Embed Size (px)
Citation preview
Analisis de la flexibilidad de lademanda en usuarios residenciales
Elkin Moreno Soto
Universidad Nacional de Colombia
Facultad de Ingenierıa
Departamento de Ingenierıa Electrica y Electronica
Bogota , Colombia
2021
Analisis de la flexibilidad de lademanda en usuarios residenciales
Elkin Moreno Soto
Tesis o trabajo de grado presentada(o) como requisito parcial para optar al tıtulo de:
Magister en Ingenierıa Electrica
Director(a):
Ph.D.Andres Pavas
Lınea de Investigacion:
Gestion de demada de energıa electrica
Grupo de Investigacion:
Programa de Analisis y Adquisiscion de Senales (PAAS-UN)
Universidad Nacional de Colombia
Facultad de Ingenierıa
Departamento de Ingenierıa Electrica y Electronica
Bogota, Colombia
2021
(Dedicatoria o un lema)
Dedico este trabajo a mi familia, mi madre y
hermana en especial, quienes me han secundado
en esta idea de seguir adelante con los estudios
pese a las dificultades.
La historia de la ciencia nos demuestra que toda
teorıa es perecedera. Con cada verdad que nos
es revelada ganamos un mejor entendimiento
de la naturaleza, y nuestras concepciones y
vicisitudes cambian por completo.
Nikola Tesla
Agradecimientos
Agradezco al grupo de investigacion PAAS-UN que me ha dado un espacio para desarrollar
mis estudios y ha sido un apoyo a las ideas que hemos tenido, tambien y en especial al
Profesor Andres Pavas quien me ha apoyado en mi desarrollo como investigador no solo en
la ingenierıa sino en varias facetas, a Camilo y Orlando quienes con un cafe nos apoyamos
en nuestras ideas curiosas y fantasiosas.
ix
Resumen
Analisis de la flexibilidad de la demanda en usuarios residenciales
Esta investigacion presenta un estudio para determinar que tan facil es la gestion de la
demanda para los usuarios residenciales, analizando los atributos de la flexibilidad de la de-
manda, se ha identificado un modelo basico que establece que tan accesible a un proceso de
gestion de la demanda son los usuarios, estableciendo un potencial de gestion, que valoracion
del uso de la energıa tiene los usuarios para satisfacer las necesidades esto incluye el confort,
y determinar la flexibilidad que tiene los usuarios para cambiar sus patrones de consumo; se
ha identificando que los usuarios residenciales en Colombia tiene una baja flexibilidad, por
esto se debe entender que los esquemas de gestion deben ser mejor implementados, y por
otra parte se deben analizar mas detalladamente los usuarios residenciales y sus componentes
directos como el ambiente y los comportamentales.
Palabras clave: Gestion de la demanda, flexibilidad de la demanda, consumo de energıa,
usuarios de energıa .
Abstract
Analysis of demand flexibility in residential customers
This research presents a study to determine how easy is demand management for residential
users, analyzing the attributes of demand flexibility, has identified a basic model that esta-
blishes how accessible to a process of demand management are users, establishing a potential
management, which valuation of energy use has users to meet the needs this includes com-
fort, and determine the flexibility that has users to change their consumption patterns; It
has been noted that residential users in Colombia have low flexibility, so it must be unders-
tood that management schemes must be better implemented, and residential users and their
direct components, such as the environment and behaviour, must be analysed in more detail.
Keywords: Demand side management, Demand flexibility, energy consumption, energy
users)
Contenido
Agradecimientos VII
Resumen IX
1. Introduccion 2
1.1. Identificacion del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1. Respuesta de la demanda . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1.1. Respuesta de la demanda basada en precio . . . . . . . . . . 7
1.2.1.2. Respuesta de la demanda basada en incentivos . . . . . . . 7
1.2.2. Flexibilidad de la demanda . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2.1. Flexibilidad de la demanda - lado de la generacion . . . . . 8
1.2.2.2. Flexibilidad de la demanda - lado de la demanda . . . . . . 8
1.3. Justificacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1. Contexto energetico colombiano . . . . . . . . . . . . . . . . . . . . . 9
1.3.2. Distribucion general de la poblacion . . . . . . . . . . . . . . . . . . . 11
1.4. Analisis del problema de flexibilidad . . . . . . . . . . . . . . . . . . . . . . . 11
1.5. Hipotesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2. Objetivos especıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.3. Alcance del proyecto de investigacion . . . . . . . . . . . . . . . . . . 13
1.7. Impactos de la investigacion . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.8. Sinopsis de los capıtulos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2. Marco de conceptos 19
2.1. Demanda de Energıa Electrica . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1. Gestion de la Demanda . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.2. Respuesta de la demanda . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3. Flexibilidad de la demanda . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2. Demanda de energıa en Colombia . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.1. Clasificacion del consumo de Energıa Electrica residencial . . . . . . . 26
2.2.2. Estudios desarrollados de clasificacion de los usuarios . . . . . . . . . 27
2.2.3. Comportamiento del usuario y demanda de Energıa Electrica . . . . . 27
Contenido xi
2.3. Conclusiones del capitulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3. Analisis para determinar la flexibilidad de la demanda en Colombia 37
3.1. Analisis poblacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.1. Discriminacion de la poblacion del paıs . . . . . . . . . . . . . . . . . 37
3.1.1.1. Distribucion de la poblacion general . . . . . . . . . . . . . 37
3.2. Ubicacion geografica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1. Analisis de altimetrıa de los municipios . . . . . . . . . . . . . . . . . 42
3.3. Caracterısticas socioeconomicas de los municipios / ciudades . . . . . . . . . 45
3.4. Analisis del consumo de energıa electrica . . . . . . . . . . . . . . . . . . . . 50
3.4.1. Equipos de consumo de energıa en el sector residencial . . . . . . . . 50
3.4.2. Consumo de energıa de la poblacion . . . . . . . . . . . . . . . . . . . 53
3.5. Comportamiento de la poblacion en el uso de la energıa . . . . . . . . . . . . 53
3.5.1. Valor percibido y relacion con el confort . . . . . . . . . . . . . . . . 54
3.5.2. Percepcion de eficiencia energetica en Colombia . . . . . . . . . . . . 55
3.6. Modelo de consumo para un usuario segun estrato y ubicacion geografica . . 57
3.7. Conclusiones del capıtulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4. Proceso de flexibilidad de la demanda en Colombia 65
4.1. Modelo general de valoracion de flexibilidad de la demanda . . . . . . . . . . 65
4.1.1. Potencial de gestion . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1.2. Consideracion de consumo . . . . . . . . . . . . . . . . . . . . . . . . 65
4.1.3. Valoracion del consumo . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.1.4. Identificacion de la flexibilidad de la demanda . . . . . . . . . . . . . 66
4.2. Factores de analisis y calculo para determinar la flexibilidad de la demanda . 67
4.2.1. Calculo de potencial de gestion . . . . . . . . . . . . . . . . . . . . . 67
4.2.2. Analisis de consideracion de consumo . . . . . . . . . . . . . . . . . . 67
4.2.3. Calculo del sacrificio de necesidades - confort . . . . . . . . . . . . . . 68
4.3. Calculo aplicado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3.1. Colombia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3.2. Bogota . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3.3. Medellın . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.3.4. Cali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.3.5. Barranquilla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3.6. Flexibilidad para las ciudades . . . . . . . . . . . . . . . . . . . . . . 77
4.4. Conclusiones del capıtulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5. Conclusiones y recomendaciones 84
5.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.2. Recomendaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Contenido 1
A. Anexo: Documentos de investigacion desarrollados 87
B. Anexo: Conjunto de datos Censo 2018 Departamentos Administrativo Nacio-
nal de Estadısticas - DANE 115
C. Anexo: Conjunto de datos Sistema Unico de Informacion de Servicios Publicos
Domiciliarios - SUI 117
1. Introduccion
Este documento presenta la tesis para optar al grado de maestrıa en Ingenierıa Electrica, el
tema de trabajo esta enfocado en la capacidad que pueden tener los usuarios residenciales
para desarrollar gestion de la demanda de energıa y los factores que impactan y determinan
esta capacidad, se analizara el usuario residencial el cual presenta caracterısticas y cualidades
que son de importancia al ser el grupo de consumo mas grande y diverso, y de los cuales
se estan desarrollando investigaciones al consumo de energıa en el mundo. Un reto para
esta investigacion es generar un estudio para Colombia dadas las limitaciones de acceso a la
informacion, particularmente informacion sobre el consumo de energıa electrica, ya que esto
determinara el grado de desarrollo de las metodologıas, potenciales analisis y resultados a
lograr con esta investigacion.
El impacto cientıfico y tecnologico de esta investigacion, radica en la necesidad prioritaria del
paıs de estudios en estos temas, ya que los cambios en el uso de un recurso o la prestacion de
un servicio impactan en factores sociales y economicos que se han comenzado a presentar en el
desarrollo de las polıticas, regulaciones y normatividades en el uso de la energıa.La entrada
de tecnologıas relacionadas a lo concerniente a las smart grid, tales como la generacion
por fuentes no convencionales, sistemas de control dinamicos, equipos de alta eficiencia, han
impactado; ejemplo de lo anterior son los desarrollos tecnicos y pruebas piloto que relacionan
las nuevas tecnologıas y las formas de consumo de energıa en la busqueda de prestar un
servicio optimo de calidad.
Todo lo anterior plantea la necesidad de analizar el consumo de energıa con el proposito
de identificar las mejores estrategias para el uso de este recurso. Una de las perspectivas
es la capacidad que presenta el usuario, para esta investigacion el residencial, de modificar
su forma de consumo o demanda de energıa sin que se vea afectado en sus intereses o
finalidades. Esto se entiende como flexibilidad de la demanda, originado la pregunta base
de esta propuesta, ¿como puedo determinar la flexibilidad de la demanda en el contexto de de
la gestion de la demanda?, para esto plantemos un objetivo principal: identificar la facilidad
que presenta un usuario residencial para realizar gestion de la demanda, para alcanzar este
objetivo debemos resolver algunos especıficos como lo son: el identificar los atributos que
caracterizan la flexibilidad de un usuario residencial, con este objetivo presentaremos que
factores o condiciones permiten que un usuario de la energıa sea flexible en la forma de
consumir o usar el recurso, estos factores o condiciones tiene caracterısticas, externas o
ajenas al usuario como tambien interna o propias del usuario. Tambien debemos establecer
otro objetivo: desarrollar un modelo que permita valorar la flexibilidad de la demanda, esta
1.1 Identificacion del problema 3
valoracion en el caso de los usuarios residenciales colombianos es importante dado el potencial
que tendrıa al poder agrupar, identificar y evaluar a los usuarios para ası poder establecer
la mejor estrategia de gestion de la demanda, en funcion de obtener los mejores resultados.
Para esto generamos otro objetivo: ilustrar la valoracion del modelo de flexibilidad mediante
un caso de estudio, es importante para plantear este documento un modelo real el cual pueda
generar conclusiones y potenciales elementos de investigacion.
1.1. Identificacion del problema
En el mundo actual la tecnologıa y el uso de la energıa ha cambiado el modo de ver el
entorno. Los nuevos paradigmas en la concepcion de los sistemas electricos han emergido en
los ultimos treinta anos, tales como las Smart Grids, las tecnologıas de generacion no con-
vencionales, como los paneles solares, plantas de cogeneracion, turbinas eolicas, junto nuevas
formas de ver y construir el entorno, como lo son los edificios inteligentes,como lo presenta
[Rafiei y Bakhshai, 2012], los conceptos de gestion de los recursos, para esta investigacion
enfocada en la demanda de la energıa electrica. El mundo actual consume aun mas energıa
electrica bajo el concepto de un mundo electrico,[Petit, 2018], que es el uso de la electricidad
en todas nuestras actividades cotidianas. Nos vemos en la necesidad de analizar el como con-
sumo o demanda de energıa visto desde la gestion de los recursos. El concepto de gestion de la
demanda, Demand Side Management(DSM), presenta un analisis e implementaciones sobre
los recursos requeridos para una actividad o un objetivo, como las definiciones mas clasicas
sobre el uso del recurso como las presentadas por [Gellings, 1985], o conceptos mas recientes
sobre los beneficios y cambios que debe generase, [Strbac, 2008], ademas de los estudios de
estado en los sistemas de potencia, [Lawrence y Eto, 1996], y los conceptos asociados a las
nuevas formas de ver los sistemas electricos [Barbato y Capone, 2014], pero este concepto
es tan amplio y tiene varias lineas de estudio e implementacion; para esta investigacion, se
va a analizar el concepto de respuesta de la demanda,Demand Response (DR), el cual defi-
ne el comportamiento de la demanda de energıa ofreciendo cambios y beneficios al usuario
bajo distintos programas e incentivos, [Albadi y El-Saadany, 2008], y como el usuario es un
factor determinante en el proceso de desarrollo de esquemas de gestion de la demanda de
la demanda, [Andersen et al., 2006]. Los conceptos de gestion y respuesta de la demanda
estan asociados a determinar la capacidad de los usuarios a aceptar los cambios en su forma
de consumo, autores como [Grunewald y Diakonova, 2018] identifican esta descripcion y lo
asocian a la flexibilidad de la demanda, Demand Flexibility (DF), donde se busca establecer
que capacidades tiene el usuario en modificar sus patrones de consumo de energıa electrica de
forma efectiva respetando los objetivos estrategicos que cada usuario tiene sobre el recurso
y servicio, [Parag y Butbul, 2018]; se establece que el usuario residencial como el mas repre-
sentativo en el consumo de energıa electrica en el paıs, se debe analizar sus comportamientos
y condiciones, para ası determinar si el usuario residencial tiene la capacidad de generar
un ajuste en su comportamiento y bajo que caracterısticas o condiciones se determina esta
4 1 Introduccion
capacidad de ajuste.
Este trabajo forma parte de diversos estudios que se aproximan al problema de identificar
la demanda de energıa electrica y sus caracterısticas en el paıs, con el desafio de la falta
de informacion registrada, asequible o detallada en el uso de esta. En Colombia el sector
residencial es uno de los mayores determinantes y participantes en el consumo, esto segun el
Balance Energetico Colombiano - BECO1, donde el consumo final de energıa esta distribuido
para el ano 2019 en 38.7 % residencial, 25.5 % comercial y publico, 20.9 % industrial y 14.9 %
otros.S ademas de la forma de uso del recurso, el analizar mas a profundidad sus usuarios
identifican las caracterısticas y condiciones que lo conforman, como lo son las economicas,
regionales, comportamentales entre otras y de las cuales presentan poco analisis o informacion
por los agentes que intervienen en la prestacion del servicio para el desarrollo de nuevas
estrategias utiles a las condiciones que puedan plantearse.
Para plantear e identificar el problema que se trabajara en esta investigacion, debemos ali-
nearnos con un conjunto de iniciativas o actividades que identificaran y definiran el problema.
En esta parte el proceso que se analiza, es el de poder modificar la forma de consumo de
energıa electrica por parte de los usuarios a los cuales se les establece esquemas de gestion
de la demanda; tambien orientamos este proceso sobre los usuarios del sector residencial
ya que ellos generan un impacto en el sistema, por ser un gran consumidor de energıa, al
ser el sector con mayor numero de agentes que interactuan en el sistema y las condiciones
propias que tiene este sector y los usuarios; esto nos indica que el estudio se desarrollara o
aplicara sobre el conjunto de usuarios del sector residencial al determinar sus caracterısticas,
mediante el analisis del comportamiento al emplear esquemas de gestion de la demanda a
traves de proyecciones probabilısticas y estadısticas, usando los datos mas actualizados y
aquellos proyectados que esten oficialmente aceptados.
Al identificar las anteriores iniciativas o actividades, determinamos lo que se desea inves-
tigar, y a su vez nos define el problema a abordar y con el cual se definira el proposito
esta investigacion, este problema lo exponemos con la siguiente pregunta ¿Como puedo
determinar la flexibilidad de la demanda en el contexto de de la gestion de
la demanda? , esta pregunta aborda varios ıtems de investigacion enfocados en el tema de
demanda de energıa electrica, y se integra con lo trabajado por parte de investigadores como
[Tellez y Duarte, 2016] y [Gonzalez Vivas, 2017] .
Al identificar el problema a abordar, surge la necesidad de platear definiciones e hipotesis que
ayuden al desarrollo de la investigacion y las cuales son parte fundamental para identificar
los objetivos que se plantean desarrollar para ası obtener un resultado que los respondan a
esto y a su vez a la pregunta planteada en la investigacion, los resultados y conclusiones seran
la forma como se determina el cumplimiento de la investigacion y el grado de desarrollo que
se abordo. Existe el interes de desarrollar analisis o esquemas de gestion de la demanda, que
profundizan la necesidad de entender sus actores, roles y caracterısticas, pero mas alla de esto
1Pagina web Balance Energetico Colombiano - BECO https://www1.upme.gov.co/InformacionCifras/
Paginas/BalanceEnergetico.aspx
1.2 Antecedentes 5
existe la necesidad de identificar el potencial de gestion que tiene los agentes participantes.El
potencial se va a definir y enlazarlo con la flexibilidad aplicado a la forma de consumo de
energıa y ası poder generar un margen para el analisis de estudio de esta investigacion,
definiendo a la flexibilidad como La flexibilidad es la capacidad para que los agentes
participantes en el sector electrico pueda modificar de forma eficiente y efectiva
los patrones de consumo sin afectar los intereses estrategicos de cada uno.
Esta definicion se obtiene de analizar los temas propuestos y tratados por el Ing. Oscar
Duartey la Ing. Sandra Tellez, desarrollados en la investigacion: Planteamiento de Estrategias
para la Gestion de la Demanda desde el Usuario Activo en una Red Electrica Inteligente e
indicados en el desarrollo de la tesis doctoral que tambien esta trabajando temas de gestion
de demanda vista desde la utility.
1.2. Antecedentes
Los conceptos teoricos del uso de los recursos en las organizaciones y las descripciones aso-
ciadas a estos se originan despues de la denominada segunda revolucion industrial, primera
mitad del siglo XIX. El concepto de gestion de la demanda Demand Side Management
(DSM), en el uso de los recursos energeticos, como lo conocemos hoy, aparece hacia los
ochenta como respuesta a los problemas de los energeticos dados por la guerra del petroleo
en los paıses industrializados y el uso eficiente de los sistemas y recursos, los sistemas de
gestion de la demanda se dividen en tres grandes lineas conceptuales, ver Figura 1-1. La
lınea conceptual de eficiencia energetica se refiere a la instalacion de tecnologıas eficientes
o la eliminacion de perdidas de la energıa [Rafiei y Bakhshai, 2012],[Benedetti et al., 2015];
la lınea conceptual de conservacion de la energıa, analiza el control de la carga de manera
estrategica para el uso mas eficiente del recurso, esto planteado [Gellings y Smith, 1989], o
lo aplicado en [Kinhekar et al., 2014]; la lınea conceptual de respuesta de la demanda, De-
mand Desponse (DR), la cual esta relacionada con los mercados y precios para gestionar
el recurso, este concepto identifica la posibilidad de realizar un control del consumo que
no es necesariamente una reduccion, lo logra al cambiar al usuario final en su forma de
participacion en la gerencia del recurso. Como ejemplo de esto tenemos los Estados Unidos
[Lawrence y Eto, 1996] en sus analisis industriales aplicados, y trabajos mas recientes como
los de [Boshell y Veloza, 2008], [Mohajeryami et al., 2016], dividiendo el analisis en los tres
conceptos presentados.
6 1 Introduccion
Eficiencia
energética
Conservación
energética
Respuesta de
la demanda
Figura 1-1.: Lineas conceptuales de DSM, adaptado de [Boshell y Veloza, 2008]
1.2.1. Respuesta de la demanda
La respuesta de la demanda es un area que aparece inicialmente en la teorıa economica en
el analisis referente al comportamiento de los mercados, la relacion entre precio y cantidades
cuando un grupo de acciones son tomados o ejecutados. Los programas de respuesta a la de-
manda destinados al uso de la energıa se centran en el usuario final y como este puede alterar
sus patrones de uso [Lampropoulos et al., 2013],[Herter et al., 2007], [Andersen et al., 2006],
y bajo estos conceptos se aplicaron al consumo de energıa desarrollandolo en dos lıneas: una
basado en el precio y otra en los incentivos[Chen et al., 2018], la Figura 1-2 presenta esta
division y sus componentes directos.
Respuesta de la
demanda
Basado en el
precio
Tiempo de uso
(ToU)
Precio en
tiempo real
(RTP)
Precio critico de
pico (CPP)
Basado en
incentivos
Control directo
de la carga
Desplazamiento
controlado de
carga
Demanda
Subastada
Figura 1-2.: Estructura de la respuesta de la demanda, adaptado de [Chen et al., 2018]
1.2 Antecedentes 7
1.2.1.1. Respuesta de la demanda basada en precio
Este esquema de gestion se caracteriza en un control de precios en funcion del tiempo en que
se implemente. Tiempo de uso, Time of Use (TOU), esquema de precios donde se controla
el tiempo de uso y la prestacion de servicio; precio en tiempo real, Real Time Price (RTP),
este esquema consta en el uso o prestacion de servicio conociendo la variacion de precios en
el tiempo dados por el mercado; precio de pico critico, Critical Peak Pricing (CPP), este
basa su esquema de gestion en el valor del precio maximo presentado en los picos de consumo
[Albadi y El-Saadany, 2008], [Kohansal y Mohsenian-Rad, 2016].
1.2.1.2. Respuesta de la demanda basada en incentivos
Este esquema aplica al control de carga y la gestion que realice esta se vera compensada, in-
centivada, bajo ciertas condiciones. Control directo de carga, este busca controlar de manera
directa por parte del consumidor su consumo de energıa en funcion de las cargas que se este
utiliza; control de carga desplazable, consta de desplazar a un tiempo diferente de uso al habi-
tual algunas de las cargas; puja de demanda, consta en ofrecer la demanda de manera tal que
el sistema pueda compensar y prestar el servicio [Albadi y El-Saadany, 2008],[Barbato y Capone, 2014].
1.2.2. Flexibilidad de la demanda
Los conceptos mencionados sobre la respuesta de la demanda, se retomaron con auge ha-
cia el ano 2000 debido a la entrada de las redes inteligentes y el desarrollo de los siste-
mas informacion y comunicacion, lo que hoy se ha desarrollado y se conoce como Smart
Grid [Sastry et al., 2010]. A su vez, los desarrollos conceptuales actuales como el bienestar
social, desarrollo ambiental sostenible, y efectos globales como el aumento demografico, la
reduccion de los recursos no renovables, los cambios tecnologicos, la gestion economica, ge-
neraron una serie de analisis como lo es la flexibilidad de la demanda, Demand Flexibility
(DF), este es uno de los parametros a usarse en lo referente a la gestion de la demanda de
energıa, este analisis de flexibilidad se identifica desde dos perspectivas [Chen et al., 2018],
la primera desde el lado de la suplencia o generacion donde el gestor directo es el proveedor
del servicio, [Parhizi et al., 2015], y la segunda desde la demanda donde el consumidor es
el gestor principal [Di Giorgio y Liberati, 2014], la Figura 1-3 presenta los componentes de
cada una.
8 1 Introduccion
Flexibilidad de la energía
Mejores estrategias
Lado de la
suplencia
Centros de suplencia- Turbinas de gas con ciclo combinado
- Apropiación de calor
Sistemas de energía
renovables
- PV y Viento
- Sistemas geotérmicos
- Biogeneradores
Sistemas de
almacenamiento de energía
- Sistemas de baterías estacionarias y vehículos eléctricos
- Almacenamiento de energía térmica
-Fase de cambio en materiales
Lado de la
demanda
Sistemas HVAC-Temperatura y flujo de aire
-Pre calentamiento y pre enfriamiento
Equipos eléctricos -Electrodomésticos
- Sistemas de gestión de la energía en el hogar
Otros-Precio de la energía y comportamiento del usuario
-Construcción de estructuras de masa térmica
Figura 1-3.: Estructura de la flexibilidad de la demanda, adaptado de [Chen et al., 2018]
1.2.2.1. Flexibilidad de la demanda - lado de la generacion
Esta perspectiva esta encaminada a poder controlar la forma como el sistema gestiona su
prestacion de servicio a traves de la generacion o almacenamiento de la energıa. Los cen-
tros de suministro de energıa, tienen esquemas en los cuales algun sistema existente pue-
de generar o aumentar su prestacion de servicio, como las turbinas de ciclo combinado, o
sistemas combinados de poder calorıfico; sistemas de energıas renovables, sistemas de ge-
neracion no convencionales tales como los fotovoltaicos, eolicos, biomasa, geotermica entre
otras, [Roscoe y Ault, 2010]; tambien se incluyen los sistemas de almacenamiento de energıa,
sistemas de baterıas y almacenamiento como los vehıculos electricos, sistemas de almacena-
miento termico, o materiales de cambio de fase como elementos o factores que se puede
manejar desde la generacion, [Morales et al., 2014].
1.2.2.2. Flexibilidad de la demanda - lado de la demanda
Esta perspectiva esta encaminada a poder manejar las formas de demanda de energıa de un
sistema. En general algunos de estas formas de manejo se ubican en los sistemas de confort
que implementa el ususrio, un ejemplo tıpico es Heating, Ventilation and Air Conditionig
(HVAC) [Parag y Butbul, 2018], Los electrodomesticos, juegan un papel importante en los
analisis de flexibilidad tanto en los equipos en si, ejemplo son las caracterısticas de eficiencia,
como tambien en su agregado bajo las condiciones de demanda [Avramidis et al., 2018],
asimismo impactan los esquemas de gestion o gerenciamiento sobre la demanda. Se presentan
1.3 Justificacion 9
otras formas como el comportamiento en el uso de la energıa o los sistemas de masa termica
de las edificaciones, [Jacomino y Hoang, 2012],[Rastegar et al., 2016].
1.3. Justificacion
El proceso de analisis del tema desde los conceptos de gestion de la demanda, respuesta
de la demanda y flexibilidad de la demanda, en relacion a temas actuales, surge la nece-
sidad de preguntarse ¿por que hay que hacer esta investigacion en el tema de flexibilidad
de la demanda?; de los conceptos de los programas de gestion de demanda como los pre-
sentados y aplicados de manera institucional, ejemplo [Lawrence y Eto, 1996], vemos que
es un tema que rige desde ordenes polıticos y gubernamentales, economicos, sociales y am-
bientales. El tema de flexibilidad de la demanda aparece como un resultado o consecuencia
del despliegue de estrategias implementadas en el desarrollo de respuesta de la demanda
[Golden y Powell, 2000], [Edelenbos et al., 2015].
1.3.1. Contexto energetico colombiano
La demanda de energıa electrica es un indicador de desarrollo del paıs, por esto es de im-
portancia los comportamientos del sistema y los agentes para entender el contexto, ventajas
y desventajas. el documento [UPME, 2015] presenta una revision del comportamiento de
la demanda de energıa y potencia electrica en el paıs, el documento resalta las siguientes
caracterısticas que determina un referente a analizar:
La demanda de energıa electrica, al 2015, ha presentado un crecimiento atribuido al
sector residencial.
La proyeccion de de crecimiento 2015-2029 se ve aplicada a los consumidores residen-
ciales.
Se ha aumentado el consumo de energıa en las regiones del paıs, debido a los cambios
climaticos, refrigeracion, aire acondicionado, bombeo de agua.
El agente de consumo residencial de mayor impulsos son los estratos bajos, por esto se
presenta una volatilidad en la elasticidad precio-demanda.
[Mateus Valencia, 2016], La existencia de fenomenos de gran impacto, como lo es el
fenomeno del nino .
En la Figura 1-4 se puede observar la participacion del sector residencial en el consumo de
energıa electrica referente a los otros sectores, se especifica en la Figura 1-5 que el sector
residencial participa con un 42 % del total de consumo, esto implica que el agente primordial
a ejecutar una posible gestion de demanda es el agente residencial, de la Figura 1-6, vemos
10 1 Introduccion
como es la composicion interna de este agente, viendo que los estratos 1,2,3 son los de mayor
proporcion en el consumo residencial.
Figura 1-4.: Consumo de energıa electrica por tipo de consumidor en GWh, tomado de
[UPME, 2015]
Figura 1-5.: Participacion en el consumo de energıa electrica por tipo de consumidor, to-
mado de [UPME, 2015]
Figura 1-6.: Demanda de energıa electrica por estratos, tomado de [UPME, 2015]
1.4 Analisis del problema de flexibilidad 11
1.3.2. Distribucion general de la poblacion
Como se presento en la seccion anterior, el sector residencial tiene un gran consumo agregado
y va en aumento en el tiempo, ademas que la poblacion urbana ha aumentado en las ciudades
colombianas, esto se presenta en los documentos COMPES2, y los datos de urbanizacion
y comportamiento entregados por el DANE3. En la Tabla 1-1 se puede observar que la
proyeccion de la poblacion rural es muy pequena, mientras que las poblaciones urbanas
presenta una tendencia creciente, Se ve como tambien la ciudades tienen un cambio en su
grupo poblacional asociado, indicando que la poblacion se concentrara en urbes mayores a
100.000 habitantes.
Tabla 1-1.: Proceso y proyecciones de urbanizacion en Colombia
Rangos 1951 1973 2010 2035 2050
Poblacion rural (millones de habitantes) 7 9,3 10,8 9,5 8,5
Poblacion urbana (millones de habitantes) 4,5 13,5 34,7 48 52,6
Nivel de urbanizacion ( %) 39 59 76 83 86
No. de ciudades con mas de 100.000 habitantes 6 18 41 64 69
No. de ciudades con mas de 1 millon de habitantes 0 2 4 5 7
1.4. Analisis del problema de flexibilidad
En el presente documento, se busca identificar el problema de enlazar los conceptos de gestion
de la demanda al contexto de consumo de energıa electrica, el cual tiene sus caracterısticas
unicas las cuales se deben integrar en estos procesos teniendo en cuenta las capacidades y
condiciones presentes en el contexto colombiano. Como se presento en la seccion 1.1, donde
se plantea la pregunta de investigacion que abordara este trabajo, tambien se presentan otros
elementos que se han desarrollado en el tema de flexibilidad de la demanda que nos sirven
de apoyo para el avance de esta investigacion, tales elementos son:
¿En otros paıses, porque hacen un analisis para determinan la flexibilidad de la de-
manda?. El problema de la flexibilidad de la demanda nace de la necesidad de tener
un sistema eficiente en la demanda de la energıa electrica por parte del usuario. Paıses
como Estados Unidos [Bronski et al., 2015] y sus diferentes companıas electricas han
generado diversas formas de desarrollar un analisis de flexibilidad y como aprovechar-
las, el caso europeo presenta los primeros modelos aplicados [Edelenbos et al., 2015] y
se empiezan a establecer polıticas de desarrollo en eficiencia energetica mediante pro-
cesos de gestion de la demanda, un caso como el de Belgica donde se realizo uno de los
primeros test de analisis [D’hulst et al., 2015].
2Direccion Nacional de Planeacion (DNP) pagina web: https://www.dnp.gov.co/Paginas/inicio.aspx3Estimacion y proyeccion de hogares 1985-2020 y viviendas 1993-2020 nacional, departamental por area.
12 1 Introduccion
¿Como analizan y determina la flexibilidad?. Hasta el momento hay investigaciones
que relacionan un procesos puntuales de analisis, parametros de definicion como los
que se presentan en [Sajjad et al., 2014] y [Sajjad et al., 2016] donde muestran mol-
deamientos matematicos de como se podrıa representar y caracterizar las cargas de un
sistema, especialmente el caso residencia que es el mas representativo tanto en potencia
y consumo en el sistema, como tambien en complejidad de sus componentes y usos.
¿Como se podrıa realizar este analisis y determinacion en el contexto colombiano?. Es-
te analisis no se ha desarrollado ampliamente debido a varios factores, uno de estos es
la dificultad de conseguir informacion acerca del comportamiento de los usuarios y su
consumo de energıa de manera detallada, el trabajo desarrollado en [Gonzalez, 2016]
donde se ha desarrollado una metodologıa de analisis de los componentes residenciales
mediante simulacion y uso de procesos estocasticos es un trabajo que integra las cate-
gorizaciones de las formas de consumo y uso de energıa electrica dados por la UPME
en el ano 2015.
1.5. Hipotesis
Para el desarrollo de este proyecto se genero una hipotesis que se valida mediante lo que se
desarrolle en esta investigacion y los resultados de esta, se indica a continuacion la hipotesis
planteada: La demanda de energıa electrica es flexible, el identificar en que proporcion
y como se determina, establece la flexibilidad de la demanda en el sector residencial es
existente pero no se encuentra identificada y caracterizada.
1.6. Objetivos
1.6.1. Objetivo general
Identificar la facilidad que presenta un usuario residencial para realizar gestion de demanda.
1.6.2. Objetivos especıficos
Identificar los atributos que caracterizan la flexibilidad de un usuario residencial.
Desarrollar un modelo que permita valorar la flexibilidad de la demanda.
Ilustrar la valoracion del modelo de flexibilidad de demanda mediante un estudio de
caso.
1.7 Impactos de la investigacion 13
1.6.3. Alcance del proyecto de investigacion
Para el desarrollo de proyecto de investigacion se usara informacion de libre acceso primor-
dialmente o con permiso de los gestores respectivos en el caso que se necesiten o se deban
usar, no se considera dentro de el alcance de este proyecto realizar mediciones de campo, sin
embargo se de deja abierta la posibilidad de estas en caso de tener disponibilidad de tiempo y
se pudieran gestionar; se usaran modelos estadısticos y probabilısticos que permitan realizar
una valoracion de la flexibilidad, esto sera determinado en la actualizacion bibliografica que
se desarrolle para el proyecto.
1.7. Impactos de la investigacion
Como parte de los estudios de gestion de la demanda de energıa electrica y temas asociados,
los impactos que se generen en terminos de investigacion encaminan a:
Cientıfico y tecnologico: Continuar con la investigacion en un tema de actualidad,
enfocandose en el tema aplicado a Colombia.
Social y economico: Visualizar unos posibles impactos en el usuario como en el operador
y cuantificarlo economicamente.
1.8. Sinopsis de los capıtulos
El proyecto se describe en un grupo de capıtulos que condensan el proceso de investigacion
que se ha desarrollado en busca de validar los objetivos planteados.
En el capitulo Marco de conceptos se divide en dos partes la primera en analizar los conceptos
relacionados a la demanda de energıa, y los conceptos relacionados con la gestion de la
demanda; la segunda en el analisis de la demanda de energıa en Colombia, que clasificaciones
presentan los usuarios residenciales, caracterısticas de comportamiento y estudios realizados
sobre estas clasificaciones.El capitulo Analisis para determinar la flexibilidad de la demanda
en Colombia identificamos los factores que determina la flexibilidad de la demanda en el paıs
como es el analisis de la poblacion, caracterısticas geograficas, caracterısticas economicas,
el analisis de consumo y un factor relevante como comportamiento ante la energıa electrica
y su uso. En el capitulo Proceso de flexibilidad de la demanda en Colombia, cuantificamos
el proceso que se ha establecido con los datos de los anteriores capıtulos, analizando las
ciudades principales del paıs las cuales identifican diversas caracterısticas presentes en la
poblacion colombiana, como los son su geografıa y economıa cruzados con las percepciones
sobre la energıa. Y por ultimo en el capitulo conclusiones tenemos las respuestas a los analisis
desarrollados y recomendaciones propuestas.
Bibliografıa
[Albadi y El-Saadany, 2008] Albadi, M. & El-Saadany, E. (2008). A summary of demand
response in electricity markets. Electric Power Systems Research, 78(11), 1989–1996,
https://doi.org/10.1016/j.epsr.2008.04.002 http://linkinghub.elsevier.com/
retrieve/pii/S0378779608001272.
