HEAVY INDUSTRY ENERGY EFFICIENCY: OPTIMIZATION, SMART GRIDS & PROCESS CONTROL

Webinar. Analítica Avanzada & Optimización Aplicadas al Sector Eléctrico

Fecha: 01/20/2021

10:00 México, 11:00 Bogotá, 16:00 Greenwich, 17:00 Madrid

https://www.dhirubhai.net/pulse/webinar-anal%C3%ADtica-avanzada-optimizaci%C3%B3n-aplicadas-al-sector-jesus/

?If you like an English copy of HEAVY INDUSTRY ENERGY EFFICIENCY: OPTIMIZATION, SMART GRIDS & PROCESS CONTROL, please send an e-mail to [email protected] requesting it.

Version PDF: https://goo.gl/tREiCm

“Humanity “must” has the ability to make development sustainable to ensure that it meets the needs of the present without compromising the ability of future generations to meet their own needs. The concept of sustainable development does imply limits - not absolute limits but limitations imposed by the present state of technology and social organization on environmental resources and by the ability of the biosphere to absorb the effects of human activities. But technology and social organization can be both managed and improved to make way for a new era of economic growth. The Commission believes that widespread poverty is no longer inevitable. Poverty is not only an evil in itself, but sustainable development requires meeting the basic needs of all and extending to all the opportunity to fulfil their aspirations for a better life. A world in which poverty is endemic will always be prone to ecological and other catastrophes”.

 “OUR COMMON FUTURE”

WORLD COMMISSION ON ENVIRONMENT AND DEVELOPMENT

(BRUNDTLAND COMMISSION, WCED 1987)

Para lograr la eficiencia energética se propone el uso de modelos matemáticos acordes con las metodologías modernas de la analítica avanzada y con la potencia computacional disponible en la actualidad. El punto de partida se basa en:

• Redise?ar el sistema de suministro de energía con visión del futuro cercano considerando la velocidad del cambio de las tecnologías de potencia.
• Optimizar el proceso industrial utilizando modelos matemáticos de alta complejidad, ya que es posible que la planta este operando con base en modelos matemáticos anticuados.
• Integrar la planificación y la programación de los procesos industriales (transformación de la materia) con los servicios industriales (transformación de la energía), incluyendo optimización de las transacciones en los mercados de energía.

íNDICE

 1.    FUNDAMENTOS

1.1.   SISTEMA DE SOPORTE DE DECISIONES OPCHAIN-OIL

1.2.   EFICIENCIA ENERGéTICA

1.3.   VALOR ECONóMICO AGREGADO

1.4.   LA OPTIMIZACION MATEMáTICA COMO ESTRATEGIA

1.5.   REFERENCIAS

 2.    EFICIENCIA ENERGéTICA INDUSTRIAL

2.1.   INDUSTRIAL SMART GRIDS

2.2.   SMART GRIDS OPTIMIZATION

2.3.   INDUSTRIAL DEMAND RESPONSE

2.4.   REDISE?O DEL SUMINISTRO DE ENERGíA INDUSTRIAL

2.5.   PROCESOS INDUSTRIALES FLEXIBLES

2.6.   MODELAMIENTO AVANZADO DE PROCESOS INDUSTRIALES

2.7.   WIDE-PLANT PROCESS OPTIMIZATION

2.8.   INTEGRACIóN DE PLANTAS DE PROCESOS Y PLANTAS DE SERVICIOS INDUSTRIALES

2.9.   OPTIMIZACION DE COMPRA/VENTA DE ENERGíA EN PLANTAS INDUSTRIALES

2.10. REAL TIME OPTIMIZATION (ADVANCED CONTROL OPTIMIZATION)

1.    FUNDAMENTOS

1.1.   SISTEMA DE SOPORTE DE DECISIONES OPCHAIN-OIL

El Sistema de Soporte de Decisiones OPCHAIN-ESO reúne coherentemente todas las soluciones informáticas desarrolladas por DW en diferentes aéreas de aplicación de modelos de matemáticos optimización al sector de la energía; está integrado por tres subsistemas:

• OPCHAIN-ELE orientado al sector de la electricidad
• OPCHAIN-GAS orientado al sector del gas natural
• OPCHAIN-OIL orientado al sector petrolero

Estos modelos se pueden integrar de manera tal de realizar estudios de integrados del sector de la energía, o soluciones para empresas multi-negocio que operen en más de uno de dichos sectores.

