Tesis Grado - Sistema BESS y Su Influencia en La Demanda Electrica Diaria Del Sistema de Distribución SE0062 (Huancayo)

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU
FACULTAD DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA
ESCUELA PROFESIONAL DE INGENIERÍA ELÉCTRICA
TESIS
“SISTEMA DE ALMACENAMIENTO DE ENERGÍA EN

BATERÍA (BESS) Y SU INFLUENCIA EN LA DEMANDA
ELÉCTRICA DIARIA DEL SISTEMA DE DISTRIBUCIÓN
SE0062 (HUANCAYO)”
CODIGO CTI: 0303 0007 Uso eficiente de la energía en el sector industrial y

residencial-comercial.
CODIGO UNESCO: 332201 Distribución de la Energía
PRESENTADO POR:
FIDEL MAIK MEDINA CATAY (0000-0002-7391-5813)
PARA OPTAR EL TITULO PROFESIONAL DE:
INGENIERO ELECTRICISTA
HUANCAYO – PERÚ
2021
ASESOR
MG. HUGO RÓSULO LOZANO NUÑEZ
ii
DEDICATORIA
A Dios, a mis adorables padres Urbano

Medina Campos y Antonia Catay Arrece por
su constante apoyo en mi formación
profesional.
iii
AGRADECIMIENTO
Agradezco a mi asesor, por su paciencia y

dedicación en todo el proceso de la
creación de la presente investigación.
A la Universidad Nacional del Centro del

Perú y a sus maestros por todo el
conocimiento impartido en mi formación
profesional.
Y de manera especial agradezco al Ing.

Leonidas Sayas Poma, por sus
experiencias y conocimientos impartidos.
iv
ÍNDICE
ASESOR II
DEDICATORIA III
AGRADECIMIENTO IV
ÍNDICE V
LISTA DE FIGURAS VIII
LISTA DE TABLAS IX
RESUMEN X
ABSTRACT XI
INTRODUCCIÓN 1
CAPITULO I 2
PLANTEAMIENTO DEL PROBLEMA 2
1.1. Descripción de la realidad problemática. 2
1.2. Formulación del problema 3
1.3. Objetivos de la investigación 4
1.4. Justificación 4
1.5. Limitación del estudio. 5
CAPITULO II 6
MARCO TEÓRICO. 6
2.1. Antecedentes 6
2.1.1. Antecedente Internacional. 6
2.1.2. Antecedente América Latina. 8
2.1.3. Antecedentes Nacional. 8
2.2. Bases epistémicas 9
2.3. Base teórica 9
2.3.1. Demanda Eléctrica Diaria 9
2.3.1.1. Demanda. 9
2.3.1.2. Demanda máxima. 10
2.3.1.3. Demanda media o promedio 11
2.3.1.4. Factor de carga. 11
2.3.1.5. Carga del transformador de distribución. 12
2.3.1.6. Demanda Diversificada. 13
2.3.1.7. Demanda máxima diversificada. 14
v
2.3.1.8. Curva de duración de carga. 14
2.3.1.9. Demanda máxima no coincidente. 15
2.3.1.10. Factor de Diversidad. 15
2.3.1.11. Factor de demanda. 16
2.3.1.12. Factor de utilización. 16
2.3.1.13. Diversidad de carga. 17
2.3.2. Sistemas de Almacenamiento en baterías (BESS) 17
2.3.2.1. Tecnologías de baterías. 17
2.3.2.2. Características de BESS. 19
2.3.2.3. Aplicaciones de la BESS. 21
2.3.3. Operación del sistema de almacenamiento de energía en batería 22
2.4. Bases Conceptuales 27
2.5. Glosario de términos 27
2.6. Hipótesis y variables. 28
2.6.1. Definición de las variables- 28
2.6.2. Operacionalización de variable 28
2.6.3. Hipótesis 31
2.6.3.1. Hipótesis general. 31
2.6.3.2. Hipótesis específicas. 31
CAPITULO III 32
DISEÑO METODOLÓGICO 32
3.1. Tipo de investigación 32
3.2. Diseño de la investigación 32
3.3. Población y muestra 33
3.4. Técnicas e instrumentos de recolección de datos. 33
3.5. Procedimiento de recolección de datos 33
3.6. Procesamiento estadístico y procesamiento de datos 33
CAPITULO IV 35
RESULTADOS DE LA INVESTIGACIÓN 35
4.1. Demanda Eléctrica Diaria de SE0062 (Huancayo) 35
4.1.1. Demanda 36
4.1.2. Máxima demanda 37
4.1.3. Mínima demanda 37
4.1.4. Demanda promedio 37
vi
4.1.5. Factor de carga 37
4.1.6. Costo de operación diaria del sistema eléctrico Huancayo 37
4.2. Resultados de Instalación del BESS 39
4.2.1. Componentes del BESS 39
4.2.2. Señal económica para la estrategia de operación del BESS 41
4.2.3. Estrategia de asignación de energía en sistema de almacenamiento 43
4.3. Resultados de la demanda considerando el sistema de almacenamiento. 46
4.3.1. Demanda 46
4.3.2. Máxima demanda 47
4.3.3. Mínima demanda 47
4.3.4. Demanda promedio 48
4.3.5. Factor de carga 48
4.4. Resultados de Análisis Económico 48
4.4.1. Análisis Económico diario 48
4.4.2. Postergación en la inversión de infraestructura eléctrica 49
4.4.3. Análisis Financiero VAN 50
4.4.4. Análisis Financiero TIR 51
CONCLUSIONES 54
RECOMENDACIONES 56
BIBLIOGRAFÍA 57
ANEXO 1: 60
ANEXO 2: 63
ANEXO 3: 64
ANEXO 4: 69
vii
LISTA DE FIGURAS
Figura 2. 1. Curva de demanda (Kersting, 2018) ............................................. 10
Figura 2. 2. Mediciones de la demanda en un periodo de 24 horas para el usuario #1
(Kersting, 2018) ................................................................................................ 11
Figura 2. 3 Mediciones de la demanda en un periodo de 24 horas para el usuario #2
(Kersting, 2018) ................................................................................................ 12
(Kersting, 2018) ................................................................................................ 12
(Kersting, 2018) ................................................................................................ 13
Figura 2. 6. Transformador de curva de demanda diversificada (Kersting, 2018).14
Figura 2. 7. Curva de duración de carga del transformador (Kersting, 2018)... 15
Figura 2. 8. Profundidad de descarga para batería de plomo-ácido ................ 20
Figura 4. 1 Sistema Eléctrico Huancayo .......................................................... 36
Figura 4. 2. Diagrama de carga de SE0062 ..................................................... 36
Figura 4. 3. CMg en la barra Huayucachi 220 kV ............................................. 39
Figura 4. 4. Participación de tecnología de generación en el mercado peruano
(FUENTE: COES) ............................................................................................ 42
Figura 4. 5. sistema de almacenamiento de energía........................................ 45
Figura 4. 6. comportamiento del sistema de energía ....................................... 46
Figura 4. 7. Diagrama de carga integrando el sistema de almacenamiento ..... 47
viii
LISTA DE TABLAS
Tabla II- 1. Características de carga de clientes individuales (Kersting, 2018) 13
Tabla II- 2. características de las diferentes tecnologías de batería................. 19
Tabla II- 3. Aplicaciones BESS en los distintos niveles del sistema eléctrico .. 22
Tabla II- 4. Parámetros operativos y variables del sistema de almacenamiento de
energía de la batería. ....................................................................................... 23
Tabla II- 5. Matriz de operacionalización de variables...................................... 29
Tabla IV- 1. Costo marginal de la barra Huayucachi 220 kV ............................ 38
Tabla IV- 2. Costo de instalación de componentes de BESS ........................... 41
Tabla IV- 3 participación y costo de producción de cada tecnología de generación
......................................................................................................................... 42
Tabla IV- 4. Resultados de la estrategia de asignación de recursos de
almacenamiento ............................................................................................... 43
ix
RESUMEN
Los sistemas de almacenamiento de energía eléctrica en baterías (BESS) de

litio, están siendo posible gracias a la reducción significativa de los costos de
producción de estas, su integración dentro del sistema de distribución se da
generalmente para abordar algunas problemáticas como el control de tensión,
nivelación de carga, confiabilidad del sistema, respuesta de la demanda, etc. El
presente trabajo de investigación es analizar las características de la demanda del
sistema eléctrico SE0062 (Huancayo) para reducir la máxima demanda en horas
punta y como la integración del sistema de almacenamiento impacta en el
mencionado sistema eléctrico. Para abordar el problema se ha consultado a la
literatura especializada en el que se ha consultado las principales características
técnicas de las los sistemas de almacenamiento mediante baterías y su operación.
Se ha utilizado un modelo matemático de optimización para una mejor asignación de
los recursos energéticos del sistema de almacenamiento a lo largo del día. Los
resultados indican que la integración de baterías de la gestión optima de
carga/descarga de los sistemas de almacenamiento mejoran características técnicas
del Sistema de distribución como el factor de car, la mínima demanda y la máxima
demanda, resolviendo problemas de congestionamiento en los periodos de máxima
demanda. Además, se ha realizado un análisis económico sobre la viabilidad o no del
proyecto.
Palabras clave: BESS, máxima demanda, factor de carga
x
ABSTRACT
Electric energy storage systems in lithium batteries (BESS) are being possible
thanks to the significant reduction in their production costs, their integration within the
distribution system is generally given to address some problems such as voltage
control, load leveling, system reliability, demand response, etc. The present research
work is to analyze the characteristics of the demand of the electrical system SE0062
(Huancayo) to reduce the maximum demand at peak hours and how the integration of
the storage system impacts on the mentioned electrical system. To address the
problem, specialized literature has been consulted, in which the main technical
characteristics of battery storage systems and their operation have been consulted. A
mathematical optimization model has been used for a better allocation of the energy
resources of the storage system throughout the day. The results indicate that the
integration of batteries for the optimal charge / discharge management of the storage
systems improves technical characteristics of the Distribution System such as the
charge factor, minimum demand and maximum demand, solving congestion problems
in periods of maximum demand. In addition, an economic analysis has been carried
out on the viability or not of the project.
Keywords: BESS, maximum demand, Load factor
xi
INTRODUCCIÓN
Los sistemas de distribución eléctrica son un conjunto de componentes

predestinados a la conducción de energía desde las subestaciones de alimentación
hasta los centros de consumo, estos componentes son las líneas primarias y líneas
secundarias de distribución, los transformadores de distribución, acometidas y
medidores. El factor que determina las diferentes configuraciones del sistema de
distribución es la carga, ya que de ella depende la potencia de los transformadores y
la capacidad de las líneas de distribución, Por lo que el conocimiento de los factores
de la carga sirve para realizar cálculos de regulación y de capacidad de conducción
de los elementos de la red, además de la utilización racional de los recursos
materiales para asegurar una operación satisfactoria. La utilización de la energía
eléctrica no es similar entre los diferentes usuarios, debido a las necesidades y los
hábitos de cada uno de ellos por lo que es necesario analizarlas con el perfil de la
demanda en el tiempo (YEBRA MORÓN, 2009).
Los sistemas de almacenamiento de energía (ESS, por sus siglas en inglés)

han sido empleado muchas veces para mejorar las prestaciones del servicio de
energía eléctrica, pero los aspectos particulares en los ESS exigen una estricta
condición geoespacial, que limita su proliferación. En los últimos años se han
desarrollado los sistemas de almacenamiento de energía en baterías (BESS, por sus
siglas en inglés), que poseen la ventaja de respuesta rápida sobre los ESS
tradicionales, Por lo que es gran alternativa para mejorar las prestaciones del servicio
eléctrico, incluso mejorar la confiabilidad de la red y disminuir las tarifas eléctricas
(Cai, Xu, Ye, Xue, & Xu, 2016).
El BESS y su influencia en la demanda eléctrica diaria del sistema de

distribución SE0062 (Huancayo) es un aspecto fundamental que se tienen que
estudiar para ver la posibilidad de incorporar esta tecnología, es por ello que se realiza
la presente investigación.
1
CAPITULO I
PLANTEAMIENTO DEL PROBLEMA
1.1. Descripción de la realidad problemática.
En el mundo, el servicio eléctrico es una actividad de mucho cuidado donde el

usuario tiene que recibir el servicio de manera continua, bajo una normativa técnica
estipulada para el correcto funcionamiento de los equipos que hacen uso de la
energía eléctrica. La demanda tiene comportamientos distintos de acuerdo al tipo de
cliente, los usuarios de la energía son residenciales, comerciales e industriales. La
suma de estas demandas da como resultado el perfil de la demanda en el tiempo por
lo que existen diferentes tarifas en el transcurso del día siendo más barata en la noche
y más cara durante el día. Por lo que la eficiencia energética recomienda “transferir”
algunas cargas a los horarios nocturnos, por ejemplo, el lavado y secado de la ropa.
Otra formar de aprovechar la energía barata de las noches son mediante el sistema
de almacenamiento como las baterías (BESS) (Nenuyk, Marushchenko, &
Marushchenko, 2020).
En América Latina, las tarifas no son muy distintas a los ya mencionados, pero
también los hábitos de consumo impactan directamente en los sistemas de
distribución y se ve reflejada en la demanda eléctrica diaria, conociendo los hábitos
de consumo se podría, por ejemplo, desplazar parte del consumo de horas pico a
horas valle, ahorrando la inversión de nuevas redes (Hernández Hernández & Carrillo
Cruz , 2017).
2
En el Perú, se tienen dos horarios bien definidos en la demanda eléctrica diaria;
hora punta que comprende entre las 18 horas y las 23 horas y hora fuera de punta el
resto del día. Precisamente en la hora punta se tienen una mayor demanda de
electricidad ocasionado muchas veces problemas de congestión en las redes, las
tarifas en el mercado spot son más caras, es más, las redes son diseñadas para
atender estas pocas horas de alta demanda teniendo un fator de uso muy bajo (Butrón
Fernández & Cerida Apolaya, 2020).
Los sistemas de almacenamiento (ESS) es una alternativa que tienen la

posibilidad de aportar muchos beneficios a la red eléctrica, por ejemplo, mejoran las
fluctuaciones de la los sistemas de almacenamiento aportan muchos beneficios con
su integración, por ejemplo, mejoran las fluctuaciones de la demanda, mejoran la
calidad del suministro eléctrico, mejoran la confiabilidad del sistema eléctrico, pueden
servir de control de potencia y voltaje en la operación del sistema (Meng, Liang, & Lu,
2019), pero sin duda los tiempos rápidos de respuesta de las baterías hace que es
esta alternativa tecnológica sea más atractiva para implementación (Rancilio, Merlo,
Lucas, Kotsakis, & Delfanti, 2020), es por ello que la presente investigación está
enfocado en estudiar la influencia del Sistema de Almacenamiento de energía en
Batería (BESS) sobre la demanda eléctrica diaria en el sistema de distribución
SE0062 (Huancayo).
1.2. Formulación del problema

1.2.1. Problema general.
¿En qué medida el BESS influye en la Demanda Eléctrica Diaria del sistema
eléctrico de distribución SE0062 (Huancayo)?
1.2.2. Problema especifico
PE1: ¿Cuál es la influencia del BESS en la Mínima demandada Diaria del

sistema eléctrico de distribución SE0062 (Huancayo)?
PE2: ¿En qué medida influye el BESS en la Máxima demanda Diaria del
sistema eléctrico de distribución SE0062 (Huancayo)?
3
PE3: ¿De qué manera el BESS influye en el Factor de carga diaria del sistema
eléctrico de distribución SE0062 (Huancayo)?
1.3. Objetivos de la investigación

