. Asimismo se considera
que dentro de los gastos en cada periodo se encuentra el pago de la deuda adquirida para
el financiamiento del proyecto.
Fuente: elaboraci
on propia.
12
2.1 Inversi
on en capacidad de generaci
on
V P = F0 +
F1
Fn
+ ...
=0
(1 + r)1
(1 + r)n
(2.6)
(2.7)
Finalmente, el inversionista elige dentro del portafolio de proyectos viables aquel que tenga
mayor tasa interna de retorno.
Otro metodo consiste en utilizar tecnicas de optimizaci
on. El inversionista maximiza sus
beneficios para el tiempo de vida de un portafolio de proyectos, lo que est
a dado por el
valor presente de sus ingresos V P (I) menos el valor presente de sus costos V P (C). El
inversionista est
a sujeto a que sus beneficios deben superar su costo de oportunidad
y a que no puede exceder su restriccion de capital. Luego este problema puede ser
representado por el siguiente problema de optimizaci
on:
Maximizar = V P (I) V P (C)
Sujeto a:
KK
(2.8)
El espacio de decisi
on para el inversionista est
a dado por todos aquellos proyectos que
superen su costo de oportunidad y dentro de este espacio elegir
a aquel o aquellos negocios
que le genere m
as rentabilidad. Es importante resaltar que con este enfoque no se debe
considerar los costos de oportunidad dentro de los costos del inversionista debido a que
ya se toma en cuenta dentro de la restriccion del problema. Este enfoque es especialmente
u
til ya que la decisi
on de entrar a un negocio es una decisi
on discreta (variable binaria)
y mediante la restriccion del costo de oportunidad es posible modelizar la entrada del
inversionista.
Es posible reducir el modelo anterior si se utiliza la tasa mnima de retorno aceptable, la
cual representa el costo de oportunidad del inversionista. Entonces, si se utiliza la tasa de
retorno mnima aceptable del inversionista para actualizar los costos a valor presente, se
= 0 y eliminar la restriccion de que el beneficio debe ser no
puede utilizar el valor de
negativo.
Para mostrar el enfoque anterior considerese el siguiente ejemplo tomado de Kirschen y
Strbac (2004). Syldavia Energy est
a explorando la posibilidad de construir una nueva planta de 600MW. Dado los par
ametros de la Tabla 2.1 se debe hallar que tecnologa debera
adoptar Syldavia energy, asumiendo que la planta tendra un factor de utilizaci
on de 0.8
y vendera su producci
on a un precio promedio de 30$/MWh. Syldavia Energy usa una
tasa de retorno mnima aceptable de 12 %.
= 0 y adem
Utilizando la tasa de retorno mnima aceptable, se normaliza
as se supone
que no hay restricciones de capital. El problema debe tener en cuenta que solo se va
a construir una planta. Entonces, sea S el conjunto de tecnologas S = {A, B}, gs la
13
2.1 Inversi
on en capacidad de generaci
on
Tabla 2.1: Par
ametros de las tecnologas.
Costo de inversi
on
Tiempo de vida esperado
Consumo calorfico
Costo de combustible esperado
Tecnologa A
1100 $/kW
30 a
nos
7500 Btu/kWh
1.12 $/Mbtu
Tecnologa B
650 $/kW
30 a
nos
6500 Btu/kWh
2.75 $/Mbtu
producci
on de cada tecnologa y ws las variables de decisi
on que representan el n
umero de
unidades que se construye por cada tecnologa; el modelo del inversionista es el siguiente:
Maximizar
gs ,ws
30 X
X
t=1 sS
X
1
0,8
8760
(30
CV
)
CFs ws
s
s
(1 + 12 %)t
sS
Sujeto a:
wA + wB <= 1
(2.9)
gA 600 wA
gB 600 wB
gs 0, s S
ws {0, 1}, s S
Utilizando los datos de la Tabla 2.1 se obtiene los par
ametros del modelo y se presentan
en la Tabla 2.2.
Tabla 2.2: Costos de las tecnologas.
Costos fijos
Costos variables
Tecnologa A
660 000 miles $
8.4 $/MWh
Tecnologa B
390 000 miles $
17.875 $/MWh
Fuente: elaboraci
on propia.
14
2.2 Operaci
on del mercado electrico
2.2.
Operaci
on del mercado el
ectrico
demanda
oferta
p4
p3
p*
p2
p1
MW
La formulaci
on matem
atica del problema del operador es la siguiente, ver Wood y Wollenberg (1992); Kirschen y Strbac (2004):
15
Minimizar
pk gk
gk = d
kG
Sujeto a:
(2.10)
kG
gk gk
k G
gk 0
k G
2.3.
La demanda de electricidad
La demanda de energa electrica es variable a lo largo del da, dicha demanda tiene un
componente peri
odico debido a los ciclos de consumo de la demanda residencial y una
tendencia correspondiente al crecimiento de la actividad econ
omica. Para cada momento
del da existe una curva de demanda de los consumidores; existe evidencia emprica para
suponer que esta curva de demanda es pr
acticamente inel
astica debido a que la mayora
de consumidores finales enfrenta una tarifa plana por la energa que consumen. Para fines
pr
acticos, la curva de la demanda en cada nivel se puede representar adecuadamente por
un tramo inel
astico y un tramo completamente el
astico seg
un la Figura 2.3, para mayores
detalles ver Perez-Arriaga (2013).
16
El tramo inel
astico representa la demanda del consumidores sin racionamiento la cual es
fija independientemente del precio de la electricidad p . En el tramo elastico, el precio de
la energa alcanza un valor de modo que por encima de este valor los consumidores no
est
an dispuestos a consumir, dicho valor es conocido como el valor de perdida de carga
(VOLL). A partir de este valor se produce un racionamiento de la demanda r que depende de la curva de oferta del mercado. Entonces, existen dos posibilidades: si la curva
de oferta en el nivel dado intercepta el tramo el
astico entonces puede existir un racionamiento r y el precio de la energa es igual al VOLL, si la curva de oferta intercepta el
tramo inel
astico no existe racionamiento y el precio p est
a determinado por el operador
del mercado. Si los valores de la demanda para los tramos inel
asticos se ordenan de mayor
a menor para el periodo de un a
no, se obtiene la curva de duracion anual, ver la Figura 2.4.
17
2.4.
El modelo Peak Load Pricing fue propuesto inicialmente por Boiteaux (1960) y fue desarrollado para resolver el problema relacionado a la provision de un bien que tiene las
siguientes caractersticas:
Altos costos de almacenamiento.
Demanda variable a lo largo de un periodo.
Restricciones para aumentar la capacidad de producci
on en el corto plazo.
Los costos fijos son mucho m
as altos comparados con los costos variables.
El modelo Peak Load Pricing permite encontrar la capacidad, producci
on y precios optimos para proveer un bien con las caractersticas anteriores de tal forma que se maximice
el bienestar social.
Desde el punto de vista pr
actico, el riesgo asociado al dejar el desarrollo de la generaci
on
en manos del mercado es muy grande. Por ello, los inversionistas usualmente se ven desalentados a invertir en capacidad de generaci
on debido a la volatilidad de los precios de
electricidad (price spikes) y las incertidumbres asociadas. En varios pases se ha llegado
a la conclusion de que en vez de pagar altas cantidades de dinero inducidas por los price
spikes es preferible pagar un menor monto de una manera regular.
18
Los ingresos por capacidad son ingresos fijos separados de los ingresos obtenidos en el
mercado de electricidad, estos pagos deben ser proporcionales a la capacidad de cada generador. Los pagos por capacidad deben cubrir por lo menos parte del costo del capital
de aquellas unidades de generaci
on que raramente operan (peak units) y de esta forma se
logran precios moderados en el mercado de electricidad.
En el caso del sistema electrico peruano la tarifa incluye un pago por capacidad denominado precio b
asico de potencia. El precio b
asico de potencia se calcula en base a los costos
de inversi
on y mantenimiento de la u
ltima central en suministrar la m
axima demanda proyectada para los siguientes dos a
nos. A continuaci
on se presenta el planteamiento b
asico
del modelo Peak Load Pricing.
2.4.1.
Modelo b
asico para una tecnologa
El modelo b
asico considera que la demanda de electricidad est
a dividida en niveles de
demanda j = 1 D que representan la demanda variable a lo largo del da. Cada bloque
de demanda tiene una duracion j horas. Supongamos que la demanda tiene que ser
abastecida por una planta con capacidad g en MW. El costo variable de la energa es de
CV ($/MWh) y que el costo por unidad de capacidad es de CF ($/MW). El costo total
de la empresa es el siguiente:
C=
D
X
j CV gj + CF g
(2.11)
D
X
(2.12)
j=1
D
X
j=1
gj
pj (gj )dgj
0
j CV gj CF g
j=1
Los precios en cada nivel de demanda que maximizan el bienestar social cumplen con las
condiciones de primer orden:
W
= pj CV = 0
gj
(2.13)
W
= pj CV CF/j = 0
gj
(2.14)
Para la m
axima demanda gj = g:
Luego los precios en horas fuera de punta reflejan el costo marginal pj = CV mientras que
en horas punta pj = CV + CF/j incluye un pago adicional por capacidad.
2.4.2.
Modelo est
atico para tecnologas heterog
eneas
En esta secci
on se generaliza el modelo propuesto por Wenders (1976) cuando se tiene
varias tecnologas. Dado que los consumos de energa a lo largo del da no son iguales, es
m
as eficiente que el abastecimiento de la demanda sea suministrado por una composici
on
optima de tecnologas, tal y como se muestra en la Figura 2.5.
19
Para encontrar la capacidad optima de cada tecnologa se hacen dos supuestos. El primer
supuesto consiste en que la demanda se mantiene constante de forma indefinida, por lo
que siempre se tendra que hacer frente a la misma curva de duracion. El segundo supuesto
consiste en que el costo de inversi
on es amortizado en cada a
no de su tiempo de vida u
til
y en caso de que termine el tiempo de vida u
til de alguna unidad, se realizar
a nuevamente
la misma inversi
on. Seg
un lo anterior, todos los a
nos se incurre en la misma anualidad de
forma indefinida, sin importar el tiempo de vida u
til de cada tecnologa.
A partir de los dos supuestos formulados se plantea el problema para solo la curva de
duracion de un a
no y el resto de a
nos sera la repetici
on de la soluci
on encontrada. Entonces sea S el conjunto de tecnologas, a cada tecnologa le corresponde un costo fijo anual
CFs ($/MW - a
no) dado por la anualidad de la inversi
on sumado al costo de operaci
on y
mantenimiento anual. Asimismo, a cada tecnologa le corresponde un costo variable CVs
($/MWh).
20
A continuaci
on se demuestra que maximizar el bienestar social para la curva de demanda
con racionamiento es equivalente a minimizar el costo de producci
on sumado al costo del
racionamiento. El bienestar social para la curva de demanda est
a dado por la siguiente
expresi
on:
W =
jD
dj rj
p( xj )dxj
CFs gs
sS
XX
j CVs gs,j
(2.15)
sS jD
dj rj
(2.16)
Al reemplazar la expresi
on anterior en el bienestar social se tiene lo siguiente:
W =
j V OLL dj
jD
j V OLL rj
jD
CFs gs
sS
XX
sS jD
rj ,
gs ,gs,j
j V OLL rj
jD
CFs gs
sS
XX
j CVs gs,j
(2.18)
sS jD
rj ,
gs ,gs,j
jD
j V OLL rj +
X
sS
CFs gs +
XX
sS jD
j CVs gs,j
(2.19)
21
CFs gs +
gs,j = dj rj
sS
XX
sS jD
j CVs gs,j +
j V OLL rj
jD
Sujeto a:
j D
sS
gs,j gs
s S, j D
gs,j 0
s S, j D
gs 0
s S
rj dj
j D
rj 0
j D
(2.20)
Se puede demostrar que el problema anterior se puede resolver mediante las curvas de los
costos de cada tecnologa. En la Figura 2.7 se muestra un ejemplo con unidades Hidraulicas,
umero de horas hasta
a Gas en Ciclo Combinado, a Gas en Ciclo Simple y Diesel. Para un n
el punto t1 , proveer un MW con una unidad a Diesel es lo m
as barato; desde un n
umero
de horas t1 hasta t2 , lo m
as barato es proveer un MW con unidades a Gas a Ciclo Simple;
desde un n
umero de horas t2 hasta t3 , lo m
as barato es proveer un MW con unidades a
Gas a Ciclo Combinado; finalmente para un n
umero de horas mayor a t3 lo m
as eficiente
es proveer un MW con unidades Hidr
aulicas.
