PROYECTO FIN DE CARRERA

Presentado a

LA UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y
ELECTRÓNICA

Para obtener el tı́tulo de

INGENIERA ELÉCTRICA

Por

Marı́a Daniela Medina Buitrago

Confiabilidad de Generación (HL-I) con alta penetración

de fuentes no convencionales de energı́a renovable
(FNCER)

Sustentado el dı́a 07 de mes 07 de año 2021 frente al jurado:

Composición del jurado:

- Asesor: Mario Alberto Rı́os Mesı́as, Profesor Titular, Universidad de Los Andes.

- Jurado: Gustavo Andrés Ramos López, Profesor Asociado, Universidad de Los

Andes.
 Resumen

En este proyecto, se presenta el desarrollo de una herramienta computacional encar-

gada de efectuar el análisis de confiabilidad para el nivel jerárquico I en sistemas de
potencia cuando existe una alta penetración de fuentes no convencionales de energı́a
renovable (FNCER). En este orden de ideas, en esta evaluación de confiabilidad úni-
camente se modela el comportamiento tanto de los generadores (máquinas sincrónicas
y FNCER) como de la carga. Mientras que, se omite el efecto del comportamiento
de los elementos que componen a la red.

En cuanto a la metodologı́a empleada para modelar la inyección de potencia de

las m FNCER, se planteó una metodologı́a probabilı́stica que combina la técnica
PEM (Point Estimate Method) con la técnica de Montecarlo. Ası́, la herramienta
evalúa 2m + 1 puntos de concentración caracterizados por una ubicación y un peso,
los cuales hacen referencia a la potencia inyectada en MW por las m FNCER y su
relevancia, respectivamente. Para llevar a cabo el análisis, se obtienen los valores de
los siguientes ı́ndices de confiabilidad: 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).

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

4. MARCO TEÓRICO, CONCEPTUAL E HISTÓRICO 5

4.1. Marco teórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4.1.1. Modelación estadı́stica del comportamiento de las FNCER . . 5
4.1.2. Metodologı́a: Point Estimated 2m+1 . . . . . . . . . . . . . . 6
4.1.3. Metodologı́a: Simulación de Montecarlo . . . . . . . . . . . . . 7
4.2. Marco conceptual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.3. Marco histórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5. METODOLOGÍA PROBABILÍSTICA 11

6. SISTEMA DE PRUEBA: IEEE RTS 24 14

6.1. Descripción general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2. Sistema de generación . . . . . . . . . . . . . . . . . . . . . . . . . . 15
6.3. Supuestos: modelación de las FNCER . . . . . . . . . . . . . . . . . . 16
6.4. Caracterización de la carga . . . . . . . . . . . . . . . . . . . . . . . . 18

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.

En cuanto a la caracterización de la solución, es importante mencionar que, a di-

ferencia de un generador sincrónico, las FNCER no se pueden modelar como un
componente de dos estados: en servicio o fuera de servicio. Lo anterior, debido a que,
como se mencionó previamente, la cantidad de potencia que inyectan en el sistema
varia en función de diversos factores, que van desde condiciones climáticas hasta la
correcta operación de los componentes de la red. En este sentido, se empleó una com-
binación de la metodologı́a probabilı́stica PEM 2m+1 propuesta por Hong [2] con
la técnica de Montecarlo para modelar la inyección de potencia de un conjunto de
m FNCER. De este modo, resulta conveniente notar que: i) la inyección de potencia
del conjunto de las m FNCER se modela como una variable aleatoria X con 2m+1
estados; ii) la inyección de potencia de cada uno de los generadores sincrónicos se
modela como una variable aleatoria Y de 2 estados ; y iii) la carga se modela como
una variable aleatoria Z con k estados. Finalmente, en cuanto a la evaluación de
confiabilidad se emplea la simulación de Montecarlo. Con todo lo anterior, es perti-
nente mencionar que el sistema de prueba empleado para el análisis de confiabilidad
de generación (HL-I) con alta penetración de FNCER corresponde al sistema IEEE
RTS 24.

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

teórico, conceptual y los antecedentes. En la sección 5, se presenta la metodologı́a

probabilı́stica PEM empleada para modelar fuentes de energı́a renovables no con-
vencionales cuando son independientes y cuando están correlacionadas. Luego, en la
sección 6, se presenta la descripción detallada del sistema de prueba IEEE RTS 24 y
la caracterización de la carga. Asimismo, en la sección 7, se expone el macro-algoritmo
que describe el funcionamiento de la herramienta computacional. En la sección 8, se
muestran los resultados obtenidos para los escenarios propuestos en donde se reem-
plazan las unidades de generación térmicas de carbón por FNCER. Finalmente, en la
sección 9, se presentan las conclusiones obtenidas durante el desarrollo del proyecto.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 3

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.

2.2. Objetivos especı́ficos

1. Plantear una metodologı́a probabilı́stica y un algoritmo encargado de represen-
tar la inyección de potencia de un conjunto de m fuentes de energı́a renovables
no convencionales (FNCER).

