Optimización Herramientas MultiObjetivo

1
Optimización de herramientas multiobjetivo para la toma de

decisiones de inversión en sistemas aislados sostenibles de
energía
David Tobón Orozco

Sergio Agudelo Flórez
Wilson Lara Henao
2
Optimización de herramientas multiobjetivo para la toma de

decisiones de inversión en sistemas aislados sostenibles de
energía
Grupo de Microeconomía Aplicada y Grupo de Energías Alternativas (GEA)

Universidad de Antioquia
Carbono & Bosques
ISA – COLCIENCIAS
3
Contenido
Autores que contribuyen en cada capítulo
Introducción
1. Base conceptual para el diseño de un algoritmo de decisión en el establecimiento de
tecnologías energéticas alternativas en áreas rurales no interconectadas
1.1. Teoría sobre múltiples objetivos
1.2. Metodologías multiobjetivo
1.3. Pesos de importancia relativa
1.4. Asignación indirecta
1.5. Herramientas multiobjetivo y la irrelevancia de la asignación de pesos de
importancia relativa a los distintos objetivos
1.6. Herramientas multiobjetivo y el problema de la energización de las zonas no
interconectadas en Colombia
1.7. Algunas dificultades encontradas en las herramientas propuestas para Colombia
1.8. Referencias bibliográficas
2. Revisión de las tecnologías energéticas disponibles que pueden ser aprovechadas en
las ZNI
2.1. Introducción
2.2. Metodología de trabajo
2.3. Energía solar
2.3.1. Cálculos de consumos para el sistema fotovoltaico
2.4. Energía eólica
2.4.1. Cálculo de la energía
2.4.2. Densidad del aire
2.4.3. Área de barrido del rotor
2.4.4. Velocidad del viento
2.5. Minicentrales hidroeléctricas
2.5.2. Tipos de tecnología
2.6. Biomasa
2.6.1. Procesos termoquímicos
2.6.1.1. Producción de carbón vegetal
2.6.1.2. Gasificación
2.6.1.3. Procesos bioquímicos
2.6.1.3.1. Digestión anaeróbica
2.6.1.3.2. Bioetanol
2.6.1.3.3.Biodiésel
2.6.1.3.4. Gas de rellenos sanitarios
2.6.1.4. Formas de transformación de la biomasa en energía
2.6.1.4.1. Calor y vapor
2.6.1.4.2. Combustible gaseoso
2.6.1.4.3. Biocombustibles
2.6.1.4.4. Electricidad
2.6.1.4.5. Cogeneración (calor y electricidad)
2.6.1.5. Procesos de combustión directa
2.6.1.5.1. Combustibles líquidos
2.6.1.5.2. Combustibles sólidos
2.6.1.6. Energía producida por cada tipo de combustible
4
2.7.1. Recursos de internet

3. Determinación de la oferta de biomasa de los ecosistemas sin alterar su estructura
3.1. Modelo de acumulación
3.1.1. Productividad primaria neta
3.1.1.1. PPN mediante mediciones realizadas en los bosques
3.1.1.2. PPN mediante MODIS
3.1.2. Modelo propuesto
3.1.2.2. Aplicación basada en la propuesta de Holdridge
4. El problema del desarrollo en las zonas no interconectadas
4.1. Referencia a las teorías del desarrollo económico
4.2. Desarrollo e infraestructura
4.3. El desarrollo en las zonas no interconectadas
5. Determinación de los costos adicionales asociados al tamaño de las restricciones
sociales e institucionales en las zonas no interconectadas
5.1 Justificación social de la evaluación de restricciones sociales e institucionales de las
comunidades
5.2 Metodología para actuar sobre las restricciones sociales e institucionales en las
zonas no interconectadas a partir de datos del censo de población del 2005
5.3. Análisis de componentes principales para la matriz de restricciones sociales e
institucionales en zonas no interconectadas
5.4. Pruebas para aplicar el análisis de componentes principales
5.5. Resultados
5.5.1. Cálculo de los componentes
5.6. Indicadores de las restricciones sociales e institucionales en los municipios de las
zonas no interconectadas
5.7. Cálculos del costo asociado a las restricciones sociales e institucionales
5.8 Cálculos de la demanda potencial de electricidad
6. Organización institucional e industrial de las zonas no interconectadas del sistema
eléctrico colombiano
6.1. Definición y descripción de las zonas no interconectadas en Colombia
6.2. Promoción de soluciones energéticas y financiación de proyectos en las zonas no
interconectadas
6.3. Regulación de la oferta de generación en las zonas no interconectadas
6.4. Costos y tarifas del negocio de electricidad en las zonas no interconectadas
6.5. Incentivos para la energización de las ZNI
6.5.1. Incentivos directos e indirectos que otorga la ley

6.5.1.1. Incentivos directos
6.5.1.2. Incentivos indirectos
6.5.2. Las zonas no interconectadas y el mecanismo de desarrollo limpio
6.6. Algunas experiencias internacionales con zonas no interconectadas
6.6.1. Argentina
6.6.2. Brasil
6.6.3. Chile
6.6.4. Paraguay
6.7. Conclusiones
5
7. Costos de implementación de las alternativas de generación de electricidad

7.1. Propuesta de tablas consolidadas de costos de generación de energía eléctrica para
las tecnologías alternativas de generación
7.1.1Estructura de costos diésel
7.1.1. Breve descripción de las plantas diésel en las zonas no interconectadas
7.1.2. Discriminación de la fórmula tarifaria y sus componentes para la tecnología diésel
7.1.3. Costo de inversión diésel
7.1.4. Costos del combustible
7.1.5. Costos del lubricante
7.1.6. Costos operativos totales
7.1.7. Experiencias empíricas del cálculo de generación con diésel en dos zonas no
interconectadas basadas en información de la CREG y el IPSE
7.2. Estructura de la oferta en las ZNI con tecnologías de generación distintas a la diésel
7.2.1. Tecnologías para pequeñas centrales hidroeléctricas
7.2.2. Tecnología de sistemas fotovoltaicos
7.2.3. Tecnología eólica
7.2.4. Tecnología biodiésel
7.2.5. Tecnología biomasa
7.3. Guía de interpretación de los costos de transmisión de energía desde el sistema
interconectado nacional como alternativa para abastecer directamente las zonas no
interconectadas
7.3.1. Bases teóricas
7.3.2. Discriminación de cada componente del costo
7.3.3. Supuestos utilizados y cálculos realizados
8. Una herramienta para la toma de decisiones de inversión en áreas rurales no
interconectadas que contribuya al desarrollo sostenible
8.1. Introducción
8.2. Estructura de la herramienta multiobjetivo
8.3. Selección de las alternativas energéticas relevantes
8.4. Valoración de las alternativas considerando su evolución
8.5. Valoración de las restricciones sociales e institucionales de cada localidad
8.6. Área de estudio
8.7. Módulo de recursos
8.8. Información espacial
8.9. Radiación solar y vientos
8.10. Biomasa
8.11. Información no espacial
8.12. Módulo de tecnologías
8.12.1. Molinos de viento
8.12.2. Paneles solares
8.12.3. Biomasa
8.12.4. Pequeñas centrales hidroeléctricas
8.12.5. Diésel y biodiésel
8.12.6. Interconexión al SIN
8.13. Módulo de demanda energética
8.14. Módulo de valoración
8.15. Costos
8.15.1. Opción MDL
6
9. Aplicación del paquete funpzni_1.0 en la gestión y toma de decisiones de

energización de zonas no interconectadas con el software R
9.1. Introducción
9.2. Instalación del software R
9.3. Configuración del entorno de trabajo en R
9.4. Carga del paquete funpzni_1.0
9.5. Utilización y explicación de cada uno de los módulos
9.5.1. Encabezado
9.5.2. Carga y edición de tablas
9.5.3. Selección de los municipios para el análisis
9.5.4. Especificación de parámetros técnicos de las alternativas energéticas
9.5.4.1. Generación con radiación solar
9.5.4.2. Generación con energía eólica
9.5.4.3. Generación con biomasa
9.5.4.4. Generación con diésel
9.5.4.5. Generación con biodiésel
9.5.4.6. Alternativa interconexión
9.5.4.7. Valoración de un proyecto bajo el MDL
9.5.5. Información para la evaluación económica
9.5.6. Valoración económica
9.5.6.1. Notas sobre la interpretación de las salidas
9.5.7. Despliegue gráfico
10. Aplicación de la herramienta en tres municipios de las zonas no interconectadas en
el Chocó
10.1. Provisión de energía eléctrica en Acandí, Unguía y Riosucio
10.1.1. Descripción socioeconómica de los municipios
10.2. Organización industrial del parque generador en los municipios considerados:
proyectos de generación e interconexión
Anexos
Anexo 5-1. Correlaciones de Pearson
Anexo 5-2. Indicadores de restricciones sociales e institucionales por municipio y
departamento para algunas zonas no interconectadas
Anexo 7-1. Páginas web de precios de componentes ofertados por diferentes empresas
fabricantes
Cuadros
Cuadro 2-1. Eficiencias de los paneles fotovoltaicos
Cuadro 2-2. Escala de Beaufort para medir la intensidad de viento
Cuadro 2-3. Factor  dependiente de la topografía y condiciones meteorológicas
Cuadro 2-4. Clasificación de la turbinas
Cuadro 2-5. Producción de biogás por fermentación anaerobia de excrementos
Cuadro 2-6. Producción de biogás por fermentación anaeróbica de desperdicios
Cuadro 2-7. Producción de bioetanol a partir de diversos cultivos
Cuadro 2-8. Fórmula para la producción de biodiésel
Cuadro 2-9. Procesos de conversión de biomasa en energía
Cuadro 2-10. Poder calorífico de algunas formas de biomasa
Cuadro 2-11. Poderes caloríficos de algunas biomasas
Cuadro 2-12. Datos comunes de Fe y Fr
Cuadro 2-13. Aplicaciones del biogás
7
Cuadro 2-14. Poder calorífico de algunos desechos agrícolas

Cuadro 3-1. Promedio de contenido de biomasa y productividad primaria neta (PPN),
calculados a partir de la información reportada por Clark et al. (2001) para las zonas de
vida
Cuadro 3-2. Parámetros de las ecuaciones 43 y 52 para tres zonas de vida.
Cuadro 5-1. Convenciones de variables
Cuadro 5-2. Análisis del estadístico KMO (Charles M. (1998)
Cuadro 5-3. KMO y prueba de Bartlett
Cuadro 5-4. Varianza total explicada por los componentes
Cuadro 5-5. Matriz de componentes
Cuadro 5-6. Puntuaciones de los componentes
Cuadro 5-7. Costos asociados a las restricciones sociales e institucionales en algunos los
municipios de las zonas rurales no electrificadas
Cuadro 6-1. Colombia: distribución geográfica de las ZNI, 1996 y 2007
Cuadro 6-2. Colombia: distribución geográfica de las ZNI según departamento, 2007
Cuadro 6-3. Colombia: recursos asignados por el CAFAZNI para financiar proyectos en
las ZNI, 2003-2008 (en millones de pesos)
Cuadro 6-4. Colombia: distribución de la capacidad instalada de generación y niveles de
participación de las ZNI, 2007
Cuadro 6-5. Colombia: distribución de la naturaleza jurídica de los agentes en las ZNI,
2007
Cuadro 6-6. Colombia: distribución agregada de la naturaleza jurídica de los agentes en
las ZNI
Cuadro 6-7. Colombia: distribución de los costos máximos de prestación del servicio en
las ZNI por departamentos
Cuadro 6-8. Distintos esquemas de tarifación aplicados por los prestadores en las ZNI
Cuadro 6-9. Colombia: factor de subsidio según tamaño y estrato socioeconómico de la
población de las ZNI
Cuadro 7-1. Número de plantas diésel y su rango de potencia en kW
Cuadro 7-2. Supuestos para el cálculo de los costos de generación diésel
Cuadro 7-3. Correlación de galones por kWh según la capacidad de las plantas diésel
Cuadro 7-4. Costos de mantenimiento
Cuadro 7-5. Costos de inversión, mantenimiento, combustible, lubricante y AO para
tecnología diésel
Cuadro 7-6. Estructura de la oferta de generación para tecnologías alternativas
diferentes a la generación diésel en las ZNI
Cuadro 7-7. Estructura de costos de capacidad instalada de generación para PCH en las
ZNI
Cuadro 7-8. Costos de capacidad instalada, turbinas, inversores, baterías, reguladores y
AOM para PCH
Cuadro 7-9. Estructura de costos de generación para sistemas fotovoltaicos en las ZNI
Cuadro 7-10 Costos de inversión, controladores de carga, inversores de corriente,
baterías y AOM de la tecnología fotovoltaica
Cuadro 7-11. Costos de inversión, controladores de carga, costos de torres, inversores
de corriente, baterías y AOM de la tecnología eólica
Cuadro 7-12. Costos de inversión, combustible, lubricante, operativos y AOM de la
tecnología biodiésel ()
Cuadro 7-13. Costos de inversión, combustible, operativos y AOM de la tecnología
biomasa
Cuadro 7-14.Niveles de tensión por kilómetro de líneas y niveles de potencia
8
Cuadro 7-15. Sobrecostos aplicados a la alternativa de interconexión

Cuadro 8-1. Distribución de las ZNI de Colombia
Cuadro 9-1. Archivos en la carpeta de trabajo
Cuadro 9-2. Parámetros requeridos para la generación con pequeñas centrales
hidroeléctricas
hidroeléctricas
Cuadro 9-3. Parámetros requeridos para la opción de interconexión
Cuadro 9-4. Niveles de tensión por kilómetro de líneas y niveles de potencia
Cuadro 9-5. Costos de un proyecto MDL sombrilla en zonas no interconectadas
Cuadro 9-6. Información básica para la evaluación económica de las alternativas de
energización
Cuadro 10-1. Aplicación de la herramienta multiobjetivo a tres municipios de las zonas
no interconectadas en Chocó
Figuras
Figura 1-1. Pentágono de capitales MVS
Figura 2-1. Esquema para la obtención de energía eléctrica a partir de fuentes eólica y
solar
Figura 2-2. Esquema para la obtención de energía eléctrica a partir de biomasa
Figura 2-3. Esquema para la obtención de energía eléctrica a partir de fuentes
hidráulicas
Figura 2-4. Origen de las fuentes alternas de energía
Figura 2-5. Obtención de energía eléctrica a partir de energía solar
Figura 2-6. Mapa de radiación promedio anual en Colombia
Figura 2-7. Cuadro resumen tecnología solar
Figura 2-8. Obtención de energía eléctrica a partir de aerogeneradores
Figura 2-9. Potencia por metro cuadrado de superficie expuesta al viento para diferentes
velocidades del viento
Figura 2-10. Mapa de vientos anual colombiano
Figura 2-11. Rosa de los vientos
Figura 2-12. Cuadro resumen tecnología eólica
Figura 2-13. Transformación de energía hidráulica en energía eléctrica
Figura 2-14. Conversión de energía hidráulica en energía eléctrica
Figura 2-15. Curvas de duración de caudales
Figura 2-16. Estaciones hidrológicas en Colombia
Figura 2-17. Cuadro resumen tecnología hidráulica
Figura 2-18. Selección de turbinas según altura y caudal
Figura 2-19. Obtención de energía a partir de biomasa
Figura 2-20. Esquema del uso del biogás
Figura 2-21. Proceso de producción de bioetanol
Figura 2-22. Proceso de transesterificación
Figura 2-23. Valor calorífico en función de la humedad
Figura 2-24. Aprovechamiento de biodiésel para la obtención de energía.
Figura 2-25. Eficiencia de un ciclo Brayton ideal como función de la relación de
presiones
Figura 2-26. Trabajo neto del ciclo Brayton
Figura 2-27. Cuadro resumen tecnología biomasa
Figura 3-1. Promedio multianual (2000-2004) de la productividad primaria neta en las
ZNI
9
Figura 3-2. Funciones diferenciales (ecuación 43) para tres zonas de vida del área
elegible del proyecto
Figura 5-1. Lineamientos de la metodología para determinar la demanda potencial y el
tamaño de las RSI
Figura 5-2. Sedimentación para los componentes
Figura 6-1. Evolución de los precios y las cantidades transadas en el mercado ECX
Figura 6-2. Argentina: participación en la financiación del PERMER
Figura 8-1. Módulos de la herramienta multiobjetivo (HMO)
Figura 8-2. Promedios anuales de radiación solar en kW hora-1 m2
Figura 8-3. Velocidad del viento en m s-1
Figura 8-4. Diagrama de rentabilidad establecido por la HMO
Figura 9-1. Modo de display en el software R
Figura 9-2. Ventana de procesos generales del software R
Figura 9-3. Consola del R indicando la carga de los costos de las alternativas
Figura 9-4. Salidas del R para la toma de decisiones de energización en las municipios
seleccionados de las zonas no interconectadas
Figura 9-6. Mapa de Colombia con los municipios de las zonas no interconectadas
Figura 9-7. Mapa de Colombia con los municipios de las zonas no interconectadas, con
fondo gris y etiquetas
10
Siglas y abreviaturas usadas
AE: Alternativas Energéticas

AMO: Análisis Multiobjetivo
AOM: Costos de administración, operación y mantenimiento
CGR: Contraloría General de la República
CREG: Comisión de Regulación de Energía y Gas
DNP: Departamento Nacional de Planeación
DP: Demanda Potencial
DS: Demanda de Subsistencia
ESP: Empresa de Servicios Públicos
FAZNI: Fondo de Apoyo Financiero para la Energización de las ZNI
FNR: Fondo Nacional de Regalías
HMO: Herramientas Multiobjetivo
ICEL: Instituto Colombiano de Energía Eléctrica
ICEX: Instituto Español de Comercio Exterior
IEA: International Energy Agency
Ipade: Instituto de Promoción y Apoyo al Desarrollo
IPP: Índice de Precios al Productor
IPSE: Instituto de Planificación y Promoción de Soluciones Energéticas para las ZNI
kWh: Kilovatios hora
MDL: Mecanismos de Desarrollo Limpio
Minminas: Ministerio de Minas y Energía
PCH: Pequeñas Centrales Hidroeléctricas
PPN: Producción Primaria Neta
RSI: Restricciones Sociales e Institucionales
SIN: Sistema Integrado Nacional
SUI: Sistema Único de Información de Servicios Públicos
UPME: Unidad de Planeación Minero-Energética
VPN: Valor Presente Neto
ZNI: Zonas no interconectadas
11
Autores que contribuyen en cada capítulo

David Tobón Orozco

las ZNI
Sergio Agudelo Flórez, Oscar Sánchez González, Yoneidy Restrepo Mesa.

Wilson Lara Henao
4. El problema del desarrollo en las ZNI

David Tobón Orozco, John Bedoya Marulanda

sociales e institucionales en las ZNI
David Tobón Orozco, John Bedoya Marulanda
6. Organización institucional e industrial de las ZNI del sistema eléctrico colombiano

David Tobón Orozco, Jorge Flórez Acosta, Gustavo Castillo Quintero

David Tobón Orozco, Sergio Agudelo Flórez, Gustavo Castillo Quintero, Oscar
Sánchez González
8. Una Herramienta para la toma de decisiones de inversión en áreas rurales no

Wilson Lara Henao, Sergio Agudelo Flórez, David Tobón Orozco

Sergio Agudelo Flórez, Wilson Lara Henao, David Tobón Orozco

el Chocó
David Tobón Orozco, Sergio Agudelo Flórez
12
Introducción
Los problemas de elección donde se tienen varios objetivos incompatibles, comúnmente

llamados multicriterio o multiobjetivo, se caracterizan por la subjetividad. Al determinar
su peso o relevancia, cualquiera sea la sofisticación de la función agregada que se quiera
optimizar, al final prima la subjetividad, ya que el peso depende de la capacidad de
persuasión del representante a cargo de un criterio (si existen distintos responsables del
problema de elección social) o de la decisión del representante que tenga el poder de
decisión (cuando alguien está a cargo de representar las preferencias sociales). Lo
paradójico es que puede resultar irrelevante el esfuerzo que se realiza en la asignación
de un peso específico a un objetivo, porque cualquier combinación de estos pesos es
eficiente en el sentido de Pareto. De este modo, el peso está dado más bien por la
distribución o la equidad. Por ejemplo, cuando se elige entre una alternativa de mínimo
costo y una de mayor eficiencia técnica y menor impacto ambiental,
independientemente de la cantidad de objetivos que se consideren, pueden agruparse
éstas en las categorías de eficiencia y equidad.
Si se aplican criterios estadísticos de agrupamiento de datos que permitan ponderar los

objetivos en función de la variabilidad de cada variable representativa, se usan
componentes principales o análisis de factores, resumiéndolas en una sola variable o
índice agrupador, en donde la de mayor variabilidad indique un mayor peso —ya que
esta condición puede ser la explicación, por ejemplo, de distintos niveles de desarrollo
económico en algunas localidades—, existe la posibilidad de simplificar varios
objetivos y eliminar variables irrelevantes, o cuyo aporte sea mínimo en el índice
agrupador. Sin embargo, puede contarse con información de distinta naturaleza que no
permita este tipo de agrupamientos, como los datos numéricos (planos), los espaciales y
los que expresan distintas dimensiones de un problema multiobjetivo, es el caso del
capital natural de una localidad y las distintas tecnologías de generación de electricidad
disponibles al seleccionar una alternativa energética. Otro inconveniente lo constituye la
aceptación política de pesos determinados estadísticamente y no por decisores de
política.
El problema multiobjetivo que nos ocupa en esta investigación es el de la provisión de

energía eléctrica a una localidad perteneciente a zonas aisladas o que estén alejadas del
sistema que interconecta a una región o un país, en Colombia se denominan zonas no
interconectadas (ZNI). Las cuales, aunque representan 4,11% de la población nacional,
abarcan cerca del 66% de la superficie del territorio y, por lo general, tienen bajos
niveles de desarrollo, carecen de vías de acceso, servicios públicos e infraestructura. Se
define como un problema multiobjetivo porque en la elección de la alternativa más
adecuada confluyen la disponibilidad de recursos biofísicos de la zona, las tecnologías
alternativas disponibles y el grado de desarrollo económico y social de la localidad, así
como su capacidad de pago, la gobernabilidad —entendida como la capacidad del
ejercicio del poder por parte de las autoridades legales— y las restricciones
institucionales, o sea, la cultura y el sistema de incentivos formal e informal que la
determinan a nivel local, regional y nacional. Finalmente, la elección de la alternativa de
generación ambientalmente sostenible debe compararse con los costos de la opción de
interconectar la localidad a la red de transmisión más cercana, que se alimenta del
sistema interconectado nacional (SIN).
13
Este problema concreto no es nuevo y se ha abordado bastante en la literatura

internacional. Localmente se destacan varias herramientas propuestas para este mismo
sector, las cuales por lo general adolecen de las fallas mencionadas arriba. También los
entes gubernamentales que se encargan de la planificación o provisión de energía
eléctrica, como el Instituto de Planificación y Promoción de Soluciones Energéticas
para las Zonas No Interconectadas (IPSE) y la Unidad de Planeación Minero Energética
(UPME), cuentan con modelos que soportan la toma de decisiones, pero limitados a la
comparación entre la opción tradicional de energización mediante plantas diésel y la
interconexión, mientras subestiman el potencial de recursos de una localidad y las
restricciones socioeconómicas e institucionales que enfrentan.
Nuestra propuesta aborda el problema multiobjetivo por etapas: primero se tiene una
localidad con unos recursos determinados (biomasa, radiación solar, vientos, caudales y
caídas de agua, por ejemplo), que permitan utilizar distintas alternativas de generación,
como biocombustibles, celdas fotovoltaicas, rotores de viento y microcentrales
hidroeléctricas. El primer objetivo pretende determinar, para una demanda potencial per
cápita que estimamos para cada localidad como la de otra localidad cercana que sea
comparable en ciertos indicadores pero con mayor desarrollo, el potencial de generación
de cada alternativa. Esta definición de demanda potencial también es nueva, ya que
prácticamente resulta imposible prever el crecimiento de la demanda energética de estas
localidades, puesto que no siguen patrones de crecimiento lineales y son altamente
influenciadas por variables exógenas, a saber: los efectos de atracción provocados por
las grandes ciudades, o la presencia de estados de equilibrio de bajo nivel. No
analizamos aquí, como se hace en otras herramientas, la posibilidad del suministro de
energía eléctrica en una localidad como potencializador de círculos virtuosos de
desarrollo, dado que este depende de otras dotaciones, como las infraestructuras vial y
de comunicaciones, el capital humano, el desarrollo institucional, entre otros.
Una vez clasificadas las alternativas que permitan abastecer esta demanda, se pasa a
medir sus costos de implementación, que no solo obedecen a lo que determina la
compleja regulación colombiana, sino que también deben adicionarse otros asociados a
una débil institucionalidad o a problemas de gobernabilidad en estas localidades, y que
representan erogaciones mayores, principalmente cuando para la sostenibilidad en el
largo plazo de una solución energética debe incorporarse a la población, tanto en su
aceptación como en su gestión. Finalmente, la herramienta determina cuál es la
alternativa clasificable más barata.
Esta propuesta involucra una dimensión adicional: el potencial para desarrollar un

proyecto bajo el mecanismo de desarrollo limpio (MDL) del protocolo de Kioto con una
alternativa de generación alternativa sostenible, que permita obtener ingresos por la
venta de Certificados de reducción de emisiones (CER), en comparación con las
soluciones que se basan en plantas diésel. La potencialidad aquí se identifica a partir del
número mínimo de localidades de una zona que puedan participar en un proyecto
sombrilla y recibir ingresos por la venta de certificados de reducción de emisiones. La
alternativa elegida se compara con la opción de interconexión y se indica si es más
barata. La característica básica de esta propuesta que aborda un problema multiobjetivo
consiste en que todas las variables se reducen a una dimensión de costos, es decir,
cualquier variable o criterio se cuantifica monetariamente.
14
Este trabajo es el resultado de un esfuerzo integrado de grupos de investigación de la

economía, la ingeniería y la programación computacional. Además de presentar una
solución simple a los problemas multiobjetivo, se esfuerza en determinar la dotación de
recursos biofísicos del país, las alternativas de generación disponibles y sus costos, para
lo cual tiene en cuenta los precios de mercado y las restricciones regulatorias y de
incentivos imperantes en Colombia. Agradecemos el empuje inicial que dieron a esta
propuesta Carlos Fonseca y Germán Valencia, y la asistencia técnica de Mauricio
Zapata. También el apoyo financiero de ISA y Colciencias, así como la paciencia y el
seguimiento al desarrollo del proyecto de los funcionarios de ISA Édgar Durán,
Esperanza Echeverry y Hugo Bedoya.
15

David Tobón Orozco1
1.1. Teoría sobre múltiples objetivos
La utilización de herramientas en la selección de una alternativa que considera

múltiples objetivos es realidad desde hace más de treinta años, con métodos que
permiten involucrar restricciones económicas, ambientales, sociales, financieras,
técnicas y de cualquier otro tipo, algunas de las cuales podrían representarse mediante
complejas funciones matemáticas y otras tan solo con algunas expresiones cualitativas.
Un problema de múltiples objetivos se representa formalmente por:
Optimizar Z ( x)  f ( Z1 ( x),..., Z m ( x))

(1)
Sujeto a x  X
Zi ( x) : Es el vector de las m funciones objetivo

x : Representa el vector de las n variables de decisión
X : Representa el espacio factible de solución
Cuando se trata de un problema multiobjetivo discreto, su representación cambia y se

convierte en seleccionar una sola alternativa entre un conjunto finito A  A1 ,.., An , o se
reordenan las alternativas, en ambos casos a la luz de un conjunto finito de criterios de
decisión Z  Z1 ,.., Z m . A continuación se presenta una hipotética evaluación de cada
alternativa con respecto a cada uno de los criterios de decisión con el uso de una matriz
de pagos (MP).
 a11 a12  a1n 

a a 22  a 2 n 
MP   21
   
 
a m1 am2  a mn 
Donde los valores aij indican el grado de cumplimiento o desempeño de una alternativa
Aj con respecto a un objetivo Zj.
Este último caso resulta apropiado para el problema de selección de una alternativa de
energización para una zona no interconectada, con la consideración de múltiples
objetivos, como los sociales, naturales, físicos, etc., donde las alternativas son las
diferentes opciones de energización; por ejemplo, interconexión a la red de transmisión
o generación propia mediante microcentrales hidroeléctricas, rotores de viento, paneles
solares, generación térmica con biomasa, etc.
1
Profesor asociado y Coordinador Grupo de Microeconomía Aplicada, Universidad de Antioquia. Dirección
electrónica: davidtobon@udea.edu.co. Se agradecen los comentarios y aportes de Santiago Horacio Hoyos.
16
Para darle solución al problema de selección que plantea el párrafo anterior existen
varios métodos de análisis multiobjetivo (AMO), los cuales se desarrollaron con el
propósito de ayudar a los decisores a realizar procedimientos de selección o priorización
de alternativas, según su estructura particular de preferencias de decisión. Si se trata de
la selección de alternativas, existe un término acuñado al conjunto de mejores
soluciones que se conoce como conjunto de soluciones paretianas o no dominadas
S(x).Un óptimo de Pareto surge en el momento en que al tratar de hacerse una selección
de una alternativa Ai no puede mejorarse el logro con respecto a un objetivo Z j , sin
empeorar lo ya conseguido en otro objetivo Z i (Goicochea, Hansen y Duckstein, 1982).
El conjunto de soluciones no dominadas se define como:
 x: x  X x ´  X 
 
S  Z q x   Z q x , q 1,2,3, m (2)
 
 Z k x   Z k x ,  k  q 
En donde m representa el número de objetivos considerados, Z q x  el valor del objetivo

q para la solución x , y X el espacio de soluciones posibles.
Esto quiere decir que el conjunto de soluciones no dominadas S(x) lo constituyen todas
aquellas soluciones sobre las cuales no puede decirse que una en particular sea mejor
que todas las demás sobre todos los objetivos. A raíz de esto, puede asegurarse que en
todo proceso de decisión multiobjetivo, en donde el conjunto S(x) lo compone más de
una alternativa, no existe un único óptimo global (Smith et al., 2000). Esto implica
tratar de realizar la selección con base en la llamada estructura de preferencias del
decisor respecto a sus logros, con el propósito de seleccionar la solución del problema
que más le satisfaga (Smith et al., 2000).
Por ejemplo, en procesos reales de toma de decisiones, es bastante común encontrar que
para el tomador de decisiones no todos los criterios u objetivos Zj tienen la misma
importancia. Es decir, que según sus preferencias, al decisor eventualmente le podría
interesar obtener niveles de logro mayores en unos objetivos que en otros. En este caso,
dichas preferencias pueden expresarse de diversas maneras: niveles de aspiración,
funciones de valoración o utilidad U(.), pesos de importancia relativa w, entre otros;
siendo esta última la forma que más se acepta comúnmente y se utiliza por los
decisores. Los pesos de importancia relativa w, junto con la matriz de pagos,
constituyen gran parte de la información necesaria, en principio, para utilizar la mayoría
de las metodologías de AMO (electre I, II, III, programación de compromiso,
programación por metas, promethee I, II, promedios ponderados, funciones de utilidad y
valor multiatributo, etc.), de allí su importancia en el problema (Jaramillo, 1999; Smith
et al., 2000).
17
1.2. Metodologías multiobjetivo
En la literatura se encuentra una amplia variedad de metodologías para solucionar

problemas de toma de decisiones multiobjetivo discretos. En términos generales, puede
decirse que estas metodologías se han desarrollado con el propósito de proporcionar a
los tomadores de decisiones una forma de valoración de proyectos con la cual pueda
considerarse una amplia variedad de aspectos tan importantes como los sociales,
ambientales, técnicos, económicos, políticos, etc., en sus propias unidades de medida, y
sin hacerles transformaciones de ningún tipo a las variables que representan estos
aspectos. Algunos de los métodos más conocidos para resolver problemas discretos
son:
1. Métodos basados en distancias. Entre los más conocidos están la programación de

compromiso (Zeleny, 1973) y la programación por metas (Charnes y Cooper, 1963).
Estas metodologías seleccionan la solución o alternativa factible más cercana a una
solución ideal. En general, esta es la solución no factible más satisfactoria para el
decisor. Los métodos calculan, tomando como punto de referencia la situación óptima,
la distancia entre los logros de las alternativas propuestas y los logros alcanzados con la
solución ideal (Smith et al., 2000).
2. Métodos basados en utilidades o valores. Los métodos más conocidos de este grupo
son las funciones de valor multiatributo y los promedios ponderados (Jaramillo, 1999;
Goicochea, Hansen y Duckstein, 1982). Estos representan la estructura de preferencias a
través de funciones matemáticas de valor si el problema es determinístico o de
funciones de utilidad si el problema está bajo un contexto de riesgo o incertidumbre.
3. Métodos de clasificación. Los métodos electre I, II, III, IV de Roy (Roy et al., 1992)
y los promethee I, II, III (Romero y Pomerol, 1997) se consideran métodos de
clasificación. Estos usan relaciones de dominancia ―de mejor rango‖ entre un conjunto
discreto de alternativas, para luego seleccionar la mejor según las preferencias del
decisor. Las relaciones de mejor rango se determinan según una serie de parámetros que
los métodos requieren del decisor, con el fin de articular su estructura de preferencias
(Smith et al., 2000). Estas metodologías se diferencian entre sí básicamente en su
estructura de valoración, así como en la forma y momento en que definen y usan la
estructura de preferencias del decisor. La manera como estas tratan de obtener y
representar numéricamente dicha estructura de preferencias es muy diversa, a saber:
funciones métricas, funciones de utilidad, límites de concordancia y discordancia,
metas, pesos de importancia relativa, etc. (Smith et al., 2000). Dentro de las formas de
representación o parámetros que más se utilizan con frecuencia, están los pesos de
importancia relativa de los objetivos del problema w. Estos parámetros se usan,
generalmente, en formulaciones que integran en una suma ponderada, funciones
reescaladas y normalizadas de las funciones objetivo originales. En la práctica, estos
parámetros presentan limitantes:
1. existe gran dificultad práctica en definirlos numéricamente;
2. consideran intercambios constantes entre objetivos, independiente del nivel de logro
de aquéllos;
3. el decisor debe precisarlos al principio del proceso, sin un aprendizaje previo de las
limitaciones ni los potenciales del sistema que se evalúa;
4. para diferentes combinaciones de pesos puede obtenerse la misma solución, esto hace
que la técnica sea contra intuitiva para el decisor;
18
5. estas técnicas no consideran las interrelaciones que existenr entre los objetivos del
problema (Jaramillo, 1999);
6. el método de asignación de pesos influye mucho en la respuesta final que se obtiene
del problema.
1.3. Pesos de importancia relativa
Los pesos de importancia relativa se definen como un vector w con un tamaño igual al
número de objetivos o criterios:

w  w1, w2,  wn  (3)
El problema de cómo asignarle valores a los pesos de los objetivos ha sido uno de los
temas de estudio de mayor importancia dentro del mundo de la toma de decisiones
multiobjetivo. Respecto al cálculo y definición de los valores de los pesos de los
objetivos, se han estudiado aspectos tanto teóricos (Salo y Hämäläinen, 1997), como
prácticos del problema. Por ejemplo, la forma como se le solicitan los pesos al decisor,
su interpretación, la influencia o relevancia de éstos en las respuestas de los métodos, la
forma de agregación de varios conjuntos de pesos (Pöyhönen y Hämäläinen, 2001), etc.
El punto es que el método de asignación de pesos influye mucho en la respuesta final
que se obtenga del problema.
Igualmente se ha desarrollado una amplia gama de procedimientos, en su mayoría

enfocados en tratar de extraer del decisor su estructura de preferencias, si bien esta no
siempre se conoce, ni siquiera por él mismo, por su racionalidad limitada2 (Smith et al.,
2000). Entre los diferentes procedimientos desarrollados se encuentran los llamados
métodos de asignación directa, aquellos en los que el decisor asigna directamente los
pesos a los objetivos, como el método de ordenación simple (ranking) de Kendall
(1970), el cual requiere que el tomador de decisiones efectúe una ordenación cualitativa
de los objetivos por orden de importancia. También está el método de asignación de
Rietveld (1984), el cual, a partir del ordenamiento cualitativo de los criterios, fija un
límite superior para cada peso, y le asocia según el ordenamiento anterior, intervalos de
valor a cada objetivo de acuerdo con su posición dentro del rango (a mayor importancia,
mayor intervalo de asociación); también está el método de tasación simple de von
Winterfeldt y Edwards (1986), el cual requiere de una valoración numérica del peso en
cierta escala de medida (0 a 100, por ejemplo). Una variación de este consiste en pedirle
al decisor que evalúe la importancia relativa de los criterios con relación al criterio
considerado como el menos importante de todos. Luego, respetando tales relaciones de
proporcionalidad y forzando a que la suma de los pesos sea igual a la unidad, se
obtienen los pesos cardinales de los objetivos del problema; finalmente está el método
de comparaciones sucesivas de Churchman y Acko (1954), el cual requiere del decisor
la ordenación de los criterios, la tasación de los pesos de los criterios en una escala
cardinal, la comparación sistemática de cada criterio con los demás, y, de ser necesario,
la modificación de dichos valores (Romero y Pomerol, 1997).
2
Esto significa que ―un agente no puede tener todo el conocimiento de los elementos de conjunto de una situación, ni
de todas las consecuencias de los actos que pueda emprender, ni de todas las opciones posibles, y así sucesivamente.
Pues la elección o la decisión se hacen en un contexto y en el marco de un proceso que a menudo depende mucho
más de las formas habituales de funcionar que de análisis exhaustivos y racionales: esta elección no puede ser la
mejor decisión, sino sólo la más satisfactoria en dichas circunstancias, entre varias opciones posibles‖ (Aktouf, 1998).
19
1.4. Asignación indirecta
Existe otra familia de metodologías denominada métodos de asignación indirecta, las

cuales pretenden inferir la estructura de preferencias del decisor a partir de
comparaciones pareadas ya sea entre objetivos o alternativas. Uno de los métodos que
más conoce y cita en la literatura es el método AHP o análisis jerárquico, ideado por
Saaty (1970a, b). El cual consiste en construir una matriz cuadrada de comparaciones
entre objetivos (objetivos contra objetivos), en donde cada entrada de la matriz
representa cuántas veces es más importante el criterio de la fila respecto al criterio de la
columna. Finalmente se calcula un auto vector dominante de dicha matriz, el cual
constituye el conjunto de pesos del problema de decisión. Otros son el método de
compensación y el método del vaivén (Romero y Pomerol, 1997). Por último, está el
método de la entropía de Zeleny (1973), llamado también método objetivo, ya que
intenta determinar la importancia relativa de los objetivos, únicamente a partir de los
datos del problema (matriz de pagos).
Algunas limitantes de las anteriores metodologías son:

1) la excesiva cantidad de información que se le exige al decisor, lo que provoca en
este desgaste y en algunas ocasiones su eventual contradicción;
2) la obligación de expresar las preferencias de decisión de forma numérica, cuando en
muchas ocasiones el decisor no tiene clara dicha valoración ni siquiera de forma
cualitativa;
3) la dependencia entre los objetivos que hacen que el mejoramiento o empeoramiento
de un objetivo contribuya al mejoramiento o empeoramiento de otros, respectivamente
(Carlsson y Fuller, 1994);
4) la mayoría de metodologías no consideran simultáneamente la información del
problema y las preferencias del decisor para realizar la asignación de los pesos; es decir,
la mayoría de métodos que usan como base las preferencias del decisor, se olvidan por
completo de las características del problema y viceversa.
Se ha demostrado que para un mismo decisor las estimaciones de los pesos únicamente
por métodos directos varían según el momento en el que se lo interrogue. Además, esta
valoración cambia de acuerdo con las alternativas del problema que el decisor ya
conocía, lo cual provoca un sesgo en su elección de una solución al problema (Carlsson
y Fuller, 1995). En este sentido, Pöyhönen y Hämäläinen (2001) desarrollan un estudio
experimental por internet, en el cual validan cinco diferentes metodologías multiatributo
que se basan en los pesos de importancia relativa: una versión del AHP (analytic
hierarchy process), la asignación directa de los pesos, SMART (simple multiattribute
rating technique), el balanceo de pesos (swing weighting) y el intercambio de pesos
(tradeweighting). En el estudio, cada decisor (encuestado) crea su problema (objetivos y
alternativas) y le asigna los pesos de importancia relativa a los objetivos con la ayuda de
las metodologías antes mencionadas. A partir de los resultados, Pöyhönen y Hämäläinen
afirman que para un mismo decisor los conjuntos de pesos obtenidos con cada
metodología resultan bastante diferentes, porque cada método los guía, de manera
implícita o explícita, a escoger sus respuestas entre un número limitado de opciones. La
segunda gran conclusión del trabajo es que la dispersión y el grado de inconsistencia de
las respuestas depende en gran medida del número de objetivos que considere
simultáneamente cada individuo (Pöyhönen y Hämäläinen, 2001).
20
Adicionalmente, Salo y Hämäläinen (1997) aplican la teoría de las funciones de valor

multiatributo para examinar el uso de las comparaciones pareadas que siguen los
métodos AHP y Smart. Los análisis de su estudio indican que las comparaciones
pareadas deben entenderse en términos de diferencia de preferencias entre pares de
alternativas, además, presentan algunos efectos no deseados en el proceso de decisión
que los causa la discretización del rango de valoración de los objetivos. Al final,
proponen una nueva forma de manejar los rangos o escalas de valoración de los pesos
de importancia relativa, de tal manera que se mejore la sensibilidad de las relaciones de
escala en el método AHP.
De este recuento puede deducirse que el problema de selección de una alternativa de

energización para una localidad ubicada en una ZNI de Colombia se caracteriza dentro
del mundo discreto porque se tiene un conjunto finito de alternativas que se enfrentan al
logro de un conjunto finito de objetivos. Sin embargo, esta investigación no se basa en
la selección de algún método multiobjetivo, sino en una ordenación de objetivos que se
van optimizando de acuerdo con un ordenamiento natural de ellos, acorde con el
problema descrito para las ZNI de Colombia, y se presenta su implementación para un
caso de aplicación específico.
1.5. Herramientas multiobjetivo y la irrelevancia de la asignación de pesos de

importancia relativa a los distintos objetivos
En los problemas multiobjetivo no puede decirse que una solución en particular,

eficiente para el logro de un objetivo, sea mejor que todas las demás soluciones para el
logro de todos los objetivos. En este sentido, se ha creído que resulta imposible
encontrar una solución eficiente para todos los objetivos y que este problema se
resuelve al centrar las metodologías de decisión en las preferencias del decisor o los
decisores, de tal manera que les ayuden a realizar procedimientos de selección o
priorización de alternativas, según su estructura particular de preferencias, y que,
obviamente, el mecanismo de selección de la alternativa elegida sea racional3 (véase por
ejemplo Smith et al. 2000).
Sin embargo, a partir de los trabajos de Arrow (1971),4 es claro que aun con la
información relevante para la toma de decisiones, en nuestro caso sobre los recursos
biofísicos, los recursos sociales, las preferencias de las comunidades, las alternativas
energéticas disponibles, las restricciones institucionales, entre otros, cualquier solución
no representa las preferencias sociales ni será eficiente, ya que en últimas representa las
preferencias del decisor o del conjunto de decisores, incluso si en la toma de decisiones
se incluye a representantes de la localidad objetivo.
Los avances en esta dirección no apuntan a resolver el problema. Incluso puede

demostrarse que cualquier función multiobjetivo que cumpla con la propiedad de ser
creciente en cada una de las funciones que la comprende respecto al impacto marginal
de una política, o una alternativa energética como en el caso que nos ocupa, puede
3
La racionalidad de las elecciones consiste en que estas sean completas, es decir, que para todas las alternativas ai de
un conjunto A se tiene que ai se prefiera a aj o que aj se prefiera a al o bien ambas. Que la elección sea transitiva, es
decir, que para todas las alternativa ai, aj y al de A se dé que si ai se prefiere a aj y aj se prefiere a al, entonces
necesariamente ai se debe preferir ante al.
4
Véanse los aportes de Sen (1991) y Colander (2007).
21
representar el bienestar social independiente de cuál sea la importancia relativa que se le

asigne a cada una de las funciones u objetivos que comprenden esta función agregada.
Supóngase que el problema multiobjetivo del tomador de decisiones consiste en

maximizar una función que corresponde a la suma ponderada de m funciones objetivo
sujeto a que el reparto de n variables o recursos disponibles entre los distintos objetivos
sea menor o igual a la cantidad de dichos recursos; es decir:
Max Z ( x)  f Z1 ( x),..., Z m ( x)   i 1 ki Z i ( xig )

m
x X
(4)
m
x
i 1
i
g
 w g g  1,2,..., n
ki es el peso relativo dado a cada objetivo, ki > 0

 
Z i xig es el vector de las m funciones objetivo
x representa el vector de las n variables de decisión
wg es la cantidad disponible de la variable n
xig es el reparto de la variable n entre cada función objetivo m
Lo anterior se representa mediante la función de Lagrange:
n
m 
L  i 1 ki Zi ( xig )   g . xig  w g 
m
(5)
g 1  i 1 
Si se resuelve para la función Z i el impacto marginal de cada alternativa g y h se tienen

las siguientes condiciones naturales de primer orden:
Z Z
ki gi   g  0 , k i hi  h  0 , g, h = 1, 2,…, n. (6)
xi xi
Al definir la relación marginal de sustitución entre g y h como la razón entre los

impactos marginales en la función Z i de las alternativas g y h; en este caso:
Z i Z i
ki
xig  g xig  g
 g , h , es decir,  g , h (7)
Z i h Z i h
ki h
xi xih
Al resolver para la función Z j , se tiene:
Z j
x gj g
 g , h  1,2...n g , h  1,2,..., m (8)
Z j h
x hj
22
Por tanto, podemos afirmar que la asignación eficiente de alternativas g, h está dada por
la situación donde las relaciones marginales de sustitución entre las funciones se
igualen, y no de acuerdo con las ponderaciones ki dadas por el decisor a los objetivos,
las cuales no tienen ninguna relevancia en el problema, es decir:
Z i Z j
xig x j g
g
  g , h  1,2,..., n i, j  1,2,..., m (9)

Z i Z j h
xih x hj
Ahora bien, si se considera que una asignación de alternativas es eficiente al resolver los
siguientes m problemas de optimización: maximizar una función de objetivos xi sujeto a
que los otros objetivos no se desmejoren y a que la repartición de las n variables o
recursos entre los objetivos no sea mayor que la cantidad de estas variables dadas:
Max Z i ( xi )
s.t. Z j ( x j )  Z j , ji (10)
m
x
i 1
i
g
 w g g  1,2,..., n
Sean  g los multiplicadores de las restricciones de factibilidad y sea  j j  i las

restricciones de cada función objetivo distinto de i; por tanto:
m 
 
n
L  Z i ( xi )   g . xig  w g    j i  j Z j ( x j )  Z j
m
(11)
g 1  i 1 
Al derivar el impacto de la alternativa g sobre las funciones Z j y Z i se tiene:
Z i
  g  0, g  1,.2,..., n
xig
(12)
Z j
 j g  g  0 j  i, g  1,2,..., n
x j
Nótese que los valores relativos de  g son independientes de las condiciones de cada
función Z.
Al considerar el impacto de la alternativa h tenemos:
Z i
 h  0, g  1,.2,..., n
xih
(13)
Z
 j hj  h  0 ji
x j
23
De nuevo al hallar las relaciones marginales de sustitución se tiene:
Z i Z j
xig x j g
g
  g , h  1,2,..., n i  1,2,..., m (14)

Z i Z j h
xih x hj
Obsérvese que en la elección de la solución no importa la valoración que se le dé a cada

función objetivo Zi. Esto indica que la valoración mayor de un objetivo siempre resulta
irrelevante para el problema, y lo único que se requiere es que al tener una ponderación
mayor para un determinado objetivo, los niveles de los otros, así se califiquen con una
menor ponderación, por lo menos permanezcan constantes.
Lo anterior significa que si, por ejemplo, se tienen tres objetivos de política: uso
sostenible de recursos biofísicos, mayor aprovechamiento de las alternativas para
generar energía eléctrica y menor impacto tarifario (alternativa de mínimo costo),
siempre que se pretenda resolver este problema multiobjetivo asignando distintas
valoraciones a cada objetivo, resultaría irrelevante el esfuerzo desde el punto de vista de
la eficiencia en la asignación, obviamente teniendo como restricción mantener cada
objetivo en un nivel razonable, como ocurre con el uso sostenible de los recursos y con
unas tarifas acordes a la capacidad de pago de la población. Por último, los incentivos
dinámicos que pueda tener la aplicación de una alternativa, como el fomento de otras
actividades, la generación de empleo y el desarrollo económico se descartan, puesto que
se trata de un modelo estático y, como se estudia más adelante, los procesos de
desarrollo en las localidades que se analizan son tremendamente complejos y no
dependen solo de la provisión de energía eléctrica.
1.6. Herramientas multiobjetivo y el problema de la energización de las zonas no

interconectadas en Colombia
En Colombia, la energización de las ZNI en el pasado se abordó desde la factibilidad

técnica y la viabilidad económica de los proyectos. La consideración de múltiples
objetivos: naturales, sociales, humanos, biofísicos y financieros constituye una
propuesta integral para la selección de tecnologías y la asignación de recursos a
proyectos de energización (Henao et al., 2005; Cadena et al., 2005, Pérez, 2005). Sin
embargo, estos trabajos realizan análisis estáticos y determinísticos, y dejan a un lado
herramientas de simulación que permitan conocer el impacto futuro de las decisiones
actuales sobre el desarrollo sostenible de las ZNI (Álvarez, 2005; Aristizábal, 2006;
Franco et al., 2006). En nuestro país, han este problema ha sido estudiado
principalmente por la UPME y el IPSE, instituciones adscritas al Ministerio de Minas y
Energía, así como por la Universidad Nacional de Colombia y la Universidad de los
Andes, entre otras.
La UPME contrató en 1999 el diseño de un plan estructural, institucional y financiero

para el suministro de energía eléctrica a las ZNI, con la participación de las
comunidades y el sector privado (Hagler Bailly y Aene Consultancy, 2001). Estos
24
consultores incluyeron la caracterización de la demanda de energía, la clasificación de

los centros poblados, su situación natural, económica y social, así como una estimación
de los costos del suministro de energía, un sistema de información geo-referenciado de
las ZNI y una propuesta regulatoria de suministro de electricidad. Por su parte, el IPSE
ha diseñado una metodología para la formulación, evaluación y priorización de
proyectos de energización para las ZNI (IPSE, 2001), que exige licencia ambiental para
la aprobación del proyecto, y tiene como línea de base el suministro eléctrico a partir de
plantas diésel.
La Universidad de los Andes ha realizado investigaciones que se relacionan con el

servicio de agua y el suministro de energía eléctrica en regiones rurales aisladas,
considera la sostenibilidad de las soluciones, y se focaliza sobre el mejoramiento de la
productividad y el bienestar de las poblaciones (Cadena et al., 2003, 2005). Asimismo,
con un marco de trabajo y el desarrollo de dos proyectos de investigación relacionados
con el tema (Resurl, 2004; Colciencias, 2005). Por su parte, Dyner et al. (2005)
desarrollaron un modelo en dinámica de sistemas (DS) que explica la contribución de la
energía a los medios de vida rurales sostenibles de forma generalizada, sin
representación de alguna de las ZNI del país. Este asunto lo trata Hoyos (2007) en la
evaluación de políticas para la electrificación de una ZNI en el suroccidente de
Colombia, utiliza dinámica de sistemas y medios de vida sostenibles. Por otro lado, el
Instituto de Energía de la Universidad Nacional de Colombia sede Medellín ha
desarrollado herramientas de planeación y metodologías para la energización rural, al
mirar los problemas de expansión de potencia, para ello considera múltiples objetivos y
algoritmos genéticos (Smith y Mesa, 1996; Smith y Pulgarín, 2002).
De igual forma, en el mundo expertos en el tema han abordado el problema de la

electrificación rural en zonas aisladas, se destaca la importancia de nuevas políticas para
un futuro energético sostenible (Elkins, 2004; Gross, 2004; Mitchell y Connor, 2004).
Esta perspectiva enfatiza en las fuentes de energía renovable, el comportamiento
humano, los costos económicos, la aceptación social, las redes y la infraestructura, la
seguridad y, sobre todo, la innovación en la estimulación o incentivos para la
generación limpia de electricidad y desarrollo de las comunidades como garantía del
éxito de la electrificación.
No puede ignorarse el trabajo realizado por la Organización Latinoamericana de

Energía (OLADE), cuyo programa de energía sostenible —lo desarrolla conjuntamente
con la Universidad de Calgary y el financiamiento del gobierno de Canadá— incluye un
proyecto de electrificación rural (2006). Este proyecto incorpora conceptos innovadores
como la propuesta de estrategias de política que parten desde la óptica de los usuarios
finales, su incorporación en la conceptualización, el diseño y la operación de los
sistemas energéticos para zonas asiladas, la puesta en marcha de esquemas de
sostenibilidad, capital semilla para replicar proyectos piloto, con la participación directa
de la mujer y de los pueblos indígenas en los proyectos energéticos.
1.7. Algunas dificultades encontradas en las herramientas propuestas para Colombia
El análisis de objetivos múltiples se ha usado en el país en varias oportunidades.

