Confiabilidad Sistemas Electricos Capitulo 2 2011

Captulo2Adecuacindesistemasdegeneracin
ConfiabilidaddeSistemasElctricosdePotencia
CAPTULO2ADECUACINDESISTEMASDEGENERACIN
2.1DESCRIPCINDELOSESTUDIOS
T
G
LT
Figura2.1ValoracindeconfiabilidadenelniveljerrquicoIdelsistemadepotencia
2.1.1Objetivo
Losestudiosdeadecuacindeunsistemadegeneracinbuscandesarrollarunsistemaconvenientepara
atenderenellargoplazolademandadelosusuarios.
En estos estudios se analizan para un sistema dado o rea la generacin y la demanda total sin
considerarlahabilidaddelossistemasdetransmisinydistribucinparatransportarlaenergagenerada
hastalospuntosdeconsumo,locualimplicaasumirlos100%confiables.VerlaFigura11.1.
Elproblemabsicoesestimarlacapacidaddegeneracinrequeridapara:
1
2
Satisfacerlademandadelosusuarios
Ejecutarmantenimientopreventivoycorrectivoenlasinstalacionesyequiposdegeneracin
La demanda pronosticada de los usuarios y las salidas no planeadas que afectan a las instalaciones y
equipos de generacin son variables aleatorias, por lo cual, se debe contar con reserva para cubrir esta
incertidumbre;estareservasedenominaestticapuescorrespondeacondicionesdellargoplazo.
Estetipodeestudiosesestratgicodentrodelplaneamientodelossistemasdepotenciadadoque:
1
2
Laconstruccindenuevasplantasdegeneracines
muycostosa
La construccin de nuevas plantas de generacin
puedetomarvariosaos
Se debe estimar el valor ptimo de capacidad

requerida.
Se debe planear la entrada en servicio con varios
aosdeanticipacin
UniversidadTecnolgicadePereira
2011
2.1.2Definicindefalladelsistemadegeneracin
Un sistema de generacin est en falla en la situacin en que la capacidad de generacin disponible es

inferioralademanda.
Enuninstantedetiempodado,lacapacidaddegeneracindisponibleestdadapor:
1
2
Ladisponibilidadderecursosprimariosdeenerga(agua,gas,viento,sol,carbn,etc)
Ladisponibilidaddelasinstalacionesyequiposdegeneracin
2.1.3Procedimiento
Modelo
de la
generacin
Modelo
de la
demanda
Convolucin
Modelo
de
riesgo
Figura2.2Procedimientoparavalorarlaadecuacindeunsistemadegeneracin
Elprocedimientogeneralparavalorarlaconfiabilidaddeunsistemadegeneracines:
1
2
3
Establecerunmodeloparalademandatotaldelsistema
Establecerunmodeloparalacapacidaddegeneracintotaldelsistema
Combinarestosdosmodelos(Convolucin)paraestablecerelmodeloderiesgo
LaFigura11.2presentaundiagramaconceptualdeesteprocedimiento.
Losmodelosparalademanda,generacinyelriesgopuedenser:
1 Discretos
Sonlosmsutilizados
2 Continuos
Latcnicadesolucindelmodeloderiesgopuedeser:
1 Analtica
2 Simulacin
2011
2.1.4Enfoquesparalavaloracindeconfiabilidad
Existendostiposdeenfoquesocriteriosparavalorarlaconfiabilidaddelossistemasdegeneracin:
Criteriodeterminstico
Criterioprobabilstico
La confiabilidad del sistema se valora mediante el La confiabilidad del sistema se valora mediante
cumplimientodedeterminadasreglasoperativas.
ndices.
2.1.5Valoracindeldesempeoelctricodelsistema
Eldesempeoelctricodelsistemasevaloramedianteelbalancedeenergadefinidoporelteoremade
Tellegen(1952),queparaelcasodelossistemaselctricosdepotenciaACsepuedeexpresaras:
.
TeoremadeTellegen
Para un sistema compuesto de n ramas activas y pasivas, que opera en rgimen sinusoidal permanente, la
potenciacomplejaestdadapor:
S = V i I i* = 0 (2.1)
i =1
DondeV i e I i sonrespectivamenteelvoltajeylacorrienteenlarama i .
Laecuacin(11.1)sepuededescomponeren:
P = Pi = 0 (2.2)
i =1
Q = Qi = 0 (2.3)
i =1
Es decir, la sumatoria de la potencia aparente, activa o reactiva de las fuentes, componentes del sistema y las
cargassiempreesigualacero.
Lageneracindepotenciaactivayreactivasiempretienequeserigualalodemandadoporlascargas;si
estonosecumple,elsistemaestenfalla.
2011
2.2ELTEOREMADELLMITECENTRALPARASUMAS
TeoremadelLmiteCentralparaSumas
Dadas n variables aleatorias independientes x1, x2, , xn con valores esperados 1, 2, y varianzas
12, 22, ..., 2,respectivamente,sisedefinelasiguientevariablealeatoria:
x=x1+x2++xn(2.4)
Entonces,cuandonesgrande,ladistribucindexesGausianaconvalormedio yvarianza 2dadaspor:
= 1 + 2 + + (2.5)
2 = 12 + 22 +
+ 2
(2.6)
Fx(x) ((x)/ )
fx (x) =
1
e
2
(x )2
22
Donde denotalafuncinGausianaestndar.
Laimportanciadeesteteoremaradicaenquenoexisterestriccinconrespectoalasdistribucionesdelas
variablesaleatoriasqueconformanlasuma.Esdecir,puedenserdediferentetipo,diferentesparmetros,
continuasodiscretasomixtas.
Elvalorlmiteapartirdelcualseconsideravlidoelteoremaesn=30.Sinembargo,silasdistribuciones
delasvariablessonfuncionessuaves,convalorestanbajoscomon=5secumpleelteorema.
El teorema es vlido cuando las variables aleatorias individuales slo hacen una contribucin
relativamentepequearespectoalasumatotal.
Otrohechoconocido,esqueelteoremanofuncionabienparavaloresenlascolasdelafuncin.
2011
2.3MODELOSPARALAGENERACIN
2.3.1Tiposdemodelos
G1
G2
Gn
GT
Figura2.3Procedimientoparaobtenerelmodelodegeneracintotal
Unavezsetienenlosmodelosindividualesdecadaunadelasunidadesdelsistema,esposibleobtenerel
modeloequivalentedetodasellas.Existendostiposdemodelos:
Discretos
A partir de la distribucin de probabilidad discreta o

continua de la capacidad de cada unidad se construye
una tabla con los niveles discretos de capacidad
disponible o capacidad no disponible junto con sus
respectivasprobabilidades.
Es el tipo de modelamiento ms utilizado. Se conoce

comotablasdeprdidadegeneracin.
Para construir este tipo de modelo se utilizan la

distribucin binominal, el proceso de Markov o
algoritmos basados en la probabilidad de eventos
independientes.
Continuos
Conocidas las distribuciones de probabilidad discretas

ocontinuasdelacapacidaddecadaunidadseestablece
ladistribucindelageneracindisponibletotal.
Para construir este tipo de modelo se puede utilizar el

teoremadellmitecentral.
Estos modelos slo son validos para el horizonte de planeamiento que se pretende estudiar pues los
parmetrosdelosmodelosindividualesdelasunidadesvaransegnseestudielacapacidadestticao
capacidadoperativa.
2011
2.3.2Ladistribucinbinominal
La distribucin binomial se puede utilizar para construir las tablas de prdida (o disponibilidad) de
generacin,siempreycuandotodaslasunidadesdelsistemaconsideradoseanigualestantoencapacidad
comoenparmetrosdeconfiabilidad.
Estasituacinsepresentaenmuypocossistemaspueslaconfiabilidaddecualquierequipodependetanto
desutamao(capacidad)comodesutecnologadefabricacin.
Porejemplo,algunosdatosdeconfiabilidad(Canad)deunidadesdegeneracinson:
Tipodeunidad
Hidrulicas
Trmicas(carbn,oil)
Nucleares
Trmicasagas
U=FOR[%]
3.15
9.51
10.64
48.77
[fallas/ao]
3.74
14.69
5.54
27.62
Notas: ValorespromediosparatodaslascapacidadesenMW,cuatroaosdeestadsticas.
FOR:ForcedOutageRate,trminoutilizadoparalaindisponibilidaddeunidadesdegeneracin
EJEMPLO2.1
Unsistemacuentaconcuatrounidadesdegeneracinigualesde20MWdecapacidadyunFORde0.10.
Construirlatabladeprdidadegeneracin.
Seaxeseleventodequeseencuentrenkunidadesindisponibles.
n=4,p=0.10,q=0.9
E(x)=0.1*4=0.4unidades 8MW
k
0
1
2
3
4
MWindisponibles
0
20
40
60
80
Probabilidad
0.6561
0.2916
0.0486
0.0036
0.0001
1.0000
Debe recordarse que para grandes valores de n, la distribucin binomial tiende a infinito y deben
utilizarseaproximaciones,porejemplodeladistribucinnormalalabinomial.
2011
2.3.3ElprocesodeMarkov
Algo muy importante al plantear el diagrama de estados del sistema y por consiguiente la matriz M es
quesoloseconsideraruneventodefalla(criterion1)oreparacinporvez.
El considerar fallas mltiples, reparaciones mltiples o fallas y reparaciones simultneas en distintos