[Andersen et al., 2006] Andersen, F. M., Jensen, S. G., Larsen, H. V., Meibom, P., Ravn,
H., Skytte, K., & Togeby, M. (2006). Analyses of Demand Response in Denmark, volume
1565 http://inis.iaea.org/search/search.aspx?orig_q=RN:38013867.
[Avramidis et al., 2018] Avramidis, I. I., et al. (2018). Demand side flexibility
schemes for facilitating the high penetration of residential distributed energy
resources. IET Generation, Transmission & Distribution, 12(18), 4079–4088,
https://doi.org/10.1049/iet-gtd.2018.5415 http://ezproxy.unal.edu.
co/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=
edselc&AN=edselc.2-52.0-85054407603&lang=es&site=eds-live.
[Barbato y Capone, 2014] Barbato, A. & Capone, A. (2014). Optimization Models and Met-
hods for Demand-Side Management of Residential Users: A Survey. (pp. 5787–5824).,
https://doi.org/10.3390/en7095787.
[Benedetti et al., 2015] Benedetti, M., Cesarotti, V., & Introna, V. (2015). Improving energy
efficiency in manufacturing systems — literature review and analysis of the impact on the
energy network of consolidated practices and upcoming opportunities. In M. M. Eissa
(Ed.), Energy Efficiency Improvements in Smart Grid Components chapter 3. Rijeka:
IntechOpen https://doi.org/10.5772/59820.
[Boshell y Veloza, 2008] Boshell, F. & Veloza, O. P. (2008). Review of developed demand
side management programs including different concepts and their results. (pp. 1–7).,
https://doi.org/10.1109/TDC-LA.2008.4641792.
[Bronski et al., 2015] Bronski, P., et al. (2015). the Economics of Demand Fle-
xibility Quantifiable Value for Customers. (August) https://rmi.org/
wp-content/uploads/2017/05/RMI_Document_Repository_Public-Reprts_
RMI-TheEconomicsofDemandFlexibilityFullReport.pdf.
Bibliografıa 15
[Chen et al., 2018] Chen, Y., Xu, P., Gu, J., Schmidt, F., & Li, W. (2018). Measures to im-
prove energy demand flexibility in buildings for demand response (DR): A review http:
//ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=edswsc&AN=000447576300010&lang=es&site=eds-live.
[D’hulst et al., 2015] D’hulst, R., Labeeuw, W., Beusen, B., Claessens, S., Deconinck, G., &
Vanthournout, K. (2015). Demand response flexibility and flexibility potential of residen-
tial smart appliances: Experiences from large pilot test in Belgium. Applied Energy, 155,
79–90, https://doi.org/10.1016/j.apenergy.2015.05.101 http://dx.doi.org/10.
1016/j.apenergy.2015.05.101.
[Di Giorgio y Liberati, 2014] Di Giorgio, A. & Liberati, F. (2014). Near real time load
shifting control for residential electricity prosumers under designed and market indexed
pricing models. Applied Energy, 128, 119–132, https://doi.org/10.1016/j.apenergy.
2014.04.032 http://dx.doi.org/10.1016/j.apenergy.2014.04.032.
[Edelenbos et al., 2015] Edelenbos, E., Togeby, M., & Wittchen, K. B. (2015). Implemen-
tation of Demand Side Flexibility from the perspective of Europe ’ s Energy Directives.
Technical Report august.
[Gellings, 1985] Gellings, C. (1985). The concept of demand-side manage-
ment for electric utilities. Proceedings of the IEEE, 73(10), 1468–1470,
https://doi.org/10.1109/PROC.1985.13318 http://ieeexplore.ieee.org/
xpl/articleDetails.jsp?arnumber=1457586&newsearch=true&queryText=
Theconceptofdemand-sidemanagementforelectricutilities%5Cnhttp:
//ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1457586.
[Gellings y Smith, 1989] Gellings, C. W. & Smith, W. M. (1989). Integrating demand-side
management into utility planning. Proceedings of the IEEE, 77(6), 908–918, https://
doi.org/10.1109/5.29331.
[Golden y Powell, 2000] Golden, W. & Powell, P. (2000). Towards a definition of flexibi-
lity: in search of the Holy Grail? Omega, 28(4), 373–384, https://doi.org/10.1016/
S0305-0483(99)00057-2.
[Gonzalez, 2016] Gonzalez, O. A. (2016). Cuantificacion del Ahorro de Energıa Electrica en
Clientes Residenciales Mediante Acciones de Gestion de Demanda Quantification of Elec-
trical Energy Savings in Residential Customers Through Demand Management Strate-
gies. xx(x), 1–8, https://doi.org/doi.org/10.18273/revuin.v16n2-2017020 https:
//revistas.uis.edu.co/index.php/revistauisingenierias/article/view/5747.
[Gonzalez Vivas, 2017] Gonzalez Vivas, O. A. (2017). Evaluacion del Potencial de Gestion
de Demanda para un Grupo de Usuarios a partir del Analisis de sus Perfiles de Consumo
http://www.bdigital.unal.edu.co/62080/1/TesMSc_oagonzalezv.pdf.
16 Bibliografıa
[Grunewald y Diakonova, 2018] Grunewald, P. & Diakonova, M. (2018). Flexibility, dyna-
mism and diversity in energy supply and demand: A critical review. Energy Research and
Social Science, 38(September 2017), 58–66, https://doi.org/10.1016/j.erss.2018.
01.014 https://doi.org/10.1016/j.erss.2018.01.014.
[Herter et al., 2007] Herter, K., McAuliffe, P., & Rosenfeld, A. (2007). An exploratory analy-
sis of California residential customer response to critical peak pricing of electricity. Energy,
32(1), 25–34, https://doi.org/10.1016/j.energy.2006.01.014.
[Jacomino y Hoang, 2012] Jacomino, M. & Hoang, M. (2012). Robust energy planning in
buildings with energy and comfort costs. (pp. 81–103)., https://doi.org/10.1007/
s10288-011-0192-6.
[Kinhekar et al., 2014] Kinhekar, N., Padhy, N. P., & Gupta, H. O. (2014). Multiobjective
demand side management solutions for utilities with peak demand deficit. International
Journal of Electrical Power and Energy Systems, 55, 612–619, https://doi.org/
10.1016/j.ijepes.2013.10.011 http://linkinghub.elsevier.com/retrieve/pii/
S0142061513004286http://dx.doi.org/10.1016/j.ijepes.2013.10.011.
[Kohansal y Mohsenian-Rad, 2016] Kohansal, M. & Mohsenian-Rad, H. (2016).
Price-maker economic bidding in two-settlement pool-based markets: The case
of time-shiftable loads. IEEE Transactions on Power Systems, 31(1), 695–705,
https://doi.org/10.1109/TPWRS.2015.2405084 http://ieeexplore.ieee.org/
lpdocs/epic03/wrapper.htm?arnumber=7056569.
[Lampropoulos et al., 2013] Lampropoulos, I., Kling, W. L., Ribeiro, P. F., & van den Berg,
J. (2013). History of demand side management and classification of demand response
control schemes. (pp. 1–5)., https://doi.org/10.1109/PESMG.2013.6672715.
[Lawrence y Eto, 1996] Lawrence, E. O. & Eto, J. (1996). The Past, Present, and Future of
U.S. Utility Demand-Side Management Programs. (December) https://emp.lbl.gov/
publications/past-present-and-future-us-utility.
[Mateus Valencia, 2016] Mateus Valencia, A. C. (2016). Crisis energetica en Colombia. Tec-
nologıa Investigacion y Academia, 4(2), 74–81 https://revistas.udistrital.edu.co/
index.php/tia/issue/archive.
[Mohajeryami et al., 2016] Mohajeryami, S., Moghaddam, I. N., Doostan, M., Vatani, B., &
Schwarz, P. (2016). A novel economic model for price-based demand response. Electric
Power Systems Research, 135, 1–9, https://doi.org/10.1016/j.epsr.2016.03.026
http://linkinghub.elsevier.com/retrieve/pii/S0378779616300736.
Bibliografıa 17
[Morales et al., 2014] Morales, J. M., Conejo, A. J., Madsen, H., Pinson, P., & Zugno, M.
(2014). Integrating Renewables in Electricity Markets Operational Problems. 139, 67;,
https://doi.org/10.1007/978-1-4614-9411-9.
[Parag y Butbul, 2018] Parag, Y. & Butbul, G. (2018). Flexiwatts and seamless techno-
logy: Public perceptions of demand flexibility through smart home technology. Energy
Research and Social Science, 39(October 2017), 177–191, https://doi.org/10.1016/j.
erss.2017.10.012 https://doi.org/10.1016/j.erss.2017.10.012.
[Parhizi et al., 2015] Parhizi, S., Lotfi, H., Khodaei, A., & Bahramirad, S. (2015). Sta-
te of the Art in Research on Microgrids: A Review. IEEE Access, 3, 890–
925, https://doi.org/10.1109/ACCESS.2015.2443119 http://ieeexplore.ieee.
org/lpdocs/epic03/wrapper.htm?arnumber=7120901.
[Petit, 2018] Petit, V. (2018). The new world of utilities: A historical transition towards a
new energy system. The New World of Utilities: A Historical Transition Towards a New
Energy System, (pp. 1–196)., https://doi.org/10.1007/978-3-030-00187-2.
[Rafiei y Bakhshai, 2012] Rafiei, S. & Bakhshai, A. (2012). A review on energy efficiency
optimization in smart grid. (pp. 5916–5919)., https://doi.org/10.1109/IECON.2012.
6389115.
[Rastegar et al., 2016] Rastegar, M., Fotuhi-Firuzabad, M., & Zareipour, H. (2016). Home
energy management incorporating operational priority of appliances. International
Journal of Electrical Power and Energy Systems, 74, 286–292, https://doi.org/
10.1016/j.ijepes.2015.07.035 http://linkinghub.elsevier.com/retrieve/pii/
S014206151500321Xhttp://dx.doi.org/10.1016/j.ijepes.2015.07.035.
[Roscoe y Ault, 2010] Roscoe, A. J. & Ault, G. (2010). Published in IET Renewable Power
Generation Supporting high penetrations of renewable generation via implementation of
real-time electricity pricing and demand response. IET Renew. Power Gener, 4(4), 369–
382, https://doi.org/10.1049/iet-rpg.2009.0212.
[Sajjad et al., 2016] Sajjad, I., Chicco, G., & Napoli, R. (2016). Definitions of Demand
Flexibility for Aggregate Residential Loads. IEEE Transactions on Smart Grid, PP(99),
1–1, https://doi.org/10.1109/TSG.2016.2522961.
[Sajjad et al., 2014] Sajjad, I. A., Chicco, G., Aziz, M., & Rasool, A. (2014). Potential of
residential demand flexibility - Italian scenario. 2014 IEEE 11th International Multi-
Conference on Systems, Signals and Devices, SSD 2014, (pp. 1–6)., https://doi.org/
10.1109/SSD.2014.6808849.
[Sastry et al., 2010] Sastry, C., Pratt, R. G., Srivastava, V., & Li, S. (2010). Use of Resi-
dential Smart Appliances for Peak-Load Shifting and Spinning Reserves Cost / Benefit
18 Bibliografıa
Analysis. (December), 59, https://doi.org/10.2172/1029877 http://www.osti.gov/
scitech/biblio/1029877.
[Strbac, 2008] Strbac, G. (2008). Demand side management : Benefits and challenges. 36,
4419–4426, https://doi.org/10.1016/j.enpol.2008.09.030.
[Tellez y Duarte, 2016] Tellez, S. & Duarte, O. (2016). Gestion de la Demanda en redes
electricas inteligentes : Revision y futuras estrategias. V CIUREE: Congreso de Eficiencia
y Gestion Energetica, (pp.7)., https://doi.org/10.13140/RG.2.2.22085.24805.
[UPME, 2015] UPME (2015). DEMANDA ELECTRICA Y POTENCIA MAXIMA EN
COLOMBIA Revision Julio de 2015. Technical report https://www1.upme.gov.co/
InformesGestion/Informe_gestion_2015.pdf.
2. Marco de conceptos
La energıa electrica se tiene como el producto del cambio cientıfico e industrial del mundo.
A principios de siglo XIX la ciencia se encontraba estudiando y desarrollando los fenomenos
relacionados con la electricidad que en el siglo anterior fueron identificados, ejemplo los
hallazgos Volta, Faraday entre otros. Esto duro hasta el ultimo cuarto de ese siglo, despues
llega el proceso industrial de la energıa el cual tuvo impacto gracias a las caracterısticas
propias de este reemplazando o complementando otras fuentes de energıa [Smil, 1994], la
capacidad de diversificar su funcionalidad y el desarrollo de aparatos electricos, ejemplo
la bombilla electrica, fue uno de los factores de masificacion en el uso por los usuarios
residenciales [Mattick et al., 2009].
Indudablemente otro aspecto de la industrializacion de la produccion de energıa electrica
es la creacion de un mercado, lo cual indica que un parametro importante en el servicio de
energıa electrica es su costo y su impacto social [Morales et al., 2014]. Los cambios en el uso
de los energeticos y la masificacion de las fuentes de energıa electrica se inician en la decada
de 1950 y continua hoy con la transicion a sistemas de generacion de baja polucion o amables
al ambiente [Fouquet, 2016]. Paralelamente se han establecido las polıticas de mercado que
han evolucionado a causa de factores sociales y culturales, y las transiciones de uso generan
nuevas dinamicas de mercado y polıticas asociadas al recurso [Hirsh y Jones, 2014].
Lo nombrado anteriormente no es ajeno al contexto colombiano, las diversas caracterısticas
del paıs, geograficas, economicas, sociales culturales entre otras, presenta condiciones que
no son de facil relacion en el analisis de la demanda de energıa y aunque se establecieron
entidades como la UPME que trabaja en esto, los cambios de modelos de generacion y
mercado, referente al servicio electrico, ha comenzado a impactar en el grupo de usuarios
residenciales, los cuales en el acumulado representan un gran porcentaje de la demanda de
energıa, por otra parte las caracterısticas no homogeneas de la poblacion representan un reto
en los sistemas e implementaciones para una mejora en el uso de la energıa electrica como
recurso primordial.
2.1. Demanda de Energıa Electrica
Despues de la segunda revolucion industrial, se presento un cambio en la forma como nos
comportamos ante el uso de los recursos, los procesos industriales impulsaron la masificacion
de la red electrica como el proveedor principal del recurso energetico, no obstante la facilidad
de expandir la red electrica y la masificacion tecnologica que se estaban presentando, llevo
20 2 Marco de conceptos
a que otros sectores de la estructura social, como el publico y residencial, apropiaran el uso
de este recuso. Con lo anterior las redes electricas se masificaron y desarrollaron de manera
similar en distintos lugares, estructurandose y adaptandose a las caracterısticas propias que
tiene los usuarios.
Despues de 1900 ya estaba en auge las redes electricas de uso general, pero paralelamente el
desarrollo industrial trajo nuevas visiones del uso de los recursos, en especial el energeticos,
esto se volvio prioritario desde de la Segunda Guerra Mundial (1939-1945), cuando las ne-
cesidades de recursos para la guerra volco al analisis de como usarlos de una mejor manera
[Lawrence y Eto, 1996], esto continuo despues del fin de la guerra hasta los tiempo de hoy
aplicado a muchas areas entre esta y una de las principales la demanda de energıa electrica,
la cual en las ultimas dos decadas se han generado cambios en lo tecnologico y la forma como
se percibe el recurso [Lampropoulos et al., 2013].
2.1.1. Gestion de la Demanda
La gestion de la demanda, Demand Side Management (DSM), viene del analisis del uso de
los recursos. Se comenzaron a manejar modelos desde el lado de la demanda,Demand Side
(DS), [Edquist y Hommen, 1999], estos son modelos lineales de innovacion, que mas adelante
hacia la decada de los 70’s se iniciarıan a implementar aplicaciones de estos conceptos a las
empresas de servicios publicos entre estas las de energıa electrica. Se inicia abordando la
caracterısticas economicas del mercado y los problemas que deben abordarse para que la
parte de la demanda sea participativa activamente en el mercado[Kirschen, 2003]. En la
aplicacion el sector electrico, existen un grupo de procesos de DSM que se empezaron a
establecer desde los 80’s, tales como el recorte de picos, conservacion estrategica, relleno de
valles, crecimiento estrategico de la carga, desplazamiento de carga y flexibilizacion de la
carga [Gellings, 1985], todas aplicadas a la demanda, y en los 90’s se determinaron cuales
se han desarrollado y que caracterısticas tienen [Lawrence y Eto, 1996], ya desde el 2000 se
emprendio un avance mayor en implementacion y desarrollo de conceptos del uso de energıa
electrica con las nuevas tecnologıas, en generacion con los paneles solares, turbinas eolicas
entre otros, tecnologıas de control, equipos electronicos inteligentes y todo lo referente a
redes inteligentes (Smart grid) [Ipakchi y Albuyeh, 2009].
DSM implica una planificacion, implementacion y monitoreo de aquellas actividades del ser-
vicio disenadas para influir en el uso de electricidad del cliente de manera que produzcan
los cambios deseados en la forma de carga del servicio prestado, es decir, los cambios en el
patron de tiempo y la magnitud de la carga de servicio de energıa electrica [Gellings, 1985],
la aplicacion clasica de sistemas de gestion de demanda describe la posibilidad de enfo-
carse en los picos de consumo, este es uno de los factores mas comunmente abordados
[Ramanathan y Vittal, 2008].
Unas vision simplista es asumir solo el impacto en funcion de un mercado o la reduccion de
los costos de generacion, el DSM analiza la demanda de energıa electrica como altamente
2.1 Demanda de Energıa Electrica 21
incontrolable e indeterminable, y el posible impacto que proporcionan los incentivos con los
cuales puedo generar un cambio en el consumo [Strbac, 2008]. El cambio en el comportamien-
to de usuario debido a los incentivos no implica necesariamente un ahorro o no consumo de
energıa, ya que lo principal es la susceptibilidad al poder cambiar sus patrones de consumo.
2.1.2. Respuesta de la demanda
Como la gestion de la demanda encierra una gran cantidad de formas de gestionar un recurso
y los modelos del lado de la demanda abarcan varios, vamos a centrar en un grupo especifico
aquellos que relacionan la respuesta de la demanda, Demand Response (DR), este concepto
es definido como los cambios en el uso de electricidad por parte de los consumidores de uso
final desde su patron de consumo normal en respuesta a los cambios en el precio de la electri-
cidad a lo largo del tiempo, o para incentivar los pagos disenados para inducir un menor uso
de electricidad en momentos de precios altos del mercado mayorista o cuando la confiabili-
dad del sistema esta en peligro[Andersen et al., 2006]. Para esta investigacion encontramos
que no solo los usuarios finales tiene una gran motivacion dependiendo el costo, tambien
tiene una gran influencia factores de comportamiento hacia el recurso. Acciones como las
realizadas en California demuestran que las metodologıas desarrolladas hasta el momento
impactan el mercado, pero para desarrollarlas se debe tener la infraestructura de control y
medicion robustas[Herter et al., 2007]. No obstante y con la finalidad de realizar este tipo
de estudios bajo las condiciones y objetivos diversos, varios paıses lo han hecho tales como,
Estados Unidos en Nueva Inglaterra y Nueva York, Dinamarca, Noruega, Reino Unido, Italia
[Pina et al., 2006], Espana [FENERCOM, 2007], entre otros. En Colombia se han realizado
algunos estudios para entender las caracterısticas propias del consumo, su gestion y respues-
ta, tales como cuantificar el efecto de las acciones y la respuesta del usuario, ademas del
potencial que presenta el paıs en temas de gestion de la demanda [Tellez y Duarte, 2016]
adicionalmente como se desarrolla esto en usuarios residenciales que es un grupo esencial en
lo concerniente al consumo de energıa en el paıs[Gonzalez, 2016] , otros analisis desarrollados
presenta como evoluciona y responde el usuario del recurso, ante acciones o incentivos sociales
y como afectando grupos focales se puede extender el proceso [Cortes-guzman et al., 2017]
y [Cortes et al., 2018].
Las investigaciones han desarrollado varios conceptos de respuesta de la demanda enfocado
en los mercados, definiendo este concepto como, los cambios de la energıa electrica en el uso
por parte de los clientes finales, sus patrones de consumo normales en respuesta a cambios
en el precio de la electricidad a lo largo del tiempo [Albadi y El-Saadany, 2008].
Los sistemas de respuesta de la demanda se pueden clasificar por varios esquemas los cuales
se agrupan en dos grandes grupos los basados en el precio y los basados en el incentivo
[Chen et al., 2018], cada uno tiene sus propiedades con el fin de buscar el objetivo que se
pretenda generar.
Esquemas basados en el precio, son aquellos que mediante el elemento indirecto, comunmente
22 2 Marco de conceptos
economico, afectan las formas como se consumen la energıa.
Tiempo de uso (Time of Use, ToU), esquema en el que el incentivo indirecto altera los
patrones generales en el tiempo de uso de uno o varios elementos.
Precio en tiempo real (Real Time Price, RTP), esquema el cual trata de seguir el
precio del mercado energetico con el fin de generar acciones cuando el costo es elevado
desplazando o retirando cargas a horarios donde es menos costoso el servicio, este
esquema se basa en la relacion directa entre precio de la energıa y hora de uso.
Precios de picos criticos (Critical Peak Pricing, CPP), esquema muy similar al anterior
en relacion del precio de la energıa y la hora, este cambia en la implementacion ya que
esta destinado a reducir o impactar los picos crıticos de consumo de energıa.
Esquemas basados en incentivos, son aquellos donde directamente las acciones de gestion se
aplican al consumo de energıa.
Control directo de la carga (Direct load control), esquema donde las cargas, en el caso
residencial los electrodomesticos, son controlados para modificar el patron de consumo
de energıa.
Control de cargas desplazables (Shiftable load control), esquema en ele cual se deter-
mina que cargas tiene patrones de desplazamiento en su uso para ası desarrollar un
esquema de gestion que funcional.
Oferta de la demanda (Demand bidding), esquema basado en ofertar los procesos de
demanda que necesito desarrollar como usuario de la energıa electrica.
2.1.3. Flexibilidad de la demanda
Los analisis de la la demanda como se hablo anteriormente trajo consigo un grupo de procesos
para realizar gestion de esta, uno de estos es la es la flexibilidad de la demanda, Demand
Flexibility (DF), este concepto se origina en otros procesos como lo son los productivos
y transporte, los cuales identificaron la necesidad de tener la capacidad de adaptarse a
los cambios[Golden y Powell, 2000], profundizando el concepto se tiene una definicion mas
estrategica como enseguida se presenta.
2.1 Demanda de Energıa Electrica 23
La capacidad de un sistema para adaptarse a los cambios externos, manteniendo al mismo
tiempo un rendimiento satisfactorio del sistema. El rendimiento del sistema se caracteriza
por parametros como la capacidad, el nivel de servicio, la capacidad de mantenimiento
y la rentabilidad. Los cambios externos son condiciones no controladas que afectan al
sistema, incluyendo cambios en el nivel de demanda o uso, cambios en los patrones de
trafico espacial, perdida y degradacion de la infraestructura, y cambios en el precio y
disponibilidad de recursos importantes como el combustible, etc.
[Morlok y Chang, 2004]
Al trasladar este concepto a los sistemas electricos, en funcion de la demanda vemos que se
integran factores como los legales, economicos, tecnologicos[Moreno et al., 2004], en estos no
estan incluidos algunos como los culturales y comportamentales segun el grado de desarro-
llo de la sociedad[Jacomino y Hoang, 2012], en otras areas se desarrolla este concepto como
lo son los sistemas de tecnologıas de la informacion, Information Technology (IT),donde se
presenta como, la flexibilidad es la capacidad a adaptarse de un sistema, y se encuentra
orientada en cuatro areas: en terminos de tiempo, cambios previstos e imprevistos, la flexibi-
lidad de manera ofensiva o defensiva y la flexibilidad interna y/o externa de la organizacion
[Hu et al., 2013].
Los conceptos de la flexibilidad de la demanda, nos indican que la capacidad de un sistema
va a poder variar su consumo de recursos, sin que se vea afectado su objetivo estrategico,
en los sistemas electricos la flexibilidad de la demanda radica desde que perspectiva se
va a realizar la accion o estrategia[Chen et al., 2018] y el objetivo a cumplir, existen dos
perspectivas generales, las cuales a su vez presentan un conjunto de acciones o estrategias,
estas se presentan como:
Desde el lado de la oferta (Supply side), donde las estrategias viene gestadas por quien genera
o aporta la energıa al sistema.
Centros de suministro de energıa (Energy supply center), aquellos que prestan el ser-
vicio de manera tradicional, cuyas estrategias impactan en los procesos de generacion
tradicionales.
Sistemas de energıa renovables (Renewable energy system), sistemas alternativos de
produccion de energıa, generalmente las estrategias de este aplican en funcion de dis-
minuir el uso de los sistemas tradicionales.
Sistemas de almacenamiento de energıa (Energy storage system), aquellos donde puedo
almacenar energıa para un uso posterior, los esquemas de este son complementarios a
los de energıas renovables, tales como estaciones de baterıas, ejemplo EV, almacena-
mientos termicos.
24 2 Marco de conceptos
Desde el lado de la demanda (demand side), donde las estrategias viene por quienes consumen
la energıa del sistema.
Sistemas de confort o servicio termico (HVAC system), son los sistemas los cuales tiene
como caracterısticas prestar un servicio de confort al usuario modificando condiciones
termicas que este tiene, los primeros esquemas de gestion de energıa, es el realizar un
mejor usos de estos sistemas los cuales presentan caracterısticas de flexibilidad directas.
Electrodomesticos (Electric appliances), son los equipos y elementos con los cuales
realizamos las acciones cotidianas y los cuales son los que consumen de manera directa.
Otros, Son los factores que no estan directamente relacionados en la carga pero pueden
alterar la forma de gestion, tales como el precio de la energıa, el comportamiento de
los usuarios, efectos termicos de las estructuras.
Estas acciones o estrategias, independiente del lado que se presente, se pueden combinar
planificadamente creando una flexibilidad en la demanda del recurso.
Lo presentado anteriormente son los componentes de la flexibilidad de la demanda en los
sistemas electricos, pero los conceptos matematicos que representa esto estan asociados al
la potencia del sistema y los tiempos de uso, el autor [Grunewald y Diakonova, 2018] nos
indica que el proceso de flexibilidad tiene una dependencia de la energıa y la potencia.
La flexibilidad, ecuacion (2-3), donde R(t) esta relacionada la respuesta a los cambios de
la carga bajo las condiciones de desarrollar un uso eficiente de la energıa en funcion de
la potencia y el tiempo de uso de los equipos, ecuaciones (2-1 y 2-2), esta ecuacion para
la flexibilidad presenta una carencia que son los factores dependientes del usuario y su
consideracion acerca del uso de la energıa.
E(t) =
∫P (t)dt (2-1)
P (t) =d
dtE(t) (2-2)
R(t) =d
dtP (t) (2-3)
Se entiende que los procesos de flexibilidad pueden actuar dos tipos de esquemas unos desa-
rrollados para los electrodomesticos o equipos y otros por las practicas de usos, ambos no
son necesariamente excluyentes uno del otro. se presenta a continuacion:
2.1 Demanda de Energıa Electrica 25
(1) Esquemas para electrodomesticos
Reduccion de carga: este esquema se enfoca en el dimensionamiento adecuado de las
cargas que se usan, un ejemplo de esto es el cambio tecnologico de la bombilla electrica
la cual sigue cumpliendo su objetivo principal al iluminar, pero en los hogares pasamos
de bombillas de 100 W incandescentes a menores de 25 W LED reduciendo la carga.
Sustitucion del energetico: este esquema indica que si tengo la capacidad de cambiar
el energetico en el electrodomestico que uso para generar cambios, ejemplo son los
equipos de servicio termico como los calentadores de agua los cuales pueden funcionar
con equipos electricos o equipos a gas.
Desplazamiento de carga: este esquema trata de como puedo correr la carga en el tiempo
de uso sin que se vea afectado el proceso u objetivo que esta carga realiza, pareciera que
estamos hablando de un esquema de uso, pero esta catalogado para electrodomesticos
ya que hay algunos que no pueden cambiar su tiempo de uso. Este esquema tambien
se divide en dos, desplazarlo antes del uso o una programacion a futuro.
(2) Esquemas para las practicas de uso
Desplazamiento de actividades: este esquema radica en el cambio de habitos para
desarrollar actividades en las que se usen o dependan de electrodomesticos, ejemplo de
esto el uso de TV con la programacion inteligente.
Practicas sustitutas: este esquema tiene semejanza en el anterior, su principal diferencia
es que se presenta un cambio drastico en el uso de los electrodomesticos para el objetivo
a alcanzar, ejemplo de esto es el descongelamiento de alimentos, equipos como el horno
microondas tiene esta funcion, sin embargo el hecho de descongelar los alimentos a
temperatura ambiente reduce el uso del electrodomestico. Otro ejemplo es el confort
termico el cual con cambiarlo en menor grado, al ajustar el termostato dos grados
menos, impacta en la reduccion de consumo de energıa.
Anteriormente se analizo que en una primera parte la flexibilidad esta en funcion de la de-
manda entre un proveedor del servicio de energıa electrica, la red tradicional, y el consumidor
final, pero existe otro esquema que impacta son las fuentes alternativas de energıa, el desa-
rrollo tecnologico ha mostrado que estas nuevas tecnologıas de generacion, solar, eolica, etc.,
y formas de almacenamiento, baterıas, vehıculos electricos, impactan en la forma como se
consume la energıa generando una flexibilidad.
26 2 Marco de conceptos
2.2. Demanda de energıa en Colombia
Las caracterısticas de consumo de energıa electrica en Colombia han cambiado a lo largo
del cambio tecnologico y forma de produccion y desarrollo social de la nacion, se han en-
focado en los grandes bloques de consumo de energıa, industrial, residencial, comercial, sin
adentrarse en las caracterısticas de estos ya que cada sector tiene funciones propias que lo
determinan, pero hacia el ano 2000 se inicio a realizar analisis y estudios que describen el
comportamiento de los usuarios en especial de los residenciales, los cuales poseen factores y
caracterısticas que los vuelven difıciles de analizar, los estudios realizados por el departamen-
to de fısica de la UN para la Unidad de Planeacion Minero Energetica, UPME, el documento
[Universidad Nacional de Colombia y UPME, 2006a], presenta el estudio desarrollado sobre
el consumo de energıa de los sectores residenciales urbano y comercial, en el documento
[Universidad Nacional de Colombia y UPME, 2006b], presenta un resumen administrativo
del documento anterior, pero la diferencia esta en que presenta unas conclusiones y reco-
mendaciones sobre las polıticas de energeticas del paıs. Este conjunto de documentos reune
un grupo de informacion unica hasta el momento de como es que consumen la energıa los
usuarios, este estudio no se adentra a describir formas de consumo, por su complejidad pero
si indica que cualidades tiene los diversos grupos residenciales del paıs.
2.2.1. Clasificacion del consumo de Energıa Electrica residencial
El consumo o uso de la energıa se puede clasificar en diferentes perspectivas segun los intereses
pero todas impactan al usuario esta clasificacion se divide como sigue.
A.Tipos de electrodomesticos: representa cuales equipos o sistemas de consumo electri-
co estan presentes en las unidades residenciales, estos equipos se pueden clasificar segun
las necesidades tipos de funcionamiento entre otros.
B.Uso de electrodomestico: representa el patron de uso de los equipos o sistemas pre-
sentes en el hogar, esta clasificacion puede determinar los grados de importancia del
uso del recurso.
C.Clasificacion de los usuarios: esta clasificacion identifica los usuarios segun criterios
que no solo directamente asociables con los consumos o uso de la energıa, entre estos
estan los estratos como una clasificacion economica, los niveles o alturas estratosfericas
en las cuales esta la poblacion.
D.Uso el recurso energetico: Esta clasificacion identifica la forma como el usuario apre-
cia o valora el recurso energetico con el fin de cumplir sus necesidades de uso.
2.2 Demanda de energıa en Colombia 27
2.2.2. Estudios desarrollados de clasificacion de los usuarios
Colombia ya tiene varios estudios en los ıtems B y C anteriormente mencionados, la UPME
en el proyecto de CARACTERIZACION ENERGETICA DEL SECTOR RESIDENCIAL
URBANO Y RURAL EN COLOMBIA los aborda, este esta dividido en tres grupos de do-
cumentos, el primero presenta la metodologıa y analisis de este estudio, con las caracterısti-
cas de este estudio se obtiene los primeros resultados del comportamiento de la demanda
de energıa con los datos disponibles a ese momento [CUSA y UPME, 2012a], el segundo,
analiza caracterizacion por piso termico, identificando clasificando las poblaciones, entre las
alturas en tres grupos, las caracterıstica de los electrodomesticos de las viviendas y hogares
[CUSA y UPME, 2012b] y el tercero, realiza la caracterizacion por regiones, dividiendolo en
siete grupos regionales con el fin de unificar la informacion segun caracterısticas regionales
propias [CUSA y UPME, 2012c].
Regionalmente se han desarrollado estudios de consumos de energıa, estudios como el de
[Afanador et al., 2013], en la region de Bogota y Cundinamarca, pero existe informacion
de consumo de las regiones registradas en portales como la UPME y su Balance Energetico
Colombiano - BECO1 y en el portal del gestor del sistema de energia XM2 donde se encuentra
el macro de la informacion de demanda de energıa en el paıs por los operadores de red y el
Sistema Unico de Informacion de Servicios Publicos Domiciliarios SUI3, en este se relaciona
la informacion de servicios publicos como lo es el servicio de energıa electrica
2.2.3. Comportamiento del usuario y demanda de Energıa Electrica
Como se presento en las secciones anteriores la demanda de energıa electrica en el sector
residencial tiene un comportamiento muy difıcil de determinar, si bien los estudios tratan
de agrupar y generalizar esto, la demanda en un usuario depende de factores tan diversos
como el numero de usuarios, nivel economico y social, tipo de vivienda, entre otros. Se ha
desarrollado estudios donde se integra la informacion por medio de metodos estadısticos
para modelar los usuarios y el impacto de la gestion de la demanda [Gonzalez Vivas, 2017],
ejemplo de esto lo vemos en la figura 2-1 donde el autor conforma un perfil de demanda de
energıa.
1UPME-BECO: https://www1.upme.gov.co/InformacionCifras/Paginas/BalanceEnergetico.aspx2Portal XM: http://www.xm.com.co/Paginas/Home.aspx3Portal SUI: http://www.sui.gov.co/web/
28 2 Marco de conceptos
Figura 2-1.: Perfil de demanda de un usuario, tomado de [Gonzalez Vivas, 2017]
Donde la ecuacion (2-2), que hace referencia a la potencia que consume un sistema en un
instante de tiempo es determinado por los equipos residenciales que estan en funcionamiento
en ese instante. El conjunto de electrodomesticos en un instante de tiempo para un usuario
determina la potencia que demanda como se presenta en la ecuacion (2-4).
P (tn) =
Pequipo1(tn)
+
.
.
.
+
Pequipoi(tn)
(2-4)
Donde n Es el instante donde se desarrolla el analisis de potencia e i son la potencia y
cantidad de equipos o electrodomesticos que estan conectados en ese instante.
La energıa como se presenta en la ecuacion 2-1 esta determinada por el intervalo de tiempo
de uso de los equipos y el tiempo de analisis del consumo de energıa total del usuario como
2.2 Demanda de energıa en Colombia 29
se presenta en la ecuacion (2-5)
E(∆total) =
Pequipo1(∆teq1) ∗Nrepeticiones
+
.
.
.