Luego de determinar el n
umero de horas de cada tecnologa, se puede encontrar la capa-
22
2.4.3.
Precios
optimos
Los precios optimos maximizan el bienestar social, para encontrarlos se asignan variables
duales al lado de cada restriccion del problema del planificador central:
Minimizar
gs , gs,j , rj
CFs gs +
gs,j + rj = dj : pj j
sS
XX
j CVs gs,j +
sS jD
j V OLL rj
jD
Sujeto a:
j D
sS
gs,j gs 0 : s,j
s S, j D
rj dj : j
j D
gs,j 0
s S, j D
gs 0
s S
rj 0
j D
(2.21)
CFs gs +
sS
jD
XX
sS jD
j CVs gs,j +
j V OLL rj
jD
X
XX
X
pj j (
gs,j + rj dj ) +
s,j (gs,j gs ) +
j (rj dj )
sS
jD sS
(2.22)
jD
(2.23)
(2.24)
s,j
j
(2.25)
23
L
= j V OLL pj j = 0
rj
(2.26)
pj = V OLL
(2.27)
Fuente: elaboraci
on propia.
2.4.4.
24
Equilibrio financiero
Si se cuenta con el parque generador optimo y los precios reflejan el costo marginal se
logra el equilibrio financiero; para demostrar esta proposici
on podemos utilizar la teora
de dualidad. La funcion objetivo del problema dual del planificador central es la siguiente:
Maximizar
pj , s,j , j
j pj dj +
jD
dj j
(2.28)
jD
Para los sistemas electricos reales el racionamiento nunca es mayor o igual a la demanda
por lo que los multiplicadores j no limitan el problema (j = 0). Por el teorema de la
dualidad, la funcion objetivo en la soluci
on optima debe cumplir lo siguiente:
X
j pj dj =
jD
X
sS
CFs gs +
XX
j CVs gs,j
+
sS jD
j V OLL rj
(2.29)
jD
El u
ltimo termino de la expresi
on anterior solamente existe cuando hay racionamiento. En
la secci
on anterior se demostro que cuando hay racionamiento el precio pj = V OLL, luego
se puede reescribir la expresi
on anterior:
X
jD
j pj (dj rj ) =
X
sS
CFs gs +
XX
j CVs gs,j
(2.30)
sS jD
El primer termino de la igualdad anterior representa los ingresos cuando el precio refleja
el costo marginal, dado que pj representa el costo marginal en cada perfil de demanda
la igualdad anterior nos dice para un sistema que posee el parque generador optimo la
remuneracion a costo marginal cubre los costos fijos de la capacidad de generaci
on m
as los
costos variables de operaci
on, logr
andose el equilibrio financiero, es importante recalcar
que la igualdad solo se cumple cuando se tiene un parque generador optimo.
2.4.5.
Discusi
on sobre la tarifaci
on a costo marginal y la inversi
on
Existe una importante diferencia entre los resultados encontrados por el modelo Peak Load
Pricing y el modelo del operador del mercado Spot. El operador del mercado considera
que los costos de inversi
on son costos hundidos y por lo tanto cuando una tecnologa opera
a su m
axima capacidad el precio solamente refleja el costo variable. El modelo de Peak
Load Pricing considera un pago adicional por la capacidad instalada cuando una tecnologa
opera a su m
axima capacidad. En principio, el operador asigna eficientemente el despacho
de las tecnologas existentes por ambos metodos, no obstante los precios que asigna no
permiten obtener un equilibrio financiero al no tomar en cuenta los costos de inversi
on; a
la larga ello ocasionara que no exista un correcto desarrollo del parque generador.
Una soluci
on muy utilizada es utilizar un pago por capacidad igual al costo fijo de la unidad que opera en la demanda pico. No obstante, mediante este esquema de remuneracion
no se estara cubriendo totalmente los costos de las tecnologas que no operan en hora de
punta. Luego se sugiere realizar un an
alisis detallado sobre la forma de remuneracion de
25
los generadores y c
omo ella conlleva a un parque generador optimo.
Por otro lado, es posible que el modelo presentado no represente exactamente el problema
debido a los siguientes factores:
La demanda evoluciona en el tiempo, en cada periodo la demanda aumenta de a
no
en a
no por lo tanto el an
alisis de una fotografa del momento puede variar.
Restricciones de recursos, no siempre se tienen disponibles los recursos como fuentes
de agua, gas, diesel o carb
on. Si bien es cierto, siempre es posible la importaci
on de
combustibles, por lo general resulta m
as barato consumir los propios recursos.
Restricciones de tiempos de construccion. Cada planta de una tecnologa en particular requiere de un tiempo para ser construida, este tiempo puede variar entre 4 y
8 a
nos dependiendo del tipo de tecnologa.
Restricciones presupuestarias. Dado que el costo de inversi
on es bastante alto, no
siempre es facil obtener financiamiento para la construccion de capacidad de generaci
on. Esto puede obligar a construir aquella que requiere menos costo de inversi
on
a pesar que no sea lo optimo.
Problemas de la regulaci
on; puede ser que la forma de remunerar a las compa
nas
de generaci
on no incentive la inversi
on en capacidad de generaci
on adecuada.
En el Captulo 4 se modeliza los detalles mencionados para luego simular las repercusiones
de los mismos.
2.5.
Teora de juegos
26
(2.31)
(2.32)
(2.33)
(2.34)
2 (k1 , k2 ) = k2 (1 k1 k2 )
(2.35)
(2.36)
1 k1
2
De manera similar se realiza la maximizaci
on de beneficios para la primera firma:
k2 =
1 k2
2
Al resolver ambas condiciones de forma simult
anea y se obtiene el siguiente resultado:
k1 =
k1 = k2 = 1/3
1 = 2 = 1/9
Otra tipo de juego es el juego en donde un jugador realiza el primer movimiento, a diferencia del juego cl
asico en donde los jugadores realizan sus movimientos al mismo tiempo.
27
Este modelo fue planteado por Stackelberg, ver Tirole (1988). El ejemplo cl
asico consiste
on y luego compiten
en un juego de dos empresas que deciden su capacidad de producci
seleccionando la cantidad producida como variable estrategica. En el caso del modelo de
Stackelberg, la primera firma maximiza sus beneficios tomando en cuenta que la segunda firma espera la decisi
on de su jugada. La primera firma reemplaza la condici
on de
optimizaci
on de la segunda firma en su funcion de beneficios:
1 (k1 , k2 ) = k1 (1 k1
1 k1
)
2
1 k1
)
2
Luego la primera firma maximizar
a sus beneficios:
(2.37)
1 (k1 , k2 ) = k1 (
(2.38)
1
=0
k1
(2.39)
k1 = 1/2, k2 = 1/4
1 = 1/8, 2 = 1/16
Puede observarse que el jugador que realiza la primera jugada puede obtener un mayor
beneficio en comparacion al equilibrio de jugadas simult
aneas.
2.6.
Optimizaci
on y complementaridad
De acuerdo a la secci
on anterior, cuando existen un continuo de estrategias basta con
maximizar cada una de las funciones de pagos para obtener el o los equilibrios de Nash,
si es que existen. En la pr
actica, cada jugador puede tener problemas de optimizaci
on con
un conjunto de restricciones lo que torna m
as complejo el proceso para hallar la soluci
on.
La teora de complementaridad permite tratar problemas de mayor complejidad en donde
los problemas de optimizaci
on pueden compartir un conjunto de variables y par
ametros.
En esta secci
on se presenta un introducci
on a los problemas de complementaridad basada
en Gabriel et al. (2013).
Algunos problemas de complementaridad se originan al aplicar las condiciones de Karush
- Kuhn - Tucker (KKT) dando origen a: Problemas de equilibrio o Equilibrium Problems
(EP), Programas Matematicos con Restricciones de Equilibrio o Mathemathical Programs
with Equilibrium Constraints (MPEC) y Problemas de Equilibrio con Restricciones de
Equilibrio o Equilibrium Problem with Equilibrium Constraints (EPEC).
La estructura matem
atica m
as b
asica es el problema de optimizaci
on diferenciable. La
representaci
on de un problema de optimizaci
on est
a dada por:
Minimizar
x
f (x)
Sujeto a:
(2.40)
h(x) = 0
g(x) 0
28
Donde x Rn , f : Rn R, h : Rn Rm , g : Rn Rp .
El comportamiento de los agentes del mercado se puede representar por problemas de
optimizaci
on. Por ejemplo, el operador del mercado electrico maximiza el bienestar social,
el productor de electricidad maximiza sus beneficios, etc. Las condiciones de optimalidad
de este problema son las condiciones de Karush - Kun - Tucker (KKT ); primero se crean
multiplicadores de Lagrange en cada restriccion de la siguiente forma:
Minimizar
x
f (x)
Sujeto a:
(2.41)
h(x) = 0 :
g(x) 0 :
(2.42)
0 g(x) 0
La u
ltima condici
on se conoce como condici
on de complementaridad y consta de las siguientes condiciones:
g(x) 0
0 g(x) 0 =
t g(x) = 0
(2.43)
0
Lo anterior es parte de una estructura matem
atica m
as general conocida como problema
de complementaridad, para el caso lineal se le denomina Linear Complementarity Problem
(LCP); el problema consiste en encontrar w Rn y z Rn que satisfagan lo siguiente:
w Mz = q
z 0, w 0
(2.44)
wz=0
Donde M Rnn y q Rn .
Los problemas de equilibrio son una de las formas de complementaridad; un problema de
equilibrio est
a dado por la resolucion simult
anea de los i = 1, n problemas siguientes:
1
29
Minimizarxi f i (x1 , , xn )
Sujeto a:
hi (x1 , , xn ) = 0
i 1
n
g (x , , x ) 0
i = 1 n
(2.45)
Luego los problemas se trasladan a resolver el conjunto de ecuaciones que resulta de aplicar
las condiciones de KKT para cada problema de optimizaci
on.
hi (x1 , , xn ) = 0
0 g (x , , x ) 0
i = 1 n
(2.46)
Donde i Rm y i Rp .
Los Programas Matematicos con Restricciones de Equilibrio o com
unmente llamados
MPEC por sus siglas en ingles; son problemas de optimizaci
on que tienen como restricciones otros problemas de optimizaci
on. Al problema principal se le llama problema de
primer nivel o de nivel superior, mientras que a los problemas de optimizaci
on que son
restricciones se les llama problemas de nivel inferior.
