Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado a
INGENIERA ELÉCTRICA
Por
- Asesor: Mario Alberto Rı́os Mesı́as, Profesor Titular, Universidad de Los Andes.
Por último, cabe mencionar que, se empleó el sistema IEEE RTS de 24 nodos para
probar el funcionamiento de la herramienta y ejecutar el análisis de confiabilidad.
De esta forma, se reemplazaron las unidades de generación térmica a carbón por
fuentes de energı́a renovables no convencionales (solar y/o eólica) según fuera el
escenario. Además, se analizó el rendimiento de estas tecnologı́as y el efecto que
existe al aumentar progresivamente la capacidad de las m FNCER sobre los diferentes
ı́ndices de confiabilidad.
i
Índice
1. INTRODUCCIÓN 1
2. OBJETIVOS 3
2.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Objetivos especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3. Alcance y productos finales . . . . . . . . . . . . . . . . . . . . . . . 3
3. NORMATIVIDAD 4
5. METODOLOGÍA PROBABILÍSTICA 11
7. IMPLEMENTACIÓN DE LA HERRAMIENTA 20
8. RESULTADOS Y DISCUSIÓN 21
8.1. Caso base: sin FNCER . . . . . . . . . . . . . . . . . . . . . . . . . . 23
8.2. Modelación de las FNCER como variables independientes . . . . . . . 24
8.2.1. Análisis de confiabilidad durante el dı́a y la noche . . . . . . . 24
8.3. Modelación de las FNCER como variables correlacionadas . . . . . . 27
8.3.1. Análisis de confiabilidad durante el dı́a y la noche . . . . . . . 27
8.3.2. Análisis de confiabilidad durante el dı́a . . . . . . . . . . . . . 29
9. CONCLUSIONES 33
10.AGRADECIMIENTOS 35
REFERENCIAS 36
ANEXOS 37
Lista de figuras
1. Procedimiento general empleado por la metodologı́a PEM. . . . . . . 7
2. Macro-algoritmo para la simulación de Montecarlo pura. . . . . . . . 8
3. Topologı́a del sistema de prueba IEEE RTS 24. . . . . . . . . . . . . 14
4. Discretización de la carga durante el dı́a. . . . . . . . . . . . . . . . . 18
5. Discretización de la carga durante la noche. . . . . . . . . . . . . . . 19
6. Macro-algoritmo que describe el funcionamiento de la herramienta que
efectúa la evaluación de confiabilidad. . . . . . . . . . . . . . . . . . . 20
7. Resultados del ı́ndice DNS [MW/año] para el caso base. . . . . . . . . 23
8. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER es independiente durante el dı́a y la noche. . . . . . . . . . . 24
9. Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de
las FNCER es independiente durante el dı́a y la noche. . . . . . . . . 24
10. Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de
las FNCER es independiente durante el dı́a y la noche. . . . . . . . . 25
11. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche. . . . . . . . . . 27
12. Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de
las FNCER está correlacionado durante el dı́a y la noche. . . . . . . . 27
13. Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de
las FNCER está correlacionado durante el dı́a y la noche. . . . . . . . 28
14. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a. . . . . . . . . . . . . . . . 30
15. Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de
las FNCER está correlacionado durante el dı́a. . . . . . . . . . . . . . 30
16. Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de
las FNCER está correlacionado durante el dı́a. . . . . . . . . . . . . . 31
Lista de tablas
1. Potencia nominal, tipo de combustible empleado, número de unidades
y tasa de salida forzada asociado a las unidades de generación. . . . . 15
2. Ubicación de las unidades de generación en los nodos del sistema. . . 16
3. Momentos centrales del parque eólico de 200 MW. . . . . . . . . . . . 17
4. Momentos centrales de la planta de generación solar de 19,8 kWp. . . 17
5. Discretización (histograma) de la carga. . . . . . . . . . . . . . . . . . 19
6. Casos de estudio implementados. . . . . . . . . . . . . . . . . . . . . 22
7. Resultados del análisis de confiabilidad para el caso base. . . . . . . . 23
8. Regla de Sturge. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
9. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER es independiente durante el dı́a y la noche. . . . . . . . . . . 37
10. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche. . . . . . . . . . 37
11. Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a. . . . . . . . . . . . . . . . 38
12. Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de
las FNCER es independiente durante el dı́a y noche. . . . . . . . . . . 38
13. Resultados del indicador LOLE [horas/año] cuando el comportamiento
de las FNCER está correlacionado durante el dı́a y la noche. . . . . . 38
14. Resultados del indicador LOLE [horas/año] cuando el comportamiento
de las FNCER está correlacionado durante el dı́a. . . . . . . . . . . . 39
15. Resultados del indicador DNS [MW/año] cuando el comportamiento
de las FNCER es independiente durante el dı́a y la noche. . . . . . . 39
16. Resultados del indicador DNS [MW/año] cuando el comportamiento
de las FNCER está correlacionado durante el dı́a y la noche. . . . . . 39
17. Resultados del indicador DNS [MW/año] cuando el comportamiento
de las FNCER está correlacionado durante el dı́a. . . . . . . . . . . . 40
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 1
1. INTRODUCCIÓN
En la actualidad, el uso de fuentes de energı́a renovables no convencionales (FN-
CER) ha despertado el interés de la comunidad internacional debido al sinfı́n de bene-
ficios que supone su implementación. De hecho, además de ser alternativas económica-
mente viables debido a sus bajos costos energéticos, de uso y mantenimiento, también
son una opción amigable con el medio ambiente. No obstante, a pesar de los benefi-
cios previamente mencionados, se debe considerar que el uso de este tipo de fuentes
introduce incertidumbres en el rendimiento de los sistemas de energı́a, debido a que
la cantidad de potencia que inyectan en el sistema está directamente relacionada con
factores no deterministas caracterı́sticos de los fenómenos naturales [1]. En este orden
de ideas, este proyecto pretende realizar un análisis de confiabilidad de generación
(HL-I) con alta penetración de FNCER. Esto, a través de la implementación de una
herramienta computacional en Matlab capaz de efectuar la simulación de la evalua-
ción de confiablidad para un número de m FNCER combinando la técnica PEM
(Point Estimate Method) con la técnica Montecarlo.
Por otro lado, en relación a la estructura de este documento, se puede notar que,
en primer lugar, en la sección 3, se presentan las normativas que aplican en Colombia
para evaluaciones de confiabilidad. Acto seguido, en la sección 4, se expone el marco
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 2
2. OBJETIVOS
2.1. Objetivo general
Implementar un software encargado de ejecutar la simulación de evaluación de
confiabilidad para el nivel jerárquico I (sistema de generación) con un número de
m FNCER combinando la técnica PEM (Point Estimate Method) con la técnica de
Montecarlo.
3. NORMATIVIDAD
En esta sección, se hace una revisión de las normativas colombianas que aplican
en relación a la generación y correcta operación de fuentes de energı́a renovables no
convencionales (FNCER) como lo son las plantas de energı́a eólica y solar.
Cabe aclarar que, como se cita en esta resolución, el resultado de los pronósti-
cos de generación tiene como propósito ser un insumo para determinar el balance
carga/generación en tiempo real.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 5
s
PN
i=1 (Pi− P̄l )2
σP = (2)
N −1
m3
λP,3 = 3 (3)
m22
m4
λP,4 = (4)
m22
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 6
Donde:
- m2 es igual a:
PN
i=1 (Pi − P̄l )2
m2 = (5)
N
- m3 es igual a:
PN
i=1 (Pi − P̄l )3
m3 = (6)
N
- m4 es igual a:
PN
i=1 (Pi − P̄l )4
m2 = (7)
N
Nota: Los cuatro momentos definidos con anterioridad, son parámetros empleados
por la metodologı́a PEM.
• La media (µP ) es una medida de tendencia central, esto quiere decir, que
indica en donde está centrada la función [8].
• La desviación estándar (σP ) es una medida empleada para determinar que
tan dispersos están los datos.
• El sesgo (λP,3 ) es una medida que indica la simetrı́a de la distribución de
la variable en relación a su media.
• La curtosis (λP,4 ) es una medida empleada para determinar que tan ele-
vada o achatada se encuentra la distribución de la variable en relación a
la distribución normal.
