CONFIABILIDAD DE COMPONENTES

Identificar los diferentes parámetros económicos considerados en la confiabilidad

Alex Fernández I, Jordin Lopez II, Jhony Roto III,  Mauricio Toalombo IV, Anibal Santander V.
Universidad Técnica de Cotopaxi (Matriz) – Electrical Engineering
jordin.lopez9356@utc.edu.ec 
alex.fernandez0980@utc.edu.ec
jhony.roto5892@utc.edu.e
mauricio.toalombo0513@utc.edu.ec 
segundo.santander1980@utcdu.ec

Resumen—El objetivo de este trabajo es el desarrollo Ellos no, sin embargo, dar alguna indicación de la frecuencia
matemático sobre capacidad de generación y sus métodos de ocurrencia de una insuficiencia condición de capacidad, ni
básicos de probabilidad, capacidad de generación de frecuencia la duración durante la cual es probable que exista. El índice
y método de duración. Se ilustra también la aplicación de LOLE de días / año, cuando se invierte para proporcionar
conceptos básicos de probabilidad para generar evaluación de
confiabilidad de capacidad. Además, el desarrollo de ejemplos
años / día, a menudo se malinterpreta como índice de
numéricos de cada tema mencionado. La determinación de la frecuencia. Sin embargo, debe considerarse en su forma
cantidad requerida de capacidad de generación del sistema básica como lo esperado cantidad de días / año que la carga
para garantizar un suministro adecuado es un aspecto excede la capacidad instalada disponible.
importante de la planificación y operación del sistema de
energía. II. GENERATING CAPACITY-BASIC PROBABILITY METHODS
A. Definicion
Palabras claves—capacidad, generación, carga, frecuencia,
probabilidad, planificación. La aplicación de métodos de probabilidad al problema de
la capacidad estática proporciona una base analítica para la
planificación de la capacidad que puede ampliarse para
I. INTRODUCCIÓN cubrir la integración parcial o completa de los sistemas, la
capacidad de las interconexiones, los efectos del tamaño y
La determinación de la cantidad requerida de capacidad de
diseño de la unidad, los efectos de los programas de
generación del sistema para garantizar un suministro
mantenimiento y otros parámetros del sistema.
adecuado es un aspecto importante de la planificación y
La diferencia fundamental entre la evaluación de la
operación del sistema de energía. El problema total se puede
capacidad estática y operativa está en el período de tiempo
dividir en dos áreas conceptualmente diferentes designadas
considerado. Por lo tanto, existen diferencias básicas en los
como requisitos de capacidad operativa y estática. El área de
datos utilizados en cada área de aplicación. En la actualidad,
capacidad estática se relaciona con la evaluación a largo
parece que la probabilidad de pérdida de carga o el método
plazo de este requisito general del sistema. El área de
de expectativa es la técnica probabilística más utilizada para
capacidad operativa se relaciona con la evaluación a corto
evaluar la idoneidad de una configuración de generación
plazo de la capacidad real requerida para cumplir con un
dada. Sin embargo, existen muchas variaciones en el enfoque
nivel de carga dado.
utilizado y en los factores considerados [ CITATION
El requisito estático puede considerarse como la capacidad
Roy96 \l es-ES ].
instalada que debe planificarse y construirse antes de los
requisitos del sistema. La reserva estática debe ser suficiente
para proporcionar la revisión de los equipos de generación,
interrupciones que no están planificadas o programadas y los
requisitos de crecimiento de la carga por encima de las
estimaciones.
La adecuación relativa de los requisitos de capacidad
proporcionados para sistemas totalmente diferentes en
función de las cargas máximas experimentadas durante el
mismo período de tiempo para cada sistema. Se pueden
requerir grandes diferencias en los requisitos de capacidad
para proporcionar la misma garantía de continuidad del
servicio en dos sistemas diferentes con cargas máximas de la Fig. 2.1 Tareas conceptuales en la evaluación de la confiabilidad
de la capacidad de generación [1]
misma magnitud. Esta situación surge cuando los dos
sistemas que se comparan tienen diferentes características de Los modelos de generación y carga que se muestran en la
carga y diferentes tipos y tamaños de capacidad de Fig. 2.1 se combinan para formar el modelo de riesgo
generación instalada o planificada. apropiado. Los índices calculados normalmente no incluyen
restricciones de transmisión, aunque se ha demostrado cómo
Estos son índices útiles que pueden usarse para comparar la se pueden incluir estas restricciones, ni incluyen las
adecuación de configuraciones alternativas y expansiones. confiabilidades de transmisión: son por lo tanto, índices
generales de adecuación del sistema. La representación del
sistema en un estudio convencional se muestra en la figura
2.2 [ CITATION Roy96 \l es-ES ].
Fig. 2.2 Modelo de sistema convencional [1].
B. El modelo del sistema de generación
a) Indisponibilidad de la unidad generadora
El parámetro básico de la unidad generadora utilizado en
la evaluación de la capacidad estática es la probabilidad de
encontrar la unidad en un corte forzado en algún momento
distante en el futuro. Esta probabilidad se definió en
Sistemas de Ingeniería como la falta de disponibilidad de la
unidad, e históricamente en las aplicaciones de sistemas de
energía se conoce como la tasa de interrupción forzada de la
unidad (FOR). No es una tasa en términos de fiabilidad del
módem, ya que es la relación de dos valores de tiempo
[ CITATION Roy96 \l es-ES ].
λ r r f
Unavailability ( FOR )=U = = = =
λ+ μ m+ r T μ
∑ [down time]
¿ (2.1 a)
∑ [ downtime ] +∑ [ up time ]
μ m m f
Availability= A= = = =
λ+ μ m+r T λ
¿
∑ [uptime] (2.1 b)
∑ [ downtime ] + ∑ [ up time ]
donde λ = tasa de falla esperada
μ =tasa de reparación esperada
m =tiempo medio al fracaso = MTTF = 1/ λ
r =¿ tiempo estimado o promedio para reparar = MTTR =
1/ μ
m+r=¿ tiempo medio entre fallos = MTBF = 1/f
f = frecuencia de ciclo = 1/T
T = tiempo de ciclo 1/f
Los conceptos de disponibilidad ( Availability ¿ e
indisponibilidad (Unavailability ) como se ilustra en las
ecuaciones 2.1 (a) y (b) están asociados con el modelo
simple de dos estados que se muestra en la figura 2.3 (a).
Este modelo es directamente aplicable a una unidad
generadora de carga base que está operando o fuera de
servicio. Las interrupciones programadas deben considerarse
por separado como se muestra más adelante [ CITATION
Roy96 \l es-ES ].
Fig. 2.3 (a) Modelo de dos estados para una unidad de carga base
(b) Modelo de cuatro estados para la planificación de estudios
T Tiempo promedio de apagado de reserva entre períodos
de necesidad
D Promedio en tiempo de servicio por ocasión de
demanda
Ps Probabilidad de falla de arranque
En el caso de equipos generadores con ciclos operativos
relativamente largos, la indisponibilidad (FOR) es un
estimador adecuado de la probabilidad de que la unidad en
condiciones similares no esté disponible para servicio en el
futuro. Sin embargo, la fórmula no proporciona una
estimación adecuada cuando el ciclo de demanda, como en el
caso de una unidad operativa de pico o intermitente, es
relativamente corto. Un grupo de trabajo del Subcomité de
IEEE sobre la Aplicación de Métodos de Probabilidad
propuso el modelo de cuatro estados que se muestra en la
Fig. 2.3 (b) y desarrolló una ecuación que permitió
considerar estos factores al utilizar los datos recopilados bajo
las definiciones convencionales [ CITATION Roy96 \l es-ES
].
La diferencia entre las figuras 2.3(a) y 2.3(b) está en la
inclusión de los estados de 'cierre de reserva' y 'forzado a
salir pero no necesario' en la figura 2.3 (b). En ellos, el
modelo de cuatro estados, el modelo de 'dos estados' está
representado por los estados 2 y 3 y los dos estados
adicionales se incluyen para modelar el efecto del ciclo de
trabajo relativamente corto. La condición de falla de inicio
está representada por la tasa de transición del Estado 0 al
Estado 3 [ CITATION Roy96 \l es-ES ].
Este sistema puede representarse como un proceso de
Markov y ecuaciones desarrolladas para las probabilidades
de residir en cada estado en términos de las tasas de
transición del estado. Estas ecuaciones son las siguientes
[ CITATION Roy96 \l es-ES ].
P 0=
μT [Dλ+1+ D μ+ ( T1 )]
A
Donde
[
A=( Dλ+ P s ) ( μT +1 ) + μ+( T1 ) D ]+[ (1−P )+ D ( μ+ T1 )](μ ( T +
s
Dλ+ P s
P 1=
A
D
Dμ(1−Ps + μD+ )
T
P 2=
A
 1 A
6403.54

