Evaluación Cargabilidad Dinámica Líneas Aéreas KPIconfiabilidad AAZ UN EM&D 2017 Rev Q

Contenido I
Evaluación del impacto de la cargabilidad

dinámica de líneas aéreas en indicadores de
confiabilidad del sistema eléctrico de potencia.
Alvaro Alfonso Zambrano Pinto
Universidad Nacional de Colombia

Facultad de Ingeniería, Departamento de Ingeniería Eléctrica y Electrónica
Bogotá D.C., Colombia
2017
II Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
indicadores de confiabilidad del sistema eléctrico de potencia
Evaluación del impacto de la cargabilidad

dinámica de líneas aéreas en indicadores de
confiabilidad del sistema eléctrico de potencia.
Alvaro Alfonso Zambrano Pinto
Tesis o trabajo de investigación presentado como requisito parcial para optar al título de:
Magíster en Ingeniería Eléctrica
Director:
Javier Rosero García, Ph.D.
Línea de Investigación:
Sistemas de transmisión – Redes inteligentes
Grupo de Investigación:
Electrical Machines and Drives (EM&D)
Universidad Nacional de Colombia

Facultad de Ingeniería, Departamento de Ingeniería Eléctrica y Electrónica
Bogotá, Colombia
2017
A mi Madre Yolanda Pinto
A mi Padre Alvaro Zambrano
A mis hermanas Diana, Paola y Milena
A mis sobrinos Isabella, Amelia, Martin Ivanna y Montserrat
IV Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
Agradecimientos
Al profesor Javier Rosero García, PhD por el apoyo brindado y cada uno de sus
aportes que sin lugar a duda fueron de enorme utilidad durante el desarrollo de este
proyecto.
A los integrantes del grupo de investigación Electrical Machines and Drives (EM&D)
de la Universidad Nacional de Colombia, el lugar en donde se realizó esta tesis de
maestría, por sus aportes y su gran apoyo, en especial a los aportes brindados por
Yenniffer Benítez, Jorge Restrepo, David Álvarez, William Montaño, Julio
Chinchilla, Sandra Téllez, María Alejandra Delgado, Jairo Caballero y al maestro
Jeisson Otero.
A Diana Montaña por haberme brindado su amistad y escucharme durante todas

las crisis que se generaron durante la construcción de este proyecto.
A la profesora Ceymy Rodríguez por sus palabras de ánimo y su muestra de apoyo

en el momento más difícil de la elaboración de este proyecto.
Muchas gracias a todos.

Resumen
Proponente: Alvaro Alfonso Zambrano Pinto

e-mail: [email protected]
Programa: Maestría en Ingeniería - Ingeniería Eléctrica
Director: Javier Rosero García, Ph.D.
Título de la Tesis de Evaluación del impacto de la cargabilidad
Investigación: dinámica de líneas aéreas en indicadores de
confiabilidad del sistema eléctrico de
potencia.
Entidad: Universidad Nacional de Colombia
Dirección: Edificio 453 oficina 208, Bogotá D.C.
e-mail: [email protected]
Teléfono: +57 316 5000 Ext 10696
Línea de Investigación: Líneas de transmisión – Redes inteligentes
Grupo de Investigación Electrical Machines & Drives, EM&D -
COL0120979
Url: www.ing.unal.edu.co/grupos/emd/index.html
A través de este documento, se presenta el impacto que significa la utilización de

cargabilidad dinámica sobre los indicadores de confiabilidad de un sistema eléctrico
de potencia. Para esto, se muestra el proceso de implementación de un modelo de
cargabilidad dinámica bajo un esquema de Smartgrids acondicionando todas las
variables que son necesarias para su funcionamiento. Así mismo, se efectúa una
serie de validaciones al modelo basadas en simulaciones de tipo numérico y
mediciones efectuadas en el laboratorio. Por otra parte, son seleccionados los
indicadores de confiabilidad que servirán para evaluar el impacto de la utilización
de esta tecnología sobre el sistema y se estructura un análisis de confiabilidad que
incluya el uso de esta tecnología, verificando la forma como la cargabilidad
dinámica impacta en la confiabilidad del sistema eléctrico de potencia. Finalmente
se presentan las conclusiones y recomendaciones del proyecto.
Palabras clave: (Cargabilidad dinámica, Líneas de transmisión, índices de

desempeño de confiabilidad, optimización del sistema, redes inteligentes).
VI Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
Abstract
Through this document, the impact of the use of dynamic loadability on the reliability
indicators of an electric power system is presented. For this, is show the process of
implementing a dynamic load model under a Smartgrids scheme conditioning all the
variables that are necessary for its operation. Likewise, a series of validations to the model
is made based on simulations of numerical type and measurements made in the laboratory.
On the other hand, reliability indicators are selected in order to be used to evaluate the
impact of the use of this technology on the system and a reliability analysis that includes
the use of this technology is structured, verifying how the dynamic loadability impacts on
the reliability of the power system. Finally the conclusions and recommendations of the
project are presented.
Keywords: (Dynamic line rating, Transmission lines, reliability index, Smartgrids)

Contenido
Pág.
Contenido
1. Marco teórico. ......................................................................................................... 14

1.1 Estado del arte ................................................................................................. 15
1.1.1 Cargabilidad de líneas de transmisión ........................................................... 16
1.1.2 Modelos de Cargabilidad dinámica ................................................................ 17
1.1.3 Confiabilidad .................................................................................................. 18
2. Construcción del Modelo de Cargabilidad Dinámica. .......................................... 21

2.1 Desarrollo del modelo de cargabilidad dinámica. ............................................. 22
2.2 Desarrollo de la aplicación del modelo de cargabilidad dinámica ..................... 25
2.3 Integración del modelo de cargabilidad dinámica con el laboratorio de redes
inteligentes. ................................................................................................................ 28
2.3.1 Adquisición de la información meteorológica ................................................. 30
2.4 Simulación del modelo de cargabilidad dinámica ............................................. 32
2.4.1 Calentamiento por Efecto Joule ..................................................................... 33
2.4.2 Calentamiento por radiación solar.................................................................. 34
2.5 Enfriamiento por convección ............................................................................ 36
2.6 Pruebas del modelo de cargabilidad dinámica. ................................................ 38
2.6.1 Implementación del montaje .......................................................................... 39
2.6.2 Escenario de prueba ...................................................................................... 42
3. Selección de Indicadores de Confiablidad Afectados por Cargabilidad

Dinámica de Líneas de Transmisión Aéreas. .............................................................. 47
3.1 Confiabilidad en sistemas eléctricos de potencia ............................................. 47
3.2 Criterio de selección de indicadores de confiabilidad ....................................... 50
3.3 Selección de los indicadores para sistemas de nivel I ...................................... 52
3.4 Selección de los indicadores para sistemas de nivel II ..................................... 55
4. Análisis de Confiabilidad Implementando Modelos de Cargabilidad Dinámica. 59

4.1 Estructuración del análisis de confiabilidad para sistemas nivel I ..................... 61
4.1.1 Modelamiento de los generadores. ................................................................ 62
4.1.2 Modelamiento de la carga .............................................................................. 64
4.1.3 Modelamiento de las líneas de transmisión ................................................... 66
4.1.4 Puesta en funcionamiento del estudio de confiabilidad para sistemas de
potencia nivel I ......................................................................................................... 68
4.2 Estructuración del análisis de confiabilidad para sistemas nivel II .................... 78
4.2.1 Modelamiento de los generadores ................................................................. 80
4.2.2 Modelamiento de las líneas de transmisión ................................................... 80
4.2.3 Algoritmo K-means para una línea de transmisión ......................................... 81
4.2.4 Puesta en funcionamiento del estudio de confiabilidad para sistemas de
potencia nivel II ........................................................................................................ 82
5. Análisis de Resultados .......................................................................................... 86

5.1 Análisis de confiabilidad para sistema de nivel I ............................................... 86
5.2 Análisis de confiabilidad para sistema de nivel II .............................................. 90
VIII Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
6. Conclusiones ......................................................................................................... 95
6.1 Conclusiones .................................................................................................... 95
6.2 Recomendaciones ............................................................................................ 96
Contenido IX
Lista de figuras
Pág.
Figura 2-1 Proceso de construcción del modelo de cargabilidad dinámica .................... 22
Figura 2-2: Diagrama de flujo del modelo de cargabilidad dinámica. ............................. 24
Figura 2-3 Interfaz principal aplicación de escritorio ...................................................... 25
Figura 2-4 Interfaz “Parámetros Meteorológicos”. .......................................................... 26
Figura 2-5 Interfaz de la aplicación para parámetros eléctricos ..................................... 27
Figura 2-6 Arquitectura en el LAB+i para implementar el modelo basado en [23] .......... 29
Figura 2-7 Esquema de adquisición de la información meteorológica de alimenta el
modelo. .......................................................................................................................... 31
Figura 2-8 Visualización de la información meteorológica en el sistema LAB+i disponible
en http://168.176.27.47/Coresight/PB/#/PBDisplays/110171 .......................................... 31
Figura 2-9 Modelo de simulación del conductor. ............................................................ 32
Figura 2-10 Configuración del software COMSOL para la simulación del efecto Joule. . 33
Figura 2-11 Temperatura del conductor producida por efecto joule. .............................. 34
Figura 2-12 Configuración utilizada para la simulación por radiación solar. ................... 35
Figura 2-13 Resultados de la simulación por radiación solar. ........................................ 36
Figura 2-14 Configuración utilizada para la simulación por enfriamiento por convección 37
Figura 2-15 Resultados de la simulación enfriamiento por convección .......................... 37
Figura 2-16 Conexión utilizada para efectuar el proceso de medición en el conductor. . 40
Figura 2-17 Esquemático del montaje implementado. ................................................... 41
Figura 2-18 Escenarios planteados para evaluar la temperatura sobre el conductor. .... 43
Figura 2-19 Perfil de corriente RMS. .............................................................................. 44
Figura 2-20 Interfaz de análisis de datos. ...................................................................... 45
Figura 3-1 Bloques funcionales en un sistema eléctrico de potencia basado en [21]. .... 48
Figura 3-2 Clasificación de los indicadores de confiabilidad basado en [25] .................. 49
Figura 3-3 Criterios de selección de los indicadores de confiabilidad. ........................... 52
Figura 3-4 Sistema inter-áreas. ..................................................................................... 53
Figura 3-5 Sistema eléctrico de potencia de nivel II ....................................................... 56
Figura 4-1 Sistema IEEE RTS-96 de un área, tomado de [39] ....................................... 60
Figura 4-2 Diagrama de flujo muestreo de duración de estado ...................................... 61
Figura 4-3 Comportamiento LOLE bajo el método de Montecarlo basado de [32] ......... 62
Figura 4-4 Modelo de dos estados del generador basado en [32] ................................. 63
Figura 4-5 Perfil de generación para un año. ................................................................. 64
Figura 4-6 Perfil de demanda para el sistema IEEE RTS-96 de un área con la
información de [39] ......................................................................................................... 66
X Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
Figura 4-7 Modelo de dos estados para las líneas de transmisión basado en [32] ......... 67
Figura 4-8 Perfil de transferencia para una línea de transmisión. ................................... 67
Figura 4-9 Perfil de transferencia para una línea de transmisión con cargabilidad
dinámica. ........................................................................................................................ 68
Figura 4-10 Sistema de prueba de dos áreas ................................................................. 69
Figura 4-11 Estructura análisis de confiabilidad con cargabilidad dinámica. ................... 70
Figura 4-12 Cargabilidad media del conductor VS cargabilidad estática. ....................... 71
Figura 4-13 Comparación LOLE para cada uno de los casos......................................... 72
Figura 4-14 Comparación del comportamiento del LOLE respecto al límite establecido. 73
Figura 4-15 Calculo de la cargabilidad máxima del conductor siguiendo las
recomendaciones de [40] ................................................................................................ 75
Figura 4-16 Comparación entre la cargabilidad corregida del conductor, la cargabilidad
estática y la cargabilidad dinámica. ................................................................................. 76
Figura 4-17 Estudio de confiabilidad usando la técnica de muestreo de estados. .......... 79
Figura 4-18 Diagrama de flujo algoritmo k-means .......................................................... 81
Figura 4-19 Diagrama de flujo análisis de confiabilidad incluyendo cargabilidad dinámica,
bajo la técnica de muestreos de estados ........................................................................ 83
Figura 4-20 Comparación de la capacidad de carga de la línea y el modelo obtenido por
k-means .......................................................................................................................... 84
Figura 5-1 Sistema Interconectado Nacional .................................................................. 86
Figura 5-2 Resultados análisis de confiabilidad sistema Colombiano. ............................ 88
Figura 5-3 Condiciones Ambientales estación meteorológica en el municipio de Sucre,
Colombia......................................................................................................................... 89
Figura 5-4 Resultados análisis de confiabilidad con cargabilidad dinámica. ................... 90
Figura 5-5 Resultados del flujo de carga para el sistema IEEE RTS-96 de un área
construido con información de [39].................................................................................. 91
Figura 5-6 Porcentaje de falla por sobrecarga por línea. ................................................ 92
Figura 5-7 Modelo de línea utilizado k-Means ................................................................ 93
Contenido XI
Lista de tablas
Pág.
Tabla 1-1 Ventajas y aplicaciones de la cargabilidad dinámica ...................................... 17
Tabla 2-1 Comparación de los resultados obtenidos a través del modelo y las
simulaciones efectuadas sobre el modelo tridimensional del conductor. ........................ 38
Tabla 2-2 Características del conductor Linnet. ............................................................. 39
Tabla 2-3 Características del transformador .................................................................. 40
Tabla 4-1 Máxima demanda por semana basado en [39] ............................................... 65
Tabla 4-2 Pico máximo por día tomado de [39] .............................................................. 65
Tabla 4-3 Resultados de confiabilidad para el sistema de 2 áreas tomado de [32] ........ 69
Tabla 4-4 Resultados estudio de confiabilidad incluyendo cargabilidad dinámica. ......... 72
Tabla 4-5 Resultados LOLE y LOEE para un horizonte de 10 años. .............................. 73
Tabla 4-6 Temperaturas máximas registradas por estación del año .............................. 75
Tabla 4-7 Resultados del estudio de confiabilidad con la cargabilidad corregida ........... 76
Tabla 4-8 Probabilidad de ocurrencia para cada paso ................................................... 85
Tabla 4-9 Comparación de indicadores utilizando cargabilidad dinámica con información
de [32]. ........................................................................................................................... 85
Tabla 5-1 Distribución de la generación y la carga para el sistema con la información de
[43]–[45] ......................................................................................................................... 87
Tabla 5-2 Comparación del comportamiento de los indicadores de confiabilidad con
información de [32] ......................................................................................................... 94
Tabla A- 1 Porcentaje de carga máxima por semana tomado de [39] ............................ 97