Por un lado, en lo referente al primer aspecto, en [6], se mostró que se puede “si-
mular” el comportamiento de un parque eólico y calcular tanto la función discreta
de probabilidad que modela su inyección de potencia como sus momentos centrales
(media, desviación estándar, sesgo y curtosis). Además, de acuerdo a lo planteado
en [5], para las granjas fotovoltaicas se tiene que dado que no existe una función
de densidad de probabilidad que se ajuste a su comportamiento; en la practica, se
caracterizan con los momentos centrales al igual que en el caso de los parques eólicos.
5. METODOLOGÍA PROBABILÍSTICA
En esta sección, se explica de forma detallada la metodologı́a empleada para efec-
tuar el análisis de confiabilidad de generación (HL-I) con alta penetración de fuentes
de energı́a renovables no convencionales (FNCER). Ası́, de forma general, se de-
sarrolló una herramienta en el software Matlab capaz de ejecutar la simulación de
evaluación de confiabilidad para el nivel jerárquico I combinando la técnica PEM
(Point Estimate Method) con la técnica Montecarlo.
Este método es empleado para obtener los puntos de concentración cuando los
comportamientos de las m FNCER no están relacionados. Ası́, de acuerdo a lo plan-
teado por la metodologı́a PEM, se calculan k puntos de concentración (k = 1,2,3)
por cada variable aleatoria independiente l (l = 1, 2, ..., m). En las ecuaciones 8 y
10, se muestran las expresiones para calcular tanto las ubicaciones como los pesos,
respectivamente.
Este método es empleado para obtener los puntos de concentración cuando el com-
portamiento de las m FNCER está relacionado. De acuerdo al planteamiento pro-
puesto en [10], en primer lugar, se establecen variables ficticias con el objetivo de
convertir las variables correlacionadas (p) en variables independientes (q) a través de
la matriz de transformación B, ası́:
q =B·p (11)
Con el propósito de calcular la matriz de transformación B, se efectúa la des-
composición de Cholesky de la matriz de covarianzas (Cp ) obtenida a partir de los
coeficientes de correlación que hay entre las FNCER:
σ12 . . . r1,m σ1 σm
Cp = .. ... .. T
= LL (12)
. .
2
rm,1 σm σ1 ... σm
B = L−1 (13)
Con base en los resultados obtenidos, se procede a calcular la media, el tercer y el
cuarto momento para cada variable ficticia como se muestra a continuación:
µq = L−1 µp (14)
m
X
λql,3 = (L−1 3 3
l,r ) λpr,3 σpr (15)
r=1
m
X
λql,4 = (L−1 4 4
l,r ) λpr,4 σpr (16)
r=1
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 13
Ası́, una vez se tienen los momentos de la nuevas variables q, se calculan los pun-
tos de concentración (ql,k ,wl,k ) aplicando la metodologı́a presentada para variables
independientes. Por último, se obtienen los puntos en la base original aplicando la
transformación inversa; ası́:
p = B −1 · q (17)
A partir de los resultados obtenidos del cálculo de los puntos de concentración, se
proceden a establecer los 2m + 1 casos con sus respectivos pesos. Es necesario men-
cionar que, para la primera posición se asume que todas las fuentes están inyectando
al sistema el valor de sus medias y el peso equivalente corresponde a la sumatoria de
los pesos de todas las FNCER cuando estas se encuentran en su valor medio. Por otro
lado, para el resto de casos, se empieza a variar el valor de la inyección de potencia de
cada parque mientras los otros se mantienen en su valor medio y el peso equivalente
corresponde al valor del peso de la fuente que está variando.
U1 U2 U3 U4 U5 U6
Nodo
[MW] [MW] [MW] [MW] [MW] [MW]
1 20 20 76 76 - -
2 20 20 76 76 - -
7 100 100 100 - - -
13 197 197 197 - - -
15 12 12 12 12 12 155
16 155 - - - - -
18 400 - - - - -
21 400 - - - - -
22 50 50 50 50 50 50
23 155 155 350 - - -
Es preciso señalar que, tanto el valor de la media (µ) como el valor de la desviación
estándar (σ) asociado a cada tipo de tecnologı́a de generación (ver Tablas 3 y 4) de-
pende de la capacidad nominal de cada central. Ası́, como se expone en [8], partiendo
del teorema del lı́mite central, se tiene que el valor de la media es proporcional a la
capacidad nominal de la central. En tanto que, el valor de la desviación estándar se
obtiene en función de la media calculada y el coeficiente de variación. En las ecua-
ciones 18 y 19, se presenta la parametrización empleada para obtener el coeficiente
de variación y la desviación estándar, respectivamente.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 18
E[(X − E[X])]
CV = (18)
E[X]
σ = CV · µ (19)
Por otro lado, en relación al sesgo (λ4 ) y la curtosis (λ3 ) estos valores se encuen-
tran normalizados, esto quiere decir que, no es necesario ajustar estos parámetros en
función de la capacidad nominal de cada central.