P 3=
( ) (Dλ+ P )
D μ+
T s
D = I^ =
^
38.07
=168 horas

A 205.03
r^ = =53 horas
P 1+ P 3 3.87
The convetional FOR= 640.73
P1 + P2 + P3 m^= =166 horas
es decir, se elimina el estado de `` cierre de reserva ''.
3.87
Usando estos valores
En el caso de una unidad operada intermitentemente, la 1 1 1 1 1
f =( + )/( + + )=0.3
probabilidad condicional de que la unidad no esté disponible 53 155.2 16.8 53 151.2
dado que ocurre una demanda es P, donde 205.03
P +P Tasa de interrupcion forzada convencional= x
P= 2 3 640.73+ 205.03
P2 + P3 0.3(205.03)
La probalilidad de condicional P= x 100
1 640.73+0.3 (205.03)
P=
( μ+ ) ( Dλ + P )
T S La probabilidad condicional P depende claramente de la
demanda puesta en la unidad. La demanda que se le imponga

[ T1 ] T1
μ D ( μ+ ) +1 + Dλ ( μ+ ) + P /T s

Por lo tanto, la tasa de interrupción forzada condicional P

en el pasado puede no ser la misma que la demanda que
puede existir en el futuro, particularmente en condiciones de
insuficiencia del sistema de generación.
puede encontrarse a partir de los datos genéricos que se b) Tablas de probabilidad de corte de capacidad
muestran en el modelo de la figura 2.3 (b). Se puede hacer El modelo de generación requerido en el enfoque de
una estimación conveniente de P a partir de los datos básicos pérdida de carga a veces se conoce como una tabla de
de la unidad. [ CITATION Roy96 \l es-ES ]. probabilidad de corte de capacidad. Como su nombre indica,
Durante un período de tiempo relativamente largo, es una simple matriz de niveles de capacidad y las
Service time ST probabilidades de existencia asociadas. Las unidades se
P 2=
^ = pueden combinar usando conceptos básicos de probabilidad
available time+ forced outage time AT + FOT y este enfoque se puede extender a una técnica recursiva
^ 3= FOT
P 1+ P
^ simple pero poderosa en la que las unidades se agregan
AT + FOT secuencialmente para producir el modelo final. Estos
Definiendo conceptos pueden ilustrarse mediante un simple ejemplo
1 1 1 numérico [ CITATION Roy96 \l es-ES ].
( μ+ ) ( + ) Ejemplo numérico
P3 T r T
f= = = Un sistema consta de dos unidades de 3 MW y una
P1+ P 3 1 1 1 1 1 unidad de 5 MW con tasas de interrupción forzada de 0.02.
( + μ+ ) ( + + )
D T D r T Las dos unidades idénticas se pueden combinar para obtener
1 la tabla de probabilidad de corte de capacidad que se muestra
Donde r = . en la Tabla 2.1
μ Tabla2.1 probabilidad de corte de capacidad [1]

La tasa de interrupción forzada condicional P se puede

expresar como
f ( P1 + P3 ) f ( FOT )
P= =
P2 +f ( P1+ P3 ) ST +f ( FOT )
El factor f sirve para ponderar el tiempo de interrupción La unidad generadora de 5 MW se puede agregar a esta
forzada FOT para reflejar el tiempo que la unidad estuvo tabla considerando que puede existir en dos estados. Puede
realmente en interrupción forzada cuando el sistema lo estar en servicio con probabilidad 1 - 0.02 = 0.98 o puede
solicitó. El efecto de esta modificación se puede ver en el estar fuera de servicio con probabilidad 0.02. Por lo tanto, las
siguiente ejemplo, tomado de Referencia [ CITATION dos tablas resultantes (Tablas 2.2, 2.3) están condicionadas a
Roy96 \l es-ES ]. los estados supuestos de la unidad. Este enfoque puede
Ejemplo extenderse a cualquier número de estados unitarios
Datos unitarios promedio [ CITATION Roy96 \l es-ES ].
Tiempo de servicio. S T=640.73 Horas
Tabla 2.2 Unidad de 5 MW en servicio [1]
Tiempo disponible = 6403.54 horas
No. De inicios =38.07
No.de salidas = 3.87
Tiempo de parada forzada FOT = 205.03 horas
Suponga que la probabilidad de falla inicial Ps=0