Tabla A- 2 Tabla de demanda máxima por día, tomada de [39]. .................................... 98
Tabla A- 3 Tabla de demanda máxima por hora, tomada de [39] ................................... 98
Tabla A- 4 Tabla de características de los equipos de generación, tomada de [39] ....... 99
Tabla A- 5 Capacidad nominal de las unidades de generación, tomada de [39] ............ 99
Tabla A- 6 Carga máxima por cada bus en el sistema, tomada de [39] ........................100
Tabla A- 7 Características de las líneas de transmisión y transformadores de potencia,
tomada de [39] ..............................................................................................................101
Introducción
La dificultad de construcción de nueva infraestructura eléctrica ha incentivado la
investigación en metodologías que permitan optimizar y manejar de manera eficiente las
redes que actualmente se encuentran operando en un sistema. Por otra parte, el
crecimiento de la demanda en los grandes nodos de consumo y la implementación de
nuevas tecnologías, exige cada vez con más fuerza, un servicio de energía eléctrica de
calidad y con niveles de confiabilidad como requisito indispensable para no detener el
desarrollo de una sociedad. La presencia de pequeños nodos de generación distribuidos a
lo largo de todo el sistema, que manejan una forma de producción de energía mucho más
amigables con el medio ambiente, y requieren hacer un uso intensivo de las redes
eléctricas disponibles en busca de evacuar su energía producida, podría generar una
aparente sobrecarga en un sistema eléctrico de potencia.
En los últimos años el avance de la tecnología y el desarrollo de diferentes métodos de

comunicación, han impulsado el concepto de SmartGrid comprobando su gran utilidad al
momento de optimizar sistemas eléctricos que aparentemente se encuentran en su límite
de capacidad operativa. El uso de este concepto ha demostrado que, gestionar de una
manera inteligente una red de trasmisión, puede salir mucho más económico que la
construcción de nuevas líneas para el transporte de energía. Adicionalmente, los estudios
de confiabilidad, en la mayoría de los casos, tienen como conclusión la construcción o
repotenciación de la infraestructura eléctrica, en busca de mantener o aumentar los valores
de los indicadores de confiabilidad en un sistema. La información entregada por estos
estudios, generalmente sirve como base para la elaboración de los planes de expansión.
Es importante mencionar que en algunos casos los cambios en la infraestructura de estos
planes de expansión son de obligatorio cumplimiento.
En este proyecto se propone la integración de un modelo de cargabilidad dinámica a las

líneas aéreas que responda de acuerdo a las variables medioambientales y mecánicas que
se presentan en un sistema eléctrico y analizar el impacto de la utilización de este tipo de
modelos en el comportamiento de los indicadores de confiabilidad del sistema. Esto
14 Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en indicadores
de confiabilidad del sistema eléctrico de potencia.
permitirá a los estudios de confiabilidad partir desde un punto en donde se ha considerado

la optimización de las líneas de transmisión, perfeccionando el proceso de expansión de
las redes y explotando la capacidad de las mismas en su verdadero limite operativo.
1. Marco teórico.
Actualmente, la implementación de una nueva línea de transmisión tiene altos costos
asociados que van desde los costos de diseño y construcción hasta los costos generados
por las pérdidas técnicas, averías, tiempos de reparación, gestión de operación y
mantenimiento que se producirán una vez entre en funcionamiento[1]. El proceso de
construcción de una nueva línea de transporte generalmente consta de una serie de etapas
que deben ser superadas rigurosamente para garantizar la viabilidad técnica y económica
del proyecto y reducir el impacto que se tendrá sobre el medio ambiente y las comunidades
vecinas[2].
La dificultad de construir nueva infraestructura ha provocado la búsqueda de soluciones

que permitan optimizar el uso de las líneas que actualmente se encuentran construidas.
Sobre las líneas existentes, se busca aumentar la capacidad de transporte de energía sin
sobrepasar sus límites que pueden llevarla a un estado de falla o el deterioro [3]-[4]. El
criterio de cargabilidad de las líneas se determina normalmente como una constante a partir
de variables ambientales para el peor escenario de cargabilidad en los lugares donde la
línea de transmisión hace su recorrido y se conoce como cargabilidad estática. Por otra
parte, en [4][5][6] se determinó que el verdadero valor de cargabilidad se puede obtener de
manera más precisa tomando como referencia mediciones de la temperatura del conductor
directamente y los factores ambientales que afectan la capacidad de transporte de las
líneas, a este concepto se le conoce como cargabilidad dinámica (DLR).
Capítulo 1 15
La implementación del concepto de cargabilidad dinámica requiere de la gestión de amplia

cantidad de datos, adecuado manejo de información y comunicaciones para determinar la
condición en cada momento. En el concepto de SmartGrid, es posible desarrollar los
modelos de cargabilidad dinámica que permite llevar registros de los históricos del
comportamiento del valor de la capacidad de una línea de transmisión referenciados a las
variables ambientales o a diferentes períodos del año. Adicionalmente, es posible obtener
el valor de la cargabilidad de la línea de transmisión en tiempo real basado en mediciones
de las variables medioambientales. Esto permite aumentar la maniobrabilidad y disponer
de mejor información en línea para toma de decisión del sistema.
1.1 Estado del arte

Las líneas de transmisión aéreas han sido ampliamente estudiadas prácticamente desde
el inicio mismo de la aparición de los sistemas eléctricos de potencia. Incrementar la
capacidad de transporte de las mismas se ha convertido en uno de los objetivos de las
actuales investigaciones dada la complejidad de implementar nueva infraestructura.
Generalmente para realizar el estudio de las líneas aéreas de transmisión se toman como
base dos modelos principales.
El primero de ellos es el modelo térmico, el cual consiste en determinar la temperatura de

operación del conductor en la cual no se provocarán daños a largo plazo sobre el mismo.
Este modelo está basado en la ecuación de balance de calor, donde se tiene en cuenta las
ganancias térmicas producto de la radiación solar y la producción de calor producido por
las pérdidas por efecto joule. Así mismo, se calculan las pérdidas de calor generadas por
convección y radiación en el conductor. Igualmente, se tienen en cuenta los diferentes
escenarios en los que interactuara el conductor durante una operación normal, esto quiere
decir que es posible calcular el comportamiento del conductor para un estado estacionario,
así como para un cambio en la corriente en el conductor y obtener el comportamiento de
la temperatura.
Por otra parte, el modelo eléctrico consiste en identificar los parámetros eléctricos de una
línea de transmisión aérea como son la resistencia, la inductancia, la capacitancia y la
conductancia. Estos parámetros varían teniendo en cuenta la disposición de los
conductores en la estructura, la distancia de la línea, el terreno por donde realiza su
trazado, los materiales utilizados para su construcción, entre otros factores. La interacción
de estos parámetros dentro de un modelo permite obtener el comportamiento de las

tensiones y las corrientes en un circuito; De la misma forma, es posible obtener el valor de
los parámetros de la línea de transmisión únicamente conociendo las tensiones y las
corrientes en los extremos de la misma.
1.1.1 Cargabilidad de líneas de transmisión

Generalmente se utiliza el límite térmico de los conductores eléctricos como la primera
restricción para determinar la cargabilidad de una línea de transmisión, este es
determinado a través de la ecuación de balance de calor en donde se tienen en cuenta las
ganancias térmicas producto de la radiación solar y las perdidas por 𝑖 2 ∗ 𝑅, así como las
perdidas por convección y radiación del conductor[7].
Las empresas a cargo de la operación de las líneas de transmisión generalmente manejan

su propio intervalo de temperatura en la que se considera segura la operación del
conductor[8], este intervalo generalmente se encuentra por encima de los 50 grados
Celsius y se toman precauciones en busca de mantener la temperatura del conductor
siempre por debajo de los 100 grados Celsius.
Bajo la norma CIGRE 2002 THERMAL BEHAVIOUR OF OVERHEAD CONDUCTORS [9]

se encuentran los pasos que se deben tener en cuenta al momento de calcular la relación
de CORRIENTE – TEMPERATURA para líneas aéreas. En este documento se encuentran
las ecuaciones que se deben utilizar al momento de calcular la temperatura que alcanzará
un conductor a determinada corriente.
Para realizar el cálculo de la capacidad de transporte de una línea de transmisión,

frecuentemente se utilizan los valores menos favorables que se presentarían durante la
operación de la misma, generalmente se utilizan los históricos de los valores de
temperatura media máxima de la zona en donde la infraestructura se instalará y
adicionalmente se debe tener en cuenta la altura sobre el nivel del mar a la que operará la
línea. Utilizar estas condiciones desfavorables al momento del diseño garantizará que en
ningún momento se superen los límites térmicos de los conductores.
Capítulo 1 17
1.1.2 Modelos de Cargabilidad dinámica

En busca de optimizar el transporte de energía y aprovechar al máximo la infraestructura
que se encuentra instalada en los sistemas de potencia, se presenta el concepto de
cargabilidad dinámica. Los primeros estudios sobre esta tecnología aparecen a finales de
la década de los 80 y los primeros años de la década de los 90, en donde se describen las
primeras experiencias de utilizar este tipo de metodologías para determinar la cargabilidad
de una línea de transmisión. En trabajos como [10] [11] [12] [13] se realiza la descripción
general de lo que es un sistema de cargabilidad dinámica, se describen las principales
ventajas de utilizar este tipo de tecnología y se hace un énfasis muy importante en el
potencial de aplicar modelos de cargabilidad dinámica en sistemas eléctricos de potencia.
En los últimos años las investigaciones se han dedicado principalmente a la mejora de los
modelos de cargabilidad. Se encuentra un potencial muy alto de utilización de esta
tecnología en sistemas de energía eléctrica que integran energía eólica. Esto debido a que
en el momento en el que se presentan altas velocidades de vientos, las turbinas eólicas se
encontrarán en su momento de mayor producción de energía, en este mismo instante, las
líneas aumentaran su capacidad de transporte de energía dado que el viento afectará los
conductores, disminuyendo la temperatura de los mismos y provocando un aumento en el
límite térmico de la línea de transmisión[14]. De esta forma, los excedentes de energía
producidos al instante en el que se presentan altas velocidades de vientos pueden ser
evacuados por las líneas de transmisión.
En la Tabla 1-1 se realiza un resumen mencionando algunas de las ventajas que traería
integrar sistemas de cargabilidad dinámica en sistemas eléctricos de potencia, así mismo
se menciona el campo de aplicación teniendo en cuenta los beneficios obtenidos.
Tabla 1-1 Ventajas y aplicaciones de la cargabilidad dinámica
VENTAJA APLICACIÓN
Aumento de la capacidad de transporte
en escenarios de contingencia en un Confiabilidad.
sistema.
Aumento en la capacidad de transporte,
disminuye las restricciones del sistema Despacho económico.
al momento de programar generación
VENTAJA APLICACIÓN
Aumento de la observabilidad del Confiabilidad, Monitoreo y
sistema. Control.
Aumento de la capacidad del sistema, Generación distribuida.
permite integrar fuentes de generación
alternativas.
Conocimiento del verdadero valor de Planeamiento.
capacidad de un sistema eléctrico.
1.1.3 Confiabilidad
El análisis de confiabilidad en sistemas eléctricos de potencia requiere dividir el estudio en
dos conceptos fundamentales[15]:
 Suficiencia: La habilidad de los sistemas eléctricos de suministrar los

requerimientos de la demanda y la energía a sus usuarios en todo momento, tomando en
cuenta lo programado y un número razonable de salidas no programadas de elementos del
sistema.
 Seguridad: La habilidad del sistema eléctrico de soportar disturbios repentinos

como corto circuitos eléctricos o la pérdida imprevista de elementos del sistema.
En este sentido, la evaluación de la confiabilidad debe orientarse a prevenir posibles fallas

que se puedan presentar identificando los elementos más sensibles en un sistema
eléctrico. Una vez identificados estos elementos, se debe realizar una evaluación del
impacto que tendrá el daño en uno de estos dispositivos y finalmente se construyen
alternativas que permitan mitigar el impacto de este tipo de eventos en la totalidad del
sistema [16].Para evaluar el desempeño de un sistema y determinar su confiabilidad, se
hace uso de una serie de indicadores que determinan el estado frente a diferentes
escenarios de la operación, respecto a la violación de los limites operativos, déficit de
potencia reactiva dentro del sistema entre otros [17]–[19].
Estos indicadores son obtenidos bajo dos criterios que permiten evaluar el estado de un
sistema eléctrico, el primero de ellos es el criterio determinístico que consiste en evaluar a
través de simulaciones de situaciones hipotéticas que se podrían presentar y analizar sus
Capítulo 1 19
resultados. Con base a esta información se toman las medidas que permitan mitigar el
impacto de los eventos simulados. El criterio probabilístico, se enfoca en el comportamiento
de la información del sistema que se va recolectando a medida que pasa el tiempo y la
utilización de estos datos como fuente de alimentación para un modelo estadístico que
permita predecir el comportamiento del sistema y tomar las acciones necesarias sobre el
mismo.
Por otra parte, en Colombia la CREG es la encargada de establecer las normas que deben
cumplir los operadores de las redes eléctricas en Colombia en cuanto a confiabilidad. Por
esta razón, en 1995 fue promulgado el código de operación del sistema bajo la resolución
CREG 025 de 1995 [20] en donde se estableció que los operadores de las líneas de
transmisión están en la libertad de seleccionar el tipo de metodología (Probabilístico o
Determinístico) para realizar los cálculos de los indicadores.
Actualmente, bajo el contrato 2014-054 [21], la CREG se encuentra realizando un estudio

en busca de modernizar los criterios de confiabilidad utilizados, como preparación para una
posible entrada de nuevas fuentes de generación de energía eléctrica como respuesta a la
expedición de la Ley 1715 de 2014. En este estudio se tendrán en cuenta las nuevas
tendencias mundiales en cuanto a criterios de confiabilidad y su posible implementación en
el sistema eléctrico colombiano.
2. Construcción del Modelo de Cargabilidad
Dinámica.
A continuación, se presenta el proceso de construcción e integración de un modelo de
cargabilidad dinámica con el laboratorio de redes inteligentes de la Universidad Nacional
de Colombia (LAB+i). Para el cumplimiento de este objetivo se siguió el procedimiento que
se observa en la Figura 2-1., el cual se inicia con el establecimiento de las ecuaciones
matemáticas de los procesos físicos que intervienen para determinar la temperatura en la
superficie en el conductor. Con base a esto se desarrolla un modelo de cargabilidad
dinámica y paralelamente se integran las variables meteorológicas necesarias para el
funcionamiento del mismo. Posteriormente, se analizan los resultados de un conjunto de
simulaciones programadas de tipo numérico efectuadas para comprobar los datos
obtenidos a partir del modelo que se implementó. Finalmente, se verifican los resultados
obtenidos a través del modelo, haciendo un experimento dentro del laboratorio de
máquinas eléctricas de la Universidad Nacional de Colombia y se inicia el proceso de
almacenamiento de la información de cargabilidad dinámica en el LAB+i, que servirá como
base para efectuar los análisis de confiabilidad.
22 Evaluación del impacto de la cargabilidad dinámica de líneas aéreas en
Figura 2-1 Proceso de construcción del modelo de cargabilidad dinámica
2.1 Desarrollo del modelo de cargabilidad dinámica.
Generalmente, para determinar la cargabilidad máxima de una línea de transmisión se

utilizan las metodologías descritas en [9] y [22] en donde se estiman la capacidad de
transmisión teniendo en cuenta las variables ambientales que rodean al conductor.
En [9] se plantea que para determinar la cargabilidad de una línea de transmisión se debe
resolver la ecuación de balance de calor, donde las pérdidas y las ganancias deben ser
iguales como se observa en la ecuación ( 2-1)
𝑃𝑗 + 𝑃𝑚 + 𝑃𝑠 + 𝑃𝑖 = 𝑃𝑐 + 𝑃𝑟 + 𝑃𝑤 ( 2-1)
Capítulo 2 23
Dónde: Pj representan la ganancia de calor provocada por el efecto Joule, Pm hace

referencia a la ganancia de calor por efecto magnético, Ps señala la ganancia de calor
causada por la radiación solar y Pi indica el aumento de calor provocado por el efecto
corona. Pc representa las pérdidas por enfriamiento por convección, Pr toma el valor de
las pérdidas por enfriamiento radiativo y Pw indican las pérdidas por enfriamiento
evaporativo.
Sin embargo, el estándar [9] sugiere realizar una serie de aproximaciones para simplificar
el modelo sin perder la precisión del mismo. De esta forma la ecuación ( 2-1) queda
reducida a la expresión (2-2)
𝑃𝑗 + 𝑃𝑠 = 𝑃𝑐 + Pr (2-2)
Con base en esto, se realizó la programación de un modelo que cumple con cada una de
las instrucciones que se observan en el diagrama de flujo de la Figura 2-2., en donde se
inicializan las variables obteniendo los valores de corriente que circula por el conductor,
velocidad de viento, ángulo de ataque del viento con respecto al conductor, temperatura
ambiente y nivel de radiación solar. Posteriormente se realiza el cálculo de cada uno de los
parámetros que componen la ecuación y se obtiene el valor de la temperatura del conductor
verificando que la ecuación se encuentre balanceada. En caso de que la ecuación no se
encuentre balanceada se realiza un ajuste en la temperatura del conductor y nuevamente
se realizan los cálculos hasta obtener el valor de temperatura de la superficie del conductor
que balancea la ecuación.
Figura 2-2: Diagrama de flujo del modelo de cargabilidad dinámica.
Por otra parte, es posible obtener la máxima corriente que puede circular por el conductor,
bajo las condiciones ambientales que se estén presentando al momento del análisis. Para
esto, es necesario despejar la corriente a partir de la ecuación (2-2) obteniendo la expresión
que se observa en la ecuación( 2-3). Este proceso también fue programado como una
función del modelo. De esta forma, es posible determinar la máxima corriente que puede
circular para un tipo de conductor basado en las condiciones ambientales actuales.
(𝑃𝑐 + 𝑃𝑟 − 𝑃𝑐)
𝐼𝑚𝑎𝑥 = √ ( 2-3)
R(Tc)
Capítulo 2 25
2.2 Desarrollo de la aplicación del modelo de

cargabilidad dinámica
El modelo se implementó como una aplicación de escritorio para el sistema operativo MS