1.2.   EFICIENCIA ENERGéTICA

 De acuerdo con Wikipedia:

“La eficiencia energética es una práctica que tiene como objetivo reducir el consumo de energía. La eficiencia energética es el uso eficiente de la energía, de manera de optimizar los procesos productivos y el empleo de la energía, utilizando lo mismo o menos para producir más bienes y servicios. Dicho de otra manera, producir más con menos energía. No se trata de ahorrar luz, sino de, por ejemplo, iluminar mejor consumiendo menos electricidad.

Los individuos y las organizaciones que son consumidores directos de la energía pueden reducir el consumo energético para disminuir costos y promover sustentabilidad económica, política y ambiental. Los usuarios industriales y comerciales pueden desear aumentar eficacia y maximizar así su beneficio. El consumo de la energía está directamente relacionado con la situación económica y los ciclos económicos, por lo que es necesaria una aproximación global que permita el dise?o de políticas de eficiencia energética. A partir de 2008 la ralentización del crecimiento económico significó una reducción del consumo a nivel global que tuvo su efecto sobre la emisión de gases de efecto invernadero. Entre las preocupaciones actuales está el ahorro de energía y el efecto medioambiental de la generación de energía eléctrica, buscando la generación a partir de energías renovables y una mayor eficiencia en la producción y el consumo, que también se denomina ahorro de energía.”

 Adicional a esta definición debe tenerse claro que eficiencia energética es mucho más que dos palabras, debe conformarse con bases en un conjuntos de herramientas administrativas, emanadas de las organizaciones estatales responsables del tema y de las juntas directivas de las empresas que deben tener claro que el mayor consumo de energía es una forma de contaminación ambiental.

 La siguiendo gráfica presenta la evolución del consumo energético para varios países europeos.

1.3.   VALOR ECONóMICO AGREGADO

 Adicional a la necesidad (obligación ?) de ser eficientes energéticamente, se tienen los beneficios económicos que de ella se derivan, los cuales pueden ser una razón de segundo nivel para implementar prácticas matemáticas que en promedio pueden producir ahorro en los costos que pueden estar del orden del 10-15%.

 Se invita al lector a revisar el white paper The Decision-Making Chain para que se forme una idea de lo que implica el uso de modelos integrados alrededor de una cultura profesional basada en la optimización matemática.

§ The Decision-Making Chain

https://www.dhirubhai.net/pulse/decision-making-chain-jesus-velasquez/

1.4.   LA OPTIMIZACION MATEMáTICA COMO ESTRATEGIA

Para lograr la eficiencia energética, a cambio de una estrategia basada en modelos mentales (buenas prácticas) se propone una estrategia basada en modelos matemáticos de optimización como parte importante de los procesos técnico-económicos. La estrategia tiene dos pasos:

 1.   OFF LINE OPTIMIZATION (PLANNING).

Esta etapa está relacionada con los procesos de optimización que se deben realizar previamente a la puesta en marcha del sistema de energía redise?ado de acuerdo con: i) las metodologías modernas de analítica avanzada y ii) la potencia computacional disponible en la actualidad. Parte de este etapa son las siguientes actividades, que interactúan entre sí:

• Redise?ar el sistema de suministro de energía de acuerdo con las nuevas tecnologías de potencia existentes en la actualidad y con una visión del futuro cercano debido a la velocidad del cambio de dichas tecnologías. Presumiblemente cuando se construyó la planta industrial los nuevos conceptos, como las redes inteligentes, no existían.
• Optimizar el proceso industrial utilizando complejos modelos matemáticos, como en el caso de los sistemas de potencia, es posible que la planta industrial este operando con base en modelos matemáticos anticuados, que no tienen en cuenta la potencia cálculo de las metodologías de optimización actuales.
• Integrar la planificación y la programación de los procesos industriales (transformación de la materia) con los servicios industriales (transformación de la energía), incluyendo optimización de las transacciones en los mercados de energía utilizando modelos de optimización.

 2.   ON LINE OPTIMIZATION (SCHEDULING)

La parte final del proceso de reestructuración de un sistema de energía está relacionada con la denominada la respuesta de la demanda de los consumidores de energía (DSR, Demand Side Response) que implica la participación en los mercados de energía como un medio de optimizar sus ganancias. En esta etapa se deben realizar las siguientes actividades:

• Utilizar un modelo de optimización para el pre-despacho del sistema energético, con 24 horas de antelación (este período depende de la reglamentación de los mercados y sistemas de energía).
• Utilizar modelos orientados al control óptimo en tiempo real del despacho del sistema de energía.
• Planificar las transacciones de corto plazo en el mercado de energía; esta actividad comúnmente se denomina ETRM: Energy Trading and Risk Management.