2. Implementar en Matlab el algoritmo para la simulación de evaluación de con-

fiabilidad del conjunto de m FNCER.

3. Preparar un artı́culo de difusión.

2.3. Alcance y productos finales

Se realizó una investigación de tipo aplicada en la cual se desarrolló una herra-
mienta computacional en Matlab encargada de ejecutar la simulación de evaluación
de confiabilidad para el nivel jerárquico I de un sistema de potencia con alta penetra-
ción de fuentes de energı́a renovable no convencional (FNCER). Lo anterior, con base
en el planteamiento de una metodologı́a probabilı́stica que combina la técnica PEM
con la técnica de Montecarlo. A continuación, se listan los entregables requeridos para
la culminación exitosa del proyecto:

Algoritmo encargado de modelar la inyección de potencia de las fuentes no

convencionales de energı́a renovable.

Herramienta computacional en Matlab capaz de ejecutar la simulación de eva-

luación de confiabilidad.

Artı́culo de difusión con los hallazgos obtenidos.

Confiabilidad de Generación (HL-I) con alta penetración de FNCER 4

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.

Resolución 060 del 2019 [3]

En la resolución 060 del 2019, se presentan las modificaciones del reglamento de

operación para permitir la conexión y operación de plantas solares fotovoltaicas y
eólicas en el sistema integrado nacional. En relación al pronóstico de generación
para las plantas eólicas y solares fotovoltaicas conectadas al sistema de transmisión
nacional, en los artı́culos 25 y 26, se expone brevemente la metodologı́a empleada
para obtener los pronósticos de generación de corto y muy corto plazo. Ası́, se tienen
las siguientes especificaciones:

1. El pronóstico de generación de corto plazo de las plantas eólicas y solares es

elaborado por el centro nacional de despacho (CND) a nivel horario para la
siguiente semana a la de operación.

2. El pronóstico de generación de muy corto plazo de las plantas eólicas y solares

es desarrollado por el CND. De esta forma, este ente realizará los pronósticos
con resolución horaria para las siguientes 40 horas, en el dı́a de operación en
una ventana móvil de 5 minutos para los siguientes 60 minutos de operación.

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

4. MARCO TEÓRICO, CONCEPTUAL E HISTÓRI-

CO
4.1. Marco teórico
A continuación, se presenta una explicación detallada de las bases teóricas que
sustentan el desarrollo del proyecto.

4.1.1. Modelación estadı́stica del comportamiento de las FNCER

Las fuentes de energı́a renovables no convencionales (FNCER) que se utilizaron en
el estudio de confiabilidad de generación de este proyecto fueron plantas de energı́a
eólica y solar. Ahora, en relación a la modelación de su comportamiento, resulta
conveniente señalar que la cantidad exacta de potencia que inyectan dichas tecnologı́as
en el sistema no puede predecirse y de acuerdo con [4] y [5] su comportamiento no
se ajusta a ninguna función de distribución de probabilidad conocida. No obstante,
en [6] y [5] se mostró que es posible “simular” el comportamiento de una planta de
energı́a tanto eólica como solar para obtener la función discreta de probabilidad que
describe su inyección de potencia y ası́ calcular el valor de sus momentos centrales:
media (µP ), desviación estándar (σP ), sesgo (λP,3 ) y curtosis (λP,4 ). En este orden de
ideas, según [7], el modelo estadı́stico de la potencia inyectada por cada FNCER (Pl )
se fija computando sus cuatro momentos centrales; ası́:
PN
i=1 Pi
µP = = P̄l (1)
N

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:

- N es el número de muestras históricas de la potencia inyectada.

- 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.

4.1.2. Metodologı́a: Point Estimated 2m+1

Para el desarrollo de este proyecto, se seleccionó la metodologı́a point estimated
2m+1 propuesta por Hong [2] para realizar la evaluación de confiabilidad de genera-
ción en sistemas de potencia. Vale la pena notar que, entre las ventajas que ofrece
esta metodologı́a sobresalen un alto nivel de precisión y un bajo costo computacional
[6]. En cuanto al funcionamiento de está técnica, en primer lugar, se requieren como
parámetros de entrada las m FNCER junto con sus cuatro momentos estadı́sticos
principales: media, desviación estándar, sesgo y curtosis. Luego, con base en dicha
información, la metodologı́a PEM plantea k puntos de concentración (k = 1,2,3) por
cada variable aleatoria l independiente (l = 1, 2, ..., m) y evalúa 2m+1 puntos donde
m es el número de variables aleatorias independientes. Dichos puntos de concentra-
ción están conformados por una ubicación y un peso (pl,k , wl,k ), respectivamente. En
la Figura 1, se aprecia el macro-algoritmo que describe el funcionamiento de esta
metodologı́a.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 7

Figura 1: Procedimiento general empleado por la metodologı́a PEM.