Windows. Esto permite que el usuario del modelo pueda efectuar diferentes tipos de
análisis de acuerdo a sus necesidades. En la Figura 2-3 se presenta la interfaz principal de
la aplicación, en donde el usuario se puede desplazar entre los diferentes tipos de análisis
disponibles.
Figura 2-3 Interfaz principal aplicación de escritorio
En la sección de “Parámetros Meteorológicos”, es posible calcular la temperatura final de

la superficie para un conductor, modificando manualmente las condiciones ambientales
que se toman como referencia. Adicionalmente, en esta sección se pueden hacer barridos
de cada uno de los parámetros ambientales. En la Figura 2-4 se presenta un barrido del
ángulo de ataque del viento, para un conductor tipo ACSR. En este análisis, todos los
parámetros ambientales (temperatura ambiente, velocidad de viento, radiación solar y
altura sobre el nivel del mar) permanecen constantes y se varía el ángulo de ataque del
viento frente al conductor entre 0 y 180 grados. Como resultado se puede observar que el
momento más favorable para el conductor, se produce cuando el ángulo de ataque de
viento y el conductor forman un ángulo de 90°, obteniendo la menor temperatura en la

superficie del conductor. Estos análisis se pueden efectuar de una manera sencilla, por
medio de barridos de los valores de la velocidad de viento, altura sobre el nivel del mar,
corriente que transporta el conductor, temperatura ambiente y radiación solar.
Figura 2-4 Interfaz “Parámetros Meteorológicos”.
La sección de “Parámetros Eléctricos” se presenta en la Figura 2-5. En esta interfaz es

posible utilizar el modelo para efectuar una serie de análisis para un tipo de conductor en
específico. Se incorporó una base de datos de conductores de tipo ACSR compuesta de
100 referencias, que permite cargar de manera rápida los parámetros como el número de
hilos de aluminio, el número de hilos de acero, el diámetro del núcleo, el diámetro total del
conductor, la resistencia del conductor, o la máxima corriente que puede circular por el
conductor de acuerdo a las recomendaciones del fabricante, entre otros. Una vez
seleccionado el tipo de conductor, se pueden modificar los parámetros ambientales y
eléctricos modificando la posición de las barras. Al oprimir el botón “Calcular”, se obtiene
la temperatura del conductor para las condiciones programadas.
Capítulo 2 27
Figura 2-5 Interfaz de la aplicación para parámetros eléctricos
En la sección de “Tiempo Real”, se puede seleccionar una de las referencias de la base de

datos y escoger una estación meteorológica que se encuentre reportando datos en el
LAB+i. Esta sección permite evaluar el comportamiento de un tipo de conductor de acuerdo
a las condiciones ambientales reportadas en línea. Esto representa una gran ventaja
debido a que se puede obtener el desempeño de la temperatura de un conductor y su
máxima capacidad de corriente en cada momento.
En la interfaz de “Crear Línea de Transmisión”, el usuario integra un conductor de manera

permanente al LAB+i, de esta forma y de manera permanente se efectúa el
almacenamiento de la información dentro de las bases de datos. De esta forma se pueden
crear históricos de comportamientos de temperatura y máximos valores de corriente, para
diferentes tipos de referencias de conductor, alimentados por datos de estaciones
meteorológicas.
Finalmente, en la sección de “Análisis de resultados”, es posible cargar información

organizada dentro de un archivo de MS Excel, en donde se reúne la información de
mediciones de corriente, temperatura ambiente, radiación solar, velocidad de viento y
ángulo de ataque, para un intervalo de tiempo, y así obtener los resultados del modelo de
acuerdo a la referencia de conductor seleccionada por el usuario.
2.3 Integración del modelo de cargabilidad dinámica con

el laboratorio de redes inteligentes.
El laboratorio de redes inteligentes LAB+i [23] está diseñado como una solución para el
manejo de grandes volúmenes de información que provienen de diferentes tipos de
procesos. Esta plataforma se adecua a las exigencias requeridas por el modelo de
cargabilidad dinámica (DLR).
El modelo implementado se ajustó a la arquitectura del laboratorio de redes inteligentes

que permite explotar al máximo las ventajas de tener el modelo funcionando bajo un
entorno de Smart Grids. La arquitectura que finalmente fue utilizada dentro del LAB+i se
presenta en la Figura 2-6
Capítulo 2 29
Figura 2-6 Arquitectura en el LAB+i para implementar el modelo basado en [23]
Para la implementación del modelo DLR, cada capa contiene:
 Proceso físico: Contiene las variables meteorológicas del modelo como

temperatura ambiente, velocidad del viento, ángulo del viento y radiación solar.
Adicionalmente, se considera la altura sobre el nivel del mar del lugar donde se están
efectuando las mediciones. Por otra parte, es necesario incluir la corriente eléctrica que
circula por el conductor, la cual es obtenida a través de simulaciones de sistemas eléctricos
de potencia o igualmente de mediciones almacenadas dentro del LAB+i.
 Interfaz: Considera la información meteorológica que puede ingresar dentro del
sistema de dos maneras diferentes. Por una parte, se pueden tomar los datos de la
plataforma Weather Underground a través de internet o directamente adquiriendo la
información por medio de estaciones meteorológicas. Las variables eléctricas se pueden

incorporar haciendo uso de simulaciones efectuadas sobre el software NEPLAN o
mediciones en tiempo real de algún circuito en específico.
 Comunicación: Para la adecuación del modelo dentro del LAB+i, se utilizaron
comunicaciones por Ethernet y RS485 para adquirir los datos de los sensores.
 Administración del sistema en tiempo real: Se encarga del almacenamiento y
la administración de la información. Su principal función es tener la información en todo
momento disponible para su funcionamiento. La plataforma se encuentra corriendo en el
software PI System de la compañía OSISOFT.
 Modelo. En esta capa se integra el modelo de cargabilidad programado y se ejecuta
de manera continua con intervalos de 15 minutos. El modelo se alimenta por la información
de variables eléctricas y meteorológicas que está siendo recolectada en las capas
inferiores. Esto permite al modelo funcionar con información en tiempo real.
 Aplicación: En esta capa se integran las aplicaciones que obtendrán la información
desde el modelo de cargabilidad desarrollado y efectuarán los procesos de optimización
para el usuario.
2.3.1 Adquisición de la información meteorológica
Para dar una mayor flexibilidad al modelo, se diseñó una aplicación encargada de efectuar
el llamado de los datos desde los servidores de Weather Underground para la adquisición
de los datos meteorológicos. La plataforma de Weather Underground permite acceder a la
información de diversas estaciones meteorológicas ubicadas en diferentes lugares del
mundo con la ventaja de tener disponible la información en tiempo real. La arquitectura del
llamado de la información meteorológica se muestra en la Figura 2-7. Esto permite integrar
los datos de estaciones meteorológicas reales. Esta información se encuentra disponible
para alimentar la información meteorológica requerida por el modelo.
Capítulo 2 31
Figura 2-7 Esquema de adquisición de la información meteorológica de alimenta el

modelo.
En la Figura 2-8 se observa la visualización de la información meteorológica recolectada

por una estación ubicada dentro del campus de la Universidad Nacional de Colombia.
Dentro de esta visualización se puede observar el comportamiento de la temperatura
ambiente, la radiación solar, la velocidad del viento y su ángulo para un periodo de 24
horas, así como información adicional como el porcentaje de humedad o la tasa de lluvia.
Figura 2-8 Visualización de la información meteorológica en el sistema LAB+i disponible
en http://168.176.27.47/Coresight/PB/#/PBDisplays/110171
A partir de lo anterior, el modelo puede ser alimentado con información real adquirida de
estaciones meteorológicas ubicadas en diferentes posiciones geográficas a través de la
información de los servidores de Weather Underground o con estaciones meteorológicas
propias, cuando se desee verificar el comportamiento de la cargabilidad en un lugar en
específico.
2.4 Simulación del modelo de cargabilidad dinámica
En busca de verificar la información obtenida por el modelo, a través del software de

análisis y resolución de problemas por el método de elementos finitos COMSOL, se
programaron una serie de simulaciones de los fenómenos físicos que intervienen en el
proceso de la obtención de la temperatura dentro del conductor. Siguiendo el proceso
señalado en [24], se construyó el modelo tridimensional que se observa en la Figura 2-9.
Este representa una sección de 10 mm de un tramo de conductor, el cual fue inspirado en
una referencia comercial de amplia utilización en la construcción de líneas de transmisión.
El modelo está constituido por un núcleo de 7 hilos de acero rodeado por 54 hilos de
aluminio.
Figura 2-9 Modelo de simulación del conductor.
A partir de este modelo, se aplicaron los diferentes fenómenos que determinan la

temperatura de un conductor y se compararon con los resultados obtenidos a través del
modelo. A continuación, se presenta cada una de las simulaciones programadas y los
resultados obtenidos.
Capítulo 2 33
2.4.1 Calentamiento por Efecto Joule
Para determinar el calentamiento por efecto joule, [9] recomienda utilizar la ecuación ( 2-4)
𝑃𝑗 = 𝐾𝑗 ∗ 𝐼 2 ∗ 𝑅 ∗ [1 + 𝛼(𝑇𝑎𝑣 − 20)] ( 2-4)
En donde I es la corriente que circula sobre el conductor, R es la resistencia del conductor

por unidad de longitud a una temperatura de 20℃, 𝛼 es el coeficiente de resistencia por
grado Kelvin y Tav hace referencia a la temperatura promedio del conductor.
Adicionalmente, Kj representa un factor que aumenta la resistencia del conductor como
consecuencia del efecto skin.
Siguiendo el proceso presentado en [25] dentro del software COMSOL se seleccionó la

configuración predeterminada para realizar estudios de efecto joule. Esta configuración
carga las librerías necesarias de cada física que están involucradas en el fenómeno. En la
Figura 2-10 se presenta la configuración utilizada.
Figura 2-10 Configuración del software COMSOL para la simulación del efecto Joule.
Para este caso en particular, se simuló el paso de una corriente de 600 A sobre el modelo
y se verificó el comportamiento de la temperatura y la energía que era disipada por el
conductor. En la Figura 2-11 se presentan los resultados obtenidos del simulador, respecto
al calentamiento sobre el modelo en tres dimensiones.
Figura 2-11 Temperatura del conductor producida por efecto joule.
Se obtuvo un total de potencia de 25.32 W/m sobre todo el conductor. Así mismo y
aprovechando las ventajas que ofrece el software de simulación, dentro de esta simulación
se incluyó el efecto que tendría sobre el conductor el fenómeno de enfriamiento por
convección.
2.4.2 Calentamiento por radiación solar
El calentamiento por radiación es uno de los factores que afecta la capacidad de transporte
que tiene una línea de transmisión [26].Siguiendo las instrucciones presentadas en [27]-
[28] Se programó una simulación sobre el modelo para verificar cómo se ve afectada la
temperatura por la radiación solar.
Capítulo 2 35
Para este caso, se seleccionó la física de transferencia de calor con radiación entre
superficies. En este caso, se estableció de manera manual la cantidad de radiación a la
que se expondrá el modelo y se tuvieron en cuenta parámetros propios del material de
construcción del cable como su coeficiente de absorción entre otros. En la Figura 2-12 se
presenta la configuración utilizada para esta simulación.
Figura 2-12 Configuración utilizada para la simulación por radiación solar.
Finalmente en la Figura 2-13 se presentan los resultados obtenidos, del comportamiento

en el calentamiento del conductor. Se pudo establecer que el total de energía que se
incrementa por el efecto de la radiación solar sobre el conductor es de 18.74 W/m.
Figura 2-13 Resultados de la simulación por radiación solar.
2.5 Enfriamiento por convección
En este caso, se programó una temperatura de referencia sobre el conductor y se hizo fluir
una corriente de aire a una temperatura de 40°C que simula la temperatura ambiente bajo
la cual trabaja la línea. Siguiendo los pasos presentados en [29], se efectuó la configuración
del software que se presenta en la Figura 2-14. El ángulo de ataque de la corriente de aire
con respecto al conductor es seleccionado en 90°, para garantizar que la corriente del aire
tenga su mayor efecto en cuanto a la disipación de calor. La configuración que se utilizó
para esta simulación se puede observar en la Figura 2-15. Es importante mencionar que
no fue posible efectuar la simulación de este fenómeno sobre el modelo inicial. Teniendo
en cuenta que el proceso consumía una cantidad de recursos informáticos importantes y
que el tiempo de respuesta del simulador se veía afectado por esta situación. Por esta
razón, se utilizó un modelo simplificado del conductor que está compuesto por un cilindro
del material del conductor con el diámetro correspondiente que se especifica en la hoja de
referencia del fabricante.
Capítulo 2 37
Figura 2-14 Configuración utilizada para la simulación por enfriamiento por convección
Figura 2-15 Resultados de la simulación enfriamiento por convección

Finalmente, en la Tabla 2-1 se presenta un resumen de los datos adquiridos a través del
simulador contrastado con los datos obtenidos por medio del modelo. En esta tabla se
puede evidenciar que la precisión del modelo programado se ajusta a los resultados
obtenidos a través de la simulación. Se observa que el error más grande se presenta para
la simulación de enfriamiento por convección. Sin embargo, en esta simulación no fue
posible utilizar el modelo de 54 hilos de aluminio y 7 de acero propuesto inicialmente, que
proporcionaba una mayor semejanza al conductor ACSR.
Tabla 2-1 Comparación de los resultados obtenidos a través del modelo y las
simulaciones efectuadas sobre el modelo tridimensional del conductor.
Fenómeno Modelo Simulación Error

Efecto Joule 28,61 W/m 28,43 W/m 0,63%
Radiación Solar 14,01 W/m 15,31 W/m 8,49%
Enfriamiento
36,17 W/m 40,52 W/m 10,73%
por convección
2.6 Pruebas del modelo de cargabilidad dinámica.
Se realizaron pruebas en el Laboratorio de Máquinas Eléctricas de la Universidad Nacional

de Colombia con el fin de validar el resultado obtenido por el modelo, frente a mediciones
efectuadas sobre un conductor. Todas las pruebas fueron realizadas sobre un conductor
tipo ASCR de referencia Linnet cuya información básica se presenta en la Tabla 2-1. A
continuación, se describe el proceso del montaje, los equipos utilizados y las diferentes
pruebas a las que se sometió el conductor, así como los resultados obtenidos.
Capítulo 2 39
Tabla 2-2 Características del conductor Linnet.
Hilos de Aluminio 26
Hilos de Acero 7
Diametro Nucleo [mm] 6,74
Diametro Total [mm] 18,3
Area sección [mm^2] 170,3
Resistencia 20°C [Ω/kM] 0,17
Corriente Máxima [Amperios] 529
Diametro hilo de Aluminio [mm] 2,89
2.6.1 Implementación del montaje
En la Figura 2-16 se presenta el diagrama de conexión que se utilizó para realizar las
pruebas al conductor seleccionado. El montaje está compuesto por una fuente de
alimentación monofásica que se encarga de suministrar la potencia eléctrica requerida
durante el experimento con su respectivo elemento de control que desconecta de manera
rápida la fuente del circuito, en caso de requerirlo, además de un elemento de protección
encargado de realizar la apertura del circuito en caso de que una falla se presente. Luego
se encuentra el elemento que controla la tensión que es suministrada al devanado primario
del transformador.
El transformador se encarga de inducir una tensión en el devanado secundario con base

en el nivel de tensión con el que se alimenta el devanado primario. Para conservar la
potencia total del sistema, la corriente en el devanado secundario presenta un aumento
que permite obtener las corrientes necesarias para someter a prueba el conductor. Es
importante mencionar que, debido a la necesidad de requerir elevados valores de corriente,
en el devanado secundario fue necesario efectuar la conexión en paralelo de dos de sus
bobinas, de esta forma se garantizaba que no se excediera la corriente máxima indicada
por el fabricante para cada bobina. Finalmente se encuentra el tramo de conductor que se
sometió bajo prueba y los equipos encargados de efectuar la medición de las variables
meteorológicas y las variables eléctricas.
Figura 2-16 Conexión utilizada para efectuar el proceso de medición en el conductor.
En la Tabla 2-3 se presenta un resumen de las características de los datos de placa

presentados en el transformador. Teniendo en cuenta que el transformador es el equipo
más importante para efectuar el experimento, se tuvieron todas las precauciones
necesarias para no sobrepasar bajo ninguna circunstancia los valores nominales del
equipo.
Tabla 2-3 Características del transformador
Característica Transformador
Potencia Nominal 42 kVA
Tensión nominal primario 208 V
Tensión nominal secundario 120 V
Corriente primario 116 Amps
Corriente secundario 116 Amps
Frecuencia 60 Hz
La Figura 2-17 presenta el esquema general del montaje implementado en el cual se

identifican tres grandes grupos, encargados de realizar las funciones necesarios para llevar
a cabo el experimento. En el primer grupo, se encuentran los elementos que se encargan
de sostener el conductor bajo estudio de manera segura y simulando su utilización en una
línea de transmisión. En el segundo grupo se encuentran los equipos encargados de
Capítulo 2 41
suministrar la potencia eléctrica necesaria para llevar a cabo el ensayo y, los elementos de
protección. En el tercer grupo, se encuentran los dispositivos necesarios para realizar la
toma de medición de la información que se desea monitorear y almacenar los datos
recogidos para su posterior análisis.
Figura 2-17 Esquemático del montaje implementado.
1. Estructura: Este elemento es el encargado de sostener el conductor y los

elementos de conexión eléctrica. A través de un soporte construido en aluminio se
garantiza que el conductor resista los esfuerzos mecánicos a los que es sometido y por
medio de un barraje de cobre, se efectúan la totalidad de las conexiones eléctricas
requeridas. Entre la estructura de apoyo y los barrajes de cobre se interpuso una pieza de
madera que busca garantizar el aislamiento eléctrico entre la estructura y el conductor.
2. Fuente de tensión: Se utilizó el banco de conexiones del Laboratorio de Máquinas
Eléctricas de la Universidad Nacional de Colombia. Para este caso en específico, se tomó
la tensión de la fuente monofásica fija de 120 voltios con un máximo de corriente de 20
amperios.
3. Variac: Este equipo es el encargado de regular la tensión con la cual es alimentado
el devanado primario del transformador. con un límite máximo de corriente de salida por
fase de 30 amperios. Esto exige realizar la conexión en paralelo de dos fases del equipo
para no sobrepasar este límite.
4. Caja de control: en este equipo, se encuentran las protecciones necesarias para

