Artículo Académico / Academic Paper
Recibido: 30-10-2020, Aprobado tras revisión: 23-07-2021
Forma sugerida de citación: Ugsha, N.; Pesántez, G.; Guamán. W.; Proaño. X.; Casillas, G. (2021). “Rendimiento del Sistema
Primario de Distribución por interrupciones”. Revista Técnica “energía”. No. 18, Issue I, Pp. 19-28
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
© 2021 Operador Nacional de Electricidad, CENACE
Performance of the Primary Distribution System due to interruptions
Rendimiento del Sistema Primario de Distribución por interrupciones
N. Ugsha
1
G. Pesantez
1
W. Guamán
1
X. Proaño
1
G. Casillas
2
1
Universdad Técnica de Cotopaxi
E-mail: geomhutc@gmail.com; gabriel.pesantes3889@utc.edu.ec;
wilian.guaman8956@utc.edu.ec; xavier.proano@utc.edu.ec
2
Empresa Electrica Quito
E-mail: gcasillas@eeq.com.ec
Abstract
The frequency and duration of outages are one of the
most critical issues among distribution companies
today, whose studies allow guaranteeing the correct
operation of the Distribution System in the event of
random failures. Based on this approach, this article
is developed, through which the performance of the
Primary Distribution System (PDS) is evaluated in
the event of random failures that occur in the
networks, taking as a basis a methodology contained
between the development of a reliability model
framed in the relationship of the bathtub curve and
the Poisson Probability for discrete random
variables, concerning short-term planning (1 year);
also, the probable time of failure of the Primary
Distribution System is evaluated using the Monte
Carlo Method. Therefore, it can be seen that
atmospheric discharges and environmental effects
are the main problems.
Resumen
La frecuencia y duración de las interrupciones es
uno de los temas con mayor importancia entre las
empresas distribuidoras en la actualidad, cuyos
estudios permiten garantizar el correcto
funcionamiento del Sistema de Distribución ante
fallas aleatorias. En base a este enfoque, se
desarrolla el siguiente artículo, mediante el cual se
evalúa el rendimiento del Sistema Primario de
Distribución (SPD ) ante fallas aleatorias que se
presentan en las redes tomando como base una
metodología contenida entre el desarrollo de un
modelo de confiabilidad enmarcado en la relación de
la curva de riesgo (curva de la bañera) y la
Probabilidad de Poisson para variables aleatorias
discretas, con relación a una planificación a corto
plazo (1 año), en adición, se evalúa el tiempo
probable de falla del Sistema Primario de
Distribución mediante el Método de Monte Carlo.
Con lo cual se puede observar que las descargas
atmosféricas y efectos ambientales son el principal
problema.
Index terms component, formatting, style, styling,
insert (keywords)
Palabras clave Confiabilidad, Poisson, Sistemas de
Distribución.
19
Edición No. 18, Issue I, Julio 2021
1. INTRODUCCIÓN
Los sistemas de energía con el rápido desarrollo de
la tecnología actual deben tener un alto grado de
eficiencia ante eventos de falla por esta razón la
tolerancia hacia los cortes de energía debido a causas
aleatorias, son analizados usando métodos analíticos y
de simulación que permiten evaluar en forma predictiva
la confiabilidad de los Sistemas de Distribución (SD)
[1].
El Sistema de Distribución debe actuar de forma
rápida ante eventos de falla en las redes, debido al
impacto que representa un corte en el suministro de
electricidad hacia las diferentes cargas, lo que puede
provocar inconvenientes tanto en la producción,
comercialización o atención médica además de que las
interrupciones generan una disminución en la
confiabilidad del Sistema de Distribución y en
ocasiones, producto de la energía que no se suministra
se pueden generar sanciones gubernamentales por
incumplimiento de la calidad del servicio contenida en
la Regulación 002/20 del ARCERNNR hacia las
Empresas Distribuidoras ecuatorianas.
Un hecho importante, que se destaca, es la cantidad
de interrupciones y pérdidas de energía, que se
presentan en los sistemas, y más aún en las redes de
distribución, donde el 90% de las fallas, corresponden a
problemas de confiabilidad generando que las
investigaciones actuales se enfoquen en la minimización
de interrupciones a nivel de distribución [2].
Actualmente es común utilizar modelos predictivos
para garantizar la seguridad del sistema, estos modelos
relacionan el campo de la probabilidad y técnicas
estadísticas para evaluar las condiciones actuales y
futuras de los alimentadores primarios y sistema de
distribución, como también el tiempo y el lugar donde
será requerido mitigar o mejorar la red para mantener la
confiabilidad [2] [3].