1.3.1. Objetivo principal
Implementar el BESS para conocer la influencia en la Demanda Eléctrica Diaria

del sistema de distribución SE0062 (Huancayo)
1.3.2. Objetivos específicos
OE1: Determinar la influencia del BESS sobre la Mínima demandada Diaria del
sistema eléctrico de distribución SE0062 (Huancayo).
OE2: Indicar la influencia del BESS sobre la Máxima demanda Diaria del
OE3: Explicar la Influencia del BESS sobre el Factor de carga diaria del sistema
eléctrico
1.4. Justificación
a. Justificación teórica
La justificación teórica está enfocada en que los resultados de la investigación

podrán generalizarse y a su vez tienen la validez para incorporar al conocimiento
científico (Ríos Ramírez, 2017), la justificación de la presente tesis tiene lugar al uso
de conceptos y teorías emergentes relacionados con los sistemas de almacenamiento
de energía en baterías (BESS) y su influencia la demanda eléctrica diaria con el que
se pretende contribuir como referencias de futuras investigaciones e incluso con el
modelo matemático que se pretende usar en la presente tesis pueda ser usada en las
instituciones de formación profesional.
b. Justificación metodológica.
La justificación metodológica está enfocada en la posibilidad de estandarizar

los métodos, procedimiento e instrumentos si estas demuestran validez y confiabilidad
(Ríos Ramírez, 2017). La presente tesis hace el uso de un modelo matemático para
4
representar el BESS generando así un método que puede ser empleado en distintos
estudios que se requieran.
c. Justificación Socio-económico.
La justificación socioeconómica está enfocada en los beneficios que la

investigación reporta para la población (Ríos Ramírez, 2017). La presente tesis está
enfocada en el uso de los recursos energéticos de almacenamiento con la finalidad
de satisfacer los requerimientos de la demanda de energía eléctrica en beneficio de
la población.
1.5. Limitación del estudio.
Las limitaciones que se han presentado a la presente investigación son los

siguientes:
• El tema que se está abordando en la presente investigación es un tema muy

poco tratado en el Perú, por lo que no se tiene suficientes antecedentes
documentales en el Perú, por lo que los antecedentes de la investigación se
van a tomar de referencias extranjeras donde este tema tenga un mayor grado
de madures.
5
CAPITULO II
2. MARCO TEÓRICO.
2.1. Antecedentes
2.1.1. Antecedente Internacional.
(Khormali, 2015) en su tesis para obtener el grado PhD que lleva por título
“Optimal Integration of Battery Energy Storage Systems in Smart Grids” realizan
diversos estudios de la integración de las BESS en el sistema de distribución GETRA
localizado en el sur de Italia, para ello elaboran varios modelos matemáticos de
optimización que involucra la programación diaria de la operación del sistema y el
control a lo largo del tiempo de la operación, los modelos matemáticos están
enfocados a la estabilidad del voltaje, calidad de energía, fiabilidad del sistema y
respuesta de la demanda analizando estas variables determinan la capacidad optima
del BESS en el sistema GETRA. Una vez implementada el BESS, el sistema de
distribución obtuvo significativas mejoras y la integración optima trae consigo
beneficios económicos que en gran medida se manifiesta dependiendo de la
estrategia de operación y el tamaño optimo del BESS. En cuanto a los beneficios
económicos el investigador recomienda que estos varían de acuerdo a las políticas
tarifarias de cada país.
(Lindstens, 2017) es su tesis de maestría que lleva por título “Study of a battery
energy storage system in a weak distribution grid” en vista que la energía renovable
no convencional como la eólica y la solar provoca inestabilidad en el sistema eléctrico
6
ocasionando fluctuaciones de voltaje y frecuencia en un sistema de distribución ficticia
(sistema creada para su estudio) realiza investigaciones de como con la ubicación
estratégica y la capacidad adecuada de los BESS existe la posibilidad de manejar la
regulación de frecuencia y voltaje dentro de una red débil, la investigación se ha
realizado usando el entorno de programación Matlab Simulink mediante la creación
de una red de distribución débil con alta penetración de energía solar. Las
conclusiones del estudio fueron que la inestabilidad de la red es generada por las
energías no convencionales para luego ser amplificada por las impedancias de las
redes eléctricas frente a ellos el BESS tiene la capacidad de actuar como un
dispositivo de regulación resolviendo las dificultades de equilibrio durante los
momentos de déficit/sobreproducción energética y para mitigar los problemas de
inestabilidad la ubicación de BESS se debe situar en la barra que tiene la carga más
grande. El investigador recomienda estudios del BESS en sistemas más complejos y
probar distintos sistemas de control para el BESS y ver cómo afectan en la posible
regulación del sistema.
(Datta, 2020) en su tesis para alcanzar el grado PhD que lleva por título “Battery
Energy Storage System for Renewable Energy Integrated Power System Stability
Enhancement” aporta al modelado de control para el del BESS con la finalidad de
mejorar la capacidad de amortiguación y la estabilidad transitoria en el sistema
eléctrico con alta participación de energías renovables no convencionales para el cual
realizado estudios de control del BESS en ficados en las técnicas de control
proporcional integral (PI), con el diseño de este control inteligentes se logra minimizar
la sobrecarga del transformador de acoplamiento a la red. El BESS está diseñado
para para ser regulado cuando la carga exceda la capacidad nominal del
trasformador, Los resultados de la simulación validaron la eficacia de BESS para
lograr el resultado esperado según el diseño donde el BESS participo sin sobrecargar
el transformador ya que el control diseñado permite participar dentro del límite máximo
de la capacidad del transformador. El diseño del controlador para el BESS tiene un
impacto significativo en su rendimiento por lo que el autor recomienda explorar los
amplios alcances de los BESS.
7
2.1.2. Antecedente América Latina.
(Cifuentes Otto, 2017) en sus tesis para optar el grado de maestro que lleva
por título “Localización de equipos BESS mediante algoritmos genéticos
considerando criterios de estabilidad de voltaje” desarrolla una metodología para
encontrar la mejor ubicación de los BESS entre todas las barras existentes dentro del
sistema de energía, el modelo matemático desarrollado es un modelo de optimización
que plantea análisis de contingencia para un conjunto de fallas criticas empleando
algoritmos genéticos, el caso de estudio es el sistema de prueba de 39 barras del
sistema eléctrico Nueva Inglaterra ubicada en el norte de los Estados Unidos. Los
resultados de la investigación mostraron que la ubicación optima de los BESS ante
contingencias criticas logran disminuir el margen de inestabilidad del sistema de
energía. Con estos avances en su investigación lo proyectos en que debe centrase
es la necesidad de incorporar las baterías en la planificación de los sistemas
energéticos, particularmente donde se tienen altos grados de penetración de energías
renovables no convencionales.
(Gómez Pérez, 2018) En sus tesis para optar el grado de Maestro que lleva por
título “Planeamiento de la expansión usando sistemas de almacenamiento de energía
BESS”, propone y desarrolla un modelo matemático de programación lineal entera
mixta (MILP) en estado estacionario para el planeamiento del sistema eléctrico de
potencia incorporando BESS, dentro del modelos se incluyen varias tecnologías de
baterías y su respectivo costo de inversión, el modelo fue implementado en el
lenguaje de optimización AMPL para el sistema eléctrico del sur de Brasil. Los
resultados arrojaron que se tienen beneficios económicos dado que se retrasan o
eliminan las inversiones es estado estable, los beneficios son de hasta el 12% si se
considera las inversiones de líneas transmisión.
2.1.3. Antecedentes Nacional.
(Estrada Torres, Alarcon Cubas, Chavarri Aguirre, & Quispe Rojas, 2019) en
su tesis para optar el grado de maestro que lleva por título “Diagnóstico, análisis y
evaluación de los sistemas de almacenamiento de energía con baterías para su
aplicación en la regulación primaria de frecuencia en una central de ciclo combinado
del Sistema Eléctrico Peruano.” Evalúan la viabilidad técnica/económica de un
8
proyecto BESS en la regulación primaria de frecuencia de frecuencia de una central
térmica, donde la evaluación técnica consiste en la realización de simulaciones
dinámicas para evaluar la regulación primaria de frecuencia haciendo uso del BESS.
Los resultados arrojan que la mejor alternativa en tecnología BESS son de Ion-Litio y
estas cumplen con los requisitos técnicos/económicos para el empero de la regulación
primaria de frecuencia.
2.2. Bases epistémicas
Las bases epistemológicas permiten establece las características

fundamentales de la naturaleza de la ciencia y la investigación, el conocimiento
tecnológico surge de las necesidades de la población para introducirlos en la
educación (Ramos & Márquez, 2017). En ese sentido la ingeniería Eléctrica dedica
su estudio a los usos de la electricidad para el benéfico de la población, dentro de un
sistema eléctrico existen muchos componentes vitales para cumplir su cometido,
fueron muchos pioneros que dedicaron su investigación a la electricidad para tener
un sistema como se conoce hoy en día, pero sin duda Nikola Tesla y Tomas Alva
fueron los protagonistas de la “Guerra de las corrientes” que determino la forma de
distribución de la energía, desde entonces la energía de corriente alterna se mantiene
como principio básico del uso de la energía eléctrica y desde entonces se busca
estudiar ciertos comportamientos y tecnologías para mejorar la eficiencia del sistema
energético (Martinez, 2018).
2.3. Base teórica

2.3.1. Demanda Eléctrica Diaria
La demanda eléctrica de un cliente o un grupo de clientes conectados a un

alimentador del sistema de distribución es continuamente variante en el tiempo, esto
sucede porque constantemente se están encendiendo o apagando algunos aparatos
conectados a la red eléctrica.
2.3.1.1. Demanda.
La demanda es generalmente representada por la curva de demanda dividida

en intervalos de tiempos iguales, En la Figura 2.1 se observa que dicho intervalo de
tiempo es de 15 minutos, en cada periodo de tiempo es representado por el valor
9
promedio. El intervalo de tiempo define la precisión de la carga, cuanto menos tiempo
más preciso es el valor de la demanda. Esta curva se elabora a partir de las
mediciones realizadas de la demanda en kW o MW de 15 minutos durante un periodo
de 24 horas.
Figura 2. 1. Curva de demanda (Kersting, 2018)
2.3.1.2. Demanda máxima.
la demanda máxima es el mayor valor de todas las demandas que se han

registrado durante las 24 horas, en la figura 2.2. se representa las mediciones de un
cliente residencial en periodos de 15 minutos, aquí se pude notar que la variación
durante el día es significativa, la demanda de este cliente excede los 6 kW en tres
ocasiones, pero la máxima demanda para las mediciones de 15 minutos se da a las
13:15 cuando la demanda alcanza a llegar a los 6.18 kW.
10
Figura 2. 2. Mediciones de la demanda en un periodo de 24 horas para el usuario #1 (Kersting, 2018)
2.3.1.3. Demanda media o promedio
Es el cociente entre la suma de todas las potencias registradas entre la

cantidad de intervalos registrados durante un periodo de medición, dicho de otra
manera, es la cantidad de energía consumida en kWh o MWh entre el tiemplo
empleado para consumir dicha energía. Para la figura 2.2. la energía consumida
durante las 24 horas es la suma de todas las mediciones realizadas cada 15 min que
nos da un total de 58.96 kWh entre las 24 horas que tiene el todo el tiempo de
medición.
Energía total 58.96

Demanda Media = = = 2.46 kW (2. 1)
Horas 24
2.3.1.4. Factor de carga.
El factor de carga es un término muy usado en la caracterización de la carga,

y se calcula mediante la relación entre la demanda media y la demanda máxima. El
factor de carga es un indicador del uso de las instalaciones eléctricas, un factor de
carga optimo sería igual a 1. Para la Figura 2. 2. Mediciones de la demanda en un periodo de
24 horas para el usuario #1 Figura 2. 2 el factor de carga sería el siguiente.
11
Demanda promedio 2.46
Factor de carga = = = 0.40 (2. 2)
Demanda maxima 6.18
2.3.1.5. Carga del transformador de distribución.
Los transformadores de distribución prestan el servicio a uno o más usuarios,

cada usuario tiene su propio comportamiento de demanda a lo largo del día, pudiendo
ser que los picos y valles sean distintitos para cada usuario.
Figura 2. 3 Mediciones de la demanda en un periodo de 24 horas para el usuario #2 (Kersting, 2018)
12
En la Figura 2. 2, Figura 2. 3, Figura 2. 4 y Figura 2. 5 se pueden observar tres

diagramas de carga conectadas a un transformador de distribución, aquí podemos
observar que cada curva de consumo tiene un comportamiento único por lo que estos
cuatro clientes tienen gran diversidad entre sus cargas.
El diagrama de carga de cada usuario tiene un comportamiento único en la

demanda y su máxima demanda de cada usuario se produce en distintas horas del
día, las características individuales se muestran en la Tabla II- 1. Características de carga
de clientes individuales Tabla II- 1
Tabla II- 1. Características de carga de clientes individuales (Kersting, 2018)
2.3.1.6. Demanda Diversificada.
La demanda diversifica, es la suma de la demanda de todos los clientes

conectados al transformador en cada intervalo de tiempo de medición.
13
Figura 2. 6. Transformador de curva de demanda diversificada (Kersting, 2018).
Para los cuatro usuarios conectados al trasformador, la suma de sus

respectivas demandas de 15 minutos para cada periodo de tiempo vendría a ser la
demanda diversificada, en la Figura 2. 6 se puede observar la demanda diversificada
de las cargas conectadas al trasformador y en ella podemos observar como la curva
del transformador empieza a suavizarse.
2.3.1.7. Demanda máxima diversificada.
En la Figura 2. 6 podemos observar que la curva producto de la suma de los

clientes conectados al transformador comienza suavizarse, es este escenario
podemos observar que la demanda excede los 16 kW de potencia en dos ocasiones,
por ello que el mayor de ellos será la demanda máxima diversificada, en la Figura 2. 6
la máxima demanda diversificada ocurre a las 13:30 y tiene una potencia de 16.16
kW. También se observa que la máxima demanda diversificada no se da en la máxima
demanda de las cargas individuales.
2.3.1.8. Curva de duración de carga.
Es la curva entra la carga ordenada de manera decreciente y la cantidad de

mediciones realizadas, de tal forma se tenga la carga la carga más grade a la
izquierda y las cargas más pequeñas a la izquierda, la curva de duración de carga del
transformador se desarrolla en la Figura 2. 7, esta curva representa la demanda frente
14
al porcentaje de tiempo que se encuentra operando el trasformador, por ejemplo,
podemos ver que el transformador opera con más de 12 kW el 22% del tiempo, Esta
curva se utiliza para ver el tiempo de sobrecarga que soporta el trasformador, frente
a ello se toma la decisión de reemplazar o no por las sobrecargas que soporta.
Figura 2. 7. Curva de duración de carga del transformador (Kersting, 2018).
2.3.1.9. Demanda máxima no coincidente.
La demanda máxima no coincidente es la suma de todas las máximas

demandas de los clientes individuales, para el transformador de en análisis la
demanda máxima no coincidente vendría a ser:
𝑀𝐷𝑛𝑜 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒 = 𝑀𝐷1 + 𝑀𝐷2 + 𝑀𝐷3 + 𝑀𝐷4 = 6.18 + 6.82 + 4.93 + 7.05
(2. 3)
= 24.98 kW
2.3.1.10. Factor de Diversidad.
El factor de diversidad es la relación entre la máxima demanda no coincidente

y la máxima demanda diversificada de todos los usuarios, el factor de diversidad
generalmente es mayor igual que 1, si el factor de diversidad es igual a 1 nos
representa que las máximas demandas coinciden en un mismo horario, mientras que
15
si el factor de diversidad es mayor que 1 representa que las máximas demandas de
las usuarias se dan en diferentes periodos, para el caso en cuestión es:
MDno coincidente 24.98

𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝐷𝑖𝑣𝑒𝑟𝑠𝑖𝑑𝑎𝑑 = = = 1.5458 (2. 4)
MDdiversificada 16.15
2.3.1.11. Factor de demanda.
El factor de demanda es la relación existente entre la demanda máxima y la

carga conectada al sistema, por ejemplo, para el transformador en cuestión la máxima
demanda era de 6.18 kW, y supongamos que la carga conectada del sistema llega a
35 kW (es necesario conocer la carga total conectada al sistema), el factor de la
demanda seria:
MD 16.16
Factor de Demanda = = = 0.0.4617 (2. 5)
Carga total 35
El factor de demanda es un indicador de la cantidad de dispositivos que se

encuentran en funcionamiento cuando ocurre la máxima demanda del sistema, este
indicador se puede calcular para un cliente, para un alimentador o para el sistema de
distribución.
2.3.1.12. Factor de utilización.
El factor de utilización es un indicador de cuan bien se está utilizando la

capacidad de un equipo eléctrico y es la razón entre la demanda máxima y la potencia
Instalada (potencia nominal) por intervalo de tiempo definido, el transformador en
cuestión que alimenta 4 cargas tiene una capacidad de 15 kVA, la máxima demanda
del sistema es de 16.16 kW con un factor de potencia de 0.9 la potencia máxima
potencia aparente seria 17.96 kVA, el factor de utilización del trasformador seria:
MD 17.96
Factor de utilización = = 1.197 (2. 6)
PNtrafo 15
Esto nos indica que el trasformador está operando al 119.7 %
16
2.3.1.13. Diversidad de carga.
La diversidad de carga se define como la diferencia entre la máxima demanda

no coincidente y la máxima demanda diversificada, para nuestro trasformador en
análisis la diversidad de carga es:
Diversidad de carga = 24.98 − 16.16 = 8.81 kW (2. 7)
La diversidad de carga nos indica que se tiene un margen de 8.81 kW de por

el hecho de que las máximas demandas de los usuarios se dan unos horarios
diferentes.
2.3.2. Sistemas de Almacenamiento en baterías (BESS)
Los usos de los sistemas de almacenamiento de energía (ESS) se remontan a

los principios del siglo XX, sin embargo, su aplicación no ha sido muy significativa por
los altos costos que suponía instalar ESS, pero con la integración de las Energías
renovables no convencionales, los ESS se están convirtiendo en una tecnología que
facilita la flexibilidad necesaria pala integración de la energía convencional no
renovable. Existen muchas alternativas para implantar ESS, sin embargo, las baterías
se están convirtiendo en los sistemas de almacenamiento por excelencia debido a la
gran cantidad y variedad de servicios que ofrece.
2.3.2.1. Tecnologías de baterías.
A lo largo de la historia se han desarrollado dientes tipos de baterías, donde

las principales diferencias se hacen presente en las celdas electroquímicas ya que
estas pueden ser líquidos, pastas o sólidos, cada cual presenta sus propias ventajas
y desventajas, a continuación, se hacen un pequeño detalle de las tecnologías de las
baterías.
a) Baterías de plomo acido
Estas son las baterías recargables de primera generación, inventado por el

físico Frances Gastón Plante, estas baterías fueron usadas en el suministro de
energía de emergencia, en el sistema eléctrico de automóviles, y en algunas
aplicaciones sistemas fotovoltaicos autónomos. Cuando esta batería está cargada
17
tiene una concentración química del 37% de óxido de plomo, mientras que entado
descargado los electrodos se convierten en sulfato de plomo, la vida útil de este tipo
de baterías es de 5 a 15 años y tiene una eficiencia entre el 70% y el 90%.
b) Batería de ion de litio
Las baterías de litio son usadas en los dispositivos portátiles en los últimos
años teniendo un ciclo de vida de hasta 10000 recargas, el cátodo de esta batería es
oxido de metal litado, mientras que el ánodo este hecho de carbono grafítico con una
estructura de capas. En la actualidad las baterías de ion de litio presentan desafíos
para su implementación a gran escala, aunque en los últimos años la reducción de
costos en este tipo de baterías ha sido significativa, en el 2020 se ha registrados
precios de 135 USD/kWh (García, 2020), en la actualidad existe más 200 MW de
batería de litio que funcionan conectadas a la red y prestan servicios auxiliares a la
red eléctrica.
c) Baterías de Níquel-Cadmio
Esta batería posee un electrodo positivo de hidróxido de níquel, y la placa

negativa está compuesto de hidróxido de cadmio, su ciclo de vida se sitúa entre 2000
y 2500 recargas, una desventaja es que las baterías de níquel cadmio tiene un costo
elevado (800 – 1500 USD/kWh) debido al costoso proceso de producción. También
genera problemas de contaminación a la hora de desechar la batería ya que el cadmio
es altamente contaminante.
d) Baterías de azufre de sodio
Estas baterías están compuestas por azufre liquido en el catado y sodio liquido
en el ánodo, estas baterías tienen un ciclo de vida de 2500 recargas, además se
puede alcanzar entre 150-240 Wh de energía por cada kilogramo de la batería, la
eficiencia de esta batería se encuentra en el rango de 75% al 90%, estas baterías se
usan principalmente para mejorar la calidad de energía y reducir los picos de
demanda, otra desventaja de este tipo de batería es su elevado costo (300-500
USD/kWh).
18
e) Baterías de cloruro de sodio y níquel
Estas beterías son conocidas como las beterías ZEBRA, el cátodo está
compuesto por cloruro de níquel, una de las desventajas es que solo una empresa
produce esta tecnología, recientemente se ha anunciado recientemente la aplicación
de las baterías ZEBRA en sistema de rescate submarino de la OTAN.
En la Tabla II- 2 se muestra las diferentes características de tecnologías de batería

mencionadas.
Tabla II- 2. características de las diferentes tecnologías de batería (Khormali, 2015)
Self-
Power Energy Power Capital
discharge Cycle life
Technology rating density density cost
(% per (cycle)
(MW) (Wh/kg) (W/kg) ($/kWh)
day)
Lead-acid 0 - 20 0.1 - 0.3 30 - 50 75 - 300 500 - 1000 200 - 400
1000 -
0 - 0.1 0.1 - 0.3 75 - 200 150 - 315 600 - 2500
Li-ion 10000
2000 -
0 - 40 0.2 - 0.6 50 - 75 150 - 300 800 -1500
Ni-Cd 2500
NaS 0.05 - 80 20 150 - 240 150 - 230 2500 300 - 500
ZEBRA 0 – 0.3 15 100 - 200 150 - 200 2500 100 – 200
2.3.2.2. Características de BESS.
El uso de los BESS depende en gran medida de la aplicación en la que se va

usar y de ello depende también las características económicas y técnicas, por lo que
es necesario analizar las características de los BESS.
a) Capacidad de almacenamiento.
Es la cantidad de energía que se encuentra disponible en la batería después

de su carga completa y se define en base a la energía total almacenada en (Wh), la
energía utilizable está limitada por el DOD que representa el límite de profundidad de
descarga (estado mínimo de descarga).
19
b) Profundidad de descarga (DOD)
En las baterías no se puede descargar por completo sin causar daños graves,
la profundidad de descarga determina la fracción de energía que se puede extraer.
Por ejemplo, si una batería tiene un DOD del 25%, la carga solo puede utilizar el 25%
de la batería, es ese sentido la energía real que se puede extraer de la batería es
mucho menor que la capacidad nominal, una batería de plomo acido que funciona
con un DOD de del 20% tiene una vida útil de 2800 ciclos de carga/descarga, mientras
si la misma batería trabaja con un DOD del 80% la vida útil es de unos 500 ciclos de
carga/descarga, en la figura Figura 2. 8 se muestra este comportamiento.
Figura 2. 8. Profundidad de descarga para batería de plomo-ácido (Khormali, 2015)
c) Tiempo de descarga.
Es la duración máxima de energía de la batería, 𝜏 = 𝑊𝑠𝑡 /𝑃𝑚𝑎𝑥 , que depende

del DOD y las condiciones operativas del sistema, potencia constante o no. Es una
característica del sistema para determinadas aplicaciones, este indicador se suele
denominar tasa C o tasa E, la tasa C es un indicador de descarga de la batería en
función de su capacidad máxima. Una tasa 1C significa que descargará la batería en
una hora, para una batería de 100 Ah, esto equivale a una corriente de carga de 100
A, una tasa de 5C para esta batería seria 500 A y una tasa de carga de C/2 seria 50
A. de manera similar es el indicador de tasa E pero en este caso representa la
descarga de energía, por ejemplo, una tasa 1E es la potencia de descargas toda la
energía en 1 hora.
20
d) Eficiencia
Todas las transformaciones energéticas están sujetos a perdidas, de la mima

manera las baterías tienen eficiencia de carga y descarga en un estudio más detallado
de la eficiencia de BESS se podría desglosar en eficiencia del rectificador, inversor,
almacenamiento y auto descarga de almacenamiento. Las baterías de plomo – acido
es del 85% mientras que la eficiencia de las baterías de ion de litio es de 95%.
e) Estado de carga (SOC).
El indicador SOC representa el estado actual de la energía disponible dentro

de la batería en función de la capacidad nominal, si el SOC indica 100% entonces la
batería tiene carga completa, mientras que si el SOC indica 0% entonces la batería
se encuentra descargada, a medida que las baterías empiezan a envejecer el SOC
máximo empieza a disminuir, es decir que para una batería vieja un SOC del 100%
equivale al 75% o 80% de una batería nueva.
f) Tasa de carga/descarga
La tasa de descarga está representada por capacidad de la batería entre la

cantidad de horas que se tarda en cargar/descargar la batería, por ejemplo una
batería de 500 kWh que se carga en veinte horas, entonces la tasa de carga de batería
es de 500/20 = 25 kW, la batería tiene una tasa de carga de 25 kW por hora, en este
punto debemos tener en cuenta que la máxima tasa de carga es de 25kW por hora,
ya que la operación del sistema podemos tomar una tasa de carga por ejemplo de
15kW hora en un determinado intervalo de tiempo.
2.3.2.3. Aplicaciones de la BESS.
Los avances tecnológicos en los sistemas de almacenamiento sobre todo en

las baterías, están creando una oportunidad para que los sistemas de
almacenamiento brinden servicios al sistema eléctrico generando así un recurso en
muchos desafíos de las redes eléctricas, dentro de los sistemas de energía el BESS
puede contribuir con muchos servicios dentro de las diferentes cadenas del sistema
eléctrico de potencia ofreciendo beneficios técnicos y económicos, en Tabla II- 3 se
21
muestra las aplicaciones BESS en los distintos niveles del Sistema eléctrico de
potencia.
Tabla II- 3. Aplicaciones BESS en los distintos niveles del sistema eléctrico (Khormali, 2015)
desplazamiento en el tiempo de la energía

(arbitraje)
Servicios de unidad de arranque en negro

generación
Regulación Reservas de energía
control de frecuencia
Aplazamiento de inversión de la transmisión

Servicios de unidad de
transmisión
Alivio de la congestión de la transmisión
Nivelación de carga
Aplazamiento de actualización de distribución
distribución
Control de tensión
Calidad de la energía
Fiabilidad de la energía
cliente
Aplanado de la demanda
Respuesta de la demanda
2.3.3. Operación del sistema de almacenamiento de energía en batería
El sistema de almacenamiento de energía mediante baterías se conecta a la

red mediante convertidores, el intercambio de energía entre el sistema de
almacenamiento y la red eléctrica se ajusta controlando los parámetros de los
convertidores electrónicos, por lo tanto, los parámetros y variables de operación de
los BESS son principalmente magnitudes electromagnéticas (Hu, 2020) como se
22
muestra en la Tabla II- 4. Estos parámetros y variables se pueden usar de manera
directa en las formulaciones matemáticas del despacho óptimo de energía.
Tabla II- 4. Parámetros operativos y variables del sistema de almacenamiento de energía de la

batería.(elaboración propia)
Tipo Unidad Carga Descarga

Potencia de carga Potencia de descarga
MW 𝑐 𝑑
mínima 𝑝𝑚𝑖𝑛 mínima 𝑝𝑚𝑖𝑛
Potencia de carga Potencia de descarga
MW 𝑐
máxima 𝑝𝑚𝑎𝑥 𝑑
. máxima 𝑝𝑚𝑎𝑥
Parámetros Eficiencia de
% Eficiencia de carga 𝜂𝑐
operacionales descarga 𝜂𝑑
Capacidad máxima de energía en batería
MWh
𝑆𝑂𝐶𝑚𝑎𝑥
MWh Capacidad mínima de energía 𝑆𝑂𝐶𝑚𝑖𝑛
% Tasa de auto descarga ξ

Descarga de energía
MW
Variables Carga de Energía 𝑝𝑡𝑐 𝑝𝑡𝑑
MWh Estado de carga 𝑆𝑂𝐶𝑡
La capacidad de almacenamiento está limitada por las características de

sistema de almacenamiento y está representado por el estado de carga 𝑆𝑂𝐶𝑡 que está
dentro de los rangos mínimos y máximos de la capacidad de carga como se observa en la
ecuación (2. 8.1)
SOCmin ≤ SOCt ≤ SOCmax (2. 8.1)
La variable de carga de energía 𝑝𝑡𝑐 está limitada por la potencia de carga mínima
𝑐 𝑐
𝑝𝑚𝑖𝑛 y por la potencia de carga máxima 𝑝𝑚𝑎𝑥 cómo se observa en la ecuación (2.8.2)
pcmin ≤ pct ≤ pcmax (2.8.2)
23
La variable de descarga de energía 𝑝𝑡𝑑 está limitada por la potencia de descarga
𝑑 𝑑
mínima 𝑝𝑚𝑖𝑛 y por la potencia de descarga máxima 𝑝𝑚𝑎𝑥 cómo se observa en la ecuación (2.
9)
pdmin ≤ pdt ≤ pdmax (2. 9)
El almacenamiento de energía en dos intervalos de tiempo sucesivo debe estar

en equilibrio considerando la carga o descarga del sistema de almacenamiento con
sus respectivas eficiencias como se muestra en la ecuación (2. 10)
pct
SOCt = SOCt−1 + (pct ∗ ηc − ) ∆t (2. 10)
ηc
La integración de los BESS considerando el horizonte de operación, donde la

función objetivo es la minimización de los costos totales de operación para satisfacer
todas las demandas en cada hora y otras limitaciones técnicas se plantea en (Soroudi,
2017). Es esta formulación matemática se consideran los parámetros operacionales
de los sistemas BESS, parámetros técnico económicos de las unidades generadoras
típicos de un despacho económico, esta formulación de la función objetivo se muestra
en la ecuación (2. 11)
𝑚𝑖𝑛 ( ∑ ag P2g,t + bg Pg,t + cg + ∑ CEns x Enst ) ) (2. 11)