7. IMPLEMENTACIÓN DE LA HERRAMIEN-
TA
En la Figura 6, se presenta el macro-algoritmo que describe el funcionamiento de la
herramienta para efectuar el análisis de confiabilidad. Cabe notar que, los parámetros
de entrada requeridos por la herramienta están definidos en secciones previas de este
documento.
8. RESULTADOS Y DISCUSIÓN
En esta sección, se presentan los resultados obtenidos al ejecutar el análisis de con-
fiabilidad de generación (HL-I) para el sistema de prueba IEEE RTS 24. En cuanto
al funcionamiento de la herramienta computacional desarrollada, es preciso mencio-
nar que, se reemplazaron las unidades de generación térmica a carbón por fuentes
de energı́a renovables no convencionales (solar y/o eólica) según fuera el escenario.
Luego, se inicializó la herramienta y se calcularon los ı́ndices de confiabilidad expli-
cados previamente. Cabe señalar que, dado que se modeló el dı́a y la noche de forma
separada, el resultado del agregado para los ı́ndices LOLE y DNS está dado por la
ecuación 20. No obstante, para el ı́ndice LOLP se realizó un promedio ponderado con
base en el número de horas que corresponden al dı́a y la noche como se presenta en
la ecuación 21.
4015 4745
LOLPT OT AL = · LOLPDIA + · LOLPN OCHE (21)
8760 8760
Caso 1 1.274 1
Caso 2 2.548 2
Caso 3 3.822 3
Caso 4 5.096 4
Caso 5 6.370 5
Caso 6 7.644 6
Por otro lado, se realizaron los estudios de confiabilidad para el caso base, es decir
sin FNCER, y al reemplazar las unidades de generación térmica a carbón presentes
tanto en los nodos 1 y 2 (zona sur) como en los nodos 15, 16 y 23 (zona norte)
por unidades de generación de FNCER. Esto con el propósito de poder efectuar una
comparación del rendimiento del sistema cuando se implementan las tecnologı́as de
generación renovable no convencional.
1. Independientes:
2. Correlacionadas:
Resultados
Índice
Dı́a y noche Dı́a
LOLP [ %] 0,71 0,0032
LOLE [h/año] 62,54 0,2803
DNS [MW/año] µ = 2,04 σ = 1,04 µ = 1,002 σ = 0,08
En la Figura 10, se presentan los resultados obtenidos para el ı́ndice DNS para los
diferentes escenarios de generación y casos de estudio.
Figura 10: Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de las
FNCER es independiente durante el dı́a y la noche.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 26
Con el fin de presentar una comparación entre los resultados obtenidos para estos
escenarios contra los resultados obtenidos en el caso base, se pueden afirmar los
siguientes hechos:
1. Cuando se utiliza únicamente la tecnologı́a de generación eólica, se aprecia que
es posible alcanzar niveles de confiabilidad similares a los del caso base; aumen-
tando una menor cantidad de veces la capacidad de las fuentes en comparación
con las otras dos tecnologı́as. Dichos niveles se alcanzan cuando la capacidad
instalada de las FNCER es igual a cuatro veces la capacidad de las unidades
térmicas a carbón. Por otro lado, como se aprecia en la Figura 10, para este
escenario de generación, la desviación estándar de este indicador es baja, lo que
implica que los datos tienden a estar cerca de la media (µ) en cada caso de
estudio. Por último, resulta relevante notar el hecho de que, aumentando hasta
seis veces la capacidad de las FNCER, se mejoran los ı́ndices de confiabilidad
en relación al caso base.
Figura 11: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER
está correlacionado durante el dı́a y la noche.
Figura 12: Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 28
Por otro lado, en la Figura 13, se muestran los resultados obtenidos para el ı́ndice
DNS cuando se emplean diferentes tecnologı́as de generación y se aumenta propor-
cionalmente su capacidad.