4.1.3. Metodologı́a: Simulación de Montecarlo

Cuando se habla de la simulación de Montecarlo, se hace referencia a un méto-
do estadı́stico empleado para calcular el valor final de una serie de realizaciones de
carácter no determinista, como sucede con la inyección de potencia de las fuentes de
energı́a renovables no convencionales. Ası́, para el caso especifico de este proyecto,
cada una de las realizaciones pretende reproducir el comportamiento de las FNCER
para predecir el valor de potencia inyectado en la red. Ahora, dado que se requiere
una cantidad considerable de realizaciones para obtener un resultado aceptable, es
necesario el uso de una herramienta computacional capaz de efectuar dicho procedi-
miento. En la Figura 2, se presenta el macro-algoritmo que describe el funcionamiento
de la simulación de Montecarlo pura.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 8

Figura 2: Macro-algoritmo para la simulación de Montecarlo pura.

Confiabilidad de Generación (HL-I) con alta penetración de FNCER 9

4.2. Marco conceptual

A continuación, se presenta una breve descripción de los conceptos fundamentales
para el desarrollo del proyecto.

El momento central de orden k de una variable aleatoria se define como

E[(X − µ)k ]. Enseguida, se definen los primeros cuatro momentos centrales.

• 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.

Los criterios e ı́ndices probabilı́sticos son medidas empleadas para evaluar

de forma cuantitativa de la confiabilidad de un sistema de potencia [9].

• La probabilidad de Pérdida de Carga (LOLP) hace referencia a la proba-

bilidad ( %) de que la carga del sistema exceda a la capacidad máxima
instalada en el mismo.
• El valor Esperado del tiempo de Pérdida de Carga (LOLE) corresponde
al tiempo esperado (horas/año) en el que la carga excede la capacidad
instalada disponible de generación.
• El valor esperado de la demanda no suministrada (DNS) hace referencia
a la cantidad de potencia en un intervalo de tiempo (MW/año) que no es
suministrada.
• El valor esperado de energı́a no suministrada (EENS) corresponde a la
energı́a no entregada al sistema en un intervalo de tiempo (MWh/año)
debido a la escasez de capacidad en el sistema.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 10

4.3. Marco histórico

Para el desarrollo de este proyecto, se tuvieron en cuenta diversas investigaciones
enfocadas en la caracterización de la inyección de potencia de fuentes de energı́a reno-
vables no convencionales. Ası́, en primer lugar, se encontró información acerca de la
modelación probabilı́stica de parques eólicos y granjas fotovoltaicas para la evaluación
de confiabilidad en sistemas de potencia. En segundo lugar, se recolectó información
acerca del desarrollo de dos modelos probabilı́sticos basados en la metodologı́a PEM
(Point Estimate Method) para la evaluación de confiabilidad de sistemas de potencia
cuando el comportamiento de las plantas es independiente y cuando es correlacionado.

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.

Finalmente, en relación al segundo aspecto, en [1] y [8], se formulan dos modelos

probabilı́sticos que emplean el método point-estimate para generar una evaluación de
confiabilidad en la que se caracteriza la inyección de potencia tanto de fuentes eólicas
correlacionadas como de fuentes solares y/o eólicas correlacionadas, respectivamente.
Lo anterior, dado que, la mayorı́a de las metodologı́as existentes asumen que las
FNCER se comportan como variables aleatorias independientes. No obstante, se debe
tener en cuenta que existe una correlación entre fuentes de generación ubicadas en
puntos cercanos.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 11

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.

En primer lugar, como se mencionó en el marco teórico, en relación a la implemen-

tación de la técnica PEM 2m + 1, se requieren como parámetros de entrada los cuatro
momentos estadı́sticos de las m FNCER. Esto, con el objetivo de modelar los pun-
tos de concentración que se encuentran caracterizados por una ubicación y un peso
(pl,k , wl,k ). Es importante aclarar que, por un lado, la ubicación (pl,k ) hace referencia
a la potencia en MW que inyectan estas centrales al sistema. Mientras que, el peso es
un indicador que mide la relevancia que posee cada ubicación (wl,k ). Ahora, dado que
la cantidad de potencia generada por las FNCER es variable y depende de factores
tales como la ubicación, la velocidad del viento, la nubosidad y la cantidad de radia-
ción solar incidente, entre otros; es conveniente realizar la evaluación de confiabilidad
considerando a estas fuentes de energı́a como variables aleatorias, las cuales pueden
ser independientes o correlacionadas.

Con base en lo anterior, enseguida se explica la metodologı́a empleada para calcular

los puntos de concentración (pl,k , wl,k ) cuando el comportamiento de las plantas es
independiente y cuando es correlacionado:

Método para variables independientes:

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.

pl,k = µpl + ζl,k σpl (8)

Donde:
- µpl es la media.
- σpl es la desviación estándar.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 12

- ζl,k es la ubicación estándar y está dada por la siguiente expresión:

( q
λpl,3
2
+ (−1) 3−k
λpl,4 − 43 λ2pl,3 si k = 1, 2
ζl,k = (9)
0 si k = 3
 (−1)3−k
 ζl,k (ζl,1 −ζl,2 )
 si k = 1, 2
wl,k = (10)
 1 −
 1
si k = 3
m λpl,4 −λ2
pl,3

Método para variables correlacionadas:

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.