En tal contexto, con el objetivo de analizar la
respuesta del Sistema de Distribución Primario, ante
eventos de interrupción producidos por causa aleatorias,
se desarrolla una metodología estimada en la
confiabilidad del sistema, partiendo de los índices del
punto de carga que registra el SPD en los últimos 5
años, para determinar la confiabilidad e indisponibilidad
de los alimentadores primarios con una planificación de
1 año, mediante un modelo de confiabilidad para redes
de distribución, determinado por la relación del periodo
de vida útil de la curva de riesgo (curva de bañera) y
propiedades de la probabilidad de Poisson, cuyo modelo
es analizado para determinar las causas más incidente,
resultantes del Diagrama circular de Pareto, en la cual se
clasifica las causas con mayores registros (pocos
vitales) que provocan el 80% de las interrupciones, a
comparación del 20% restante (Muchos triviales).
De igual manera, se determina la probabilidad de
fallo de los primarios, mediante el Método de Monte
Carlo, donde se simula la tasa de falla y tasa de
reparación de cada primario mediante una función que
relaciona las variables probabilísticas involucradas y un
número con distribución uniforme comprendido entre
[0, 1].
2. METODOLOGÍA
2.1. Índices de Confiabilidad del punto de Carga
La probabilidad de que un equipo o sistema pueda
desempeñar una función específica, durante un intervalo
de tiempo y bajo condiciones de uso o de operación
definidas, toma el nombre de confiabilidad [4], la cual
en este caso se clasifica en índices de confiabilidad del
punto de carga.
Los índices del punto de carga son funciones de
fallas de componentes, reparaciones y tiempos de
restauración que presentan comportamientos aleatorios
por naturaleza y que permiten evaluar el rendimiento del
pasado y futuro de los sistemas de energía, es decir,
acciones operativas planificadas en base al registro de
fallas [5], los índices son los siguientes:
Tasa de Falla (λ)
(1)
La tasa de fallas está en [fallas/año]
(2)
En donde
- Tiempo de reparación i en horas
- Número de interrupciones del componente i
Indisponibilidad del Punto de Carga (Ᾱ)
(3)
2.2. Índices de Confiabilidad del punto de Carga
El siguiente modelo inicia con la relación de
probabilidad de Poisson, definida como variable
aleatoria discreta y la etapa de vida útil de equipos y
sistemas de la curva de riesgo.
Al considerar la probabilidad de Poisson, como un
número infinito con puntos posibles para cualquier
variable aleatoria, donde “n” que representa el número
de casos o éxitos de probabilidad, tienda a infinito
20
Ugsha et al. / Rendimiento del Sistema Primario de Distribución por interrupciones
(n→∞), se tiene la ecuación 4, donde "n" para el
siguiente análisis constituye el número total de equipos
y materiales instalados en las redes, que no se conoce
con exactitud, por lo que se considera infinito [6].
(4)
Al cambiar la variable “μ” por “λ
int
t”, debido a que
lambda, al representar la frecuencia esperada del
fenómeno modelado por la distribución y “μ” el valor
esperado por la variable aleatoria, se determina que el
valor esperado “μ” es equivalente al número de
interrupciones en un tiempo, es decir (λ
int
t) [6],
resultando la siguiente función, característica de la
Probabilidad de Poisson.
(5)
Como la λ
int
por fallas, se presentan generalmente en
todos los componentes del sistema se establece la tasa
de falla, durante el periodo de ejecución de
Planificación de Operación y Mantenimientos (POM),
bajo el tiempo de planificación de 1 año, como se
muestra a continuación:
(6)
Donde las variables parten del siguiente criterio:
r=1 probabilidad de que exista al menos una
interrupción en la red.
λint =cte. parte del hecho que la etapa de la vida
útil de la curva de riesgo, ya que las fallas son
constantes (aleatorias) externas a la red.
t=1 año ya que en términos de planificación del
Sistema Eléctrico de Distribución (SED) de
medio y bajo voltaje, se define un plan anual
correspondiente a la expansión de alimentadores
y acciones operativas en las S/E de Distribución,
que comparada a la Regulación 002/20 del
ARCERNNR del CONELEC, las empresas
Distribuidoras hasta el 31 de octubre de cada año
presentan información relacionada al
mantenimiento, operación o expansión de redes
dentro de sus áreas de concesión [7] [8].
La Fig. 1, muestra la representación gráfica de la
curva de riesgo para equipos y sistemas.
Figura 1: Curva de tasa de Riesgo (curva de la bañera) [7]
Al realizar los cambios de las variables se obtiene
una función que representa la probabilidad de que exista
al menos una interrupción en las redes durante el tiempo
de análisis.
(7)
Cuando la distribución del número de interrupciones se
aproxima a una curva exponencial y la tasa de
interrupción es pequeña en comparación con el número
total de dispositivos, se determina que la tasa de falla (λ)
es igual a la probabilidad (P) de una interrupción [9].
La ecuación 8, representa la tasa de falla con
relación a la tasa de interrupción bajo el tiempo de
análisis.