Pg,t ,Ens
g,t t
Las restricciones técnicas y operativas se muestran en la ecuación (2. 12)
Pgmin ≤ Pg,t ≤ Pgmax

Pg,t − Pg,t−1 ≤ RUg
Pg,t−1 − Pg,t ≤ RDg
Pdt
SOCt = SOCt−1 + (Pct ηc − ) ∆t (2. 12)
ηd
c
Pmin ≤ Ptc ≤ Pmax
c
d
Pmin ≤ Ptd ≤ Pmax
d
SOCmin ≤ SOCt ≤ SOCmax
24
Enst + ∑ Pg,t + Ptd ≥ Lt + Ptc
g
SOC1 = 0.2 ∗ SOCmax

Pd1 = 0
Pc1 = 0
la función objetivo de la ecuación (2. 11) representa el mínimo costo que debe
encontrar el modelo en la operación del sistema para ello tiene que asignar la carga
en aquellos momentos donde la demanda es baja y gestionar la descarga donde la
demanda es alta. Además, se tiene que asegurar que en que la energía no
suministrada sea nula o en el peor de los casos sea mínima, para ellos se tiene que
penalizar por cada unidad de energía no suministrada.
Las Ecuaciones en (2. 12), representa los límites máximos y mínimos de la
potencia que puede entregar los generadores, limitan el cambio de la rampa de subida
y bajada, describe el comportamiento del sistema de almacenamiento de los
vehículos eléctricos en su conjunto. límites de carga, descarga que se pueden realizar
en un periodo te tiempo, determina la capacidad máxima del sistema de
almacenamiento, describe el balance de potencia que debe existir entre la generación
y la demanda de energía
Índices y conjuntos:
𝑔 ∈ 𝐺: Unidades de generación, desde 1 hasta G.
𝑡 ∈ 𝑇: Periodo de tiempo, desde 1 hasta T horas.
Parámetros:
𝐶𝐸𝑛𝑠 Costo de la Energía no suministrada
𝐿𝑡 Demanda del sistema en el tiempo 𝑡.
𝑎𝑔 , 𝑏𝑔 , 𝑐𝑔 Coeficiente de costo de producción de la unidad 𝑔.
𝑚𝑎𝑥/𝑚𝑖𝑛
𝑃𝑔 Límite de potencia máxima/mínima de la unidad 𝑔.
𝑅𝑈𝑔 /𝑅𝐷𝑔 Límite de rampa de subida/bajada de la unidad 𝑔.
SOC𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima del sistema de almacenamiento.
𝑐
𝑃𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima que el sistema de almacenamiento puede
tomar de la red.
25
𝑐
𝑃𝑚𝑎𝑥/𝑚𝑖𝑛 Capacidad máxima/mínima que el sistema de almacenamiento puede
entregar de la red.
𝜂𝑐 Rendimiento al tomar energía de la red.
𝜂𝑑 Rendimiento al entregar energía a la red.
Variables:
𝑃𝑔,𝑡 Energía entregada por la unidad 𝑔 en el periodo 𝑡.
𝑆𝑂𝐶𝑡 Energía almacenada en el periodo 𝑡.
𝐸𝑛𝑠𝑡 Energía no suministrada en el tiempo t.
𝑃𝑡𝑐 Cantidad de potencia que los vehículos toman de la red (carga)
𝑃𝑑𝑡 Cantidad de potencia que los vehículos entregan a la red (descarga)
26
2.4. Bases Conceptuales
2.4.1. Sistema de almacenamiento de Energía (ESS)
Los sistemas de almacenamiento de energía son diferentes tecnologías que

hacen posible la conservación de cierta cantidad energía en cualquiera de sus formas,
para utilizarlas cuando se requiera. La conservación de energía puede ser de distintas
formas entre los más comunes tenemos la energía potencial (gravitacional, química,
etc.) y la energía cinética que almacena energía mediante elementos rotativos (Ralph
& Ardebili, 2019).
2.4.2. Sistema de almacenamiento de energía en batería BESS
Los BESS son dispositivos de almacenamiento de energía electroquímica que

ofrecen flexibilidad en capacidad, ubicación y respuesta rápida en las demandas de
aplicaciones que ofrecen los sistemas y almacenamiento (Ter-Gazarian, 2020).
2.4.3. Demanda eléctrica diaria
La demanda eléctrica diaria es la representación gráfica o estadística del

comportamiento variable diario de la demanda eléctrica en de un usuario o grupo de
usuarios (Kersting, 2018).
2.5. Glosario de términos

• AC Corriente Alterna
• BESS sistema de almacenamiento de energía en baterías
• DoD Profundidad de descarga
• ED Despacho económico
• ESS Sistema de almacenamiento de Energía
• LP Programación lineal
• SOC Estado de carga
• Python Lenguaje de programación
• Pyomo librería de optimización en Python.
27
2.6. Hipótesis y variables.
2.6.1. Definición de las variables-
Sistema de almacenamiento de energía en batería BESS: son dispositivos

de almacenamiento de energía electroquímica que ofrecen flexibilidad en capacidad,
ubicación y respuesta rápida en las demandas de aplicaciones que ofrecen los
sistemas y almacenamiento (Ter-Gazarian, 2020).
Demanda Eléctrica Diaria: es la representación gráfica o estadística del

comportamiento variable diario de la demanda eléctrica en de un usuario o grupo de
usuarios (Kersting, 2018).
2.6.2. Operacionalización de variable
28
29
Tabla II- 5. Matriz de operacionalización de variables (elaboración propia)
MATRIZ OPERACIONAL
unidad
Definición Def. escala de
Variables Dimensiones Indicadores técnica instrumento de Formula Metodología
conceptual operacional indicadores
medida
(Ter-Gazarian, Potencia Ficha de
Revisión Recolección
2020) define: son Capacidad Instalada de la Razón recolección MW Directa
documentaria de datos
dispositivos de El BESS en el batería (MW) de datos
almacenamiento sistema SE0062 Cantidad de Ficha de
Estado de
de energía (Huancayo) es Energía en la Razón Observación recolección MW Directa Observación
Carga (SOC)
electroquímica un sistema de batería (MW) de datos
Sistema de que ofrecen almacenamiento Máxima
almacenamiento flexibilidad en que prestan Ficha de
Potencia de potencia que la Revisión Recolección
de energía en capacidad, servicios Razón recolección MWh Directa
Carga/descarga red entrega a documentaria de datos
Batería (BESS) ubicación y complementarios de datos
batería
respuesta rápida para mejorar las
en las demandas características
Ficha de
de aplicaciones de la demanda Rendimiento de rendimiento de Revisión Recolección
Intervalo recolección % Directa
que ofrecen los eléctrica diaria. Carga/Descarga almacenamiento documentaria de datos
de datos
sistemas y
almacenamiento.
(Kersting, 2018) La demanda La mayor
Observación Ficha de
Demanda concluye: es la eléctrica diaria, Máxima potencia Recolección
Razón y Revisión recolección MW Directa
Eléctrica Diaria representación es una demanda diaria registrada de datos
gráfica o representación durante el día
29
30
estadística del gráfica del La menor

Observación Ficha de
comportamiento comportamiento Mínima potencia Recolección
Razón y Revisión recolección MW Directa
variable diario de diario de la demanda diaria registrada de datos
la demanda demanda de durante el día
eléctrica en de un energía en el Relación
Relación entre
usuario o grupo sistema SE0062 entre la
la máxima Observación Ficha de
de usuarios (Huancayo) Factor de máxima Recolección
demanda y la Intervalo y Revisión recolección %
demanda Diaria demanda de datos
carga documentaria de datos
y la carga
conectada
conectada
Relación
Relación entre entre la
la demanda Observación Ficha de demanda
Factor de carga Recolección
promedio y la Intervalo y Revisión recolección % promedio
Diaria de datos
demanda documentaria de datos y la
máxima demanda
máxima.
30
31
2.6.3. Hipótesis
2.6.3.1. Hipótesis general.
La implementación BESS beneficia significativamente a las características de

la Demanda Eléctrica Diaria en el sistema de distribución SE0062 (Huancayo).
2.6.3.2. Hipótesis específicas.
HE1: El BESS Mejoran significativamente la Mínima demandada Diaria del

HE2: EL BESS Reduce significativamente la Máxima demanda Diaria del

sistema eléctrico de distribución SE0062 (Huancayo)
HE3: El BESS mejora significativamente el Factor de carga diaria del sistema

eléctrico de distribución SE0062 (Huancayo).
31
CAPITULO III
3. DISEÑO METODOLÓGICO
3.1. Tipo de investigación
Por la naturaleza de los datos el presente trabajo es susceptibles de cuantificar

en la relación causal del comportamiento del BESS frente a la demanda eléctrica
diaria en el sistema eléctrico SE0062 por lo que el tipo de investigación por la
naturaleza de datos corresponde a la cuantitativa.
Por los propósitos perseguidos el presente trabajo es concreto y busca la

aplicación de los conocimientos en resolver la relación causal del BESS frente a la
demanda eléctrica diaria en el sistema eléctrico SE0062 por lo que el tipo de
investigación por los propósitos perseguidos corresponde a la Aplicada.
Por el nivel de conocimiento en que se involucra el grado de conocimiento

sobre el objeto de estudios, se trata de explicar las causas del comportamiento de la
variable demanda eléctrica diaria a partir de la inclusión de la variable independiente
BESS por lo que el tipo de investigación por el nivel de conocimiento es Explicativa
o de causalidad.
3.2. Diseño de la investigación
En la presente investigación se pretende manipular y controlar la variable

BESS de tal manera se analiza los efectos de la intervención de un hecho por lo que
el control de las variables es Experimental. En la presente investigación se posee un
32
control sobre la manipulación de las variables intervinientes por lo que el diseño de la
investigación corresponde a la de cuasiexperimental.
3.3. Población y muestra
Población: la población es la totalidad de grupo de elementos que se quiere

estudiar y está determinado por sus características, por lo que para la presente
investigación la población es la demanda eléctrica del sistema SE0062 - Huancayo.
Muestra: la muestra es un subconjunto representativo de la población, ya que

en la presente investigación se usará toda la población, la muestra es indispensable.
Unidad muestral: en la presente investigación no se tendrá la unidad muestral

por las características de la investigación.
Muestreo: en la presente investigación no se usará ninguna tecina de muestreo

por las características de la investigación.
3.4. Técnicas e instrumentos de recolección de datos.
Las técnicas de recolección de datos es la parte abstracta donde el

investigador consigue los datos para su estudio por lo tanto estas técnicas determinan
el instrumento a emplearse, en la presente investigación la técnica de recolección de
datos es el análisis documental ya que obtendremos información que se encuentra
en los registros operacionales del sistema eléctrico SE0062 - Huancayo.
Un instrumento de recolección de datos es una herramienta concreta en la cual

el investigador registra los datos provenientes del objeto de estudio, en la presente
investigación se ira anotando los datos y la información encontradas en las fuentes
documentales por lo que el instrumento de recolección de datos es la ficha de
registro documental.
3.5. Procedimiento de recolección de datos
Los procedimientos de recolección de datos, se refiere a la planificación que

hace el investigador con respecto a la forma de recolectar los datos, en la presente
investigación se basara en la revisión documentaria del sistema eléctrico SE0062 -
Huancayo.
3.6. Procesamiento estadístico y procesamiento de datos
33
El procesamiento estadístico de los datos se realiza para para obtener unos
resultados fieles a la realidad de la información que, del objeto de estudio, para ello
se debe establecer el tipo de muestreo, el tamaño de muestra, tipo de recolección de
los datos. En la presente investigación por las características del se usará la
estadística descriptiva.
34
CAPITULO IV
4. RESULTADOS DE LA INVESTIGACIÓN
4.1. Demanda Eléctrica Diaria de SE0062 (Huancayo)
El sistema eléctrico de distribución SE0062 (sistema eléctrico Huancayo) se

alimenta del Sistema Interconectado nacional mediante la subestación de
HUAYUCACHI 220kV y está a su está conformado por tres subestaciones eléctricas
que alimentan a la ciudad, la subestación eléctrica SE HUANCAYO ESTE alimenta
una demanda promedio de 10.45 MW, la subestación Eléctrica SE PARQUE
INDUSTRIAL alimenta una demanda promedio de 10.47 MW, mientras que la
subestación Eléctrica SE SALECIANOS alimenta una demanda de 16.3 MW.
Además, El Sistema Eléctrico SE0062, cuenta con la central hidroeléctrica Runatullo
(EGEJUNIN), esta central tiene 4 unidades de producción de 6 MW cada una y está
conectada al sistema a la SE PARQUE INDUSTRIAL mediante una línea de
transmisión en 60 kV, en las épocas de avenida esta central evacua una potencia de
24 MW, mientras que en las épocas de estiaje solo llega alimentar una potencia de
11 MW (ELECTROCENTRO, 2018). En la Figura 4.1 se puede apreciar el sistema de
distribución SE0062 con mayor detalle.
35
Figura 4. 1 Sistema Eléctrico Huancayo (elaboración propia)
4.1.1. Demanda
La demanda des sistema eléctrico Huancayo (SE0062) es representada en
intervalo de tiempo de 30 minutos durante un periodo de 24 horas, en la Figura 4.2
se observa el diagrama de carga del sistema eléctrico de Huancayo (SE0062), el
diagrama muestra el patrón de consumo diario, donde se tiene poca concentración
de la demanda en horarios de madrugada, mientras que la mayor concentración de
la demanda se da entre las 17 y 21 horas, a este periodo se le conoce como horas
punta de consumo eléctrico.
Figura 4. 2. Diagrama de carga de SE0062 (fuente: Osinergmin)
36
4.1.2. Máxima demanda
La máxima demanda es el mayor valor de todas las demandas registradas a lo
largo del día, para el sistema eléctrico de Huancayo (SE0062) la demanda máxima
se da a las 19:00 horas cuando la demanda alcanza a llegar a los 33.2 MW.
4.1.3. Mínima demanda

La mínima demanda es el menor valor de todas las demandas registradas a lo
largo del día, para el sistema eléctrico de Huancayo (SE0062) la demanda mínima se
da a las 3:00 horas cuando la demanda alcanza a llegar a los 12.334 MW.
4.1.4. Demanda promedio

La demanda promedio es el cociente entre la suma de todas las potencias
registradas y la cantidad de intervalos registrados durante el día. Para el sistema
eléctrico Huancayo (SE0062) la suma de todas las potencias registradas de las
mediciones realizadas cada 30 minutos nos da un total de 1002.23 MW, mientras que
la energía Consumida durante las 24 horas es de 501.11 MWh. La demanda media
durante un día es:
𝐸𝑛𝑒𝑟𝑔í𝑎 𝑡𝑜𝑡𝑎𝑙 501.11
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑀𝑒𝑑𝑖𝑎 = = = 20.88 𝑀𝑊
𝐻𝑜𝑟𝑎𝑠 24
4.1.5. Factor de carga

El factor de carga representa el uso de las instalaciones eléctricas. Para el
sistema eléctrico Huancayo (SE0062) el factor de carga es el siguiente:
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 20.88
𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 = = = 0.63
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑚𝑎𝑥𝑖𝑚𝑎 33.2
Este indicador representa que el sistema de distribución solo trabaja al 63% de
su capacidad.
4.1.6. Costo de operación diaria del sistema eléctrico Huancayo