 1.5.   REFERENCIAS

 Parte de los conceptos, dibujos y casos han sido extraídos de los siguientes papers:

• Grossmann, I. “ Enterprise-wide Optimization: A New Frontier in Process Systems Engineering”. July 2005 Vol. 51, No. 7 AIChE Journal
• Micheletto et al. “Operational Optimization of the Utility System of an Oil Refinery”. Computers and Chemical Engineering 32 (2008) 170–185
• Mitra, S., et al. “Optimal Production Planning under Time-Sensitive Electricity Prices for Continuous Power-Intensive”. Department of Chemical Engineering Carnegie Institute of Technology, 7-2011 (https://repository.cmu.edu/cheme).
• Mouthuy, S. ”Advanced Analytics to Capture the Full Value of Demand Response and Energy Flexibility in Industrial Sites”. Presentation in ESGI 2016, May 2016, Avignon
• Quitzau, A. “Transforming Energy and Utilities through Big Data & Analytics”. 2014 IBM Corporation
• Zhang, Q. and Grossmann, I. “Enterprise-wide Optimization for Industrial Demand Side Management: Fundamentals, Advances, and Perspectives”. Chemical Engineering Research and Design 116 (2016) 114–131.
• Zhang, Q. and Grossmann, I. “Planning and Scheduling for Industrial Demand Side Management: Advances and Challenges”. Alternative Energy Sources and Technologies pp 383-414. 15 March 2016.
• Zhang, Q. et al. “Air Separation with Cryogenic Energy Storage: Optimal Scheduling Considering Electric Energy and Reserve Markets”. Department of Chemical Engineering Carnegie Institute of Technology, 11-2014 (https://repository.cmu.edu/cheme).
• Zhang, X. et al. “Model Predictive Control of Industrial Loads and Energy Storage for Demand Response”, 2016 IEEE Power and Energy Society General Meeting (PESGM)

En la mayoría de los casos se hace referencia explícita a dichos documentos, pero puede existir casos en los que no se ha pasado por alto la referencia.

2.    EFICIENCIA ENERGéTICA INDUSTRIAL

A continuación, se presentan los diferentes conceptos que se deben tener en cuenta para lograr la eficiencia energética industrial.

2.1.   INDUSTRIAL SMART GRIDS

Hace algún tiempo, en una red eléctrica la energía era generada por plantas de energía, enviadas a través de líneas de transmisión de alta tensión a las subestaciones que bajan la tensión y luego distribución a los consumidores, que se comportaban pasivamente ante el proceso industrial.

En un entorno regulado, la generación, la transmisión y la distribución son operados por una entidad/empresa integrada verticalmente (normalmente una empresa del estado), que tiene el monopolio para el suministro de electricidad. En cambio, en un ambiente desregulado, diferentes partes de la red eléctrica son propiedad y son operadas por diferentes agentes (empresas, la mayoría privadas privadas) y los mercados de la electricidad proveen una plataforma que fomenta la competencia entre los participantes. La desregulación de los mercados de electricidad comenzó en la década de 1990 (principalmente en el Reino Unido y en los Estados Unidos). Desde entonces, la experiencia ha demostrado permitir más competencia en los mercados de electricidad puede aumentar significativamente la eficiencia de red.

Como consecuencia de la desregulación, se establecen los mercados de la electricidad partiendo de la premisa de que la energía eléctrica puede ser tratada como una mercancía; sin embargo, es claramente diferente de la mayoría otros productos básicos principalmente porque está vinculado con un sistema físico que funciona mucho más rápido que cualquier mercado. Hasta hace pocos a?os, en una red eléctrica, la oferta y la demanda siempre deben coincidir, ya que era difícil almacenar energía eléctrica, y por lo tanto lo producido debía ser consumido al mismo tiempo; en la red los retrasos son inaceptables; por lo tanto, la red debe reaccionar muy rápidamente a los cambios y alteraciones.

La “viabilización” técnico-económica de los almacenamientos de energía (“energy storages”) unida a la proliferación de las tecnologías de potencia basadas en fuentes de energía renovables (eólicas, solares, biomasa, centrales hidroeléctricas “pumping storages”) ha cambiado de nuevo el panorama del sector eléctrico, ya que en la actualidad es posible generar energía y almacenarla para ser utilizada en su debido momento, esto conlleva la uniformización de los costos marginales de generación alrededor de un valor “igual” en todos los períodos en todos los nodos de la red.

En la práctica, todas las empresas industriales pueden parte de los agentes que interactúan en el mercado, dando fin al concepto de auto-generadores, ya que es posible que todos actúen como co-generadores y hagan transacciones en los mercados de electricidad. Esto unido al IIoT (Industrial Internet of Things, también conocida como Industrial Internet o Industrie 4.0.) cambia aumentan las vías para lograr la eficiencia energética industrial.