Minimizar
{x}{x1 , x2 , 1 , 2 , 1 , 2 }
f (x, x1 , x2 , 1 , 2 , 1 , 2 )
Sujeto a:
h(x, x1 , x2 , 1 , 2 , 1 , 2 ) = 0
g(x, x1 , x2 , 1 , 2 , 1 , 2 ) 0
Minimizarx1 f 1 (x, x1 , x2 )
Sujeto a:
1
h (x, x , x ) = 0 :
(2.47)
1
g 1 (x, x1 , x2 ) 0 : 1
Minimizarx2 f 2 (x, x1 , x2 )
Sujeto a:
h2 (x, x1 , x2 ) = 0 2
g 2 (x, x1 , x2 ) 0 2
30
Minimizar
{x}{x1 , x2 , 1 , 2 , 1 , 2 }
f (x, x1 , x2 , 1 , 2 , 1 , 2 )
Sujeto a:
h(x, x1 , x2 , 1 , 2 , 1 , 2 ) = 0
g(x, x1 , x2 , 1 , 2 , 1 , 2 ) 0
Condiciones KKT
x1 f 1 (x, x1 , x2 ) + (1 )t x1 h1 (x, x1 , x2 )
+(1 )t x1 g 1 (x, x1 , x2 ) = 0
x2 f 2 (x, x1 , x2 ) + (2 )t x2 h2 (x, x1 , x2 )
+(2 )t 2 g 2 (x, x1 , x2 ) = 0
(2.48)
h1 (x, x1 , x2 ) = 0
h2 (x, x1 , x2 ) = 0
0 1 g 1 (x, x1 , x2 ) 0
0 2 g 2 (x, x1 , x2 ) 0
MPEC1
Minimizar
1 , x 2 , 1 , 2 , 1 , 2 }
X
=
{x,
x
x x x x
Sujeto a:
fx (X, Y )
hx (X, Y ) = 0
gx (X, Y ) 0
x1 fx1 (x, x1 , x2 , Y ) + (1x )t x1 h1x (x, x1 , x2 , Y )
+ (1x )t x1 g 1 (x, x1 , x2 , Y ) = 0
x2 fx2 (x, x1 , x2 , Y ) + (2x )t x2 h2x (x, x1 , x2 , Y )
+ (2x )t x2 gx2 (x, x1 , x2 , Y ) = 0
h1x (x, x1 , x2 , Y ) = 0
h2x (x, x1 , x2 , Y ) = 0
0 1x gx1 (x, x1 , x2 , Y ) 0
0 2x gx2 (x, x1 , x2 , Y ) 0
(2.49)
2.7 Revisi
on de los principales modelos existentes
MPEC2
Minimizar
1 , y 2 , 1 , 2 , 1 , 2 }
Y
=
{y,
y
y
y
y
x
Sujeto a:
31
fy (Y, X)
hy (Y, X) = 0
gy (Y, X) 0
y1 fy1 (y, y 1 , y 2 , X) + (1y )t y1 h1y (y, y 1 , y 2 , X)
+ (1y )t y1 g 1 (y, y 1 , y 2 , Y ) = 0
y2 fy2 (y, y 1 , y 2 , X) + (2y )t y2 h2y (y, y 1 , y 2 , X)
+ (2y )t y2 gy2 (y, y 1 , y 2 , X) = 0
h1y (y, y 1 , y 2 , X) = 0
h2y (y, y 1 , y 2 , X) = 0
0 1y gy1 (y, y 1 , y 2 , X) 0
0 2y gy2 (y, y 1 , y 2 , X) 0
(2.50)
2.7.
Revisi
on de los principales modelos existentes
La descentralizaci
on de los mercados electricos ha reformulado el problema de la inversi
on en capacidad de generaci
on. Seg
un este esquema, las inversiones son hechas por las
compa
nas de generaci
on en funcion a los beneficios que puedan obtener del mercado de
electricidad. Este esquema supone un equilibrio de las decisiones de las compa
nas lo que
se puede estudiar con la teora de complementaridad. En la literatura se han propuesto
algunos modelos para representar la din
amica de la inversi
on en capacidad de generaci
on;
en esta secci
on se revisan algunos de os principales modelos.
En Pineau y Murto (2003) se desarrolla un modelo para un oligopolio en donde se asume
que hay una curva de demanda lineal y el precio de la electricidad est
a determinado por
una curva de demanda lineal, el modelo es compatible al modelo de competencia de Cournot en donde las empresas compiten en cantidades. Los autores resuelven numericamente
para un caso de estudio.
En Dammert et al. (2005b) se presentan un modelo din
amico para un planificador central.
El modelo es resuelto analticamente y se derivan las polticas optimas de inversi
on que
indican que la inversi
on en un periodo toma en cuenta el ahorro en costos de operaci
on
para el siguiente periodo considerando que la inversi
on en capacidad abarata los costos
de operaci
on. Asimismo, se utiliza programacion din
amica para encontrar las trayectorias
2.7 Revisi
on de los principales modelos existentes
32
de inversi
on optimas para el caso peruano, asumiendo ciertas formas funcionales para la
demanda y los costos.
En Botterud et al. (2005), los autores proponen modelos que representan la din
amica de
la inversi
on para un planificador central y un oligopolio; los autores adoptan una funcion
de demanda lineal y utilizan programacion din
amica para obtener soluciones para algunos
casos de estudios.
En Botterud y Korp
as (2007), los autores proponen un modelo que representa la din
amica
on e incorporan el efecto de las incertidumbres. Se utiliza la programacion
de la inversi
din
amica estoc
astica para obtener soluciones para algunos casos de estudio.
En Ehrenmann y Smeers (2011), los autores plantean un modelo de dos niveles para un
planificador central. En el primer nivel se encuentra el problema de inversi
on en capacidad mientras que en el segundo nivel se encuentra el problema del operador del mercado
electrico. Si bien se modeliza al operador del mercado electrico, no se modeliza la competencia de las empresas.
En Centeno et al. (2011), se propone un modelo binivel para una empresa que maximiza
sus beneficios tomando como fijas las decisiones del resto de jugadores. Este modelo es
muy cercano al modelo de un monopolista que maximiza sus beneficios, en el segundo
nivel del modelo se tienen la operaci
on del mercado. Un aporte importante del artculo
es la metodologa basada en tecnicas de linealizaci
on y expansi
on binaria para conseguir
un problema de programacion lineal entera mixta y obtener soluciones mediante solvers
comerciales, ver Fortuny-Amat y McCarl (1981) y Glover (1975).
En Khalfallah (2012) se implementa un modelo din
amico con competencia tipo Cournot.
El principal objetivo del artculo es comparar tres mecanismos de incentivos de la inversi
on: pagos por capacidad, opciones de confiabilidad y contratos futuros bajo el metodo
de subastas. El autor obtiene las mismas decisiones de inversi
on para los tres mecanismos.
El principal inconveniente de los modelos propuestos en Pineau y Murto (2003); Dammert
et al. (2005b); Botterud et al. (2005); Botterud y Korp
as (2007); Khalfallah (2012) es
que determinan los precios asumiendo una funci
on de demanda, en realidad el precio es
determinado por el operador del mercado.
Finalmente, en Wogrin et al. (2013) se presenta un modelo binivel en donde en el primer
nivel se modeliza a un conjunto de jugadores que invierten en capacidad de generaci
on
mientras que en el segundo nivel se modeliza el problema del operador del mercado. El
artculo presenta una metodologa similar a Centeno et al. (2011); El aporte m
as importante de este artculo radica en la propuesta de una funcion de exploracion lineal, que
consiste en al promedio ponderado de los beneficios de las firmas, para poder resolver el
equilibrio de Nash como un problema de optimizaci
on y as utilizar solvers.
Captulo 3
Metodologa
34
3.2.
Modelos continuos
Estos modelos consideran que la capacidad puede variar de forma continua; esta simplificaci
on permite aplicar el teorema de dualidad fuerte de la programacion lineal. Se considera
que la capacidad de generaci
on se rige por la din
amica de mostrada en la Figura 3.1; para
el periodo t se cuenta con una capacidad inicial gtmax y se debe decidir la inversi
on It
max est
para este periodo; la capacidad del siguiente periodo gt+1
a dada por la capacidad del
periodo anterior m
as la respectiva inversi
on en capacidad.
Fuente: elaboraci
on propia.
A continuaci
on se detallan los tres modelos propuestos: el modelo del planificador central,
del monopolio y del oligopolio.
3.2.1.
35
Minimizar
max
Is,t , gs,t
gs,j,t, rj,t
X X j CVs gs,j,t
+
(1 + )t
t{1...T} jD sS
X j V OLL rj,t
(1 + )t
t{1...T} jD
X CFs Ii,s,t
(1 + )t
t{0...T1} sS
Sujeto a:
s S, t {1 . . . T}
s S, t {0 . . . T 1}
max
max
gs,t
= gs,t1
+ Is,t1
Is,t 0
X
gs,j,t = dj,t rj,t
(3.1)
j D, t {1 . . . T}
sS
s S, j D, t {1 . . . T}
j D, t {1 . . . T}
max
gs,j,t gs,t
rj,t dj,t
s S, j D, t {1 . . . T}
s S, j D, t {1 . . . T}
gs,j,t 0
rj,t 0
3.2.2.
El modelo del monopolio considera que existe una sola empresa que en primera instancia
decide las inversiones en capacidad de generaci
on y luego el operador del mercado asigna
los precios y la producci
on para cada nivel de demanda en cada etapa. Siguiendo la misma
descripci
on de las variables utilizadas en la secci
on 3.2.1, el problema se modeliz
o por un
modelo binivel. En el primer nivel se encuentra el problema del monopolista que maximiza
sus beneficios; para encontrar los beneficios del monopolista se debe incluir los precios pj,t
en cada nivel j D en cada etapas t {1 . . . T}; cada precio es asignado por el operador
del mercado de tal forma que es igual al costo marginal de su nivel de demanda respectivo.
El problema del primer nivel se formula de la siguiente manera:
Primer Nivel
Maximizar
max
Is,t , gs,t
t{1...T} jD sS
(1 + )t
X CFs Is,t
t{0...T1} sS
(1 + )t
(3.2)
Sujeto a:
max
gs,t
max
gs,t1
Ii,s,t 0
+ Is,t1
s S, t {1 . . . T }
s S, t {0 . . . T 1}
Para el primer nivel, la tasa utilizada para traer a valor presente los beneficios representa la tasa de retorno mnima aceptable del monopolista. Las variables de decisi
on del
36
sS
Sujeto a:
X
sS
gs,j,t
max
gs,t
rj,t dj,t :
1s,j,t
2j,t
gs,j,t 0
rj,t 0
j D
t
{1 . . . T}
s S
s S
s S
(3.3)
En donde pj,t , 1s,j,t y 2j,t son los multiplicadores de Lagrange que figuran al costado de su
respectiva restriccion. Las variables de decisi
on del operador del mercado son la producci
on y el racionamiento. La funci
on objetivo representa el costo de operaci
on m
as el costo
de racionamiento. Las restricciones son las siguientes (en orden de aparici
on): (i) balance
oferta y demanda, (ii) restricciones de capacidad, (iii) el racionamiento no puede ser mayor
a la demanda, (iv) no negatividad de la producci
on y (v) no negatividad del racionamiento.
Los multiplicadores pj,t coinciden con los precios fijados por el operador del mercado en
el problema del primer nivel, debido a que dichos multiplicadores representan la variaci
on
del costo de operaci
on respecto a la variaci
on de la demanda. En otras palabras, dichos
multiplicadores son los costos marginales para cada nivel de demanda j para cada etapa
t; por ello los precios pj,t del problema del primer nivel coinciden con los multiplicadores
de la restriccion de demanda de los problemas del segundo nivel.
Los problemas del segundo nivel son lineales y se tiene que encontrar sus condiciones de
optimalidad; para ello se utilizan sus problemas duales:
X
Maximizar
max
1s,j,t gs,t
p
2j,t dj,t
j,t
j,t
pj,t, 1s,j,t , 2j,t
sS
Sujeto a:
pj,t 1s,j,t CVs
pj,t
2j,t
1s,j,t 0
2j,t 0
V OLL
j D
t
{1 . . . T}
s S
s S
(3.4)
37
sS
max
1s,j,t gs,t
2j,tdj,t
j D, t {1 . . . T}
sS
(3.5)
Finalmente, los problemas del segundo nivel son reemplazados por sus condiciones de
dualidad fuerte, y las restricciones de sus problemas primal y dual. Las ecuaciones e
inecuaciones resultantes se agregan en el problema del primer nivel:
Maximizar
max
Is,t , gs,t
gs,j,t, rj,t
pj,t , 1s,j,t, 2j,t
t1..T jD sS
(1 +
)t
X CFs Is,t
t0..T 1 sS
(1 + )t
Sujeto a:
max
max
gs,t
= gs,t1
+ Is,t1
s S, t {1 . . . T}
s S, t {0 . . . T 1}
Is,t 0
X
X
max
CVs gs,j,t + V OLL rj,t = pj,t dj,t 2j,t dj,t
1s,j,t gs,t
sS
sS
j D, t {1 . . . T}
X
j D, t {1 . . . T}
(3.6)
sS
max
gs,j,t gs,t
rj,t dj,t
s S, j D, t {1 . . . T}
j D, t {1 . . . T}
rj,t 0
s S, j D, {1 . . . T}
s S, j D, {1 . . . T}
s S, j D, T
j D, t {1 . . . T}
1s,j,t 0
s S, j D, t {1 . . . T}
j D, t {1 . . . T}
gs,j,t 0
2j,t 0
3.2.3.