elementos hace que el diagrama de estados sea diferente y por consiguiente las probabilidades de cada
estadoseandiferentesalashalladasenelcasoanteriorqueeseldeintersenlamayoradeestudiosde
confiabilidad.
En sistemas con muchas unidades de generacin no es prctico construir el modelo de generacin total
utilizandodiagramasdeestadosynumeracincompletadeestados.
EJEMPLO2.2
UtilizandoelprocesodeMarkov,construirelmodelodegeneracinparaplaneamientodelargoplazode
unsistemaquecuentaconlassiguientestresunidadesdegeneracin[2]:
Unidad
1
2
3
Capacidad
[MW]
100
150
200
[Fallas/da]
FOR
[%]
1
2
3
0.00505
0.01020
0.01237
r
[Das/reparacin]
2.0
2.0
2.5
Elsistematiene23=8estadosdescritosas(A:disponible,U:indisponible):
1
2
3
4
5
6
7
8
Estado
1
2
U
U
A
U
U
A
U
U
A
A
A
U
U
A
A
A
3
U
U
U
A
U
A
A
A
MW
Disponibles
0
100
150
200
250
300
350
450
MW
perdidos
450
350
300
250
200
150
100
0
Lastasasdetransicinentreestados(hij)formanlamatrzh:
2011
2
31
1
1
23
1
1
23
0
h=
2
13)
0
3
12
0
1
23
0
1
32
0
1
23
M=ht
M=
1.4
0.0050
0.0102
0.0124
0.5
0.9051
0.0102
0.0124
0
0
0.5
0.9102
0.0050
0.0124
0.4
1.0124
0.0050
0.0102
0.5000
0.5000
0.4153
0.0124
0.4000
0.5000
0.5174
0.0102
0.4000
0.5000
0.5226
0.0050
0.4000
0.5000
0.5000
0.0276
Resolviendoelsistemadeecuacionesdiferenciales,concondicininicialelestado8(todaslasunidades
operando),seobtieneparaelestadoestable:
Estado
1
2
3
4
5
6
7
8
MWdisponibles
0
100
150
200
250
300
350
450
MWperdidos
450
350
300
250
200
150
100
0
Probabilidad
0.00000599628186
0.00059369326513
0.00029393626125
0.00019390427724
0.02910269778129
0.01919850771426
0.00950513996121
0.94110612445769
2011
2.3.4Frmuladeprobabilidaddeocurrenciadeeventossimultneoseindependientes
Si para un sistema dado, las disponibilidades e indisponibilidades de las unidades de generacin son
independientes,sepuedeconstruirlatabladeprdidadegeneracinaplicandosucesivamentelaecuacin
deprobabilidaddeocurrenciasimultneadeeventosindependientes:
P [ E 1 E " E n ] = P [ E 1 ]P [ E 2 ]" P ( E n )
2
(2.7)
Estafrmulaesindependientedelaformadelastasasdeeventosdelasdistribucionesdeprobabilidadde
lostiemposparasalidayrestauracindeloscomponentes.
Las probabilidades individuales de las unidades de generacin, sean disponibilidades o

indisponibilidadessepuedenhallardelasiguienteforma:
Enformaestadstica
DelprocesodeMarkovhomogneo
MediantesimulacindeMontecarlo
De registros operativos, aplicando la definicin de

frecuenciarelativaparalaprobabilidad
Silastasasdesalidasyrestauracinsonconstantes
Paratasasdesalidasyrestauracinconstantesovariables
coneltiempo
EJEMPLO2.3
ConstruirelmodelogeneracinparaplaneamientodelargoplazoparalasunidadesdelEjemplo2.2en
formadetabladeprdidadegeneracin.
1.Considerandolaunidad1de100MWyFOR=1%:
MWperdidos
0
100
Probabilidad
0.990
0.010
1.000
2.Adicionandolaunidad2de150MWyFOR=2%:
Launidad2existeendosestados:Estpuedeestarservicioconprobabilidad0.98ypuedeestarfuerade
servicioconprobabilidad0.02.
150MWenservicio
MWperdidos
Probabilidad
0+0=0
0.990*0.980=0.9702
100+0=100
0.010*0.980=0.0098
0.980
150MWfueradeservicio
MWperdidos
Probabilidad
0+150=150
0.990*0.020=0.0198
100+150=250
0.010*0.020=0.0002
0.020
Resumiendosetiene:
2011
MWperdidos
0
100
150
250
Probabilidad
0.9702
0.0098
0.0198
0.0002
1.0000
3.Adicionandolaunidad3de200MWyFOR=3%:
Launidad3existeendosestados:Estpuedeestarservicioconprobabilidad0.97ypuedeestarfuerade
servicioconprobabilidad0.03.
200MWenservicio
MWperdidos
Probabilidad
0+0=0
0.9702*0.97=0.941094
100+0=100
0.0098*0.97=0.009506
150+0=150
0.0198*0.97=0.019206
250+0=250
0.0002*0.97=0.000194
0.9700
200MWfueradeservicio
MWperdidos
Probabilidad
0+200=200
0.9702*0.03=0.029106
100+200=300
0.0098*0.03=0.000294
150+200=350
0.0198*0.03=0.000594
250+200=450
0.0002*0.03=0.000006
0.0300
Resumiendosetiene:
X
[MW]
0
100
150
200
250
300
350
450
Probabilidaddelestado
P[X= MW]
0.941094
0.009506
0.019206
0.029106
0.000194
0.000294
0.000594
0.000006
1.0000
Probabilidadacumulada
P[X MW ]
1.000000
0.058906
0.049400
0.030194
0.001088
0.000894
0.000600
0.000006
DondeXeseleventodeperderdeterminadacantidaddeMWdegeneracin.
LasolucinencontradaesmuycercanaalasolucinexactaobtenidamedianteelProcesodeMarkovenel
Ejemplo11.2.
2011
10
2.3.5Algoritmoparacrearlatabladeprdidadegeneracin
Existendosformasdeelaborarlatabladeprdidadegeneracin:
ProbabilidadAcumulada
LaprobabilidadacumuladadeunestadoparticulardeprdidadegeneracindeX[MW]despusdequeuna
unidaddecapacidadC[MW]yFOR=Uesadicionada,estdadapor:
P(X)=P[X MW]=(1U)*P(X)+U*P(XC)(2.8)
P(X):ProbabilidadacumuladadelestadodeprdidadegeneracindeX[MW]antesdeadicionarlaunidadC.
Aladicionarlaprimeraunidad:P(0)=1.0yP(C)=U.
Adems,P(XC)=1.0siemprequeXseamenorqueC
ProbabilidadPuntual
LaprobabilidadpuntualdeunestadoparticulardeprdidadegeneracindeX[MW]despusdequeuna
unidaddecapacidadC[MW]yFOR=Uesadicionada,estdadapor:
P(X)=P[X= MW]=(1U)*P(X)+U*P(XC)(2.9)
P(X):ProbabilidaddelestadodeprdidadegeneracindeX[MW]antesdeadicionarlaunidadC.
Aladicionarlaprimeraunidad:P(0)=1UyP(C)=U.
Adems,P(XC)=0.0siemprequeXseamenorqueC
Tenerencuentalosiguiente:
Se define un incremento en MW para los estados de prdida de generacin. A menor