Luego de que se han calculado los 2m + 1 casos, se da inicio al método estadı́stico

de Montecarlo en el cual se calcula el valor de la demanda no suministrada (DNS)
para cada realización y se verifica convergencia tal y como se detalla en la Figura 2.

Por último, con el fin de llevar a cabo el análisis de confiabilidad, se calcula 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).
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 14

6. SISTEMA DE PRUEBA: IEEE RTS 24

6.1. Descripción general
Se seleccionó el sistema IEEE RTS de 24 nodos (ver Figura 3) como sistema de
prueba para ejecutar el análisis de confiabilidad de generación. Cabe resaltar que,
este sistema es empleado como referente en cuanto a estudios de evaluación de con-
fiabilidad de generación y transmisión [11].

Figura 3: Topologı́a del sistema de prueba IEEE RTS 24.

Confiabilidad de Generación (HL-I) con alta penetración de FNCER 15

Este sistema se encuentra conformado por 10 nodos de generación, 17 cargas y 38

lı́neas de transmisión. En cuanto a los niveles de tensión, se puede notar que, una
parte del sistema opera a 230 kV y la otra a 138 kV. Por otro lado, con respecto a los
nodos de generación, es importante especificar que son el resultado de un agregado,
esto quiere decir que, en realidad, el sistema cuenta con 32 unidades de generación.
Además, se debe aclarar que la potencia máxima generada por cada unidad varı́a
entre 12 MW y 400 MW. Ası́, se tiene que la capacidad total de generación es igual
a 3405 MW.

6.2. Sistema de generación

Como se mencionó previamente, en el sistema de estudio existen 10 nodos de ge-
neración que a su vez representan el agregado de potencia inyectada por 32 unidades
de generación. En la Tabla 1, se aprecia la potencia nominal, el tipo de combustible
empleado, el número de unidades en el sistema y la tasa de salida forzada, en inglés
forced outage rate (FOR), asociada a cada unidad.

Nota: la tasa de salida forzada es necesaria para efectuar el análisis de confiabilidad.

Tabla 1: Potencia nominal, tipo de combustible empleado, número de unidades y tasa

de salida forzada asociado a las unidades de generación.

Sn [MW] Combustible No. unidades F.O.R

12 Petróleo 5 0,02
20 Petróleo 4 0,1
50 - 6 0,01
76 Carbón 4 0,02
100 Petróleo 3 0,04
155 Carbón 4 0,04
197 Petróleo 3 0,05
350 Carbón 1 0,08
400 LWR 2 0,12

De igual forma, en la Tabla 2, se presenta la ubicación de las unidades de generación

en los nodos del sistema.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 16

Tabla 2: Ubicación de las unidades de generación en los nodos del sistema.

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 - - -

Debido a que, el objetivo de este proyecto está enfocado en la realización de una

análisis de confiabilidad de generación, se reemplazaron las unidades de generación
térmica a carbón presentes en los nodos 1, 2, 15, 16 y 23 por fuentes de energı́as
renovables no convencionales; siendo éste, el escenario de estudio.

6.3. Supuestos: modelación de las FNCER

Con el propósito de emular el comportamiento de las fuentes de energı́a renovables
no convencionales a través de la metodologı́a point estimated 2m + 1, se obtuvieron
sus cuatro momentos estadı́sticos centrales. Cabe mencionar que, la información re-
querida para la modelación de las centrales de generación eólica y solar se obtuvo de
[4] y [5], respectivamente. De este modo, enseguida, se exponen brevemente dichos
resultados.

Modelación de las centrales de generación eólica

En [4], se presenta el desarrollo de un modelo probabilı́stico que permite determinar

la inyección de potencia de un parque eólico cuya potencia nominal es igual a 200
MW. Ası́, en la Tabla 3, se presentan las caracterı́sticas probabilı́sticas del modelo
del parque eólico que se desarrolló con efecto estela.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 17

Tabla 3: Momentos centrales del parque eólico de 200 MW.

Momento central Valor

Media (µ) [MW] 60,36

Desviación (σ) [MW] 60,94
Sesgo (λ3 ) 0,84
Curtosis (λ4 ) 2,42

Modelación de las centrales de generación solar fotovoltaica

En [5], se presenta el análisis del comportamiento durante un año de una central

de generación solar fotovoltaica localizada en el sur de Italia y cuyo punto máximo
de rendimiento es igual a 19,8 kWp. En la Tabla 4, se presentan las caracterı́sticas
probabilı́sticas de dicha central.