Para el caso del monopolio se tiene un conjunto de firmas que decide las inversiones en
primera instancia, mientras que el operador del mercado asigna los precios y la producci
on
en cada nivel de demanda y en cada etapa. El modelo del oligopolio es muy similar al
modelo del monopolio con la diferencia que consideramos un conjunto de firmas N que
agregamos a la notaci
on anterior. Cada firma i N maximiza sus beneficios seg
un el
siguiente modelo:
38
Maximizar
max
Ii,s,t , gi,s,t
t{1...T} jD sS
(1 + i )t
X CFs Ii,s,t
t{0...T1} sS
(1 + i )t
(3.7)
Sujeto a:
max
gi,s,t
max
gi,s,t1
: i,s,t s S, t {1 . . . T}
s S, t {0 . . . T 1}
+ Ii,s,t1
Ii,s,t 0
En donde i,s,t son los multiplicadores de Lagrange que figuran al lado su restriccion
asociada y las tasas i representan las tasas de retorno mnimas aceptables de los inversionistas. Las variables de decisi
on de la firma i son la inversi
on y la capacidad en cada
etapa. La funcion objetivo consisten en el valor presente de los beneficios de la firma i.
Las restricciones son las siguientes (en orden de aparici
on): (i) din
amica de la inversi
on y
(ii) no negatividad de la inversi
on.
En vez de un segundo nivel se considera una condici
on de equilibrio que est
a dada por el
conjunto de problemas del operador del mercado:
XX
Minimizar
=
CVs gi,s,j,t + V OLL rj,t
gi,s,j,t, rj,t
iN sS
Sujeto a:
XX
j D
t {1 . . . T}
max
gi,s,j,t gi,s,t
: 1i,s,j,t
i N, s S
gi,s,j,t 0
i N, s S
rj,t 0
s S
(3.8)
Al igual que en el modelo del monopolio, los problemas del operador de mercado se reemplazan por su condiciones de dualidad fuerte, las restricciones de su problema primal
y dual. Lo siguiente es obtener las condiciones de optimalidad para cada firma i. El Lagrangiano del problema del primer nivel para cada firma es el siguiente:
iN sS
Li :
t1..T jD sS
X X
)t
X CFs Ii,s,t
t0..T 1 sS
(1 + i )t
(3.9)
max
max
i,s,t (gi,s,t1
+ Ii,s,t1 gi,s,t
)
t1..T sS
+ i,s,t+1 i,s,t = 0
max
gi,s,t
(1 + i )t
dj,t
(3.10)
CFs
Li
max = 0 = (1 + )t + i,s,t+1 = 0
Ii,s,t
i
(3.11)
jD
39
A traves de la condici
on de dualidad fuerte de la condici
on de equilibrio, se encuentra la
variaci
on de los precios con respecto de la capacidad de generaci
on de cada jugador:
X
pj,t dj,t =
sS
max
1s,j,t gs,t
+ 2j,tdj,t
(3.12)
sS
1i,s,j,t
pj,t
=
max
gi,s,t
dj,t
(3.13)
X j 1i,s,j,t gi,s,j,t
jD
dj,t (1 + i )t
+ i,s,t+1 i,s,t = 0
CFs
+ i,s,t+1 = 0
(1 + i )t
i N, s S, t {1 . . . T}
i N, s S, t {1 . . . T 1}
max
max
gi,s,t
= gi,s,t1
+ Ii,s,t1
Ii,s,t 0
XX
CVs gi,s,j,t + V OLL rj,t = pj,t dj,t
s S, t {1 . . . T}
s S, t {0 . . . T 1}
iN sS
XX
j D, t {1 . . . T}
max
1i,s,j,t gi,s,t
2j,t dj,t
iN sS
XX
j D, t {1 . . . T}
iN sS
i N, s Sj D, t {1 . . . T }
max
gi,s,j,t gi,s,t
rj,t dj,t
rj,t 0
i N, s S, j D, t {1 . . . T}
s S, j D, t {1 . . . T}
i N, s S, j D, t {1 . . . T}
gi,s,j,t 0
pj,t
2j,t
j D, t {1 . . . T}
V OLL
1i,s,j,t 0
i N, s S, j D, t {1 . . . T}
2j,t
j D, t {1 . . . T}
(3.14)
Donde i =
P P
t{1...T} jD sS
t{0...T 1} sS
CFs Ii,s,t
(1+i )t
representa el beneficio
3.3.
Modelos discretos
40
3.3.1.
El periodo de an
alisis se divide en un conjunto de etapas T y se considera que la capacidad
de generaci
on de cada tecnologa es constante durante cada etapa. Cada etapa t T tiene
asociado un conjunto de niveles de demanda D, y cada nivel j D tiene una duracion
j . La capacidad de generaci
on en cada etapa debe abastecer la demanda dj,t asociada al
nivel de demanda j D y la etapa t T . Asimismo se considera que existe un posible
racionamiento rj con un costo para la energa no suministrada V OLL; si el precio de la
electricidad supera este costo lo m
as eficiente es racionar.
La capacidad de generaci
on inicial est
a compuesta por un conjunto de generadores G. A
cada generador k G le corresponde un costo variable CVk , una capacidad gk0 . En cada
0 . Dado que la capacidad
nivel de demanda, cada generador produce una potencia gk,j,t
existente es un costo hundido, se considera que el planificador central debe mantener la
capacidad de generaci
on inicial disponible para todas las etapas del estudio y que las decisiones de inversi
on en el mantenimiento no entran en el an
alisis.
Asimismo, existe un portafolio de tecnologas S en las que se puede invertir en un n
umero
entero de unidades de generaci
on en cada etapa t. Las variables enteras ws,t son variables
de stock que representan el n
umero de unidades de generaci
on de la tecnologa s S construidas hasta la etapa t T . La inversi
on en cada etapa est
a dada por la diferencia entre el
n
umero de unidades del periodo actual menos el n
umero de unidades del periodo anterior
(ws,t ws,t1 ). Cada tecnologa tiene unidades de generaci
on con una capacidad fija gs .
El costo fijo de inversi
on asociado a cada unidad de generaci
on de la tecnologa s S est
a
dado por CFs y el costo variable CVs . Se considera que cada tecnologa tiene un m
aximo
n
umero de unidades w
s en que se puede invertir. Por otro lado, las unidades de generaci
on
s S tienen un tiempo de vida u
til s asociado; despues de s a
nos, el n
umero efectivo de unidades de generaci
on que pueden producir electricidad est
a dado por ws,t ws,ts .
En cada nivel de demanda j, el planificador central debe encontrar la potencia gs,j,t producida por la tecnologa s S a fin de maximizar el bienestar social. El inversionista
debe decidir en cuantas unidades de generaci
on debe invertir por cada tecnologa a fin de
maximizar sus beneficios. Como se demostro en el captulo 2, cuando se utiliza la demanda
inel
astica, maximizar el bienestar social equivale a minimizar el costo total, entonces el
planificador central resuelve el siguiente problema:
41
Minimizar
0
ws,t , gk,j,t
gs,j,t , rj,t
CFs ws,1 +
sS
X X
sS tT |t>1
1
CFs (ws,t ws,t1 )+
(1 + i)t1
XXX
1
0
p CVk0 gk,j,t
+
(1 + i)t
XXX
1
p CVs gs,j,t +
(1 + i)t
tT jD kG
tT jD sS
XX
tT jD
1
p V OLL rj,t
(1 + i)t
Sujeto a:
X
0
gk,j,t
+
kG
0
gk,j,t
j D, t T
sS
g 0k
k G
s S, j D, t T |t > s
s S, j D, t T |t s
gs,j,t 0
rj,t dj,t
s S, j D, t T
j D, t T
rj,t 0
ws,t1 ws,t
j D, t T
s S, t T |t > 1
ws,t [0, w
s ] Z+
s S, t T
(3.15)
La funci
on objetivo est
a dada por el valor presente del costo de inversi
on en capacidad de
generaci
on sumado al costo de operaci
on del mercado y el costo de la energa no suministrada. La primera restriccion representa el balance de oferta - demanda. Las tres siguientes
restricciones representan las restricciones de capacidad para las unidades existentes, para
las unidades nuevas que sobrepasan su tiempo de vida u
til y para las unidades nuevas
que no sobrepasan su tiempo de vida u
til. Asimismo el racionamiento debe ser menor a la
demanda. Tambien se representa la restriccion intertemporal: las unidades construidas en
una etapa se encuentran disponibles para la siguiente etapa (ws,t1 ws,t ). Finalmente,
existe una restriccion de recursos que limita las variables enteras ws,t .
3.3.2.
Este modelo considera a un solo inversionista que tiene el monopolio del mercado de
inversiones en capacidad de generaci
on y este maximiza sus beneficios para el periodo
de an
alisis. A partir de la notaci
on utilizada en la secci
on 3.3.1 se formul
o el modelo del
monopolio que maximiza sus beneficios para una tasa de retorno mnima aceptable sujeto
al problema del operador del mercado. Para simplificar la formulaci
on matem
atica del
} de
modelo, se descomponen las variables enteras ws,t en un conjunto U = {1, 2, U
variables binarias xu,s,t de tal forma que posteriormente se pueda aplicar la linealizaci
on
on:
de Fortuny-Amat y McCarl (1981). Las variables xu,s,t cumplen con la siguiente relaci
42
ws,t =
U
X
xu,s,t
(3.16)
u=1
(3.17)
Fuente: elaboraci
on propia.