640.73
D=
^ =16.8 horas Tabla 2.3 Unidad de 5 MW fuera de servicio [1]
38.07

Las dos tablas ahora se pueden combinar y reordenar
(Tabla 2.4). El valor de probabilidad en la tabla es la
probabilidad de que la cantidad indicada de capacidad esté
fuera de servicio. Se puede agregar una columna adicional
que da la probabilidad acumulativa. Esta es la probabilidad
de encontrar una cantidad de capacidad en la interrupción
igual o mayor que la cantidad indicada [ CITATION
Roy96 \l es-ES ].
Tabla 2.4 Tabla de probabilidad de corte de capacidad para el sistema
de tres unidades [1]
Los valores de probabilidad acumulada disminuyen a
medida que aumenta la capacidad de interrupción: aunque
esto no es completamente cierto para la tabla de probabilidad
individual, se sigue la misma tendencia general. Por ejemplo,
en la tabla anterior, la probabilidad de perder 8 MW es
mayor que la probabilidad de perder 6 MW. En cada caso
solo hay dos unidades involucradas. La diferencia se debe al
hecho de que en el caso de 8 MW, la contribución de pérdida
de 3 MW puede ocurrir de dos maneras.
Se combinaron dos unidades de 3 MW y una unidad de 5
MW con tasas de interrupción forzada de 0.02 para formar el
modelo de generación que se muestra en la Tabla 2.4. Esta
tabla, cuando se redondea en incrementos de 5 MW,
contendrá solo magnitudes de interrupción de capacidad de
0, 5, 10 y 15 MW. La tabla redondeada se obtiene como se
muestra en la Tabla 2.5 [ CITATION Roy96 \l es-ES ].
Tabla 2.5 Redondeada[1]
La expresión general para este proceso de redondeo es
C k −C i
P(C ¿¿ j)= P(Ci ) ¿
C k −C j
Ci −C j
P(C ¿¿ k )= P(C i) ¿
Ck −C j
para todos los estados i que caen entre los estados de
redondeo requeridos j y k.
El uso de una tabla redondeada en combinación con el
modelo de carga para calcular el nivel de riesgo introduce
ciertas imprecisiones. El error depende del incremento de
redondeo utilizado y de la pendiente de la característica de
carga.
El modelo del sistema de generación en la forma que se
muestra en la Tabla 2.4 puede usarse para ilustrar las
deficiencias básicas de los enfoques deterministas
convencionales para la evaluación de la capacidad
[ CITATION Roy96 \l es-ES ].
c) Un algoritmo recursivo para la constrcción de
modelos de capacidad
El modelo de capacidad se puede crear utilizando un
algoritmo simple que también se puede utilizar para eliminar
una unidad del modelo. Este enfoque también se puede
utilizar para una unidad multiestado, es decir, una unidad que
puede existir en una o más salidas reducidas o parciales
estados, así como en los estados totalmente hacia arriba y
hacia abajo. La técnica se ilustra para una adición de unidad
de dos estados seguida del caso más general de una unidad
de múltiples estados [ CITATION Roy96 \l es-ES ].
Caso 1 Sin estados reducidos
P ( X )=( 1−U ) P ' ( X ) + ( U ) P' ( X −C ) (2.2)
donde P '(X) y P (X) denotan las probabilidades
acumulativas del estado de interrupción de capacidad de
XMW antes y después de agregar la unidad. La expresión
anterior se inicializa configurando P '(X) = 1.0 para X ≤ 0 y
P' (X) = 0 de lo contrario. La ecuación (2.2) se ilustra
utilizando el sistema simple que se muestra en la Tabla 2.7.
Cada unidad en la Tabla 2.7 tiene una disponibilidad y no
disponibilidad de 0.98 y 0.02 respectivamente (Ecuación
2.1).
La probabilidad de interrupción de la capacidad del
sistema se crea secuencialmente de la siguiente manera:
Paso 1 Agregue la primera unidad
P ( 0 )=( 1−0.02 )( 1.0 )+ ( 0.02 )( 1.0 ) =1.0
P ( 25 )=( 1−0.02 )( 0 )+ ( 0.02 )( 1.0 ) =0.02
Paso 2 Agregue la segunda unidad
P ( 0 )=( 1−0.02 )( 1.0 )+ ( 0.02 )( 1.0 ) =1.0
P ( 25 )=( 1−0.02 )( 0.02 ) + ( 0.02 ) ( 1.0 )=0.0396
P ( 50 )=( 1−0.02 )( 0 )+ ( 0.02 )( 0.02 )=0.0004
Paso 3 Agregue la tercera unidad
P ( 0 )=( 1−0.02 )( 1.0 )+ ( 0.02 )( 1.0 ) =1.0
P ( 25 )=( 1−0.02 )( 0.0396 )+ ( 0.02 )( 1.0 ) =0.058808
P ( 50 )=( 1−0.02 )( 0.0004 )+ ( 0.02 )( 1.0 )=0.020392
P ( 75 )=( 1−0.02 )( 0 )+ ( 0.02 )( 0.0396 )=0.000792
P ( 100 )=( 1−0.02 )( 0 )+ ( 0.02 )( 0.0004 )=0.000008
El lector debe utilizar este enfoque para obtener la Tabla
2.4.
Tabla 2.7 Datos del sistema [1]
Tabla 2.8 Representación de unidad de tres estados de 50 MW [1]
 ( 0.020392 )−( 0.02 ) ( 1.0 )
P ( 50 )= =0.0004
( 0.98 )
Este es el modelo de capacidad que se muestra en el Paso
2. El lector puede eliminar una unidad de 25 MW para
obtener los valores en el Paso I. La ecuación para la
eliminación de una unidad de varios estados se obtiene de la
Caso 2 Estados reducidos incluidos Ecuación (2.3):
La ecuación (2.2) se puede modificar de la siguiente n
manera para incluir representaciones de unidades P ( X )=∑ P i P' ( X−C i ) (2.3)
multiestado i=1
n
n P ( X )−∑ Pi P' ( X −C i)
'
P ( X )=∑ P i P ( X−C i ) ( 2.3 ) P' ( X )= i=2
(2.5)
i=1 P1
donde n = número de estados de la unidad La aplicación directa de la ecuación (2.5) requiere que
Ci = corte de capacidad del estado i para la unidad que se todos los estados reducidos y el estado de interrupción total
agrega de la unidad que se elimina sean múltiplos del incremento de
Pi = probabilidad de existencia del estado de la unidad i. redondeo utilizado en la tabla de probabilidad de
cuando n = 2, la ecuación (2.3) se reduce a la ecuación (2.2). interrupción de capacidad [1]
C. Índices de pérdida de carga
La ecuación (2.3) se ilustra utilizando la representación de
la unidad de 50 MW que se muestra en la Tabla 2.8. a) Conceptos y técnicas de evaluación.
Si la unidad de dos estados de 50 MW en el ejemploSe puede ver en la Tabla 2.9 que los valores obtenidos
anterior se reemplaza por la unidad de tres estados que se
usando el método de transformación de Fourier son bastante
muestra en la Tabla 2.8, el Paso 3 se convierte endiferentes de los obtenidos usando la técnica recursiva. Esto
P ( 0 )=(0.96)(1.0)+(0.033)(1.0)+(0.007)(1.0)=1.0 se debe al hecho de que el sistema en estudio tiene un
número muy pequeño de generadores [ CITATION Roy96 \l
P ( 20 )=(0.96)(0.0396)+(0.033)(1.0)+(0.007)(1.0)=0.078016
es-ES ].
P ( 25 )=(0.96)(0.0396)+(0.033)(0.0396)+(0.007)(1.0)=0.0463228
P ( 45 ) =(0.96)(0.0004 )+(0.033)(0.0396)+(0.007)(1.0)=0.0086908
Tabla 2.9 Valores obtenidos por el método de Fourier [ CITATION
P ( 50 )=(0.96)(0.0004)+(0.033)( 0.0004)+(0.007)(1.0)=0.0073972 Roy96 \l es-ES ].
P ( 70 )=(0.96)(0)+(0.033)(0.0004)+(0.007)(0.0396)=0.0002904
P ( 75 )=(0.96)(0)+(0.033)(0)+( 0.007)(0.0396)=0.0002772
P ( 100 )=(0.96)(0)+(0.033)(0)+( 0.007)(0.0004)=0.0000028
d) Algoritmo recursivo para la extracción de
unidades El modelo del sistema de generación que se ilustra en la
Las unidades generadoras se programan periódicamente sección anterior puede combinarse con un modelo de carga
para la revisión de la unidad y el mantenimiento preventivo. apropiado para producir un índice de riesgo del sistema. El
Durante estos cortes programados, la unidad no está modelo de carga más simple y uno que se usa ampliamente
disponible ni para servicio ni por falla. El nuevo modelo es uno en el que cada día está representado por su carga
podría crearse simplemente construyéndolo desde el máxima diaria.
principio usando las Ecuaciones (2.2) o (2.3). Las ecuaciones En este enfoque, la tabla de probabilidad de interrupción
(2.2) y (2.3) pueden usarse a la inversa para encontrar el de la capacidad del sistema aplicable se combina con la
modelo de capacidad después de la extracción de la unidad. característica de carga del sistema para dar un riesgo
Considere la ecuación (2.2): esperado de pérdida de carga. Antes de combinar la tabla de
probabilidad de interrupción, se debe tener en cuenta que
existe una diferencia entre los términos "interrupción de
P ( X )=( 1−U ) P ' ( X ) + ( U ) P' ( X −C ) (2.2) capacidad" e "pérdida de carga". El término "corte de
P ( X ) + ( U ) P' ( X −C ) capacidad" indica una pérdida de generación que puede o no
P' (x)= (2.4) resultar en una pérdida de carga. Esta condición depende del
(1−U )
margen de reserva de capacidad de generación y del nivel de
En la ecuación (2.4) P '(X - C) = 1.0 para X ≤ C. Este
carga del sistema [ CITATION Roy96 \l es-ES ].
procedimiento puede ilustrarse usando el ejemplo del caso 1
Las cargas máximas diarias individuales se pueden usar
en la sección d. La unidad de 50 MW se elimina de la tabla
junto con la tabla de probabilidad de interrupción de
de probabilidad de interrupción de capacidad de la siguiente
capacidad para obtener el número esperado de días en el
manera:
período especificado en el que la carga máxima diaria
( 1.0 )− ( 0.02 )( 1.0 ) excederá la capacidad disponible. El índice en este caso se
P ( 0 )= =1.0
( 0.98 ) designa como la pérdida de la expectativa de carga (LOLE)
n
( 0.058808 )−( 0.02 )( 1.0 ) dias
P ( 25 )= =0.0396 LOLE=∑ Pi ( Ci −Li) (2.6)
( 0.98 ) i=1 periodo
donde Ci = capacidad disponible el día i.
Li = carga pico pronosticada el día i. Si la característica de carga en la figura 2.4 es la curva de
Pi (Ci - Li) = probabilidad de pérdida de carga en el día i.
duración de la carga, el valor de LOLE es en horas. Si se usa
Este valor se obtiene directamente de la tabla de probabilidad
una curva de variación de carga máxima diaria, el LOLE es
acumulativa de corte de capacidad. en días para el período de estudio [ CITATION Roy96 \l es-
Este procedimiento se ilustra utilizando el sistema de
ES ].
100MW que se muestra en la Tabla 2.7. b) Ejemplos numéricos
Los datos de carga para un período de 365 días se (a) Estudio básico
muestran en la Tabla 2.10. La aplicación de las ecuaciones (2.7) y (2.8) puede
Usando la ecuación (2.6), ilustrarse mediante un simple ejemplo numérico. Considere
LOLE=12 P ( 100−57 ) +83 P (100−52 ) +107 P ( 100−46 116 Pque
un)+sistema (100−41
contenga 47 P(100−34
)+ cinco unidades de) 40 MW cada una
LOLE=12 ( 0.020392 )+ 83 ( 0.020392 ) +107 ( 0.000792 ) +116 ( 0.000792) + 47(0.000792) de 0.01. La tabla de
con una tasa de interrupción forzada
dias probabilidad de corte de capacidad para este sistema se
LOLE=2.15108 muestra en la Tabla 2.11.
año Los valores de probabilidad inferiores a 10−6 se han
Tabla 2.10 Datos de carga utilizados para evaluar LOLE
[ CITATION Roy96 \l es-ES ]. descuidado. El modelo de carga del sistema está
representado por la curva de variación de carga máxima
diaria que se muestra en la figura 2.5.
Se supone que el período de estudio en este caso es de un
año y, por lo tanto, el 100% en la abscisa corresponde a 365
días. En muchos estudios, los fines de semana y días festivos
se descuidan ya que su contribución al LOLE es
insignificante [ CITATION Roy96 \l es-ES ].