Tabla 4: Momentos centrales de la planta de generación solar de 19,8 kWp.

Momento central Valor

Media (µ) [kW] 5,84

Desviación (σ) [kW] 3,07
Sesgo (λ3 ) -0,35
Curtosis (λ4 ) 1,83

En cuanto a la modelación del comportamiento de estas centrales, resulta convenien-

te notar que, el valor de los momentos centrales registrados en la Tabla 4 únicamente
aplican durante el dı́a puesto que es en este intervalo que se obtiene radiación solar
significativa. Mientras que, durante la noche estos valores son iguales a cero.

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.

6.4. Caracterización de la carga

En [11], se proporciona información de la demanda del sistema cada hora durante
un año. Con base en estos datos, se tiene que el pico de la demanda anual para
el sistema de estudio es igual a 2850 MW. Ahora, con el objetivo de modelar el
comportamiento de la carga, se obtuvo la información de la demanda tanto en el dı́a
como en la noche. De este modo, se tiene que de las 8760 horas que tiene el año,
4015 corresponden al dı́a y 4745 corresponden a la noche. En las Figuras 4 y 5, se
muestran los histogramas para cada caso. Asimismo, en la Tabla 5, se presentan los
datos requeridos para discretizar la carga tanto en el dı́a como en la noche.

Figura 4: Discretización de la carga durante el dı́a.

Confiabilidad de Generación (HL-I) con alta penetración de FNCER 19

Figura 5: Discretización de la carga durante la noche.

Tabla 5: Discretización (histograma) de la carga.

Estado DÍA NOCHE

de carga Carga Lk Probabilidad Carga Lk Probabilidad
(k) [MW] de Lk [ %] [MW] de Lk [ %]
1 1.140,64 1,42 % 1.110,562 3,64 %
2 1.280,72 2,76 % 1.255,51 14,49 %
3 1.420,79 6,92 % 1.400,46 17,49 %
4 1.560,86 8,99 % 1.545,42 15,65 %
5 1.700,93 9,19 % 1.690,37 10,24 %
6 1.841,00 15,39 % 1.835,32 9,27 %
7 1.981,07 13,22 % 1.980,28 9,54 %
8 2.121,14 10,01 % 2.125,23 6,99 %
9 2.261,21 11,03 % 2.270,18 5,90 %
10 2.401,28 12,08 % 2.415,14 3,98 %
11 2.541,35 6,57 % 2.560,09 1,66 %
12 2.681,42 2,09 % 2.705,04 0,82 %
13 2.821,50 0,29 % 2.850,00 0,27 %
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 20

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.

Figura 6: Macro-algoritmo que describe el funcionamiento de la herramienta que

efectúa la evaluación de confiabilidad.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 21

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.

IN DICET OT AL = IN DICEDIA + IN DICEN OCHE (20)

4015 4745
LOLPT OT AL = · LOLPDIA + · LOLPN OCHE (21)
8760 8760

En relación a los escenarios de estudio, se modelaron las FNCER suponiendo que

su comportamiento era independiente y luego correlacionado tanto para el dı́a y la
noche como únicamente para el dı́a. Ası́, se probaron seis casos distintos en los cuales
se incrementaba de forma paulatina el valor de la capacidad instalada de las fuentes
de energı́a renovables.

En la Tabla 6, se detallan los casos implementados. En la primera columna, se

presenta el caso de estudio en cuestión. Luego, en la segunda columna, se encuentra
la capacidad de las fuentes de energı́a renovables no convencionales. Finalmente, en
la tercera columna, se detalla la capacidad de las FNCER en función de la capacidad
de las unidades térmicas a carbón en el sistema original.

Nota: Resulta importante notar que, la capacidad de las unidades de generación

térmica a carbón en el caso original corresponde al 37,41 % de la capacidad total
instalada en el sistema.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 22

Tabla 6: Casos de estudio implementados.

Casos de Capacidad instalada Capacidad en relación

estudio FNCER [MW] a las térmicas a carbón

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.

En cuanto a la naturaleza de las FNCER; enseguida, se detallan las distribuciones

empleadas cuando se modelan como variables independientes y correlacionadas:

1. Independientes:

Únicamente unidades de generación eólica.

Únicamente unidades de generación solar.
Unidades de generación solar y eólica.

2. Correlacionadas:

Únicamente unidades de generación eólica, dos en cada zona.

Únicamente unidades de generación solar, dos en cada zona.
Unidades de generación solar y eólica, dos de cada tipo en cada zona.

Nota: Para los coeficientes de correlación, se emplearon valores de 0,75 cuando

las fuentes se encuentran en la misma zona y valores de 0,25 de lo contrario.

