OLADE

ORGANIZACION LATINOAMERICANA
DE ENERGIA

BID
BANCO INTERAMERICANO DE
DESARROLLO

MANUAL DE REFERENCIA
MODELO
MODULO HIDROLOGICO
(MODHID)

Marzo 1998

INDICE
Pgina
GLOSARIO
1. OBJETIVO .............................................................. I-1
2. LA BASE DE DATOS ........................................... II-1
3. EL MODELO HIDROLOGICO ........................... III-1
4. ESTIMACION DE LAS MATRICES M0 y M1 ... IV-1
5. RELLENO DE DATOS ......................................... V-1
6. MODELO DE SIMULACION ............................. VI-1
7. OBTENCION DE LA INFORMACION REQUERIDA POR EL MODULO TERMICO
........................................................................... VII-1
8. OBTENCION DE LA INFORMACION REQUERIDA POR LOS MODULOS DE
EXPANSION Y DE PLANEAMIENTO BAJO INCERTIDUMBRE
VIII-1
9.GENERACION SINTETICA DE CAUDALES .... IX-1
10.CONSIDERACIONES FINALES ........................ X-1

3
CAPITULO I
1.

OBJETIVO

Este documento presenta las especificaciones funcionales para el mdulo hidrolgico, las cuales incluyen el
objetivo del mdulo y su formulacin matemtica.
El objetivo del mdulo hidrolgico consiste en suplir la informacin hidrolgica a nivel mensual requerida
por los otros mdulos del
. Especficamente, el mdulo hidrolgico suministra la siguiente
informacin:
a.

Suple informacin al mdulo hidrotrmico, durante un perodo histrico, sobre los caudales
naturales o vrgenes (descontados los efectos introducidos por la operacin del sistema) en los sitios
de los diferentes proyectos existentes, en construccin y candidatos a la expansin del sistema. Ello
puede requerir completar la informacin que no se encuentre disponible durante dicho perodo.
Adems, suministra la informacin necesaria para el clculo de evaporacin en los embalses.

b.

El mdulo de planeamiento bajo incertidumbre y el mdulo de expansin reciben del mdulo

hidrolgico las secuencias hidrolgicas requeridas para el clculo de los costos de operacin del
sistema.

c.

El mdulo hidrolgico suministra la informacin sobre la energa y potencia generables en los

proyectos hidroelctricos, requerida por el modelo WASP, utilizado por el mdulo trmico.

d.

Finalmente, el mdulo hidrolgico tiene la capacidad para generar series sintticas de caudales en
los sitios de los diferentes proyectos, en forma tal que, en un futuro, pueda incluirse un mdulo que
permita la simulacin probabilstica del sistema, en forma desagregada. Debe advertirse que la
generacin sinttica de caudales que se realiza utiliza el modelo adoptado para el relleno de
informacin. Para que en rigor sea vlida la utilizacin de este modelo deben realizarse las pruebas
estadsticas pertinentes que permitan inferir sobre la validez del mismo.

CAPITULO II
2.

LA BASE DE DATOS

La base de datos, tal como se ver ms adelante, puede consistir de los caudales vrgenes en las distintas
estaciones (ya se ha descontado el efecto de la operacin de proyectos localizados aguas arriba de la estacin
en consideracin) o de combinaciones de datos medidos y caractersticas de la operacin del sistema. Estos
datos se encuentran a nivel mensual.
El modelo hidrolgico utiliza los caudales propios de cada estacin; esto es, la diferencia entre el caudal
virgen en la estacin en consideracin y los caudales de estaciones localizadas inmediatamente aguas arriba.
Por lo tanto, es preciso crear una nueva base de datos con la informacin requerida por el modelo
hidrolgico.
Cuando se dispone de la informacin de caudales vrgenes los caudales propios de cada estacin estn dados
por:
Q(i)*

= Q(i) Q(j)
j Ai

II.1

donde, para un perodo dado, Q(i)* son los caudales vrgenes propios de la estacin i, Q(i) son los caudales
vrgenes de la totalidad de la cuenca y Ai es el conjunto de estaciones localizadas inmediatamente aguas
arriba de la estacin i.
Cuando no se ha medido el caudal y slo se conoce la generacin del proyecto, se deducen los caudales del
sitio a partir del factor de conversin de potencia a caudal correspondiente a la altura media del embalse
durante el perodo en consideracin. Este factor est dado por:
F(i) = 9.81 { H(i) - Hc(i) }
II.2
F(i) = Factor de conversin de potencia a caudal para el proyecto i durante el perodo en consideracin. Se
expresa en kw/m3/seg.
=
H(i) =

Eficiencia de turbinas y generadores.

Cabeza bruta media del proyecto i, correspondiente al mes en consideracin, expresada en metros.

Hc(i) = Prdida de cabeza media en las conducciones, expresada en metros.

El caudal correspondiente a la estacin en consideracin estar dado por:
G(i)
Q'(i) = + V(i) + U(i)
F(i) NH

II.3

Q'(i) =

Caudales correspondientes al sitio i, durante el perodo en consideracin.

G(i) =

Generacin (kwh) durante el perodo, en el sitio i.

NH =

Nmero de horas durante el mes en consideracin.

V(i) =

Vertimientos, expresados en m3/seg, durante el mes considerado.

U(i) =

Caudal utilizado para otros usos, expresado en m3/seg.

II-1

II -

2 Manual de Referencia - MODHID

Cuando los caudales se encuentran medidos a la salida de las turbinas, el caudal de la estacin est dado por:
Q'(i) = Q''(i) + V(i) + U(i)
Q''(i)=

II.4

Caudal medio mensual durante el perodo en consideracin, medido a la salida de las turbinas.

