En una pyme intensiva en energía, la mitad de la factura proviene del consumo en horas punta. Problema clásico de OR energética: demand response, peak shaving, time-of-use.
En pocas palabras
¿Te suena?
- El 30-50% de nuestra factura es potencia contratada — un pico de 1 minuto añade 50K TRY/mes.
- Tenemos cámara fría; los compresores trabajan 24h aunque la tarifa nocturna es la mitad.
- Producción con cargas de fusión o calefacción; ¿hay que trabajar de día o también de noche?
- Invertimos o planificamos solar en techo; no sabemos cómo casar la generación con el consumo.
- Tenemos batería o vamos a comprar; las reglas de carga/descarga son intuitivas.
- Elegimos tarifa de mercado libre o tenemos que evaluar; sin perfil no se puede elegir.
- Al recibir la factura decimos 'este mes el pico fue alto' pero no podemos identificar de dónde vino.
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Para bajar la factura, mide dos cosas por separado — para el componente energía (kWh × tarifa) desplaza cargas a horas valle; para la potencia contratada (kW) suaviza el momento pico (no arranques cargas grandes a la vez). Mezclarlos es el error más común.
Este problema está en la intersección de investigación operativa (disciplina que usa matemáticas y computación para resolver decisiones de negocio) y sistemas energéticos. Dos sub-problemas: Demand Response Optimization (qué carga en qué hora bajo TOU), Peak Shaving (minimizar el máximo diario/mensual de demanda). Solución en tres etapas:
1. Modelado. Inventario de cargas: por dispositivo — potencia (kW), energía (kWh), tipo de flexibilidad (desplazable, recortable, fija), restricciones (línea, temperatura, turno). Tarifa: TOU, cargo por potencia (kW), energía (kWh), capacidad. Con renovables: pronóstico horario (radiación solar). Con batería: capacidad, tasa carga/descarga, eficiencia, vida útil."
2. Decisión con solver. Día único: MIP — variables horarias. MIP de 24h en minutos. Multi-día o estocástico: Stochastic MIP o MPC (Model Predictive Control — método de control que actualiza el plan cada hora con los nuevos datos). Software común: GAMS / AMPL con modelos energéticos; EMS comerciales.
3. Integración de campo. Salida: cronograma horario. Integración PLC/SCADA (control semi-automático) o tablet/impresora. Datos de contador inteligente cierran el ciclo. Informe energético mensual. Con renovables/batería, MPC en tiempo real."
Alternativas
Manual + contador inteligente + experiencia del operario
GratisContador gratis por regulador
Para quién: Pequeño (<100 kW), tarifa simple
- + Cero coste
- + El operario decide
- + Ahorro intuitivo 5-10%
- − No óptimo
- − Difícil integrar batería o solar
- − Si los picos no se desplazan, beneficio limitado
- − No escala con muchas cargas
Software EMS local
Empresarial30.000–120.000 TRY licencia + 6.000–20.000 TRY/año (observación mercado TR)
Para quién: Mediano (100 kW-2 MW)
- + Soporte local, informes regulatorios
- + Integración PLC/SCADA
- + Optimización básica por tarifa
- − Sin MIP / estocástica
- − Débil en batería + solar conjunta
- − Pronóstico básico
Software internacional EMS + DR
Empresarial40.000–250.000 EUR licencia + 10.000–40.000 EUR/año
Para quién: Gran instalación (2+ MW) o campus
- + MIP / MPC
- + Renovables + batería + carga conjuntos
- + Pronóstico avanzado
- − Caro
- − Implantación 6-12 meses
- − Customización tarifaria necesaria
Solvers open-source + modelo energético propio
Código abiertoLicencia gratis; 12-20 semanas internas o 300K-900K TRY consultoría
Para quién: Pyme con equipo técnico y restricciones especiales
- + Sin licencia
- + Solvers MIP open-source suficientes
- + MPC y estocástico open-source
- − Experto OR/energía interno obligatorio
- − Integración PLC/SCADA aparte
- − Mantenimiento continuo
Recomendación
Pregunta en la reunión
- ¿Usáis MIP o MPC para DR o reglas?
- ¿Cómo representáis la tarifa (TOU + potencia + energía)?
- ¿Optimizáis batería + solar + carga flexible conjuntamente?
- ¿Qué método de pronóstico (ARIMA, ML, estacional)?
- ¿Qué protocolos PLC/SCADA? OPC-UA, Modbus, MQTT?