Tabla 2.11 Modelo de generación para el sistema de cinco unidades.

Capacidad instalada del sistema = 200 MW [ CITATION Roy96 \l
es-ES ].

Fig. 2.4 Relación entre carga, capacidad y reserva.

Ok Magnitud del corte número k en la tabla de probabilidad de corte de
capacidad del sistema
tk Número de unidades de tiempo en el intervalo de estudio que una
magnitud de interrupción de 0k resultaría en una pérdida de carga
[ CITATION Roy96 \l es-ES ].
El mismo índice LOLE también se puede obtener Tabla 2.12 LOLE usando probabilidades individuales [ CITATION
utilizando la curva de variación de carga máxima diaria. La Roy96 \l es-ES ].
Figura 2.4 muestra una relación típica de capacidad de carga
del sistema donde el modelo de carga se muestra como una
curva continua durante un período de 365 días. Una
interrupción de capacidad particular contribuirá al sistema
LOLE en una cantidad igual al producto de la probabilidad
de existencia de la interrupción particular y el número de
unidades de tiempo en el intervalo de estudio que ocurriría la La carga máxima pronosticada para este sistema es de 160
pérdida de carga si dicha interrupción de capacidad existiera. MW, que corresponde a la condición del 100% en la
Se puede ver en la Fig. 2.4 que cualquier interrupción de ordenada. El LOLE se puede encontrar usando las
capacidad inferior a la reserva no contribuirá al sistema probabilidades de interrupción de capacidad individual o
LOLE. Expresado matemáticamente, la contribución al usando los valores acumulativos. Ambos métodos se ilustran
sistema LOLE realizada por el corte de capacidad Ok es en este ejemplo. La tabla 2.12 muestra el cálculo usando la
Pktk unidades de tiempo donde Pk es la probabilidad ecuación (2.7). Los períodos de tiempo tk se muestran en la
individual del corte de capacidad 0k. El LOLE total para el figura 2.6 [ CITATION Roy96 \l es-ES ].
intervalo de estudio es El LOLE es 0.0412413% de las unidades de base de
n tiempo. Suponiendo un año de 365 días, este LOLE se
LOLE=∑ Pk t k Unidades de tiempo( 2.7) convierte en 0.150410 días o 6.65 años por día.
k=1 Si se utilizan los valores de probabilidad acumulativos, las
Los valores de Pk en la ecuación (2.7) son las cantidades de tiempo utilizadas son el intervalo o los
probabilidades individuales asociado con los estados de aumentos en el tiempo reducido representado por Tk en la
interrupción de capacidad. La ecuación se puede modificar figura 2.6. El procedimiento se muestra en la Tabla 2.13.
para usar las probabilidades de estado acumulativo. En este El LOLE de O.04l2413% es idéntico al valor obtenido
caso previamente. Ambas técnicas se muestran simplemente para
n ilustrar que cualquier enfoque proporcionará el mismo
LOLE=∑ (t k −t k−1 ) P k ( 2.8 ) resultado [ CITATION Roy96 \l es-ES ].
k=1
Nota Pk = probabilidad acumulativa de interrupción para
el estado de capacidad Ok '
 Fig. 2.5 Curva de variación de carga máxima diaria [ CITATION
Roy96 \l es-ES ].

La capacidad de carga del sistema de carga máxima

(PLCC) se puede determinar en función del nivel de riesgo.
En el sistema que se muestra en la Fig. 2.8, el PLCC con un
nivel de riesgo de 0.1 días / año es 9006 MW para tasas de
interrupción forzada de O.04. La Tabla 2.16 muestra el
cambio en PLCC para valores FOR de 0.04 a 0.13. La
disminución en PLCC es de 815 MW. Si la carga máxima
pronosticada es de 9000 MW y las tasas de interrupción
forzada de los grandes
Fig. 2.6 Períodos de tiempo durante los cuales ocurre la pérdida La capacidad de carga del sistema de carga máxima
de carga [ CITATION Roy96 \l es-ES ].
(PLCC) se puede determinar en función del nivel de riesgo.
En el sistema que se muestra en la Fig. 2.8, el PLCC con un
(b) Estudios de sensibilidad
nivel de riesgo de 0.1 días / año es 9006 MW para tasas de
La carga máxima del sistema en el ejemplo anterior es de
interrupción forzada de 0.04. La Tabla 2.16 muestra el
160 MW. La Tabla 2.14 muestra la variación en el riesgo en
cambio en PLCC para valores FOR de 0.04 a 0.13. La
función de la carga máxima. La característica de carga para
disminución en PLCC es de 815 MW. Si la carga máxima
cada carga pico pronosticada es la que se muestra en la
pronosticada es de 9000 MW y las tasas de interrupción
figura 2.5. El LOLE se calcula anualmente suponiendo 365
forzada de las unidades grandes son de 0.13, entonces este
días en el año. Estos resultados se pueden mostrar mejor en
sistema tendría que instalar una capacidad adicional de
forma de gráfico con papel semiogarítmico como se muestra
aproximadamente 1000 MW para satisfacer un nivel de
en la figura 2.7. El riesgo del sistema para una composición
riesgo de 0.1 días / año [ CITATION Roy96 \l es-ES ].
de capacidad dada y una carga máxima pronosticada Tabla 2.15 Efecto de FOR y la carga máxima del sistema [1]
depende de los valores de indisponibilidad para las unidades
individuales. Este efecto se ilustra en la Tabla 2.15. Los
valores de LOLE para un rango de niveles de carga máxima
se muestran en función de las tasas de interrupción forzada
de la unidad utilizando el sistema de la Tabla 2.11.
El sistema utilizado en este ejemplo es muy pequeño y,
por lo tanto, el efecto de la falta de fiabilidad de la unidad
generadora es bastante pronunciada. Este efecto también
puede ser bastante considerable en un sistema grande si las
unidades grandes tienen altas tasas de interrupción forzada.
Esta se muestra en la Fig. 2.8. El sistema en este caso tiene
una capacidad instalada total de 10100MW. Las unidades
más grandes tienen capacidades de 300 MW y 500 MW y
sus unidades forzadas las tasas de interrupción han variado
como se muestra. El perfil de riesgo en función de la carga
máxima es casi una línea recta en la Fig. 2.8 en comparación
con la característica que se muestra en la Fig. 2.7
[ CITATION Roy96 \l es-ES ].