Considerando todo lo anterior, a continuación, se presentan los resultados obtenidos

por la herramienta:
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 23

8.1. Caso base: sin FNCER

En la Tabla 7, se presentan los resultados del análisis de confiabilidad obtenidos
para el sistema de prueba IEEE RTS 24 sin ninguna modificación tanto para el dı́a y
la noche como únicamente para el dı́a, respectivamente. Asimismo, en la Figura 7, se
aprecian las distribuciones para el ı́ndice DNS. Como se muestra en la sección 6, la ca-
pacidad de generación del sistema es igual a 3405 MW, mientras que, la demanda pico
corresponde a 2850 MW. Cabe aclarar que, a pesar de que la capacidad del sistema
es mayor a la demanda pico del mismo, las máquinas sincrónicas se modelaron como
variables aleatorias con dos estados (en servicio o fuera de servicio) por lo que pue-
de darse el caso en el que la generación no sea suficiente para satisfacer a la demanda.

Tabla 7: Resultados del análisis de confiabilidad para el caso base.

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

(a) Dı́a y noche. (b) Dı́a.

Figura 7: Resultados del ı́ndice DNS [MW/año] para el caso base.

Confiabilidad de Generación (HL-I) con alta penetración de FNCER 24

8.2. Modelación de las FNCER como variables independien-

tes
8.2.1. Análisis de confiabilidad durante el dı́a y la noche
En las Figuras 8 y 9, se muestran los resultados obtenidos para los ı́ndices LOLP y
LOLE durante el dı́a y la noche, respectivamente, cuando se reemplazan las unidades
térmicas a carbón ya sea por unidades de generación eólica, solar o una mezcla de
ambas tecnologı́as. Se puede notar que, al aumentar la capacidad de generación de
las FNCER, se aprecia una disminución en estos ı́ndices de confiabilidad.

Figura 8: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER

es independiente durante el dı́a y la noche.

Figura 9: Resultados del ı́ndice LOLE [horas/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 25

En la Figura 10, se presentan los resultados obtenidos para el ı́ndice DNS para los
diferentes escenarios de generación y casos de estudio.

(a) Caso 1. (b) Caso 2.

(c) Caso 3. (d) Caso 4.

(e) Caso 5. (f) Caso 6.

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.

2. Cuando se emplea únicamente la tecnologı́a de generación solar, no es posible

obtener ı́ndices de confiabilidad similares a los del caso base. Esto se debe a que,
durante la noche, la potencia inyectada por las centrales solares fotovoltaicas es
nula. De este modo, a pesar de que se aumente considerablemente la capacidad
de generación, el valor mı́nimo al que converge tanto el LOLP como el LOLE es
aproximadamente 26,3 % y 2300 horas/año, respectivamente. Por otro lado, en
relación al ı́ndice DNS, se puede apreciar que, para este escenario de generación,
la desviación estándar es alta, los datos se extienden sobre un rango de valores
más amplio sı́ se compara con las otras tecnologı́as. Además, como se explicó
previamente, debido a la naturaleza de esta tecnologı́a, la media (µ) de este
indicador se ubica en 170 MW, lo que es aproximadamente 85 veces el resultado
del caso base.

3. En el escenario en el que se implementa una mezcla entre las tecnologı́as de

generación eólica y solar, se requiere que la capacidad de las FNCER sea un poco
más de seis veces la capacidad de las unidades térmicas a carbón para obtener
ı́ndices de confiabilidad similares a los del caso base. Adicionalmente, en cuanto
a los resultados obtenidos para ı́ndice el DNS, se tiene que el valor mı́nimo
alcanzado para su media (µ) es igual a 22 MW, lo que es aproximadamente 11
veces el resultado del caso base. Estos resultados son coherentes, debido que,
se aprecia el efecto de incluir ambas tecnologı́as.
Finalmente, con base en el resultado obtenido para cada ı́ndice de confiabilidad,
se puede afirmar que la tecnologı́a de generación eólica es la que posee mayor rendi-
miento.
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 27

8.3. Modelación de las FNCER como variables correlaciona-

das
8.3.1. Análisis de confiabilidad durante el dı́a y la noche
En las Figuras 11 y 12, se pueden apreciar los resultados obtenidos para los ı́ndices
LOLP y LOLE, respectivamente, cuando se implementan diferentes tecnologı́as de
generación renovable no convencional y se aumenta de forma paulatina su capacidad.

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.

(a) Caso 1. (b) Caso 2.

(c) Caso 3. (d) Caso 4.

(e) Caso 5. (f) Caso 6.

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:

1. Cuando se emplea únicamente la tecnologı́a de generación eólica, se requiere

que la capacidad de las fuentes renovables no convencionales sea aproximada-
mente cuatro veces la capacidad de las unidades térmicas a carbón para que
la confiabilidad de este escenario sea similar al del caso base. Además, se tiene
que incrementando más de cuatro veces la capacidad de generación, se obtiene
una mejora considerable del comportamiento de este ı́ndice en relación a la del
caso base, debido a que su media (µ) tiende a cero.