+
Pequipoi(∆teqi) ∗Nrepeticiones
(2-5)
Donde ∆total es el tiempo de analisis total del usuario, ∆teqi es el equipo o electrodomestico
y su tiempo de uso y Nrepeticiones son la veces que el equipo realiza un ciclo durante el periodo
total de analisis.
Si bien el comportamiento del usuario es unico, el afectar con estrategias de gestion segun
el objetivo que se pretenda la forma de uso del recurso desarrolla una flexibilidad, como se
presenta en la figura 2-2, en este estudio se presento algunas estrategias las cuales generan el
desarrollo de una capacidad [Moreno et al., 2017]. Sin embargo este trabajo de investigacion
indaga en la capacidad de aceptar las estrategias de gestion y el potencial a desarrollar.
Figura 2-2.: Flexibilidad de un usuario, tomado de [Moreno et al., 2017]
Las estrategias de gestion que se presentan para los usuarios y generan la flexibilidad afectan
en un conjunto de direccionamientos que cambian las condiciones que presenta la ecuacion
(2-3), impactando en la potencia, el tiempo de uso o el numero de repeticiones sobre el ciclo
total de analisis. Ası un elemento u electrodomestico presenta flexibilidad bajo las condiciones
30 2 Marco de conceptos
de la ecuacion (2-6), que combinado con todo el conjunto de equipos y acciones genera o
desarrolla el analisis total de flexibilidad del usuario como se presenta en la ecuacion (2-7).
R(tanalisis equipo)︸ ︷︷ ︸Flexibilidad en el tiempo total de analisis
= Pequipo(tuso) ∗Nrepeticiones︸ ︷︷ ︸Condiciones general de operacion
+ ∆P + ∆t + ∆N︸ ︷︷ ︸Efectos de acciones de gestion
(2-6)
R(tanalisis total) =
Pequipo1(tuso) ∗Nrepeticiones + ∆Pequipo1 + ∆tequipo1 + ∆Nequipo1
+
.
.
.
+
Pequipoi(tuso) ∗Nrepeticiones + ∆Pequipoi + ∆tequipoi + ∆Nequipoi
(2-7)
Como se analizo en este capitulo la demanda de energıa electrica tiene caracterısticas que
impactan en la forma de uso del recurso energetico, estas caracterısticas generan una analisis
para los procesos de gestion de la demanda. Un grupo representativo de usuarios como lo es
el residencial lo caracteriza no solo los factores tecnicos y economicos, si no tambien factores
cualitativos en la apreciacion y uso del recurso los cuales determinan cuanto puede modificar
el uso del recurso generando una flexibilidad en la demanda de energıa.
El sector residencial presenta una complejidad que esta relacionada con las caracterısticas
que lo forman, ejemplo es la cantidad de usuarios, ubicacion geografica, elementos socio
economicos y culturales, que determinar la demanda de energıa y las acciones que lo pue-
dan afectar, generando una capacidad de modificar el uso de el recurso lo que genera una
flexibilidad.
2.3. Conclusiones del capitulo
El capıtulo presenta un analisis general de los conceptos que relacionan la gestion de la
demanda hasta la flexibilidad, ası como las caracterısticas de la demanda de energıa en
el paıs, para esta investigacion el capıtulo presenta el concepto de flexibilidad como una
capacidad de adaptacion de los sistemas a cambios externos sin ver efectos negativos en la
finalidad del sistema.
La flexibilidad de la demanda es un elemento conceptual que presenta caracterısticas cuan-
titativas, relacionados a los conceptos de potencia y energıa. Sin embargo, las caracterısticas
cualitativas o exogenas, como el tipo de electrodomestico, la forma de usar el recurso o su tipo
de fuente, generan una influencia que son relevantes para determinar la capacidad de adap-
tarse a los cambios manteniendo una satisfaccion sobre el uso del recurso y sus participantes
enlazando ası el concepto de flexibilidad con el consumo de energıa.
2.3 Conclusiones del capitulo 31
El sistema electrico colombiano analizandolo desde la demanda de energıa es relevante el
sector residencial, su complejidad radica en entender como es el comportamiento del usuario
o consumidor, individual o grupal, ante las condiciones propias del paıs, geograficas, sociales,
economicas, culturales y poder analizar las capacidades que tiene la poblacion a realizar
acciones de cambio en el consumo de energıa. Mediante los perfiles de demanda se pueden
identificar caracterısticas comunes para desarrollar acciones de gestion de manera masiva y
ası cumplir los objetivos que se pretendan.
Bibliografıa
[Afanador et al., 2013] Afanador, E., Zapata, J. G., Yepes, T., Cajiao, S., & Castillo, J.
(2013). Analisis de la situacion energetica de Bogota y Cundinamarca. (pp. 1–330).
http://hdl.handle.net/11445/154.
[Albadi y El-Saadany, 2008] Albadi, M. & El-Saadany, E. (2008). A summary of demand
response in electricity markets. Electric Power Systems Research, 78(11), 1989–1996,
https://doi.org/10.1016/j.epsr.2008.04.002 http://linkinghub.elsevier.com/
retrieve/pii/S0378779608001272.
[Andersen et al., 2006] Andersen, F. M., Jensen, S. G., Larsen, H. V., Meibom, P., Ravn,
H., Skytte, K., & Togeby, M. (2006). Analyses of Demand Response in Denmark, volume
1565 http://inis.iaea.org/search/search.aspx?orig_q=RN:38013867.
[Chen et al., 2018] Chen, Y., Xu, P., Gu, J., Schmidt, F., & Li, W. (2018). Measures to im-
prove energy demand flexibility in buildings for demand response (DR): A review http:
//ezproxy.unal.edu.co/login?url=http://search.ebscohost.com/login.aspx?
direct=true&db=edswsc&AN=000447576300010&lang=es&site=eds-live.
[Cortes-guzman et al., 2017] Cortes-guzman, M., Gonzalez-vivas, O., Moreno-soto, E.,
Cusguen, C., Alirio, E., & Pavas-martınez, F. (2017). Gestion de demanda en usua-
rios residenciales evaluando su impacto a traves de un modelo de dinamica de opi-
nion Demand management in residential customers with impact assess- ment via
opinion dynamics. 16(2), 281–291, https://doi.org/doi.org/10.18273/revuin.
v16n2-2017025 https://revistas.uis.edu.co/index.php/revistauisingenierias/
article/view/6827/7135.
[Cortes et al., 2018] Cortes, M. A., Gonzalez, O. A., Soto, E. M., Cusguen, C. A., Mojica-
Nava, E., & Pavas, A. (2018). Opinion dynamics and social incentives applied to demand
response programs. (pp. 1–5)., https://doi.org/10.1109/TDC-LA.2018.8511794.
[CUSA y UPME, 2012a] CUSA, C. C. & UPME, M. (2012a). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 1 Metodologıa y Analisis. Bogota Colombia: UPME, Cor-
poema http://bdigital.upme.gov.co/handle/001/1111.
Bibliografıa 33
[CUSA y UPME, 2012b] CUSA, C. C. & UPME, M. (2012b). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 2 Caracterizacion por Piso Termico. Bogota Colombia: UP-
ME, Corpoema http://bdigital.upme.gov.co/handle/001/1111.
[CUSA y UPME, 2012c] CUSA, C. C. & UPME, M. (2012c). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 3 Caracterizacion por Regiones. Bogota Colombia: UPME,
Corpoema http://bdigital.upme.gov.co/handle/001/1111.
[Edquist y Hommen, 1999] Edquist, C. & Hommen, L. (1999). Systems of innovation:
Theory and policy for the demand side. Technology in Society, 21(1), 63–79, https:
//doi.org/10.1016/S0160-791X(98)00037-2.
[FENERCOM, 2007] FENERCOM (2007). Guıa Basica de la Gestion de la Demanda
Electrica. Fundacion de la Energıa de la Comunidad de Madrid - Espana. Energy Mana-
gement Agency, (pp.66). www.fenercom.com.
[Fouquet, 2016] Fouquet, R. (2016). Historical energy transitions: Speed, prices and system
transformation. Energy Research and Social Science, 22, 7–12, https://doi.org/10.
1016/j.erss.2016.08.014 http://dx.doi.org/10.1016/j.erss.2016.08.014.
[Gellings, 1985] Gellings, C. (1985). The concept of demand-side manage-
ment for electric utilities. Proceedings of the IEEE, 73(10), 1468–1470,
https://doi.org/10.1109/PROC.1985.13318 http://ieeexplore.ieee.org/
xpl/articleDetails.jsp?arnumber=1457586&newsearch=true&queryText=
Theconceptofdemand-sidemanagementforelectricutilities%5Cnhttp:
//ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1457586.
[Golden y Powell, 2000] Golden, W. & Powell, P. (2000). Towards a definition of flexibi-
lity: in search of the Holy Grail? Omega, 28(4), 373–384, https://doi.org/10.1016/
S0305-0483(99)00057-2.
[Gonzalez, 2016] Gonzalez, O. A. (2016). Cuantificacion del Ahorro de Energıa Electrica en
Clientes Residenciales Mediante Acciones de Gestion de Demanda Quantification of Elec-
trical Energy Savings in Residential Customers Through Demand Management Strate-
gies. xx(x), 1–8, https://doi.org/doi.org/10.18273/revuin.v16n2-2017020 https:
//revistas.uis.edu.co/index.php/revistauisingenierias/article/view/5747.
[Gonzalez Vivas, 2017] Gonzalez Vivas, O. A. (2017). Evaluacion del Potencial de Gestion
de Demanda para un Grupo de Usuarios a partir del Analisis de sus Perfiles de Consumo
http://www.bdigital.unal.edu.co/62080/1/TesMSc_oagonzalezv.pdf.
34 Bibliografıa
[Grunewald y Diakonova, 2018] Grunewald, P. & Diakonova, M. (2018). Flexibility, dyna-
mism and diversity in energy supply and demand: A critical review. Energy Research and
Social Science, 38(September 2017), 58–66, https://doi.org/10.1016/j.erss.2018.
01.014 https://doi.org/10.1016/j.erss.2018.01.014.
[Herter et al., 2007] Herter, K., McAuliffe, P., & Rosenfeld, A. (2007). An exploratory analy-
sis of California residential customer response to critical peak pricing of electricity. Energy,
32(1), 25–34, https://doi.org/10.1016/j.energy.2006.01.014.
[Hirsh y Jones, 2014] Hirsh, R. F. & Jones, C. F. (2014). History’s contributions to energy
research and policy. Energy Research and Social Science, 1, 106–111, https://doi.org/
10.1016/j.erss.2014.02.010 http://dx.doi.org/10.1016/j.erss.2014.02.010.
[Hu et al., 2013] Hu, Z., Han, X., & Wen, Q. (2013). Integrated Resource Strate-
gic Planning and Power Demand-Side Management. 80, https://doi.org/10.1007/
978-3-642-37084-7.
[Ipakchi y Albuyeh, 2009] Ipakchi, A. & Albuyeh, F. (2009). Grid of the future. IEEE Power
and Energy Magazine, 7(2), 52–62, https://doi.org/10.1109/MPE.2008.931384.
[Jacomino y Hoang, 2012] Jacomino, M. & Hoang, M. (2012). Robust energy planning in
buildings with energy and comfort costs. (pp. 81–103)., https://doi.org/10.1007/
s10288-011-0192-6.
[Kirschen, 2003] Kirschen, D. S. (2003). Demand-side view of electricity markets. IEEE
Transactions on Power Systems, 18(2), 520–527, https://doi.org/10.1109/TPWRS.
2003.810692.
[Lampropoulos et al., 2013] Lampropoulos, I., Kling, W. L., Ribeiro, P. F., & van den Berg,
J. (2013). History of demand side management and classification of demand response
control schemes. (pp. 1–5)., https://doi.org/10.1109/PESMG.2013.6672715.
[Lawrence y Eto, 1996] Lawrence, E. O. & Eto, J. (1996). The Past, Present, and Future of
U.S. Utility Demand-Side Management Programs. (December) https://emp.lbl.gov/
publications/past-present-and-future-us-utility.
[Mattick et al., 2009] Mattick, C. S., Williams, E., & Allenby, B. R. (2009). Energy and
civilization: A history of energy production and consumption in a global cultural, techno-
logical and economic context. 2009 IEEE International Symposium on Sustainable Systems
and Technology, ISSST ’09 in Cooperation with 2009 IEEE International Symposium on
Technology and Society, ISTAS, https://doi.org/10.1109/ISSST.2009.5156766.
[Morales et al., 2014] Morales, J. M., Conejo, A. J., Madsen, H., Pinson, P., & Zugno, M.
(2014). Integrating Renewables in Electricity Markets Operational Problems. 139, 67;,
https://doi.org/10.1007/978-1-4614-9411-9.
Bibliografıa 35
[Moreno et al., 2017] Moreno, E., Gonzalez, O. A., & Pavas, A. (2017). Demand flexibility
assessment for residential customers. 2017 3rd IEEE Workshop on Power Electronics and
Power Quality Applications, PEPQA 2017 - Proceedings, https://doi.org/10.1109/
PEPQA.2017.7981675.
[Moreno et al., 2004] Moreno, J. A. F., Garcıa, A. M., Marın, A. G., Lazaro, E. G., & Bel,
C. A. (2004). An Integrated Tool for Assessing the Demand Profile Flexibility. IEEE
Transactions on Power Systems, 19(1), 668–675, https://doi.org/10.1109/TPWRS.
2003.821446 http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=
1266627.
[Morlok y Chang, 2004] Morlok, E. K. & Chang, D. J. (2004). Measuring capacity flexibility
of a transportation system. Transportation Research Part A: Policy and Practice, 38(6),
405–420, https://doi.org/10.1016/j.tra.2004.03.001.
[Pina et al., 2006] Pina, M., Wiesenberg, R., Sanjuan, R., Beste, M., Falkner, A., &
Fernandez-Aller, P. (2006). La gestıon de la demanda como herramienta de opera-
cion del sistema electrico. Analisis actual y futuro de la gestion de la demanda https:
//www.pwc.es/es/energia/informes-publicaciones-energia.html.
[Ramanathan y Vittal, 2008] Ramanathan, B. & Vittal, V. (2008). A Framework for Eva-
luation of Advanced Direct Load Control With Minimum Disruption. IEEE Transactions
on Power Systems, 23(4), 1681–1688, https://doi.org/10.1109/TPWRS.2008.2004732
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=4652590.
[Smil, 1994] Smil, V. (1994). Energy In World History (Essays in World
History). Westview Press http://gen.lib.rus.ec/book/index.php?md5=
1D6053F892DA29CE760BB04C9F064833.
[Strbac, 2008] Strbac, G. (2008). Demand side management : Benefits and challenges. 36,
4419–4426, https://doi.org/10.1016/j.enpol.2008.09.030.
[Tellez y Duarte, 2016] Tellez, S. & Duarte, O. (2016). Gestion de la Demanda en redes
electricas inteligentes : Revision y futuras estrategias. V CIUREE: Congreso de Eficiencia
y Gestion Energetica, (pp.7)., https://doi.org/10.13140/RG.2.2.22085.24805.
[Universidad Nacional de Colombia y UPME, 2006a] Universidad Nacional de Colombia, F.
d. C. & UPME, M. (2006a). Determinacion de consumos especıficos para equipos
domesticos de energıa electrica y gas Resumen ejecutivo http://bdigital.upme.gov.
co/handle/001/926.
[Universidad Nacional de Colombia y UPME, 2006b] Universidad Nacional de Colombia, F.
d. C. & UPME, M. (2006b). Determinacion del Consumo Final de Urbano Y Comer-
36 Bibliografıa
cial Domesticos de Energıa Electrica y Gas http://bdigital.upme.gov.co/handle/001/
926.
3. Analisis para determinar la flexibilidad
de la demanda en Colombia
Los conceptos y estudios mencionados anteriormente nos da la entrada al analisis del proceso
en Colombia, este se divide en varias secciones y las cuales analizaremos a continuacion y
estas determinaran los parametros para identificar los factores de gestion y flexibilidad de la
demanda.
3.1. Analisis poblacional
Para generar el estudio de los efectos de los sistemas de gestion de la demanda, se debe
discriminar e identificar las caracterısticas de la poblacion segun sus condiciones, tales como
su distribucion y relacion entre hogar y vivienda.
3.1.1. Discriminacion de la poblacion del paıs
La poblacion colombiana esta distribuida en 32 departamentos y 1122 municipios, la carac-
terıstica de estos esta determinada por las condiciones que los afectan, numero de habitantes,
altitud, cultura regional, economıa.
Para entender las condiciones de la poblacion, debemos tener la informacion que identifique
varios parametros, esta informacion para el caso de Colombia la obtenemos del Departamento
Administrativo Nacional de Estadıstica - DANE1, el cual desarrollo su ultimo censo nacional
en el ano 2018 [DANE, 2018a].
3.1.1.1. Distribucion de la poblacion general
Colombia al ser un territorio amplio y de gran variedad geografica, presenta una amplia
dispersion de su poblacion, pero independiente de la region esta se distribuye en dos grandes
grupos.
Poblacion en cabecera o centralizada: este tipo de poblacion es la que se encuentra
agrupada, generalmente es el territorio de la municipalidad en donde se puede ubicar
el mayor numero de la poblacion y hogares.
1DANE: https://www.dane.gov.co/
38 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Poblacion rural o dispersa: este tipo de poblacion se asocia a las personas que viven fue-
ra el territorio de la municipalidad, puede ser una poblacion muy disgregada ejemplo,
un pequeno grupo de hogares disperso en un territorio amplio o pequenas agrupaciones
de hogares separadas de la municipalidad tales como veredas o caserıos.
77%
23%
34'107.027 personas, población en cabecera
10'057.390 personas, poblacion rural
Figura 3-1.: Distribucion de la poblacion colombiana entre centralizada y rural.
La poblacion colombiana esta en general distribuida en un 77 % en cabeceras municipales y
un 23 % en el area rural, como se muestra en la figura 3-1. No obstante la distribucion de
la poblacion solo acerca a entender las condiciones distributivas de la poblacion en hogares
y viviendas ya que este es un factor que impacta en el consumo [Drysdale et al., 2015].
36%
64%
399 municipios con mayor número de viviendas en cabecera
723 municipios con mayor número de viviendas en zona rural
Figura 3-2.: Distribucion de la poblacion por viviendas.
3.1 Analisis poblacional 39
41%
59%
458 municipios con mayor número de hogares en la cabecera
664 municipios con mayor número de hogares en zona rural
Figura 3-3.: Distribucion de la poblacion por hogares.
La figura 3-2 presenta la proporcion de viviendas 399 municipios, el 36 %, tiene mayor
cantidad de viviendas en su cabecera municipal; 723 municipios, el 64 %, tiene su mayor
numero de viviendas en la zona rural. La figura 3-3 presenta la proporcion de hogares 458
municipios, el 41 %, tiene sus hogares mayormente en la cabecera municipal; 664 municipios,
el 59 %, presenta sus hogares mayormente en la zona rural.
Lo anterior indica que aunque la poblacion se centra en la cabecera, la distribucion de
unidades familiares, representado en hogares y viviendas, se distribuye en las zonas rurales.
Hasta el momento se ha identificado la poblacion y sus unidades familiares, pero se debe
desarrollar un analisis de la poblacion y los municipios para identificar el desarrollo de un
sistema de gestion de la demanda. Para este analisis se desarrolla un estudio de frecuencia
en la poblacion.
100 101 102 103 104
Municipios
0
5
10
15
20
% d
e p
obla
ció
n
por
munic
ipio
Frecuencia relativa
100 101 102 103 104
Municipios
0
20
40
60
80
100
% a
cum
ula
do
de m
unic
ipio
s
Frecuencia absoluta
Figura 3-4.: Frecuencias de la poblacion en los municipios.
40 3 Analisis para determinar la flexibilidad de la demanda en Colombia
La figura 3-4, presenta el porcentaje de la poblacion por municipio sobre el total nacional
en donde la frecuencia relativa nos indica que los municipios del paıs en su mayorıa estan
por debajo del 1 % sobre el total nacional; complementando el analisis esta la frecuencia
absoluta, esta presenta la acumulacion porcentual por municipio del paıs, mostrando que
el 50 % de la poblacion total del paıs esta ubicada en menos de 50 municipios. En la tabla
3-1 se referencia la distribucion de la poblacion, presentando que la mayor poblacion del
paıs se encuentra en 60 municipios mayores a 100.000 habitantes. Bajo las definiciones del
DANE2, se tiene que la poblacion civil registrada del paıs se agrupa en lo que se denomina
hogares, que son persona o personas familiares o que comparten un vinculo personal o laboral
y que dormitan en un mismo sitio; la vivienda es definida como un lugar fısico separado o
independiente donde se establecen el hogar u hogares.
Complementando lo anterior la poblacion en el tiempo tiende a crecer y modificar los patrones
de urbanizacion, los datos del ultimo censo nacional proyecta un patron bajo en el cambio
de esta tendencia [DANE, 2018b], el cual se resumen en la tabla 3-2 la cual presenta un bajo
cambio en el nivel de urbanizacion en el tiempo.
Tabla 3-1.: Analisis de poblacion en municipios.
Poblacion
Mayor a
1 millon
Entre
100 mil
y 1 millon
Menor a
100 mil
Total
Nacional
Municipios/ciudades 4 56 1062 1122
Poblacion
Cabecera 12’399.491 12’421.709 9’285.827 34’107.027
Rural 97.280 1’777.681 8’182.429 10’057.390
Total por seccion 12’496.771 14’199.390 17’468.256 44’164.417
Viviendas
Cabecera 4’409.332 4’479.479 3’311.702 12’200.513
Rural 43.601 629.649 3’197.130 3’870.380
Total por seccion 4’452.933 5’109.128 6’508.832 16’070.893
Hogares
Cabecera 4’213.889 3’934.899 2’979.438 11’128.226
Rural 32.373 526.312 2’556.312 3’114.997
Total por seccion 4’246.262 4’461.211 5’535.750 14’243.223
2Glosario DANE: https://www.dane.gov.co/index.php/servicios-al-ciudadano/28-espanol/
sociales/mercado-laboral/422-glosario-gran-encuesta-integrada-de-hogares
3.1 Analisis poblacional 41
Tabla 3-2.: Proyeccion de poblacion, DANE 2018.
Rangos 2018 2019 2020
Poblacion rural 11’833.841 11’969.822 12’079.485
Poblacion urbana 36’424.653 37’425.856 38’29.939
Nivel de urbanizacion ( %) 75 76 76
No. municipios/ciudades
con mas de 100.000 habitantes52 56 58
No. municipios/ciudades
con mas de 1’000.000 habitantes4 4 4
La definicion de vivienda se asocia con otro concepto que viene de la prestacion de servicios
publicos, donde la Superintendencia de Servicios Publicos Domiciliarios (SSPD)3 define que
el usuario es persona natural o jurıdica que se beneficia con la prestacion de un servicio
publico, bien como propietario del inmueble en donde este se presta o como receptor directo
del servicio. A este ultimo usuario se le denomina tambien consumidor. Tambien asociado
con el concepto de suscriptor el cual se define como la persona natural o jurıdica con la cual
se ha celebrado un contrato de condiciones uniformes de servicios publicos. La figura 3-5
presenta conceptualmente la relacion entre poblacion y vivienda. Los procesos de gestion de
la demanda implica identificar las condiciones y estructuras donde se desea realizar, como
se ha identificado el sector residencial esta estructurado en como se asocia la poblacion, los
hogares, pero la estructura socio economica y tecnica para la prestacion del servicio radica
en identificar las viviendas como la unidad fısica donde se agrupan la poblacion y donde
se puede realizar estudios de demanda y ası poder determinar la flexibilidad que se puede
presentar.
3Definiciones Superintendencia de Servicios Publicos Domiciliarios: https://www.superservicios.gov.
co/glosario-de-terminos-basicos-y-generales
42 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Población
Unipersonal
Familiar
Asociado
Hogar 1
Hogar 2Hogar
Vivienda
Figura 3-5.: Relacion entre poblacion y vivienda, elaboracion propia.
3.2. Ubicacion geografica
Las caracterısticas de las poblaciones para realizar procesos de gestion de demanda incluye
su geografıa y altimetrıa, este analisis corresponde a la identificacion de parametros comunes
y particulares entre las poblaciones, lo cual impacta en los procesos de consumo de recursos
y demanda de energıa, el determinar estas caracterısticas impacta en los procesos de DSM
al poder identificar posibles fuentes o recursos en terminos de generacion o estado de los
sistemas, ejemplo de esto se ve en diversos estudios [Goswami y Kreith, 2016], como lo es en
las poblaciones mas calidas, mas cerca al nivel del mar, demandan energıa en procesos de
refrigeracion mas que las otras ciudades de mayor altura, en funcion de la generacion puede
existir fuentes de generacion renovables como paneles solares, turbinas, eolicas, entre otros
[Cecati et al., 2011]. Lo anterior integra un factor que afecta la capacidad del los usuarios a
realizar gestion de la demanda ademas de determinar su flexibilidad.
3.2.1. Analisis de altimetrıa de los municipios
Colombia es un paıs de geografıa muy variada y debido a su ubicacion sobre los tropicos pre-
senta caracterısticas unicas referentes a estudios de DR y DSM desarrollados en zonas donde
se presenta ciclos estacionales y la generalidad de estos es optimizar el recurso energetico en
funcion de las condiciones extremas, sistemas calentamiento en invierno y de enfriamiento
3.2 Ubicacion geografica 43
en verano, de esto se genera la necesidad de entender como es la ubicacion de las poblacio-
nes colombianas para entender que procesos de DSM pueden aplicar y poder entender que
capacidades de flexibilidad pueden presentarse por estas condiciones.
La variacion de las condiciones de altimetrıa, por ende su clima, las analizaremos en cuartiles,
usando como referencia la ciudad mas alta de Colombia, municipio de Vetas, departamento de
Santander, que esta a 3350 m.s.n.m., la informacion de municipios y altimetrıa las obtenemos
de [IDEAM, 2018] y [IGAC, 2018], que son las entidades oficiales.
.
Tabla 3-3.: Alturas municipios de Colombia, distribucion en cuartiles.
Q Cuartil m.s.n.m. Total municipiosMunicipios >100
mil habitantes
1 0 - 25 % 0 - 837.5 470 25
2 25 % - 50 % 837.5 - 1675 299 19
3 50 % - 75 % 1675 - 2512.5 235 4
4 75 % - 100 % 2512.5 - 3350 118 12
La tabla 3-3 condensa la informacion de los municipios por alturas indicando que el 41,9 %
(470) municipios se encuentran en el primer cuartil, por debajo de los 837.5 m.s.n.m. siendo
los municipios mas calidos del paıs, el segundo cuartil representan el 26.6 % (299) de los
municipios ubicado entre 837.5 y 1675 m.s.n.m., son los municipios de clima templado calido,
el tercer cuartil representa el 20.9 % (235) de los municipios ubicados entre 1675 y 2512.5
m.s.n.m.,son los municipios de clima templado frio y el cuarto cuartil presenta el 10.5 %
(118) de los municipios por encima de los 2512.5 m.s.n.m. son los municipios de clima frio.
Tambien se analizo la cantidad de municipios con mas de 100 mil habitantes, 60 municipios,
segun lo analizado en la seccion distribucion de la poblacion, mostrando en el primer cuartil
el 41.7 % (25) de estos municipios el segundo y tercer cuartil presentan el 38.3 % (23) de los
municipios y el cuarto cuartil presenta el 20 % (12) municipios, en la figura 3-6 se presenta
esta distribucion de municipios en relacion a su altura separando los cuartiles. Esta figura
muestra que la altimetrıa se dividida en tres secciones que estan relacionadas al cuartil, una
primera el primer cuartil, una segunda el segundo y tercer cuartil y la tercera seccion en el
cuarto cuartil.
44 3 Analisis para determinar la flexibilidad de la demanda en Colombia
0 200 400 600 800 1000 1200Municipios
0
500
1000
1500
2000
2500
3000
3500
Altura
m.s.n.m
MunicipiosQ1Q2Q3Q4
Figura 3-6.: Distribucion de las alturas de los municipios.
El analisis desarrollado en este proyecto, identifica que la poblacion presenta caracterısticas
propias debido a sus condiciones climaticas relacionados con la la altimetrıa, generando
un efecto sobre los patrones de uso y comportamiento del recurso energetico. Ademas la
poblacion se ubica en ciudades o municipios mayores a 100 mil habitantes, representando
el 60 % del total nacional y con la informacion del SUI, podemos identificar el numero de
suscriptores y cantidades por estrato socioeconomico que ayuda en la identificacion de las
capacidades de adquisicion y valoracion en el uso del recurso. La tabla 3-4 presenta la
informacion que relaciona el conjunto de elementos antes mencionados.
Tabla 3-4.: Relacion Altura poblacion y suscriptores.Cuartıl Q 1 2 3 4
Altura m.s.n.m 0 - 837,5 837,5 - 1675 1675 - 2512,5 2512,5 - 3350
Total nacional municipios 470 299 235 118
Municipios >100 mil habitantes
Cantidad 25 19 4 12
Poblacion total 7.859.620 8.583.306 928.764 9.324.471
Poblacion cabecera 6.870.283 8.583.306 796.409 9.085.070
Poblacion rural 989.337 513.868 132.355 239.401
Estratos suscriptores SUI
Total 2.393.284 3.031.956 329.071 2.826.413
E1 1.093.158 486.943 48.123 273.225
E2 670.931 977.481 88.824 1.006.032
E3 401.080 883.403 107.646 997.155
E4 140.985 388.400 56.403 355.151
E5 45.918 206.296 15.159 113.028
E6 41.212 89.433 12.916 81.822
%E1 45,7 % 16,1 % 14,6 % 9,7 %
%E2 28,0 % 32,2 % 27,0 % 35,6 %
%E3 16,8 % 29,1 % 32,7 % 35,3 %
%E4 5,9 % 12,8 % 17,1 % 12,6 %
%E5 1,9 % 6,8 % 4,6 % 4,0 %
%E6 1,7 % 2,9 % 3,9 % 2,9 %
3.3 Caracterısticas socioeconomicas de los municipios / ciudades 45
3.3. Caracterısticas socioeconomicas de los municipios /
ciudades
Las condiciones anteriores como lo son la distribucion de la poblacion segun las caracterısticas
de cantidad de habitantes, sus grados de centralidad y su altimetrıa nos sirven como base
para determinar las poblaciones objetivo segun las necesidades de los sistemas de gestion,
pero de estos cual puede tener mejor impactado en un grupo poblacional. La caracterıstica
de una poblacion especifica radica en su comportamiento asociado, no solo a los factores
climaticos o metricas poblacionales, sino a la forma de asumir el uso de un recurso y como
se implementa.
Aunque las poblaciones o ciudades mas densas tienen mayor consumo de energıa un factor
a este punto de analisis son los agrupamientos de individuos, sus viviendas y hogares; el
servicio de energıa agrupa los servicios por unidades suscritas, unidades de vivienda, se debe
tener en cuenta como se analiza, las unidades de vivienda pueden ser de mas de un hogar
o que el hogar sea de un individuo de allı la importancia de caracterizar las poblaciones de
manera especıfica.
Las discriminaciones por suscriptores presentan una ventaja en el analisis ya que automati-
camente puede discriminar de una poblacion especifica, para un municipio o ciudad y como
utilizan el recurso energetico. El SUI4, es la entidad que maneja los datos de servicio publicos
para el paıs, discrimina en varios grupos de suscriptores la prestacion del servicio de energıa
electrica, de acuerdo a las leyes y regulaciones que determina el estado colombiano.
El manejo de los datos de suscriptores de una region, vemos en la tabla 3-5 como discrimina
y se define cada uno, viendo que la estatificacion de los usuarios residenciales esta relacionada
en su capacidad socioeconomica.
Tabla 3-5.: Sectores economicos de Colombia en prestacion del servicio.
Sector Descripcion Referencia legal o normativa
Estrato 1Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica bajo-bajo
Ley 142 de 1994
USUARIOS
RESIDENCIALES
Estrato 2Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica bajo
Estrato 3Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica medio-bajo
Estrato 4Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica medio
Estrato 5Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica medio-alto
4Sistema Unico de Informacion de servicios publicos domiciliarios (SUI):http://www.sui.gov.co/web/
46 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Tabla 3-5.: Sectores economicos de Colombia en prestacion del servicio.
Sector Descripcion Referencia legal o normativa
Estrato 6Clasificacion de las viviendas y/o predios
y su ubicacion socioeconomica alto
Industrial
Comprende todas las actividades economicas
de un paıs relacionadas con la transformacion
industrial de los alimentos y otros tipos de
bienes o mercancıas, los cuales se utilizan
como base para la fabricacion de nuevos
productos.
Definicion tomada de la
enciclopedia del Banco de
la Republica
Ley 143 de 1994
Oficial
Parte del sector terciario donde a diferencia
de el industrial y comercial, no busca generar
recursos economicos, sino es el sector
encargado de la administracion del estado
Ley 143 de 1994
Comercial
En este caso, la industria comercial forma
parte del sector terciario. Este sector no
produce ningun tipo de bien, en cambio,
ofrece servicios. Este dirige, organiza y
hace mas facil la productividad de los
otros dos sectores.
Ley 143 de 1994
Especial
asistencial
Usuarios especiales tales como hospitales,
clınicas, puestos o centros de salud, y demas
instituciones asistenciales exentas de pago de
contribucion conforme a lo dispuesto en
el artıculo 89.7 de la Ley 142 de 1994.
CIRCULAR SSPD
- CREG No 001 DE 2005
Especial
educativo
Usuarios especiales tales como colegios,
universidades y demas instituciones educativas
exentas de pago de contribucion conforme a lo
dispuesto en el artıculo 89.7 de la
Ley 142 de 1994.
CIRCULAR SSPD
- CREG No 001 DE 2005
El sistema nacional al tener un esquema de clasificacion de la poblacion, los estratos, esto
determina la cantidad de suscriptores que se tienen registrados por departamentos, en la
tabla 3-6 se presenta el numero de suscriptores residenciales relacionados por las empresas
comercializadoras al SUI, la figura 3-7 presenta el porcentaje de participacion nacional de
suscriptores residenciales por departamentos, sin embargo algunos departamentos, aquellos
que no estan conectados al sistema interconectado nacional, como los departamentos de la
region amazonica o el departamento Archipielago de San Andres no se encuentran registra-
dos, esta figura tambien presenta a Bogota como una region independiente ya que al tener
3.3 Caracterısticas socioeconomicas de los municipios / ciudades 47
mayor poblacion su analisis es de mayor facilidad.