1
incrementomayorprecisinyviceversa.Unvalorrecomendadoes10MW.
Sepuedetruncarlatablaomitiendolosestadosquetienenunaprobabilidadmenoraunvalor
2
preespecificado,porejemplo,108.
Elprimerestadodeprdidadecapacidaddegeneracinmayoraceronodebesermenorala
3
capacidaddelamenorunidaddelsistema.
Estealgoritmopermiteincorporaralmodelodegeneracinnivelesquenoexistenenlaenumeracinde
estadosposiblesdelsistema.
Este algoritmo es el ms utilizado para crear los modelos de generacin total dada la facilidad de
aplicacinconrespectoalprocesodeMarkov.
2011
11
Elretirarunaunidaddelatabladeprdidadegeneracinestilcuandosedeseaestudiarelefectodela
salidadeunaunidadpormantenimientoprogramadooparauncasoespecialdeanlisis.Enestecaso,se
aplicaelalgoritmooriginalenformainversa:
Algoritmopararetirarunaunidaddelatabladeprdidadegeneracin
P(X)=(P(X)U*P(XC))/(1U)(2.10)
Sisedispone deun programa de computador para crearla tabla de prdidade generacin es ms fcil
ejecutar de nuevo el programa omitiendo las unidades que se considera saldrn de servicio para el
periododeestudio.
Otro caso de estudio, es cuando se considera que las unidades tienen varios estados de capacidad de
generacin,paralocual,elalgoritmooriginalsemodificaenlasiguienteforma:
Algoritmoparaunidadesconnestadosdecapacidaddegeneracin
P(X) = pi * P'(X Ci ) (2.11)

i =1
pi:Probabilidaddeexistenciadelestadoidelaunidadqueestsiendoadicionada
Ci:Capacidaddegeneracinperdidaenelestadodelaunidadqueestsiendoadicionada
n:Nmerodeestadosdelaunidad
Sin=2,entonces:
P(X)=p1*P(XC1)+p2*P(XC2)
Seaelestado1laprdidade0MW,entonces: C1=0
P1=1U
Seaelestado2laprdidadeCMW,entonces: C2=C
P2=U
Reemplazando, la frmula recursiva queda P(X)=(1U)*P(X)+U*P(XC) que es el planteamiento

originaldelalgoritmo.
2011
12
EJEMPLO2.4
Construir la tabla de prdida de generacin del Ejemplo 2.2 aplicando el Algoritmo 1. Utilizar un
incrementode50MW.
1.Adicionarlaunidad1deC=100MWyU=0.01:
X
[MW]
0
100
FrmuladeProbabilidadPuntual
P(X)
10.01=0.99
0.01
FrmuladeProbabilidadAcumulada
P(X)
1.0
0.01
X
[MW]
0
100
150
200
250
P(X)
(10.02)*0.99+0.02*0=0.9702
(10.02)*0.01+0.02*0=0.0098
(10.02)*0.0+0.02*0.99=0.0198
(10.02)*0.0+0.02*0.0=0.0000
(10.02)*0.0+0.02*0.01=0.0002
P(X)
(10.02)*1.00+0.02*1.0=1.000
(10.02)*0.01+0.02*1.0=0.0298
(10.02)*0.00+0.02*1.0=0.0200
(10.02)*0.00+0.02*0.01=0.0002
(10.02)*0.00+0.02*0.01=0.0002
X
[MW]
0
100
150
200
250
300
350
400
450
P(X)
(10.03)*0.9702+0.03*0=0.941094
(10.03)*0.0098+0.03*0=0.009506
(10.03)*0.0198+0.03*0.0=0.019206
(10.03)*0.0+0.03*0.9702=0.029106
(10.03)*0.0002+0.03*0.0=0.000194
(10.03)*0.0+0.03*0.0098=0.000294
(10.03)*0.0+0.03*0.00198=0.00594
(10.03)*0.00+0.03*0.00=0.000000
(10.03)*0.0+0.03*0.0002=0.000006
P(X)
(10.03)*1.00+0.03*1.0=1.000
(10.03)*0.0298+0.03*1.0=0.058906
(10.03)*0.020+0.03*1.0=0.049400
(10.03)*0.0002+0.03*1.0=0.030194
(10.03)*0.0002+0.03*0.0298=0.001088
(10.03)*0.00+0.03*0.0298=0.000894
(10.03)*0.00+0.03*0.02=0.0006
(10.03)*0.00+0.03*0.0002=0.000006
(10.03)*0.00+0.03*0.0002=0.000006
LasolucinencontradaesmuycercanaalasolucinexactaobtenidamedianteelProcesodeMarkovenel
Ejemplo2.3.
2011
13
EJEMPLO2.5
Retirarlaunidad3delatabladeprdidadegeneracindelEjemplo2.4
P(X)=(P(X)0.03*P(x200))/0.97
Alretirarlaunidad3quedanlossiguientesestados:0,100,150,200,250MW
X[MW]
0
100
150
200
250
FrmuladeProbabilidadPuntualP(X)
(0.9410940.03*0)/0.97=0.9702
(0.0095060.03*0)/0.97=0.0098
(0.0192060.03*0)/0.97=0.0198
0puesesteestadonoexiste
(0.0001940.03*0)/0.97=0.0002
FrmuladeProbabilidadAcumuladaP(X)
(1.000000.03*0)/0.97=1.0
(0.0589060.03*1.0)/0.97=0.0298
(0.0494000.03*1.0)/0.97=0.0200
(0.0301940.03*1.0)/0.97=0.0002
(0.0010880.03*0.0298)/0.97=0.0002
P(X)eslaprobabilidaddelestadoantesdehaberadicionadolaunidad3oloqueeslomismo,despusde
retirarla.
EJEMPLO2.6
Obtenerlatabladeprdidadegeneracinparaunsistemacondosunidades.
Laprimeratieneunacapacidadde100MWyunFORde0.01
Lasegundaunidadtienelossiguientesestadosdecapacidad:
MWperdidos
0
100
150
Probabilidad
0.980
0.014
0.006
X[MW]
0
100
10.01=0.99
0.01
1.0
0.01
2.Adicionarlaunidad2:
LafrmularecursivaesP(X)=0.98*P(X)+0.0014*P(X100)0.006*P(X200)
X[MW]
0
100
150
200
250
0.98*0.99+0.014*0+0.006*0=0.9702
0.98*0.01+0.014*0.99+0.006*0=0.02366
0.98*0+0.014*0+0.006*0.99=0.00594
0.98*0+0.014*0.01+0.006*0=0.00014
0.98*0+0.014*0+0.006*0.01=0.00006
2011
0.98*1.0+0.014*1.0+0.006*1.0=1.0
0.98*0.01+0.014*1.0+0.006*1.0=0.0298
0.98*0.0+0.014*0.01+0.006*1.0=0.00614
0.98*0.0+0.014*0.01+0.06*0.01=0.0002
0.98*0.0+0.014*0.0+0.006*0.01=0.00006
14
2.3.6FrecuenciayDuracin
ParaelprocesodeMarkovcontinuoeneltiempoydiscretoenelestadosecumplelosiguiente:
Frecuencia
Duracin
La frecuencia de encontrar un estado dado se puede Laduracinotiempomediogastadoenunestadodado
calcular como el producto de la probabilidad de se puede calcular como el inverso de la suma de las
encontrar el estado por la suma de las tasas de salida tasasdesalidadesdeelestado:
desdeelestado:
mi=1/hij
fi=Pi()*hij
Paralatabladeprdidadegeneracin,lafrecuenciaacumuladadecadaunodelosestadossedetermina
medianteelsiguientealgoritmo:
Frecuenciaacumuladadelosestados
F(X)=(1U)[F(X)*P(X)]+U[F(XC)+P(XC)](11.12)
Peslaprobabilidadacumuladaantesdeaadirlapresenteunidad
P(XC)=1.0yF(XC)=0siX<C
Alinicio:P(0)=1.0,P(C)=0,F(X)=0
Laaplicacindeestealgoritmoessimilaralopresentadoparaelalgoritmodeconstruccindelatablade
prdida de generacin. Se construye la tabla de frecuencias acumuladas aadiendo una por una las
unidadesdegeneracin.
Nteseque*P(X)yP(XC)sonfrecuencias.
2011
15
EJEMPLO2.7
Construirlatabladefrecuenciasdelosestadosdeprdidadegeneracindelsistemadetresunidadesdel
Ejemplo2.4.
Aadirlaunidad1,C=100MW,U=0.01,=0.00505,=0.5
X
[MW]
0
100
P(X)
F(X)
F(X)
1.0
0.0
0.0
0.0
0.99*(00.00505*1.0)+0.01*(0+0.5*1.0) 0.0
0.99*(00.00505*0.0)+0.01*(0+0.5*1.0)=0.005
X
[MW]
0
100
150
200
250
P(X)
F(X)
1.0
0.01
0.0
0.0
0.0
0.0
0.005
0.0
0.0
0.0
F(X)
0.98*(00.0102*1.0)+0.02*(0+0.5*1.0)0
0.98*(0.0050.0102*0.01)+0.02*(0+0.5*1.0)=0.0148
0.98*(00.0102*0)+0.02*(0+0.5*1.0)=0.01
0.98*(00.0102*0)+0.02*(0.005+0.5*0.01)=0.0002
0.98*(00.0102*0)+0.02*(0.005+0.5*0.01)=0.0002
X
[MW]
0
100
150
200
250
300
350
400
450
P(X)
F(X)
1.0
0.0298
0.0200
0.0002
0.0002
0
0
0
0
0
0.0148
0.01
0.0002
0.0002
0
0
0
0
F(X)
0.97*(00.01237*1.0)+0.03*(0+0.4*1.0) 0
0.97*(0.01480.01237*0.0298)+0.03*(0+0.4*1.0)=0.0259984
0.97*(0.010.01237*0.02)+0.03*(0+0.4*1.0)=0.021460022
0.97*(0.00020.01237*0.0002)+0.03*(0+0.4*1.0)=0.0121916
0.97*(0.00020.01237*0.0002)+0.03*(0.0148+0.4*0.0298)=0.0009932
0.97*(00.01237*0)+0.03*(0.0148+0.4*0.0298)=0.0008016
0.97*(00.01237*0)+0.03*(0.0148+0.4*0.0298)=0.0008016
0.97*(00.01237*0)+0.03*(0.0002+0.4*0.0002)=0.0000084
0.97*(00.01237*0)+0.03*(0.0002+0.4*0.0002)=0.0000084
LosdatosdelacolumnaP(X)delospasos2y3seobtienendelasprobabilidadesacumuladasdelatabla
deprdidadegeneracin.
2011
16
2.3.7Sistemasinterconectados
Sistema 1
C1
L1
R1
Lneas de interconexin
Sistema 2
C2
L2
R2
Figura2.4EsquemadeSistemasInterconectados
El mejoramiento en la adecuacin de un sistema de generacin dado se puede lograr por medio de la

