Microrredes, una Solución Energética a la Costa

Caribe Colombiana

Ariel Andrés Jiménez - Héctor Camilo Andrade - Diego Arcesio Rodriguez Martínez
Pontificia Universidad Javeriana
Energía y Sostenibilidad
Armando Sarmiento Lopez
Noviembre 2021
 1

Introducción

Desde hace muchos años, en la Costa Caribe Colombiana se han presentado

problemas de confiabilidad en la prestación del servicio de energía eléctrica, por parte de la
regular administración de los comercializadores de la energía eléctrica regional, las
principales capitales de la región caribe como Barranquilla, Cartagena o Santa Marta, no
están exentas de esta problemática. Adicionalmente, dicha región es una de las más
afectadas con la ocurrencia del fenómeno de El Niño, debido al riesgo que representa el
desabastecimiento para el sistema interconectado nacional (SIN). Cabe aclarar que a pesar
de que la generación eléctrica a través de centrales hidroeléctricas tiene una participación
del 85 % en Colombia (cifras actualizadas a junio de 2021), la región Caribe solo tiene una
participación del 1.9 % (XM, 2020). De igual forma, por la geografía compleja cercana al
Mar Caribe, algunos municipios de esta región hacen parte de las Zonas no interconectadas
(ZNI), donde su principal fuente de producción de energía eléctrica, es a base de
combustibles, como el diésel y el carbón, con el inconveniente de presentarse una baja
disponibilidad de la energía eléctrica en diversos horarios. Las ZNI tienen un enorme
potencial para dejar de lado los combustibles fósiles y pasar a las energías renovables.
Con la cantidad de recursos sostenibles con los que cuenta la Costa Caribe Colombiana,
debería ser pionera en la transición energética del país. Según el IDEAM, los
departamentos que componen la región Caribe, cuentan con una radiación solar promedio
entre 4.55-5.5 kWh/m2. Esto hace que la incursión en generación de energía, a través de
paneles solares sea totalmente viable. De igual forma, departamentos como La Guajira,
Atlántico y Magdalena cuentan con velocidades del viento promedio a una altura de 10
metros, de entre 7-9 m/s, muy por encima de la media del país (i.e., 2-4 m/s). Estas
últimas formas de producción energética (solar y eólica), tienen una participación en la
generación del 0.37 % y del 0.1 % respectivamente (XM, 2020), siendo esta una oportunidad
inmejorable para empezar a diversificar la matriz energética. Una consecuencia de generar
energía a partir de afluentes hídricos cercanos a las comunidades de la Costa Caribe, es un
 2

alto daño ambiental por presentar ecosistemas sensibles a modificaciones; adicionalmente,

el Gobierno Nacional plantea la idea de generar aproximadamente 16 proyectos de energía
eólica en el departamento de la Guajira y 2 líneas de transmisión, mejorando
sustancialmente el sistema interconectado nacional (SIN).
A partir de lo anteriormente expuesto, el presente ensayo plantea la necesidad de
implementación de microrredes híbridas, para mejorar la confiabilidad del suministro de
energía eléctrica en la Costa Caribe Colombiana, contando con procesos de optimización
previa. De otra parte, las microrredes traen consigo, grandes beneficios económicos, tales
como: Baja inversión, debido a que se implementarían tecnologías con energías renovables
de bajo costo, buscando la continuidad de los recursos de la región, a partir de sistemas de
almacenamiento (e.g., baterías) e implementación en pequeña escala, de plantas de
distribución, que permite disminuir casi que en su totalidad, los costos de generación,
distribución y transmisión (i.e., siglas T y D que representan aproximadamente el 40 % del
costo unitario del recibo de la energía eléctrica). De igual forma, las microrredes deben
cumplir ciertos estándares que traen ventajas técnicas, lo cual favorece la calidad de
potencia, gestión del voltaje y estabilidad de la red.
De otra parte, la población de la Costa Caribe Colombiana, se ve afectada por los cortes
del servicio de energía eléctrica de forma constante. Debido a estas fallas, a lo largo de la
historia, las poblaciones afectadas, han buscado diversas opciones de generación de energía
usando combustibles fósiles (i.e., Diesel y Carbón), que sean económicamente rentables, sin
tener en cuenta factores como el cambio climático o las emisiones de CO2 que no favorecen
la calidad del aire; siendo esto un problema mundial, que afecta a cada individuo y ser vivo
del planeta.
Cada país del mundo intenta realizar aportes, para disminuir el aumento de
temperatura global, según lo acordado en el acuerdo de París y la COP26, realizada
recientemente en Glasgow - Escocia. Por dichos motivos, la posibilidad de ampliar la
variedad de fuentes de energía en la zona, implica un análisis de rentabilidad, siendo esta
 3