Tambien se debe representar la restriccion intertemporal que dice que las unidades construidas en una etapa se encuentran disponibles en la siguiente etapa:
xu,s,t xu,s,t1
(3.18)
El objetivo del monopolista consisten maximizar el valor presente de sus beneficios sujeto
a las restricciones de inversi
on comentadas anteriormente y al problema del operador del
mercado. Para actualizar los beneficios a valor presente, el monopolista utiliza su tasa de
retorno mnima aceptable . El problema del operador del mercado consiste en el problema
de minimizacion del costo de operaci
on sujeto al balance de la oferta - demanda y a las
restricciones de capacidad. La formulaci
on matem
atica del problema del monopolio es la
siguiente:
43
XXXX
tT jD sS uU
XX
1
j (pj,t CVs ) gu,s,j,t
(1 + )t
CFs xu,s,1
sS uU
X XX
tT |t>1 sS uU
1
CFs (xu,s,t xu,s,t1 )
(1 + )t1
(3.19)
Sujeto a:
xu1,s,t xu,s,t
u U |u > 1, s S, t T
xu,s,t {0, 1} u U, s S, t T
Segundo Nivel
Minimizar
0
gk,j,t
gu,s,j,t , rj,t
0
+
CVk0 gk,j,t
XX
CVs gu,s,j,t
sS uU
kG
+ V OLL rj,t
Sujeto a:
X
0
+
gk,j,t
kG
0
gk,j,t
XX
sS uU
g 0k : k,j,t
k G
u U, s S, t > s
u U, s S, t s
k G
gu,s,j,t 0
s S
rj,t 0
j D
t T
(3.20)
Para el problema del operador del mercado se han escritos las respectivas variables duales
a lado de cada restriccion. De manera similar a la secci
on 3.2.2 el problema del operador
del mercado se puede reemplazar las restricciones de su problema primal y dual, y su
condici
on de dualidad fuerte; se expres
o el modelo en un solo nivel de la siguiente forma:
44
Maximizar
0
xu,s,t , gk,j,t
gu,s,j,t , rj,t
pj,t , k,j,t
u,s,j,t , j,t
XXX X
tT jD sS uU
X X
sS uU
1
j (pj,t CVs ) gu,s,j,t
(1 + )t
CFs xu,s,1
X X
tT |t>1 sS uU
1
CFs (xu,s,t xu,s,t1 )
(1 + )t1
Sujeto a:
Restricciones del primer nivel:
xu1,s,t xu,s,t
u U |u > 1, s S, t T
xu,s,t xu,s,t1
X
xu,s,t w
s
u U, s S, t T |t > 1
s S, t T
uU
xu,s,t {0, 1}
u U, s S, t T
Condici
on de dualidad fuerte:
X
X
0
pj,t dj,t
gko k,j,t j,t dj,t
CVk0 gk,j,t
kG
kG
sS|t>s uU
gs xu,s,t u,s,j,t
sS|ts uU
X X
j D, t T
sS uU
j D, t T
sS uU
0
g 0k
gk,j,t
k G, j D, t T
u U, s S, j D, t T |t > s
gu,s,j,t g s xu,s,t
u U, s S, j D, t T |t s
rj,t dj,t
j D, t T
0
gk,j,t
0
k G, j D, t T
gu,s,j,t 0
u U, s S, j D, t T
rj,t 0
j D, t T
k G, j D, t T
u U, s S, p P, t T
j D, t T
k,j,t 0
k G, j D, t T
u,s,j,t 0
u U, s S, j D, t T
j,t 0
j D, t T
(3.21)
45
x y = (y y )
|y y | M x
x y =
|y | M (1 x)
(3.22)
la variable gu,s,j,t en una suma de variables binarias bo,u,s,j,t para o O = {0, 1 . . . O}:
(3.23)
(3.24)
gu,s,j,t =
o bo,u,s,j,t
oO
Donde oO bo,u,s,j,t 1. Entonces, el producto pj,t gu,s,j,t puede ser aproximado por las
siguientes condiciones:
X
pj,t gu,s,j,t =
o zo,u,s,j,t
oO
(3.25)
46
Maximizar
xu,s,t
0
gk,j,t
gu,s,j,t , rj,t
bo,u,s,j,t
zo,u,s,j,t ,
pj,t , k,j,t
u,s,j,t , j,t
u,s,j,t
XXX X
tT jD sS uU
X
1
j
o zo,u,s,j,t
(1 + )t
oO
XXX X
1
j CVs gu,s,j,t
(1 + )t
tT jD sS uU
X X
CFs xu,s,1
sS uU
X X
1
CFs (xu,s,t xu,s,t1 )
(1 + )t1
tT |t>1 sS uU
Sujeto a:
gu,s,j,t =
X
o bo,u,s,j,t
u U, s S, j D, t T
oO
bo,u,s,j,t 1
u U, s S, j D, t T
oO
o O, u U, s S, j D, t T
o O, u U, s S, j D, t T
xu1,s,t xu,s,t
u U |u > 1, s S, t T
xu,s,t xu,s,t1
X
xu,s,t w
s
u U, s S, t T |t > 1
s S, t T
uU
xu,s,t {0, 1}
u U, s S, t T
bo,u,s,j,t {0, 1}
X
X
0
pj,t dj,t
gko k,j,t j,t dj,t
CVk0 gk,j,t
o O, u U, s S, j D, t T
kG
X X
kG
gs (u,s,j,t
u,s,j,t )
sS uU
X X
j D, t T
sS uU
u U, s S, j D, t T |t > s
u U, s S, j D, t T |t > s
|u,s,j,t
u,s,j,t |
M xu,s,t
|u,s,j,t | M (1 xu,s,t )
X
X X
0
gk,j,t
+
gu,s,j,t + rj,t = dj,t
kG
u U, s S, j D, t T |t s
u U, s S, j D, t T |t s
j D, t T
sS uU
0
0 gk,j,t
g0k
k G, j D, t T
u U, s S, j D, t T |t > s
gu,s,j,t g s xu,s,t
u U, s S, j D, t T |t s
0 rj,t dj,t
j D, t T
gu,s,j,t 0
u U, s S, j D, t T
k G, j D, t T
u U, s S, j D, t T
j D, t T
k,j,t 0
k G, j D, t T
u,s,j,t 0
u U, s S, j D, t T
j,t 0
j D, t T
(3.26)
Captulo 4
Resultados y discusi
on
En este captulo se reportan los resultados de los modelos propuestos aplicados al caso
peruano. Con los costos de inversi
on y operaci
on, y la proyeccion de la demanda del sistema peruano se encontr
o la composici
on del parque generador para el planificador central,
el monopolio y el oligopolio en el periodo 2014 - 2043; en la mayora de los casos se incorporaron las restricciones de tiempo de vida u
til, restricciones de financiamiento y las
restricciones en el tiempo de construccion y se reportan los resultados obtenidos al incorporar cada restriccion. En la secci
on 4.1 se presentan las principales caractersticas del
on 4.2 se
sistema peruano y los datos que fueron utilizados en las simulaciones. En la secci
presentan los resultados para el planificador central, en la secci
on 4.3 se presentan los resultados para el monopolio y en la secci
on 4.4 se presentan los resultados para el oligopolio.
Finalmente, en la secci
on 4.5 se resumen y discuten los resultados m
as relevantes.
4.1.
En esta secci
on se presentan las principales caractersticas del sistema peruano as como
los datos necesarios para realizar las simulaciones con los modelos propuestos.
4.1.1.
Composici
on del parque generador
48
Hidraulica
(MW)
220
193
556
176
88
374
35
886
137
94
113
271
3143
8018
Gas CS
(MW)
385
114
72
23
209
170
973
Gas CC
(MW)
485
808
600
860
2753
Diesel
(MW)
186
70
56
16
677
5
1010
Carbon
(MW)
139
139
Fuente: COES.
En la Tabla 4.2 se resume la composici
on del parque generador peruano para el a
no 20142 .
1
2
Existe una u
nica planta a carb
on pero no es relevante para el an
alisis
Aproximadamente 910 MW de la tecnologa de generaci
on a diesel son solamente usados como reserva.
49
MW
3143
2753
973
139
1010
Fuente: COES.
4.1.2.
La demanda de electricidad
Fuente: Osinergmin.
50
dj (MW)
6372.3
6260
6160
6060
5960
5860
5760
5660
5560
5460
5360
5260
j (Horas)
15
10
46
71
201
381
534
695
785
697
535
409
Bloque j
13
14
15
16
17
18
19
20
21
22
23
24
dj (MW)
5160
5060
4960
4860
4760
4660
4560
4460
4360
4260
4160
3,774.00
j (Horas)
278
328
282
243
312
385
419
482
538
475
263
376
Fuente: elaboraci
on propia.
Hidr
aulica
Gas CC
Gas CS
Diesel
Total
Curva exacta
(MW)
4222.3
1512.2
387
46.9
6168
Curva simplificada
(MW)
4160
1500
400
100
6160
51
Crecimiento
8%
11 %
13 %
8%
9%
5%
6%
6%
5%
4%
4%
Fuente: COES.
Finalmente, se utiliz
o un VOLL igual a 1000 $/MWh, con lo que queda determinada la
curva de demanda en cada nivel.
4.1.3.
COyM
( %)
2%
3%
3%
3%
Vida u
til
(a
nos)
40
25
25
25
52
Costo variable
($/MWh)
0.8
31.4
18.6
158.8
Fuente: Garca et al. (2011).
4.2.
Esta secci
on presenta los resultados para el planificador central utilizando los modelos propuestos en las secciones 3.2.1 y 3.3.1. Asimismo, se incorporan las siguientes restricciones
en los modelos:
Tiempos de vida u
til de las unidades.
Tiempos de construccion de las unidades.
Restricciones de financiamiento.
Indivisibilidades en la construccion de unidades de generaci
on.
Se considero un periodo de estudio de 30 a
nos. En todos los casos se supone que no existe
un parque generador inicial, a menos que se especifique lo contrario. En cada caso se
presenta la evoluci
on de la composici
on del parque generador, as como la evoluci
on de la
m
axima demanda y la capacidad total de generaci
on.
4.2.1.
El caso base
53
54
55
56
57
58
4.2.2.
59
60
4.2.3.
Las construccion de centrales toma un determinado tiempo asociado a su tipo de tecnologa, el cual es m
as o menos est
andar y se pueden consultar en Garca y Mo
nux (2006);
Kehlhofer et al. (2009); Head (2000). Si las decisiones son hechas en el primer periodo
entonces existe un periodo de demora para la construccion de las unidades, dicho tiempo
se puede modelizar por la siguiente restriccion:
Is,t = 0, t tcs
Para las simulaciones, se consideraron los tiempos de construccion de la Tabla 4.8.
(4.1)
61
Tiempo de construccion (a
nos)
8
4
3
1
Fuente: elaboraci
on propia.
Los resultados del modelo del planificador central incluyendo los tiempos de construccion
se detallan en la Tabla A.5, y se resumen en las Figuras 4.10 y 4.11.
62
63
64
4.2.4.
ks Is,t Ka, t T
(4.2)
sS
Sea Ka = 109 el presupuesto total entonces en la Tabla A.7 se detalla los resultados del
65
66
67
68
4.2.5.
69
70
4.3.
Esta secci
on presenta los resultados para el monopolio utilizando los modelos propuestos
en las secciones 3.2.2 y 3.3.2. Asimismo, se incorporan las siguientes restricciones en los
modelos:
Tiempos de vida u
til de las unidades.
Tiempos de construccion de las unidades.
Restricciones de financiamiento.
71
4.3.1.
El caso base
72
4.3.2.
En la Tabla A.11 se detallan los resultados para el monopolio que considera los tiempos
de vida u
til, los cuales se resumen en las Figuras 4.22 y 4.23.
73
74
4.3.3.
En la Tabla A.12 se presentan los resultados para el monopolio que tiene restricciones de
tiempo de construccion, los cuales se resumen en las Figuras 4.24 y 4.25.
75
76
4.3.4.
En la Tabla A.13 se detallan los resultados para el monopolio con restricciones de financiamiento, los cuales se resumen en las Figuras 4.26 y 4.27.
77
78
4.3.5.
79
Tabla 4.9: Resultados para el monopolio considerando las indivisibilidades y caso base
Tecnologa
Hidr
aulica
Gas CC
Gas CS
Diesel
Discreto
t=1 t=2
4000 4000
0
0
0
0
0
0
Continuo
t=1 t=2
3700 3700
400
400
0
0
500
500
Fuente: resultados de la investigaci
on.
La composici
on del parque generador obtenido para el monopolio discreto es la aproximaci
on discreta de la soluci
on continua. Asimismo, la cantidad de demanda racionada es
mayor que en el caso del planificador central.
4.3.6.
PP
g max
(1 + )t t
(4.3)
Luego, se realizaron simulaciones con el modelo del monopolio considerando un pago por
capacidad. Se simularon dos casos, el primer caso incluye un pago anual igual al costo fijo
anualizado de la tecnologa diesel mientras que el segundo caso se remunera un pago por
capacidad igual al 635 % del costo fijo de la tecnologa diesel. Los resultados para el primer
caso se detallan en la Tabla A.16 y se resumen en las Figuras 4.28 y 4.29.
80
81
82
83
4.4.
Esta secci
on presenta los resultados para el oligopolio utilizando el modelo propuesto en
la secci
on 3.2.3. Asimismo, se incorporan las siguientes restricciones en el modelo:
Restricciones de financiamiento.