Para hallar el caudal virgen correspondiente a una estacin dada se procede como sigue:
Ef(i) - Ei(i)
Q(i) = + Q'(i)+UC(i)+ Ev(i)
3600 NH

II.5

Ef(i)=

Embalse al final del perodo en consideracin, expresado en m3, para el sitio i. Puede deducirse a
partir del nivel del embalse y de la curva que relaciona el nivel con el volumen de embalse.

Ei(i)=

Embalse al inicio del perodo en consideracin, expresado en m3. Se deduce de igual forma que el
embalse final.

UC(i)= Uso consuntivo de agua en la cuenca propia durante el mes en consideracin, en m3/seg.
Ev(i)=

Evaporacin neta del embalse correspondiente al proyecto i durante el perodo en consideracin, en

m3/seg.

La evaporacin neta se calcula en la siguiente forma:

1000 A(i) ev(i)
Ev(i) =
3600 NH

II.6

A(i) =

Area media del embalse i, expresada en km2. Puede obtenerse de las curvas de elevacin contra rea
del embalse.

ev(i) =

Evaporacin neta en el embalse, expresada en mm/mes.

Los caudales vrgenes propios de la estacin se calculan por medio de la utilizacin del caudal Q(i), estimado
por medio de la ecuacin II.5.

CAPITULO III
3.

EL MODELO HIDROLOGICO

El modelo hidrolgico es una representacin matemtica de las series de tiempo de caudales en diferentes
sitios, la cual preserva los ms importantes parmetros temporales y espaciales estimados a partir de los
registros histricos. Para efectos del modelo hidrolgico se consideran los caudales propios de las estaciones;
es decir, el aporte de la cuenca hidrogrfica entre el sitio de la estacin en consideracin y el sitio de las
estaciones localizadas inmediatamente aguas arriba.
Una representacin probabilstica de los caudales y sus dependencias temporales y espaciales puede hacerse
por medio de los siguientes parmetros:
-

Medias mensuales de los caudales en los sitios de los diferentes proyectos. (

mensual en el sitio j, durante el mes i).

Desviaciones tpicas mensuales de los caudales. (

durante el mes i).

Correlacin entre estaciones en un mismo mes. (M0 = matriz de correlacin de rezago 0).

Correlacin serial de los datos de una misma estacin.

Correlacin entre meses sucesivos de diferentes estaciones. (M1 = matriz de correlacin de rezago 1
entre estaciones. Su diagonal corresponde a los coeficientes de correlacin serial).

i,j(q)

i,j(q)

= caudal medio

= desviacin tpica mensual en el sitio j,

Los parmetros anteriormente mencionados representan adecuadamente las series hidrolgicas para el
propsito del relleno de la informacin faltante, con el objeto de crear una base de informacin para un
perodo comn. Este es el objetivo principal del mdulo hidrolgico. Sin embargo, no puede establecerse en
forma general que todas las series hidrolgicas siguen el modelo adoptado. Para concluir acerca de la validez
del mismo deben realizarse pruebas de hiptesis a los datos existentes que permitan inferir sobre la bondad
del mismo.
Un modelo que preserva los parmetros estadsticos antes mencionados es el modelo de Matalas(1967)1.
Los caudales son convertidos a datos normales tpicos estacionarios por medio de transformaciones
apropiadas.
yk,j = f(qk,j)

III.1

qk,j=

caudales en la estacin j, en el perodo k.

yk,j=

caudales transformados de la estacin j en el perodo k, los cuales son normalmente distribuidos.

Los caudales transformados son tipificados (convertidos a variables aleatorias normales, con media cero y
desviacin tpica unitaria) por medio de la transformacin:
yk,j - [k],j(y)
xk,j =
[k],j(y)

III.2

Matalas N.C. Mathematical assessment of synthetic hydrology. Water Resources Research. Vol. 3,
No. 4, pag. 937-945. Agosto de 1967.

III-4 Manual de Referencia - MODHID

xk,j =

caudales transformados tipificados correspondientes a la estacin j, para el perodo k.

[k] =

mes correspondiente al perodo k.

[k],j(y) y
[k],j(y) pueden expresarse como funcin de la media y desviacin tpica de los caudales. Por
ejemplo, si f es la funcin logartmica, [k],j(y) y [k],j(y) pueden expresarse como:
[k],j(q)

= exp{

2
[k],j(q)

[k],j(y)

=exp{ 2

[k],j(y)

exp{ 2

2
[k],j(y)

+
+2

[k],j(y)

2
[k],j(y)

III.3
}-

2
[k],j(y)

III.4

Se define XK como:

xk,1
xk,2
....
....
xk,n

Xk=

III.5

donde n es el nmero de estaciones en consideracin.

El modelo de Matalas, anteriormente mencionado, se expresa as:
Xk+1 = AXk + BEk+1
Ek+1 =

III.6

Vector de n elementos independientes con distribucin normal tpica.

A, B = Matrices nxn.
Es posible preservar las matrices M0 ( E{Xk Xk} ) y M1 ( E{Xk+1 Xk} ) al hacer la estimacin por medio de
las siguientes ecuaciones:
A = M1 M0-1

III.7

BBT = M0 - M1 AT

III.8

Puede demostrarse que:

BBT = P

PT

III.9

donde la matriz P est compuesta por los vectores propios de la matriz BBT y es una matriz diagonal con
los valores propios correspondientes. A partir de esta ecuacin puede expresarse B como:
B=P
donde

III.10

es una matriz diagonal formada por la raz cuadrada de los valores propios.