garantizar un correcto funcionamiento del equipo de transformación. Adicionalmente,
cuenta con dos interruptores que permiten realizar el corte de tensión en el circuito, en caso
de ser necesario.
5. Transformador: Es el equipo central del experimento, su función es disminuir la
tensión que es suministrada en el primario, incrementando la corriente que circula en el
devanado secundario. Se debieron efectuar conexiones especiales dentro del equipo, para
mantenerlo en todo momento bajo las condiciones nominales recomendadas por el
fabricante.
6. Termocupla tipo K: Es el sensor encargado de monitorear la temperatura dentro
del conductor. Para este caso, fue necesario efectuar un aislamiento entre la punta de la
termocupla y el conductor, para evitar fenómenos de interferencia electromagnética.
7. Medidor de temperatura: Este equipo se encarga de transformar los valores
recibidos por la termocupla en muestras de temperatura. Este equipo cuenta con la
capacidad de realizar la grabación de la información suministrada en una tarjeta de
memoria SD, en un formato que puede ser leído posteriormente por un software de análisis
como MS Excel.
8. Pinza de corriente: Se encarga de realizar la medición de la corriente que está
pasando por el conductor bajo estudio.
9. Analizador de redes: Este equipo se encarga de llevar la medición de los
parámetros eléctricos del circuito utilizado para llevar a cabo el experimento. Este equipo
cuenta con la posibilidad de realizar registros de los parámetros eléctricos según el
intervalo de tiempo programado y organiza la información.
2.6.2 Escenario de prueba
Para verificar el funcionamiento del modelo implementado se plantearon 4 escenarios en

donde, de forma controlada se cambió la corriente que circulaba por el conductor bajo
estudio y se registraron los valores de temperatura dentro del conductor. Posteriormente,
se observó el resultado entregado a través de la aplicación del modelo.
Inicialmente, se establece una corriente de 250 amperios sobre el conductor por espacio
de una hora, en busca de estabilizar la temperatura en el conductor. Después se aplica un
Capítulo 2 43
incremento de corriente hasta 350 amperios, durante una hora para que la temperatura del
conductor se estabilice. Posteriormente se efectuó un nuevo aumento en la corriente hasta
400 amperios. Después de una hora, finalmente se elevó la corriente del circuito hasta los
450 amperios. En este momento, se encendió un equipo de ventilación que se encontraba
a 90 grados con respecto al conductor, para verificar el comportamiento del modelo, bajo
la afectación de una corriente de viento. Este proceso se puede observar de manera más
detallada a través de la Figura 2-18
Figura 2-18 Escenarios planteados para evaluar la temperatura sobre el conductor.
En la Figura 2-19 se presenta el perfil de corriente RMS registrado por el equipo analizador
de redes durante la totalidad del experimento donde se observa cada escenario y se logra
mantener la corriente requerida.
Figura 2-19 Perfil de corriente RMS.
En la Figura 2-20 se presenta la comparación de la información suministrada por el modelo

implementado de cargabilidad dinámica, contra las mediciones efectuadas por el la
termocupla tipo K y el equipo de medida de temperatura. Se tomaron muestras cada 30
segundos durante el desarrollo del experimento que tuvo una duración aproximada de 4
horas y 30 minutos. Es importante mencionar que el desarrollo de este experimento se
realizó en horas de la noche, para no afectar al conductor con valores de radiación solar
externa.
Teniendo en cuenta que el modelo únicamente entrega los valores estacionarios de la

temperatura sobre la superficie del conductor, se puede observar que para los primeros 20
minutos (20 muestras) la respuesta del modelo no coincide con los datos que son obtenidos
a través de la instrumentación. Sin embargo, una vez se supera el estado transitorio del
fenómeno, se encuentra que los valores calculados por el modelo se ajustan a los valores
de temperatura que fueron medidos.
Capítulo 2 45
Figura 2-20 Interfaz de análisis de datos.
De esta forma se pudo calcular el error para el estado estacionario entre el modelo
desarrollado y las mediciones efectuadas, encontrando que en ninguno de los escenarios
planteados el error supera el 3%. Inclusive cuando se evaluó el escenario número 4, donde
se adiciona un equipo de ventilación con un ángulo de ataque de 90 grados sobre el
conductor, el valor del error no se vio afectado. De esta forma se pudo verificar que el
modelo se encuentra en la capacidad de suministrar la información de la temperatura y
máxima capacidad de corriente en estado estacionario. A partir de este punto, se empezó
a almacenar la información requerida para efectuar los análisis de confiabilidad basados
en el modelo desarrollado.
3. Selección de Indicadores de Confiablidad
Afectados por Cargabilidad Dinámica de
Líneas de Transmisión Aéreas.
Este capítulo presenta los diferentes conceptos necesarios para efectuar los estudios de
confiabilidad dentro de un sistema eléctrico de potencia. Así mismo, se presenta un
panorama general de las categorías que existen para clasificar el gran número de
indicadores existentes y se establecen los criterios de selección que fueron tomados en
cuenta para definir los indicadores que se utilizaran dentro del estudio. Finalmente, se
realiza una selección de los indicadores que serán tenidos en cuenta para la estructuración
del estudio de confiabilidad que permitirá evaluar el impacto de la utilización de cargabilidad
dinámica en los sistemas de potencia.
3.1 Confiabilidad en sistemas eléctricos de potencia
El servicio de energía eléctrica se ha convertido en parte fundamental para realizar las

actividades cotidianas del ser humano y se hace necesario exigir un servicio de energía
eléctrica de calidad con elevados valores de confiabilidad que responda a las exigencias
de los usuarios.
Un sistema eléctrico de potencia confiable se traduce en direccionar las inversiones dentro
de los nodos, para intervenir los puntos más vulnerables y reducir los impactos de una
posible falla. Por esta razón las compañías que administran los grandes sistemas eléctricos
de potencia han desarrollado diferentes metodologías que permiten identificar los puntos
estratégicos del sistema y fortalecerlos a través de la compra de nuevos activos o la
reconfiguración de la topología de la red[16], [19], [30] y [31]. Generalmente, el sistema
eléctrico de potencia se divide en tres grandes bloques de acuerdo a su función dentro del
sistema [32], como se observa en la Figura 3-1 donde se tiene:
 Nivel 1: Se enfoca en el balance entre la generación y la carga de un sistema

eléctrico de potencia. Estudiar este nivel permite evaluar el estado de la generación
respecto al comportamiento actual y el crecimiento esperado de la carga. Esto ayuda a
identificar de manera anticipada cuáles deben ser las inversiones en generación que deben
ser priorizadas. En este nivel se tiene en cuenta el comportamiento de la carga, las
condiciones de falla de los equipos de generación, así como los enlaces a través de líneas
de transmisión con otros sistemas eléctricos de potencia (Sistema inter-áreas).
 Nivel 2: En este nivel se evalúa la capacidad de transporte de energía del sistema
en una escala mucho más pequeña. Sin embargo, se incluyen la totalidad de las líneas y
demás equipos que lo componen. Generalmente, en este nivel se pueden incluir las
políticas propias del sistema, como niveles de tensión mínimo y máximo en los barrajes,
máxima potencia permitida sobre una línea, sobrecarga de equipos entre otros.
 Nivel 3: En este nivel se tiene en cuenta el sistema de distribución. Generalmente
se enfoca en el nivel de tensión I y II. Teniendo en cuenta que las líneas en este nivel
presentan diferentes tipologías (tramos subterráneos y aéreos) para los cuales, el modelo
de cargabilidad no fue diseñado, esta parte del sistema no se tuvo en cuenta dentro de los
resultados de esta tesis.
Figura 3-1 Bloques funcionales en un sistema eléctrico de potencia basado en [21].
Capítulo 3 49
Para evaluar la confiabilidad en los sistemas de nivel I y II, es necesario plantear gran
variedad de contingencias o escenarios que se puedan presentar respecto al
comportamiento de la demanda, los equipos de generación y en general el estado de falla
de los componentes en el sistema. Analizando la respuesta del comportamiento ante este
tipo de perturbaciones, se puede medir que tan confiable puede llegar a ser un sistema.
Para medir el estado de confiabilidad de un sistema, se hace necesario referenciar su

comportamiento a través de indicadores de desempeño que permitan conocer la forma
como se ha venido comportando y como se comportaría si en el mismo se efectuaran
algunas modificaciones[33] [34]. Estos indicadores pueden ser clasificados como se
observa en la Figura 3-2.
Figura 3-2 Clasificación de los indicadores de confiabilidad basado en [25]
Los índices de estado permiten conocer la probabilidad que un sistema eléctrico de

potencia bajo estudio se encuentre en estado de normal operación, estado de contingencia,
estado de emergencia y estado de restauración. Así mismo, determinan la frecuencia con
la cual un sistema puede ingresar a cada uno de estos estados y la duración, en unidades
de tiempo, de la permanencia del sistema en este estado.
Los indicadores de violación de límites, evalúan el estado de un sistema respecto a los

máximos valores operativos que son definidos por los fabricantes de los equipos que
componen el sistema eléctrico de potencia o a los límites de operación según las políticas
de manejo del sistema. Por ejemplo, con este tipo de indicadores, se puede evaluar el
número de veces que un sistema excede el límite térmico para el cual fue diseñado, a
causa de sobrecargas presentadas o las veces que los niveles de tensión en los barrajes
se encuentran por fuera de los límites establecidos por el operador del sistema.
Los índices basados en riesgo, permiten conocer la probabilidad que un evento pueda
llegar a ocurrir y cuantificar sus consecuencias[35]. Basándose en las funciones de
probabilidad de ocurrencia de los eventos y comportamiento de la carga, se verifica para
un estado del sistema, como se comportaría y las consecuencias producidas bajo este
escenario.
Los indicadores de degradación, permiten conocer el estado del sistema respecto a la

capacidad de responder frente a diferentes tipos de eventos que se puedan llegar a
presentar y observar si el sistema tiene la capacidad de continuar suministrando
energía sin que se tenga como consecuencia el corte en el servicio para los usuarios.
Finalmente, los índices de duración permiten conocer la forma como el sistema se

desempeñará a medida que el tiempo transcurra. Normalmente se evalúa el sistema en
una ventana de corto plazo, en donde el marco de tiempo puede ser de unos cuantos
minutos hasta algunas horas y en ventanas de largo plazo, donde se evalúa el
comportamiento del sistema donde el marco de tiempo puede abarcar desde meses hasta
años.
3.2 Criterio de selección de indicadores de confiabilidad
Como se puede observar en la literatura, es posible encontrar una gran cantidad de

indicadores que permiten determinar el estado de un sistema eléctrico de potencia en
cuanto a su confiabilidad. Por esta razón es necesario establecer algunos criterios que
permitan determinar cuáles serán utilizados para evaluar la influencia que puede llegar a
tener el uso de cargabilidad dinámica dentro del sistema de potencia.
En este sentido, los indicadores seleccionados deben representar de la manera más clara
posible el estado del sistema en cuanto a sus condiciones de operación de manera general.
Aunque es posible encontrar indicadores que determinen el estado de una barra o de un
elemento (generador, línea de transmisión, interruptor, entre otros), la selección de los
indicadores se enfocó en aquellos que representan de manera general el estado de la
totalidad del sistema.
Capítulo 3 51
Así mismo, los indiciadores seleccionados deben ser ampliamente utilizados dentro de las
diferentes compañías que administran sistemas eléctricos de potencia. Esta condición se
plantea, para que se presente una mayor facilidad al momento de comparar análisis
efectuados en sistemas ya existentes. De esta manera será mucho más sencillo evaluar el
impacto del uso de cargabilidad dinámica en un sistema cuya confiabilidad ya fue
previamente analizada.
Adicionalmente, uno de los mayores inconvenientes que se pueden llegar a presentar

dentro de un sistema eléctrico de potencia, es que la generación disponible se vea
superada por la demanda de la carga, lo que trae como consecuencia la necesidad de
efectuar racionamientos que afectaran directamente a los consumidores. Por esta razón,
dentro de la búsqueda de los indicadores se da prioridad a aquellos que permitan
cuantificar el número de racionamientos que se pueden llegar a presentar, así como la falta
de MW que son necesarios incluir dentro del sistema.
Finalmente, se establece como criterio de selección la facilidad para efectuar el cálculo

matemático del indicador. Esto en busca de optimizar el tiempo que demandara el análisis
de confiabilidad que se efectuará en los sistemas. La programación de Indicadores de
mayor complejidad se traducirá en un aumento en la exigencia de los recursos
computacionales y un aumento de tiempo para su obtención.
En la Figura 3-3 se presenta un resumen de los criterios de selección para los indicadores
de confiabilidad. Una vez establecidos con claridad estos criterios, se seleccionan los
criterios del análisis de confiabilidad estructurado para evaluar el impacto dentro del
sistema eléctrico de potencia que produce el uso de cargabilidad dinámica.
Figura 3-3 Criterios de selección de los indicadores de confiabilidad.
Representar el Amplia utlización

estado general del dentro de los
sistema estudios actuales.
Indicadores
Cuantificar los
estados de facilidad de cálculo.
razonamiento
3.3 Selección de los indicadores para sistemas de nivel I
En este nivel, se evalúa el balance generación carga dentro de un sistema eléctrico de

potencia[32]. Normalmente, este tipo de análisis se realiza entre los grandes sistemas
eléctricos de potencia y sus interconexiones con otros sistemas. De esta forma se puede
determinar si la generación instalada puede responder a la demanda de la carga o si a
través de los enlaces entre los diferentes sistemas se puede llegar a suplir la falta de
generación debido a los eventos que se hayan presentado. En la Figura 3-4 se presenta
un sistema eléctrico de potencia compuesto por 3 áreas interconectadas a través de tres
líneas de transmisión. Cada área tiene su propia capacidad de generación, su propio
consumo de carga y en caso de presentarse déficit de generación en una de las áreas, las
otras áreas podrán suministrar parte o la totalidad de la energía faltante a través de los
enlaces.
Capítulo 3 53
Figura 3-4 Sistema inter-áreas.
Para evaluar la confiabilidad en este tipo de sistemas, normalmente se realizan modelos

de comportamiento de la carga basados en los históricos registrados y se evalúan
diferentes escenarios donde los equipos de generación se encuentran en estado normal,
donde entrega la totalidad de su potencia al sistema; o en estado de falla, donde por
razones de contingencia la unidad de generación no puede funcionar.
Para obtener la evaluación del impacto de los indicadores de confiabilidad en el sistema
eléctrico de potencia, y en consecuencia del uso de cargabilidad dinámica, se
seleccionaron los siguientes indicadores:
 Loss Of Load Expectation (LOLE): Este indicador está definido según la ecuación
( 3-1) y sus unidades pueden estar dadas en días/año o horas/año. Representa el número
de días u horas en la que la demanda supera a la generación disponible dentro del sistema.
De esta forma se puede evaluar si el sistema requiere la adición de nuevas unidades de
generación. Es importante mencionar que este indicador es uno de los más utilizados
dentro de los estudios de planeamiento de la capacidad de generación. Así mismo, se
puede llegar a ver afectado por el uso de cargabilidad dinámica debido a que en los
sistemas inter-áreas se pueden presentar áreas sin la capacidad de potencia requerida
pero este déficit de potencia generada puede ser cubierto por el excedente de otra área.
El límite de potencia de exportación entre las dos áreas está determinado por la
cargabilidad de la línea que une los dos sistemas.
𝐿𝑂𝐿𝐸 = ∑ 𝑃𝑖 ∗ 𝑇 ( 3-1)
𝑖𝜖𝑆
 Loss Of Energy Expectation (LOEE): Este indicador cuantifica la cantidad de

energía que no es suministrada por el sistema a causa de los diferentes eventos que se
puedan llegar a presentar. Normalmente se evalúa para un año y sus unidades se entregan
en MWh/año. La ecuación ( 3-2) representa la forma matemática para obtener este
indicador. Al introducir la cargabilidad dinámica dentro de las líneas, el valor de MWh/año
se puede ver reducido teniendo en cuenta que el excedente en generación de las otras
áreas, pueden cubrir el déficit de energía para un área que se encuentre en contingencia.
𝐿𝑂𝐸𝐸 = ∑ 8760 ∗ 𝐶𝑖 ∗ 𝑃𝑖 ( 3-2)

𝑖𝜖𝑆
 Loss Of Load Frequency (LOLF): A través de este indicador, se cuantifica la

frecuencia del sistema para que se encuentre en estado de racionamiento, es decir, permite
conocer la frecuencia con la cual se presentan los eventos de racionamiento de energía
dentro de un sistema, a causa de déficit en la generación de las unidades. Sus unidades
están dadas en eventos/año y la forma como se calcula se observa a través de la ecuación
( 3-3). El número de eventos de racionamiento eléctrico para una zona del sistema, se
puede ver reducido utilizando cargabilidad dinámica, teniendo en cuenta que, al variar la
capacidad de las líneas la energía que interconectan los sistemas, la energía que es
exportada cambiará.
𝐿𝑂𝐿𝐹 = ∑ 𝐹𝑖 − 𝑓𝑖 ( 3-3)
𝑖𝜖𝑆
Capítulo 3 55
3.4 Selección de los indicadores para sistemas de nivel