interconexinaotrosistemadepotencia.
Losbeneficiosdelainterconexindependendelacapacidadinstaladaencadasistema,lacapacidadde
transmisin de la interconexin, las tasas de salida forzadas de las lneas de transmisin, los niveles de
demandaencadaunodelossistemasyeltipodeconvenioentrelosdossistemas.
El mtodo que se presenta consiste en convertir el sistema exterior en una unidad de generacin
equivalentequeseincorporaalmodelootabladegeneracindelsistemabajoestudio.
De la tabla de prdida de generacin del sistema que da asistencia se toman todos los niveles que son
mayoresalareservaperomenoresalacapacidaddelainterconexin.
Unavezseincorporalaunidadequivalentedelsistemaexterno,sevuelvenacalcularlosindicadoresde
confiabilidad del sistema que recibe asistencia para observar el cambio en la confiabilidad al recibir
asistenciaexterna.
Lalneadeinterconexintambinpuedetenervariosestadosdecapacidaddetransmisincadaunocon
unaprobabilidaddefallaasociada.Enestecaso,sedebencombinarlastablasdeprdidadegeneracin
delaunidadequivalenteconlatabladeprdidadecapacidaddelainterconexin.
2011
17
EJEMPLO2.8TomadodelaReferencia[1]
ConsideredossistemasAyB:
SISTEMAA
C=75MW
L=50MW
R=25MW
SISTEMAB
C=60MW
L=40MW
R=20MW
Lainterconexinentrelosdossistemastieneunacapacidadde10MW.
LatabladeprdidadegeneracindelsistemaBes:
[MW]
0
10
20
30
40
50
P(X=MW)
0.90392080
0.07378945
0.02070622
0.00153664
0.00004626
0.00000063
LareservadelsistemaBesde20MW,porlocuallosestadosdeprdidadegeneracindeintersparael
sistemaAson:
[MW]
0
10
20
P(X=MW)
0.90392080
0.07378945
0.02228975
Sin embargo, la asistencia desde el sistema B est limitada a 10 MW que es la capacidad de la

interconexin,porlocualelsistemaBserepresentacomounaunidadconlossiguientesestados:
[MW]
0
10
P(X=MW)
0.97771025
0.02228975
La unidad equivalente que representa al sistema B se puede ahora incorporar a la tabla de prdida de
generacindelsistemaA,elcualseconsideraahoraconunacapacidadinstaladade85MW.
2011
18
EJEMPLO2.9TomadodelaReferencia[1]
Enelejemploanteriorconsiderequelainterconexintienelossiguientesparmetros:
U
3fallas/ao
1reparacin/da
0.00815217
Latabladeprdidadecapacidaddetransmisindelainterconexines:
[MW]
0
10
P(X=MW)
0.99184783
0.00815217
La tabla de prdida de generacin de la unidad equivalente que representa al sistema B queda ahora
como:
[MW]
P(X=MW)
0.97771025*0.99184783=0.96973979
10
0.00815217+0.99184783*0.02228975=0.030260
Observacin
NosepierdelaasistenciadelsistemaBsinoexiste
prdidadecapacidaddegeneracinylalneaest
disponible
Sepierdelaasistenciade10MWdelsistemaBsifallala
lneaoestandolalneadisponiblefallalageneracindel
sistemaB.
Otra forma de resolver estos problemas es calcular para cada uno de los estados de la interconexin y
aplicarprobabilidadcondicional.
2011
19
2.4MODELOSPARALADEMANDA
L1
L2
Ln
LT
Figura11.5Procedimientoparaobtenerelmodelodedemandatotal
Existendostiposdemodelosparalademanda:
Discretos
Se obtienen directamente de estudios de pronstico

delademanda.
Los estudios de pronstico de demanda pueden

entregarlademandatotaldelsistemaoporpartesde
ste como subestaciones, circuitos primarios, zonas,
etc, en cuyo caso sencillamente se agregan para
obtener el pronstico para el sistema; en este ltimo
caso se debe analizar la simultaneidad de la
demanda.
Eseltipodemodelamientomsutilizado.
Continuos
Enestecasoseconoceladistribucindelademandatotal
del sistema o las distribuciones de probabilidad de los
principales puntos de carga del sistema, zonas etc, los
cualessepuedencombinarparahallarladistribucinde
lademandatotaldelsistema.
Como la demanda de un sistema, zona, subestacin,

circuito primario, transformador de distribucin es la
sumadelasdemandasindividualesdemuchosusuarios,
en general, puede considerarse que la demanda tiene
distribucin normal en virtud del teorema del lmite
central.
No puede considerarse que este tipo de modelo sea

determinstico, pues todo estudio de pronstico de
demanda tiene incertidumbre pues las variables
econmicas, polticas, sociales, etc que controlan el
crecimientodelademandasonaleatorias.
Elvalordedemandapronosticadodedemandaesun
valor esperado correspondiente a una distribucin
Gausiana.
2011
20
MW
MW
L
...
t
dias
365
T
(a)
Figura2.6Modelosdecargaconstante
(b)
Unaspectomuyimportanteatenerencuentaesquelosestudiosdepronsticodedemandageneralmente
entreganunestimativodelvalordedemandamximaactivadelsistemaopartesdeste,enunperiodo
detiempodado,quegeneralmenteesunao.VerlaFigura11.6(a).
Parahacermsrealistaelanlisisdeconfiabilidad,esnecesarioincorporarelhechodeenlamayorade
loscasoslademandasolopermaneceenelvalormximoovalorescercanosasteduranteunaspocas
fracciones del periodo de estudio. Para esto, es comn definir conjuntos de estaciones, meses o das de
estudiotpicosdeestudio,quevienenasersubperiodosdeestudio.Porejemplo:
1 Cadaunodelosmesesdelao
2 Mesdeverano,mesdeinvierno
3 invierno,primavera,verano,otoo
4 Daordinarioydafestivo.VerlaFigura11.6(b)
Elprocedimientoparaobtenerestoslademandaactivaoreactivadelossubperiodoses:
1 Tomar los datos de demanda mxima Por ejemplo, la demanda mxima de todos los das
activa(oreactiva)delossubperiodosde ordinariosdeunaoanterior.
unmismotipoenunaoanterior.
2 Promediarlosanterioresdatos
Se obtiene la demanda mxima (activa o reactiva)
promedia del subperiodo de inters en un ao
anterior
3 Dividir sobre la demanda mxima del Seobtienelademandanormalizadaenelsubperiodo
sistemaenelaodelosdatos
deinters
Tambinsepuededetallaranmselmodelodefiniendolacurvadecargaactivaoreactivadentrodelos
subperiodos,porejemplo,lacurvadedemanda(activaoreactiva)horariadentrodeundaordinario.
Esteprocedimientodevaloresocurvasnormalizadasimplicaasumirqueaunquelademandacrecer,su
patrndecomportamientodentrodeunsubperiodosiempreserelmismo.
2011
21
Demanda [MW]
Horas
24
Figura2.7Modelodiarioparalademanda
Paralosanlisisdefrecuenciayduracin,lacargadiariasemodelaendosestadosentreelvalormnimoy
elmximodeacuerdoconunfactorefactordeexposicin.Seasumequeelpicodecadadatipificado
tienelamismaduracine.
Cuandoe=1.0seasumequelacargadiariasemantieneensuvalormximopronosticado,comoenelcaso
declculodeLOLEendas/ao.
Una forma de determinar e es tomar la duracin de la demanda que corresponde al 85% del valor de
demandamxima.Unvalortpicoese=0.5.
Deestaformasedefinen:
L
Eslademandamximadiariaen[MW]
P(L)=P[Demanda=L]=e
Eslaprobabilidaddequelademandaseaigualalvalormximo
h+(L)=0
EslatasadetransicindelademandadiariadeLaunvalormayor
h(L)=1/e
EslatasadetransicindelademandadiariadeLaunvalormenor
Laprobabilidaddeprdidadecargaenelperiododedemandamnimadiariaesusualmentemuybaja,
porlocualnosetieneencuentaenlosclculosdefrecuenciayduracin.
2011
22
2.5CRITERIOSDETERMINSTICOSPARAVALORARLACAPACIDADESTTICA
2.5.1Porcentajedereserva
%Reserva=(Capacidaddegeneracininstalada/Mximademandaesperada1)*100%
En la literatura se reportan criterios de planeamiento (Valores admisibles) de porcentaje de reserva que