Tabla 2.13 LOLE usando probabilidades acumulativas [ CITATION

Roy96 \l es-ES ].
Fig. 2. 7 variación del riesgo con la carga máxima del sistema
[ CITATION Roy96 \l es-ES ].

Con una instalación nominal de $ 100,000 / kW, esto

Tabla 2.14 Resultados del estudio de sensibilidad [
Roy96 \l es-ES ].
costaría aproximadamente 109 dólares. Las consecuencias de
la falta de disponibilidad de la unidad en términos de
CITATION capacidad adicional se pueden ver con bastante claridad en
este ejemplo. Las penalizaciones adicionales en forma de
costos de reemplazo de energía esperados se ilustran en la
Referencia [ CITATION Roy96 \l es-ES ].
Fig. 2.8 LOLE en función de la unidad FOR [ CITATION Roy96 \l
es-ES ].
Una inversión adicional en términos de diseño,
construcción, confiabilidad, mantenibilidad y La Figura 2.9 muestra la variación en la tasa de
aprovisionamiento de repuestos puede resultar en niveles
mejorados de indisponibilidad de la unidad generadora. El
valor de la mejora debe evaluarse sobre una base total del
sistema y compararse con el costo de lograrlo [ CITATION
Roy96 \l es-ES ].
Tabla 2.16 Cambios en PLCC [1]
D. Tasa de interrupción forzada equivalente (EFOR)
La recopilación de datos es un componente esencial de la
evaluación de confiabilidad, y las empresas de servicios
públicos de todo el mundo han registrado el historial
operativo de sus unidades durante muchos años. Estos datos
son almacenados internamente por la empresa de servicios
públicos o procesados por una organización central como el
Edison Electric Institute (EEI) que publica regularmente
datos sobre la confiabilidad de la unidad generadora. Los
datos recopilados para las unidades generadoras
generalmente implican el monitoreo tiempos de residencia
para cada uno de los niveles de salida registrados de la
unidad. Por lo tanto, este proceso puede reconocer muchos
estados reducidos. En el límite, el número de estados puede
reducirse a dos; el estado superior y el estado inferior y todos
los demás se ponderan en estos dos estados. Esto lleva al
concepto conocido como 'tasa de interrupción forzada
equivalente' o EFOR, que a veces se define como la
probabilidad equivalente de encontrar una unidad en
interrupción forzada en algún momento distante en el futuro.
El método de evaluación de EFOR se proporciona en las
referencias [ CITATION Roy96 \l es-ES ].
Figura 2.9 EFOR en función del tamaño de la unidad [ CITATION
Roy96 \l es-ES ].
interrupción forzada equivalente (EFOR) en función de los
tamaños de las unidades disparadas con fósiles utilizando
una serie de datos del Instituto Edison Electric. Se puede ver
que el EFOR aumenta dramáticamente con el tamaño de la
unidad.
La representación de EFOR ofrece una evaluación
pesimista de la confiabilidad del sistema al agrupar los
tiempos de residencia del estado con depreciación ponderada
en el estado de interrupción forzada total. La Canadian
Electrical Asociación ha elegido llamar a esta estadística la
tasa de interrupción forzada ajustada y reducida (DAFOR)
para evitar la connotación de equivalencia. El efecto del uso
de una representación multiestado y una representación
EFOR en un estudio práctico del sistema se muestra en la
figura 2.10. La figura 2.10 ilustra que el uso de una
representación de dos estados para unidades que tienen
estados reducidos significativos puede resultar en una
imprecisión considerable. Estas unidades deben modelarse
con al menos tres estados
Fig. 2.10 Efecto de
los modelos de 2,
3, 4 y 11 estados
sobre la
capacidad de
carga [1]
E. Análisis de
expansión de
capacidad
a) Técnicas de evaluación
El período de tiempo requerido para diseñar, construir y
poner en servicio una gran estación generadora puede ser
bastante extenso (de 5 a 10 años) dependiendo de los
requisitos ambientales y reglamentarios. Por lo tanto, es
necesario determinar los requisitos del sistema
considerablemente antes de la unidad actual en la fecha de
servicio [ CITATION Roy96 \l es-ES ].
El concepto de análisis de expansión de capacidad puede
ilustrarse utilizando el sistema con cinco unidades de 40
MW, que se describen en la Tabla 2.11. Asegurando que se
ha decidido agregar unidades adicionales de 50 MW con
tasas de interrupción forzada de 0.01 para cumplir con un
crecimiento de carga futuro proyectado del 10% por año. El
cambio en el nivel de riesgo con la adición secuencial de
unidades de 50 MW se muestra en la Tabla 2.17 para un
rango de cargas máximas del sistema. El LOLE está en días
por un año de 365 días. La característica de carga es la curva
Tabla 2.7
de variación de carga máxima diaria utilizando una línea
recta desde los puntos del 100% al 40%.
Los resultados en la Tabla 2.17 pueden mostrarse
nuevamente en forma de gráfico como se muestra en la Fig.
2.11. La carga máxima anual para cada uno de los próximos
ocho años se muestra en la Tabla 2.18 [ CITATION Roy96 \l N = 2 días, cargas pico pronosticadas = 65, 45 MW.
es-ES ]. n
E [ LOLE ]=∑ P i ( C i+ X i )=P 1 ( 100−65 )+ P 2 (100−45)
Tabla 2.17 LOLE en expansión de generación [ CITATION i=1
Roy96 \l es-ES ]. ¿ P1 ( 35 )+ P 2(55)
¿ 0.020392+0.000792=0.021184
Tabla 2.28

2 2
Var [ LOLE ] =∑ ∑ Cov ¿ ¿¿
Si se supone que una capacidad instalada de 200MW es i=1 j=1
adecuada para una carga máxima del sistema de 160 MW, ¿ Var [ P 1(35) ] +Var [ P2 ( 55 ) ]+2 Cov [P1 ( 35 ) , P2 ( 55 ) ]
entonces el criterio de riesgo es de 0.15 días / año. Debe Si se utiliza el método exacto, la varianza de LOLE viene
tenerse en cuenta que cualquier nivel de riesgo podría haber dada por
sido seleccionado. La elección real es una decisión de
gestión. Usando el criterio de 0.15 días / año, el tiempo de Var [ LOLE ] =0.8999794 x 10−5 +0.0021183 x 10−5 +2 x 0.0363
las adiciones de unidades se puede obtener usando la figura Si se utiliza el método aproximado, los diferentes términos
2.11. Esta expansión se muestra en la Tab1e 2.19 en la ecuación de varianza de LOLE están dados por
2
[ CITATION Roy96 \l es-ES ]. ∂ P1 2 ∂ P1 2 ∂ P1 2 ∂2 P1
Tabla 2.18 Crecimiento de la carga al 10% anual.[1]
Var [ P1 ( 35 ) ] =
( ) ( ) ( ) (
∂ r1
2
V 1+
∂ r2
V 2+
∂ r3
V 3+
2
∂r 1 ∂ r 2
V )
¿ 2 [ 0.0396−0.02 ] x 9 x 10−6+ [ 1−0.0004 ] x 9 x 10−6 + [ 1+ 0.02
¿ 0.0006915 x 10−5+ 0.8992801 x 10−5+ 0.778572 x 10−10=0.89
2
3
∂ P2 2 3 3
∂2 P2
Var [ P2 ( 55 ) ] =∑
1 ∂ r1( )
2
V i +∑ ∑ (
i=1 j=i+1 ∂r i ∂ r j
2
)
ViV j