II
En este nivel se analizan los sistemas eléctricos de potencia a una escala mucho más
pequeña, pero incluyendo la totalidad de los componentes (transformadores, interruptores,
reactores, compensadores, entre otros)[32]. En este tipo de análisis se evalúa que el
sistema tenga la capacidad de soportar las diferentes fallas que se pueden llegar a
presentar sin que las consecuencias puedan tener un gran impacto en la operación.
Generalmente, los estudios en este nivel se enfocan en verificar que no se produzcan
sobrecargas dentro de las líneas a causa de salidas de elementos y que no se violen los
límites establecidos de tensión en los barrajes o capacidad máxima de los equipos. En la
Figura 3-5 se presenta un ejemplo de un sistema de nivel II compuesto por 14 barras donde
se observa la complejidad de este tipo de sistemas.
Figura 3-5 Sistema eléctrico de potencia de nivel II
Para evaluar la confiabilidad en este tipo de sistemas, es posible seleccionar dos tipos de
criterios. Los criterios determinísticos que consisten en evaluar cómo responderá el sistema
bajo una serie de escenarios planteados por el operador del sistema. El criterio
determinístico n-1 es el más utilizado por los operadores [16], [36]. Este criterio evalúa la
capacidad para soportar el fallo de cada uno de los componentes del sistema sin generar
afectaciones dentro del mismo.
Los criterios probabilísticos, están basados en que el comportamiento del sistema no se

puede predecir por la gran cantidad de variables que intervienen dentro del mismo [33],
[35], [37], [38]. Teniendo en cuenta esto, es necesario construir modelos probabilísticos
basados en los históricos del desempeño de cada uno de los componentes y el
comportamiento de la carga del sistema. De esta forma, se elaboran modelos de simulación
Capítulo 3 57
que siguen los modelos probabilísticos y se obtiene la respuesta del sistema. Para obtener
la evaluación del impacto de los indicadores de confiabilidad en el sistema eléctrico de
potencia, como consecuencia del uso de cargabilidad dinámica, se seleccionaron los
siguientes indicadores:
Probability of Load Curtailments PLC: Este indicador permite conocer la probabilidad de

presentarse en un sistema escenarios de racionamiento en el suministro de energía
eléctrica. En la ecuación ( 3-4) se presenta la forma como es calculado este indicador
donde Pi hace referencia a todos los escenarios que provocan un racionamiento en el
sistema y S, representa la totalidad de escenarios analizados. El valor de este indicador
puede llegar a cambiar haciendo uso de sistemas de cargabilidad dinámica, debido a que
los límites de transferencia de potencia de las líneas varían de acuerdo a las condiciones
atmosféricas y trae como consecuencia la disminución de los escenarios que provocan
racionamiento.
𝑃𝐿𝐶 = ∑ 𝑃𝑖 ( 3-4)
𝑖𝜖𝑆
 Expected Demand Not Supplie EDNS: A través de este indicador se cuantifica la

totalidad de potencia en MW que no será atendida por el sistema eléctrico bajo estudio. Se
puede conocer si es necesario agregar nuevas unidades de generación dentro del sistema.
La ( 3-5) describe la forma como debe ser calculado este indicador.
𝐸𝐷𝑁𝑆 = ∑ 𝐶𝑖 ∗ 𝑃𝑖 ( 3-5)
𝑖𝜖𝑆
 Expected Energy Not Supplied EENS: Es uno de los indicadores más utilizados
por las compañías de manejar los grandes sistemas eléctricos de potencia en el mundo.
Representa la totalidad de energía que se espera no pueda ser suplida por el sistema y
sus unidades se entregan en MWh / año. Conociendo el precio de la energía, fácilmente
se puede calcular el precio que está dejando de percibir la compañía eléctrica a causa de
los racionamientos en el sistema. La ecuación ( 3-6) representa la forma como se obtiene
este indicador.
𝐸𝐸𝑁𝑆 = ∑ 8760 ∗ 𝐶𝑖 ∗ 𝑃𝑖 ( 3-6)

𝑖𝜖𝑆
 Expected Duration of Load Cuartilments EDLC: Este indicador se desprende del

indicador PLC. Cuantifica el numero de horas en las que se presentara racionamiento en
el sistema. Sus unidades son horas / año y se calcula haciendo uso de la ecuación ( 3-7).
𝐸𝐷𝐿𝐶 = 𝑃𝐿𝐶 ∗ 8760 ( 3-7)
 Bulk Power/Energy Curtailment Index BPECI: Este indicador es muy similar al

indicador BPII. Sin embargo, en este caso se cuantifica la cantidad de energía haciendo
uso del indicador EENS y dividiéndolo por la potencia máxima demandada por el sistema
en el año. Sus unidades están representadas en MWh/MW-año y se calcula haciendo uso
de la ecuación ( 3-8).
𝐸𝐸𝑁𝑆 ( 3-8)
𝐵𝑃𝐸𝐶𝐼 =
𝐿
 Severity Index SI: Este indicador interpreta la duración en minutos de la pérdida

de la totalidad de la carga cuando el sistema se encuentra demandando la máxima
potencia. Es decir, un apagón general dentro del sistema en el pico de demanda contribuye
a incrementar este indicador. Sus unidades son minutos/año. En la ecuación ( 3-9) se
observa cómo se calcula este indicador, haciendo uso del indicador BPECI.
𝑆𝐼 = 𝐵𝑃𝐸𝐶𝐼 ∗ 60 ( 3-9)
En general, se pudo observar que existen una gran variedad de indicadores que permiten
determinar el estado de un sistema eléctrico de potencia. Por esta razón la selección de
los mismos se enfocó en aquellos que podrían verse afectados por la implementación de
cargabilidad dinámica dentro del sistema y que cumplieran con los criterios de selección.
4. Análisis de Confiabilidad Implementando
Modelos de Cargabilidad Dinámica.
El análisis de confiabilidad en un sistema eléctrico de potencia requiere establecer cuáles
serán los estados de contingencia que se evaluarán y, a partir de estos estados, determinar
y cuantificar a través de los indicadores seleccionados la situación del sistema [16], [18],
[19], [31], [35]. Actualmente, existen dos formas para establecer cada uno de los estados
que serán evaluados dentro de un sistema. La primera consiste en seleccionar cuáles son
las contingencias que se presentan normalmente, es decir aquellas que tienen mayor nivel
de probabilidad. A partir de esta selección, se clasifican en un orden determinado cada una
de las contingencias y en este punto son ejecutados los estudios que permiten obtener su
impacto en la operación.
La segunda forma, consiste en seleccionar las contingencias del sistema a través de un

muestreo aleatorio. Esta técnica es conocida como el método de Monte Carlo y su
utilización se recomienda cuando se considera un gran número de contingencias y los
sistemas analizados son complejos a causa del gran número de componentes.
Adicionalmente, el método de Monte Carlo permite de manera sencilla incluir dentro del
análisis fenómenos adicionales como las condiciones climáticas. De esta forma se obtiene
un resultado mucho más completo entregado por el estudio. Teniendo en cuenta estas
ventajas, la estructuración de los análisis de confiabilidad que permitan determinar el
impacto de la implementación de cargabilidad dinámica en el sistema está basado en el
método de Monte Carlo.
La estructuración del análisis de confiabilidad se basará en el sistema de prueba IEEE RTS-

96 de un área [39] que se describe de manera detallada en el anexo A. De esta forma, se
podrán comparar los resultados obtenidos dentro del estudio de una manera sencilla con
estudios realizados previamente, debido a que este sistema es muy utilizado tanto en el
ámbito académico como en la industria. El sistema está compuesto por 32 unidades de

generación que alimentan una carga pico de 2850 MW a través de un sistema de
transmisión de 138 kV y 220 kV. El diagrama unifilar se puede observar en la Figura 4-1.
Figura 4-1 Sistema IEEE RTS-96 de un área, tomado de [39]

Capítulo 4 61
4.1 Estructuración del análisis de confiabilidad para

sistemas nivel I
En este tipo de sistemas se busca establecer si el sistema de generación puede satisfacer
la demanda requerida. En este sentido, se estructuró un análisis de Monte Carlo basado
en la técnica de muestreo de duración de estado que consiste en establecer un escenario
para un año del comportamiento de la generación y la carga [32]. A partir de estos, se
evalúan los indicadores seleccionados. Este proceso se repite hasta que los indicadores
se estabilicen en un valor o el número máximo de años a evaluar se cumpla. El diagrama
de flujo de este tipo de análisis se presenta en la Figura 4-2.
Figura 4-2 Diagrama de flujo muestreo de duración de estado
Es importante mencionar, que para todos los elementos se utilizó la función de probabilidad
exponencial que se observa en la ecuación ( 4-1), debido a su amplia utilización en
ejercicios académicos similares y su adaptación a las tasas de fallas de los equipos
eléctricos. Sin embargo, en el modelo se puede acondicionar cualquier otro tipo de función
de probabilidad que se requiera.
𝐹(𝑥) = −𝜆 ∗ 𝑒 𝜆∗𝑥 ( 4-1)

En la Figura 4-3 se presenta un ejemplo de simulación de Montecarlo para el indicador

LOLE para el sistema IEEE RTS-96 de un área. Se observa como a medida que los años
de simulación van incrementando, el indicador tiende a ubicarse sobre el valor calculado
por el método de enumeración de estados (línea amarilla). Se observa que a partir del año
1500 el indicador se estabiliza en un valor muy cercano al calculado.
A continuación, se presenta la forma como fueron modelados cada uno de los elementos
que se tuvieron en cuenta para la estructuración del análisis.
Figura 4-3 Comportamiento LOLE bajo el método de Montecarlo basado de [32]
4.1.1 Modelamiento de los generadores.
Para cada uno de los generadores que componen el sistema, se utilizó el modelo de dos
estados que se observa en la Figura 4-4 donde a través de los valores de TTF (Tiempo
medio de falla) y TTR (Tiempo medio de reparación) se obtuvo la forma como se
comportaría el generador para un periodo de 8760 horas que equivale a un año de análisis.
Capítulo 4 63
Figura 4-4 Modelo de dos estados del generador basado en [32]
Básicamente, se asume que en la primera hora del año, los generadores se encuentran en
funcionamiento y se calcula para cada uno de ellos el tiempo que permanecerá en ese
estado, haciendo uso de la ecuación ( 4-2). A continuación, se calcula el tiempo en el que
el equipo estará en estado de falla haciendo uso de la ecuación ( 4-3) y nuevamente se
calcula el tiempo que permanecerá encendido. Este procedimiento se repite hasta
completar las 8760 horas para cada uno de los equipos de generación.
1 ( 4-2)
𝑇𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑚𝑖𝑒𝑛𝑡𝑜 = − ∗ 𝐿𝑁 𝑈
𝜆1
1 ( 4-3)
𝑇𝑓𝑎𝑙𝑙𝑎 = − ∗ 𝐿𝑁 𝑈
𝜆2
Una vez se cuente con el comportamiento de la totalidad de los generadores que componen
el sistema, se realiza la sumatoria de la capacidad disponible hora a hora para obtener el
perfil de generación para el año de estudio. De esta forma, se compara con el perfil de
demanda del sistema y se obtienen las horas del año en las que la demanda no será
satisfecha por la generación. En Figura 4-5 se presenta a manera de ejemplo un perfil de
generación para el sistema IEEE RTS-96 de un área. Se puede evidenciar que el sistema
tiene una demanda máxima de 2850 MW y en algunos puntos la generación disponible se
ubica por debajo de este valor donde causaría posibles escenarios de racionamiento dentro
del sistema.
Figura 4-5 Perfil de generación para un año.
4.1.2 Modelamiento de la carga
El modelamiento de la carga para el sistema IEEE RTS-96 de un área se basa en una serie
de porcentajes establecidos por semana del total de la demanda máxima. A partir de estos
porcentajes, se establece la demanda en MW que corresponde al número de la semana
del año. La distribución del porcentaje, así como el máximo de demanda por semana, con
un demanda máxima de 2850 MW en el año, se puede observar en la Tabla 4-1
Capítulo 4 65
Tabla 4-1 Máxima demanda por semana basado en [39]
Una vez se obtiene el porcentaje máximo de demanda por semana a partir de la Tabla 4-2,
se obtiene el valor máximo de MW para cada uno de los días de la semana. De esta forma
se va conformando la demanda máxima semanal del sistema. Finalmente, a través de la
tabla de comportamiento de la demanda por horas (anexo A), se obtiene la demanda hora
a hora del sistema. De esta forma es posible construir un perfil de demanda como se
observa en la Figura 4-6. Para este modelamiento de la demanda, se tienen en cuenta las
estaciones climatológicas del año porque el comportamiento de la demanda depende de la
estación del año en el que se encuentre.
Tabla 4-2 Pico máximo por día tomado de [39]
DIA Carga pico [%]
Lunes 93%
Martes 100%
Miércoles 98%
Jueves 96%
Viernes 94%
Sábado 77%
Domingo 75%
Figura 4-6 Perfil de demanda para el sistema IEEE RTS-96 de un área con la
información de [39]
4.1.3 Modelamiento de las líneas de transmisión
En los estudios tradicionales, las líneas siguen el comportamiento del modelo de dos
estados que se observa en la Figura 4-7. Basándose en los históricos de los tiempos
medios de funcionamiento y los tiempos medios de falla, se construye el perfil de cada una
de las líneas de transmisión que componen el sistema. De la misma forma que los
generadores, cuando la línea de transmisión se encuentra en funcionamiento, se asume
que la capacidad de transporte es la máxima que puede soportar el conductor, según las
especificaciones del fabricante. En la Figura 4-8 se presenta un perfil hora a hora, para una
línea cuya capacidad máxima de transferencia de potencia es de 100 MW Se puede
observar cómo se representan los eventos de falla en la línea donde se establece que la
capacidad de transporte del conductor es de 0 MW hasta que la línea se repara y recupera
su valor nominal de transporte de potencia.
Capítulo 4 67
Figura 4-7 Modelo de dos estados para las líneas de transmisión basado en [32]
Figura 4-8 Perfil de transferencia para una línea de transmisión.
Sin embargo, para poder evaluar el impacto de la cargabilidad dinámica dentro del sistema
eléctrico de potencia, el modelo anual de capacidad de las líneas de transmisión cambia,
alimentándose de la información recolectada a través del modelo presentado en el capítulo
2 de este documento y que se encuentra almacenada dentro del LAB+i. De esta forma, la
capacidad de transferencia de potencia de una línea hora a hora no será una constante, si
no que se obtendrá de acuerdo a las condiciones ambientales medidas por una estación
meteorológica. En la Figura 4-9 se presenta un ejemplo de un perfil de máxima capacidad
para un conductor con una capacidad estática máxima de 100 MW. Se puede observar
dentro del perfil de capacidad, la mayor parte del tiempo la capacidad de la línea se
encuentra por encima de su límite máximo, sin embargo, es posible encontrar instantes de
tiempo en donde la capacidad se establece por debajo de los 100 MW. También, se
observan los eventos de fallo que llevan a la línea a establecer su capacidad de
transferencia en 0 MW. Bajo este nuevo escenario, el intercambio de energía entre dos
nodos del sistema que haga uso de la línea de transmisión se ve afectado por la máxima
capacidad de transferencia determinada por el modelo y tendrá consecuencias directas
sobre los indicadores de confiabilidad.
Figura 4-9 Perfil de transferencia para una línea de transmisión con cargabilidad
dinámica.
4.1.4 Puesta en funcionamiento del estudio de confiabilidad para

sistemas de potencia nivel I
Para verificar el uso de cargabilidad dinámica dentro del sistema de potencia, se realizó un
estudio de confiabilidad sobre el sistema de dos áreas que se observa en la Figura 4-10.
El área 1 y el área 2 representa cada una un sistema IEEE RTS-96 de un área con una
demanda máxima de 2850 MW. Las dos áreas se encuentran interconectadas a través de
una línea de transmisión cuya capacidad máxima de transferencia de potencia se establece
en 100 MW.
Capítulo 4 69
Figura 4-10 Sistema de prueba de dos áreas
Con base en los resultados obtenidos en [21], se obtiene que los indicadores seleccionados
para este sistema adquieren los valores mostrados en la Tabla 4-3. Los indicadores se
muestran individualmente para cada una de las áreas del sistema, así como la para la
totalidad del sistema. De esta forma se puede comparar la forma como afecta la
cargabilidad dinámica a los indicadores tanto de manera local, como de manera general.
Tabla 4-3 Resultados de confiabilidad para el sistema de 2 áreas tomado de [32]
Sistema LOLE [horas/año] LOEE [MWh/año] LOLF [occ/año]