varanentreel15yel35%.
2.5.2Prdidadelaunidadmsgrande
Lareservadelsistemadebesermayoroigualalacapacidaddelamayorunidaddelsistema
Elporcentajedereservaylareservaestticasiempredebenserpositivos.
Existenotrasversionesdeestoscriteriosdondelascomparacionessehacenconrespectoaun%delvalor
delademandamxima.
EJEMPLO2.10
Unsistematieneinstaladaslasunidades1y2delEjemplo11.2.Lademandamximaesperadaparaun
aofuturoesde100MW.Evaluarlaadecuacindelsistemautilizandocriteriosdeterminsticos.
Capacidadtotalinstalada=250MW
Demandamximaesperada=100MW
1.
%Reserva=(250MW/100MW1)*100%=150%
2.
Reserva=250MW100MW=150MW
Segn los criterios determinsticos el sistema es adecuado pues existe una reserva muy grande y el
sistemapuedeatenderlademandaperdiendolaunidaddegeneracindemayorcapacidad.
Sinembargo,observandolatabladeprdidadegeneracin(Ejemplo11.5):
X
[MW]
0
100
150
200
250
P(X)
0.9702
0.0098
0.0198
0.0000
0.0002
P(X)
1.000
0.0298
0.0200
0.0002
0.0002
2011
23
1.
Existeunaporcentajedereservadel150%peronosetomaencuentaelhechodequeexisteuna
probabilidaddel2.98%deperderunacapacidadmayoroiguala100MW.
2.
Existe una reserva de 150 MW (Equivale a la unidad ms grande) pero tambin existe una
probabilidaddel2.0%deperderestevaloroms.
3. Noseconsideralaprobabilidaddequelademandapronosticadasupereelvaloresperado.
SiladistribucindelademandaesGausiana,existeunaprobabilidaddel50%dequesesupereelvalor
esperadode250MW.
2.6CRITERIOSPROBABILSTICOSPARAVALORARLACAPACIDADESTTICA
Los criterios probabilsticos para valorar la adecuacin de un sistema de generacin vienen dados en
formadendicesdeadecuacin.
Losmtodosdeanlisisparapredecirlosndicesdeconfiabilidadson:
1
2
Convolucindiscreta
Convolucincontinua
Distribucionesdeprobabilidad
SimulacindeMontecarlo
Silosmodelosdelademandaydelageneracinsondiscretos
Silosmodelosdelademandaydelageneracinsoncontinuos
Si uno de modelos (demanda o generacin) es continuo y el otro
discreto
Cualquiermodelodelageneracinydelademanda
Losndicesdeadecuacinquesecalculanenestosmtodosnosonnecesariamentelosmismos.
Delosndicesdeconfiabilidadsepuede:
1
2
3
4
5
6
7
8
Establecerlareservaestticarequeridaparaunnivelderiesgodado
Valorarlaconfiabilidaddeunplandeexpansindegeneracindado
Evaluarelefectosobrelaconfiabilidaddelsistemaalincorporarunidadesdediferentestamaosy
parmetrosdeconfiabilidad(FOR,,r)
Programarelmantenimientodelasunidadesconunnivelderiesgodado
Evaluarelefectosobrelaconfiabilidaddelsistemaderetirarunidadesporobsolescencia,altoscostos
operativos,efectosambientalesetc.
Evaluarelefectodesobrelaconfiabilidaddemantenerunareservaestticapropiaorecibirasistenciadesde
otrossistemas.
Evaluarelefectosobrelaconfiabilidaddelsistemadenuevastecnologasenequipos,estrategiasdemanejo
decarga,mejoramientodeequipos,etc.
Evaluarlareservadesoportequepuedeofrecerseasistemasvecinos.
2011
24
2.7CONVOLUCINDISCRETA
Este mtodo se aplica cuando ambos modelos, generacin y la demanda, son discretos y consiste en
evaluar los ndices de confiabilidad para los valores puntuales de generacin que corresponden a los
valoresdedemandapronosticada.
2.7.1ProbabilidaddePrdidadeCarga(LOLP:LostOfLoadProbability)
LOLP = P [ X > C L ] (2.13)
C:Capacidaddisponibleenelperiododetiempobajoestudio
L:Demandamximapronosticadaparaelperiododetiempobajoestudio.
X=Prdidadegeneracin
R=CL:Eslareservadelsistema
Losperiodosdetiempopuedenser:da,semana,mesoao.
Lasprobabilidadesseobtienendelatabladeprdidadegeneracinacumulada
Laprdidadecargaocurrenicamentecuandolacapacidadremanenteenelsistemaesexcedidaporel
niveldedemandadelsistema,dichodeotraforma,cuandosepierdecapacidaddegeneracinporun
valormayoralareserva.
EJEMPLO2.11
ParaelsistemadelEjemplo2.5:
Culeslaprobabilidaddeprdidadecargasilademandafuesede150MW?
LOLP=P[250MW150MW]=P[X> 100MW]=2.00%
LOLP=P[250MW100MW]=P[X> 150MW]=0.02%
LOLP=P[250MW50MW]=P[X> 200MW]=0.02%
Conforme la demanda mxima esperada es menor, mayor es la reserva del sistema y menor es la
probabilidaddenopoderatenderuncrecimientodelademandaporencimadelvalorpronosticado.
2011
25
2.7.2ValorEsperadodePrdidadeCarga(LOLE:LostOfLoadExpectation)
LOLE = Pi (C i Li ) [Periodo/Tiempodeestudio](2.14)
i =1
Periodo:da,semana,mes.
Tiempodeestudio:Porlogeneralunao
Ci:Capacidaddisponibleenelperiododetiempoi
Li:Demandamximapronosticadaparaelperiododetiempoi
Pi(CiLi)=P(X>CiLi):LOLPenelperiodoi.Seobtienedelatabladeprdidadegeneracinacumulada
ParacalcularLOLEserequiereelpronsticodedemandaparacadaunodelosperiodosqueconformanel
tiempodeestudio.Porejemplo,lademandamximapronosticadaparacadaunodelosdasdelao.
LOLEtienelassiguientescaractersticas:
LOLEesunvaloresperado.Porejemplo,elnmerodedasporaoenquelademandaexceder
1
lacapacidadinstalada.
LOLEindicaelnmeroesperadodeperiodosportiempodeestudio,porejemplodasporao,en
2 quenoexistirreservaparaatenderuncrecimientodelademandaporencimadelvaloresperado
(pronosticado)
LOLE no es una frecuencia de ocurrencia de una condicin de insuficiencia de generacin ni la
3
duracinesperadadeestacondicin.
4 AlinvertirelLOLEyobtener,porejemplo,aos/danosepuedeinterpretarcomounafrecuencia.
5 LOLEnocuantificaelvalordelademandaquenopodrseratendido.
LOLE es un valor esperado por lo cual existe tiene una distribucin asociada. Esta distribucin
dependedelavariabilidadtantodelademandapronosticadacomodelFORdelasunidades.
6
Las investigaciones reportan que en muchos casos prcticos, la distribucin de LOLE puede ser
aproximadaaladistribucingamma.
Actualmente,LOLEeslatcnicaprobabilsticamsutilizadaparavaloracindeconfiabilidadenelnivel
jerrquicoI.
ElcriteriomsutilizadointernacionalmenteenplaneamientoesunLOLEde0.1das/aoo1dacadadiez
aoso0.24horas/ao.
Siseconsideraqueduranteeltiempodeestudiosepresentalasalidadeunaovariasdelasunidadespara
realizarmantenimientoprogramadosedebenconstruirtablasdeprdidadegeneracinconsiderandoy
sinconsiderarestasunidad.LOLEsecalculaentoncescomo:
LOLE = LOLE p
(2.15)
p =1
2011
26
dondepserefiereacadaunodelosperiodosenquesedivideeltiempodeestudioyencadaunodelos
cualesseaplicaunatabladeprdidadegeneracinespecficaparalasunidadesqueestnenservicio.
Si el modelo de generacin total se incluye una nueva unidad y existe incertidumbre en la fecha de
entradaenservicio,estehechosepuedeincorporarenelclculodeLOLEtotaldelasiguienteforma:
LOLEp=LOLEpa*a+LOLEpu*u(2.16)
Donde:
LOLEp:
LOLEenelperiodoconsiderado
LOLEpa:
LOLEenelperiodoincluyendolanuevaunidad
LOLEpu:
LOLEenelperiodosinincluirlanuevaunidad
a:
probabilidaddequelaunidadentreenservicio
u:
probabilidaddequelaunidadnoentreenservicio
EJEMPLO2.12
ConsidereelsistemadetresunidadesdelEjemplo11.2:
Lospronsticosdedemandamximapordaparaunaofuturodeestudioson:
Da
MW
#Das/ao
Ordinario
400
250
Sbado
350
52
Festivo
250
63
LOLE =250das/ao*P(450400)+52das/ao*P(450350)+63das/ao*P(450250)
=250das/ao*P(X>50)+52das/ao*P(X>100)+63das/ao*P(X>200)
=250das/ao*0.058906+52das/ao*0.049400+63das/ao*0.001088
=17.3638das/ao
El valor de LOLE es muy alto pues en la mayora de periodos del estudio, la demanda es cercana a la
capacidadinstalada,esdecir,existepocareserva.
Interpretacin:
2011
27
1
2
3
4
5
En 17.4 das del ao de estudio se espera que la demanda mxima supere la capacidad
instalada.
En17.4dasdelaodeestudioseesperaquenoexistirreservaparaatenderuncrecimiento
delademandaporencimadelvaloresperado(pronosticado)
LOLEnoindicaquedurante17.4dasporaoexistirunainsuficienciaenlageneracin.(No
esunaduracin).
El inverso de LOLE (0.05759 ao/dia) ) no indica que cada 17.4 das se producir un da de
insuficienciaenlageneracin.(Noesunafrecuencia).
LOLEnocuantificaelvalordelademandaenMWoMWhoraquenopodrseratendido.
EJEMPLO2.13
Para el clculo de LOLE en forma horaria por ao (o tiempo de estudio) se requiere la curva de carga
diariadecadadaenparticular,tipificadaparadaordinario,sbado,festivotipificadaparaunnico
daquerepresentatodoslosdasdelao.
Lomsfcilespresentarcualquieradeestascurvasenformanormalizada,dondelosvaloressepresentan
comounporcentajedelvalordedemandamxima.As,lacurvasepuedeutilizarpararepresentarunda
tipificadodecualquieraofuturoparaelcualsetieneelpronsticodedemandamxima.Porejemplo,la
referencia[2]presentalasiguientecurvanormalizadaparaundatpico:
Hora
Demandap.u
