30 May 2022

LMP - Parte Tres: modelando un sistema de almacenamiento de energía en baterías

Written by:

LMP - Parte Tres: modelando un sistema de almacenamiento de energía en baterías

La tarificación nodal —también conocida como Tarificación Marginal Localizada (o LMP, por sus siglas en inglés)— es una forma de determinar el precio de la electricidad que varía según la ubicación. En la Parte Uno, analizamos las implicaciones de la tarificación nodal para todo el sistema energético en Gran Bretaña. Luego, en la Parte Dos, exploramos lo que podría significar para el almacenamiento de energía en baterías.

Para la Parte Tres, hemos modelado cómo podría operar un sistema de almacenamiento de energía en baterías a lo largo de un solo día, en un nodo simulado. En este escenario, hemos imaginado el nodo como un único Punto de Suministro de Red (GSP, por sus siglas en inglés). Como se muestra en la figura 1 (abajo), hay 362 de estos en toda Gran Bretaña.

Potential nodes in Great Britain
Figura 1: Posibles nodos en Gran Bretaña.

La figura 2 (abajo) muestra la composición modelada de la generación distribuida en cada uno de los GSP para el invierno de 2025/26. Estos datos provienen de los Escenarios Futuros de Energía 2021 de NG ESO (específicamente, el escenario Leading the Way). La demanda promedio proyectada se superpone (línea morada).

Embedded capacity and demand by GSP, winter 2025/26.
Figura 2: Capacidad instalada y demanda por GSP, invierno 2025/26.

Puede ser útil ver este artículo no como un pronóstico, sino como un complemento de las Partes Uno y Dos. En conjunto, los tres artículos buscan ofrecer una visión integral de cómo podría operar el almacenamiento de energía en baterías bajo un sistema de precios nodales.

Atención: spoiler

En este artículo, mostramos cómo se podría optimizar una batería en un sistema de precios nodales. Un nodo específico tiene características únicas que generan ciertos incentivos de precio. Luego, tenemos la posibilidad de agregar servicios auxiliares a nivel nacional para aumentar los ingresos. Esto empieza a parecerse mucho a una optimización detrás del contador (o en sitio compartido), en la que las características particulares de un sitio pueden provocar diferencias significativas en el despacho óptimo de un activo de almacenamiento.

¿Cómo serán estos GSP?

La figura 3 (abajo) muestra la capacidad modelada en cinco Puntos de Suministro de Red individuales. Como antes, la demanda promedio proyectada se muestra en morado. Cada GSP tiene una composición diferente de capacidad instalada, demanda y flexibilidad (definida aquí como almacenamiento). Hemos elegido estos cinco porque son especialmente interesantes: uno tiene una demanda enorme, otro mucho viento, otro mucha energía solar distribuida, otro mucha capacidad de base, y uno una buena combinación.

Figura 3: Puntos de Suministro de Red individuales

Estos modelos de GSP individuales nos pueden dar una buena idea de lo que podrían hacer las baterías, según su ubicación. (En este artículo, nos centraremos en BOLN_1, MITY_1 y especialmente CREB_1. Mostramos los demás para ilustrar los diferentes tipos de composiciones que veremos en estos GSP).

Por ejemplo, el GSP en Minety, Wiltshire (MITY_1) —que actualmente cuenta con una batería operativa de 100 MW, además de otro sitio de almacenamiento de energía en baterías de 49,9 MW que ha entrado recientemente en operación*— se proyecta que tendrá casi 700 MW de energía solar para 2025/26. Esto superará la demanda relativamente baja durante las horas más soleadas del día. Por lo tanto, una batería aquí podría cargarse con el excedente de energía solar barata al mediodía, descargarse durante el pico cuando la demanda probablemente supere la oferta, y proporcionar servicios auxiliares el resto del tiempo.

* El gráfico anterior modela 131 MW de almacenamiento en el GSP de Minety para 2025/26. Los matemáticos avispados notarán que ya alberga más de 131 MW de capacidad de almacenamiento. Esto se debe a que hemos utilizado los modelos FES 2021 para los gráficos de este artículo, y son solo eso: modelos, con margen de error.

En cambio, el GSP en Bolney, West Sussex (BOLN_1) se proyecta que tendrá una demanda alta y poca generación distribuida. Por tanto, será un GSP netamente importador. El almacenamiento aquí probablemente obtendrá ingresos de servicios auxiliares y también podría aprovechar oportunidades de arbitraje en el precio de importación en el nodo.

¿Cómo es nuestro nodo?

Para nuestro caso de estudio modelado, hemos analizado lo que podría hacer una batería en un nodo GSP durante un día de noviembre de 2025. La figura 4 (abajo) muestra cómo podría ser ese día. Este nodo simulado se basa en Creyke Beck (CREB_1), aunque difiere ligeramente. Elegimos basar nuestro nodo en Creyke Beck por su combinación de generación diversa.