Algunos de ellas los han desarrollado entidades gubernamentales, como el Inderena,
25
Ecopetrol,5 Ecocarbón6 y el Concurso Internacional de Méritos, con el ―Estudio de

evaluación de las propuestas de manejo integral de la disposición final de residuos sólidos
de la ciudad de Cali‖. Otros estudios los ha realizado el postgrado en aprovechamiento de
recursos hidráulicos de la Facultad de Minas de la Universidad Nacional, sede Medellín,
que publicaron Decisiones con múltiples objetivos e incertidumbre (2000); así como el
estudio de De la Hoz (1990) y De la Hoz y et al. (1990). El mismo método se ha aplicado
también en los proyectos energético de Urrá I y de Riogrande II, como ya se ha
mencionado.
El problema de la selección de la mejor alternativa para energizar una comunidad lo

aborda Henao (2005). Este trabajo centra su interés en la selección de una alternativa
tecnológica para la energización de una comunidad definida con los datos de entrada al
programa de computadores Sure (producto de dicha investigación y el proyecto de
investigación Resurl —Renovable energy sustainable rural livelihood—, bajo el
cumplimiento de cinco objetivos: físico, natural, financiero, humano y social, tomados
del marco teórico de los medios de vida sostenibles (DFID, 2005) (ver en la figura 1-1
los capitales con los cuales se describe el estado de una comunidad antes y después de
implementar la tecnología).
El modelo que se desarrolla allí caracteriza la comunidad que se va a energizar así:

situación energética, demanda de energía eléctrica por sectores (educación, salud,
residencial, alumbrado público, entre otros); estado inicial según los recursos físicos,
naturales, financieros, sociales y humanos. Luego se realiza una conformación de
alternativas tecnológicas (oferta de energía), según las características anteriores y las
potencialidades de la zona para el suministro de energía en tecnologías como: biomasa,
solar fotovoltaica, pequeñas centrales hidroeléctricas, extensión de la red de
interconexión y plantas de generación diésel. Con todo esto, se evalúa cada alternativa
con base en su impacto sobre los cinco capitales o recursos ya mencionados, se
comparan las características de la comunidad sin alternativa tecnológica y con la
implementación de esta, para finalmente seleccionar la alternativa más apropiada según
criterios de sostenibilidad.
En la figura 1-1 se observan varios pentágonos por medio de los cuales se agrupan los
capitales de los medios de vida sostenibles que definen el estado inicial de la comunidad
y el estado final de la misma para diferentes alternativas tecnológicas de energización.
Estos pentágonos, comparados con el ideal, soportan la decisión sobre la tecnología
seleccionada, asumiéndose como criterio de sostenibilidad la regularidad del pentágono
y la cercanía al ideal.
5
Estudio integral de localización de la nueva refinería de petróleo en el Magdalena Medio.
6
El proyecto de Ecocarbón se llama Diagnóstico y evaluación ambiental e integral de alternativas de localización y
construcción de un puerto integrado de carbón en la Costa Atlántica colombiana. La metodología para este estudio
consiste en calificar la importancia de las variables relevantes en estos campos mediante una ponderación de factores
por parte del equipo interdisciplinario. Se calificaron los aportes de cada miembro y la relevancia de las variables que
estos identifican de acuerdo con su nivel de experiencia y su conocimiento; en otras palabras, de acuerdo con su
currículo. También se usa un ponderador adicional que da cuenta del área de influencia o de las características de la
ubicación del puerto. Este tipo de ejercicios muestran que aún no existen métodos de ponderación que demuestren
subjetividad en el proceso de dar importancia a las distintas variables. Este ejercicio es llamado Simcoreta (Síntesis
de mínimo costo y riesgo económico, tecnológico y ambiental) y se toma como un avance del método Delphi.
26
Figura 2-1. Pentágono de capitales MVS (Resurl, 2005)
La ecuación 15 representa la estructura matemática general para los cinco recursos de la

comunidad:
1
C
(
jA)
i

1
e


X
jj(
A)
i
, (
j
1 
,...,
5
;i1
,...,
n
) (15)
Donde Cj(Ai) corresponde a la evaluación o desempeño de la alternativa energética i (Ai,

i = 1,…,n) sobre el recurso de la comunidad j = 1,2,…,5, (1 indica natural, 2 físico, 3
social, 4 humano y 5 financiero); Xj(Ai) representa el efecto de la alternativa energética i
en el correspondiente recurso de la comunidad j; y  j es un parámetro de escala
asociado al número de factores que componen cada recurso j. La ecuación 15
corresponde a una función ―sigmoide‖ (en forma de ―S‖), donde los valores cercanos a
cero son producto del empeoramiento del capital y los valores cercanos a la unidad
indican su mejoramiento; para mayor comprensión se presenta a continuación la
formulación matemática para uno de los capitales.
El recurso natural corresponde en la ecuación 15 con el factor X1 = NR1, que se define

de la siguiente manera:
NR1 = NR0 –Ed (Qt) (16)
Siendo Qt el desempeño de la alternativa de energización t.
Donde NR1 se define como el valor inicial del recurso natural, NR0 en la ZNI, antes de
implementar la alternativa energética t, menos el componente de degradación
medioambiental Ed (Qt) (el cual es una función de la solución Qt). El recurso natural es
un agregado de los siguientes factores: radiación solar, S, disponibilidad del recurso
agua para producción de energía, W, disponibilidad de viento, Wi, disponibilidad de
desechos, Ws, plantas y animales, Biod. También se considera LV que es el valor
paisajístico, y la cantidad de tierra disponible Lt para producción de energía.
NR0 = S + W + Wi + Ws + Biod + LV (17)

27
Ed(Qt) calcula el grado de degradación medioambiental en la comunidad como una

función de la tecnología t. Esto es igual a la suma de la polución del aire, ap; la
degradación y cambio del uso de la tierra, ld; la deforestación, df; la contaminación del
agua, wc y la escasez del agua, ws.
Ed (Qt) = ap + ld+ df + wc+ ws (18)
Uno de los problemas que presenta dicha formulación es la valoración subjetiva de cada
una de las variables componentes del capital, así como la ausencia de efectos positivos
sobre la naturaleza proveniente de fuentes renovables de energía. En el trabajo de Henao
(2005) no se analiza la evolución del estado de la comunidad, es decir, ¿cómo
evolucionan los capitales (pentágono) en el tiempo, luego de la implementación de la
alternativa tecnológica seleccionada?, ¿cómo pasa la comunidad de un estado inicial a
uno final, dada la implementación de una alternativa tecnológica?, ¿en qué momento del
tiempo se alcanza la forma final del pentágono?
En ocasiones, los procesos de toma de decisiones son procedimientos que suceden bajo
la lógica de la minimización de costos de alternativas convencionales y no dejan
oportunidad para un análisis más complejo de las potencialidades, externalidades,
encadenamientos y posibilidades alternativas e innovadoras. En todos los sectores se
presentan oportunidades de dar una ―segunda mirada‖ que podría abrir perspectivas de
más impacto positivo y de mayor relación costo-beneficio, incluyendo consideraciones
adicionales que conforman escenarios más integrales y pertinentes a las zonas sobre las
cuales se implantan los proyectos.
El trabajo de Cherni et al. (2007) desarrolla una aplicación cuyo objetivo es maximizar
los cinco capitales que representan una localidad, estos son: capital físico (casas,
infraestructura), financiero, natural, social y humano, cuyas dinámicas dependen
principalmente de la provisión de energía eléctrica y de otros proyectos productivos y
sociales complementarios. Por ejemplo, para que el impacto marginal de una alternativa
energética i sea positivo se requieren una serie de medidas, identificadas por la
comunidad7 y los expertos, que lo potencien, es decir, el capital j aumenta por el
incremento simultáneo de la alternativa i y las medidas k, llamadas other development
policies.
A pesar del avance, en el estudio no se cuenta con un cálculo empírico de una medida
de cambio que una alternativa produzca sobre un capital, con su respectiva significancia
estadística o margen de error, sino que se suponen dinámicas sigmoidales ad hoc.
También la importancia relativa de cada capital, o sea, su ponderación dentro de la
función de bienestar a maximizar, la determinan expertos y no son resultado de un
procedimiento estadístico que los valore. Además, lo que es más importante, tampoco se
desarrolla una interacción o dinámica que se presente a partir de la aplicación de las
alternativas energéticas y las políticas de desarrollo con los capitales que caracterizan la
localidad, que den cuenta del impacto que pueden tener sobre ellos en el mediano y
largo plazos.8 El problema planteado en Cadena et al. (2005) es similar, porque intenta
7
En las encuestas que se realizan en este estudio se identifican las características principales de la población, sus
demandas de energía eléctrica y otros servicios, y se conocen las expectativas o metas de la población, que incluyen
el uso adicional que le darían a la electricidad.
8
Otra metodología que se menciona es la llamada Resurl —Sustainable rural energy decision support system—.
Esta, al igual que otras que se encuentran en la literatura, se basa en una aproximación ―participativa y de expertos‖.
Otras aproximaciones tienen como fundamento la construcción de ―funciones de bienestar‖, que representan las
28
seleccionar una tecnología que maximice la formación de los capitales natural,

económico y social de una localidad, teniendo en cuenta la disponibilidad de recursos,
las alternativas energéticas y la capacidad de pago de la población.9
Lo que los investigadores procuran con la herramienta es proveer una solución

energética de largo plazo que satisfaga el crecimiento poblacional, previendo que esté
presente un comportamiento sigmoide ―que se obtiene a partir de una tipificación de los
municipios y mediante un benchmarking‖. La alternativa se selecciona con base ―en el
aporte que cada proyecto haga a la formación del capital natural (o al menor desgaste),
20%; de capital económico, 50% y de capital social, 30%‖ y ―con base en los pesos
otorgados a cada indicador y tipo de capital, de acuerdo con el Plan de Ordenamiento
Territorial (POT) o con el criterio del grupo de actores que participan en la decisión‖
Cadena et al. (2005).
Álvarez, Claudia (2005). Contribución de la energía a los medios de vida rurales

sostenibles – un enfoque de dinámica de sistemas. Tesis de maestría en ingeniería de
sistemas, Medellín, Universidad Nacional de Colombia Sede Medellín.
Aristizábal, Jaime (2006). Simulación de políticas y estrategias en pro del uso eficiente
de los recursos estatales para la energización rural colombiana. Tesis de maestría en
ingeniería de sistemas, Medellín, Universidad Nacional de Colombia Sede Medellín.
Arrow, Kenneth (1971). A utilitarian approach to the concept of equality in public

expenditure. Quarterly Journal of Economics. Vol. 85, No. 3, agosto, pp. 409-415.
Cadena, A., G. Moisés y E. Hoyos (2003). “Diseño de una propuesta para posibilitar la
prestación de servicios de agua potable y energía como servicios complementarios en
zonas aisladas y rurales,” en: VI Seminario Internacional sobre Análisis y Mercados
Energéticos”, Universidad Nacional de Colombia, sede Medellín – Universidad de Los
Andes.
___________ (2005). “Programa para soportar la toma de decisiones de soluciones

energéticas a ZNI con un enfoque de optimización en la maximización del beneficio
para resolver el problema del suministro de electricidad con mínimo costo”, en: VI
Seminario Internacional sobre Análisis y Mercados Energéticos, Medellín, Universidad
Nacional de Colombia, sede Medellín-Universidad de Los Andes.
Carlsson, C. y R. Fuller (1994). Interdependence in fuzzy multiple objective

programming. Fuzzy Sets and Systems. Vol. 65, No. 1, pp. 19-29.
___________ (1995). Multiple criteria decision making: The case for interdependence.
Computers and Operations Research. Vol. 22, No. 3, pp. 251-260.
preferencias de los tomadores de decisiones, las cuales, al pretender agregar estas preferencias, también terminan
siendo subjetivas. Véase también, por ejemplo, Hirchberg, S. et al. (2004).
9
Ya que se considera prioritario que los beneficiados contribuyan por lo menos con la financiación de los costos de
administración, operación y mantenimiento (AOM).
29
Centro Colombiano para el Desarrollo de la Ciencia y la Tecnología, Colciencias

(2005). Informe técnico de avance: Proyecto de investigación “plataforma para el
soporte a la evaluación de políticas y a la toma de decisiones en energización de zonas
no interconectadas en Colombia”. Medellín, Universidad Nacional de Colombia Sede
Medellín.
Charnes, A. y W. Cooper (1963). Deterministic equivalents for optimizing and

satisfying under chance constraints. Operation Research. Vol. 11, No. 1 (En.-Feb.), pp.
18-39.
Cherni, J.A., I. Dyner, F. Henao, P. Jaramillo, R. Smith y R. Olalde Font (2007). Energy
supply for sustainable rural livelihoods. A multi-criteria decision-support system.
Energy Policy, Vol. 35, No. 3, pp. 1493-1504.
Churchman, CW y RL Acko (1954). Extensions of the multicriteria analysis with

pairwise comparison under a fuzzy environment. Disponible en:
http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V07-4K3CY49-1,
acceso: septiembre de 2005.
Colander, D. (2007). Retrospectives: Edgeworth hedonimeter and the quest to measure

utility. The Journal of Economic Perspectives. Vol. 21, No. 2, pp. 215-225.
Department for International Development —DFID— (2005). Guías sobre medios de

vida sostenibles MVS. Disponible en:
http://www.livelihoods.org/info/info_guidancesheets.html, acceso: septiembre de 2008.
Dyner I., C. Álvarez y J. Cherni (2005). For assessing the contribution of energy to
sustainable livelihoods in poor developing nations. Memorias XXIII International
Conference of System Dynamics Society, Boston.
Elkins P. (2004). Step changes for decarbonising the energy system: research needs for
renewables, energy efficiency and nuclear power. Energy Policy. Edición especial:
Energy Policy for a Sustainable Energy Future. Vol. 32, pp. 1891-1904.
Franco, Carlos, Isaac Dyner y Santiago Hoyos (2006). Assessing the impact of
energization in the Colombian Southwest: a case of application using SD. 24 Congreso
internacional de la sociedad de dinámica de sistemas, Holanda.
Goicochea, A., D. Hansen, y L. Duckstein (1982). Multiobjective decision analysis with

engineering and business applications. Nueva York, John Wiley & Sons Inc.
Gross R. (2004). Technologies and innovation for system change in the UK: status,
prospects and system requirements of some leading renewable energy options. Energy
Policy. Edición especial: Energy Policy for a Sustainable Energy Future.
Hagler, Bailly y Aene Consultoría (2001). Documentos ANC-375-10, 13, 16, 17, 20, 21,
22, 23, 24, 27, 28 y 29, en: Establecimiento de un plan estructural, institucional y
financiero, que permita el abastecimiento energético de las zonas no interconectadas,
con participación de las comunidades y el sector privado. Santafé de Bogotá.
30
Henao, Felipe et al. (2005). Modelo de toma de decisiones multiobjetivo en

energización de ZNI, como herramienta para el alcance de MVS. Tesis de maestría,
Medellín, Escuela de Sistemas. Universidad Nacional de Colombia Sede Medellín.
Hirchberg, S. et al. (2005). An integrated decision-support tool for sustainable energy

supply. Villigen Switzerland, Paul Scherrer Institut,
http://www.gabe.web.psi.ch/projects/cetp/pdf/0752co.pd, acceso Septiembre de 2008.
Hoyos, Santiago (2007). Simulación para la evaluación de políticas en la energización

de una ZNI del suroccidente colombiano utilizando DS y MVS. Tesis de maestría en
ingeniería de sistemas, Medellín, Universidad Nacional de Colombia Sede Medellín.
Instituto de Planeación y Promoción de Soluciones Energéticas para las Zonas no

Interconectadas (2001). Manual metodológico para la formulación, evaluación y
priorización de proyectos de soluciones energéticas para las ZNI. Santafé de Bogotá.
Jaramillo, P. (1999). Desarrollo de un sistema soporte a la decisión para la asignación

de recursos naturales con satisfacción de múltiples objetivos y múltiples decisores,
Tesis doctoral, España, Universidad Politécnica de Valencia.
Valz, Paul D. y A.I. McLeod (2004). A tremendously simplified derivation of the

variance of Kendall’s τ. Department of Statistical and Actuarial Sciences, Universidad
de Western Ontario, http://www.stats.uwo.ca/faculty/aim/vita/ps/kendall.pdf.
Mitchell C. y P. Connor (2004). Renewable energy policy in the UK. 1990-2003.

Energy Policy. Edición especial: políticas energéticas para un futuro energético
sostenible, Vol. 32, No. 17, pp. 1935-1947.
Munda, Giuseppe (2004). Métodos y procesos multicriterio para la evaluación social de

las políticas. Revista de la Red Iberoamericana de Economía Ecológica, Vol. 1, pp. 31-
45 http://www.redibec.org/archivos/revista/revista1_5.htm, acceso: septiembre de 2005.
Pérez, Edison (2005). ”Energización rural en ecosistemas estratégicos de Colombia”,

Medellín, I Simposio Internacional Energía y frontera tecnológica en el sector rural.
Centro de Convenciones Quirama.
Pöyhönen, M. y Hämäläinen R.P. (2001). Theory and methodology on the convergence

of multiattribute weighting methods. European Journal of Operational Research. Vol.
129, pp. 569-585.
Renewable energy for Sustainable Livelihoods RESURL (2005). Seminario taller sobre
la energízación rural en zonas rurales aisladas y medios de vida sostenibles. Medellín.
Romero, B. y J. Pomerol (1997). Decisiones multicriterio: fundamentos teóricos y

utilización práctica. Madrid, Universidad de Alcalá.
Roy, B., R. Slowinski, y W. Treichel (1992). Multicriteria programming of water supply

systems for rural areas. Journal of the American Water Resources Association. Vol. 28,
No. 1, pp.13-31.
31
Saaty, Thomas L. (1970a). The Analytical Hierarchical Process. Nueva York, J. Wiley.
___________ (1970b). Optimization in integers and related extremal problems, Nueva

York, McGraw-Hill.
Salo A. y P. Hämäläinen P. (1997). On the measurement of preferences in the analytic

hierarchy process. Journal of MultiCriteria Decision Analysis. Vol. 6, No. 6, pp. 309-
319.
Smith, R y J. Mesa (1996). A rural electrification expansion model. International

Transactions in Operacional Research. Vol. 3, pp. 319-325.
Smith, R., O. Mesa, I. Dyner et al. (2000). Decisiones con múltiples objetivos e
incertidumbre. Ed. R. Medellín, Facultad de Minas de la Universidad Nacional de
Colombia.
Smith, R. y A. Pulgarín (2002). Optimización multiobjetivo con algoritmos genéticos:

desarrollo de un modelo para energización rural. Chile, XI Congreso Latino-
iberoamericano de investigación de operaciones.
Von Winterfeldt, D. y W. Edwards (1986). Decision Analysis and Behavioral Research.

Nueva York, Cambridge University Press.
Zeleny, M. (1973). Compromise Programming. En: J.L. Cockrane y M. Zeleny

(editores). Multiple Criteria Decision Making. University of South Carolina Press,
Columbia.
32

las ZNI
Sergio Agudelo Flórez10, Oscar Sánchez González11 y Yoneidy Restrepo Mesa12
2.1. Introducción
Gran parte de la población colombiana, debido a su aislamiento y ubicación geográfica
en zonas de difícil acceso cuenta con un alto déficit en la provisión del servicio de
energía eléctrica respecto al resto del país que se encuentra interconectado; además, la
escasez de recursos económicos dificulta el desarrollo tecnológico, social y cultural.
Con frecuencia estas regiones pertenecientes a las zonas no interconectadas ZNI
cuentan con tecnologías obsoletas y poco eficientes debido a la falta de personal
calificado para su operación y mantenimiento, lo cual se traduce en una demanda
insatisfecha, operación parcial del servicio, y en casos extremos nula por tiempos
indefinidos. Esta situación aumenta el costo del kWh y reduce el presupuesto destinado
a suplir otras necesidades básicas de la comunidad.
A pesar de las precarias condiciones socioeconómicas, estas zonas cuentan con una
amplia diversidad de recursos naturales que pueden ser aprovechados para la
producción de energía limpia. Ésta, además de satisfacer la demanda energética y
coadyuvar al desarrollo de las comunidades, permitirá implementar proyectos acordes
con las nuevas normas de producción de energías a partir de recursos renovables que
disminuyan el nivel de emisiones estipulado en el protocolo de Kioto, tales como los
MDL, aplicables a países en desarrollo.
En todo el globo, los recursos energéticos no renovables son cada vez más escasos y
costosos, lo que origina conflictos por su obtención y distribución. Por otro lado, es
fundamental tener en cuenta que el uso de estos recursos genera residuos tóxicos
altamente contaminantes, que alteran de manera drástica el equilibrio natural,
ocasionando problemas ambientales globales, como el efecto de invernadero, cambios
climáticos, destrucción de la capa de ozono, contaminación del agua y el aire y, como
consecuencia, enfermedades y un desequilibrio más marcado en la distribución de los
bienes económicos y por ende mayores índices de pobreza y discriminación y menos
posibilidades de desarrollo integral. Esta problemática ha propiciado que en el mundo
sea más frecuente el uso de tecnologías de energía renovables para la electrificación,
con sus objetivos de reducción del impacto ambiental y la pobreza.
Como ya se ha mencionado, cerca del 66% del territorio colombiano se encuentra fuera
de las zonas interconectadas, un 89% de este porcentaje lo constituyen zonas rurales —
aproximadamente 114.232 usuarios ubicados en esta zona son abastecidos por plantas
diésel y pequeñas centrales hidroeléctricas, subutilizando el gran potencial de recursos
renovables que pueden suplir las necesidades de la población, como son la biomasa, las
energías solar y eólica, entre otras—.
10
Profesor Departamento Ingeniería Mecánica y Coordinador Grupo de Energías Alternativas (GEA), Universidad de
Antioquia. Dirección electrónica: seragude@udea.edu.co.
11
Investigador grupo GEA, Universidad de Antioquia. Dirección electrónica: oscarsanchez@udea.edu.co.
12
Investigadora grupo GEA, Universidad de Antioquia. Dirección electrónica: yoneidyrestrepo@udea.edu.co.
33
Figura 2-1. Esquema para la obtención de energía eléctrica a partir de fuentes eólica y
solar
Fuente: UPME (2002)
Figura 2-2. Esquema para la obtención de energía eléctrica a partir de biomasa

Fuente: UPME (2002)
34
Figura 2-3. Esquema para la obtención de energía eléctrica a partir de fuentes

hidráulicas
Fuente: UPME (2002)
A continuación se desarrolla un marco teórico básico para conocer y determinar las

variables necesarias para valorar el potencial de cada una de estas tecnologías en las
localidades ubicadas en las ZNI.
2.2. Metodología de trabajo
Para determinar la cantidad de energía eléctrica suministrada por un recurso deben

emplearse ecuaciones matemáticas que arrojen valores aproximados de cuánto producen
según variables físicas de las cuales son función. Estas variables dependen a su vez de
condiciones ambientales, tales como pluviosidad, altitud y temperatura características
de cada zona. El análisis realizado se basa en seis tipos de tecnologías de energía
renovable, a saber: pequeñas centrales hidroeléctricas (PCH), paneles solares
fotovoltaicos, aerogeneradores, utilización de biomasa, biogás y biocombustibles
(biodiésel y bioetanol).
35
2.3. Energía solar
Figura 2-4. Origen de las fuentes alternas de energía

Fuente: http://www.elektrosol.net/ES/ES.asp
Figura 2-5. Obtención de energía eléctrica a partir de energía solar

Fuente: akbal.imp.mx/gaceta_e/nota.asp?nt=esp036.asp/, acceso mayo de 2007
36
El flujo de radiación solar que llega a la tierra es la fuente primaria de todas las formas
de energía conocida, como se aprecia en las figuras 2-4 y 2-5. Desde el punto de vista
de los sistemas de aprovechamiento de la radiación solar interesa cuantificar la cantidad
de radiación que incide sobre una superficie en la tierra y su relación con parámetros
geográficos y climatológicos. Para determinar la potencia suministrada por este sistema
es necesario conocer la radiación promedio del lugar, la cual es obtenida gracias a
mediciones realizadas con estaciones meteorológicas (ver figura 2-6).
Figura 2-6. Mapa de radiación promedio anual en Colombia

Fuente: (UPME, s.f.)
El siguiente paso es determinar la eficiencia del panel solar fotovoltaico, su tamaño y la

cantidad que se deben instalar (LACECAL, 2008), para calcular la energía eléctrica que
se va a generar (Cobos, 2008), así:
E  Rad  A# PFV  panel

(19)
Siendo:
E : energía kWh
 kWh 
Rad : radiación solar  2 
 m 
 
A : área m 2
#PFV : número de paneles fotovoltaicos

 : eficiencia del panel
37
Cuadro 2-1. Eficiencias de los paneles fotovoltaicos
Tipo de Silicio puro Silicio puro Silicio

panel monocristalino policristalino amorfo
η 0,16 0,14 0,08
*Las eficiencias no tienen unidades, son un factor que se considera en porcentajes.
Otra manera de dimensionar estos sistemas es calculando la demanda o necesidad de

energía eléctrica y la cantidad de horas de consumo diario. Con dicha información se
determina el consumo total de energía, y a partir de éste se calcula el número de horas
solar para obtener el requerimiento de energía por hora. Conociendo la potencia del
panel fotovoltaico por instalar se halla el número de paneles necesarios (Cobos, 2008).
Etotalrequerida
# PFV 
# HSV  Ppfv
(20)
Etotalrequerida : Energía total requerida kWh
Ppfv : potencia del panel fotovoltaico kW 
HSV : horas solares verdaderas
#PFV : número de paneles fotovoltaicos
38
Figura 2-7. Cuadro resumen tecnología solar
2.3.1. Cálculos de consumos para el sistema fotovoltaico

La estimación de los consumos es fundamental para diseñar correctamente la
instalación, ya que ella determina el tamaño del sistema fotovoltaico. En algunos casos
se podrá conocer con exactitud; en otros se encontrará que depende del tiempo de
utilización de las cargas por parte del usuario, algo difícil de predecir. Esta
indeterminación hay que tratar de subsanarla en la medida de lo posible. Para ello, es
necesario involucrar al propio usuario en el diseño, preguntándole por sus hábitos de
consumo y orientándole hacia la eficiencia que redundará en un funcionamiento
optimizado de toda la instalación. En esta línea, el propietario debe conocer cómo
funciona el sistema que se le está instalando; de este modo le resultará más lógico
modificar sus hábitos de consumo.
Otra decisión pendiente es la elección entre aparatos en corriente continua (CC) o
corriente alterna (CA). La utilización de consumos de corriente continua supone que se
pueden conectar a la batería directamente por medio del regulador. El generador
fotovoltaico produce energía CC y no se necesitaría convertirla a alterna, lo que
mejoraría en el rendimiento.
Los aparatos CC son más eficientes energéticamente pero tienen el inconveniente de
que son más costosos y más difíciles de encontrar que sus homólogos CA. Otra
limitación al consumo en corriente continua es que los sistemas en bajo voltaje (12 a 36
V) están restringidos en la práctica a bajas demandas de consumo, mientras que los
aparatos de elevada potencia consumen corrientes mayores que suponen mayores
pérdidas en cableado o la utilización de conductores con secciones mayores, con el
consiguiente encarecimiento de la instalación (LACECAL, 2008).
39
Los aparatos en CA son más fáciles de encontrar y más baratos, pero consumen más
energía. Los inversores económicos introducen una serie de perturbaciones en el
sistema, aparición de armónicos, fuente de ruidos e interferencias, factor de potencia
menor que la unidad, se han de dimensionar para cubrir demandas de punta y su
rendimiento decrece cuando se utilizan a potencias mucho menores de la potencia
nominal (LACECAL, 2008).
Lo habitual es el diseño de sistemas mixtos. Por tanto, si se decide utilizar esta fuente
energética la iluminación se debe instalar en corriente continua y en cuanto a los
electrodomésticos los habrá de ambos tipos.
Para el cálculo de consumo se recomienda recopilar información sobre los
electrodomésticos o cargas conectadas al sistema, su tiempo de funcionamiento, el ciclo
semanal de utilización y las características eléctricas de cada aparato, es decir, se debe
diferenciar los aparatos que funcionan en corriente continua y aquellos que lo hacen en
corriente alterna.
2.4. Energía eólica

La energía eólica es la que se obtiene por medio del viento, es decir, mediante la
utilización de la energía cinética generada por efecto de las corrientes de aire. Un
aerogenerador obtiene su potencia de entrada convirtiendo la fuerza del viento en un par
(fuerza de giro) que actúa sobre las palas del rotor (figura 2-8). La cantidad de energía
transferida al rotor por el viento depende de la densidad del aire, del área de barrido del
rotor y de la velocidad del viento.
Figura 2-8. Obtención de energía eléctrica a partir de aerogeneradores

Fuente: http://www.cfe.gob.mx/es/LaEmpresa/generacionelectricidad/eoloelectrica/, acceso mayo de 2007.

La energía cinética de una masa de aire está determinada por la llamada ―ley del cubo‖,
la cual se indica en la ecuación siguiente (Blume, 1984):
1
P AV 3
2 (21)
P: potencia W 
A: área interceptada m 2 
40
 kg 
 : densidad del aire  3 
m 
V: velocidad del viento  

m
s
2.4.2. Densidad del aire

La energía cinética de un cuerpo en movimiento es proporcional a su masa (o peso).
Así, la energía cinética del viento depende de la densidad del aire, es decir, de su masa
por unidad de volumen. En otras palabras, cuanto "más pesado" sea el aire más energía
recibirá la turbina. A presión atmosférica normal y a 15°C de temperatura, el aire pesa
aproximadamente 1,225 kilogramos por metro cúbico, aunque la densidad disminuye
ligeramente con el aumento de la humedad. Además, el aire es más denso cuando hace
frío que cuando hace calor. A grandes altitudes (en las montañas) la presión del aire es
más baja y el aire menos denso. Dado que la densidad es función de la altura,
conociendo ésta puede hallarse fácilmente la primera.13
4.2561
 T  0.0065H 
  0  0 
 T0 
(22)
0 ,T0 son las condiciones del aire estándar y H la altura del emplazamiento; además:
kg
 0  1.25
m3
T0  288K
2.4.3. Área de barrido del rotor

El área del rotor determina cuánta energía del viento es capaz de capturar una turbina
eólica. Dado que el área del rotor aumenta con el cuadrado del diámetro del rotor, una
turbina que sea dos veces más grande recibirá 22 = 2 x 2 = cuatro veces más energía.14
El área puede determinarse de acuerdo a las características del lugar; además ha de
tenerse en cuenta el vatio adicional generado por el aumento en el diámetro del rotor. En
la figura 2-9 se encuentra la potencia por metro cuadrado de superficie expuesta al
viento para diferentes velocidades.
13
http://www.fq.profes.net/archivo2.asp?id_contenido=44973, acceso junio de 2007.
14
www.windpower.com, acceso mayo de 2007.
41
Figura 2-9. Potencia por metro cuadrado de superficie expuesta al viento para
diferentes velocidades del viento
Fuente: www.windpower.org, acceso junio de 2007.
En el caso de las turbinas eólicas, si se dobla la velocidad del viento se tiene dos veces
más porciones cilíndricas de viento moviéndose a través del rotor cada segundo, y cada
una de esas porciones contiene cuatro veces más energía.
2.4.4. Velocidad del viento

Uno de los parámetros más importantes por determinar es la velocidad del viento. En
principio, los mapas eólicos son los que proporcionan información global sobre los
vientos medios en determinadas zonas geográficas (figura 2-10). La velocidad del
viento en superficie se refiere a la velocidad que alcanza esta variable meteorológica a
10 metros de altura, de acuerdo con la norma internacional establecida por la
Organización Meteorológica Mundial (OMM) como estándar para la medición y
seguimiento del viento.
Figura 2-10. Mapa de vientos anual colombiano

Fuente: http://www.upme.gov.co/Docs/MapaViento/CAPITULO1.pdf, acceso junio de 2007
42
Otros métodos para determinar las velocidades medias de los vientos útiles son
empíricos, en base a observaciones, condiciones de topografía, vegetación e
información de los habitantes. Si bien estos datos están tabulados, los resultados
obviamente no son muy exactos, pero sirven para evaluar los recursos e identificar
zonas (cuadro 2-2) (Pinilla, 1997).
Cuadro 2-2. Escala de Beaufort para medir la intensidad de viento
Número Velocidad Nudos

de del viento (millas Denominación Aspecto de la mar Efectos en tierra
Beaufort (km/h) náuticas/h)
Calma, el humo
0 0a1 <1 Calma Espejado asciende
verticalmente
Pequeñas olas, pero sin El humo indica la

1 2a5 1a3 Ventolina
espuma dirección del viento
Se mueven las hojas

Flojito (Brisa Crestas de apariencia de los árboles,
2 6 a 11 4a6
muy débil) vítrea, sin romper empiezan a moverse
los molinos
Flojo (Brisa Pequeñas olas, crestas Se agitan las hojas,

3 12 a 19 7 a 10
débil) rompientes. ondulan las banderas
Bonancible Se levanta polvo y

Borreguillos numerosos,
4 20 a 28 11 a 16 (Brisa papeles, se agitan las
olas cada vez más largas
moderada) copas de los árboles
Pequeños
Olas medianas y
Fresquito (Brisa movimientos de los
5 29 a 38 17 a 21 alargadas, borreguillos
fresca) árboles, superficie de
muy abundantes
los lagos ondulada
Se mueven las ramas

Comienzan a formarse de los árboles,
Fresco (Brisa
6 39 a 49 22 a 27 olas grandes, crestas dificultad para
fuerte)
rompientes, espuma mantener abierto el
paraguas
Se mueven los
Mar gruesa, con espuma
Frescachón árboles grandes,
7 50 a 61 28 a 33 arrastrada en dirección
(Viento fuerte) dificultad para andar
del viento
contra el viento
Se quiebran las copas

Grandes olas
Temporal de los árboles,
8 62 a 74 34 a 40 rompientes, franjas de
(Viento duro) circulación de
espuma
personas dificultosa
Temporal Olas muy grandes, Daños en árboles,

9 75 a 88 41 a 47
fuerte (Muy rompientes. Visibilidad imposible andar
43
duro) mermada contra el viento
Olas muy gruesas con

Árboles arrancados,
Temporal duro crestas empenachadas.
10 89 a 102 48 a 55 daños en la estructura
(Temporal) Superficie del mar
de las construcciones
blanca
Olas excepcionalmente
Estragos abundantes
Temporal muy grandes, mar
11 103 a 117 56 a 63 en construcciones,
duro (Borrasca) completamente blanca,
tejados y árboles
visibilidad muy reducida
El aire está lleno de

Temporal
espuma y rociones.
12 118 y más 64 a 71> huracanado Destrucción total
Enorme oleaje.
(Huracán)
Visibilidad casi nula
Fuente: http://www.r-p-r.co.uk/es/escala_de_viento_beaufort.htm, acceso mayo de 2007.
Una de las formas más exactas para determinar la velocidad del viento son las
mediciones realizadas en estaciones meteorológicas. Con los datos recolectados puede
construirse la función de distribución de velocidades que proporciona el número de
horas en que la velocidad del viento es superior a un valor determinado. A su vez, la
curva de distribuciones de velocidad se obtiene por procedimientos estadísticos a partir
de dichas mediciones; así, se pueden ajustar funciones de probabilidad como la Weibull
y Raleigh. A partir de ellas la velocidad media del viento se obtiene empleando la
ecuación 23 (Blume, 1984).

V   Vi Pi
(23)
V : velocidad
i
P : probabilidad
i
Para mostrar la información sobre la distribución de las velocidades y la frecuencia de

variación de las direcciones del viento, puede dibujarse la rosa de los vientos basándose
en observaciones de estaciones meteorológicas de estas velocidades y direcciones
(figura 2-11). El radio de las cuñas amplias (las más exteriores) proporciona la
frecuencia relativa de cada una de las doce direcciones del viento, es decir, qué
porcentaje del tiempo sopla el viento desde esa dirección. La segunda cuña proporciona
la misma información pero multiplicada por la media de la velocidad del viento en cada
dirección particular. El resultado se normaliza sumando hasta el 100%. Esto indica la
contribución de cada sector en la velocidad media del viento en la ubicación particular.
44
Figura 2-11. Rosa de los vientos

Fuente: www.windpower.org, acceso febrero de 2007.
La cuña más interior (en rojo) proporciona la misma información que la primera pero
multiplicada por el cubo de la velocidad del viento en cada ubicación. El resultado se
normaliza sumando hasta el 100%. Esto indica la contribución de cada sector en la
energía contenida en el viento en la ubicación particular. Como el contenido energético
del viento varía con el cubo de la velocidad del viento, las cuñas rojas son en realidad
las más interesantes: indican dónde encontrar una mayor potencia que impulse los
aerogeneradores. En el caso de la figura 2-11 se ve que la dirección de viento dominante
va hacia el suroeste.
Las rosas de los vientos varían de un lugar a otro. Son en realidad una especie de huella
meteorológica. Las de las áreas vecinas son a menudo similares, por lo que en la
práctica la interpolación (hallando una media) de las rosas de los vientos de las áreas
circundantes puede dar resultados seguros, pero si el terreno es complejo, por ejemplo
en montañas y valles que recorren diferentes direcciones o en litorales orientados en
direcciones diferentes, no es seguro adoptar este tipo de suposiciones.
Haciendo hincapié una vez más, la rosa de los vientos sólo indica la distribución relativa
de las direcciones del viento y no el nivel real de la velocidad media del viento. Este
instrumento es extremadamente útil para situar aerogeneradores. Si una gran parte de la
energía del viento viene de una dirección particular, lo que se desea es tener la menor
cantidad de obstáculos posibles en esa dirección, así como un terreno lo más liso
posible.15
Otro aspecto fundamental es la altura de la torre, pues la velocidad del viento varía con
la altura. Un modelo sencillo para calcular dicho cambio es la siguiente ley exponencial
(Blume, 1984):

V1  H 1 
 
V2  H 2 
(24)
 : Factor que depende de la topografía y condiciones meteorológicas.
15
Tomado de: www.windpower.org/es/tour/wres/rose.htm, acceso mayo de 2007.
45
Cuadro 2-3. Factor  dependiente de la topografía y condiciones meteorológicas
Valores típicos del factor

Área descubierta 0,14-0,34
Área boscosa 0,35-0,6
Área edificada 0,6-0,8
Fuente: Blume (1984).
En la figura 2-12 se resume cómo calcular el aprovechamiento energético a partir de la

fuente eólica de un sitio en particular.
Figura 2-12. Cuadro resumen tecnología eólica
2.5. Minicentrales hidroeléctricas

La energía hidráulica consiste en aprovechar el paso del agua de un río o caída para la
producción de energía eléctrica; esto se consigue gracias a la diferencia en el nivel de
agua existente entre dos puntos.
46
Figura 2-13. Transformación de energía hidráulica en energía eléctrica

Fuente: http://www.uca.edu.sv/facultad/clases/ing/m200018/doc1.pdf, acceso mayo de 2007.
Figura 2-14. Conversión de energía hidráulica en energía eléctrica

Fuente: http://www.cecu.es/campanas/medio%20ambiente/res&rue/htm/dossier/4%20minihidraulica.htm/,
acceso junio de 2007.

Para determinar la capacidad de generación de energía eléctrica por medio de esta
tecnología, debe realizarse una evaluación del recurso hidrológico, conocer el salto o
caída (energía potencial) y el caudal disponible.
La ecuación que rige este fenómeno es (Intermediate Technology Development Group,
1995):
P  QWs (25)
P : potencia disponible
γ : peso específico del fluido
Q : caudal
Ws : cabeza energía
El salto depende de la topografía del terreno y el caudal del río o arroyo que se va a
utilizar. Es la diferencia de nivel entre la lámina de agua en la toma y el punto del río en
el que se restituye el agua turbinada.
47
Por su parte, el caudal se halla con los datos hidrológicos. Ya que el caudal de los ríos
varía a lo largo del año deben realizarse mediciones periódicas y luego por métodos
estadísticos obtener el caudal promedio con el cual va a trabajarse.
Para estudios de factibilidad deben emplearse mapas de pluviosidad y cuencas
hidrográficas. Otros factores ambientales, como la humedad, la velocidad del viento, la
radiación y la temperatura también influyen en este cálculo.
Para medir el caudal existen varios métodos, algunos de ellos muy inexactos; los
empleados más a menudo son los caudalímetros. Las mediciones realizadas con estos
instrumentos son instantáneas: debe determinarse un caudal promedio mínimo a través
de histogramas de frecuencia; con el caudal y la duración se realiza una curva, y con los
datos allí obtenidos se decide cuál será el caudal de diseño según las necesidades y la
tecnología proyectadas (figura 2-15) (Suárez y Buriticá, 1994).
Figura 2-15. Curvas de duración de caudales

Fuente: www.geocities.com/gsilvam/curvas.htm, acceso abril de 2007.
La curva de duración es muy útil para determinar si una fuente es suficiente para
suministrar la demanda o si hay necesidad de construir embalses de almacenamiento
para suplir las deficiencias en el suministro normal de agua durante los períodos secos.
El caudal mínimo probable de la curva es el caudal que la corriente puede suministrar
durante todo el año. Si este caudal es mayor que la demanda del proyecto, entonces la
fuente tiene capacidad para abastecer la demanda sin necesidad de almacenamiento.
48
Figura 2-16. Estaciones hidrológicas en Colombia

Fuente: http://www.upme.gov.co/Docs/, acceso abril de 2007.
Las características físicas de las cuencas tienen una importante influencia, cuencas de
gran área tienden a tener menos picos pronunciados en los caudales que las cuencas
pequeñas; además, las formas influyen en el escurrimiento de tal manera que el caudal
aumenta o disminuye más rápidamente (Intermediate Technology Development Group,
1995). Para el cálculo de la potencia y la energía que se van a producir se tiene lo
siguiente:
Sea Ws la cabeza de energía, siguiendo la ecuación de Bernoulli (Saldarriaga, 2007):
P1  P2 V12  V22
Ws    H1  H 2   h f
γ 2g
Ws  H  h f (26)
 fL V
2
h f    ΣK  2
D  2g
L tub  L equiv Vreal
2
hf  f
D 2g (27)
D: Diámetro de la tubería;
L tub : longitud de la tubería medida desde la toma a la salida en la turbina;
49
L equiv : la longitud depende de cada accesorio, lo cual se puede colocar en términos de K

o de longitud equivalente;
f : factor de fricción.
1.325
f 2
  RL 5.74  
ln  0.9  
  3.7 Re   (28)
RL : Depende del material, se encuentra tabulado.
Suponiendo que no hay maquinaria, Ws = 0, se halla la velocidad real del fluido:

Vreal  2 g H  h f  (29)
Con esta velocidad real puede hallarse la potencia hidráulica y, teniendo en cuenta la
eficiencia de la turbina seleccionada, se puede determinar la cantidad de energía total
obtenida:

P  Dboquilla Vreal H  h f 
2
4 (30)
En la figura 2-17 se resume el procedimiento para calcular el aprovechamiento
energético a partir de la fuente hidráulica de un sitio en particular.
Energía hidráulica
50
Datos iniciales de ingreso Características de la tubería Viscosidad cinemática:

· Altura del embalse a la salida de la ·Diámetro depende de la
turbina ·Longitud temperatura del agua
Baja Media Alta ·Material
Micro H<15 15<H<50 H>50
Mini H<20 20<H<100 H>100 ·Longitudes equivalentes por accesorios
Pequeña H<25 25<H<130 H>130
Diámetro de la
boquilla y coeficiente
de descarga
Eficiencia de la turbina
Potencia eléctrica
generada
Figura 2-17. Cuadro resumen tecnología hidráulica
2.5.2. Tipos de tecnología

En el proceso de transformación de energía de un fluido en energía mecánica, se
emplean diferentes tipos de máquinas. Las más comunes son las turbinas hidráulicas, en
las cuales el trabajo mecánico proviene de la variación de la cantidad de movimiento del
agua al fluir a través de un sistema de álabes rotativos.
51
Cuadro 2-4. Clasificación de la turbinas
TURBINA Velocidad específica m3  H m P kw  

[rpm] Q 
 s 
PELTON 1ch 30 0,05-50 30- 2- 91

1800 300000
ACCIÓN
2ch 30-50
4ch 30-50
TURGO 60-260 0,025-10 15-300 5-8000 85
MICHEL BANKI 40-160 0,025-5 1-50 1-750 82
BOMBA 30-170 0,05- 10-250 5-500 80
ROTODINÁMICA 0,25
REACCIÓN
FRANCIS L: 60-150 1-500 2-750 2- 92

750000
N: 150-250
R: 250-400
KAPLAN 300-800 1000 5-80 2- 93
200000
AXIALES (tubular, bulbo) 300-800 600 5-30 100000 93
Convenciones: Ch: chorro, L: lento, N: normal y R: rápida
Fuente: Intermediate Technology Development Group (1995)
Figura 2-18. Selección de turbinas según altura y caudal

Fuente:
http://www.cecu.es/campanas/medio%20ambiente/res&rue/htm/dossier/4%20minihidraulica.htm,
acceso abril de 2007.
52
2.6. Biomasa
El término biomasa se refiere a toda la materia orgánica proveniente de árboles, plantas
y desechos de animales que pueden ser convertidos en energía; o subproductos de la
agricultura (residuos de maíz, café, arroz, entre otros), de aserraderos (podas, ramas,
aserrín, cortezas) y de los residuos urbanos (aguas negras, basura orgánica y otros). Esta
es la fuente de energía renovable más antigua conocida por el ser humano, pues ha sido
usada desde que se descubrió el fuego.
Las fuentes más importantes de biomasa son los campos forestales y agrícolas, pues en
ellos se producen residuos (rastrojos) que normalmente son dejados en el campo y sólo
se consume un bajo porcentaje con fines energéticos. En la agroindustria, los procesos
de secado de granos generan subproductos que son usados para generar calor en
sistemas de combustión directa; tal es el caso del bagazo de caña de azúcar, la cascarilla
de café y la de arroz. Por otro lado, los centros urbanos generan altas cantidades de
basura compuestas en gran parte por materia orgánica que puede ser convertida en
energía, después de procesarla adecuadamente.
Se considera que la biomasa es una fuente renovable de energía porque su valor
proviene del sol. Mediante el proceso de la fotosíntesis, la clorofila de las plantas
captura su energía y convierte el dióxido de carbono (CO2) del aire en oxígeno y el agua
del suelo en carbohidratos para formar la materia orgánica. Cuando estos carbohidratos
se queman, regresan a su forma de dióxido de carbono y agua, liberando la energía que
contienen. De esta forma, la biomasa funciona como una especie de batería que
almacena energía solar.
Figura 2-19. Obtención de energía a partir de biomasa

Fuente: www.bun-ca.org/publicaciones/BIOMASA, acceso abril de 2007.
Para la utilización de la biomasa se debe tener en cuenta qué tipo de biomasa se tiene y
con base a esto se podrá saber cuál es el proceso más conveniente de conversión de los
anteriormente descritos.
53
2.6.1. Procesos termoquímicos

Estos procesos transforman la biomasa en un producto de más alto valor, con una
densidad y un valor calorífico mayores, los cuales hacen más conveniente su utilización
y transporte. Cuando la biomasa es quemada parcialmente en condiciones controladas,
su estructura se rompe en compuestos gaseosos, líquidos y sólidos que pueden ser
usados como combustible para generar calor y electricidad. Dependiendo de la
tecnología, el producto final es un combustible sólido, gaseoso, o combustible líquido.
2.6.1.1. Producción de carbón vegetal

Este proceso es la forma más común de conversión termoquímica a temperatura media.
La biomasa se quema con una disponibilidad restringida de aire, lo cual impide que la
combustión sea completa. El residuo sólido se usa como carbón vegetal, el cual tiene
mayor densidad energética que la biomasa original, no produce humo y es ideal para
uso doméstico. Usualmente, este carbón es derivado de la madera, pero también se usan
otras fuentes como la cáscara de coco y algunos residuos agrícolas. La forma más
antigua, y probablemente aún la más empleada para producirlo, son los hornos de tierra
y los de mampostería.
Las sustancias orgánicas con un pequeño grado de humedad (menor del 50%) y alto
grado de carbono con respecto al nitrógeno (relación C/N mayor de 30) pueden ser
empleadas en el proceso de pirólisis; por ejemplo, la leña, el aserrín, las virutas, las
hojas, la paja, los desperdicios derivados de la limpieza del bosque, otros residuos
vegetales, los desechos sólidos urbanos y aquellos industriales de carácter orgánico
(Sandoval, 2006). La elección del material para la alimentación del reactor de pirólisis
está ligada al producto final deseado. Así, la composición de la leña tiene mucha
influencia sobre las características de los productos obtenidos; por ejemplo, la celulosa
produce ácido acético pero no alcohol metílico, mientras que la lignina origina alcohol
metílico además de sólidos.
En el caso que se quisiera obtener carbón de leña, es preferible obtener leña proveniente
de plantas siempre verdes; en cambio, si se desea alcohol metílico o ácido acético, se
utiliza leña proveniente de plantas de follaje caduco. En el caso de que se efectuara
gasificación, se puede reunir cualquier tipo de biomasa.
La biomasa debe estar seca y deshumidificada para un buen rendimiento, el grado de
humedad no debe superar el 20% y el tamaño de las partículas debe tener un diámetro
promedio de 1,5 a 15cm y una longitud máxima de 40cm; la razón de estas condiciones
especiales es la cinética de reacción y las características del producto final (FAO, 2007).
En la pirólisis a temperaturas entre 400 y 500ºC tiene lugar la carbonización que da
origen al carbón de leña, una mezcla de gas pobre y componentes líquidos según la
reacción:
2C42 H 66O28  3C16 H16O2  5CO2  3CO  7H 2  C28 H 32O2

(31)
Para los elementos: leña, carbón de leña, gas de leña, alquitrán y compuestos
pirolignosos.
54
Durante la carbonización la producción de carbón de leña corresponde al 30-35%, la

producción de gas es igual al 15-20% y los componentes líquidos alrededor de 25%
constituidos por alquitrán y ácido pirolignoso.
2.6.1.2. Gasificación
Es un tipo de pirólisis en la que se utiliza una mayor proporción de oxígeno a mayores
temperaturas, con el objetivo de optimizar la producción del llamado ―gas pobre‖,
constituido por una mezcla de monóxido de carbono, hidrógeno y metano, con
proporciones menores de dióxido de carbono y nitrógeno, y cuyo poder calorífico es de
kcal
1100  1800 . Si el proceso de gasificación se hace en presencia de sólo oxígeno (sin
m3
aire) se obtendrá un gas privado de N2 y con un poder calorífico de 3000 kcal3 (Fiorito,
m
2007).
Este producto se puede utilizar para generar calor y electricidad, y se puede aplicar en
equipos convencionales, como los motores de diésel. La composición y el valor
calorífico del gas dependen de la biomasa utilizada, como por ejemplo: madera,
cascarilla de arroz, o cáscara de coco. Existen diferentes tecnologías de gasificación y
su aplicación depende de la materia prima y de la escala del sistema.
La gasificación tiene ciertas ventajas con respecto a la biomasa original:
i) El gas producido es más versátil y se puede usar para los mismos propósitos que
el gas natural;
ii) Puede quemarse para producir calor y vapor y puede alimentar motores de
combustión interna y turbinas de gas para generar electricidad;
iii) Produce un combustible relativamente libre de impurezas y causa menores
problemas de contaminación al quemarse. Sin embargo, la operación de
gasificación es más complicada.
2.6.1.3. Procesos bioquímicos

Estos procesos utilizan las características bioquímicas de la biomasa y la acción
metabólica de organismos microbianos para producir combustibles gaseosos y líquidos.
Son más apropiados para la conversión de biomasa húmeda que los procesos termo-
químicos. Los más importantes son:
2.6.1.3.1. Digestión anaeróbica

La digestión de biomasa humedecida por bacterias en un ambiente sin oxígeno
(anaeróbico) produce un gas combustible llamado biogás. En el proceso, se coloca la
biomasa (generalmente desechos de animales) en un contenedor cerrado (el digestor) y
allí se deja fermentar; después de unos días, dependiendo de la temperatura del
ambiente, se habrá producido un gas, que es una mezcla de metano y dióxido de
carbono. La materia remanente dentro del digestor es un buen fertilizante orgánico.
También se pueden utilizar aguas negras y mieles como materia prima, lo cual sirve,
además, para tratar el agua.
55
Como se mencionó anteriormente el producto final de la digestión anaeróbica es la

producción de biogás el cual tiene un poder calorífico de 5300  5800 kcal3 .
m
El gas producido es una mezcla con 65-70% de metano, 30-35% de CO2, trazas de ácido
sulfhídrico y pequeños porcentajes de H2, CO.
Cuadro 2-5. Producción de biogás por fermentación anaerobia de excrementos

animales para 100Kg de peso vivo
Vacas Terneros y Porcinos Aves de Caballos
lecheras novillos corral
Producción de excremento 8,6 5,7 5 6 5
(Kg)
Sólidos totales (kg) 1,06 0,8 0,73 1,74 1,03
Sólidos volátiles (Kg) 0,86 07 0,6 1,28 0,75
Producción de biogás 0,38 0,5 0,45 0,55 0,3

(m^3/KgSV)
Fuente: www.seam.gov.py/cambioclimatico/estudios/, acceso mayo de 2007.
Cuadro 2-6. Producción de biogás por fermentación anaeróbica de desperdicios

vegetales
Desperdicios vegetales Producción de biogás en m 3 por Kg de sustancia seca
Paja de avena 0,3
Paja de cebada 0,3
Paja de trigo 0,3
Estoques de maíz 0,25
Jacinto de agua 0,4
Fuente: www.seam.gov.py/cambioclimatico/estudios/, acceso mayo de 2007.
Figura 2-20. Esquema del uso del biogás

Fuente: www.textoscientificos.com/energia/biogas, acceso abril de 2007.
56
2.6.1.3.2. Bioetanol
De la biomasa se pueden producir combustibles líquidos como etanol y metanol. El
primero se produce por medio de la fermentación de azúcares y el segundo por la
destilación destructiva de madera. Esta tecnología se emplea para generar sustitutos de
combustibles fósiles para transporte o para la propulsión de máquinas, los cuales se
pueden utilizar en forma pura o mezclados con otros; el etanol se usa en mezclas con la
gasolina en concentraciones del 5 o el 10%, E5 y E10 respectivamente, que no requieren
modificaciones en los motores actuales.
Figura 2-21. Proceso de producción de bioetanol

Fuente:www.madrimasd.org/.../biblioteca/Publicacion/doc/VT/, acceso abril de 2007.
Las condiciones citadas sobre las características de la biomasa destinada a la

gasificación tienen validez en la producción de combustibles líquidos.
El metanol, o alcohol metílico ( CH 3OH ), es una sustancia con un poder calorífico de
kcal
alrededor de 5000 .
kg
El etanol ( C2 H 5OH ) es una sustancia con un poder calorífico de alrededor de

kcal 16
7000 .
kg
La manera más conveniente de seleccionar las biomasas destinadas a la fermentación

alcohólica es según las siguientes características:
i) biomasas ricas en azúcares;
ii) biomasas ricas en almidones;
iii) biomasa leño-celulósica.
16
Fiorito, G. (2007).
57
Cuadro 2-7. Producción de bioetanol a partir de diversos cultivos
Fuente: www.uninorte.edu.co/extensiones/IDS/Ponencias/biocombustibles/BIOETANOL_Ivan_Ochoa1.pdf, acceso

mayo de 2007.
2.6.1.3.3. Biodiésel
A diferencia del etanol, que es un alcohol, el biodiésel se compone de ácidos grasos y
ésteres alcalinos, obtenidos de aceites vegetales, grasa animal y grasas recicladas. A
partir de un proceso llamado ―transesterificación‖ (figura 2-22), los aceites derivados
orgánicamente se combinan con alcohol (etanol o metanol) y se alteran químicamente
para formar ésteres grasos como el etil o metilo éster. Estos pueden ser mezclados con
diésel o usados directamente como combustibles en motores comunes. El biodiésel es
utilizado, típicamente, como aditivo del diésel en proporción del 20%, aunque otras
cantidades también sirven, dependiendo del costo del combustible base y de los
beneficios esperados. Su gran ventaja es que reducen considerablemente las emisiones,
el humo negro y el olor.
Las principales fuentes de producción de aceite son:
i) aceites vegetales convencionales:
· aceite de girasol
· aceite de colza
· aceite de soya
· aceite de coco
· aceite de palma
ii) aceites de semillas modificadas genéticamente
· aceite de girasol de alto oleico
iii) grasas animales
· sebo de vaca
· sebo de búfalo
58
iv) aceites de fritura usados

v) aceites de otras fuentes
· aceites de producciones microbianas
· aceites de microalgas
Figura 2-22. Proceso de transesterificación

Fuente:www.madrimasd.org/biblioteca/Publicacion/doc/VT/vt4_Biocarburantes_liquidos_biodiesel_y_bioetanol.pdf,
acceso mayo de 2007.
El procedimiento más común para la producción de biodiésel es la transesterificación.

Para llevar a cabo esta reacción, se mezclan en un reactor el aceite de extraído y un
alcohol (metanol o etanol, generalmente), en presencia de un catalizador alcalino
(NaOH o KOH).
Cuadro 2-8. Fórmula para la producción de biodiesel

Aceite vegetal+ Etanol Ésteres Glicerina
1 ton + 0,15 ton 1,05 ton +0,1 ton
Fuente: www.corpodib.com/estudios2.htm, acceso abril de 2007.
La glicerina se separa del éster por decantación y este último se somete a un proceso de
limpieza, para luego ser mezclado con el aceite diésel.
59
2.6.1.3.4. Gas de rellenos sanitarios

Se puede producir un gas combustible de la fermentación de los desechos sólidos
urbanos en los rellenos sanitarios. Esta es una mezcla de metano y dióxido de carbono.
La fermentación de los desechos y la producción de gas es un proceso natural y común
en los rellenos sanitarios; sin embargo, generalmente este gas no es aprovechado.
Además de producir energía, su exploración y utilización reducen la contaminación y el
riesgo de explosiones en estos lugares y disminuyen el volumen de gases de efecto
invernadero.
Cuadro 2-9. Procesos de conversión de biomasa en energía
Fuente: www.bun-ca.org/publicaciones/BIOMASA, acceso mayo de 2007.
2.6.1.4. Formas de transformación de la biomasa en energía

Aplicando los diferentes procesos de conversión, la biomasa se puede transformar en
diferentes formas de energía:
2.6.1.4.1. Calor y vapor

Es posible generar calor y vapor mediante la combustión de biomasa o biogás. El calor
puede ser el producto principal para aplicaciones en calefacción y cocción, o puede ser
un subproducto de la generación de electricidad en ciclos combinados de electricidad y
vapor.
2.6.1.4.2. Combustible gaseoso
El biogás producido en procesos de digestión anaeróbica o gasificación puede ser usado
en motores de combustión interna para generación eléctrica, para calefacción y
acondicionamiento en el sector doméstico, comercial e institucional y en vehículos
modificados.
2.6.1.4.3. Biocombustibles
La producción de biocombustibles, como el etanol y el biodiésel, tiene el potencial para
reemplazar cantidades significativas de combustibles fósiles en muchas aplicaciones de
transporte. Por ejemplo, la mezcla denominada E20, constituida 20% de etanol y 80%
de petróleo, resulta aplicable en la mayoría de motores de ignición. Actualmente, este
tipo de combustible es subsidiado por los gobiernos, pero en el futuro, con el
incremento en los cultivos energéticos y las economías de escala, la reducción de costos
puede hacer competitiva su producción.
60
2.6.1.4.4. Electricidad
La electricidad generada a partir de los recursos biomásicos puede ser comercializada
como ―energía verde‖, pues no contribuye al efecto invernadero por estar libre de
emisiones de dióxido de carbono (CO2). Este tipo de energía puede ofrecer nuevas
opciones al mercado, ya que su estructura de costos permitirá a los usuarios soportar
mayores niveles de inversión en tecnologías eficientes, lo cual incrementará la industria
de los biocombustibles.
2.6.1.4.5. Cogeneración (calor y electricidad)
La cogeneración se refiere a la producción simultánea de vapor y electricidad, la cual se
aplicaría en muchos procesos industriales que requieren las dos formas de energía. En
América Central, este proceso es muy común en los ingenios de azúcar, los cuales
aprovechan los desechos del proceso, principalmente el bagazo. Por la alta cantidad de
bagazo disponible, tradicionalmente, la cogeneración se realiza en una forma bastante
ineficiente. Sin embargo, en los últimos años ha existido la tendencia a mejorar el
proceso para generar más electricidad y vender el excedente a la red eléctrica.
2.6.1.5. Procesos de combustión directa

2.6.1.5.1. Combustibles líquidos
Las sustancias que se pueden quemar, liberando calor, se llaman combustibles. Por
consiguiente, la principal característica de un combustible es su poder calorífico, es
decir, la cantidad de energía que se produce en la combustión completa de una unidad
de masa o de volumen. El poder calorífico depende de las características químicas del
combustible y se clasifica como superior (Hs) o inferior (Hi). El primero define el calor
que proviene de la condensación del vapor de agua presente en los productos de
combustión, mientras que el segundo no tiene en cuenta ese calor.
Por el agua estar contenida en los productos de combustión en estado de vapor, se usa
generalmente el poder calorífico inferior, al que también se conoce como líquido o
práctico.
2.6.1.5.2. Combustibles sólidos
Entre los principales combustibles sólidos se cuentan la leña, los residuos agrícolas, el
carbón mineral y el carbón vegetal. La leña presenta una gran diversidad de
características fisicoquímicas que es preciso estudiar, según la aplicación que se desee
darle. El contenido de humedad, la composición química y el poder calorífico de la leña
son aspectos que hay que conocer para la construcción y el funcionamiento de los
hornos. El poder calorífico de la leña (Hi) varía en función de la clase de material
utilizado y de su contenido de humedad.
En la combustión directa interesa no sólo la leña, sino también los residuos forestales, la
paja, los residuos industriales de la madera, los residuos de la industria agroalimenticia
y los desechos sólidos urbanos. La biomasa utilizada en el proceso de combustión debe
tener una relación C/N (carbono/nitrógeno) mayor que 30 y una humedad al momento
de la recogida, inferior al 50% en peso.17
La oxidación completa del carbón (combustión) tiene lugar según las siguientes
kcal
reacciones (se presentan también los valores del calor producido en ):
kmol
17
http://www.bun-ca.org/nuevo/index.php/, acceso mayo de 2007.
61
kcal
C  O2  CO 2 97.65
mol (32)
1 kcal
C  O2  CO  29.40
2 mol (33)
1 kcal
CO  O2  CO 2 68.20
2 mol (34)
Si tiene lugar la segunda reacción, sigue luego la tercera hasta completar la oxidación.
Figura 2-23. Valor calorífico en función de la humedad

Fuente: http://www.bun-ca.org/nuevo/index.php/, acceso mayo de 2007.
En los cuadros 2-10 y 2-11 se presentan valores de poderes caloríficos de algunas

biomasas:
62
Cuadro 2-10. Poder calorífico de algunas formas de biomasa
Fuente: http://www.bun-ca.org/nuevo/index.php/, acceso mayo de 2007.
Cuadro 2-11. Poderes caloríficos de algunas biomasas
Fuente: www.fao.org/docrep/008/j0926s/J0926s06.htm, acceso abril de 2007.