una inversión tanto económica como social, ya que al momento de implementar una
microrred, se generan empleos para las poblaciones directamente beneficiadas y los usuarios
presentarán reducciones en el precio de la energía, logrando independencia energética, por
el hecho de producir la energía cerca de donde viven.
Otro factor negativo que no fue mencionado con anterioridad, es que la distancia
entre los lugares de generación y consumo final, provoca unas pérdidas de la producción
neta de electricidad, por lo que si se acerca el lugar de generación y consumo, permitirá
evitar las pérdidas, logrando una mejor distribución.

Estado del arte

Regulación

Actualmente, el mercado de distribución eléctrica esta compuesto por grandes

compañías que cubren gran parte de la cadena de suministro, es decir, entregan energía
eléctrica a los usuarios por medio de la red de distribución, son intermediarias para realizar
la facturación al cliente final, y hasta generan electricidad (i.e., como es el caso de Enel). El
régimen de mercado se encuentra regulado por el mecanismo tarifario descrito en la Ley
143 de 1994 (Palomo, 2002), fundamentado en la creación de oportunidades de libre
competencia en las actividades de Generación y Comercialización, pero lamentablemente se
promueve los monopolios de Transmisión y Distribución. Lo anterior puede generar una
estructura de costos elevada, ineficiente y muy dependiente de las centrales de generación,
lo que hace que los sistemas pequeños de generación distribuida no tengan mucha cabida,
manteniendo solo el espacio para las centrales térmicas. Sin embargo, con la creación de la
Ley 1715 del 2014 (UPME, 2014), se empieza con el cambio de paradigma de la transición
energética y la sostenibilidad ambiental, que tiene como objeto promover el desarrollo y la
utilización de las fuentes no convencionales de energía mediante su integración al mercado
eléctrico, su participación en las zonas no interconectadas y otros usos. Específicamente en
el articulo 31 (UPME, 2014), define que la CREG establecerá mecanismos para incentivar
 4

la respuesta de la demanda, desplazando y/o aplanando los picos y generando confiabilidad

en el sistema. El anterior factor afecta directamente a la actividad de Distribución de
energía eléctrica, ya que debe manejar distintas variables como lo son (Hatrori, 2002):

Consumo de energía.

Longitud de redes.

Área que cubre la oferta de energía.

Con la entrada de la CREG 030 del 2018 (CREG, 2018), el país da un gran avance, ya que
se regulan las actividades para la integración de autogeneración a pequeña escala y
generación distribuida al Sistema interconectado Nacional, generando una formulación
matemática que define los créditos, las ventas y la generación de excedentes de energía.

Gestión de la demanda

La tecnología instalada en algunas zonas del Caribe colombiano no cuenta con un

balance de las cargas de potencia, a medida que se va generando, se va entregando y
cuando el usuario necesita, toma directamente la energía necesaria de la red.
Implementando algoritmos de desplazamiento de cargas, los cuales buscan la reducción del
precio que paga el usuario por la energía consumida. Esto se logra haciendo uso de las
nuevas tecnologías para medición y control de la red, que permiten el buen funcionamiento
de estos algoritmos, permitiendo no solo beneficiar al usuario si no también a la propia red
eléctrica, buscando estabilizarla. Informando al usuario, los momentos en que debe
consumir y como hacerlo, así permitiéndole tomar mejores decisiones en el gasto de energía
eléctrica. Este resultado es clave para la transición energética, obteniendo beneficios en la
confiabilidad del sistema, así como beneficios económicos para el usuario y la posibilidad de
adoptar cargos horarios de acuerdo a lo establecido en la Resolución CREG 015/2018
(Comisión de Regulación de Energía y Gas, 2018).
 5