(8)
La función de confiabilidad, a partir de la
probabilidad de Poisson, se determina en base a la
probabilidad Exponencial negativa. Al tomar la relación
planteada en base al criterio de componentes no
reparables, se obtiene la siguiente ecuación que es útil
para evaluar la confiabilidad del SPD [6].
(9)
2.3. Probabilidad de Falla del SPD por Simulación
Monte Carlo
La composición del Método Monte Carlo, para el
cálculo del tiempo de falla del SPD, parte de la
generación de números pseudoaleatorios con
distribución uniforme entre [0,1], con la cual, mediante
la relación de la transformada inversa de la función de
densidad y distribución acumulada de la probabilidad
exponencial, se obtiene la siguiente función, que
permite evaluar el tiempo de fallo y reparación del SPD.
(10)
21
Edición No. 18, Issue I, Julio 2021
(11)
Como (1-U), pertenece a la distribución uniforme,
contenida en el intervalo [0,1], se puede deducir que, (1-
U) =U, las ecuaciones 10 y 11, muestra las funciones
utilizadas para el cálculo de la probabilidad de falla y
reparación del SPD [10].
El diagrama de flujo, de la Fig. 2, muestra el
funcionamiento del código, la cual se clasifica en tres
procesos:
Ingreso de datos. (Tasa de falla y reparación)
Selección de datos (λ
falla
, μ
reparación
) por cada
primario bajo análisis.
Resultado de Tiempo de falla y reparación
3. RESULTADOS
3.1. Interrupciones en el Sistema de Distribución
Primario
La Fig. 3, muestra el historial de interrupciones
registradas en los últimos 5 años, desde junio del 2014 a
julio del 2019, cuya clasificación en base al nivel de
incidencia, se determina que el Sistema Primario de
Distribución el cual presenta mayores interrupciones,
seguida del Sistema de Subtransmisión y en último
lugar aquellas producidas por interconexiones externas a
la Empresa.
Figura 2: Historial de interrupciones en el Sistema de
Distribución. Registros de las interrupciones registradas en la
cabecera de los primarios desde el año 2000-2019
La Fig. 4, detalla las desconexiones automáticas y
manuales que se han originado en el Sistema de
Distribución.
Fi
na
l
Tiempo promedio de
fallo y reparación.
Desviación estándar y
varianza del resultado
Cálculo de Función
objetivo. Relación de
valor pseudoaleatorio,
tasa de falla y
reparación
Inicialización (M=1:
N)
Ingresar matriz
“datos”, de tasa
de falla y tasa de
reparación
Inicio
Ingresar número
de simulaciones
“N”
Generar número
pseudoaleatorio
entre [0, 1]
Inicialización (I=1:
datos)
(cont1=0; cont2=0)
Selección de cada
tasa de falla y
reparación
Selección uno a uno de la
tasa de falla y reparación.
Figura 3: Procedimiento para obtener el tiempo promedio de fallo y
reparación del SPD mediante el Método de Monte Carlo. I: número de
tasa de falla y reparación de cada primario del SPD. M=índice de
iteración. N: número de ensayos.
22
Ugsha et al. / Rendimiento del Sistema Primario de Distribución por interrupciones
Figura 4: Desconexiones en el Sistema de Distribución. Registros
desde el 2000 a 2019
Al clasificar las desconexiones automáticas
producidas por interrupciones externas a la red
(aleatoriedad), con las desconexiones manuales
producto de maniobras o mantenimiento del SD, se
observa que la desconexión automática (desconexión de
estudio) es la que presenta mayores registros de
incidencia, siendo la principal causa de estudio para los
cálculos de confiabilidad.
La tabla 1, muestra el número total de desconexiones
automáticas y manuales existentes desde julio del 2014
a junio del 2019 (tiempo de estudio=5 años), cada una
de ellas clasificadas por el periodo POM analizado.
De las 2791 desconexiones automáticas
(interrupciones aleatorias) presentes en el SPD, se
clasifica las interrupciones según la causa que la
provoca bajo la clasificación de interrupciones estimada
por la Comisión de Integración Energética Regional
Latinoamericana (CIER), y el uso de la metodología del
Diagrama de Pareto. Ver la Fig. 5.
Tabla 1: Interrupciones del Sistema Primario de Distribución.
Registros desde el 2014-2019
Desconexión
Automática
Desconexión
Manual
Nº. total,
interrupción
2014-
2015
660
150
810
2015-
2016
539
109
648
2016-
2017
532
193
725
2017-
2018
489
166
655
2018-
2019
571
67
638
Totales
2 791
685
3 476
Figura 5: Causas básicas que producen fallas en el Sistema
Primario de Distribución
En la Fig. 5 se puede observar que las causas se
dividen bajo el uso de la metodología de Pareto, cuya
clasificación corresponde al estudio que producen el
80% de las fallas, sin tomar en cuenta las causas
triviales de menor incidencia en la red, este porcentaje
global bajo estudio corresponde al periodo 2014-2019.