63
2.6.1.6. Energía producida por cada tipo de combustible

Si la finalidad del biogás, el gas pobre de carbonización, el biodiésel y el bioetanol es
alimentar un motor de combustión interna, y este, a su vez, alimenta un generador
energía mecánica para producir energía eléctrica, la expresión empleada para el cálculo
de la potencia producida por un motor de combustión interna es la siguiente (Muñoz y
Payri, 1989):
Ne  m f  H c  n
(35)
Siendo:
Ne : Potencia que produce el motor.
mf : La cantidad de combustible que consume el motor, especificada por el constructor
del mismo.
n : El rendimiento efectivo máximo, que depende de las condiciones específicas de
funcionamiento que ofrece el fabricante del motor.
Los valores típicos para los motores serían:
MEP (motores de encendido provocado) = 0,25-0,3
MEC (motores de encendido por compresión) = 0,3-0,5
Este rendimiento también se puede expresar mf, como:
m f  Fr  Fe  ma
(36)
Donde:
Fe es el dosado estequiométrico;
Fr es el dosado relativo;
ma es el flujo de aire en el motor.
64
Cuadro 2-12. Datos comunes de Fe y Fr

Fe Gas natural 1/17
Gasolina 1/14,6
Gasoil 1/14,5
Fueloil 1/13,8
Fr MEP 1
MEC < 0,7
Fuente: www.emc.uji.es/asignatura/obtener.php?letra=3&codigo=59&fichero=1083858315359, acceso mayo de
2007.
densidaddeadmision *V * N * i
Ma  (37)
60
Donde:
Densidad de admisión: es la densidad del aire a la entrada de la cámara de admisión.
V: es la cilindrada total del motor.
i: es el número de ciclos termodinámicos por vuelta.
Si el motor es un dos tiempos i = 1.
Si el motor es un cuatro tiempos i = 0,5
Sin embargo el biogás, el gas pobre de carbonización, es usado en una combustión

directa, expresada en la siguiente ecuación (Amell, 2002):
Ne  m f  H c  n
(38)
Donde:
N e es la potencia liberada en la combustión;
m f es la cantidad de combustible que consume el dispositivo;
n representa la eficiencia del dispositivo.
65
Cuadro 2-13. Aplicaciones del biogás
Artefacto Consumo Rendimiento (%)

Quemador de cocina 300 – 600 l/h 50 - 60
Lámpara a mantilla (60W) 120 – 170 l/h 30 - 50
Heladera de 100lt. -30 – 75 l/h 20 - 30
Motor a gas 0,5m3/kWh o Hph 25 - 30
Quemador de 10 kW 2m3/h 80 - 90
Infrarrojo de 200 W 30 l/h 95 - 99
Cogenerador 1kW elect. hasta 90
0,5 m/kWh
2kW térmica
Fuente: http://www.textoscientificos.com/energia/biogas/usos, acceso: abril de 2007
En la figura 2-24 se resume el procedimiento de cálculo del aprovechamiento energético

del biodiésel para la producción de energía.
66
Figura 2-24. Aprovechamiento de biodiésel para la obtención de energía.
Si la obtención de la energía se hace por medio de una turbina que funciona según el
ciclo Brayton (gas), las consideraciones son las siguientes (Çengel y Boles, 2006):
Wneto  n  q entra
(39)
Donde:
Wneto es la potencia generada por la turbina;
n equivale a la eficiencia térmica de la turbina, que a su vez depende del fabricante;
qentra es el calor que se libera en la cámara de combustión.
Si el proceso para la obtención de la energía emplea una turbina de vapor de agua que
funciona a partir del ciclo ranking, la expresión es similar a la utilizada para el cálculo
de la energía producida por una turbina de gas (Brayton) (Çengel y Boles, 2006; Amell,
2002).
67
Wneto  n  qentra
(40)
Donde:
Wneto es la potencia generada por la turbina;
n es la eficiencia térmica de la turbina que depende del fabricante y que puede variar de
0,3 en un ciclo ranking normal hasta 0,48 en un ciclo altamente crítico;
qentra corresponde al calor generado en la caldera, el cual se encarga de llevar el agua del
estado líquido al de vapor de agua sobrecalentado.
Eficiencia
0.7
Relacion de presiones comunes
para turbinas de gas
0.4
5 20
Relaciobn de
presiones
Eficiencia termica de un ciclo Brayton ideal como funciòn de
la relacion de presiones
Figura 2-25. Eficiencia de un ciclo Brayton ideal como función de la relación de

presiones
Fuente: Çengel y Boles (2006)
Relacion de presiones =15
Relacion de presiones =8.2

T max
Relacion de presiones =2
T min
Para valores fijos de de Tmin y Tmax el trabajo neto del ciclo Brayton
aumenta primero con la relaciòn de presiones y luego alcanza un
maximo y finalmente disminuye
Figura 2-26. Trabajo neto del ciclo Brayton

Fuente: Çengel y Boles (2006)
Si lo que se desea es combustión directa de biomasa o de gas, a continuación se darán

expresiones para hallar la cantidad de calor liberado para cada tipo de combustible antes
analizado. Si se posee una biomasa seca, dispuesta para la combustión, la expresión
sería (Çengel y Boles, 2006; Amell, 2002):
Q  ma  H C
(41)
68
Donde:
Q es el calor liberado en la combustión;
ma es la cantidad de masa (biomasa) que se desea transformar en energía;

HC es el poder calorífico (inferior) que posee dicha biomasa.
Nota: si no se conoce el poder calorífico de la biomasa, es necesario determinar la
composición y hacer un análisis químico para determinar dichos poderes caloríficos.
Para combustibles gaseosos o líquidos las consideraciones para el cálculo de la energía

liberada por combustión es similar a los utilizados en la biomasa:
Q  mC  H C1
Q  VC  M C 2
(42)
Donde:
Q es el calor liberado en la combustión;
mC es la cantidad de masa (combustible gaseoso o líquido) que se desea transformar en

energía;
VC es el volumen de combustible que se desea quemar;
H C1 es el poder calorífico (inferior) por unidad de masa;
H C 2 es el poder calorífico (inferior) por unidad de volumen.
69
Cuadro 2-14. Poder calorífico de algunos desechos agrícolas
Producto Humedad Contenido aproximado PCI

de ceniza
(%, en seco) (%) (MJ/kg)
Bagazo 40-50 10-12 8,4-10,5
Cáscaras de maní 3-10 4-14 16,7
Cáscaras de café 13 8-10 16,7
Cáscaras de algodón 5-10 3 16,7
Cáscaras de coco 5-10 6 16,7
Cáscaras de arroz 9-11 15-20 13,8-15,1
Olivas (prensadas) 15-18 3 16,7
Fibras de palma de aceite 55 10 7,5-8,4
Cáscaras de palma de 55 5 7,5-8,4
aceite
Mazorcas de maíz 15 1-2 19,3
Paja y cáscaras de arroz 15 15-20 13,4
Paja y cáscaras de trigo 15 8-9 19,1
Fuente: www.fao.org/docrep/008/j0926s/J0926s06.htm, acceso mayo de 2007.
En la figura 2-27 se presenta el resumen de cómo calcular el aprovechamiento

energético de la biomasa en quema directa para producir energía:
70
Figura 2-27. Cuadro resumen tecnología biomasa

El poder calorífico de un combustible puede estar tabulado, sin embargo si se posee una
mezcla de combustibles el poder calorífico inferior se calculará de la siguiente manera
(Amell, 2002):
Hc mezcla   Hc * X i
(43)
Donde:
Hc Mezcla es el poder calorífico total de la mezcla;
X es la fracción volumétrica del combustible en la mezcla;
HC es el poder calorífico de cada combustible.
Amell A.A. (2002). Estimación de las propiedades de combustión de combustibles

gaseosos. Medellín, CESET Universidad de Antioquia.
Asociación LACECAL, Curso de fotovoltaica,

http://www.lacecal.es/nweb/index.php?r=formacion/activos/fotov1, acceso mayo de
2007.
Blume, Herman (1984). La energía eólica, tecnología e historia, Madrid, Hermann

Blume.
71
Cengel, Y y Boles, M. (2002). Termodinámica. México D.C., Mc Graw Hill, 4a. ed.
Cobos, Martín. ―Curso programado de instalaciones de energía solar‖, ww.oadl.dip-

caceres.org/almacen/documentos/ficheros/UD05CalculoDisenoFTV.pdf , acceso mayo
de 2007.
Comisión Federal de Electricidad de México —CFE— (s.f.). Generación eoloeléctrica.

http://www.cfe.gob.mx/es/LaEmpresa/generacionelectricidad/eoloelectrica/, acceso:
mayo de 2007.
Danish Wind Indust ry (s.f.). La rosa de los vientos.

http://www.windpower.org/es/tour/wres/rose.htm, acceso: mayo de 2007.
Fiorito, G. (1983). Las nuevas fuentes de energía y el desarrollo energético. Bogotá:

CESEN.
Intermediate Technology Development Group (2005), Manual de Mini y Microcentrales

Hidroeléctricas, Perú.
Martínez Pons, José A. (2005). El salto de longitud.

http://www.fq.profes.net/archivo2.asp?id_contenido=44973, acceso: junio de 2007.
Muñoz, My Payri, F (1989). Motores de combustión interna alternativos (3a. ed.).

Madrid: E.T.S.
Pinilla, Álvaro (1997). ―Manual de Aplicación de la Energía Eólica”, Ministerio de

Minas y Energía, Instituto de ciencias nucleares y energías Alternativas (INEA).
Saldarriaga, J. (2007). Hidráulica de tuberías. Abastecimiento de agua redes riegos,

Alfaomega.
Sandoval, L. et al. (2006). ―Procedimientos estadísticos para los estudios de

caracterización de residuos sólidos‖, Revista AIDIS, Vol 1,1.2006. Brasil. ISSN 0718-
378X.
Sandoval, L. (2006). Manual de Tecnologías Limpias en PyMEs del Sector

Residuos Sólidos, Organización de Estados Americanos Programa Horizontal de
Tecnologías Limpias y Energías Renovables.
Suárez, Y. y Buriticá, F. (1994). ―Guía para la construcción de pequeñas centrales

hidroeléctricas‖, mimeo, Universidad tecnológica de Pereira.
Universidad Centroamericana José Simeón Cañas (s.f.). Centrales hidroeléctricas,

documento, http://www.uca.edu.sv/facultad/clases/ing/m200018/doc1.pdf, acceso:
mayo de 2007.
UPME (2002), ―Documento Nº. anc-603-05-00‖, Foro Tecnologías Alternativas.

72
___________ (2002). Mapas eólicos, de radiación, hidrográficos y de vientos de

Colombia 2004 (2007, marzo). http:// www.upme.gov.co, acceso: octubre de 2007.
___________ (s.f.). Velocidad del viento. En: Atlas del viento y la energía eólica,
mapas de velocidad media del viento en superficie,
http://www.upme.gov.co/Docs/MapaViento/CAPITULO1.pdf, acceso: junio de 2007.
___________ (s.f.). Atlas de radiación solar de Colombia.
http://www.upme.gov.co/Docs/Atlas_Radiacion_Solar/1-Atlas_Radiacion_Solar.pdf,
acceso junio de 2007.
2.7.1. Recursos de internet

www.windpower.com, acceso: mayo de 2007.
http://www.elektrosol.net/ES/ES.asp, acceso: junio de 2007.
http:/www.akbal.imp.mx/gaceta_e/nota.asp?nt=esp036.asp/,acceso mayo de 2007.
http://www.r-p-r.co.uk/es/escala_de_viento_beaufort.htm, acceso mayo de 2007.
http://www.cecu.es/campanas/medio%20ambiente/res&rue/htm/dossier/4%20minihidra
ulica.htm/, acceso mayo de 2007.
http://www.geocities.com/gsilvam/curvas.htm, acceso abril de 2007.
ulica.htm, acceso abril de 2007.
http://www.bun-ca.org/publicaciones/BIOMASA, acceso abril de 2007.
http://www.upme.gov.co/Docs/, acceso abril de 2007.
ulica.htm, acceso abril de 2007.
http:www.bun-ca.org/publicaciones/BIOMASA, acceso abril de 2007.
http://www.fao.org, acceso abril de 2007.
http://www.seam.gov.py/cambioclimatico/estudios/, acceso mayo de 2007.
http://www.seam.gov.py/cambioclimatico/estudios/, acceso mayo de 2007.
www.textoscientificos.com/energia/biogas, acceso abril de 2007.
http://www.madrimasd.org/.../biblioteca/Publicacion/doc/VT/, acceso abril de 2007.
http://www.uninorte.edu.co/extensiones/IDS/Ponencias/biocombustibles/BIOETANOL
_Ivan_Ochoa1.pdf, acceso mayo de 2007.
http://www.madrimasd.org/biblioteca/Publicacion/doc/VT/vt4_Biocarburantes_liquidos
_biodiesel_y_bioetaol.pdf, acceso mayo de 2007.
http://www.corpodib.com/estudios2.htm, acceso abril de 2007.
http://www.bun-ca.org/publicaciones/BIOMASA, acceso mayo de 2007.
http://www.fao.org/docrep/008/j0926s/J0926s06.htm, acceso abril de 2007.
73
http://www.emc.uji.es/asignatura/obtener.php?letra=3&codigo=59&fichero=108385831
5359, acceso mayo de 2007.
http://www.textoscientificos.com/energia/biogas/usos, acceso abril de 2002
http://www.fao.org/docrep/008/j0926s/J0926s06.htm, acceso mayo de 2007.
74

Wilson Lara Henao18
Los recursos forestales poseen gran importancia en el ciclo global del carbono. Sólo los
bosques deciduos y frondosos aportan cerca del 40% de la productividad primaria neta
(PPN) potencial del planeta (Melillo et al., 1993). Como sumideros de biomasa,
constituyen una fuente primaria para la obtención de energía, lo cual ha sido conocido
por el hombre desde sus orígenes. Desde este punto de vista, los bosques son
especialmente importantes para los países en vía de desarrollo. En la región tropical,
diversas comunidades pobres dependen de la ignición de combustible leñoso.
Curiosamente, los lugares en donde colonizan y se concentran las comunidades
humanas dependientes de leña poseen ecosistemas con altos índices de diversidad, lo
cual es particularmente evidente en Colombia (Etter, 2006). Lamentablemente, la
presión ejercida sobre estos ecosistemas se ha incrementado considerablemente
amenazando su persistencia. El uso inadecuado de los bosques por cambios en el uso de
la tierra ha inducido otros problemas como el incremento en las emisiones
antropogénicas de CO2. La problemática del cambio global, en consecuencia, ha
establecido la necesidad de optimizar el uso de los bosques mediante el establecimiento
de sistemas sustentables de manejo forestal. Las medidas para el uso sostenible deben
responder a políticas locales que optimicen la extracción de leña en ecosistemas
existentes y el establecimiento de bosques cosechables que sustenten las necesidades
energéticas de las localidades. Sin embargo, diversas comunidades necesitan extraer
leña directamente de los bosques maduros. Una pregunta importante, relacionada con la
posibilidad de optimizar este uso, se enfoca en cuánta leña se podría extraer sin alterar
las propiedades funcionales del ecosistema intervenido.
La acumulación de biomasa se encuentra regulada por la capacidad de carga del

ecosistema (von Bertalanffy, 1976). La tasa máxima de acumulación potencial de la
biomasa, así como la capacidad máxima de acumulación determinan toda la
información necesaria para conocer la dinámica de la biomasa bajo condiciones ideales
de crecimiento. La PPN de un ecosistema puede ayudar a responder esta pregunta. La
extracción de leña por debajo del balance anual en acumulación de biomasa por unidad
de superficie no afectará la posibilidad de que la masa forestal pueda recuperarse, bajo
la condición adicional de que el procedimiento de extracción sea selectivo y bien
planeado. El conocimiento de la productividad del ecosistema permitirá establecer la
cantidad de leña que se puede extraer, de tal manera que el proceso no afecte las
características estructurales del ecosistema. Al respecto, se propone una ecuación de
crecimiento potencial que tipifica los cambios de carbono durante el proceso de
sucesión natural hacia bosques maduros, con el objeto de establecer la capacidad de
productividad de los ecosistemas.
3.1. Modelo de acumulación
Se ha postulado que el crecimiento de la vegetación, al igual que el de otros seres vivos,

es regulado por procesos de anabolismo y catabolismo (von Bertalanffy, 1976). Ambas
fuerzas interactúan durante todo el tiempo de vida del organismo en proporciones
variables. Al principio, los procesos anabólicos superan los catabólicos, pero con el
18
Investigador Carbono & Bosques. Dirección electrónica: wilsonlara@carbonoybosques.org
75
avance del tiempo la relación entre fuerzas se invierte y el organismo comienza a morir.
Tal fenómeno afecta sus tasas de crecimiento en función de su biomasa actual de la
siguiente manera:
dy/dt = nym – ry (44)
En donde la variación de masa del organismo con respecto al tiempo (dy/dt) es el

balance entre una ecuación alométrica de crecimiento (nym) y otra de mortalidad (ry).
Las constantes n, m y r son parámetros de crecimiento y mortalidad, respectivamente.
La integración de la ecuación (44) produce una función de densidad asintótica que se
expresa en la ecuación (45):
y = A[1-exp(-kt)] 1/(1-m) (45)
La ecuación (45) sugiere que la masa del organismo y (t ha-1) crece en función del
tiempo t (años); A y b son parámetros de la ecuación y el término exp denota el operador
exponencial. A es la asíntota o cantidad máxima que puede alcanzar el organismo con el
avance del tiempo.
Los parámetros de las ecuaciones (44 y 45) se encuentran asociados entre sí. Por tanto,
la determinación de algunos de ellos posibilita el cálculo de los demás. Se han sugerido
valores constantes para algunos de los parámetros mencionados; Von Bertalanffy
(1976) postuló, por ejemplo, que las tasas de anabolismo del organismo son
proporcionales a su masa elevada a la potencia 2/3, mientras que el catabolismo es sólo
proporcional a la masa. Una consecuencia directa de esta propuesta es que el parámetro
m tiende hacia la constante 2/3 (Zeide, 1993). Otros autores afirman, no obstante, que el
parámetro m varía en función de características específicas de los organismos
estudiados y que por tanto es variable (Lei & Zhang, 2004). Esto hace necesaria su
estimación mediante el ajuste estadístico de las ecuaciones (44 o 45) sobre mediciones
periódicas de la masa del organismo. Esta última propuesta plantea el problema de que
es difícil encontrar mediciones sucesivas de la masa del organismo durante periodos
prolongados de tiempo.
Sin embargo, se plantea que la información de mayor importancia para la determinación

del modelo (ecuaciones 44 y 45) son la asíntota y el punto de inflexión. Además, ambos
parámetros se encuentran asociados con el resto de parámetros ya definidos. Es posible,
entonces, determinar todos los parámetros mencionados a partir de la asíntota y punto
de inflexión del modelo tipificado por estas ecuaciones, si se considera la propuesta
teórica de Von Bertalanffy de hacer m = 2/3. La variable dependiente (y) del modelo
propuesto será la biomasa en toneladas de materia seca por hectárea (t ms ha-1).
Aunque los parámetros de las ecuaciones (44 y 45) se estiman, por lo general, mediante
aproximaciones estadísticas, basadas en información colectada de unidades de muestreo
con edades conocidas, es posible estimar el punto de inflexión de este sistema mediante
estimaciones de la asíntota de la productividad primaria neta anual. Es inconsistente, por
ejemplo, que la tasa máxima de crecimiento del modelo exceda el potencial de
crecimiento en biomasa de la región. Un indicador de la posición del punto de inflexión
del modelo es, entonces, el valor estimado del crecimiento potencial del área, mediante
la determinación de la productividad primaria neta (PPN) basada en mediciones de
biomasa directas en campo o, bien, en métodos indirectos con ecuaciones o registros
satelitales de alta resolución temporal.
76
3.1.1. Productividad primaria neta
3.1.1.1. PPN mediante mediciones realizadas en los bosques
La asimilación de biomasa en los ecosistemas se define como productividad primaria

bruta (PPB), la cual es biomasa acumulada luego del proceso de fotosíntesis. El balance
de CO2 restante, descontando la respiración de las plantas, constituye la productividad
primaria neta (PPN) (Clark et al., 2001). Landsberg y Gower (1997) proponen, al
respecto, la siguiente relación para estimar la PPN en los ecosistemas boscosos:
PPN = w + wd + wh (46)
En donde la PPN está constituida por el incremento en biomasa (w) más la producción
total de detritos (wd) y el consumo por parte de los herbívoros (wh). Evidentemente,
estos componentes sólo constituyen una fracción de la PPN, la cual depende de los
criterios de medición establecidos por el investigador (ecuación 46).
La alta complejidad de los bosques dificulta la medición de estos incrementos en todos

sus posibles compartimientos. Por tanto, es necesario medir los componentes de la
ecuación (46) en los compartimientos más conspicuos y de mayor importancia para los
ecosistemas. En el componente w se deposita una fracción importante de la
productividad primara neta. Este descriptor se encuentra representado por los
incrementos en biomasa aérea (IBA) y de biomasa subterránea o radical (IBS). Se
plantea que para la mayoría de los bosques, los incrementos de biomasa aérea están
fuertemente dominados por los árboles del dosel (Clark et al., 2001). Estos bosques
poseen otros tipos de vegetación que no se consideran cuando solo se miden los árboles
de dosel, es el caso de la vegetación de sotobosque. No obstante, se ha determinado que
en los bosques maduros de la región tropical húmeda, la vegetación de sotobosque
contribuye con menos de 3% de la biomasa total, además, los bajos niveles de luz que
intercepta el suelo hace que su contribución a los incrementos de biomasa aérea sea
despreciable (Brown, 1997). Es decir, que para bosques de dosel cerrado, los
incrementos de biomasa aérea pueden ser estimados sólo mediante la medición de los
árboles de dosel. En este sentido, se ha sugerido que los árboles con diámetro mayor de
10 cm constituyen más de 90% de la biomasa de la vegetación global (Clark et al.,
2001) y, por tanto, la medición de estos árboles es suficiente para tipificar los
incrementos en biomasa aérea (MacDicken, 1997). Sin embargo, Clark et al. (2001)
advierten que la omisión en la medición del resto de componentes dentro de la ecuación
(44) puede ser el principal agente generador de incertidumbre dentro de las estimaciones
de productividad en los ecosistemas, a pesar de que gran cantidad de estudios sobre
crecimiento se han realizado bajo estos criterios (Clark et al., 2001). En todo caso, la
importancia de la biomasa aérea dentro de los componentes mencionados sugiere la
posibilidad de que los incrementos de biomasa aérea constituyan una fracción
significativa dentro de w (ecuación 46) y, por tanto, son importantes en la estimación de
PPN.
Clark y colaboradores (2001) recopilaron 39 regiones —comprendidas entre las

latitudes 23,5º N y 23,5º S— donde se midieron componentes de la PPN en los últimos
cuarenta años. En este grupo se consideran dos lugares de Colombia (terraza y
77
pendiente de la región del Magdalena), seis sitios de Brasil, un lugar de la Guyana

Francesa, seis de Hawai, cuatro de la India, tres de Costa de Marfil, cuatro de Jamaica,
uno de Malasia, tres de México, uno de Nueva Guinea, cuatro de Puerto Rico, uno de
Tailandia y tres de Venezuela. Los autores sólo analizan las investigaciones realizadas
en rodales estructuralmente maduros (>100 años) y descartan estudios realizados en
bosques especializados como, por ejemplo, manglares.
En esta investigación, se plantea que en la mayoría de estos lugares se determinó la

biomasa aérea de árboles con ecuaciones de biomasa. Los diámetros mínimos de
medición variaron entre tres y diez cm. En 32 de los lugares las áreas de muestreo
fueron menores de una hectárea (mediana = 0,25 ha). En nueve de ellos se determinó la
biomasa a partir de parcelas cosechadas localmente. Es probable que en muchas de esas
investigaciones se haya sobreestimado la biomasa como consecuencia de los sesgos
inducidos por el tamaño de la parcela y la influencia de árboles grandes (Clark et al.,
2001). No obstante, en todos los lugares analizados se midió por lo menos un
componente de la productividad primaria neta (biomasa, incremento de biomasa u
hojarasca fina). Solo en diecisiete de los sitios analizados se midieron directamente los
incrementos de biomasa aérea (t C ha-1 año-1). Los autores establecen el resto de
componentes de la ecuación (46) con base en regresiones establecidas con la
información disponible y estiman la PPN de los lugares. Como se ha mencionado, se
registran también los valores promedios de precipitación y temperatura de cada lugar y
las biomasas de los bosques en estado maduro.
La PPN y las biomasas de los bosques maduros de Clark et al. (2001) se pueden
expresar espacialmente conociendo las condiciones bioclimáticas de los lugares
analizados. Una alternativa para obtener esta información se enfoca en uso del sistema
de Zonas de Vida de L. R. Holdridge (1967). Allí la unidad central es la zona de vida y
para ello se requiere la temperatura, la precipitación y la evapotranspiración. El objetivo
de este tipo de zonificación es determinar áreas de condiciones ambientales similares,
con el fin de agrupar y analizar las diferentes poblaciones y comunidades bióticas
potenciales de los lugares, y asignar valores funcionales a los ecosistemas. Por
definición: “Una zona de vida es un grupo de asociaciones vegetales dentro de una
división natural del clima, las cuales tomando en cuenta las condiciones edáficas y las
etapas de sucesión, tienen una fisonomía similar en cualquier parte del mundo‖
(Holdridge, 1967). Los factores que se tienen en cuenta para la clasificación de una
región son la biotemperatura y la precipitación. Los límites de las zonas de vida están
definidos por los valores medios anuales de dichos componentes. Otro elemento
presente en las zonas de vida es el de la evapotranspiración potencial (ETP), la cual es
el agua que se devuelve a la atmósfera debido a los procesos combinados de
evaporación y transpiración. En los rangos climáticos del mapa de zonas de vida de
Colombia es posible asignar las PPN y las biomasas máximas estimadas por Clark et al.
(2001) en cada rango climático.
3.1.1.2. PPN mediante MODIS
Otra alternativa para obtener la variable PPN se enfoca en el uso de algoritmos basados
en sensores remotos. La PPN ha sido simulada con base en balances de radiación solar,
obtenidas con sensores remotos y algoritmos que simulan la productividad de los
ecosistemas a partir de información proxy (Goward & Huemmrich, 1992; Parton et al.;
78
1993; Esser et al., 1994; Churkina et al., 1995; Ruimy et al., 1996; Running et al.,
2004). Una propuesta interesante al respecto se relaciona con el algoritmo MODIS
(Running et al., 2004), ya que la información espacial de este algoritmo se encuentra
disponible para todo el planeta y puede ser descargada de manera libre de la
Universidad de Montana.19 El algoritmo estima la productividad primaria neta (PPN)
luego de descontar de la productividad primaria bruta (PPB) de la biomasa su
respiración. El proceso de cálculo ofrece cierta complejidad; no obstante, a continuación
se explican los elementos de mayor relevancia, anotando la descripción del algoritmo
realizada por Running et al., (2004).
Algunas investigaciones, realizadas a principios de la década de 1970, concluyeron que

la PPN de cultivos anuales, con buena disponibilidad de agua y fertilizantes, se
encuentra correlacionada con la cantidad de energía solar que las plantas absorben
durante la estación de crecimiento (Monteith, 1972). Este concepto —combinado con el
uso de factores limitantes como la luz solar que alcanza una superficie determinada o de
la cantidad de área foliar que absorbe la energía solar incidente en un lugar
determinado— permitió inferir la productividad de ecosistemas, obviando conceptos
complejos, como las condiciones micrometeorológicas del dosel o la aplicación de la
teoría de balance de biomasa ya mencionada.
El concepto de radiación fotosintéticamente activa (RFA) integró desde entonces las

variabilidades geográfica y estacional de un día, el potencial de radiación solar incidente
con la cobertura diaria de nubes y efectos de atenuación solar por acción de los
aerosoles. En adición, el concepto de RFA permitió cuantificar, de manera implícita, la
cantidad de hojas de dosel utilizadas para absorber la radiación mediante el índice de
área foliar. Desde entonces, una variable de eficiencia en la conversión () ha permitido
transformar la RFA en unidades de energía, luego en unidades de tejido de las plantas y,
finalmente, en PPN expresada en unidades de biomasa anual.
A continuación, se explican los principales elementos del algoritmo. En primera

instancia se calcula la PPB, o fotosíntesis producida diariamente, de unidades de paisaje
definidas. Luego se sustraen la respiración foliar y de raíces finas sobre períodos de
veinticuatro horas y se establece la fotosíntesis neta diaria (FND). La productividad
primaria neta es la suma anual de las FND registradas en un año, menos los costos
energético de crecimiento y mantenimiento de las células vivas en el tejido leñoso
permanente de las plantas calculados en el mismo lapso.
En este sentido, es necesario calcular primero la RFA. Sellers (1987) demostró que esta
variable puede ser estimada con la información espectral obtenida con sensores remotos.
Aunque los índices de vegetación espectral obtenidos con esta tecnología presentan
diversas formas (Huete et al., 2002), el más aplicado es el conocido como índice de
diferencia de vegetación normalizada (IDVN), el cual, por lo demás, se calcula a partir
de la reflectancia superficial con las longitudes de onda roja e infrarroja cercana (IRC)
bajo la siguiente razón:
IDVN = (IRC – rojo) / (IRC + rojo) (47)
19
Información transmitida mediante comunicación personal con el doctor S. W. Running, (octubre de 2007).
79
Una simplificación importante surge con la propuesta de que la razón entre la radiación
fotosintéticamente activa absorbida por la vegetación (RFAA) y la radiación
fotosintéticamente activa (RFA) se aproxima al valor del IDVN; es decir:
RFAA / RFA ≈ IDVN (48)
Ambas unidades de radiación se miden en megajulios (MJ). Como consecuencia, el

índice espectral de vegetación IDVN cuantifica, de manera directa, una fracción
estándar de radiación fotosintéticamente activa absorbida por la vegetación (FRFA), la
cual varía entre 0 y 1, así:
FRFA = RFAA / RFA ≈ IDVN (49)
El algoritmo mencionado combina la FRFA y el índice de área foliar (IAF) en una

variable geográfica calculada de manera diaria y compuesta en intervalos de ocho días.
La PPB se obtiene mediante multiplicación entre la FRFA, derivada del IDVN, por la
RFA [MJ m-2] y por la eficiencia de conversión de la RFA () [g C MJ-1], es decir:
PPB =   FRFA  RFA ≈   IDVN  RFA (50)
La variable intermedia de FND es, como se ha mencionado, resultado de un balance

entre productividad primaria bruta y respiración, por cuanto FND = PPB – RD, en
donde RD es el mantenimiento diario de respiración de hojas y raíces finas, en
intervalos de veinticuatro horas. Al final, la productividad primaria neta es, entonces:
PPN =  (FND) - RT – RC (51)
en donde RT es la respiración anual requerida para construir hojas, raíces finas y nuevos
tejidos leñosos y RC es la respiración empleada en el mantenimiento de las células
vivas de los tejidos leñosos (Running et al., 2000). Con base en estas relaciones
combinadas, derivadas de índices radiométricos, de las propiedades de reflectancia del
dosel del bosques y de los flujos de CO2, los científicos usan sensores remotos para
inferir procesos globales del ciclo del carbono.
Una variable importante, para obtener la PPB, es . Esta variable es una función del tipo
de vegetación analizado (Turner et al., 2003). Se plantean dos explicaciones para esta
variabilidad. En primer lugar, se ha establecido que cualquier tipo de vegetación emplea
parte de su fotosíntesis en el mantenimiento de la respiración. En los estudios realizados
por Monteith (1972) los costos por respiración fueron mínimos y  se aproximó a un
valor constante de 2 g C MJ-1. En realidad, se ha observado que estos costos se
incrementan con el tamaño de la vegetación perenne. Por ejemplo, en bosques siempre
verdes se han observado valores de  que oscilan entre 0,2 y 1,5 g C MJ-1. Se plantea
que esta baja eficiencia es resultado de la respiración en las células vivas del sistema
leñoso de la vegetación (Waring y Running, 1998).
La segunda fuente de variabilidad de  se atribuye a condiciones no óptimas del clima.

La extrapolación de la teoría original de Monteith, diseñada para cultivos con buena
disponibilidad de agua sólo durante la estación de crecimiento, hacia plantas perennes,
requiere del establecimiento de limitaciones climáticas. La vegetación siempre verde
absorbe RFA durante todo el año, sin embargo, las temperaturas por debajo del punto de
80
congelamiento detienen el proceso de fotosíntesis, como consecuencia de que los

estomas son forzados a cerrarse. Los altos déficits de presión de vapor (DPV), es decir,
aquellos que sobrepasan los 2 × 103, inducen cierre de los estomas en muchas especies.
Estos bajos niveles de agua en la atmósfera se aprecian con frecuencia en regiones
semiáridas del mundo, durante gran parte de la estación de crecimiento.
El algoritmo MODIS simula el control de estrés fisiológico por falta de agua, mediante
limitación progresiva de la PPB diaria, con base en la reducción de la variable , cuando
se calculan altos valores de DPV con la malla meteorológica superficial. De igual
manera, se asumen limitaciones por nutrientes para el crecimiento de la vegetación a
partir de limitaciones de área foliar, en vez de limitar aún más .
Como generalización, el algoritmo trunca la PPB en días por debajo de -8ºC. Esta
asunción no es del todo precisa, por cuanto se aprecian rangos de variación de nitrógeno
foliar y capacidad fotosintética en términos del tipo de vegetación. Las reflectancias
foliares son algo sensibles a la química foliar, por tanto la FRFA derivada y el IAF
puede representar algunas diferencias con respecto al contenido de nitrógeno foliar en
un sentido aún no determinado.
Los rangos de  se simulan por tipo de bioma y por región climática, mediante el
modelo de procesos ecológicos Biome-BGC, partiendo de la RFAA y obteniendo PPN.
Una tabla de respuesta del Biome-BGC, denominada BPLUT, ofrece los parámetros de
temperatura, de las limitantes del DPV, del área foliar específica y de los coeficientes de
respiración de la vegetación representativa de cada tipo de bioma (Running et al., 2000).
En el Biome-BGC se definen tipos de bioma generales, tales como bosques siempre
verdes, pasturas y cultivos. La tabla BPLUT define, de igual manera, diferencias entre
biomas con respecto al carbono almacenado y a sus tasas de retorno.
La Oficina de Recolección de Información de la NASA (Data Assimilation Office —

DAO—) recopila la información disponible sobre el clima de la superficie terrestre. Las
observaciones se toman en intervalos de tres horas. DAO realiza interpolaciones con
esas observaciones, ejecuta un modelo del clima global sobre una secuencia corta de
tiempo y estima las condiciones climáticas del mundo, por encima de 10 m de la
superficie terrestre, es decir a una altura aproximada de las condiciones climáticas del
dosel de los bosques, y a una resolución de 1° por 1,25°. A partir de esta información, el
algoritmo MODIS para PPN recupera cuatro mediciones: i) temperatura media de
diaria, en intervalos de veinticuatro horas (en °C), ii) temperatura mínima diaria, en
intervalos de veinticuatro horas (en °C), iii) presión actual de vapor, derivada de la
información de humedad específica de DAO (en pascales) y iv) radiación solar incidente
con longitudes de onda corta (en MJ m-2, cada tres horas).
Finalmente, se calcula la productividad primaria bruta de manera diaria en píxeles de un

kilómetro cuadrado de resolución y con base en la información meteorológica
mencionada. Cada día, un sistema de información conocido como EODIS (Earth
Observing System Data and Information System) realiza cálculos y correcciones
atmosféricas de reflectancias sobre los canales espectrales del sensor MODIS en cada
píxel libre de nubes. Se consideran otras tres variables con el objeto de realizar los
cálculos de PPB: el tipo de bioma, el cual se actualiza cada año; la FRFA, la cual
cambia semanalmente durante las fases de crecimiento rápido y senescencia de la
vegetación; las condiciones del clima superficial, las cuales cambian de manera diaria.
81
Se calcula la PPB diaria en todo el planeta y se suma en intervalos de ocho días en los
109.782.756 km2 de área cubierta con vegetación a un kilómetro cuadrado de resolución
espacial.
En la figura 3-1, se grafica un mapa de Colombia con los promedios de PPN registrados
entre los años 2000 y 2004 en las ZNI donde sería útil optimizar el uso de leña.
*Unidades: 10-4 kg C m-2año-1
Figura 3-1. Promedio multianual (2000-2004) de la productividad primaria neta en las

ZNI*
3.1.2. Modelo propuesto
La PPN y la biomasa máxima de los ecosistemas predicen los parámetros n y r de la

ecuación (44). Con base en esto, la ecuación se puede expresar de la siguiente forma:

1

dy  PPN  y p  A  1  A  m
1 m 1 m
  1

1 m

 y  PPN  y p  A  1 y (52)
dt  r 
En donde los parámetros de crecimiento en biomasa potencial son función de PPN y de

la biomasa del bosque maduro (A), además de los parámetros m y r definidos en las
ecuaciones (44 y 45). Si se considera el modelo de von Bertalanfy, la variable yp-1
equivale a 8/27 de A, o sea una constante. La ecuación (52) sugiere que el crecimiento
potencial por unidad de superficie puede ser expresada sólo en términos de parámetros
82
dependientes de PPN y A. La propuesta de esta investigación se enfoca en aprovechar

las PPN de Clark et al. (2001) o bien de MODIS para establecer entonces ecuaciones de
acumulación potencial de biomasa en cada zona de vida de las regiones donde se
requiera leña a partir de la zonificación de PPN y las biomasas de los bosques maduros.
3.1.2.1. Factores de contracción
Las funciones de acumulación de biomasa (ecuación 52) de cada zona de vida permiten
estimar ecuaciones de biomasa de fuste mediante el uso de factores de contracción. Al
respecto se propone estimar la biomasa arbórea como 90% de la ecuación (52).
Posteriormente, se debe descontar la biomasa radical con una ecuación que relaciona la
biomasa radical con la biomasa aérea (Cairns et al., 1997). Esto permitirá tener una
ecuación de biomasa aérea (BA). Finalmente, el factor de contracción desde BA hacia
biomasa de fuste es 0,75 (1/1,33, transposición con factor de expansión sugerido por
Brown, 1997).
3.1.2.2. Aplicación basada en la propuesta de Holdridge
En la presente investigación se han explicado las alternativas para establecer la PPN con
base en MODIS y con la información de Clark et al. (2001). Sin embargo, en la HMO
se ha adoptado el procedimiento propuesto de Clark et al. (2001) y zonas de vida, pues
se requiere de la información adicional de biomasas de los bosques maduros, variable
que no es estimada por MODIS y que el autor mencionado reporta junto con las
estimaciones de PPN. Por tanto, se establece a continuación un ejemplo del
procedimiento de Holdridge realizado con la información de los autores mencionados
en tres zonas de vida. En el cuadro 3-1, se especifican los parámetros necesarios para
establecer las curvas de acumulación potencial de biomasa en tres zonas de vida:
Bosque seco tropical (bs T), bosque húmedo premontano (bh PM) y bosque muy
húmedo premontano (bmh PM), a partir de las condiciones establecidas en el cuadro 3-
1.
Cuadro 3-1. Promedio de contenido de biomasa y productividad primaria neta (PPN), calculados a partir
de la información reportada por Clark et al. (2001) para las zonas de vida
Zonas de vida A (t B ha-1) PPN total (t B ha-1año-1)

bs T 97,00 7,32
bh PM 124,73 7,23
bmh PM 138,92 7,24
bs T: Bosque seco tropical, bh PM: Bosque húmedo premontano y bmh PM :Bosque muy húmedo premontano
La asíntota de cada modelo (A) se evaluó mediante el valor promedio de biomasa aérea
(cuadros 3-1 y 3-2). La biomasa de raíces se determinó por medio de una ecuación de
biomasa radical en función de la biomasa aérea (Cairns et al. 1997). Posteriormente
estos valores de biomasa se multiplicaron por 0,5, luego de suponer que el 50% de la
biomasa es carbono (IPCC 2001; MacDicken 1997).
El punto de inflexión de los modelos, que establece el punto en el cual la tasa de

83
crecimiento de carbono (dC/dt) se maximiza, fue determinado por la PPN promedio

para la zona de vida correspondiente (cuadro 3-2). De igual forma, este valor es llevado
a PPN de carbono al multiplicarlo por 0,5. En la ecuación (52) el valor mencionado se
alcanza en una biomasa equivalente a 8/27 de la asíntota (Cp-1: 8/27 A).
Cuadro 3-2. Parámetros de las ecuaciones 43 y 52 para tres zonas de vida.
Zona de vida
Parámetro bs T bh PM bmh PM
A 60,16 85,72 77,08
dC/dt 3,66 3,62 3,61
Cp-1 17,83 25,40 22,84
m 0,67 0,67 0,67
r 0,41 0,29 0,32
n 1,61 1,26 1,35
k 0,137 0,095 0,105
Los parámetros A (t C), dC/dt (t C ha-1 año-1) y m, constituyen la información disponible para la elaboración de la
ecuación de von Bertalanffy. El resto de parámetros fueron despejados de esta información inicial. r, n y m son los
parámetros de la forma diferencial del modelo; el resto de parámetros se asocian con la forma integral de la función.
Con base en el valor de m: 2/3, la asíntota del modelo (A), el punto de inflexión (dC/dt)
y C0, se determinaron los parámetros r, n y k de las ecuaciones (44) y (45). Estos
valores se presentan en el cuadro anterior. En las figuras 3-2a y 3-2b se presentan las
funciones diferencial e integral de la ecuación de von Bertalanffy (ecuaciones 44 y 45).
La leña que debe extraerse deberá estar por debajo de la figura 3-2.
84
bs-T bh-PM
4.00 4.00
3.50 3.50
3.00 3.00
2.50 2.50
2.00 2.00
1.50 1.50
1.00 1.00
0.50 0.50
0.00 0.00
0 10 20 30 40 50 60
C (t ha año )
0 15 30 45 60 75 90
-1
-1
4.00 bmh-PM
3.50
3.00
2.50
2.00
1.50
1.00
0.50
0.00
0 20 40 60 80
C (t ha-1)
Figura 3-2. Funciones diferenciales (ecuación 43) para tres zonas de vida del área
elegible del proyecto
Brown, S. (1997). Estimating biomass and biomass change of tropical forests. FAO
forestry paper 134, Roma.
Cairns, M. A., S. Brown, E. H. Helmer, G. A. Baumgardner (1997). Root biomass

allocation in the world‘s upland forests. Oecologia. 111: 1-11.
Churkina, G., G. Colinet, J. Collatz et al. (1995). Net primary productivity model
intercomparison activity (NPP). IGBP/GAIM, Report series, report Nº 5.
Clark, D. A., S. Brown, D. W. Kicklighter, J. Q. Chambers, S. T. Gower, J. Thomlinson

y J. Ni (2001). Measuring net primary production in forests: a synthesis of current
concepts and field methods. Ecological Applications. Vol. 2, pp. 356-370.
Etter, A. C. M., K. Wilson, S. Phinn, H. Possingham (2006). Regional patterns of

agricultural land use and deforestation in Colombia. Agriculture, Ecosystems and
Environment. Vol. 114, pp. 369-386.
85
Goward, S. y K. Huemmrich (1992). Vegetation Canopy PAR Absorptance and the

Normalized Difference Vegetation Index: An assessment using the SAIL model,
Remote Sensing of Environment. Vol. 39, pp. 119-140.
Huete, A., Didan, K., Miura, T., Rodriguez, E., Gao, X. y Ferreira, L. (2002). Overview
of the radiometric and biophysical performance of the MODIS vegetation indices.
Remote Sensing of Environment. Vol. 83, pp. 195-213.
Holdridge, L. R. (1967). Life Zone Ecology. Tropical Science Center, San José, Costa
Rica.
Intergovernmental Panel on Climate Change —IPCC— (2003). Good practice guidance

for land use, land-use change and forestry. Institute for global environmental strategies
of IPCC, Hayama.
Landsberg J. J. y S. T. Gower (1997). Applications of Physiological Ecology to Forest

Management. Academic Press, San Diego.
Lei, Y. C. y S. Y. Zhang (2004). Features and Partial Derivatives of Bertalanffy-

Richards Growth Model in Forestry. Nonlinear Analysis: Modelling and Control. Vol.
1, No. 9, pp. 65-73.
MacDicken, K. G. (1997). A guide to monitoring carbon storage in forestry and

agroforestry projects. Winrock International Institute for Agricultural Development,
Arlington.
Melillo, J. M., A. D. McGuire, D. W. Kicklighter, B. Moore III, C. J. Vorosmarty y A.

L. Schloss (1993). Global climate change and terrestrial net primary production. Nature.
No. 363, pp.234-240.
Monteith, J. (1972). Solar radiation and productivity in tropical ecosystems. Journal of

Applied Ecology. Vol. 9, pp.747-766.
Parolin, P. y M. Worbes (2000). Wood density of trees in black water floodplains of Rio
Jaú Nationa Park, Amazonia, Brasil. Acta Amazonica. Vol. 30, pp. 441-448.
Parton, W., J. Scurlock y D. Ojima (1993). Observations and modeling of biomass and
soil organic matter dynamics for the grassland biome worldwide. Global
Biogeochemical Cycles. Vol. 7, pp. 785-809.
Ruimy, A., G. Dedieu y B. Saugier (1996). TURC: a diagnostic model of continental

gross primary productivity and net primary productivity. Global Biogeochemical
Cycles. Vol. 10, pp. 269-286.
Running, S., Nemani, R., Heinsh, F., Zhao, M., Reeves, M. y Hashimoto, H. (2004). A
continuous satellite-derived measure of global terrestrial primary production.
Bioscience. Vol. 6, No. 54, pp. 547-560.
Running, S., Thornton, P., Nemani, R. y Glassy, J. (2000). Global terrestrial gross and
net primary productivity from the Earth Observing System. En: O. Sala, , R. Jackson y
86
H. Mooney (eds.). Methods in Ecosystem, Science, Springer-Verlag, Nueva York, pp

44-57.
Sellers, P. (1987). Canopy reflectance, photosynthesis, and transpiration, pt. II: The role
of biophysics in the linearity of their interdependence. Remote Sensing of Environment.
Vol. 21, pp.143–183.
Turner, D., Urbanski, S., Bremer, D., Wofsy, S., T. Meyers, S. Gower y M Gregory, M.
2003. A cross-biome comparison of daily light-use efficiency for gross primary
production. Global Change Biology 9: 383–395.
Waring, R., and Running, S. 1998. Forest Ecosystems: Analysis at Multiple Scales. San
Diego: Academic Press.
Von Bertalanffy, L. 1976. General system theory. New York: George Braziller, pp. 39-
40
Zeide, B. 1993. Analysis of Growth Equations. Forest Science 39(3): 594-616.

87
4. El problema del desarrollo en las zonas no interconectadas

David Tobón Orozco20 y John Bedoya Marulanda21
4.1. Referencia a las teorías del desarrollo económico
Una de las características más comunes de las herramientas multiobjetivo que se

encuentran en la literatura es suponer que las localidades o comunidades pertenecientes
a las ZNI, que se tipifican como zonas donde predominan pequeñas poblaciones,
aisladas, con bajos niveles de ingresos y débil institucionalidad, pero con una alta
dotación de recursos biofísicos, presentan un proceso de crecimiento o desarrollo
determinístico, que se potencia para la solución energética proyectada. Empero, como se
analiza más adelante, estas modelaciones de crecimiento están sujetas a otras variables
exógenas al suministro de electricidad, y que explican el dinamismo de estas zonas,
como las decisiones privadas, la inversión pública en infraestructura, el capital social e
institucional, así como las distintas complementariedades que potencian las economías y
el desarrollo social. De este modo, cabe mencionar algunas teorías económicas que
explican los diferentes factores que influyen en el proceso de desarrollo y precisan
cómo otras variables afectan el desarrollo estas zonas.
Las teorías del desarrollo se dividen en dos grandes grupos: las de crecimiento exógeno
(Harrod-Domar, 1939; Kaldor, 1956 y Solow, 1956), las cuales, en general, se
caracterizan por postular que el proceso de crecimiento obedece a interacciones de
factores externos a los modelos (relaciones entre el trabajo, el capital o el desarrollo
tecnológico dadas) y en la forma en que se comportan el consumo, la inversión y el
ahorro de una economía. Y los modelos de crecimiento endógeno, que enfatizan en los
factores que no se han tomado en cuenta dentro de la modelación y consideran que al
desarrollo y al crecimiento los motiva la racionalidad de los agentes económicos, es
decir, que el progreso no es fruto de la especialización en cierta actividad productiva
como en la visión smithiana (y por tanto exógeno), sino por el ánimo de los individuos
de generar nuevos beneficios mediante la inversión, la innovación y en muchos casos,
incentivados por políticas centralizadas (por el Estado), que resuelven algunos fallos del
mercado, como la provisión de bienes de naturaleza no excluyente o no rival (bienes
públicos y meritorios, investigación y desarrollo, capital financiero, entre otros),
cruciales para complementar el proceso de desarrollo.
La principal diferencia entre ambos pensamientos es que en el primero las variables que
impulsan el crecimiento (la tasa de ahorro y el crecimiento de la población) hacen que
las economías más pequeñas tiendan a superar las tasas de crecimiento de las más
grandes, porque existen rendimientos marginales decrecientes en los factores y las
primeras tienen tasas de acumulación muy bajas, y en presencia de choques
tecnológicos pueden alcanzar la senda de crecimiento de las desarrolladas, es decir,
existe convergencia. Por el contrario, en los modelos endógenos existen cuatro factores
que impiden esta convergencia y que explican por qué países pequeños, incluso con
altas tasas de crecimiento, no alcanzan los niveles de producción de los más grandes,
20
electrónica: davidtobon@udea.edu.co.
21
Investigador Grupo de Microeconomía Aplicada, Universidad de Antioquia. Dirección electrónica:
jfbedoya13@gmail.com.
88
estos son: el capital físico, el capital humano, la inversión en investigación y desarrollo

(I+D) y el capital público en infraestructura física y no física (Gerald, 2007).
Capital físico. Aunque algunos modelos exógenos mencionan que la acumulación de

capital a través de la inversión lleva a las economías a un estado de equilibrio (modelo
de Solow) siempre y cuando exista una equivalencia entre ahorro e inversión, fallan en
explicar las diferencias entre las economías debido al supuesto de homogeneidad de este
factor. En los nuevos modelos endógenos, el capital físico es un vector de bienes que
puede diferenciarse entre los países y que lo afectan las externalidades tecnológicas
ligadas estrechamente a su acumulación.
Capital humano. El impacto económico de la inversión en capital humano sobre las

economías es bastante notable dentro de la esfera de la producción. Las externalidades
tecnológicas que sufre una economía están ligadas a las ramas del conocimiento
existentes en un país y, por tanto, el capital se adapta a la calidad de la mano de obra, de
aquí que en las empresas puedan surgir avances tecnológicos que aumenten la
productividad. Por otra parte, los individuos dentro de las instituciones educativas
adquieren conocimientos y habilidades necesarias para las empresas; por esto muchas
de ellas deciden invertir en la capacitación de su mano de obra; por otro lado, en el
ejercicio de las labores productivas el capital humano tiene la capacidad de desarrollarse
(Learning by Doing), propiedad que no posee el capital físico.
I+D. La inversión en investigación y desarrollo es altamente benéfica para la economía

de un país incluso si la realiza el sector privado. El desarrollo de nuevas tecnologías
permite crear economías de escala ya que, aunque las protejan patentes, otros
productores pueden usarlas para crear nuevas tecnologías, al constituirse en un bien de
carácter no rival. De todas maneras, ello genera la necesidad de subsidio del sector
público para que los privados puedan acometer estas actividades. Asimismo, se crean
externalidades en la producción y el desarrollo de capital humano, pues con nuevas
tecnologías se aumenta la productividad del capital y se sustituye la mano de obra no
calificada por especializada, la cual por sinergia del mercado aumenta su oferta.
El capital de infraestructura. El Estado puede mejorar la productividad de las empresas

privadas mediante el fomento de la inversión en infraestructura; por ejemplo, la
construcción de hospitales y centros educativos genera mejoras sustanciales en la
composición y el estado del capital humano, o la construcción de carreteras y medios de
comunicación aumenta la productividad de las empresas y disminuye los costos de
transacción (en tiempo y dinero). Sin embargo, existen otros tipos de infraestructura no
física que también benefician a los agentes privados, como la infraestructura
institucional, la cual permite garantizar los derechos de propiedad (la seguridad) o
mejorar el comercio (reformas arancelarias, comerciales, etc.).
Adicionalmente, debe anotarse que han cambiado las funciones del Estado como
proveedor de servicios de infraestructura, pues cada vez resulta más claro que es más
conveniente su concentración en actividades regulatorias y de subsidio, además en la
definición de reglas de juego claras y estables para que los actores privados provean los
servicios o inviertan en ellos, con el aprovechamiento de los incentivos que estos tienen
en la reducción de costos y la prestación más eficiente. También debe mencionarse que
hoy se tiene una concepción distinta de cuándo intervenir en un mercado (ceteris
paribus las reglas de juego que previamente deben definirse y los problemas que puede
89
generar una redistribución de la riqueza inequitativa entre los distintos actores de la

población), porque la visión tradicional de tener estructuras de mercado monopólicas y
oligopólicas no necesariamente implica delegar las actividades al Estado, o siquiera
regularlas, ya que también pueden generarse distintos tipos de competencia, como la
competencia por el mercado mediante licitaciones o la competencia intermodal
(fomentando la oferta de opciones sustitutas a la monopólica), y la intervención pública
puede ser altamente costosa al existir escasos incentivos a la eficiencia en el aparato
estatal.
4.2. Desarrollo e infraestructura
Como se menciona antes, el análisis económico ha avanzado en la identificación de las

principales causas de las persistentes discrepancias entre las economías de los países.
Sin embargo, cuando se habla de los diferentes estados de desarrollo dentro de estos, es
necesario enfatizar en los factores que permiten la proliferación de las actividades
industriales y de acumulación en ciertas regiones y no en otras. Ciertamente, las
ciudades que atrajeron, en un primer momento, estas actividades en cada país ofrecieron
la infraestructura necesaria para que se desarrollaran, como el encadenamiento a las
redes comerciales por medio de carreteras, puertos, aeropuertos, medios de
comunicación y los servicios necesarios para elaborar sus actividades, como la energía
eléctrica y el acueducto.
Sin embargo, la infraestructura es mucho más que los servicios que se prestan a las
empresas para que puedan producir, pues se dividen en cuatro categorías según el
objetivo: desarrollo económico, desarrollo social, protección del medio ambiente y
acceso a la información y al conocimiento (Cepal, 2004). En otras palabras, su
clasificación depende del uso que se le dé; por ejemplo, la energía eléctrica puede
constituirse en fuente de abastecimiento de una empresa y mejorar las condiciones de
vida de una vivienda.
Así pues, cada región requiere de redes de infraestructura para mejorar sus dotaciones y
ser competitiva, atraer las inversiones, la industria y mejorar la calidad de su capital
humano. Para el desarrollo económico es necesario crear infraestructuras de transporte,
de energía y de comunicaciones que les permita acceder a grandes centros urbanos o
comerciales para expandir su mercado, conocer nuevas tecnologías y disminuir los
costos de transacción de la producción y el comercio. Para el desarrollo social se
requieren escuelas, hospitales, energía eléctrica, agua potable, etc. Para la protección del
medio ambiente se necesitan reservas forestales, parques ecológicos, entre otros. Y para
la información y el conocimiento son necesarias energía eléctrica, antenas de repetición
y telecomunicaciones en general.
4.3. El desarrollo en las zonas no interconectadas
Existen algunas zonas dentro de un país o una región en las cuales no pueden
reproducirse experiencias de desarrollo debido a diferentes barreras: 1) de tipo natural,
como la posición y estructura geográfica que las aísla del resto de los centros
productivos; 2) el bajo grado de urbanización que los relega a actividades primarias; 3.
la presencia de grupos al margen de la ley que dificulta su gobernabilidad, y 4) la falta
de infraestructuras básicas que no permiten prestar otros servicios de infraestructura o
siquiera suplir las necesidades primarias de una comunidad. Lo anterior implica que
90
deba tenerse bastante cuidado con el determinismo que pueda existir en las nociones de
desarrollo, porque las dinámicas de las zonas pueden estar más influenciadas por
factores exógenos que por el mismo stock de capital que posean.22
En particular, algunas regiones no poseen siquiera servicios básicos como la energía

eléctrica y el acceso a diferentes energéticos como el carbón y la gasolina, los cuales
han promovido el progreso económico porque prestan tres de las cuatro funciones dadas
a la infraestructura; por ejemplo, los combustibles se necesitan en los hogares para
realizar la cocción de los alimentos y generar energía e iluminación. Asimismo, la
presencia de energía permitiría a estas zonas usar nuevas tecnologías agrícolas para
aumentar la productividad de su trabajo o diversificar sus actividades productivas, así
como brindar acceso a las telecomunicaciones (computadores, tecnología celular y
televisión) para desarrollar su capital humano. Pero en estas zonas, no solo deben
implementarse estos servicios de infraestructura primarios; resulta vital
complementarlos con otras inversiones de infraestructura pública, como carreteras,
infraestructura de telecomunicaciones e infraestructura institucional, para solucionar
problemas de tipo coyuntural como la gobernabilidad y la migración hacia las ciudades.
Del mismo modo, no solo bastaría la energía para impulsar esas zonas, ya que en esta
era sistematizada, es más difícil aun engancharlas a los nuevos modos de producción.
Por ejemplo, las nuevas tecnologías de información y comunicación (TIC) necesitan de
una capacidad instalada que aún es muy precaria hasta en las más grandes ciudades de
los países subdesarrollados; por tanto, es difícil fomentar este tipo de alternativas para
zonas tan rezagadas. Más aún, sería necesario realizar una capacitación del capital
humano en áreas temáticas que poco han oído mencionar (otros idiomas, informática,
programación, etc.) y, por último, aunque los grandes descensos en los costos de esta
tecnología las familias todavía no pueden acceder a ellas.
En suma, debe tenerse presente que para el desarrollo de las zonas que nos interesan se
deben crear no solo infraestructuras básicas, ya que inclusive la energía necesita de otras
complementarias, como las carreteras y las telecomunicaciones para dar posibilidad a su
economía y al capital humano de mejorar y especializarse; además, requiere de otras de
carácter institucional que aminoren las externalidades negativas de estas zonas y
maximicen las positivas.
Cepal (2004). Energía y desarrollo sustentable en América Latina y el Caribe.

Cuadernos de la Cepal. N.o 89, LC/G.2214-P, Publicación de las Naciones Unidas,
Santiago de Chile, Cepal.
Domar, Evsey (1946). Capital expansion, rate of growth and employment.

