Revista Técnica

Enero 2017
Edición No. 13
(ISSN 1390-5074)

TÍTULO / AUTOR PAG.

SISTEMAS ELÉCTRICOS DE POTENCIA

Aceleración de Máquinas Sincrónicas en el Sistema Nacional Interconectado durante un cortocircuito de larga

duración.......................................................................................................................................................................... 5
P. Verdugo, J. Cepeda, J. Román

Análisis del Sistema Metro de Quito y su impacto en la Red de la Empresa Eléctrica Quito........................................
15
M. Jurado, J. Marín, F. Pérez, H. Arcos, F. Quilumba

Determinación de Áreas Eléctricas Coherentes por Frecuencia y cómputo de la Frecuencia Promedio del Sistema
26
a partir de Información Sincrofasorial en Tiempo Real del Sistema Nacional Interconectado.....................................
A. De La Torre, J. Cepeda

Implementación de una Red Neuronal Artificial para la predicción de la Demanda Eléctrica a corto plazo...............
36
J. Carrión

Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctrico de Potencia................
43
D. Soria, S. Gamboa

Estudio de Prefactibilidad Técnica de la Línea El Inga – Vicentina a 138 kV, en el Sistema de Subtransmisión de
la Empresa Eléctrica Quito............................................................................................................................................. 54
A. Chávez, F. Pérez, F. Quilumba, R. Loor

Metodología para la Determinación de Ángulos de Sincronismo y Tiempos de Recierre en el Sistema Nacional

Interconectado .............................................................................................................................................................. 63
J. Aimara, J. Ordoñez

Identificación de Áreas de Control de Voltaje en el Sistema Nacional Interconectado de Ecuador utilizando Minería
de Datos.......................................................................................................................................................................... 70
D. Echeverría, V. Flores, W. Villa, J. Cepeda

Localización de Fallas mediante la Transformada de Wavelet en Líneas de Transmisión...........................................

79
L. Cruz, D. Carrión, A. Riofrio

Método Heurístico de Ubicación Óptima de Centros de Transformación y Enrutamiento de Redes Eléctricas de

Distribución................................................................................................................................................................... 90
D. Carrión, E. García, J. González, I. Isaac, G. López, R. Hincapié

Modelación de Regímenes de Redes Eléctricas en Presencia de Distorsión Armónica...............................................

97
I. González, S. Marrero, A. Legra, A. León, X. Proaño

Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra
- Santa Cruz................................................................................................................................................................... 106
L. Dután
 Revista Técnica “energía” • Número 13 • Enero 2017. Revista anual que se ha constituido en el medio para compartir
criterios y experiencias técnicas a través de Artículos Técnicos que son de responsabilidad de sus Autores; y, no
necesariamente corresponden a aquellos criterios sostenidos por CENACE.

Consejo Editorial CENACE

Ing. Gabriel Argüello Ríos

Director del Consejo Editorial
Director Ejecutivo - CENACE

Dr. Jaime Cepeda

Coordinador del Consejo Editorial
Subgerente Nacional de Investigación y Desarrollo - CENACE

Ing. Michelle Nieto

Coordinador Logístico
Subgerente de Planificación y Gestión Estratégica - CENACE

Ing. Juan Carlos Herrera

Delegado de la Dirección Ejecutiva
Subgerente Nacional Comercial - CENACE

Srta. Wendy Arias

Subgerencia de Planificación y Gestión Estratégica - CENACE

Ing. Diego Echeverría

Subgerencia Nacional de Investigación y Desarrollo - CENACE

Msc. Karla Lucero

Subgerencia de Planificación y Gestión Estratégica - CENACE

Ing. Paulina Vásquez

Subgerencia Nacional de Investigación y Desarrollo - CENACE

Consejo Editorial Externo

Ing. Víctor Orejuela

Ministerio de Electricidad y Energía Renovable - MEER

Ing. Ricardo Narváez

Instituto Nacional de Eficiencia Energética y Energías Renovables - INER

Dr. Jesús López Villada

Escuela Politécnica Nacional - EPN

Copyright © 2017 CENACE. Todos los derechos reservados

Diseño y diagramación www.grupoinnovando.com

La Revista Técnica “energía” de CENACE es publicada anualmente y su distribución no tiene costo alguno. Se
permite la reproducción total o parcial de esta revista citando la fuente.