De las causas presentadas, el siguiente análisis se
direccionada a las “principales causas de estudio” que
producen el 87,3% de fallas a nivel de Primarios, sin
efecto a la causa “por deterioro del equipamiento en las
redes que producen el 19% de las fallas”, ya que la
misma, no se interpreta como una falla aleatoria externa
al sistema, sino que la interrupción se origina por
envejecimiento de equipos o sistemas.
3.2. Cálculo de Confiabilidad de un Alimentador
Dado que el Método de MC, se basa en un muestreo
aleatorio, cuya simulación muestral depende de un
número determinado de iteraciones para la
convergencia, se determina un criterio de parada:
(12)
Para su aplicación se parametriza los valores de
desviación estándar σ, nivel de confianza γ, la
probabilidad de obtener aciertos pi y un porcentaje de
desviación acorde a un nivel de confianza superior al
90% de los valores simulados.
En esta sección se determina la confiabilidad de la
red de distribución del SPD, para lo cual se efectúa un
ejemplo que describe la metodología descrita en el
flujograma de la Fig. 3.
Para el estudio de rendimiento del SPD, se usa el
primario F, de la Subestación Santa Rosa, la cual, tiene
los siguientes datos de (interrupciones>3 min) y el
tiempo de reparación total por cada periodo de
interrupción.
23
Edición No. 18, Issue I, Julio 2021
Tabla 2: Interrupciones del Primario F de la S/E Santa Rosa
Periodo
No. Int. [u]
Duración Int.
[h]
POM 1
1
1,5164
POM 2
3
2,8275
POM 3
2
1,5661
POM 4
3
4,9506
POM 5
5
3,7161
Total
14
14,5767
Los datos de la Tabla 2, se usan para determinar la
confiabilidad. Calculando los índices del punto de carga
λ, μ, r, disponibilidad (A), Confiabilidad (C) he
Indisponibilidad (Ᾱ)
Tabla 3: Resultados de índices de carga y A, C, Ᾱ
µ
r
λ
A
C
Ᾱ
0,9604
1,0412
0,1703
0,8494
0,8434
0,1506
Una vez estimado los valores de C y Ᾱ, se simula el
tiempo en años probable que el SPD de prueba sufrirá
un fallo, de igual manera el tiempo probable de
reparación para efectos de restablecer el servicio
eléctrico, cuyos resultados son asociados y relacionados
con los mantenimientos preventivos, correctivos a
efectuarse antes de producirse la interrupción.
Figura 6: Probabilidad de interrupción en el SPD de prueba
medido en [años]
Se observa, que, bajo el comportamiento aleatorio de
la muestra, se obtiene resultados probables de
interrupción, como del tiempo para resolver dicha
interrupción, como se indica en la Fig. 6 y Fig. 7.
Figura 7: Probabilidad del tiempo de reparación al producirse la
interrupción en el SPD de prueba medido en [horas]
3.3. Cálculo de Confiabilidad e Indisponibilidad del
SPD
En base al número de interrupciones totales
registradas en las cabeceras del SPD, contenidas en las
interrupciones esenciales Fig. 5, a excepción de
interrupciones por deterioro del equipamiento por
envejecimiento.
Se determina la C, Ᾱ, tiempo probable de falla y
reparación del SPD con interrupciones cuya duración es
mayor a 3 minutos (int. > 3min.).
Una vez reducido las S/E, bajo estudio, se presenta
la siguiente tabla, que muestra los cálculos de
confiabilidad (C), indisponibilidad (Ᾱ) de las S/E de
Distribución y primarios anexados, clasificados según
las “principales causas de estudio”. Para una mejor
visualización se detalla el código del Primario.
La tabla que se detalla clasifica los Alimentadores
Primarios de las S/E, bajo el criterio de menor
confiabilidad y mayor indisponibilidad de servicio, las
cuales se clasifican mediante 4 grupos de rendimiento.
Aunque las 5 causas analizadas en los distintos
alimentadores primarios presentan distinto resultado de
(C) e (Ᾱ), se visualiza que los resultados mostrados por
Descargas atmosféricas rigen a todas las causas
precedentes, resultando 11 Primarios con rendimiento 1,
es decir primarios con menor confiabilidad y mayor
indisponibilidad de servicio ante interrupciones
aleatorias.
Al determinar la confiabilidad e indisponibilidad de
los primarios, la siguiente tabla muestra la probabilidad
de falla en años y de reparación en horas de las S/E de
Distribución bajo análisis.
Con el fin de realizar un análisis las probabilidades
de falla para cada alimentador se van a dividir en 4
niveles, conocidos como “probabilidades de falla”
- Probabilidad 1 <1 año
- Probabilidad 2. 1 a 1.7 años
- Probabilidad 3 <2.55 años
24
Ugsha et al. / Rendimiento del Sistema Primario de Distribución por interrupciones
- Probabilidad 4 <5.10 años
Se procede a analizar la probabilidad en cada zona
por diferentes situaciones.