Econométrica. Vol. 14, abril, pp. 137-147.
Gaviria, Alejandro (2008). Pueblos fantasmas. En:

http/:www.elespectador.com/opinion/columnistasdelimpreso, acceso: 19 de marzo de
2008.
22
Como ejemplo se tiene que en Colombia la población pasó de siete a cuarenta y dos millones entre 1918 y 2005, y
el porcentaje que vivía en las principales ciudades cambió de un 6% al 35% en el mismo período. De hecho, cerca de
100 municipios rurales tenían menos habitantes en 2005 que en 1918 (Gaviria, 2008).
91
Gerald Destinobles, A. (2007). Introducción a los modelos de crecimiento económico

exógeno y endógeno. EUDMED, marzo de 2000, www.eumed.net/libros/2007a/243/.
Harrod, Roy (1939). An essay in dynamic theory. Economic Journal. Vol. 49, junio,
pp. 14-33.
Kaldor, N. (1969). Acumulación de Capital y Crecimiento Económico, Madrid, Tecnos.
Solow, Robert (1956). A Contribution to the Theory of Economic Growth. Quaterly

Journal of Economics. Vol. 70, febrero, pp. 65-94.
92

sociales e institucionales en las zonas no interconectadas
David Tobón Orozco23 y John Bedoya Marulanda24
En este capítulo se incluyen los costos no económicos de las alternativas de

energización en Colombia, dados por la normatividad y de incentivos. Es un aspecto
que debe considerarse en todas las etapas de la vida de un proyecto y se asocia a
erogaciones necesarias para involucrar a la población beneficiada en la socialización,
uso potencial, cuidado y mantenimiento de cualquier alternativa, en particular cuando
estas zonas adolecen de un débil desarrollo institucional, carencia de capital social y
humano y problemas de gobernabilidad asociados a la presencia de actores al margen de
la ley. Por tanto, la herramienta propuesta presenta una valoración de los proyectos de
energización más socioeconómica que privada.
5.1 Justificación social de la evaluación de restricciones sociales e institucionales de las

comunidades
La inclusión en la realización de los proyectos de inversión de la población potencial

beneficiaria ha sido necesaria para garantizar su correcta aplicación y sostenibilidad, ya
que, en últimas, es a la comunidad a quien van dirigidas las alternativas de solución.
Pero existe el riesgo de que las instituciones de dicha población no garanticen el
mantenimiento y la sostenibilidad del proyecto. Para prever esta condición debería
tenerse alguna medida de esta restricción adicional, la cual debe dar cuenta del capital
social e institucional, la cultura, la educación, la idiosincrasia, las capacidades y el papel
que la población puede desempeñar. En Colombia, la importancia de la participación de
la comunidad en un proyecto la reconoce el Departamento Nacional de Planeación
(DNP). Esta institución, por intermedio del grupo asesor de la gestión de programas y
proyectos, usa la metodología general ajustada (MGA) para identificar, preparar y
evaluar proyectos de inversión pública en los que se hace un reconocimiento especial al
papel activo de la comunidad. Pese a ello, resulta aún imperativo que el DNP ejerza un
papel de veedor, colaborador y en algunos casos de miembro con voz y voto de las
juntas del proyecto, es decir, que participe de todas las etapas del proyecto (MME et al.,
2006).
La herramienta que proponemos para evaluar las alternativas de electrificación otorga

un papel decisivo a estas restricciones sociales e institucionales (RSI) en la
implementación de soluciones energéticas en las ZNI, ya que algunas veces este tipo de
soluciones requiere más de la participación de la comunidad que del sector privado. Así,
el estado de las RSI puede indicar las limitaciones a la sostenibilidad de las soluciones
energéticas, e incluso mostrar si la cultura puede llegar a ser restrictiva del uso de las
soluciones en el evento que las expectativas de los pobladores acerca del tiempo que
tendrán disponible la energía eléctrica y la manera cómo consideren que puede usarse
no vayan de la mano con las posibilidades técnicas, ya que esto incitaría a un uso
ineficiente de la energía realmente disponible. Por tal razón, debe conocerse el nivel de
23
24
Investigador Grupo de Microeconomía Aplicada, Universidad de Antioquia. Dirección electrónica:
jfbedoya13@gmail.com.
93
aceptación de la población ante la implementación de la electricidad25 y la manera como

esta se usará (horas diarias, cocción, iluminación, actividades productivas, recreativas,
etc.).26
El capital social y el capital humano de una localidad funcionan como restricciones para
la toma de decisiones de energización. El primero mide la capacidad de los pobladores
para formar grupos que ayuden a la implementación, el funcionamiento, el cobro del
servicio, la supervisión del uso, etc., e individualmente contabiliza la capacidad de los
usuarios de apropiarse de la solución manteniéndose al tanto de la manera como se
presta el servicio y como se maneja la alternativa energética en su zona. El capital
humano, por su parte, permite conocer si la población puede llegar a capacitarse para
que, de ser necesario, realice las tareas de administración, operación y mantenimiento
de la solución y, eventualmente, participe en la implementación mediante la oferta de
mano de obra. Se entiende que a mayor capital humano, concebido aquí como
escolaridad, más fácil eseste tipo de entrenamiento.
Asimismo, el desarrollo institucional de las zonas debe considerarse como la presencia

del sector público en cada localidad, la facultad de generar recursos y el apoyo que se dé
a este tipo de proyectos. Cuando el sector público prioriza estas zonas se facilita la
implementación de la solución, tanto en las partes técnica y logística como en la
financiera, ya que se alivianarían los costos para los usuarios y el equipo de expertos.
Del mismo modo, la presencia institucional ayuda a reducir el impacto que generarían
otros factores externos, como los daños colaterales que sufre la población por la
presencia de actores al margen de la ley, o las fuerzas que incentivan la migración de los
pobladores hacia los centros urbanos, entre otras.
5.2 Metodología para actuar sobre las restricciones sociales e institucionales en las
zonas no interconectadas a partir de datos del censo de población del 2005
En capítulos anteriores se mencionan una serie de variables que dan cuenta de las RSI
en las ZNI. Sin embargo, en la práctica obtener toda esta información, resulta costoso,
complicado y poco práctico. Por esto se propone usar la información del último censo
(Dane, 2005) para evaluar las restricciones y, con base en estos resultados, fundamentar
que la participación de la comunidad acarrea costos adicionales que deben estimarse, los
cuales se componen básicamente por actividades de motivación al proyecto, que
realizarán profesionales en las localidades durante prácticamente toda la vida del
proyecto.
El procedimiento para determinar las RSI consiste en identificar, a partir de un conjunto

de p variables, un subconjunto n que impacta el uso de la energía eléctrica. El
procedimiento se hace siguiendo el método de análisis de componentes principales
(ACP).
Esto permite corroborar, por un lado, la inclusión de las variables en el análisis (así
como el número de ellas) y, por otro, la relación de dependencia entre ellas. También
permite la eliminación de variables redundantes, que presenten altos grados de
25
La provisión de energía, principalmente en zonas que nunca la han tenido, crea perturbaciones en el sistema social
vigente que pueden conducir a que la comunidad rechace la implementación de alguna alternativa o que esta se utilice
mal (Véase Díaz y Álvarez, 2004).
26
Estas variables también pueden usarse para realizar una aproximación a la demanda potencial de cada zona.
94
correlación y la transformación de la unidad de medida que represente de mejor manera

el comportamiento de las variables y permita tanto la comparación como su agregación
y medición.
En este sentido, el método de componentes principales para variables cualitativas resulta

de gran utilidad en la cuantificación de un conjunto de variables que combinado con
componentes principales permita generar índices que resuman características
relacionadas, con aquellos indicadores que tengan la mayor correlación. Esto implica
que se excluyen los indicadores que no estén correlacionados en cada categoría. Luego
se agrega cada categoría de indicadores mediante un índice, el cual es una combinación
lineal entre los indicadores, de tal manera que se tenga la mayor variabilidad, es decir,
que contengan la mayor información posible. Los ponderadores de la combinación
lineal indican los pesos en la explicación de la variabilidad del índice que se construye;
por ejemplo, si el ponderador es alto significa que las localidades se están diferenciando
mucho en esa variable específica, lo que quiere también decir que la variable va a tener
un alto poder explicativo. Si el ponderador es cercano a cero, el indicador no está
explicando ninguna variabilidad. Por tanto, entre mayor sea la variabilidad mayor
información tiene el indicador en la explicación del índice (Castaño, Tobón y Vásquez,
2006).
Esto significa que se tienen r nuevas variables objetivo, las cuales pueden caracterizar
las ZNI para realizar comparaciones y estimar, por ejemplo, la demanda potencial de
cada localidad. Para estimar esta demanda se estudian las localidades que funcionan
como polos de atracción de las demás. Además de esto, se usan los resultados arrojados
por la metodología sobre los impactos de las n variables en la herramienta para medir
los sobrecostos que genera el estado de las RSI en cada localidad y así castigar los
flujos financieros, por ejemplo, mediante una menor tasa interna de retorno.
Sin embargo, se entiende que para la alimentación de la herramienta resulta muy

complicado actualizar variables, como el desempeño fiscal, las necesidades básicas
insatisfechas (NBI), entre otras, que generan con poca regularidad las entidades
estadísticas del país. En consideración a esto, en el método ya descrito se buscan otras
variables k de más fácil acceso con relaciones directas con las anteriores para usarse
como Proxy, con el fin de evaluar el estado de las variables principales, es decir,
mediante la causalidad entre r y k puede aproximarse al verdadero valor de r.
95
Cálculo de las puntuaciones

factoriales para hallar un
indicador de las ZNI
Componentes principales
n variables que explican el
consumo de energía en
las diferentes localidades
Caracterización de las ZNI
Alimentación de la
herramienta
Evaluación financiera de las

RSI
Castigo de los flujos

financieros dependiendo del
estado de las RSI (cálculo de
sobre costos)
Figura 5-1. Lineamientos de la metodología para determinar la demanda potencial y el

tamaño de las RSI
5.3. Análisis de componentes principales para la matriz de restricciones sociales e

institucionales en zonas no interconectadas
En el análisis de componentes principales (ACP) para la evaluación de las RSI en los

diferentes municipios que hacen parte de las ZNI tiene en cuenta ciertas variables que
dan cuenta del desarrollo humano (NBI, analfabetismo, población, número de hogares),
infraestructura (disponibilidad de servicios públicos y número de viviendas), actividad
comercial (distintos tipos de actividades económicas), institucionalidad (desempeño
fiscal) y la disponibilidad de energía eléctrica y el número de usuarios atendidos en 111
municipios de Colombia pertenecientes a las ZNI, y registrados por el DANE. A estas
variables se les asigna una abreviatura para facilitar su manejo, como lo muestra el
cuadro 5-1.
96
Cuadro 5-1. Convenciones de variables
NBI (NBI)
NBI rural (NBI_rural)
Analfabetismo (Analf)
Analfabetismo rural (analfa_rural)
Población (pob)
Población rural (pob_rural)
Hogares (hog)
Hogares rurales (hog_rural)
Hogares con actividad económica (hogecon)
Viviendas (vivien)
Viviendas rurales (vivien_rural)
Acueducto (acue)
Alcantarillado (alcan)
Energía (energ)
Gas (gas)
Teléfono (tel)
Comercio (comer)
Industria (indust)
Servicios (serv)
Otra (otra)
Unidad agropecuaria (uniagro)
Desempeño fiscal (despfical)
Potencia instalada (mw)
Número de usuarios (usuarios)
5.4. Pruebas para aplicar el análisis de componentes principales
El ACP aplicado a la base de datos para la evaluación de las restricciones sociales e

institucionales en las ZNI consiste en reducir el número de variables p a un pequeño
subconjunto r de ellas con el objetivo de generar nuevas variables que puedan expresar
la información contenida en la matriz con la menor pérdida posible de información. Con
el método de componentes principales pueden encontrarse nuevas variables que sean
combinaciones lineales de las otras p variables. Esto implica encontrar r variables que
satisfagan esta condición (Pla, 1986).
Para realizar el ACP debe revisarse que las variables usadas tengan al menos un
coeficiente de correlación significativo, es decir, que se pruebe correlación entre ellas al
nivel de 0,01 o máximo al 0,05 de confianza. Además, que esta matriz de correlaciones
tenga un determinante pequeño pero no cero. Para esto se usan las pruebas de
correlación de Pearson, que muestran el grado de asociación de las variables con su
respectivo nivel de significancia.27
El cálculo del coeficiente de correlación lineal se realiza dividiendo la covarianza por el

producto de las desviaciones estándar de ambas variables:
27
El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos variables
cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la escala de medida de las
variables.
97
(53)
Donde:
σXY la covarianza de (X,Y).
σX y σY las desviaciones típicas de las distribuciones marginales.
El valor del índice de correlación varía en el intervalo [-1, 1]:

 Si r = 0, no existe correlación. El índice indica, por tanto, una independencia
total entre las dos variables, es decir, que la variación de una de ellas no influye
en absoluto en el valor que pueda tomar la otra.
 Si r = 1, existe una correlación positiva perfecta. El índice indica una
dependencia total entre las dos variables denominada relación directa: cuando
una de ellas aumenta, la otra también lo hace en idéntica proporción.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = -1, existe una correlación negativa perfecta.
 Si -1 < r < 0, existe una correlación negativa.
El determinante de la matriz de correlaciones de las variables utilizada es 3,43E-032

(ver anexo 5-1), lo que indica que es viable realizar el ACP a las variables de RSI, pero
las correlaciones de Pearson indican que la variable de desempeño fiscal (despfical) y
número de viviendas con gas no deben incluirse en el análisis porque no se
correlacionan con ninguna otra variable.28
Enseguida, se analiza el estadístico Kayser-Meyer-Olkin (KMO), el cual compara los

coeficientes de correlación de Pearson (ver anexo 5-1), con los coeficientes de
correlación parcial entre las variables. Para interpretar este estadístico se tiene en cuenta
el cuadro 2-14, que ubica el valor del KMO para este análisis como un estadístico (0,85)
bueno.
Por otra parte, el test de Bartlett busca probar si la matriz inversa de correlaciones es la
identidad, es decir, que no existe correlación entre las variables (hipótesis nula).
Además, busca el determinante de la matriz, el cual se transforma en un estadístico chi-
cuadrado, y a este valor se le prueba la significancia. En este sentido, se busca que el p-
valor sea mínimo. Para este análisis, el test de Bartlett indica que puede realizarse ACP
(cuadro 5-3).
28
La variable desempeño fiscal, que funciona como proxy de la institucionalidad del municipio, resulta bastante
homogénea en la muestra, por esto no es determinante en las características de las localidades analizadas.
98
Cuadro 5-2. Análisis del estadístico KMO (Charles M. (1998)
KMO Value Grados de

varianza común
0,90 to 1,00 Maravilloso
0,80 to 0,89 Bueno
0,70 to 0,79 Medio
0,60 to 0,69 Mediocre
0,50 to 0,59 Miserable
0,00 to 0,49 No hacer
factores
Cuadro 5-3. KMO y prueba de Bartlett

Medida de adecuación 0,849
muestral de KMO
Prueba de Chi-cuadrado 7401,982
esfericidad de Gl 210
Bartlett Sig. 0,000
5.5. Resultados
5.5.1. Cálculo de los componentes
El cuadro 5-4 muestra los valores propios correspondientes a la matriz de varianzas y

covarianzas de las observaciones (columna 1), los cuales brindan el porcentaje de
varianza total que se explica por cada factor, esto es:
El porcentaje de varianza explicada por el componente i:
σ2i= λi/n (para cualquier i = 1, 2,..., n), donde, σ2i es el porcentaje de la variabilidad que
explica cada componente de la base de datos, λi es el valor propio de la matriz de
varianzas y covarianzas correspondiente a cada vector propio i, y n es el total de
variables (columna 2).
Además, el porcentaje acumulado de la varianza que explica cada componente i es:
σ2ia= ∑λj/n = ∑σ2j (para j desde 1 hasta i), donde, σ2ia es el porcentaje acumulado (a) de
la varianza que se explica por cada componente, λi es el valor propio de la matriz de
varianzas y covarianzas correspondiente a cada vector propio i, y n es el número total de
variables.
Con esto se busca hallar el número correcto de componentes, con el fin de determinar
un porcentaje aceptable de variabilidad explicada por cada uno de ellos; sin embargo, no
existen pruebas de hipótesis que permitan dar viabilidad de la elección, pero existen
métodos que ayudan a hacer este análisis. Por ejemplo, el cuadro 5-4 muestra que
existen dos componentes que recogen el 90,4% de la variabilidad total, lo cual
corresponde al número de componentes cuyo valor propio es superior al promedio (bajo
la matriz de varianzas y covarianzas se supone un valor superior a 1), pero este método
incluye muy pocos componentes si el número de variables es inferior a 20 (Pla, 1986).
99
Para este caso, se genera una gráfica de sedimentación (Scree plot) y se acepta el
número de componentes donde exista un codo o punto de quiebre. Para nuestro caso, se
presenta en este mismo componente, ya que a partir de este comienza a alisarse la
gráfica, y la tabla muestra que el porcentaje de varianza que se explica por el resto es
cada vez menor.
Figura 5-2. Sedimentación para los componentes
Cuadro 5-4. Varianza total explicada por los componentes
Componente Auto valores iniciales

Total % de la %
varianza acumulado
1 15,368 73,180 73,180
2 3,612 17,201 90,381
3 0,643 3,062 93,443
4 0,413 1,965 95,408
5 0,332 1,583 96,991
6 0,221 1,051 98,042
7 0,172 0,819 98,861
8 0,082 0,388 99,249
9 0,041 0,194 99,443
10 0,032 0,151 99,594
11 0,022 0,103 99,697
12 0,018 0,084 99,780
13 0,015 0,071 99,851
14 0,009 0,042 99,893
15 0,008 0,039 99,933
16 0,005 0,025 99,958
17 0,004 0,021 99,979
18 0,003 0,013 99,991
19 0,001 0,006 99,997
20 0,001 0,003 99,999
21 0,000 0,001 100,000
El cuadro 5-5 muestra las variables más correlacionadas con el componente uno: la
población total, el analfabetismo, las NBI, el número de viviendas, las variables de
infraestructura y de actividad económica. Este componente tal vez sea un indicador muy
acertado de las RSI en cada municipio. Debe aclararse que no necesariamente las
variables que no poseen valores en esta tabla quedan por fuera del componente, ya que
100
cada factor es una combinación lineal de las variables; esto quiere decir que existe una
correlación mayor de unas con otras y que las vacías poseen una correlación inferior al
25% con cada factor. En el segundo factor se observa una gran relación con las
variables rurales y con el número de usuarios en cada municipio. En este sentido,
podemos nombrar el primer componente como un calificador global del municipio y el
factor dos como un calificador de su zona rural. Sin embargo, aun cuando el análisis
muestra que es factible elegir dos componentes, el resto del análisis se hace con el
primero, pues el nivel de varianza que explica (73,18%) es aceptable para inferir sobre
toda la matriz de datos.
Cuadro 5-5. Matriz de componentes
Componente
1 2
pob 0,886 0,448
pob_rural 0,289 0,938
Analfa 0,732 0,627
analfa_rural 0,901
hog 0,890 0,442
hog_rural 0,311 0,895
hogecono 0,940
vivien 0,883 0,451
vivien_rural 0,291 0,912
ener 0,929 0,343
alcanta 0,948
acue 0,943
tel 0,962
indus 0,948
comer 0,943
serv 0,956
otras 0,970
Unidagro 0,931
usuarios 0,676
nbi 0,697 0,580
nbi_rural 0,894
5.6. Indicadores de las restricciones sociales e institucionales en los municipios de las

zonas no interconectadas
Para la creación de indicadores de las RSI en cada municipio es necesario primero

conocer cómo se calculan los componentes. Tal como se ha dicho, estos son
combinaciones lineales de las variables estandarizadas, es decir, con media 0 y varianza
1. El paso de una matriz con un número de variables p (21 en este caso) a un número
más reducido r (2) consiste en buscar escalares k, tal que:
(54)
101
Donde Zp son las variables estandarizadas.

Esto significa que deben encontrarse los escalares que induzcan a las variables
estandarizadas de la matriz original a volverse combinaciones lineales del componente.
Para esto se usa el cuadro 5-6, que muestra las puntuaciones de las componentes o
escalares k que cumplen con la condición dada.
Cuadro 5-6. Puntuaciones de los componentes

Componente
1 2
Pob 0,061 0,024
pob_rural -0,051 0,189
Analfa 0,027 0,078
analfa_rural -0,052 0,184
Hog 0,062 0,022
hog_rural -0,044 0,177
Hogecono 0,087 -0,034
Vivien 0,060 0,024
vivien_rural -0,048 0,183
Ener 0,075 -0,004
Alcanta 0,096 -0,054
Acue 0,089 -0,039
Tel 0,093 -0,044
Indus 0,096 -0,055
Comer 0,088 -0,035
Serv 0,092 -0,044
Otras 0,095 -0,047
Unidagro 0,098 -0,063
Usuarios -0,061 0,155
Nbi 0,028 0,070
nbi_rural -0,067 0,195
Por tanto, el primer componente para cualquier i es:
ri = (Zpob)*0,061 + (Zpob rural)*-0,051 + (Zanalf)*0,027 + (Zanalfa_rural)*-0,052 + (Znbi)*0,028 +

(Znbi_rural)*-0,067 + (Zvivien)*0,060 + (Zvivien rural)*-0,048 + (Zenerg)*0,075 + (Zalcan)*0,096 +
(Zacue)*0,089 + (Ztel)*0,093 + (Zhogecon)*0,087 + (Zindust)*0,096 + (Zcomer)*0,088 +
(Zserv)*0,092 + (Zotra)*0,095 + (Zuniagro)*-0,098 + (Zhog)*-0,062 + (Zhog rural)*-0,044 + (Zusuarios)*-0,061
(55)
Este componente en sí es un indicador del estado de las RSI en cada municipio porque
agrupa todas las variables para evaluar este indicador. No obstante, para efectos de
presentación el valor de dicho componente se evalúa en una función normal estándar
(con media 0 y varianza 1) para obtener resultados más homogéneos (ver anexo 5-2).
5.7. Cálculos del costo asociado a las restricciones sociales e institucionales
Los costos asociados al tamaño de las RSI constan de llevar a cada municipio personal
especializado en el empoderamiento de la población en proyectos de energización. De
esta manera, mediante pequeños programas permanentes se presupone que puede
dársele a la comunidad la instrucción necesaria para que conozca la solución y haga
102
buen uso de ella. De aquí se derivan los costos compuestos de salarios, viáticos,
transporte y materiales necesarios para que dicho personal especializado pueda capacitar
a la población y le haga el seguimiento necesario al proyecto.
De este modo, los costos del primer periodo se atribuyen a cada municipio de acuerdo
con el indicador de RSI. Estos constan de uno o dos de estos expertos con sus
respectivos gastos en viáticos, transporte y salario más un plus dedicado a los materiales
que se usarán para el contacto con la comunidad. Para cada municipio se tienen costos
diferentes asociados a la magnitud de sus RSI. En el tiempo, estos costos se reducen
luego del primer año, pues se considera que con la primera visita se logrará reducir la
magnitud de la restricción. Aun así, debe supervisarse periódicamente la continuidad del
proyecto, de modo que se difunden estos costos a lo largo de su vida útil.
Cuadro 5-7. Costos asociados a las restricciones sociales e institucionales en algunos

los municipios de las zonas rurales no electrificadas
Año 0
Días de
Departamento Municipio Profesionales Salarios Viáticos Transporte Materiales
capacitación
Amazonas El Encanto 2 2.250.000 15 2.127.945 3.665.360 175.040
Amazonas La Chorrera 2 2.250.000 15 4.255.890 3.665.360 133.480
Arauca Arauca 2 2.250.000 15 4.255.890 900.000 3.022.280
Arauca Arauquita 2 2.250.000 15 4.255.890 900.000 1.469.800
Caquetá La Montañita 2 2.250.000 15 4.255.890 790.000 887.240
Casanare Paz de Ariporo 1 1.125.000 15 2.127.945 445.206 1.085.840
Chocó Unguía 2 2.250.000 15 2.127.945 738.012 581.760
Año 1
Días de
Departamento Municipio Profesionales Salarios Viáticos Transporte Materiales
capacitación
Amazonas El Encanto 1 1.125.000 15 2.127.945 3.665.360 87.520
Amazonas La Chorrera 1 1.125.000 15 2.127.945 3.665.360 66.740
Arauca Arauca 1 600.000 8 1.134.904 900.000 1.511.140
Arauca Arauquita 1 600.000 8 1.134.904 900.000 734.900
Caquetá La Montañita 1 1.125.000 15 2.127.945 790.000 443.620
Casanare Paz de Ariporo 1 600.000 8 1.134.904 445.206 542.920
Chocó Unguía 1 1.125.000 15 2.127.945 738.012 290.880
Año 2
Días de
Departamento Municipio Profesionales salarios Viáticos Transporte Materiales
capacitación
Amazonas El Encanto 1 600.000 8 1.134.904 3.665.360 43.760
Amazonas La Chorrera 1 600.000 8 1.134.904 3.665.360 33.370
Arauca Arauca 1 300.000 4 567.452 900.000 755.570
Arauca Arauquita 1 300.000 4 567.452 900.000 367.450
Caquetá La Montañita 1 600.000 8 1.134.904 790.000 221.810
Casanare Paz de Ariporo 1 300.000 4 567.452 445.206 271.460
Chocó Unguía 1 600.000 8 1.134.904 738.012 145.440
Año 3…. Año n

Días de
Departamento Municipio Profesionales salarios Viáticos Transporte Materiales
capacitación
103
Amazonas El Encanto 1 300.000 4 567.452 3.665.360 21.880
Amazonas La Chorrera 1 300.000 4 567.452 3.665.360 16.685
Arauca Arauca 1 300.000 4 567.452 900.000 755.570
Arauca Arauquita 1 300.000 4 567.452 900.000 367.450
Caquetá La Montañita 1 300.000 4 567.452 790.000 110.905
Casanare Paz de Ariporo 1 300.000 4 567.452 445.206 271.460
Chocó Unguía 1 300.000 4 567.452 738.012 72.720
5.8 Cálculos de la demanda potencial de electricidad
El cálculo para determinar la demanda potencial de electricidad para el módulo es

simple, pues se parte del supuesto de que los municipios convergen a un estado ideal
que toma como punto de referencia la zona más avanzada y cercana geográficamente
con características más similares. De este modo, se converge a la demanda por vivienda
del municipio con mayor potencia instalada y, por ende, de mayor consumo haciendo el
supuesto de que la instalación de energía eléctrica potenciará el consumo, al igual que el
trabajo de seguimiento de los especialistas anteriormente nombrados.
104
Anexo 5-1. Correlaciones de Pearson
Población Población Analfabe- Analfabet Hogar Hogar Hogecono

rural tismo ismo rural
rural
Población Correlación de 1 0,666(**) 0,947(**) 0,623(**) 0,997(**) 0,663(**) 0,904(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
pob_ Correlación de 0,666(**) 1 0,776(**) 0,904(**) 0,669(**) 0,972(**) 0,492(**)
rural Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
Analfa Correlación de 0,947(**) 0,776(**) 1 0,820(**) 0,936(**) 0,752(**) 0,788(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
analfa_rural Correlación de 0,623(**) 0,904(**) 0,820(**) 1 0,609(**) 0,850(**) 0,412(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
hog Correlación de 0,997(**) 0,669(**) 0,936(**) 0,609(**) 1 0,680(**) 0,915(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
hog_rural Correlación de 0,663(**) 0,972(**) 0,752(**) 0,850(**) 0,680(**) 1 0,512(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
hogecono Correlación de ,904(**) 0,492(**) 0,788(**) 0,412(**) 0,915(**) 0,512(**) 1
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
vivien Correlación de 0,997(**) 0,674(**) 0,932(**) 0,607(**) 0,998(**) 0,678(**) 0,908(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
vivien_rural Correlación de 0,656(**) 0,980(**) 0,733(**) 0,836(**) 0,667(**) 0,983(**) 0,493(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
ener Correlación de 0,987(**) 0,583(**) 0,898(**) 0,523(**) 0,989(**) 0,596(**) 0,932(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
alcanta Correlación de 0,887(**) 0,416(**) 0,758(**) 0,334(**) 0,898(**) 0,445(**) 0,917(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
acue Correlación de 0,922(**) ,467(**) 0,817(**) 0,411(**) 0,926(**) 0,482(**) 0,909(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
tel Correlación de 0,931(**) 0,439(**) 0,813(**) 0,399(**) 0,936(**) 0,453(**) 0,954(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
indus Correlación de 0,881(**) 0,400(**) 0,754(**) 0,341(**) 0,888(**) 0,409(**) 0,960(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
comer Correlación de 0,914(**) 0,488(**) 0,797(**) 0,407(**) 0,921(**) 0,495(**) 0,969(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
serv Correlación de 0,915(**) 0,457(**) 0,790(**) 0,382(**) 0,921(**) 0,466(**) 0,958(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
otras Correlación de 0,937(**) 0,436 (**) 0,816(**) 0,390(**) 0,936(**) 0,444(**) 0,945(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Unidagro Correlación de 0,886(**) 0,333(**) 0,786(**) 0,340(**) 0,875(**) 0,331(**) 0,827(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Desefiscal Correlación de 0,021 0,051 0,015 0,043 0,020 0,030 0,064
Pearson
Sig. (bilateral) 0,839 0,623 0,885 0,678 0,848 0,775 0,537
gas Correlación de -0,016 -0,007 -0,047 -0,057 -0,012 0,003 0,021
Pearson
105
Sig. (bilateral) 0,867 0,938 0,627 0,553 0,904 0,976 0,823

nbi_rural Correlación de 0,477(**) 0,867(**) 0,619(**) 0,826(**) 0,462(**) 0,778(**) 0,321(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,001
** La correlación es significativa al nivel 0,01.
* La correlación es significativa al nivel 0,05.
vivien_r ener alcanta acue tel indus comer

ural
pob Correlación de Pearson 0,656(**) 0,987(**) 0,887(**) 0,922(**) 0,931(**) 0,881(**) 0,914(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
pob_rural Correlación de Pearson 0,980(**) 0,583(**) 0,416(**) 0,467(**) 0,439(**) 0,400(**) 0,488(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Analfa Correlación de Pearson 0,733(**) 0,898(**) 0,758(**) 0,817(**) 0,813(**) 0,754(**) 0,797(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
analfa_ Correlación de Pearson 0,836(**) 0,523(**) 0,334(**) 0,411(**) 0,399(**) 0,341(**) 0,407(**)
rural Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
hog Correlación de Pearson 0,667(**) 0,989(**) 0,898(**) 0,926(**) 0,936(**) 0,888(**) 0,921(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
hog_ rural Correlación de Pearson 0,983(**) 0,596(**) 0,445(**) 0,482(**) 0,453(**) 0,409(**) 0,495(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
hogecono Correlación de Pearson 0,493(**) 0,932(**) 0,917(**) 0,909(**) 0,954(**) 0,960(**) 0,969(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
vivien Correlación de Pearson 0,677(**) 0,988(**) 0,887(**) 0,916(**) 0,930(**) 0,884(**) 0,918(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
vivien_rural Correlación de Pearson 1 0,586(**) 0,415(**) 0,457(**) 0,433(**) 0,400(**) 0,489(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
ener Correlación de Pearson 0,586(**) 1 0,914(**) 0,942(**) 0,959(**) 0,910(**) 0,938(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
alcanta Correlación de Pearson 0,415(**) 0,914(**) 1 0,978(**) 0,932(**) 0,881(**) 0,905(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
acue Correlación de Pearson 0,457(**) 0,942(**) 0,978(**) 1 0,936(**) 0,873(**) 0,906(**)

Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
tel Correlación de Pearson 0,433(**) 0,959(**) 0,932(**) 0,936(**) 1 0,940(**) 0,934(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
indus Correlación de Pearson 0,400(**) 0,910(**) 0,881(**) 0,873(**) 0,940(**) 1 0,963(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
comer Correlación de Pearson 0,489(**) 0,938(**) 0,905(**) 0,906(**) 0,934(**) 0,963(**) 1
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000
serv Correlación de Pearson 0,459(**) 0,940(**) 0,926(**) 0,926(**) 0,931(**) 0,948(**) 0,988(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
otras Correlación de Pearson 0,434(**) 0,956(**) 0,926(**) 0,935(**) 0,961(**) 0,946(**) 0,954(**)
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Unidagro Correlación de Pearson 0,314(**) 0,896(**) 0,916(**) 0,939(**) 0,892(**) 0,826(**) 0,838(**)
Sig. (bilateral) 0,001 0,000 0,000 0,000 0,000 0,000 0,000
Desefiscal Correlación de Pearson 0,033 0,013 0,008 0,018 0,024 0,030 0,066
Sig. (bilateral) 0,751 0,903 0,940 0,859 0,815 0,772 0,521
gas Correlación de Pearson 0,001 0,004 0,018 0,013 0,021 0,014 0,002
Sig. (bilateral) 0,991 0,965 0,853 0,889 0,825 0,886 0,983
nbi_rural Correlación de Pearson 0,818(**) 0,380(**) 0,244(**) 0,294(**) 0,280(**) 0,228(*) 0,286(**)
Sig. (bilateral) 0,000 0,000 0,010 0,002 0,003 0,016 0,002
serv otras Unidagr Desefiscal gas nbi_rura nbi usuarios

o l
pob Correlación de Pearson 0,915(** 0,937(**) 0,886(**) 0,021 -0,016 0,477(** 0,896(* 0,317(**
) ) *) )
Sig. (bilateral) 0,000 0,000 0,000 0,839 0,867 0,000 0,000 0,001
pob_rur Correlación de Pearson 0,457(** 0,436(** 0,333(** 0,051 -0,007 0,867(** 0,695(* 0,554(**
al ) ) ) ) *) )
Sig. (bilateral) 0,000 0,000 0,000 0,623 0,938 0,000 0,000 0,000
Analfa Correlación de Pearson 0,790(** 0,816(** 0,786(** 0,015 -0,047 0,619(** 0,898(* 0,415(**
) ) ) ) *) )
Sig. (bilateral) 0,000 0,000 0,000 0,885 0,627 0,000 0,000 0,000
106
analfa_ Correlación de 0,382(* 0,390(* 0,340(** 0,043 -0,057 0,826(* 0,698( 0,540(*
rural Pearson *) *) ) *) **) *)
Sig. (bilateral) 0,000 0,000 0,000 0,678 0,553 0,000 0,000 0,000
hog Correlación de Pearson ,921(**) ,936(**) ,875(**) 0,020 -0,012 ,462(**) ,883(** ,303(**)
)
Sig. (bilateral) 0,000 0,000 0,000 0,848 0,904 0,000 0,000 0,001
hog_rura Correlación de Pearson 0,466(** 0,444(** 0,331(** 0,030 0,003 ,778(**) ,666(** ,507(**)
l ) ) ) )
Sig. (bilateral) 0,000 0,000 0,000 0,775 0,976 0,000 0,000 0,000
hogecono Correlación de Pearson 0,958(** ,945(**) ,827(**) 0,064 0,021 ,321(**) ,775(** 0,093
) )
Sig. (bilateral) 0,000 0,000 0,000 0,537 0,823 0,001 0,000 0,333
vivien Correlación de Pearson ,918(**) ,934(**) ,872(**) 0,018 -0,012 0,474(** 0,891(* 0,314(**
) *) )
Sig. (bilateral) 0,000 0,000 0,000 0,861 0,903 0,000 0,000 0,001
vivien_r Correlación de Pearson ,459(**) ,434(**) ,314(**) 0,033 0,001 ,818(**) ,678(** ,538(**)
ural )
Sig. (bilateral) 0,000 0,000 0,001 0,751 0,991 0,000 0,000 0,000
ener Correlación de Pearson 0,940(** ,956(**) ,896(**) 0,013 0,004 ,380(**) ,861(** ,247(**)
) )
Sig. (bilateral) 0,000 0,000 0,000 0,903 0,965 0,000 0,000 0,009
alcanta Correlación de Pearson 0,926(** 0,926(** 0,916(** 0,008 0,018 0,244(** 0,670(* 0,068
) ) ) ) *)
Sig. (bilateral) 0,000 0,000 0,000 0,940 0,853 0,010 0,000 0,477
acue Correlación de Pearson 0,926(** 0,935(** 0,939(** 0,018 0,013 0,294(** 0,716(* 0,126
) ) ) ) *)
Sig. (bilateral) 0,000 0,000 0,000 0,859 0,889 0,002 0,000 0,186
tel Correlación de Pearson 0,931(** 0,961(** 0,892(** 0,024 0,021 0280(**) 0,815(* 0,127
) ) ) *)
Sig. (bilateral) 0,000 0,000 0,000 0,815 0,825 0,003 0,000 0,183
indus Correlación de Pearson 0,948(** 0,946(** 0,826(** 0,030 0,014 0,228(*) 0,754(* 0,072
) ) ) *)
Sig. (bilateral) 0,000 0,000 0,000 0,772 0,886 0,016 0,000 0,451
comer Correlación de Pearson 0,988(** 0,954(** 0,838(** 0,066 0,002 0,286(** 0,750(* 0,156
) ) ) ) *)
Sig. (bilateral) 0,000 0,000 0,000 0,521 0,983 0,002 0,000 0,102
serv Correlación de Pearson 1 0,966(** 0,872(** 0,070 0,022 0,256(** 0,730(* 0,158
) ) ) *)
Sig. (bilateral) 0,000 0,000 0,498 0,818 0,007 0,000 0,098
otras Correlación de Pearson 0,966(** 1 0,926(** 0,029 0,065 0,253(** 0,785(* 0,157
) ) ) *)
Sig. (bilateral) 0,000 0,000 0,777 0,497 0,007 0,000 0,100
Unidagr Correlación de Pearson 0,872(** 0,926(** 1 -0,029 0,005 0,187(*) 0,686(* 0,090
o ) ) *)
Sig. (bilateral) 0,000 0,000 0,779 0,958 0,049 0,000 0,346
Desefisca Correlación de Pearson 0,070 0,029 -0,029 1 -0,012 -0,012 -0,021 0,107
l Sig. (bilateral) 0,498 0,777 0,779 0,911 0,905 0,842 0,301
gas Correlación de Pearson 0,022 0,065 0,005 -0,012 1 -0,080 -0,056 -0,078
Sig. (bilateral) 0,818 0,497 0,958 0,911 0,403 0,556 0,415
nbi_ Correlación de Pearson 0,256(** 0,253(** 0,187(*) -0,012 -0,080 1 0,650(* 0,493(**
rural ) ) *) )
Sig. (bilateral) 0,007 0,007 0,049 0,905 0,403 0,000 0,000
Pob pob_ Analfa analfa_ru hog hog_rural hogecono vivien

rural ral
nbi Correlación de 0,896(**) 0,695(**) 0,898(**) 0,698(**) 0,883(**) 0,666(**) 0,775(**) 0,891(**)
Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
usuarios Correlación de 0,317(**) 0,554(**) 0,415(**) 0,540(**) 0,303(**) 0,507(**) 0,093 0,314(**)
Pearson
Sig. (bilateral) 0,001 0,000 0,000 0,000 0,001 0,000 0,333 0,001
107
vivien_rural ener alcanta acue tel indus comer
nbi Correlación 0,678(**) 0,861(**) 0,670(**) 0,716(**) 0,815(**) 0,754(**) 0,750(**)

de Pearson
Sig. 0,000 0,000 0,000 0,000 0,000 0,000 0,000
(bilateral)
usuarios Correlación 0,538(**) 0,247(**) 0,068 0,126 0,127 0,072 0,156
de Pearson
Sig. 0,000 0,009 0,477 0,186 0,183 0,451 0,102
(bilateral)
serv otras Unidagro Desefiscal gas nbi_ rural nbi usuarios
nbi Correlación de 0,730(**) 0,785(**) 0,686(**) -0,021 -0,056 0,650(**) 1 0,374(**)

Pearson
Sig. (bilateral) 0,000 0,000 0,000 0,842 0,556 0,000 0,000
usuarios Correlación de 0,158 0,157 0,090 0,107 -0,078 0,493(**) 0,374(**) 1

Pearson
Sig. (bilateral) 0,098 0,100 0,346 0,301 0,415 0,000 0,000
108
Anexo 5-2. Indicadores de restricciones sociales e institucionales por municipio y

departamento para algunas zonas no interconectadas
Departamento Municipio Componente Z componente
Amazonas El Encanto -0,27 0,39
La Chorrera -0,24 0,41
La Pedrera -0,25 0,40
Leticia 0,38 0,65
Miriti - Paraná -0,21 0,42
Puerto Alegría -0,21 0,42
Puerto Arica -0,20 0,42
Puerto Nariño -0,29 0,38
Puerto Santander -0,23 0,41
Tarapacá -0,24 0,40
Antioquia Vigía del Fuerte -0,28 0,39
Arauca Arauca 1,66 0,95
Arauquita 0,24 0,60
Cravo Norte -0,13 0,45
Tame 0,24 0,60
Caquetá Belén de Los Andaquies -0,08 0,47
Cartagena del Chairá -0,40 0,35
Curillo 0,07 0,53
El Doncello 0,37 0,64
El Paujil 0,00 0,50
Florencia 4,73 1,00
La Montañita -0,39 0,35
Milán -0,37 0,36
Puerto Rico 0,08 0,53
San José del Fragua -0,13 0,45
San Vicente del Caguán 0,38 0,65
Solano -0,49 0,31
Solita -0,16 0,44
Valparaíso 0,12 0,55
Casanare Hato Corozal -0,11 0,46
Maní 0,10 0,54
Orocué -0,11 0,46
Paz de Ariporo 0,40 0,66
Pore -0,06 0,48
Trinidad -0,06 0,48
Villanueva 0,73 0,77
Cauca Guapi -0,29 0,39
López -0,42 0,34
Santa Rosa -0,30 0,38
Timbiquí -0,58 0,28
Chocó Acandí -0,26 0,40
Alto Baudó -0,68 0,25
Bagadó -0,30 0,38
Bahía Solano -0,24 0,40
Bajo Baudó -0,57 0,28
Bojayá -0,35 0,36
Condoto -0,11 0,46
El Cantón de San Pablo -0,20 0,42
109
El Carmen de Atrato -0,28 0,39

Istmina 0,33 0,63
Juradó -0,23 0,41
Lloró -0,30 0,38
Nóvita -0,26 0,40
Nuquí -0,26 0,40
Quibdó 2,27 0,99
Riosucio -0,34 0,37
Sipí -0,24 0,40
Unguía -0,37 0,36
Guainía Barranco Minas* -0,27 0,39
Cacahual -0,22 0,41
Inírida -0,12 0,45
Puerto Colombia -0,27 0,39
San Felipe -0,21 0,42
Calamar -0,23 0,41
El Retorno -0,30 0,38
Miraflores -0,35 0,36
San José del Guaviare 0,56 0,71
Meta El Calvario -0,18 0,43
Fuente de Oro 0,02 0,51
La Macarena -0,25 0,40
Lejanías 0,01 0,50
Mapiripán -0,48 0,31
Puerto Concordia -0,25 0,40
Puerto Gaitán -0,09 0,46
Puerto Lleras -0,10 0,46
Puerto López 0,55 0,71
Puerto Rico -0,13 0,45
San Juan de Arama -0,05 0,48
San Juanito -0,16 0,43
Uribe -0,29 0,39
Vistahermosa 0,03 0,51
110
Indicadores de restricciones sociales e institucionales por municipio y departamento

para algunas zonas no interconectadas (continuación)
Departamento Municipio Componente Z componente
Nariño Barbacoas -0,19 0,43
El Charco -0,69 0,24
Francisco Pizarro -0,30 0,38
La Florida -0,13 0,45
La Tola -0,26 0,40
Magüi -0,43 0,33
Mosquera -0,35 0,36
Olaya Herrera -0,66 0,26
Ricaurte -0,34 0,37
Roberto Payán -0,55 0,29
San Andrés de 0,36 0,64
Tumaco
Santa Bárbara -0,44 0,33
Putumayo Leguízamo -0,26 0,40
Mocoa 0,73 0,77
Orito -0,16 0,44
Puerto Asís 0,79 0,79
Puerto Guzmán -0,49 0,31
San Miguel -0,44 0,33
Valle del Guamuez -0,48 0,31
Villa Garzón -0,15 0,44
Valle del Buenaventura 8,25 1,00
Cauca
San Pedro 0,24 0,60
Vaupés Caruru* -0,22 0,41
Mitú -0,20 0,42
Taraira -0,20 0,42
Yavaraté -0,21 0,42
Vichada Cumaribo -0,49 0,31
La Primavera -0,28 0,39
Puerto Carreño -0,06 0,48
Santa Rosalía -0,20 0,42

sistemas, Universidad Nacional de Colombia sede Medellín.
Castaño, E., D. Tobón y J. Vásquez, 2006. Montaje del laboratorio de calidad para la
educación en la ciudad de Medellín, Secretaría de Educación de Medellín y Universidad
de Antioquia, CIE.
Charles M. (1998). Notes on factor analysis. Criminal Justice Center, Sam Houston
State University, p. 20.
Departamento Nacional de Estadística —DANE— (2005) Censo 2005. Disponible en:
http://www.dane.gov.co/censo/, acceso: abril de 2008.
111
Díaz, J. y Álvarez, J. (2004). Viabilidad Social de los Proyectos de Electrificación

Fotovoltaica con Miniredes en Cuba.
http://www.cubasolar.cu/biblioteca/Ecosolar/Ecosolar02/HTML/Articulo02.htm.
Acceso: abril de 2007.
Pla, L. (1986). ―Análisis multivariado: método por componentes principales‖.
Monografía N<F128>É<F255> 27, serie matemática, OEA, 91 pp.
MME, Ministerio de Hacienda y Crédito Público, SSPD, IPSE, DNP (2006).
Documento Conpes 3453 - Esquemas de gestión para la prestación del servicio de
energía eléctrica en las zonas no interconectadas.
http://www.superservicios.gov.co/siteSSPD/documentos/documentos_pub/85_904.pdf.
Acceso: 12 de abril de 2008.
112
6. Organización institucional e industrial de las zonas no interconectadas del sistema

eléctrico colombiano
David Tobón Orozco29, Jorge Flórez Acosta30 y Gustavo Castillo Quintero31
A principios del decenio de 1990 se reestructuró el sector eléctrico en Colombia,

dividiendo los procesos de la cadena productiva con el fin de buscar la competencia en
los segmentos donde fuera posible. Así, la generación, la comercialización y la
distribución de electricidad comenzaron como actividades desintegradas verticalmente
con incentivos para la entrada de agentes del sector privado, mientras que la transmisión
y la distribución por sus limitantes técnicas y de inversión continuaron como
monopolios con predominio de participación pública.
Todo este nuevo marco se agrupó en la Ley 143 de 1994 o Ley eléctrica donde se
definió la prestación del servicio mediante el sistema interconectado nacional (SIN), que
abarca aproximadamente el 66% del territorio nacional donde habita el 95% de la
población colombiana. Para el 34% del territorio restante se diseñaron estrategias
financieras y un marco institucional con el fin de implementar mecanismos que
permitieran la provisión del servicio en aquellos territorios no conectados al SIN, los
cuales se conocen como zonas no interconectadas (ZNI).
En este capítulo se analizan algunos aspectos de la organización industrial de la

industria eléctrica en las ZNI así como el entorno institucional y los diferentes agentes
que intervienen la provisión de la oferta energética en dichas zonas. Para esto, el
documento se desarrolla de la siguiente manera: primero, se hace una descripción de las
zonas que en Colombia se conocen como ZNI; segundo, se presenta un análisis sobre el
esquema bajo el cual se promueve el desarrollo de proyectos energéticos en las ZNI y
los organismos que promueven, regulan y financian; a continuación, se hace un análisis
de la regulación de la oferta y de los costos y tarifas de las ZNI; en cuarto lugar, se
ofrece un análisis de los incentivos tanto directos como indirectos que ofrece la
normatividad para impulsar los proyectos energéticos en las ZNI, en esta sección se
hace énfasis en las posibilidades de explotar el potencial MDL de estas zonas mediante
proyectos basados en fuentes alternativas de energía, como un incentivo adicional para
los inversionistas; finalmente, se presentan algunas experiencias internacionales sobre
cómo se han solucionado los problemas de energía de zonas aisladas.
6.1. Definición y descripción de las zonas no interconectadas en Colombia
29
electrónica: davidtobon@udea.edu.co. Este capítulo contó con la asistencia del estudiante Carlos Andrés Vasco.
30
Profesor y miembro del Grupo de Microeconomía Aplicada, Universidad de Antioquia. Dirección electrónica:
jhflorez@gmail.com.
31
Investigador del Grupo de Microeconomía Aplicada, Universidad de Antioquia. . Dirección electrónica:
gacastilloq@yahoo.es.
113
Con la reestructuración de la industria eléctrica se creó un sistema para cubrir la

demanda de electricidad en el territorio nacional denominado sistema interconectado
nacional (SIN), con una cobertura cercana al 44% del país. Complementariamente, se
definieron las zonas no interconectadas (ZNI) como aquellas áreas geográficas ―en
donde no se presta el servicio público de electricidad a través del Sistema Interconectado
Nacional‖ (art. 11, Ley 143 de 1994).
Las ZNI se caracterizan por su baja densidad poblacional, por estar ubicadas a gran
distancia de los centros urbanos, por la dificultad de acceso y por su gran riqueza de
recursos naturales. Precisamente por esto resulta tan costoso integrarlas al SIN y se hace
necesario que la prestación del servicio se genere directamente en cada zona donde, gracias
a la abundancia de recursos, se busca que las soluciones energéticas se basen en fuentes
alternativas a las tradicionales (petróleo, carbón, etc.). En efecto, en las ZNI los recursos
son numerosos; en todas las zonas existe abundancia de caídas de agua, en otras los vientos
pueden promover la energía eólica y hasta existen zonas con potencial de radiación solar
para generar energía solar (ICEX, 2004).
En comparación con el SIN, para el cual existe un mercado mayorista con separación
vertical de las actividades de generación, distribución, comercialización y transmisión,
donde se fija el precio mediante una bolsa de energía buscando parámetros de
competitividad y eficiencia, para las ZNI no existe un mecanismo de mercado que
determine el precio de la electricidad ni está definida con claridad la separación entre la
generación, la distribución y la comercialización, debido precisamente a que primero se
debe enfrentar el problema de cómo proveer el servicio de energía eléctrica en estas zonas.
En cuanto a costos y tarifas existen reglamentaciones de la Comisión de Regulación de
Energía y Gas (CREG) que fijan la fórmula tarifaria y la estructura general de costos.
La principal dificultad que enfrentan las ZNI es que el servicio de energía eléctrica no es
permanente e incluso es nulo (en las zonas en las que se presta el servicio de energía, sólo
se ofrece por unas horas al día). En este sentido, la preocupación del gobierno ha sido
cómo generar soluciones energéticas para estas zonas, que permitan la mejor provisión
posible del servicio en términos de insumos, duración y tarifas pero que además sean
viables financieramente y sostenibles en el largo plazo. Así, el Consejo Nacional de
Política Económica y Social (Conpes) ha promulgado varios textos con planes de gestión
para la energización de las ZNI e incluso en el Plan Colombia se tienen diseñadas políticas
para tal fin, en especial, para la energización de la Costa Pacífica, la Orinoquía y la
Amazonía en concordancia con la Ley 855 de 2003 (que define estas zonas). La
financiación de proyectos de energización para las ZNI proviene principalmente de dos
fuentes: el Fondo de Apoyo Financiero para la Energización de las Zonas no
Interconectadas (FAZNI) y el Fondo Nacional de Regalías (FNR).
Adicionalmente, existen subsidios para aplicar menores tarifas para las ZNI con un
promedio anual de $20 mil millones, discriminados para la demanda en el cobro de la
tarifa y para la oferta mediante la asignación de combustibles para la operación de plantas
generadoras en las ZNI. Sin embargo, según la Contraloría General de la República (CGR)
los seguimientos a estos subsidios por parte del Instituto de Planificación y Promoción de
Soluciones Energéticas (IPSE) es documental (basada en información segundaria) y sólo
se ejecutan visitas en casos de quejas de los usuarios (CGR, 2004). Así mismo, su
asignación no es oportuna; a manera de ejemplo, en 2004 la CGR identificó una asignación
114
por el Ministerio de Minas (Minminas) de $15 mil millones mediante 74 convenios con los
prestadores del servicio, de los cuales 32, es decir, el 42% fueron celebrados en el último
mes del año (CGR, 2004).
La distribución de las ZNI se presenta en el cuadro6-1. Al inicio de las reformas del sector
el 52% del territorio nacional se consideraba como ZNI (ICEX, 2004), y en 2007 el 66%
del territorio era ZNI, lo cual implica un crecimiento del 27% (IPSE, 2007). Así mismo, se
observa que las ZNI abarcaban en 1996 quince departamentos y en el 2007 dieciséis al
agregarse Bolívar; sin embargo, el número de municipios disminuyó pasando de 105 a 91,
es decir, decreció un 13%, y las localidades un 1% al pasar de 1.199 a 1.186 en el mismo
periodo; en contraste, el número de usuarios atendidos creció un 2% al pasar de 112 mil a
114 mil (IPSE, Minminas, 2007).
Cuadro 6-1. Colombia: distribución geográfica de las ZNI, 1996 y 2007
Fuente: Subdirección de planificación energética, IPSE, Minminas, 2007
El departamento con mayor número de municipios con ZNI es el ,Chocó, como se

observa en el cuadro 6-2, con el 28,6%, seguido de Nariño con el 14,3% y Caquetá con
el 12,1%. En contraste, el mayor número de localidades con ZNI se invierte: Nariño
ocupa el primer lugar con el 38,8%, seguido de Chocó con el 20,1%. Finalmente, el
volumen de usuarios se distribuye en correlación con las localidades, de modo que
Nariño presenta el mayor nivel, con 38,1%, seguido de Chocó, con el 11,4%, y en tercer
lugar está Cauca, con 11,4%.
Cuadro 6-2. Colombia: distribución geográfica de las ZNI según departamento, 2007
Departamento % % % usuarios en
municipios localidades las ZNI
con ZNI con ZNI
Amazonas 2,2 3,4 1,9
Antioquia 2,2 2,8 2,2
Caquetá 12,1 3,9 6,0
Casanare 3,3 0,4 1,0
Cauca 5,5 8,8 11,4
Chocó 28,6 20,1 18,3
Guainía 1,1 4,4 4,1
Guaviare 3,3 3,0 1,8
115
Meta 9,9 3,2 4,5

Nariño 14,3 38,8 38,1
Putumayo 7,7 3,2 3,7
Valle del Cauca 1,1 2,8 2,3
Vaupés 3,3 3,3 2,4
Vichada 4,4 1,8 2,3
Bolívar 1,1 0,1 0,1
Total 100 100 100
Fuente: Subdirección de planificación energética, IPSE, Minminas, 2007
6.2. Promoción de soluciones energéticas y financiación de proyectos en las zonas no

interconectadas
En 1999 se creó el Instituto de Planificación y Promoción de Soluciones Energéticas

(IPSE), mediante el Decreto 1140 a partir de una reestructuración que hizo el gobierno
al Instituto Colombiano de Energía Eléctrica (ICEL), con el objeto de identificar,
planificar y promover ―soluciones energéticas integrales, viables financieramente y
sostenibles en el largo plazo, para las zonas no interconectadas del país‖ (art. 2, Decreto
1140 de 1999). A partir de este decreto, se prohibió al instituto ejecutar obras
directamente, invertir en obras de infraestructura eléctrica, y se le obligó a vender todas
las estructuras energéticas de generación, transmisión y distribución de su propiedad
(Decretos 1140 de 1999 y 257 de 2004).
La dirección y administración del IPSE se encargó a un consejo directivo conformado

por el ministro de minas y energía, el ministro de hacienda, el jefe del Departamento
Nacional de Planeación (DNP), el director de la Unidad de Planeación Minero
Energética (UPME) y el decano de la facultad de ingeniería de alguna de las
universidades del país, elegido por el presidente de la República (art. 8, Decreto 1140 de
1999). En 2004, se hizo una nueva reestructuración de este instituto mediante el Decreto
257, en el que fundamentalmente se agregaron nuevos detalles a su razón social, objeto
y funciones. El primer cambio fue en el nombre, pues pasó a llamarse Instituto de
Planificación y Promoción de Soluciones Energéticas para las zonas no interconectadas
(IPSE); en segundo lugar, se le asignó un objeto más específico:
identificar, promover, fomentar, desarrollar e implementar soluciones energéticas mediante

esquemas empresariales eficientes, viables financieramente y sostenibles en el largo plazo,
procurando la satisfacción de las necesidades energéticas de las Zonas no Interconectadas,
ZNI, apoyando técnicamente a las entidades definidas por el Ministerio de Minas y Energía
(art. 4, Decreto 257 de 2004);
y como tercero, se cambió la estructura interna del instituto y la composición del

consejo directivo al suprimir el puesto del decano de alguna de las facultades de
ingeniería del país y agregar un lugar para el ministro del interior y de justicia (art. 8,
Decreto 1140 de 1999; art. 9, Decreto 257 de 2004).
El origen de este instituto data de 1946, cuando se creó el Instituto de Aprovechamiento

de Aguas y Fomento Eléctrico (Electroaguas) con la misión de promover el desarrollo
eléctrico en el país mediante la creación de instituciones departamentales de energía y
empresas electrificadoras. En 1968, Electroaguas se convirtió en el Instituto
116
Colombiano de Energía Eléctrica (ICEL), como un establecimiento público con

objetivos similares a su antecesor, hasta que en 1992 se transformó en una empresa
industrial y comercial del Estado con el objeto de buscar la satisfacción de las
necesidades de energía eléctrica en las ZNI ―ubicadas fuera del área de cubrimiento real
de las empresas electrificadoras‖, y se eliminó su papel como intermediario comercial
(Decretos 700 y 1516 de 1992).
Este instituto gestionó proyectos de creación de pequeñas centrales hidroeléctricas