2.2.   SMART GRIDS OPTIMIZATION

Las redes inteligentes y las nuevas tecnologías de potencia eléctrica abren un sinnúmero de posibilidades para los sistemas de suministro de energía, principalmente la electricidad. Para capturar toda la riqueza que las nuevas posibilidades conllevan, comenzando por el cambio fundamental en la concepción del sistema de potencia el cual cambia de una concepción de suministro basada en un árbol jerárquico, en el que la electricidad fluye de los generadores hacia los consumidores, a un esquema mallado en el cual la electricidad puede fluir en dos sentidos dependiendo de las condiciones cambiantes durante el día, las semanas, los meses.

Como consecuencia de la desregulación, se establecen los mercados de la electricidad partiendo de la premisa de que la energía eléctrica puede ser tratada como una mercancía; sin embargo, es claramente diferente de la mayoría otros productos básicos principalmente porque está vinculado con un sistema físico que funciona mucho más rápido que cualquier mercado. Hasta hace pocos a?os, en una red eléctrica, la oferta y la demanda siempre deben coincidir, ya que era difícil almacenar energía eléctrica, y por lo tanto lo producido debía ser consumido al mismo tiempo; en la red los retrasos son inaceptables; por lo tanto, la red debe reaccionar muy rápidamente a los cambios y alteraciones.

 La “viabilización” técnico-económica de los almacenamientos de energía (“energy storages”) unida a la proliferación de las tecnologías de potencia basadas en fuentes de energía renovables (eólicas, solares, biomasa, centrales hidroeléctricas “pumping storages”) ha cambiado de nuevo el panorama del sector eléctrico, ya que en la actualidad es posible generar energía y almacenarla para ser utilizada en su debido momento, esto conlleva la uniformización de los costos marginales de generación alrededor de un valor “igual” en todos los períodos en todos los nodos de la red.

En la práctica, todas las empresas industriales pueden parte de los agentes que interactúan en el mercado, dando fin al concepto de auto-generadores, ya que es posible que todos actúen como co-generadores y hagan transacciones en los mercados de electricidad. Esto unido al IIoT (Industrial Internet of Things, también conocida como Industrial Internet o Industrie 4.0.) cambia aumentan las vías para lograr la eficiencia energética industrial.

2.2.   SMART GRIDS OPTIMIZATION

Las redes inteligentes y las nuevas tecnologías de potencia eléctrica abren un sinnúmero de posibilidades para los sistemas de suministro de energía, principalmente la electricidad. Para capturar toda la riqueza que las nuevas posibilidades conllevan, comenzando por el cambio fundamental en la concepción del sistema de potencia el cual cambia de una concepción de suministro basada en un árbol jerárquico, en el que la electricidad fluye de los generadores hacia los consumidores, a un esquema mallado en el cual la electricidad puede fluir en dos sentidos dependiendo de las condiciones cambiantes durante el día, las semanas, los meses.

La posibilidad de configuración en línea de la topología del sistema de suministro de electricidad implica cambios fundamentales en el dise?o de la red de suministro y en su operación. Los viejos modelos de dise?o de sistema eléctricos deben modernizar de acuerdo con la evolución de las tecnologías.

 A continuación, se describe brevemente un conjunto de modelos matemáticos orientados a soportar de las decisiones de los agentes que participan en las smart grid:

• Demand Response Optimization: optimización de la gestión de la energía eléctrica en conjuntos de edificios; como universidades, urbanizaciones, centros comerciales, ...
• Industrial Energy Efficiency Optimization: optimización de la gestión de la energía eléctrica en sistemas industriales intensivos en el consumo de energía.
• Forecast of Renewable Energy Sources predicción de corto/mediano plazo de la disponibilidad de fuentes energía renovables, como: el viento, la radiación solar, la biomasa y los recursos hídricos.
• Optimization of Load Management: optimización de la gestión de la carga eléctrica.
• Distribution Network Planning: optimización del dise?o, y/o del re-dise?o, de “smart grids”
• Electricity Theft Detection: Sistemas de detección de fraude en redes de electricidad.
• Real Time Optimization: Sistemas de control avanzado para optimización, en tiempo real, del despacho de una “smart grid”

 Para más información del modelaje eléctrico se invita al lector a consultar:

• Electricity & Natural Gas Advanced Supply Chain Optimization

https://www.dhirubhai.net/pulse/electricity-natural-gas-advanced-supply-chain-jesus-velasquez/

2.3.   INDUSTRIAL DEMAND RESPONSE

 La gestión activa de la demanda de electricidad, que también se conoce como Demand Side Management (DSM), ha sido reconocida como un enfoque eficaz para mejorar la productividad de las smart grids y los beneficios económicos de los usuarios de la red eléctrica. Las plantas de producción de la industria pesada son grandes consumidores de electricidad grandes y juegan un papel clave en DSM. Desde comienzos de la década pasada, la optimización holística de las plantas industriales y de las empresas (Enterprise-Wide Optimization, EWO) industrial ha surgido como un área importante de interés para investigadores y profesionales interesados en DSM.