Para el análisis de operación del sistema eléctrico Huancayo se va a utilizar las
tarifas en barra proporcionada por el Comité de Operación Económica del Sistema
(COES) quien es el encargado de operar el Sistema Eléctrico Interconectado Nacional
(SEIN) del Perú. Ya que el costo marginal en barra proporcionada por el COES no es
uniforme en los distintos días de la semana se visto conveniente realizar un promedio
37
de las 2 primeras semanas del mes de abril del 2021, en la tabla 4.1. se muestra las
tarifas en barra de los distintos días de las 2 primeras semanas del mes de abril.
Tabla IV- 1. Costo marginal de la barra Huayucachi 220 kV (Fuente: COES)
USD/
JUE VIE SAB DOM. LUN. MAR. MIÉ. JUE. VIE. SÁB. DOM. LUN. MAR. MIÉ.
MWh
1/04/ 2/04/ 3/04/ 4/04/ 5/04/ 6/04/ 7/04/ 8/04/ 9/04/ 10/04/ 11/04/ 12/04/ 13/04/ 14/04/
hora
2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021
00:00 1.88 1.86 1.82 1.82 1.87 23.90 1.84 22.96 1.86 1.82 1.90 1.81 1.93 1.93
00:30 1.85 1.83 1.81 1.81 1.81 1.90 1.82 1.88 1.83 1.80 1.85 1.81 1.86 1.88
01:00 1.84 1.81 1.80 1.81 1.79 1.86 1.80 1.84 1.81 1.80 1.91 1.80 1.89 1.90
01:30 1.85 1.81 1.81 1.81 1.80 1.86 1.80 1.83 1.80 1.80 1.88 1.80 1.87 1.85
02:00 1.84 1.81 1.80 1.80 1.79 1.86 1.80 1.82 1.81 1.80 1.88 1.80 1.85 1.83
02:30 1.84 1.81 1.80 1.80 1.78 1.86 1.80 1.82 1.81 1.80 1.84 1.80 1.84 1.82
03:00 1.82 1.80 1.81 1.81 1.80 1.86 1.80 1.84 1.82 1.80 1.85 1.80 1.84 1.82
03:30 1.82 1.81 1.80 1.80 1.79 1.80 1.80 1.82 1.81 1.79 1.85 1.80 1.87 1.82
04:00 1.82 1.81 1.80 1.80 1.79 1.80 1.80 1.83 1.81 1.79 1.83 1.80 1.89 1.81
04:30 1.82 1.81 1.80 1.80 1.83 1.82 1.80 1.84 1.81 1.80 1.84 1.80 1.90 1.82
05:00 1.81 1.81 1.81 1.81 1.79 1.85 1.83 1.90 1.81 1.81 1.85 1.81 1.87 1.82
05:30 1.81 1.80 1.80 1.80 1.81 1.85 1.84 23.97 1.82 1.80 1.83 1.80 1.87 1.82
06:00 1.81 1.79 1.80 1.92 1.81 1.84 1.82 1.83 1.82 1.80 1.82 1.80 1.84 1.81
06:30 1.80 1.80 1.81 1.80 1.81 1.82 1.82 1.82 1.81 1.80 1.80 1.81 1.84 1.82
07:00 1.81 1.80 1.81 1.80 1.83 24.36 1.91 23.00 1.83 1.82 1.81 1.83 1.84 1.89
07:30 1.82 1.81 1.81 1.81 1.96 23.68 27.20 1.88 1.86 1.85 1.81 1.87 27.18 1.97
08:00 1.83 1.81 1.82 1.81 30.23 29.78 19.04 17.74 23.64 1.83 1.80 22.86 23.82 27.39
08:30 1.85 1.82 1.85 1.81 30.81 29.96 18.34 17.30 1.93 7.38 1.81 23.30 28.94 27.03
09:00 1.87 1.83 1.85 1.84 30.62 29.93 18.72 17.52 27.93 11.41 1.82 29.37 29.47 27.79
09:30 1.90 1.86 1.92 1.82 31.51 30.31 33.50 17.48 27.96 20.57 1.81 28.76 30.26 28.36
10:00 22.30 1.84 1.93 1.83 30.73 30.96 36.16 17.28 30.24 20.53 1.81 29.35 29.95 28.16
10:30 31.05 1.84 1.96 1.81 30.70 58.91 36.36 19.15 19.16 21.75 1.82 29.39 29.95 28.10
11:00 21.97 1.90 2.05 1.82 30.19 58.93 37.29 19.42 19.35 19.92 1.84 27.94 29.69 28.10
11:30 22.05 1.84 28.41 1.82 31.14 58.73 37.28 19.02 19.59 11.44 1.81 27.70 51.05 28.15
12:00 31.07 1.83 28.93 1.83 29.75 58.68 38.75 19.06 18.87 5.11 1.81 27.01 53.83 28.36
12:30 1.87 1.83 28.97 1.84 29.36 58.69 39.22 18.28 18.22 2.76 1.82 23.76 29.34 27.41
13:00 1.84 1.82 22.67 1.82 29.47 30.17 35.36 14.86 14.73 2.71 1.80 23.23 28.18 24.06
13:30 1.84 1.82 21.98 1.81 29.65 58.04 40.16 17.19 17.44 3.30 1.81 23.25 29.18 27.45
14:00 1.82 1.82 11.32 1.81 29.79 58.28 39.79 17.23 17.42 2.81 1.80 27.22 28.85 27.50
14:30 1.83 1.82 1.90 1.81 28.62 58.43 36.30 17.62 17.44 14.90 1.81 29.46 29.11 27.36
15:00 1.83 1.81 1.91 1.82 28.02 58.75 39.51 18.00 15.21 6.93 1.82 29.47 29.43 27.50
15:30 1.83 1.82 1.88 1.83 27.75 52.36 38.98 18.41 17.39 7.11 1.82 29.56 57.59 27.50
16:00 1.82 1.81 1.89 1.82 29.01 52.98 58.16 17.52 17.61 7.35 1.82 28.93 54.37 27.47
16:30 1.84 1.81 1.86 1.82 28.16 52.31 58.71 1.96 28.31 1.92 1.82 29.42 54.54 27.52
17:00 1.85 1.81 1.83 1.83 1.96 55.36 30.16 24.16 24.34 1.95 1.83 29.43 30.19 27.54
38
17:30 1.95 1.81 1.84 1.84 23.95 52.93 27.89 1.99 2.00 29.87 1.84 29.85 24.10 27.52
18:00 28.18 1.87 28.31 29.87 29.72 52.86 58.94 28.33 25.10 29.85 29.89 30.58 30.20 30.07
18:30 31.32 22.02 23.33 29.87 30.35 59.32 59.07 28.59 29.80 30.00 29.51 30.66 54.13 30.07
19:00 31.10 31.17 29.41 29.95 30.43 59.30 59.36 28.54 25.33 30.08 29.88 30.03 29.78 30.08
19:30 31.12 30.99 29.19 59.00 30.43 59.27 52.44 28.56 24.31 30.05 29.90 29.99 29.73 30.10
20:00 31.02 30.92 31.76 59.42 30.42 30.03 30.30 30.04 28.34 29.52 29.58 29.82 29.95 30.08
20:30 31.24 28.19 58.99 55.62 30.41 30.09 30.38 27.90 28.35 29.54 29.63 29.84 30.00 29.04
21:00 31.49 28.53 31.81 55.59 30.42 30.03 29.87 28.48 28.32 29.94 23.20 30.13 30.11 28.90
21:30 23.42 27.91 28.59 30.31 30.34 29.76 28.14 24.97 28.27 29.91 1.89 29.90 30.03 28.46
22:00 23.63 28.06 28.63 1.93 29.88 58.96 30.16 23.92 28.03 29.76 1.85 29.43 29.97 28.02
22:30 23.43 12.96 22.54 1.85 29.86 28.27 27.85 1.91 23.66 27.72 1.82 28.87 29.81 27.48
23:00 1.87 1.94 1.91 1.86 28.02 23.73 1.84 1.82 1.86 27.47 1.83 23.63 28.84 27.41
23:30 1.83 1.88 1.87 1.85 24.15 1.83 1.80 1.80 1.83 1.95 1.81 1.92 2.00 1.97
En la Figura 4.3 se muestra el costo marginal (CMg) promedio de las 2 semanas en

la barra Huayucachi 220 kV, el CMg está representada en intervalos de tiempo de 30
minutos al igual que la demanda eléctrica mostrada anteriormente.
Figura 4. 3. CMg en la barra Huayucachi 220 kV (Elaboración propia)
Teniendo la demanda eléctrica y el CMg en barra se calcula que el costo de

operación del sistema eléctrico Huancayo es de 9259.93 USD diario.
4.2. Resultados de Instalación del BESS
4.2.1. Componentes del BESS
39
El sistema de almacenamiento de energía está compuesto de diferentes
componentes que se ensamblan entre sí para su buen funcionamiento a continuación
se detalla los principales componentes mínimos con el que tiene que funcionar el
BESS
• Bloque de almacenamiento (SB) ($/kilovatio-hora [kWh]): este componente
incluye el precio del elemento de almacenamiento de corriente continua (CC)
más básico en un ESS (p. Ej., Para iones de litio, este precio incluye el módulo
de batería, rack y sistema de gestión de la batería, y es comparable al precio
de un paquete de vehículo eléctrico (EV)).
• Almacenamiento - Balance del sistema (SBOS) ($/kWh): incluye
componentes de costo de apoyo para el SB con contenedor, cableado,
aparamenta, bombas de batería de flujo y calefacción, ventilación y aire
acondicionado (HVAC).
• Equipo de energía (PCS) ($/kilovatio [kW]): este componente incluye
inversor bidireccional, convertidor CC-CC, protección de aislamiento,
disyuntores de corriente alterna (CA), relés, interfaz de comunicación y
software. Este es el sistema de conversión de energía para baterías.
• Controles y comunicación (C&C) ($/kW): esto incluye el sistema de gestión
de energía para todo el ESS y es responsable de la operación del ESS. Esto
también puede incluir los costos anuales de licencia del software. El costo
generalmente se representa como un costo fijo escalable con respecto a la
energía e independiente de la duración.
• Integración del sistema: precio que cobra el integrador del sistema para
integrar subcomponentes de un BESS en un solo sistema funcional. Las tareas
incluyen la adquisición y el envío al sitio de módulos de batería, racks con
cables en su lugar, contenedores y equipos de energía. En el sitio, los módulos
y racks están en contenedores con HVAC y extinción de incendios instalados
e integrados con el equipo de energía para proporcionar un sistema llave en
mano.
• Ingeniería, adquisiciones y construcción: incluye costos de ingeniería no
recurrentes y equipo de construcción, así como envío, ubicación e instalación
y puesta en servicio del ESS. Este costo se pondera en función de la relación
E/P.
40
• Desarrollo del proyecto: los costos están asociados con los permisos, los
acuerdos de compra de energía, los acuerdos de interconexión, el control del
sitio y el financiamiento.
En artículo de (Mongird, Viswanathan, Alam, Vartanian, & Sprenkle, December
2020) se realiza un análisis de los costos de instalación de componentes para el
sistema de almacenamiento de energía de la tecnología de ion de litio.
Tabla IV- 2. Costo de instalación de componentes de BESS (elaboración propia)
CATEGORÍA TAMAÑO PRECIO PRECIO TOTAL

NOMINAL 2020
Bloque de almacenamiento (SB) 30 MWh 185 $/kWh $ 5,550,000.00
Almacenamiento - Balance del
30 MW 39 $/kWh
sistema (SBOS) ($/kWh): $ 1,170,000.00
Equipo de energía (PCS) ($/kilovatio
8 MW 73 $/kW
[kW]) $ 584,000.00
Controles y comunicación (C&C)
8 MW 7.8 $/kW
($/kW) $ 62,400.00
SUBTOTAL $ 7,366,400.00
Integración del sistema 10 % del subtotal $ 736,640.00
Ingeniería, adquisiciones y
15 % del subtotal
construcción $ 1,104,960.00
Desarrollo del proyecto 15 % del subtotal $ 1,104,960.00
COSTO TOTAL DE INSTALACIÓN $ 10,312,960.00
En la tabla VI-2 se muestra las capacidades y costos de cada uno de los

componentes que se usaran en la instalación del sistema de almacenamiento de
energía mediante baterías. Haciendo un total de 10.312 millones de dólares.
4.2.2. Señal económica para la estrategia de operación del BESS

El Sistema de almacenamiento de energía debe asignar los recursos
energéticos de tal manera se minimiza la operación del sistema y esas señales
económicas tienen que estar condicionadas por los costos de generación de energía
eléctrica, en el Perú para la asignación de los costos de generación eléctrica es
mediante la teoría marginalista de los costos de producción, además es necesario
mencionar que en el Perú se tienen 4 tecnologías de generación eléctrica que emiten
41
dichas señales para el cálculo del costo marginal del sistema. Ya que el sistema
eléctrico SE0062 es un sistema de pequeña demanda compara a la demanda del
SEIN, se ha visto conveniente incorporar la participación de cada tecnología en la
generación de energía del SEIN, en la Figura 4.4 se muestra la participación de cada
tecnología en el despacho para satisfacer la demanda del Perú.
Figura 4. 4. Participación de tecnología de generación en el mercado peruano (Fuentes: COES)
Dentro de las estrategias de operación de los sistemas de almacenamiento de