Tabla 4: Confiabilidad del SPD
C Ᾱ C Ᾱ C Ᾱ C Ᾱ C Ᾱ
NE 19B 0,692 0,004 0,692 0,017 0,719 0,002 0,765 0,004 0,692 0,056 1
NE 57A 0,692 0,010 0,763 0,080 0,765 0,002 0,849 0,001 - - 1
NE 57B 0,692 0,257 0,849 0,001 - - 0,765 0,252 0,698 0,407 1
NE 57D 0,697 0,018 0,849 0,010 0,765 0,076 - - - - 1
NE 57E 0,697 0,020 0,906 0,242 - - 0,692 0,139 0,692 0,114 1
NE 57F 0,698 0,283 0,692 0,017 0,765 0,197 - - 0,698 0,099 1
NE 57G 0,698 0,079 0,692 0,028 0,849 0,001 0,697 0,534 0,719 0,006 1
SE 37A 0,698 0,021 0,692 0,024 0,849 0,008 - - 0,765 0,003 1
C 59A 0,698 0,286 0,724 0,033 0,849 0,190 0,692 0,054 0,765 0,314 1
C 59B 0,698 0,003 0,849 0,006 0,719 0,217 - - 0,849 0,001 1
C 59C 0,698 0,163 0,849 0,010 0,765 0,076 - - 0,849 0,001 1
C 59D 0,708 0,045 0,692 0,020 - - - - 0,765 0,011 2
C 59E 0,708 0,159 0,697 0,039 0,692 0,239 0,765 0,013 - - 2
C 59F 0,708 0,238 - - 0,765 0,091 0,765 0,127 0,692 0,030 2
N 19A 0,719 0,003 0,692 0,024 0,849 0,008 0,765 0,001 - - 2
N 19C 0,719 0,008 0,697 0,039 0,719 0,018 0,692 0,041 0,719 0,001 2
N 19D 0,719 0,227 0,708 0,372 0,765 0,021 0,719 0,204 2
N 19E 0,719 0,087 0,708 0,381 0,849 0,108 0,765 0,004 0,719 0,129 2
N 19F 0,724 0,027 0,849 0,004 0,849 0,003 0,765 0,001 0,698 0,006 2
N 19G 0,763 0,026 0,697 0,012 0,765 0,005 0,698 0,154 0,692 0,006 2
N 19H 0,765 0,002 0,692 0,014 - - 0,765 0,009 0,765 0,128 2
N 19I 0,765 0,005 0,698 0,101 0,765 0,077 - - 0,692 0,008 2
N 57C 0,765 0,002 0,698 0,003 0,765 0,065 - - 0,765 0,192 2
S 21A 0,765 0,113 0,765 0,002 0,765 0,002 0,719 0,104 0,719 0,002 2
S 21B 0,765 0,010 0,849 0,004 0,719 0,160 0,849 0,114 - - 2
S 21C 0,765 0,002 0,849 0,006 - - - - 3
S 21D 0,804 0,280 0,697 0,566 0,719 0,217 0,724 0,177 0,692 0,064 4
S 21E 0,804 0,129 0,765 0,002 - - 0,849 0,001 - - 4
S 37B 0,849 0,005 0,692 0,017 0,765 0,003 0,765 0,019 - - 4
S 37C 0,849 0,001 0,692 0,168 0,719 0,084 4
S 37D 0,849 0,001 0,697 0,566 - - - - 0,849 0,001 4
S 37E 0,849 0,001 0,698 0,014 0,765 0,018 0,849 0,087 - - 4
S 37F 0,849 0,001 0,765 0,002 - - - - - - 4
S 37H 0,849 0,001 - - - - - - - - 4
S 59A 0,861 0,171 0,804 0,307 0,849 0,232 - - 0,849 0,008 4
S 59B 0,893 0,139 0,698 0,014 0,765 0,018 - - - - 4
S 59C 0,893 0,040 0,724 0,049 0,765 0,475 0,765 0,142 0,849 0,004 4
S 59D 0,919 0,608 0,697 0,289 0,849 0,001 0,849 0,177 0,765 0,001 4
S 59E 0,929 0,094 0,692 0,168 - - - - - - 4
S 59F 0,947 0,531 0,763 0,080 0,698 0,017 0,849 0,001 0,849 0,001 4
S 21F - - 0,698 0,483 - - - - - - 4