Figura 4: Nodo simulado, para un día promedio de noviembre de 2025
  • La generación solar es bastante baja, con un factor de carga del 5% (por ser invierno). Hay algunos picos de generación “otros” provenientes de plantas alimentadas con biogás, y hay bastante viento.
  • La demanda residual en el nodo es negativa la mayor parte del día. Esto significa que el nodo es netamente exportador, con algo de importación durante la noche.
  • Como resultado, el precio modelado es alto en los períodos en que se importa energía y bajo cuando la generación renovable distribuida supera la demanda.

La figura 5 (abajo) muestra el mismo nodo, pero esta vez la conexión de importación y exportación solo permite 200 MVA.

Figura 5: Nodo simulado, para un día imaginado de noviembre de 2025, con restricciones de importación y exportación incluidas
  • La demanda residual supera el límite de exportación en algunos momentos del día (entre las 10:00 y las 15:00).
  • Durante estos períodos, los consumidores dentro del nodo están incentivados a usar más energía. En vez de reducir la generación, podría ser más barato pagar a los usuarios para que consuman energía.
  • Así es como se llega a un “precio nodal”, que aumenta cuando se prevé que el consumo de energía se acerque al límite de exportación o importación del nodo.

¿Qué hace nuestro sistema de almacenamiento de energía en baterías?

Hemos modelado un sistema de almacenamiento en baterías de 50 MW / 100 MWh, con una eficiencia de ciclo completo del 85%. Permitimos que el sistema realice 1,75 ciclos en este día. La figura 6 (abajo) muestra el cronograma de carga y descarga de la batería, dado el precio nodal en nuestro nodo de ejemplo.

(En el momento de escribir este artículo, existe un solo activo operativo de almacenamiento de energía en baterías de 49,9 MW / 50 MWh en el GSP CREB_1, o Creyke Beck).

Figura 6: Cronograma potencial de carga y descarga de la batería, para un día imaginado de noviembre de 2025 en nuestro nodo simulado
  • Cuando el precio sube durante la noche, la batería se descarga.
  • Al mediodía, cuando se superaría la restricción de exportación, la batería se carga (y recibe pago por hacerlo). Como resultado, no se supera el límite de exportación del nodo, por lo que no es necesario reducir la generación.
  • Luego, la batería se descarga durante los períodos de mayor precio más tarde en el día.

Esta optimización se basa únicamente en el precio nodal modelado: es decir, el cronograma de carga y descarga anterior supone que nuestra batería solo busca oportunidades de arbitraje en torno al precio nodal. Este cronograma resulta en un período largo en el que el sistema tiene muy poca carga. Si se consideraran otros factores, como un requisito de estado mínimo de energía o ingresos adicionales por disponibilidad para servicios auxiliares, la optimización cambiaría para pasar menos tiempo al 0% de carga (¡pero los ingresos por arbitraje disminuirían!).

¿Qué hace nuestro sistema de almacenamiento de energía en baterías en la respuesta de frecuencia?

Disponibilidad para servicios auxiliares

¿Cómo afectaría este cronograma a la disponibilidad de nuestro activo para prestar servicios auxiliares? La figura 7 (abajo) lo muestra.

Figura 7: Disponibilidad para servicios auxiliares, basada en el cronograma de carga y descarga

En teoría, una batería de 50 MW que no hace nada en un sitio sin restricciones tendría 50 MW de disponibilidad para cargar y 50 MW para descargar. En nuestro nodo, la disponibilidad está limitada —por la demanda residual, las restricciones de importación y exportación, y la energía disponible en la batería (por ejemplo, cuando la batería está vacía después de la descarga nocturna, no puede descargar más).

También depende de la potencia de salida de la batería. Si la batería está cargando a 50 MW, puede dejar de cargar y empezar a descargar. En esta situación, puede descargar 100 MW, pero tiene 0 MW de disponibilidad para cargar (ya que está cargando a máxima potencia).

Al moderar su potencia programada (basada en la optimización por precio nodal), la batería podría prestar servicios auxiliares en mercados nacionales, siempre que esos servicios no requieran normalmente una potencia alta (es decir, si son de “baja utilización”). Esto significa que participar en esos servicios auxiliares no provocará que la energía del sistema se desvíe demasiado de su cronograma planificado (la mayor parte del tiempo). Así, la batería puede seguir brindando la flexibilidad que el nodo requiere, mientras combina con otro servicio —y puede obtener ingresos por ello.

¿Cómo son los precios de liquidación?

La figura 8 (abajo) muestra los precios de liquidación de la respuesta de frecuencia a nivel nacional en nuestro día modelado.

Figura 8: precios de liquidación modelados de la respuesta de frecuencia
  • Los precios promedian £10/MW/h para el servicio de alta frecuencia y £8/MW/h para el de baja frecuencia.
  • Dado que este servicio es de baja utilización (similar a Dynamic Containment), nuestra batería puede ofertar en el servicio además de sus actividades de trading mayorista.