Un pago por capacidad
Se considero un periodo de estudio de 30 a
nos. En todos los casos se supone que no existe
un parque generador inicial. En cada caso se presenta la evoluci
on de la composici
on del
parque generador, as como la evoluci
on de la m
axima demanda y la capacidad total de
generaci
on.
84
4.4.1.
El caso base
85
4.4.2.
En la Tabla A.15 se detallan los resultados del modelo del oligopolio cuando existen restricciones de financiamiento, los cuales se resumen en las Figuras 4.34 y 4.35.
86
87
4.4.3.
Se realizaron simulaciones del modelo del oligopolio incorporando un pago por capacidad.
Se simularon dos casos, el primer caso incluye un pago igual al costo fijo de la tecnologa
diesel mientras que el segundo caso se remunera un pago por capacidad del 635 % del costo
fijo de la tecnologa diesel. Los resultados para el primer caso se detallan en la Tabla A.19
y se resumen en las Figuras 4.36 y 4.37.
88
89
90
91
4.5.
Resultados relevantes
92
En la Figura 4.41 se comparan los resultados del caso base del planificador central con
el caso que considera el tiempo de vida u
til de las tecnologas. En el sistema analizado,
la capacidad efectiva es la misma en ambos casos, por lo que la poltica optima para el
planificador central es reemplazar la capacidad que cumple su vida u
til por una de similares
caractersticas.
93
Figura 4.41: Comparacion de capacidad efectiva obtenida para el caso base y el caso con
restricciones de tiempos de vida u
til.
En la Figura 4.42 se comparan los resultados del caso base del planificador central con el
caso que considera restricciones de financiamiento. En el sistema analizado, las restricciones
de tiempo de construccion y de financiamiento originan que la tecnologa diesel tenga una
mayor preponderancia mientras que en caso base la tecnologa hidraulica tiene una mayor
preponderancia. No obstante, en el largo plazo lo optimo es aproximarse a la trayectoria
del caso base.
94
Figura 4.42: Comparacion de capacidad obtenida para el caso base y el caso con restricciones de financiamiento.
En la Figura 4.43 se comparan los resultados del caso base del planificador central con
el caso que considera las indivisibilidades. Para el sistema analizado, la composici
on del
parque generador considerando las indivisibilidades es una aproximacion discreta al parque
generador encontrado con el modelo continuo.
95
Figura 4.43: Comparacion de capacidad obtenida para el caso base y el caso con indivisibilidades de la inversi
on.
96
Figura 4.44: Comparacion de capacidad obtenida para distintos casos del monopolio.
En la Figura 4.45 se comparan los resultados del caso base del monopolio con los casos
que consideran un pago por capacidad. Para el sistema analizado, el pago por capacidad
no tiene mayores efectos sobre la composici
on del parque generador del monopolio ni sobre la demanda racionada. Ello se deber a que el monopolio obtiene una mayor ganancia
racionando la demanda en vez que construyendo nueva capacidad de generaci
on.
97
Figura 4.45: Comparacion de capacidad obtenida para el monopolio sin pago por capacidad
y con pago por capacidad, casos 1 y 2.
98
En la Figura 4.47 se comparan los resultados con el caso base del oligopolio con los casos
que consideran el pago por capacidad. En el sistema analizado, el pago por capacidad si
tiene efectos sobre la composici
on del parque generador para el oligopolio. El pago por
potencia hace que la composici
on del parque del oligopolio se aproxime a la del planificador
central, que se puede deber al efecto de la competencia de las empresas.
99
Figura 4.47: Comparacion de capacidad obtenida para el oligopolio sin pago por capacidad
y con pago por capacidad, casos 1 y 2.
En el caso peruano, el mercado es un oligopolio con un pago por capacidad igual al costo
fijo de la tecnologa diesel. En la Figura 4.48 se compararon los resultados obtenidos por el
planificador central, el monopolio y el oligopolio con pago por capacidad. En comparacion
al monopolio, el resultado del oligopolio se aproxima bastante al caso del planificador
central, en especial para la tecnologa hidraulica. No obstante, en las dem
as tecnologas
existen diferencias que permiten sugerir una revisi
on detallada de la remuneracion con
pago por capacidad. Independientemente de la estructura de mercado, la capacidad de
generaci
on hidraulica es pr
acticamente la misma.
100
101
Actual
3143
2753
973
100
Optimo
4360
1400
300
100
Fuente: elaboraci
on propia.
La composici
on actual tiene un exceso de capacidad de generaci
on a gas, que puede ser
reemplazada por generaci
on hidraulica para obtener un menor costo.
Captulo 5
Conclusiones y recomendaciones
En el presente trabajo se formaliz
o matem
aticamente el modelo de Wenders (1976). El
o concluir que cuando la unidad marginal opera a su m
axima capacidad
modelo permiti
el precio debe reflejar su costo variable m
as el costo de inversi
on incurrido en ampliar
marginalmente su capacidad. Por otro lado, cuando la unidad marginal opera por debajo
de su capacidad el precio solamente debe reflejar su costo variable. Lo anterior tiene una
importante diferencia con el problema del operador del mercado Spot que no toma en
cuenta los costos de inversi
on. Por lo tanto, si bien el mercado Spot obtiene un despacho
eficiente, los precios no permiten alcanzar un equilibrio financiero.
Asimismo, se se
nal
o que el modelo Peak Load Pricing desarrollado no toma en cuenta
ciertos aspectos tecnicos del problema de inversi
on como son: la din
amica, el tiempo de
vida u
til, las restricciones financieras y las indivisibilidades. Luego, se propuso modelos
din
amicos para el planificador central, el monopolio y el oligopolio que incorporan dichos
aspectos.
A partir de las simulaciones se concluye que, para el sistema analizado, un modelo din
amico
del planificador central obtiene una mayor capacidad de generaci
on hidraulica, luego sigue
la tecnologa de generaci
on a gas en ciclo combinado, despues la tecnologa de generaci
on
a gas a ciclo simple y finalmente la tecnologa de generaci
on a diesel. En comparacion a
los resultados de un modelo est
atico, el modelo din
amico del planificador central obtiene
una mayor capacidad de generaci
on hidraulica; ello se debe a que se pueden adelantar los
proyectos de inversi
on que ser
an necesitados posteriormente y as disminuir el costo total.
Asimismo, para el sistema analizado, el planificador central repone en la misma magnitud
aquella capacidad que cumple con su tiempo de vida u
til. Al incluir las restricciones del
tiempo de construccion y de financiamiento al modelo del planificador central, se obtuvo una mayor preponderancia de la tecnologa diesel en comparacion con el caso inicial
que tiene una mayor preponderancia de la tecnologa hidraulica. No obstante, en el largo
plazo, las trayectorias se aproximan al caso inicial del planificador central. Por u
ltimo,
las indivisibilidades no generan grandes cambios en la composici
on del parque generador
del planificador central, la soluci
on del modelo discreto se aproxima a la soluci
on continua.
Con respecto al modelo del monopolio se encontr
o que, para el sistema analizado, las
restricciones de tiempo de construccion, tiempos de vida u
til y de financiamiento tienen
efectos similares que en el caso del planificador central. El pago por capacidad para el caso
102
103
del monopolio no tiene mayores efectos sobre la composici
on del parque generador debido
a que se obtienen mayores ganancias al racionar la demanda.
Con respecto al oligopolio, para el caso analizado, el pago por capacidad permite que el
oligopolio se aproxime al resultado inicial del planificador central. En este caso, el pago
por capacidad si tiene efectos sobre la composici
on del parque generador debido a la competencia entre las firmas.
Con respecto al racionamiento, se determino que, para el sistema analizado, el planificador central obtiene el menor racionamiento, seguido del oligopolio y finalmente seguido
del monopolio. En los tres casos se encontr
o que la capacidad de generaci
on hidraulica es
muy similar por lo que la estructura del mercado peruano en teora permitira alcanzar
una capacidad hidraulica optima, inclusive si se tuviese un monopolio. Las restricciones
de tiempos de construccion y de financiamiento resultaron ser las mayores causantes de
las diferencias en la composici
on del parque generador con respecto al caso base del planificador central (m
aximo bienestar social).
Se encontr
o que la capacidad de la generaci
on hidraulica del sistema peruano para el a
no
2014 est
a por debajo de su nivel optimo (resultado del planificador central). Este desbalance puede ser explicado por las restricciones tecnicas del problema, aunque no se debe
descartar un an
alisis detallado de la remuneracion de las compa
nas.
Respecto a la forma de remuneracion de las unidades de generaci
on, se recomienda analizar
su relaci
on con la composici
on del parque optimo y encontrar un mecanismo que garantice
la convergencia a la composici
on optima. Asimismo, se recomienda que el planificador
central utilice un modelo discreto din
amico para encontrar un parque generador referencial.
Por u
ltimo, se hace hincapie en tiempo pertinente con el que se debera tomar las decisiones
de inversi
on de modo de no incrementar el costo total de generaci
on.
Bibliografa
Bazaraa, M., Jarvis, J., y Sherali, H. (2010). Linear Programming and Network Flows.
Wiley.
Bazaraa, M., Sherali, H., y Shetty, C. (2013). Nonlinear Programming: Theory and Algorithms. Wiley.
Boiteaux, M. (1960). Peak load pricing. The Journal of Bussisnes, 33(2):157179.
Botterud, A., Ilic, M. D., y Wangensteen, I. (2005). Optimal investments in power generation under centralized and decentralized decision making. Power Systems, IEEE
Transactions on, 20(1):254263.
Botterud, A. y Korp
as, M. (2007). A stochastic dynamic model for optimal timing of
investments in new generation capacity in restructured power systems. International
Journal of Electrical Power and Energy Systems, 29(2):163174.
California-ISO (2004). Transmission economic assessment methodology. Technical report.
Centeno, E., Wogrin, S., L
opez-Pe
na, A., y Vasquez, M. (2011). Analysis of investments
in generation capacity: a bilevel approach. IET Generation, Transmission and Distribution, 5(8):842849.
Dammert, A., Gallardo, J., y Garca, R. (2005a). Reformas estructurales en el sector
electrico peruano. Documento de trabajo N o 5, Oficina de estudios economicos - Osinergmin.
Dammert, A., Garca, R., y Quiso, L. (2005b). Dinamica de la inversi
on en generaci
on
de electricidad en el per
u. In XXII Encuentro de Economistas del Banco Central de
Reserva del Per
u.
Dammert, A., Garcia, R., y Mollinelli, F. (2010). Regulaci
on y Supervici
on del Sector
Electrico. Fondo Editorial de la Pontificia Universidad Catolica del Per
u, 1 edition.
De la Cruz, R. y Bendez
u, L. (2012). Indicador de monitoreo de la seguridad de suministro
en el sector electrico peruano. Proyecto Mediano CIES.
De la Cruz, R. y Garca, R. (2002). Mecanismos de competencia en generaci
on de energa
y su impacto en la eficiencia: El caso peruano. Proyecto Breve CIES.
Ehrenmann, A. y Smeers, Y. (2011). Stochastic equilibrium models for generation capacity
expansion. In Bertocchi, M., Consigli, G., y Dempster, M. A. H., editors, Stochastic
Optimization Methods in Finance and Energy, volume 163 of International Series in
Operations Research & Management Science, pages 273310. Springer New York.
104
105
Fortuny-Amat, J. y McCarl, B. (1981). A representation and economic interpretation
of a two level programming problem. The Journal of the Operation Research Society,
32(9):783 792.
Fourer, R., Gay, D., y Kernighan, B. (2003). AMPL: a modeling language for mathematical
programming. Thomson/Brooks/Cole.
Fudenberg, D. y Tirole, J. (1991). Game Theory. MIT Press, Cambridge, MA.
Gabriel, S., Conejo, A., Fuller, J., Hobbs, B., y Ruiz, C. (2013). Complementarity Modeling in Energy Markets, volume 180 of International Series in Operations Research &
Management Science. Springer New York.