Zona
Primario
Rendimiento
1
2
3
4
5
1. Descarga atmosférica
2. No determinadas
causa desconocida
3. Daño o
interferencia
accidental
4. Materiales
llevados por el
viento
5. Animal
Rendimiento 1
Negro
C<0.707
Rendimiento 2
Rojo
0.708≤C≤0.743
Rendimiento 3
Amarillo
0.709≤C≤0.784
Rendimiento 4
Verde
C>0.785
Tabla 5: Probabilidad de falla aleatoria y duración de la falla del
SPD para materiales llevados por el viento
1. Zona 2. Prim.
3. Tiempo de
fallo [años]
4. Duración de
fallo [horas]
5. Prob. de
falla
Sur 37F 0,60 0,569 1
Norte 19G 0,80 1,535 1
Noroeste 57G 0,96 0,168 1
Norte 57C 0,96 0,151 1
Sur 59B 0,96 0,116 1
Sur 21B 1,20 0,445 2
Noroeste 57E 1,60 0,201 2
Norte 19F 1,60 0,266 2
Noroeste 19B 2,40 0,877 3
Noroeste 57D 2,40 0,379 3
Sureste 37A 2,40 0,43 3
Centro 59C 2,40 0,004 3
Norte 19A 2,40 0,05 3
Norte 19D 2,40 0,005 3
Norte 19E 2,40 0,016 3
Norte 19H 2,40 0,034 3
Sur 21E 2,40 0,015 3
Sur 59E 2,40 0,072 3
Centro 59B 4,80 0,549 4
Centro 59F 4,80 0,004 4
Norte 19C 4,80 0,004 4
Sur 21D 4,80 1,125 4
Sur 59C 4,80 0,004 4
Sur 59D 4,80 0,722 4
Tabla 6: Probabilidad de falla aleatoria y duración de la falla del
SPD para descargas Atmosféricas
1. Zona 2. Prim.
3. Tiempo de
fallo [años]
4. Duración de
fallo [horas]
5. Prob. de
falla
Sur 59C 0,232 0,261 1
Sur 59F 0,255 0,026 1
Sur 21D 0,269 0,414 1
Sureste 37A 0,300 0,013 1
Sur 37C 0,300 0,048 1
Sur 59A 0,340 0,070 1
Centro 59F 0,425 0,063 1
Sur 37F 0,425 0,165 1
Sur 21B 0,510 0,014 1
Norte 19D 0,638 0,018 1
Noroeste 57D 0,729 0,226 1
Norte 19A 0,729 0,137 1
Sur 21C 0,729 0,034 1
Noroeste 57G 0,851 0,017 1
Sur 37B 0,851 0,015 1
Noroeste 19B 1,021 0,351 2
Norte 19C 1,021 0,011 2
Norte 19E 1,021 0,004 2
Noroeste 57A 1,276 0,500 2
Centro 59A 1,276 0,247 2
Centro 59D 1,276 0,004 2
Norte 19G 1,276 0,109 2
Norte 57C 1,276 0,507 2
Sur 37D 1,276 0,027 2
Centro 59C 1,701 0,004 2
Sur 21A 1,701 0,497 2
Sur 21E 1,701 0,161 2
Sur 59B 1,701 0,013 2
Noroeste 57B 2,552 0,004 3
Noroeste 57E 2,552 0,324 3
Noroeste 57F 2,552 0,013 3
Norte 19H 2,552 0,004 3
Sur 37E 2,552 0,004 3
Sur 59D 2,552 0,026 3
Centro 59B 5,104 0,004 4
Centro 59E 5,104 0,004 4
Norte 19F 5,104 0,004 4
Norte 19I 5,104 0,004 4
Sur 37H 5,104 0,004 4
Sur 59E 5,104 0,023 4
25
Edición No. 18, Issue I, Julio 2021
Tabla 7: Probabilidad de falla aleatoria y duración de la falla del
SPD para Interferencia de particulares
1. Zona 2. Prim.
3. Tiempo de
fallo [años]
4. Duración de
fallo [horas]