2. Cuando se emplea únicamente la tecnologı́a de generación solar, no es posible

obtener ı́ndices de confiabilidad similares a los del caso base. Esto se debe a que,
durante la noche la cantidad de radiación solar incidente no es suficiente para
cubrir la demanda en este intervalo de tiempo. De hecho, como se aprecia en la
Figura 13, dado que la desviación estándar es alta, los datos se extienden sobre
un rango de valores más amplio sı́ se compara con las otras dos tecnologı́as de
generación. Además, como se explico previamente, debido a la naturaleza de
esta tecnologı́a, la media (µ) de este indicador se ubica en 169.7 MW, lo que es
aproximadamente 85 veces el resultado del caso base.

3. Cuando se emplea una mezcla entre la tecnologı́a de generación eólica y solar,

se requiere que la capacidad de las fuentes renovables no convencionales sea un
poco más de seis veces la capacidad de las unidades térmicas a carbón para que
la confiabilidad del este escenario sea similar al del caso base. No obstante, para
el ı́ndice DNS, no es posible obtener que el comportamiento de este ı́ndice de
confiabilidad en particular sea similar al del caso base. Esto, dado que la media
(µ) del ı́ndice DNS del sistema se sitúa en 22.01 MW, lo que es aproximadamente
11 veces el resultado del caso base.

Finalmente, se tiene que tanto la implementación de las tecnologı́as de generación

eólica como eólica más solar son capaces de reproducir ı́ndices de confiabilidad simi-
lares a los del caso base. Ası́, el orden de mejor a menor rendimiento entre las tres
tecnologı́as es el siguiente: i) únicamente eólica; ii) eólica más solar; y iii) únicamente
solar.

8.3.2. Análisis de confiabilidad durante el dı́a

En las Figuras 14 y 15, se pueden apreciar los resultados obtenidos para los ı́ndices
LOLP y LOLE, respectivamente, cuando se implementan diferentes tecnologı́as de
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 30

generación renovable no convencional y se aumenta de forma paulatina su capacidad

únicamente durante el dı́a. Ası́, se tiene que como era de esperarse, a medida que se
aumenta la capacidad de las fuentes, se aprecia una mejorı́a notable de la confiabili-
dad del sistema, ya que tanto el valor del LOLP como el del LOLE disminuyen.

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

de las FNCER, la media (µ) correspondiente a cada distribución disminuye de forma

proporcional, lo que significa que existe una mejorı́a notable en el rendimiento de este
ı́ndice.

(a) Caso 1. (b) Caso 2.

(c) Caso 3. (d) Caso 4.

(e) Caso 5. (f) Caso 6.

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:

1. Al implementar cualquiera de las tres tecnologı́as de generación, se requiere que

la capacidad de las fuentes renovables no convencionales sea más de seis veces la
capacidad de las unidades térmicas a carbón para que el análisis de confiabilidad
de este escenario sea similar al del caso base. Sin embargo, cuando la capacidad
de las FNCER es tres veces la capacidad de las unidades térmicas a carbón, se
tienen valores aceptables para los ı́ndices.

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.

3. Aún cuando el comportamiento de la tecnologı́a solar no posee los mejores

ı́ndices de confiablidad para los ı́ndices LOLP y LOLE en relación a las otras
dos tecnologı́as, los resultados obtenidos son bastante cercanos entre sı́. Además,
se tiene que esta es la tecnologı́a que posee un mejor comportamiento para el
ı́ndice de confiabilidad DNS, dado que, su valor medio (µ) es el más cercano al
origen a medida que se incrementa su capacidad.

4. Para las tres tecnologı́as de generación, se pueden apreciar resultados coheren-

tes, puesto que a medida que se incrementa su capacidad instalada, el valor de
la media (µ) de la cantidad de potencia en un intervalo de tiempo (MW/año)
que no es suministrada tiende a cero. De esta forma, se tiene que al implementar
cualquiera de las tres tecnologı́as de generación, se requiere que la capacidad de
las fuentes renovables no convencionales sea más de seis veces la capacidad de
las unidades térmicas a carbón para que el análisis de confiabilidad sea mejor
al del caso base.

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).

Considerando lo anterior, se ejecutó un análisis de confiabilidad de generación pa-

ra el sistema de prueba IEEE RTS 24. Para esto, se reemplazaron las unidades de
generación térmicas a carbón presentes en el sistema original por fuentes de energı́a
renovables no convencionales (solar y/o eólica) según fuera el escenario. Adicional-
mente, con el propósito de contrastar el efecto que tiene la integración estas nuevas
tecnologı́as sobre los niveles de confiabilidad del sistema, se aumentó de forma gra-
dual la capacidad de generación de las FNCER hasta que se obtuvieron de ı́ndices
similares a los del caso base. Cabe aclarar que, cada uno de estos análisis se llevó a
cabo suponiendo que el comportamiento de las FNCER era independiente y correla-
cionado; no obstante, como se puede apreciar en la sección 8, al momento de generar
la evaluación, se pudo apreciar que la diferencia entre ambas metodologı́as es mı́nima.