Garca, R., Nario, T., y Perez-Reyes, R. (2011). Valorizaci
on de las externalidades y
recomposici
on del parque optimo de generaci
on electrica. Documento de Trabajo OSINERGMIN, 28.
Garca, S. y Mo
nux, F. (2006). Centrales termicas de ciclo combinado: teora y proyecto.
Daz de Santos.
Glover, F. (1975). Improved linear integer programming fomulations of nonlinear integer
problems. Journal of managment science, 22(4).
Head, C. (2000). Financing of Private Hydropower Projects. Number partes 63-420 in
Financing of Private Hydropower Projects. World Bank.
IAEA (1984). Expansion Planning for Electrical Generating Systems, A Guidebook. International Atomic Energy Agengy, 1 edition.
IBM (2009). IBM ILOG OPL V6.3 Language Reference Manual. 1 edition.
Joskow, P. (1999). Introduciendo la competencia en las industrias de redes reguladas: De
las jerarquIas a los mercados en el sector de la electricidad. Documento de trabajo 173
PUCP.
Kall, P. y Wallace, S. (1995). Stochastic Programming. Wiley Interscience Series in Systems
and Optimization. Wiley.
Kehlhofer, R., Rukes, B., Hannemann, F., y Stirnimann, F. (2009). Combined-Cycle Gas
& Steam Turbine Power Plants. PennWell.
Khalfallah, M. H. (2012). A game theoretic model for generation capacity adequacy:
Comparison between investment incentive mechanisms in electricity markets.
Kirschen, D. y Strbac, G. (2004). Fundamentals of Power System Economics. John Wiley
and Sons, 1 edition.
Perez-Arriaga, I. (2013). Regulation of the Power Sector. Power Systems. Springer London.
Pineau, P.-O. y Murto, P. (2003). An oligopolistic investment model of the finnish electricity market. Annals of Operations Research, 121(1-4):123148.
Sullivan, W., Wicks, E., y Koelling, C. (2014). Engineering Economy. Pearson Education.
Tirole, J. (1988). The Theory of Industrial Organization. MIT Press, 1 edition.
106
Underhill, M. (2010). The Handbook of Infrastructure Investing. Wiley Finance. Wiley.
Wachter, A. y Biegler, L. T. (2006). On the implementation of an interior-point filter linesearch algorithm for large-scale nonlinear programming. Mathematical Programming,
106(1):2557.
Wenders, J. T. (1976). Peak Load Pricing in the Electric Utility Industry. Bell Journal
of Economics, 7(1):232241.
Wogrin, S., Barqun, J., y Centeno, E. (2013). Capacity expansion equilibria in liberalized
electricity markets: An epec approach. IEEE Transactions on Power Systems, 28(2).
Wood, A. y Wollenberg, B. (1992). Power Generation, Operation and Control. John Wiley
and Sons, 2 edition.
107
108
Ap
endice A
Tablas de resultados
Tabla A.1: Resultados del
t
Hidraulica Gas CC
1
4160.00
1500.00
2
4576.00
1650.00
3
5170.88
1864.50
4
5584.55
2013.66
5
6087.16
2194.89
6
6391.52
2304.63
7
6775.01
2442.91
8
7181.51
2589.49
9
7540.59
2718.96
10
7842.21
2827.72
11
8155.90
2940.83
12
8482.13
3058.46
13
8821.42
3180.80
14
9174.27
3308.03
15
9541.25
3440.35
16
9922.90
3577.97
17 10319.81
3721.09
18 10732.60
3869.93
19 11161.91
4024.73
20 11608.38
4185.72
21 12072.72
4353.14
22 12555.63
4527.27
23 13057.85
4708.36
24 13580.17
4896.70
25 14123.37
5092.56
26 14688.31
5296.27
27 15275.84
5508.12
28 15886.88
5728.44
29 16522.35
5957.58
30 17183.24
6195.88
modelo est
atico
Gas CS Diesel
400.00 100.00
440.00 110.00
497.20 124.30
536.98 134.24
585.30 146.33
614.57 153.64
651.44 162.86
690.53 172.63
725.06 181.26
754.06 188.51
784.22 196.06
815.59 203.90
848.21 212.05
882.14 220.54
917.43 229.36
954.12 238.53
992.29 248.07
1031.98 258.00
1073.26 268.32
1116.19 279.05
1160.84 290.21
1207.27 301.82
1255.56 313.89
1305.79 326.45
1358.02 339.50
1412.34 353.08
1468.83 367.21
1527.58 381.90
1588.69 397.17
1652.24 413.06
Fuente: resultados de la investigaci
on.
109
Tabla A.2: Resultados del modelo din
amico del planificador central
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4360.0
4796.0
5419.5
5853.0
6379.8
6698.8
7100.7
7526.8
7903.1
8219.2
8548.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
8686.0
Gas CC
1400.0
1540.0
1740.2
1879.4
2048.6
2151.0
2280.1
2416.9
2537.7
2639.2
2744.8
3058.5
3528.2
4016.8
4524.9
5053.4
5602.9
6174.5
6768.9
7387.1
8030.0
8698.7
9394.1
10117.3
10869.4
11651.6
12214.7
12214.7
12214.7
12214.7
Gas CS
300.0
330.0
372.9
402.7
439.0
460.9
488.6
517.9
543.8
565.5
588.2
611.7
636.2
661.6
688.1
715.6
744.2
774.0
804.9
837.1
870.6
905.5
941.7
979.3
1018.5
1059.3
1352.0
2256.8
2937.3
2937.3
Diesel
100.0
110.0
124.3
134.2
146.3
153.6
162.9
172.6
181.3
188.5
196.1
203.9
212.1
220.5
229.4
238.5
248.1
258.0
268.3
279.0
290.2
301.8
313.9
326.4
339.5
353.1
367.2
367.2
367.2
367.2
110
Tabla A.3: Resultados del modelo din
amico del planificador central con valor terminal
constante
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4360.0
4796.0
5419.5
5853.0
6379.8
6698.8
7100.7
7526.8
7903.1
8219.2
8548.0
8889.9
9245.5
9615.3
10000.0
10400.0
10816.0
11248.6
11698.5
12166.5
12653.1
13159.3
13685.6
14233.1
14802.4
15394.5
16010.3
16650.7
17316.7
17596.3
Gas CC
1400.0
1540.0
1740.2
1879.4
2048.6
2151.0
2280.1
2416.9
2537.7
2639.2
2744.8
2854.6
2968.7
3087.5
3211.0
3339.4
3473.0
3611.9
3756.4
3906.7
4062.9
4225.5
4394.5
4570.2
4753.1
4943.2
5140.9
5346.5
5560.4
6195.9
Gas CS
300.0
330.0
372.9
402.7
439.0
460.9
488.6
517.9
543.8
565.5
588.2
611.7
636.2
661.6
688.1
715.6
744.2
774.0
804.9
837.1
870.6
905.5
941.7
979.3
1018.5
1059.3
1101.6
1145.7
1191.5
1239.2
Diesel
100.0
110.0
124.3
134.2
146.3
153.6
162.9
172.6
181.3
188.5
196.1
203.9
212.1
220.5
229.4
238.5
248.1
258.0
268.3
279.0
290.2
301.8
313.9
326.4
339.5
353.1
367.2
381.9
397.2
413.1
111
Tabla A.4: Resultados del modelo planificador con restricciones de tiempos de vida util
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4360.0
4796.0
5419.5
5853.0
6379.8
6698.8
7100.7
7526.8
7903.1
8219.2
8548.0
8889.9
9245.5
9615.4
10000.0
10400.0
10816.0
11248.6
11698.5
12010.2
12653.1
13159.3
13685.6
14233.1
14802.4
15394.5
16010.3
16650.7
17316.7
18009.4
Gas CC
1400.0
1540.0
1740.2
1879.4
2048.6
2151.0
2280.1
2416.9
2537.7
2639.2
2744.8
2854.6
2968.8
3087.5
3211.0
3339.4
3473.0
3611.9
3756.4
4062.9
4062.9
4225.5
4394.5
4570.3
4753.1
6343.2
6680.9
7086.7
7439.8
7831.4
Gas CS
300.0
330.0
372.9
402.7
439.0
460.9
488.6
517.9
543.8
565.5
588.2
611.7
636.2
661.6
688.1
715.6
744.2
774.0
804.9
837.1
870.6
905.4
941.7
979.3
1018.5
1359.3
1431.6
1518.6
1594.3
1678.2
Diesel
100.0
110.0
124.3
134.2
146.3
153.6
162.9
172.6
181.3
188.5
196.0
203.9
212.0
220.5
229.3
238.5
248.1
258.0
268.3
279.0
290.2
301.8
313.9
326.4
339.5
453.1
477.2
506.2
531.4
559.4
112
Tabla A.5: Resultados del modelo planificador con restricciones de tiempos de construccion
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
3482.3
3870.9
4275.1
4695.4
5132.6
5587.2
6060.0
6551.8
7063.2
7595.1
8148.2
8723.5
9321.7
9944.0
10591.1
11264.0
11963.9
12691.8
13448.8
14236.1
16732.6
16732.6
Gas CC
0.0
0.0
0.0
0.0
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
6233.5
Gas CS
0.0
0.0
0.0
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
7195.5
Diesel
0.0
6776.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
7284.0
113
Tabla A.6: Resultados del modelo planificador con restricciones de tiempos de construccion
y condiciones iniciales
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4360
4360
4360
4360
4360
4360
4360
4360
5836.09
6224.72
6767.29
7180.35
7698.45
8001.35
8643.22
9109.89
9665.09
10206.88
10770.34
11326.66
12003.07
12599.6
13258.77
13944.31
14657.27
15394.48
16010.26
16358.06
17316.69
17596.3
Gas CC
1400
1400
1400
1400
2803.38
3400.39
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3879.66
3945.38
4406.49
4875.36
5787.21
5895.29
Gas CS
300
300
300
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
1703.97
Diesel
100
716
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
1223.98
114
Tabla A.7: Resultados del modelo planificador central con restricciones de financiamiento
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Hidraulica
0.0
0.0
0.0
0.0
0.0
0.0
303.1
897.3
1491.5
2085.6
2679.8
3274.0
3868.2
4462.3
5056.5
5650.7
6244.9
6839.1
7433.2
8027.4
8621.6
9215.8
9809.9
10404.1
10998.3
11592.5
12186.6
12780.8
13375.0
13969.2
14563.4
15157.5
15466.6
Gas CC
0.0
0.0
99.9
1865.1
3630.3
5395.6
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
6260.3
Gas CS
724.4
2956.3
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
5061.9
Diesel
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
1873.6
115
Tabla A.8: Resultados del modelo planificador central con restricciones de financiamiento
y condiciones iniciales
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Hidraulica
4360.0
4839.3
5295.2
5853.0
6377.1
6698.8
7100.7
7526.8
7903.1
8219.2
8548.0
8889.9
9245.5
9615.4
10000.0
10400.0
10816.0
11248.6
11698.5
12166.5
12718.9
13257.6
13781.9
14291.5
14785.6
15263.6
15724.9
16168.9
16607.8
17202.0
17596.3
Gas CC
1400.0
1496.7
1864.5
1879.4
2051.2
2151.0
2280.1
2416.9
2537.7
2639.2
2744.8
2854.6
2968.8
3087.5
3211.0
3339.4
3473.0
3611.9
3756.4
3906.7
3997.2
4127.2
4298.2
4511.8
4769.9
5074.0
5426.2
5828.3
6195.9
6195.9