(PCH), líneas de transmisión, planes de electrificación, etc., hasta 1999 cuando
mediante el Decreto 1140 se dio paso al Instituto de Planificación y Promoción de
Soluciones Energéticas (IPSE) el cual se convertiría en el 2004 en el organismo
encargado de generar soluciones energéticas específicamente en las ZNI.
El FAZNI fue creado mediante la Ley 633 de 2000 (artículos 81 y 83) y reglamentado
por el Decreto 2884 de 2001. La misión del FAZNI es:
financiar los planes, programas y proyectos de inversión en infraestructura energética en las

zonas no interconectadas (ZNI), propuestos y presentados por los entes territoriales, por las
Empresas Prestadoras del Servicio de Energía Eléctrica y por el Instituto de Promoción de
Soluciones Energéticas para las Zonas no Interconectadas (IPSE)‖ (IPSE, 2007).
Este fondo está adscrito al Ministerio de Minas y Energía y sus recursos provienen
principalmente, según el artículo 81 de la Ley 633 de 2000, de las transacciones
realizadas en la bolsa de energía: ―por cada kilovatio hora despachado en la Bolsa de
Energía Mayorista, el administrador del sistema de intercambios comerciales (ASIC)
recaudará un peso ($1,00) m/cte., con destino al Fondo de Apoyo Financiero para la
energización de las zonas no interconectadas‖; la Ley también estipula el aporte de
recursos del Presupuesto General de la Nación y de otras fuentes (art. 82). Este aporte,
que según el mismo artículo deben asumir los generadores, se indexó desde 2007 con el
IPP (índice de precios al productor). En noviembre de 2006 se promulgó la Ley 1099
con el fin de prorrogar la vigencia del artículo 81 de la Ley 633 de 2000. Esta Ley
ratificó el mismo sistema para alimentar al FAZNI y amplió el periodo de aportes hasta
2014. Adicionalmente, introdujo un nuevo elemento: los proyectos aprobados para su
ejecución tendrán derecho al reembolso parcial o total de los ―costos de preinversión‖
asumidos por los proponentes del proyecto (parágrafo 1, art. 3, Ley 1099 de 2006).
La gestión del FAZNI se encargó a un comité de administración conformado por el

ministro de minas y energía (presidente), el ministro de hacienda y el director del DNP.
Este comité puede invitar a las reuniones a funcionarios del IPSE o de la UPME en caso
de que requieran apoyo para analizar un proyecto (art. 4, decreto 2884 de 2001).
Finalmente, el decreto 2884 de 2001 determinó los siguientes criterios para la
asignación de los recursos del FAZNI: 1) las necesidades insatisfechas en el servicio de
energía eléctrica de la población; 2) la contribución del plan, programa o proyecto a una
solución institucional y empresarial integral de prestación del servicio y mejoras en la
cobertura y confiabilidad del servicio; y 3) el impacto ambiental, social y económico del
plan, programa o proyecto (art. 5).
El decreto 1124 de 2008, que reglamentó la Ley 1099 de 2006, introdujo algunos
cambios en la estructura del FAZNI: en primer lugar, modificó la composición del
comité de administración del fondo (CAFZNI), designando como miembros al ministro
de minas y energía, el viceministro de minas y el director de la UPME. En segundo
117
lugar, creó una secretaría de apoyo técnico para el CAFAZNI, y en tercero, aclaró los
mecanismos mediante los cuales se pueden presentar planes, programas y proyectos
para ser financiados: mediante invitaciones públicas del MME para inversión de
infraestructura en las ZNI, o por iniciativa de las entidades territoriales, el IPSE, o las
empresas prestadoras del servicio de energía eléctrica, sin importar si se ejecutarán en el
SIN o en las ZNI (art. 7). Por último, el artículo 12 del decreto establece los criterios
para el reembolso de los costos de preinversión de los que habla la Ley 1099 de 2006. A
la fecha (2008), se han asignado cerca de 226 mil millones de pesos del FAZNI (ver
cuadro 6-3).
Cuadro 6-3. Colombia: recursos asignados por el CAFAZNI para financiar proyectos
en las ZNI, 2003-2008 (en millones de pesos)
Año Asignación
2003 16.758
2004 48.528
2005 25.265
2006 28.685
2007 95.167
2008 11.318
Total 225.721
Fuente: Minminas, 2008a; 2008b.
La Ley 855 de 2003 definió nuevamente las ZNI como ―los municipios, corregimientos,
localidades y caseríos no conectados al Sistema Interconectado Nacional, SIN‖ (art. 1) y
declaró las regiones Orinoquía, Amazonía y Costa Pacífica como las prioridades para la
inversión de los recursos provenientes del FAZNI (art. 1, parágrafo 2).
Otro fondo que dedica parte de sus recursos a la financiación de proyectos de

electrificación en las ZNI es el Fondo Nacional de Regalías.32 Fue creado en 1994 por la
Ley 141 de ese año y más tarde, con la Ley 756 de 2002, se reestructuró el Fondo,
dándole personería jurídica propia y adscribiéndolo al DNP, entre otras modificaciones.
La Ley 141 de 1994 determinó que un 15% de los recursos de este fondo deben ser
destinados exclusivamente para la financiación de proyectos energéticos regionales
durante los quince años siguientes a la promulgación de la Ley, con la condición de
estar definidos como prioritarios en los planes de desarrollo de las entidades territoriales
que los soliciten (art. 1, Ley 141 de 1994). La distribución de estos recursos, según la
Ley 756 de 2002 (art. 37) debe hacerse así: un 20% para la inversión en infraestructura
de distribución de gas para estratos 1 y 2, un 40% para la inversión en zonas
interconectadas y el 40% restante debe destinarse a las ZNI (art. 37, Ley 756 de 2002).
32
Las regalías son una contraprestación económica que debe recibir el Estado por la explotación de sus recursos
naturales no renovables. Estas pueden ser directas o indirectas: las primeras son aquellas que se entregan a la entidad
territorial en la que se lleva a cabo la explotación de los recursos naturales, a los municipios con puertos marítimos y
fluviales que sirven para transportar esos recursos y a los municipios del área de influencia de los puertos; estos
recursos deben destinarse a proyectos de los planes de desarrollo local, especialmente, a los de saneamiento
ambiental, cobertura y ampliación de servicios de salud, educación, electricidad, agua potable, alcantarillado, aseo y
demás servicios públicos básicos esenciales. Y las indirectas son recursos no asignados a las entidades territoriales
productoras o portuarias y que se destinan al Fondo Nacional de Regalías para la financiación de proyectos de
promoción de la minería, la preservación del medio ambiente o el desarrollo de proyectos regionales de inversión
prioritarios según el plan de desarrollo de la entidad territorial que solicite los recursos (DNP, 2008; Ley 141 de
1994).
118
A partir de la Ley 633 de 2000, el IPSE quedó encargado de viabilizar los proyectos de
energización de las ZNI que las entidades territoriales presentaran al FNR y de
inscribirlos en el banco de proyectos de planeación nacional. Adicionalmente, esta Ley
dispuso un incentivo tributario para estos proyectos al eximirlos del pago de impuestos
o estampillas del orden territorial (art. 84, Ley 633 de 2000).
Existen, además, otras alternativas de financiación brindadas por la UPME, el Instituto

de Fomento Industrial (IFI) y el Banco de Comercio Exterior de Colombia (Bancoldex).
Estos organismos ofrecen créditos para la implementación de proyectos de energización
de ZNI con énfasis en recursos renovables. También existe el Fondo de Inversiones para
la Paz (FIP), cuyo objeto es financiar proyectos diseñados para la obtención de la paz,
entre los cuales están los proyectos energéticos para las ZNI. Uno de los proyectos que
ha sido financiado por este fondo es la construcción de una pequeña central
hidroeléctrica (PCH) en el municipio de Guapi (Cauca) por un valor de US$67,53
millones. La magnitud de la inversión obedece a que es un municipio ubicado en la
región con la más alta población de las ZNI: 270 mil habitantes, aproximadamente
(Conpes, 2005).
6.3. Regulación de la oferta de generación en las zonas no interconectadas
Paralelamente a la reestructuración del sector y la separación del SIN y las ZNI, el IPSE
implementó estrategias de apoyo financiero, técnico y administrativo a los entes
prestadores del servicio en las ZNI. Para el análisis de la oferta en estas zonas, en
primera instancia se clasifican los agentes generadores por ubicación geográfica, tipo de
tecnología y participación en el mercado, y luego se analiza su naturaleza jurídica para
medir el grado de diversificación de la propiedad ofertante en las ZNI.
La estructura del mercado de generación se puede clasificar según la cantidad de

electricidad en megavatios (MW) que puede producir un generador con sus plantas y
según el tipo de tecnología que utilice. La CREG determinó, en su código de operación,
tres niveles de potencia: para el SIN, las plantas con capacidad inferior a 10MW, las
cuales no son despachadas centralmente vía bolsa de energía, las que se ubican entre 10
y 20 MW, que tienen una participación voluntaria en el despacho, y aquellas con
capacidad superior a 20MW, que son obligadas a participar en el mercado. Sin embargo,
para las ZNI no aplica ninguno de los tres criterios debido a que la capacidad instalada
es muy limitada.
La evolución de la distribución geográfica de la oferta de generación se observa en el

cuadro 6-4, donde se discrimina el número de plantas por departamentos con su
respectiva capacidad instalada medida en kW diésel. De nuevo, Nariño presenta la
mayor capacidad de generación, con una capacidad instalada del 23,2%; aparece en
segundo lugar un departamento con un nivel bajo de usuarios (2%) —ver cuadro 6-3—,
Amazonas, con el 21% de la capacidad de generación de las ZNI, y en tercer lugar,
Chocó, con 13,4%.
119
Cuadro 6-4. Colombia: distribución de la capacidad instalada de generación y niveles

de participación de las ZNI, 2007
Departamento kW/diésel Participación (%)

Amazonas 22.658 20,8
Antioquia 1.210 1,1
Bolívar 250 0,2
Caquetá 7.285 6,7
Casanare 682 0,6
Cauca 10.958 10,1
Chocó 14.635 13,4
Guainía 5.363 4,9
Guaviare 3.129 2,8
Meta 5.421 5,0
Nariño 25.306 23,2
Putumayo 3.758 3,5
Valle del Cauca 1.449 1,4
Vaupés 2.714 2,5
Vichada 4.193 3,8
Total 109.011 100
Fuente: Subdirección de planificación energética, IPSE, Mininas, 2007
Así, las ZNI cuentan con una capacidad instalada de solo 109 mil KW diésel, cuya
distribución y comercialización está integrada verticalmente por 95 agentes
generadores, inscritos ante el registro único de prestadores del servicio (RUPS), el cual
conforma el sistema único de información de servicios públicos domiciliarios (SUI) de
la Superintendencia de Servicios Públicos Domiciliarios (SSPD). La tecnología a base
de diésel representa el 96,3% del total de la capacidad de generación en las ZNI,
distribuida entre 116 plantas de menos de 100KW, donde el 3,7% restante corresponde
a dos pequeñas centrales hidroeléctricas (PCH), lo que lleva a concluir que las ZNI
poseen un nivel casi nulo de diversificación tecnológica.
La propiedad de estas plantas la lideran las alcaldías, con 51,6%, seguidas por empresas
privadas y mixtas, con 43,2%; juntas administradoras locales (JAL), con 4,2%, y,
finalmente, las gobernaciones, con 1,1%. El parque generador se distribuye
principalmente entre los departamentos del Chocó con un 26,3%, Nariño con un 13,7%,
Caquetá con un 12,6% y el Meta con un 11,6% (ver cuadro 6-5).
120
Cuadro 6-5. Colombia: distribución de la naturaleza jurídica de los agentes en las ZNI,
2007
Departamento Empresas JAL Alcaldías Gobernaciones Agregado Participación

%
Amazonas 1 0 0 0 1 1,05
Antioquia 2 0 0 0 2 2,10
Bolívar 0 1 0 0 1 1,05
Caquetá 2 0 10 0 12 12,63
Casanare 0 0 4 0 4 4,21
Cauca 3 0 2 0 5 5,26
Chocó 9 1 15 0 25 26,31
Guainía 1 1 0 0 2 2,10
Guaviare 3 0 1 0 4 4,21
Meta 4 1 6 0 11 11,57
Nariño 11 0 2 0 13 13,68
Putumayo 2 0 5 0 7 7,36
Valle del 0 0 1 0 1 1,05
Cauca
Vaupés 0 0 2 1 3 3,15
Vichada 3 0 1 0 4 4,21
Total 41 4 49 1 95 99,4
Participación 43,15 4,21 51,57 1,05 100 100
%
Fuente: Subdirección de planificación energética, IPSE, Mininas, 2007.
Al desagregar las empresas y las JAL según su naturaleza jurídica, se puede observar
que casi el 90% de la propiedad de las plantas es del Estado: las gobernaciones (1,05%),
las alcaldías (51,57%) y las empresas municipales mixtas aunque con predominancia
estatal (37%) con 89,62%, y solo el 10,38% es de propiedad privada (ver cuadro 6-6).
Cuadro 6-6. Colombia: distribución agregada de la naturaleza jurídica de los agentes en

las ZNI
Tipo de propiedad Participación %

Gobernaciones 1,1
Alcaldías 51,6
Empresas municipales 37,0
(mixtas)
Empresas privadas 10,4
Fuente: Subdirección de planificación energética, IPSE, Mininas, 2007
6.4. Costos y tarifas del negocio de electricidad en las zonas no interconectadas
La metodología de cálculo del costo de prestación del servicio (CPS) y la fórmula

tarifaria en las ZNI fue establecida en la resolución CREG 114 de 1996, y
complementada y modificada por las resoluciones CREG 029 de 1997, CREG 077 de
1997, CREG 082 de 1997, CREG 017 de 1998, CREG 193 de 2003, y los documentos
CREG 073 de 2003 y CREG 033 de 2005. Adicionalmente, la CREG separó el territorio
insular (San Andrés y Providencia, CREG 037 de 1996 y CREG 080 de 1997) del
territorio continental, aplicándoles metodologías diferentes.
121
En términos generales, el CPS es la suma de los costos unitarios que resultan de agrupar
los costos de generación (CG), comercialización y distribución.33 A su vez los CG son
la sumatoria de los costos anuales de inversión en generación (CIG) más los costos
anuales de administración, operación y mantenimiento en generación (CAOMG), así
mismo los CDC resultan de agregar los costos de inversión en comercialización y
distribución (CIDC) más los costos anuales de administración, operación y
mantenimiento en la distribución y la comercialización (CAOMDC).
Adicionalmente, los CPS incluyen un factor de ajuste del costo anual de operación de la
actividad de generación (F), según el cual se pondera los costos por un factor de
pérdidas (PR) y, por supuesto, por la energía generada (EG), como se resume en la
ecuación 56.
Ecuación 56. Cálculo de los CPS en las ZNI

CPS = (CG +CDC) en $/kWh, siendo
CG = (CIG + CAOMG +F)/EG (1–PR) en $/kWh
CDC = (CIDC + CAOMDC)/EG (1–PR) en $/kWh

Fuente: Resoluciones CREG 114 de 1996, 029 de 1997, 077 de 1997, 082 de 1997, 017 de 1998, 193 de
2003, 073 de 2003, 033 de 2005 y 037 de 1996.
Así, la CREG determina unos costos máximos (CM) de prestación del servicio para los
agentes prestadores, los cuales varían al unirse con otros costos específicos de cada
departamento, los niveles de pérdidas, los niveles de tensión, la disponibilidad de las
plantas, los niveles de demanda,34 las restricciones y los costos mínimos por
disponibilidad del servicio —también llamados costos mínimos de atención de clientela,
determinados en resoluciones independientes y ponderados por el índice de precios al
consumidor (IPC)—. Por tanto, se expiden resoluciones con los CM por departamento y
se adicionan los otros costos ya mencionados, que en la práctica son determinantes del
costo acumulado (ver cuadro 6-7). Estos costos representan el 55% del costo
acumulado, mientras que los costos de generación representan un 38% y los de
comercialización y distribución un 7% para un CG + CDC equivalente al 45% del costo
total. Sin embargo, la información sobre estos costos adicionales es inexacta por la falta
de reportes de los agentes ante el SUI. Adicionalmente, la CREG no ha establecido
diferencias entre tecnologías, algo que es cuestionado tanto por los agentes como por el
IPSE (SSPD, 2007).
33
La metodología es similar a la utilizada en el SIN con la única diferencia de que se agregan los costos de
transmisión de las ZNI.
34
La disponibilidad es irregular, se tienen solo dos localidades con 24 horas de servicio, menos de 10 localidades con
servicio de 12–24 horas y el 99% de las localidades tienen servicio menos de 6 horas al día.
122
Cuadro 6-7. Colombia: distribución de los costos máximos de prestación del servicio
en las ZNI por departamentos
Fuente: Resoluciones CREG cálculo de CPS en las ZNI, costos de referencia a precios de diciembre de
1996.
En el cuadro 6-4, se observa que Nariño, Amazonas y Chocó eran los departamentos
con mayor capacidad instalada, sin embargo, de acuerdo con el cuadro 6-7 se puede
concluir que el Chocó exhibió en el 2006 el segundo costo más alto, de $605,58 por
KWh, después de Vaupés, con $842,86, si bien es precisamente el Chocó el
departamento con mayor número de municipios con ZNI, mientras que el costo más
bajo lo tiene Guainía, con $317,40/KW. Como era de esperarse, la generación más
costosa está en el Vaupés, con $344,2 por KWh, mientras que Nariño exhibe la mayor
comercialización y distribución del país, con $41,9 por KWh teniendo el primer lugar
en capacidad de generación de las ZNI.
Por otro lado, la fórmula tarifaria (T), expresada en la ecuación 57, básicamente se
compone del CPS ponderado por el IPC incluyendo como variable adicional, los
subsidios, tanto en su constitución como en su desmonte gradual.
Ecuación 57. Fórmula tarifaria en las ZNI
T = T97*((CPS*(1–S)/T97) *(IPC97/IPC0)) k * (IPCm–1/IPC97)
T97= Tarifa en 1997

CPS = Costo máximo de prestación del servicio
S = Subsidios según CREG 115 de1 1996
IPC97= Índice de precios al consumidor en 1997.
IPC0= Índice de precios al consumidor año base
K = Desmonte de subsidios
IPC m–1= Índice de precios al consumidor en el mes m–1
Fuente: Resoluciones CREG 114 de 1996, 029 de 1997, 077 de 1997, 082 de 1997, 017 de 1998, 193 de
2003, 073 de 2003, 033 de 2005 y 037 de 1996.
123
Según el documento CREG 032 de 2005, se pone a disposición de los agentes dos
nuevas metodologías para la fórmula tarifaria presentada anteriormente. La primera
busca un cobro para las soluciones comunitarias con red de distribución, y la segunda,
un cobro para las poblaciones con soluciones individuales y sin red de distribución, si
bien debe anotarse que en la actualidad dichas metodologías continúan bajo análisis y
siguen vigentes las fórmulas presentadas en las anteriores ecuaciones.
En la práctica, la SSPD y el IPSE reconocen que las tarifas aplicadas a los usuarios son
diversas y están sujetas a múltiples variables. A continuación se presentan algunas de
sus limitaciones:
i) Altos niveles de pérdidas técnicas por deficiencia en las redes con estimativos de
la CREG inferiores a la realidad de las zonas.
ii) Inexistente o deficiente medición de los volúmenes de energía generada,
entregada y consumida, desencadenando un desconocimiento del valor real de la
energía.
iii) El CPS no refleja completamente la envolvente de costos (obsérvese que en el
cuadro 6-6 los llamados ―otros costos‖ tienen mayor peso participativo que los
CG y CDC).
iv) La actualización del CPS mediante las variaciones del IPC no reflejan las
variaciones de los principales componentes del costo que crecen sujetos a otras
variables distintas al IPC.
v) Algunos prestadores en las ZNI aplican tarifas por debajo de los costos
establecidos en el cuadro 6-6.
vi) La fórmula del CPS no es adaptable a los costos de generación que fluctúan
según el tipo de tecnología, el tamaño de las plantas y su ubicación.
vii) La fórmula varía según el rango de disponibilidad de 24 y 12 horas continuas
cuando en la práctica existen rangos inferiores de suministro del servicio, y casi
el 100% de las localidades analizadas en el cuadro 6-1 reciben servicio menos de
6 horas diarias no continuas, como resultado de la reducida disponibilidad y
precaria actividad comercial e industrial; por tanto, a menores horas de servicio
mayor tiempo de recuperación de la inversión.
viii) La fórmula no muestra claramente el peso ponderado del costo del transporte
para el mantenimiento de las plantas. De acuerdo con el cuadro 6-3, las ZNI no
poseen diversificación tecnológica y las plantas diésel requieren un costo de
transporte que puede representar hasta el 20% de los costos de AOM, cifra
inferior a los estimativos de la CREG; así mismo, los costos de inversión en
PCH propuestos no cubren los estimativos del IPSE.
ix) Existen bajos niveles de facturación, bajos niveles de recaudo y altos índices de
cartera, lo que se suma a las grandes distancias de los puntos de atención y pago
y origina un alto deterioro de la relación cliente prestador así como altos riesgos
de conexión ilegal y fraude.
x) Las empresas no cumplen con el reporte de información al SUI o ésta es
incompleta, lo cual limita el diagnóstico y las estrategias de gestión en las ZNI.
De igual modo, la presentación de proyectos de generación ante el IPSE para
recursos FAZNI no cumple con los requisitos y la documentación exigida, por lo
cual se desperdician los recursos para tal fin.
xi) Las ZNI poseen un alto riesgo por las restricciones sociales y de orden público,
lo cual requiere prever una prima alta, superior a la considerada en el SIN.
124
En el cuadro 6-8, se muestra la realidad de los distintos esquemas de tarifación

utilizados por los agentes en las ZNI. El 56% de los agentes cobran un valor fijo y sólo
el 16% aplica las tarifas establecidas por la CREG.
Cuadro 6-8. Distintos esquemas de tarifación aplicados por los prestadores en las ZNI
Esquema tarifario Nivel de

utilización
(%)
Tarifa sin cargo fijo 9
Tarifa con cargo fijo 14
Resolución CREG 16
Otros 5
Valor fijo 56
Fuente: IPSE (2007).
6.5. Incentivos para la energización de las ZNI
6.5.1. Incentivos directos e indirectos que otorga la ley
Para la energización de las ZNI, pueden identificarse incentivos tanto directos en el

sentido de que fueron diseñados exclusivamente con el fin de promover proyectos
energéticos en estas zonas, o bien, se pueden mencionar incentivos indirectos, en tanto
que son mecanismos generales de fomento de inversión, bien sea en proyectos
energéticos o en actividades adicionales que se deriven de estos como, por ejemplo, el
caso de la protección del medio ambiente.
6.5.1.1. Incentivos directos
En 1995 se expidió la Ley 223, que eximió del cobro de impuesto a las ventas a los
equipos y elementos nacionales o importados destinados a la ―construcción, instalación,
montaje y operación de sistemas de control y monitoreo, necesarios para el
cumplimiento de las disposiciones, regulaciones y estándares ambientales vigentes‖ (art.
4, Ley 223 de 1995). Así mismo, esta Ley creó un impuesto global para la gasolina y el
ACPM, exceptuando del cobro algunas actividades como la aviación o las grandes
naves marítimas (art. 58). Posteriormente, la Ley 681 de 2001 introdujo entre dichas
excepciones el cobro del impuesto para el combustible utilizado para la generación de
electricidad en las ZNI.
Las resoluciones 77 y 133 de 1997 de la CREG concedieron un período de gracia de

seis meses a las empresas prestadoras del servicio en las ZNI que se interconectaran al
SIN: la primera resolución da este plazo para que la empresa calcule el costo base de
comercialización y, mientras tanto, permite a la empresa continuar sujeta a las tarifas de
las ZNI; la segunda permite a las empresas, en dicho plazo, continuar contratando
directamente la energía necesaria para cubrir la demanda.
125
La creación del FAZNI se puede considerar también un incentivo, en tanto que

constituye un gran apoyo para el desarrollo de proyectos energéticos, pues garantiza un
flujo de dinero para su financiación una vez aprobado el proyecto, que puede provenir
de cualquier agente público o privado.
Otro incentivo que tiene que ver con la financiación directa de las ZNI fue el que
estableció la Ley 756 de 2002 al destinar un 40% del 15% de los recursos del FNR
destinados al fomento de los proyectos de energización, para adelantar proyectos
energéticos en las ZNI por quince años.
Los subsidios otorgados para reducir las tarifas al público de los estratos 1, 2 y 3 de las
ZNI fueron contemplados en el art. 63 de la Ley 812 de 2003, mediante el cual se
permitió destinar subsidios para inversión o financiación de los costos del combustible
necesario para poner en marcha las plantas generadoras. Adicionalmente, el decreto
1591 de 2004 dice que la proporción del subsidio que se destine a cada rubro será
acordada con el Ministerio de Minas y que la cantidad elegida para inversiones se
destinará directamente al prestador del servicio, mientras que la cantidad definida para
el combustible podrá ser enviada al proveedor de éste.
Dicho decreto estableció los siguientes criterios para calcular el monto del subsidio: 1)
la estimación se hace por localidad/año, 2) las horas de prestación del servicio según la
población, 3) la cantidad de energía efectivamente entregada, 4) el costo del
combustible en la zona; 5) las especificaciones técnicas de cada planta generadora; un
porcentaje promedio de pérdidas; 6) las tarifas que haya definido la CREG para las ZNI
que comprenden las actividades de generación, distribución y comercialización; 7) la
composición socioeconómica de la localidad y el factor de subsidio establecido en la
Ley 142 de 1994; y 8) un factor de ajuste para que exista correspondencia entre los
subsidios estimados y la disponibilidad presupuestal (Decreto 1591 de 2004).
La proporción de los costos totales que se subsidia (factor de subsidio) equivale al

promedio del porcentaje de la población de los estratos 1, 2 y 3 ponderado por el
porcentaje de subsidio definido por la ley para cada estrato: 50%, 40% y 15%
respectivamente. El monto del subsidio resulta de aplicar dicho factor de subsidio a los
costos totales por año (el valor de la facturación de cada localidad) (Resolución 180961
de 2004). Todo lo relacionado con este incentivo, que le corresponde al Minminas, fue
delegado al IPSE mediante la resolución 180961 de 2004.35
35
Este es un subsidio a la oferta, y la forma como se calcula da a entender que es un subsidio sobre costos totales,
pues para calcular el monto de costos a subsidiar se usa el costo total de prestación del servicio definido por la CREG
en la resolución 082 de 1997.
126
Cuadro 6-9. Colombia: factor de subsidio según tamaño y estrato socioeconómico de la

población de las ZNI
Fuente: Ministerio de Minas y Energía, Resolución 180961 de 2004.
Por último, la Ley 1099 de 2006 introduce la posibilidad de que con los recursos del
FAZNI que se otorguen para financiar un proyecto en una ZNI, se reembolsen parcial o
totalmente los costos de preinversión de dicho proyecto, que pueden ser los costos de
diseñar los pliegos para participar en las invitaciones públicas, así como los costos de
estudios y diseños. Este reembolso no puede exceder el 15% del costo total de las obras
propuestas para la energización de la ZNI (art. 12 Decreto 1124 de 2008).
6.5.1.2. Incentivos indirectos

En este escrito, se denomina incentivos indirectos a aquellos que no están diseñados
específicamente para estimular la energización de las ZNI, pero que constituyen una
motivación para adelantar proyectos en este frente, así como en otros campos. En este
caso, los incentivos dirigidos a preservar el medio ambiente y reducir las emisiones de
gases contaminantes pueden tener un gran impacto en los proyectos energéticos de las
ZNI dada su gran riqueza natural que permitiría desarrollar fuertemente proyectos
basados en fuentes alternativas de generación compatibles con dichos incentivos.
En este sentido, la Ley 788 de 2002 en su artículo 18 adicionó al estatuto tributario
como renta exenta la derivada de la venta de energía eléctrica generada a partir de
fuentes alternativas como eólica, biomasa o residuos agrícolas. La exención se otorga
por quince años, bajo las condiciones siguientes: a) que se vendan certificados de
emisión de dióxido de carbono, de acuerdo con los términos del Protocolo de Kyoto; y
b) que mínimo el 50% de los ingresos derivados de la venta de CER se inviertan en
obras que beneficien a la región donde opera el generador (art. 18, Ley 788 de 2002).
Así mismo, en el art. 95 dicha Ley admitió como una actividad que no causa impuesto
la importación de maquinaria y equipos de actividades que produzcan certificados de
reducción de emisiones. Por su parte, la Ley 939 de 2004 mediante sus artículos 8 y 9
exime al biocombustible de origen vegetal o animal que sea mezclado con ACPM para
ser usado en motores diésel, del IVA y del impuesto global al ACPM.
Además de esto, el decreto da la posibilidad de que el Ministerio de Minas genere

incentivos adicionales con el fin de aumentar la oferta en el servicio: ―El Ministerio de
127
Minas y Energía podrá incluir en el cálculo del subsidio incentivos que permitan a las
localidades ampliar las horas de servicio mediante la formulación de una relación entre
la eficiencia en el recaudo y el número de horas de servicio en la localidad‖ (D1591 de
2004).
La Ley 697 de 2001 o Ley URE, promueve el uso racional y eficiente de la energía
(URE) y el uso de fuentes no convencionales de energía en el marco del desarrollo
sostenible y promoviendo el respeto por el medio ambiente y los recursos naturales
renovables. En sus artículos 7 y 10, la Ley sienta las bases para establecer incentivos
para promover el URE y las fuentes no convencionales, pero en la mayoría de los casos
se queda en que se diseñarán estímulos e incentivos pero no se dicen cuales, con
excepción de uno muy claro: el art. 7 numeral 3 establece que se hará un
reconocimiento público mediante distinciones y difusión amplia por los medios para
aquellas empresas, universidades, entidades investigativas, docentes, etc., que se
destaquen por los diferentes programas que implementen para promover el URE.
Con el Decreto 3683 de 2003, el gobierno reglamentó la Ley 697. Son muy pocos los
premios o castigos que aparecen allí. Más bien se obliga a las empresas a promover el
URE, se anuncia el desarrollo de proyectos y programas para promover el uso de
fuentes no convencionales en las ZNI y se profundiza en el marco que crea y reglamenta
la condecoración al uso racional y eficiente de la energía y fuentes no convencionales u
Orden al Mérito URE. El objetivo de este premio es estimular a quien se destaque en el
URE y tiene tres categorías: una para industria y comercio, otra para investigación y
otra para la enseñanza especializada. Además de la distinción, para la que no hay
explícita una compensación monetaria, en el art. 17 se afirma que el Ministerio de
Medio Ambiente (MMA) ―dará amplio despliegue a los galardonados en los medios de
comunicación más importantes del país‖ (Decreto 3683 de 2003).
6.5.2. Las zonas no interconectadas y el mecanismo de desarrollo limpio
Uno de los incentivos más fuertes que pueden existir en la actualidad, dada la tendencia
mundial a la mitigación de los gases de efecto invernadero, al uso de fuentes
alternativas de energía y al desarrollo sostenible, es la oportunidad de ejecutar un
proyecto MDL para las ZNI y poder participar en el mercado mundial de reducciones de
carbono mediante la venta de CER y así, obtener ingresos extraordinarios derivados de
esta actividad.
El MDL es una de las vías que ha sido asumida por diferentes países en el mundo para
evitar una mayor contaminación del medio ambiente y reducir las emisiones de gases de
efecto invernadero (GEI) existentes en la actualidad, a partir del desarrollo de proyectos
de reducción de emisiones y la implementación de tecnologías limpias en los países en
desarrollo. Este mecanismo surgió con el Protocolo de Kioto firmado en 1997 como un
acuerdo entre un conjunto de países industrializados en el que se comprometieron a
reducir sus emisiones de gases de efecto invernadero en un 5% con respecto a los
niveles registrados en 1990 en el período 1998-2012.36
En Colombia, se empezaron a tomar medidas en torno a este tema en el año 2000

mediante la Ley 629 del Ministerio del Medio Ambiente. Mediante el MDL el
36
Para una mayor información sobre este tema, véase Restrepo, Tobón y Florez (2008).
128
Ministerio busca unas fuentes de inversión extranjera que permitan el inicio y desarrollo
de proyectos de captura y reducción de emisiones en sectores como energía, industria,
transporte, agricultura y bosques (MMA, 2002). Respecto a las zonas no
interconectadas (ZNI), el Ministerio a través de la Oficina Colombiana para la
Mitigación del Cambio Climático (OMCC) inició la elaboración de un plan de trabajo
en conjunto con el IPSE; para el mes de julio de 2002 se emitieron el Plan de trabajo
para el mecanismo de desarrollo limpio, que buscaba identificar y realizar el potencial
del MDL, representado en proyectos de suministro de energía eléctrica en las ZNI.
Para iniciar este plan de trabajo, en octubre de 2002 se realizó un estudio denominado
Diagnóstico de emisiones de gases de efecto invernadero (GEI) por suministro de
energía en ZNI. En este estudio se realizó un inventario de las zonas del país que no
tienen cobertura del SIN, y se establecieron los usos que se le dan a la energía y las
fuentes que se utilizan para generarla, y en qué condiciones es suministrada la
electricidad (horas al día, precio, costos, interrupciones, etc.), con el fin de proyectar la
demanda de electricidad en dichas zonas.
En el proceso de inventario, el documento identifica cuatro tipos de áreas en zonas no

interconectadas: primero, aquellas que en un corto plazo podrían ser objeto de conexión
al Sistema Interconectado Nacional (SIN); segundo, aquellas que por sus características
son de difícil interconexión en el largo plazo; tercero, las que podrían interconectarse
con otros países, como Puerto Carreño (Vichada) con Venezuela, y, por último, están
las poblaciones ubicadas dentro del SIN pero que tienen impedimentos técnicos para su
interconexión. La distribución de la población (2 habitantes/km2) frente al promedio
nacional de 38 habitantes/ km2 evidencia una alta dispersión, factor que incide de forma
directa en la viabilidad de iniciar un proyecto MDL.
Respecto al tipo de usuarios que hacen uso de la energía eléctrica, el documento

encontró que el 85% de la energía es consumida por hogares, con una ausencia notable
del sector industrial y empresarial. De todas las zonas, la Amazonía es la única con
presencia del sector industrial, las demás solo tienen un uso marginal por parte del
comercio e instituciones del Estado. La demanda en los hogares está segmentada
respecto al uso y respecto al número de personas en la población, siendo la cocción de
alimentos la tarea que más demanda electricidad en todas las poblaciones.
Como fuente de generación de energía para satisfacer estas necesidades, se usan

principalmente plantas diésel, además de pequeñas centrales hidroeléctricas
aprovechando caídas de agua y fuertes caudales de los ríos. La mayoría de las plantas
diésel, siete de cada diez, tienen una capacidad reducida de menos de 60 kWh, tan solo
una veintena de plantas tienen capacidad de generación mayor a 1000 kWh, lo anterior
determina que no sea posible establecer economías de escala, o reducir costos por
compras mayoristas de insumos (como el diésel). Una de las razones de la ausencia de
empresas productivas en estas zonas es que el servicio no se presta de manera uniforme,
el número de horas de servicio por día varía en gran medida y a menudo se interrumpe
por intervalos de tiempo variables. Como evidencia el documento de diagnóstico
encontró una correlación positiva entre la capacidad instalada y el número de horas de
servicio por día. Las razones que fundamentan esta deficiencia en el servicio es que la
mayoría de las unidades son subutilizadas, lo que deriva en problemas financieros y más
tarde técnicos por falta de mantenimiento.
129
Dependiendo del escenario para el aumento de la demanda (alto, medio o bajo), el

documento proyecta que para las ZNI entre los años 2000 y 2005 el incremento en las
necesidades de energía sería de entre 2,9% y 33%, los tres escenarios se elaboraron
teniendo en cuenta las estimaciones de la evolución en las variables de control, ingreso,
población y tarifas del servicio proporcionados por el DANE. Con las estimaciones de
la demanda, se procedió a estimar la cantidad de emisiones de GEI mediante
metodología propuesta en el año 1996 por el Grupo Intergubernamental sobre el
Cambio Climático —Intergovernmental Panel on Climate Change (IPCC)—.
El proceso metodológico utilizado para calcular las emisiones de GEI se divide en

cuatro pasos: primero se determina el consumo total de combustible, segundo, se
calcula la emisión potencial de carbono así como la fracción real de carbono que se
oxida (dado que no todos los combustibles emiten la misma cantidad de carbono a la
atmósfera en su combustión), tercero, se utilizan ponderadores sugeridos por el IPCC, y
cuarto, se convierte el carbono oxidado en emisiones CO2.
En esta metodología no fueron incluidas las emisiones provenientes de actividades de

transporte, utilización y cambio de uso del suelo, como tampoco la descomposición de
residuos sólidos. El IPCC un año después del estudio en Colombia, durante su reunión
en París en febrero de 2003, inició un proceso de renovación de la metodología que
finalizaría en abril de 2006. El surgimiento de nuevos estándares de medición se debe a
que no se estaban teniendo en cuenta los demás gases a parte del CO2 que se emiten en
la combustión, cuando se reemplaza selva por cultivos, o la forma en que se depositan
los residuos y que más tarde en la atmósfera se transforman en GEI, como por ejemplo
los óxidos nitrosos, el amoniaco, el metano, el ácido sulfúrico, ente otros (IPCC, 2006).
El uso del suelo es reconsiderado como factor adicional de emisión, elemento clave si se
piensa que muchas de las zonas no interconectadas del país son selváticas, que dado el
caso de que quieran reemplazar combustibles fósiles por biocombustibles, verían
reducidas las reducciones netas de GEI por efecto de cambiar vegetación presente por
otras plantaciones, la reducción de los ingresos provenientes de la venta de certificados
de emisiones no se haría esperar y podría comprometerse la viabilidad de proyecto si
este se compara con la metodología empleada antes de 2006.
En el plan de coordinación entre el MMA y el IPSE desarrollado en 2002, se tenía

establecido además de la identificación, la realización de proyectos. Para febrero de
2003, se emitió la Estrategia para la implementación de MDL en ZNI. En este
documento se utilizó el estudio de diagnóstico arriba descrito para establecer si existían
oportunidades para emprender proyectos MDL en ZNI, y posteriormente elaborar una
estrategia de implementación. En el artículo se determinó que dadas unas condiciones
en el mercado, como costos de transacción y precios de certificados, además de unas
características particulares de las ZNI (como la alta dispersión de la población), sólo
proyectos en localidades que demandaran más de 50 mil kWh al día podrían
beneficiarse de ingresos MDL (MMA e IPSE, 2003). Como sólo la ciudad de Leticia en
el departamento del Amazonas cumplía con esta restricción, el documento sugiere que
se debe explorar la alternativa de agrupar localidades alrededor de un único futuro
proyecto, modalidad conocida como proyectos sombrilla. De otra forma se debería
concluir que el MDL no es una opción.
130
Los proyectos sombrilla son aquellas agregaciones de pequeñas empresas bajo una
misma entidad administradora. Mediante este modelo es posible agrupar sectores
productivos que posean modos de producción y perfiles energéticos similares, pero que
debido a su tamaño no perciben una relación costo–beneficio interesante para aplicar el
uso de MDL. Estos proyectos son llamados así puesto que la estructura organizativa de
la entidad administradora es asimilable a una ―sombrilla‖ que cubre a los pequeños
individuos frente a los emisores de certificados y obtener el dinero proveniente de la
venta de certificados de forma más eficiente.
El uso del modelo de proyectos sombrilla en el MDL ofrece ciertas ventajas potenciales.
Se podrían ver reducidos los costos asociados a los estudios de planeación y desarrollo
del proyecto, en el caso de las ZNI los estudios de factibilidad e ingeniería de todos los
participantes se podrían dividir puesto que usan sistemas de generación similares. La
elaboración del documento de diseño del proyecto —Project Design Document
(PDD)—37 es muy costosa si se hace de forma individual, la entidad administradora
podría elaborar un solo documento que incluya todos los proyectos individuales de los
miembros. Para facilitar los procesos de validación y posterior verificación y
certificación de la reducción de emisiones alcanzada, el modelo de proyectos sombrilla
estandariza a través de la entidad administradora los llamados parámetros de línea base
tales como el horizonte de tiempo, la tecnología, las zonas involucradas que permiten
alcanzar la consistencia y transparencia, que son muy importantes para vender a buen
precio en el mercado de emisiones. También opera el poder de negociación a la hora de
comprar maquinaria o equipos de monitoreo y control, puesto que es posible obtener
descuentos importantes que no se obtendrían si se comprasen de forma individual, fuera
de las ventajas potenciales mencionadas, el mercado de venta de certificados prefiere
altos volúmenes, puesto que para el agente comprador se reducen los costos de
búsqueda y negociación, y estos beneficios adicionales que son percibidos por el
vendedor podrían hacer la diferencia al determinar la viabilidad del proyecto.
Como claras desventajas para el uso del modelo de proyecto sombrilla están el
requerimiento de que la entidad administradora sea una organización con capacidad y
sostenibilidad, lo que en lugar de minimizar los costos de transacción los incremente, el
marco legal para su existencia es complejo y se requieren de grandes inversiones
previas a su creación. El manejo del flujo de ingresos fruto de la venta de certificados
debe hacerse de manera eficiente y transparente, sólo empresas y organizaciones con
cierta antigüedad y experiencia podrían proveer dichas características y, por ende,
corregir y establecer estos factores de orden institucional constituyen una desventaja de
los proyectos sombrilla.
Retomando el orden del plan de acción entre el MMA y el IPSE, cabe recordar que las
condiciones del entorno y el contexto en el que se realizó el estudio en el año 2002,
llevaron a concluir que solo Leticia (Amazonas) podría ser objeto de un proyecto MDL.
Ésta restricción (localidades que demanden más de 50.000 kWh al día) se basa en un
precio esperado de $5 dólares por certificado durante los próximos 21 años, y en que
37
Un PDD es un documento que propone y explica una determinada actividad que se pretende desarrollar en un país
con el fin de reducir las emisiones de gases de efecto invernadero derivados de alguna actividad productiva
contaminante y contiene información relacionada con el desarrollo de dicha actividad como: la descripción general de
la actividad del proyecto, los participantes, duración del proyecto, proyecciones financieras (de costos e ingresos),
impactos sociales, económicos y ambientales, proyección de las reducciones anuales de emisión de gases, etc. La
finalidad de un PDD es someterlo a evaluación ante la UNFCCC en busca de que sea registrado como un proyecto
MDL y a partir de ahí se puedan emitir CER (Restrepo, Tobón y Flórez, 2008).
131
resulta muy costoso monitorear la emisión de GEI en las ZNI debido a la dispersión que
existe (MMA e IPSE, 2003). No obstante, las condiciones iniciales expresadas han
evolucionando favorablemente para el establecimiento de más proyectos.
Por ejemplo, el IPSE realizó en octubre de 2007 un proceso licitatorio para implementar
un servicio de comunicación satelital para la transmisión de datos de telemetría38 en las
ZNI y dado que precisamente uno de los impedimentos es disponer de una supervisión
asequible e inmediata de las emisiones fruto del funcionamiento de las plantas, se
podría inferir que con la implementación del sistema de telemetría dichos costos distan
bastante de los considerados en el informe de 2003, dado que las telecomunicaciones
satelitales observadas y las que se esperan en el futuro son mucho más baratas (InvesaT
wiki, 2007). Además, un precio de cinco dólares por tonelada de CO2 como punto de
vista optimista para el IPSE en 2003, frente a una cotización de veintiún dólares para
2008 en el mercado de certificados, advierte que se deben tomar con cautela las
conclusiones del estudio, y que la barrera establecida de 50 mil kWh al día puede ser de
hecho inferior y que se puede dar cabida a más localidades.39 En la figura 6-1 se observa
que la estimación ―optimista‖ del MMA e IPSE en 2003 dista mucho de la evolución de
los precios para 2008.
8.000.000 35
Volumen Total
7.000.000 Dic-06
Dic-08 30
6.000.000
25
5.000.000
Volumen (tonCO2)
Precio (EUR)
20
4.000.000
15
Proyección 2008
3.000.000
10
2.000.000
5
1.000.000
0 0
05 05 05 05 05 05 05 06 06 06 06 06 06 06 06 06
br- -Jun- -Jul- Ago- -Sep- -Oct- -Dic- Ene- -Feb- Mar- May- -Jun- -Jul- Ago- -Sep- Nov- -Dic-
06 Estimación usada
A
22- 01 07 12- 20 26 01 10- 15 23- 02- 08 14 21- 26 01- 07 por el IPSE
Fuente: European Climate Exchange (2006).
Figura 6-1. Evolución de los precios y las cantidades transadas en el mercado ECX,
contratos diciembre 2006 y diciembre 2008
Por último, y de acuerdo al plan de trabajo establecido en 2002, se propuso una

estrategia donde el IPSE y el MMA buscaran ejecutar un proyecto piloto que sirviera
como guía, estableciera precedentes, y proporcionara una idea de las capacidades a
desarrollar, necesarias para responder cuando las condiciones del mercado de emisiones
fuesen más favorables.
Dado el caso que el uso del sistema MDL no fuese viable, adicionalmente se
enumeraron posibles instrumentos financieros disponibles, que compartieran la misma
idea de los objetivos del MDL pero externos al mercado y cuyos requisitos fueran
distintos, por ejemplo, el uso del Fondo Especial de la Convención sobre Cambio
38
La telemetría permite la medición remota de magnitudes físicas y el posterior envío de la información hacia el
operador del sistema.
39
Se asume que existe paridad entre dólar y euro.
132
Climático ofrece recursos para financiar proyectos, recursos que son suministrados por
países industrializados y que para 2005 se esperaba sumaran US$410 millones de
dólares anuales. Sin embargo el uso de este fondo estaba reglamentado para la época de
tal forma que no se podían destinar recursos a proyectos de suministro de energía
eléctrica con fuentes renovables, pero se tomó como alternativa pensando en una futura
flexibilización normativa. Como plan C, en caso de que tanto la opción de MDL en el
mercado de certificados como la opción de fondos se agotase, se podría optar por las
políticas de transferencia de tecnología que ofrecen servicios de asesoría científica y
tecnológica, pero este tipo de políticas poseen mecanismos difusos de implementación
lo que requiere exploración adicional en caso de considerarse.
Finalmente, en la elaboración de la estrategia, se retoma el objetivo inicialmente

planteado de buscar contribuir con el suministro de energía eléctrica en ZNI,
maximizando criterios económicos y técnicos contemplados en acuerdos internacionales
reduciendo las emisiones de GEI pero con responsabilidad ambiental. Estos objetivos se
alcanzan , según el documento, en cuatro pasos: primero, desarrollando un proyecto
piloto de MDL en ZNI, segundo, ejecutándolo con recursos de uno de los fondos
internacionales, tercero, recurriendo a estos fondos para posteriores proyectos que en un
futuro fuesen presentados y, por último, ampliando la exploración de instrumentos de
transferencia de tecnología existentes en los acuerdos internacionales sobre cambio
climático, en parte por la naturaleza difusa de los acuerdos existentes.
En una simulación realizada en esta investigación, se encontró que bajo ciertos

supuestos – cuadro 6-10−, ahora es más viable y menos exigente la implementación de
un proyecto MDL para las ZNI, dadas las buenas condiciones presentes del mercado y
las positivas expectativas para el futuro. Para la simulación se construyeron dos
escenarios: uno en el que la inversión inicial y los costos de administración, operación y
mantenimiento (AOM) del proyecto son altos y, además, el precio de los CER es bajo
(12 euros/CER); y otro en el que los costos son más bajos y el precio del CER es alto
(21 euros/CER). El objetivo de la simulación fue determinar la cantidad mínima de
CER que necesita producir un proyecto MDL en las ZNI en un periodo de cinco años
para ser rentable, es decir, se buscó la cantidad de CER que permite obtener unos
ingresos tales que se puedan cubrir todos los costos y, por tanto, ni se gane ni se pierda.
Los costos de AOM son aquellos costos adicionales a los propios del funcionamiento de
un sistema energético, en los cuales se incurre para el correcto funcionamiento del
proyecto MDL.
Los resultados fueron los siguientes: 1) en el escenario uno, en el cual se hicieron los
supuestos más pesimistas (o conservadores) —cuadro 6-10—, la cantidad de CER que
genera unos ingresos que cubren los costos es de 12.842 anuales; 2) en el escenario dos,
el optimista –cuadro 6-10−, la cantidad mínima de CER que garantiza el cubrimiento de
los costos del proyecto es 5.207 por año. Así las cosas, el gobierno debería reactivar la
estrategia que se mencionó anteriormente y trabajar en la unificación de las ZNI en una
unidad administrativa pues los resultados de participar en un proyecto MDL pueden ser
muy satisfactorios además de unos ingresos adicionales que pueden ser un buen
incentivo para los generadores involucrados.
133
Cuadro 6-10. Supuestos para la simulación financiera de un proyecto sombrilla MDL

para las ZNI
Variable Escenario Escenario

optimista pesimista
Inversión inicial 150.000 300.000
Costos de transacción 42.106 43.376
Costos anuales de AOM 100.000 120.000
Precio esperado de CER 30 17
Fuente: Proyecto HMO.
6.6. Algunas experiencias internacionales con zonas no interconectadas
Zonas de alta dispersión poblacional, bajos ingresos, apartadas de los centros urbanos y
con difíciles vías de acceso son algunas de las características comunes a las que se
enfrentan comunidades latinoamericanas que no poseen acceso a la energía eléctrica.
Proveerles el servicio ha sido una tarea abordada de diferentes formas, ya sea por medio
de políticas específicas o por una planificación de programas, el objetivo central y
común en todos ha sido solucionar el problema de cobertura con calidad y bajos costos.
En esta sección se exploran cuáles han sido algunas de esas políticas y programas, los
mecanismos de adopción y se resaltarán sus aciertos como también los problemas e
ineficiencias que surgieron en su aplicación, también se identifican cuáles fueron sus
objetivos inicialmente planteados para finalmente hacer referencia a las metas
alcanzadas, y quiénes y de qué forma participaron en la financiación y ejecución.
Específicamente, se analizaron los casos argentino, brasileño, chileno y paraguayo.
Tanto Brasil como Argentina y Chile utilizaron como mecanismo común la
privatización y descentralización de las actividades inherentes al portafolio del negocio
eléctrico, portafolio compuesto por la generación, la transmisión, la distribución y la
comercialización. Sus objetivos, sin embargo, fueron distintos: mientras en el Brasil
pensaba en llevar energía a las comunidades más pobres con menores índices de
desarrollo humano, en la Argentina se buscaba simplemente ofrecer energía y en Chile
el objetivo era aumentar los índices de cobertura.
6.6.1. Argentina
En el inicio de los años 90, el gobierno argentino privatizó el negocio de los sectores de
generación y transmisión eléctrica. Más tarde, la distribución, en su mayoría en manos
de gobiernos locales, también fue privatizada. La idea era que la generación fuese
competitiva pero que la distribución fuese un monopolio asignado por zonas. Cualquier
idea de negocio debía ser compatible con esta concepción estructural del mercado
eléctrico argentino. Para 1995 el gobierno se dio cuenta de que dada la configuración
del negocio eléctrico, el sector privado que estaba encargado de la generación, no
estaría dispuesto a asumir los riesgos de invertir en zonas poco atractivas, sin
establecimientos industriales, alta dispersión poblacional y difíciles vías de acceso. En
respuesta se estableció el Programa de Abastecimiento Eléctrico de la Población
Dispersa Rural Argentina (PAEPRA), programa que buscaba en el transcurso de seis
años, proveer energía eléctrica principalmente para uso en iluminación y
comunicaciones (TV y radio) a 314 mil familias y seis mil establecimientos públicos en
dieciséis provincias, todas lejanas al sistema de interconexión eléctrica nacional (IEA,
2008). En la práctica, en su mayoría por razones políticas, los gobiernos preferían la
134
interconexión al sistema nacional frente a sistemas aislados de generación, en efecto los

fondos disponibles para proyectos lejos del sistema de interconexión finalmente se
agotaron (Covarrubias y Reiche, 2000).
Frente a esta situación, en 1999 el Banco Mundial ofreció su ayuda financiera, por
medio del Proyecto de Energía Renovable en el Mercado Eléctrico Rural (PERMER).
Este programa buscaba ayudar a 70 mil familias y 1.100 establecimientos públicos. Este
proyecto con costos estimados de 120 millones de dólares, sería financiado con recursos
aportados por el Banco Mundial, el concesionario, los consumidores y entidades como
el Fondo para el Desarrollo Eléctrico Argentino y el Global Environment Facility
(figura 6-2).
135
Figura 6-2. Argentina: participación en la financiación del PERMER

Fuente: Covarrubias y Reiche (2000)
El programa buscaba otorgar la concesión a entes privados que plantearan la tarifa

subsidiada más baja. Los concesionarios se comprometían electrificar mercados de entre
tres mil y veinticinco mil consumidores usando energías renovables como la solar, la
eólica, las pequeñas centrales hidroeléctricas (PCH) y otras donde fuese la opción más
rentable (Covarrubias y Reiche, 2000). Este aspecto es importante, puesto que la
empresa privada era quien escogía cuál tecnología usar, de acuerdo con su conducta de
maximizar su beneficio, teniendo en cuenta la demanda y la disposición de pago de cada
pequeño poblado, teniendo que realizar estudios que permitieran escoger aquella
tecnología de generación más eficiente en el área que le fuera otorgada. La asignación
se realizaría no por medio de juicios de valor, intereses políticos o económicos que lo
alejen del objetivo inicial. Para ello se diseñó un contrato aplicable a todas las regiones
del país, que asegurase que el concesionario maximiza la inversión y minimiza el
subsidio necesario, no se diseñaron contratos específicos por región sino un contrato
común. También se tiene un aspecto clave, y es que el concesionario no tiene la
obligación de cubrir áreas objetivo, no debe desplegar redes de distribución como meta,
sino que debe proporcionar el servicio a quien lo solicite, sea usuario particular o
entidad pública. El pago del subsidio al concesionario y al consumidor se basaba en
promedios que dependían del nivel de calidad del servicio prestado y la tecnología
limpia empleada. El subsidio a su vez cubría parte de los costos de instalación, pero no
se subsidiaban las tarifas, buscando no distorsionar la conducta de ninguno de los
agentes, que el consumidor no excediera su consumo como tampoco que el
concesionario redujera su eficiencia.
Pero, entonces, el regulador se pregunta constantemente: ¿qué configuración deben

tener estos subsidios?, ¿debe transferir el estado el valor del subsidio al concesionario ex
ante o ex post de la instalación, es decir, si se entrega el subsidio antes de que el
concesionario entregue prueba de compra, o después de que el concesionario pruebe que
ya ha instalado el sistema?. Si se elije la opción ex ante se reducen costos financieros y
se asume que el concesionario instalará lo más pronto posible el sistema, en cambio si
se elije la opción ex post se aumentan los costos financieros pero se crea un incentivo
para que el concesionario instale rápidamente el sistema y proceda a reclamar los
recursos. Además de esto, ¿deben todos los usuarios recibir el mismo subsidio?, es
136
decir, ¿deben todos los usuarios pagar la misma tarifa? la discriminación de precios a
través del mecanismo por estratos podría ser una alternativa para dar respuesta a estas
inquietudes.
6.6.2. Brasil
El Programa Nacional para el Desarrollo de Energía en Estados y Municipios
(PRODEEM) fue anunciado e implementado por el Ministerio de Minas y Energía
brasileño (MME) en 1996. Fue configurado para desarrollar 20 GW de capacidad de
generación a partir de recursos renovables. Su objetivo era llevar el servicio a escuelas,
centros comunitarios y sistemas de bombeo de agua (IEA, 2008).
Entre 1996 y 2000 PRODEEM proveyó energía eléctrica a 4100 pequeños poblados,
beneficiando a 708 mil personas. Los recursos empleados en la financiación de este
proyecto fueron de alrededor de $45 millones de dólares40, invertidos principalmente en
paneles solares fotovoltaicos para operación eléctrica en zonas rurales.
PRODEEM fue un proyecto centralizado, usando un enfoque top-down41 para

identificar sitios potenciales y posterior programación de la instalación de los equipos.
Más que un proyecto para electrificar hogares, el proyecto se diseñó para enfocarse en
escuelas, centros médicos y otras instalaciones de naturaleza pública. De esta forma el
Estado a través del servicio de energía eléctrica permite que se ofrezca a todos y no para
intereses particulares. Claro está que ésta búsqueda, al ser un proyecto centralizado, es
subjetiva en cuanto a la asignación de recursos (Valle y La Revore, 2003).
A pesar de que surgieron diferentes barreras de tipo regulatorio, tecnológico, entre otras,
que impidieron que el programa PRODEEM fuese de la magnitud esperada, algunas
zonas sí tuvieron éxito en su implementación. Según la empresa que fabrica y
comercializa paneles solares, BP-SOLAR, el éxito del programa PRODEEM reside en
que se obtuvo una participación activa del gobierno y las comunidades locales, quienes
asumieron el compromiso de garantizar la sostenibilidad técnica, económica y social de
los proyectos del orden local. Las experiencias exitosas se tuvieron en aquellos
proyectos impulsados por el Ministerio de Educación brasileño, que llevó energía
eléctrica a las escuelas en zonas apartadas, varios responsables por comunidad fueron
capacitados en la operación y mantenimiento de los sistemas instalados, lo que permitió
su desarrollo y operación sostenible (BP-Solar, 2008).
En 2003, en vista de que el avance del programa PRODEEM no era satisfactorio, el

nuevo gobierno, por medio del programa Luz Para Todos, se estableció la meta de
acabar con la exclusión eléctrica para más de diez millones de personas antes de 2008.
El programa con un costo estimado de R$12,7 billones de reales, donde el gobierno
central destina $9,1 billones y el restante es aportado por cada estado y por medio de
concesiones de cooperativas de electrificación rural, busca descentralizar el proceso y
subsanar los efectos que produce el tener una metodología top-down (MME, 2008).
40
Se asume un factor de conversión promedio de 1.77 reales por dólar en 2000.
41
El enfoque top-down es una estrategia para el procesamiento de la información y ordenamiento del conocimiento.
Por ejemplo una estructura en donde las decisiones son tomadas por un ejecutivo o alguno de los subalternos
autorizados forman un enfoque top-down. Lo contrario a aquél es el enfoque bottom-up, donde las decisiones son
producto del trabajo conjunto de muchas personas, instituciones o comunidades.
137
Durante la formulación del programa Luz para Todos, se encontró que las familias en
condición de exclusión eléctrica son, en su mayoría, aquellas con menor índice de
desarrollo humano además de que son familias con ingresos muy bajos. Lo anterior dio
pie para que el objetivo del gobierno y el programa fueran utilizar la energía como
vector de desenvolvimiento social y económico. El enfoque de utilizar la energía
eléctrica como elemento impulsador del progreso a través de la generación de empleo y
el desarrollo de actividades productivas, son un modelo empleado no solo en Brasil,
también en Hispanoamérica se ha pensado cómo aprovechar los efectos de la instalación
del servicio eléctrico en una familia o comunidad.
La idea entonces, de llevar la energía eléctrica no a los hogares como prioridad, sino a
proyectos sociales que le permitan al Estado tener presencia en regiones apartadas busca
que las personas se den cuenta de las ventajas de beneficiarse del acceso a energía
eléctrica y tomen la iniciativa de agruparse en poblaciones, reducir su dispersión y de
esa forma proveerles el servicio de forma más barata y eficiente.
6.6.3. Chile
En Chile, a través del Programa Eléctrico Rural (PER), creado por la Comisión
Nacional de Energía (CNE) en 1994, se planteó como meta alcanzar la cobertura del
90% del país para 2006, evitar las migraciones, fomentar el desarrollo productivo y
lograr un flujo estable de inversiones. Para lograrlo el Estado subsidia proyectos de
electrificación rural cuando tienen rentabilidad social, mas no rentabilidad privada.
Los lineamientos del PER configuran la metodología a utilizar por las entidades
reguladoras y de control en este sentido: los proyectos se cofinancian entre el Estado, el
sector privado y los usuarios; todos los agentes aportan; la decisión de inversiones es
descentralizada; cada región decide cuándo, cómo y en qué invertir; el Estado participa
por medio de subsidios a la inversión y no a la operación o mantenimiento; los costos de
operación y mantenimiento así como de administración de las soluciones energéticas
particulares son cubiertas por los usuarios por medio del pago de una tarifa en función
de la energía consumida; y el Estado no subsidia el consumo (Proyecto ERER, 2004).
Los dineros para alimentar este programa tienen como fuente principal recursos de
entidades como el Fondo Nacional para el Desarrollo Rural (FNDR), el BID por medio
de un aporte de 40 millones de dólares entre 2004 y 2006 y el Fondo para el Medio
Ambiente Mundial —Global Environment Fund (GEF)—, que financió estudios de
preinversión mediante un aporte no reembolsable de seis millones de dólares durante
cinco años (2001-2006). El gobierno chileno entonces optó por una solución en la que el
gobierno central interviene lo menos posible, con esto la iniciativa del empresario no se
ve afectada por perturbaciones en el mercado provocadas por el Estado. Como resultado
de esta política, todas las regiones del país aumentaron fuertemente sus coberturas de
electrificación rural tal como lo muestran las estadísticas del censo realizado en ese país
en el año 2002, donde el total de cobertura nacional pasó del 53% en 1994 al 86%,
cumpliéndose en gran parte la meta inicial (INE, 2008).
6.6.4. Paraguay
En el Paraguay se programó para 2003 el establecimiento de una política que permitiera
aumentar los índices de electrificación rural a través de energías renovables reduciendo
la dependencia de importaciones de combustible diésel. Específicamente, hay un
programa en desarrollo, administrado por las Naciones Unidas y financiado
parcialmente por el GEF (IEA, 2008).El programa identificó 150 mil familias que viven
138
sin acceso a electricidad. Del total de familias se inició un programa con 7.500 para
proveerles energía renovable a través de paneles solares, energía eólica y PCH. También
fue creado un fondo de garantías para reducir las dificultades del sector privado para
encontrar créditos blandos. Esto para eliminar la aversión del riesgo que se tiene
respecto a la inversión en el sector de energías renovables. Los usuarios pagarán la
inversión por completo, el Estado no destina recursos no reembolsables.
6.7. Conclusiones
Se puede decir que las ZNI en Colombia no han sido descuidadas por el Estado teniendo
en cuenta que desde la Ley 143 de 1994 se ha desarrollado toda una estructura
institucional y organizacional que ha permitido impulsar proyectos para proveer el
servicio público de energía en zonas aisladas del país. Así, hay que reconocer la
existencia de entidades dedicadas exclusivamente a esta tarea, como el IPSE, y un fondo
especialmente constituido para la financiación de proyectos: el FAZNI, además de una
red de apoyo compuesta por el FNR, el FIP, subsidios para reducir las tarifas finales,
entre otros incentivos que impactan indirectamente el desarrollo de proyectos
energéticos en estas zonas.
Sin embargo, a pesar de que han pasado casi quince años desde la promulgación de la
Ley eléctrica, hoy se viven situaciones como que el Chocó siendo el departamento
donde se concentra el mayor porcentaje de municipios con ZNI (un 28,6%) tiene una
precaria capacidad instalada, 13,4% del total de la capacidad en las ZNI, superado por el
departamento del Amazonas que cuenta con un 20,8% de la capacidad total y solo
concentra un 2,2% de municipios con ZNI. Así mismo, el Chocó, al igual que Caquetá
que es el tercer departamento con mayor número de municipios con ZNI, están entre los
departamentos con costos de prestación del servicio más altos del país.
La evidencia muestra que la política se ha concentrado en promover proyectos basados

en combustibles fósiles (a 2007 la generación en las ZNI estaba compuesta por 116
plantas diésel, un 96,3%, y solo dos PCH, un 3,7%), a pesar de que con la promulgación
de la Ley 697 de 2001 (Ley URE) se declaró el uso racional y eficiente de la energía y
de otras fuentes alternativas como un ―asunto de interés social, público y de
conveniencia nacional, fundamental para asegurar el abastecimiento energético pleno y
oportuno, la competitividad de la economía colombiana, la protección al consumidor y
la promoción del uso de energías no convencionales de manera sostenible con el medio
ambiente y los recursos naturales.‖ (art. 1, Ley 697 de 2001) y a partir de allí se
promovieron programas y subprogramas que buscaban, entre otras cosas, el desarrollo
proyectos piloto en las ZNI y de investigación y desarrollo tecnológico de fuentes
renovables en las ZNI, sin que hasta ahora se noten avances en estos frentes pues las
autoridades encargadas siguen considerando aquellos proyectos basados en diésel como
los más viables.
Con políticas más fuertes en este sentido y otorgando los incentivos en la vía correcta,
se podría lograr mucho desde aspectos tan específicos como eliminar los costos de
transporte del combustible para las plantas generadoras, el riesgo que implica la
volatilidad del precio del petróleo y la prestación parcial del servicio de energía (como
pasa en la mayoría de las ZNI), hasta ganancias en preservación y protección del medio
ambiente al evitar la contaminación derivada de la utilización de combustibles y, aún
más, oportunidades de explotar esta protección en el mercado internacional mediante
opciones como el MDL, teniendo en cuenta que esta es la tendencia mundial.
139
Al analizar la normatividad en torno a las ZNI, se puede ver que se casi no se ha

promovido la iniciativa privada en estos proyectos, descargando la responsabilidad en
las administraciones locales pero como una opción entre todos los proyectos que se
pueden emprender, no como una obligación ni con metas claras del Estado sobre la
provisión energética en estas zonas, con periodos de tiempo límite ni cobertura; a los
municipios se les hace saber las fuentes de financiación para los proyectos, se les indica
el procedimiento con la condición, en algunos casos, de que el proyecto que solicita los
recursos esté definido como prioritario en el plan de desarrollo local.
En cuanto a los temas del medio ambiente, la ley es muy pobre con respecto a esto. La
Ley URE, por ejemplo, hace referencia a generar incentivos que ni siquiera quedan
claros en la misma Ley ni se han traducido en proyectos visiblemente exitosos en las
ZNI. Respecto a la opción MDL, todo el trabajo que realizó la Oficina Colombiana de
Cambio Climático entre 2000 y 2003 se quedó no se concretó en una política ni en
acciones claras y en realidad no se planteó una estrategia para impulsar un proyecto
MDL debido a diversos factores como expectativas pesimistas del mercado, poca
información sobre el comportamiento futuro de éste y a los altos costos que se pueden
enfrentar al tratar de unir localidades para llevarlo a cabo. Hoy está comprobado un
desempeño favorable del mercado de CER, sin embargo, no ha habido una revisión y
actualización de dicha ―estrategia‖ con el fin de explorar la posibilidad de un proyecto
viable y no tan exigente como lo concebían en el 2003.
En este proyecto de investigación, se retomó esta posibilidad teniendo en cuenta las

nuevas condiciones del mercado (precios esperados de 21 euros/CER e incluso por
encima de los 50 euros para el segundo período del Protocolo de Kioto), y la tendencia
mundial a proteger cada vez más el medio ambiente y luchar contra el cambio climático,
lo que hará cada vez más estrictas las restricciones de contaminación para los países y,
por tanto, disparará la demanda de CER, y se concluyó que no se requiere unir tantas
localidades para obtener un proyecto rentable. Se recomienda, en este sentido, que el
gobierno establezca políticas más fuertes e impulse proyectos que usen fuentes
alternativas de energía.
BP-Solar (2008). Prodeem - Brasil. ―Energía de calidad para 80 mil niños en 11 Estados
de Brasil‖.
http://www.bp.com/genericarticle.do?categoryId=9015804&contentId=7040754 Acceso
30 junio de 2008.
Instituto de Planificación y Promoción de soluciones Energéticas (2006). Circular