Operación y control

La optimización debe buscar una solución que se adapte a las necesidades de cada
territorio, y que cumpla con las condiciones técnicas (Adaptabilidad de la Red). Para dar
una propuesta adecuada se deben tener en cuenta factores como el intercambio de potencia
activa y el despacho económico. Con respecto al intercambio de potencia, a diferencia de las
redes de energía convencionales, al agregar energía de una microrred al SIN, se presentan
flujos de potencia indeseados debido a que la energía eléctrica no se puede almacenar en
altas cantidades. Por ende, la optimización es el valor agregado que va a permitir generar la
cantidad precisa de energía que se consumirá y mantendrá un balance en la red; se buscaría
también optimizar los costos operativos y garantizar el punto adecuado de funcionamiento.
Todo esto se logra, implementando los modelos de optimización, en conjunto con la
microrred. Al plantear el uso de estas nuevas tecnologías, se beneficia al sector energético,
reduciendo la huella de carbono y consumo de combustibles fósiles, buscando incrementar
la confiabilidad, eficiencia y seguridad en la red, y también le va dar al consumidor mejor
autonomía para manejar sus necesidades energéticas.
Al plantear el modelo de una microrred, se puede aprovechar el territorio para
emplear las diversas fuentes de energías, como lo pueden ser solar, eólica, geotermia o
incluso mini generadores hidroeléctricos. Estos generadores en conjunto con unidades de
almacenamiento de energía (banco de baterías) concluyen en una variedad de recursos de
energía distribuidos (DER), que van a permitir que se pueda tener un flujo constante de
potencia (Gaona, Trujillo, y Guacaneme, 2015). Manteniendo siempre un buen sistema de
comunicaciones para la operación de la energía (potencia entregada y producida) y con los
equipos usados dentro de la microrred, se va a permitir al centro de control, con el modelo
de optimización adecuado, mantener el flujo de energía eléctrica; asegurando que dentro de
la microrred no se presenten interrupciones en el sistema por falta de energía no producida.
Uno de los principales retos del diseño de microredes, es el balance de cargas, lo cual
se tiene en cuenta en la optimización que se presentará más adelante, esto con el fin de
 6

evitar posibles interrupciones de la potencia entregada y garantizando confiabilidad en el

sistema (Gujar, Datta, y Mohanty, 2013).

Dinámica ambiental

Es importante destacar, que la suposición común es pensar que el desarrollo de las

redes inteligentes (SG), tiene a resolver las necesidades medio ambientales, el aumento de la
demanda energética, la seguridad en el suministro, los mecanismos para el remplazo de los
antiguos métodos de obtención de energía e infraestructuras. Todos estos elementos unidos
a los importantes avances en tecnologías de la comunicación y la información, establecen los
marcos normativos para la incorporación de las redes inteligentes, ya presentes en Europa y
Estados Unidos. Sin embargo, algunos de estos factores pueden no ser los generadores del
éxito de la implantación de una red inteligente en países en desarrollo; El acceso a las
fuentes de energía y el producto interior bruto per cápita, son ejemplos de estás diferencias
sustanciales, que indican la necesidad de examinar detenidamente los verdaderos
impulsores de la introducción de la red inteligente en un país en desarrollo como Colombia.
 7

Descripción de la solución propuesta

Modelo matemático

Se plantea un modelo matemático con el objetivo de encontrar el punto de

operación óptima para un usuario residencial, que tiene disponibilidad de los siguientes
recursos energéticos que son extraídos de una microrred, como se muestra en la Figura 1:

La red comercial.

Arreglos fotovoltaicos.

Baterías.

Converter

Figura 1
Modelo de alto nivel de microrred.

Para la ecuación (1), se considera que el usuario tiene un perfil de demanda definido
para las 24 horas del día y que el costo unitario (i.e., CU) es constante durante todo el día.
Por lo tanto, la función objetivo estaría dada por,
24
(CU · Ptred )
X
min. (1)
t=1
 8

Por su parte, la ecuación (2) describe la función objetivo cuando se presenta tarificación
horaria.
24
(CUt · Ptred )
X
min. (2)
t=1

Donde Ptred es la potencia entregada por la red. Como se debe tener en cuenta que
no es permitido exportar energía hacía la red, la ecuación (3) expone la restricción
mencionada.
Ptred ≥ 0, ∀ t (3)