energía se están considerando solo cuatro tecnologías de producción de energía con
sus típicos costos marginales para el mercado peruano. En la Tabla IV-3 se muestran
la participación de cada tecnología y el costo marginal de producción de energía
asociado a cada tecnología, esta tabla proporcionara las señales económicas en las
estrategias de asignación de los recursos energéticos.
Tabla IV- 3 participación y costo de producción de cada tecnología de generación (Fuente: COES)
Costo
Participación
Tecnología Marginal
[%]
[USD/MW]
Hidroeléctrica (TH) 48 1.8
Ciclo combinado (CC) 40 20.86
Ciclo simple (TG) 10 32.28
Combustión Interna
2 110
(CI)
42
4.2.3. Estrategia de asignación de energía en sistema de almacenamiento
El sistema de almacenamiento de energía mediante baterías de ion de litio se
conecta a la red mediante convertidores, los convertidores ajustan los parámetros
electrónicos para regular la cantidad de energía que se quiera almacenar o usar,
siguiendo una señal económica se tienen que desarrollar una estrategia para cargar
o descarga la batería, en la presente investigación se ha visto conveniente utilizar las
técnicas de optimización matemática para la asignación de energía en el sistema de
almacenamiento. La función objetivo consiste en minimizar los costos de producción
de energía eléctrica que satisface la demanda de energía, además se utiliza el
porcentaje de participación y el costo de producción de las tecnologías de generación
presentados en la Tabla IV-3, es preciso señalar que los porcentajes de participación
estarán en relación a la máxima demanda del sistema, además se usaran los
parámetros de la batería mostrado en la tabla VI-2, la formulación matemática se
muestra en las ecuaciones 2.11 y 2.12. el software utilizado es la librería plomo del
lenguaje de programación multiparadigma Python, el optimizador utilizado es el
solucionador IPOPT.
Los resultados de la simulación se muestran en la Tabla iV-4, L es la demanda
eléctrica a lo largo del día, P es la energía entregada. SOC la energía almacenada,
Pc la potencia de carga, Pd la potencia de descarga y TH, CC, TG, CI son las energías
entregadas por cada tecnología de generación.
Tabla IV- 4. Resultados de la estrategia de asignación de recursos de almacenamiento (elaboración propia)
L P SOC Pd Pc TH CC TG CI
Hora
[MW] [MW] [MWh] [MW] [MW] [MW] [MW] [MW] [MW]
00:00 14.45 16.12 10.79 0 1.67 15.94 0.19 0 0
00:30 13.727 16.11 11.93 0 2.39 15.94 0.18 0 0
01:00 13.171 16.11 13.32 0 2.94 15.94 0.17 0 0
01:30 12.6805 16.11 14.95 0 3.42 15.94 0.17 0 0
02:00 12.5285 16.1 16.65 0 3.58 15.94 0.17 0 0
02:30 12.3635 16.1 18.43 0 3.74 15.94 0.17 0 0
03:00 12.334 16.1 20.22 0 3.77 15.94 0.17 0 0
03:30 12.59 16.11 21.89 0 3.52 15.94 0.17 0 0
04:00 12.8775 16.11 23.42 0 3.23 15.94 0.17 0 0
43
04:30 13.438 16.11 24.69 0 2.68 15.94 0.18 0 0
05:00 14.6305 16.13 25.4 0 1.5 15.94 0.19 0 0
05:30 16.298 16.54 25.52 0 0.24 15.94 0.6 0 0
06:00 18.337 18.52 25.61 0 0.19 15.94 2.59 0 0
06:30 19.337 19.52 25.69 0 0.18 15.94 3.58 0 0
07:00 19.8755 20.06 25.78 0 0.19 15.94 4.13 0 0
07:30 19.299 19.49 25.87 0 0.19 15.94 3.56 0 0
08:00 19.141 19.34 25.97 0 0.2 15.94 3.4 0 0
08:30 19.7765 19.98 26.06 0 0.2 15.94 4.04 0 0
09:00 20.2595 20.47 26.16 0 0.21 15.94 4.53 0 0
09:30 20.8355 21.05 26.26 0 0.21 15.94 5.11 0 0
10:00 21.161 21.38 26.37 0 0.22 15.94 5.44 0 0
10:30 21.2215 21.45 26.47 0 0.23 15.94 5.51 0 0
11:00 21.4275 21.67 26.59 0 0.24 15.94 5.73 0 0
11:30 21.67 21.92 26.71 0 0.25 15.94 5.98 0 0
12:00 21.6055 21.87 26.83 0 0.26 15.94 5.93 0 0
12:30 21.3135 21.59 26.96 0 0.28 15.94 5.66 0 0
13:00 20.669 20.97 27.11 0 0.3 15.94 5.03 0 0
13:30 20.321 20.65 27.26 0 0.33 15.94 4.71 0 0
14:00 20.7375 21.09 27.43 0 0.35 15.94 5.15 0 0
14:30 21.4375 21.82 27.61 0 0.38 15.94 5.88 0 0
15:00 21.9365 22.35 27.81 0 0.42 15.94 6.42 0 0
15:30 22.422 22.89 28.03 0 0.46 15.94 6.95 0 0
16:00 22.4375 22.98 28.29 0 0.55 15.94 7.05 0 0
16:30 22.49 23.18 28.61 0 0.69 15.94 7.24 0 0
17:00 22.5665 23.76 29.18 0 1.2 15.94 7.83 0 0
17:30 23.605 25.2 29.94 0 1.59 15.94 9.26 0 0
18:00 28.1275 25.9 28.7 2.23 0 15.94 9.96 0 0
18:30 31.9735 25.9 25.32 6.08 0 15.94 9.96 0 0
19:00 33.2015 25.9 21.27 7.3 0 15.94 9.96 0 0
19:30 33.114 25.9 17.26 7.22 0 15.94 9.96 0 0
20:00 32.799 25.9 13.42 6.9 0 15.94 9.96 0 0
20:30 31.8265 25.9 10.13 5.93 0 15.94 9.96 0 0
21:00 30.3985 25.9 7.63 4.5 0 15.94 9.96 0 0
21:30 28.4735 25.9 6.2 2.58 0 15.94 9.96 0 0
44
22:00 26.006 25.9 6.13 0.11 0 15.94 9.96 0 0
22:30 23.089 24.83 6.96 0 1.74 15.94 8.89 0 0
23:00 20.2225 23.18 8.37 0 2.96 15.94 7.25 0 0
23:30 18.0265 21.46 10 0 3.44 15.94 5.53 0 0
En la Figura 4.5 se muestra el comportamiento de la demanda de energía (línea

naranja), el comportamiento de la producción de energía (línea azul) y el
comportamiento del sistema de almacenamiento (línea verde), en la imagen podemos
ver que la máxima demanda reduce considerablemente, al igual que la mínima
demanda aumenta debido a que en ese lapso de tiempo las baterías se cargan.
Figura 4. 5. sistema de almacenamiento de energía (elaboración propia)
Para mostrar en mayor detalle el comportamiento de la dinámica

carga/descarga del sistema de almacenamiento se presenta la Figura 4.6. en el cual
se puede apreciar la carga (barras verdes) y la descarga (barras naranjas) del sistema
de almacenamiento, se puede observar que la descarga de energía se da entre las 6
de la tarde y las 11 de la noche y el resto del día la estrategia de carga se da de
acuerdo a la optimización matemática usada.
45
Figura 4. 6. comportamiento del sistema de energía (elaboración propia)
Ya que el modelo de optimización consiste en minimizar los costos de

operación, el costo de operación del sistema teniendo en cuanta el sistema de
almacenamiento mediante baterías es de 7272.93 USD al día.
4.3. Resultados de la demanda considerando el sistema de almacenamiento.
4.3.1. Demanda
La demanda del sistema Huancayo considerando el almacenamiento sufre
pequeñas variaciones ya que gracias a que la concesionaria reduce el consumo de
energía (‘reducción de carga’) en los momentos de mayor demanda, esto es posible
ya que se reduce la generación eléctrica activando el sistema de almacenamiento de
energía como se puede observar en la figura 4.7.
46
Figura 4. 7. Diagrama de carga integrando el sistema de almacenamiento (elaboración propia)
4.3.2. Máxima demanda

La máxima demanda es el mayor valor de todas las demandas registradas a lo
largo del día, para el sistema eléctrico de Huancayo (SE0062) una vez integrado el
sistema de almacenamiento mediante baterías, la demanda máxima se da entre las
17 y 21 horas cuando la demanda alcanza a llegar a los 25.9 MW. La máxima
demanda tiene una reducción de 7.3 MW, esto quiere decir que se pueden utilizar
instalaciones de menor capacidad.
4.3.3. Mínima demanda

La mínima demanda es el menor valor de todas las demandas registradas a lo
largo del día, para el sistema eléctrico de Huancayo (SE0062) una vez integrado el
sistema de almacenamiento mediante baterías, la demanda mínima se da entre las 0
y 5 horas cuando la demanda alcanza a llegar a los 16.1 MW. La mínima demanda
tiene un incremente de 3.8 MW haciendo que las redes casi siempre operen muy
cerca de su capacidad nominal.
47
4.3.4. Demanda promedio
La demanda promedio es el cociente entre la suma de todas las potencias
registradas y la cantidad de intervalos registrados durante el día. Para el sistema
eléctrico Huancayo (SE0062) una vez integrada el sistema de almacenamiento de
energía, la suma de todas las potencias registradas de las mediciones realizadas
cada 30 minutos nos da un total de 1009.52 MW, mientras que la energía Consumida
durante las 24 horas es de 504.76 MWh. La demanda media durante un día es:
𝐸𝑛𝑒𝑟𝑔í𝑎 𝑡𝑜𝑡𝑎𝑙 504.76
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑀𝑒𝑑𝑖𝑎 = = = 21.03 𝑀𝑊
𝐻𝑜𝑟𝑎𝑠 24
Podemos notar que la energía consumida durante las 24 horas antes de la
instalación del sistema de almacenamiento es de 501.11 MWh mientras que después
de instalar el sistema de almacenamiento es de 504.76 MWh, la diferencia se debido
a la eficiencia de la batería en este casi por día en los sistemas de almacenamiento
se tiene pérdidas de 3.65 MWh.
4.3.5. Factor de carga

El factor de carga representa el uso de las instalaciones eléctricas. Para el
sistema eléctrico Huancayo (SE0062) después de instalar el sistema de
almacenamiento de energía el factor de carga es el siguiente:
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 21.03
𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑎𝑟𝑔𝑎 = = = 0.81
𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑚𝑎𝑥𝑖𝑚𝑎 25.9
Este indicador representa que el sistema de distribución trabaja al 81% de su
capacidad durante el día. El factor de carga tubo una importante mejora de
aproximadamente 20% esto significa que las redes de distribución tienen son usadas
en mayor cantidad de tiempo a una mayor cargabilidad.
4.4. Resultados de Análisis Económico

4.4.1. Análisis Económico diario
El costo de operación del sistema eléctrico SE0062 (Huancayo) presenta
importante reducción una vez instalada el sistema de almacenamiento mediante
baterías, antes del uso de baterías el sistema tenía un costo de operación diario de
9259.93 USD. Una vez instalada los sistemas de almacenamiento el costo de
producción de energía para satisfacer la demanda del sistema eléctrico Huancayo es
48
de 7272.93 USD, lo que representa que, haciendo uso del sistema de
almacenamiento mediante baterías, diariamente se tendrá un ahorro promedio de
1987 USD.
4.4.2. Postergación en la inversión de infraestructura eléctrica

En el caso de la infraestructura eléctrica, la postergación de inversión de
activos se asocia con la capacidad de ofrecer energía desde los sistemas de
almacenamiento en aquellos horarios de máxima demanda del sistema y cargar el
sistema de almacenamiento en los horarios fuera de punta, este funcionamiento
constituye el principio de postergación de la inversión del sistema eléctrico de
potencia.
En el estudio de (Baer, Fulton, & Mahnovski, 2004) se realizó una interesante
investigación sobre los costos de inversión de capital en infraestructura eléctrica para
satisfacer la máxima demanda en horas punta en (USD/kWh) donde se llegó a la
conclusión de que el costo de inversión de capital en la infraestructura de distribución
en mejor de los casos es de 250 USD/kW y en peor de los casos estos podría alcanzar
hasta los 700 USD/kW, en el sistema de transmisión eléctrica el costo de inversión de
infraestructura para satisfacer la máxima demanda va entre 100 y 200 USD/kW, en el
sistema de generación eléctrica este costo puede variar entre 400 USD/kW y 3000
USD/kW dependiendo de la tecnología de generación.
Para reforzar la idea del párrafo anterior el 11 de marzo del 2021 se inauguró la
subestación eléctrica de distribución “nuevo mundo” que se encuentra en el norte
chico de Lima, esta subestación tiene una potencia Instalada de 50 MVA y el costo
de inversión es de 42 millones de soles, teniendo en cuenta estas características el
costo unitario de la inversión de la subestación “nuevo mundo” es de
aproximadamente 250 USD/kW (Canales & Martel, 2021). Para el funcionamiento de
la subestación se tienen que tener líneas de transmisión cuya infraestructura tiene un
costo de aproximadamente de 100 USD/kWh. También se deben de construir líneas
primarias y secundarias de distribución que aproximadamente cuestan 150 USD/kW.
Para la alimentación del sistema eléctrico SE0062 (Huancayo) el costo de
inversión de infraestructura para satisfacer máxima demanda se estima en de
aproximadamente 500 USD/kW, es necesario precisar que no se está considerando
los sistemas de transmisión que no pertenecen a la empresa y los sistemas de
generación ya que estos dos sectores no generan beneficios económicos para la
49
empresa, pero por otro lado es necesario precisar que los sistemas de
almacenamiento descongestionan las redes de transmisión y generación.
Teniendo en cuenta el análisis anterior y considerando que se tuvo una
reducción de 7.3 MW en la máxima demanda se puede estimar que el costo por
postergación en la infraestructura eléctrica en distribución es de 3.650 millones de
dólares, lo que representa que el costo de inversión en baterías se reduce en el costo
de inversión de infraestructura para hora punta.
4.4.3. Análisis Financiero VAN

El Valor Actual neto es uno de los indicadores para valorar y determinar la
viabilidad y la rentabilidad den un proyecto de inversión y se determina mediante la
actualización de flujos de gatos e ingresos futuros del proyecto menos la inversión
inicial, si el resultado es positivo refleja que el proyecto es viable porque refleja
ganancias en la inversión, si el resultado es negativo entonces se dice que el proyecto
genera pérdidas para una determinada tasa de actualización dada.
Teniendo en cuenta que el costo de inversión del sistema de almacenamiento
de baterías de litio es de 10312960 USD y que el costo de inversión por capacidad
adicional para los periodos de máxima demanda es de 3650000 USD, el desembolso
inicial seria la diferencia entre la inversión del sistema de almacenamiento y la
inversión por capacidad adicional, esto debido a que en caso de que no se instale el
sistema de almacenamiento se tiene que construir infraestructura para la capacidad
adicional de energía, por lo que el desembolso inicial en el proyecto sería de 6662960
USD.
Los ciclos de carga del sistema de almacenamiento con tecnologías de
baterías de litio son de aproximadamente de 10000 ciclos cargas, y de acuerdo al
diagrama de carga descarga se puedo observar que un ciclo de carga lo hace en un
día por lo que el tiempo de vida de las baterías de litio son de aproximadamente 27
años. La tasa de inversión según la Ley de concesiones es del 12%.
El beneficio diario se ha calculado anteriormente que resulto se igual a 1987
USD, pero en este caso se necesita el flujo de beneficio neto anual se tendría que
multiplicar el flujo diario por la cantidad de años siendo igual está a 725255 USD. Con
los datos presentados se va a proceder a calcular el VAN (Valor Actual Neto) mediante
la siguiente formula:
50
𝑛
𝐹𝑡
𝑉𝐴𝑁 = −𝐼𝑜 + ∑
( 1 + 𝑘 )𝑡
𝑡=1
Donde:
• 𝑉𝐴𝑁: Valor Neto Actual
• 𝐼𝑜 : desembolso inicial
• 𝐹𝑡 : beneficio neto actual
• 𝑘: tasa de interés
• 𝑡: periodo actual
• 𝑛: numero de periodos
Considerando los datos anteriormente mencionados el VAN (Valor Neto Actual)
nos arroja un valor negativo igual -211338.16 USD, lo que nos representa que la
rentabilidad del proyecto es menor al 12% de la inversión, también se ha procedido a
calcular el Van para una tasa de rentabilidad del 11% dándonos como resultado un
valor positivo de 218301.69 USD, por lo que podemos concluir que la tasa de
rentabilidad se encuentra entre 11% y el 12%. Para obtener una visión más clara de
la tasa de inversión se ha procedido a calcular la Tasa Interna de Retorno (TIR).
4.4.4. Análisis Financiero TIR