La figura 9 (abajo) muestra la disponibilidad de servicios auxiliares de nuestra batería con esos precios de liquidación superpuestos. Esta disponibilidad depende de la potencia programada de carga y descarga, la energía del sistema y la capacidad en el nodo para importar y exportar energía (una vez tenida en cuenta la demanda residual).

Figura 9: precios de liquidación modelados y disponibilidad para servicios auxiliares (superpuestos)
  • Cuando la batería está descargando completamente, alrededor de la medianoche, la disponibilidad para descargar más es cero.
  • Solo hay un periodo de liquidación (30, o 13:30-14:00) en el que nuestra batería tiene disponibilidad cero para carga o descarga. Esto se debe a que está cargando completamente desde vacío, por lo que no puede cargar más ni descargar porque no tiene energía almacenada.

Suponemos que este servicio auxiliar se adquiere por bloque EFA, en lugar de por periodo de liquidación (tal como están diseñadas las subastas actualmente). Debemos poder proporcionar el volumen que vendemos durante todo el bloque EFA. Por lo tanto, debemos tomar la disponibilidad mínima por bloque EFA como el volumen que podemos ofertar en el servicio, tanto para los servicios de alta (carga) como de baja (descarga). En el escenario de la figura 9 (arriba), esto significa que la batería no puede ofertar respuesta de frecuencia durante EFA 1 y EFA 4, ya que en algún momento dentro de estos bloques EFA tanto la alta como la baja disponibilidad son cero.

¿Cómo impactaría la adquisición por periodo de liquidación?

Estos límites sobre cuánto y con qué frecuencia nuestra batería puede prestar respuesta de frecuencia se deben a que el mercado se adquiere por bloque EFA. Como se mencionó antes, si en algún momento de un bloque de 4 horas una batería no tiene disponibilidad, no puede prestar el servicio en absoluto durante esas cuatro horas. Si esto suena ineficiente, es porque lo es.

Si el mercado se organizara de otra manera —de modo que la respuesta de frecuencia se contratara por periodo de liquidación de media hora, en lugar de por bloque EFA de 4 horas—, ¿qué podría hacer nuestra batería? La figura 10 (abajo) muestra cuánto servicio de frecuencia podría prestar nuestra batería durante nuestro día simulado si el servicio se adquiriera por periodo de liquidación.

Figura 10: Ventanas de adquisición de servicios auxiliares: volumen total diario que la batería puede vender
  • En este día, la adquisición por periodo de liquidación permitiría que nuestra batería preste un 120% más de volumen que con la adquisición por bloque EFA.

Si una batería pudiera modificar su oferta en base a cada periodo de liquidación, podría vender mucha más de su flexibilidad disponible. En teoría, pasar a la adquisición por periodo de liquidación también beneficiaría al operador del sistema (ESO). Esta capacidad de contratar el volumen necesario de manera más granular permitiría proyecciones de capacidad más precisas. No tendrían que contratar “por si acaso”, ya que podrían ajustar las cantidades más cerca del tiempo real. Además, la posibilidad de que más activos oferten su flexibilidad disponible —es decir, más participantes potenciales en el mercado— podría reducir los precios (al haber más competencia). Sin embargo, probablemente llevaría a una disminución general en la cantidad de capacidad contratada, lo que significa un mercado más pequeño para el almacenamiento de energía en baterías.

¿Cuánto dinero gana realmente nuestro sistema de almacenamiento de energía en baterías?

Ahora que hemos visto la estrategia de optimización de nuestra batería, veamos la estructura de ingresos. La figura 11 (abajo) muestra los ingresos modelados de nuestro sistema de almacenamiento de energía en baterías durante nuestro día de noviembre en el nodo imaginado. Hay grandes picos por ingresos de arbitraje durante ciertos bloques EFA, y los servicios auxiliares proporcionan ingresos estables en otros momentos del día.

Figura 11: Estructura de ingresos nodal

Por supuesto, debemos tomar lo anterior con cautela. Estos precios no son necesariamente representativos de las oportunidades que podrían surgir bajo la tarificación nodal. Como referencia, los sistemas de almacenamiento de energía en baterías de dos horas obtuvieron un promedio de £311,40/MWh/día en noviembre de 2021, cuando hubo una volatilidad mayorista extremadamente alta. Bajo la tarificación nodal, se espera que esto sea mucho mayor en algunos nodos y mucho menor en otros.

Conclusión

Contar con los datos adecuados, en un formato común y oportuno, será clave para aprovechar al máximo la flexibilidad nodal. Aunque el trabajo del optimizador (y de cualquiera que intente modelar las oportunidades en diferentes nodos) podría volverse mucho más complejo, también podría ser más interesante. ¡En última instancia, el sistema en general debería beneficiarse de menores costes de balance!