SSPD–IPSE 0001 de 2004. , Diario Oficial No. 45652 del 26 de agosto de 2006.
CGR (2004). Energía para las zonas no interconectadas. Intervención del Vicecontralor
General de la República en la Agenda Nacional sobre Zonas no Interconectadas, Bogotá,
junio.
Covarrubias, A. J., & Reiche, K. (2000). A case of study on exclusive concessions for
rural off-grid service in Argentina. World Bank Energy and Development Report:
http://www.worldbank.org/html/fpd/esmap/energy_report2000/ch10.pdf. Acceso: junio
de 2008.
140
República de Colombia (1995). Constitución Política de Colombia. Norma, Santafe de

Bogotá.
Confis (2005). Republica de Colombia, Concejo Superior de Política Fiscal, Documento

DGPPN 18 de 2005.
CREG (2003). Bases conceptuales para la regulación de la prestación del servicio de

electricidad en las zonas no interconectadas. En: Documento CREG-073, 25 de
septiembre, Bogotá, p. 98.
Ministerio de Minas y Energía (2004). Decreto 257 ―Estructura Orgánica del IPSE‖.
Diario Oficial No 45–445 de 29 de enero de 2004.
Ministerio de Minas y Energía (2001). Decreto 2884 de 2001. Diario Oficial No 44–663
de 31 de diciembre de 2001, Reglamentación del FAZNI.
Concejo Nacional de Política Económica y Social (1999). Documento Conpes 3055 de

1999. ―Estrategias y acciones para la energización de las zonas no interconectadas‖.
Departamento Nacional de Planeación, Ministerio de Minas y Energía e Instituto de
Planificación y Promoción de soluciones Energéticas, Bogotá.
_______________ (2001). Documento 3108 Conpes de 2001. ―Estrategias y acciones

para la energización en las ZNI‖. Departamento Nacional de Planeación, Ministerio de
Minas y Energía e Instituto de Planificación y Promoción de Soluciones Energéticas,
Bogotá.
_______________ (2002). Documento Conpes 3192 de 2002. ―Estrategias y acciones
para la energización en las ZNI‖. Departamento Nacional de Planeación, Ministerio de
Minas y Energía e Instituto de Planificación y Promoción de Soluciones Energéticas,
Bogotá.
_______________ (2006). Documento Conpes 3453 de 2006. ―Esquemas de gestión

para la prestación del servicio de energía eléctrica en las zonas no interconectadas‖.
Departamento Nacional de Planeación, Ministerio de Minas y Energía e Instituto de
Planificación y Promoción de Soluciones Energéticas, Bogotá 2006,
European Climate Exchange (2006). Historical data ECX CFI Futures Contract.
http://www.ecxeurope.com/uploads/documents/ECXCFIFuturesContract-HistoricData-
19December2007.xls. Acceso 12 de abril de 2008
Hagler Bailly Services (2001). Establecimiento de un plan estructural, institucional y

financiero, que permita el establecimiento energético de las zonas no interconectadas
con participación de las comunidades y el sector privado. Bogotá.
ICEX (2004). El mercado de equipos para la generación de energías renovables en

Colombia. Oficina Económica y Comercial de la Embajada de España en Bogotá, Bogotá,
junio.
141
Instituto Nacional de Estadísticas de Chile —INE— (2002). Base de datos: Censo

2002. http://www.ine.cl/canales/base_datos/base_datos.php. Acceso: 12 de abril de
2008.
Ingeniería sin fronteras. (2007). Programa andino de electrificación rural y acceso a

energías renovables. http://aragon.isf.es/jornadasAUSB/documentacion/doc11.pdf.
Acceso: 12 de abril de 2008
International Energy Agency. (Abril de 2008). Global Energy Database.

http://www.iea.org/textbase/pm/?mode=re Acceso 12 de abril de 2008
Invesat-wiki. (2007). Future trends and expected technological evolution.

http://www.dappolonia-
research.com/invesatwiki/index.php/Future_trends_and_expected_technological_evolut
ion_-_Three_generations_approach_of_future_communications_satellite. Acceso: 12
de abril de 2008.
Intergovernmental Panel on Climate Change —IPCC— (2006). IPCC Guidelines for

National Greenhouse Gas Inventories. http://www.ipcc-
nggip.iges.or.jp/public/2006gl/pdf/0_Overview/V0_1_Overview.pdf. Acceso: 12 de
abril de 2008.
IPSE (2007). Cobertura IPSE en las ZNI. Diagnóstico estadístico de las ZNI.
http://www.ipse.gov.co. Acceso: 12 de abril de 2008.
_______________ (2007). Página de inicio.

http://www.ipse.gov.co/webipse.nsf/?Open. Acceso: 12 de abril de 2008.
República de Colombia (1995). Ley 143 de 1994, Ley de Energía Eléctrica, Editorial
norma, Ejemplar 2, Santa fe de Bogotá, 1995.
_______________ (1995). Ley 142, Ley de Servicios Públicos Domiciliarios, Norma,

Santafe de Bogotá.
_______________ (2000). Ley 633 de 2000, Congreso de la República, Diario Oficial

No 44275 de 29 de diciembre de 2000, Santafé de Bogotá.
_______________ (2003). Ley 855 de 2003, Congreso de la República, Diario Oficial

No 45–405 de 18 de diciembre de 2003, Santafé de Bogotá.
Ministério de Minas e Energia Brasil (2008). Programa Luz para Todos.

http://200.198.213.102/luzparatodos/Asp/o_programa.asp. Acceso: 12 de abril de 2008.
Ministerio de Minas y Energía, IPSE, Fondo de Inversiones para la Paz, DNP (2002).
Documento Conpes 3192. Plan Colombia: alternativas energéticas en el Pacífico, la
OrinoquíaylaAmazonía, 31 de julio de
2002.http://www.dnp.gov.co/archivos/documentos/Subdireccion_Conpes/3192.pdf.
142
Ministerio de Minas y Energía, Ministerio de Hacienda y Crédito Público, DNP (1999).

Documento Conpes 3055 - Estrategias y acciones para la energización en las ZNI.
http://www.acolgen.org.co/mod/docs/docs/CONPES-3055-99.pdf. Acceso: 12 de abril
de 2008.
_______________ (2001). Documento Conpes 3108 - Programa de energización

para las zonas no interconectadas.3 de abril de 2001,
http://www.acolgen.org.co/mod/docs/docs/CONPES-3108-01.pdf, Acceso: 12 de abril
de 2008.
Ministerio de Minas y Energía (2008). Acuerdos de asignación de recursos.

http://www.minminas.gov.co/minminas/sectores.nsf/pages/fazni_proyectos. Acceso: 12
de abril de 2008.
Ministerio de Minas y Energía. (2008). Comunicado de prensa 106.

http://www.minminas.gov.co/__05256b61000314c0.nsf/0/f0e0ca70b5407f6805257428
0077564d?OpenDocument&Highlight=2,fazni, Acceso: 12 de abril de 2008.
Ministerio del Medio Ambiente, Vivienda y Desarrollo Territorial (2002). Plan de

Trabajo.
http://www.minambiente.gov.co/viceministerios/ambiente/mitigacion_cambio_climatic
o/documentos/PlanTrabajoIPSE-Final.pdf, Acceso: 12 de abril de 2008.
MMA y IPSE (2002). Diagnóstico de emisiones de gases de efecto invernadero por

suministro de energía en zonas no interconectadas.
o/documentos/Diagn%F3sticoZNI.pdf. Acceso: 12 de abril de 2008.
MMA y IPSE (2003). Estrategia para la implementación del mecanismo de desarrollo

limpio en zonas no interconectadas.
o/documentos/EstrategiaMDL-ZNI.pdf. Acceso: 12 de abril de 2008.
MME, Ministerio de Hacienda y Crédito Público, SSPD, IPSE, DNP (2006).

Documento Conpes 3453 - Esquemas de gestión para la prestación del servicio de
energía eléctrica en las zonas no interconectadas.
http://www.superservicios.gov.co/siteSSPD/documentos/documentos_pub/85_904.pdf.
Oficina Económica y Comercial de la Embajada de España en Bogotá (2004). Nota

sectorial: el mercado de equipos para generación de energías renovables en Colombia.
Bogotá, Oficina Económica y Comercial de la Embajada de España en Bogotá.
PNUD (2001). Informe sobre desarrollo humano. Capítulo 2: las transformaciones

tecnológicas de hoy: la era de las redes.
http://hdr.undp.org/en/media/hdr_2001_ch2_es.pdf. Acceso: 12 de abril de 2008.
Proyecto ERER (2004). Proyecto de electrificación rural con energías renovables Chile.
http://www.renovables-
143
rural.cl/biblioteca/Presentaciones/taller/Presentacion_PER_2004_Junio.pdf. Acceso: 12
de abril de 2008.
Ministerio de Minas y Energía (2007). Resolución MME 1555 de 2007, Diario Oficial
No 46–708 del 2 de agosto de 2007, Transferencia de infraestructura eléctrica del Pisé en
las ZNI al Estado y entes territoriales.
Restrepo, Piedad Patricia, David Tobón y Jorge Hernán Flórez (2008).

Institucionalidad en torno a los mercados de carbono y los mecanismos de
flexibilización derivados del Protocolo de Kioto. Revista Facultad de Ingeniería,
Universidad de Antioquia, Medellín (por publicar).
República de Colombia, Ministerio del Medio Ambiente, Vivienda y Desarrollo

Territorial (2002), Plan de trabajo.
o/documentos/PlanTrabajoIPSE-Final.pdf. Acceso: 20 de diciembre de 2007.
Subdirección de planificación energética, IPSE, Minminas, 2007, Página web:

www.ipse.gov.co/ subdireccióndeplanificaciónenergética/2007. Acceso 12 de abril de
2008.
SSPD (2007). Superintendencia de Servicios Públicos Domiciliarios, Agenda

Ciudadana Nacional Sobre Servicios Públicos Domiciliarios de Energía en las Zonas no
Interconectadas del País, República de Colombia, 2007.
SSPD–IPSE (2005). Superintendencia de Servicios Públicos Domiciliarios, Informe

Sectorial de los Servicios Públicos 2006, Informe de Vigilancia.
SSPD–IPSE (2005). Instituto de planificación y promoción de soluciones energéticas

para las zonas no interconectadas, comentarios al proyecto de resolución CREG 033 de
2005, consulta pública, Tumaco.
Superintendencia de Servicios Públicos Domiciliarios —SSPD— (2007). Agenda

Ciudadana Nacional Sobre Servicios Públicos Domiciliarios de Energía en las Zonas
no Interconectadas del País. Santafé de Bogotá.
UPME (2006). Plan indicativo de expansión de la cobertura del servicio de energía

eléctrica 2006-2010. Unidad de Planeación Minero-Energçetica, República de
Colombia, Ministerio de Minas y Energía.
Valle, CD y E. la Revore (2003). Clean Development Mechanism (CDM) and

sustainable Energy Supply in Latin America.
http://www.ises.org/cdm/workshop/docs/Brazil_C_DoValle.pdf. Acceso: 12 de abril de
2008.
144

David Tobón Orozco42, Sergio Agudelo Flórez43, Gustavo Castillo Quintero44 y Oscar
Sánchez González45
Este capítulo contiene las estructuras de costos para las distintas alternativas de
energización que se consideran en la construcción de la herramienta multiobjetivo:
diésel, PCH, fotovoltaica, eólica, biodiésel y biomasa; también incluye la opción de
interconexión al sistema interconectado nacional (SIN), y la consecuente compra de
cada kWh a precios de la Bolsa de Energía. Este trabajo posee la virtud de que se
aplican todas las regulaciones que se han promulgado en Colombia sobre el costeo de
las actividades de generación y transmisión de electricidad; y donde no se ha regulado,
como ocurre en las tecnologías alternativas, se replican las fórmulas de costos de los
precios de mercado internacionales. La primera parte contiene los costos de las
alternativas de generación, la otra se ocupa de la transmisión utilizando supuestos
simplificadores como la disponibilidad de redes de tres tipos (13,2, 34,5 y 115 KW), y
la inconveniencia de transmitir a localidades pequeñas y esparcidas situadas a más de
100 km de las redes de transmisión conectadas al SIN.46
7.1. Propuesta de tablas consolidadas de costos de generación de energía eléctrica para

las tecnologías alternativas de generación
Al tratar de estipular los costos de generación de energía eléctrica para cada una de las
tecnologías que pudieran usarse en las zonas no interconectadas (ZNI), se evidencia la
falta o casi nula regulación por parte de los organismos reguladores (CREG, UPME,
Ministerio de Minas). Por tal motivo, se toma la regulación existente para la
determinación de los costos de generación para la plantas diésel y se cumplen las
características que cada una de las otras tecnologías disponibles y que pueden usarse en
las ZNI; se emplea la misma metodología para fijar esos costos. A continuación se
presentan cada una de las tablas propuestas para calcular los costos de generación de
energía eléctrica a partir de las fuentes que pueden ser usadas en la ZNI.
7.1.1Estructura de costos diésel
7.1.1. Breve descripción de las plantas diésel en las zonas no interconectadas
En las ZNI, según el reporte de agentes registrados como prestadores del servicio ante la
Superintendencia de Servicios Públicos Domiciliarios (SSPD), existen 95 prestadores
que poseen 1,075 plantas diésel para un agregado de capacidad instalada de 199.629
KW (véase cuadro 7-1).
Cuadro 7-1. Número de plantas diésel y su rango de potencia en kW
42
43
44
Investigador del Grupo de Microeconomía Aplicada, Universidad de Antioquia. . Dirección electrónica:
gacastilloq@yahoo.es.
45
Investigador grupo GEA, Universidad de Antioquia. Dirección electrónica: oscarsanchez@udea.edu.co.
46
Incluso la UPME, en su plan indicativo de expansión para 2006-2010, examina solo líneas de transmisión de 13,2
para abastecer máximo a 100 viviendas. Y en cuanto a tecnologías alternativas solo costea las plantas diesel,
argumentando la carencia de información para evaluar otras alternativas (UPME, 2007).
145
Número de plantas Rango de potencia en kW

772 0-60
90 60-100
93 100-200
71 200-500
36 500-1000
13 Superior a 1.000
1.075 Agregado
Fuente: documentos CREG 073 de 2003 y 037 de 2005
Sin embargo, en la práctica se presenta una restricción de abastecimiento, ya que el

servicio no es permanente y se presta por intervalos en el día entre cuatro y seis horas,
que en algunos casos no son continuas. Solo la localidad de Leticia, en Amazonas,
posee servicio veinticuatro horas. Por estos motivos la estructura de costos diésel es
bastante variada según el número de horas de servicio.
De las plantas diésel, 80% tiene capacidad nominal de menos de 100 kW, pero poseen
73% de la capacidad instalada. Solo existen trece plantas con capacidad superior a 1.000
kW ubicadas en 9 localidades con una capacidad instalada de 27% sobre el agregado de
las ZNI, así la estructura de costos del primer grupo varía con respecto al segundo.
Adicionalmente, la estructura operativa de las plantas también varía según el uso que se
le da a la energía eléctrica. En las ZNI, la participación en el uso de la energía se
distribuye así: 60%, cocción: 30%, refrigeración de alimentos; 10%, iluminación y 10%,
comunicaciones.
Las plantas más representativas, su ubicación y capacidad son:
—Leticia: cuatro unidades de 3.040 kW cada una;

— Cravo Norte: una unidad de 1.600 kW;
— Guapi: dos unidades de 2.100 y 1.275 kW respectivamente, además de otras
unidades menores;
— Inírida: dos unidades de 1.250 kW cada una, una unidad de 1.000 kW, además de
otras unidades menores;
— Chorro Bocón: una unidad de 1.364 kW;
— San José del Guaviare: cuatro unidades de 1.000 kW cada una, además de otras
unidades menores;
—Orito: una unidad de 1.000 kW, además de otras unidades menores con una capacidad
instalada conjunta de 2.560 kW;
—Hormiga: una unidad de 1.200 kW, además de otras unidades menores;
— Puerto Carreño: unidades de 1.000, 1.250 y 2.500 kW, además de otras unidades
menores.
Los agentes deben reportar ante el IPSE y la SSPD, por un lado, las características
generales como: tipo de planta, proveedor, valor de compra, costos anuales, propósitos
del proyecto, mantenimientos efectuados y, por otro, características técnicas como:
motor, marca, modelo, potencia, vida operativa, último mantenimiento, generador,
transformador elevador, caseta.
146
En síntesis, las plantas diésel de las ZNI tienen como características generales la
frecuencia de unidades fuera de servicio y la subutilización de la capacidad instalada y
una variada estructura de costos según las horas de servicio, según su capacidad
nominal y su grado de utilización por parte de la demanda. Según el estudio Hagler
Bailly-Aene (2001), se encuentra una disponibilidad promedio de las plantas de 60% y
un factor de utilización de 26%.
7.1.2. Discriminación de la fórmula tarifaria y sus componentes para la tecnología diésel
Los supuestos para el cálculo de los costos de tecnología diésel se presentan en el

cuadro 7-2.
Cuadro 7-2. Supuestos para el cálculo de los costos de generación diésel
—Tasa de retorno: 9%
—Tasa de cambio: 1.700 $/dólar
—Horas de prestación del servicio: 24 horas47
—Factor de carga: 0,9
—Disponibilidad anual de las plantas: 98%48
—Vida útil de las plantas: 131.400 horas de servicio continuo
— Precio del combustible: US$4,76 /galón
— Precio del lubricante: US$16,22 /galón
Supuestos de los autores.
A continuación se presenta la fórmula agregada del costo de generación con tecnología

diésel (ecuación 58) y luego la discriminación de sus componentes.
Costo diésel: costo de inversión + costo del combustible + costo del lubricante
+ costos totales operativos + costos de mantenimiento + costos de transporte (58)
Fuente: Resoluciones CREG 033 de 2005 y 091 de 2007.
7.1.3. Costo de inversión diésel
Discriminando la fórmula del costo diésel, se tiene primero los costos de inversión,
explicados en la ecuación 59:
Costo inversión diésel: costo de la planta + costo de la planta instalada (incluye estudios de
factibilidad, compra y adecuación de terrenos e infraestructura complementaria) + costo de
la caseta (59)
Fuente: resoluciones CREG 033 de 2005 y 091 de 2007
47
En la práctica casi 100% de las localidades tienen servicio menos de seis horas continuas.
48
La disponibilidad promedio de las plantas es realmente de solo 60%.
147
7.1.4. Costos del combustible
Los costos de combustible presentan una fórmula general, expresada en la ecuación 60,
una fórmula específica, siguiendo la ecuación 61, y otra según la capacidad instalada
(ver cuadro 7-3).
Costo combustible: consumo específico del combustible kg/kWh*precio del combustible en el

sitio $/kg (60)
Costo combustible: costo del productor + IVA + tarifa estampilla de transporte de combustible
+ margen del distribuidor mayorista + costos de almacenamiento + costos de transporte (61)
El combustible tiene un consumo específico bajo el supuesto de estar en carga media,

según la capacidad discriminada en el cuadro 7-3.
Cuadro 7-3. Correlación de galones por kWh según la capacidad de las plantas diésel
A capacidad menor a 100 kW le corresponde 0,0885 galones por kWh (este es el rango de
80% de las plantas)
A capacidad entre 100 kW y 1.000 kW le corresponde 0,0750 galones por kWh
A capacidad entre 1.000 kW y 3.000 kW le corresponde 0,0625 galones por kWh49
7.1.5. Costos del lubricante
Para el costo del lubricante, la CREG determina sólo una cuantía según la capacidad
instalada, para plantas entre 0 kW y 2.000 kW el valor es de 0,001226 galones por kWh,
sintetizando la fórmula según la ecuación 62.
Costo del lubricante diésel: consumo específico del lubricante kg/kWh * precio del lubricante en
el sitio $/kg 62)
49
Sin embargo, según estudios del IPSE los rangos deberían ser: 0,0885 gal/kWh para una capacidad menor a
100kW; 0,0800 gal/kWh para una capacidad entre 100-1000 kW; 0,0787 gal/kWh para una capacidad entre 1000 y
2500 kW y 0.0709 gal/kWh para capacidades mayores a 2500 kW.
148
7.1.6. Costos operativos totales
Los costos totales de operación son la sumatoria de los costos operativos, así
representan 10% de la suma de los costos por consumo de combustible y lubricante
(ecuación 63).
Costos operativos: 0.1 * (costos combustible + costo lubricante) (63)

Por tanto, los costos totales de operación son de nuevo una envolvente de costos del
lubricante y el combustible (ecuación 64).
Costos totales de operación: costos operativos + costo del combustible + costo del lubricante (64)
Complementando la discriminación de la fórmula de la ecuación 58, se tienen los costos

de mantenimiento y los costos de transporte. Los primeros están en función de la
depreciación de los equipos diésel y los segundos de la matriz origen y destino
establecida por la CREG (véanse cuadro 7-4 y ecuación 65).
Cuadro 7-4. Costos de mantenimiento
Costos de mantenimiento ($/kWh): 0,45 * depreciación
Depreciación ($/kWh): valor de la planta/generación total
Generación total (kWh): potencia nominal * factor de carga * vida útil
Vida útil: 20.000 horas para motores hasta 2.000 kW y 60.000 horas para capacidades superiores
Para el cálculo de los costos de transporte la metodología es más compleja. La CREG

diseñó una matriz donde se ubican los puntos de origen del combustible, los puntos
intermedios de tránsito del mismo y finalmente los puntos de destino, calculando los
costos en cada tramo (ecuación 65).
Costo de transporte = matriz de origen y destino con el costo de transporte.

envolvente de costos de transporte en cada tramo de la matriz (65)
En síntesis, la fórmula general de la estructura de costos la para tecnología diésel es:
Costo total diésel = costo de inversión + mantenimiento + combustible + lubricante +

administración y operación (66)
149
En el cuadro 7-5 se identifican cada uno de los componentes de la estructura de costos,

medido en dólares anuales de junio de 2008. También están los costos de
mantenimiento —manto—, el del combustible —fuel—, los costos del lubricante y los
de administración y operación —AO—, todos medidos en US$/kWh.
Cuadro 7-5. Costos de inversión, mantenimiento, combustible, lubricante y AO para

tecnología diésel*
Potencia en Costo de Costo del Costo del Costos totales Costo de

Costo total
KW inversión combustible lubricante operativos mantenimiento
2 630 7.380 348 8.502 21 16.882
2 383 9.152 432 10.542 13 20.522
3 552 11.071 523 12.753 18 24.916
3 660 12.141 573 13.985 22 27.381
4 790 15.499 732 17.854 26 34.901
5 925 16.606 784 19.129 31 37.475
5 1.324 17.861 843 20.574 44 40.646
5 2.209 19.484 920 22.445 74 45.132
6 2.344 20.407 963 23.507 78 47.300
10 3.150 36.902 1.742 42.509 105 84.408
15 3.750 55.354 2.613 63.763 125 125.605
26 5.250 95.946 4.529 110.523 175 216.423
50 6.338 184.512 8.710 212.544 211 412.315
60 7.188 221.414 10.452 255.053 240 494.347
85 8.813 313.670 14.807 361.325 294 698.909
115 10.488 359.642 20.033 417.642 350 808.154
170 15.250 531.644 29.614 617.384 508 1.194.401
200 16.875 625.464 34.840 726.334 563 1.404.075
275 20.376 860.013 47.905 998.709 679 1.927.682
320 27.459 1.000.742 55.744 1.162.135 915 2.246.995
360 28.600 1.125.835 62.712 1.307.401 953 2.525.502
400 28.871 1.250.928 69.680 1.452.668 962 2.803.109
450 34.212 1.407.294 78.390 1.634.252 1.140 3.155.288
500 34.388 1.563.660 87.099 1.815.835 1.146 3.502.129
*Todos los costos son anuales y están expresados en US/KW a precios de junio de 2008.
Fuente: listados de precios de combustibles, lubricantes de Ecopetrol y componentes tecnológicos ofertados por
fabricantes.
Del cuadro 7-5 se puede deducir que: a) a mayor capacidad menores los costos de
inversión, a excepción de capacidades superiores a 900 kW nominal, y b) a mayor
capacidad nominal menores costos de mantenimiento por kW.
7.1.7. Experiencias empíricas del cálculo de generación con diésel en dos zonas no
interconectadas basadas en información de la CREG y el IPSE
A manera ilustrativa pueden aplicarse las fórmulas anteriores para calcular el costo de
generación diésel para dos localidades: El Rosario en Nariño y San Felipe en el Guainía.
En la primera se presenta como modelo de la CREG, discriminando los costos de
inversión, administración, mantenimiento y combustible, y algunas comparaciones con
otros departamentos (provincias) de Colombia en relación al costo del combustible. En
San Felipe sólo se presentan los costos de transporte, factor de peso en el cálculo de los
costos de mantenimiento, no muy claros en la metodología CREG.
150
Primero se calcula el precio del electro combustible para la localidad del Rosario en
$/galón, así:
1. Precio del productor en Barranca: $1.608,50.

2. IVA: $257,36.
3. El transporte desde el productor hasta Neiva se determina según la matriz de origen
destino de la CREG: $267,26.
4. El precio de venta del distribuidor mayorista será la sumatoria de los tres costos
anteriores: $2.133,12.
5. Margen del distribuidor mayorista, que es una constante por estar fijado por ley:
$185,00.
6. Precio máximo en planta de abasto mayorista en Neiva, es la sumatoria del precio del
distribuidor y su margen: $2.318,12 ($2.133,12 + $185,0).
7. Uno de los problemas del costo de generación con diésel es el cálculo del transporte
en planta de abasto, es decir, desde Neiva hasta la planta en el Rosario que es un costo
libre, para este ejemplo: $241,51.
8. Finalmente el costo del combustible es la envolvente del precio de abasto y el costo
del transporte: 2.559,63 (2.318,12 + 241,51).
Cuando se realiza este mismo ejercicio para el Chocó, Putumayo y Vaupés puede
observarse la gran volatilidad del costo del combustible $/galón entre los
departamentos, lo cual implica mayor complejidad en el cálculo de los costos de
generación con diésel, así:
1. Valor del galón de combustible en el Chocó: $3.838,9 (50% más costoso que
Nariño).
2. Valor del galón de combustible en Putumayo: $2.702,05 (5,5% más costoso que en
Nariño y 42% más barato que en el Chocó).
3. Valor del galón de combustible en Vaupés: $8.721,46 (240% más costoso que en
Nariño, 127% más costoso que en el Chocó y 222% más costoso que en el Putumayo).
Si se analiza los costos del lubricante las proporciones son aún más elevadas, así:
1. Valor del lubricante en Chocó: $13.436,2 $/galón

2. Valor del lubricante en Putumayo: $9.457,19 $/galón
3. Valor del lubricante en Vaupés: $30.525,174 $/galón (127 veces más costoso que en
Chocó y 222 más que en Putumayo).
Luego se realizan los cálculos del costo de inversión, bajo el supuesto de tenerse una
planta que trabaja diez horas diarias con una capacidad instalada de 75 kW, así:
1. Costo de la planta: 20.977 $US

2. Costo de la planta instalada: $75.194,403
3. Costo de la caseta: $10.000.000
4. Costo de inversión agregado de los costos de la planta instalada y la casera:
$85.194.403 (75.194.403 + 10.000.000)
5. Costo del kW: costo de inversión dividido por la capacidad instalada de la planta:
1.135.925 $/kW ($85.194.403/75).
6. Vida útil: determinada tanto en años como en horas, para una planta de hasta 2.000
151
kW, sería 20.000 horas o 5,59 años.

7. Costo anual equivalente: $324.164 $/kW año.
8. Energía anual generada: el supuesto es en condiciones normales de funcionamiento, a
diez horas diarias la producción anual es de 2.683 kWh/kW año.
9. Costo unitario de inversión $120,83 $/kWh, este costo representa el 27% de los
costos totales de generación con tecnología diésel.
Al complementar la matriz de costos, están los costos de combustible, administración,

operación y mantenimiento que, como se observa a continuación, representan 73% de
los costos de generación diésel, discriminados en 60% de costos del combustible y 13%
de AOM para este ejemplo, así:
1. Consumo de combustible: 0,0885 galones/kWh

2. Consumo de lubricante: 0,001226 galones /kWh
3. Costo del combustible y el lubricante: $265,36 kWh
4. Agregado de costos de lubricante y combustible: 60% del costo total ($265,36/442,81
$/kWh)
5. Costo de administración: 26,54 $/kWh
6. Costo de mantenimiento: 30,08 $/kWh
7. Agregado de AOM: 56,52$/kWh ($26,54+30,08 $/kWh), representa 13% del costo
total ($56,52/442,81$/kWh).
8. Agregado de combustible, administración operación y mantenimiento (AOM) total:
321,97$/kWh ($265,36 + 56,52$/kWh), constituyendo 73% del costo total
($321,97/442,81 $/kWh).
Finalmente, el costo total de generación diésel es la sumatoria de los costos de inversión

$120,83/kWh, combustible-lubricante $265,36/kWh y los AOM $56,52 para
$442,71/kWh.
El anterior ejemplo, común para las plantas diésel, presenta un costo total AOM de 73%
y un costo de inversión de 27%; sin embargo, no resulta claro dentro de los costos AOM
la discriminación de los costos de transporte, que según el siguiente ejemplo pueden
representar hasta 20% del total de los AOM.
Población: San Felipe, en el Departamento del Guainía.

Potencia instalada: 60 kW.
Horas de servicio: 4 horas diarias.
Frecuencia de mantenimiento: 2 veces al año.
Al calcular el mantenimiento de esta planta en pesos se tiene:
— Movilización para dos personas:

— Vuelo de Bogotá a Puerto Inírida: $1.380.000.
— Viaje Inírida a San Fernando: $60.000.
— Viaje San Fernando a San Carlos Río Negro: $680.000.
— Viaje San Carlos Río Negro a San Felipe: $50.000.
El agregado de movilización es $2.170.000.

152
Otros gastos son:

— Hospedaje (12 días para dos personas): $960.000.
— Alimentación $1.104.000.
— Herramientas, comunicaciones: $596.380.
— Mano de obra mecánico diésel y electricista: $4.000.000 y $1.900.000.
En síntesis, el mantenimiento cuesta $10.730.380, de los cuales 20% son costos de

movilización, en la práctica así funciona para la mayoría de las plantas diésel en las
ZNI.
En conclusión, los costos de generación con diésel están sujetos a una envolvente de
variables, donde se destacan:
— Los costos varían apreciablemente entre departamentos, según las horas de
servicio y el tamaño de la planta.
— Los costos actuales estimados son considerablemente mayores a los
establecidos por la CREG en 1997 y en 2007.
— No se observan variaciones importantes en los costos de prestación del
servicio con redes monofásicas y con redes trifásicas.
— Se tienen tres tipos de máquinas: las de uso continuo, las requeridas para los
picos de energía y las máquinas de respaldo para el mantenimiento de otras,
los costos para las tres varían.
— Los costos de administración, operación y mantenimiento (AOM) son muy
elevados y superiores a los establecidos por la CREG, lo cual se explica
porque: no se usa el combustible apropiado para la máquina, sino el
disponible; no se realizan los cambios de lubricante en los tiempos correctos
sino cuando está disponible; hay fallas en los cambios de los filtros de aire y
no se realiza mantenimientos preventivo correlacionados con las partes de la
máquina y según las horas de servicio.
7.2. Estructura de la oferta en las ZNI con tecnologías de generación distintas a la diésel
En las ZNI, aparte de de la generación con combustible diésel, se tiene cuatro

alternativas de generación: PCH, los sistemas fotovoltaicos, la energía eólica, la
biomasa y el biodiésel. De la primera tecnología sólo existe información de tres
pequeñas centrales con capacidad de 2.584 kW, que operan en Cauca, Chocó y la Costa
Atlántica (véase cuadro 7-6), y de la segunda tecnología se contabilizan 52 sistemas
fotovoltaicos con capacidad instalada de apenas 148.48 kW.
Cuadro 7-6. Estructura de la oferta de generación para tecnologías alternativas

diferentes a la generación diésel en las ZNI
Localidad Departamento Usuarios Capacidad instalada

kWh/d
López de Micay Cauca 443 1.970
Bahía Solano Chocó 1.660 11.600
Caracolí Costa Atlántica 138 64
Fuente: Propuesta regulatoria documento CREG 037 de 2005.
153
7.2.1. Tecnologías para pequeñas centrales hidroeléctricas

Para el cálculo de los costos de generación para PCH, las plantas según su tamaño se
dividen en nanocentrales, microcentrales, minicentrales y pequeñas centrales
hidroeléctricas.
Los supuestos para el cálculo de los costos de inversión de PCH son:
— Tasa de retorno: 9%
— Tasa de cambio: $1.700/dólar
— Horas de prestación del servicio: 24
— Factor de carga: 0,90
— Disponibilidad anual de las plantas: 98%
— Período de recuperación de la inversión: 131.400 horas de servicio
— Costos de administración, operación y mantenimiento: 50% del costo total
Los estimativos de costos se presentan en cuadro 7-7, así las nanocentrales presentan la
menor capacidad instalada y el mayor costo y las pequeñas centrales la relación inversa.
Cuadro 7-7. Estructura de costos de capacidad instalada de generación para PCH en las
ZNI
Tamaño de planta Potencia kW Costo de capacidad

instalada US$/kW
Nanoturbinas 0,1-1,0 5.000-3.000
Micro hidroeléctricas 1,0-100 3.000-10.000
Mini centrales 100-1.000 10.000-15.000
Pequeñas 1.000-10.000 15.000-20.000
Fuente: propuesta regulatoria documento CREG 037 de 2005
La fórmula general para la estructura de costos de PCH es:
Costo total PCH = costo de inversión + turbinas + inversores + baterías

+reguladores + AOM (67)
En el cuadro 7-8 se muestran los costos discriminados en dólares anuales para cada uno
de los componentes del costo, se tienen rangos de potencia hasta 1,000 kW.
Cuadro 7-8. Costos de capacidad instalada, turbinas, inversores, baterías, reguladores y

AOM para PCH*
Potencia Costo de Costos Costos Costo Costo Costos AOM Costo

en kW inversión anuales anuales anual anual operativos total
anual de de baterías reguladores
turbinas inversores dorales
0,1 5.000 384 800 175 76 3.218 5.538 15.191
1 3.000 8.100 880 3.354 200 7.767 5.538 28.839
10 3.500 8.730 7.590 9.434 210 14.232 5.538 49.734
15 5.000 11.040 10.165 15.435 220 20.930 5.538 68.328
20 5.000 14.250 15.180 18.868 220 26.759 5.538 85.815
154
25 5.000 18.075 17.750 24.869 220 32.957 5.538 104.409

30 5.000 21.675 22.270 28.302 220 38.734 5.538 121.739
50 5.000 35.000 30.495 13.726 300 44.761 5.538 139.820
100 10.000 40.000 51.841 13.726 300 57.934 5.538 179.339
250 10.000 70.000 121.980 13.726 300 108.003 5.538 329.547
500 15.000 100.000 207.364 13.726 300 168.195 5.538 510.123
1.000 15.000 180.000 365.940 13.726 300 287.483 5.538 867.987
* (dólares/kW de junio de 2008)

Fuente: Listado de precios de componentes ofertados por empresas fabricantes.
Los costos operativos representan 50% de los costos de inversión, turbinas, inversores,
baterías y reguladores, y equivalen a dos salarios mínimos vigentes a junio de 2008.
Para rangos superiores a 30 kW la energía no es almacenable, por eso se reemplaza el
costo de las baterías por el costo promedio determinado por el regulador para 1 km de
línea de transmisión con sus respectivos transformadores, equivalentes a $23.241.156 y
$52.102 para un total de $23.293.258, es decir, 13.726 US.
7.2.2. Tecnología de sistemas fotovoltaicos
Los sistemas solares fotovoltaicos se dividen en tres grupos dependiendo del tamaño y
de la tecnología utilizada, se denominan: individual DC, individual AC y centralizado
aislado; los datos para el cálculo de los costos de inversión son:
— Tasa de retorno: 9%
— Tasa de cambio: $1.700/dólar
Horas de prestación del servicio: 24
— Factor de carga: 0,90
— Disponibilidad anual de las plantas: 98%
— Período de recuperación de la inversión: 131.400 horas de servicio
— Costos de administración, operación y mantenimiento: 50% del total de costo
Los estimativos de costos se presentan en el cuadro 7-9. Allí, los sistemas de tecnología
centralizada aislados presentan la mayor potencia medida en kWp —kilovatio punta— y
la menor inversión en US$/kWp, mientras que las individuales presentan la relación
inversa.
Cuadro 7-9. Estructura de costos de generación para sistemas fotovoltaicos en las ZNI
Tamaño de planta Potencia kWp Costo de capacidad

instalada US$/kW
Individual DC 0,05-0,1 14.000-11.000
Individual AC 0,075-0,5 14.000-10.000
Centralizado aislado 0,3-10 11.867-5.000
Fuente: resoluciones CREG 033 de 2005 y 091 de 2007.
La fórmula general para la estructura de costos de la tecnología solar es:
Costo total solar = Costo de inversión + controladores de carga + inversores de

corriente + baterías + AOM (68)
155
El cuadro 7-10 presenta los componentes de costos para esta tecnología. Para la
tecnología solar la unidad de medida de la potencia es watts, porque la capacidad de
generación de esta tecnología es menor, solo se dispone de rangos máximos de
generación de 15.000 W y no se tiene discriminación horaria. Los costos de cada
componente se miden anualmente en dólares. Los costos de los controladores se
incluyen en los costos de inversión y el monto de AOM se aproxima a dos (2) salarios
mínimos mensuales legales. Los costos de operación se toman del 50% de los demás
costos.
Cuadro 7-10 Costos de inversión, controladores de carga, inversores de corriente,

baterías y AOM de la tecnología fotovoltaica*
Costos de
Costo de Costo de Costos de Costos de Costo
Potencia W inversor de
inversión batería operación AOM total
corriente
40 260 68 176 252 5.538 6.294
50 295 68 176 270 5.538 6.347
65 385 68 176 315 5.538 6.482
85 470 68 176 357 5.538 6.609
135 725 68 17 405 5.538 6.753
200 1.120 68 409 799 5.538 7.934
400 2.240 75 1.118 1.717 5.538 10.688
900 4.480 220 2.236 3.468 5.538 15.942
1000 5.600 250 3.354 4.602 5.538 19.344
1500 8.400 330 4.472 6.601 5.538 25.341
3000 16.800 595 8.944 13.170 5.538 45.047
5000 28.000 3.795 13.416 22.606 5.538 73.355
7500 42.000 4.000 17.888 31.944 5.538 101.370
10000 56.000 9.434 26.832 46.133 5.538 143.937
15000 79.000 10.165 35.776 62.471 5.538 192.950
*Todos los costos son anuales y están expresados en US/KW a precios de junio de 2008.
Fuente: listado de precios de componentes ofertados por diferentes empresas fabricantes.
7.2.3. Tecnología eólica
La fórmula general para la estructura de costos de tecnología eólica es:
Costo total eólica = Costo de inversión + controladores de carga + torres

+ inversores de corriente + baterías + AOM (69)
El cuadro 7-11 presenta los componentes de costos para esta tecnología. Igual que en la
tecnología solar la unidad de medida de la potencia es en watts, solo se tienen rangos
máximos de generación de 1.000.000 W.
Para el cálculo del mantenimiento se aproxima igualmente a la fotovoltaica en dos

salarios mínimos, ya que alguien debe encargarse de la revisión del funcionamiento
adecuado de los equipos, limpieza de paneles solares y revisión del nivel de líquido en
las baterías.
Para rangos superiores a 50 kW la energía no es almacenable, por eso se reemplaza el

costo de las baterías por el costo promedio determinado por el regulador para 1 km de
156
línea de transmisión con sus respectivos transformadores equivalentes a $23.241.156 y

$52.102 para un total de $23.293.258, es decir, US$3.726.
Cuadro 7-11. Costos de inversión, controladores de carga, costos de torres, inversores

de corriente, baterías y AOM de la tecnología eólica*
Costos de Costos de
Costos de Costos de Costos Costos
Potencia W torre de 15 inversor de Costo total
inversión baterías operativos AOM
metros corriente
300 1.265 3.150 68 1.118 2.801 5.538 13.940
400 960 3.150 75 1.118 2.652 5.538 13.493
900 2.475 3.150 220 2.236 4.041 5.538 17.660
1.000 3.275 3.150 250 3.354 5.015 5.538 20.582
1.500 6.598 3.150 330 4.472 7.275 5.538 27.363
3.000 10.425 3.150 595 8.944 11.557 5.538 40.209
5.000 15.750 3.150 3.795 13.416 18.056 5.538 59.705
7.500 23.250 3.150 4.000 17.888 24.144 5.538 77.970
10.000 30.750 3.150 9.434 26.832 35.083 5.538 110.787
15.000 46.500 3.150 10.165 35.776 47.796 5.538 148.925
50.000 123.000 0 30.495 13.727 83.611 5.538 256.371
100.000 221.400 0 51.841 13.729 143.485 5.538 435.993
250.000 442.800 0 121.980 13.734 289.257 5.538 873.309
500.000 797.040 0 207.364 13.741 509.073 5.538 1.532.756
1.000.000 1.354.968 0 365.940 13.757 867.333 5.538 2.607.536
*dólares/kW de junio de 2007

7.2.4. Tecnología biodiésel
Los rangos de potencia de esta tecnología están entre 2 kW y 600 kW. Se toma la
misma metodología del cálculo de costos de la tecnología diésel ya que sus
componentes son los mismos, como diferencia solo está el valor del combustible,
determinado en 3,63 dólares el galón, el precio del lubricante continúa en 16,22
US/galón. Los rangos de consumo también permanecen iguales a los de la tecnología
diésel; así, para capacidades menores a 100 kW corresponden a 0,0885 galones por
kWh y entre 100–1.000 kW son 0,0750 galones por kWh, y el consumo de lubricante es
de 0,001226 galones por kWh. Los costos operativos representan el 10% de la suma de
los costos por consumo de combustible y lubricante, y los costos de mantenimiento son
el 0,45 de la depreciación.
157
Cuadro 7-12. Costos de inversión, combustible, lubricante, operativos y AOM de la

tecnología biodiesel
Potencia Costo de Costo del Costo del Costos Costo de Costo

KW inversión combustible lubricante operativos mantenimiento total
totales
2 630 5.613 348 6.557 21 13.170
2,48 383 6.960 432 8.131 13 15.919
3 552 8.419 523 9.836 18 19.348
3,29 660 9.233 573 10.787 22 21.275
4,2 790 11.787 732 13.771 26 27.106
4,5 925 12.629 784 14.754 31 29.123
4,84 1.324 13.583 843 15.869 44 31.663
5,28 2.209 14.818 920 17.312 74 35.332
5,53 2.344 15.520 963 18.131 78 37.036
10 3.150 28.064 1.742 32.787 105 65.848
15 3.750 42.097 2.613 49.181 125 97.765
26 5.250 72.967 4.529 85.246 175 168.168
50 6.338 140.322 8.710 163.935 211 319.516
60 7.188 168.386 10.452 196.722 240 382.988
85 8.813 238.548 14.807 278.690 294 541.151
115 10.488 273.509 20.033 322.896 350 627.276
170 15.250 404.318 29.614 477.325 508 927.015
200 16.875 475.668 34.840 561.559 563 1.089.504
275 20.376 654.044 47.905 772.143 679 1.495.146
320 27.459 761.069 55.744 898.494 915 1.743.680
360 28.600 856.202 62.712 1.010.805 953 1.959.273
400 28.871 951.336 69.680 1.123.117 962 2.173.966
450 34.212 1.070.253 78.390 1.263.507 1.140 2.447.502
500 34.388 1.189.170 87.099 1.403.896 1.146 2.715.700
600 47.400 1.427.004 104.519 1.684.676 1.580 3.265.179

*dólares/kW junio de 2008
7.2.5. Tecnología biomasa
La energía a partir de biomasa se genera en forma de calor, consiste en quemar la

biomasa y con el calor liberado se calienta agua en una caldera con el fin de producir
vapor. Este vapor se utiliza en una turbina la cual por un proceso termodinámico genera
electricidad. Para este tipo de tecnología, además de la turbina, deben tenerse calderas,
sistemas de distribución de vapor, entre otros dispositivos de control.
Se presentan rangos de potencia desde 800 kW hasta 5.200 kW. Sus componentes de
costos son inversión, combustible, operativos y mantenimiento. Los supuestos que se
utilizan son: el poder calorífico (PCI) de la biomasa es promedio, los cálculos suponen
solo un kilogramo de biomasa por día para la relación de potencia; 0,38 es igual a la
eficiencia de la turbina de vapor o central térmica; 0,8 la eficiencia de calentar el agua
para formar vapor y 0,9 la eficiencia del generador. Se toman como valores de
conversión los números 24 y 3.600. El costo promedio de la biomasa es de US$0,03 kg.
y la vida útil de los equipos,131.400 horas. Los cálculos de mantenimiento y operativos
utilizan las mismas fórmulas de la tecnología diésel.
158
Cuadro 7-13. Costos de inversión, combustible, operativos y AOM de la tecnología

biomasa*
Potencia kW Costo de Costo del Costos Costo de Costos totales

inversión del combustible operativos manto
equipo totales
800 78.000 132.044 145.248 2.600 357.892
3.000 620.000 495.164 544.680 20.667 1.680.511
3.618 935.000 597.168 656.884 31.167 2.220.219
4.750 1.350.000 784.010 862.411 45.000 3.041.420
5.200 2.200.000 858.284 944.113 73.333 4.075.730
*dólares/kW junio de 2008
7.3. Guía de interpretación de los costos de transmisión de energía desde el sistema

interconectado nacional como alternativa para abastecer directamente las zonas no
interconectadas
7.3.1. Bases teóricas
Los componentes de costos para el cálculo del cargo por uso del sistema de transmisión
nacional (STN) están dados por la siguiente expresión:
Costos de transmisión = activos de conexión + activos de nivel de tensión n

o activos de uso + activos no eléctricos + AOM + pérdidas reconocidas, sobrecostos y
costos de reposición (70)
Los activos de conexión son los bienes que requiere un generador u operador de red
para conectarse físicamente al STN, o al sistema de transmisión regional (STR) o al
sistema de distribución local (SDL).
Los activos del nivel de tensión n, o también llamados activos de uso, o activos
eléctricos son los transformadores de distribución, equipos de maniobra y redes de
transporte denominados unidades constructivas o en general equipos y accesorios que
permiten a los operadores de red cumplir con los niveles de calidad exigidos por el
regulador, que al no cumplirse generan otro costo adicional, que se denomina
compensación y forma parte de los costos de los activos de uso. Operan a un nivel de
tensión determinado, por ejemplo, para tensión 1 es igual a 1 kV, para nivel 2 está entre
1 kV-30 kV, para nivel de tensión 3 entre 30 kV-57,5 kV y en el nivel de tensión 4 entre
57,5 kW -220 kV.
Los activos no eléctricos no hacen parte de los activos que se mencionan antes, pero son
necesarios para el transporte de electricidad, como: edificios, maquinaria, equipos de
transporte, cómputo y comunicaciones. A estos se le adicionan los costos de los terrenos
necesarios para instalar los activos eléctricos.
Los AOM son los costos de administración, operación y mantenimiento asignables a
cada nivel de tensión, discriminados para líneas rurales y urbanas, y para
transformadores.
159
Pérdidas reconocidas: el regulador adiciona al costo total de transmisión unos valores de

pérdida preestablecidos.
Sobrecostos: incluyen costos adicionales necesarios para la interconexión, se relacionan

con pendientes de los terrenos, caudales y cercanías a vías de acceso.
Costos de reposición: según el regulador se determina la capitalización de la inversión a

veinticino años y una vida útil de las unidades constructivas a cuarenta años.
7.3.2. Discriminación de cada componente del costo
Costos de los activos de conexión. Estos costos se determinan mediante contratos entre
los propietarios y los usuarios. No los regulas directamente la CREG, solo los aprueba
según los reportes de los agentes; incluyen terrenos, valor comercial de los activos, un
AOM específico, tasa de descuento y costos de reposición.
Costos de los activos de uso, activos de nivel de tensión n, unidades constructivas o

activos eléctricos. Se determinan según las resoluciones CREG 019, 025, 027, 029, 038,
082 de 2002 y 036 de 2008. Se discriminan los costos entre unidades constructivas de
líneas radiales y de líneas no radiales; las primeras se establecen con base en costos de
reposición a nuevo definidos por el regulador y las segundas a partir de una tasa de
descuento que fija el mismo en 14,06%. Ambas líneas tienen vidas útiles diferentes para
los cálculos de costos.
Se aclara que los niveles de tensión uno y dos tienen una discriminación de costos
adicional. Para el nivel de tensión dos se diferencia entre líneas rurales y urbanas cuyos
costos se determinan con base en la energía útil urbana o la energía útil rural reportada y
establecida por el regulador, y una tasa de descuento fija de 16,06%. También existen
fórmulas de costos adicionales para las unidades constructivas diferentes a líneas rurales
del nivel de tensión dos y fórmulas particulares para unidades constructivas que no
corresponden a los niveles de tensión mencionados y se ponderan tanto con una tasa de
descuento como con un costo de reposición a nuevo.
Para el nivel de tensión uno se discrimina entre redes aéreas y redes subterráneas tanto
rurales como urbanas, que son envolventes de costos de inversión y AOM específicos.
Sin embargo, para sintetizar el análisis, solo se toman los niveles de tensión dos y tres
para líneas de 13,2 y 34,5 KW.
Los costos de los activos de uso se correlacionan con el ingreso anual que, según el
regulador, deben recibir los propietarios de dichos activos, quien considera un factor de
productividad anual de 0,042% y se indexa según el índice de precios al productor
(IPP).
Las unidades constructivas, según la complejidad técnica para determinar sus costos, se
clasifican en bahías de conexión de equipos de compensación y no compensación,
módulos comunes de subestaciones convencionales, reducidas y encapsuladas, centros
de control, transformadores normales, especiales y de repuesto, módulos de baraje,
bahías de maniobra, bahías de transformación, transformadores de conexión y
tridevanados, etc.
160
Costos de los activos no eléctricos. Por un lado se tiene los costos relacionados con
edificios, maquinaria, equipos de transporte, cómputo y comunicaciones, los cuales se
calculan con base en datos comerciales reales aplicables según el tipo de activo; por otro
lado, los costos de terrenos se imputan con base en el avalúo catastral que tenga cada
unidad inmobiliaria requerida con sus respectivos costos de adecuación. Se reconocen
unas fracciones de costos de 4,1%.
Costos AOM. Se determinan según cada unidad constructiva con base en una fracción
máxima del costo de reposición para cada nivel de tensión: para el nivel cuatro es 0,02,
para el nivel de tensión tres es 0,04 y para el de dos es 0,04; también incluye un gasto
anual para activos en zonas de contaminación salina de 0,5%.
Costo de pérdidas reconocidas. Según los niveles de tensión y para cada año se estipula
un porcentaje de pérdidas que varían según área rural o urbana y de acuerdo con la
capacidad de transformación total instalada.
7.3.3. Supuestos utilizados y cálculos realizados
En la parte anterior, se definieron los conceptos necesarios para determinar los

componentes de la estructura de costos de interconexión de un proyecto en ZNI al SIN,
ahora se simplifica el análisis y los cálculos con base en algunos supuestos.
Los supuestos se instauraron siguiendo el último plan indicativo de expansión de la

cobertura del servicio de energía eléctrica 2006-2010 de UPME y la última resolución
CREG 036 de 2008 donde se hace público un proyecto para establecer los cargos por
uso del STR y del SDL, así como valores actualizados de las unidades constructivas
necesarias para una interconexión al STN; básicamente se busca determinar los
componentes del costo como función del número de viviendas a electrificar y la
distancia en km de la ZNI al SIN, dichos supuestos son:
1. La distancia mínima de interconexión del poblado al SIN es de 5 km, se espera que
deben ser poblaciones ya electrificadas o que es obligación del operador de red realizar
las obras necesarias para llevarles el servicio; para que los cálculos de costos sean
razonables se descarta cualquier proyecto de interconexión de una ZNI que se encuentre
a más de 100 km de la red del SIN más cercana.
2. Se toma como punto de conexión la subestación más cercana de 13,2 KW o de 34,5
KW, lo cual implica que se simplifican las unidades constructivas (UC) necesarias
eliminando costos de equipo de corte y protección y solo se toman los costos de los
transformadores y el costo por km de línea.
3. Técnicamente se consideran, por ser centros poblacionales de carácter rural, unas
condiciones mínimas de equipos de conducción del tipo 1, o sea de calibre menor a 2/0
AWG (american wire gauge), con líneas de dos fases de corte monofásico, para
regulación de voltaje menor a 5% dadas las condiciones de demanda solo para
iluminación y cocción sin comercio ni industria.
4. La UC promedio considerada fue la mayor abstracción realizada, ya que existen una
gran cantidad de unidades con diversos tipos. Se supuso una línea de circuito sencillo,
poste de concreto rural conductor tipo 1 con 2F, que según las resoluciones 082 de
2002, 030 de 2003 y 036 de 2008 de la CREG tienen los códigos desde N4L1hasta
NPL54 para el nivel de tensión 4, N3L1 a N3L30 para el nivel de tensión 3 y N2L1 a
N2L43 para el nivel de tensión 2, con precios de $24.170.802 para la UC del nivel de
tensión 2 y $83.871.000 para la UC del nivel de tensión 3. La elección de una línea de
161
tensión de 13,2 o de 34,5 se determina según el cuadro 45; por ejemplo, para una
longitud de 10 km y para un rango de 0,5 MW a 6 MW se escoge la línea de 13,2 KW,
y para potencias entre 7 y 10 MW se escoge la línea de 34,5 KW (ver cuadro 7-14).
Cuadro 7-14.Niveles de tensión por kilómetro de líneas y niveles de potencia

Longitud (km)
Potencia
(MW) 10 20 30 40 50 60 70 80 90 100
0,5 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2
1 13,2 13,2 13,2 13,2 13,2 13,2 34,5 34,5 34,5 34,5
2 13,2 13,2 13,2 34,5 34,5 34,5 34,5 34,5 34,5 34,5
3 13,2 13,2 34,5 34,5 34,5 34,5 34,5 34,5 34,5 34,5
4 13,2 34,5 34,5 34,5 34,5 34,5 34,5 115 115 115
5 13,2 34,5 34,5 34,5 34,5 115 115 115 115 115
6 13,2 34,5 34,5 34,5 115 115 115 115 115 115
7 34,5 34,5 34,5 34,5 115 115 115 115 115 115
8 34,5 34,5 34,5 115 115 115 115 115 115 115
9 34,5 34,5 34,5 115 115 115 115 115 115 115
10 34,5 34,5 34,5 115 115 115 115 115 115 115
Fuente: Edgar Durán (2008).
5. También se tiene como dato de entrada el valor promedio de un transformador que

sea aplicable a la UC anterior con un costo de $189.770.000 para el nivel de tensión 2,
correspondiente al código N4T3 de las UC determinadas en la resolución 036 de 2008,
multiplicando por la demanda de la población a satisfacer equivalente a 5 MVA
(megavoltampeiros). Para el nivel de tensión 3 tiene un costo de $1.138.620.000
correspondiente al código N4T3 multiplicado por 30 MVA si fuera del caso.
6. Los AOM se establecieron en 4% de los costos de inversión, se discriminan para
líneas y para transformadores. Para el nivel de tensión 2 se tiene un AOM de líneas de
$73.625.349 y un AOM para transformadores de $7.590.800, para un AOM total del
nivel de tensión 2 de $81.216.149. Los AOM para el nivel de tensión 3 son equivalentes
a $226.457.856 para líneas y $45.544.800 para transformadores resultando un agregado
de $272.002.656.
7. Para el cálculo agregado de los costos de conexión se plantean tres tipos de
sobrecostos, que pueden presentar este tipo de proyectos asociados a la pendiente del
terreno, la existencia de ríos según su caudal y la cercanía a vías de comunicación
(véase cuadro 7-15).
Cuadro 7-15. Sobrecostos aplicados a la alternativa de interconexión

Pendiente del terreno Criterio Costo miles $/km
Alta Mayor a 30 grados 24.171
Media 10-30 grados 6.043
Ríos con caudal
Principal Alto caudal 46.342
162
Secundario Mediano caudal 12.085

Cercanía a vías
Carretera y ferrocarril Distancia menor a 4 km 6.043
Sin vías 24.171
Fuente: UPME (2007).
8. El costo de la inversión se capitaliza a veinticinco años utilizando una tarifa promedio

de compra de la energía en bolsa de 167 $/kW. Además, se establece un valor de costos
de reposición de $1.461.221 que se multiplica por el número de viviendas a electrificar,
que resulta en $146.122.100 para el caso de una población de 100 viviendas.
Finalmente, al sumar todos los costos anteriores, la alternativa de interconexión para

nivel de tensión 2 tiene un costo de $2.257.741,977 y la interconexión para el nivel de
tensión 3 tiene un costo de $7.218.191,156 (a precios de junio de 2008).
Consejo de Ministros de la República de Bolivia (1997), ―Reglamento de

Electrificación Rural según la Ley 1604, Decreto supremo 24772 de 31 de julio de
1997‖. Bolivia.
Comisión Nacional de Energía, Chile (2002) ―La Electrificación Rural en Chile,

Logros de un Programa Social de Gobierno 1992-2002‖, Santiago de Chile.
Comisión de Regulación de Energía y Gas (1997). Documento CREG 024A,

―Metodología de cálculo de costos de prestación del servicio y fórmulas tarifarias para
usuarios regulados en Zonas No Interconectadas‖. Soporte Resolución CREG 077 de
1997. Abril 11 de 1997, Bogotá.
____________ (1997). Documento CREG 037 de 1997, ―Costo de prestación del

servicio de electricidad en Zonas No Interconectadas‖. Soporte Resolución CREG 082
de 1997, Abril 29 de 1997, Bogotá
____________ (1997b), Resolución CREG-077 de 1997, ―Por la cual se aprueba la

fórmula general que permite determinar el costo de prestación del servicio y la fórmula
tarifaria para establecer las tarifas aplicables a los usuarios del servicio de electricidad
en las Zonas No Interconectadas ZNI, del territorio Nacional‖. Bogotá.
____________ (1997c). Resolución CREG-082 de 1997, ―Por la cual se aprueban los

costos unitarios máximos de prestación del servicio de electricidad para establecer las
tarifas aplicables a los usuarios finales en las Zonas No Interconectadas ZNI, del
territorio Nacional‖. Bogotá.
____________ (1998), Resolución CREG 017 de 1998 ―Por la cual se amplía el ámbito
de aplicación de la Resolución CREG 077/9, se adicionan pautas para el cálculo del
costo de prestación del servicio y se aclara la aplicación de los costos máximos
establecidos en la Resolución CREG 082/97‖. Bogotá.
163
____________ (1998). Documento CREG 013 de 1998 ―Modificación Resolución

CREG-077 de 1977, Soporte Resolución CREG 017 de 1998‖. Bogotá.
____________ (1998). Documento CREG 091 de 2007 ―Metodologísa generales para

remunerar las actividades de generación, distribución y comercialización de energía
eléctrica, y las fórmulas tarifarias generales para establecer el costo unitario de
prestación del servicio público de energía eléctrica en Zonas No Interconectadas‖.
Santafé de Bogotá, CREG.
Congreso de la República de Colombia (1994a), Ley 142 de 1994. Bogotá.
____________ (2000). Ley 632 de 2000, ―Por la cual se expiden normas en materia
Tributaria, se dictan disposiciones sobre el tratamiento a los fondos obligatorios para la
vivienda de interés social y se introducen normas para fortalecer las finanzas de la rama
judicial‖. Bogotá.
____________ (2001). Ley 697 de 2001, ―Por la cual se fomenta el uso racional y
eficiente de la energía, se promueve la utilización de energías alternativas y se dictan
otras disposiciones‖. Bogotá.
____________ (2002a). Ley 732 de 2002, ―Por la cual se adoptan nuevos plazos para
realizar, adoptar y aplicar las estratificaciones socioeconómicas urbanas y rurales en el
territorio nacional y se precisan los mecanismos de ejecución, control y atención de
reclamos por el estrato asignado‖. Bogotá.
____________ (2002b). Ley 788 de 2002, ―Por la cual se expiden normas en materia
tributaria y penal del orden nacional y territorial; y se dictan otras disposiciones‖.
Bogotá.
____________ (2003), Ley 812 de 2003, ―Por la cual se aprueba el Plan de Desarrollo
2003- 2006, hacia un estado Comunitario. Bogotá Departamento Nacional de
Planeación (2001). Programa de Energización para Zonas No Interconectadas,
Documento 3108 DNP:DIE-SME. Bogotá.
Durán, E. (2008). ―Niveles de tensión por kilómetro de líneas y niveles de potencia‖,

mimeo, Interconexión Eléctrica S.A. E.S.P.
Empresas Públicas de Medellín (2002). ―Parque Eólico Piloto Jepirachi, Descripción del
proyecto‖. Medellín, junio de 2002.
Hagler Bailly - Aene Consultoría (2001). ―Establecimiento de un plan estructural,

institucional y financiero, que permita el abastecimiento energético de las Zonas No
Interconectadas, con participación de las comunidades y el sector privado‖, junio de
2001, Bogotá.
Instituto de Planificación y Promoción de Soluciones Energéticas —IPSE— (2003a).