Hora
Demandap.u
1
2
3
4
5
6
7
8
9
10
11
12
0.70
0.65
0.60
0.60
0.55
0.65
0.75
0.80
0.85
0.90
0.90
0.90
13
14
15
16
17
18
19
20
21
22
23
24
0.95
0.95
0.95
1.00
1.00
1.00
0.95
0.90
0.80
0.75
0.75
0.70
Curva de carga diaria normalizada
1,00
%Dmax
0,80
0,60
0,40
0,20
0,00
1
11
13
15
17
19
21
23
Hora
2011
28
AplicandoestacurvaalEjemplo2.12seobtiene:
Hora
Daordinario
Dasbado
Dafestivo
L[MW]
R=CL
LOLP
L[MW]
R=CL
LOLP
L[MW]
R=CL
LOLP
280.00
170.00
0.030194
245.00
205.00
0.001088
175.00
275.00
0.000894
260.00
190.00
0.030194
227.50
222.50
0.001088
162.50
287.50
0.000894
240.00
210.00
0.001088
210.00
240.00
0.001088
150.00
300.00
0.000600
240.00
210.00
0.001088
210.00
240.00
0.001088
150.00
300.00
0.000600
220.00
230.00
0.001088
192.50
257.50
0.000894
137.50
312.50
0.000600
260.00
190.00
0.030194
227.50
222.50
0.001088
162.50
287.50
0.000894
300.00
150.00
0.030194
262.50
187.50
0.030194
187.50
262.50
0.000894
320.00
130.00
0.049400
280.00
170.00
0.030194
200.00
250.00
0.000894
340.00
110.00
0.049400
297.50
152.50
0.030194
212.50
237.50
0.001088
10
360.00
90.00
0.058906
315.00
135.00
0.049400
225.00
225.00
0.001088
11
360.00
90.00
0.058906
315.00
135.00
0.049400
225.00
225.00
0.001088
12
360.00
90.00
0.058906
315.00
135.00
0.049400
225.00
225.00
0.001088
13
380.00
70.00
0.058906
332.50
117.50
0.049400
237.50
212.50
0.001088
14
380.00
70.00
0.058906
332.50
117.50
0.049400
237.50
212.50
0.001088
15
380.00
70.00
0.058906
332.50
117.50
0.049400
237.50
212.50
0.001088
16
400.00
50.00
0.058906
350.00
100.00
0.049400
250.00
200.00
0.001088
17
400.00
50.00
0.058906
350.00
100.00
0.049400
250.00
200.00
0.001088
18
400.00
50.00
0.058906
350.00
100.00
0.049400
250.00
200.00
0.001088
19
380.00
70.00
0.058906
332.50
117.50
0.049400
237.50
212.50
0.001088
20
360.00
90.00
0.058906
315.00
135.00
0.049400
225.00
225.00
0.001088
21
320.00
130.00
0.049400
280.00
170.00
0.030194
200.00
250.00
0.000894
22
300.00
150.00
0.030194
262.50
187.50
0.030194
187.50
262.50
0.000894
23
300.00
150.00
0.030194
262.50
187.50
0.030194
187.50
262.50
0.000894
24
280.00
170.00
0.030194
245.00
205.00
0.001088
175.00
275.00
0.000894
1.010788
0.731986
0.022902
LOLE[Horas/da]
LOLE=(250
*1.010788+52*0.731986+63*0.022902)
das/ao*Horas/da=292.2031
Horas/ao
LOLE=12.175das/ao.
LOLE disminuye con respecto al ejemplo anterior pues ya no se supone que la demanda mxima
pronosticadaparacadadatpicopermaneceenestevalordurantelas24horasdelda.
2011
29
2.7.3ValorEsperadodeEnergaNoServida(EENS:ExpectedEnergyNotServed,LOEE:LostofEnergy
Expectation)
Si LOLE se calcula utilizando perodos de horas, el rea la bajo la curva de la potencia esperada
corresponde a la energa durante ese periodo de tiempo y puede ser utilizada para calcular el valor
esperado de energa no servida o cortada durante el tiempo de estudio debido a insuficiencia en la
capacidadinstaladadegeneracin.
EENS =
L
X =R +L
( X R ) * P ( X ) [MWhora/tiempodeestudio](2.17)
X =R
R=CL:Reservadelsistema
L:Demandamximahorariapronosticada(MW)
P(X):ProbabilidadpuntualdetenerXMWnodisponibles
X:Recorrelosestadosdiscretosdelatabladeprdidadegeneracinparavaloresmayoresalareserva
Tiempodeestudio:Porlogeneralunao.
Laaplicacindelafrmulasepresentaenelsiguienteejemplo.
EJEMPLO2.14
CalcularEENSparaelmismosistemadelEjemploanterior.
Latablaanexapresentalosresultados.
Paraeldaordinariocon400MWdedemandamxima,algunosdelosclculosson:
Hora1:EENS=(200170)*0.029106+(250170)*0.000194+(300170)*0.000294+(350170)*0.000594
+(400170)*0+(450170)*0.000006=1.035520
Hora3:EENS=
(250210)*0.000194+(300210)*0.000294+(350210)*0.000594
+(400210)*0+(450210)*0.000006=0.118820
2011
30
Hora
Daordinario
Dasbado
Dafestivo
L[MW]
R=CL
EENS
L[MW]
[MWh]
R=CL
EENS
L[MW]
[MWh]
R=CL
EENS
[MWh]
280.00
170.00
1.035520
245.00
205.00
0.124260
175.00
275.00
0.052950
260.00
190.00
0.431640
227.50
222.50
0.105220
162.50
287.50
0.041775
240.00
210.00
0.118820
210.00
240.00
0.086180
150.00
300.00
0.030600
240.00
210.00
0.118820
210.00
240.00
0.086180
150.00
300.00
0.030600
220.00
230.00
0.097060
192.50
257.50
0.068595
137.50
312.50
0.023100
260.00
190.00
0.431640
227.50
222.50
0.105220
162.50
287.50
0.041775
300.00
150.00
1.639400
262.50
187.50
0.507125
187.50
262.50
0.064125
320.00
130.00
2.627400
280.00
170.00
1.035520
200.00
250.00
0.075300
340.00
110.00
3.615400
297.50
152.50
1.563915
212.50
237.50
0.088900
10
360.00
90.00
4.698460
315.00
135.00
2.380400
225.00
225.00
0.102500
11
360.00
90.00
4.698460
315.00
135.00
2.380400
225.00
225.00
0.102500
12
360.00
90.00
4.698460
315.00
135.00
2.380400
225.00
225.00
0.102500
13
380.00
70.00
5.876580
332.50
117.50
3.244900
237.50
212.50
0.116100
14
380.00
70.00
5.876580
332.50
117.50
3.244900
237.50
212.50
0.116100
15
380.00
70.00
5.876580
332.50
117.50
3.244900
237.50
212.50
0.116100
16
400.00
50.00
7.054700
350.00
100.00
4.109400
250.00
200.00
0.129700
17
400.00
50.00
7.054700
350.00
100.00
4.109400
250.00
200.00
0.129700
18
400.00
50.00
7.054700
350.00
100.00
4.109400
250.00
200.00
0.129700
19
380.00
70.00
5.876580
332.50
117.50
3.244900
237.50
212.50
0.116100
20
360.00
90.00
4.698460
315.00
135.00
2.380400
225.00
225.00
0.102500
21
320.00
130.00
2.627400
280.00
170.00
1.035520
200.00
250.00
0.075300
22
300.00
150.00
1.639400
262.50
187.50
0.507125
187.50
262.50
0.064125
23
300.00
150.00
1.639400
262.50
187.50
0.507125
187.50
262.50
0.064125
24
280.00
170.00
1.035520
245.00
205.00
0.124260
175.00
275.00
0.052950
80.521680
40.685645
1.969125
EENS[MWhora/da]
EENS =
=
(250*80.521680+52*40.685645+63*1.969125)MWhora/da*da/ao
22370.128MWhora/ao
EENSpordaesmenorconformelareservaesmayor.
2011
31
2.7.4ValorEsperadodePrdidadeCarga(XLOL:ExpectedLossOfLoad)
XLOL =
EENS
[MW](2.18)
LOLE
EENS:[MWhora/ao]
LOLE:[Horas/ao]
EJEMPLO2.15
UtilizandolosresultadosdelosEjemplos11.13y11.14calcularXLOL.
XLOL=22370.128MWhora/ao/292.2031horas/ao=76.56MW
2.7.5FrecuenciadePrdidadeCarga
LOLF = P ( L ) *[ F ( X ) + P ( X ) * (h ( L ) h+ ( L )] (2.19)
L
[ocurrencias/periododetiempo]
X=CL=R
F(X):FrecuenciaacumuladadeprderXomasMW
P(X):ProbabilidadacumuladadeperderXomasMW
P(L):Probabilidaddequelademandaseaigualalvalormximopronosticado
11.7.6DuracindePrdidadeCarga
LOLD = LOLE * P ( L ) / LOLF (2.20)
[tiempo/periododetiempo]
LOLEdebeestarexpresadoenunidadesconsistentesconlasdeLOLF
2011
32
EJEMPLO2.16
ParaelsistemadelEjemplo11.12calcularlafrecuenciayladuracindeprdidadecargapordayao.
C=450MW,factordeexposicine=0.5.
Da
Ordinario
Sbado
Festivo
L
[MW]
400
350
250
R
[MW]
50
100
200
Frecuenciadeprdidadecarga
[eventos/da]
0.5*(0.0259984+0.058906*(20))=0.0719052
0.5*(0.0259984+0.058906*(20))=0.0719052
0.5*(0.012192+0.030194*(20))=0.03629
LOLF=(250*0.0719052+52*0.0719052+63*0.03629)=24.0016404eventos/ao
Da
Ordinario
Sbado
Festivo
L
[MW]
400
350
250
F
[eventos/da
0.0719052
0.0719052
0.0362900
LOLE
[Horas/da]
1.068406
0.760504
0.111196
Duracindelaprdidadecarga
[horas/eventoda]
1.068406*0.5/0.0719052=7.429268
0.760504*0.5/0.0719052=5.288240
0.111196*0.5/0.0362900=1.532047
LOLD=(250*7.429268+52*5.288240+63*1.532047)=2228.7995horas/ao=92.86das/ao
LOLD=2228.7995/365=6.1063horas/(eventoda)Eselvalorpromedioporeventoporda
2011
33
2.8CONVOLUCINCONTINUAYDISTRIBUCIONESDEPROBABILIDAD
FD(x)
FG(x)
1.0
fDx)
Riesgo
[MW]
x
x+dx
FG(x)
Riesgo
x
[MW]
Figura11.8Riesgodenoatenderlademandamximapronosticada
El mtodo de convolucin continua se aplica cuando ambos modelos, generacin y la demanda, son
continuos. Si una de las variables, generacin o demanda, es discreta y la otra continua el problema se
convierteenelclculodeprobabilidadapartirdeladistribucindeprobabilidaddelavariablecontinua.
Enestoscasos,laadecuacinsevaloramediantelaprobabilidaddequelageneracindisponibleenun
tiempodado(da,mes,ao)seamayoroigualalademandamximapronosticadaparadichoperiodode
tiempo. Esta probabilidad se conoce como el riesgo de no atender la demanda mxima y constituye un
ndicedeconfiabilidad.
Sambasvariablessonprobabilsticas,continuaseindependientesentres:
R ie s g o =
0 0
fG ( x ) fD ( x )d x d x =
( x ) f D ( x ) d x
(2.21)
Donde x es el valor en [MW] de la demanda mxima pronosticada o de la capacidad de generacin