5. Prob. de
falla
Norte 19A 1,038 0,321 2
Sur 59C 1,297 0,022 2
Centro 59C 1,730 0,478 2
Norte 19E 1,730 0,004 2
Sur 37F 1,730 0,471 2
Sur 59B 1,730 0,031 2
Sur 59D 1,730 0,324 2
Noroeste 57A 2,595 0,628 3
Noroeste 57B 2,595 0,176 3
Noroeste 57D 2,595 0,256 3
Noroeste 57E 2,595 0,004 3
Noroeste 57F 2,595 0,212 3
Sureste 37A 2,595 2,311 3
Norte 19C 2,595 0,004 3
Sur 21A 2,595 0,056 3
Sur 21B 2,595 0,013 3
Sur 37B 2,595 0,21 3
Sur 37C 2,595 0,046 3
Sur 59E 2,595 0,009 3
Norte 19D 5,189 0,018 4
Norte 19G 5,189 0,005 4
Norte 57C 5,189 1,196 4
Sur 21D 5,189 0,004 4
Sur 21E 5,189 0,62 4
Sur 37D 5,189 0,041 4
Sur 59A 5,189 1,543 4
Tabla 8: Probabilidad de falla aleatoria y duración de la falla del
SPD para el caso de aves
1. Zona 2. Prim.
3. Tiempo de
fallo [años]
4. Duración de
fallo [horas]
5. Prob. de
falla
Noroeste 57D 1,018 0,031 2
Noroeste 57F 1,0 18 0,008 2
Noroeste 57G 1,018 0,129 2
Norte 19E 1,0 18 0,151 2
Sur 59B 1,018 0,017 2
Sur 37F 1,018 0,174 2
Noroeste 57A 1,273 0,138 2
Norte 19A 1,2 73 1,132 2
Norte 19D 1,273 0,016 2
Noroeste 57E 1,697 0,004 2
Norte 19H 1,697 0,019 2
Sur 21A 1,697 0,619 2
Sur 21E 1,697 0,390 2
Sur 59B 1,697 0,004 2
Noroeste 57B 2,545 0,592 3
Norte 19I 2,545 0,478 3
Norte 57C 2,545 1,171 3
Sur 21C 2,545 0,041 3
Sur 21D 2,545 0,004 3
Sur 37D 2,545 0,011 3
Sureste 37A 5,090 0,019 4
Centro 59A 5,090 0,004 4
Centro 59D 5,090 0,004 4
Centro 59E 5,090 0,004 4
Sur 59A 5,090 0,048 4
Sur 59C 5,090 0,004 4
Tabla 9: Probabilidad de falla aleatoria y duración de la falla del
SPD para situaciones no clasificadas
1. Zona 2. Prim.
3. Tiempo de
fallo [años]
4. Duración de
fallo [horas]
5. Prob. de
falla
Noroeste 57G 0,283 0,086 1
Sur 59A 0,425 0,178 1
Norte 19E 0,464 0,031 1
Sur 59C 0,510 0,042 1
Norte 19A 0,567 0,379 1
Sureste 37A 0,638 0,031 1
Norte 19D 0,638 0,040 1
Norte 57C 0,638 0,021 1
Sur 21A 0,729 0,410 1
Sur 21E 0,729 0,426 1
Sur 21B 0,850 0,010 1
Sur 21D 0,850 0,327 1
Sur 37F 0,850 1,051 1
Sur 59B 0,850 0,033 1
Noroeste 57A 1,020 0,017 2
Norte 19C 1,020 0,057 2
Norte 19F 1,020 0,012 2
Norte 19G 1,020 0,028 2
Norte 19H 1,020 0,013 2
Sur 21C 1,020 0,020 2
Sur 37D 1,020 0,024 2
Sur 59E 1,020 0,017 2
Sur 59F 1,020 0,196 2
Noroeste 57B 1,276 0,004 2
Noroeste 57F 1,276 0,136 2
Centro 59A 1,276 0,004 2
Centro 59F 1,276 0,703 2
Sur 21F 1,276 1,129 2
Sur 37C 1,276 0,018 2
Noroeste 57E 2,551 0,004 3
Centro 59C 2,551 0,004 3
Sur 37H 2,551 0,004 3
Noroeste 19B 5,102 0,004 4
Centro 59B 5,102 0,004 4
Centro 59E 5,102 0,004 4
Sur 37B 5,102 0,051 4
Sur 37E 5,102 0,030 4
Sur 59D 5,102 0,022 4
4. CONCLUSIONES
Los efectos de las descargas atmosféricas
constituyen el 27% de fallas en el sistema por lo que
sería interesante considerar un estudio en torno a esto
con el fin de mitigarlo.
Los problemas causados por fallas en elementos que
cumplen su vida útil constituye una cantidad importante
de las fallas del sistema, por lo que considerar un
adecuado plan de mantenimiento y cambio de elementos
envejecidos repercutiría de forma positiva en el sistema.
El orden del rendimiento del SPD, de las principales
causas de estudio del Gráfico de Pareto, al clasificarlas
en base a menor confiabilidad y mayor indisponibilidad
de servicio, solo se rige a la principal causa de estudio,
26
Ugsha et al. / Rendimiento del Sistema Primario de Distribución por interrupciones
correspondiente a las originadas por descargas
atmosféricas.
La causa por envejecimiento o deterioro del equipo
y sistema en los Alimentadores primaros, no es tomado
en cuenta en el modelo de confiabilidad planteado, ya
que la misma, corresponde a la Etapa III de la curva de
riesgo, cuyas causas no son de tipo aleatorio en las
redes.
La introducción de nuevos sistemas de protección
como reconectadores, seccionadores y más cambiarían
la topología de la red y por lo tanto el estudio realizado.
REFERENCIAS BIBLIOGRÁFICAS
[1]
X. Zhang, Q. lIn, X. Wu, Z. Lin, A. Tang, H.
Yang y X. Shu, «Sequential Monte Carlo
Reliability Prediction Method of low Voltage
Distribution Network Based on Failure Effect
Analysis,» de Computing Technology, Intelligent
Technology, Industrial Information Integration,
Wuhan, China, 2017.