―Distribución preliminar de subsidios para ZNI, año 2003‖. Bogotá.
164
Ministerio de Hacienda y Crédito Público (2001). Decreto 2884 de 2001, ―Por el cual se
reglamenta el Fondo de Apoyo Financiero para la Energización de Zonas No
Interconectadas‖.
Ministerio de Energía y Minas del Perú (2002). ―Ley de Electrificación Rural y de

Localidades aisladas y de Frontera‖, Lima, Perú.
Superintendencia de Servicios Públicos Domiciliarios —SSPD— (2003). ―Prestación

del servicio de energía en Zonas No Interconectadas‖. Bogotá, septiembre de 2003.
UPME (2007). Plan indicativo de expansión de la cobertura del servicio de energía

eléctrica 2006-2010. Unidad de Planeación Minero-Energética, República de Colombia,
Ministerio de Minas y Energía.
165
Anexo 7-1. Páginas web de precios de componentes ofertados por diferentes empresas
fabricantes
http://store.altenergystore.com/Batteries/c434/ Acceso junio de 2008
http://www.preciomania.com/search.php?form_keyword=gas+generators&topcat_id=&
st=query&kw_suggest=0. Acceso junio de 2008
http://www.enalmex.com/paginas/fotoceldas.htm. Acceso junio de 2008
http://www.enalmex.com/paginas/eolicos/eolicos.htm. Acceso junio de 2008
http://www.enalmex.com/paginas/inversores/inversores.htmenergiasolar.com.mx/tienda
/product_info.php?products_id=94-. Acceso junio de 2008
http://www.enalmex.com/paginas/baterias.htm. Acceso junio de 2008
http://www.enalmex.com/paginas/trackers.htm. Acceso junio de 2008
http://www.enalmex.com/paginas/Gen/guardian.htm. Acceso junio de 2008
http://www.rmsl.es/Web/generadores/index.htm. Acceso junio de 2008
http://www.rmsl.es/Web/generadores/p6000-11000dieseltrifasico.htm. Acceso junio de

2008
http://www.mdrmedia.com/solar/aerogeneradores/aerogeneradores.html. Acceso junio

de 2008
http://www.generadorelectrico.com/tienda/product_info.php?manufacturers_id=36&pro
ducts_id=145. Acceso junio de 2008
http://www.teknosolar.com/pdf_datasheet.php?products_id=448&osCsid=edead8f0326c
4889b46f564031237a8c. Acceso junio de 2008
http://www.bornay.com/es/aerogeneradores.html. Acceso junio de 2008
http://www.thesustainablevillage.com/servlet/display/products/byCat/43/384/2038/.Acc
eso junio de 2008
http://www.hemeva.com. Acceso junio de 2008
http://www.trademe.co.nz/Businessfarmingindustry/Industrial/Generatorselectrical/aucti
on156870297. Acceso junio de 2008
http://www.inersol.es/tkits.htm. Acceso junio de 2008

166
http://www.inersol.es/thidraulica.htm. Acceso junio de 2008

167
8. Una herramienta para la toma de decisiones de inversión en áreas rurales no

David Tobón Orozco50, Wilson Lara Henao51, Sergio Agudelo Flórez52
8.1. Introducción
La disponibilidad de energía de un lugar se asocia con las ofertas ambiental,
demográfica, económica y financiera particulares de las áreas rurales que la
comprenden. La oferta local de recursos primarios afecta la posibilidad de implementar
tecnologías sostenibles que permitan obtener energía eléctrica; además, la forma en que
se usan los recursos primarios se relaciona con la restricción financiera de las
localidades para invertir en fuentes de energía alternativa. En zonas rurales no
interconectadas energéticamente, estos factores son de gran importancia para establecer
proyectos que ofrecen alternativas como la energía solar, energía eólica, energía
hidráulica y dendroenergía. Estas zonas abarcan cerca del 66% de la superficie del
territorio nacional y, por lo general, carecen de vías de acceso y de servicios públicos.
La población representa el 4,11% de la población colombiana (Cadena et al., 2005).
También se caracterizan por su baja densidad poblacional, por estar ubicadas a una larga
distancia de los centros urbanos y por su gran riqueza de recursos naturales. Por esto,
resulta tan costoso integrarlas al sistema interconectado nacional (SIN).
Para decidir cuál es la mejor alternativa energética para una región o para una localidad,
es necesario considerar criterios como la disponibilidad de recursos naturales, los costos
de implementación, que no solo obedecen a lo que determina la compleja regulación
colombiana, también deben adicionarse otros asociados a la débil institucionalidad o a
problemas de gobernabilidad que tengan estas localidades, y que representan
erogaciones mayores, principalmente cuando para la sostenibilidad en el largo plazo de
una solución energética se debe incorporar a la población, tanto en su aceptación como
en su gestión. Además deben poder satisfacerse tanto la demanda de subsistencia como
la potencial (o de largo plazo), la cual debe estimarse de alguna manera. También se
considera que estas alternativas energéticas sean eficientes en las áreas tecnológica
(maximización del abastecimiento), económica (reducción de costos; Koroneos et al.,
2005), social (minimización de impactos negativos en la población; Beccali et al., 1998)
y ambiental (mitigación de daños ambientales). La alternativa energética óptima debe
conllevar a un beneficio social, económico y ambiental. Aunque aún faltan etapas por
recorrer para que estas tecnologías compitan con las convencionales, debido a sus altos
costos y su limitada eficiencia; aunque también es cierto que la ausencia de energía
puede resultar mucho más onerosa para la población que los mayores costos de las
tecnologías de menor escala. Incluso en algunas regiones estas pueden resultar
competitivas a causa de los costos de transporte del combustible fósil o de la extensión
de redes para bajas densidades de población (Cadena et al., 2005).
A partir de esta base conceptual se establece la necesidad de tipificar cuatro universos

necesarios para determinar las tecnologías alternativas energéticas apropiadas en zonas
rurales que no poseen interconexión eléctrica. El primer universo lo constituye un grupo
de variables que sustenta la oferta ambiental de las regiones. El segundo, a partir de otro
50
51
Investigador Carbono & Bosques. Dirección electrónica: wilsonlara@carbonoybosques.org
52
168
grupo de descriptores que explica las características tecnológicas de los diferentes

lugares estudiados. El tercer, variables que especifican la demanda energética. El cuarto
considera la rentabilidad de los proyectos.
En el presente capítulo se explican los módulos inherentes a un algoritmo de decisión

que identifica alternativas energéticas (AE) que se basan en el aprovechamiento de
recursos renovables. Se consideran las AE: paneles solares, molinos de viento, pequeñas
centrales hidroeléctricas (PCH) y dendroenergía. Al respecto, se calcula la rentabilidad
de establecer las AE en localidades ubicadas en las zonas no interconectadas (ZNI) de
Colombia. En este sentido, se considera, la oferta ambiental de las localidades
(municipios), la demanda energética y los costos necesarios para generar energía
eléctrica mediante implementación de las AE.
El algoritmo constituye una herramienta multiobjetivo (HMO) que compara el grupo de

AE contra la opción por defecto de interconectar los lugares. En adición, se estudia la
rentabilidad de establecer proyectos sombrilla de reducción de emisiones de CO2
mediante implementación de las AE, en comparación con la alternativa tradicional
(plantas diésel), bajo el mecanismo de desarrollo limpio (MDL). Las valoraciones se
realizan para un período de quince años. El análisis considera una evolución de los
requerimientos energéticos de cada municipio hacia aquellos que poseen los máximos
valores de demanda. Es decir, que la demanda potencial se establece mediante la
comparación con el consumo per cápita de las localidades de similares características,
pero con disponibilidad energética mayor. La demanda actual corresponde a 0,137 Kwh
por vivienda, o sea, el consumo de subsistencia que determina la CREG.
8.2. Estructura de la herramienta multiobjetivo
La herramienta multiobjetivo (HMO) posee cuatro módulos principales: recursos,

tecnología, demanda energética y valoración (figura 8-1). El módulo de recursos posee
información sobre fuentes renovables y no renovables de energía. La mayor parte de la
información relacionada con las fuentes renovables de energía tiene carácter espacial.
Tal tipo de información se encuentra constituida por mapas promedios de radiación
solar, vientos y productividad de biomasa de los ecosistemas. Adicionalmente, se tiene
en cuenta información discreta no espacial de microcuencas. Se incluye, por añadidura,
una fuente de energía no renovable constituida por la oferta de combustible para plantas
diésel. Este tipo de información no es espacial. Este módulo alimenta el de
especificaciones técnicas y de valoración.
El módulo de tecnología posee las fórmulas necesarias para calcular la energía unitaria
generada por las AE. El tipo de información es espacial y discreto. Además, posee las
especificaciones técnicas de plantas diésel y biodiésel, así como la alternativa de
interconexión. Los parámetros de los dos últimos tipos de tecnología los emplea el
algoritmo como opciones de referencia para posterior comparación de rentabilidad
contra las AE. Este módulo alimenta el módulo de valoración.
El módulo de demanda energética considera las necesidades actuales y proyectadas de

los municipios de la ZNI. Posee información sobre la distribución espacial de los
municipios y discreta sobre los requerimientos energéticos de cada municipio. Este
módulo alimenta el módulo de valoración.
169
Finalmente, el módulo de valoración posee todos los elementos financieros necesarios

para establecer la rentabilidad de las opciones energéticas. En tal sentido, el módulo
realiza los cálculos necesarios y establece los criterios financieros necesarios para la
selección de la alternativa óptima, en términos de valor presente neto (VPN).
Recursos Tecnología
Fuentes renovables Alternativas
Variables Variables Variables espaciales y

espaciales discretas discretas
•Radiación •MIcrocuencas •Paneles solares

solar •Molinos de viento
•Vientos •Biomasa
•Productividad •Pequeñas Centrales
de los Hidroeléctricas
ecosistemas
Fuentes no renovables Opciones por defecto
Variables discretas •Diesel
•Combustible •Interconexión
Demanda de energía Valoración

•Equipos necesarios
Variable espacial •Costos implementación
•Tasas de descuento
•Unidades municipales
•Período de análisis
Variables discretas •Costos MDL
•Necesidades actuales VPN
•Necesidades proyectadas
Alternativa
óptima
Figura 8-1. Módulos de la herramienta multiobjetivo (HMO)
8.3. Selección de las alternativas energéticas relevantes
El algoritmo contiene una tabla de oferta ambiental para la elección de cada una de las
alternativas que considera la investigación. Bajo esta óptica, la herramienta identifica
los rangos de radiación solar incidente, velocidad del viento, recursos hídricos y
disponibilidad de biomasa de las regiones de un estudio de caso. El algoritmo permite
170
evaluar un lugar y establecer, con base en su oferta ambiental, el grupo de alternativas

energéticas adecuadas para tal región. La resolución espacial depende de la calidad de la
información disponible. Enfatiza en aquella información proxy que permita derivar la
información mencionada. En cada lugar, entonces, se identifican las alternativas más
relevantes.
8.4. Valoración de las alternativas considerando su evolución
La implementación de los requerimientos mínimos de energía eléctrica en cada lugar

analizado tiene un costo. El algoritmo contiene los costos de implementación de todas
las alternativas energéticas, bajo diferentes tecnologías y capacidades de generación,
considera las restricciones regulatorias impuestas para el sector, así como el sistema de
incentivos tributarios y ambientales existente en el país para el establecimiento de
alternativas energéticas. Por eso, mediante la demanda potencial de la localidad se
tipifica con base en localidades comparables, pero con más altos usos y suministro de
electricidad,53 para hacer que la solución propuesta sea compatible con las expectativas
energéticas y la posible solución.
Al respecto, se calculan los costos necesarios para establecer una solución inicial en la
población. Las soluciones iniciales generan nuevas necesidades energéticas que
incorporan nuevos costos. El módulo financiero del algoritmo optimiza una función
financiera con base en el incremento de costos como consecuencia de las nuevas
necesidades energéticas creadas. Asimismo, se consideran la relación entre los costos de
implementación de las alternativas seleccionadas y los costos de la interconexión a las
redes de transmisión, que se relacionan con la distancia a redes de distribución local y
los costos medios de abastecimiento (los cuales incluyen el precio de cada kWh que
compraría en la bolsa de energía cuando se decide usar las redes de transmisión en lugar
de la generación directa).
8.5. Valoración de las restricciones sociales e institucionales de cada localidad
Entre las restricciones sociales e institucionales que deben tenerse en cuenta están la
cultura, el capital social, la gobernabilidad y el desarrollo institucional de una localidad,
así como los indicadores tradicionales de desarrollo, como el capital humano, la
pobreza, el desempeño fiscal, la infraestructura y la cobertura de servicios públicos, etc.,
como facilitadores de la implementación de alternativas que consideramos requieren la
sociabilización y la participación ciudadana y un mantenimiento adecuado, o en la
consecución de recursos de distintos fondos de apoyo a la energización de zonas no
interconectadas —como el Fondo de Apoyo Financiero para la Energización de las
Zonas no Interconectadas (FAZNI) y el Fondo Nacional de Regalías (FNR)—, en donde
se necesita de la iniciativa de las autoridades locales.54 Además, se tiene la estructura de
costos y tarifas para la prestación del servicio eléctrico en estas zonas y los incentivos
provenientes de la regulación económica, ambiental, de uso racional o tributario hacia la
implementación de determinadas alternativas energéticas.
El estudio de las RSI se realiza mediante métodos de estadística multivariada que

permiten hallar indicadores que representen el estado de las RSI en las ZNI, los cuales
53
Véase en el capítulo 5 la discusión sobre el problema del desarrollo en áreas rurales no interconectadas.
54
Sin embargo, solo puede trabajarse con la información disponible (como el censo del DANE, 2005), para que los
indicadores de RSI construidos tengan alguna validez estadística.
171
representan la capacidad de una población de adoptar una tecnología de este tipo. La

hipótesis es que mientras mayores sean las restricciones en cada zona más costosa
resulta su aplicación. De este modo, las RSI se expresan en el algoritmo mediante
costos diferentes a los de administración, operación y mantenimiento (AOM) y
reposición tradicionales, ya que una menor dotación de estos recursos en una
comunidad implica inversiones adicionales en socialización, capacitación de los
usuarios y técnicos sobre el uso eficiente y racional de la energía, la correcta operación
de la planta y mantenimiento, con el objetivo de crear incentivos que fomenten la
aceptación y la apropiación por parte de la comunidad hacia la alternativa energética
propuesta (Díaz y Álvarez, 2004). Por ello, se supone que estos costos son comunes a
las posibles soluciones, y varían positivamente en función de las RSI que se encuentran
en cada localidad.55
Es bueno recalcar la falta de documentación de este tipo de metodologías, porque las

estudiadas antes realizan únicamente simulaciones de desarrollo en las ZNI y la aquí
propuesta permite realizar un estudio de factibilidad y sostenibilidad de las diferentes
alternativas energéticas de acuerdo con las RSI de cada región.56
Debe recalcarse que, a diferencia de otras herramientas diseñadas en Colombia, las RSI
aparecen aquí como costos adicionales que deben considerarse y afectan el
ordenamiento de las alternativas seleccionadas. Y con la alternativa energética que se
elija al final, se pretende mejorar el nivel de vida de la comunidad, el cual se expresa en
algún indicador de nivel de vida, e inferir su desarrollo a partir de la relación que se
encuentre entre el suministro de electricidad y el nivel de vida para comunidades
comparables en el país, lo cual resulta más confiable que suponer unas dinámicas de
desarrollo a partir de los recursos sociales y económicos con que cuenta la población o
que se pueden potencializar mediante políticas sociales complementarias al
abastecimiento eléctrico.
8.6. Área de estudio

El algoritmo de rentabilidad se enfoca en las ZNI de Colombia, que establece la Unidad
de Planeación Minero Energética (UPME).57 Tal región posee una extensión
aproximada de 766.710 km2, constituida por 240 municipios pertenecientes a 13
departamentos (ver cuadro 8-1).
55
La suma de las estructuras de costos incrementales resultantes entonces se compara con la opción de la
interconexión.
56
El Instituto de Promoción y Apoyo al Desarrollo (Ipade) de España ha realizado varios proyectos bajo este tipo de
visión con el objetivo de desarrollar una infraestructura óptima que permita, al menor costo posible, la mejora de la
calidad de vida de los habitantes de las zonas rurales. En este sentido, para el Ipade la sostenibilidad del proyecto se
entiende como la capacidad local para asumir, reproducir y mantener las acciones iniciadas y para esto fomentan la
organización comunitaria, incorporan la perspectiva de género, abren espacios para el ejercicio de los derechos civiles
y políticos, incorporan la comunicación como instrumento de desarrollo y garantizan la participación en los procesos
de desarrollo local y nacional, mediante la participación de la población local en las obras de instalación y
mantenimiento, formación de instaladores locales y la constitución de contrapartes locales que aglutina a las
asociaciones existentes en la zona y se hace cargo del proyecto tras la fase de instalación (Sánchez, 2001).
57
http://www.siel.gov.co/Inicio/ZonasNoInterconectadasZNI/tabid/74/Default.aspx, acceso: septiembre de 2008.
172
Cuadro 8-1. Distribución de las ZNI de Colombia
Área
Departamento Municipios ha km2
Amazonas 11 10.905.350,3 109.053,5
Arauca 7 2.405.371,9 24.053,7
Caquetá 16 8.990.030,2 89.900,3
Casanare 19 4.470.246,3 44.702,5
Cauca 39 2.954.667,4 29.546,7
Chocó 22 4.674.063,8 46.740,6
Guainía 8 7.142.210,8 71.422,1
Guaviare 4 5.519.800,5 55.198
Meta 29 8.483.807,8 84.838,1
Nariño 62 3.278.596,6 32.786
Putumayo 13 2.529.034,5 25.290,3
Vaupés 6 5.314.457,6 53.144,6
Vichada 4 10.003.317,1 100.033,2
Total 240 76.670.954,8 766.709,6

Se especifican las áreas tanto en ha como en km2.
8.7. Módulo de recursos

Un elemento adicional de la HMO, en comparación con otros estudios (Cadena et al.
2005; Cherny et al. 2007), es que el algoritmo propuesto contiene información espacial
a escala gruesa. Tal es el caso de la información de vientos, radiación solar y biomasa.
Las dos primeras variables permiten determinar la capacidad de generación de molinos
de viento y paneles solares respectivamente. Además, el algoritmo considera la
productividad primaria neta de cada municipio, variable bioclimática que permite
estimar la posible oferta en biomasa de nuevos bosques establecidos y qué tamaño de
superficie es necesario reforestar, con el objeto de abastecer la demanda de energía
eléctrica de los municipios. En general, los análisis se realizan en los d departamentos
de las ZNI. Cada departamento contiene m municipios, los cuales poseen p píxeles cada
uno. La oferta ambiental de estas variables se establece entonces para cada municipio m
como el promedio de los p píxeles. En consecuencia, estos datos no debe especificarlos
el usuario, el cual solo necesita conocer los municipios en donde realizará el análisis.
Como se menciona antes, tres tipos de alternativa para generar energía no son
manejados por el algoritmo de manera espacial. Son los casos de las PCH, el diésel y la
opción de interconexión. Las escalas de análisis de las PCH e interconexión impiden su
interpretación espacial a la manera de las otras alternativas y ofrecen necesidades
puntuales de valoración, puesto que no se cuenta con información de los caudales y
alturas de los recursos hídricos de cada localidad ni el mapa de interconexión en
Colombia que permita identificar la distancia de cada localidad a una red con un nivel
de tensión determinado. El diésel también ofrece necesidades puntuales de valoración.
8.8. Información espacial

173
En el caso de la unidad municipio Un para el algoritmo es un polígono en el espacio al

cual se le sobrepone un grid con celdas en coordenadas geográficas. De tal modo que
cada municipio es un conjunto de píxeles. Este procedimiento se hace como
consecuencia de la información espacial que viene en forma de grid para la extensión
del área de estudio.
En esta fuente de información espacial cada píxel posee un dato diferente de la

información, es decir, distintos valores de velocidad del viento, radiación o
productividad de biomasa. Esto hace que cada molino, panel solar o unidad de biomasa
potencial colocados en el píxel p muestren diferentes valores de generación.
174
Figura 8-2. Promedios anuales de radiación solar en kW hora-1 m2
Figura 8-3. Velocidad del viento en m s-1

175
8.9. Radiación solar y vientos
Se emplean mapas de radiación solar y vientos suministrados por la Unidad de

Planeación Minero Energética (UPME) (véanse figuras 8-2 y 8-3). Allí se encuentran
contenidos los promedios anuales de cada una de estas dos variables. De la información
de estos mapas, cuya extensión abarca todo el país, se extraen las áreas que
corresponden a las zonas no interconectadas.
8.10. Biomasa
Para asignar valores bioclimáticos relacionados con la productividad de los ecosistemas
reportados por Clark et al. (2001) se emplea el mapa de zonas de vida de Holdridge58.
Las unidades espaciales reportadas son t C ha-1. A partir de esta información el
algoritmo establece la biomasa potencial de los ecosistemas, producida luego del
establecimiento de bosques.
8.11. Información no espacial
Se considera, además, la capacidad de generación de PCH. En contraste con las otras

AE ya mencionadas, los datos ambientales de esta variable no se encuentran
almacenados de manera espacial en la HMO, como consecuencia de que las inferencias
realizadas exigen de datos a escala mucho más fina. Tal es el caso de las alturas de
embalse, con unidades de variación de pocos metros. En esta circunstancia las variables
las puede especificar el usuario como información de entrada.
Las AE se comparan contra las opciones de generación energética con diésel y de

interconexión al sistema interconectado nacional (SIN). El primer caso se realiza para
analizar la posible rentabilidad de establecer proyectos de pago por el servicio ambiental
de reducir emisiones de CO2, con base en la estimación de escenarios de línea base, que
las representan las emisiones que se producen como consecuencia de la quema de
combustible diésel. Los escenarios de adicionalidad se constituyen por valoración de la
reducción de estas emisiones bajo el escenario de implementación de las AE: molinos
de viento, paneles solares y biomasa, cuyos indicadores de rentabilidad se comparan
entre sí. El algoritmo determina el tamaño de la demanda, que lo constituyen varias
localidades, a partir del cual es rentable esta opción, lo que se conoce como un proyecto
sombrilla, dado que un proyecto MDL implica costos de transacción más altos que los
ingresos derivados para una sola localidad con un servicio ambiental de reducción de
emisiones bajo. Respecto a la opción de interconexión, es una AE para comparar la
rentabilidad financiera de establecer las AE energéticas mencionadas. Tal opción
funciona como testigo y criterio de selección de las demás AE, con base en el grado de
rentabilidad financiera de las AE.
8.12. Módulo de tecnologías

La unidad de energía, establecida con el propósito de valorar y comparar las AE
energéticas es el kW hora-1, que es la unidad de comparación y valoración de la energía
generada por cada AE o, bien, demandada por cada uno de los m municipios. Por tanto,
todos los valores de la energía eléctrica los transforma el algoritmo hacia esta unidad.
58
Mapa oficial del Instituto Geográfico Agustín Codazzi.
176
8.12.1. Molinos de viento

A partir de la oferta de viento, cuantificada en cada p píxel, el algoritmo calcula la
cantidad de energía generada por un molino de viento con una potencia que permita
abastecerla con holgura, sometido a vientos de densidad y temperatura estándares de
1,25 kg m-3 y 288ºK, respectivamente, parámetros termodinámicos generalizados para
la zona tórrida. Después, la herramienta promedia los p píxeles de cada municipio m
para obtener la media aritmética de aquellos municipios analizados. La HMO determina
cuántos rotores se necesitan para abastecer la demanda creciente durante quince años de
análisis.
8.12.2. Paneles solares

De igual manera, el algoritmo establece para cada p píxel la cantidad de energía
generada por un panel de 1 m2 dada la oferta de energía solar promedia registrada en el
mapa. Luego la herramienta establece la media aritmética por municipio y calcula la
cantidad de paneles requeridos para sustentar el requerimiento incremental de energía
durante el período de análisis.
8.12.3. Biomasa
Además de la productividad en biomasa por píxel, que registra el mapa de zonas de vida
y los datos de Clark et al (2001), el algoritmo considera un factor de conversión de
unidades de biomasa en energía (PCI) de 20,95 MJ kg-1. La HMO calcula la cantidad de
biomasa necesaria para abastecer la demanda requerida y establece el número de
hectáreas a reforestar para sustentar tal demanda por municipio.
8.12.4. Pequeñas centrales hidroeléctricas

El usuario debe alimentar el algoritmo con variables de entrada como la altura del
embalse hasta la salida de la turbina (metros (m)), el diámetro y la longitud de la tubería
de conducción de agua (m), el tipo de material, la rugosidad absoluta (m), el diámetro
de la boquilla (m), la longitud equivalente por accesorio (m). El coeficiente de descarga
y la eficiencia de la turbina pueden escogerse de un grupo de valores opcionales. La
herramienta supone por defecto un peso específico del agua de 9,810 N m3 y una
viscosidad cinemática de 1,02 x 10-6 m2 seg-1. Con base en esta información, la
herramienta busca una PCH que pueda cubrir la demanda durante todo el período de
análisis (quince años), en caso de que aún no se cubran las demandas energéticas
requeridas durante el período mencionado, el algoritmo valora otra PCH.
8.12.5. Diésel y biodiésel

La HMO calcula las emisiones de CO2 con base en la energía generada por unidad
combustible empleado. Para tal fin, se emplea un factor de emisión de 1,1 x10-2
toneladas de CO2 por cada galón de diésel empleado. Los parámetros técnicos se
traducen en su totalidad en costos.
8.12.6. Interconexión al SIN

El usuario debe especificar el número de viviendas a electrificar. También se requiere
definir el grado de pendiente del terreno, el cual se establece mediante la selección de
una de tres variables categóricas (alta: >30º, media: entre 10 y 30º baja: <10º o, bien,
plana: = 0º); de igual manera el tipo de vías (primaria, secundaria, ferrocarril o sin vías).
La pendiente y el tipo de vías deben especificarse pues estas variables generan sobre
costos; además, la distancia hasta la red del SIN más cercana también debe
177
especificarse. El algoritmo posee la restricción de no valorar esta opción cuando la

distancia a la red es mayor a 100 kilómetros. Por último, el algoritmo utiliza los niveles
de tensión de 13,2 y 34,5, cuya elección depende de la demanda a abastecer y la
distancia.
8.13. Módulo de demanda energética
Se considera el abastecimiento de demanda energética el primer año del análisis y un
crecimiento lineal en la demanda a partir del segundo año hacia valores potenciales
establecidos para una vida de proyectos de quince años. Cada unidad municipal posee
un código, el cual se especifica de manera tabulada en el algoritmo. El usuario debe
incorporar este código para que el algoritmo realice los cálculos con base en la demanda
de los municipios especificados.
8.14. Módulo de valoración

El algoritmo emplea un indicador financiero como reporte para seleccionar la AE de
mayor rentabilidad. El indicador empleado es el valor presente neto (VPN) en dólares
(US$). El usuario puede variar las tasas de cambio. Se parte de la demanda creciente y
los costos de implementación de cada AE, durante quince años. La valoración se realiza
mediante establecimiento del número de unidades tecnológicas requeridas en cada AE
con el objeto de cumplir con la demanda energética.
8.15. Costos
El algoritmo considera los costos de establecimiento y mantenimiento de todas las AE
en los municipios analizados y produce un reporte de rentabilidad basado en una
comparación de los VPN entre las AE y contra la generación de energía eléctrica por
diésel e interconexión. Todos los costos se valoran en dólares (US$).
En todos los casos el algoritmo valora los costos en función de la potencia requerida. En
general, se consideran los costos de inversión, además de costos de operación y
administración. En la AE solar se valora adicionalmente el reemplazo de baterías. En la
AE eólica se realiza la discriminación de la altura de la torre. En las PCH se valoran así
mismo turbinas y reguladores. En las alternativas de diésel y biodiésel se considera el
costo adicional de lubricante. Aunque la biomasa también se valora en términos de la
potencia requerida, la misma solo considera un costo global de inversión, porque
asimila los otros costos replicando los de la tecnología diésel.
8.15.1. Opción MDL

Con base en los municipios analizados, el algoritmo valora los costos de transacción de
un proyecto MDL sombrilla de reducción de emisiones de CO2, las cuales se calculan
como emisiones evitadas por la ignición de combustible diésel. Se consideran costos
iniciales de inversión, transacción, validación, registro y verificación, entre otros (ver
figura 8-4).
178
VPN por municipio para cada Alternativa [$US(miles)]
6e+06 LA PEDRERA (CD) LA CHORRERA (CD) EL ENCANTO (CD)
5e+06
4e+06
3e+06
2e+06
1e+06
0e+00
VPN.Eolica VPN.Solar VPN.PCH VPN.Diesel VPN.MDL VPN.BIOMASA
Alternativa Tecnológica
Figura 8-4. Diagrama de rentabilidad establecido por la HMO

sistemas, Universidad Nacional de Colombia s cede Medellín.
Beccali, M., M. Cellura y D. Ardente (1998). Decision making in energy planning: the
ELECTRE multi-criteria analysis approach compared to a fuzzy-sets methodology.
Energy Conversion and Management. Vol. 39, No. 16-18, pp. 1869-1881.
Cherni, J., I. Dyner, F. Henao, P. Jaramillo, R. Smith y R. Olalde Font (2007). Energy
supply for sustainable rural livelihoods. A multi-criteria decision-support system.
Energy Policy, No. 35, pp. 1493-1504.
Clark, Deborah A., Sandra Brown, David W. Kicklighter, Jeffrey Q. Chambers, John R.
Thomlinson, Jian Ni, Elisabeth A. Holland (2001). Net primary production in tropical
forests: an evaluation and synthesis of existing field data. Ecological Applications. Vol.
11, No. 2, pp. 371-384.
González, Guillermo (2005). Desarrollo de un programa para soportar la toma de

decisiones de soluciones energéticas en las zonas no interconectadas. Tesis de maestría
Universidad de los Andes, Santafé de Bogotá, 12 pp.
IPSE (2008). Sistema de Información Eléctrico Colombiano —SIEL—.

http://www.siel.gov.co/Inicio/ZonasNoInterconectadasZNI/tabid/74/Default.aspx,
acceso: septiembre de 2008.
179
Koroneos, C., N. Zairis, P. Charaklias y N. Mmoussiopoulos (2005). Optimization of

energy production system in the Dodecanese Islands. Renewable Energy. Vol. 30, No.
2, pp. 195-210.
Sánchez, Francisco (2001). Los proyectos de electrificación de electrificación solar

fotovoltaica a través de las ONG. Disponible en:
madrid.ingenieriasinfronteras.org/conf2001.
UPME (2007). Mapas de radiación solar y vientos suministrados por la Unidad de

Planeación Minero Energética. http:/www.upme/mapadezonasdevida, acceso: junio de
2007.
180

Wilson Lara Henao59, Sergio Agudelo Flórez60, David Tobón Orozco61
9.1. Introducción
Este documento explica y orienta al usuario en el uso de la aplicación construida con el

software R. La aplicación se condensa en el paquete funpzni_1.0. Apoya la toma de
decisiones en la generación de energía eléctrica con base en sistemas alternativos. Se
consideran los siguientes sistemas de generación de energía: eólica, solar, tecnología62
biodiésel, pequeñas centrales hidroeléctricas (PCH) y tecnologías con biomasa. Se
involucran dos sistemas de generación convencionales para compararlos con los
anteriores: tecnología diésel e interconexión a la red. También se brinda la posibilidad
de evaluar un proyecto tipo MDL sombrilla a partir de la sustitución de los métodos
convencionales con las alternativas propuestas. Todo esto a partir de la disponibilidad
biofísica de los diferentes municipios en el área de estudio. Se incluye elementos que
permiten medir económicamente las alternativas de generación de energía para cada
municipio de la zona no interconectada (ZNI) para posteriormente ayudar en la toma de
decisiones. Además de ser una guía, este documenta describe los procedimientos y
pasos lógicos de cálculos que realiza la aplicación funpzni_1.0. Las ZNI comprenden
240 municipios en 13 departamentos: Amazonas, Arauca, Caquetá, Casanare, Cauca,
Chocó, Guainía, Guaviare, Meta, Nariño, Putumayo, Vaupés y Vichada.
9.2. Instalación del software R
R es un software libre con un ambiente propio de programación orientado para análisis

estadístico. Cuenta con librerías que son contribuciones de investigadores alrededor del
mundo con gran variedad de aplicaciones, entre ellas para el trabajo con datos
espaciales. Puede descargarse la versión 2.7.2 en: http://cran.cnr.berkeley.edu/. Allí,
debe seleccionarse primero la opción Download and Install R, y después Windows. A
continuación, se abrirá una nueva ventana y se da clic en base y luego en R-2.7.2-
win32.exe‖.
Se recomienda durante la instalación elegir la configuración manual y luego la opción

SDI en el paso Modo de display. La figura 9-1 presenta una imagen de este punto de la
instalación.
59
Investigador Carbono & Bosques. Dirección electrónica: wilsonlara@carbonoybosques.org. Se agradece la
colaboración especial de Mauricio Zapata, Investigador de Carbono & Bosques.
60
61
62
Ver http://www.r-project.org
181
Figura 9-1. Modo de display en el software R
Cuando se complete el proceso puede proceder ejecutar el programa R del ícono que se
encuentra en el escritorio: .
Al iniciar la sesión en R se muestra la siguiente ventana:
Figura 9-2. Ventana de procesos generales del software R
Una vez se complete la instalación se cargan algunas librerías necesarias para el trabajo.
Para instalar los paquetes se hace clic en la opción Paquetes de la barra de menú yluego
en Instalar paquetes(s)… aparece la ventana CRAN mirror, allí se selecciona el sitio a
conectarse para bajar las librerías (recomendado el más cercano espacialmente a
Colombia), luego se presiona OK.
Se despliega una lista de todos los paquetes disponibles, conservando la tecla ctrl
presionada para que se iluminen simultáneamente, de la lista se seleccionan uno a uno
los siguientes: sp, lattice, geoR, scatterplot3d, rgdal, foreign, maptools y gplots.
Cuando finaliza la descarga queda listo el R para los objetivos de este manual.
182
9.3. Configuración del entorno de trabajo en R
Todos los archivos de la aplicación se encuentran en la carpeta que se suministra, la

misma incluye el paquete especial funpzni_1.0. Se recomienda guardar esta carpeta en
una ruta identificable en el computador.
Para iniciar el trabajo con R, este debe direccionarse al directorio de trabajo en donde se
encuentren los archivos necesarios. Para ello se sigue los siguientes pasos:
1. Inicie una nueva sesión en R.

2. En la opción Archivodel menú principal de R haga clic en Cambiar dir...
3. En la nueva ventana que aparece buscar la ruta en donde se encuentra la carpeta
y seleccionarla.
4. Por último Aceptar.
Con esto R queda vinculado a los archivos y datos que se encuentren en la carpeta de
trabajo. Cada vez que inicie una sección en R no deben descargarse de nuevo las
librerías, pero si se tiene que direccionar el ambiente de trabajo a la carpeta.
Cuadro 9-1. Archivos en la carpeta de trabajo
Nombre Descripción
Funpzni_1.0.zip Paquete para R con el conjunto de
funciones e información espacial de los
municipios.
Archivo que puede leerse en un bloc de
notas o en el editor del R en donde se
parametrizan los argumentos y escenarios
para la aplicación.
Tablas.2.xls Hojas en Excel con las tablas básicas que
se importan en la aplicación. Aquí el
usuario puede actualizar valores de costos
y demandas antes de colocarlas en un
formato especial que leerá el R.
Tablas1.txt, Tablas2.txt,… Tablas13.txt Conjunto de archivos de texto
correspondientes a cada una de las tablas
básicas en Tablas.2.xls. Este formato
permite la lectura desde el R. Se generan al
pararse en cada hoja de Excel y
seleccionar Archivo/Guardar como… y en
la opción ―Guardar como tipo:‖
seleccionar ―Texto (delimitado por
tabulaciones)‖ y Guardar después de
colocar el nombre correspondiente.
9.4. Carga del paquete funpzni_1.0
Como se menciona antes, funpzni_1.0.zip es un paquete que se ha precompilado para R.

Para acceder a las funciones y utilización de la aplicación debe cargarse este paquete
183
dentro de R. Una vez se configura el ambiente de trabajo y se direcciona el directorio de

trabajo, se selecciona la opción Paquetes en la barra de menú y luego el submenú
Instalar paquete(s) a partir de archivos zip locales. Se muestra una ventana donde se
busca el archivo funpzni_1.0 en que esté descargado. Luego se selecciona Abrir. Si la
lectura y carga se realiza con éxito se muestra el siguiente mensaje:
Una vez se carga el paquete debe programarse para que lea las funciones, los datos y
cargue otros recursos necesarios. Para esto basta escribir el comando library(funpzni) y
se muestra el siguiente resultado:
Estos mensajes indican que se ha cargado con éxito las librerías de las cuales depende
funpzni. Ahora el usuario está listo para iniciar la configuración y la utilización de la
aplicación.
9.5. Utilización y explicación de cada uno de los módulos
De los archivos almacenados en la carpeta de trabajo se abre el archivo

proyecto.ZNI.B2.r. En este se configuran todos los escenarios que deben seguirse para
comprender todas las operaciones y cálculos de la herramienta.
9.5.1. Encabezado
La primera parte del archivo es un encabezado para que el usuario registre su nombre y
la fecha de la última modificación o actualización que realizó al archivo.
9.5.2. Carga y edición de tablas

184
El siguiente bloque de código es una serie de instrucciones que deben copiarse y pegar
en la ventana del R para que se carguen las tablas básicas. Estas son:
 costosalternativas<-(read.delim(‗Tablas1.txt‘,header = T)): esta tabla contiene los

costos ($ pesos) en que se incurriría para la puesta en marcha de los nuevos proyectos
energéticos de cada municipio para un periodo de quince años (horizonte de
evaluación). En el archivo Excel Tablas.2.xls se ubica en la primera pestaña.
 energiademanda<-read.delim(‗Tablas2.txt‘,header = T): tabla con las demandas

actuales y potenciales para cada municipio (kWh). La primera columna muestra un
código único (ID) para cada municipio y con el cual el algoritmo identifica cada
municipio. Este ID debe tenerse presente para especificar posteriormente los municipios
que se quiere evaluar. La segunda columna, el nombre del municipio. La tercera, el
nombre del departamento. La cuarta, Demandab, el valor de la demanda actual o base.
La quinta, Demanda, el valor potencial de la demanda y la sexta, delta, la diferencia
entre la potencial y la demanda base (subsistencia). La aplicación asume el crecimiento
de la demanda a partir de la demanda base de modo lineal hasta alcanzar la demanda
potencial al final de los quince años del proyecto.
 costDiesel<-read.delim(‗Tablas3.txt‘,header = T): tabla con los costos (US$) para

cada una de las tecnologías de generación con diésel. Se tiene rangos de potencia
(kW/h) desde 2 hasta 600. Sus componentes son: costos de inversión, costos de
lubricante, combustible, costos operativos y costos de mantenimiento. Aquí el valor del
galón de diésel es US$4,76 y el galón de lubricante en US$16,22, los consumos de
ambos insumos los determina el regulador en 0,001226 galones/kWh de lubricante y
0,0885 kW/h de combustible para plantas menores a 100 kW o 0,0750 galones/kWh
para rangos de potencia superior. Los costos operativos son el 0,1 del total de los costos
del combustible y el lubricante. Se tiene un factor de carga del 0,9 y unos costos de
mantenimiento de 0,45 de la depreciación, que se establece en 131.400 horas. Para el
cálculo de costos del año 2 se determina un crecimiento de 10% en solo los costos de
combustible, lubricante, operativos y mantenimiento sin los costos de inversión.
 costBDiesel<-read.delim(‗Tablas9.txt‘,header = T): tabla con los costos (US$) para

cada una de las tecnologías de generación con biodiésel. Se toman la misma
metodología de cálculo de costos de la tecnología diésel ya que sus componentes son
los mismos, la diferencia la constituye el valor del combustible determinado en
US$3,63 el galón (costo de oportunidad de producción).
 costPCHS<-read.delim(‗Tablas4.txt‘,header = T): tabla con los costos (US$) para

cada una de las tecnologías de generación con pequeñas centrales hidroeléctricas. Se
tiene rangos de potencia desde 0,1 kW hasta 1.000 kW, sus componentes de costos son:
costos de inversión, costos de turbinas, costos de inversores, costos de baterías, costos
de reguladores, costos operativos y de mantenimiento, todos anuales. Como supuestos
se tiene el cálculo de los costos operativos como 50% de los demás costos por la
necesidad de inventarios de repuestos y los costos AOM se establecen en dos salarios
mínimos a una tasa de cambio promedio de US$2.000. Al igual que para las demás
tecnologías los costos del año 2 son 10% de todos los costos, en este caso operativos y
de mantenimiento sin los costos de inversión. Se aclara que para niveles de potencia
superiores a 30 kW no se consideran los costos de baterías porque no es técnico
almacenar la energía, se toman los costos de inversión en líneas de transmisión,
185
mantenimiento y transformadores con base en datos de la UPME de un costo de

$23.241.156 por kilómetro de línea, un mantenimiento de 4% y un costo de
transformadores de 52,102 $/MW.
 costEolica<-read.delim(‗Tablas5.txt‗,header = T): tabla con los costos (US$) para

cada una de las tecnologías de generación eólica. Se tienen rangos de potencia de 0,3
kW a 1000 kW. Sus componentes de costos son: costos de inversión, costos de torres de
15 metros, costos de inversores de corriente, costos de baterías, costos operativos y
AOM, estos dos últimos se calculan igual que para la tecnología PCH. Los costos del
año 2 son 10% de la envolvente de costos sin considerar los de inversión. Se aclara que
para niveles de potencia superiores a 50 kW no se consideran los costos de baterías ni
de inversores porque no es técnico almacenar la energía, se toman los costos de
inversión en líneas de transmisión, mantenimiento y transformadores con base en datos
de la UPME de un costo de $23.241.156 por kilómetro de línea, un mantenimiento de
4% y un costo de transformadores de 52.102 $/MW
 costSolar<-read.delim(‗Tablas6.txt‘,header = T): tabla con los costos (US$) para cada

una de las tecnologías de generación solar. Se tiene rangos de potencia desde 0,04 kW
hasta 15 kW. Sus costos son de inversión, inversores de corriente, costos de baterías,
operativos y AOM. Los cálculos de mantenimiento y operativos son iguales a los
realizados en la tecnología Eólica y PCH descritos anteriormente.
 costMDL<-read.delim(‗Tablas7.txt‘,heade r = T): tabla con los costos (US$) que se

incurren en la formulación, transacción, validación, registro y verificación de un
proyecto MDL. Estos costos se causan una sola vez en la valoración independiente de si
se analizan uno o varios municipios. En el caso de varios municipios se tiene un
proyecto sombrilla. Los ingresos se obtienen de la venta de certificados de reducción de
emisiones (CER por sus siglas en inglés). El valor del certificado es un parámetro que
ingresa el usuario. La cantidad de certificados que se generan al año depende del
consumo en diésel que se cause con la tecnología de generación diésel.
 consumoDiesel<-read.delim(‗Tablas8.txt‘,header = T): tabla con las magnitudes de

consumo anuales de lubricantes y diésel de acuerdo con la potencia de la tecnología.
Con esta información se calcula por año de acuerdo a las demandas del municipio sus
consumos de diésel.
 costBiomasa<-read.delim(‗Tablas10.txt‘,header = T): tabla con las opciones de

generación de potencias de las calderas y el costo de inversión. Se presentan rangos de
potencia desde 200 hasta 5.200 kW. Sus componentes de costos son los costos de
inversión, combustible, costos operativos y de mantenimiento, los cuales se derivan de
la potencia, el valor de la biomasa y el poder calorífico (PCI). El PCI de la biomasa por
defecto es un valor promedio. Pero el usuario puede especificar el valor de PCI según la
localidad. La eficiencia de la turbina de vapor o central térmica es de 0,38. La eficiencia
de calentar el agua para formar vapor es de 0,8 y la eficiencia del generador, 0,9; el
costo promedio de la biomasa, 0,03 $US/kg; la vida útil de los equipos, 131.400 horas,
los cálculos de mantenimiento y operativos utilizan las mismas fórmulas que se
plantean para la tecnología diésel. La generación de energía a partir de biomasa es en
forma de calor y consiste en quemar la biomasa y con este calor liberado calentar agua
en una caldera para así poder generar vapor, este vapor se utiliza en una turbina la cual,
por un proceso termodinámico, genera energía eléctrica, para este tipo de tecnología no
186
solo basta la turbina, también es necesario tener calderas, sistemas de distribución de

vapor entre otros dispositivos de control. Así la cantidad de biomasa requerida para que
un equipo trabaje se puede deducir de su potencia.
 matrizDistPot<-read.delim(‗Tablas11.txt‘,header = T): tabla de dos entradas: potencia

y distancia. Los valores en su interior indican la tensión de la línea de interconexión.
Según la potencia a suplir y la distancia del poblado a la línea más cercana se elige la
tensión. Esta tabla se emplea en la valoración de la opción de interconexión.
 sobrecostos.interconexion<-read.delim(‗Tablas12.txt‘,header = T): tabla con los

valores de sobrecostos en pesos ($) para la alternativa de interconexión. Los sobrecostos
salen de tener en cuenta las pendientes del terreno, las vías y ríos (UPME, 2007); las
restricciones se escalan así:
 tabla.tasas.bio<-read.delim(‗Tablas13.txt‘,header = T): tabla con las tasas de

crecimiento (toneladas de carbono por hectárea año) por municipio. Aplica para
regeneraciones enriquecidas o plantaciones para la generación de biomasa. Los valores
se obtienen de ponderar por área las tasas de cada una de las zonas de vida de Holdridge
presentes en cada municipio.
Cuando se copie y pegue en R cada una de las instrucciones anteriores se cargan las
tablas en el área de trabajo del R. Para editarlas, esto es, hacer cambios en los valores,
se presentan las líneas de código que deben pegarse para editar la tabla correspondiente;
por ejemplo, si se desea editar la tabla de sobrecostos de la interconexión, entonces se
copia y pega en R la siguiente línea:
sobrecostos.interconexion<-edit(sobrecostos.interconexion)
Para realizar un cambio en los valores se aplica doble clic en la celda y se cambia el
valor. En R los decimales se trabajan con puntos (.). Una vez se actualicen los valores
con la información del usuario deben refrescarse los cambios con la función Ctrl.+L, y
luego seleccionar Archivo/Cerrar. Se cierra la ventana de edición y los cambios quedan
almacenados.
Los cambios que se realicen en las tablas de edición solo se conservan mientras dure la
sesión de trabajo con R. Los cambios se realizan sobre copias de las tablas originales.
Cuando se cierre la sesión con R se pierden los cambios realizados. Si se desean
cambios permanentes deben realizarse sobre los archivos de texto que están en la
carpeta de trabajo.
9.5.3. Selección de los municipios para el análisis

Esta aplicación está diseñada para realizar análisis sobre un municipio o sobre varios
municipios. Los municipios se seleccionan por su ID que los identifica; por ejemplo, si
se quiere analizar el municipio Cajibío en el Cauca se escribe:
 id.municipio<-c(995)
Pero si se desea analizar en conjunto los municipios de Cajibío, Guamal en el Meta y

Nuquí en Chocó entonces se escribe:
 id.municipio<-c(995,856,842)
187
La estructura c(…) en R significa una cadena de elementos o un vector. Pueden

colocarse la cantidades de ID que el usuario considere.
9.5.4. Especificación de parámetros técnicos de las alternativas energéticas

Para algunas de las alternativas el usuario debe ingresar o cambiar algunos parámetros
variables. En el código se muestran con un nombre abreviado, pero después del símbolo
·# se da su significado. A continuación se explican cada una de las alternativas:
9.5.4.1. Generación con radiación solar

Esta alternativa no tiene parámetros para que el usuario modifique.
Procedimiento de cálculo y valoración. Primero se halla la capacidad de generación de

un solo equipo (que llamamos energía unitaria). El cálculo se hace a partir de la
radiación incidente registrada en el municipio. Esta información se obtiene para cada
municipio con base en un modelo de radiación en forma de grid. Un municipio para este
desarrollo se considera como un polígono en el espacio, al cual se le sobrepone el grid
de radiación y el grid es de tamaño regular (celdas de 0,008461 grados de lado, en
coordenadas geográficas). De tal modo que cada municipio es un conjunto de píxeles.
En esta fuente de información espacial cada píxel posee un dato diferente de la
información, es decir distintos valores de radiación en kWh/m2. Esto hace que se espere
que un panel colocado en cada píxel muestre diferentes valores de generación.
Para hallar la energía unitaria de paneles, el algoritmo obtiene un valor de generación

para un panel en cada uno de los píxeles del municipio y luego promedia todos los
valores. El panel posee un área de 1 m2 ( AP).
Se aplica la siguiente fórmula a cada píxel del municipio:
Energiaun = 0,15*RP*área total (71)
Donde Energiaun es la energía unitaria en Wh generada por el panel. RP es la radiación

solar tomada del píxel en cálculo y areatotal es el área del panel.
Si, por ejemplo, el municipio posee 100 píxeles, entonces para este municipio se
almacena el promedio de los 100 valores resultantes de aplicar la ecuación 71.
El resultado del valor para el municipio se lleva a kWh dividiendo por 1.000 el
resultado.
Para el cálculo del número de equipos requeridos por año se aplica la siguiente fórmula:
# de equipos año i = [(demanda año i)/Energiaun)- (# de equipos año i - 1)]

(72)
Es decir, a medida que transcurre el tiempo el número de equipos se incrementa. Es la

energía unitaria calculada la que determina si se requieren muchos o pocos equipos para
cumplir con la demanda potencial. Municipios con poca oferta de radiación tienen
valores de Energiaun bajos.
188
Una vez se conoce el número de equipos necesarios se configuran los costos de cada
año.
1. Costos de puesta en marcha del proyecto para el municipio (se cambian a $US).
2. Para el costo de los equipos, primero se selecciona la potencia, entendida como la
menor de las disponibles que sea superior o igual a la energía unitaria hallada para el
municipio.
3. Para los equipos adquiridos en cada año se causan los costos de inversión inicial y los
de mantenimiento y administración que se generan en los años posteriores, como se
explica antes en la tabla de costos solar ―costSolar‖.
4. Se suman todos los costos de cada año. Se halla el valor presente de la serie de
costos. Se emplea la tasa de descuento que el usuario especifica ―ti‖.
9.5.4.2. Generación con energía eólica