disponible.LaintegraldeladerechaeslaconvolucindefGYfDconrespectoaX.
El riesgo depende de las posiciones relativas de las funciones de densidad (D, G) y de sus grados de
dispersin(D,G).
Criteriosreportadosenlaliteraturaparariesgodenoatenderlademandamximapronosticadaestnen
elrangode3%a20%
Sielsistematieneunnmerograndedeunidades(>30)cuyacapacidadindividualespequeacomparada
con la capacidad total del sistema, la distribucin de la capacidad de generacin disponible se puede
aproximar a la distribucin normal. Igualmente, la distribucin de la demanda mxima pronosticada
tambinesGausiana.
2011
34
En el caso en que tanto la demanda como la capacidad de generacin disponible tienen distribucin
Gausiana,laReferencia[13]presentaelsiguientemtodoaproximadoparacalcularelriesgo:
G D
G2 2D
(2.22)
(2.23)
Riesgo = 1 ( z = )
Donde denotaladistribucinGausianaestndar.
EJEMPLO2.17
En un sistema de potencia dado, la generacin y la demanda estn normalmente distribuidas con los
siguientesparmetros:
= 10%
Generacin:
= 1300 [MW]
= 20%
Demanda:
= 1000 [MW]
Culeselriesgodenopoderatenderlademandamxima?
G D
2
( G G )
1300 1000
(0.1 *1300)2 + (0.2 *1000)2
= 1.25766542
Riesgo = 1 ( z = 1.25766542) = 1 0.8962 = 10.38%
EJEMPLO2.18
En un sistema de potencia dado, la demanda estn normalmente distribuidas con parmetros = 1000
[MW]y = 20% .Silageneracintieneunvalorfijode1200MW,culeselriesgodenopoderatenderla
demandamxima?
FD(x)
Riesgo = P [ Demanda > 1200]
Riesgo
1200 1000
= 1.0
1000 * 02
z =
1000
1200
[MW]
Riesgo = 1 ( z = 1.0) = 1 0.8413 = 15.87%
2011
35
2.9SIMULACINDEMONTECARLO
2.9.1Descripcindelmtodo
Horas
1 2 3
"
8760
Iteraciones
"
"
"
H , ENS , r
H , ENS , r
H , ENS , r
Figura2.9Procedimientodesimulacinsecuencialenunsistemadegeneracin
Con el mtodo de simulacin de Montecarlo, la adecuacin del sistema de generacin se estudia