Indización
Revista Técnica “energía” está indizada en las bases de datos de “EBSCO Information Services”. El acceso a la
versión electrónica se encuentra en: www.ebscohost.com

Revista Técnica “energía” está indizada en el catálogo Latindex, Sistema Regional de Información en Línea para
Revistas Científicas de América Latina, el Caribe, España y Portugal. El acceso a la catalogación electrónica se
encuentra en www.latindex.unam.mx

2
 Editorial
La Revista Técnica “energía” del Operador
Nacional de Electricidad, CENACE, nació
con el objetivo de fomentar el conocimiento
científico en el país, permitiendo difundir
la investigación generada en las diferentes
áreas de CENACE, así como también, en
otras instituciones relacionadas con los
sectores eléctrico y energético, colegios
profesionales, institutos de investigación
e instituciones de educación superior,
cuyos temas sean de interés dentro del
ámbito eléctrico, energético y empresarial.
A lo largo de los años la Revista Técnica
“energía” ha evolucionado con el propósito
de alcanzar los estándares editoriales más
exigentes a nivel mundial, cumpliendo
con la rigurosidad de instituciones
internacionales de gran prestigio que
brindan el servicio de indización. Es así
que, en la presente edición de la revista,
se ha procurado involucrar a distintas
instituciones del sector eléctrico, así como
institutos de investigación y de educación
superior, en el Consejo Editorial, como
parte de los exigentes requisitos editoriales
mencionados. En este sentido, en la
edición No. 13 colaboraron las siguientes
instituciones: Ministerio de Electricidad
y Energía Renovable MEER, Instituto
Nacional de Eficiencia Energética y Energía
Renovable INER y Escuela Politécnica
Nacional EPN. La apertura editorial de la
presente edición ha permitido tener una
sinergia entre la industria, la academia y la
investigación, lo cual es uno de los pilares
fundamentales del quehacer investigativo y
el subsecuente desarrollo de un país.
En esta edición se presentan temáticas
relacionadas con el desarrollo y aplicación
de tecnologías tendientes a incorporar
inteligencia en los sistemas energéticos
y velar por la calidad, seguridad y
eficiencia energética. Dentro de los tópicos
presentados es posible mencionar: los
Sistemas de Monitoreo de Área Extendida
(WAMS), Estimador de Estado Distribuido,
Sistemas de Protección, Impacto del Metro
3
 de Quito en la Red Eléctrica, Tecnologías de
generación no convencionales, Micro Redes,
Sistemas de Calentamiento y Generación
Eficientes, Gestión del Conocimiento, entre
otros; los cuales están divididos en las
siguientes temáticas: Sistemas Eléctricos
de Potencia, Tecnológicos e Innovación,
Producción y uso de la Energía, Eficiencia
Energética y Gestión Empresarial. Cabe
indicar que a partir de la presente edición se
incluyó la temática de Producción y uso de
la Energía, esto debido al impacto que tiene
y tendrá en el futuro la movilidad eléctrica
en el Ecuador.
Como ya se mencionó, la edición No.
13 ha sido diseñada cumpliendo con los
más altos estándares de publicaciones
internacionales, acorde a las exigencias
de las indizaciones que la revisa ostenta
en instituciones internacionales de alto
prestigio como LATINDEX (http://www.
latindex.unam.mx/), y EBSCO Information
Services (http://www.ebscohost.com), lo
que ha permitido consolidar el prestigio y
reconocimiento nacional e internacional
alcanzado por la Revista.
sus formas. Así, “energía” brinda el espacio
para difundir las investigaciones y desarrollos
nacionales e internacionales orientados no sólo
a garantizar la disponibilidad futura de energía,
sino también a promover un menor impacto
sobre el medio ambiente, mientras se garantiza
el acceso a la energía cumpliendo parámetros de
calidad, confiabilidad, seguridad y a los precios
más bajos para todos los ecuatorianos. En este
contexto, la Revista Técnica “energía” se ha
convertido en el espacio de difusión tecnológica
más importante del Ecuador en temas
energéticos y es compromiso de todos quienes
formamos parte del grupo editorial procurar la
mejora continua de los contenidos de la revista
en miras a convertirla en un referente a nivel
internacional en sus próximas ediciones.
Ing. Gabriel Argüello Ríos
Director Ejecutivo CENACE
Director del Consejo Editorial

