tractorcito.pngProyecto ANII FSE_1_2017_1_144926
TRACTORCITO
Planificación de inversiones con energías variables, restricciones de red y gestión de demanda. 


Ejecución: Setiembre 2018 - Setiembre 2020
Investigadores: Pablo Soubes, Damián Vallejo, Ximenca Caporale, Sergio Martínez y Felipe Palacio.
Co-responsable científico: Ignacio Ramirez.
Responsable científico: Ruben Chaer.
Financiamiento: Fondo Sectorial de Energía 2017 - ANII (https://www.anii.org.uy/)

Memoria del Proyecto: (MemoriaFinal_FSE_1_2017_1_144926_Tractorcito.pdf).

El objetivo principal del proyecto era la búsqueda de técnicas de aproximación a la Política Óptima de Operación de un Sistema Dinámico Estocástico, en particular, aplicada al sistema de generación de energía eléctrica. La resolución de este tipo de problemas sufre de lo que se conoce como La Maldición de la Dimensionalidad de Bellman, que establece que la complejidad de resolución del problema de encontrar la Política Óptima para la operación de un sistema dinámico crece exponencialmente con el aumento de las dimensiones del Espacio de Estado del sistema. El proyecto no es más que un intento de luchar contra dicha maldición.


El conjunto de herramientas desarrolladas dieron lugar a una aplicación que llamamos "Tractorcito" que, dada una Sala SimSEE y una estructura de aprendizaje, realiza simulaciones para ir aprendiendo la manera de comportarse (Política de Operación) que resulte en un menor costo de producción. A la aplicación la llamamos así, dado que, sobre todo al inicio, las simulaciones conducen al Sistema "por cualquier lugar" y el Simulador debe funcionar igual para poder calcular el costo de operación. El simulador en este modo recuerda al funcionamiento de un Tractor capaz de atravesar por cualquier camino, bañado, cerro de piedra, etc.


El desarrollo de esta aplicación implicó la adaptación de la herramienta SimSEE para poder actuar en conjunto con la capacidad de aprendizaje por refuerzo del Tractorcito.


El Tractorcito está dotado de un conjunto de Redes Neuronales cuyos parámetros van cambiando durante la experiencia del propio Tractorcito. La capacidad de aprendizaje está dada por la complejidad asignada a dichas Redes Neuronales. Para un sistema dado y complejidad de representación, el Tractorcito que logra menor costo es el más exitoso. El problema de aprendizaje está planteado en el sentido de que, sabiendo que la complejidad de representación es limitada, dicha capacidad sea optimizada (durante el aprendizaje continuo) a aquellos aspectos que resultan más relevantes en el objetivo de redución del valor esperado del costo de la operación futura.

Los siguientes videos contienen aspectos directamente relacionados con el proyecto. El primer video es genérico sobre la operación del sistema de generación con alta integración de renovables, pero fija las bases por las cuales se propuso el proyecto Tractorcito y hace referencia a los avences logrados.

Los otros videos, que refieren a mejoras en los modelos estocásticos, se incorporan aquí como parte del proyecto, aunque son desarrollos realizados en paralelo al mismo, pues dichas mejoras implican incorporación de dinámicas (estados) en los modelos. Utilizando la plataforma SimSEE sin el Tractorcito (Recursión de Bellman clásica) dichos modelos explotan dimensionalmente, y por tanto son mejoras que se realizaron por poder disponer del Tractorcito. Lo anterior es válido también para el modelo de Ciclo Combinado.


(((((( VIDEO DE DIFUSIÓN ... en breve aquí ))))))

Descripción general del problema de despacho óptimo con alta integración de renovables y descripción de la mejora de las herramientas de simulación asociadas al Tractorcito.
Modos de exploración para aprendizaje de una politica de operación del Tractorcito.
Parsimonia Temporal en conjunto de redes neuronales para aprendizaje de una política de operación del Tractorcito.
Modelos Mixture Density Networks aplicadas a modelo de generación eólica. Mejoras a los modelos de pronósticos usados por el Tractorcito.
Modelo de ciclo combinado horario desarrollado para su uso con el Tractorcito.
Mejora de los modelos estocásticos para su uso en el Tractorcito, incorporando de ensembles de pronósticos a modelos CEGH con máxima verosimilitud.
Modelo hidrológico de cuenca del Río Negro e integración de información de satélites para su uso con el Tractorcito.
Determinación de Bloques de Energía Exportable.
Despacho óptimo con modelo de red. SimSEE+Flucar.
Modelo estocástico de Demanda Eléctrica - ADME 2020.