Se hace necesario restringir el modelo con el fin de asegurar que exista balance de
carga, es decir, que la energía de entrada es igual a la energía de salida, como se explica en
la ecuación (4),
Ptred − PtbatCh + PtbatDCh + PtP V − Ptcasa = 0 (4)

Donde PtbatCh y PtbatDCh son la potencia de carga y descarga de la batería, PtP V la potencia
inyectada por el arreglo de paneles fotovoltaicos, y Ptcasa es la demanda horaria de la casa.
La batería conectada al sistema presenta las características mencionadas en la Tabla
1. Las ecuaciones desarrolladas en (Hu, Skorupski, Entriken, y Ye, 2020), permiten modelar
el estado de carga (i.e., SoC), junto con los ciclos de carga y descarga de la misma. La
ecuación (5) indica que el estado de carga en el tiempo t depende del estado de carga en un
tiempo t − 1 y si la batería se cargó (i.e., PtbatCh ) o descargó (i.e., PtbatDCh ). Así mismo, se
incluye la eficiencia ηbat de las baterías que puede ser ocasionada por efectos no lineales.

1
Etbat = Et−1
bat batCh
+ ηbat · Pt−1 − batDCh
· Pt−1 (5)
ηbat

La ecuación (6) asegura que el estado de carga de la batería en la hora t = 24 sea igual al
estado de carga en la hora t = 1.
E1bat = E24
bat
(6)

Los limites de energía almacenada de carga y descarga es expuesta en la ecuación

(7), considerando que este efecto aumenta los ciclos de la batería y por ende su vida útil.
 9

Las ecuaciones (8) y (9) incluyen la máxima potencia de carga y descarga, respectivamente.

0,2 · Enom ≤ Etbat ≤ 0,8 · Enom (7)

0 ≤ PtbatCh ≤ Pnom · vtCh (8)

0 ≤ PtbatDCh ≤ Pnom · vtDCh (9)

Donde vtCh y vtDCh son variables binarias (i.e., vtDCh + vtCh = 1, ∀t) que evitan que la carga
se realice al mismo tiempo que la descarga (o viceversa).

Parámetro Valor Descripción

Pnom 0.5 kW Potencia nominal

Enom 1 kWh Capacidad nominal
Límite de profundidad
DoD 0.2C-0.8C
de descarga
Cuadro 1
Parámetros de la batería.

Optimización para costo unitario definido

Asumiendo que el costo de la energía absorbida de la red es el Costo Unitario (CU)

tradicional de la factura (i.e., costo unitario de CU = $557,31 COP ), se utiliza una curva
de carga como se muestra en la Figura 2, la cual representa el consumo de energía en cada
franja horaria.
 10

Figura 2
Curva de consumo de cliente residencial aleatorio.

Por medio del software de modelado de optimización matemática GAMS, se definen

las restricciones explicadas en la sección de Modelado matemático, como se muestra en la
Figura 3.

Figura 3
Restricciones en GAMS.
 11

Al optimizar el modelo para minimizar los costos de suplir la demanda (i.e., ec. (1))
se obtiene que el costo diario para la vivienda es de $4432,2 COP . Por su parte, el estado
de carga de las baterías Etbat durante las 24 horas y la tasa de carga y descarga, se resumen
en la Tabla 2. La Figura 4 muestra gráficamente el comportamiento del estado de carga, y
la tasa de carga y descarga de la batería.

Figura 4
Comportamiento de la batería.

Optimización para costo unitario variable

Por medio de los componentes del costo unitario de la factura de Enel-Codensa que
se muestran en la Tabla 3, se procede a calcular la estructura de la tarifa horaria por medio
de un código Python, a partir de los modelos explicados en (Hu y cols., 2020).
 12

PtbatCh PtbatDCh Etbat

Tiempo
[kW] [kW] [kWh]

1:00 0 0 0,8
2:00 0 0 0,8
3:00 0 0 0,8
4:00 0 0 0,8
5:00 0 0 0,8
6:00 0 0 0,8
7:00 0 0,323 0,8
8:00 0 0 0,441
9:00 0 0 0,441
10:00 0 0 0,441
11:00 0,07 0 0,441
12:00 0,159 0 0,504
13:00 0,147 0 0,647
14:00 0,024 0 0,779
15:00 0 0 0,8
16:00 0 0 0,8
17:00 0 0 0,8
18:00 0 0 0,8
19:00 0 0 0,8
20:00 0 0 0,8
21:00 0 0 0,8
22:00 0 0 0,8
23:00 0 0 0,8
0:00 0 0,5 0,8

Cuadro 2
Distribución de estado de carga y potencia de la batería.