Tabla 3-6.: Numero de suscriptores residenciales por departamento y estrato, registro SUI.Departamento Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6 Total departamental
Amazonas 0 0 0 0 0 0 0
Antioquia 499.718 816.674 593.902 180.448 101.907 43.623 2.236.272
Arauca 45.525 17.198 4.309 557 0 0 67.589
Archipielago de San Andres 0 0 0 0 0 0 0
Atlantico 317.100 165.646 88.691 45.750 17.287 14.265 648.739
Bogota, D.C. 159.009 728.326 747.687 301.721 100.709 80.038 2.117.490
Bolıvar 316.799 131.993 53.050 20.284 9.932 12.231 544.289
Boyaca 52.897 279.188 67.217 18.749 6.705 36 424.792
Caldas 70.209 123.230 83.435 22.850 7.796 11.474 318.994
Caqueta 60.299 23.857 10.091 1.336 0 0 95.583
Casanare 37.400 51.781 17.281 5.747 37 15 112.261
Cauca 258.586 73.910 29.766 15.725 3.600 675 382.262
Cesar 176.494 94.796 27.841 6.056 3.027 840 309.054
Choco 83.730 7.136 2.748 40 0 0 93.654
Cordoba 309.865 76.597 21.067 5.515 1.962 1.624 416.630
Cundinamarca 103.096 493.164 259.018 60.124 9.842 8.126 933.370
Guainıa 0 0 0 0 0 0 0
Guaviare 9.830 5.596 1.336 5 0 0 16.767
Huila 123.072 151.128 30.858 9.885 2.007 164 317.114
La Guajira 88.273 53.483 11.688 500 154 0 154.098
Magdalena 209.302 55.531 44.209 11.459 4.422 10.449 335.372
Meta 89.112 110.452 81.998 12.226 4.425 1.697 299.910
Narino 246.213 111.656 39.044 13.371 3.647 25 413.956
Norte de Santander 127.351 197.185 63.664 23.766 4.345 621 416.932
Putumayo 53.209 14.026 1.684 0 0 0 68.919
Quindio 39.805 61.641 44.832 14.488 12.962 1.489 175.217
Risaralda 55.496 114.921 80.707 36.945 16.032 11.278 315.379
Santander 184.411 269.687 145.828 92.478 15.396 13.746 721.546
Sucre 160.410 57.397 9.845 3.324 661 773 232.410
Tolima 128.404 225.157 79.690 24.479 5.594 918 464.242
Valle del Cauca 263.751 453.075 314.486 112.814 68.536 22.201 1.234.863
Vaupes 0 0 0 0 0 0 0
Vichada 0 0 0 0 0 0 0
La discriminacion de los suscriptores es una de las caracterıstica para el desarrollo del analisis
de flexibilidad, la figura 3-8, presenta la categorizacion del porcentaje de suscriptores segun
el estrato por cada departamento, indicando que los estratos mas representativos son el 1,2,3
los cuales tiene el mayor grupo de suscriptores. Tambien se debe tener presente que hay
municipios que no estan registrados en el SUI aunque su departamento si, la tabla 3-7,
presenta la cantidad de municipios registrados o no en el SUI.
Los analisis departamentales tambien se desarrollan a nivel municipal encontrando las ca-
racterısticas propias de los municipios y ciudades.
48 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Amaz
onas
Antioqu
ia
Arauc
a
Archipiélag
o de
San
And
rés
Atlánt
ico
Bogot
á, D
.C.
Bolívar
Boyac
á
Calda
s
Caq
uetá
Cas
anar
e
Cau
ca
Ces
ar
Cho
có
Cun
dina
mar
ca
Cór
doba
Gua
inía
Gua
viar
e
Huila
La G
uajira
Mag
dalena
Met
a
Nar
iño
Nor
te d
e San
tand
er
Putum
ayo
Quind
io
Risar
alda
Santa
nder
Sucre
Tolim
a
Valle d
el C
auca
Vaupé
s
Vicha
da
Departamentos
0
2
4
6
8
10
12
14
16
18
% s
uscripto
res
tota
l nacio
nal
Figura 3-7.: Distribucion porcentual de suscriptores residenciales por departamento, regis-
tro SUI.
Amaz
onas
Antioqu
ia
Arauc
a
Archipiélag
o de
San
And
rés
Atlánt
ico
Bogot
á, D
.C.
Bolívar
Boyac
á
Calda
s
Caq
uetá
Cas
anar
e
Cau
ca
Ces
ar
Cho
có
Cun
dina
mar
ca
Cór
doba
Gua
inía
Gua
viar
e
Huila
La G
uajira
Mag
dalena
Met
a
Nar
iño
Nor
te d
e San
tand
er
Putum
ayo
Quind
io
Risar
alda
Santa
nder
Sucre
Tolim
a
Valle d
el C
auca
Vaupé
s
Vicha
da
Departamentos
0
20
40
60
80
100
120
% s
uscripto
res d
epart
am
ento
por
estr
ato
1
2
3
4
5
6
Estratos
Figura 3-8.: Distribucion porcentual de suscriptores residenciales por estrato en los depar-
tamentos, registro SUI.
3.3 Caracterısticas socioeconomicas de los municipios / ciudades 49
Tabla 3-7.: Municipios registrados por departamento segun el SUI.
DepartamentosMunicipios
registrados
municipios
no registrados
Total
municipios
Amazonas 0 11 11
Antioquia 104 21 125
Arauca 7 0 7
Archipielago
de San Andres0 2 2
Atlantico 22 1 23
Bogota, D.C. 1 0 1
Bolıvar 41 5 46
Boyaca 119 4 123
Caldas 27 0 27
Caqueta 14 2 16
Casanare 18 1 19
Cauca 32 10 42
Cesar 24 1 25
Choco 19 11 30
Cordoba 28 2 30
Cundinamarca 112 4 116
Guainıa 0 9 9
Guaviare 2 2 4
Huila 35 2 37
La Guajira 13 2 15
Magdalena 28 2 30
Meta 24 5 29
Narino 55 9 64
Norte de
Santander40 0 40
Putumayo 8 5 13
Quindio 10 2 12
Risaralda 14 0 14
Santander 81 6 87
Sucre 22 4 26
Tolima 46 1 47
Valle del Cauca 42 0 42
Vaupes 0 6 6
Vichada 0 4 4
50 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Los estudios de estratificacion y clasificacion socioeconomica indica las condiciones de la
poblacion en su agrupacion, aunque esta clasificacion puede tener errores o sesgos, estos
no impactan directamente el desarrollo de la investigacion, ya que esta informacion es de
caracter oficial, gestionada por entidades del estado, abarca todo el territorio y es valida para
los procesos de gestion que se esten desarrollando. La poblacion se encuentra mayormente
en estratos mas bajos 1, 2, 3 y cada uno de estos tiene caracterısticas y condiciones propias
las cuales deben se analizadas para poder identificar las mejores acciones de gestion.
3.4. Analisis del consumo de energıa electrica
Una de las grandes incertidumbres es el analisis del consumo de energıa electrica en el sector
residencial, esta en parte a las condiciones no homogeneas de los usuarios y sus condiciones
de aceptacion de cambios que afecten el usos de la energıa electrica. El estudio desarrollado
por [UPME y Lozano, 2016] presenta un analisis inicial de esta condiciones en el cambio tec-
nologico y lo que se a visto en el efecto hacia la demanda de energıa, complementariamente
los estudios [CUSA y UPME, 2012a], con su modelo de analisis y los desarrollos posterio-
res en [CUSA y UPME, 2012b] y [CUSA y UPME, 2012c] amplıan el analisis de como se
consume los recursos energeticos en el paıs.
3.4.1. Equipos de consumo de energıa en el sector residencial
La implementacion de sistemas, equipos y herramientas en los hogares implica tener una
fuente comun de energıa, y la gran versatilidad en el uso o aplicacion de la electricidad
como fuente genera una union que ha desarrollado los hogares de hoy, pero como se ha
identificado anteriormente la deposicion a usar los elementos electricos dependen de su en-
torno y caracterısticas, como lo son las ubicaciones geograficas y capacidades economicas,
en [CUSA y UPME, 2012b] presenta los grupos de equipos, electrodomesticos, su tenencia
y estrato para tres niveles de piso termico, esto esta resumido en 3-8, donde muestran la
tenencia de electrodomesticos en ciudades menores a 1000 m.s.n.m., clima caliente, en la
tabla 3-9, son las ciudades entre 1000 y 2000 m.s.n.m., clima calido y en la tabla 3-10, son
las ciudades mayores a 2000 m.s.n.m., clima frio, y en cada una de estas tablas se presenta
la tenencia de electrodomesticos por estrato.
Tabla 3-8.: Tenencia de electrodomesticos, ciudades menores a 1000 m.s.n.m.
[CUSA y UPME, 2012b].
Estrato
Electrodomestico 1 2 3 4 5 6
iluminacion 100 % 100 % 100 % 100 % 100 % 100 %
television 93 % 96 % 89 % 100 % 100 % 100 %
3.4 Analisis del consumo de energıa electrica 51
celular 80 % 88 % 83 % 100 % 90 % 100 %
licuadora 81 % 85 % 79 % 93 % 90 % 100 %
refrigeracion 75 % 87 % 83 % 100 % 100 % 100 %
plancha 66 % 76 % 69 % 79 % 90 % 100 %
dvd 57 % 66 % 69 % 71 % 80 % 100 %
lavadora 50 % 67 % 75 % 86 % 100 % 100 %
computador 41 % 52 % 70 % 93 % 90 % 100 %
ventilador 48 % 49 % 59 % 57 % 70 % 100 %
equipo de sonido 49 % 47 % 50 % 71 % 90 % 100 %
sanduchera 31 % 37 % 43 % 57 % 40 % 0 %
olla arrocera 35 % 32 % 32 % 36 % 50 % 100 %
telefono inalambrico 17 % 27 % 36 % 50 % 60 % 100 %
plancha de cabello 15 % 22 % 31 % 21 % 40 % 100 %
horno microondas 12 % 17 % 23 % 36 % 60 % 100 %
estufa electrica 26 % 13 % 10 % 21 % 10 % 0 %
cafetera 16 % 17 % 18 % 29 % 40 % 0 %
secador de cabello 7 % 7 % 11 % 14 % 30 % 0 %
aire acondicionado 2 % 7 % 13 % 0 % 20 % 100 %
home theater 3 % 8 % 4 % 7 % 0 % 0 %
decodificador 3 % 5 % 6 % 14 % 40 % 100 %
calentamiento de agua electrico 2 % 4 % 5 % 0 % 20 % 0 %
calefaccion 0 % 0 % 0 % 0 % 0 % 0 %
Tabla 3-9.: Tenencia de electrodomesticos, ciudades entre 1000 y 2000 m.s.n.m.
[CUSA y UPME, 2012b].
Estrato
Electrodomestico 1 2 3 4 5 6
iluminacion 100 % 100 % 100 % 100 % 100 % 100 %
television 91 % 88 % 92 % 100 % 100 % 50 %
celular 76 % 66 % 72 % 86 % 100 % 50 %
refrigeracion 73 % 65 % 65 % 71 % 100 % 0 %
dvd 55 % 65 % 68 % 100 % 100 % 50 %
lavadora 42 % 54 % 72 % 57 % 100 % 100 %
licuadora 70 % 58 % 61 % 57 % 0 % 50 %
equipo de sonido 52 % 44 % 61 % 71 % 100 % 50 %
plancha 67 % 40 % 61 % 43 % 0 % 50 %
computador 15 % 35 % 71 % 86 % 100 % 50 %
52 3 Analisis para determinar la flexibilidad de la demanda en Colombia
telefono inalambrico 24 % 33 % 60 % 57 % 100 % 50 %
olla arrocera 39 % 26 % 47 % 29 % 100 % 0 %
sanduchera 33 % 21 % 45 % 43 % 0 % 50 %
plancha de cabello 21 % 25 % 42 % 29 % 100 % 0 %
horno microondas 3 % 25 % 35 % 57 % 0 % 0 %
estufa electrica 21 % 15 % 27 % 29 % 0 % 50 %
secador de cabello 3 % 7 % 26 % 14 % 100 % 0 %
ventilador 3 % 12 % 15 % 43 % 0 % 50 %
cafetera 9 % 6 % 13 % 14 % 0 % 0 %
decodificador 0 % 5 % 2 % 14 % 0 % 0 %
home theater 0 % 0 % 4 % 14 % 0 % 0 %
aire acondicionado 0 % 0 % 1 % 0 % 0 % 100 %
calefaccion 0 % 0 % 0 % 0 % 0 % 0 %
calentamiento de agua electrico 0 % 0 % 0 % 0 % 0 % 0 %
Tabla 3-10.: Tenencia de electrodomesticos, ciudades mayor a 2000 m.s.n.m.
[CUSA y UPME, 2012b].
Estrato
Electrodomestico 1 2 3 4 5 6
iluminacion 100 % 100 % 100 % 100 % 100 % 100 %
television 88 % 92 % 95 % 99 % 100 % 96 %
celular 88 % 84 % 84 % 95 % 87 % 96 %
lavadora 83 % 84 % 84 % 94 % 87 % 96 %
dvd 68 % 78 % 85 % 91 % 89 % 87 %
refrigeracion 63 % 78 % 83 % 92 % 87 % 96 %
lavadora 46 % 76 % 85 % 91 % 76 % 96 %
computador 39 % 67 % 85 % 98 % 95 % 100 %
plancha 71 % 74 % 80 % 88 % 68 % 91 %
equipo de sonido 71 % 73 % 77 % 81 % 65 % 65 %
sanduchera 42 % 59 % 61 % 75 % 65 % 70 %
horno microondas 24 % 34 % 49 % 60 % 43 % 70 %
olla arrocera 49 % 28 % 32 % 41 % 41 % 39 %
plancha de cabello 56 % 42 % 31 % 14 % 11 % 17 %
telefono inalambrico 2 % 28 % 31 % 13 % 14 % 17 %
estufa electrica 2 % 16 % 26 % 41 % 35 % 44 %
home theater 10 % 18 % 24 % 29 % 30 % 35 %
cafetera 10 % 11 % 24 % 30 % 27 % 57 %
3.5 Comportamiento de la poblacion en el uso de la energıa 53
secador de cabello 27 % 22 % 21 % 12 % 8 % 9 %
calentamiento de agua electrico 7 % 11 % 34 % 3 % 0 % 0 %
decodificador 0 % 3 % 10 % 39 % 32 % 44 %
calefaccion 5 % 2 % 4 % 4 % 8 % 17 %
ventilador 0 % 0 % 0 % 0 % 0 % 0 %
aire acondicionado 0 % 0 % 0 % 0 % 0 % 0 %
Se analiza de las tablas que la poblacion total presenta un grupo comun de electrodomesticos,
pero la distribucion y tenecia, varia en los niveles termicos y economicos, pero los comunes
de mayor tenecia son iluminacion, television y celular, en un segundo grupo son equipos
de servicio basico del hogar, tales como refrigeracion y equipos de cocina, el tercer grupo
son equipos de servicio o apoyo, tales como computadores, equipos de sonido, telefonos,
un cuarto grupo equipos de apoyo secundario como electrodomesticos de cocina especıficos,
hornos microondas, equipos de servicio personal y de confort del hogar.
3.4.2. Consumo de energıa de la poblacion
Teniendo la distribucion de electrodomesticos de cada estrato y nivel de altura, se analiza el
consumo promedio por estrato y nivel de altura, el resumen de esta informacion se presenta
en la tabla 3-11.
Tabla 3-11.: Promedio de energıa consumida en los diferentes estratos por altura,
[CUSA y UPME, 2012b].
KWh/ mes promedio por estrato
Altura m.s.n.m 1 2 3 4 5 6
<1000 180 174 180 231 293 290
1000-2000 124 125 147 158 102 150
>2000 122 167 162 150 181 235
3.5. Comportamiento de la poblacion en el uso de la
energıa
Los anteriores analisis se centran en tener los datos cuantitativos representativos de la po-
blacion residencial, pero el analisis del impacto de la gestion de la demanda, sea el modelo o
metodos que se implemente, y el potencial que determina la flexibilidad de la demanda, esta
dado por la influencia de factores cualitativos de la poblacion al uso de la energıa electri-
ca tales como son las variables socio demograficas [Lu, 1999], el impacto de estos factores
representa la aceptacion de un cambio en el uso del recurso, con el fin de satisfacer sus
54 3 Analisis para determinar la flexibilidad de la demanda en Colombia
necesidades.
Los factores cualitativos presentan un analisis de como el usuario entiende y valora el recurso,
para este proyecto encontramos una diferencia cualitativa en dos conceptos tales como.
Valor del recurso: Este factor esta identificado y relacionado al costo asociado del recurso
energetico como servicio, este costo se refleja en el valor que el usuario paga por el servicio
de energıa [Saura y Gallarza, 2008], representa el costo real asociado de la energıa que se usa
en las actividades diversas.
Valoracion del recurso: Tambien definido como valor percibido, este factor viene desde los
conceptos de marketing, donde el valor percibido es la evaluacion global del consumidor o
usuario de la utilidad de un producto o servicio, basado en la percepcion de lo que recibe,
beneficios, y de lo que se entrega, valor del recurso, esta definicion es un complemento
apoyado en lo expuesto por [Saura y Gallarza, 2008], [Zeithami, 1988]. Esta valoracion tiene
distintas dimensiones de observacion, las mas relevantes son la del consumidor o usuario del
servicio y del proveedor del servicio [Li et al., 2011], para este proyecto se analizara el del
usuario como determinante de un proceso de gestion de la demanda.
3.5.1. Valor percibido y relacion con el confort
El confort como una percepcion asociada a la calidad de vida es de importancia ya que
es una respuesta al uso de los recursos mas alla de las necesidades fundamentales, y re-
presentan los beneficios o utilidades que se obtienen desde una perspectiva hedonica, pero
esto a su vez presenta un costo asociado al generador de este, sea directa o indirectamente
[Quigley y Rubinfeld, 1989]. El usuario residencial presenta este confort en la calidad de vida
percibida y sus aspiraciones a medida que sus necesidades se satisfacen, esto impacta en la
valoracion de sus necesidades sobre otros factores asociados y que estarıa dispuesto a hacer
al momento de evaluar [Lu, 1999], [Han et al., 2011]. La figura 3-9 presenta una adaptacion
de modelo presentado por [Han et al., 2011] donde se muestra la relacion de las necesidades
fundamentales y como estas cambian generando un confort que a la vez impacta en el valor
percibido por el usuario.
3.5 Comportamiento de la poblacion en el uso de la energıa 55
Necesidades fundamentales
Confort
Valor percibido
Disposición a satisfacer
Figura 3-9.: Modelo de relacion para el confort y valor percibido, adaptado de
[Han et al., 2011].
3.5.2. Percepcion de eficiencia energetica en Colombia
El paıs esta en un proceso de ajuste a las maneras de consumir energıa los usuarios resi-
denciales tiene un gran impacto en el desarrollo de estrategias que identifiquen una gestion
de la demanda adecuada, en la encuesta de CULTURA DE EFICIENCIA ENERGETICA
[UPME, 2015], presenta un desarrollo y analisis de el impacto de la sociedad en temas de
eficiencia energetica como los modelos presentado por [Gonzalez, 2016] o el conjunto de estra-
tegia como las presentadas por [Arango Vasquez, 2017] , esto se relaciona con la percepcion
de calidad de vida y valoracion del recurso, con sus posibles impactos en la gestion de la
demanda y el potencial de flexibilidad que estos presentan, un ejemplo de los efectos de el
consumo de energıa, las acciones de gestion y la percepcion es el programa “Ahorrar pa-
ga”donde su objetivo de ahorro para evitar racionamientos fue efectivo, pero las dinamicas
de los agentes participantes fue variada debido a sus condiciones [UPME, 2016].
La informacion de la encuesta [UPME, 2015] esta estructurada en analizar un objetivo ge-
neral, dividido en varios elementos, a su vez esta tabla clasifica el grado de conocimiento o
aceptacion en niveles socio-economicos, NSE 2, equivale a estratos 1 y 2, NSE 3, a estrato 3,
y NSE 4 a estrato 4 y NSE 5 a estratos 5 y 6. En la Tabla 3-12, se presenta las acciones de
ahorro, procesos de gestion, que los hogares y usuarios pueden realizar, indicando el grado
de conocimiento que pueden tener.
56 3 Analisis para determinar la flexibilidad de la demanda en Colombia
Tabla 3-12.: Diversas acciones de ahorro de energıa que pueden realizar los hogares por
estrato, grado de conocimiento por usuarios.
Acciones de ahorro de energıa
electrica en los hogaresTotal NSE 2 NSE 3 NSE 4 NSE 5
Desconectar los electrodomesticos
que no estan en uso75,3 % 68,60 % 77,30 % 83,90 % 85,70 %
Apagar los bombillos/no dejar
luz encendida61,5 % 66,70 % 62,20 % 52,30 % 44,40 %
Utilizar bombillos ahorradores 42,7 % 37,10 % 43,10 % 52,10 % 54,70 %
Evitar abrir la nevera continuamente 17,0 % 13,80 % 18,30 % 15,60 % 32,60 %
Utilizar menos ciclos en la lavadora 16,7 % 20,50 % 11,90 % 14,90 % 27,20 %
Desconectar los cargadores de
los celulares10,4 % 8,20 % 15,30 % 4,10 % 8,80 %
No demorarnos en la ducha 8,1 % 7,80 % 8,80 % 10,70 % 0,00 %
Cocinar con gas/cocinar poco 7,9 % 4,90 % 10,50 % 9,30 % 6,90 %
Planchar poco /una vez a la semana 6,0 % 8,50 % 2,20 % 9,20 % 7,40 %
Comprar electrodomesticos ahorradores 5,3 % 5,10 % 5,80 % 0,00 % 14,80 %
Utilizar energıa alternativa (paneles solares) 2,8 % 4,70 % 0,00 % 3,00 % 8,80 %
Utilizar energıa alternativa (paneles solares) 2,8 % 2,70 % 1,20 % 8,60 % 0,00 %
La tabla 3-13, presenta la consideracion del consumo, esta tabla identifica el grado de per-
cepcion en el uso del recurso, que relacionado con otros factores podemos determinar los
grados de penetracion de los procesos de gestion.
Tabla 3-13.: Consideracion de consumo, segun el estrato
Considera que su consumo de
energıa electrica es altoTotal NSE 2 NSE 3 NSE 4 NSE 5
Nunca 17,9 % 17,0 % 16,5 % 26,1 % 12,7 %
Algunas Veces 39,0 % 38,0 % 46,3 % 28,2 % 26,0 %
No lo se 3,2 % 1,8 % 2,3 % 7,5 % 6,5 %
Siempre 39,9 % 43,2 % 34,8 % 38,2 % 54,8 %
El la tabla 3-14, se presenta la caracterıstica asociada al confort en el uso de la energıa
electrica, entendiendo como que las acciones de ahorro puede significar sacrificar sus necesi-
dades diarias, eso impacta en el confort y el valor percibido del recurso.
3.6 Modelo de consumo para un usuario segun estrato y ubicacion geografica 57
Tabla 3-14.: Percepcion de la poblacion sobre el ahorro de energıa electrica y sus necesidades
¿Usted considera que ahorrar energıa electrica es
igual a sacrificar o reducir las necesidades diarias?Total NSE 2 NSE 3 NSE 4 NSE 5
Si 31,60 % 29,10 % 34,30 % 30,20 % 34,30 %
No 68,40 % 70,90 % 65,70 % 69,80 % 65,70 %
3.6. Modelo de consumo para un usuario segun estrato y
ubicacion geografica
El identificar el comportamiento del usuario bajo las condiciones presentadas anteriormente,
se deber realizar la distribucion del consumo promedio por suscriptor segun el estrato en
relacion a la altimetrıa, este desarrollo se toma de los datos registrados en el SUI para el
2019 y se resume en la en la la Tabla 3-15.
Tabla 3-15.: Promedio de Consumo (kWh/Suscriptor) por estrato y altura, SUI 2019.
Altura
m.s.n.m.
Numero de
municipios
Estrato
1
Estrato
2
Estrato
3
Estrato
4
Estrato
5
Estrato
6
0-837,5 470 134,66 158,30 205,30 244,98 314,65 472,15
837,5-1675 299 78,49 90,87 113,51 163,93 229,52 366,76
1675-2512,5 235 71,15 78,53 99,42 124,30 143,34 189,00
2512,5-3350 118 86,08 94,91 110,63 144,49 273,25 305,40
Continuando el analisis de un usuario tenemos las acciones de gestion que el usuario puede
conocer o generar, como se presenta en la Tabla 3-12, de la cual se define el promedio
por nivel socio economico teniendo: NSE 2=20,72 %, NSE 3=21,38 %, NSE 4=21,98 %, NSE
5=24,28 %; al relacionarlo con el consumo promedio tenemos la capacidad de gestion que
tiene el usuario, esto se resume en la Tabla 3-16.
Tabla 3-16.: Capacidad de gestion (kWh/Suscriptor) por estrato y altura.
Altura
m.s.n.m.
Estrato
1
Estrato
2
Estrato
3
Estrato
4
Estrato
5
Estrato
6
0-837,5 27,90 32,80 43,89 53,85 76,40 114,64
837,5-1675 16,26 18,83 24,27 36,03 55,73 89,05
1675-2512,5 14,74 16,27 21,26 27,32 34,80 45,89
2512,5-3350 17,84 19,67 23,65 31,76 66,35 74,15
Teniendo el consumo del usuario y las capacidades de gestion, se debe continuar con la
relacion del comportamiento y la valoracion que tiene el usuario sobre el recurso. La Tabla
58 3 Analisis para determinar la flexibilidad de la demanda en Colombia
3-13, presenta la percepcion que tiene el usuario sobre el recurso, esta consideracion identifica
la importancia del recurso y al relacionarlo con la Tabla 3-14, donde relaciona el ahorro con
sacrificar condiciones o afectar las necesidades, esto incluye el confort identifica la flexibilidad
de la demanda que tiene el usuario, como se presenta en la tabla 3-17.
Tabla 3-17.: Nivel de flexibilidad de la demanda (kWh/Suscriptor).
Altura
m.s.n.m.
Estrato
1
Estrato
2
Estrato
3
Estrato
4
Estrato
5
Estrato
6
0-837,5 8,55 10,05 10,04 14,36 27,51 41,27
837,5-1675 4,98 5,77 5,55 9,61 20,06 32,06
1675-2512,5 4,52 4,98 4,86 7,28 12,53 16,52
2512,5-3350 5,46 6,02 5,41 8,47 23,89 26,70
Si bien la encuesta realizada por la UPME, [UPME, 2015], presenta valores agregados de la
informacion nacional recopilada sobre la cultura energetica, el analisis del comportamiento
del usuario frente a sus condiciones, como lo es su ubicacion geografica , altimetrıa y su
nivel economico, estrato, genera unas caracterıstica propias. La Figura 3-10 muestra que
los usuarios de las zonas calidas son los que tiene mayor consumo por usuarios en todos los
estratos, ademas de ser la altura con mayor numero de municipios como se indica en la Tabla
3-15. La alturas relacionadas a los climas templados indican una reduccion entre mas frio
es el municipio, se presenta tambien que esta reduccion por usuario es en los estratos 4, 5, 6,
ver Figura 3-11 y 3-12. En los climas frıos se presenta unas caracterısticas diferentes si bien
los estratos 1, 2, 3, 4, tiene consumo inferiores a 150 kWh por suscriptor al mes, los estratos
5 y 6 tiene consumos por el doble de los mas bajos, esto se ve en en la Figura 3-13.
Los usuarios en general presentan conocimiento sobre las acciones de ahorro de energıa, no
obstante la capacidad de gestion y la flexibilidad aumenta en relacion al consumo de energıa
por usuario independientemente de la ubicacion geografica del mismo.
3.6 Modelo de consumo para un usuario segun estrato y ubicacion geografica 59
1 2 3 4 5 6
Estratos
Altura 0 - 837,5 m.s.n.m
0
50
100
150
200
250
300
350
400
450
500
kW
h/s
uscripto
r
Consumo no internvenido
Máximo potencial de gestión
Consideración de consumo alto
Flexibiidad
Figura 3-10.: Consumo de energıa por usuario y estrato para zonas calidas.
1 2 3 4 5 6
Estratos
Altura 837,5 - 1675 m.s.n.m
0
50
100
150
200
250
300
350
400
kW
h/s
uscripto
r
Consumo no internvenido
Máximo potencial de gestión
Consideración de consumo alto
Flexibiidad
Figura 3-11.: Consumo de energıa por usuario y estrato para zonas templado calidos.
60 3 Analisis para determinar la flexibilidad de la demanda en Colombia
1 2 3 4 5 6
Estratos
Altura 1675 - 2515,5 m.s.n.m
0
20
40
60
80
100
120
140
160
180
200
kW
h/s
uscripto
r
Consumo no internvenido
Máximo potencial de gestión
Consideración de consumo alto
Flexibiidad
Figura 3-12.: Consumo de energıa por usuario y estrato para zonas templado frio.
1 2 3 4 5 6
Estratos
Altura 2515,5 - 3350 m.s.n.m
0
50
100
150
200
250
300
350
kW
h/s
uscripto
r
Consumo no internvenido
Máximo potencial de gestión
Consideración de consumo alto
Flexibiidad
Figura 3-13.: Consumo de energıa por usuario y estrato para zonas frıas.
3.7. Conclusiones del capıtulo
Este capıtulo presenta el analisis de la poblacion residencial para determinar e identificar la
flexibilidad de la demanda, usando los datos estadısticos nacionales, obtenidos del DANE,
se identifica la distribucion de la poblacion, las unidades de vivienda y los hogares entre
3.7 Conclusiones del capıtulo 61
cabecera municipal y rural, identificando que la vivienda puede tener mas de un hogar. El
numero de suscriptores, datos obtenidos del SUI, se relacionan con las viviendas con el cual
se realiza el analisis de consumo.
Un factor de relevancia es la distribucion geografica, datos tomados del IGAC, donde se
establece que los los municipios estan distribuidos en tres grandes sectores los calidos tem-
plados y frıos, los cuales a su vez tiene caracterısticas en su distribucion social y economica
diferentes, pero en relacion al consumo tiene caracterısticas comunes en cada nivel geografico
como lo es la conformacion de electrodomesticos y consumos promedios.
El concepto de valor percibido relacionado al confort es un elemento relevante ya que re-
presenta el elemento cualitativo del analisis para determinar la gestion y la flexibilidad, la
capacidad que un usuario o consumidor tiene para acceder a cambios en su consumo esta in-
fluenciada en la capacidad de satisfacer sus necesidades basicas, en las cuales esta inmiscuido
el confort como elementos de la percepcion.
Bibliografıa
[Arango Vasquez, 2017] Arango Vasquez, J. P. (2017). Estrategias energeticas aplicables a
la administracion de edificaciones residenciales y comerciales en Colombia. (pp. 106).
https://repositorio.unal.edu.co/handle/unal/63908.
[Cecati et al., 2011] Cecati, C., Citro, C., & Siano, P. (2011). Combined Operations of
Renewable Energy Systems and Responsive Demand in a Smart Grid. IEEE Transactions
on Sustainable Energy, 2(4), 468–476, https://doi.org/10.1109/TSTE.2011.2161624
http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=5951797.
[CUSA y UPME, 2012a] CUSA, C. C. & UPME, M. (2012a). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 1 Metodologıa y Analisis. Bogota Colombia: UPME, Cor-
poema http://bdigital.upme.gov.co/handle/001/1111.
[CUSA y UPME, 2012b] CUSA, C. C. & UPME, M. (2012b). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 2 Caracterizacion por Piso Termico. Bogota Colombia: UP-
ME, Corpoema http://bdigital.upme.gov.co/handle/001/1111.
[CUSA y UPME, 2012c] CUSA, C. C. & UPME, M. (2012c). CARACTERIZACION
ENERGETICA DEL SECTOR RESIDENCIAL URBANO Y RURAL EN COLOMBIA
INFORME FINAL Volumen 3 Caracterizacion por Regiones. Bogota Colombia: UPME,
Corpoema http://bdigital.upme.gov.co/handle/001/1111.
[DANE, 2018a] DANE, D. (2018a). Principales resultados vivien-
das, hogares y personas (VIHOPE) version 1,2,3 https://www.dane.
gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/
censo-nacional-de-poblacion-y-vivenda-2018/informacion-tecnica.
[DANE, 2018b] DANE, D. (2018b). Proyecciones anuales de poblacion por sexo y edad para
el perıodo 2018-2020 https://www.dane.gov.co/index.php/estadisticas-por-tema/
demografia-y-poblacion/proyecciones-de-poblacion.
[Drysdale et al., 2015] Drysdale, B., Wu, J., & Jenkins, N. (2015). Flexible de-
mand in the GB domestic electricity sector in 2030. Applied Energy, 139, 281–
Bibliografıa 63
290, https://doi.org/10.1016/j.apenergy.2014.11.013 http://dx.doi.org/10.
1016/j.apenergy.2014.11.013.
[Gonzalez, 2016] Gonzalez, O. A. (2016). Cuantificacion del Ahorro de Energıa Electrica en
Clientes Residenciales Mediante Acciones de Gestion de Demanda Quantification of Elec-
trical Energy Savings in Residential Customers Through Demand Management Strate-
gies. xx(x), 1–8, https://doi.org/doi.org/10.18273/revuin.v16n2-2017020 https:
//revistas.uis.edu.co/index.php/revistauisingenierias/article/view/5747.
[Goswami y Kreith, 2016] Goswami, Y. D. & Kreith, F. (2016). Energy Efficiency and Re-
newable Energy - Handbook. https://doi.org///doi.org/10.1201/b18947.
[Han et al., 2011] Han, D., Wang, Y., & Xu, H. (2011). Service customization, customer
perceived value, and satisfaction: From the perspective of customers’ self-efficacy. 8th
International Conference on Service Systems and Service Management - Proceedings of
ICSSSM’11, (1992), 1–4, https://doi.org/10.1109/ICSSSM.2011.5959376.
[IDEAM, 2018] IDEAM, I. (2018). Catalogo Nacional de Estaciones del
IDEAM https://www.datos.gov.co/Ambiente-y-Desarrollo-Sostenible/
Cat-logo-Nacional-de-Estaciones-del-IDEAM/hp9r-jxuu/data.
[IGAC, 2018] IGAC, I. (2018). Zonificacion climatica https://geoportal.igac.gov.co/
sites/geoportal.igac.gov.co/files/geoportal/zonificacion_climatica.pdf.
[Li et al., 2011] Li, M., Li, T., & Hou, B. (2011). A study on the relation among customer
perceived value, customer satisfaction and customer value of service enterprises. 2011
International Conference on Computer Science and Service System, CSSS 2011 - Procee-
dings, (pp. 140–143)., https://doi.org/10.1109/CSSS.2011.5974375.
[Lu, 1999] Lu, M. (1999). Determinants of Residential Satisfaction: Ordered Logit vs.
Regression Models. Growth and Change, 30(2), 264–287, https://doi.org/10.1111/
0017-4815.00113.
[Quigley y Rubinfeld, 1989] Quigley, J. M. & Rubinfeld, D. L. (1989). Unobservables in Con-
sumer Choice : Residential Energy and the Demand for Comfort . 71(3), 416–425, https:
//doi.org/doi.org/10.2307/1926898 https://www.jstor.org/stable/1926898.
[Saura y Gallarza, 2008] Saura, I. G. & Gallarza, M. G. (2008). La investigacion en valor
percibido desde el marketing. 18, 9–18 https://revistas.unal.edu.co/index.php/
innovar/article/view/19766.
[UPME, 2016] UPME (2016). Electricidad y Potencia Maxima en Colom-
bia, Revision Junio de 2016. Ministerio de Minas y Energia, (pp.55).
http://www.siel.gov.co/siel/documentos/documentacion/Demanda/
UPME_Proyeccion_Demanda_Energia_Electrica_Junio_2016.pdf.
64 Bibliografıa
[UPME, 2015] UPME, U. (2015). CULTURA DE EFICIENCIA ENERGETI-
CA https://bdigital.upme.gov.co/bitstream/001/976/6/4.1.Resultadospre_
testhogares.pdf.
[UPME y Lozano, 2016] UPME, U. d. P. M. E. & Lozano, U. J. T. (2016). Cambio tecnologi-
co en la cadena de valor en los sectores de industria , transporte , servicios y residencial -
Informe final. Bogota Colombia: UPME http://bdigital.upme.gov.co/handle/001/
877.
[Zeithami, 1988] Zeithami, V. A. (1988). Consumer Perception of Price, Quality, and Value:
A Means-End Model And Syntesis of Evidence. Jounal Of Marketing, 52(July), 22, https:
//doi.org/10.2307/1251446.
4. Proceso de flexibilidad de la demanda
en Colombia
Se identifico en capıtulos anteriores los parametros para desarrollar el estudio de capacidad de
flexibilidad de la demanda, este capitulo presenta como se integran y se obtiene los resultados
de flexibilidad dela demanda.