Figura 13: Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 29
Ahora, con el propósito de comparar los resultados de este análisis contra los resul-
tados obtenidos en el caso base, se pueden notar los siguientes hechos:
Figura 14: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER
está correlacionado durante el dı́a.
Figura 15: Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a.
Por otro lado, en la Figura 16, se muestran los resultados obtenidos para el ı́ndice
DNS cuando se emplean diferentes tecnologı́as de generación y se aumenta propor-
cionalmente su capacidad durante el dı́a. De esta forma, se puede afirmar que los
resultados obtenidos son coherentes puesto que a medida que aumenta la capacidad
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 31
Figura 16: Resultados del ı́ndice DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 32
Con el objetivo de comparar los resultados de este análisis contra los resultados
obtenidos en el caso base, se pueden notar los siguientes hechos:
2. A medida que aumenta la capacidad de generación para las tres tecnologı́as, los
ı́ndices convergen al valor mı́nimo posible, no obstante, a menor capacidad, se
puede notar que el orden de mejor a menor rendimiento entre las tres tecnologı́as
para el LOLP y el LOLE es el siguiente: i) únicamente eólica; ii) eólica más
solar; y iii) únicamente solar.
Finalmente, se tiene que durante el dı́a, los resultados obtenidos para la evaluación
de confiabilidad de los tres escenarios de generación no varı́an entre sı́. Esto quiere
decir que, la implementación de las tecnologı́as de generación eólica, solar o eólica
más solar son capaces de reproducir ı́ndices de confiabilidad similares a los del caso
base. Sin embargo, se percibe por una diferencia corta que la tecnologı́a eólica posee
un mejor rendimiento.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 33
9. CONCLUSIONES
La integración de fuentes de energı́a renovables no convencionales (FNCER) en el
sistema eléctrico de potencia (SEP) es una realidad alrededor del mundo. Lo anterior,
debido a la amplia gama de beneficios que representa su uso. No obstante, desde una
perspectiva técnica, dado que su naturaleza es variable, el uso de este tipo de fuen-
tes introduce incertidumbres en el rendimiento de los sistemas de energı́a. Por esto,
resulta necesaria la implementación de estudios de confiabilidad que cuantifiquen la
habilidad que tiene el sistema para operar de forma adecuada durante un periodo de
tiempo. En este orden de ideas, se desarrolló una herramienta computacional capaz
de realizar la evaluación de confiabilidad para el nivel jerárquico I (generación) de
un sistema de potencia. Para dicho análisis, se calcularon los siguientes ı́ndices: la
probabilidad de pérdida de carga (LOLP), el valor esperado del tiempo de pérdida
de carga (LOLE) y el valor esperado de la demanda no suministrada (DNS).
puesto que, entre más pequeño sea, menor será la cantidad de potencia que no será
suministrada a la carga.
Por otro lado, en cuanto a los resultados individuales para cada escenario de genera-
ción, se tiene que el orden de mejor a menor rendimiento es el siguiente: i) únicamente
eólica; ii) eólica más solar ; y iii) únicamente solar. Este orden, se debe a que, sola-
mente para los primeros dos escenarios, es posible reproducir ı́ndices de confiabilidad
(LOLE y LOLP) similares a los del caso base. Mientras que, con respecto al ren-
dimiento del ı́ndice DNS, se tiene que únicamente mediante el primer escenario de
generación (únicamente eólica), se obtienen valores similares e incluso mejores a los
del caso original. Por otro lado, con base a los resultados obtenidos para el tercer
escenario, es posible afirmar que no es recomendable integrar únicamente este tipo
de tecnologı́a de generación, puesto que, durante la noche la potencia inyectada por
las centrales solares fotovoltaicas es nula, situación que hace imposible la obtención
de ı́ndices de confiabilidad similares a los del caso base.
Para finalizar, considerando los resultados y las conclusiones a las que se llegó
durante el desarrollo de este proyecto, se recomienda a futuro incluir el efecto de
sistemas de almacenamiento de energı́a. Esto, dado que, la implementación de esta
tecnologı́a es una realidad que permite mover bloques de energı́a en horarios donde
se requiere, en el caso especifico de este proyecto, resultarı́a interesante analizar su
impacto en el análisis de confiabilidad del tercer escenario (únicamente solar ).