Costo
Parámetro Descripción
[COP por kWh]

G 241.47 Generación
T 38.79 Transmisión
D 177.39 Distribución
C 51.75 Comercialización
PR 42.56 Pérdidas reconocidas
R 5.32 Restricciones
Cuadro 3
Costo unitario.
 13

El código divide el día por horas pico, horas media y horas baja, estableciendo los
costos de la manera como se resume en la Tabla 4.
Tiempo CU [COP]

1:00 451,663391
2:00 451,663391
3:00 451,663391
4:00 451,663391
5:00 555,3360669
6:00 555,3360669
7:00 555,3360669
8:00 555,3360669
9:00 555,3360669
10:00 555,3360669
11:00 555,3360669
12:00 555,3360669
13:00 555,3360669
14:00 555,3360669
15:00 555,3360669
16:00 555,3360669
17:00 555,3360669
18:00 804,0054923
19:00 804,0054923
20:00 804,0054923
21:00 804,0054923
22:00 555,3360669
23:00 555,3360669
0:00 451,663391

Cuadro 4
Estructura de tarificación horaria.

Con los valores obtenidos en la tarificación horaria, se modifica en GAMS el vector

del costo unitario y se obtiene un costo óptimo de $4739,48 COP . Por su parte, el estado
de carga de las baterías Etbat durante las 24 horas y la tasa de carga y descarga, se resumen
en la Tabla 5. La Figura 5 muestra gráficamente el comportamiento del estado de carga, y
la tasa de carga y descarga de la batería.
 14

PtbatCh PtbatDCh Etbat

Tiempo
[kW] [kW] [kWh]

1:00 0 0 0,2
2:00 0 0 0,2
3:00 0,268 0 0,2
4:00 0 0 0,441
5:00 0 0 0,441
6:00 0 0 0,441
7:00 0 0 0,441
8:00 0 0 0,441
9:00 0 0 0,441
10:00 0 0 0,441
11:00 0,07 0 0,441
12:00 0,159 0 0,504
13:00 0,147 0 0,647
14:00 0,024 0 0,779
15:00 0 0 0,8
16:00 0 0 0,8
17:00 0 0 0,8
18:00 0 0,4 0,8
19:00 0 0,5 0,756
20:00 0 0 0,2
21:00 0 0 0,2
22:00 0 0 0,2
23:00 0 0 0,2
0:00 0 0,5 0,2

Cuadro 5
Distribución de estado de carga y potencia de la batería, con estructura de tarificación
horaria.
 15

Figura 5
Comportamiento de la batería con estructura de tarificación horaria.

Análisis de resultados

En la Figura 6 se muestra el balance de potencia para el caso donde la tarifa es

plana. Se evidencia que la curva de la potencia entregada por la red es nula entre t = 11 y
t = 14, ya que es suplida por el arreglo fotovoltaico, aliviando un consumo promedio cada
hora de 0.64 kW entre dichas franjas. A partir de los datos consignados en la Tabla 2, se
evidencia que la batería se carga entre t = 12 y t = 14 ya que en ese rango la energía esta
siendo tomada de los excedentes que entrega el panel. Así mismo, se comprueba que se
cumple la condición de limite de profundidad de descarga (i.e., ec. (7)), ya que la batería
no sobrepasa el 80 % del estado de carga. La batería se descarga en dos momentos
importantes, uno donde el consumo esta próximo a un pico de demanda (i.e., t = 7), y el
otro donde el panel ya no inyecta potencia y el consumo sigue siendo elevado (i.e., t = 24).
 16

Figura 6
Balance de carga para la optimización 1.