Grossmann (2005) concluye que la planificación y la programación en las industrias pesadas, orientada a la eficiencia energética (DSM), presenta grandes retos:

Grossmann (2005) concluye que la planificación y la programación en las industrias pesadas, orientada a la eficiencia energética (DSM), presenta grandes retos:

• Modelamiento preciso de la flexibilidad operacional
• Integración de la producción y de la gestión de la energía
• Optimización en múltiples escalas de tiempo
• Toma de decisiones bajo incertidumbre

La implementación de una DSM óptimo implica el uso de herramientas de analítica avanzada para conseguir la mejor respuesta posible y garantizar la estabilidad de los sistemas de electricidad.

El diagrama siguiente presenta las alternativas que tiene el usuario industrial para enfrentar este nuevo ambiente: i) intercambiar electricidad con la red eléctrica y ii) participar en los mercados de electricidad. Para tomar una posición es necesario contar con las herramientas analíticas apropiadas que le permitan realizar los cálculos necesarios para analizar los escenarios que debe analizar, mucho de ellos nuevos para las empresas industriales.

Por otro lado, el usuario industrial debe conocer los mercados en los cuales puede participar, los que no se limitan a la simple compra/venta de electricidad, sino que algunos de ellos hacen parte de mercados complementarios (por ejemplo, el AGC) o de mercados secundarios en los que puede participar. El siguiente diagrama presenta de manera las posibilidades que enfrenta la DSM.

Finalmente, los diferentes tipos de procesos industriales se acomodan mejor a unos mercados que ha otros, esto implica la coordinación de la producción industrial con la DMS.

 2.4.   REDISE?O DEL SUMINISTRO DE ENERGíA INDUSTRIAL

 El primer paso para lograr la eficiencia energética de las instalaciones industriales está relacionado con el redise?o de los sistemas de suministro de energía, ya que en muchos casos el dise?o de dichos sistemas no incluye los conceptos y las tecnologías asociadas al nuevo paradigma: generación distribuida, almacenamientos de energía (energy storages) y sistemas de medición inteligentes (smart metering), fundamentos de las “smart-grids”.

El redise?o implica decisiones en las siguientes direcciones: i) construcción/instalación de nueva infraestructura, ii) modernización de infra estructura existente y iii) desinstalación de infraestructura existente. Todo lo anterior, se puede realizar por medio de un modelo de optimización que proporciones el dise?o óptimo del nuevo sistema de suministro de energía.

información del modelaje eléctrico se invita al lector a consultar:

• Energy Supply (Smart Grids) in Oil Fields
• Electricity & Natural Gas Advanced Supply Chain Optimization

https://www.dhirubhai.net/pulse/electricity-natural-gas-advanced-supply-chain-jesus-velasquez/

 2.5.   PROCESOS INDUSTRIALES FLEXIBLES

La flexibilidad operacional del sistema de producción y del sistema eléctrico son fundamentales para una respuesta óptima en la gestión de la demanda (DSM). La flexibilidad implica tener un sistema industrial con la capacidad de adaptarse para capturar ganancias en el mercado de los energéticos.

 Por ejemplo, los procesos industriales que se llevan a cabo en las planta de la industria cementera consumen grandes cantidades de energía eléctrica. Durante la operación, estas plantas, y en general en las plantas de la denominada industria pesada, tienen dos tipos de equipos que se caracterizan por:

 1.   Equipos rígidos que no pueden cambiar su nivel de operación fácilmente, como es el caso del horno de producción del clinker que debe mantener la producción constante durante largos períodos.

2.   La capacidad de prender y de apagar un número arbitrario de equipos (trituradoras, molinos, …) y así ajustar el consumo óptimo de potencia eléctrica, de acuerdo con los precios de la electricidad en el mercado spot; sin embargo, estos equipos generalmente no pueden apagarse y/o prenderse muy rápidamente, y por lo tanto solo proveen cambios de consumo de manera discreta. Por ejemplo, para participar en mercados de servicios complementarios (por ejemplo, el mercado del AGC, Automatic Generation Control) necesitan una respuesta instantánea al cambio en el consumo de potencia.

La conclusión parece ser que una planta cementera no puede participar en dicho mercado; sin embargo, los “energy storages” proveen un cambio suave y continuo y por lo tanto la posibilidad de regulación y de seguimiento de la carga eléctrica.

