Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Marco Integrado de Continuidad Operativa y Gestión de Riesgos para Sistemas EMS de Misión Crítica en Transición Tecnológica

Integrated Framework for Operational Continuity and Reliability Assessment of Mission-Critical EMS Systems in Technological Transition




Sección
SISTEMAS ELÉCTRICOS DE POTENCIA

Cómo citar
Marco Integrado de Continuidad Operativa y Gestión de Riesgos para Sistemas EMS de Misión Crítica en Transición Tecnológica. (2026). Revista Técnica "energía", 23(1), PP. 38-54. https://doi.org/10.37116/revistaenergia.v23.n1.2026.760

Dimensions
PlumX

Cómo citar

Marco Integrado de Continuidad Operativa y Gestión de Riesgos para Sistemas EMS de Misión Crítica en Transición Tecnológica. (2026). Revista Técnica "energía", 23(1), PP. 38-54. https://doi.org/10.37116/revistaenergia.v23.n1.2026.760

Descargar cita

Licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Gabriel Rivera
Lourdes Farinango
Francisco De Lima

Artículos similares

1-10 de 502

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

La gestión de plataformas de tecnología operacional de misión crítica como los Sistemas de Gestión de Energía (EMS, *Energy Management System*) que han superado su vida útil de diseño constituye un desafío técnico y estratégico para los Operadores de Sistemas (OS), particularmente durante transiciones tecnológicas prolongadas. Este artículo tiene por objetivo evaluar la confiabilidad y sostener la continuidad operativa de un EMS en obsolescencia, mediante un marco integrado de siete componentes estratégicos respaldado por una formulación que articula disponibilidad, redundancia, riesgo dinámico acotado y estados degradados de servicio modelados con cadenas de Markov de cuatro estados. El enfoque se aplica al caso real del EMS de un OS con economía emergente, en transición hacia un nuevo EMS previsto para 2027. Los resultados incluyen una disponibilidad de 99,91 %, un tiempo medio de reparación (MTTR, Mean Time To Repair) de 2,7 h y la racionalización de más del 20% de señales de historización; la evaluación mediante Markov entrega una disponibilidad del orden de 99,91 %, y el modelo de riesgo dinámico cuantifica reducciones en el rango de 29–55 % por modo de falla, mientras que la evaluación económica por análisis de umbral establece la condición de costo-efectividad del plan. En conjunto, estas medidas fortalecen la capacidad del OS para sostener alta disponibilidad y reducir la exposición al riesgo durante la ventana de transición y aportan una base estructurada para priorizar medidas de mitigación y apoyar la toma de decisiones técnicas y de gestión para preservar la operación segura del sistema eléctrico.