Por su parte, la Figura 7 muestra el balance de potencia para el caso donde se

cumple la tarificación horaria resumida en la Tabla 4. Dado que entre las franjas de t = 1 a
t = 4 la tarifa es más baja (i.e., $ 451.663 COP), el sistema aprovecha para cargar la
batería a más del 50 % de su tasa de carga con la potencia de la red. Como en el caso
anterior, entre los periodos de t = 11 a t = 14 el panel fotovoltaico suple toda la potencia
requerida por la casa y vuelve a cargar la batería con los excedentes del mismo. Dado que
en t = 19 la tarifa es la más alta del día (i.e., $ 804 COP) y es el momento donde la casa
tiene mayor consumo, la batería que ya se encuentra cargada suple el 76 % de la demanda
horaria al 100 % de su tasa de descarga (i.e., Pnom = 0,5 kW ), con el fin de que la red
asuma el 23 % de demanda restante.
 17

Figura 7
Balance de carga para la optimización 2.

Es importante resaltar que para ambos casos la inclusión de la microrred, ayudo a

aliviar la carga de la red, y por ende los costos de operación que se muestran en la Figura
8. Si la demanda de la carga se suplieran totalmente de la red comercial, el costo de
operación sería de $14673,8 COP . Para el caso donde la tarifa del costo unitario es plana se
obtiene una reducción del costo del 69.7 %; por su parte, cuando el costo unitario varia en
franjas horarias, se obtuvo una reducción del 67.7 %.

Figura 8
Comparación de costos.
 18

Conclusiones

Aún dentro del territorio nacional, existe una muy baja participación de las energías
renovables; pero cabe destacar los esfuerzos realizados por el Gobierno Colombiano, en la
incorporación de estas tecnologías, al modelo energético nacional con la apertura de nuevas
subastas de renovables, y su gran proyección de obras en la Zona Norte Colombiana, los
cuales se pueden conectar mediante el uso de microrredes al (ZIN), pero sin dejar de lado a
las poblaciones más vulnerables de Colombia, como ha sucedido en otras ocasiones.
La gran importancia de darle una mirada objetiva a las necesidades energéticas del
territorio, en especial las de la zona Caribe, Sur y Occidente Colombiano, nos obligan a
revisar los recursos tecnológicos y metodologías adecuadas, para brindar servicio y
bienestar a las regiones olvidadas de nuestro territorio, y generar un punto de partida
inicial, puede ser la implementación de microredes en pequeñas poblaciones del Caribe, las
cuales presentan un alto déficit en servicios y necesidades básicas insatisfechas.
 19

Referencias

Comisión de Regulación de Energía y Gas, C. (2018). Resolución CREG 015 de 2018.

CREG. (2018). Creg 030 de 2018.
Gaona, E. E., Trujillo, C. L., y Guacaneme, J. A. (2015, jun). Rural microgrids and its
potential application in Colombia (Vol. 51). Elsevier Ltd. doi:
10.1016/j.rser.2015.04.176
Gujar, M., Datta, A., y Mohanty, P. (2013). Smart Mini Grid: An innovative distributed
generation based energy system. 2013 IEEE Innovative Smart Grid Technologies -
Asia, ISGT Asia 2013 , 1–5. doi: 10.1109/ISGT-Asia.2013.6698768
Hatrori, T. (2002). Relative performance of U.S. and Japanese electricity distribution: An
application of stochastic frontier analysis. Journal of Productivity Analysis, 18 (3).
doi: 10.1023/A:1020695709797
Hu, R. L., Skorupski, R., Entriken, R., y Ye, Y. (2020). A Mathematical Programming
Formulation for Optimal Load Shifting of Electricity Demand for the Smart Grid.
IEEE Transactions on Big Data, 6 (4), 638–651. doi: 10.1109/TBDATA.2016.2639528

Palomo, N. (2002). Ley Eléctrica - Ley 143 de 1994. , 1994 (41), 347. Descargado de
http://www.minminas.gov.co/documents/10180/667537/Ley_143_1994.pdf/
c2cfbda4-fe12-470e-9d30-67286b9ad17e
UPME, U. (2014). Ley 1715 de 2014. , 1 . Descargado de
https://www.upme.gov.co/Normatividad/Nacional/2014/LEY_1715_2014.pdf
XM. (2020). Informe Oferta y Generación Junio 2020. Descargado de
https://www.xm.com.co/InformesMensualesdeAnlisisdelMercado/
02_Informe_Oferta_y_Generacion_06_2020.pdf