Zang et al. presentan resultados de implementar la aproximación propuesta en una fábrica de cemento.

Otro caso, real, es el redise?o de los procesos de una planta productora de gases industriales, orientándolos a un DSM activo.

 El concepto de un almacenamiento criogénicos de energía (Cryogenic Energy Storage, CES) es almacenar energía en forma de gas líquido que es bombeado a alta presion y es vaporizado cuando es necesario para operar una turbina. Aunque el CES a escala industrial es un enfoque relativamente nuevo, la tecnología es conocida y es parte esencial de cualquier unidad de separación de aire (Air Separation Unit ,ASU) que utiliza la separación criogénica. Incluir CES en una planta de separación de aire presenta los siguientes beneficios:

1.   Aumenta la flexibilidad de la planta para los cambios de carga eléctrica;

2.   Almacenamiento de energía comprada para venderla luego en el mercado, durante períodos de precios mayores;

3.   Crear ingresos adicionales proporcionando capacidad operativa de reserva. 

El diagrama muestra el entorno integrado de ASU-CES. Los flujos de masa son representados por líneas sólidas y los de energía por líneas y punteadas. Nombres de variables de flujo del modelo matemático se muestran entre paréntesis.

Para investigar estas oportunidades se desarrolló un modelo de optimización MIP (Mixed Integer Programming) y se aplicó un enfoque de optimización robusta para modelar la incertidumbre en la demanda de reserva AGC. El modelo se utilizó para el estudio de un caso industrial, y como resultado se ubican importantes beneficios económicos potenciales. La gráfica presenta los perfiles de operación con y sin el sistema CES.

Los resultados exhiben ahorros, aproximados, del 10% bajo supuestos de eficacia y de incertidumbre relativamente conservadoras. Un análisis de sensibilidad muestra que además de la eficacia del CES, los beneficios económicos dependen fuertemente del nivel de utilización de la planta. Si el nivel de utilización es bajo, se logra reducción de costos hasta más del 20% (para un factor de uso del 40%). Esto sugiere que el CES puede ser una opción especialmente buena para las ASU subutilizadas. Realizar estos estudios, sin un modelo matemático avanzado es prácticamente imposible.

 2.6.   MODELAMIENTO AVANZADO DE PROCESOS INDUSTRIALES

 Primero que todo se debe tener clara la relación entre la velocidad de los procesos industriales (productividad por hora) y el consumo de energía. Se puede afirmar, sin temor a equivocación, que: i) todos los procesos industriales son de velocidad variable y ii) que el consumo de energía como función de la velocidad del proceso no es lineal, es exponencial.

Lo anterior conlleva a que las instalaciones productivas no tienen una capacidad fija definida, y que la capacidad del momento se establece de acuerdo con la velocidad del proceso y del tiempo que dure dicha velocidad. Algunos ejemplos son:

Por lo anterior, para lograr la eficiencia energética es necesario optimizar los procesos industriales orientándolos a puntos de operación de mínimo consumo de energía y/o máximo ganancia, teniendo en cuenta los indicadores de rentabilidad de la operación, y el respeto al control de emisiones, el cual es más exigente cada día. La vía es el dise?o y la implementación de modelos matemáticos que representen con detalle dichos procesos y así permitan su optimización.

 Tomando como ejemplo la industria del cemento, la siguiente gráfica presenta como en una cadena productiva todo el proceso esta relacionado en tres aspectos: i) consumo de energía, ii) consumo y selección de materias primas y iii) emisiones, potencialmente contaminantes. Desafortunadamente, todos estos aspectos no siempre se mueven en la misma dirección; por ejemplo, la mezcla de combustibles más económica puede ser la mezcla que genera mayor contaminación.

Por lo anterior, para lograr la eficiencia energética, debe poder realizar el balance completo de todos los aspectos involucrados en el proceso industrial, eso implica modelo avanzado de los procesos industriales y del consumo de energía. El diagrama siguiente presenta la concepción general de planta de cemento.