Visitas del artículo 96 | Visitas PDF 38


Descargas

Los datos de descarga todavía no están disponibles.
  1. [1] A. J. Wood, B. F. Wollenberg, y G. B. Sheblé, Power Generation, Operation, and Control, 3ª ed. Hoboken, NJ, EE. UU.: Wiley-IEEE Press, 2013.
  2. [2] A. Monticelli, State Estimation in Electric Power Systems: A Generalized Approach. Boston, MA, EE. UU.: Kluwer Academic Publishers, 1999.
  3. [3] Electric Power Research Institute, “EMS/SCADA System Lifecycle Management Guidelines,” EPRI Technical Report 3002014929, Palo Alto, CA, EE. UU., 2019.
  4. [4] CIGRE Working Group D2.34, “Operational Experience and Asset Management of EMS/SCADA Systems,” CIGRE Technical Brochure 737, París, Francia, 2018.
  5. [5] P. D. T. O’Connor y A. Kleyner, Practical Reliability Engineering, 5ª ed. Chichester, Reino Unido: Wiley, 2012.
  6. [6] International Organization for Standardization, “Security and resilience — Business continuity management systems — Requirements,” ISO 22301:2019, Ginebra, Suiza, 2019.
  7. [7] International Organization for Standardization, “Risk management — Guidelines,” ISO 31000:2018, Ginebra, Suiza, 2018.
  8. [8] North American Electric Reliability Corporation, “CIP Reliability Standards — Critical Infrastructure Protection,” Atlanta, GA, EE. UU., 2023. [En línea]. Disponible: https://www.nerc.com/pa/Stand/Pages/CIPStandards.aspx
  9. [9] National Institute of Standards and Technology, “The NIST Cybersecurity Framework (CSF) 2.0,” NIST CSWP 29, Gaithersburg, MD, EE. UU., feb. 2024. doi: 10.6028/NIST.CSWP.29.
  10. [10] International Electrotechnical Commission, “Industrial communication networks — Network and system security,” IEC 62443 Series, Ginebra, Suiza, 2018-2023.
  11. [11] IEEE Standard for Intelligent Electronic Devices Cyber Security Capabilities, IEEE Std 1686-2013, Piscataway, NJ, EE. UU., 2014.
  12. [12] R. Billinton y R. N. Allan, Reliability Evaluation of Power Systems, 2ª ed. Nueva York, NY, EE. UU.: Plenum Press, 1996.
  13. [13] A. A. Chowdhury y D. O. Koval, Power Distribution System Reliability: Practical Methods and Applications. Hoboken, NJ, EE. UU.: Wiley-IEEE Press, 2009.
  14. [14] M. Rausand y A. Høyland, System Reliability Theory: Models, Statistical Methods, and Applications, 2ª ed. Hoboken, NJ, EE. UU.: Wiley-Interscience, 2004.
  15. [15] E. Bompard, P. Cuccia, M. Masera, y I. Fovino, “Cyber vulnerability in power systems operation and control,” en Critical Infrastructure Protection, J. López, R. Setola, y S. Wolthusen, Eds. Berlín, Alemania: Springer, 2012, pp. 197-234.
  16. [16] Electric Power Research Institute, “EMS/SCADA Life Extension and Technology Transition: Best Practices for Critical Infrastructure,” EPRI Technical Report 3002019756, Palo Alto, CA, EE. UU., 2021.
  17. [17] CIGRE Study Committee D2, “Information Systems and Telecommunication — EMS Platform Modernization Strategies,” CIGRE Technical Brochure 825, París, Francia, 2021.
  18. [18] A. K. S. Jardine, D. Lin, y D. Banjevic, “A review on machinery diagnostics and prognostics implementing condition-based maintenance,” Mechanical Systems and Signal Processing, vol. 20, n.º 7, pp. 1483-1510, 2006. doi: 10.1016/j.ymssp.2005.09.012.
  19. [19] International Organization for Standardization, “Condition monitoring and diagnostics of machines — General guidelines,” ISO 17359:2018, Ginebra, Suiza.
  20. [20] D. H. Stamatis, Failure Mode and Effect Analysis: FMEA from Theory to Execution, 2ª ed. Milwaukee, WI, EE. UU.: ASQ Quality Press, 2003.
  21. [21] A. Apostolov, “End-to-end testing and FMEA of modern protection and control systems,” IEEE Trans. Power Del., vol. 32, n.º 2, pp. 1026-1034, abr. 2017. doi: 10.1109/TPWRD.2016.2582820.
  22. [22] T. Schröder y W. Kuckshinrichs, “Value of lost load: An efficient economic indicator for power supply security? A literature review,” Frontiers Energy Research, vol. 3, art. 55, 2015. doi: 10.3389/fenrg.2015.00055.
  23. [23] N. Schuerhoff, P. Linares, y M. Ortega-Vazquez, “Estimating the value of lost load in emerging economies: A South American case study,” Energy Policy, vol. 156, art. 112392, 2021. doi: 10.1016/j.enpol.2021.112392.
  24. [24] IEEE Standard Definitions for Use in Reporting Electric Generating Unit Reliability, Availability, and Productivity, IEEE Std 762-2006, Piscataway, NJ, EE. UU., 2007. doi: 10.1109/IEEESTD.2007.335902.
  25. [25] International Electrotechnical Commission, “Energy management system application program interface (EMS-API) — Common information model (CIM) base,” IEC 61970-301:2020, Ginebra, Suiza, 2020.
  26. [26] International Electrotechnical Commission, “Application integration at electric utilities — System interfaces for distribution management,” IEC 61968 Series, Ginebra, Suiza, 2012-2022.
  27. [27] Operador Nacional de Electricidad del Ecuador, “Plan de Continuidad Operativa del Sistema EMS,” Reporte Técnico Interno, Unidad Administradora de Sistemas de Control, Quito, Ecuador, 2025.
  28. [28] F. Arraño-Vargas y G. Konstantinou, “Modular design and real-time simulators toward power system digital twins implementation,” IEEE Trans. Ind. Informat., vol. 19, n.º 1, pp. 52-61, ene. 2023. doi: 10.1109/TII.2022.3178713.
  29. [29] Y. Ghahremani, W. Li, y V. Dinavahi, “Digital twin for power system protection and control: A review,” IEEE Access, vol. 10, pp. 102148-102168, 2022. doi: 10.1109/ACCESS.2022.3207908.
  30. [30] M. Cui, J. Wang, y M. Yue, “Machine learning-based anomaly detection for load forecasting under cyberattacks,” IEEE Trans. Smart Grid, vol. 10, n.º 5, pp. 5724-5734, sep. 2019. doi: 10.1109/TSG.2018.2890809.
  31. [31] Y. Zhang, T. Huang, y E. F. Bompard, “Big data analytics in smart grids: A review,” Energy Informatics, vol. 1, art. 8, 2018. doi: 10.1186/s42162-018-0007-5.
  32. [32] IEEE Standard for SCADA and Automation Systems, IEEE Std C37.1-2007, Piscataway, NJ, EE. UU., 2008.
Sistema OJS 3.4.0.9