La tasa interna de retorno (tasa de rentabilidad) en un indicador muy
recomendable en la evaluación de viabilidad de proyectos de inversión. El TIR
también se puede decir que es la tasa de descuento cuando el VAN se iguala a cero,
en resumen, se dice que TIR es el porcentaje de beneficio o perdida que se puede
obtener de la inversión. El TIR se calcula mediante la siguiente formula:
𝑛
𝐹𝑡
0 = −𝐼𝑜 + ∑
(1 + 𝑇𝐼𝑅)𝑡
𝑡=1
Donde:
• 𝑇𝐼𝑅: Tasa Interna de Retorno
• 𝐼𝑜 : desembolso inicial
• 𝐹𝑡 : beneficio neto actual
• 𝑘: tasa de interés
• 𝑡: periodo actual
• 𝑛: numero de periodos
51
Calcular el TIR es un proceso muy laborioso aun cuando se utiliza la misma
fórmula del VAN, por lo que es recomendable calcular el VAN con dos tasas de
descuento diferentes y realizar interpolación para nuestro caso hemos usado una tasa
de descuento de 12% y una tasa de descuento del 11% en el VAN con las que
obtenemos que el TIR para el presente proyecto es de 11.51 %. Viendo desde una
perspectiva de viabilidad del proyecto se puede decir que el proyecto va a generar
una rentabilidad de 11.51% por lo que no se tendrá ningún tipo de perdidas.
52
CONCLUSIONES
En la presente investigación se ha visto conveniente integrar un sistema de

almacenamiento mediante baterías de ion de litio, que tienen un ciclo de carga de
10000 veces, con una capacidad de 30 MWh e inversores de 8 MW en el sistema
eléctrico SE0062 (Huancayo), siendo el costo de inversión del sistema de
almacenamiento de 10.312 millones de dólares, después de realizar la investigación
se tubo las siguientes conclusiones.
1. La máxima demanda del sistema electro SE0062 (Huancayo) tuvo una importante
reducción de la demanda en horas punta entre las 17 y las 21 horas del día, que
paso de 33.2 MW antes de la instalación del sistema de almacenamiento, a 25.9
MW después de la instalación del sistema de almacenamiento de energía, la
disminución de la máxima demanda es de 7.3 MW lo que representa una
reducción del 28.2% en capacidad de la infraestructura eléctrica, esta reducción
significa menores problemas de congestionamiento y menor cantidad de
racionamiento por el uso de la red en horas punta.
2. La mínima demanda del sistema eléctrico SE0062 (Huancayo) tuvo un importante
aumento de la demanda en horas de mínima demanda, generalmente en los
horarios de madrugada cuando la población aún está durmiendo, que paso de
12.33 MW antes de la instalación del sistema de almacenamiento, a 16.1 MW
después de la instalación del sistema de almacenamiento de energía, el aumento
de mínima demanda es de 3.8 MW lo que representa un incremento del 30.8% en
infraestructura, este incremento significa un mejor control de sobre la red en los
horarios de mínima demanda.
3. El factor de carga del sistema Eléctrico SE0062 (Huancayo) tuvo una importante
mejora que paso de 63% en uso de las redes antes de la instalación del sistema
de almacenamiento, a 81% después de la instalación del sistema de
almacenamiento, lo que representa una mejora de 18% en el uso de la
infraestructura eléctrica, esto significa una vez instalada el sistema de
almacenamiento la variabilidad de cargabilidad de la instalación eléctrica reduce
significativamente mejorando la eficiencia del sistema de distribución.
54
En cuanto la viabilidad económica, considerando que las baterías de litio tienen
10000 ciclos de recarga y que cada ciclo de recarga se realiza en un día, la vida útil
de los sistemas de almacenamiento es de aproximadamente 27 años, la tasa de
descuento para la industria eléctrica es del 12% con un margen del error de ∓4% , y
con un desembolso Inicial de 10.312 millones de dólares, el VAN (Valor Neto Actual)
nos arroja un valor negativo igual -211338.16 USD, Mientras que el TIR (Tasa Interna
de Retorno) nos arroja que la ejecución del proyecto va a generar una rentabilidad de
11.51%. si bien el TIR no es igual o superior a 12% y considerando el margen del
∓4% en los proyectos de inversión en infraestructura eléctrica se puede concluir que
el proyecto propuesto es económicamente viable.
55
RECOMENDACIONES
Una vez concluida la realización de la investigación, se recomienda evaluar

diferentes capacidades del sistema de almacenamiento mediante baterías de ion de
litio para evaluar la mejor alternativa de integración técnica económica sobre el
sistema eléctrico SE0062 (Huancayo) con lo que se podrá evaluar los siguientes
aspectos:
1. La implementación de BESS con las características mencionadas generan
una reducción de la máxima demanda en horas punta entre las 17 y 21
horas del día, se recomienda realizar un estudio considerando una mayor
capacidad de almacenamiento y evaluar el impacto de la integración en el
sistema eléctrico SE0062.
2. En la presente investigación luego del análisis de incorporar el BESS se
verifica un significativo aumento en la mínima demanda en los horarios de
madrugada, se recomienda aumentar la capacidad de las baterías con la
finalidad de almacenar mayor cantidad de energía en los horarios de bajo
costo energético.
3. Así mismo, el factor de carga paso del 63% a 81% en el uso de
infraestructura eléctrica, se recomienda realizar un estudio considerando
una mayor capacidad de almacenamiento con la finalidad de mejorar el
factor de carga del sistema y hacer mas eficiente la infraestructura eléctrica.
Así mismo, con el aumento de la capacidad de almacenamiento también aumenta los

costos de inversión de las mismas por lo que se recomienda realizar un análisis
económico para evaluar la viabilidad del proyecto.
56
BIBLIOGRAFÍA
ARCOS-VARGAS, A. (2020). The Role of the Electric Vehicle in the Energy

Transition. Seville, Spain: Springer.
Baer, W., Fulton, B., & Mahnovski, S. (2004). Estimating the benefits of the GridWise
initiative. EEUU: RAND CORP SANTA MONICA CA.
Butrón Fernández, C. O., & Cerida Apolaya, A. C. (2020). PROPUESTA DE UN
MARCO REGULATORIO QUE INCENTIVE LAS INVERSIONES
EFICIENTES EN GENERACIÓN ELÉCTRICA EN EL PERÚ. Lima: PUCP.
Cai, J., Xu, Q., Ye, J., Xue, J., & Xu, X. (2016). Optimal Configuration of Battery
Energy Storage System Considering Comprehensive Benefits in Power
Systems. doi:10.1109/IPEMC.2016.7512716
Canales, H., & Martel, I. (11 de 03 de 2021). Enel Perú invirtió 42 millones de soles
en su nueva subestación eléctrica “Medio Mundo”. ENEL. Obtenido de
https://www.enel.pe/es/conoce-enel/prensa/press/d202103-enel-peru-invirtio-
42-millones-de-soles-en-su-nueva-subestacion-.html
Cifuentes Otto, N. A. (2017). Localización de equipos BESS mediante algoritmos
genéticos considerando criterios de estabilidad de voltaje. Santiago de Chile:
Universidad de Chile.
Datta, U. R. (2020). Battery Energy Storage System for . Melbourne, Australia:
Victoria University.
ELECTROCENTRO, S. (2018). PROYECTO MEMORIA ANUAL 2018. Huancayo:
ELECTROCENTRO S.A.
Estrada Torres, L. A., Alarcon Cubas, H. J., Chavarri Aguirre, E. A., & Quispe Rojas,
O. W. (2019). Diagnóstico, Análisis y Evaluación de los Sistemas de
Almacenamiento de Energía con Baterías para su aplicación en la regulación
primaria de frecuencia en una Central de Ciclo Combinado del Sistema
Eléctrico Peruano. Lima: ESAN.
FRÍAS, P., C. M. , D., & J. I. , P. (2015). Evaluación del impacto de la integración del
coche eléctrico en las redes de distribución de energía eléctrica (Vol. Fuentes
de energia para automocion). Madrid. Obtenido de
https://www.iit.comillas.edu/docs/IIT-11-165A.pdf
García, G. (18 de diciembre de 2020). Ya hay baterías por menos de 100
dólares/kWh: para BloombergNEF, “un hito histórico”. Hibridos y Electricos.
57
Obtenido de https://www.hibridosyelectricos.com/articulo/sector/baterias-
menos-100-dolares-kwh-bloombergnef-hito-
historico/20201217131328040920.html
Gómez Pérez, M. d. (2018). Planeamiento de la expansión usando sistemas de
almacenamiento de energía BESS. Pereira, Colombia: Universidad
Tecnológica de Pereira.
Hernández Hernández, K. A., & Carrillo Cruz , J. S. (2017). Análisis de la curva de
demanda eléctrica para usuarios residenciales estrato 4 en la ciudad de
bogotá ante diferentes escenarios de los hábitos de consumo. Bogota.
Hu, Z. (2020). Energy Storage for Power System Planning and Operation. China:
Wiley.
Kersting, W. H. (2018). Distribution System Modeling and Analysis. New York: CRC
Press.
Khormali, S. (2015). Optimal Integration of Battery Energy Storage Systems in Smart
Grids. University of Naples Federico II.
Lindstens, J. (2017). Study of a battery energy storage system in a weak distribution
grid. UPPSALA UNIVERSITET.
Martinez, J. (2018). Historia de la Electricidad. Mexico.
Meng, Y., Liang, M., & Lu, N. (2019). A Cost Benefit Study of using Energy Storage
to Provide Regulation Services. Washington, DC, USA: IEEE.
doi:10.1109/ISGT.2019.8791664.
Mongird, K., Viswanathan, V., Alam, J., Vartanian, C., & Sprenkle, V. (December
2020). 2020 Grid Energy Storage Technology Cost and Performance
Assessment. USA: U. S. DEPARTAMENT ENERGY.
Nenuyk, V., Marushchenko, S., & Marushchenko, D. (2020). Development of
Electronic Device for Reducing Electrical Network Peak Load. Vladivostok,
Russia. doi:10.1109/FarEastCon50210.2020.9271517.
Ralph, Z., & Ardebili, H. (2019). Energy Storage. Makati, Philippines: Wiley.
Ramos, J. E., & Márquez, R. M. (2017). Acerca de las nociones de estabilidad en
electricidad, la relación entre el calor y la electricidad.
Rancilio, G., Merlo, M., Lucas, A., Kotsakis, E., & Delfanti, M. (2020). BESS
modeling: investigating the role of auxiliary system consumption in efficiency
derating. Sorrento, Italy: IEEE. doi:10.1109/SPEEDAM48782.2020.9161875.
58
Ríos Ramírez, R. R. (2017). Metodología para la investigación y redacción. Málaga,
España: Servicios Académicos Intercontinentales S.L.
Soroudi, A. (2017). Power System Optimization Modeling in GAMS. Dublin, Ireland:
Springer.
Ter-Gazarian, A. G. (2020). Energy Storage for Power. London: IET.
YEBRA MORÓN, J. A. (2009). Sistemas Eléctricos de Distribución. Mexico: Reverté.
59
ANEXO 1:
Datos de demanda del sistema eléctrico SE0062
mié, 11/Abr/2018 1 2 3 4 5 6 7 8
2 2 2 2 2 2 2 2
Hora SE0060 SE0061 SE0062 SE0065 SE0066 SE0063 SE1064 SE0067
00:00 6,524 1,661 16,298 3,200 6,337 3,281 1,723 2,499
00:15 6,220 1,574 15,380 3,061 6,009 3,167 1,601 2,396
00:30 5,843 1,506 14,694 2,944 5,731 3,057 1,512 2,317
00:45 5,631 1,456 14,206 2,845 5,535 3,074 1,440 2,281
01:00 5,462 1,417 13,844 2,777 5,359 2,979 1,385 2,205
01:15 5,295 1,385 13,610 2,683 5,189 2,943 1,341 2,148
01:30 5,146 1,353 13,286 2,658 5,064 2,904 1,312 2,121
01:45 5,070 1,321 13,056 2,606 4,997 2,858 1,276 2,081
02:00 5,019 1,312 12,737 2,567 4,909 2,848 1,266 2,071
02:15 4,918 1,292 12,624 2,527 4,779 2,812 1,227 2,039
02:30 4,819 1,280 12,583 2,508 4,723 2,784 1,202 2,027
02:45 4,768 1,266 12,474 2,494 4,672 2,708 1,184 2,009
03:00 4,816 1,254 12,338 2,479 4,651 2,510 1,180 1,992
03:15 4,789 1,250 12,389 2,462 4,636 2,549 1,176 1,988
03:30 4,824 1,251 12,338 2,416 4,594 2,665 1,173 1,976
03:45 4,811 1,252 12,330 2,431 4,540 2,649 1,176 2,008
04:00 4,887 1,248 12,501 2,435 4,579 2,622 1,176 1,999
04:15 5,308 1,277 12,679 2,423 4,686 2,712 1,180 2,009
04:30 5,358 1,291 12,787 2,442 4,746 2,821 1,192 2,047
04:45 5,425 1,302 12,968 2,451 4,834 2,871 1,217 2,076
05:00 5,591 1,333 13,209 2,486 5,004 2,908 1,239 2,149
05:15 5,864 1,375 13,667 2,534 5,206 2,936 1,277 2,185
05:30 6,209 1,425 14,282 2,601 5,478 3,022 1,314 2,312
05:45 6,601 1,490 14,979 2,693 5,828 3,084 1,422 2,381
06:00 7,072 1,566 15,821 2,805 6,419 3,089 1,491 2,459
06:15 7,492 1,526 16,775 2,938 6,982 3,149 1,401 2,435
06:30 7,871 1,586 17,763 2,948 7,192 3,362 1,425 2,416
06:45 8,178 1,669 18,911 2,975 7,176 3,590 1,542 2,373
07:00 8,220 1,833 19,763 2,994 7,097 3,803 1,674 2,344
07:15 8,024 1,945 19,988 3,039 7,056 4,007 1,726 2,362
07:30 7,924 2,014 19,590 3,069 7,105 4,167 1,703 2,355
07:45 7,916 1,908 19,008 3,029 7,231 4,173 1,645 2,354
08:00 8,058 1,775 18,915 3,054 7,444 4,216 1,610 2,383
08:15 8,162 1,871 19,367 3,139 7,522 4,663 1,707 2,555
08:30 8,428 1,938 19,633 3,228 7,905 4,889 1,738 2,605
08:45 8,554 1,944 19,920 3,302 8,024 4,958 1,754 2,634
09:00 8,822 1,939 20,077 3,352 8,248 4,879 1,755 2,670
09:15 8,985 1,937 20,442 3,453 8,293 4,883 1,788 2,788
09:30 9,086 1,965 20,769 3,478 8,401 4,798 1,811 2,820
09:45 9,189 1,971 20,902 3,540 8,554 4,835 1,853 2,945
60
10:00 9,298 1,961 21,089 3,628 8,715 4,908 1,909 2,999
10:15 9,387 1,965 21,233 3,701 8,793 5,088 1,906 3,053
10:30 9,466 1,986 21,138 3,784 8,886 5,054 1,926 3,112
10:45 9,478 1,971 21,305 3,861 8,972 5,082 1,938 3,175
11:00 9,454 1,970 21,420 3,863 9,194 5,091 1,948 3,210
11:15 9,507 1,963 21,435 3,972 9,330 5,079 1,951 3,182
11:30 9,649 1,995 21,638 4,092 9,293 4,995 1,992 3,184
11:45 9,588 2,041 21,702 4,128 9,309 5,060 2,021 3,216
12:00 9,522 2,039 21,678 4,143 9,403 5,118 2,030 3,256
12:15 9,333 2,037 21,533 4,093 9,344 5,352 2,014 3,108
12:30 9,221 1,983 21,357 4,064 9,263 5,367 2,011 3,061
12:45 8,940 1,954 21,270 3,958 9,221 5,274 1,998 3,023
13:00 8,825 1,875 20,972 3,906 9,026 5,109 1,932 2,977
13:15 8,595 1,747 20,366 3,869 9,130 4,720 1,882 2,982
13:30 8,742 1,753 20,326 3,894 9,095 4,615 1,882 3,110
13:45 8,683 1,785 20,316 3,919 9,175 4,664 1,884 3,172
14:00 8,812 1,837 20,493 3,967 9,274 4,858 1,922 3,235
14:15 8,919 1,845 20,982 4,004 9,035 5,073 1,958 3,350
14:30 9,117 1,903 21,332 4,051 9,146 5,148 2,013 3,360
14:45 9,350 1,983 21,543 4,063 9,327 5,174 2,059 3,353
15:00 9,581 2,008 21,817 4,068 9,511 4,872 2,098 3,426
15:15 9,710 2,005 22,056 4,071 9,806 4,626 2,136 3,425
15:30 10,005 2,019 22,392 4,071 9,953 4,614 2,155 3,419
15:45 10,121 2,047 22,452 4,044 9,812 4,627 2,183 3,375
16:00 9,954 2,043 22,455 4,000 9,712 4,671 2,144 3,298
16:15 9,974 2,045 22,420 4,002 9,773 4,694 2,114 3,261
16:30 10,023 2,100 22,586 4,000 9,795 4,714 2,163 3,230
16:45 10,266 2,239 22,394 4,012 9,849 4,717 2,189 3,216
17:00 10,365 2,351 22,423 4,027 9,910 4,738 2,221 3,192
17:15 10,373 2,454 22,710 4,044 10,080 4,816 2,207 3,222
17:30 10,458 2,603 23,081 4,221 10,285 4,946 2,226 3,205
17:45 10,698 2,737 24,129 4,541 10,929 5,120 2,322 3,244
18:00 12,019 2,958 26,754 4,976 11,940 5,274 2,545 3,599
18:15 13,451 3,256 29,501 5,323 12,477 5,767 2,994 4,108
18:30 14,077 3,421 31,419 5,604 12,789 6,043 3,244 4,464
18:45 14,427 3,525 32,528 5,723 12,982 6,216 3,420 4,668
19:00 14,606 3,569 33,074 5,803 13,046 6,288 3,493 4,764
19:15 14,608 3,585 33,329 5,805 12,961 6,316 3,526 4,801
19:30 14,643 3,507 33,241 5,776 12,921 6,303 3,559 4,780
19:45 14,535 3,442 32,987 5,734 12,877 6,279 3,528 4,821
20:00 14,457 3,416 32,926 5,723 12,759 6,239 3,533 4,797
20:15 14,387 3,383 32,672 5,685 12,644 6,247 3,519 4,815
20:30 14,134 3,309 32,170 5,598 12,442 6,195 3,451 4,723
20:45 13,832 3,209 31,483 5,507 12,231 6,039 3,403 4,580
21:00 13,514 3,114 30,861 5,433 11,991 5,947 3,351 4,526
21:15 13,012 3,015 29,936 5,314 11,748 5,810 3,241 4,445
21:30 12,613 2,912 29,021 5,179 11,469 5,671 3,173 4,341
21:45 12,012 2,778 27,926 5,013 11,140 5,447 3,066 4,122
22:00 11,259 2,629 26,750 4,843 10,534 5,228 2,949 3,940
22:15 10,481 2,475 25,262 4,629 9,995 4,923 2,799 3,728
61
22:30 9,867 2,355 23,888 4,457 9,292 4,722 2,637 3,551
22:45 9,161 2,223 22,290 4,178 8,591 4,435 2,461 3,326
23:00 8,472 2,060 20,865 3,935 7,997 4,126 2,245 3,065
23:15 7,753 1,917 19,580 3,704 7,506 4,053 2,056 2,891
23:30 7,209 1,802 18,547 3,507 7,091 4,042 1,915 2,723
23:45 6,768 1,696 17,506 3,345 3,352 3,929 1,789 2,614
62
ANEXO 2:
Diagrama de carga del sistema eléctrico SE0062
Diagrama de Carga
35,000
30,000
25,000
POTENCIA
20,000
15,000
10,000
5,000
0
12:00
12:45
13:30
00:00
00:45
01:30
02:15
03:00
03:45
04:30
05:15
06:00
06:45
07:30
08:15
09:00
09:45
10:30
11:15
14:15
15:00
15:45
16:30
17:15
18:00
18:45
19:30
20:15
21:00
21:45
22:30
23:15
HORAS
SE0060 SE0061 SE0062 SE0065

SE0066 SE0063 SE1064 SE0067
63
ANEXO 3:
Programa de optimización para la carga/Descarga de la batería en Python
import pandas as pd
import matplotlib.pyplot as plt
import pyomo.environ as pe
datos = pd.read_excel('SE0062.xlsx', index_col=1)

df = pd.DataFrame(datos)
df['SE0062'] = df['SE0062']/1000
#print(df['time'])
#print(len(df))
T = range(1, len(df)+1)
carga = {}
CMg = {}
for i in range(len(df)):
index = T[i]
value = df['SE0062'][i]
vcmg = df['CMg'][i]
carga[index] = value
CMg[index] = vcmg
Dmax = df['SE0062'].max()
G = ['th', 'cc', 'tg', 'ci']

b = {'th':2.2, 'cc':22.86, 'tg':36.28, 'ci':110}
Pmax = {'th':Dmax*0.48, 'cc':Dmax*0.3, 'tg':Dmax*0.1, 'ci':Dmax*0.02}
P = {}
L = {}
SOC = {}
64
Pc = {}
Pd = {}
FO = {}
Soc0 = 10 #MW
Socmax = 30 #MW
Pdmax = 8 #MW
Pdmin = 0
Pcmax = 8 #MW
Pcmin = 0
nc = 0.95
nd = 0.9
model = pe.ConcreteModel()
#creando variables
def bd_Pg(model,g,t):
return (0,Pmax[g])
model.Pg = pe.Var(G,T, bounds=bd_Pg)
model.SOC = pe.Var(T, bounds=(0.2*Socmax,Socmax))
model.Pc = pe.Var(T, bounds=(Pcmin,Pcmax))
model.Pd = pe.Var(T, bounds=(Pcmin,Pcmax))
model.SOC[48].fix(Soc0)
model.obj = pe.Objective(expr=sum(model.Pg[g,t]*b[g] for g in G for t in T))
def balance(model,t):
return sum(model.Pg[g,t] for g in G) + model.Pd[t] == carga[t] + model.Pc[t]
model.balance = pe.Constraint(T, rule=balance)
65
def rSOC(model,t):
if t==T[0]:
return model.SOC[t] == Soc0 + (model.Pc[t]*nc - model.Pd[t]/nd)/2
else:
return model.SOC[t] == model.SOC[t-1] + (model.Pc[t]*nc - model.Pd[t]/nd)/2
model.SOCr = pe.Constraint(T, rule=rSOC)
solver = pe.SolverFactory('ipopt')
solver.solve(model)
model.pprint()
P = [round(pe.value(sum(model.Pg[g,t] for g in G)),2) for t in T]

L = [carga[t] for t in T]
SOC = [round(pe.value(model.SOC[t]), 2)for t in T]
Pc = [round(pe.value(model.Pc[t]), 2)for t in T]
Pd = [round(pe.value(model.Pd[t]), 2)for t in T]
g1 = [round(pe.value(model.Pg["th", t]), 2) for t in T]

g2 = [round(pe.value(model.Pg["cc", t]), 2) for t in T]
g3 = [round(pe.value(model.Pg["tg", t]), 2) for t in T]
g4 = [round(pe.value(model.Pg["ci", t]), 2) for t in T]
print(pe.value(model.obj))
print(" {0:<10} {1:<10} {2:<10} {3:<10} {4:<10} {5:<10} {6:<10} {7:<10}

{8:<10}".format(
"L [MW]", "P[MW]", "SOC[MWh]", "Pd[MW]", "Pc[MW]", "g1[MW]", "g2[MW]",
"g3[MW]", "g4[MW]"))
print(" {0:<10} {1:<10} {2:<10} {3:<10} {4:<10} {5:<10} {6:<10} {7:<10}
{8:<10}".format(
"-"*10, "-"*10, "-"*10, "-"*10, "-"*10, "-"*10, "-"*10, "-"*10, "-"*10))
for t in T:
66
print(" {0:<10} {1:<10} {2:<10} {3:<10} {4:<10} {5:<10} {6:<10} {7:<10}
{8:<10}".format(
L[t-1], P[t-1], SOC[t-1], Pd[t-1], Pc[t-1], g1[t-1], g2[t-1], g3[t-1], g4[t-1]))
df['P'] = P
df['SOC'] = SOC
df['Pc'] = Pc
df['Pd'] = Pd
plt.figure("energía")
plt.title("Diagrama de carga post almacenamiento")
#df['SE0062'].plot(label="Demanda de Energía" )
df['P'].plot(kind='bar', label="Demanda post almacenamiento", color='red')
#df['SOC'].plot(label="SOC")
#plt.plot(T, P, label="Energía Producida")
#plt.plot(T, L, "--", label="Demanda de Energía")
#plt.plot(T, SOC, label="SOC")
plt.ylabel("Potencia/Energia [MW]")
plt.xlabel("Tiempo")
plt.legend()
plt.grid()
plt.figure("almacenamiento")
plt.title("comportamiento de almacenamiento de energía")
df['Pc'].plot(kind='bar', label="carga de Energía", color='green')
df['Pd'].plot(kind='bar', label="Descarga de Energía", color='orange')
#plt.bar(T, Pc, label="carga de Energía")
#plt.bar(T, Pd, label="Descarga de Energía")
#plt.plot(T, SOC, label="SOC")
plt.ylabel("Carga/Descarga [MW]")
plt.xlabel("Tiempo")
plt.legend()
plt.grid()
67
print(str(df.index))
print(df['P'].min())
print(df['P'].sum()/48)
print((df['P'].sum()/48)/df['P'].max())
print(df['P'].sum()/2)
plt.show()
68
ANEXO 4:
Programa para el análisis matemático en Python
import numpy as np
Io = 6662960
k = 0.12
Ft = np.ones(27)
Ft = Ft*725255
n = range(len(Ft))
VAN = -Io + sum((Ft[t]/(1+k)**t) for t in range(len(Ft)))
print(VAN)
def VAN(Inicial, tasa,flujos):

VA=0
for j in range(len(flujos)):
VA+= (flujos[j]/(1+tasa)**j)
return VA - Inicial
print('VAN=',VAN(Io,k,Ft))
TIR1 = 0.12
VAN1 = VAN(Io,TIR1,Ft)
TIR2 = 0.11
VAN2 = VAN(Io,TIR2,Ft)
TIR = -((TIR1-TIR2)*(VAN1))/(VAN1-VAN2)+TIR1
print(TIR*100)
69

Tesis Grado - Sistema BESS y Su Influencia en La Demanda Electrica Diaria Del Sistema de Distribución SE0062 (Huancayo)

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Grado - Sistema BESS y Su Influencia en La Demanda Electrica Diaria Del Sistema de Distribución SE0062 (Huancayo)

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

FACULTAD DE INGENIERIA ELÉCTRICA Y ELECTRÓNICA

ESCUELA PROFESIONAL DE INGENIERÍA ELÉCTRICA

“SISTEMA DE ALMACENAMIENTO DE ENERGÍA EN

CODIGO CTI: 0303 0007 Uso eficiente de la energía en el sector industrial y

CODIGO UNESCO: 332201 Distribución de la Energía

FIDEL MAIK MEDINA CATAY (0000-0002-7391-5813)

PARA OPTAR EL TITULO PROFESIONAL DE:

MG. HUGO RÓSULO LOZANO NUÑEZ

A Dios, a mis adorables padres Urbano

Agradezco a mi asesor, por su paciencia y

A la Universidad Nacional del Centro del

Y de manera especial agradezco al Ing.

Figura 2. 1. Curva de demanda (Kersting, 2018) ............................................. 10

Figura 2. 2. Mediciones de la demanda en un periodo de 24 horas para el usuario #1

(Kersting, 2018) ................................................................................................ 11

Figura 2. 3 Mediciones de la demanda en un periodo de 24 horas para el usuario #2

(Kersting, 2018) ................................................................................................ 12

Figura 2. 4 Mediciones de la demanda en un periodo de 24 horas para el usuario #3

(Kersting, 2018) ................................................................................................ 12

Figura 2. 5 Mediciones de la demanda en un periodo de 24 horas para el usuario #4

(Kersting, 2018) ................................................................................................ 13

Figura 2. 6. Transformador de curva de demanda diversificada (Kersting, 2018).14

Figura 2. 7. Curva de duración de carga del transformador (Kersting, 2018)... 15

Figura 2. 8. Profundidad de descarga para batería de plomo-ácido ................ 20

Figura 4. 1 Sistema Eléctrico Huancayo .......................................................... 36

Figura 4. 2. Diagrama de carga de SE0062 ..................................................... 36

Figura 4. 3. CMg en la barra Huayucachi 220 kV ............................................. 39

Figura 4. 4. Participación de tecnología de generación en el mercado peruano

(FUENTE: COES) ............................................................................................ 42

Figura 4. 5. sistema de almacenamiento de energía........................................ 45

Figura 4. 6. comportamiento del sistema de energía ....................................... 46

Figura 4. 7. Diagrama de carga integrando el sistema de almacenamiento ..... 47

Tabla II- 1. Características de carga de clientes individuales (Kersting, 2018) 13

Tabla II- 2. características de las diferentes tecnologías de batería................. 19

Tabla II- 4. Parámetros operativos y variables del sistema de almacenamiento de

energía de la batería. ....................................................................................... 23

Tabla II- 5. Matriz de operacionalización de variables...................................... 29

Tabla IV- 1. Costo marginal de la barra Huayucachi 220 kV ............................ 38

Tabla IV- 2. Costo de instalación de componentes de BESS ........................... 41

Tabla IV- 3 participación y costo de producción de cada tecnología de generación

Tabla IV- 4. Resultados de la estrategia de asignación de recursos de

Los sistemas de almacenamiento de energía eléctrica en baterías (BESS) de

Palabras clave: BESS, máxima demanda, factor de carga

Keywords: BESS, maximum demand, Load factor

Los sistemas de distribución eléctrica son un conjunto de componentes

Los sistemas de almacenamiento de energía (ESS, por sus siglas en inglés)

El BESS y su influencia en la demanda eléctrica diaria del sistema de

PLANTEAMIENTO DEL PROBLEMA

1.1. Descripción de la realidad problemática.

En el mundo, el servicio eléctrico es una actividad de mucho cuidado donde el

Los sistemas de almacenamiento (ESS) es una alternativa que tienen la

1.2. Formulación del problema

1.2.2. Problema especifico

PE1: ¿Cuál es la influencia del BESS en la Mínima demandada Diaria del

1.3. Objetivos de la investigación

Implementar el BESS para conocer la influencia en la Demanda Eléctrica Diaria

1.3.2. Objetivos específicos

La justificación teórica está enfocada en que los resultados de la investigación

La justificación metodológica está enfocada en la posibilidad de estandarizar

La justificación socioeconómica está enfocada en los beneficios que la

1.5. Limitación del estudio.

Las limitaciones que se han presentado a la presente investigación son los

• El tema que se está abordando en la presente investigación es un tema muy