Con base en los resultados obtenidos de las diferentes evaluaciones, se determinó

que el comportamiento de los ı́ndices de confiabilidad empleados es inversamente pro-
porcional al aumento de la capacidad de las FNCER. Esto quiere decir que, para los
tres escenarios de generación propuestos, se cumple que a medida que se aumenta la
capacidad, el valor del LOLP, el LOLE y el DNS disminuye. Esta situación se traduce
en una mejora de la confiabilidad del sistema, puesto que, a mayor capacidad insta-
lada, la probabilidad de que la carga del sistema exceda a la generación es menor y,
por ende, el número de horas al año en el que sucede esta situación se reduce signi-
ficativamente. Asimismo, en cuanto a la media (µ) del ı́ndice DNS, se pudo apreciar
que conforme se efectuaba un aumento en la capacidad de las FNCER, su valor se
acercaba al origen. Esto implica una mejorı́a notable en el rendimiento de este ı́ndice,
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 34

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 asesor, el profesor Mario A. Rı́os, por la ayuda prestada durante el desarrollo

de este proyecto, ya que fue a través de sus consejos e ideas que se dio la culminación
exitosa de este trabajo.

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.

[4] R. A. Vergara y M. A. Rı́os, Probabilistic Model of Wind Power Parks for

Reliability Assessment, ANDESCON, Quito, 2020.

[5] S. Vergura y M. Carpentieri, Statistics to Detect Low-Intensity Anomalies in

PV Systems, Energies, vol. 11, 2018.

[6] R. Vergara, Modelo probabilı́stico de parques eólicos para la evaluación de con-

fiabilidad en sistemas de potencia, Tesis Magı́ster en Ingenierı́a Eléctrica, Uni-
versidad de Los Andes, 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.

[8] J. D. Hernández, Evaluación de confiabilidad con alta penetración de fuentes

de energı́a renovable no convencionales, Proyecto de grado Ingeniero Eléctrico,
Universidad de Los Andes, 2020.

[9] R. Billinton y R. N. Allan, Reliability Evaluation of Engineering Systems: Con-

cepts and Techniques, Plenum Press, 1992.

[10] A. J. Conejo R. Mı́nguez J. M. Morales, L. Baringo, Probabilistic power flow

with correlated wind sources, IET Generation, Transmission Distribution, vol.
4, no. 5, pp. 641-651, 2010.

[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.

# Clases Máx. [MW] Mı́n. [MW] Delta [MW]

DÍA 13 2821,50 1140,64 140,07
NOCHE 13 2850,00 1110,56 144,95

Tabla 9: Resultados del ı́ndice LOLP [ %] cuando el comportamiento de las FNCER

es independiente durante el dı́a y la noche.

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

Tabla 13: Resultados del indicador LOLE [horas/año] cuando el comportamiento de

las FNCER está correlacionado durante el dı́a y la noche.

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

Tabla 14: Resultados del indicador LOLE [horas/año] cuando el comportamiento de

las FNCER está correlacionado durante el dı́a.

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.

DNS Eólica + solar Eólica Solar

[MW/año] µ σ µ σ µ σ
Caso 1 150,23 1,92 109,13 1,51 214,62 169,40
Caso 2 81,59 1,04 39,22 0,93 181,75 171,10
Caso 3 53,34 0,93 10,52 0,34 171,93 169,57
Caso 4 38,15 0,77 1,80 0,13 170,55 170,20
Caso 5 28,47 0,47 0,27 0,02 170,95 170,92
Caso 6 22,12 0,41 0,02 0,005 169,14 169,13

Tabla 16: Resultados del indicador DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a y la noche.

DNS Eólica + solar Eólica Solar

[MW/año] µ σ µ σ µ σ
Caso 1 144,77 1,66 96,47 1,46 212,88 169,85
Caso 2 79,38 1,15 25,98 0,45 177,01 168,15
Caso 3 52,11 0,93 6,22 0,28 171,65 169,98
Caso 4 37,61 0,63 1,02 0,05 171,10 170,86
Caso 5 28,11 0,77 0,13 0,01 169,94 169,91
Caso 6 22,02 0,42 0,01 0,01 169,77 169,77
Confiabilidad de Generación (HL-I) con alta penetración de FNCER 40

Tabla 17: Resultados del indicador DNS [MW/año] cuando el comportamiento de las
FNCER está correlacionado durante el dı́a.

DNS Eólica + solar Eólica Solar

[MW/año] µ σ µ σ µ σ
Caso 1 46,38 0,60 48,37 0,85 43,03 1,09
Caso 2 12,77 0,20 13,17 0,50 8,82 0,53
Caso 3 3,29 0,20 3,14 0,17 1,70 0,09
Caso 4 0,58 0,04 0,49 0,02 0,25 0,03
Caso 5 0,08 0,01 0,07 0,01 0,03 0,01
Caso 6 0,0049 0,0041 0,0076 0,0017 0,0017 0,0007