Para más información en este caso se sugiere al lector revisar el siguiente paper

• Advanced Optimization Applied to Cement Plants

https://www.dhirubhai.net/pulse/advanced-optimization-applied-cement-plants-jesus-velasquez/

2.7.   WIDE-PLANT PROCESS OPTIMIZATION

Enterprise-Wide Optimization (EWO), optimización integrada de toda la empresa, es una nueva área emergente que se encuentra en la interfase de la ingeniería química y la investigación de operaciones y se ha convertido en una meta importante en las industrias de proceso debidos a las crecientes presiones para permanecer competitivo en el mercado mundial. EWO consiste en optimizar las operaciones de suministro, de fabricación y de distribución de las actividades de una empresa para reducir costos e inventarios. Para logra el óptimo funcionamiento de la empresas, el paso principal es el óptimo funcionamiento de instalaciones de fabricación, que a menudo requiere el uso de modelos complejos de los procesos industriales, debido a su carácter discreto (on/off) y a su comportamiento no-lineal. Esto ha llevado a la creación de un nuevo enfoque de modelamiento denominado Plant-Wide Optimization (PWO), que se focaliza en el modelamiento de las plantas industriales siguiente un enfoque “bottom-up”, construyendo la optimización a partir del modelamiento de los equipos para los cuales se deben generar ordenes de producción detallada.

La integración EWO-PWO incluye la integración de la planificación, la programación y la optimización en tiempo real. Una de las características claves de EWO-PWO es la integración de la información y de la toma de decisiones entre las distintas funciones que componen la cadena de suministro (supply chain) de la empresa. Esto puede lograrse con base en modernas herramientas informáticas transaccionales, que, junto con internet, han promovido la integración de todas las instalaciones de una empresa/organización.

Para capturar plenamente el potencial de herramientas transaccionales, se deben desarrollar: i) modelos de optimización, lineales o no-lineales, determinísticos o estocásticos, y ii) de sofisticados algoritmos (herramientas analíticas), necesarios para explorar y analizar las alternativas de configuración/operación de la cadena de suministro para el rendimiento económico general óptimo, así como altos niveles de satisfacción del cliente.

Un desafío adicional es la toma de decisiones integrada y coordinada a través de las distintas funciones en una empresa (compras, fabricación, distribución, ventas), a través de diversas instalaciones distribuidas geográficamente (proveedores, servicios, fábricas y mercados) y a través de varios niveles jerárquicos de toma de decisiones (estrategia, táctica y operacional).

2.6.   INTEGRACIóN DE PLANTAS DE PROCESOS Y PLANTAS DE SERVICIOS INDUSTRIALES

La gestión óptima de la energía de los sistemas industriales implica una posición holística que integre la planificación de la producción de los bienes que se producen con los servicios energéticos que se consumen en dicha producción, y finalmente integrarla con las posibilidades de autoproducción y de negociación de dicha energía.

Primero que todo, se debe concebir un planta industrial intensiva en consumo de energía como compuesta por dos grandes plantas: i) Planta de Procesos Industriales donde se realizan los procesos de conversión de la materia y ii) Planta de Servicios Industriales donde se realizan los procesos de conversión de la energía (electricidad, vapor, …); es importante tener en cuenta que la gestión operativa de sistemas de vapor y de energía eléctrica es un proceso complejo que se beneficia de la utilización de las tecnologías de optimización.

 Las fluctuaciones de la demanda de servicios industriales son típicas debido a múltiples causas, las principales son: cambios en las propiedades de las materias primas, campa?as operacionales, mantenimiento de unidades de proceso, interrupción del suministro/alimentación de energía eléctrica de las compa?ías que suministran electricidad y/o de las plantas de generación (normalmente termoeléctricas) que hacen parte de la planta industrial (actuando como cogeneradores o auto-generadores). Lo anterior conlleva a que las políticas de operación deben adaptar continuamente sus niveles de producción, para garantizar la viabilidad operativa y satisfacer las pautas de la demanda dinámica.

 Por lo tanto, los dise?os de plantas de servicios industriales tienden a presentar un alto nivel de flexibilidad, que permitan múltiples configuraciones operativas que satisfagan los objetivos de la demanda, a veces con costos de operación significativamente diferentes.

 La optimización de la planta de servicios industriales puede realizarse de dos formas: i) coordinada, implica la optimización de la planta de procesos industriales y secuencialmente la optimización de la planta de servicios industriales, o ii) integrada, que implica la optimización simultanea de los dos tipos de plantas. La mejor alternativa es la segunda, ya que produce mayores ahorros en costos evitados; la tecnologías de optimización vigentes, permiten esta posibilidad no considerada anteriormente.

 Micheletto et al. presentan un informe del desarrollo de un modelo programación matemática que es capaz de representar la topología con precisión y optimizar el funcionamiento coordinado de las plantas de procesos industriales y de la servicios industriales; el modelo está integrado con la base de datos de planta y utilizado para la planificación operativa de la refinería RECAP (Sao Paulo, Brazil), donde se estima que el nivel de los costos evitados es del orden del 10%.

2.9.   OPTIMIZACION DE COMPRA/VENTA DE ENERGíA EN PLANTAS INDUSTRIALES

El aumento de la volatilidad en los precios de electricidad unido a las nuevas oportunidades para la gestión de la demanda y a la posibilidad de satisfacer consumo energético con varios contratos de electricidad, de gas y de otros energéticos, debe complementarse con la operación óptima en los procesos físico-químicos con altos consumos energéticos.

