Integración de ensambles de pronósticos hidrológicos a las herramientas de operación del sistema eléctrico en Uruguay.

Abstract

En el marco de la operación del sistema eléctrico uruguayo con énfasis en la generación a partir de recursos naturales renovables, es de relevancia la capacidad de prever con antelación los caudales de aporte para la generación hidráulica. En este trabajo se desarrolla una metodología para la generación y procesado de un ensamble de pronósticos de aportes hidrológicos a la represa de Rincón del Bonete, a partir de un ensamble de pronósticos de precipitación, que permita asimilarlo en las herramientas de operación, conjuntamente con los pronósticos de eólica y solar. Para generar los caudales de aporte se emplea un modelo hidrológico simple de paso diario (GR4J) combinado con un modelo de tránsito hidrológico (Muskingum). El ensamble de pronósticos de caudal se incorpora dentro del sintetizador de aportes del modelo de simulación del sistema eléctrico a través de los sesgos y una serie de atenuadores por paso de tiempo, ajustados por máxima verosimilitud. De los resultados obtenidos se desprende que, para la implementación del modelo en modo operativo, es crítica la asimilación de datos observados de precipitación y caudal en tiempo real.

In the context of the operation of the Uruguayan production from renewable sources, it is crucial to forecast the hydrological inflows for hydroelectric generation. This study describes a methodology for the generation and processing of a hydrological ensemble forecast for the Rincón del Bonete Dam, which allows its assimilation into the electricitysystem simulation along with wind and solar power forecasts. The streamflow forecast ensemble is obtained from a precipitation ensemble one. To generate the hydrological inflows, we use the GR4J daily hydrological model coupled with the Muskingum hydrological transit model. The hydrological forecast ensemble is incorporated into the electricity-system-simulator-synthesizer model through biases and noise attenuators per time step, adjusted through maximum likelihood. In general, the model performance is satisfactory, with a NSE for a weekly time step of 0.50, a R2 coefficient equal to 0.53 and a difference in cumulative volumes equal to -15%. The results indicate that, for the operational implementation of the model, the assimilation of observed precipitation and streamflow data in real-time is critical.