4.1. Modelo general de valoracion de flexibilidad de la
demanda
Este modelo es desarrollado de manera general ya que los elementos y factores de analisis
que se puedan integrar modifican los alcances y objetivos a desarrollar en la gestion de la
demanda y por ende afectando la flexibilidad que se puede presentar.
4.1.1. Potencial de gestion
El potencial de gestion se determina para identificar el grado maximo que puede llegar a
realizar con las acciones de gestion para cumplir una finalidad en la demanda de energıa
segun las caracterısticas de los usuarios.
Objetivo de la gestion: Es el fin que se pretende lograr con las acciones de gestion.
Acciones de gestion: Son las actividades que se plantean para poder alcanzar el fin de
la gestion de la demanda que se establezca.
Caracterısticas de la poblacion: Son las condiciones propias de la poblacion o usuarios
a los cuales estan enfocados el objetivo y las acciones de gestion.
4.1.2. Consideracion de consumo
Se identifica en esta parte bajo las condiciones de consumo, ejemplo precios, consumos basi-
cos, condiciones economicas, etc, que tanto el usuario tiene presente su consumo de energıa
en sus acciones cotidianas.
66 4 Proceso de flexibilidad de la demanda en Colombia
4.1.3. Valoracion del consumo
La valoracion del consumo identifica que son las necesidades en el servicio que demanda el
usuario y cuando el ve afectado su confort sobre su servicio.
4.1.4. Identificacion de la flexibilidad de la demanda
Esta parte desarrolla bajo a valoracion del consumo y el sacrificio de confort, que tanto el
conjunto de usuarios esta en disposicion de real de ejecutar acciones de gestion que impacten
en su consumo de energıa electrica.
Como resumen de este modelo la figura 4-1 agrupa esta informacion desarrollada.
Objetivo de la gestión
Acciones de gestión
Características de la población
Potencial de gestión
Consideración de consumo Condiciones de consumo según los
usuarios
Valoración del consumo
Necesidades
Confort
Identificación de la flexibilidad de la demanda
Figura 4-1.: Esquema modelo general para determinar la flexibilidad de la demanda
Algunas aplicaciones desarrolladas que se pueden analizar bajo el modelo desarrollado, pre-
sentan caracterısticas enfocadas en el potencial de gestion aplicando control de carga me-
diante apagado [Rastegar y Fotuhi-Firuzabad, 2015], otras en el desplazamiento de carga
[Barzin et al., 2015], tambien existen otras aplicaciones basadas en el precio del energetico
[Margellos y Oren, 2016] y otras enfocadas en el uso de fuentes no convencionales o reno-
vables de energıa [Roscoe y Ault, 2010], [Gottwalt et al., 2017] ; sin embargo hay estudios
enfocados en entender el comportamiento del usuario del servicio para aplicacion de ac-
ciones de gestion [Parag y Butbul, 2018], [Barbato et al., 2011], [Barbato y Capone, 2014].
Para Colombia se ha desarrollado algunos estudios sobre gestion de la demanda donde se
4.2 Factores de analisis y calculo para determinar la flexibilidad de la demanda 67
comienza a analizar elementos como polıticas, caracterısticas de los usuarios y retos que pre-
senta el esquema electrico colombiano [Gomez Marın et al., 2015], [Tellez y Duarte, 2016].
4.2. Factores de analisis y calculo para determinar la
flexibilidad de la demanda
Las acciones de gestion identifican y determinan condiciones que asociadas con las carac-
terısticas de la poblacion determinan una capacidad para poder ejercer estas
4.2.1. Calculo de potencial de gestion
Para este trabajo usaremos el concepto de potencial de gestion, [Gonzalez Vivas, 2017], defi-
nido como la capacidad que presenta un grupo de usuarios para realizar acciones de gestion
en el uso de la energıa electrica,esta se obtiene de la aceptacion o conocimiento de acciones
que modifiquen su forma de consumo; la ecuacion 4-1 presenta el calculo de este potencial
en funcion de la poblacion, donde Accionn representa las acciones que los usuarios tienen
disponibles para realizar, este potencial de gestion se calcula bajo un promedio ponderado,
debido a que si la informacion de las acciones de gestion tiene un peso, por ende las acciones
que mas conocen o pueden realizar los usuarios tendran mayor relevancia.
PG =1
n
n∑
1
Accionn (4-1)
Donde:
PG: Potencial de gestion
Accionn: Acciones de gestion
n: Numero de acciones de gestion
4.2.2. Analisis de consideracion de consumo
Un factor de importancia para la poblacion es como considera su consumo de energıa, entre
mas considere alto el consumo tiende a tener presente como puede ahorrar la energıa, la
ecuacion 4-2 presenta el analisis de consideracion por el potencial de gestion indicando cual
es la importancia de la accion de gestion para impactar en el consumo.
CC = [PG ∗ Consideracionesn] (4-2)
Donde:
CC: Consideracion de consumo
n: Numero de consideraciones
68 4 Proceso de flexibilidad de la demanda en Colombia
4.2.3. Calculo del sacrificio de necesidades - confort
Se tiene que evaluar el sacrificio de las necesidades, estas entendidas con el uso que el usuario
le da al recurso energetico siendo este el valor percibido que tiene. Este sacrificio en relacion
a las consideraciones de consumo se evalua ya que la consideracion alta implica en cambio
de uso del recurso, indicando un ajuste de sus necesidades, ver ecuacion 4-3.
SN = CC ∗ConsideracionSI
ConsideracionNO(4-3)
Donde:
SN : Sacrificio de necesidades
4.3. Calculo aplicado
El analisis de la poblacion colombiana esta basado en los ındices estadısticos desarrollados en
el censo nacional 2018 [DANE, 2018], y relaciona dolo con la encuesta nacional de eficiencia
energetica [UPME, 2015].
4.3.1. Colombia
La distribucion de la poblacion se realiza por el numero de viviendas que son los subscriptores
de el servicio de energıa, la Tabla 4-1 presenta la distribucion, es de tener en cuenta que
la cantidad total de viviendas es mayor que la sumatoria por estratos, esto se debe a que
la informacion de estratificacion de algunos municipios no esta relacionada en los datos del
estatificacion del SUI.
Tabla 4-1.: Distribucion de la poblacion, viviendas, de Colombia por estrato
Estrato 1 2 3 4 5 6Total
Censo 2018
Cantidad de viviendas
subscritas por estrato4.744.398 5.567.037 3.268.848 1.150.234 439.839 263.030 16.070.893
Desarrollamos el potencial de gestion por estrato para identificar si existe un estrato de
mayor capacidad de gestion, esto se puede ver en la Tabla 4-2.
Tabla 4-2.: Potencial de gestion por estrato Colombia
Estrato 1 2 3 4 5 6
Potencial de gestion 20,72 % 20,72 % 21,38 % 21,98 % 24,28 % 24,28 %
4.3 Calculo aplicado 69
Con esto se identifico el potencial de gestion general para Colombia de PG=22,9 % del
consumo de energıa en el sector residencial.
La consideracion de gestion del paıs se identifica por estratos a su vez esto se presenta en la
Tabla 4-3.
Tabla 4-3.: Consideracion de consumo alto, por estrato Colombia
Estrato 1 2 3 4 5 6
Siempre 8,95 % 8,95 % 7,44 % 8,49 % 13,30 % 13,30 %
Algunas veces 7,87 % 7,87 % 9,90 % 6,20 % 6,31 % 6,31 %
Nunca 3,52 % 3,52 % 3,53 % 5,74 % 3,08 % 3,08 %
No lo se 0,37 % 0,37 % 0,49 % 1,65 % 1,58 % 1,58 %
El resumen de consideracion de consumo en Colombia se presenta en la Tabla 4-4, donde
el usuario tiene muy presente su consumo al considerarlo alto siempre o algunas veces, la
consideracion de nunca o no lo se, es consecuencia de la no interaccion de su forma de uso y
consumo de energıa referente a los costos asociados.
Tabla 4-4.: Consideracion de consumo alto, para Colombia
Consideracion de
consumo altoSiempre Algunas veces Nunca No lo se
CC 10,06 % 7,41 % 3,75 % 1,01 %
Al considerar el potencial de gestion respecto a la consideracion de consumo, da como re-
sultado que aunque exista a capacidad de gestion no siempre todo el conjunto usuarios ven
necesario el desarrollar acciones de gestion, si sumamos la consideracion de consumo alta
siempre y algunas veces no alcanzara el potencial de gestion identificado, esto se puede ver
en la Figura 4-2.
70 4 Proceso de flexibilidad de la demanda en Colombia
22.22%
77.78%
Potencial de gestión
Consumo no intervnido
10.06%
7.41%
3.75%
1.01%
77.78%
Siempre
Algunas veces
Nunca
No lo se
Consumo no intervenido
Figura 4-2.: Comparacion entre potencial de gestion y consideracion de consumo alta,
Colombia
Como se presento en capıtulos anteriores entra en consideracion el valor percibido de el
servicio, donde esta la funcion del confort que que los usuarios pueden tener sobre el uso de la
energıa para satisfacer lo que consideran sus necesidades. Esto contrasta con su consideracion
de consumo, ver la Figura 4-3, al identificar que tanto es la valoracion de la energıa como
recurso para el grupo de usuarios del paıs, podemos identificar un grado de flexibilidad.
a.siempre b.algunas veces c.nunca d.no lo se0
0.02
0.04
0.06
0.08
0.1
0.12
SI
No
Consideración de sacrificio de necesidades
Figura 4-3.: Sacrificio de necesidad, confort segun consideracion de consumo
4.3 Calculo aplicado 71
El grado de flexibilidad de la demanda segun el potencial de gestion dadas las acciones que
los usuarios pueden ejecutar, la consideracion de consumo alto de energıa y la consideracion
del confort, sacrificio de necesidades, presenta que para el paıs se tiene el 11,95 % gestionable
sin que el usuario pierda su sensacion de confort, esto es la flexibilidad que presenta bajo las
condiciones estudiadas en esta investigacion. La Figura 4-4, muestra lo identificado, como
tambien las acciones afectan el confort con un 5,52 %, y lo maximo que se puede gestionar,
4,75 % y no es considerado.
11.95%
5.52%
4.75%
77.78%
La gestión NO sacrifica confort
La gestión SI sacrifica confort
Máximo potencial de gestión
Consumo no intervenido
Figura 4-4.: Resumen del potencial de gestion y la posible flexibilidad del sistema conside-
rando el confort
4.3.2. Bogota
La ciudad de Bogota es la de mayor poblacion en el paıs y como hemos venido analizando
desde el SUI el numero de suscriptores tambien es el mas grande, ver Tabla 4-5 , ubicada
a una altura en metros sobre el nivel del mar de 2600, identificandola como una ciudad de
clima frio.
Tabla 4-5.: Distribucion de la poblacion, suscriptor-viviendas por estrato para Bogota
Estrato 1 2 3 4 5 6
Cantidad de viviendas
subscritas por estrato189.499 867.983 891.056 359.576 120.020 95.385
Para el analisis general de la ciudad, los datos descritos en la Figura 4-5 por estrato para el
ano 2019, presenta la informacion del numero de suscriptores, el promedio de consumo y el
promedio del valor facturado.
72 4 Proceso de flexibilidad de la demanda en Colombia
0 2 4 6 8 10 12
meses año 2019
100
200
300
400
500
600
700
800
núm
ero
de s
uscripto
res
mile
s
Número de suscriptores por estratato
0 2 4 6 8 10 12
meses año 2019
150
200
250
pro
medio
kW
h/s
uscripto
r
Promedio de consumo por consumidor
0 2 4 6 8 10 12
meses año 2019
490
500
510
520
530
540
Valo
r F
actu
rado p
or
KW
consum
ido (
$/k
Wh)
Valor promedio facturado por consumidor
E1 E2 E3 E4 E5 E6
Estratos socioeconómicos
Figura 4-5.: Datos descripcion general para suscriptores, Bogota.
El analisis de estos datos indica que el mayor numero de suscriptores estan en los estratos 2,
3 y 4, pero su promedio de consumo esta por debajo de los 150 kWh-mes por suscriptor, en
contra parte los estratos altos 5 y 6 que son el menor numero de suscriptores son lo que mas
consumen energıa por suscriptor; y el valor facturado por kW consumido oscila uniforme y
muy cercanos entre si, esto es debido al esquema tarifarıo colombiano tiende a ajustar el
valor por usuario de igual manera.
Tambien se identifica que la cantidad de poblacion versus el numero de suscriptores es
completamente diferente, indicando un mayor numero de personas por unidad de vivienda
en los estratos mas bajos.
Para complementar el analisis realizamos una visualizacion del costo del consumo de energıa
consumido en el mes con el costo base sin subsidio y con subsidio o contribuciones, la Figura
4-6, presenta por estrato este analisis.
Los estratos con subsidio 1, 2, 3, tiene una gran diferencia entre los dos valores por mes por
el esquema tarifario que se maneja, identificando el potencial que se tiene con la metodologıa
de subsidio al consumo base que es 130 kWh donde los usuarios de estos estratos oscilan;
caso diferente son los usuarios de estratos 4, 5, 6, que su consumo es mucho mayor ya que el
consumo base no discrimina su costo ya que el estrato 4 no tiene subsidio y los estratos 5 y
6 tiene un 20 % mas de costo en su consumo mensual independiente de su consumo.
EL analisis de flexibilidad nacional, muestra que aunque se tenga un potencial de gestion,
los diversos factores y condiciones dificultan el alcanzarlo, uno de estos es el modelo tarifario
y los metodos de gestion.
4.3 Calculo aplicado 73
0 2 4 6 8 10 12
meses año 2019
0
50
100
Va
lor
mile
s $
Estrato 1
0 2 4 6 8 10 12
meses año 2019
40
60
80
Va
lor
mile
s$
Estrato 2
0 2 4 6 8 10 12
meses año 2019
40
60
80
Va
lor
mile
s $
Estrato 3
0 2 4 6 8 10 12
meses año 2019
60
80
100
Va
lor
mile
s$
Estrato 4
0 2 4 6 8 10 12
meses año 2019
80
100
120
Va
lor
mile
s $
Estrato 5
0 2 4 6 8 10 12
meses año 2019
100
150
200
Va
lor
mile
s$
Estrato 6
Sin subsidio Con subsidio o contribución
Figura 4-6.: Datos descripcion general para suscriptores, Bogota.
4.3.3. Medellın
La ciudad de Medellın es la segunda mayor poblacion en el paıs y como realizamos en el caso
de Bogota y con los datos del SUI el ver Tabla 4-6 , ubicada a una altura en metros sobre
el nivel del mar de 1495, identificandola como una ciudad de clima templado.
Tabla 4-6.: Distribucion de la poblacion, suscriptor-viviendas por estrato para Medellin
Estrato 1 2 3 4 5 6
Cantidad de viviendas
subscritas por estrato107.343 286.807 250.457 98.911 72.083 35.636
Para el analisis general de la ciudad, los datos descritos en la Figura 4-7 por estrato para el
ano 2019, presenta la informacion del numero de suscriptores, el promedio de consumo y el
promedio del valor facturado.
Los estratos 2 y 3 presentan el mayor grupo de suscriptores en la ciudad, pero el promedio de
consumo de energıa mensual es por debajo de los 200 kWh-mes por suscriptor a excepcion
de estrato 6, como analizamos para Bogota, el costo de consumo el valor promedio facturado
para todos los estratos es similar por kWh.
La figura 4-8 presenta la distribucion de costo por estrato sin subsidio y con subsidio y
contribuciones.
En los estratos 1, 2 y 3 tiene un comportamiento similares en su forma del valor de consumo
esto es debido a que el consumo en gran parte es menor o muy cercano a 130 KWh, el cual
la potencia con que se subsidia, los estratos 5 y 6 son de igual forma a lo que sucede con
Bogota.
74 4 Proceso de flexibilidad de la demanda en Colombia
0 2 4 6 8 10 12
meses año 2019
0
50
100
150
200
250
300
núm
ero
de s
uscripto
res
mile
s
Número de suscriptores por estratato
0 2 4 6 8 10 12
meses año 2019
100
150
200
250
300
pro
medio
kW
h/s
uscripto
r
Promedio de consumo por consumidor
0 2 4 6 8 10 12
meses año 2019
460
480
500
520
540
Valo
r F
actu
rado p
or
KW
consum
ido (
$/k
Wh)
Valor promedio facturado por consumidor
E1 E2 E3 E4 E5 E6
Estratos socioeconómicos
Figura 4-7.: Datos descripcion general para suscriptores, Medellın.
0 2 4 6 8 10 12
meses año 2019
20
40
60
Va
lor
mile
s $
Estrato 1
0 2 4 6 8 10 12
meses año 2019
0
50
100
Va
lor
mile
s$
Estrato 2
0 2 4 6 8 10 12
meses año 2019
40
60
80
Va
lor
mile
s $
Estrato 3
0 2 4 6 8 10 12
meses año 2019
75
80
85
Va
lor
mile
s$
Estrato 4
0 2 4 6 8 10 12
meses año 2019
80
100
120
Va
lor
mile
s $
Estrato 5
0 2 4 6 8 10 12
meses año 2019
100
150
200
Va
lor
mile
s$
Estrato 6
Sin subsidio Con subsidio o contribución
Figura 4-8.: Datos descripcion general para suscriptores, Medellın.
4.3.4. Cali
La tercera ciudad en poblacion es Cali, esta ciudad esta en una zona mas plana, contrario
a Bogota o Medellın que se encuentran mas al centro de las cordilleras, esta ciudad esta
a una altura de 1018 metros sobre el nivel del mar y es un clima templado, presenta una
distribucion de viviendas por estrato como se presenta en la Tabla 4-7.
4.3 Calculo aplicado 75
Tabla 4-7.: Distribucion de la poblacion, suscriptor-viviendas por estrato para Cali
Estrato 1 2 3 4 5 6
Cantidad de viviendas
subscritas por estrato116.249 158.691 186.952 82.034 55.398 21.430
La Figura 4-9 presenta los datos generales por estrato para el ano 2019, presenta la informa-
cion del numero de suscriptores, el promedio de consumo y el promedio del valor facturado.
0 2 4 6 8 10 12
meses año 2019
0
50
100
150
200
núm
ero
de s
uscripto
res
mile
s
Número de suscriptores por estratato
0 2 4 6 8 10 12
meses año 2019
150
200
250
300
350
pro
medio
kW
h/s
uscripto
r
Promedio de consumo por consumidor
0 2 4 6 8 10 12
meses año 2019
500
510
520
530
540
550
560
570
Valo
r F
actu
rado p
or
KW
consum
ido (
$/k
Wh)
Valor promedio facturado por consumidor
E1 E2 E3 E4 E5 E6
Estratos socioeconómicos
Figura 4-9.: Datos descripcion general para suscriptores, Cali.
La distribucion de la poblacion, suscriptores en esta ciudad es mas dispersa, pero los estrato
1, 2, 3 son los de mayor numero de suscriptores, el consumo promedio kWh-mes por suscriptor
por estrato estan por arriba de los 130 kWh-mes en los estrato2 2, 3, 4,el estrato 1 esta justo
por debajo de los 130 kWh, y los estrato 5 y 6 estan por arriba de los 200 kWh-mes.
La distribucion por estratos se presenta en la Figura 4-10, donde se sigue un patron muy
parecido al de Medellın.
En Cali tenemos una diferencia Grande entre los usuarios de estrato altos y los estratos medio
y bajos, se evidencia un aumento en el consumo general esto en parte a que es un clima mas
caliente implicando un consumo mayor en refrigeracion de alimentos o aire acondicionado,
que no se consume en ciudades como Bogota o Medellın.
4.3.5. Barranquilla
Es la cuarta cuidad con mayor numero de Habitantes y la ciudad de clima calido mas grande
en poblacion, se encuentra a 18 metros sobre el nivel del mar y geograficamente es una ciudad
76 4 Proceso de flexibilidad de la demanda en Colombia
0 2 4 6 8 10 12
meses año 2019
0
50
100
Va
lor
mile
s $
Estrato 1
0 2 4 6 8 10 12
meses año 2019
60
80
100
Va
lor
mile
s$
Estrato 2
0 2 4 6 8 10 12
meses año 2019
60
80
100
Va
lor
mile
s $
Estrato 3
0 2 4 6 8 10 12
meses año 2019
70
80
90
Va
lor
mile
s$
Estrato 4
0 2 4 6 8 10 12
meses año 2019
50
100
150
Va
lor
mile
s $
Estrato 5
0 2 4 6 8 10 12
meses año 2019
150
200
250
Va
lor
mile
s$
Estrato 6
Sin subsidio Con subsidio o contribución
Figura 4-10.: Datos descripcion general para suscriptores, Cali.
costera, su grupos de suscriptores se divide como se muestra en la Tabla 4-8, el mayor grupo
poblacional se centra en el estrato 1.
Tabla 4-8.: Distribucion de la poblacion, suscriptor-viviendas por estrato para Barranquilla
Estrato 1 2 3 4 5 6
Cantidad de viviendas
subscritas por estrato118.361 57.285 60.150 43.321 12.318 12.613
En la Figura 4-11 se presenta el conjunto de datos generales para el ano 2019 registrado en
el SUE, presenta la informacion del numero de suscriptores, el promedio de consumo y el
promedio del valor facturado.
El unico estrato que presenta un valor superior a los 100 mil habitantes es el estrato 1, el
estrato 6 es el de mayor consumo de energıa pese a ser un grupo pequeno, cerca de 9 veces
menor al estrato 1. En general se evidencia el mayor consumo de energıa por suscriptor y
estrato de todos los casos, esto es en parte a sus caracterısticas climaticas.
El analisis por estrato, ver Figura 4-12, muestra que tiene un consumo alto pese a los
subsidios, igual en los estratos altos el consumo es superior que los demas y su costo de
contribucion es alto.
La ciudad de Barranquilla muestra en su estrato 3 un ajuste muy cercano a su consumo base
de 173 kWh-mes por suscriptor por eso su aproximacion en valores.
4.3 Calculo aplicado 77
0 2 4 6 8 10 12
meses año 2019
0
50
100
150
núm
ero
de s
uscripto
res
mile
s
Número de suscriptores por estratato
0 2 4 6 8 10 12
meses año 2019
300
400
500
600
700
800
pro
medio
kW
h/s
uscripto
r
Promedio de consumo por consumidor
0 2 4 6 8 10 12
meses año 2019
450
500
550
Valo
r F
actu
rado p
or
KW
consum
ido (
$/k
Wh)
Valor promedio facturado por consumidor
E1 E2 E3 E4 E5 E6
Estratos socioeconómicos
Figura 4-11.: Datos descripcion general para suscriptores, Barranquilla.
0 2 4 6 8 10 12
meses año 2019
100
150
200
Valo
r
miles $
Estrato 1
0 2 4 6 8 10 12
meses año 2019
50
100
150
Valo
r
miles
$
Estrato 2
0 2 4 6 8 10 12
meses año 2019
0
100
200
Valo
r
miles $
Estrato 3
0 2 4 6 8 10 12
meses año 2019
100
150
200
Valo
r
miles
$
Estrato 4
0 2 4 6 8 10 12
meses año 2019
100
200
300
Valo
r
miles $
Estrato 5
0 2 4 6 8 10 12
meses año 2019
200
400
600
Valo
r
miles
$
Estrato 6
Sin subsidio Con subsidio o contribución
Figura 4-12.: Datos descripcion general para suscriptores, Barranquilla.
4.3.6. Flexibilidad para las ciudades
Las ciudades analizadas tiene caracterısticas unicas en sus componentes, como se analizo la
flexibilidad esta dada por caracterısticas que generan las diversas acciones de gestion y la
capacidad de aceptacion de los usuarios, para este ejercicio verificaremos este potencial de
gestion mediante la posibilidad de bajar el consumo de energıa mensual de los estratos al
consumo basico teniendo en cuenta que este consumo es el que se encuentra subsidiado en
los estratos 1, 2, 3 y como factor de referencia para los estratos 4, 5, 6, los cuales no sos
78 4 Proceso de flexibilidad de la demanda en Colombia
subsidiados y los dos ultimos son contribuyentes solidarios.
El primer paso a realizar es determinar el potencial de gestion de las ciudades la Tabla 4-9,
en la cual se determina el potencial de gestion maximo por estrato por ciudad, bajo las
condiciones de gestion planteadas de bajale consumo de energıa mensual a un consumo base
de 130 kWh-mes, con el fin de potenciar los subsidios aplicados.
Tabla 4-9.: Potencial de gestion de las cuatro ciudades con mayor poblacion de Colombia
Estrato 1 2 3 4 5 6 General ciudad
Bogota 1.4 % 10,16 % 9,08 % 10,7 % 28,72 % 49,06 % 18,19 %
Medellın 0 % 0 % 4,92 % 16,16 % 25,52 % 50,01 % 16,1 %
Cali 7,93 % 15,06 % 10,6 % 16,19 % 34,06 % 61,95 % 24,3 %
Barranquilla 62,6 % 49,56 % 51,51 % 60,97 % 68,5 % 80,9 % 62,34 %
Con el potencial de gestion tenemos que la flexibilidad de la demanda esta dada por las
condiciones de valoracion que se presentaron anteriormente, la Tabla 4-10 presenta este
calculo teniendo presente las condiciones de consideracion de consumo y el no sacrificar
necesidades, implicando que no sacrifica su confort el poder hacer alguna gestion. Como se
presenta, la flexibilidad de las 4 ciudades, ver Figuras 4-13, 4-14, 4-15, 4-16, es baja en
respuesta al modelo de gestion establecido, esto en parte a que los estratos mas bajos 1,2,3
aunque son los de mayor numero de suscriptores, son los que menos potencial tienen, de
igual manera las ciudades mas calidas son las que presentan mayor potencial, esto en parte a
que usan equipos de climatizacion, aires acondicionados y ventiladores, ver Tablas 3-8, 3-9,
3-10.
Tabla 4-10.: Calculo de flexibilidad para las ciudades principales de Colombia.
Potencial
de gestion
Consideracion
de consumo
NO sacrifica
necesidades
(flexibilidad)
SI sacrifica
necesidades
Bogota 18,19 % 3,18 % 2,18 % 1,01 %
Medellın 16,1 % 2,82 % 1,93 % 0,89 %
Cali 24,3 % 4,25 % 2,91 % 1,34 %
Barranquilla 62,34 % 10,91 7,46 % 3,45 %
4.3 Calculo aplicado 79
2,18%1,01%
15,0%
81,81%
La gestión NO sacrifica necesidades (Flexibilidad)
La gestión SI sacrifica necesidades
Máximo potencial de gestión
Consumo no intervenido
Figura 4-13.: Proceso de flexibilidad, Bogota.
1,93%0,89%
13,28%
83,9%
La gestión NO sacrifica necesidades (Flexibilidad)
La gestión SI sacrifica necesidades
Máximo potencial de gestión
Consumo no intervenido
Figura 4-14.: Proceso de flexibilidad, Medellın.
80 4 Proceso de flexibilidad de la demanda en Colombia
2,91%1,34%
20,05%
75,7%
La gestión NO sacrifica necesidades (Flexibilidad)
La gestión SI sacrifica necesidades
Máximo potencial de gestión
Consumo no intervenido
Figura 4-15.: Proceso de flexibilidad, Cali.
7,46%
3,45%
51,43%
37,66%
La gestión NO sacrifica necesidades (Flexibilidad)
La gestión SI sacrifica necesidades
Máximo potencial de gestión
Consumo no intervenido
Figura 4-16.: Proceso de flexibilidad, Barranquilla.
4.4 Conclusiones del capıtulo 81
4.4. Conclusiones del capıtulo
El capıtulo presenta el modelo establecido para el analisis de la flexibilidad de la demanda
segun las condiciones que se utilizaron, este modelo presenta una primera parte el potencial
de gestion en este se tiene en cuanta las acciones, los objetivos de gestion y las caracterısticas
de la poblacion como los elementos que determina el grado maximo de influencia sobre la
demanda de energıa; la consideracion de consumo la cual presenta los factores que afectan el
consumo en la poblacion, como el costo de la energıa y los equipos electricos que implementan
los usuarios; la valoracion del consumo es el elemento cualitativo donde se relaciona las
necesidades basicas del servicio y el confort que este genera en los usuarios. Con lo anterior
se obtiene la forma de identificar la flexibilidad de la demanda.
La manera aplicada de este modelo lo desarrollamos de forma nacional, donde el potencial
de gestion con un 22 % y la flexibilidad con un 12 % del total de consumo que presenta
el sector residencial del paıs. El analisis de las ciudades principales indica que el potencial
de gestion es para Bogota, ciudad frıa, del 18.19 % y una flexibilidad del 2.18 %, Medellın,
cuidad templado, con un potencial de gestion 16.1 % y la flexibilidad de 1.93 %, Cali, cuidad
templada, con un potencial de gestion de 24.3 % y una flexibilidad del 2.91 % y Barranquilla,
ciudad calida, con un potencial de gestion de 62.34 % y una flexibilidad del 7.46 %, las
ciudades mas calidas presentan una flexibilidad mayor que las mas frıas.
Bibliografıa
[Barbato y Capone, 2014] Barbato, A. & Capone, A. (2014). Optimization Models and Met-
hods for Demand-Side Management of Residential Users: A Survey. (pp. 5787–5824).,
https://doi.org/10.3390/en7095787.
[Barbato et al., 2011] Barbato, A., et al. (2011). House energy demand optimization in
single and multi-user scenarios. 2011 IEEE International Conference on Smart Grid
Communications, SmartGridComm 2011, (pp. 345–350)., https://doi.org/10.1109/
SmartGridComm.2011.6102345.
[Barzin et al., 2015] Barzin, R., Chen, J. J. J., Young, B. R., & Farid, M. M. (2015).
Peak load shifting with energy storage and price-based control system. Energy, 92,
505–514, https://doi.org/10.1016/j.energy.2015.05.144 http://dx.doi.org/10.
1016/j.energy.2015.05.144.
[DANE, 2018] DANE, D. (2018). Principales resultados vivien-
das, hogares y personas (VIHOPE) version 1,2,3 https://www.dane.
gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/
censo-nacional-de-poblacion-y-vivenda-2018/informacion-tecnica.
[Gomez Marın et al., 2015] Gomez Marın, J., Carvajal, S., & Arango Manrique, A. (2015).
Programas de gestion de demanda de electricidad para el sector residencial en Colom-
bia: Enfoque Sistemico. Energetica, 0(46), 73–83 https://repositorio.unal.edu.co/
handle/unal/64269.
[Gonzalez Vivas, 2017] Gonzalez Vivas, O. A. (2017). Evaluacion del Potencial de Gestion
de Demanda para un Grupo de Usuarios a partir del Analisis de sus Perfiles de Consumo
http://www.bdigital.unal.edu.co/62080/1/TesMSc_oagonzalezv.pdf.
[Gottwalt et al., 2017] Gottwalt, S., Garttner, J., Schmeck, H., & Weinhardt, C. (2017).
Modeling and valuation of residential demand flexibility for renewable energy integration.
IEEE Transactions on Smart Grid, 8(6), 2565–2574, https://doi.org/10.1109/TSG.
2016.2529424.
[Margellos y Oren, 2016] Margellos, K. & Oren, S. (2016). Capacity controlled demand side
management: A stochastic pricing analysis. IEEE Transactions on Power Systems, 31(1),
Bibliografıa 83
706–717, https://doi.org/10.1109/TPWRS.2015.2406813 http://ieeexplore.ieee.
org/lpdocs/epic03/wrapper.htm?arnumber=7061537.
[Parag y Butbul, 2018] Parag, Y. & Butbul, G. (2018). Flexiwatts and seamless techno-
logy: Public perceptions of demand flexibility through smart home technology. Energy
Research and Social Science, 39(October 2017), 177–191, https://doi.org/10.1016/j.
erss.2017.10.012 https://doi.org/10.1016/j.erss.2017.10.012.
[Rastegar y Fotuhi-Firuzabad, 2015] Rastegar, M. & Fotuhi-Firuzabad, M. (2015). Outa-
ge Management in Residential Demand Response Programs. IEEE Transactions on
Smart Grid, 6(3), 1453–1462, https://doi.org/10.1109/TSG.2014.2338794 http:
//ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=6870452.
[Roscoe y Ault, 2010] Roscoe, A. J. & Ault, G. (2010). Published in IET Renewable Power
Generation Supporting high penetrations of renewable generation via implementation of
real-time electricity pricing and demand response. IET Renew. Power Gener, 4(4), 369–
382, https://doi.org/10.1049/iet-rpg.2009.0212.
[Tellez y Duarte, 2016] Tellez, S. & Duarte, O. (2016). Gestion de la Demanda en redes
electricas inteligentes : Revision y futuras estrategias. V CIUREE: Congreso de Eficiencia
y Gestion Energetica, (pp.7)., https://doi.org/10.13140/RG.2.2.22085.24805.
[UPME, 2015] UPME, U. (2015). CULTURA DE EFICIENCIA ENERGETI-
CA https://bdigital.upme.gov.co/bitstream/001/976/6/4.1.Resultadospre_
testhogares.pdf.
5. Conclusiones y recomendaciones
5.1. Conclusiones
El proyecto de investigacion desarrollado busca entender la flexibilidad de la demanda de
energıa electrica como parte de las caracterısticas de la gestion de la demanda de energıa y
como puede identificarse las capacidades que presentan los usuarios residenciales de modificar
sus patrones o formas de consumo sin ver afectado en las condiciones que el asume como
importantes.
El identificar la facilidad, definida como la capacidad de realizar y participar que un usuario
en acciones de gestion de la demanda, que presenta un usuario residencial para realizar ges-
tion de demanda, esta determinado por los metodos o acciones de gestion que se realicen, las
condiciones naturales como el ambiente y climatologıa, tambien sus condiciones economicas
y su valoracion sobre el uso del servicio de energıa. Las acciones de gestion deben ser di-
senadas no solo enfocandose en el objetivo que se presente, si no tambien debe tener presente
las condiciones en donde se quiere desarrollar las acciones y esquemas.
La identificacion los atributos que caracterizan la flexibilidad de un usuario residencial estan
dados por la valoracion, tanto economica y cualitativa del recurso, como potencial de gestion
y la consideracion de consumo, en funcion de lo que los usuarios consideran necesidades y
confort, identificado como la valoracion del consumo, en donde el confort involucra suplir las
necesidades y requerimientos relacionados a la calidad de vida, mientras que las acciones de
gestion impacten positivamente en esta valoracion y no afecten su calidad de vida el usuario
tendra mas disposicion de aceptarlos.
Ejemplo de esto es el cambio tecnologico de iluminacion iniciado en la decada pasada en el
paıs, el cual fue posible y ampliamente aceptado ya que no cambia las condiciones de uso
generales para iluminar el espacio, al no impactar el confort del usuario. Caso contrario fue
el programa ahorrar paga, que pese a cumplir su objetivo de ahorro de energıa en el paıs, en
el cual el sector de consumo de menos aporte fue el residencial, ya que obligaba a cambiar
el patron de uso de energıa restringiendolo.
La flexibilidad tiene dos caracterısticas bases el valor de la energıa que se paga, como un
costo monetario, y la valoracion del recurso, que tan importante es para un usuario el uso del
recurso energetico, estos entran a evaluar la ejecucion de las acciones de gestion y el efecto
sobre la demanda de energıa. En el capıtulo 3 donde se analiza la percepcion de la eficiencia
en el uso del recurso se presento como la aceptacion o conocimiento de las acciones de gestion
y consideraciones sobre la valoracion que tiene el usuario sobre como percibe su relacion con
5.2 Recomendaciones 85
la energıa al considerar su consumo alto y si el ahorro de energıa afecta sus necesidades.