Esta alternativa solo tiene un parámetro para que el usuario modifique
(vel.viento.usuario), el cual debe tener la misma longitud que id.municipio. En este
argumento, el usuario tiene la opción de indicar cuál velocidad de viento utiliza para
cada municipio. Si se desea que la aplicación emplee la velocidad de viento incorporada
en el modelo espacial de viento entonces se coloca el valor -999 para el municipio.
Procedimiento de cálculo y valoración: Igual que con la alternativa solar, primero se

halla la capacidad de generación de un solo equipo aerogenerador (energía unitaria). El
cálculo se hace a partir de la velocidad del viento y del diámetro del rotor a emplear y la
elevación sobre el nivel de mar en metros (m.s.n.m) en la que quedaría el equipo. Si el
usuario no especifica la velocidad del viento del municipio, se obtienen a partir de un
modelo de velocidad de viento en forma de grid; la elevación se toma de un modelo de
elevación digital (DEM por sus siglas en inglés) que también está en forma de grid. En
estas fuentes de información espacial cada píxel posee un dato diferente de la
información, es decir, distintos valores de velocidad m/s y m.s.n.m. Con esto un rotor
que se coloca en cada píxel se espera muestre diferentes valores de generación.
Para hallar la energía unitaria de un rotor, el algoritmo obtiene un valor de generación

para cada uno de los píxeles del municipio de análisis y luego promedia todos los
valores.
Se aplican las siguientes fórmulas a cada píxel del municipio:
DA = DE*((TE-0,0065*AE)/TE)^4,2561
(
73)
AREA = (pi/4)*DR^2
(
74)
Energiaun = 0,5*DA*AREA*VE^3
(
75)
Donde DA es la densidad del aire (kg/m3); TE, la temperatura estándar (ºK); AE, la
altura de emplazamiento (m); AREA, el área que genera la rotación del rotor (m2): DR,
el diámetro del rotor (m); VE, la velocidad del viento (m/s) y Energiaun, la resultante de
generación para el equipo en watt.
189
Como se dispone de varias tecnologías cada una con diferentes diámetros de rotor
(véase tabla costEolica), en cada municipio de análisis se halla Energiaun con cada uno
de los diámetros.
Luego el algoritmo selecciona la mejor tecnología que se adapta al municipio siguiendo

las siguientes reglas:
1. Si la potencia calculada con cada una de las tecnologías es menor que la
potencia técnica, entonces se selecciona la tecnología con el mayor diámetro de rotor.
2. Si en algunas tecnologías la potencia calculada es mayor que la potencia técnica,
entonces se selecciona entre estas la tecnología con el mayor diámetro.
Por ejemplo, para el municipio de Cajibío en el Cauca (ID = 995) los cálculos de la
energía unitaria para generación solar y eólica son los siguientes:
La energía promedio que se produce para un panel solar es de 102,62 Wh y para un

rotor de diámetro de 12 m de 20,51 kW, dado que se le asignó manualmente
(vel.viento.usuario<-c(7,-999,-999)) al municipio de Cajibío una velocidad de viento de
7 m/s. Si se utiliza la información del modelo de viento para calcular la potencia se
obtendría:
En este caso, el modelo pronostica un menor valor de velocidad de viento y ningún

diámetro de rotor produce más que la potencia técnica y el algoritmo selecciona la
tecnología con el diámetro de 60 m.
Cuando se conoce la tecnología para el municipio y la potencia que podría producir se

hallan el número de equipos requeridos aplicando el mismo esquema de la ecuación 72.
Una vez se conoce el número de equipos necesarios se configuran los costos de cada
año:
2. Para los equipos adquiridos en cada año se causan los costos de inversión inicial
y los de mantenimiento y administración que se generan en los años posteriores
como se explica antes en la tabla de costos eólica costEolica.
190
9.5.4.3. Generación con biomasa

Esta alternativa tiene dos parámetros en forma de vector de igual longitud que el
parámetro de id.municipio. El primero es la secuencia de valores de PCI para cada
municipio (MJ/kg). El segundo, la secuencia de costos ($US) por kilogramo de biomasa
en cada municipio.
Procedimiento de cálculo y valoración. Con los valores de PCI por municipio se halla el
potencial de producción de energía de un kilogramo de biomasa (energiaun) con su
correspondiente PCI. Se emplean las siguientes fórmulas:
Energicalor = (PCI)*1000/(24*3.600) (76)
energiaun = Energiacalor*0,38*0,8*0,9 (77)
Donde Energiacalor es la potencia que se obtiene en forma de calor con cada kilogramo
de biomasa (kW/kg).
Por otro lado, el algoritmo importa una tabla con los valores de tasas de crecimiento.
Estos son en toneladas de carbono/hectárea/año. Esta información da cuenta del
potencial de abastecimiento que poseen los bosques de regeneración enriquecidos o
manejados y plantaciones para biomasa por hectárea en cada municipio. Esta tasa se
convierte a biomasa multiplicándola por 2 y se corrige con un factor que indica la
fracción aprovechable (ramas y fustes) de 0,7.
El cálculo de la biomasa que necesita disponer cada municipio al año para satisfacer la
demanda se realiza de la siguiente manera:
1. Primero se selecciona la potencia del equipo. Se tiene un rango de potencias de
los equipos de 200 a 5.200 kW. Como la idea es hacer la inversión de un solo
equipo para el municipio que cubra con toda la demanda potencial, se compara
la demanda potencial con las potencias técnicas disponibles. El algoritmo
selecciona el equipo que sea más cercano pero superior a la demanda potencial.
2. Con el precio del kilogramo de biomasa, energiaun y la potencia del equipo se
calcula la cantidad de kilogramos requeridos para un día de funcionamiento, así:
3.
Kg_día = potencia* (24*3600/energiaun) (78)
Este cálculo se extrapola al año y se obtiene el requerimiento de biomasa. El algoritmo

también calcula según la localidad la cantidad de hectáreas que se requerían para suplir
esta demanda de biomasa, así:
Ha_requeridas = (Kg_día*365)/tasa crecimiento (79)
Donde tasa crecimiento es la tasa de crecimiento de los bosques o las plantaciones

(t/ha/año) para la localidad (depende de la zona de vida (ver tabla.tasas.bio).
Al igual que con las alternativas anteriores, una vez se selecciona el equipo se
configuran los costos de cada año:
191
2. Para la potencia seleccionada se causan los costos de inversión inicial y los de

mantenimiento, compra de biomasa y administración que se generan en los años
posteriores.
3. Se suman todos los costos de cada año, se halla el valor presente neto (VPN) de
la serie de costos empleándose la tasa de descuento que el usuario especifica
―ti‖.

hidroeléctricas
Parámetro Descripción
AlEm Altura de embalse a la salida de la turbina (m). Se ingresa
como vector, un valor para cada municipio de análisis.
DT Diámetro de la tubería (m). Se ingresa como vector, un valor
para cada municipio de análisis.
LT Longitud de la tubería (m). Se ingresa como vector, un valor
Mat Material, puede ser uno de los siguientes: ―Acero‖,
―Asbesto_Cemento‖, ―Hierro_Ductil‖, ―Hierro_Forjado‖,
―Hierro_Fundido‖, ―Hierro_Fundido_Asfaltado‖,
―Hierro_Galvanizado‖ o ―PVC‖. Se ingresa como vector, un
valor para cada municipio de análisis.
Rab Rugosidad absoluta (m). Se ingresa como vector, un valor para
cada municipio de análisis.
VC Viscosidad cinemática (m2/s). Se ingresa como vector, un valor
DB Diámetro de boquilla (m). Se ingresa como vector, un valor
LeqAcce Longitud equivalente por accesorios. Se ingresa como vector,
un valor para cada municipio de análisis.
CD Coeficiente de descarga. Se ingresa como vector, un valor para
ET Eficiencia de la turbina. Se ingresa como vector, un valor para
Con esta información se parametriza una función que calcula la energía (energiun) que
produce por una central hidroeléctrica para esas condiciones. El usuario puede ingresar
los valores y las longitudes de los vectores que desee siempre y cuando coincidan con la
longitud de id.municipio.
Los cálculos efectuados para cada uno de los municipios son los siguientes:
Rugosidad_relativa = Rab/DT (80)
Donde Rab es la rugosidad absoluta (m) dada por el usuario, DT es el diámetro de la

tubería (m).
Caudal_teórico = ((2*Gr*AlEm)^0.5)*((pi/4)*DB^2) (81)

192
Donde: Gr es la constante gravedad (m/s2); AlEm, la altura de embalse a la salida de la

turbina (m) que la especifica el usuario; DB, el diámetro de boquilla (m) que lo
especifica el usuario.
Velocidad_tubería = (4* caudal_teórico)/(pi*DT^2) (82)
Número_Reynolds = velocidad_tubería *DT/VC (83)
Donde: VC es la viscosidad cinemática (m2/s), la cual especifica el usuario.
Factor_fricción = 1,325/|log{[Rugosidad_relativa /3,7] + (5,74/ número_Reynolds

^0,9)]^2]}| (84)
Pérdidas_longitud = factor_fricción *LT/DT*(velocidad_tubería^2)/(2*Gr) (85)
Donde LT es la longitud de la tubería (m) dada por el usuario.
Pérdidas_energía = (factor_fricción *(LT +

LeqAcce)DT)*(velocidad_tubería^2)/(2*gr) (86)
LeqAcce es la longitud equivalente por accesorios dada por el usuario.
Velocidad_real = [(2*gr)*(AlEm- pérdidas_energía)]^0,5 (87)
Potencia_hidraúlica = PE*[(pi/4)*(DB^2)* velocidad_real *(AlEm-

pérdidas_energía)] (88)
PE indica el peso específico (N/m3) (9.810 constante).
Energiaun = potencia_hidraúlica *ET (89)
Y ET es la eficiencia de la turbina dada por el usuario.
En el caso que el usuario especifique valores en los argumentos que produzcan errores
en los cálculos; por ejemplo raíces de valores negativos, el algoritmo para el proceso o
la orden y produce un mensaje de error como el siguiente: ―Configuración de
parámetros para PCH técnicamente no factibles‖.
Para analizar si la configuración del usuario es correcta, puede escribirse en R la

siguiente instrucción para que muestre los cálculos unitarios para los municipios
seleccionados:
calculaenergiahidraulica(AlEm)
Para el caso de los municipios que tenemos de ejemplo se obtiene:

193
Los valores reportados dependen de los que asuman los parámetros. En este caso se
colocaron valores arbitrarios.
El paso siguiente consiste en comparar la energiaun con las potencias técnicas

mostradas en la tabla costPCHS. Para cada municipio se selecciona el nivel de potencia
técnica más bajo que supere el valor hallado en energiaun. Si para un municipio en
particular la demanda potencial es demasiado alta y la potencia del equipo seleccionado
no alcanza a cubrirla, el algoritmo costea dos las PCH necesarias para cubrir la demanda
potencial.
Al igual que con las alternativas anteriores, una vez se selecciona el equipo se
configuran los costos de cada año.
2. Para la potencia seleccionada se causan los costos de inversión inicial y los de
mantenimiento y administración que se generan en los años posteriores.
9.5.4.4. Generación con diésel

Esta alternativa no tiene parámetros para que el usuario especifique. Sobre la tabla de
costos que se importa se toman los rangos de potencias técnicas y se comparan con la
demanda potencial de cada municipio de análisis para seleccionar el equipo.
Para cada municipio se selecciona la mínima potencia técnica que sea superior a la
demanda potencial del municipio. Luego de seleccionar el equipo se procede a
configurar la estructura de costos para la valoración:
2. Para la potencia seleccionada se causan los costos de inversión inicial, costos de
combustible esperados, costos de mantenimiento y administración que se
generan en los años posteriores.
costos, empleándose la tasa de descuento que el usuario especifica ―ti‖.
Con la selección de la tecnología para cada municipio, el algoritmo consulta y almacena

el consumo anual de combustible diésel que se utilizaría en cada municipio para cumplir
la demanda (consulta la tabla consumoDiesel). Estos consumos se utilizan
posteriormente para calcular las toneladas de CO2 emitidas y sen los ingresos en la
valoración de un proyecto MDL.
9.5.4.5. Generación con biodiésel

Esta alternativa tampoco tiene parámetros para que el usuario especifique. El
procedimiento es muy similar a la tecnología diésel, difieren solo en el precio del
combustible.
9.5.4.6. Alternativa interconexión

Esta alternativa posee varios parámetros para que el usuario modifique; en el cuadro 9-3
se explica cada uno de ellos:
194
Cuadro 9-3. Parámetros requeridos para la opción de interconexión
viviendas Número de viviendas a electrificar. Se
presenta en forma de vector, una entrada
para cada municipio.
distancia Distancia entre el pueblo y la red del SIN
más cercana. Se asigna como vector, una
entrada para cada municipio.
pendiente.terreno Calificación de pendiente por donde se
hace la conexión. Puede tomar alguno de
los siguientes valores: ―alta‖ si >30º,
―media‖ si está entre 10 y 30º, ―baja‖ si
<10º y ―plana‖ si es 0º. Se asigna como
vector, una entrada para cada municipio
rios Calificación si la conexión atraviesa ríos.
Puede tomar alguno de los siguientes
valores: ―alta‖ si es alto caudal, ―media‖
si es mediano caudal, ―baja‖ si es bajo
caudal y ―nulo‖ si es sin ríos. Se asigna
como vector, una entrada para cada
municipio
vias Calificación si la conexión está cerca a
vías. Puede tomar alguno de los
siguientes criterios: ―principal‖ principal
pavimentada <12 km, ―secundaria‖
secundaria pavimentada <8 km,
―ferrocarril‖ carretera/ferrocarril < 4 km y
―nulo‖ sin vías. Se asigna como vector,
una entrada para cada municipio
costo.km.unidad.constructiva2 Costo de UC siguiendo la resolución
CREG 036 de 2008 en pesos ($). Línea de
tensión de 12,5.
costo.km.unidad.constructiva3 Costo de UC, siguiendo la resolución
CREG 036 de 2008 en pesos ($). Línea
de tensión de 34.
cte.costo.transformadorSTR_SDL Constante para calcular costo del
transformador STR/SDL y/o SDL en
pesos ($) (resolución de la CREG 036
2008).
Adicional a los parámetros que el usuario especifica, la aplicación carga un cuadro

denominado matrizDistPot . Este muestra para cuatro opciones de potencia y para diez
rangos de distancia de interconexión dos alternativas de tensión. A continuación se
muestra la forma del cuadro matrizDistPot:
195
Cuadro 9-4. Niveles de tensión por kilómetro de líneas y niveles de potencia

Longitud (km)
Potencia
(MW) 10 20 30 40 50 60 70 80 90 100
0,5 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2 13,2
1 13,2 13,2 13,2 13,2 13,2 13,2 34,5 34,5 34,5 34,5
2 13,2 13,2 13,2 34,5 34,5 34,5 34,5 34,5 34,5 34,5
3 13,2 13,2 34,5 34,5 34,5 34,5 34,5 34,5 34,5 34,5
4 13,2 34,5 34,5 34,5 34,5 34,5 34,5 115 115 115
5 13,2 34,5 34,5 34,5 34,5 115 115 115 115 115
6 13,2 34,5 34,5 34,5 115 115 115 115 115 115
7 34,5 34,5 34,5 34,5 115 115 115 115 115 115
8 34,5 34,5 34,5 115 115 115 115 115 115 115
9 34,5 34,5 34,5 115 115 115 115 115 115 115
10 34,5 34,5 34,5 115 115 115 115 115 115 115
Fuente: Durán, Edgar (2008).
Si para un municipio en particular su demanda en MVA (se obtiene de tomar la

demanda en kW y dividirla por 1.000) no supera 0,5 MVA y se encuentra a una
distancia de 60 km, entonces el algoritmo selecciona la alternativa de interconexión con
la tensión 13,2.
Procedimiento de cálculo y valoración. Para cada municipio seleccionado para el

análisis se calcula el sobrecosto que se incurre teniendo en cuenta las restricciones
planteadas en materia de pendiente del terreno, caudal o presencia de ríos y tipo de vía.
La magnitud del sobrecosto es la sumatoria de los costos de cada una de las
restricciones y su categoría seleccionada. Los valores en pesos de las restricciones se
mostraron en el numeral 2 de este documento (carga de tablas).
Luego con la información de potencias y distancia para cada municipio se halla la

potencia a utilizar. En el caso que el usuario especifique un municipio con una distancia
a interconectar mayor de 100 km, el algoritmo se detiene y para ese municipio devuelve
un valor NA (no aplica) en su valoración.
En el caso contrario, que se tenga un valor de tensión, se calcula el costo de
interconexión 1 así:
costoInterc1 = (costo.km.unidad.constructiva*0.8*distancia) + (sobrecosto*distancia)

(90)
Donde costoInterc1 es el costo de la interconexión 1. costo.km.unidad.constructiva es

un valor que depende de la tensión seleccionada, para la tensión de 13,2 es de
$24.170.802 pesos y para el caso de la tensión 34,5 es de $ 83.871.000 pesos.
Luego se calcula el costo de interconexión dos:
costoInterc2 = (viviendas*1’977,024) + costoInterc1 (91)

196
Donde costoInterc2 es el costo de interconexión dos. Con el valor de demanda asignada

al municipio se halla la capacidad en MW. Esta es la demanda dividida por 1.000. Con
el valor de capacidad se halla el costo de los transformadores así:
costo.total.transformadores = cte.costo.transformadorSTR_SDL*capacidad (92)
Donde cte.costo.transformadorSTR_SDL es una constante para calcular el costo del

transformador STR/SDL o SDL, siguiendo las directrices de la resolución CREG 036 de
2008 es de $37.954.000 pesos.
El costo de administración y mantenimiento para la tensión seleccionada se calcula

como:
aom.tension = costoInterc2*0,04 (93)
El costo de administración y mantenimiento para los transformadores se determina así:
aom.transformadores = costo.total.transformadores*0,04 (94)
El costo de administración y mantenimiento total es:
aom.total = aom.tension + aom.transformadores (95)

El costo de reposición está dado por:
costo.reposición = 1’461,221*viviendas (96)
Finalmente el costo total de interconexión es:
costo.total.interconexión = costoInterc2 + costo.total.transformadores + aom.total +

costo.reposición (97)
Este último se transforma a dólares utilizando la tasa de cambio suministrada por el

usuario en el parámetro valorUS.
Debe tenerse en cuenta un costo adicional, que es un precio que se paga a valor de la
bolsa de energía por concepto del uso de la línea para transmitir la electricidad; este se
calcula como sigue:
Bolsa = (92*demanda)*365*24 (98)
Donde se supone un precio de bolsa de $92 (igual este puede cambiarlo el usuario).
Este costo se halla para la demanda de cada año y se convierte a dólares.
El costo de interconexión se configura para todos los años así: para el primer año es el
valor hallado en costo.total.interconexion. Del segundo año en adelante se le suma el
valor hallado en aom.total.
Finalmente, el costo para todo el periodo del proyecto es el flujo de costos de

interconexión más el flujo de costos de bolsa. Luego se halla el VPN de la serie de
costos, empleando la tasa de descuento que el usuario especifica ―ti‖.
197
9.5.4.7. Valoración de un proyecto bajo el MDL
Esta opción se genera en las salidas de la aplicación. El usuario solo especifica en la

parametrización el precio del certificado de reducción por tonelada de CO2. En una de
las tablas que se importan se consideran los costos como formulación y otros así
siguiendo los criterios dados por la convención de cambio climático de las Naciones
Unidas (UNFCC por sus siglas en inglés).
Cuadro 9-5. Costos de un proyecto MDL sombrilla en zonas no interconectadas
Descripción Costo $US

Inversión inicial 300.000
Costos de transacción 45.270
Costos de validación 5.000
Costos de registro 5.000
Costos de verificación 30.000
Otros 5.270
Los ingresos se calculan después de correr el módulo de la alternativa diésel. En este

último se calculan los galones de diésel que se requieren para suplir la demanda año a
año. El usuario puede parametrizar el factor de conversión a toneladas de CO2 por galón
de diésel quemado (EFdiésel) y con este se hallan las toneladas de CO2 que se podrían
transar en la negociación del proyecto MDL. El flujo de caja se configura colocando
todos los costos de la tabla anterior en el año cero y los ingresos son las sumas de las
toneladas de cada año de todos los municipios multiplicadas por el precio del CER.
Finalmente, se halla el VPN de la serie de costos e ingresos, con la tasa de descuento
que el usuario especifica ―ti‖. Vale la pena mencionar que esta es la única alternativa
que, para el cálculo del VPN, en su flujo de caja cuenta con ingresos.
9.5.5. Información para la evaluación económica
Para que el algoritmo ejecute la valoración económica se deben parametrizar algunas

variables importantes como las presentadas en el cuadro 9-6:
Cuadro 9-6. Información básica para la evaluación económica de las alternativas de

energización
valorUS Valor del $US dólar en pesos (tasa de cambio)
ti Tasa de interés
CER Valor de los certificados de reducción $US/ton CO2
EFdiésel Emission Factor for diésel tCO2/glon (factor de conversion)
Esta información es general en la valoración económica de las alternativas. Existe un

parámetro que indica el periodo de análisis (anosA). Por la configuración que se maneja
en las tablas y el algoritmo se ha fijado en quince años.
198
9.5.6. Valoración económica
Para que el algoritmo realice la valoración económica de cada una de las alternativas
para los municipios seleccionados, utilizando toda la configuración de los parámetros,
deben realizarse los siguientes pasos:
1. Verificar la correcta instalación del software R y que las librerías requeridas

estén descargadas.
2. Cargar el paquete funpzni_1.0.
3. Llamar el paquete con la instrucción: library(funpzni).
4. Direccional el R hacia la carpeta de trabajo donde se encuentran los archivos
acompañantes.
5. Copiar y pegar en el R la parte de carga de tablas. Como se muestra en la
siguiente imagen de la consola del R.
Figura 9-3. Consola del R indicando la carga de los costos de las alternativas
6. Copiar y pegar en el R solo la parte de parametrización de las alternativas. En las

siguientes líneas se muestra una parametrización de ejemplo para tres
municipios de las ZNI.
##############################################################################
####-------------SELECCIÓN DE MUNICIPIO(S) PARA ANÁLISIS-----#################
##############################################################################
id.municipio<-c(995,856,842) # se toma el MUNICIPIO_ID, ver TABLAS
###############################################################################
### --------PARAMETRIZACIÓN DE ALTERNATIVAS----------##########################
###############################################################################
###--- PARÁMETROS TÉCNICOS PARA ENERGIA EOLICA

vel.viento.usuario<-c(-999,-999,-999) #Opcional, velocidad viento m/s por municipio
###--- PARÁMETROS TÉCNICOS PARA DIÉSEL

factor.uso.diésel <- 0.7 # Factor de uso para la demanda Aplica también para Biodiésel
###--- PARÁMETROS TÉCNICOS PARA BIODIÉSEL

factor.uso.Biodiésel <- 0.7 # Factor de uso para la demanda.
####--- PARÁMETROS TÉCNICOS PARA ENERGIA PCH

AlEm<-c(50,30,20) # Altura de embalse a la salida de la turbina (m)
DT<-c(0.508,0.508,0.508) # Diámetro de la tubería (m)
LT<-c(50,70,100) # Longitud de la tubería (m)
199
Mat<-c('Acero','Hierro_Ductil','Acero') # Material (ver lista) Acero,Asbesto_Cemento,

# Hierro_Ductil, Hierro_Forjado, Hierro_Fundido,
# Hierro_Fundido_Asfaltado, Hierro_Galvanizado,
# PVC
Rab<-c(0.000046,0.00025,0.000046) # Rugosidad absoluta (m)
VC<- c(1.02E-06,1.02E-06,1.02E-06) # Viscosidad cinemática(m2/s) (ver tabla)
DB<-c(0.0762,0.0762,0.0762) # Diámetro de boquilla (m)
LeqAcce<-c(303.88,303.88,303.88) # Longitud equivalente por accesorios (ver tabla)
CD<-c(0.75,0.75,0.75) # Coeficiente de descarga (ver tabla)
ET<-c(0.91,0.91,0.91) # Eficiencia de la turbina (ver tabla)
####---- PARÁMETROS PARA BIOMCOMBUSTIBLE (BIOMASA)

PCI<-c(20.95,20.95,20.95) # MJ/kg
cost.biomasa<-c(0.03,0.03,0.03) # Costo promedio de 1 kg de biomasa
factor.uso.Biomasa <- 0.7 # Factor de uso para la demanda
####---- PARÁMETROS TÉCNICOS PARA LA INTERCONEXIÓN A LA RED SIN

viviendas<-c(103,80,30) #Numero de viviendas a electrificar
distancia<-c(105,100,50) #Distancia entre el pueblo y red del SIN mas cercana (km)
pendiente.terreno<-c("alta","baja","plana") ## "alta" : >30º # sacarla como tabla
## "media": entre 10 y30º
## "baja" : <10º
## "plana": 0º
rios<-c("nulo","media","baja") ## "alta" : Alto caudal
## "media": Mediano caudal
## "baja" : Bajo caudal
## "nulo": Sin ríos
vias<-c("principal","secundaria","nulo") ## "principal" : Principal pavimentada <12km
## "secundaria": Secundaria pavimentada <8km
## "ferrocarril": Carretera/Ferrocarril < 4km
## "nulo" : Sin vías
costo.km.unidad.constructiva2<-24170802 ## Costo de UC. resolucion CREG 036 del abril de 2008 $pesos, linea de tensiòn
13.2
costo.km.unidad.constructiva3<-83871000 ## Costo de UC. resolucion CREG 036 del abril de 2008 $pesos, linea de tensiòn
34.5
cte.costo.transformadorSTR_SDL<-37954000 ## constante para calcular costo del transformador STR/SDL y/o SDL $Pesos
resolucion de la CREG 036 2008
factor.uso.Interc <- 0.7 ## Factor de uso para la demanda
###-------- INFORMACIÓN PARA LA EVALUACIÓN ECONÓMICA

valorUS<-1750 # Valor del $US dólar en pesos
ti<-7 # tasa de interés
cer<-10 # valor de los certificados de reducciòn $US/ton co2
anosA<-15 # tiempo de análisis del proyecto (años)
EFdiésel<-0.011 # Emission Factor for diésel tCO2/glon
###############################################################################
7. Para correr la valoración económica de las alternativas y ver el resultado se

digita la siguiente línea:
Valoracion1(―VPN‖)
8. Para mostrar la necesidad de equipos en la ejecución de las alternativas solar,

eólica, PCH y la evolución de la demanda en un municipio de la lista de
municipios seleccionados se digita:
Valoracion2(―N.EQUIPOS‖,1) Para el primer municipio de la lista

Valoracion2(―N.EQUIPOS‖,2) Para el segundo municipio de la lista
Valoracion2(―N.EQUIPOS‖,3) Para el tercer municipio de la lista
Pueden invocarse cuantas veces se requiera según la cantidad de municipios

seleccionados para análisis.
200
9.5.6.1. Notas sobre la interpretación de las salidas
Una salida de ejemplo cuando se pide la valoración de las alternativas es la siguiente:
Figura 9-4. Salidas del R para la toma de decisiones de energización en las municipios
seleccionados de las zonas no interconectadas
El lado izquierdo de la figura 9-4 muestra el nombre de los departamentos

seleccionados. Todos los valores están en $US. En la primeras cinco columnas se
presenta el valor de los VPN al emplear las alternativas eólica, solar, PCH, diésel y
biodiésel respectivamente. En la columna seis, se indica el resultado de valorar el
proyecto MDL para los municipios seleccionados; en este caso el resultado de la
valoración se repite para cada municipio, pero debe interpretarse como uno solo de ellos
para el proyecto sombrilla.
La séptima columna muestra el resultado de valorar la opción de interconexión para

cada municipio. La octava columna enseña el resultado de la valoración si se empleara
la alternativa de generación con biomasa. Adicional a esta última valoración se muestra
la cantidad de biomasa en toneladas que se requería anualmente para abastecer la
termoeléctrica. Esta cantidad de biomasa depende del índice de poder calorífico (PCI)
parametrizado para cada municipio. A menor valor del índice se requiere mayor
cantidad de biomasa; si la fuente es madera de bosques manejados o bosques naturales
enriquecidos puede utilizarse un PCI de hasta 20,89. Si se especifica el PCI para madera
entonces tiene sentido interpretar la décima y última columna, que indica las hectáreas
que se deberían disponer en bosques manejados sosteniblemente para suplir la demanda
de madera anual en la termoeléctrica.
Una salida de ejemplo cuando se pide el número de equipos requeridos para uno
cualquiera de los municipios seleccionados es la siguiente:
201
Figura 9-5. Salidas del R que indican el número de equipos requeridos para las distintas
alterativas de energización
La primera columna muestra cómo debe ser la disponibilidad de rotores en cada año
para la tecnología eólica. Esta cantidad asegura abastecer la demanda energética. La
segunda columna indica cuál diámetro de rotor escogió la herramienta como el más
adecuado a utilizar en el municipio, dadas las condiciones de viento que se tienen en un
modelo de vientos o que el usuario ingresó por medio del parámetro vel.viento.usuario.
La tercera columna indica cómo debe ser la disponibilidad de paneles de 1 m2 en cada

año para la tecnología solar. La cuarta columna señala cuántos equipos de PCH se
requieren para suplir la demanda energética en el municipio y en la quinta se indica la
potencia técnica de la PCH seleccionada. Por último, en la sexta columna se muestra el
comportamiento de la demanda para el municipio de análisis en el horizonte de tiempo
analizado.
9.5.7. Despliegue gráfico
Antes de comenzar la explicación es bueno recordar que la unidad espacial del territorio
donde se hacen los cálculos es el municipio. Alguna de la información fuente necesaria
para hacer los cálculos de potencial de generación con cada una de las alternativas se
diseñó para que fuera en forma de grid (mapa cuadriculado por variable, donde cada
píxel contiene un dato de información) Por ejemplo, la división política de los
municipios, la información de elevación sobre el nivel del mar del terreno, la radiación
incidente, la velocidad del viento, las zonas de vida del territorio según Holdridge (cada
píxel es de 1 km por 1 km aproximadamente).
La sección GRAFICOS presenta un conjunto de comandos que permiten ver tanto la

información fuente como los resultados en forma de mapas georreferenciados.
Para ver el mapa de Colombia solo con los municipios de la ZNI se emplea el comando:
figura1()
202
Figura 9-6. Mapa de Colombia con los municipios de las zonas no interconectadas
Para ver el mapa de Colombia con los municipios de la ZNI con un fondo gris y con
etiquetas de ejes y título, se emplea el comando figura2().
Figura 9-7. Mapa de Colombia con los municipios de las zonas no interconectadas, con
fondo gris y etiquetas
203
Para ver un mapa coordenado con una imagen del modelo de elevación digital (DEM),
se emplea el comando figura3(). La escala de colores indica la elevación en metros
sobre el nivel del mar.
Figura 9-8. Mapa de elevación digital en las zonas no interconectadas
Para ver un mapa coordenado con una imagen de la radiación incidente en los
municipios de la ZNI, se emplea el comando figura4(). La escala de colores indica la
radicación en wh/m2.
204
Figura 9-9.Mapa de radiación incidente en las zonas no interconectadas
Para ver un mapa coordenado con una imagen de la velocidad del viento promedia en
los municipios de la ZNI, se emplea el comando figura4.2(). La escala de colores indica
la velocidad en m/s.
205
Figura 9-10. Mapa de velocidades del viento en las zonas no interconectadas
Para ver un mapa coordenado con una imagen de la energía unitaria promedia producida
con un panel en cada municipio de la ZNI, se emplea el comando figura5(). La escala de
colores indica la variación en wh/panel.
206
Figura 9-11. Mapa de energía promedio producida por paneles solares en las zonas no
interconectadas
Para ver un mapa coordenado con una imagen de la energía unitaria promedia producida
con un rotor en cada municipio de la ZNI, se emplea el comando figura6(DR=6). La
escala de colores indica la variación en wh/rotor; debe especificarse entre paréntesis el
diámetro del rotor que se desea evaluar en todos los municipios (en este ejemplo el
diámetro es de 6 m).
207
Figura 9-12. Mapa de energía promedio producida por rotores de viento en las zonas no
interconectadas
Para ver un mapa coordenado con una imagen de distribución del VPN final del
ejercicio con paneles solares en cada municipio de la ZNI se emplea el comando
figura7(). La escala de colores indica la variación en VPN US$).
208
Figura 9-13. Mapa de valor presente neto al utilizar paneles solares en las zonas no
interconectadas
Para ver un mapa coordenado con una imagen de distribución del VPN final del
ejercicio con rotores de viento en cada municipio de la ZNI, se emplea el comando
figura8(). La escala de colores indica la variación en VPN $US.
209
Figura 9.14. Mapa de valor presente neto al utilizar rotores de viento en las zonas no
interconectadas
Para ver un gráfico que compara los VPN de cada una de las alternativas entre los
municipios seleccionados se emplea el comando figura9(). La leyenda indica el orden
de los municipios en las barras.
210
Figura 9-15. Determinación visual de la tecnología de energización en tres municipios

de las zonas no interconectadas usando el valor presente neto
Para ver un mapa coordenado con una imagen de distribución de las Zonas de Vida de
Holdridge en el área de la ZNI, se emplea el comando figura10(). La escala de colores
indica las distintas zonas de vida.
211
Figura 9-16. Mapa de zonas de vida de Holdridge en las zonas no interconectadas

212

el Chocó
David Tobón Orozco63, Sergio Agudelo Flórez64
En este capítulo se realiza una aplicación de la herramienta que da cuenta de la

alternativa de energización más adecuada para un municipio o localidad dentro de un
municipio perteneciente a las ZNI. Como se ha mencionado, a partir de la información
de recursos biofísicos disponibles y el universo de tecnologías alternativas considerado,
la herramienta establece qué alternativas en términos de tecnología y tamaño (potencia)
son más eficientes para abastecer una demanda potencial pretendida. Esta eficiencia se
mide en términos de mínimo costo y sostenibilidad (extracción sostenible de recursos de
biomasa). Los costos son una envolvente de todos los costos definidos por la regulación
para las alternativas energéticas y otros adicionales que deben tenerse en cuenta,
asociados a la participación de la población en la solución energética. La herramienta
compara la opción de energización propia con la de interconexión al sistema
interconectado nacional (SIN) y la necesidad adicional de comprar energía eléctrica en
la bolsa de energía. Las comparaciones se realizan en términos de valor presente neto
(VPN) y se incluye el potencial de obtención de recursos vía la certificación de un
proyecto sombrilla MDL, que involucre a varios municipios de las RSI en la sustitución
real o potencial de energía generada mediante plantas diésel por energía eléctrica
producida con el uso tecnologías limpias o alternativas.
10.1. Provisión de energía eléctrica en Acandí, Unguía y Riosucio
Acandí, Unguía y Riosucio se encuentran ubicados en el grupo 2 de la división

geográfica de las ZNI, es decir, pertenecen al departamento del Chocó, donde se ubica
precisamente el mayor número de municipios considerados como zonas no
interconectadas en Colombia, con un nivel de participación de 28,6% en el total
nacional (ver cuadro 6-2). Adicionalmente se encuentra el mayor parque generador
diésel con un aporte de 26,3% del total de la electricidad que produce y posee 20,1% de
las localidades consideradas ZNI para un agregado de 18,3% del total de usuarios
(IPSE, 2007).
Según el reporte del sistema único de información de servicios públicos (SUI), las
empresas prestadoras del servicio en estos municipios son, para Riosucio, la
Electrificadora del Municipio de Riosucio S. A. E.S.P., empresa pública con un nivel de
interconexión medio; para Unguía, la Empresa de Servicios Públicos de Unguía S. A.
E.S.P. (Espeu), sin interconexión alguna; y para Acandí, la Empresa Mixta de Servicios
Públicos de Energía Eléctrica de Acandí E.S.P. (Emselca), empresa de carácter mixto
sin interconexión alguna al sistema interconectado nacional (SIN) (SUI, 2007).
10.1.1. Descripción socioeconómica de los municipios

El municipio de Acandí cuenta con 1.880 viviendas para una demanda de subsistencia
(DS) de 258 kWh, si se tiene en cuenta el consumo de subsistencia de 0,137 que
estipula la CREG (2007), y una potencial de 1.676 kWh, si se supone que la demanda
potencial (DP) de cada vivienda la da el consumo actual promedio del estrato uno en
63
64
213
Bogotá. Por otro lado, la herramienta está diseñada para determinar la alternativa de
energización óptima cualesquiera sean los consumos de subsistencia y potenciales
requeridos por el usuario para cada municipio, localidades o veredas específicas dentro
de los municipios de las ZNI. Téngase en cuenta que este ejercicio se aplica al total de
viviendas de los municipios sin diferenciar su densidad o dispersión, de modo que no se
consideran los costos adicionales de distribución.
Haciendo los mismos cálculos para Riosucio, se tienen 1.285 viviendas para una
demanda de subsistencia de 177 kWh y una potencial de 1.146 kWh. Por último, en
Unguía se contabilizan 1.399 viviendas y demandas de 192 y 1.247 kWh,
respectivamente (DANE, 2005).
La diferencia entre la DP y la DS es el crecimiento bruto de la demanda en el tiempo

(Δ), y se va a suponer que su crecimiento en el tiempo para toda la vida útil de los proyectos
(quince años) es lineal.
Cuadro 10-1. Aplicación de la herramienta multiobjetivo a tres municipios de las zonas

no interconectadas en Chocó
Acandí (844) Riosucio (840) Unguía (839)
DS 258 177 192
DP 1.676 1.146 1.247
Δ 1.418 969 1.055
Viviendas 1.880 1.285 1.399
Respecto a las poblaciones de estos municipios, en Acandí, según el censo del DANE
de 2005, habitan 10.455 habitantes, el promedio de personas por hogar es de cuatro, de
los cuales 53% tiene veinte años o menos y solo 6,8%, sesenta o más edad. Además,
cerca de 50% de la población del municipio se localiza en la cabecera urbana y la
mayoría de la restante se ubica en los corregimientos de Capurganá y Sapzurro.
Aproximadamente 10% de los integrantes de los hogares no tienen grado de escolaridad
alguno, 50% ha cursado algún grado de primaria, 30% alcanzó algún grado de
secundaria y sólo 5% ha cursado estudios tecnológicos o universitarios. Respecto a las
actividades económicas, la principal es la agricultura (Álvarez, 2004; Grupo Gea et al.,
2003).
Riosucio cuenta con 14.323 habitantes, según el censo del 2005, de los cuales 80% son
afrocolombianos y 30% restante indígenas y mestizos. Las principales actividades
económicas son las explotaciones agrícola, forestal y pecuaria. Se destaca la producción
de energía biodiésel mediante el cultivo y procesamiento del aceite de palma africana.
Por último, Unguía tiene 14.544 habitantes, según el mismo censo, y sus principales
actividades económicas son la agricultura, la explotación de minas de platino y el
comercio.
Como se menciona en el capítulo 5, la herramienta construida posibilita la

caracterización de los municipios a partir de un indicador de restricciones sociales e
institucionales (RSI), que da cuenta de los costos adicionales por problemas
institucionales, de gobernabilidad y capital humano de las poblaciones, que deben
tenerse en cuenta al costear las alternativas, y que significan unas erogaciones mayores
214
en términos de profesionales que ayuden a socializar los proyectos, capaciten y hagan

partícipe a la población en su implementación durante toda la vida útil de ellos. Este
indicador también puede considerarse como una medida del desarrollo de una
población, en términos de la carencia de los indicadores que lo componen. El índice de
RSI para Acandí, Riosucio y Unguía es de 0,4, 0,37 y 0,36, respectivamente; en
principio, esto significa que entre más bajo sea el valor del índice RSI mayores son los
costos adicionales que deben considerarse en los proyectos de energización en un
municipio, lo cual ocurre en Unguía; pero al ponderar por el tamaño de población, lo
cual significa en términos de costos una mayor cantidad de profesionales a cargo de la
capacitación de la población en torno a la aplicación de las alternativas de generación, y
al tener en cuenta las distancias entre cada municipios y la ciudad donde se supone
provienen los profesionales (Medellín), se tiene que los sobrecostos adicionales a los
económicos que deberían preverse son 22,8, 21,7 y 21,8 millones en VPN,
respectivamente.
10.2. Organización industrial del parque generador en los municipios considerados:

proyectos de generación e interconexión
Con relación a proyectos de interconexión en la actualidad (octubre de 2008) solo

Riosucio cuenta con red de conexión al SIN, que atiende al municipio y poblaciones
aledañas al área de influencia de la línea, gracias al proyecto apoyado con recursos del
FAZNI de la línea de mediana tensión (MT) a 44 kV desde la subestación de Caucheras
(Antioquia) hasta Riosucio (subestación de 2MVA–44/13,2 kV) con una distancia de 87
km, para abastecer una población de 12.000 habitantes con una proyección del servicio
de 24 horas (IPSE, 2008).
También se tiene el proyecto de interconexión para Acandí con una línea de

subtransmisión a 34,5 kV desde la zona urbana de este municipio hacia los
corregimientos de Capurganá y Sapzurro, con una subestación elevadora de 2 MVA en
Acandí, una subestación reductora de 2 MVA en Capurganá y el reforzamiento del
parque generador para 658 usuarios beneficiados, con un costo de $1.000 millones, y
una proyección de 18 horas de servicio.
Adicionalmente, existen varios proyectos de remodelación de las redes de media y baja

tensión en los tres municipios; por ejemplo, para 2008 se proyecta una red intervenida
en Acandí para media tensión de 1.280 m y de baja tensión de 3.800 m con un cambio
de 11 transformadores. Para Unguía se tienen remodelaciones de 0,31 km, cambios de
transformadores monofásicos y remodelación de circuitos, y para Riosucio se proyectan
remodelaciones de 9,48 km y traslado de transformadores monofásicos a trifásicos
(IPSE, 2008).
Con relación a la infraestructura energética diésel, se cuenta en Acandí con una unidad
que presta el servicio 18 horas diarias, con una energía generada promedio mes de
229.000 kWh, para una potencia disponible de 1.800 kW, un nivel de eficiencia de
12,60 kW/galón y una demanda de punta de 825 kW.
En Unguía se cuenta con el proyecto financiado con recursos del FAZNI de una PCH
que beneficia tanto el área urbana como la rural, así como a los caseríos de Santamaría,
Gilgal y Balboa, con el aprovechamiento de un caudal de 2,3 m3/s del río Cuti, que
215
inició su construcción en febrero de 2007 con una potencia instalada proyectada de

1.100 kW para abastecer una demanda potencial de 8.800 habitantes.
Los parámetros técnicos que se utilizan para los municipios de estudio (datos de
entrada) son: velocidad del viento (para generar energía eólica), la altura de los
embalses y características técnicas de los materiales conductores del agua (para energía
PCH), productividad primaria neta de los bosques (para extraer biocombustibles a partir
de biomasa). Riosucio es el municipio con una distancia menor a 100 km (87 km), en el
caso de Acandí y Unguía las distancias son mayores a este umbral, por eso se considera
no factible técnicamente la interconexión a la red.
En el caso de la curva de demanda a abastecer se supone un factor de carga de 70%, o

sea que en un día se consume 70% de un día en donde en todas las horas se tuviera la
demanda máxima. Este valor debe calcularse para cada municipio. En todo caso esta
variable puede modificarse a consideración del usuario de la herramienta.
######################################################################
#########
### --------PARAMETRIZACIÓN DE ALTERNATIVAS----------
##########################
######################################################################
#########
###--- PARÁMETROS TÉCNICOS PARA ENERGIA EOLICA

vel.viento.usuario<-c(6,-999,6) #Opcional, velocidad viento m/s por
municipio
###--- PARÁMETROS TÉCNICOS PARA DIÉSEL

factor.uso.Diesel <- 0.7 # Factor de uso para la demanda Aplica
también para
Biodiésel
###--- PARÁMETROS TÉCNICOS PARA BIODIÉSEL

factor.uso.Biodiesel <- 0.7 # Factor de uso para la demanda.
####--- PARÁMETROS TÉCNICOS PARA ENERGIA PCH

AlEm<-c(68,10,68) # Altura de embalse a la salida de la turbina (m)
DT<-c(0.7,0.7,0.7) # Diámetro de la tubería (m)
LT<-c(120,70,120) # Longitud de la tubería (m)
Mat<-c('Acero','Hierro_Ductil','Acero') # Material (ver lista)
Acero,Asbesto_Cemento,
# Hierro_Ductil, Hierro_Forjado,
Hierro_Fundido,
# Hierro_Fundido_Asfaltado,
Hierro_Galvanizado,
# PVC
Rab<-c(0.000046,0.00025,0.000046) # Rugosidad absoluta (m)
VC<- c(1.02E-06,1.02E-06,1.02E-06) # Viscosidad cinemática(m2/s)
(ver tabla)
DB<-c(0.3,0.45,0.3) # Diámetro de boquilla (m)
LeqAcce<-c(20,12,20) # Longitud equivalente por accesorios (ver
tabla)
CD<-c(0.75,0.75,0.75) # Coeficiente de descarga (ver tabla)
ET<-c(0.91,0.91,0.91) # Eficiencia de la turbina (ver
tabla)
####---- PARÁMETROS PARA BIOMCOMBUSTIBLE (BIOMASA)

PCI<-c(20.95,40,20.95) # MJ/kg
216
cost.biomasa<-c(0.03,0.03,0.03) # Costo promedio de 1 kg de biomasa

factor.uso.Biomasa <- 0.7 # Factor de uso para la demanda
####---- PARÁMETROS TÉCNICOS PARA LA INTERCONEXIÓN A LA RED SIN

viviendas<-c(1880,1285,1399) #Numero de viviendas a
electrificar
distancia<-c(105,87,150) #Distancia entre el pueblo y red del SIN
mas
cercana (km)
pendiente.terreno<-c("alta","baja","plana") ## "alta" : >30º
# sacarla
como tabla
## "media": entre 10
y30º
## "baja" : <10º
## "plana": 0º
rios<-c("nulo","alta","baja") ## "alta" : Alto
caudal
## "media": Mediano
caudal
## "baja" : Bajo caudal
## "nulo": Sin ríos
vias<-c("principal","nulo","nulo") ## "principal" : Principal
pavimentada <12km
## "secundaria":
Secundaria
pavimentada <8km
##"ferrocarril":
Carretera/Ferrocarril <
4km
## "nulo" : Sin vías
costo.km.unidad.constructiva2<-24170802 ## Costo de UC.
resolucion CREG
036 del abril de 2008 $pesos, linea de tensiòn
13.2
costo.km.unidad.constructiva3<-83871000 ## Costo de UC.
resolucion CREG
036 del abril de 2008 $pesos, linea de tensiòn
34.5
cte.costo.transformadorSTR_SDL<-37954000 ## constante para
calcular costo
del transformador STR/SDL y/o SDL $Pesos
resolucion de la CREG 036 2008
factor.uso.Interc <- 0.7 ## Factor de uso para la
demanda

cer<-10 # valor de los certificados de reducciòn
$US/ton co2
EFdiesel<-0.011 # Emission Factor for Diesel tCO2/glon
En lo referente a las variables económicas de entrada se utiliza un valor de la tasa de

cambio de US$2.000, el cual es un pronóstico aceptable de la tasa de equilibrio de corto
plazo (septiembre de 2008), una tasa de interés de 7%, una inflación del 7% cada año y
un precio de los CER de US$10, es decir, se supone una negociación de cada tonelada
217
de reducción de metano por la sustitución de emisiones diésel por la utilización de

tecnologías limpias bajo el MDL a este precio.
cer<-10 # valor de los certificados de reducciòn
$US/ton co2
porc.icrem.costos<-10 # porcentaje de incremento de costos en los
años del proyecto
EFdiesel<-0.011 # Emission Factor for Diesel tCO2/glon
#################################################################
Luego de introducirse los datos en el aplicativo del software, la herramienta calcula el

valor presente neto (VPN) de la envolvente de todos los costos totales, que suman los
económicos, siguiendo la regulación colombiana, y los asociados a las RSI (ver figura
10-1).
#################################################################
###---------------- MÓDULO ECONÒMICO -------------##############
# Salidas: VPN para cada alternativa
Valoracion1("VPN")
Figura 10-1. Cuadro de salida estimación alternativa energización de mínimo VPN
Cuando la herramienta determina la tecnología más barata se realiza un proceso de

optimización de mínimo costo, que tiene como base la disponibilidad de recursos
naturales y las tecnologías disponibles, y luego los representa en el espacio de costos
económicos y de RSI mediante VPN. El proceso de optimización opera al tenerse una
demanda potencial para abastecer y distintas opciones de capacidad de generación,
eligiéndose la más barata, o sea, la combinación de costos incrementales más baja. Así,
218
para abastecer la demanda en los próximos quince años la tecnología más barata para
Acandí es la PCH. En Riosucio resulta más barato utilizar la biomasa, incluso más que
la interconexión a la red (es 2,82% más barata), aun si se reconoce que es técnicamente
factible la utilización de redes; esto de alguna manera validaría el hecho que este
municipio albergue la producción de biodiésel derivado del aceite de palma africana y la
opción de interconexión. En Unguía lo más conveniente es usar una PCH, al igual que
en Acandí (ver figura 10-1 y cuadro 10-1).
La herramienta también permite establecer el número de hectáreas (ha) y las toneladas

de biomasa que deben extraerse de manera sostenible para poner a funcionar las plantas
que utilizan biomasa, como ocurriría en Riosucio si se acepta la propuesta (véase cuadro
10-2).
Cuadro 10-2. Determinación de la tecnología de energización en Acandí, Riosucio y

Unguía usando el VPN
VPN Acandí (844) Riosucio (840) Unguía (839)

Eólica 54.541.566 482.274.582 37.164.622
Solar 681.873.306 539.995.584 497.718.833
PCH 4.772.340 18.498.348 4.771.679
Diésel 84.962.869 83.618.726 83.641.293
Biodiésel 71.363.680 70.019.536 70.042.103
MDL* 877.209 877.209 877.209
Interconexión NA 10.662.762 NA
Biomasa 18.760.431 10.274.428 18.759.749
Ton. biomasa 16.505.464 8.644.737 16.505.464
Ha. bosque 6.361.241 2.915.057 6.595.123
* Para un precio de US$ 10 por cada CER que se emita
219
Figura 10-2. Determinación visual de la tecnología de energización en Acandí,

Riosucio y Unguía usando el VPN
Los costos adicionales que debería contabilizarse por tener en cuenta las RSI oscilan
entre 1,05 y 2,4% de los VPN para los municipios analizados (véase cuadro 10-3).
Cuadro 10-3. Costos RSI de las localidades por energizar*
Acandí Riosucio Unguía

Costos RSI 11.418,6855 10.838,161 10.848,8087
RSI/VPN 2,39% 1,06% 2,27%
*Todos los costos están expresados en dólares
La herramienta posee otra utilidad: permite determinar el número de unidades de las

tecnologías con las capacidades de producción de mínimo costo:
220
## Numero de equipos requeridos

Valoracion2("N.EQUIPOS",1) ## colocar en el segundo argumento la
posición
del municipio
Figura 10-3. Cantidad y diámetro de rotores para atender la demanda potencial de

electricidad en Acandí
Por último, puede calcularse la potencialidad de ingresos por MDL con el uso distintos
valores de los CER. Si se supone un valor por certificado bastante conservador de
US$10 el proyecto sombrilla que engloba estas localidades da un VPN de US$877.209,
cifra para nada despreciable dado que equivale a 4,43% de los costos totales de
energizar a los tres municipios. Si el precio de los CER sube a US$15 el VPN aumenta
a US$1.510.000, es decir, 7,62 % de los costos. Y si los CER se negociaran a US$20 el
VPN sería de US$ 2.145 millones, correspondientes a 10,82% de los costos totales de
energizar estas localidades.65
65
La herramienta permite decidir las tecnologías más eficientes y los ingresos por MDL de cualquier número de
municipios considerados. Se suponen unos costos por MDL de inversión inicial de US$300 mil, o sea un caso de
escenario peor dada la posible resistencia y descoordinación entre los municipios al tratar de implementar la
estrategia de MDL. También se suponen unos de transacción de US$45.270, unos de validación por US$5.000, los de
registro ante la junta de la UNFCC se tasaron a US$5.000, los de verificación en US$30.000 y otros por US$5.270
(Restrepo, Tobón y Flórez, 2008).
221
Cuadro 10-4. Costos de las RSI para los municipios de análisis (año cero)
Municipio Profesionales Salarios Días Viáticos Transporte Materiales
Acandí 2 2250000 15 2127945 916466 418200

Riosucio 2 2250000 15 2127945 738012 572920
Unguía 2 2250000 15 2127945 738012 581760
Cuadro 10-5. Costos de las RSI para los municipios de análisis (año uno)
Acandí 1 1125000 15 2.127.945 916.466 209.100

Riosucio 1 1125000 15 2.127.945 738.012 286.460
Unguía 1 1125000 15 2.127.945 738.012 290.880
Cuadro 10-6. Costos de las RSI para los municipios de análisis (año dos)
Acandí 1 600.000 8 1.134.904 916.466 104.550

Riosucio 1 600.000 8 1.134.904 738.012 143.230
Unguía 1 600.000 8 1.134.904 738.012 145.440
Cuadro 10-7. Costos de las RSI y VPN para los municipios de análisis (años cero-
quince)
Municipio Profesionales Salarios Días Viáticos Transporte Materiales VPN costos
Acandí 1 300.000 4 567.452 916.466 52.275 22.837.371,3

Riosucio 1 300.000 4 567.452 738.012 49.705 21.254.073,9
Unguía 1 300.000 4 567.452 738.12 72.720 21.697.617,4
Cuadro 10-8. Costos de las RSI y VPN para la tecnología elegida en los municipios de
análisis
Acandí Riosucio Unguía

VPN RSI (US$) 11.418.685,5 10.838.161 10.848.8087
VPN RSI/VPN alternativa 2,39% 1,06% 2,27%
Álvarez, M., J. Rosique y M. Restrepo (2004). Seguridad alimentaria en los hogares de

Acandí: la disponibilidad de los alimentos como indicador de suficiencia alimentaria.
Revista Chilena de Nutrición, Vol. 31, No.3, pp. 318-329.
Comisión de Regulación de Energía y Gas —CREG— (2005). ―Marco regulatorio para

el servicio de energía eléctrica en ZNI‖, mimeo.
222
Departamento Nacional de Estadística —DANE— (2005). Censo de 2005,

http://www.dane.gov.co/censo/, acceso junio de 2008.
Grupo de Energía Alternativa —GEA— (2003). Grupo didáctica y nuevas tecnologías y

corporación ambiental, 2003. ―Proyecto cualificación pedagógica para la escuela rural
mixta de Capurganá con el apoyo de energía solar‖, Universidad de Antioquia.
Instituto de planificación y promoción de soluciones energéticas para zonas no

interconectadas —IPSE— (2008). Proyectos FAZNI por departamentos,
http://www.ipse.gov.co/webipse.nsf/?Open, acceso: 23 de septiembre de 2008.
Restrepo, Piedad, David Tobón y Jorge Flórez (2008). ―Institucionalidad en torno a los
mercados de carbono y los mecanismos de flexibilización derivados del Protocolo de
Kioto‖, Revista Facultad de Ingeniería, Universidad de Antioquia, N.° 46.
Sistema único de información de servicios públicos (SUI), 2008,

http://www.sui.gov.co/SUIWeb/logon.jsp, acceso: 23 de septiembre de 2006.
Unidad de planeación minero energética —UPME— (2007). Plan indicativo de

expansión de la cobertura del servicio de energía eléctrica 2006-2010.
http://www.upme.gov.co/Index4.htm, acceso: diciembre de 2007.

Optimización Herramientas MultiObjetivo

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

Optimización Herramientas MultiObjetivo

Cargado por

Copyright:

Formatos disponibles

1

Optimización de herramientas multiobjetivo para la toma de

David Tobón Orozco

Optimización de herramientas multiobjetivo para la toma de

Grupo de Microeconomía Aplicada y Grupo de Energías Alternativas (GEA)

2.7.1. Recursos de internet

6.5.1. Incentivos directos e indirectos que otorga la ley

7. Costos de implementación de las alternativas de generación de electricidad

9. Aplicación del paquete funpzni_1.0 en la gestión y toma de decisiones de

Cuadro 2-14. Poder calorífico de algunos desechos agrícolas

Cuadro 7-15. Sobrecostos aplicados a la alternativa de interconexión

Siglas y abreviaturas usadas

AE: Alternativas Energéticas

Autores que contribuyen en cada capítulo

1. Base conceptual para el diseño de un algoritmo de decisión en el establecimiento de

2. Revisión de las tecnologías energéticas disponibles que pueden ser aprovechadas en

3. Determinación de la oferta de biomasa de los ecosistemas sin alterar su estructura

4. El problema del desarrollo en las ZNI

5. Determinación de los costos adicionales asociados al tamaño de las restricciones

6. Organización institucional e industrial de las ZNI del sistema eléctrico colombiano

7. Costos de implementación de las alternativas de generación de electricidad

8. Una Herramienta para la toma de decisiones de inversión en áreas rurales no

9. Aplicación del paquete funpzni_1.0 en la gestión y toma de decisiones de

10. Aplicación de la herramienta en tres municipios de las zonas no interconectadas en

Los problemas de elección donde se tienen varios objetivos incompatibles, comúnmente

Si se aplican criterios estadísticos de agrupamiento de datos que permitan ponderar los

El problema multiobjetivo que nos ocupa en esta investigación es el de la provisión de

Este problema concreto no es nuevo y se ha abordado bastante en la literatura

Esta propuesta involucra una dimensión adicional: el potencial para desarrollar un

Este trabajo es el resultado de un esfuerzo integrado de grupos de investigación de la

1. Base conceptual para el diseño de un algoritmo de decisión en el establecimiento de

1.1. Teoría sobre múltiples objetivos

La utilización de herramientas en la selección de una alternativa que considera

Un problema de múltiples objetivos se representa formalmente por:

Optimizar Z ( x)  f ( Z1 ( x),..., Z m ( x))

Zi ( x) : Es el vector de las m funciones objetivo

Cuando se trata de un problema multiobjetivo discreto, su representación cambia y se

 a11 a12  a1n 

En donde m representa el número de objetivos considerados, Z q x  el valor del objetivo

1.2. Metodologías multiobjetivo

En la literatura se encuentra una amplia variedad de metodologías para solucionar

1. Métodos basados en distancias. Entre los más conocidos están la programación de

1.3. Pesos de importancia relativa

Igualmente se ha desarrollado una amplia gama de procedimientos, en su mayoría

1.4. Asignación indirecta

Existe otra familia de metodologías denominada métodos de asignación indirecta, las

Algunas limitantes de las anteriores metodologías son:

Adicionalmente, Salo y Hämäläinen (1997) aplican la teoría de las funciones de valor

De este recuento puede deducirse que el problema de selección de una alternativa de

1.5. Herramientas multiobjetivo y la irrelevancia de la asignación de pesos de

En los problemas multiobjetivo no puede decirse que una solución en particular,

Los avances en esta dirección no apuntan a resolver el problema. Incluso puede

representar el bienestar social independiente de cuál sea la importancia relativa que se le

Supóngase que el problema multiobjetivo del tomador de decisiones consiste en

Max Z ( x)  f Z1 ( x),..., Z m ( x)   i 1 ki Z i ( xig )

ki es el peso relativo dado a cada objetivo, ki > 0

Lo anterior se representa mediante la función de Lagrange:

Si se resuelve para la función Z i el impacto marginal de cada alternativa g y h se tienen

Al definir la relación marginal de sustitución entre g y h como la razón entre los

Al resolver para la función Z j , se tiene:

  g , h  1,2,..., n i, j  1,2,..., m (9)

Sean  g los multiplicadores de las restricciones de factibilidad y sea  j j  i las

Al derivar el impacto de la alternativa g sobre las funciones Z j y Z i se tiene: