Indicadores estratégicos de gestión,

diapositiva 1
Programación de mantto preventivo
en unidades generadoras de sistemas
eléctricos aislados usando método
Monte Carlo
- Amaya Vite, Alberto - Soto Torres, Danilo
- Melgarejo Diaz, Marco - Tarrillo Diaz, Omar
- Sierra Torres, Oscar

1
 2

Indicadores estratégicos de gestión,

1. Resumen
diapositiva 3 un modelo basado en riesgos para coordinar el mantenimiento preventivo de
El trabajo presenta
los generadores de un Sistema Eléctrico distribuido aislado con presencia de generación eólica. El
modelo coordina el mantenimiento preventivo minimizando el riesgo de pérdida de carga en el
Sistema de Energía. El riesgo se estima con un modelo de simulación secuencial de Markov Chain
Monte Carlo (MCMC). En este trabajo, la programación del mantenimiento preventivo (PMS) de las
unidades generadoras es un problema de optimización estocástica no lineal y se resuelve de
manera eficiente con los algoritmos Particle Swarm Optimization (PSO) y Genetic Algorithms (GA).

El modelo permite a los operadores del sistema de potencia obtener un programa de

mantenimiento que minimiza el riesgo de pérdida de carga, así como establecer el nivel de riesgo
deseado. El modelo se aplica en un Sistema Eléctrico Cubano aislado de la principal red eléctrica
nacional constituyendo un sistema distribuido, y tiene la presencia de un parque eólico en su matriz
energética. El documento demuestra la efectividad del modelo propuesto en este sistema de
energía real.
 3

Indicadores estratégicos de gestión,

2. Introducción
diapositiva 3 están cambiando su estructura, operación y regulación debido a la
Los Sistemas Eléctricos
competencia en los mercados eléctricos condicionado a lo político, económico, social y ambiental.
Estas condiciones han provocado que la industria eléctrica se enfrente a mayores incertidumbres
en la planificación del sistema eléctrico. Por tanto, es necesario que los criterios de planificación
incorporen estas condiciones en la evaluación del Sistema Eléctrico. Además, estos criterios de
planificación deben tener la capacidad de prever la ocurrencia de peores escenarios de riesgo para
este sistema.
Por ejemplo, en Sistemas eléctricos, el riesgo de apagón es el peor escenario porque provoca la
propagación de fallas en cascada, provocando consecuencias como costos de indisponibilidad y
compensación a los clientes. Conociendo el riesgo de apagón es posible establecer medidas
preventivas para evitar cortes de energía a los clientes.
El PMS de las unidades generadoras de un Sistema Eléctrico es un problema diario de planificación
a mediano plazo, el problema es encontrar la mejor secuencia de acciones en el mantenimiento
programado para cada unidad generadora del Sistema Eléctrico.

PMS: Preventive Maintenance Scheduling = Programación del Mantenimiento Preventivo

 4

Indicadores estratégicos de gestión,

2. Introducción
diapositiva 3 propuesto en este trabajo coordina el PMS de las unidades generadoras
El modelo de optimización
de un Sistema Eléctrico distribuido aislado con presencia de generación renovable.
El objetivo del modelo de optimización es minimizar el impacto de PMS en el Sistema Eléctrico
evaluando el riesgo de las propuestas. La evaluación de las propuestas se modela con simulaciones
secuenciales de Markov Chain Monte Carlo (MCMC). La función objetivo relaciona las variables:
demanda, fuentes de energía verde, posibles fallas, generación convencional, mantenimiento
preventivo de las unidades generadoras, entre otras. La relación se establece con el indicador de
riesgo LOLE (horas/año) y EENS (MWh/año).
Para la solución del problema se utilizan criterios basados ​en riesgo porque un Sistema Eléctrico
aislado no cuenta con el apoyo de otro Sistema Eléctrico, y el servicio eléctrico puede verse
afectado por la ocurrencia de una falla forzada. La efectividad del modelo se verifica aplicando el
modelo en un Sistema Eléctrico real que pertenece a una isla de Cuba.
El objetivo de la investigación es mostrar cómo el modelo de optimización propuesto permite
coordinar el PMS mejorando los niveles de riesgo del Sistema Eléctrico.

PMS: Preventive Maintenance Scheduling = Programación del Mantenimiento Preventivo

 5

Indicadores estratégicos 2.2. Modelo de decurva

gestión,de carga
diapositiva 3 o la Curva de duración de carga por hora (LDC) [24]. El DPLVC se usó
El modelo de curva de carga generalmente se representa mediante la Curva de variación de carga
máxima diaria (DPLVC)
generalmente en estudios de planificación porque es simple. Sin embargo, LDC es la representación
que utilizan los nuevos modelos de planificación porque LDC integra el comportamiento
cronológico de la curva de carga.
En los estudios de planificación de mediano y largo plazo, es necesario conocer el crecimiento
esperado de la demanda eléctrica del Sistema Eléctrico. Los modelos de previsión de la demanda
eléctrica más utilizados son las series cronológicas. Estos modelos pronostican la demanda de
electricidad basado en el comportamiento histórico, aunque los errores aumentan cuando aumenta
el horizonte de planificación.
El modelo general es complejo, pero los modelos que se utilizan habitualmente son casos
particulares y relativamente sencillos. En este artículo se utiliza un modelo de MA, asumiendo para
el estudio un crecimiento de la demanda eléctrica del 5% y una incertidumbre en torno a la media
estacional del 10%, expresada como:
D(t) = 1.05 · μt + 0.10 · αt
Donde D (t) es la demanda eléctrica estimada en el tiempo t, μt es la demanda eléctrica promedio
de los últimos diez años en el momento t, αt ∼ N (0, σt2 ) es un proceso de ruido claro y σt es la
desviación estándar con respecto a la demanda eléctrica media de los últimos diez años en el
momento t.
 6

Indicadores estratégicos 2.3. Indicador de gestión,

de riesgo
El valor esperado de la función de riesgo E [R] suele definirse en la literatura como EENS, cuando
diapositiva 3las unidades generadoras y la demanda eléctrica del Sistema Eléctrico se
las capacidades de
expresan en megavatios y t = 1, 2,…, T, considera las 8760 h de la año.
En este trabajo, para estimar E [R] se utiliza el método de simulación de Monte Carlo. El proceso de convergencia
fluctúa en este método. Sin embargo, el nivel de error disminuye cuando aumenta el número de muestras
Resultados de la función objetivo.
 7

Indicadores estratégicos 2.3. Indicadorde gestión,

de riesgo
Resultados del mantenimiento preventivo programado del
diapositiva
sistema IEEE-RTS. 3
Indicadores estratégicos de gestión,
diapositiva 10

Gracias