generandoenformaaleatorialosvaloresdeenergaelctricadisponiblecadahoradelaodeestudioy
comparndoloconrespectoalvalordelademandapronosticadoencadahora.Lafigura10.9muestraun
esquemadelprocedimientodesimulacin.
Elprocedimientodesimulacines:
2
3
Definirelescenarioaseranalizado
Ao futuro de inters, unidades en servicio, demanda

pronosticada, modelos de confiabilidad de los componentes,
modelos de los recursos primarios para generacin, puntos de
interconexinenservicioysumodelodedespacho
Fijar el nivel de contingencias a ser n 1 ,n n 2 ,etc.
estudiado
Para cada hora i del ao se valora el As se obtienen el valor de la demanda di , la generacin total
desempeo del sistema mediante el disponible g (interna y externa), la reserva del sistema
i
balancedeenerga.
(
g
d
)
ylademandanoservidasihaydficitenelsistema(
i
i
Este mtodo se denomina full gi < di ).

sequentialsimulation.
Alcompletarlas8760horasdelaohay El nmero de horas en que hay dficit ( H ), la demanda no
una iteracin y se acumulan los servida( ENS )ylareserva( r ).
parmetros que permitirn calcular los
ndicesdeconfiabilidad
Al terminar la simulacin se calculan La simulacin termina cuando se alcance el criterio de parada:
losndicesdeconfiabilidad
nmeromximodeiteraciones,coeficientedevariacindeuno
delosndicesasercalculado,etc.
Si existen varias alternativas de expansin, se debe efectuar una simulacin para cada una de ellas y
compararlosndicesdeconfiabilidadresultantesencadaunadeellas.
2.9.2Procedimientodentrodeunaiteracin
2011
36
Dentrodecadaiteracinsesigueelsiguienteprocedimiento:
3
4
5
6
7
8
9
Para cada uno de los componentes delsistema genere un nmero aleatorio uniforme y convirtalo en un
tiempoparasalidautilizandolacorrespondientedistribucindeprobabilidad.
Sielmenortiempoparasalidaesmayoroigualaunao,noexistesalidadecomponentesenestaiteracin.
Delocontrario,elcomponenteconelmenortiempoparasalidaseconsideraindisponible,sielcriteriode
prdidadecomponenteses n 1 ;sielcriterioes n 2 ,losdoscomponentesconmenortiempoparasalida
menora1aoseconsideranindisponibles.
Paracadaunodeloscomponentesindisponiblesgenereunnmeroaleatoriouniformeytransfrmeloen
un tiempo para restauracin utilizando la correspondiente distribucin de probabilidad. Redondee estos
tiemposavaloresenterosdehora.
Paracadaunorecursosprimariosdeenergagenereunnmeroaleatoriouniformeyconvirtaloaunvalor
delrecursoutilizandolacorrespondientedistribucindeprobabilidad.
Paracadaunadelasunidadesdegeneracininternasdisponiblesenestahora,determinelapotenciaactiva
quepuedendespachar
ParacadaunodelosPIgenereunnmeroaleatoriouniformeyconvirtaloenelvalordeMWquepueden
suministrarutilizandolacorrespondientedistribucindeprobabilidad.
Determineelvalordedemandaactivautilizandolacurvadedemandadeltipodedaquecorrespondaala
horabajoestudio
Si se consideran los reactivos, determine la demanda reactiva y los MVAR que pueden despachar las
unidadesinternasylossistemasexternos
Calculelareservadelsistemaenestahoraylademandanoservida,enelcasodehaberdficit.
2.9.3Clculodelosndicesdeconfiabilidad
Unavezseterminaunasimulacin,setendrunamuestrade N datosparacadavariable I quepermite

calcularunndicedeconfiabilidad.
En general, un ndice de confiabilidad se calcular como un promedio estadstico que es estimador del
valoresperadodeunndicedeconfiabilidad.
1 N
E (I ) = I j
j =1
(2.24)
Para cada ndice de confiabilidad, se pueden ajustar los datos obtenidos a una distribucin de
probabilidad,loquepermitehaceranlisisderiesgoeincorporarelndiceenotrostiposdeanlisis.
Algunosndicesdeconfiabilidadson:
LOLE(LossofLoadExpectation)ovaloresperadodeprdidadecarga
LOLE = H j / N
j =1
(2.25)
LOLP(LossofLoadProbability)oprobabilidaddeprdidadecarga
2011
37
LOLP = ( H j ) /( N *8760) = LOLE / 8760

j =1
(2.26)
EENS(ExpectedEnergyNotServed)ovaloresperadodeenerganoservidaalao
N
EENS = ENS j / N
j =1
(2.27)
%Rovaloresperadodereservaalao
N
8760
j =1
j =1
% R = ( rj ) /( N * d j ) *100 [MW]
(2.28)
Para un ejemplo prctico de la aplicacin del mtodo de simulacin de Montecarlo en la valoracin de

adecuacindesistemasdegeneracinconsultarlaReferencia[15].
2011
38
2.10LACONFIABILIDADENELPLANEAMIENTODESISTEMASDEGENERACIN
En el planeamiento de sistemas de generacin se analiza para uno o varios aos futuros diversas
estrategias de expansin en generacin que se plantean dentro de un problema de optimizacin
matemtica.
La confiabilidad generalmente es incorporada en este problema dentro de las restricciones, aunque

tambinpuedeincorporarsedentrodelafuncinobjetivo.
Paraelcasodecapacidadestticadondesevaloralaadecuacindelsistemadegeneracinparaatenderla
demanda,elproblemasepuedeplantearenformageneraldelasiguienteforma:
Minimizar(Ci+Co+Cu+Ca+Cn)
Sujetoa:
Capacidaddisponible>Demanda
Restriccionesdemantenimiento:Tiempoprogramadodesalidadelasunidades
Restriccionesambientales:Emisionespermitidasovolumendeaguaausaretc
Restriccionesdeconfiabilidad:LOLE,EENS,XLOL,LOLF,LOLD,etc
Restriccionesoperativas:Requisitostcnicosylegales
Donde:
Ci:Costodeinversinennuevasunidadesoenelmejoramiento(overhaul)delasactuales
Co:Costooperativoscomocombustible,personal,mantenimiento
Cu:Costoparalosusuariosporfaltadelservicioocompensacinalosusuarios
Ca:Costosambientales
Cn:Otroscostos
Este problema se puede plantear para uno o varios aos futuros de inters en forma individual o
simultnea. En el primer caso, la solucin del problema es de una etapa y en el otro multietapa. Si la
programacinesdinmicalafuncinobjetivoseevalaparadiferentesalternativasdeexpansin.
Generalmente, las alternativas de expansin en generacin se toman de estudios de planeamiento

energtico.
2011
39

Confiabilidad Sistemas Electricos Capitulo 2 2011

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Confiabilidad Sistemas Electricos Capitulo 2 2011

Uploaded by

Copyright:

Available Formats

Captulo2Adecuacindesistemasdegeneracin

Se debe estimar el valor ptimo de capacidad

Un sistema de generacin est en falla en la situacin en que la capacidad de generacin disponible es

Entonces,cuandonesgrande,ladistribucindexesGausianaconvalormedio yvarianza 2dadaspor:

A partir de la distribucin de probabilidad discreta o

Es el tipo de modelamiento ms utilizado. Se conoce

Para construir este tipo de modelo se utilizan la

Conocidas las distribuciones de probabilidad discretas

Para construir este tipo de modelo se puede utilizar el

El considerar fallas mltiples, reparaciones mltiples o fallas y reparaciones simultneas en distintos

Las probabilidades individuales de las unidades de generacin, sean disponibilidades o

De registros operativos, aplicando la definicin de

Se define un incremento en MW para los estados de prdida de generacin. A menor

P(X) = pi * P'(X Ci ) (2.11)

Reemplazando, la frmula recursiva queda P(X)=(1U)*P(X)+U*P(XC) que es el planteamiento

El mejoramiento en la adecuacin de un sistema de generacin dado se puede lograr por medio de la

Sin embargo, la asistencia desde el sistema B est limitada a 10 MW que es la capacidad de la

Se obtienen directamente de estudios de pronstico

Los estudios de pronstico de demanda pueden

Como la demanda de un sistema, zona, subestacin,

No puede considerarse que este tipo de modelo sea

En la literatura se reportan criterios de planeamiento (Valores admisibles) de porcentaje de reserva que

LOLP = P [ X > C L ] (2.13)

Curva de carga diaria normalizada

LOLD = LOLE * P ( L ) / LOLF (2.20)

Donde x es el valor en [MW] de la demanda mxima pronosticada o de la capacidad de generacin

(0.1 *1300)2 + (0.2 *1000)2

Riesgo = 1 ( z = 1.25766542) = 1 0.8962 = 10.38%

Riesgo = P [ Demanda > 1200]

Riesgo = 1 ( z = 1.0) = 1 0.8413 = 15.87%

Con el mtodo de simulacin de Montecarlo, la adecuacin del sistema de generacin se estudia

Ao futuro de inters, unidades en servicio, demanda

Este mtodo se denomina full gi < di ).

Unavezseterminaunasimulacin,setendrunamuestrade N datosparacadavariable I quepermite

LOLP = ( H j ) /( N *8760) = LOLE / 8760

Para un ejemplo prctico de la aplicacin del mtodo de simulacin de Montecarlo en la valoracin de

La confiabilidad generalmente es incorporada en este problema dentro de las restricciones, aunque

Generalmente, las alternativas de expansin en generacin se toman de estudios de planeamiento

You might also like

Reemplazando, la frmula recursiva queda P(X)=(1U)P(X)+UP(XC) que es el planteamiento

(0.1 1300)2 + (0.2 1000)2