Las adiciones de unidades de 50 MW tendrían que hacerse ¿ 2 [ 0.02−0.0004 ] x 9 x 10−6 + [ 0.0396−0 ] x 9 x 10−5 + [ 0.02+0
en los años 2, 4 y 6. La variación en el nivel de riesgo anual ¿ 0.0006915 x 10−5+ 0.0014113 x 10−5 +0.324 x 10−13 +1.55584
se muestra mediante la línea de puntos en la figura 2.11. Este ¿ 0.0021183 x 10−5
estudio de expansión particular representa un caso algo 3
∂ P1 ∂ P2 3 3
∂2 P1
idealizado. El valor actual de este esquema particular tendría
que ser comparado con otros para determinar el óptimo
patrón de expansión para el sistema [ CITATION Roy96 \l
Cov [ P1 ( 35 ) , P2 ( 55 ) ]=∑
1
( )( )
∂r i ∂ r i
V 1+ ∑ ∑
i=1 j=i +1 ∂ r i ∂r j
( )(
es-ES ]. ¿ 2 [ 0.0396−0.02 ][ 0.02−0.0004 ] x 9 x 10−6 + [ 1+0.02−0.02−0
Ejemplo Numérico ¿ 0.0006915 x 10−5+ 0.0356257 x 10−5−0.047628 x 10−10
La aplicación de estas expresiones recursivas se ilustra
utilizando el sistema simple que se muestra en la Tabla 2.7, ¿ 0.0363168 x 10−5
con la varianza asociada con la unidad FOR asumida como Var [ LOLE ] =Var [ P1 ( 35 ) ]+Var [ P2 (55 ) ]+ 2Cov [P 1 ( 35 ) , P 2 ( 55 )
9 x 10−6 (Tabla 2.25) [ CITATION Roy96 \l es-ES ]. ¿ 0.8999793 x 10−5+ 0.021183 x 10−5 +2 x 0.0363168 x 10−5
Tabla 2.25 Datos
¿ 0.9747313 x 10−5

III. GENERANDO CAPACIDAD- MÉTODO DE

FRECUENCIA Y DURACIÓN
Cálculo LOLE
La media y la variante del LOLE están dadas por
Tabla 2.26
1. EL MODELO DE GENERACIÓN
Quizás los conceptos se puedan ver más fácilmente
utilizando un ejemplo numérico simple. El sistema descrito
en la Tabla siguiente contiene los datos básicos necesarios
tanto para LOLE y los métodos de F&D. Esta sección ilustra
el desarrollo de una capacidad modelo utilizando la relación
fundamental mostrada por la ecuación:

Ecuación 3.1

Esto no es un enfoque práctico para análisis de sistemas

grandes utilizando una computadora digital; el recursivo Se
debe utilizar la técnica que se muestra en el transcurso del
documento Si cada unidad puede existir en dos estados,
entonces hay en estados en el sistema total donde n =
número de unidades (es decir, 23 en este caso). El número
total de estados en el sistema de la tabla 2.7 se enumera en la
tabla además. Estos estados también se pueden representar
como un diagrama de transición de estado como se muestra Figura 3.1 Diagrama de espacio de estado de tres unidades
en la ecuación anterior Este diagrama enumera todos los
posibles estados del sistema y también muestra los modos de
transición de un estado a otro. Como ejemplo, dado que el
sistema es en el estado 2 en el que la unidad 1 está inactiva y
las demás están activadas, el sistema puede transitar a
[ CITATION Roy96 \l es-ES ].
Estados I, 5 o 6 de las siguientes maneras:

Tabla 3.2: Modelo de Generación

La entrada es la suma de las tarifas apropiadas. Las

Tabla 3.1 manipulaciones básicas se muestran en Tabla anterior.
La tabla contiene un número de estados de capacidad
Del Estado 2 al 1 si la unidad 1 se repara. idénticos que se pueden combinar utilizando las siguientes
Del estado 2 al 5 si la unidad 2 falla. ecuaciones donde el subíndice i se refiere a los estados
Del Estado 2 al 6 si la unidad 3 falla. idénticos y k se refiere al nuevo estado fusionado.
La tasa total de salida del Estado 2 es, por lo tanto, la suma
de las tasas individuales de salida () .tl + A2 + A3) 'Las
probabilidades asociadas con cada estado en la Tabla 3.1 se
puede calcular fácilmente asumiendo independencia del
evento. Las frecuencias de encuentro cada estado se obtiene
utilizando la ecuación 1 cuando la tasa de salida
[ CITATION Roy96 \l es-ES ].

Ecuación 3.2

El modelo del sistema puede modificarse para dar

probabilidades y frecuencias acumuladas en lugar de valores
correspondientes a un nivel de capacidad específico. En
cualquier nivel de capacidad los valores acumulativos dan la
probabilidad y frecuencia de tener esa capacidad o más fuera
de servicio. Las probabilidades del estado individual y las
frecuencias se pueden combinar para formar los valores de
estado acumulativos usando las siguientes ecuaciones:

Ecuación 3.3
Donde n se refiere al estado acumulativo con probabilidad y
frecuencia conocida y k es el estado que se combina para
formar el estado acumulativo n - 1. El proceso por lo tanto
comienza desde el último estado, en el que los valores
individuales y acumulativos son lo mismo. Los valores de
transición "lambda'+ k y"' lambda-k son las tasas de
transición a mayor y menores niveles de capacidad
disponibles respectivamente.
2. ALGORITMO RECURSIVO PARA LA
CONSTRUCCIÓN DE MODELOS DE
CAPACIDAD
El modelo de capacidad se puede crear utilizando algoritmos
relativamente simples que pueden también se puede utilizar
para eliminar una unidad de una mesa. Este enfoque también
se puede utilizar para una unidad multiestatal. La técnica se
ilustra para una adición de unidad de dos estados seguida por
el caso más general de una unidad multiestatal
2.1 Caso 1 Sin estados reducidos
acumulativo probabilidades y frecuencias usando las
siguientes ecuaciones
Ecuación 3.5
Donde Y denota el estado de interrupción de capacidad
apenas mayor que X MW. El modelo de capacidad completa
se muestra en la Tabla 3.
Los resultados que se muestran en la Tabla 3.8 son los
mismos que se muestran en las Tablas 3. El enfoque que se
muestra en la ecuación 5 es ideal para sistemas muy
pequeños. y utiliza solo los conceptos básicos del análisis de
frecuencia. No es práctico usar esto enfoque para estudios de
sistemas grandes o prácticos. Los algoritmos recursivos que
se muestran en
Sin embargo, esta sección es ideal para aplicaciones
informáticas digitales y proporciona una técnica rápida para
desarrollar modelos de capacidad.

Los iones expresos recursivos para el estado de 'exactamente

XMW en corte forzado' después de un la unidad de CMW y
la tasa de interrupción forzada U añadida se muestran en las
ecuaciones

Ecuación 3.4

Los parámetros p (X), "Lambda'+ (X) y", Lambda _ (X) son

la probabilidad de estado individual y tasas de salida de
capacidad hacia arriba y hacia abajo, respectivamente,
después de agregar la unidad.
Los valores cebados representan cantidades similares antes
de agregar la unidad. En ecuaciones 4, si X es menor que C. Tabla 3.4:

Se pueden agregar columnas adicionales a la Tabla 4 para

formar una más completa modelo de capacidad e indicadores
físicos adicionales de adecuación de la capacidad del
sistema. Los el tiempo de ciclo es la duración promedio entre
sucesos sucesivos de la condición bajo examinación:
[ CITATION Roy96 \l es-ES ].