[2]
L. Zemite, J. Gerhards, M. Gorobetz y A.
Levchenkov, «Optimization of distribution
system reliability,» de 2016 IEEE 16th
International Conference on Environment and
Electrical Engineering (EEEIC), Florence, Italy,
2016.
[3]
J. Dobschinski, R. Bessa, P. Du, K. Geisler, S. E.
Haupt, M. Lange, C. Mohrlen, D. Nakafuji y M.
d. l. T. Rodriguez, «Predición de la incertidumbre
en pocas palabras,» IEEE power & energy
magazine, pp. 48-59, 2016.
[4]
LOSPEE, «Registro Oficial No. 21,»
LEXISFINDER, Quito-Ecuador, 2019.
[5]
R. Billinton y R. Allan, Reliability Evaluation of
Engineering System, New York: Springer
Science+Business Media, LLC, 1992.
[6]
A. Chowdhury y D. Koval, POWER
DISTRIBUTION RELIABILITY. Practical
Methods and Applications, New Jersey: IEEE
Press Editorial Board, 2009.
[7]
ARCERNNR, «ARCERNNR,» 23 Noviembre
2020. [En línea]. Available:
http://www.controlrecursosyenergia.gob.ec/wp-
content/uploads/downloads/2020/12/Regulacion-
No.-ARCERNNR-005_20-Transacciones-
Comerciales.pdf. [Último acceso: 23 Diciembre
2020].
[8]
A. A. N. d. E. Eléctrica, «Planejamento da
Expansão do Sistema de Distribuição,» ANNEL,
Brasil, 2016.
[9]
D. Eggly y W. Esser, «Reliability Analysis and
What It Means,» IEEE TRANSACTIONS ON
INDUSTRY AND GENERAL
APPLICATIONS,, vol. 5, nº 5, pp. 578-581,
1999.
[10]
R. Billinton y W. Li, Reliability Assessment of
Electric Power Systems Using Monte Carlo
Methods, New York: Springer Science+Business
Media, LLC, 1994.
[11]
N. G. Ugsha Chusin, ANÁLISIS DE LAS
FALLAS EN REDES DE DISTRIBUCIÓN
ELÉCTRICA CAUSADO POR FAUNA EN LA
EMPRESA ELÉCTRICA QUITO, Latacunga-
Ecuador: Universidad Técnica de Cotopaxi,
2020.
Nelson Ugsha Chusin.- Nació en
la provincia de Cotopaxi en 1996.
Recibió su título de Ingeniero
Eléctrico en Sistemas Eléctricos de
Potencia de la Universidad Técnica
de Cotopaxi en 2020. Actualmente,
se encuentra cursando estudios en
diseño de redes de distribución y
fiscalización de obras eléctricas. Su campo de
investigación se encuentra relacionado diseño de redes
usando arcGIS.
Gabriel Pesantez Palacios.-
Nació en Cañar en 1988. Recibió
su título de Ingeniero Eléctrico de
la Universidad de Cuenca en 2013
y su título de Mestre em
Engenharia Electrotecnica por el
Politécnico de Leiria en 2017.
Actualmente, se encuentra
trabajando como docente en la Universidad Técnica de
Cotopaxi, y su campo de investigación se encuentra
relacionado con los Sistemas Eléctricos de Distribución.
Wilian Guamán Cuenca - Nació
en Riobamba, Ecuador en 1989.
Recibió su título de Ingeniero en
Electromecánica por la
Universidad de las Fuerzas
Armadas “ESPE” en 2013 y su
título de Máster Universitario en
Ingeniería de la Energía por la
Universidad Politécnica de Madrid en 2017.
Actualmente trabaja como docente en la carrera de
Electricidad de la Universidad Técnica de Cotopaxi y
sus campos de investigación están relacionados con el
análisis de sistemas eléctricos de potencia.
27
Edición No. 18, Issue I, Julio 2021
Xavier Proaño Maldonado. -
Nació en Latacunga Ecuador, en
1985. Recibió su título de
Ingeniero Eléctrico de la Escuela
Politécnica Nacional en 2010; de
Máster en Gestión de Energías de
la Universidad Técnica de
Cotopaxi en 2013. Su campo de
estudio se encuentra relacionado con Alto Voltaje,
Energías Renovables, Protecciones Eléctricas y
Sistemas Eléctricos de Potencia. Docente de planta a
tiempo completo de la Carrera de Ing. Eléctrica en la
Facultad de Ciencias de la Ingeniería y Aplicadas de la
UTC, Ecuador.
Germán Casillas Peña. Recibió
su título de Ingeniero Eléctrico de
la Universidad Politécnica
Nacional en 2008 y su título de
Mestre Em Ciencias Da
Engenharia Elétrica – Sistemas de
Distribuição, SMART GRIDs por
la Escola Politécnica da
Universidade de São Paulo-Brasil, maio 2017.
28