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 35
10. AGRADECIMIENTOS
A Dios y a la Virgen Marı́a, por cada una de las bendiciones que han llegado a mi
vida. Por darme fortaleza, paciencia y sabidurı́a en los momentos difı́ciles.
A mi familia, por su compañı́a, apoyo incondicional y por darme alas para volar. A
mis padres, Octavio y Luz Marina, por los valores y principios que han inculcado en
mı́. A mis tı́os, Alvaro y Blanca, por ser promotores de mis sueños. A mis hermanos,
William y Katherine, por alentarme a cumplir mis metas y ser un soporte.
A mis amigos y compañeros, por cada momento compartido durante la carrera. Por
que, de cada uno aprendı́ lecciones de vida valiosas y pude crecer tanto en lo personal
como en lo académico.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 36
Referencias
[1] A. Cepeda, Análisis de confiabilidad de sistemas de potencia con fuentes eólicas,
Proyecto de grado Ingeniero Eléctrico, Universidad de Los Andes, 2019.
[2] H. P. Hong, An efficient point estimate method for probabilistic analysis, Relia-
bility Engineering & System Safety,vol. 59, no. 3, pp. 261-267, 1998.
[3] Resolución 060 del 2019, Comisión de regulación de energı́a y gas (CREG), 2019.
[7] A. Cepeda y M. A. Rios, Bulk power system availability assessment with multiple
wind power plants, International Journal of Electrical and Computer Engineering
(IJECE), vol.11, no.1, pp. 27-36, 2021.
[11] IEEE, IEEE Reliability Test System, IEEE Reliability Test System, IEEE
Transactions on Power Apparatus and Systems, vol. 98, no. 6, pp. 2047-2054,
1979.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 37
ANEXOS
Tabla 8: Regla de Sturge.
Casos de Eólica +
Eólica Solar
estudio solar
1 34,43 % 25,58 % 39,99 %
2 18,03 % 8,34 % 31,43 %
3 9,43 % 2,07 % 27,73 %
4 4,61 % 0,41 % 26,52 %
5 2,13 % 0,07 % 26,41 %
6 0,83 % 0,01 % 26,21 %
Tabla 10: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER
está correlacionado durante el dı́a y la noche.
Casos de Eólica +
Eólica Solar
estudio solar
1 34,37 % 26,01 % 40,70 %
2 18,23 % 8,47 % 32,24 %
3 9,50 % 2,26 % 28,23 %
4 4,78 % 0,45 % 26,84 %
5 2,11 % 0,09 % 26,32 %
6 0,91 % 0,01 % 26,32 %
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 38
Tabla 11: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER
está correlacionado durante el dı́a.
Casos de Eólica +
Eólica Solar
estudio solar
1 14,58 % 14,62 % 14,50 %
2 5,65 % 5,69 % 6,07 %
3 1,90 % 1,89 % 2,00 %
4 0,57 % 0,43 % 0,58 %
5 0,089 % 0,092 % 0,13 %
6 0,0085 % 0,0096 % 0,0124 %
Tabla 12: Resultados del ı́ndice LOLE [horas/año] cuando el comportamiento de las
FNCER es independiente durante el dı́a y noche.
Casos de Eólica +
Eólica Solar
estudio solar
1 3015,70 2240,60 3502,70
2 1579,80 730,43 2752,90
3 826,32 181,68 2429,30
4 404,21 35,81 2323,00
5 187,00 6,27 2313,90
6 72,58 0,58 2296,00
Casos de Eólica +
Eólica Solar
estudio solar
1 3010,60 2278,10 3565,70
2 1596,70 742,24 2824,50
3 831,94 197,78 2472,80
4 418,50 39,78 2350,80
5 185,24 8,08 2305,40
6 79,63 0,84 2296,56
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 39
Casos de Eólica +
Eólica Solar
estudio solar
1 1273,80 1280,50 1270,40
2 501,92 498,56 531,87
3 163,53 165,92 174,77
4 48,24 37,60 50,47
5 8,65 8,03 11,56
6 0,82 0,84 1,08
Tabla 15: Resultados del indicador DNS [MW/año] cuando el comportamiento de las
FNCER es independiente durante el dı́a y la noche.
Tabla 16: Resultados del indicador DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche.
Tabla 17: Resultados del indicador DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a.