Area 1 4,534 542,696 0,9617
Area 2 4,542 535,751 0,9731
Total Sistema 8,568 1078,457
Para adicionar la cargabildiad dinámica dentro del sistema de potencia, se sigue el

procedimiento que se presenta en la Figura 4-11. La diferencia con los estudios
tradicionales de confiabilidad, es que la capacidad máxima de transferencia de potencia de
la línea que une las dos áreas no se toma como constante, sino que se toman los valores
históricos almacenados dentro del LAB+i para el conductor seleccionado.
Figura 4-11 Estructura análisis de confiabilidad con cargabilidad dinámica.
En este sentido, se seleccionó un conductor cuya máxima transferencia de potencia se

encuentra designada por el fabricante en 100 MW. Este conductor fue elegido dentro del
modelo de cargabilidad dinámica desarrollado en el capítulo 2 y se relacionó con una
estación meteorológica que se encuentra ubicada en la ciudad de Ontario Canadá para
garantizar que la máxima cargabilidad disponible por el conductor se verá afectada por el
cambio de las variables meteorológicas según la estación del año en la que se tomen los
datos.
Capítulo 4 71
Para construir el modelo hora a hora de la cargabilidad en la línea de transmisión, se

plantean tres escenarios en donde se toman los valores máximos, mínimos y promedios
de los datos almacenados dentro del LAB+i para cada hora y se ejecuta un estudio de
confiabilidad, intercambiando la capacidad de transferencia de potencia de la línea que une
a los dos sistemas. Al finalizar se realiza el cálculo de los indicadores de confiabilidad.
En la Figura 4-12 se presenta la capacidad media obtenida a través del modelo, comparada
con su valor de cargabilidad estática. Estos datos fueron utilizados para la puesta en
marcha del estudio de confiabilidad. Se puede observar cómo las estaciones del año
afectan la máxima capacidad de potencia de la línea de transmisión. Para las horas que
pertenecen a la estación de verano, se obtuvieron registros donde la máxima capacidad
obtenida por el modelo se ubicaba por debajo del límite máximo indicado por el fabricante.
También, se identificaron en las horas de invierno, las condiciones más favorables para el
aumento de la capacidad de transporte en el conductor.
Figura 4-12 Cargabilidad media del conductor VS cargabilidad estática.
Una vez establecido los parámetros de cargabilidad máxima, cargabilidad media y

cargabilidad mínima, se ejecutó un estudio de confiabilidad para cada uno de los casos,
obteniendo los resultados que se presentan en la Tabla 4-4 . Los resultados del estudio
de confiabilidad muestran que la totalidad de los indicadores presentaron una mejora
importante frente al estudio de cargabilidad estática. Se observa una fuerte reducción en
la totalidad de MWh faltantes por año utilizando cargabilidad dinámica y en consecuencia

un aumento de la capacidad de potencia que es posible intercambiar entre las dos áreas.
En la
Figura 4-13 se realiza una comparación de los resultados del LOLE total del sistema donde
en el escenario de capacidad mínima, se redujo en más de una hora la totalidad de horas
de racionamiento en el sistema. Para el caso donde se asume la cargabilidad máxima del
conductor, se obtuvo una reducción de aproximadamente de 3 horas de racionamiento al
año.
Tabla 4-4 Resultados estudio de confiabilidad incluyendo cargabilidad dinámica.
LOLE Área 1 LOLE Área 2 LOLE TOTAL LOEE Área 1 LOEE Área 2 LOEE TOTAL
[horas/año] [horas/año] [horas/año] [MWh/año] [MWh/año] [MWh/año]
Capacidad Mínima 3,6823 3,4641 7,14 435,219 407,918 843,13
Capacidad Media 3,3 3,098 6,39 390,6856 348,2531 738,9
Capacidad Máxima 2,9 2,75 5,65 343,343 308,1658 651,5
Figura 4-13 Comparación LOLE para cada uno de los casos.
Finalmente, se efectuó un estudio de confiabilidad donde en un horizonte de 10 años se

realiza un aumento en la demanda máxima del sistema a una razón de cambio del 1% por
año. En la Tabla 4-5 se presenta el comportamiento de los indicadores LOLE y LOEE para
los casos de cargabilidad estática y dinámica donde se observa el impacto que tiene el uso
de cargabilidad dinámica dentro del estudio de confiabilidad. En el último año de estudio,
se observa cómo el sistema que maneja la interconexión a través de la línea con
Capítulo 4 73
cargabilidad estática presenta un LOEE de 5945.68 que equivale a un aumento de 21% en

el caso del sistema con cargabilidad dinámica.
Tabla 4-5 Resultados LOLE y LOEE para un horizonte de 10 años.
Año 1 Año 2 Año 3 Año 4 Año 5 Año 6 Año 7 Año 8 Año 9 Año 10
LOLE _Estática [h/año] 8,56 10,73 12,62 15,23 18,07 21,27 25,58 30,42 36,16 42,43
LOEE_Estática [ MWh/año] 1078,46 1301,88 1542,55 1925,79 2336,85 2753,69 3414,38 4132,68 4891,69 5945,68
LOLE_Dinámica [h/año] 6,39 7,84 9,32 11,33 13,87 16,58 20,23 24,05 28,61 33,96
LOEE_Dinámica [ MWh/año] 738,90 927,99 1129,69 1396,05 1747,49 2134,54 2650,72 3183,92 3849,25 4648,47
Finalmente en la Figura 4-14 se presenta el comportamiento del LOLE durante todo el

periodo de análisis para cada uno de los casos. Se estableció un límite máximo de 15 horas
de interrupción al año. Se puede evidenciar que la implementación de cargabilidad
dinámica dentro del sistema representa un desplazamiento en el LOLE, es decir que
aunque las inversiones dentro del sistema en generación deben ser efectuadas en el largo
plazo en ambos casos para poder mantener el indicador por debajo del límite establecido.
En este caso es necesario aumentar la generación disponible dentro del sistema a partir
del año 3 para el caso con cargabilidad estática. En el caso de cargabilidad dinámica, las
inversiones en generación se deben efectuar a partir del año 6 del estudio.
Figura 4-14 Comparación del comportamiento del LOLE respecto al límite establecido
Por otra parte, se recalculó la capacidad máxima de la línea de transmisión haciendo uso
de las recomendaciones mencionadas en “GUIDE FOR SELECTION OF WEATHER
PARAMETERS FOR BARE OVERHEAD CONDUCTOR RATINGS” [40] en donde se
indican las precauciones al momento de calcular la capacidad máxima de una línea de
transmisión de acuerdo a los parámetros meteorológicos, en busca de garantizar que no
se violen los límites de elongación del conductor ni se supere la temperatura máxima de
operación del mismo.
En este sentido, la guía recomienda utilizar una velocidad de viento efectiva de 0.6 m/s, la
temperatura máxima registrada a lo largo del recorrido de la línea y usar una radiación solar
de 1000 W/𝑚2 . Adicionalmente, se debe seleccionar dentro de los parámetros del
conductor un coeficiente de absorción no menor de 0.8.
Esta configuración es bastante conservadora pero garantiza que las restricciones de
operación del conductor se mantengan dentro de los límites establecidos. Haciendo uso
del modelo desarrollado, en la Figura 4-15 se presenta el resultado del modelo para un
conductor de referencia Merlín cuya capacidad máxima de corriente establecida en el
catálogo del fabricante es 519 Amperios. Sin embargo, tomando como referencia la
máxima temperatura registrada por la estación meteorológica ubicada en la ciudad de
Ontario Canadá de 33.4 °Celsius, se obtiene que para mantener la temperatura de
operación por debajo de los 76 °Celsius, la máxima corriente que puede circular por este
conductor es de 400 Amperios.
Bajo estos parámetros de diseño, el conductor pierde un 23% de su capacidad para el
transporte y mantener estas condiciones puede llegar a ser ineficiente debido a que la
máxima temperatura únicamente se presenta en el periodo de verano, es decir durante las
otras estaciones es posible aumentar la capacidad de la línea utilizando la máxima
temperatura registrada para estos periodos.
Capítulo 4 75
Figura 4-15 Calculo de la cargabilidad máxima del conductor siguiendo las

recomendaciones de [40]
En este sentido, se estableció cuáles fueron las temperaturas máximas registradas para
cada una de las estaciones del año por la estación meteorológica, los resultados obtenidos
se presentan en la
Tabla 4-6. A partir de esta información se construyó un perfil de cargabilidad para cada una
de las estaciones el cual se presenta en la Figura 4-16 y se compara con los valores
obtenidos para la cargabilidad dinámica y estática.
Tabla 4-6 Temperaturas máximas registradas por estación del año
Máx Temperatura [°C]

Invierno 14,77
Primavera 32,4
Verano 33,93
Otoño 23,37
Figura 4-16 Comparación entre la cargabilidad corregida del conductor, la cargabilidad

estática y la cargabilidad dinámica.
Con el perfil de cargabilidad corregida, se corre un nuevo estudio de confiabilidad

obteniendo los resultados que se presentan en la Tabla 4-7. Comparando estos resultados
respecto a lo obtenidos utilizando la cargabilidad dinámica, se evidencia que inclusive
utilizando el perfil de cargabilidad dinámica mínima, los indicadores de confiabilidad siguen
siendo mejores utilizando cargabilidad dinámica.
Así mismo, se observa que estudio de confiabilidad que utiliza la cargabilidad corregida
mejora significativamente los resultados de los indicadores respecto a la utilización de la
cargabildiad estática. Sin embargo, los parámetros meteorologías establecidos para la
cargabilidad corregida siguen siendo muy conservadores en comparación con los
resultados de la cargabildiad dinámica lo que reduce su impacto sobre los indicadores de
confiabilidad del sistema.
Tabla 4-7 Resultados del estudio de confiabilidad con la cargabilidad corregida
LOLE Área 1 LOLE Área 2 LOLE TOTAL LOEE Área 1 LOEE Área 2 LOEE TOTAL
[horas/año] [horas/año] [horas/año] [MWh/año] [MWh/año] [MWh/año]
Capacidad corregida 3,97 3,78 7,75 464 443 907
Capítulo 4 77
4.2 Estructuración del análisis de confiabilidad para

sistemas nivel II
El objetivo de realizar un análisis de confiabilidad para este tipo de sistemas es estudiar
cómo el sistema eléctrico de potencia responde a las diferentes fallas que se pueden llegar
a presentar y si es necesario efectuar inversiones sobre el mismo en busca de reducir el
impacto de estos eventos [41][42]. La técnica de muestreos de estados de Monte Carlo se
implementó como base para la estructuración de estudio de confiabilidad. Los pasos para
efectuar este tipo de estudios se presenta en la Figura 4-17.
Se inicia el proceso generando una serie de números aleatorios que son utilizados
comparándolos con la función de probabilidad para determinar el estado de cada uno de
los componentes del sistema (falla o en funcionamiento). Posteriormente se corre un flujo
de carga y se efectúa un análisis del estado del sistema bajo las condiciones actuales,
determinando si bajo las condiciones presentadas el sistema puede responder a la
demanda de la carga cumpliendo con los estándares de calidad requeridos. En el caso en
que el sistema no pueda responder a la demanda, a través de un modelo de minimización
de racionamiento, se determina la configuración de la generación que menor impacto tenga
sobre los usuarios del sistema y finalmente se calculan los indicadores.
Capítulo 4 79
Figura 4-17 Estudio de confiabilidad usando la técnica de muestreo de estados.

4.2.1 Modelamiento de los generadores
El estado de cada uno de los equipos de generación se determina con el uso de las
ecuaciones ( 4-4) y ( 4-5), en donde FUi representa la función de probabilidad de falla para
cada unidad y Ui es una distribución uniforme de números aleatorios. Para cada equipo de
generación i, se verifica si el número aleatorio que le corresponde es mayor al resultado
de la función de probabilidad y en este caso la unidad toma su valor nominal de generación
dentro del flujo de carga. En caso contrario, se ajusta su potencia de salida en 0 MW.
𝐸𝑠𝑡𝑎𝑑𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎 𝑠𝑖 0 < 𝑈𝑖 < 𝐹𝑈𝑖 ( 4-4)

𝐸𝑠𝑡𝑎𝑑𝑜 𝑑𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑠𝑖 𝑈𝑖 > 𝐹𝑈𝑖 ( 4-5)
Una vez se obtiene el estado para todas las unidades de generación, se verifica si la misma
puede satisfacer la demanda del sistema. En caso de que se presente un déficit de
generación, es necesario determinar a través del modelo de minimización la cantidad de
carga que no será atendida por el sistema y modificar los indicadores correspondientes.
4.2.2 Modelamiento de las líneas de transmisión
De forma similar que los equipos de generación, para las líneas de transmisión se utiliza
el modelo de dos estados descrito a través de las ecuaciones ( 4-4) y ( 4-5). Cuando se
determina el estado de las líneas se ejecuta un flujo de carga en el sistema y se evalúa si
se viola alguno de los límites de máxima transferencia para cada una de ellas. En caso de
que se exceda uno de los límites, es necesario ejecutar el modelo de minimización de
racionamiento de carga.
Sin embargo, en el análisis de confiabilidad se debe tener en cuenta la forma como varía
la capacidad de transporte de las líneas dependiendo de las condiciones meteorológicas.
Por lo tanto, es necesario ejecutar un flujo de potencia para cada una de las capacidades
obtenidas durante todas las horas del año y de esta forma determinar su impacto dentro
de los indicadores. Efectuar este tipo de procedimiento resultaría en un aumento en el
número de simulaciones necesarias, incrementando de manera considerable el tiempo
requerido para obtener un análisis de confiabilidad.
Por esta razón, se establece un modelo reducido para la línea que permita obtener el
impacto en los indicadores de confiabilidad de la cargabilidad dinámica dentro del sistema
y que no represente un aumento significativo en el tiempo del análisis. A través de un
algoritmo de clustering es posible agrupar todas las horas de cargabilidad obtenidas
durante un año, en una serie de pasos representativos con respecto a la totalidad de la
capacidad de transporte disponible. De esta forma, únicamente se ejecutan los flujos de
potencia para cada uno de los pasos obtenidos a través del agrupamiento y se calculan
Capítulo 4 81
los indicadores por cada uno de estos. Posteriormente, se calcula la probabilidad de que
la cargabilidad de la línea se encuentre dentro de uno de estos pasos y se efectúa una
corrección a los indicadores, multiplicándolos por la probabilidad de ocurrencia. Finalmente
se realiza la sumatoria del aporte de cada uno de los grupos, frente al valor del indicador
total.
4.2.3 Algoritmo K-means para una línea de transmisión
Esta técnica de clasificación consiste en agrupar una serie de datos en un número

determinado de pasos que representan el comportamiento de un grupo muy grande de
datos. Inicialmente, el usuario determina el número de pasos que son requeridos para
agrupar la totalidad de los mismos. Para todos los datos que se desean agrupar, se calcula
la distancia frente a cada uno de los pasos seleccionados haciendo la resta aritmética entre
el dato y el valor del paso. El dato será agrupado dentro del paso al que menor distancia
se encuentre. Posteriormente, se efectúa el promedio de todos los datos que fueron
agrupados dentro de un mismo paso y se actualiza el valor del mismo. Este proceso se
repite hasta que los valores de los pasos no cambien durante las iteraciones. El diagrama
de flujo del algoritmo se presenta en la Figura 4-18.
Figura 4-18 Diagrama de flujo algoritmo k-means