Para el desarrollo de un modelo que permita valorar la flexibilidad de la demanda, los
conceptos analizados en el capıtulo 2, donde se indica que existen factores cuantitativos
y cualitativos que impactan en la gestion y acciones de la demanda; en conjunto con el
capıtulo 3 donde se presentan las condiciones de la poblacion y el comportamiento ante el
uso de la energıa; se generan un modelo que se presenta en el capıtulo 4 el cual tiene las tres
caracterısticas de la flexibilidad de la demanda, el potencial de gestion, la consideracion de
consumo y la valoracion del consumo, cada uno de estos componentes tiene elementos que
segun el grado de desarrollo mejoran la caracterizacion que identifica la flexibilidad de la
demanda en los usuarios residenciales.
La implementacion del modelo de valoracion de la flexibilidad de la demanda, usamos el
contexto colombiano donde se enfoco en el objetivo de gestion para determinar la capacidad
de realizar acciones de gestion y modificacion del consumo, evidenciando que es muy bajo el
grado de flexibilidad de este esquema respecto al potencial maximo de gestion encontrado.
Donde se presentaron los siguientes resultados de forma nacional, el potencial de gestion con
un 22 % y la flexibilidad con un 12 % del total de consumo que presenta el sector residencial
del paıs. El analisis de las ciudades principales indica que el potencial de gestion es para
Bogota, ciudad frıa, del 18.19 % y una flexibilidad del 2.18 %, Medellın, cuidad templado,
con un potencial de gestion 16.1 % y la flexibilidad de 1.93 %, Cali, cuidad templada, con un
potencial de gestion de 24.3 % y una flexibilidad del 2.91 % y Barranquilla, ciudad calida,
con un potencial de gestion de 62.34 % y una flexibilidad del 7.46 %. En el analisis de las
ciudades se consideraron las de mayor poblacion centralizada, mas de un millon de habitan-
tes, que son ciudades capitales, con el objetivo de reducir al potencial de consumo basico
determinado para el paıs, se obtuvo del analisis que las ciudades presentan baja flexibilidad
en los usuarios del servicio, esto es debido a, (1) los esquemas de tarifas de servicios, subsidios
y contribuciones, (2) el consumo promedio mensual de los estratos mas bajos se acercan al
valor basico del paıs, (3) las acciones de gestion que se usaron son de baja penetracion en
los usuarios en varios casos.
Las poblaciones de climas calidos, como Barranquilla en este analisis, presenta un mayor
potencial, esto se debe a la conformacion del grupo de electrodomesticos entre los cuales hay
elementos de confort termico, aires acondicionados o ventiladores, que generalmente en los
estudios que han realizado sobre estos temas de gestion de la demanda, son los primeros a
los que se les deben realizar acciones de gestion.
5.2. Recomendaciones
Para el desarrollo de esta investigacion, se uso la informacion disponible en los sistemas
nacionales de acceso al publico habilitadas, no obstante para una mejora en el modelo,
el obtener informacion mas detallada en especial por las entidades encargadas de prestar el
servicio, los operadores de red, mejora el poder identificar las acciones de gestion mas eficaces
86 5 Conclusiones y recomendaciones
que aumenten el potencial de gestion. Los estudios de caracterizacion de consumo que se han
desarrollado actualmente por varias entidades se deben seguir realizando y mejorando, en
especial el expandirlo por todo el territorio nacional.
Se debe continuar las investigaciones y estudios en lo que esta investigacion denomino como
valoracion del consumo de energıa por parte de los usuarios residenciales y que elementos
determinan esta valoracion la cual llega a detallar las condiciones para mejorar la flexibilidad
de la demanda.
A. Anexo: Documentos de investigacion
desarrollados
Demand Flexibility Assessment for Residential Customers
Elkin MorenoUniversidad Nacional de Colombia
Research [email protected]
Orlando A. GonzalezUniversidad Nacional de Colombia
Research [email protected]
Andres PavasUniversidad Nacional de Colombia
Assistant [email protected]
Abstract—This paper proposes the concept of Demand Flex-ibility for the assessment of customer demand profiles. Firsta demand profile is modeled resorting to stochastic simulationtechniques, including different appliances such as lighting, refrig-eration, entertainment devices, among others. Second, differentdemand management strategies are applied in order to identifythe flexibility of the modeled customer profile. This concept allowsto analyze of Demand Response Models (DRM) applicable toMicro-grid with diversity of features and simulation tools.
Index Terms—Demand Flexibility, Demand Management,Load Profile, Monte Carlo Simulation, Micro-grids
I. INTRODUCTION
This document presents an analysis of the demand flexi-bility to residential customers in Bogota D.C., resorting to asimulated demand profile coming from a stochastic modelingprocess, which uses information from customer aspects (so-cial stratum, family members, etc) and appliances technicalfeatures (Power, Energy consumption).
First, in Section II, a demand profile model was built forresidential household appliances and Bogota were chosen asstudy case due to temperate climate conditions and diversitypopulation [2]. The simulated demand profile was based onaggregate demand model of electrical appliances and useconfigurations. One reference case is simulated in standardconditions, without any improve action.
Second step,in Section III, simple set of strategies based onenergy consumption and one rank with the most representa-tive appliances, allowed choosing three groups of strategies:refrigeration, lighting and Stand-by, which could be appliedeach alone or mixed.
Third step included flexibility concept applied as assess-ment index over demand profiles, when demand strategies areapplied over it, Section IV. A demand profile with a lot ofpossibilities to improve or become even is highly flexible,meanwhile little possibilities, make this profile into low flexi-ble. The mixed or alone strategies applied over demand profileinduce to evaluate the flexibility quality for demand profilesand reference case gives a firsts details in this research [15].
Finally research results are given in Section V and conclu-sions in Section VI.
In the next figure 1 show a diagram for the analysis processof this paper.
E.Moreno (corrresponding author: [email protected]) and O.Gonzalez are Research Assitants with Universidad Nacional de Colombia andPAAS-UN Research Group. A.Pavas is Assistant Professor with UniversidadNacional de Colombia and Researcher PAAS-UN Group.
Begin process
User characteirstics -Social strata clasification -Load profile rank-Distribution energy consumption
Appliance models
Appliance simulation
-Refrigerator-Lighting-Entertainment-Services
Demand profile aggregation
Process flexibility assessment
strategies Is it flexible ?yes
End process
Not
Monte Carlo Method
Fig. 1: Methodology
II. APPLIANCES MODELS
Due to absence of smart meters and detailed consumptiondata in residential sector in Colombia, aggregation methodwas used to get a demand model with constrictions and cuesconditions specifically to a little customer group in Bogota.
A. Social conditions for type users
Residential customers in Colombian have been classifiedinto social strata between 1 and 6, according to income leveland social conditions. Social strata 1 to 3 are the lowest, andreceive government subsidy, meanwhile social strata 5 and 6give some contribution with energy service bill [2], [5]. Socialstratum 4 (Bogota DC), is chosen, due to, in financial terms,this group pays only its own consumption and is not subjectedto pay contributions or receive any subsidy.
B. Technical information resources
The demand profile model was programed given next infor-mation from customers patterns consumption.
978-1-5090-6678-0/17/$31.00 ©2017 IEEE
1) Load profile rank: The consumption rank appliances fora residential customer in Bogota were determined based onsome load composition studies [12]. The principal appliancesare explained in Fig. 2. This figure guided to group applianceswith same strategies actions to obtain higher energy savings.
Fig. 2: Aggregate of demand consumption for customer inBogota [4]
2) Distribution function Energy Consumption: An projectlast developed by the Research Group PAAS-UN, developeda characterization of consumption of residential users forall strata in Bogota in year 2013, how result the strata 4,configured in deciles the average consumption, see Fig. 3
Fig. 3: Distribution function for residential customers of socialstratum 4 in Bogota (2013)
C. Appliances simulation
Based on distribution function for residential customers andthe appliances ranking, demand profiles were simulated, insome cases, with technical guideline and common behavioralpatterns.
The Fig. 4 shows the consumption shape for some appli-ances, in a random scenario. Each shape needs improvingin details, however they have a good performance emulatingappliances in a general way avoiding detailed factory models.
All appliances were classified in groups in Table Idepending on conditions for use, appliances number and
Fig. 4: Individual Demand Profile Simulation for main Appli-ances
power.
1) Refrigerator: The biggest appliance in consumptionwas modeled in according to NTC 5020 [1]. Three kinds ofrefrigerators can be chosen into model code: Conventionalfridge, Domestic freezer and Refrigerator No frost. Thepower in Watts and cycles behavior in minutes depends onAdjusted Volume (VA) appliance in liters and ReferenceEnergy Consumption factor (CER) in efficiency (A-G). Allstrategies used for this research results are found in Table II
2) Lighting: Two technologies are used in lighting model:compact fluorescent lamp (CFL Average Power 25W) andLED (Average 10W). This appliance is simulated with twokind of uses, bath area (modeled with Poisson and exponentialrandom variables due to short time of use) or big commonarea (modeled with Markov Chains due to large time of use).
3) Entertainment: This item includes Tv, Tv encoder,Desktop PC, Laptop and Stereo. Tv and Desktop monitor hasonly one kind of technology (LCD). Those appliances weremodeled with Poisson and exponential random variables, for1-6 hours/day time use average (Table II).
4) Services: This item includes Phone or tablet chargers,microwave, blender, electric shower, router, iron and washingmachine. Those appliances were modeled with Poisson andexponential random variables, for 1-10 hours/day time useaverage (Table II).
III. DEMAND PROFILE AGGREGATION
The aggregate demand profile in Fig. 5 allows to visualizedemand profile behavior with all appliances in group, knowingposition and energy quantity consumption for each appliances.
General demand profile simulate the consumption of onecustomer in one week, using or not all appliances accordingto random variables in simulation models. Fig. 5 shows
978-1-5090-6678-0/17/$31.00 ©2017 IEEE
TABLE I: Summary appliances simulation
Group Appliance Technology Power (kW) Appliances/customer
Lighting Big Common Area Bath Area LED 0.1 7CLF 0.25
Services
Electric shower Tankless 3.5 1Iron —- 1.1 1
Washing machine —- 0.4 1Adapters —- 0.07 6
EntertainmentTV LCD 0.7 2
Encoder —- 0.08 2Stereo —- 0.2 1
Job
PC desktop —- 0.1 1PC display LCD 0.7 1
Laptop —- 0.09 1Router WiFi —- 0.02 1
KitchenRefrigerator Lt 250 - CER (D) 0.12 1
Microwave oven —- 1.25 1Blender —- 0.4 1
Fig. 5: Demand Profile Aggregation for Appliance models
demand profile for one random day between 8 am and 10 pmtime segment. There appears some appliances consumption,max power peaks and length. All appliances with Stand-byconsumption resolve low power, meanwhile the sum of powerdevices synchronized is max power peak.
IV. FLEXIBILITY CONCEPT
Flexibility indicates the possibility of molding a demandcurve through different actions, resulting from managementstrategies applied over customers decisions [6]. Actions ex-amples are desynchronizing loads to eliminate peaks throwpattern changes strategies, or decrease unused energy con-sumption to decrease the minimum load throw remove stand-by consumption strategy.Different management actions provide a range of possibilitiesfrom a maximum of flexibility with the application of allmanagement action, to a minimum of flexibility with fewactions on the demand curve [13].
A. Demand flexibility
Knowing the concepts of flexibility, demand flexibility is thepotential [15] consumer have to be able to directly or indirectlyinfluence the behavior of their consumption of power and / orenergy without losing the preferences of use of appliances,
as described in previous sections, we have a representativegroup of appliances that through methodologies of demandmanagement, example: technological change, behavior or use,we can determine the patterns of flexibility and which wouldbe more representative to apply, an example of this can beseen in figure 6.
B. Strategies for Flexibility Opportunities
The strategies used in this research are detailed in columns2 and 3 of Table II. All changes are classified in technology orpattern changes. First changes class need improving appliancetechnology, to obtain better energy efficiency in each use.Second changes class only need driving behavior patterns ofcustomer, a hard task of tenacity, in order to obtain energysavings with awareness of rational energy use. The actionsare applied in three large strategic configurations to simplifydemand response opportunities: refrigeration, lighting andequipment with Stand-by. The results are suitable individuallywith each large strategic or combination of them (Fig. 6)
V. RESULTS
The behavior of strategies combinations results in Table III.Next, all cases are developed.
• Reference Case: Demand profile was generated with thefeatures detailed in column 2 of Table II.First curve shape in Fig. 6 is the probability function forthe demand profile. Around 1000 one-week simulationshave been performed for the same demand profile cus-tomer. Then the demand profiles were ordered accordingto the energy consumed. The curve shows customerconsumes on average monthly 215 kWh / month althoughit can be higher or lower according to the probabilityfunction of the figure.
• Strategy 1 Refrigeration:The technology changes ap-plied over reference case are in row 1 - column 2 and 4for Table II, every else devices have the same behaviorthat reference case. The last item refers to a temperaturechange (2 - 4 C) in refrigerator control; 4 C is atemperature that still keeps food in good condition in acity such as Bogota (2640 meters above sea level). Fig.6
978-1-5090-6678-0/17/$31.00 ©2017 IEEE
TABLE II: Strategies application over Demand Profile
Appliance ReferenceCase
Kind ofStrategy
StrategyChange
1. Refrigeration
Type: Conventional FridgeVA: 250 lts
CER: D (Ref Colombia)T= 2C
Technologychange
Type: No frostVA: 250 lts
CER: A (the most Efficient)T= 4C
2. LightingType:
70% CFL30% LED
Technologychange
Type:0% CFL
100% LED3. Stand-by
Tv - Cod Tv 1Tv - Cod Tv 2
All day connectedUse = Average 6 hours/day
Stand-by (7 & 15 W) = Rest of day
Patternschange
Part of the day connectedUse = Average 6 hours/day
Off = Rest of day
DesktopMonitor PC
All use time turn onUse = Average 4 hours/day
Stand-by (7 W)= Between uses
Patternschange
Part of use time turn onUse = Average 4 hours/day
Off = Between uses
6 Phone - Tabletchargers
All day connectedUse = Average 1.5 hours/day
Stand-by (0.2 W) = Rest of day
Patternschange
Part of the day connectedUse = Average 1.5 hours/day
Off = Rest of day
Microwaveoven
All day connectedUse = Average 0.2 hours/day
Stand-by (10 W) = Rest of day
Patternschange
Part of the day connectedUse = Average 0.2 hours/day
Off = Rest of day
RouterAll day connected
Use = Average 16 hours/dayOn = Rest of day
Patternschange
All day connectedUse = Average 16 hours/day
Off = Rest of day
gives probability function for this strategy in its secondcurve, it has an average of 180 kWh/month at 50%.
• Strategy 2 Lighting: Only technological change wasmade to leave 100% LED lighting (with the same lu-men/Watt ratio), else appliances features are the sameas reference case. Fig.6 gives probability function forthis strategy in its third curve, it has an average of 180kWh/month at 50%, the same as strategy 1.
• Strategy 3 Stand-by: Multiple actions over different de-vices make up Stand-by strategy. All actions are detailedin row 5-9 from Table II; the reference case simulated anon-existent customer control over this energy consump-tion, and this strategy proposes remove it. Fig.6 givesprobability function for this strategy in its fourth curve,it has an average of 163 kWh/month at 50%.
• Strategy 4 Refrigeration & Lighting: This mixed strat-egy is showed in fifth curve of Fig. 6, and gives the sameaverage of 163 kWh/month at 50% as strategy 3 Stand-by.
• Strategy 5 Refrigeration & Stand-by: This secondmixed strategy is showed in sixth curve of Fig. 6, andgives an average of 150 kWh/month at 50%.
• Strategy 6 Lighting & Stand-by: This third mixedstrategy is showed in seventh curve of Fig. 6, and givesthe same average of 150 kWh/month at 50% as strategy5 Refrigeration & Stand-by.
• Strategy 7 All actions applied: This mixed strategy isshowed in eight curve of Fig. 6, and gives the max flexi-bility average of 135 kWh/month at 50%. That reductionis equal to 30% of reference case.
A. Mixed strategies
Flexibility can be appreciated over average of 1000 one-week simulations, over each simulation individually is not
Fig. 6: Probability Function for Flexibility strategies
clear . Fig. 7 signs all flexibility range where customer canmove his demand profile employing strategies explained previ-ously. Continuous shape represents reference case, 0% flexiblecurve, while dashed shape represents a 100% flexible curve,meaning the area between them the area of possible curveswhen some strategies are applied. Peaks removing and basicload reducing can be observed into flexibility opportunities,that is flexibility concept depends on Demand Managementactions.
VI. CONCLUSIONSThis research shows the importance of controlling the mini-
mum consumption of appliances, the Standby. If this applianceconsumption is not controlled, can reach 15% of monthly bill,depending on number of devices and technology. However ina future Micro-Grid scenario when all devices have a Stand-byconsumption for data framework system, implies an increase
978-1-5090-6678-0/17/$31.00 ©2017 IEEE
TABLE III: Statistical index for Strategies Results (kWh/month)
Ref case Strategy 1 Strategy 2 Strategy 3 Strategy 1-2 Strategy 1-3 Strategy 2-3 AllQ90% 220 205 202 175 188 175 175 159Q50% 195 170 169 163 165 150 150 133Q10% 180 165 163 147 148 132 132 118Emax 250 225 220 200 200 190 190 185Emin 160 150 150 135 135 115 115 105
Fig. 7: Assessment of Flexibility between reference case andall strategies combined during a week
of the reliability in the electrical systems when minimumcontinuous energy consumption increases too.
The flexibility level of simulated demand profile is propor-tional to possible energy savings, and this research found themaximum energy savings can reach close to 30% of monthlyenergy consumption throw rated actions for demand responsestrategies. Different combinations must be analyzed accordingto customer behavior facing lack resources, rated prices onpeak hours or technological changes scenarios.
As the number of appliances increases within a demandprofile, the flexibility of that profile also increases, that is, thepossibilities of getting significant benefits are better, accordingto demand management strategies used for simulated demandprofile in this research.
Micro-grids, especially allocated generation, must use de-mand management to develop, measure and characterize thesystem through behavior of flexibility; in long term flexibilityhelps to identify which pattern changes can be applied to getbetter benefits.
The research depends on residential device features andcustomer behavior, thus demand profile needs being detailedin this aspects (include more devices types, customer features),especially how validate the results in reasonable way.
ACKNOWLEDGEMENT
The authors would like to acknowledge the support prividedby Universidad Nacional de Colombia and the Research GroupPAAS-UN in the development of this work.
REFERENCES
[1] Instituto Colombiano de Normas Tecnicas y Certificaciones ICON-TEC, Norma Tecnica: NTC 5020 EFICIENCIA ENERGET-ICA EN ARTEFACTOS REFRIGERADORES, REFRIGERADORES-CONGELADORES Y CONGELADORES PARA USO DOMESTICO.Bogota Colombia, Third update, 2014-09-24.
[2] Ministerio de Minas y Energıa, Energıa Electrica. Memorias al Congresode la Republica de Colombia 2012-2013., Bogota, Colombia, 2013.
[3] Congreso de Colombia, LEY 1715 DE 2014. Colombia: Ministerio deMinas y Energıa, 2014, pp. 136.
[4] O. A. Gonzalez and A. Pavas, Evaluacion del Potencial de Respuestade la Demanda a partir de informacion de Perfiles de Consumo, in VCIUREE, Congreso Internacional de Uso Racional de la Energıa, 2016.DOI: 10.13140/RG.2.2.35198.59204
[5] Departamento de Fısica - Universidad Nacional de Colombia - SedeBogota, Determinacion del consumo final de energıa en los sectoresresidencial urbano y comercial, Bogota, Colombia, 2006.
[6] I. A. Sajjad and G. Chicco and R. Napoli, Definitions of DemandFlexibility for Aggregate Residential Loads, IEEE Transactions on SmartGrid, vol 7, pp 2633-2643,Nov 2016.
[7] S. Acha, C. Markides, N. Shah, G. Bustos-Turu, and K. van Dam,Simulating residential electricity and heat demand in urban areas usingan agent-based modelling approach, in EnergyCon 2016 - IEEE, 2016.DOI: 10.1109/ENERGYCON.2016.7514077
[8] Ministerio de Minas y Energıa, Unidad De Planeacion Minero En-ergetica - UPME, and Subdireccion de Planeacion Energetica, Proyec-ciones Regionales de Demanda de Energıa Electrica y Potencia Maximaen Colombia, Bogota, Colombia, 2009.
[9] Grupo-PAAS-UN, Proyecto SILICE III, Bogota, Colombia, 2014.[10] H. Park, M. Ruellan, N. Martaj, R. Bennacer, and E. Monmasson,
Generic thermal model of electrical appliances in thermal building:Application to the case of a refrigerator, Energy Build., vol. 62, pp.
[11] Orlando A. Gonzalez, Andres Pavas and Samir Sanchez, Cuantificaciondel Ahorro de Energıa Electrica en Clientes Residenciales MedianteAcciones de Gestion de Demanda, Aceptado para publicacion en RevistaUIS Ingenierıas, pp. 1-8 2017
[12] Departamento de Fısica - Universidad Nacional de Colombia - SedeBogota. (2006). Determinacion del consumo final de energıa en lossectores residencial urbano y comercial. UPME. Bogota, Colombia.
[13] Pipattanasomporn, M., Kuzlu, M., Rahman, S., & Teklu, Y. (2014).Load profiles of selected major household appliances and their demandresponse opportunities. IEEE Transactions on Smart Grid, 5(2), 742750.http://doi.org/10.1109/TSG.2013.2268664
[14] J. Valbuena, M. Mancera, and A. Pavas, Reliability Improvement inan Isolated Microgrid Considering Demand Management ScenariosAccepted for Publication in PEPQA 2017, Bogota May31-June2, pp6, 2017.
[15] M. Inłs VERDELHO, Ricardo PRATA, Despina KORAKI and KaiSTRUNZ, ”Demand Flexibility Benefits from the DSO Perspective -a SuSTAINABLE Case - Study”, CIRED, 2016
978-1-5090-6678-0/17/$31.00 ©2017 IEEE
Opinion Dynamics and Social Incentives Applied toDemand Response Programs
Mateo A. Cortés∗, Orlando A. González∗, Elkin Moreno Soto∗, Carlos A. Cusgüen†, E. Mojica-Nava‡ and Andrés Pavas§
Universidad Nacional de Colombia∗ Research Assistants, MSc. in Electrical Engineering Students
Email: macortesgu,emorenoso,[email protected]† Research Assistant, MSc. in Industrial Automation Student
[email protected]‡ Associate Professor, Department of Electrical and Electronics Engineering
[email protected]§ Associate Professor, Department of Electrical and Electronics Engineering
Senior Member [email protected]
Abstract—This paper presents the formation of non-monetaryincentives for social systems, which may appropriately comple-ment the traditional use of financial incentives. Social incentivesare modeled using opinion dynamics. The proposed incentivescan be used in diverse systems, and we present an applicationto electric energy demand response programs, where consumers,represented as a stochastic bottom-up consumption model, havean initial opinion reflecting their degree of acceptance of acertain demand response program. With the application of socialincentives via opinion dynamics, consumers have a final opinionwith a potential of up to 22% in power reduction and 20% inaverage energy savings due to demand response strategies.
Index Terms—Demand Side Management, Energy Savings,Incentives, Opinion Dynamics, Preferences.
February 16, 2018
I. INTRODUCTION
DEmand Side Management (DSM) is an instrument whichadjusts the demand energy according to strategic pur-
poses of customers or utilities. Opinion dynamics aim torepresent the customers’ decision making process in differentscenarios and conditions, having into account mutual influencewhen several customers are part of an interacting group. Themain purpose of this paper is to use opinion dynamics and ademand model to determine the energy consumption behaviorof a group of customers facing social incentives within ademand response (DR) program.
The use of a social incentive by means of opinion dynamicsapplied to DSM [1], tries to find alternatives to achieve thestrategic objectives without the need of monetary incentivesand without compromising the customer’s freedom of energyusage.
This paper is structured as follows: Section II states thecontext of opinion dynamics and the population model asa social network.Section III describes the use of incentivesto change users’ natural behavior and the proposed social
1
2
3 4
5 6
7
8 9
10
11
12
13
14
15
16
17
18
19
20
2
3
4
5
6
Figure 1. 20-node Watts-Strogatz small word graph, representing a populationof consumers.
incentive. Section IV introduces demand management andother approaches found in the literature. Finally, SectionV presents the integration of the social incentive tacklingDemand Response (DR) programs, and finally the conclusionsand future work.
II. GRAPHS AND OPINION DYNAMICS
Opinion dynamics represent a process of opinion formationwhere the individuals in a population have repeated socialinteractions (each agent represents one customer) and arecharacterized by parameters of initial opinion, susceptibilityto change or adapt their preference (θ) and mutual influenceduring each interaction. Depending on the parameters of theagents and the structure of the network that defines the possibleinteractions, the society may reach a consensus of opinions.
The social network of a population can be represented asa graph, as shown in Figure 1. Each node represents one978-1-5386-5844-4/18/$31.00 c©2018 IEEE
2 4 6 8 10 12 14t
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1W
illin
gnes
s to
colla
bora
te w
ith D
R p
rogr
am
Figure 2. Possible opinion evolution for agents shown in Figure 1
customer, in this case there are 20 energy customers; also themutual influence among the customers is proportional to thelinks’ width.
The interactions between the individuals in a social networkcan be modeled through opinion dynamics, as shown in thesurvey in [2], where they review several opinion dynamics’approaches. In this paper, we adopt the model proposed byFriedkin and Johnsen (FJ) [3] which is one of the few modelsthat have had experimental validation in small and mediumgroups. FJ model express the opinion evolution as
σi(t+ 1) = (1− µi)σi(0) + µixiσi(t)
+µi(1− xi)n∑
j=1
Aijσj(t);(1)
where, for the individual i, the term σi(t) is the opinionat time t, θi is the susceptibility to change her initial opinion,xi(s) is the self-confidence of a person about a particular issue,and cij is the credibility given to neighbors’ opinion, as aninterpersonal weight matrix C, that is row stochastic with zerodiagonal [3].
A possible evolution process related to the opinion’s forma-tion for the same customers’ group shown in Figure 1, usingFJ model, is shown in Figure 2, where the final opinion inthe population is shifted toward collaboration, but no absoluteconsensus is reached. Opinions can be interpreted as the degreeof acceptance of the discussed issue, or often as probabilitiesin a decision making stochastic process, such as the presentedin this work.
III. SOCIAL INCENTIVES
Usually incentives in economy are associated to money, andthis work has extended the concept understanding incentivesas a motivation for people to do something or change theirbehavior in a desired direction. When there is no moneyinvolved in the interactions, non-monetary incentives may
prove useful [4]. In this work we extend this assumption toinclude the case where the subjective valuation of the good hasnot a clear relation with its price, thus monetary incentives maynot be enough to influence individuals, and social incentivesare used instead.
A. Background
A social incentive can be understood as any form ofinfluence or motivation to change standard behavior accordingto a global objective, and a non-monetary origin, i.e. there is nomoney offered for it, nor tariff/price changes if the behavioris associated with the consumption of a certain good. Thebasis for the consideration of this altruistic behavior, where anindividual has no direct profit for acting in such a way, wasinitially addressed in a formal way by A. Smith in his Theoryof moral sentiments, and the compilation of related studiesdiscussed in [5], where they show that altruistic behavior hasbeen observed not only in humans but in some other species.More recently, the work in [6] shows results of a study aboutthe relationship between moral behavior, his associated neuralresponse and the decision of making profit by harming othersor oneself in the process. It concludes that most people tendsto value less the profit obtained harming others, and that thereare lower neural responses to decisions qualified as immoraland thus socially prohibited.
B. Proposed model
This model considers social incentives whose penetrationis modeled with the use of opinion dynamics, assuming thatagents are exposed to an externally generated policy whichpromotes some goal of interest to a certain party. The detailsand specifics on how the initial opinion of users is formedis beyond the scope of the present work, as the formationof preferences depends on several variables that define thepersonality and character of the agents, ranging from thecultural environment they live to their education and geneticand physiological aspects.After the agents have an existing initial opinion regarding anytopic under study, we consider the opinions’ evolution in time(due to the social interactions) having into account that theagents are part of a network, and each one interact with someneighbors given some parameters of susceptibility to changethe initial opinion and mutual and self-confidence in others, asstated by the Figure 1, and the model described by (1). Agents’opinion is used to construct a stochastic decision procedure,where each agent can choose a single alternative from a setC, with K alternatives in a categorical distribution, and theprobability of choosing each alternative is proportional to thedifference between the user actual opinion and the alternative,as shown in (2) and (3).
C ∼ Categorical(K,p), (2)
p = λ|Kσ−k|
ε /K∑
k=1
λ|Kσ−k|
ε , (3)
where λ and ε define the agents’ irrationality level, byscaling the difference between the opinion and its alternativesk = 1, ...,K, and σ is the opinion vector. (3) is divided bythe sum of the probabilities to ensure that
∑k p(k) = 1.
IV. DEMAND RESPONSE
As a result of DR resources, many programs had beencreated to show energy savings potential from different actionsor strategies according to the desired effects in aggregatecustomers demand profile.
A. Demand Response Programs:
This programs are broadly categorized in two types depend-ing on the customer proactiveness level:
1) Incentive / penalty payments: (Low proactive customer)It refers to all programs that aim to achieve energysavings regardless of the time of use, where a third agentcan directly control partial or entirely the customer loadprofile [7].
2) Time varying prices: (High proactive customer) It refersto all programs with the objective of curtail load peaks,where the customer manages different unit prices atspecific times [8].
B. Demand Response Actions
These consist of every choice taken by each customer tobecome an active agent who is looking for maximum economicrewards for her load management efforts [9]. There are threedifferent types of actions with their own associated strategies,in this paper the first two of them are considered:
1) Energy savings: It is the simplest indicator of customeractions in the short term, in two ways: [10]a) Substitution: High investments must be done to
change appliances with efficient technologies. Thisoption is profitable in the long term.
b) Pattern changes: These are voluntary changes inconsumption patterns through awareness about howcustomers are wasting energy and its effect in thebills and the environment.
2) Load Shifting: In a price based scenario, the customercan allocate a flexible load into several time periods. Loadshifting aims to reschedule load usage, make consumptionmore flexible and curtail higher demand peaks. [11]a) Pattern changes: The customer decides when to use
different loads during low prices.b) Energy storage: This smart solution aims to store
energy bought in periods with low energy prices, thatwill be available whenever any appliance may requireit.
3) Onsite generation: Customers can respond by turning ona backup generator, with alternative energy sources, inorder to supply their own consumption during high priceperiods. This high investment can be recovered in thelong time. [7]
C. Demand Model
The model is developed with aggregation techniques. Allcustomers are households with different appliances. Themodeling of appliances does not consider the amount ofpeople in the household, but emulates any appliance usageby means of stochastic variables that capture the expectednumber of uses in a period (day/week) and the startingtime of use according to statistical data from Colombia andprevious works [10], [12], [13].
Figure 3. Individual Demand Profile Simulation for main household appli-ances
The customers demand profile has been built using abottom-up aggregation approach, summing each applianceprofile shape as presented in Figure 3. The aggregate demandprofile of a random customer is presented in Figure 4, whereeach appliance appears in different color inside the demandprofile.
Figure 4. Aggregate Demand Profile for Appliance models
A typical demand profile simulates the consumption of onecustomer during a week, using or not the modeled appliancesaccording to random variables and the demand response ac-tions carried out by the users. For example, Figure 4 showsthe demand profile for a random day between 8 AM and 10PM. There can be seen the appliances consumption, maximumpower peaks, and cycles width. All appliances with Stand-by
Table ICATEGORIES FOR APPLIANCE STRATEGIES
Appliance Category Strategy
Refrigerator1 Temperature adjustment4 Usage Pattern
10 Technological SubstitutionToilets
Lighting5 Technological Substitution8 Usage Times
Common ZonesLighting
3 Technological Substitution8 Usage Times
ElectricShower 6 Usage Pattern
TV andEncoder
9 Usage Pattern7 Stand by
Iron 4 Usage Times8 Usage Lenght
WashingMachine
4 Usage Times9 Usage Lenght
PC Desktopand
Monitor
10 Duration of use7 Usage Pattern3 Stand by
Laptop 10 Usage Length10 Usage Pattern
Adapter 10 Usage Length10 Usage Pattern
MicrowaveOven
10 Usage Length7 Usage Pattern
Blender 7 Usage TimesRouter WiFi 6 Stand by
Stereo 2 Stand by7 Usage Pattern
consumption resolve low power valleys, while the concurrentuse of devices can become the maximum power peak.
The initial conditions for the opinion dynamics model areselected from a random uniform distribution, and uniqueload profiles for each customer were simulated. The modelgenerates a different demand profile for each customer ac-cording to statistical data that describes usage and ownershipof appliances in Colombia [14].
D. Categories and Strategies
Into appliances models there are many programmable de-mand response strategies that aim to change demand profileshape with actions like energy savings or load shifting. Thisstrategies are ordered in 10 categories or strategies groups,shown in Table I. The categories are organized accordingto their execution difficulty, i.e., less committed people maychoose lower category strategies.
Strategy type can be as follows:• Temperature adjust: It involves raising nominal tempera-
ture from 2C to 4C.• Usage Pattern: It consists in the reduction of 1 time unit
or more in average usage of the appliance.• Technological Substitution: It refers to the change of the
appliance for one more efficient.• Usage Times: It consists in reducing at least in 1 unit the
average number of uses for certain appliances.• Usage Length: It refers to reduce consumption time
during each use.• Stand by: This strategy aims to remove all stand by
consumption.Table I shows the strategies for appliances used in this work.
The strategies are ranked from 1 to 10 categories where 1 isthe easier to apply and 10 is the most difficult. Categories arecumulative, meaning that the choice of one category impliesthe simultaneous application of lower rank categories, unlessotherwise is specified.
V. APPLICATION TO DR PROGRAMS
This section presents a study case for a group of 50customers. These customers form a population whose socialinteractions regarding the DR strategies choice were modeledusing opinion dynamics, and the final energy consumptionwas estimated using the proposed demand profile model. Theprocess has 3 states:
1) Demand Model: Demand profile is generated by aggre-gation of each household appliances. The model savesdemand profile shape and the initial values used togenerate it.
2) Opinion Dynamics Model: All customers are modeled asa graph with random initial parameters (opinion, suscep-tibility), and the opinion in regard to the DR categorychoice evolves as described in (1). The final choice isstochastic with probability proportional to the opinion.
3) New Demand Profile: Aggregate demand consumption iscalculated with the new demand profile. This new profilehas into account the DR strategies comprised by thecategory chosen by each user.
Figure 5 shows the consumption change in a random dailydemand profile when DR strategies are applied. In this case,Category 2 to 8 are selected. The customer can achieve about20% in energy savings and reduce profile peaks about 80 W,for this day.
Figure 5. Daily Aggregate Demand Profile for a customer with category 8chosen.
If the customer keeps applying the chosen strategies shecan reach meaningful energy savings in a month as Figure6 presents. The 60% of customers (with 150 kWh monthlyconsumption average or less) can reach up to 20% in energysavings.
The aggregate consumption is showed in Figure 7, wheredemand profile has a great flexibility when the most ofstrategies are applied. Simulation results found a power peakpotential reduction of 6 kW, or 26%. Average power reductionis about 22% in the tested weekly demand profile simulation.The minimum (stand-by) power is reduced but not removed.
The percentage in energy savings for all customers isshowed in Figure 8, and can reach 26.14% in average for thepopulation. The negative savings belong to customers withincreases in their average consumption, even if the powerpeaks are reduced.
Table II shows the number of households that applied eachDR strategies category.
Figure 6. Probability Function with monthly Energy Savings for one customerwith Category 8.