Existen diferentes fuentes de suministro de electricidad, que se caracterizan por la conectividad con las diferentes entidades del sistema y por la forma de contratación que existen para ellas:

• Energía del SIN (Sistema Interconectado)
• Contratos de suministro de energía (PPA) del tipo pague lo contratado (ToP, Take-or-Pay)
• Contratos tipo BOMT (generación centralizada)
• Contratos de alquiler de equipos (generación distribuida).

El suministro de energía del SIN está relacionado con el punto de intercambio de energía con sistemas de potencia exógenos, específicamente con el sistema interconectado asociado a la región donde está ubicada la instalación industrial; a interconexión se vincula a una, o más, barras por la que se importa electricidad al sistema productivo y se relaciona con la entidad intercambios comerciales.

 n cuanto a los precios de energía proveniente del SIN (precio spot) se debe tener en cuenta que existen diferentes niveles de precio para cada bloque de carga (hora). Adicionalmente, el precio spot es una variable aleatoria que no se conoce con precisión y que presenta alta correlación con el precio de los combustibles, razón por la cual se debe vincular al escenario de precios de los combustibles.

 Para determinar el intercambio con el SIN se asume que, para cada hora, o conjunto de horas (bloque de carga), se conoce el precio spot en cada período y que se tiene una capacidad de importación limitada.

La integración con el sistema/mercado eléctrico implica tener herramientas analíticas para negociación las cuales comúnmente se denominan como ETRM (Energy Trading and Risk Management), las cuales tienen como objetivo perfilar el riesgo por medio de curvas de indiferencia para que el decisor tome la decisión de acuerdo con su posición con respecto al riesgo: averso o propenso.

Para una visión holística del proceso de toma de decisiones, se requiere la integración de los dos modelos: i) el del proceso productivo y ii) el de modelamiento de riesgos financieros, en la realidad es posible que parte los riesgo financieros que se deben enfrentar se cubran con políticas de producción.

Otro punto para considerar es el impacto de las negociaciones de los mercados energéticos, en los procesos productivos.

 La siguiente gráfica presenta los resultados para un caso real de operación de un oleoducto, en el que se puede visualizar la relación entre operar el oleoducto con criterio ambiental (mínimo consumo de energía comparado con el criterio económico (mínimo costo), para un caso de tarifas diferenciales durante el día. En dichas gráficas se nota el costo ambiental que implica minimizar el consumo de energía, que de una u otra forma termina siendo “contaminación ambiental” directa o indirecta; en el caso presentado este costo representa el 16.21% de sobrecosto económico. 

Para información detallada sobre el modelo matemático y sus estrategia de solución se invita al lector a consultar:

• Oil Pipelines Real-Time Optimization

https://www.dhirubhai.net/pulse/oil-pipelines-real-time-optimization-jesus-velasquez/

2.10.   REAL TIME OPTIMIZATION (ADVANCED CONTROL OPTIMIZATION)

Finalmente, para cerrar el ciclo de la eficiencia energética, los sistemas de control tener en cuenta las características del proceso eléctrico, el cual debe ser controlado en tiempo real-real de la misma forma como lo hacen con los procesos industriales convencionales.

Este tema no se analiza en ente documento.

 3. DECISIONWARE

DecisionWare, es pionera en Latinoamérica en la consultoría especializada y en el dise?o la implementación y la puesta en marcha de Sistema de Soporte a las Decisiones (SSD), basados en modelos matemáticos de optimización de gran tama?o. Las soluciones desarrollados por DW, en diferentes áreas de aplicación de las metodologías y de las tecnologías de la denominada Programación Matemática (hoy más conocida como ADVANCED ANALYTICS) acumulan experiencia de cuarenta a?os resolviendo problemas de ingeniería y de negocios utilizando modelos de optimización.

DecisionWare está dedicada a la implementación de algoritmos de Advanced Analytics, basada en las siguientes metodologías matemáticas: i) Machine Learning, ii) Advanced Probabilistic Models, iii) Optimization (Mathematical Programming) y iv) Matheuristicas.

Acorde con los estándares de las tecnologías informáticas modernas, los modelos suministrados por DW son totalmente parametrizables, fáciles de personalizar para cada cliente, y se integran con otras soluciones informáticas de la organización.

El paper Innovation on Advanced Analytics presenta informacion completa acerca de los productos y servicios que ofrece DecisionWare.

https://www.dhirubhai.net/pulse/innovation-advanced-analytics-jesus-velasquez/