4.2.4 Puesta en funcionamiento del estudio de confiabilidad para

sistemas de potencia nivel II
Para verificar la utilización de cargabilidad dinámica dentro del sistema de potencia, se
realizará un estudio de confiabilidad sobre un sistema IEEE RTS-96 de un área con una
demanda máxima de 2850 MW. El análisis de confiabilidad se estructuró siguiendo el
diagrama de flujo que se muestra en la Figura 4-19.
El análisis comienza obteniendo los pasos para el modelo de la línea a través del algoritmo
K-means. Una vez determinados los números de pasos que serán tenidos en cuenta en el
estudio, se efectúa para cada uno de ellos un estudio de confiabilidad en donde los
componentes cambian de estado según la generación de los números aleatorios.
Solamente se tuvieron en cuenta fallas en los equipos de generación para disminuir el
tiempo de proceso de cada estudio. Posteriormente, a través de un flujo de carga se analiza
si el sistema tiene la capacidad de soportar las fallas que fueron generadas durante el
proceso de muestreo de los componentes. Para este caso, se establecieron como criterios
de falla en el sistema las siguientes condiciones.
 Tensiones fuera de rango en los barrajes: Teniendo en cuenta los lineamientos

establecidos en el código de operación [28] establecido por la CREG, si una tensión
del sistema se encuentra por arriba del 110% o por debajo del 90% de la tensión
nominal, se determina que el sistema se encuentra en falla.
 Sobrecarga de equipos: Si como resultado del flujo de carga, se obtiene que una
línea se encuentra transportando energía por encima de su capacidad nominal, se
declara que el sistema se encuentra en falla.
 Generación menor a la demanda: Si después de efectuar el muestreo en los
generadores, se obtiene que la generación disponible no es capaz de satisfacer la
demanda máxima de 2850 MW, el estado actual se clasifica como una falla.
Si el sistema se encuentra dentro de un estado de falla, se utiliza un modelo de reducción
de energía racionada que permite determinar la cantidad de potencia que es necesaria
deslastrar del sistema para que este pueda operar bajo las condiciones actuales. Este
proceso se repite hasta que se obtiene la afectación de los indicadores para cada uno de
los pasos de la línea. Finalmente, se realiza la corrección de los indicadores, teniendo en
cuenta la probabilidad de ocurrencia de cada uno de los pasos de carga de la línea de
transmisión.
Capítulo 4 83
Figura 4-19 Diagrama de flujo análisis de confiabilidad incluyendo cargabilidad dinámica,

bajo la técnica de muestreos de estados
Para este caso en particular se establecieron, para un total de 8760 horas de cargabilidad,
diferentes números de pasos en busca de obtener la configuración que permitía obtener la
mayor precisión en los resultados, sin incrementar el tiempo del estudio de una manera
significativa. Se obtiene que agrupar la totalidad de la capacidad de la línea en 10 pasos,
permite verificar el impacto de la utilización de la cargabilidad dinámica dentro del sistema,
manteniendo los tiempos del estudio en rangos razonables. En la Figura 4-20 se presenta
la comparación entre la capacidad disponible para la línea de transmisión y el modelo de
10 pasos obtenido a través del algoritmo k-means.
Figura 4-20 Comparación de la capacidad de carga de la línea y el modelo obtenido por

k-means
En la Tabla 4-8 se presenta la probabilidad de ocurrencia para cada uno de los pasos, en
donde se observa que la mayor probabilidad para la línea se agrupa entre los pasos de
139 MW, 122 MW y 105 MW. El paso de menor cargabilidad fue establecido por el
algoritmo en 90 MW, encontrándose este valor por debajo de nivel nominal de 100 MW.
Finalmente, se determina el paso de mayor capacidad en 266 MW 1.6 veces por encima
de la capacidad nominal de la línea. Sin embargo, este paso tiene la probabilidad más baja
de ocurrencia dentro de todos los pasos establecidos.
Capítulo 4 85
Tabla 4-8 Probabilidad de ocurrencia para cada paso
Probabilidad de
Cluster [MW]
ocurrencia
90 0,0694
105 0,2896
122 0,3058
139 0,1565
157 0,0844
176 0,0483
195 0,0280
216 0,0109
237 0,0057
266 0,0014
Finalmente, en la Tabla 4-9 se presenta la comparación de los resultados obtenidos para

el sistema IEEE RTS-96 de un área, entre los valores obtenidos por [21] y la introducción
de cargabilidad dinámica en la línea de los nodos 6 y 10 del sistema. Como se puede
observar, todos los indicadores presentaron una mejora para el caso de la utilización de la
cargabilidad dinámica. Se obtuvo una potencia de racionamiento de 169.387 MW en el
caso de la implementación de cargabilidad dinámica que implica una reducción del 3%
frente al caso con cargabilidad estática. Así mismo, se encontró que la presencia de
cargabilidad dinámica trae como consecuencia reducciones en la energía no suministrada
del sistema (EENS) y se traduce en menores perdidas económicas para el operador del
sistema. Sin embargo, se puede concluir que el impacto es mucho menor frente a la
utilización de cargabilidad dinámica en los sistemas de nivel I, principalmente por el gran
número de barrajes que componen el sistema y los diferentes enlaces que existen entre
los nodos.
Tabla 4-9 Comparación de indicadores utilizando cargabilidad dinámica con información

de [32].
Sin cargabilidad Con Cargabilidad

dinámica dinámica
EDLC [horas/año] 698,88 637,582
PLC 0,08 0,073
EDNS [MW] 13,97 12,36
EENS [MWh/año] 122045,88 118354,0846
5. Análisis de Resultados
A continuación, se presentan los resultados obtenidos para una serie de análisis de
confiabilidad, utilizando la estructura propuesta en el capítulo 4.
5.1 Análisis de confiabilidad para sistema de nivel I

Se efectuó un análisis de confiabilidad sobre el Sistema Interconectado Nacional tomando
como base únicamente la red de 500kV y dividiendo el país en 5 zonas que representan
los grandes bloques de carga, como se observa en la Figura 5-1.
Figura 5-1 Sistema Interconectado Nacional
La información para efectuar este análisis está basada en [43]–[45]. Cada zona cuenta con
su propia capacidad instalada en cuanto a generación y su propio consumo de carga como
Capítulo 5 87
se observa en la Tabla 5-1.Se evidencia que la mayor parte de la generación se concentra

en las zonas 3 y 4 debido a que en estos nodos se ubican las grandes plantas
hidroeléctricas del país. Las zonas 1 y 4 concentra un alto número de carga de tipo
industrial y la zona 3 agrupa la carga de la capital del país. En cuanto a balances de
Generación - Carga, las zonas 1 y 2 se identifican como los nodos que presentaran mayor
inconveniente, debido a la alta probabilidad de presentarse escenarios de déficit de
generación.
Tabla 5-1 Distribución de la generación y la carga para el sistema con la información de

[43]–[45]
Carga Generación
[MW] [MW]
Zona 1 2225,16 1797,75
Zona 2 1097,08 1142,00
Zona 3 1376,10 3515,00
Zona 4 2321,16 5585,00
Zona 5 1615,11 1976,70
Total 8634,60 14016,45
Para efectuar el estudio se tomaron las siguientes consideraciones:

 Carga: para el modelamiento del comportamiento de la carga para cada hora del
año, se efectuaron las siguientes suposiciones.
 Zona 1 y Zona 5: Se utilizó el modelo de carga IEEE asumiendo que la
totalidad de la carga se comporta como las horas del verano durante todo el
año.
 Zona 4 y Zona 2: Se asume que el comportamiento de la carga toma el
comportamiento del modelo IEEE para las semanas de primavera durante
todo el año.
 Zona 3: el comportamiento para todo el año de la carga de esta área se
toma como si tuviera un comportamiento a las horas de otoño del modelo
IEEE.
 Sistema de transmisión: Se asume que todos los enlaces de 220 kV se
encuentran abiertos y que únicamente se puede efectuar intercambio de potencia
entre las áreas a través de las líneas de 500 kV.
 Sistema de generación: Se utilizaron los valores de TTF y TTR que se presentan

en el sistema IEEE de acuerdo a la capacidad nominal de las unidades de
generación.
Inicialmente se ejecutó un análisis de confiabilidad sin integrar en ninguna línea
cargabilidad dinámica para verificar el estado del sistema y se presenta en la Figura 5-2.
Se observa que la zona 1 representa el sistema menos confiable dado que muestra el
mayor número de horas al año en donde la demanda supera la generación disponible en
el sistema. Así mismo, se encuentra que las zonas 3 y 4 no presentan ningún riesgo de
que la demanda supere la generación.
Figura 5-2 Resultados análisis de confiabilidad sistema Colombiano.
A partir de esto, se reforzó el enlace entre las zonas 1 y 4 aplicando cargabilidad dinámica
a la línea que une a los dos sistemas. Para esto, se seleccionó como fuente de información
meteorológica la estación ubicada en el departamento de Sucre, Colombia, para simular
las condiciones a las que la línea se sometería y obtener la capacidad máxima del enlace
basada en mediciones reales. Los perfiles de temperatura, radiación solar y velocidad de
viento registradas por la estación y almacenados en el LAB+i se presentan en la Figura
5-3. La temperatura promedio registrada por la estación para las 8760 horas del año se
Capítulo 5 89
encuentra en 28.09 grados Celsius y la radiación solar máxima registrada durante el

periodo de análisis se ubicó en 1183 W*m2., esto es una condición desfavorable debido a
que la capacidad máxima del enlace se verá reducida.
Figura 5-3 Condiciones Ambientales estación meteorológica en el municipio de Sucre,

Colombia.
Los resultados del análisis de confiabilidad utilizando cargabilidad dinámica entre la línea
del área 1 y 4 se presentan en la Figura 5-4. Se observa una reducción en el LOLE del
15% con respecto al caso base que significa una reducción de los eventos de
racionamiento que se presentan en un año para esta zona. Así mismo, se observa una
reducción en LOEE del 31%, siendo el indicador que mayormente se ve afectado por la
utilización de cargabilidad dinámica, debido a que los excedentes en generación de las
otras áreas pueden cubrir el déficit de energía, reduciendo la cantidad de MWh/año
faltantes en el sistema.
Figura 5-4 Resultados análisis de confiabilidad con cargabilidad dinámica.
5.2 Análisis de confiabilidad para sistema de nivel II

Se toma nuevamente el modelo IEEE RTS-96 de un área para efectuar un nuevo análisis
de confiabilidad. Inicialmente se ejecutó un flujo de carga con todos los componentes en
funcionamiento para obtener el caso base y se analizó el sistema en busca de identificar la
línea con mayor relevancia dentro del sistema. En la Figura 5-5 se presentan los resultados
obtenidos.
Capítulo 5 91
Figura 5-5 Resultados del flujo de carga para el sistema IEEE RTS-96 de un área
construido con información de [39]
UNIDAD400MW
P=-400,000 MW
Q=-118,553 Mvar
CARGABUS18
P=333,000 MW UNIDAD400MW_2
Q=68,000 Mvar P=152,079 MW
Q=-61,570 Mvar 6UNIDADES50MW
P=-300,000 MW
Q=35,414 Mvar
BUS18 BUS21
230 kV 230 kV
u=100,00 % u=100,00 %
BUS22
230 kV
BUS17 LINEA18_21 u=100,00 %
230 kV P=19,293 MW BUS23
u=99,98 % 230 kV
LINEA17_18 LINEA18_21_2 LINEA21_22 u=100,00 %
P=28,413 MW P=19,293 MW P=212,185 MW
2UNIDADES155MW
P=-310,000 MW
LINEA17_22 Q=-17,614 Mvar
P=87,317 MW LINEA20_23
P=254,169 MW
LINEA20_23_2
P=254,169 MW
UNIDAD350MW
P=-350,000 MW
LINEA16_17 LINEA16_19 LINEA19_20_2 Q=-17,614 Mvar
P=115,713 MW P=199,109 MW P=190,073 MW
BUS16 LINEA19_20
LINEA15_21_2 P=190,073 MW
230 kV P=49,345 MW
u=99,93 % LINEA15_21 BUS19 BUS20
P=49,345 MW
230 kV 230 kV
LINEA14_16 u=99,92 % u=99,97 %
P=210,305 MW
BUS14 SYNCHRONOUS BUS13
230 kV P=-0,000 MW 230 kV
u=99,69 % Q=50,000 Mvar u=100,00 %
1UNIDAD155MW_2 CARGABUS16 CARGABUS19 CARGABUS20
P=-155,000 MW P=100,000 MW P=181,000 MW P=128,000 MW
Q=-80,000 Mvar Q=20,000 Mvar LINEA15_16 Q=37,000 Mvar Q=26,000 Mvar LINEA13_23
P=159,367 MW P=58,253 MW
LINEA12_23
P=93,121 MW
BUS15
230 kV
u=99,94 %
3UNIDADES197MW
P=-591,000 MW
Q=-239,665 Mvar
CARGABUS14
P=194,000 MW
LINEA15_24 Q=39,000 Mvar LINEA11_13
P=155,916 MW P=191,920 MW
5UNIDADES12MW 1UNIDAD155MW CARGABUS15 BUS12 LINEA12_13

CARGABUS13
P=-60,000 MW P=-155,000 MW P=317,000 MW LINEA11_14 230 kV P=191,992 MW
P=265,000 MW
Q=-30,000 Mvar Q=-80,000 Mvar Q=64,000 Mvar P=16,304 MW u=99,66 % Q=54,000 Mvar
BUS24 BUS11
230 kV 230 kV
u=99,72 % P=155,916 MW u=99,66 %P=81,298 MW P=126,926 MW P=119,743 MW P=165,371 MW
TRAFO11_10
TRAFO3_24 TRAFO9_12
TRAFO9_11 TRAFO10_12
P=-126,924 MW
P=-119,742 MW P=-165,369 MW
P=-155,915 MW P=-81,297 MW
BUS3 BUS9 BUS6
138 kV 138 kV BUS10
138 kV 138 kV
u=99,72 % u=99,66 % u=98,96 %
u=99,66 %
LINEA3_9 LINEA6_10
P=7,390 MW P=107,638 MW
CARGABUS10
P=195,000 MW
CARGABUS3 Q=40,000 Mvar SHUNT-716
P=180,000 MW CARGABUS9 Pc=0,000 MW
Q=37,000 Mvar BUS4 P=175,000 MW
138 kV PR=0,000 MW
Q=36,000 Mvar Qc=0,000 Mvar
u=99,49 % QX=0,000 Mvar
LINEA8_9 P=0,000 MW
LINEA4_9 BUS5 P=1,795 MW Q=97,922 Mvar
P=20,424 MW 138 kV
LINEA2_4 u=99,67 %
P=53,746 MW
CARGABUS6
LINEA5_10 P=136,000 MW
LINEA1_3 LINEA8_10 Q=28,000 Mvar
P=16,740 MW P=8,857 MW P=1,781 MW
BUS8
138 kV
u=99,60 %
CARGABUS4
P=74,000 MW
Q=15,000 MvarLINEA1_5
P=80,023 MW
CARGABUS5
P=71,000 MW LINEA2_6
LINEA1_2 Q=14,000 Mvar P=28,492 MW
P=12,762 MW
LINEA7_8
P=175,000 MW
BUS1 BUS2 BUS7
138 kV 138 kV 138 kV CARGABUS8
u=100,00 % u=100,00 % u=100,00 % P=171,000 MW
Q=35,000 Mvar
2UNIDADES20MW 2UNIDADES76MW CARGABUS1 2UNIDADES20MW_2 2UNIDADES76MW_2 CARGABUS2

P=-40,000 MW P=-152,000 MW P=108,000 MW P=-40,000 MW P=-152,000 MW P=97,000 MW 3UNIDADES100MW CARGABUS7
Q=-18,995 Mvar Q=-18,995 Mvar Q=22,000 Mvar Q=-20,000 Mvar Q=-20,559 Mvar Q=20,000 Mvar P=-300,000 MW P=125,000 MW
Q=-57,448 Mvar Q=25,000 Mvar
Se analizó, dentro del estudio base, cuáles eran las líneas que mayor número de fallas
presentaban como consecuencia de sobrecargas en el sistema. Los resultados se
presentan en la
Figura 5-6 donde se identifica la línea de los nodos 14 y 16 como el elemento que mayor
número de eventos de sobrecarga registra. Esta línea permite unir los nodos superiores
del sistema con su respectiva generación con el bus No 11 donde se encuentran 2 unidades
de transformación de 400 MW y que sirven con alimentador de los nodos de 138 kV que
se ubican en la parte inferior del sistema.
Figura 5-6 Porcentaje de falla por sobrecarga por línea.
Se utilizó el modelo de 10 pasos de línea que se observa en la Figura 5-7. Es importante

mencionar que se utilizó como fuente de información meteorológica una estación que se
encuentra ubicada en el municipio de Sucre, Colombia, para simular un entorno ambiental
de condiciones desfavorables para el cálculo de la cargabildiad máxima del conductor.
Como consecuencia de esto, se observa que debido a la alta temperatura ambiente y los
elevados niveles de radiación solar presentados en la zona donde se ubica la estación, dos
pasos del modelo se encuentran ubicados por debajo de la capacidad nominal de la línea.
Sin embargo, en estas circunstancias, la línea presenta una probabilidad mayor de 0.6 de
que su cargabilidad se encuentre por encima de su valor nominal.
Capítulo 5 93
Figura 5-7 Modelo de línea utilizado k-Means
Una vez ejecutado el estudio de confiabilidad se obtuvieron los resultados que se presentan
en la Tabla 5-2.El indicador que se ve afectado en mayor medida por la utilización de
cargabilidad dinámica dentro del sistema es el EDNS e indica que el sistema ha ganado
capacidad de potencia, sin aumentar el número de equipos de generación. Esta situación
se explica debido a la reducción de los casos en donde se presentan situaciones de
potencia atrapada por la limitación de la línea de transmisión.
También se observa una mejora en el indicador PLC y EDLC, que nos indica la reducción
del número de escenarios que generan racionamiento del sistema debido a la del enlace
entre los nodos. Finalmente, frente a los indicadores EENS, BPECI y SI se observa una
reducción que refleja que la cantidad de energía que el sistema deja de suministrar
disminuye, aumentando las ganancias económicas por venta de energía del sistema.
Tabla 5-2 Comparación del comportamiento de los indicadores de confiabilidad con

información de [32]
Cargabilidad Cargabilidad
Variación [%]
Estática Dinámica
EDLC 698,88 637,58 8,77