Tabla 3.3: Tabla 3.5: Modelo completo de Generación

Las columnas en la Tabla 3 tienen números y se refieren

como Col (2) etc. en manipulaciones posteriores. Paso 3
Agregue la tercera unidad (Tabla 3.7) Las probabilidades de
estado de capacidad individual se dan en Col (4). Ellos
pueden ser combinado directamente con los valores en Col Por lo tanto, el tiempo de ciclo puede obtenerse para un
(8) y Col (12) para dar al individuo frecuencias estatales individuo o para un acumulado Condición de capacidad.
Estos valores también se pueden usar para dar el estado
La duración promedio de una condición de capacidad
particular se puede obtener como sigue:
Por lo tanto, la duración promedio de una condición de
capacidad individual o acumulativa puede ser encontrada
usando los valores apropiados
2.2 Caso 2 Estados reducidos incluidos
Las unidades generadoras con representaciones de múltiples
estados se pueden incluir en un F&D análisis utilizando el
enfoque básico o utilizando un algoritmo recursivo. Figura 2
muestra el modelo de tres estados para la unidad de 50 MW
que se muestra en la anteriormente. La disponibilidad los
valores para cada estado se pueden obtener utilizando las
siguientes ecuaciones:
Figura 3.2: Modelo de unidad de tres estados
Un diagrama de transición de estado completo para el
sistema de tres unidades que consta de los dos unidades de
25 MW y la unidad de 50 MW anterior tiene 12 estados
individuales y se convierte en algo complicado El lector debe
utilizar este enfoque y comparar su resultados con los que se
muestran en la Tabla 3.10.
El modelo de capacidad que incorpora unidades reducidas
puede desarrollarse utilizando un enfoque recursivo similar
al que se muestra en las ecuaciones (3.7} - (3.9).
El modelo de unidad generadora multi-estado se define en la
Tabla 3.9. [ CITATION Roy96 \l es-ES ].
Tabla 3.6: Modelo de Generación
Las ecuaciones se pueden usar para agregar la unidad a un
modelo de capacidad:
Ecuación 3.6
Cuando n = 2, estas ecuaciones se reducen al conjunto
utilizado anteriormente, es decir, ecuaciones3.6
El modelo de capacidad para el sistema de tres unidades de
la Tabla 2.7 con la unidad de 50 MW la representación en la
figura 3.2 se muestra en la tabla 3.10. El lector debe usar las
recursivas expresiones dadas en las ecuaciones 3.6 para
obtener estos resultados. El acumulativo la frecuencia se
puede calcular a partir de
Ecuación 3.7
En el modelo binario, la frecuencia de cruzar la pared límite
entre dos estados está exactamente equilibrado en ambas
direcciones. Sin embargo, esta relación única no es cierto en
el caso de un modelo de unidad generadora multiestado
general. La frecuencia de cruzar el muro imaginario entre
dos estados cualesquiera no está equilibrado en ambos
direcciones. Información adicional (F (Ci ») sobre el modelo
multiestado es, por lo tanto, requerido para modificar la
expresión de frecuencia acumulativa. El lector debe intentar
para reducir estas expresiones recursivas a aquellas para
agregar los generadores binarios cuando n se convierte en 2.
Sugerencia: L1 (C;) se convierte en cero para los modelos
binarios y, por lo tanto, Ft (X) = F (X).
Los algoritmos recursivos necesarios para eliminar una
unidad del modelo de capacidad se puede obtener de las
ecuaciones 3.6.
Ecuación 3.8
El lector debe intentar usar las ecuaciones 3.8 para obtener la
capacidad modelo mostrado en el Paso 2 para las dos
unidades de 25 MW.
El modelo de capacidad desarrollado utilizando el enfoque
de frecuencia y duración puede reducirse considerablemente
truncando la tabla para probabilidades acumulativas menos
que una magnitud preespecificada. Este es el factor de
reducción más significativo en un gran sistema de estudio.
La tabla también se puede redondear [9] a incrementos
seleccionados utilizando un procedimiento similar al
ilustrado en el Capítulo 2. Las frecuencias y las
probabilidades asociadas con los estados a ser absorbidos se
pueden distribuir en los dos estados consecutivos restantes.
Debe tenerse en cuenta que el nuevo modelo ahora es un
aproximación del modelo original. A medida que aumenta el
incremento de redondeo, en la precisión disminuye [9]. En
estas condiciones, la tabla de capacidad disminuye de
tamaño y tiene menos relación física con la tabla completa
original. El redondeo el incremento seleccionado debe ser 1
mayor que la capacidad de la unidad más pequeña del
sistema o el modelo de capacidad se expandirán en lugar de
reducirse según lo previsto.
Fig. 3.3. No existe un método preciso para seleccionar el
valor Xat que determinar la magnitud del factor de
exposición. A medida que X disminuye, e aumenta, lo que
resulta en un modelo de carga más severo. Cuando e = I, la
carga está representada por su valor máximo diario como en
el enfoque convencional de LOLE. Un valor para X del 85%
de la carga máxima diaria a veces se usa También se supone
que se producen las transiciones del estado de carga.
Independientemente de las transiciones de estado de
capacidad. El análisis de F&D normalmente se realiza en
base de período como el nivel de carga bajo constante
constante asumido y la carga pico aleatoria la secuencia no
suele aplicarse durante un largo período de tiempo.
Mantenimiento de generadores la capacidad también da
como resultado un modelo de capacidad modificado.
Los parámetros necesarios para definir completamente el
modelo de carga de período son como sigue:

3. ÍNDICES DE RIESGO DEL SISTEMA

Los modelos de capacidad de generación ilustrados en la

sección anterior ahora pueden ser combinados con la carga
para obtener índices de riesgo del sistema. Como con los
básicos métodos de probabilidad discutidos en el tema
anterior hay una cantidad de carga posible modelos que se
Figura 3.4: Modelo de período de carga
pueden usar. Se examinan e ilustran dos representaciones
posibles. En esta sección. Se designan como el modelo de
carga de estado individual y el modelo de carga de estado
acumulativo. Otras representaciones posibles están
disponibles en la literatura publicada. [ CITATION Roy96 \l
es-ES ].

3.1 MODELO DE CARGA DE ESTADO

INDIVIDUAL

Este modelo de carga es la representación original. La carga

ciclo para el período es una secuencia aleatoria de niveles de
N load donde N es un número entero fijo

La combinación de niveles discretos de capacidad disponible

Figura 3.3Modelo de carga diaria
El modelo de carga diaria contiene un nivel de carga pico de
duración media e día y un nivel fijo baja carga de I - e día.
Esta situación se ilustra en la figura 3.3. El ciclo de carga
para un período específico se muestra en la Fig. 3.4. Cada
carga pico vuelve al nivel de carga baja cada día antes de
transferir a otro pico en el día siguiente. También se supone
que cada carga máxima tiene la misma 'media' constante
duración e día separados por una baja carga de duración
media 1 - e día. El elemento e se llama factor de exposición
y se obtiene de la curva de carga diaria como se muestra en
y niveles discretos de la demanda o carga del sistema crea un
conjunto de márgenes de capacidad discretos mk. Un margen
es definido como la diferencia entre la capacidad disponible
y la carga del sistema.
Por lo tanto, el margen negativo representa un estado en el
que la carga del sistema excede la capacidad disponible y
representa una condición de falla del sistema. Estado de
margen acumulativo contiene todos los estados con un
margen menor o igual al margen especificado. Un margen
El estado mk es la combinación del estado de carga Li y el
estado de capacidad Cm donde:
Ecuación 3.9
La probabilidad de ocurrencia de dos o más eventos en un
solo incremento pequeño se supone que el tiempo es
insignificante. La transición de un estado de margen a otro
puede hacerse por un cambio en la carga o un cambio en la
capacidad pero no por ambos simultáneamente. La tasa de
transición del margen ascendente "- + m es, por lo tanto, la
suma de la tasa de transición de capacidad ascendente y la
tasa de transición de carga descendente. Los lo contrario es
cierto para "--rn, la tasa de transición de margen
descendente. Tabla 3.7 Datos de carga
La probabilidad del estado de margen es el producto del
estado de capacidad y la carga. Probabilidades de estado Las probabilidades y frecuencias acumuladas asociadas con
los estados de margen se puede obtener usando un conjunto
de algoritmos que son ideales para la computadora digital
aplicaciones. Supongamos que P (rn) y F (rn) son la
Ecuación 3.10 probabilidad y frecuencia acumuladas respectivamente
asociado con el margen especificado rn.
La frecuencia de encontrar el estado de margen mk es el
producto de la probabilidad de estado estacionario del estado
de margen y la suma de las tasas de salida del estado