Ntese que la ecuacin anterior slo es real cuando todos los valores propios son mayores o iguales a cero,
esto es, la matriz BBT es positiva semidefinida. Adems, la ecuacin anterior no es la solucin nica para B.
De hecho, B puede expresarse como:

B=P

CT

III.11

donde,
CCT = I

III.12

es decir, que C es una matriz unitaria de las cuales existe un conjunto infinito. Entre las candidatas a la
solucin para B se hallan matrices triangulares inferiores, las cuales permiten una solucin por medio de
algoritmos muy sencillos.
La estimacin de los parmetros del modelo anterior puede llevarse a cabo utilizando mtodos estadsticos
convencionales. Por ejemplo, estimacin de mxima verosimilitud de medias y desviaciones tpicas
mensuales. Igual para matrices Mo y M1, utilizando el mtodo de Crosby y Maddock (1970)2, descrito a
continuacin, el cual permite considerar registros de longitud variable y que produce estimadores de la matriz
BBT que son positivos semidefinidos.

Crosby D.S. y Maddock III T.. Estimating coefficients of a flow generator for monotone samples of
data. Water Resources Research. Vol. 6, No. 4, pg. 1079-1086. Agosto de 1970.

CAPITULO IV

4.

ESTIMACION DE LAS MATRICES M0 y M1

La estimacin de las matrices M0 y M1, en funcin de las cuales se calculan las matrices A y B del modelo de
Matalas, debe hacerse en una situacin en la cual, para cada estacin, los registros histricos se inician,
generalmente, en fechas diferentes y terminan aproximadamente en la misma fecha. Es decir, existen
registros con mayor historia que otros. La base de datos de los caudales transformados a variables aleatorias
normales tpicas puede expresarse como:

S=

x11(1)
x12(1)
..
x1k1(1)
x21(1)
..
x2k2(1)
..
xe1(1)
..
xeke(1)

x11(2)
x12(2)
..
x1k1(2)
x21(2)
..
x2k2(2)
..
xe1(2)
..
xeke(2)

............................
............................
............................
............................
........ x21(n2)
..
........
..
........ x2k2(n2)
..
........ ..
..
... xe1(ne)
..
...
..
..
... xeke(ne)
..

x11(n1)
x12(n1)
..
x1k1(n1)

..

..
..
..

IV.1

Las estaciones hidrolgicas forman e grupos. El grupo i estar conformado por ki estaciones, con una
longitud de registros igual a ni. Los grupos se encuentran organizados en orden decreciente de longitud de
registros. As, los registros ms largos tienen una longitud n1 y los ms cortos ne. Los datos se encuentran
ordenados hacia atrs, esto es comenzando con el ms reciente y finalizando con el ms antiguo. As, xij(k)
representa el caudal transformado correspondiente a la estacin j del grupo i, durante el tiempo k. El tiempo 1
corresponde al perodo ms reciente y a medida que avanza este indicador, los registros se encuentran ms
alejados en el tiempo. Utilizando notacin matricial, la ecuacin IV.1 puede expresarse como:

X1(1)
X1(2) ....................... X1(n1)

..
..
...................... ..

S = Xi(1)
Xi(2) ...............
Xi(ni)
..
IV.2
..
..
...............
..
..

Xe(1)
Xe(2) ... Xe(ne)
..
..

donde,

xi1(k)
...
xij(k)
...
xiki(k)

Xi(k) =

IV.3

La estimacin de las matrices M0 y M1 en el caso en el cual todas las estaciones tienen igual longitud de
registros y, por lo tanto, e=1, es bien conocida. En este caso, ellas pueden estimarse por:
1
n1
M0* =
{ X1(k) - <X1> }
n1 - 1
k=1
{ X1(k) - <X1> }T
1

IV.4

n1-1
IV-1

IV-2 Manual de Referencia - MODHID

M1* =
{ X1(k+1) - <X1> }
n1 - 2
k=1
{ X1(k) - <X1> }T

IV.5

donde,
1
n1
<X1> =
X1(k)
n1
k=1

IV.6

En el caso ms general, en el cual los registros de las estaciones no coinciden en longitud, cada uno de los
elementos i,j de las matrices M0 y M1 podra calcularse utilizando las ecuaciones IV.4, IV.5 y IV.6 para el
perodo comn de registros, es decir, el correspondiente a la estacin con menor longitud de registros. Sin
embargo, este procedimiento puede conducir a un estimativo de la matriz BBT tal que dicha matriz no sea
positiva semidefinida.
Crosby y Maddock (1970) (referencia ya incluida) han estudiado el problema de estimacin descrito
anteriormente, y propuesto un procedimiento que conduce a un estimador de la matriz BBT tal que dicha
matriz sea positiva semidefinida. Este estimador corresponde al estimador de mxima verosimilitud cuando
las variables aleatorias son independientes serialmente. A continuacin se presenta el procedimiento. Inicialmente se presenta un procedimiento para la estimacin de M0 que posteriormente se extiende a la estimacin
de M0 y M1.
Inicialmente se hace una estimacin de la matriz M0 correspondiente al primer grupo de estaciones, mediante
la aplicacin de las ecuaciones IV.4 y IV.6. El procedimiento procede por pasos. Supngase que se ha
estimado la matriz M0 para los primeros h-1 grupos de estaciones, donde 2 h e. Este estimador se denota
por h-1. Se estiman los coeficientes de regresin del grupo h de estaciones con las estaciones
correspondientes a los primeros h-1 grupos.
Si

X1
(j)
...............
= Xi
(j)
...............
Xh-1(j)

Vh(j)

IV.7

los coeficientes de regresin estn dados por la matriz

nh
{ Xh(k) - <Xh> } { Vh(k) - <Vh> }T ]
k=1
nh
[ {Vh(k) - <Vh>}{Vh(k) - <Vh>}T ]-1
k=1

Bh = [

IV.8

donde
1
nh
<Xh> =
Xh(k)
nh k=1

IV.9

Estimacin de las Matrices M0 y M1 IV-3

1
nh
<Vh> =
Vh(k)
nh k=1

IV.10

A partir de los coeficientes de regresin se calcula

h'

h'

como

1
nh
= [ { ( Xh(k) - <Xh> )
nh - 1
k=1

nh
( Xh(k) - <Xh> )T } - Bh
k=1
( Vh(k) -<Vh> )T} BhT ]

{ ( Vh(k) - <Vh> )

IV.11

El estimador de la matriz M0 correspondiente a los primeros h grupos de estaciones est dado por:

BhT

h-1
h-1
=

IV.12
h
T
Bh h-1

h' + Bh h-1 Bh

El proceso anterior se repite hasta hallar el estimador correspondiente a los e grupos. Puede probarse que la
matriz as estimada es positiva semidefinida y que ella corresponde al estimador de mxima verosimilitud
cuando las variables aleatorias involucradas son temporalmente independientes1.
Cuando se requiere un estimador para M0 y M1 se hace la estimacin para una base de datos dada por la
matriz S* en lugar de S, en la cual se intercalan a la matriz S los datos correspondientes, desplazados un
perodo de tiempo. Esto es,

X1(1) X1(2) ........................ X1(n1)

X1(2) X1(3) ..............
X1(n1) . ..

..
..
....................... . ..

..
..
....................... . ..

S* = Xi(1) Xi(2) ............. Xi(ni)

. ..

Xi(2) Xi(3) ....... Xi(ni)

.. .
. ..

IV.13
..
..
.............. . .. . . ..

Xe(1) Xe(2) ..... Xe(ne) . .. .

. ..

Xe(2) Xe(3) ... Xe(ne) .. . .. .

. ..

La ecuacin anterior puede escribirse, para conveniencia en la notacin, como,

X1(1) X1(2) ....................... X1(n1)

Y1(1) Y1(2) ..............
Y1(n1-1) ..

..
..
...................... . ..

..
..
...................... . ..

S* = Xi(1)
Xi(2) ...............
Xi(ni) . ..

IV.14
Yi(1) Yi(2) ....... Yi(ni-1) ..
. ..

..
..
............... . .. . ..

Xe(1) Xe(2) ...... Xe(ne) . ..

. ..

Ye(1) Ye(2) ... Ye(ne-1) .. . ..

. ..

Afifi A.A. y R. M. Elashoff. Missing observations in multivariate statistics. Journal of the American
Statistics Association. Vol. 61 pg. 595-604. 1966.

IV-4 Manual de Referencia - MODHID

Cuando se aplica el procedimiento antes descrito a la matriz S* se obtiene lo siguiente:

X1X1
Y1X1
..
..
2e = XiX1
YiX1
..
XeX1
YeX1

X1Y1
Y1Y1

..
..
XiY1
YiY1

..
XeY1
YeY1

..............
..............
..............
..............
..............
..............
..............
..............
..............

X1Xe
Y1Xe

..
..
XiXe
YiXe

..

X1Ye
Y1Ye

..
..
XiYe
YiYe

..

XeXe

XeYe

YeXe

YeYe

IV.15

donde XiXj es la matriz de covarianza asociada a los vectores Xi(k) y Xj(k). Un significado similar tienen las
matrices XiYj.
Las filas y columnas pueden reordenarse en tal forma que:

M0*
M1T*

2e
M1*
M0*'

IV.16

donde M0* y M1* son los estimadores positivos semidefinidos de las matrices M0 y M1. M0*' es tambin un
estimador de la matriz M0 cuando no se utiliza la ltima observacin. Ntese la mejora sustancial de estos
estimadores sobre los obtenidos utilizando la informacin comn de pares de estaciones, ya que ellos
permiten la transferencia de informacin de las estaciones ms largas a las ms cortas.
Crosby y Maddock (1970)2 utilizan un procedimiento similar para estimar las medias, el cual transfiere
informacin de las observaciones ms largas a las ms cortas. Para ello se definen los vectores

<X1>

<X2>*

...
<Wh> =
...

IV.17
<Xi>*

...
<Xh-1>*

Uh = <Wh> - <Vh>

IV.18

El estimador de la media est dado por:

<Xh>* = <Xh> + Bh Uh

IV.19

El procedimiento es similar al utilizado para el clculo de las matrices Mo y M1, avanzando por pasos hasta
cuando h=e.
Ntese que la estimacin anterior cambia los estimadores originalmente calculados de la media y varianza de
los caudales transformados. Si estas variables se denotan por [k],j(y)* y [k],j(y)*2, los nuevos estimadores,
denotados por '[k],j(y)* y '[k],j(y)*2 respectivamente, estn dados por:
2

. Crosby D. S. y T. Maddock III. Estimating expected values for monotone samples. Water Resources
Research. Vol. 6 N 6 pg. 1743-1745. Diciembre de 1970.

Estimacin de las Matrices M0 y M1 IV-5

'[k],j(y)* =

*
[k],j(y)

'[k],j(y)* =

*
[k],j(y)

*
[k],j(y)

+
*
j

*
j

IV.20
IV.21

donde j* y j* son la media y desviacin tpica obtenidas a partir del procedimiento de Crosby y Maddock,
tal como se describe a continuacin. j* se iguala a <Xj>*, obtenido a partir de la ecuacin IV.19. j* se
obtiene a partir de la raz cuadrada de la diagonal de la matriz M0* estimada de acuerdo con el procedimiento
antes mencionado. Los elementos de las matrices M0 y M1 estimados con la metodologa anterior, los cuales
se denotan por m0*(i,j) y m1*(i,j), tambin deben modificarse para tener en consideracin que los caudales
transformados tipificados de acuerdo con la media y varianza dadas por las ecuaciones IV.20 y IV.21 tienen
desviacin tpica unitaria. La modificacin es la siguiente:
m0*'(i,j)

m0* (i,j)
=
*
i

m1*'(i,j)

m1* (i,j)
=
*
i

IV.22

*
j

*
j

IV.23

CAPITULO V
5.

RELLENO DE DATOS

A continuacin se presenta un modelo para el relleno de datos faltantes en series hidrolgicas, el cual utiliza
la estructura de evolucin temporal y espacial de la serie de tiempo y la teora de sistemas dinmicos
inciertos.
El sistema evoluciona discretamente en el tiempo, de acuerdo con la ecuacin III.6, esto es:
XN+1 = A XN + B EN+1

V.1

Ntese que la misma estructura de correlacin podra preservarse por medio de un modelo que evolucione
hacia atrs en el tiempo.
As,
XN = A* XN+1 + B* EN'

V.2

Para que el modelo representado por la ecuacin V.2 sea equivalente al representado por la ecuacin V.1 se
requiere que las matrices A* y B* sean la solucin a las siguientes ecuaciones:
M1T = A* M0

V.3

M0 = A* M0 A*T + B* B*T

V.4

Para el sistema representado por la ecuacin V.1 se conocen algunos de los componentes del vector de estado
XN para el perodo N localizado entre los tiempos 1 y T. Supngase que para dicho perodo ( 1 N T )
existen n' componentes conocidas y n'' componentes desconocidas. Puede suponerse, sin prdida de generalidad, que las primeras n' componentes del vector XN, denotadas por XN' son conocidas y las n'' siguientes,
denotadas por XN'', son desconocidas. Por lo tanto, la ecuacin

XN'
ZN = I 0

V.5

XN''

nos dar el vector ZN de las componentes conocidas del vector XN.

I es la matriz identidad de tamao n'xn' y 0 es una matriz de ceros de tamao n'xn''.
Utilizando una notacin similar, la ecuacin V.1 puede escribirse como:

XN+1'
A'

B'

XN+

EN+1
V.6
XN+1''
A''

B''

Las matrices A', A'', B'y B'' tienen dimensiones n'xn, n''xn, n'xn y n''xn respectivamente. Adems,

I N1 = N2
E{EN1 EN2} =

V.7
0 N1 N2

El problema a resolver consiste en hallar un estimador para las componentes desconocidas del vector de
estado, como funcin de todos los datos conocidos entre el perodo 1 y el perodo T.
Schweppe (1973)1 presenta la estimacin para un caso mas general de sistemas dinmicos inciertos. El
1

Schweppe Fred C. Uncertain dynamical systems. Prentice-Hall Inc. 1973

V-1

V-2 Manual de Referencia - MODHID

problema al cual hace referencia la cita anterior se refiere a un sistema que evoluciona en el tiempo de
acuerdo con la ecuacin:
XN+1 =

N+1

XN + GN+1 WN+1

V.8

donde,
XN =
N+1

Vector de tamao n.
y GN+1 =

WN+1

Matrices de tamao nxn.

Variables aleatorias con media 0.

La componente aleatoria WN es tal que

E(WN1 WN2T)=

QN1

N1 = N2
V.9

N1

N2

Las observaciones que se realizan son una funcin lineal del vector de estado, afectadas por errores en la
medicin. As, el vector de observaciones se expresa como:
ZN = HN XN + VN

V.10

donde,
ZN =

Vector de observaciones, de tamao m.

HN =

Matriz de tamao mxn.

VN =

Error en las observaciones, el cual es un vector de m variables aleatorias independientes con media
0.

Ntese que, a diferencia del problema planteado inicialmente, las observaciones en el modelo ms general no
corresponden a componentes del vector de estado y, adems, estn afectadas por un error. Adicionalmente,
las matrices N y GN son funcin del tiempo.
Se utilizar la notacin <X>(N/T) para designar el estimador del estado correspondiente al tiempo N
utilizando las observaciones Z1,........,ZT. Se denota por (N/T) la matriz de covarianza de los errores {XN <X>(N/T)}.
Existen tres tipos de problemas de estimacin, los cuales son denominados como filtro, prediccin y
suavizacin, los cuales corresponden a los siguientes casos:
a.

El filtro corresponde a la situacin para la cual N=T. Esto es, cuando se trata de estimar el ltimo
perodo dada la informacin de los perodos anteriores, incluyendo el perodo en consideracin.

b.

En la prediccin se pretende estimar estados futuros conocida la informacin hasta un tiempo dado.
Es decir, N > T.

c.

Se utiliza la suavizacin cuando se pretende estimar un estado para un perodo dado y existen
observaciones antes y despus de tal perodo ( 1 N T).

El problema pertinente para el caso hidrolgico es el que corresponde a la suavizacin y puede tratarse por

Relleno de Datos V-3

medio de la combinacin de un filtro y un pronstico, tal como se ver ms adelante. Por lo tanto, se
discutirn inicialmente los problemas de estimacin asociados con el filtro y el pronstico, aplicados al caso
particular correspondiente al problema hidrolgico discutido inicialmente. Las ecuaciones pertinentes son
conocidas como filtro de Kalman o filtro de Kalman-Bucy.
Schweppe considera el caso de estimacin para sistemas con observaciones perfectas, esto es, cuando la
variable aleatoria VN es igual a cero. En este caso los mejores estimadores sin sesgo para las variables de
estado estarn dados por:
<X>(N+1/N) =

N+1

<X>(N+1/N+1) =

<X>(N/N)

N+1

V.11

<X>(N/N) + (N+1/N) HN+1T

{ HN+1 (N+1/N) HN+1T } -1 { ZN+1 - HN+1

N+1

<X>(N/N) }

V.12

Las matrices de covarianza asociadas a tales estimadores sern:

(N+1/N) =

N+1

(N/N)

T
N+1

+ GN+1 QN GN+1T

V.13

(N+1/N+1) = (N+1/N) - (N+1/N) HN+1T

{ HN+1 (N+1/N) HN+1T } -1 HN+1 (N+1/N)

V.14

Ntese que en el caso de variables normalmente distribuidas el vector aleatorio XN+1 dada la ocurrencia de las
observaciones Z1, ....,ZN+1 tendr una distribucin normal multivariada con media igual a <X>(N+1/N+1) y
matriz de covarianza (N+1/N+1).
Aplicando las ecuaciones V.11 a V.14 al caso de las ecuaciones V.5 a V.7 se obtiene:
<X>(N+1/N) = A <X>(N/N)

V.15

'

T ''

(N+1/N) = A (N/N) AT + B BT =

V.16

donde ', y '' tienen dimensiones n'xn', n'xn'' y n''xn'' respectivamente.

<X>(N+1/N+1) =

I 0

A'

A''

<X>(N/N)+

'

T ''

'

T '

-1

V-4 Manual de Referencia - MODHID

XN+1' - I 0

A'' <X>(N/N) +

A'

A''

XN+1'
T

'-1 {XN+1' - A' <X>(N/N)}

Similarmente,

(N+1/N+1)= (N+1/N) -

I 0

<X>(N/N)

'

T ''

'
T

'' 0

0
''-

'- 1

V.17

'-1

V.18

A continuacin se considera la combinacin del filtro y el pronstico para producir la suavizacin, la cual
consiste en la estimacin del estado correspondiente al tiempo N, sobre la base de observaciones incompletas
realizadas entre el tiempo 1 y el tiempo T, donde 1 N < T.
A partir de las observaciones de que se dispone hasta el perodo de tiempo N (desde el perodo 1 hasta el
perodo N) es posible, mediante la aplicacin de las ecuaciones V.17 y V.18, calcular el mejor estimador
insesgado y la correspondiente matriz de covarianza, los cuales se denotan como <X>(N/N) y (N/N)
respectivamente.
Adems, a partir de las observaciones entre el perodo N+1 y el perodo T es posible calcular el mejor
estimador sin sesgo y su respectiva matriz de covarianza del estado correspondiente al tiempo N. Para ello se
utiliza la representacin hacia atrs del modelo dinmico, expresada por la ecuacin V.2, realizando un
pronstico (hacia atrs). Este estimador se denota por <X>(N/Nc). La respectiva matriz de covarianza se
denota por (N/Nc).
Los resultados de la aplicacin del filtro, utilizando las observaciones entre el tiempo 1 y el tiempo N, estn
dados por:

<X>N'

<X>(N/N) =

V.19
<X>N''

0 0

(N/N) =

V.20
0
'''

en donde ''' est dado por la ecuacin V.18.

Los resultados de la aplicacin de un pronstico hacia atrs, utilizando las observaciones entre el tiempo N+1
y T estn dados por:

<Y>N'

Relleno de Datos V-5

<X>(N/Nc) =

<Y>N''

V.21

Para la matriz de covarianza se utiliza la misma notacin de la ecuacin V.16, ya que la estimacin se hace
por medio de un pronstico (hacia atrs).

'

(N/Nc) =

V.22
T ''

<X>N' y <Y>N' son observaciones del vector XN', la primera de ellas sin error y la segunda de ellas con error.
<X>N'' y <Y>N'' corresponden a observaciones con error del vector XN''. Las observaciones con error estarn
dadas por:

<Y>N'

Z1= <Y>N''

<X>N''

I 0

0 I

0 I

XN'

XN''

V1

V2

V3

V.23

donde V1, V2 y V3 son vectores de variables aleatorias con media cero, los cuales representan los errores en
las observaciones.
Las observaciones sin error estn dadas por:

XN'
Z2 = <X>N'= I 0

XN''

Adems, si

V1

V=
V2

V3

'
0

E{VVT} =
T '' 0

0 0
'''

V.24

V.25

V.26

Schweppe considera la estimacin asociada con el problema:

Z1 = H1 X + V1
Z2 = H2 X
E{V1V1T} = R1

V.27
V.28
V.29

El mejor estimador sin sesgo est dado por:

<X> =
donde

H1T R1-1 Z1 + H2T { H2 H2T }-1 Z2

V.30

V-6 Manual de Referencia - MODHID

= { H1T R1-1 H1 }-1

V.31

La matriz de covarianza est dada por:

= - H2T { H2 H2T }-1 H2

V.32

Aplicando los resultados anteriores al caso en consideracin, se obtiene lo siguiente:

Sea

R11 R12

R12 T R22

'

-1

V.33
''

-1

R11 R12 0 I 0

I 0 0

T
=
R12 R22 0 0 I
=
0 I I

-1

0 0 '''
0 I

R11 R12
-1 11 12

V.34
T
-1
T
R12 R22 + ''' 12 22

La aplicacin de la ecuacin V.32 produce el siguiente resultado:

11 12 11 12
I

(N/T)=
-

I0
12T 22 12T 22
0

-1

11 12
I

11 12

I 0

=
12T 22
0

12T 22

0
0

0 0

V.35
0
22-12T 11-1 12

donde,

= 22 - 12T 11-1 12

La aplicacin de la ecuacin V.30 resulta en:

R11
0 0 I 0 0
<X>(N/T)=

R21
0
0 I I

<Y>N'

V.36

R12

R22

'''-1

Relleno de Datos V-7

<Y>N ''

<X>N ''

11 12

12T 22

11 12

12T 22

I
0

<X>N'
12T 11-1 <X>N'+ R21 <Y>N'+ R22 <Y>N''+

I 0

-1

<X>N' =

V.37

'''-1 <X>N''

La ecuacin V.37 muestra que el mejor estimador de las componentes conocidas del vector correspondiente
al estado N son precisamente las mismas componentes, como era de esperarse. La ecuacin V.35 muestra
como la matriz de covarianza de los errores de las componentes conocidas es igual a cero.
La aplicacin de los desarrollos anteriores para llenar datos de caudal faltantes en series hidrolgicas
mensuales se basa en que, tal como se mencion anteriormente, para el caso normal la distribucin
condicional de los caudales transformados tienen media y matriz de covarianza dadas por las ecuaciones
V.37 y V.35 respectivamente. Esta propiedad puede utilizarse para la estimacin de los datos faltantes, de la
siguiente manera:
a.

Se generan los residuos xN,j, correspondientes a los datos faltantes en el perodo N, muestreando de
la distribucin normal multivariada con media <X>(N/T) y matriz de covarianza igual a (N/T).

b.

Se halla los valores yN,j a partir de la siguiente ecuacin:

yN,j = [N],j(y) + [N],j(y) xN,j
V.38

c.

Los caudales faltantes se calculan como:

qN,j = f-1(yN,j)

V.39

Esta ltima transformacin produce el mismo valor para la distribucin normal y corresponder a la
exponenciacin del valor transformado para la distribucin lognormal.
Ntese que la metodologa anterior puede extenderse fcilmente fuera del rango 1 N T, ya que slo se
precisa hacer pronsticos hacia adelante o hacia atrs, segn el caso. Sin embargo, los datos generados van
aumentando su varianza a medida que se apartan del rango, tendiendo hacia la distribucin no condicionada
de los caudales.

CAPITULO VI
6.

MODELO DE SIMULACION

Los mdulos trmico y de planeamiento bajo incertidumbre requieren informacin hidrolgica sobre eventos
con una cierta probabilidad de ocurrencia. Estos eventos deben definirse en trminos de la generacin total de
energa del sistema hidroelctrico. Para obtener los eventos hidrolgicos en trminos energticos se requiri
desarrollar un modelo de simulacin del sistema a nivel mensual, el cual utiliza reglas heursticas de
operacin. Este modelo opera as:
El modelo permite considerar una topologa compleja del sistema de proyectos hidroelctricos. As, tanto la
generacin como los vertimientos y los usos del proyecto pueden descargar en cuencas diferentes de la
cuenca donde se encuentra ubicado el mismo. Permite, as mismo, considerar las caractersticas de cabeza
variable de los diferentes proyectos.
Como condiciones iniciales del sistema se toma el 50% del volumen til de los embalses. A partir de dichas
condiciones se simula el sistema durante el perodo histrico (obtenido utilizando el modelo de relleno de
datos antes descrito) para producir una energa anual objetivo. Esta energa anual es desagregada a nivel
mensual, de acuerdo con factores suministrados por el mdulo de demanda, los cuales tienen en cuenta la
estacionalidad en esta variable. Dichos factores pueden tambin ser utilizados como una aproximacin para
asignar valores diferentes a la generacin de cada uno de los meses.
Las reglas para operacin de los proyectos hidroelctricos son como sigue:
a.

Como condiciones iniciales de los embalses en un mes dado se utilizan las condiciones finales del
mes anterior.

b.

Inicialmente se genera la energa que de todas maneras se hubiese vertido.

c.

A continuacin se efectan desembalses para completar los requerimientos de descarga mnima y de

otros usos aguas abajo de los embalses.

d.

Posteriormente se realizan desembalsamientos de los diferentes embalses hasta suplir la demanda

objetivo de energa. Estos desembalsamientos se llevarn a cabo de acuerdo con una prioridad
asignada por un ndice que combina dos factores:

e.

Minimizar los posibles vertimientos futuros del sistema.

Evitar posibles atrapamientos de agua en los embalses de mayor volumen del sistema.

A lo largo del proceso anterior se efectan los ajustes pertinentes para tener en cuenta las prdidas
debidas a la evaporacin del sistema de embalses y a los diferentes aprovechamientos para usos
diferentes al de generacin de energa elctrica.

La simulacin se lleva a cabo hasta cuando el sistema, a lo largo del perodo histrico de registro, pueda
suplir el mximo objetivo de energa anual, sin presentar dficits. Para lograr este objetivo, se considera la
funcin
r = f(d)

VI.1

donde d es el objetivo anual de energa y r el dficit total que se produce en el sistema. Se utiliza el modelo
de simulacin para hallar el valor de la funcin para un d dado. Se aplica el mtodo de Newton-Raphson
para, iterativamente, hallar el mximo valor de d para el cual r es cero.

VII-1

CAPITULO VII

7.

OBTENCION DE LA INFORMACION REQUERIDA POR EL MODULO TERMICO

El mdulo trmico requiere, para cada proyecto (o grupo de proyectos) construidos, en construccin o
candidatos a la expansin, diversas producciones energticas aportadas al sistema por stos en cada mes y
para un mximo de cinco condiciones hidrolgicas, cada una de ellas con una probabilidad asociada. Sean p1,
....., p5 las probabilidades asociadas a cada uno de los grupos de condiciones hidrolgicas, ordenadas de ms
secas a ms hmedas.
La metodologa utilizada consiste en encontrar cules aos del perodo histrico corresponden a cada uno de
los grupos de condiciones hidrolgicas. Se considera que un ao pertenece al grupo i de condiciones
hidrolgicas si la energa total aportada al sistema durante dicho ao tiene una probabilidad de ocurrencia
correspondiente a la probabilidad asociada al grupo i. Esto es, si E es la variable aleatoria que representa la
generacin total anual de energa y Ej el valor de dicha variable durante el ao j, tal ao pertenece al grupo i
si:
i-1

i
pk < P( E

Ej )

k=1

pk

VII.1

k=1

Para hallar los aos que corresponden a cada uno de los grupos se sigue el siguiente procedimiento:
a.

Utilizando el modelo de simulacin se obtiene la generacin total anual de energa del sistema para
cada uno de los aos del perodo histrico considerado. Sean E1, .....,EN tales valores.

b.

Los valores son ordenados de menor a mayor. Sea m el orden de la energa total anual que aporta el
sistema y j(m) el ao que corresponde a dicho orden. La probabilidad muestral de que el aporte de
energa del sistema sea inferior a Ej(m) est dada por:

P(E

c.

m
Ej(m) ) =
N+1

VII.2

Para hallar los aos que pertenecen al grupo i se halla el conjunto M(i) de enteros tales que si m
M(i), entonces
i-1

m
pk <
k=1
N+1

i
pk
k=1

VII.3

Sea Ni el nmero de aos que pertenecen a dicho conjunto.

Una vez hallados los aos pertenecientes a cada grupo se calculan los datos requeridos por el modelo WASP.
La energa mensual disponible, la energa mensual mnima y la potencia mensual disponible para cada
proyecto y para cada grupo de condiciones hidrolgicas se halla promediando tales valores mensuales para
todos los aos que pertenecen al respectivo grupo de condiciones hidrolgicas.

VII-1

CAPITULO VIII
8.

OBTENCION DE LA INFORMACION REQUERIDA POR LOS MODULOS DE

EXPANSION Y DE PLANEAMIENTO BAJO INCERTIDUMBRE

Los mdulos de expansin y de planeamiento bajo incertidumbre requieren como entrada las hidrologas, con
probabilidades de ocurrencia dadas, ocurridas histricamente durante un perodo de L aos que cubre el
perodo de planeamiento ms un nmero dado de aos. Sean p1, ..,pG las probabilidades asociadas a las
secuencias histricas requeridas.
Utilizando el modelo de simulacin antes descrito y los N aos de informacin histrica disponibles es
posible obtener N-L+1 valores de la energa total generada durante un perodo de L aos. El primer valor
corresponde a la energa total generada durante los primeros L aos, el segundo valor corresponde a la
energa total generada entre el ao 2 y el ao L+1, y as sucesivamente. Sean E1, .., Ej,..,EN-L+1 tales valores,
donde el subndice j indica el ao en el cual se inicia el perodo de L aos correspondientes. Estos valores
pueden ordenarse de menor a mayor. Sea m el orden correspondiente y j(m) el ao al cual corresponde dicho
orden. Si E es la variable aleatoria que representa la energa total generada durante un perodo de L aos, se
tendr que la probabilidad muestral correspondiente al ao j(m) est dada por:

P (E

m
Ej(m)) =
N-L+2

VIII.1

Para cada grupo i de condiciones hidrolgicas se halla el ao j(m) que se encuentre ms prximo a la
siguiente igualdad:
i-1

pi
m
pk + =
k=1
2
N-L+2

VIII.2

En esta forma se hallan los G aos iniciales correspondientes a cada una de las condiciones hidrolgicas.

CAPITULO IX
9.

GENERACION SINTETICA DE CAUDALES

La generacin sinttica de caudales se efecta generando nmeros aleatorios independientes y lognormalmente distribuidos y utilizndolos en las ecuaciones pertinentes del modelo hidrolgico.
Debe insistirse que el modelo propuesto es adecuado para el relleno de la informacin faltante. Sin embargo,
su idoneidad para representar las series hidrolgicas que se quieren modelar deber inferirse por medio de las
pruebas estadsticas pertinentes.

CAPITULO X
10.

CONSIDERACIONES FINALES

La consideracin de un nmero grande de estaciones puede dar origen a cdigos ejecutables de gran tamao
y tiempos de computacin excesivos. Lo anterior es especialmente cierto para el modelo de relleno de datos
y, en menor grado, para el modelo de generacin sinttica de caudales.
En consecuencia, se ha previsto la posibilidad de formar grupos de estaciones con caractersticas hidrolgicas
similares. Para cada uno de los grupos seleccionados se realizar el relleno de datos y la generacin sinttica
de caudales en forma independiente de los otros grupos. El supuesto de independencia es razonable cuando
los grupos de estaciones se encuentren suficientemente alejados y, por lo tanto, la correlacin espacial es muy
dbil. Generalmente, tal es el caso cuando es preciso considerar un gran nmero de estaciones.