PLC 0,08 0,073 8,75
EDNS 13,97 12,36 11,52
EENS 122045,88 118354,08 3,02
BPECI 42,823 41,52774737 3,02
SI 2569,386 2491,664842 3,02
6. Conclusiones
6.1 Conclusiones
Los resultados de los estudios de confiabilidad que incluyeron cargabilidad dinámica,

demuestran el impacto positivo sobre los indicadores de confiabilidad dentro de un sistema
eléctrico de potencia. En general se encuentra una mejora entre los indicadores que
cuantifican el número de eventos en el año y en la energía no suministrada dentro del
sistema.
La integración de cargabilidad dinámica dentro del sistema optimiza los enlaces de

transmisión y tiene un impacto en la capacidad de potencia disponible dentro del sistema.
Los indicadores LOLE y EDNS evidencian una reducción en su magnitud sin la necesidad
de adicionar nuevos equipos de generación dentro del sistema.
Un modelo de cargabilidad dinámica bajo un esquema de Smartgrid permite generar la

información de los históricos necesarios para efectuar los estudios de confiabilidad
basados en las mediciones meteorológicas reales. De esta forma, los estudios estarán
ajustados a las condiciones ambientales que se presentaran en las zonas donde se
encuentran los conductores.
Los estudios de confiabilidad estructurados para sistemas de Nivel I y Nivel II, permiten
integrar la cargabilidad dinámica dentro de las líneas que componen el sistema. De esta
forma, los estudios de confiabilidad que utilicen esta estructura contarán con la capacidad
de tener en cuenta la optimización del sistema de transmisión.
El comportamiento del indicador LOLE permite determinar que la cargabilidad dinámica

disminuye el número de interrupciones por año y con el tiempo es necesario efectuar las
inversiones en generación que permitan mantener los indicadores de una manera
controlada. La implementación de cargabilidad dinámica en sistemas de potencia desplaza
en el tiempo las intervenciones necesarias dentro de un sistema pero no las remplaza.
El impacto dentro de los indicadores de confiabilidad en los sistemas de nivel II es más

reducido que para los sistemas de nivel I debido a que los eventos de sobrecarga de líneas
se focalizan en un número reducido de líneas. Sin embargo, la presencia de cargabilidad
dinámica permite una mejora en el desempeño del sistema y como consecuencia se
reduce la energía no suministrada EENS.
La cargabilidad de las líneas de trasmisión puede ser dividida utilizando el algoritmo K-

Means, que permite evaluar el impacto de la cargabilidad dinámica en los indicadores de
confiabilidad. La seleccionar de un número de pasos adecuados, permite verificar el
comportamiento de los indicadores sin aumentar el tiempo de respuesta del estudio de una
manera drástica.
El tiempo de ejecución de un estudio de confiabilidad utilizando cargabilidad dinámica para
un sistema de nivel I no se ve afectado debido a que no es necesario incluir cálculos
o elementos de procesamiento adicionales dentro del algoritmo. Únicamente se
requiere remplazar la información histórica del LAB+i para una línea en el perfil de
cargabilidad hora a hora.
6.2 Recomendaciones
A partir de este estudio, se recomienda continuar la investigación en los siguientes

temas:
 En el modelo de cargabilidad dinámica se debe incluir la restricción mecánica del

conductor y sus efectos por las condiciones ambientales.
 Desarrollar una metodología de estimación del vano crítico dentro de una línea de
transmisión que permita seleccionar la zona de la información meteorológica de
estudio.
 Incluir dentro de los algoritmos técnicas de optimización basados en la varianza de

los indicadores para optimizar los tiempos de respuesta de los algoritmos.
 En las metodologías de planeamiento incluir, los modelos de confiabilidad

estructurados que tienen en cuenta la optimización del sistema de transmisión.
 Desarrollar un modelo de línea eléctrica para los sistemas de nivel III donde se
tengan en cuenta la afectación del modelo debido a los tramos subterráneos que
normalmente se encuentran en este tipo de sistemas.
 Efectuar un análisis económico de la implementación de la cargabilidad dinámica

dentro del sistema frente a la mejora de los indicadores de confiabilidad.
A. Anexo: Descripción del sistema IEEE
RTS-96 de un área
La descripción del sistema IEEE RTS-96 de un área está basada en las tablas que se
encuentran en[39].
Para la carga, se utiliza Tabla A- 1 en donde se multiplica el valor máximo de carga del
sistema por el porcentaje que se define según la semana del año.
Tabla A- 1 Porcentaje de carga máxima por semana tomado de [39]
Posteriormente, con la Tabla A- 2 se estima el porcentaje de carga pico, basado en el

resultado obtenido anteriormente. Finalmente, dependiendo del tipo de estación del año,
se calcula el valor de carga para cada hora del año, utilizando la Tabla A- 3.
Tabla A- 2 Tabla de demanda máxima por día, tomada de [39].
Tabla A- 3 Tabla de demanda máxima por hora, tomada de [39]

Descripción del sistema IEEE RTS-96 de un área 99
En cuanto a las unidades de generación. Dentro de los estudios de generación se utilizó

la información que se observa en la Tabla A- 4 en cuanto a MTTF y MTTR.
Tabla A- 4 Tabla de características de los equipos de generación, tomada de [39]
Así mismo, la distribución de las unidades de generación y la potencia nominal de los

equipos se observa en la Tabla A- 5
Tabla A- 5 Capacidad nominal de las unidades de generación, tomada de [39]
Así mismo, la Tabla A- 6 se presenta la distribución de la carga que se utilizó cada vez
que se corría un flujo de carga en el sistema para obtener los indicadores de confiabilidad.
Tabla A- 6 Carga máxima por cada bus en el sistema, tomada de [39]
Finalmente, en la Tabla A- 7 se presentan los datos utilizados para las líneas de

transmisión y los trasformadores de potencia del sistema.
Descripción del sistema IEEE RTS-96 de un área 101
Tabla A- 7 Características de las líneas de transmisión y transformadores de potencia,

tomada de [39]
Bibliografía
[1] J. Fu, D. J. Morrow, S. Abdelkader, and B. Fox, “Impact of Dynamic Line Rating on
Power Systems.”
[2] T. S. Kishore, “Development of Generic Life Cycle Costing Model for Analysis of
Power Transmission Lines,” 2014.
[3] M. Del, M. Ambiente, a S. Ambientales, P. Proyectos, and D. E. Energ, “Guia
Ambiental Para Proyectos De Transmision De Energia Electrica,” 1999.
[4] P. M. Callahan and D. A. Douglass, “Experimental evaluation of a thermal line
uprating by conductor temperature and weather monitoring,” IEEE Trans. Power
Deliv., 1988.
[5] S. D. Foss and S. H. Lin, “EFFECT OF VARIABILITY IN WEATHER CONDITIONS
ON CONDUCTOR TEMPERATURE AND THE DYNAMIC RATING OF
TRANSMISSION LINES,” IEEE Trans. Power Deliv., vol. 3, no. 4, 1988.
[6] J. F. Hall and A. K. Deb, “Economic evaluation of dynamic thermal rating by
adaptive forecasting,” IEEE Trans. Power Deliv., 1988.
[7] S. Bossart and R. Staubly, “Dynamic Line Rating Systems for Transmission Lines,”
Top. Rep., 2014.
[8] I. Oleinikova and A. Mutule, “PMU Measurements Application for Transmission
Line Temperature and Sag Estimation Algorithm Development.”
[9] “CIGRE - 2002 - Thermal Behaviour of Overhead Conductors(3).pdf.” .
[10] B. S. Howington and G. J. Ramon, “Dynamic Thermal Line Rating Summary and
Status of the State-of-the-Art Technology,” IEEE Transactions on Power Delivery.
1987.
[11] S. D. Foss and R. A. Maraio, “DYNAMIC LINE RATING IN THE OPERATING
ENVIRONMENT,” IEEE Trans. Power Deliv., vol. 5, no. 2, 1990.
[12] S. D. Foss and R. A. Maraio, “Evaluation of an overhead line forecast rating
algorithm,” IEEE Trans. Power Deliv., 1992.
10 Título de la tesis o trabajo de investigación
4
[13] S. Sina Mousavi-Seyedi, F. Aminifar, S. Azimi, and Z. Garoosi, “On-Line

Assessment of Transmission Line Thermal Rating Using PMU Data.”
[14] R. F. Chu, “On selecting transmission lines for dynamic thermal line rating system
implementation,” IEEE Trans. Power Syst., 1992.
[15] T. Agentes, “Criterios de Confiabilidad para la Operación del SIN,” 2014.
[16] R. Billinton and R. N. Allan, Reliability Evaluation of Engineering Systems. 1992.
[17] RELIABILITY ASSESSMENT OF LARGE. .
[18] S. Kahrobaee, “RELIABILITY MODELING AND EVALUATION OF DISTRIBUTED
ENERGY RESOURCES AND SMART POWER.” Salman Kahrobaee, Lincoln,
Nebraska, 2014.
[19] D. Zhu, C. Chairman, and R. P. Broadwater, “Power System Reliability Analysis
with Distributed Generators by Power System Reliability Analysis with Distributed
Generators by,” Electr. Eng., 2003.
[20] CREG, “CREG 025 de 1995,” p. 141, 1995.
[21] J. D. M. Calley, “INFORME FINAL Contrato 2014-054,” 2014.
[22] “738-1993 IEEE Standard for Calculating the Current-Temperature of Bare
Overhead Conductors.pdf.” .
[23] S. Tellez, D. Alvarez, W. Montano, C. Vargas, R. Cespedes, E. Parra, and J.
Rosero, “National Laboratory of Smart Grids (LAB+i) at the National University of
Colombia-Bogota Campus,” Transm. Distrib. Conf. Expo. - Lat. Am. (PES T D-LA),
2014 IEEE PES, pp. 1–6, 2014.
[24] F. Á. Gómez, J. M. G. de Maria, D. G. Puertas, A. Baïri, and R. G. Arrabé,
“Numerical study of the thermal behaviour of bare overhead conductors in electrical
power lines,” Recent Res. Commun. Electr. Comput. Eng., no. 1, pp. 149–153,
2011.
[25] M. Definition, “Microresistor Beam,” pp. 1–18, 2013.
[26] G. Liu, Y. Li, and S. Liu, “Real-time Solar Radiation Intensity Modeling for Dynamic
Rating of Overhead Transmission Lines,” pp. 5–10, 2016.
[27] C. Multiphysics, T. Application, and C. A. License, “Parasol and Solar Irradiation.”
Bibliografía 105
[28] C. Multiphysics, C. Software, and L. Agreement, “S u n ’ s R a di a t i o n E f f e ct

on Two Cool ers Pl ac ed U n d er a Parasol.”
[29] C. Multiphysics, T. Application, and C. A. License, “Forced Air Cooling with Heat
Sink.”
[30] R. L. Vahid Madani and A. George Anders, Springer Series in Reliability
Engineering. .
[31] NERC, “Reliability Concepts,” pp. 47–63, 2005.
[32] R. Billinton and W. Li, Reliability Assessment of Electric Power System Using
Monte Carlo Methods, vol. 1. 1994.
[33] Y. Sun, L. Cheng, X. Ye, J. He, and P. Wang, “Overview of power system
operational reliability,” 2010 IEEE 11th Int. Conf. Probabilistic Methods Appl. to
Power Syst. PMAPS 2010, pp. 166–171, 2010.
[34] a P. Meliopoulos, “Comprehensive Power System Reliability Assessment,” 1996.
[35] W. Li and J. Zhou, “Probabilistic Reliability Assessment of Power System
Operations,” Electr. Power Components Syst., vol. 36, no. 10, pp. 1102–1114,
2008.
[36] M. A. Bucher, M. Vrakopoulou, and G. Andersson, “Probabilistic N-1 security
assessment incorporating dynamic line ratings,” in IEEE Power and Energy Society
General Meeting, 2013.
[37] D. Alali, “PROBABILISTIC RELIABILITY ASSESSMENT OF TRANSMISSION
SYSTEMS,” 2015.
[38] J. McCalley, S. Asgarpoor, L. Bertling, R. Billinton, H. Chao, J. Chen, J. Endrenyi,
R. Fletcher, A. Ford, C. Grigg, G. Hamoud, D. Logan, A. P. Meliopoulos, M. Ni, N.
Rau, L. Salvaderi, M. Schilling, Y. Schlumberger, A. Schneider, and C. Singh,
“Probabilistic security assessment for power system operations,” IEEE Power Eng.
Soc. Gen. Meet. 2004., vol. 2, pp. 212–220.
[39] P. Subcommittee, “IEEE Reliability Test System,” IEEE Trans. Power Appar. Syst.,
vol. PAS-98, no. 6, pp. 2047–2054, 1979.
[40] T. Seppa and A. Salehian, “Guide for selection of weather parameters for bare
overhead conductor ratings,” Cigre Sess. 2006, no. August, pp. 1–55, 2006.
10 Título de la tesis o trabajo de investigación
6
[41] R. Billinton and W. Li, “A system state transition sampling method for composite
system reliability evaluation,” IEEE Trans. Power Syst., vol. 8, no. 3, pp. 761–770,
1993.
[42] G. Yi, “Adequacy Assessment of Electric Power Systems Incorporating Wind and
Solar Energy,” no. January, 2006.
[43] Upme, “Plan de Expansión de Referencia Generación-Transmisión 2014-2028,” p.
765, 2015.
[44] UPME, “Plan de Expansión de Referencia Transmisión 2013-2026,” pp. 1–195,
2013.
[45] A. M. Macias and J. Andrade, “Estudio de generación bajo escenarios de cambio
climatico,” Upme, p. 8, 2014.

Evaluación Cargabilidad Dinámica Líneas Aéreas KPIconfiabilidad AAZ UN EM&D 2017 Rev Q

Cargado por

Copyright:

Formatos disponibles

Evaluación Cargabilidad Dinámica Líneas Aéreas KPIconfiabilidad AAZ UN EM&D 2017 Rev Q

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Evaluación Cargabilidad Dinámica Líneas Aéreas KPIconfiabilidad AAZ UN EM&D 2017 Rev Q

Cargado por

Copyright:

Formatos disponibles

Contenido I

Evaluación del impacto de la cargabilidad

Alvaro Alfonso Zambrano Pinto

Universidad Nacional de Colombia

Evaluación del impacto de la cargabilidad

Alvaro Alfonso Zambrano Pinto

Universidad Nacional de Colombia

A Diana Montaña por haberme brindado su amistad y escucharme durante todas

A la profesora Ceymy Rodríguez por sus palabras de ánimo y su muestra de apoyo

Muchas gracias a todos.

Proponente: Alvaro Alfonso Zambrano Pinto

A través de este documento, se presenta el impacto que significa la utilización de

Palabras clave: (Cargabilidad dinámica, Líneas de transmisión, índices de

Keywords: (Dynamic line rating, Transmission lines, reliability index, Smartgrids)

1. Marco teórico. ......................................................................................................... 14

2. Construcción del Modelo de Cargabilidad Dinámica. .......................................... 21

3. Selección de Indicadores de Confiablidad Afectados por Cargabilidad

4. Análisis de Confiabilidad Implementando Modelos de Cargabilidad Dinámica. 59

5. Análisis de Resultados .......................................................................................... 86

Tabla A- 1 Porcentaje de carga máxima por semana tomado de [39] ............................ 97

En los últimos años el avance de la tecnología y el desarrollo de diferentes métodos de

En este proyecto se propone la integración de un modelo de cargabilidad dinámica a las

permitirá a los estudios de confiabilidad partir desde un punto en donde se ha considerado

La dificultad de construir nueva infraestructura ha provocado la búsqueda de soluciones

La implementación del concepto de cargabilidad dinámica requiere de la gestión de amplia

1.1 Estado del arte

El primero de ellos es el modelo térmico, el cual consiste en determinar la temperatura de

de estos parámetros dentro de un modelo permite obtener el comportamiento de las

1.1.1 Cargabilidad de líneas de transmisión

Las empresas a cargo de la operación de las líneas de transmisión generalmente manejan

Bajo la norma CIGRE 2002 THERMAL BEHAVIOUR OF OVERHEAD CONDUCTORS [9]

Para realizar el cálculo de la capacidad de transporte de una línea de transmisión,

1.1.2 Modelos de Cargabilidad dinámica

Tabla 1-1 Ventajas y aplicaciones de la cargabilidad dinámica

 Suficiencia: La habilidad de los sistemas eléctricos de suministrar los

 Seguridad: La habilidad del sistema eléctrico de soportar disturbios repentinos

En este sentido, la evaluación de la confiabilidad debe orientarse a prevenir posibles fallas

Actualmente, bajo el contrato 2014-054 [21], la CREG se encuentra realizando un estudio

Figura 2-1 Proceso de construcción del modelo de cargabilidad dinámica

2.1 Desarrollo del modelo de cargabilidad dinámica.

Generalmente, para determinar la cargabilidad máxima de una línea de transmisión se

Dónde: Pj representan la ganancia de calor provocada por el efecto Joule, Pm hace

Figura 2-2: Diagrama de flujo del modelo de cargabilidad dinámica.

2.2 Desarrollo de la aplicación del modelo de

El modelo se implementó como una aplicación de escritorio para el sistema operativo MS

Figura 2-3 Interfaz principal aplicación de escritorio

En la sección de “Parámetros Meteorológicos”, es posible calcular la temperatura final de

viento y el conductor forman un ángulo de 90°, obteniendo la menor temperatura en la

Figura 2-4 Interfaz “Parámetros Meteorológicos”.

La sección de “Parámetros Eléctricos” se presenta en la Figura 2-5. En esta interfaz es

Figura 2-5 Interfaz de la aplicación para parámetros eléctricos

En la sección de “Tiempo Real”, se puede seleccionar una de las referencias de la base de

En la interfaz de “Crear Línea de Transmisión”, el usuario integra un conductor de manera

Finalmente, en la sección de “Análisis de resultados”, es posible cargar información

2.3 Integración del modelo de cargabilidad dinámica con

El modelo implementado se ajustó a la arquitectura del laboratorio de redes inteligentes

Figura 2-6 Arquitectura en el LAB+i para implementar el modelo basado en [23]

Para la implementación del modelo DLR, cada capa contiene:

 Proceso físico: Contiene las variables meteorológicas del modelo como