Ecuación 3.11

Habiendo obtenido las probabilidades y frecuencias

individuales del margen estados, los valores acumulativos se
pueden obtener de manera similar a la utilizada en el modelo
de capacidad. Las diferentes combinaciones de capacidad y
estados de carga pueden dar como resultado estados de
margen idénticos. Estos estados idénticos son independientes
entre sí y pueden solo transita de uno a otro pasando por el
estado de baja carga Lo y por un cambio de capacidad los Ecuación 3.13
estados de margen idénticos se pueden combinar como sigue.
Para un margen dado estado mk compuesto de s estados de 3.4 ESTUDIOS DE EXPANSIÓN DEL SISTEMA
margen idénticos [ CITATION Roy96 \l es-ES ].
Las Figuras 3.5 y 3.6 muestran los efectos de agregar un
grupo de unidades de 250 MW al sistema de 22 unidades. El
índice de riesgo de la figura 3.5 es el valor LOLE anual. El
tiempo del ciclo se utiliza en la figura 3.6. La carga máxima
en el año 1 es de 1450 MW y se supone que la capacidad de
1725 MW es adecuada para esta condición. Los dos índices
de riesgo anteriores de LOLE = 1.197 días / año y T = 291.6
días por lo tanto puede considerarse como el índices estándar
del sistema y se utilizan para programar adiciones de
capacidad. Las líneas punteadas en las figuras 3.5 y 3.6 se
muestran los cambios en el riesgo anual a medida que se
Ecuación 3.12 agregan unidades en un año. La capacidad efectiva de
transporte de 10 unidades de una unidad es el aumento del
Las tasas de salida hacia arriba y hacia abajo para cada sistema capacidad de carga a un nivel de riesgo dado debido
margen se requieren en el cálculo de frecuencias de margen a la adición de la unidad. Es difícil para determinar estos
acumulativas. La ecuación (3.4) puede usarse para esto valores con precisión a partir de las Figuras 3.5 y 3.6, pero se
propósito. La ecuación (3.10) se usa para calcular las pueden obtener de los resultados utilizados para graficar
probabilidades de margen acumulativo. La calculación de los estas cifras. En este caso, prácticamente no hay diferencia
valores de margen se puede lograr utilizando un método entre los resultados obtenidos usando LOLE o cyc1e time T.
fundamental. Enfoque que es ideal para desarrollar una [ CITATION Roy96 \l es-ES ].
apreciación del concepto o por una serie de algoritmos
ideales para aplicaciones informáticas digitales. Ambos las
técnicas se presentan en esta sección. Considere los datos de
carga que se muestran en la Tabla 3.11. Suponga que el
factor de exposición e para esta condición de carga es 0.5, es
decir, la mitad de un día el modelo de capacidad para el
sistema de tres unidades de 100 MW se muestra en la Tabla
 0.00001176
F 5=f 5=
dia
Estado 4
C 4 ≥75 MW
P4 = p4 + p5 =0.000792
F 4=F 5 + p4 λ+ 4− p4 λ−4
0.00077224
F 4=0.00001176+0.00076832−0.00000784=
dia
Los valores para p4 λ+ 4y p4 λ−4 se obtienen utilizando las
probabilidades de estado en tabla 3.2, las tasas de transición
unitarias dadas y la Ecuación (3.12)
p4 λ+ 4=0.000392 ( 0.49+0.49 ) + 0.000392 ( 0.49+0.49 ) =0.0007

p4 λ−4 =0.000392 ( 0.01 ) +0.000392 ( 0.01 )=0.000784

Estado 3
C 3 ≥ 50 MW
P3= p3 + P 4=0.020392
F 3=F5 + p3 λ+3 −p 3 λ−3
Figura 3.5: Expansión del sistema usando la pérdida de la
0.01018024
expectativa de carga como criterio F 3=0.00077224+ 0.00979608−0.00028808=
dia
Estado 2
C 2 ≥ 25 MW
P2= p2 + P3=0.058808
F 2=F3 + p3 λ+3 −p 3 λ−3
0.02823576
F 2=
dia
Estado 1
C 1 ≥ 0 MW
P1= p1 + P2=1
F 1=F1 + p1 λ+1− p1 λ−1
F 1=0
Estos valores se muestran en forma de tabla en la Tabla 3.4.
El modelo del sistema de generación que se muestra en la
Tabla 3.4 se puede utilizar directamente como indicación de
la adecuación de la capacidad de generación del sistema
cuando se utiliza en esta forma, el enfoque se conoce como
Figura 3.6: Ampliación del sistema utilizando el tiempo de ciclo el 'método de pérdida de capacidad'. La Tabla 3.4 contiene
como criterio tanto probabilidad acumulativa y valores de frecuencia en
cada nivel de capacidad y pueden ser considerado como un
3.5 Ejemplo Numérico modelo de capacidad del sistema completo. El corte de
capacidad convencional la tabla de probabilidad utilizada en
El modelo reducido se muestra en la Tabla 3.8 en la que los el enfoque LOLE no incluye ninguna frecuencia. Parámetros
números de estado se refieren a nuevos estados fusionados. y viene dado por los valores a la izquierda de la línea
discontinua en la Tabla 3.4. Omitir el aspecto de frecuencia
simplifica el desarrollo de la capacidad del sistema modelo,
pero con la consiguiente pérdida de parte del significado
físico del modelo niveles de capacidad.

Tabla 3.8 Modelo de generación reducida

El proceso puede iniciarse con el Estado 5 en la Tabla 3.8.

Estado 5
C 5 ≥ 100 MW Tabla 9: Modelo de sistema de Generación
P5= p5 =0.000008
 IV. CONCLUSIONES
 En este tema se ilustró la aplicación de conceptos
básicos de probabilidad para generar evaluación de
confiabilidad de capacidad. La técnica LOLE es el
enfoque probabilístico más utilizado en la
actualidad. Sin embargo, existen muchas diferencias
en los índices resultantes producidos. Estas
diferencias dependen principalmente de los factores
utilizados en el procedimiento de cálculo, es decir,
representación reducida o valores de EFOR,
consideraciones de incertidumbre, efectos de
mantenimiento, etc.
 En el punto III presenta los conceptos
fundamentales asociados con la frecuencia y
enfoque de duración para la evaluación de la
capacidad de generación. También proporciona un
grupo de algoritmos recursivos que se pueden
utilizar para calcular los índices requeridos. no es
posible afirmar que un método de evaluación de
confiabilidad de capacidad es mejor que otro en
todas las condiciones.
V. RECOMENDACIONES
 No es válido obtener un índice LOLE en horas
dividiendo el valor de días / año obtenido usando
una curva de variación de carga máxima diaria,
DPLVC, por 24, ya que el DPLVC tiene una forma
diferente de la curva de carga-duración, LDC. Si se
requiere un LOLE en horas / año, entonces se debe
usar el LDC. El LDC es una mejor representación
que el DPLVC, ya que utiliza más datos reales del
sistema.

 El método LOLE es ciertamente más sencillo de

aprecian que el enfoque de F&D y, en general, da
como resultado una plan de expansión para un
índice de confiabilidad dado. La expectativa carece
de cierto físico la importancia que proporcionan los
índices de frecuencia o tiempo de ciclo del F&D
Acercarse.

REFERENCIAS
VI. [ Roy Billinton and Ronald N. Allan, "Confiabilidad de componentes," in Reliability Evaluation of Power Systems,
1] Manchester, England, Second Edition, 1996.