- ¿El objetivo de peak shaving es diario, mensual, anual?
- ¿Piloto de 4-8 semanas con consumo real y tarifa actual? ¿Cómo se miden los ahorros?
- Si dejamos de trabajar con vosotros, ¿cómo recuperamos consumo horario, histórico de planes y datos de contador?
Detalles técnicos
Nota del editor
Coloquialmente “ahorro eléctrico”, “ahorro tarifario”, “reducción de pico de demanda”. Académicamente Demand Response Optimization, Peak Shaving, Load Shifting Problem. Sin estas distinciones no se diferencia un EMS que ‘monitoriza energía’ (muestra datos del contador) de uno que ‘optimiza energía’ (decide cronogramas). El primero solo mide, el segundo ahorra.
Lo más omitido en la industria: modelar la estructura tarifaria. La tarifa del regulador tiene cuatro componentes: energía (kWh, por tramos), potencia (kW), transporte/distribución, impuestos. Cada uno se optimiza diferente. Si el software solo minimiza el coste por kWh (ignorando potencia), el ahorro no aparece en la factura real. El módulo tarifario es la prueba crítica.
Camino paso a paso — para la pyme
Etapa 1 — Medir primero. Mínimo 8 semanas de datos del contador (15 min u horario): consumo total, consumo punta, perfil de carga, detalle tarifario. Inventario de cargas — qué dispositivo cuánto consume.
Etapa 2 — Extraer el activo de conocimiento. Qué cargas son flexibles (desplazables, recortables, condicionales), cuáles críticas. Restricciones (turno, secuencia, temperatura). Elección tarifaria. Capacidades de renovables/batería.
Etapa 3 — Piloto. 8-12 semanas. Empezar con 1-2 cargas flexibles. Criterios antes: factura mensual -8% min, sin interrupción de producción.
Etapa 4 — Escalado. 3-6 meses para todas las cargas flexibles. Integración PLC/SCADA. Informes mensuales. Con renovables/batería, MPC en tiempo real.
Riesgos — qué puede salir mal
- Interrupción de producción. Desplazar cargas no debe romper la calidad. Restricciones bien definidas.
- Cambios tarifarios. El regulador actualiza 1-2 veces al año. La software debe adaptarse.
- Error de pronóstico. Pronóstico de renovables 15-25%; sensible para decisiones. MPC o estocástico necesario.
- Doble contabilidad de inversión. Amortización de batería contra ahorro debe netearse."
Mirada técnica al método
| Enfoque | Escala típica | Tiempo | ¿Óptimo garantizado? |
|---|---|---|---|
| Basado en reglas (off en punta) | Pequeño | inmediato | No, 50-70% |
| MIP (determinístico 24h) | Mediano-grande, 10-50 cargas | minutos | Sí (dentro de límite) |
| Stochastic MIP (incertidumbre renovable) | Renovable + batería + carga | horas | No, 95-98% |
| MPC | Tiempo real (24h rodantes) | min/hora | Bueno en la práctica |
| RL | Sistema complejo | Entrenamiento semanas | No, experimental |
Función objetivo elegida:
- Objetivo 1 — Factura total mínima: Estándar. Incluye energía y potencia.
- Objetivo 2 — Potencia pico mínima: Cuando la potencia domina.
- Objetivo 3 — Autoconsumo máximo: Con renovables + batería.
- Objetivo 4 — Huella de carbono mínima: Enfoque ambiental.
Multi-objetivo: suma ponderada o jerárquico.
Fuentes académicas
Ver sources en el frontmatter.
Fuentes
- Albadi, M. H. y El-Saadany, E. F. (2008). A summary of demand response in electricity markets. Electric Power Systems Research, 78(11), 1989–1996.
- Palensky, P. y Dietrich, D. (2011). Demand side management. IEEE Transactions on Industrial Informatics, 7(3), 381–388.
- Boyd, S. y Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press.
- Autoridad Reguladora del Mercado Energético de Turquía (EPDK) — Regulación Tarifaria. Referencia para el mercado eléctrico TR.
- Centro de Tesis YÖK — ’talep tarafı yönetimi’ o ’tepe yük’ — 40+ tesis turcas. tez.yok.gov.tr
Glosario
- Demand Response
- Enfoque de gestión energética que optimiza cuándo se ejecutan las cargas del lado del consumidor según tarifa, condiciones del sistema o incentivos.
- Peak Shaving
- Reducción deliberada de la potencia máxima diaria o mensual (kW) para bajar el cargo por potencia contratada.