6195.9
Gas CS
300.0
330.0
372.9
402.7
439.0
460.9
488.6
517.9
543.8
565.5
588.2
611.7
636.2
661.6
688.1
715.6
744.2
774.0
804.9
837.1
870.6
905.4
941.7
979.3
1018.5
1059.3
1101.6
1145.7
1239.2
1239.2
1239.2
Diesel
100.0
110.0
124.3
134.2
146.3
153.6
162.9
172.6
181.3
188.5
196.0
203.9
212.0
220.5
229.3
238.5
248.1
258.0
268.3
279.0
290.2
301.8
313.9
326.4
339.5
353.1
367.2
381.9
413.1
413.1
413.1
116
Tabla A.9: Resultados del modelo planificador con indivisibilidades en la inversi
on y restricciones de tiempos de vida u
til
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4400
4800
5400
5800
6400
6700
7100
7500
7900
8200
8500
8900
9200
9600
10000
10400
10800
11200
11700
12000
12700
13200
13700
14200
14800
15400
16000
16700
17300
18000
Gas CC
1300
1500
1700
1900
2000
2100
2200
2400
2500
2600
2800
2800
3000
3100
3200
3300
3500
3600
3700
4000
4000
4200
4300
4600
4700
6200
6600
7000
7400
7800
Gas CS
400
400
400
500
500
500
600
600
600
600
600
700
700
700
700
800
800
900
900
900
900
900
1000
1000
1100
1500
1600
1600
1800
1800
Diesel
0
100
100
100
100
100
100
100
200
200
200
200
200
200
200
200
200
200
200
300
300
300
300
300
300
300
400
400
400
400
117
Tabla A.10: Resultados del modelo din
amico del monopolio
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4160.0
4576.0
5170.9
5584.6
6087.2
6391.5
6391.5
6719.6
7023.4
7277.5
7544.6
7825.0
8118.8
8426.5
8748.3
9084.7
9434.3
9794.7
10172.7
10569.1
10982.8
11414.9
11865.6
12334.8
12834.1
13398.2
13911.0
14459.0
15028.0
15553.6
Gas CC
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Gas CS
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Diesel
148.7
157.3
170.1
177.5
187.0
191.3
581.2
666.7
727.9
780.1
831.8
883.3
934.8
986.5
1038.7
1091.6
1146.9
1206.9
1266.6
1325.8
1386.2
1447.6
1510.3
1575.1
1631.0
1631.0
1631.0
1631.0
1631.0
1631.0
118
Tabla A.11: Resultados del modelo del monopolio con restricciones de tiempos de vida u
til
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4055.9
4213.8
4691.1
5025.6
5438.3
5745.6
6072.6
6433.2
6752.0
7020.2
7303.7
7598.4
7900.9
8218.9
8551.8
8898.1
9283.1
9450.1
9879.0
10325.1
10789.1
11271.7
11742.1
12216.0
12708.8
13325.4
13858.4
14412.8
14989.3
15588.8
Gas CC
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
104.1
Gas CS
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Diesel
124.3
391.3
521.6
609.0
708.0
709.4
773.2
827.4
874.7
914.2
951.0
989.3
1033.5
1076.1
1118.3
1162.4
1181.4
1181.4
1181.4
1181.4
1181.4
1181.4
1212.8
1261.1
1311.4
1487.4
1809.0
1996.0
2142.3
2302.5
119
Tabla A.12: Resultados del modelo din
amico del monopolio con restricciones de tiempos
de construccion
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
902.9
1226.2
1366.5
1708.4
1852.0
2213.3
2589.1
2979.9
3386.4
3809.1
4248.7
4705.9
5181.4
5675.9
6190.2
6725.1
7281.4
7859.9
8094.3
8705.4
9340.8
10001.7
Gas CC
0.0
0.0
0.0
0.0
1313.4
1632.4
1708.6
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
2115.1
Gas CS
0.0
0.0
0.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
915.0
Diesel
0.0
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
4151.4
120
Tabla A.13: Resultados del modelo din
amico del monopolio con restricciones de financiamiento
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
0.0
0.0
465.7
880.5
1372.8
1665.1
2037.5
2406.5
2724.8
3002.3
3002.3
3002.3
3284.7
3591.2
3911.9
4156.7
4516.8
4891.3
5280.7
5685.8
6107.0
6545.1
7000.8
7474.6
7967.4
8479.9
9012.9
9483.3
9483.3
9483.3
Gas CC
0.0
0.0
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
381.7
Gas CS
2231.9
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
4463.8
Diesel
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
920.7
957.6
995.9
1035.7
1077.1
1120.2
1165.0
1211.6
1260.1
1260.1
1260.1
1260.1
1260.1
1260.1
1260.1
121
Tabla A.14: Resultados del modelo din
amico del oligopolio N = 3
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
1863.0
2049.2
2315.7
2500.9
2726.0
2862.3
3034.0
3216.1
3376.9
3511.9
3652.4
3798.5
3950.5
4108.5
4272.8
4443.7
4621.5
4806.3
4998.6
5198.5
5406.5
5622.7
5847.6
6081.5
6324.8
6577.8
6840.9
7114.5
7399.1
7695.1
Gas CC
693.7
763.1
862.3
931.3
1015.1
1065.8
1129.8
1197.6
1257.5
1307.8
1360.1
1414.5
1471.0
1529.9
1591.1
1654.7
1720.9
1789.7
1861.3
1935.8
2013.2
2093.8
2177.5
2264.6
2355.2
2449.4
2547.4
2649.3
2755.2
2865.4
Gas CS
594.1
653.5
738.4
797.5
869.3
912.7
967.5
1025.5
1076.8
1119.9
1164.7
1211.3
1259.7
1310.1
1362.5
1417.0
1473.7
1532.7
1594.0
1657.7
1724.0
1793.0
1864.7
1939.3
2016.9
2097.5
2181.4
2268.7
2359.5
2453.8
Diesel
2709.3
2980.2
3367.6
3637.0
3964.4
4162.6
4412.3
4677.1
4910.9
5107.4
5311.7
5524.1
5745.1
5974.9
6213.9
6462.4
6720.9
6989.8
7269.4
7560.2
7862.6
8177.1
8504.1
8844.3
9198.1
9566.0
9948.6
10346.6
10760.5
11190.9
122
Tabla A.15: Resultados del modelo del oligopolio N = 3 con restricciones de financiamiento
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Hidraulica
1844.6
1990.0
2247.6
2441.1
2654.5
2795.7
2963.8
3142.4
3294.2
3430.8
3574.9
3664.9
3823.5
4018.3
4223.9
4400.3
4589.1
4790.4
4975.6
5183.9
5405.5
5635.5
5873.3
6108.9
6353.3
6607.4
6871.7
7146.5
7432.4
7711.1
7729.7
Gas CC
686.2
738.8
834.3
906.7
985.7
1038.5
1100.9
1167.3
1223.5
1274.4
1328.2
1359.6
1418.9
1492.8
1571.0
1636.9
1707.6
1783.2
1851.9
1929.8
2012.8
2099.0
2188.1
2275.9
2366.9
2461.6
2560.1
2662.5
2769.0
2872.0
2879.7
Gas CS
587.1
631.0
712.6
774.8
842.1
887.4
940.8
997.5
1045.4
1089.1
1135.2
1160.6
1211.5
1275.8
1343.9
1400.5
1461.4
1526.6
1585.2
1652.1
1723.6
1797.9
1874.5
1949.8
2027.7
2108.9
2193.2
2280.9
2372.2
2459.9
2467.1
Diesel
2642.2
3524.3
3894.3
4146.8
4531.4
4742.8
5026.7
5326.9
5602.7
5818.2
6006.9
6578.8
6755.2
6755.2
6760.3
6957.4
7195.6
7476.3
7618.3
7865.1
8154.6
8456.0
8764.5
9121.7
9486.5
9866.0
10260.6
10671.1
11097.9
11353.2
11541.6
123
Tabla A.16: Resultados del modelo del monopolio con pago por capacidad, caso 1
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4160.0
4576.0
4711.3
5074.0
5522.3
5795.7
6132.2
6490.8
6807.4
7072.9
7350.2
7639.7
7941.7
8256.7
8585.0
8927.1
9283.5
9654.7
10041.3
10443.7
10862.6
11298.6
11752.4
12224.6
12724.2
13291.1
13815.8
14362.3
14929.9
15444.2
Gas CC
0.0
0.0
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
109.4
Gas CS
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Diesel
137.2
145.4
493.7
553.0
617.9
654.7
709.6
766.0
815.9
858.2
901.1
944.8
989.5
1035.1
1081.9
1130.1
1179.6
1230.6
1283.3
1337.6
1393.9
1452.1
1512.3
1574.8
1631.0
1631.0
1631.0
1631.0
1631.0
1631.0
124
Tabla A.17: Resultados del modelo del monopolio con pago por capacidad, caso 2
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
3795.4
4170.5
4708.1
5081.6
5535.9
5810.6
6157.2
6524.8
6849.5
7122.2
7406.0
7701.2
8008.4
8327.9
8660.3
9006.1
9365.7
9739.9
10129.0
10533.7
10954.7
11392.6
11848.0
12321.7
12814.3
13333.6
13866.4
14419.9
14995.6
15475.7
Gas CC
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Gas CS
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
Diesel
468.5
519.0
590.3
640.1
700.2
736.9
782.8
831.2
874.0
910.0
947.3
986.0
1026.2
1067.9
1111.2
1156.1
1202.8
1251.4
1301.8
1354.2
1408.7
1465.3
1524.1
1585.3
1648.9
1707.8
1707.8
1707.8
1707.8
1707.8
125
Tabla A.18: Resultados del modelo del oligopolio N = 3 con pago por capacidad, caso 1
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
4560.0
4906.0
5543.8
5987.3
6526.1
6852.4
7263.6
7699.4
8084.4
8407.8
8744.1
9095.5
9467.4
9854.2
10256.4
10256.4
11064.0
11506.6
11966.9
12445.5
12943.4
13461.1
13858.4
13858.4
13858.4
13858.4
13858.4
14210.4
14648.2
15168.7
Gas CC
0.0
175.9
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
202.2
429.7
429.7
429.7
429.7
429.7
429.7
726.4
768.9
768.9
1283.5
3299.3
4374.8
5018.4
5392.6
5548.8
Gas CS
2279.7
2664.6
2684.4
2733.4
2834.5
2967.2
3145.6
3372.6
3605.2
3827.1
4032.4
4202.3
4322.8
4406.5
4464.0
4513.8
4604.9
4731.0
4872.3
5008.0
5120.0
5174.2
5374.8
6174.8
6492.4
6643.2
6687.4
6729.0
6768.7
6812.7
Diesel
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
845.1
1327.2
1692.3
1981.9
2235.7
126
Tabla A.19: Resultados del modelo del oligopolio N = 3 con pago por capacidad, caso 2
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Hidraulica
3075.1
3302.7
3539.0
3707.0
3916.5
4019.3
4121.2
4280.8
4455.1
4588.8
4733.3
4879.3
5005.9
5160.3
5293.8
5442.1
5649.4
5831.1
6004.5
6159.5
6246.8
6246.8
6298.6
6482.1
6657.7
6657.7
6847.7
7045.2
7087.5
7087.5
Gas CC
2009.8
2233.5
2546.7
2762.9
3024.6
3162.2
3355.3
3546.8
3709.5
3859.6
4012.3
4155.4
4284.7
4489.9
4649.0
4801.3
4937.7
5083.7
5272.1
5422.0
5549.1
5570.1
5737.8
5935.3
6138.0
6303.6
6454.4
6651.2
6726.8
6726.8
Gas CS
1287.4
1473.3
1835.0
2084.5
2383.2
2542.9
2764.3
2979.1
3182.6
3352.6
3527.5
3729.3
3984.0
4155.3
4335.7
4503.1
4647.2
4791.9
4942.6
5074.5
5180.4
5210.3
5360.3
5553.8
5762.6
5949.0
6153.6
6352.6
6504.9
6504.9
Diesel
104.9
124.7
210.9
238.3
303.6
362.9
490.7
630.0
776.7
870.1
917.6
920.2
966.8
1006.4
1041.4
1129.2
1270.6
1608.4
1855.8
2014.6
2192.0
2466.8
2705.2
2891.8
3081.4
3436.3
3561.9
3769.3
4191.2
4712.3