Figure 7. Weekly Aggregate Demand Profile for 50 customer
Figure 8. Percentage of Energy Savings for all 50 customers.
Table IITOTAL STRATEGIES DISTRIBUTION
Strategy 1 2 3 4 5 6 7 8 9 10Total 1 1 2 3 1 2 5 3 2 7
VI. CONCLUSIONS
This document presents a DR approach with several energysaving strategies grouped in 10 categories. Users select a spe-cific category in a stochastic decision process with probabilityproportional to users opinion. This opinion evolves in repeatedsocial interactions, modeled through opinion dynamics.
Social incentives modeled through opinion dynamics cancomplement the uncertain and variable effect that needs to betaken into account when working with social systems. How-
ever, the selection of initial opinion and population parameterscan affect significantly the final choice.
Strategies should be carefully analyzed, in order to de-velop a demand response scheme that can be implementedin accordance with the specific conditions in the population,like socioeconomical context, geographic location and weatherpatterns.
This paper presents a ranked strategy set according to itsease of implementation. Opinion dynamics purpose is to findthe strategy category which gets the best demand managementresults without severely compromising user comfort (obtainedresults favour category 8).The approach of social incentivescan be more general, and could even be used to achievean increase in energy consumption. This opens the doorto an analysis seen from an energy marketer or distributorperspective.
REFERENCES
[1] Mateo Cortés Guzmán y Orlando González Vivas y Elkin Moreno Sotoy Carlos Cusgüen y Eduardo Mojica Nava y Fabio Pavas Martinez.Gestión de demanda en usuarios residenciales evaluando su impacto através de un modelo de dinámica de opinión. Revista UIS Ingenierías,16(2):281–292, 2017.
[2] Anton V. Proskurnikov and Roberto Tempo. A tutorial on modeling andanalysis of dynamic social networks. part i. Annual Reviews in Control,pages –, 2017.
[3] Noah E Friedkin and Eugene C Johnsen. Social influence networks andopinion change. Advances in Group Processes, 16:1–29, 1999.
[4] Noam Nisan, Tim Roughgarden, Éva Tardos, and Vijay V. Vazirani.Algorithmic Game Theory. Cambridge University Press, New York,2007.
[5] Herbert Gintis, Samuel Bowles, Robert Boyd, and Ernst Fehr. Moralsentiments and material interests: The foundations of cooperation ineconomic life. MIT Press, 2005.
[6] Molly J Crockett, Jenifer Z Siegel, Zeb Kurth-Nelson, Peter Dayan, andRaymond J Dolan. Moral transgressions corrupt neural representationsof value. Nature Neuroscience, 5 2017.
[7] U.S. Department of Energy. Benefits of Demand Response in ElectricityMarkets and Recommendations for Achieving Them. Technical report,U.S. Department of Energy, 2006.
[8] Niamh O’Connell. Approaches for Accommodating Demand Responsein Operational Problems and Assessing its Value. PhD thesis, Kgs.Lyngby, 2016.
[9] Cajsa Bartusch, Fredrik Wallin, Monica Odlare, Iana Vassileva, and LarsWester. Introducing a demand-based electricity distribution tariff in theresidential sector: Demand response and customer perception. EnergyPolicy, 39(9):5008–5025, sep 2011.
[10] Orlando Alexander González and Andrés Pavas. Evaluación del Poten-cial de Respuesta de la Demanda a partir de información de Perfiles deConsumo. In V CIUREE, Congreso Internacional de Uso Racional dela Energía, Cartagena, 2016.
[11] M. Parsa Moghaddam, a. Abdollahi, and M. Rashidinejad. Flexibledemand response programs modeling in competitive electricity markets.Applied Energy, 88(9):3257–3269, 2011.
[12] DANE. Boletín Censo General 2005 - Perfil Bogotá. [[DepartamentoAdministrativo Nacional de Estadística|DANE]], 2010.
[13] Orlando Alexander González, Andrés Pavas, Samir Sánchez, AndrésPavas, and Samir Sánchez. Cuantificación del Ahorro de EnergíaEléctrica en Clientes Residenciales Mediante Acciones de Gestión deDemanda. UIS Ingenierías, 10(2):1–8, 2017.
[14] Departamento Administrativo Nacional de Estadística - DANE. EN-CUESTA NACIONAL DE CALIDAD DE VIDA - ECV 2016. Technicalreport, DANE, Bogotá, 2016.
Este artículo puede compartirse bajo la licencia CC BY-ND 4.0 y se referencia usando el siguiente formato: M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas, “Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de
dinámica de opinión”, UIS Ingenierías, vol. 16, no. 2, pp. 281 - 292, Julio - Diciembre 2017. Doi: https://doi.org/10.18273/revuin.v16n2-2017025
Gestión de demanda en usuarios residenciales evaluando su impacto
a través de un modelo de dinámica de opinión
Demand management in residential customers with impact assess-
ment via opinion dynamics
Mateo Cortés-Guzmán1, Orlando González-Vivas 2, Elkin Moreno-Soto3, Carlos Cusgüen 4, Eduardo Alirio
Mojica-Nava5, Fabio Pavas-Martínez6
1 Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected] 2Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected] 3Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected] 4Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected] 5Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected] 6Grupo de investigación PAAS-UN, Departamento de Ingeniería eléctrica y electrónica, Universidad Nacional de Colombia,
Colombia. Email: [email protected]
RECIBIDO: Mayo 19, 2016. ACEPTADO: Marzo 1, 2017. VERSIÓN FINAL: Mayo 15, 2017.
RESUMEN
Se propone un mecanismo de gestión de demanda que consiste en aplicar un incentivo mixto cuya primera etapa plantea
un incentivo directo (financiero) enfocado en un pequeño grupo de usuarios que forman una semilla; y una segunda
etapa en la que se evalúa la influencia del grupo semilla (incentivo social) sobre el grupo total de usuarios teniendo en
cuenta los pesos de las opiniones atribuidas a otros agentes y la susceptibilidad al cambio de las opiniones. Se busca
establecer el rango de alternativas de inversión factibles teniendo en cuenta las restricciones económicas de los usuarios
y la propagación de influencia en la red de usuarios; obteniendo una relación entre consumo adicional, costo de la
inversión y periodo de retorno. También se plantean casos de estudio aplicados en los cuales se evalúa el potencial de
gestión sobre los usuarios, logrando un aumento cercano al 6.3% en la potencia promedio en el caso ideal y de 2.65%
cuando se asume una participación moderada de los usuarios que deciden utilizar una consola de videojuegos. De
forma similar se logra un 16% de aumento del promedio de potencia en el caso ideal y de 7% suponiendo una tasa de
aceptación moderada en la adquisición de un calentador eléctrico de paso.
PALABRAS CLAVE: Desplazamiento de carga, Dinámicas de opinión, Electricidad, Energía, Fin estratégico, Flexi-
bilidad de la demanda, Gestión de demanda, Grafos, Influencia, Multiagente, Respuesta de la demanda.
ABSTRACT
A mechanism for demand management is proposed which consists of a combined incentive with first stage direct
(monetary) incentive applied to a small group of users forming a seed; and a second stage where the seed’s influence
on the total group is evaluated given the opinions’ weights attributed to other agents and the susceptibility to change
of self-opinions. The main goal is to establish the range of feasible investment alternatives using the combined incen-
tive, having into account the user’s budget constraints and the influence propagation through the user’s network, thus
obtaining the relationship between consumption’ s increase, investment cost and payback period. We also propose
practical study cases, with assessment of user’s flexibility potential in their aggregated load curves, achieving an 6.8%
282
M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas
average power increase in the ideal case, and 2.65% when moderate participation is assumed with a videogames con-
sole as the new appliance. In a similar way, when the new appliance is an electric tankless water heater it is found an
average power increase about 16% for the ideal case and around 7% when the model assumes moderate acceptance of
the program.
KEYWORDS: Load displacement, Opinion dynamics, Electricity, Energy, Strategic end, Demand flexibility, De-
mand management, Graphs, Influence, Multiagent, Demand response.
1. INTRODUCCIÓN
Este documento presenta un estudio realizado, para ob-
servar la influencia potencial de las opiniones en los
agentes consumidores de energía eléctrica, usuarios,
como un método para realizar programas de gestión de
demanda y los resultados obtenidos para un grupo de
usuarios escogidos.
En primer lugar, se establece la conceptualización básica
sobre teoría de grafos y modelos de dinámicas de opi-
nión, por otra parte, para establecer la ganancia de los
usuarios y la propagación de los incentivos, se presenta
el capítulo 3, en los siguientes capítulos se muestra la re-
lación entre las estrategias de gestión de demanda y la
difusión y aplicación de incentivos, por último, se pre-
sentan los resultados sobre el grupo de usuarios escogido.
2. GRAFOS, REDES Y DINÁMICAS DE OPINIÓN
El uso de grafos facilita el análisis de sistemas complejos
debido a las múltiples interacciones entre los elementos
de una red. En sistemas multiagente, (grafo – agente) los
enlaces y pesos del grafo se relacionan con las interaccio-
nes y parámetros de los agentes (red social).
La falta de información exacta sobre redes reales puede
resolverse generando redes aleatorias conocidas como re-
des de mundo pequeño1, que conservan los valores del
coeficiente de agrupamiento y distribución de grado vis-
tos en redes reales. Un algoritmo para generación de éstas
fue propuesto por Watts y Strogatz [1], y es utilizado en
el presente artículo para generar redes de prueba y pene-
tración del incentivo propuesto. Otro tipo de redes alea-
torias, llamadas libres de escala, utilizando el algoritmo
de Barabási y Albert [2], [3]. Redes como internet o la
red de colaboración en investigaciones académicas, han
sido identificadas como redes libres de escala.
Los modelos de dinámicas de opinión estudian la evolu-
ción de la influencia (opinión) entre un grupo de perso-
nas. Una revisión de los modelos más utilizados puede
verse en [4], entre los que resalta el propuesto por Frie-
dkin y Johnsen—FJ— en [5], [6] por ser uno de los pocos
que ha tenido validaciones empíricas en grupos pequeños
de individuos. El modelo FJ considera dos parámetros
1 El término original en inglés es small-world networks.
principales para los agentes: la susceptibilidad de cam-
biar la opinión propia, y la confianza en cada opinión a la
cual se está expuesto (propia o de un agente vecino) du-
rante una interacción. Otro tipo de modelos propuesto por
Hegselmann y Krause [7] incluye el concepto de inter-
valo de confianza: cada agente tiene en cuenta las opinio-
nes de los otros cuando son similares a la propia, pero
ignora posturas radicalmente distintas. La tolerancia a
opiniones dispares depende de la amplitud del intervalo
de confianza.
En el presente artículo se adopta el modelo FJ, debido a
que la inclusión de los parámetros de susceptibilidad y
confianza y las interacciones limitadas con vecinos im-
primen un realismo y complejidad mayor a la evolución
de la opinión que el cómputo de un promedio restringido
a los agentes dentro de un intervalo. Por otro lado, el mo-
delo FJ también permite la inclusión en el análisis de
agentes persistentes, que forman una semilla para la pro-
pagación de la influencia en el resto de la red. Se imple-
menta la versión mostrada por Mirtabatabaei et. al. en
[8], y la actualización de las opiniones se muestra en la
ecuación (1):
σi(t + 1) = (1 − 𝜇𝑖)𝜎𝑖(0) + 𝜇𝑖𝑥𝑖𝜎𝑖(𝑡)
+ 𝜇𝑖(1 − 𝑥𝑖) ∑ 𝑊𝑖𝑗𝜎𝑗(𝑡)𝑛
𝑗=1
(1)
Donde, para el individuo 𝑖, el término 𝜎𝑖(𝑡) representa la
opinión en el tiempo 𝑡, 𝜇𝑖 la susceptibilidad a cambiar su
opinión inicial, 𝑥𝑖 la confianza en las propias opiniones y
𝑊𝑖𝑗 la credibilidad dada por el agente 𝑖 al vecino 𝑗 du-
rante una interacción.
3. INCENTIVOS SOCIALES Y PROPAGACIÓN
DE LA INFLUENCIA
En un sentido amplio, un incentivo puede ser cualquier
medio de modificar el comportamiento de un individuo
al cambiar los costos o beneficios que percibe [9]. Los
incentivos de uso más extendido suelen ser del tipo finan-
ciero [10], como premios o penalidades. No obstante, de-
pendiendo de la función de utilidad de los agentes, es po-
sible que su flexibilidad a cambiar sea baja, i.e., el incen-
tivo requerido para el cambio deseado en los agentes es
más alto que el máximo disponible del organizador [11],
283
Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de dinámica
de opinión
[12]. Esto puede ser crítico cuando un castigo o penaliza-
ción no es posible (si no se habla de una regulación obli-
gatoria) o no es conveniente (por el malestar social ante
la imposición). Como alternativa, puede pensarse en un
incentivo mixto de origen social [13], [14], que motive el
cambio mientras los agentes reciben una remuneración
indirecta que sea de su interés subjetivo. Por ejemplo, si
se piensa en un incentivo ambiental, los agentes podrían
reaccionar con una reducción de consumo en horarios es-
pecíficos si se plantea una siembra de árboles proporcio-
nal al ahorro total.
Otra alternativa es la que se desarrolla en el presente ar-
tículo, con la introducción de un incentivo mixto para au-
mentar el consumo de electricidad mediante la adición de
un dispositivo nuevo en el hogar. La primera etapa plan-
tea una inversión por parte del planeador que subsidia el
valor del equipo a un pequeño grupo de la población, for-
mando una semilla que propaga su influencia en el resto
de la red social de consumidores. Dependiendo de la sus-
ceptibilidad de los agentes a cambiar su opinión y adqui-
rir el dispositivo, y sujeto a que su capacidad financiera
lo permita, el planeador puede recuperar su inversión y
obtener beneficios con el consumo adicional. Los agentes
semilla se caracterizan por una opinión inicial alta y una
baja susceptibilidad a cambiar debido al subsidio, reco-
mendando su uso durante las interacciones.
La decisión 𝐶 de adquirir el nuevo dispositivo que cada
agente toma — y evoluciona según la dinámica de la opi-
nión—, se modela como una variable aleatoria binaria, y
su capacidad financiera 𝐼, modelada utilizando una dis-
tribución lognormal con parámetros (𝜇𝑙𝑔𝑛,𝜎𝑙𝑔𝑛) que re-
presenta la distribución de ingresos [15] de la población
que participa en la dinámica. Esta curva puede estimarse
utilizando el índice de GINI y los ingresos promedio [16],
[17], con las relaciones mostradas en la Ec. (2). Con un
índice de GINI igual a 0.498, calculado para Bogotá en
2015 [18] e ingresos promedio estimados en 1.37
SMMLV con base en [19], [20] se obtiene la curva de
ejemplo mostrada en la Fig. 1.
𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = e 𝜇𝑙𝑔𝑛+12
𝜎𝑙𝑔𝑛2
𝐺𝐼𝑁𝐼𝑙𝑔𝑛 = erf (𝜎𝑙𝑔𝑛
2)
(2)
Cada agente solo se incorpora al programa si ha tomado
la decisión de adquirir el dispositivo y tiene la capacidad
financiera 𝑃𝑐 para asumir el gasto 𝐺, de acuerdo con las
ecuaciones (3) y (4).
𝐶~𝐵𝑒(𝜎𝑖)
𝐷 = 𝐶 ∧ 𝑃𝑐 (3)
𝑃𝑐 = 1 𝑠𝑖 𝐹𝐼𝐼 − 𝐺 > 00 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
(4)
Donde 𝐷 es la decisión final, 𝐹𝐼 el factor de inversión
(proporción de los ingresos mensuales que un usuario
está dispuesto a gastar) e 𝐼 son los ingresos mensuales de
acuerdo con la curva de la Fig. 1. ~𝐵𝑒( ) es la distribu-
ción de Bernoulli.
Un mecanismo se compone de un conjunto 𝐴 de estrate-
gias disponibles para los agentes, un conjunto de prefe-
rencias 𝜃, según las cuales cada usuario selecciona una
estrategia, y una regla de decisión. Para el presente caso,
el mecanismo 𝑀 que se obtiene se muestra en la ecuación
(5):
𝑀 =
𝐴 = 0,1
𝜃 = 𝜎(𝜇, 𝑊)𝐷 = 𝐶 ∧ 𝑃𝑐
(5)
Donde 𝜎 es la opinión de acuerdo con la ecuación (1). 𝑀
se diferencia de un mecanismo económico tradicional en
que la regla de decisión 𝐷 no requiere que todos los agen-
tes lleguen a una sola decisión común, y la decisión final
no requiere que algunos agentes sacrifiquen sus preferen-
cias en pro de lograr un beneficio óptimo para la sociedad
en conjunto, sino que es un agregado de las decisiones
individuales.
4. APLICACIÓN DE LA GESTIÓN DE DEMANDA
El comportamiento de la demanda de energía y potencia
eléctrica está iniciando un proceso de activación, debido
a la concienciación de su propio consumo y por ende con-
virtiéndose en un agente dinámico de la energía. Así se
genera la necesidad de revisar cómo se ve afectado el
comportamiento de la demanda una vez son incluidas
programas de respuesta de la demanda.
4.1. Programas de respuesta de la demanda
Las estrategias de respuesta de la demanda son diferentes
alternativas que se adoptan en función de moldear el per-
fil de demanda de los usuarios. Actualmente se destacan
varios programas de RD que buscan que las estrategias
sean aplicadas con el fin de lograr diferentes acciones so-
bre el perfil agregado de los usuarios:
Programas RD Basados en Incentivos: Del tipo volunta-
rio, donde los esfuerzos de los usuarios por reducir el
consumo se ven recompensados a través de incentivos so-
bre sus facturas [12], [13].
Programas RD Basados en precios: Del tipo regulatorio
donde se aplica una tarifa diferenciada para horas pico y
valle a todos los usuarios quienes en la medida de sus in-
tereses deciden reaccionar o no ante la medida. [11].
284
M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas
4.2. Acciones
Son los objetivos o fines estratégicos a alcanzar en la
curva de demanda agregada de los usuarios, estas pueden
ser individuales o combinadas y para este documento se
tienen en cuenta las enfocadas a RD.
Ahorro de energía: Busca que el agente consu-
midor de un sistema disminuya el consumo pro-
medio mensual sin importar horarios. Se rela-
ciona con el concepto de sostenibilidad, también
de interés creciente [21].
Disminución de picos: Busca reducir única-
mente los picos de potencia mediante ahorro de
energía, cambio tecnológico, eficiencia energé-
tica.
Desplazamiento de carga: Este fin trasladar el
consumo de potencia entre las diferentes horas
del día, buscando que la curva de demanda sea
uniforme en el tiempo.
Llenado de valles: Este fin busca aumentar el
uso de la energía en las horas valle aprove-
chando tarifas más baratas.
Aumento de consumo: Es una acción que busca
el aumento del consumo por parte de los usua-
rios. Su eficacia es evaluada en el presente do-
cumento ya que se considera desde la perspec-
tiva económico de un Operador de Red.
5. MODELAMIENTO DE MECANISMO DE RD
Se ha propuesto un programa de respuesta de la demanda
de carácter voluntario a través de incentivos. Existe una
población general objetivo de N=200 usuarios residen-
ciales con diferentes electrodomésticos dentro de su
curva de demanda, que representan posibles consumos de
usuarios residenciales de la ciudad de Bogotá. Del grupo
total, se seleccionó una semilla de 20 usuarios, y paráme-
tros de la población de acuerdo con la ecuación (6).
𝜇 ~ 𝑈(0.3,0.9)
𝜇𝑠𝑒𝑚𝑖𝑙𝑙𝑎 ~ 𝑈(0,0.3) 𝑊𝑖𝑗~𝑈(0,1)
𝜎𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ~𝑈(0,0.8) 𝜎𝑖𝑛𝑖𝑐𝑖𝑎𝑙−𝑠𝑒𝑚𝑖𝑙𝑙𝑎 = 0.9
(6)
El programa es propuesto desde el punto de vista del
Operador de Red, sobre la población objetivo cuyas de-
cisiones son desarrolladas con la ayuda de dinámicas de
opinión. Una vez tomadas las decisiones del grupo en ge-
neral, los cambios resultantes en la curva de demanda
agregada son analizados. Los incentivos propuestos se re-
sumen en seguida[22].
2 La selección de este porcentaje es arbitraria, teniendo en
cuenta un nivel de gasto moderado de los usuarios, en el que no
5.1. Programa de incentivos de consumo mediante au-
mento de carga
El objetivo del programa de respuesta de la demanda es
el de aumentar el consumo de energía, a través de ciertos
incentivos, como es la facilidad de adquirir ciertos elec-
trodomésticos con el compromiso del usuario a integrar-
los en su hogar y aumentar su nivel de confort[22], [23]:
Consola de videojuegos (CV): Presenta una
potencia 170W con un promedio uso de 2 ho-
ras diarias todos los días.
Calentador de paso eléctrico (CP): Con poten-
cia de 12 kW el cual reemplaza la ducha eléc-
trica en caso de ya estar presente en el hogar
del usuario con promedio de uso de 30 minutos
diarios.
5.2. Aplicación de dinámicas de opinión
El modelo de dinámicas de opinión propuesto revisa el
proceso de propagación de la información, la influencia
y situación socioeconómica de los usuarios para el pro-
ceso de toma de decisiones [14], [15], [16].
Figura 1. Distribución lognormal de los ingresos en Colombia,
con 𝜇𝑙𝑔𝑛 = 0.5 y 𝜎𝑙𝑔𝑛 = 0.9494. Fuente. Elaboración propia.
Se modela un grupo de usuarios conservadores, que solo
realizan la inversión si esta no afecta de manera signifi-
cativa sus ingresos por tanto el factor de inversión se mo-
deló como un 33%2. Inicialmente se desea conocer la de-
cisión de la población y la proporción que se acoge al
plan de incentivos iniciado con el subsidio a la semilla.
Para esto, se realizó un barrido Monte Carlo con T = 500
incurrirían en deudas ni verían un impacto prolongado (de va-
rios meses) en sus ingresos.
285
Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de dinámica
de opinión
iteraciones para varios costos del dispositivo, y se calcu-
laron los valores para tres indicadores de influencia me-
dia, mostrados en la Tabla 1. Dichos indicadores se des-
criben a continuación:
Tienen en cuenta la proporción de agentes que se
acogen al incentivo del total, o del total de elegibles
(aquellos que podrían comprar el dispositivo si lo
desean), y la relación entre los que lo compran entre
los elegibles.
El indicador de aptitud depende de la curva de ingre-
sos para los agentes mostrada en la Fig. 1, y no se ve
afectada por la ubicación de los agentes semilla.
La forma de distribución de la semilla es aleatoria
dentro de la población la evolución de la influencia
en el resto del grupo, y es diferente al caso en el que
se encuentra agrupada (Fig. 2)
Tanto los valores de MI como los del indicador MRI
son más altos en el caso de los agentes agrupados;
aunque la diferencia no es grande, esto puede de-
berse a una mayor estabilidad de la opinión del grupo
semilla dentro de la red. Para casos en los que los
agentes tiendan a ser más susceptibles o más persis-
tentes con su opinión, la influencia media de la se-
milla en la red cambiará de manera consecuente, se-
gún la Ec. (1).
Tabla 1. Indicadores de influencia en el modelo utilizado
Indicador Definición
Influencia (MI) 1
𝑇∑
𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜𝑟𝑒𝑠
𝑁
𝑇
𝑖=1
Aptitud (MA) 1
𝑇∑
𝑇𝑜𝑡𝑎𝑙 𝑒𝑙𝑒𝑔𝑖𝑏𝑙𝑒𝑠
𝑁
𝑇
𝑖=1
Influencia Restringida
(MRI)
1
𝑇∑
𝑇𝑜𝑡𝑎𝑙 𝑐𝑜𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜𝑟𝑒𝑠
𝑇𝑜𝑡𝑎𝑙 𝑒𝑙𝑒𝑔𝑖𝑏𝑙𝑒𝑠
𝑇
𝑖=1
Fuente. Elaboración propia.
Figura 2. Valor de los indicadores de la Tabla 1, que muestra
el efecto de la ubicación de los agentes semilla en la red.
Fuente. Elaboración propia.
Teniendo en cuenta que la decisión final de los usuarios
depende tanto de su capacidad financiera como de sus pa-
rámetros de influencia social, se realizó un barrido modi-
ficando el costo del equipo adicional que comprarían los
usuarios y el costo del consumo mensual de energía aso-
ciado a dicho aparato, para obtener un mapa que caracte-
riza la factibilidad de que con unos parámetros sociales
particulares, sea viable la introducción de un nuevo dis-
positivo teniendo en cuenta una inversión inicial (equipos
recibidos por los agentes semilla), y las ganancias oca-
sionadas por el consumo adicional de los usuarios que fi-
nalmente se acojan a la campaña. La evolución para una
de las iteraciones se muestra en la Fig. 3, en la que se ve
que los agentes alcanzan un estado estable con rapidez,
aproximadamente en 30 interacciones.
Figura 3. Evolución de la opinión para un caso con los parámetros descritos. Fuente. Elaboración propia.
0,0
0,2
0,4
0,6
0,8
1,0
0,1 0,3 0,5 0,7 0,9
Costo del equipo [SMMLV]
S.GR. MRI S.GR. MI
MA S.RND. MRI
S.RND. MI
286
M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas
Las curvas de nivel resultantes del barrido pueden verse
en la Fig. 4 donde las dos primeras líneas de contorno
representan los límites de retorno de inversión (payback)
de 5 y 10 meses respectivamente. La última línea amarilla
comprende periodos de retorno superiores a 24 meses,
que ya no serían atractivos financieramente. En este caso,
si el consumo del nuevo dispositivo aporta $10000 COP
mensuales a la factura, la parte interesada solamente verá
un retorno de inversión en 10 meses si el equipo cuesta
alrededor de $300.000 COP.
Figura 4. Periodos de retorno de la inversión dependiendo del
costo del nuevo equipo y su consumo mensual medio de elec-
tricidad. Fuente. Elaboración propia.
Si el consumo se eleva a $50.000 COP mensuales, el sub-
sidio podría aumentar a equipos que cuesten alrededor de
$700.000 COP, punto en el cual podrían ubicarse algunos
modelos de calentadores de agua eléctricos. Las curvas
mostradas dan una idea de los límites entre los cuales,
para una población con las características descritas, sería
rentable la aplicación de un incentivo mixto basado en
subsidios e influencia social.
6. RESULTADOS
En seguida se resumen los resultados obtenidos una vez
se conocen las decisiones desde la aplicación del modelo
de dinámicas de opinión propuesto y reflejados en el mo-
delamiento de la demanda con y sin el programa de
RD[22].
6.1. Uso de consola de videojuegos
La consola de videojuegos en el primer escenario que es
el ideal (200 usuarios aceptan mecanismo), presentaría
un aumento en el promedio de consumo de los usuarios
de 6.25% sobre su consumo base de referencia, en el pri-
mer escenario donde todos los 200 usuarios modelados
adquieren el electrodoméstico.
En el segundo escenario el análisis de las dinámicas de
opinión arrojó un total de 68 usuarios (34%) que se aco-
gen al programa de incentivo, adquieren el equipo y re-
presentan un aumento de 2.65% respecto de su consumo
base de referencia Fig. 5.
Figura 5. Porcentaje de consumo adicional CV de los 200 usuarios (Ventana 20 usuarios). Fuente. Elaboración Propia.
287
Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de dinámica
de opinión
Figura 6. Perfil de potencia agregado semanal de los usuarios (ventana 2 días). Fuente. Elaboración propia.
Figura 7. Función de probabilidad-CV. Fuente. Elaboración propia.
En la Fig. 6 el escenario de aplicación del programa de
respuesta de la demanda arrojó un aumento en los picos
de potencia promedio semanal del 35.4 – 37.2 kW
(5.1%), comparado con el escenario sin incentivos en el
consumo agregado de los usuarios modelados. Durante la
semana se presenta un pico máximo de potencia de 65
kW por parte de los usuarios en la curva del programa
ideal, 65 kW cuando se genera la dinámica de opinión y
60 kW para el caso base de consumo agregado.
La función de probabilidad del consumo, ver Fig. 7,
muestra los estadísticos resultantes (Tabla 3). El aumento
en consumo de los usuarios alcanza un máximo de 12
kWh/mes entre las curvas base e ideal para el 80% de los
usuarios; lo que equivale a un máximo aumento del 10%
del consumo mensual base (130 kWh/mes).
La aplicación del programa de respuesta de la demanda
evaluado por la dinámica de opinión refleja un aumento
máximo de 7 kWh/mes para un 50% de los usuarios; lo
cual es equivalente a un alza de 5.4% en el consumo de
energía mensual base.
Tabla 2. Resumen datos función de probabilidad.
%Usuarios\aplicación Base Max
ideal
Dinámica
de opinión
20 90 101 94
50 124 135 131
80 169 182 169
El programa de respuesta de la demanda ofrece cuando
es aplicado, un rango de consumo entre 94 y 172
kWh/mes para el 60% de los usuarios.
288
M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas
6.2. Uso de calentador de paso
El calentador de paso en el primer escenario, presentaría
un aumento en el promedio de consumo de los usuarios
de 8.36% sobre su consumo base de referencia, en el pri-
mer escenario donde todos los 200 usuarios modelados
adquieren el electrodoméstico.
En el segundo escenario el análisis de las dinámicas de
opinión arrojó un total de 72 usuarios (36%) que se aco-
gen al programa de incentivo, adquieren el equipo y re-
presentan un aumento de 4.1% respecto de su consumo
base de referencia Fig. 8.
Figura 8. Porcentaje de consumo adicional CP de los 200 usuarios (Ventana 20 usuarios). Fuente. Elaboración Propia.
Figura 9. Perfil de potencia agregado semanal de los usuarios (ventana 2 días). Fuente. Elaboración propia.
289
Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de dinámica
de opinión
Figura 10. Función de probabilidad-CP. Fuente. Elaboración propia.
En la Fig. 9 el escenario de aplicación del programa de
respuesta de la demanda arrojó un aumento en los picos
de potencia promedio semanal del 35.4 – 38.2 kW
(7.9%), comparado con el escenario sin incentivos en el
consumo agregado de los usuarios modelados. Durante la
semana se presenta un pico máximo de potencia de 92
kW por parte de los usuarios en la curva del programa
ideal (200 usuarios con los electrodomésticos), 60 kW
cuando se genera la dinámica de opinión y en el caso base
de consumo agregado.
La función de probabilidad del consumo en la Fig. 10,
muestra los estadísticos resultantes (Tabla 4). El aumento
en consumo de los usuarios alcanza un máximo de 18
kWh/mes entre las curvas base e ideal para el 80% de los
usuarios; lo que equivale a un máximo aumento del
13.8% del consumo mensual base (130 kWh/mes).
La aplicación del programa de respuesta de la demanda
evaluado por la dinámica de opinión refleja un aumento
máximo de 5 kWh/mes para un 80% de los usuarios; lo
cual es equivalente a un alza de 3.8% en el consumo de
energía mensual base.
Tabla 4. Resumen datos función de probabilidad.
%Usuarios\aplicación Base Max
ideal
Dinámica
de opinión
20 90 97 94
50 124 135 127
80 169 187 174
El programa de respuesta de la demanda ofrece cuando
es aplicado, un rango de consumo entre 94 y 174
kWh/mes para el 60% de los usuarios.
7. CONCLUSIONES
7.1. Análisis proporción de la flexibilidad
En existe un margen de gestión de demanda el cual nos
identifica la flexibilidad (entre caso ideal y base) que ten-
dría el agente consumidor respecto a la influencia de las
dinámicas de opinión, el cual no supera el 10% (calenta-
dor) y 4% (consola) de aumento en energía promedio
mensual para los dos incentivos propuestos.
En las Fig. 7 y 10, se presenta entre las funciones de pro-
babilidad un margen muy pequeño de flexibilidad de los
usuarios debido a la falta de combinación de varios ele-
mentos dentro de los incentivos, o mayor o menor dispo-
sición de uso de los dispositivos.
7.2. Margen de reducción de picos
Grande o pequeño existe un impacto de los programas y
acciones sobre los picos de demanda (Fig. 6 y 9), elemen-
tos como la consola (potencia menor) aumenta los picos
en intervalos de tiempo más largos, conservando el perfil
de consumo del sistema, y otros elementos (calentador de
paso) alteran considerablemente los picos de potencia y
cantidad de energía consumida durante corto tiempo.
7.3. Costo beneficio del usuario
Teniendo en cuenta la inflexibilidad de los usuarios
residenciales ante incentivos puramente financieros, una
alternativa complementaria de incentivos sociales
(mixto) puede tener un desempeño superior cuando la
semilla está agrupada al formar un cluster con la misma
opinión que tiene mayor influencia en el resto de agentes.
290
M.A. Cortés, O. A. González, E. Moreno, C. Cusgüen, E. Mojica-Nava, A. Pavas
De acuerdo a lo mostrado, esta puede ser alrededor de un
10% mayor.
La caracterización efectiva de los parámetros de los
agentes cuyo comportamiento se modele utilizando
dinámicas de opinión, sigue siendo la mayor dificultad
para obtener resultados y previsiones más exactas. Sin
conocer los valores reales, el análisis de escenarios
permite reconocer los límites dentro de los cuales se
espera que ocurra el comportamiento real, teniendo en
cuenta la persistencia y la confianza en las opiniones de
otros para cada agente.
8. AGRADECIMIENTOS
Los autores agradecen a Colciencias por el financia-
miento parcial de este trabajo, enmarcado en la convoca-
toria No. 706-2015 “Convocatoria Nacional Jóvenes In-
vestigadores e Innovadores año 2015”.
Por otra parte, los autores agradecen al fondo de regalías
por el financiamiento parcial de este trabajo, en el marco
del proyecto” Incremento en las estrategias sustentables
en el uso del recurso de energía eléctrica para la pobla-
ción vulnerable del departamento de Cundinamarca”.
9. REFERENCIAS
[1] M. E. J. Newman, D. . J. Watts, and S. H. Strogatz,
“Random graph models of social networks.,” Pnas, vol.
99 Suppl 1, pp. 2566–72, 2002.
[2] R. Albert and A.-L. Barabási, “Statistical mechanics
of complex networks,” Rev. Mod. Phys., vol. 74, no. 1,
pp. 47–97, Jan. 2002.
[3] A.-L. Barabási and E. Bonabeau, “Scale-Free
Networks,” Sci. Am., no. May, pp. 50–59, 2003.
[4] A. V. Proskurnikov and R. Tempo, “A Tutorial on
Modeling and Analysis of Dynamic Social Networks.
Part I,” Annu. Rev. Control, vol. 43, pp. 65–79, 2017.
[5] N. E. Friedkin and E. C. Johnsen, “Social Influence
Networks and Opinion Change,” Adv. Gr. Process., vol.
16, pp. 1–29, 1999.
[6] N. E. Friedkin, “A formal theory of social power,”
The Journal of Mathematical Sociology, vol. 12, no. 2.
pp. 103–126, 1986.
[7] R. Hegselmann and U. Krause, “Opinion Dynamics
and Bounded Confidence,” Simulation, vol. 5, no. 3, p. 2,
2002.
[8] A. Mirtabatabaei, P. Jia, N. E. Friedkin, and F.
Bullo, “On the reflected appraisals dynamics of influence
networks with stubborn agents,” Proc. Am. Control
Conf., pp. 3978–3983, 2014.
[9] N. G. Mankiw, Principios de economía, 2nd ed.
Madrid: McGraw Hill Interamericana de España, 2002.
[10] N. Nisan, T. Roughgarden, E. Tardos, and V. V.
Vazirani, Eds., Algorithmic Game Theory. Cambridge:
Cambridge University Press, 2007.
[11] M. A. Cortés Guzmán, “Diseño de un mecanismo
para la gestión de la demanda de energía eléctrica
aplicando control cooperativo y sistemas multi-agente,”
Universidad Nacional de Colombia, Departamento de
Ingeniería Eléctrica y Electrónica (en curso, no
publicada), 2017.
[12] Unidad de Planeación Minero Energética-UPME,
“Proyección de la demanda de energía eléctrica y
potencia máxima en Colombia.” Rev. Junio de 2016,
Bogotá, pp. 25–31, 2016.
[13] H. Gintis, S. Bowles, R. Boyd, and E. Fehr, Moral
sentiments and material interests: The foundations of
cooperation in economic life. MIT Press, 2005.
[14] M. A. Cortés Guzmán and E. Mojica-Nava,
“Mechanism design for demand response programs with
financial and non-monetary, social, incentives,” Unpubl.
Draft, pp. 1–8, 2017.
[15] F. Clementi and M. Gallegati, “Pareto’s Law of
Income Distribution: Evidence for Germany, the United
Kingdom, and the United States,” in Econophysics of
Wealth Distributions: Econophys-Kolkata I, A.
Chatterjee, S. Yarlagadda, and B. K. Chakrabarti, Eds.
Milano: Springer Milan, 2005, pp. 3–14.
[16] E. L. Crow and K. Shimizu, Lognormal
distributions: Theory and applications (Vol. 88). New
York: M. Dekker, 1988.
[17] N. L. Johnson, S. Kotz, and N. Balakrishnan,
Continuous univariate distributions Vol. 1, 2nd ed.
Wiley, 1994.
[18] Observatorio de desarrollo económico, “Pobreza y
desigualdad en Bogotá: resultados en los últimos años,”
2016-04-14. [Online]. Available:
http://observatorio.desarrolloeconomico.gov.co/base/lec
torpublic.php?id=838.
[19] Departamento Administrativo Nacional de
Estadística (DANE), “Ingresos y gastos de los hogares,”
2007. [Online]. Available:
291
Gestión de demanda en usuarios residenciales evaluando su impacto a través de un modelo de dinámica
de opinión
http://www.dane.gov.co/index.php/estadisticas-por-
tema/pobreza-y-condiciones-de-vida/ingresos-y-gastos-
de-los-hogares. [Accessed: 28-Sep-2017].
[20] FinanzasPersonales.co, “¿Cuánto ganan en
promedio los colombianos?” [Online]. Available:
http://www.finanzaspersonales.co/trabajo-y-
educacion/articulo/cuanto-ganan-promedio-
colombianos/48375. [Accessed: 28-Sep-2017].
[21] G. Osma Pinto and G. Ordoñéz Plata, “Desarrollo
sostenible en edificaciones,” Rev. UIS Ing., vol. 9, no. 1,
Jun, 2010.
[22] O. A. González, A. Pavas, S. Sánchez, Andrés
Pavas, and Samir Sánchez, “Cuantificación del Ahorro
de Energía Eléctrica en Clientes Residenciales Mediante
Acciones de Gestión de Demanda,” UIS Ing., vol. 10, no.
2, pp. 1–8, Jul - Dic, 2017.
[23] E. Moreno, O. A. Gonzalez, A. Pavas, and A.
Moreno, Elkin;González, Orlando A; Pavas, “Demand
Flexibility Assessment for Residential Customers,” in
IEEE Workshop on Power Electronics and Power
Quality Applications - PEPQA, 2017, p. 5.
Flexibility assessment applied to a customers groupbased on statistical surveys
Orlando A. Gonzalez1, Elkin Moreno2 and Andres Pavas3
Electrical and Electronic Engineering DepartmentUniversidad Nacional de Colombia
PAAS-UN Research GroupBogota, Colombia
Abstract—This paper presents the application of DemandResponse (RD) to evaluate the flexibility of a customer groupbased on an aggregated stochastic demand model, whose behaviorand decision making is based on recent statistical surveys. Thesample of users is evaluated in two scenarios. First scenarioapplies a negative incentive on which 36% of the customersrespond and overcome it. The second scenario uses a power peaktariff where customers voluntarily reduce the cost in their bill.About 5% of reduced peak demand is achieved with low effecton customer comfort.
Index Terms—Aggregate model, Flexibility approach,Metropolis Hastings, Probability functions
I. INTRODUCTION
In a classic energy system the generation-demand balancedepended solely on the behaviour of the generation, demandhas been an unpredictable and above all uncontrollable factoruntil the appearance of demand response programs (DRPs).DRPs are established in order to motivate, through incentives,changes in the profiles of consumer demand according tostrategic goals to be pursued (these may be energy savings,peak clipping, load displacement, filling valleys, strategicconservation, or strategic load growth) [1]–[3].
A. Benefits of DRPs
Harnessing the flexibility of customers through DRPs, gen-erates great benefits for the parts of a traditional electricalsystem, among others are:
• Efficient balance of generation - demand in the networkin real time [4], [5].
• Technical, economic planning of long term distributionnetworks applying flexibility resources [6], [7].
• Addition of different classes of energy aggregators thatestablish new markets, rules and roles for passive energycustomers [8], [9].
1Orlando A. Gonzalez, MSc in electrical engineering, is now pursuinghis PhD degrees in electrical engineering from Universidad Nacional deColombia; e-mail [email protected]
2Elkin Moreno, MSc student in electrical engineering from UniversidadNacional de Colombia ; e-mail [email protected]
3Andres Pavas, PhD. MSc. EE, Associate Professor Universidad Nacionalde Colombia; e-mail [email protected]
• Increased competitiveness by daily market prices on theenergy exchange [10], [11].
B. Customers participation
The first DRPs were applied to large consumers, initiallyindustrial and later commercial through flexibility contractswith aggregators from California (CAISO) and Pennsylvania-New Jersey-Meryland- Michigan (PJM) in the United States[12], or Energy Pool in France and Flextricity in the UK [11].More recently, demand response programs targeted at residen-tial customers have been conducted with profitably positiveresults in the United States with different regional networkoperators (NYISO, PJM, ISO-NE and the Electric ReliabilityCouncil of Texas ERCOT) [13]–[16].Other aggregators in Europe, such as Voltalis in France, DSOSala Heby Energi Elnat AB in Switzerland and DSO Enexis inHolland, applied pilot DRPs Time of Use (TOU) or peak priceshemes (PPS), with results of reduction of their consumptionbill of their participating customers by an average of 10% [11].
C. Demand Response Challenges
Despite the benefits and positive results there are 3 com-plementary challenges to overcome before the application ofDPRs.
• The creation of an aggregator entity along with marketpolicies that establish roles and responsibilities over thebounding load, such as knowing and managing its flexi-bility, and also establish the incentive for effort [17], [18].
• Implement a system of communication technologies, con-trol and storage of information [19].
• Inclusion of ancillary services that support and solutionin any lack of the system [20], [21]:
– Frequency regulation.– Power factor or reactive power regulation [22].– Prediction of demand in the short and long term [23],
[24].
D. Colombian Context
The Colombian electricity system is in about 70% renewablehydroelectric power generation, therefore is highly vulnerableto climate change (droughts or strong winters), about 25% ofthe generation is thermal, which easily volatilizes the energyrate. Finally, the remaining 5% belongs to wind, solar and978-1-7281-4230-2/19/$31.00 ©2019 IEEE
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
other alternatives.On the other hand, residential or regulated customers represent99.94% of the total number of customers and represent 36%of the total energy consumption generated1.In Colombia, despite having at least two of the barriersmentioned above, it introduced a first PRA called ApagarPaga, which, through an economic incentive, saved 5% ofthe country’s total energy consumption for nearly two monthsin 2016 [25]. This program allowed us to observe threeconclusions:
• There is a potential flexibility in the demand, still un-known due to the lack of publication of measurements ofthe event.
• If there are new regulatory changes or similar environ-mental events similar in the field, the system is notprepared to support it without taking advantage of theflexibility of the demand.
• The inclusion of a robust communication and controlsystem over residential customers is necessary to takeadvantage of its flexibility.
As change policies advance, recent Colombian Congress sug-gestions pretend to save on budget costs, would reduce thesubsidies (Table I) or appear another different scenarios in thenear future:
• Scenario 1: The reduction of the consumption subsidy forthe low strata of energy customers (see Table I),impliesthat stratum 3 would no longer have any more. Thescenario 1 modeled in this article responds how a group ofcustomers stratum 3 would overcome the elimination ofthe subsidy in their bill, according to available strategiesand information on decisions to change consumptionpatterns [26].
• Scenario 2: Inclusion of DRPs like TOU or PPS, in orderto reduce power peaks, and finally the participation ofthermal generation in the costs of the energy tariffs.
This paper seeks the next aims for each scenario:
• Scenario 1: the probability of overcoming the suppressionof an energy subsidy for one group of Bogot’s population,
• Scenario 2:, the approximate percentage of peak demandthat can be reduced with the application of a voluntaryDRP is estimated
In Section II Methodology explains how a bottom-up de-mand model arranges the stochastic demand behaviour withthe best available resources through the construction of an ag-gregate demand profile with individual emulation of householdappliances [27].
Section III Results organizes the main data provided bythe simulations, for the aggregate and average profiles of themodeled customer group. Finally, in Section IV Conclusions,the relevance of the results obtained and their degree ofcertainty with respect to a comparison with a real group ofcustomers of the sample are analyzed.
1Data provided by http://www.sui.gov.co/web/energia for the year 2018.
II. METHODOLOGY
A. Features of Modeling Scenario
By law, the Colombian population is divided into strataaccording to its socio-economic situation.Table I shows that strata 1-3 receive a subsidy, strata 5 and6 make a contribution and finally stratum 4 pays only itsconsumption; in conclusion, close to 85% of the populationreceives a subsidy in Bogota [28].
TABLE ISUBSIDIES FOR ENERGY CONSUMPTION IN COLOMBIA ACCORDING TO
SOCIAL STRATIFICATION
Residential Strata 1 2 3 4 5 6Actual Subsidy 50% 40% 15% 0% Cont
20%Cont20%
Subsidy suggested 40% 30% 0% 0% Cont20%
Cont20%
Note: The basic consumption is 175 kWh-month up to 1000 m.a.s.l.and 130 kWh-months at higher altitudes.
Source: Law 1873 of 2017 [29].
1) Population Basic Data: The group of customers ana-lyzed belongs to residential stratum 3 in Bogota. This grouprepresents about 30% of the city population [30]. Differentstatistical data are used to complete the sample model.First source, a list of 25 household appliances has beencharacterized that can belong to the load matrix of the Bogotpopulation, The Table II ranks the appliances depending onthe likelihood of possession and the participation for energycustomers group [29], [31], [32]
TABLE IIAPPLIANCES RANK LIST DATA FOR BOGOTA CUSTOMERS, POSSESSION
AND PARTICIPATION
.
Appliance % Possession % ParticipationRefrigerator 98,0 37,94Electric shower 27,0 16,45TV 98,2 14,86Lights 100,0 12,62Desktop PC 85,4 4,69Iron 81,0 3,56Washing machine 84,0 2,24Sandwich maker 61,2 0,43Microwave oven 49,3 0,43Rice cooker 41,7 0,43Electric Cooker 26,1 0,43Coffee maker 23,5 0,43DVD 85,4 0,43TV encoder 10,1 0,43Stereo 76,9 0,43Home theater 23,9 0,43Videogame console 7,0 0,43Mobile charger 83,6 0,43Wifi router 45,8 0,43Laptop 30,6 0,43Wireless phone 30,6 0,43Hair dryer 38,3 0,43Hair iron 31,3 0,43Heating 3,7 0,43Blender 84,0 0,26
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
2) Population Surveys Data: Second information source,in Table III, shows people’s willingness to apply demandmanagement strategies, which seeks to achieve the objectiveof not needing the consumption subsidy . The customer’sdata come from 400 door-to-door surveys and their statisticalanalysis [33].
TABLE IIISURVEYS DATA ABOUT CUSTOMERS READINESS TO USE SAVING
STRATEGIES
Saving actions for electrical energy in households Total [%]Switch off appliances that are not in use 75,3Turn off unused lights with 61,5Use energy-saving lights bulbs 42,7Reduce door opening in refrigerators 17,0Reduce the use of wash machines 16,7Switch off mobile chargers 10,4Reduce time use of electric shower 8,1Cooking with gas/cooking less 7,9Reduce ironing to once a week 6,0Buy energy-saving appliances 5,3Use green energy (PV technology) 2,8
The survey data used in the demand model allows to esti-mate the temporal behavior of flexibility2 when customers areencouraged to change their consumption by external (removalof a subsidy, energy regulatory changes) or internal reasons(social or environment improvement interest).
3) Population Demand Side Strategies: Finally the thirdsource (Table IV) contains a list of demand managementstrategies that can be applied in the consumption profile tocustomer group according to the best saving actions in TableIII [26].
TABLE IVDEMAND MANAGEMENT STRATEGIES REFINED ACCORDING TO TABLE I
Stratgy DescriptionSustitution TV, Lights, RefrigeratorTime of use 1,2,3 Cycle time/useFrecuency of use 1,2,3 Day use/weekStand By 0 and 1Displacement 1 to 2 hours different to peak hour
B. Modeling of the population sample
1) Metropolis-Hastings Sample Algorithm: The algorithmbuilds a customer’s population sample in three step, with twoimportant data in a probability function P (x), number ofcustomers and their respective monthly average consumption[34].
i. P (x) is a target distribution 8-degree polynomial func-tion, as a stationary function in a Markov Chain in (1).
P (x) = f(Targ − distr) −→ π(Stationary)
n −→ ∞x ∼ P (x) (1)
2Flexibility refers to capacity of customer to change his own performancein energy demand profile.
ii. A candidate is generated and evaluated in (2).
x∗|xn ∼ Uniform(xn) (2)
Accprob(xn → x∗) = min
(1,
P (x∗)P (xn)
× Q(xn|x∗)Q(x∗|xn)
)
iii. Success criterion is applied according to the optimizationprocess in (2) and (3).
xn+1 =
x∗ if u = Accprob(xn → x∗)
xn if u = Accprob(xn → x∗)(3)
2) Demand profile of each customer: The next step is themodeling of energy demand by a sample of the population,which is built from the energy consumption for each customer,and this, in turn, is composed of 25 probable possessiondevices (Table I) that could comprise the total profile, asdescribed in (4).
(PfAppl)i,j = CAppl ∗ PAppl ∗ ⌊Tuse⌋i,j (4)
wherePfAppl = Demand profile for each applianceCAppl = Probability of number of appliancesPAppl = Apparent power of the appliance⌊Tuse⌋i,j = Time of Use matrixi = 1, 2, 3, ..., 10080 Minutes in a weekj = 1, 2, 3, ...n Demand profile week simulations or iterationsof a week
3) Aggregated demand profile: The algorithm rebuilds anapproximate demand profile of each customer, according toflow chart in Fig. 1.
Flow chart includes in the customers sample:• Pareto criteria to speed up results after Metropolis -
Hastings.• Holding or possession probability for appliances list.• List of appliances modeled, whose load profile is gen-
erated by stochastic process and random variables with200 iterations, using surveys information about householdbehavior from DANE or UPME data [26].
Aggregated demand profile uses the following input infor-mation for each customer:
• Consumption average of household appliances (Table I)• Number of customers and average of monthly energy
consumption (Table V)• Surveys data about customers actions (Table III)• Strategies in the demand profile algorithm (Table II).Once the aggregated profile is completed, management
strategies are applied to the initial profiles and the aggregationprocess is repeated. Finally, the profiles are compared beforeand after applying management strategies. Overcoming thescenarios with energy savings is evaluated as results.
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
Start
Possesion
element
Users data
Electrical consumption
Appliances list
25 appliances
Create profile
*Avg
consumption
*Power
*Use form
Appliance
Strategies
Aggregated profile
1 household
Complete
sample
Aggregated total
profile
End
n
y
y
n
Fig. 1. Flow chart of the proposed
III. RESULTS AND DISCUSSION
Once the model of demand profile were developed, theresults of applying the algorithm of Metropolis - Hastings andeach proposed scenario are presented below.
A. Metropolis-Hastings results
Results of the applied Metropolis Hastings algorithm areshown in Fig. 2 and Table V. The objective function isrepresented with red circles, while the distribution functionfor a sample of 500 customers (y axis) are represented by 10demand bars or deciles (x axis).
1) Refining the sample and demand management strategies:The population sample modeled is 500 residential customers.Pareto analysis allows to refine the sample, if only deciles 3to 7 are modeled, more than 80% of the population sample(400 customers) gives a balance between a larger number ofcustomers and a higher average monthly consumption (TableV).
2) Strategies analysis: The best strategies include changesin consumption patterns such as time of use, frequency ofuse and standby, applied on demand profiles (Table III ).
0 50 100 150 200 250 300 350 400
Demand (kWh/month)
0
0.05
0.1
0.15
0.2
0.25
0.3
Pro
ba
bili
tyD
istr
ibu
tio
ns
Sample Data
Objective Distribution
Fig. 2. Metropolis Hasting distribution function
TABLE VMETROPOLIS-HASTINGS RESULTS
MH Data Probability FunctionMonthly average
demand(kWh/month)
19 57 95 133 171 210 248 286 324 362
Number ofcustomers 12 31 77 116 98 70 51 19 17 9
According to the UPME that customers prioritize the use ofhousehold appliances before changing them.
B. Scenario 1
A largest number of customers can achieve a reduction inenergy consumption with negative incentives such as the no-subsidy in their energy tariff.
1) Main daily demand profile for one customer: The dailydemand profile is shown in Fig. 3 and represents the electricalconsumption behavior of one customer. The daily averagedemand profile is 0.151 kW without energy savings strategies.After applying strategies the average is reduced to 0.13 kWin the daily demand profile, which means a reduction of 14%in the consumption.
0 2 4 6 8 10 12 14 16 18 20 22 24
Time (min)
0.025
0.05
0.075
0.1
0.125
0.15
0.175
0.2
0.225
0.25
Pro
file
Sh
ap
e (k
W)
Mean Daily demand profile
Mean Daily demand profile with strategies
Aver daily aggregated demand profile 0 151 kW
Aver daily aggregated demand profile with strategies 0.13 kW
Fig. 3. Residential demand profile - Day
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
2) Weekly aggregated mean of the demand profile: Fig.4 evidences a reduction in the weekly average mean of thedemand profile in 17.2% (near 10 kW). The maximum peakvalue is reduced in 15.2% (near to 13kW) after customersapplied demand management strategies.
Monday Thuesday Wednesday Thursday Friday Saturday Sunday
Time (min)
10
20
30
40
50
60
70
80
90
Pro
file
Sh
ap
e (k
W)
Resident Demand Profile in a Week
Agg week profile
Agg week profile with strategies
Aver aggreg week profile 57 kW
Aver aggreg week profilewith strategies 47 kW
Fig. 4. Weekly aggregated mean of the demand profile
3) Energy behavior customers and energy costs: Fig. 5summarizes the cost of energy behavior for each customerthat responds to negative incentive. On average, each customerreduces their consumption in about $ 8.300 COP after demandmanagement strategies are applied. About 184 customers(36%of the sample) exceed the percentage of the subsidy with theenergy savings after applying demand management strategieson their own consumption.
0 50 100 150 200 250 300 350 400
Customers
-40000
-30000
-20000
-10000
0
10000
20000
En
ergy s
avin
gs
($)
Difference between Subsidy and DSM strategies
Cost Difference Subsidy and Energy savings
Average cost difference $8330
Fig. 5. Difference between subsidy and DMS strategies in energy cost
Fig. 6 shows that customers that responds to negativeincentive manage an average in energy savings about 2.2kWh/month for each customer, compared to the customer’sconsumption with the subsidy.
4) Probability function: In Fig. 7, the costs are reduced in20% for half of the customers that carried out strategies andhave low-demand energy. For 30% of the customers with high-demand energy, there is 10% or less probability of reducingtheir own consumption.
C. Scenario 2
For this second scenario, low-priority appliances are listedto shifting the load profile, such as iron, washing machine,sandwich maker, coffee maker, stereo, hair dryer, hair iron
0 50 100 150 200 250 300 350 400 450
Customers
-30
-25
-20
-15
-10
-5
0
5
10
15
En
ergy s
avin
gs
(kW
h)
Difference between Subsidy and DSM strategies
Difference Subsidy and Energy savings
Average difference2,2 kWh
Fig. 6. Difference between Subsidy and DSM strategies in energy consump-tion
0 20 40 60 80 100 120 140 160 180 200 220 240
kWh/month on bill
0
10
20
30
40
50
60
70
80
90
100
% P
erce
nta
ge
Probability Function for Aggregated Demand Profile
Prob Func Aggregated demand profileProb Func Aggregated demandprofile with strategies
Fig. 7. Probability Function for Aggregated Demand Profile
and heating for half or 1 hour before and after power peaktime.The scenario described in Fig. 8 delivers an average peakdemand reduction of 5% to the system on a voluntary programwhere customers don’t have a chance to use alternative storageor distributed generation.
0 2000 4000 6000 8000 10000 12000
Time (min)
10
20
30
40
50
60
70
80
90
Pro
file
Sh
ap
e (k
W)
Ave agg week profile-initial
Agg profile-initial
Ave agg week profile-Applied DRP
Agg profile-Applied DRP
Fig. 8. Difference between initial condition and voluntary change forreduction picks.
IV. CONCLUSIONS
The results of the process are linked to the time when thedata were obtained, i.e. the survey. The parts of the Colombianenergy system requires continuous updating of information onhow customers use energy and take decisions.
About 37% of the customers of the sample of stratum3 modeled can overcome the loss of the subsidy, however,
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
this amount could be increased because negative incentivesmake the profile of customers more flexible, increasing thewillingness to apply demand management strategies.
Reducing the average peak demand of a group of customersby 5% can for an aggregator, in the future with regulation andinformation technology, make profitable to trade on the energyexchange from controlling peak demand (price kWh) with alarge number of customers in real time.
This work was developed through simulations, so it wouldbe necessary to carry out new pilot projects on groups ofcustomers that provide new statistical information to validatethe model.
REFERENCES
[1] E. Koliou, C. Eid, J. P. Chaves-Avila, and R. A. Hakvoort,“Demand response in liberalized electricity markets: Analysis ofaggregated load participation in the German balancing mechanism,”Energy, vol. 71, pp. 245–254, jul 2014. [Online]. Available:https://linkinghub.elsevier.com/retrieve/pii/S0360544214004800
[2] E. K. Chan, J. H. Sim, and K. H. Kwan, “Singapore’s intelligent energysystem pilot project,” in 2012 Asia-Pacific Symposium on Electromag-netic Compatibility, May 2012, pp. 945–947.
[3] V. C. Gungor, D. Sahin, T. Kocak, S. Ergut, C. Buccella, C. Cecati,and G. P. Hancke, “Smart grid and smart homes: Key players and pilotprojects,” IEEE Industrial Electronics Magazine, vol. 6, no. 4, pp. 18–34, Dec 2012.
[4] M. Welsch, P. Deane, M. Howells, B. . Gallachir, F. Rogan,M. Bazilian, and H.-H. Rogner, “Incorporating flexibility requirementsinto long-term energy system models a case study on highlevels of renewable electricity penetration in ireland,” AppliedEnergy, vol. 135, pp. 600 – 615, 2014. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0306261914008836
[5] N. OConnell, P. Pinson, H. Madsen, and M. OMalley, “Benefitsand challenges of electrical demand response: A critical review,”Renewable and Sustainable Energy Reviews, vol. 39, pp. 686–699, nov2014. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S1364032114005504
[6] A. Kowalska-Pyzalska, K. Maciejowska, K. Suszczynski, K. Sznajd-Weron, and R. Weron, “Turning green: Agent-based modeling of theadoption of dynamic electricity tariffs,” Energy Policy, 2014.
[7] H. Liu, D. Azuatalam, A. C. Chapman, and G. Verbic, “Techno-economic feasibility assessment of grid-defection,” International Journalof Electrical Power & Energy Systems, vol. 109, pp. 403–412, 2019.
[8] A. Nottrott, J. Kleissl, and B. Washom, “Energy dispatch scheduleoptimization and cost benefit analysis for grid-connected, photovoltaic-battery storage systems,” Renewable Energy, vol. 55, pp. 230 – 240,2013. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S0960148112008026
[9] A. Pelzer, M. Richter, P. A. Lombardi, and P. Komarnicki, “Energy-intensive Industry as the Backbone for Demand Side Flexibility,” inInternational ETG Congress, Bonn, Germany, 2017, pp. 611–616.[Online]. Available: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8278789&isnumber=8278714
[10] S. Mishra, H. Koduvere, I. Palu, R. Kuhi-Thalfeldt, and A. Rosin,“Assessing demand side flexibility with renewable energy resources,” in2016 IEEE 16th International Conference on Environment and ElectricalEngineering (EEEIC), June 2016, pp. 1–6.
[11] C. Eid, E. Koliou, M. Valles, J. Reneses, and R. Hakvoort, “Time-basedpricing and electricity demand response: Existing barriers and nextsteps,” Utilities Policy, vol. 40, pp. 15–25, 2016. [Online]. Available:http://dx.doi.org/10.1016/j.jup.2016.04.001
[12] Q. Qdr, “Benefits of demand response in electricity markets and rec-ommendations for achieving them,” US Dept. Energy, Washington, DC,USA, Tech. Rep, 2006.
[13] J. H. Yoon, R. Bladick, and A. Novoselac, “Demand response forresidential buildings based on dynamic price of electricity,” Energyand Buildings, vol. 80, pp. 531–541, sep 2014. [Online]. Available:http://www.sciencedirect.com/science/article/pii/S0378778814003843
[14] Y. Xiao, “Integration of demand response resource into PJM markets,”in Proceedings of the IEEE Power Engineering Society Transmissionand Distribution Conference, 2012.
[15] R. Walawalkar, S. Fernands, N. Thakur, and K. R. Chevva, “Evolutionand current status of demand response (DR) in electricity markets:Insights from PJM and NYISO,” Energy, 2010.
[16] W. J. Lee, F. L. Quilumba, J. Shi, and S. H. Huang, “Demand responseAn assessment of load participation in the ERCOT nodal market,” inIEEE Power and Energy Society General Meeting, 2012.
[17] J. A. Schachter and P. Mancarella, “A critical review of RealOptions thinking for valuing investment flexibility in Smart Gridsand low carbon energy systems,” Renewable and SustainableEnergy Reviews, vol. 56, pp. 261–271, 2016. [Online]. Available:http://dx.doi.org/10.1016/j.rser.2015.11.071
[18] M. Muratori, B. A. Schuelke-Leech, and G. Rizzoni, “Role ofresidential demand response in modern electricity markets,” Renewableand Sustainable Energy Reviews, vol. 33, pp. 546–553, 2014. [Online].Available: http://dx.doi.org/10.1016/j.rser.2014.02.027
[19] M. Hupez, Z. De Greve, and F. Vallee, “Cooperative demand-side man-agement scenario for the low-voltage network in liberalised electricitymarkets,” IET Generation, Transmission & Distribution, vol. 12, no. 22,pp. 5990–5999, 2018.
[20] S. Feuerriegel and D. Neumann, “Integration scenarios of DemandResponse into electricity markets: Load shifting, financial savings andpolicy implications,” Energy Policy, vol. 96, pp. 231–240, 2016.
[21] P. C. Ramaswamy, C. Delhaute, and S. Cole, “Long-term planning ofelectricity distribution systems integrating flexibility options,” Proceed-ings - 2015 International Symposium on Smart Electric DistributionSystems and Technologies, EDST 2015, pp. 109–113, 2015.
[22] “Ieee standard for medium frequency (less than 12 mhz) power linecommunications for smart grid applications,” IEEE Std 1901.1-2018,pp. 1–192, May 2018.
[23] I. Yang, N. Jung, and Y. Kim, “Status of advanced metering in-frastructure development in korea,” in 2009 Transmission DistributionConference Exposition: Asia and Pacific, Oct 2009, pp. 1–3.
[24] U. Khalid and M. Khan, “Challenges of advance metering infrastructureimplementation in pakistan,” 03 2014.
[25] M. d. M. y. Energıa and U. d. P. M. Energetica, “Informe de GestionUPME.” pp. 1–105, 2018.
[26] E. Moreno, O. A. Gonzalez, and A. Pavas, “Demand flexibility as-sessment for residential customers,” in 2017 IEEE Workshop on PowerElectronics and Power Quality Applications (PEPQA), May 2017, pp.1–5.
[27] B. P. Esther and K. S. Kumar, “A survey on residential demandside management architecture, approaches, optimization models andmethods,” Renewable and Sustainable Energy Reviews, vol. 59, pp. 342– 351, 2016. [Online]. Available: http://www.sciencedirect.com/science/article/pii/S1364032115016652
[28] Ministerio de Minas y Energıa de Colombia, “Sistema Unico deInformacion - SUI,” 2019. [Online]. Available: http://bi.superservicios.gov.co/o3web/jdesktop.jsp
[29] Unidad de Planeacion Minero Energetica - UPME, “Cultura de Eficien-cia Energetica,” Bogota Colombia, pp. 1–69, 2015.
[30] M. Cortes, O. A. Gonzalez, E. Moreno, C. Cusguen, E. Mojica, andA. Pavas, “Gestion de demanda en usuarios residenciales evaluandosu impacto a traves de un modelo de dinamica de opinion Demandmanagement in residential customers with impact assess ment viaopinion dynamics,” vol. 16, no. 2, pp. 281–291.
[31] Corpoema, Caracterizacion Energetica del sector Urbano y Rural enColombia. Vol 1: Metodologıa y Analisis, Bogota Colombia, 2012.
[32] ——, Caracterizacion Energetica del sector Urbano y Rural en Colom-bia. Vol 2: Caracterizacion por Piso Termico, Bogota Colombia, 2012.
[33] Unidad de Planeacion Minero Energetica - UPME and UTADEO,Cambio tecnologico en la cadena de valor en los sectores de industria,transporte, servicios y residencial, Bogota Colombia, 2016.
[34] M. Chang, Monte Carlo Simulation for the Pharmaceutical Industry, S.-C. Chow, Ed. Lexington: Chapman & Hall/CRC Biostatistics Series,2011.
Authorized licensed use limited to: University of Exeter. Downloaded on July 16,2020 at 02:47:44 UTC from IEEE Xplore. Restrictions apply.
B. Anexo: Conjunto de datos Censo
2018 Departamentos Administrativo
Nacional de Estadısticas - DANE
El conjunto de datos generados y la metodologıa de desarrollo con que se obtuvo por es-
ta dependencia nacional, los cuales son de caracter abierto para consulta, se encuentran
registrados en la pagina web.
https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/
censo-nacional-de-poblacion-y-vivenda-2018
Los datos usados para el desarrollo de esta investigacion quedan registrados en el repositorio
ZENODO con el DOI 10.5281/zenodo.4585697 , titulo: Informacion para desarrollo tesis
Analisis de la flexibilidad de la demanda en usuarios residenciales, el enlace del set de datos
es https://zenodo.org/record/4585697, los documentos DANE son:
116B Anexo: Conjunto de datos Censo 2018 Departamentos Administrativo Nacional de
Estadısticas - DANE
Documento: CNPV-2018-VIHOPE-v2.xls
Tıtulo general: Censo Nacional de Poblacion y Vivienda - CNPV 2018
Tıtulo especifico:Principales resultados censales a nivel nacional, departamental
y municipal CNPV 2018
Tıtulo hojas:
1.Principales resultados censales: Total de Unidades de Vivienda
Censadas segun Condicion de Ocupacion, Hogares y Poblacion, 2018
2.Principales resultados censales: Poblacion Total Censada en Hogares
Particulares y en Lugares Especiales de Alojamiento (LEA), 2018
Campos usados
Hoja 1: Total de Unidades de Viviendas censadas segun condicion de
ocupacion, hogares y poblacion censada a nivel nacional,
departamental y municipal 2018
Total (Unidades de vivienda, Hogares, Poblacion)
Ubicacion de uso
Secciones3.1 4.3
Documento: CNPV-2018-VIHOPE-v3.xls
Tıtulo general: Censo Nacional de Poblacion y Vivienda - CNPV 2018
Tıtulo especifico:
Principales resultados censales a nivel nacional, departamental y
municipal por area total, cabeceras municipales, centros poblados
y rural disperso CNPV 2018
Tıtulo hojas:
1.Principales resultados censales: Total de Unidades de Viviendas
censadas segun condicion de ocupacion, hogares y poblacion censada
a nivel nacional, departamental y municipal por area, 2018
2.Principales resultados censales: Poblacion Total Censada en Hogares
Particulares y en Lugares Especiales de Alojamiento (LEA) por area total,
cabecera municipal, centros poblados y rural disperso, 2018.
Campos usados
Hoja 1:Total Cabecera Municipal
VIHOPE(Unidades de vivienda, Hogares, Poblacion)
Hoja 1:Total Resto Municipal (Centros Poblados y Rural Disperso)
VIHOPE(Unidades de vivienda, Hogares, Poblacion)
Ubicacion de uso
Secciones3.1 4.3
C. Anexo: Conjunto de datos Sistema
Unico de Informacion de Servicios
Publicos Domiciliarios - SUI
El conjunto de datos generados y la metodologıa de desarrollo con que se obtuvo por es-
ta dependencia nacional, los cuales son de caracter abierto para consulta, se encuentran
registrados en la pagina web.
http://bi.superservicios.gov.co/o3web/browser/showView.jsp?viewDesktop=true&source=
SUI_COMERCIAL_ENERGIA/VISTA_FACTURACION_ENERGIA%23_public
Los datos usados para el desarrollo de esta investigacion quedan registrados en el repositorio
ZENODO con el DOI 10.5281/zenodo.4585697 , titulo: Informacion para desarrollo tesis
Analisis de la flexibilidad de la demanda en usuarios residenciales, el enlace del set de datos
es https://zenodo.org/record/4585697, los documentos SUI son:
118C Anexo: Conjunto de datos Sistema Unico de Informacion de Servicios Publicos
Domiciliarios - SUI
Documento: DATOS CONSUMO MUNICIPIOS 2019.xlsx
Tıtulo hojas:
ANTIOQUIA
ARAUCA
ATLANTICO
BOGOTA
BOLIVAR
BOYACA
CALDAS
CAQUETA
CASANARE
CAUCA
CESAR
CHOCO
CORDOBA
CUNDINAMARCA
GUAVIARE
HUILA
LA GUAJIRA
MAGDALENA
META
NARINO
NORTE DE SANTANDER
PUTUMAYO
QUINDIO
RISARALDA
SANTANDER
SUCRE
TOLIMA
VALLE DEL CAUCA
Campos usadosMedidas (Promedio de Consumo (kWh/Suscriptor),
Numero de Suscriptores, Consumo total (kWh))
Ubicacion de uso
Secciones2.2, 3.3, 3.6, 4.3
119
Documento: SUI DEPARTAMENTOS 2019.rar
Archivos
ANTIOQUIA.csv
ARAUCA.csv
ATLANTICO.csv
BOGOTA.csv
BOLIVAR.csv
BOYACA.csv
CALDAS.csv
CAQUETA.csv
CASANARE.csv
CAUCA.csv
CESAR.csv
CHOCO.csv
CORDOBA.csv
CUNDINAMARCA.csv
GUAVIARE.csv
HUILA.csv
LA GUAJIRA.csv
MAGDALENA.csv
META.csv
NARINO.csv
NORTE DE SANTANDER.csv
PUTUMAYO.csv
QUINDIO.csv
RISARALDA.csv
SANTANDER.csv
SUCRE.csv
TOLIMA.csv
VALLE DEL CAUCA.csv
DescripcionDatos en bruto para generar compilar el documento
DATOS CONSUMO MUNICIPIOS 2019.xlsx