La Revista Técnica “energía”, ha

Revis
propendido en estos 13 años, a contribuir con
el desarrollo del sector eléctrico ecuatoriano
en sus etapas de generación, transmisión y
distribución y el sector energético en todas

4
 Aplicación Práctica / Practical Issues

Aceleración de Máquinas Sincrónicas en el Sistema Nacional

Interconectado durante un cortocircuito de larga duración

P.X. Verdugo J.C. Cepeda J.E. Román

Operador Nacional de Electricidad – CENACE
E-mail: pverdugo@cenace.org.ec; jcepeda@cenace.org.ec; jroman@cenace.org.ec

Resumen Abstract

Los sistemas eléctricos de potencia están formados
por una gran cantidad de elementos que presentan
características dinámicas particulares y que los
hacen únicos y diferentes a otros sistemas. Es en
este sentido que cada sistema requiere de estudios
y evaluaciones propias que permitan conocer
su dinámica operativa ante la ocurrencia de
diferentes acontecimientos y, con esto, establecer
medios de control y protección que se adapten
a las características propias de cada sistema,
para incrementar los niveles de seguridad y
confiabilidad en el suministro de energía eléctrica.
El propósito de este trabajo es presentar el análisis
post mortem de un evento electromecánico
que causó la aceleración de unidades de
generación del Sistema Nacional Interconectado
ecuatoriano, como resultado de un cortocircuito
suscitado dentro de un sistema de distribución,
y que posteriormente ocasionó el disparo de la
interconexión a nivel de 230 kV entre Ecuador y
Colombia.
Este análisis permite resaltar la importancia del
uso de herramientas tecnológicas modernas de
monitoreo y análisis de sistemas de potencia,
como el Sistema de Monitoreo de Área Extendida
(WAMS). Asimismo, los resultados muestran
una consecuencia inesperada en la operación
de sistemas de potencia, sobre: i) la forma de
propagación de eventos dinámicos en una red; y,
ii) el evento disparador de variaciones grandes
de frecuencia. Finalmente, los resultados podrán
guiar la definición de medidas que permitan evitar
a futuro, la manifestación de eventos similares.
Electric power systems are made up of a great
amount of elements that present particular
dynamic characteristics and make them different
from other systems. It is in this regard that
particular studies and evaluations must be
performed for each system in order to understand
their dynamic performance in the face of different
events and consequently establish means of control
and protection, adapted to the proper features of
each system, to improve the reliability and security
in the electric power supply.
This article aims to portray the post mortem
analysis of an electromechanical event that caused
the acceleration of generation units belonging to
the Ecuadorian National Interconnected System,
as the result of a short-circuit that occurred in
a distribution system. This event subsequently
caused the tripping of the 230 kV interconnection
between Ecuador and Colombia.
This analysis allows highlighting the importance
of using modern technological tools for monitoring
and assessing the power system such as the Wide
Area Monitoring System (WAMS). Likewise, the
obtained results show an unexpected consequence
about power system operations, related to: i) the
characteristics of dynamic event propagation in a
grid; and, ii) the triggering event of big frequency
variations. Finally, the analysis results might
guide the definition of countermeasures that allow
avoiding the manifestation of similar events in the
future.

Palabras clave— Cortocircuitos, Energía cinética, Index terms— Short-circuit, Kinetic energy,
Generadores, Flujo de potencia, Protecciones, Generators, Power flows, Protections, WAMS.
WAMS.

Recibido: 09-09-2016, Aprobado tras revisión: 08-12-2016

Forma sugerida de citación: Verdugo, P.; Cepeda, J.; Román, J. (2017). “Aceleración de Máquinas Sincrónicas
en el Sistema Nacional Interconectado ante un cortocircuito de larga duración”. Revista Técnica “energía”.
No. 13, Pp. 5-14
ISSN 1390-5074.

5
 Edición No 13, Enero 2017
1. INTRODUCCIÓN
La inclusión de mercados desregulados, la falta
de inversión, la operación con líneas de transmisión
congestionadas, y otras razones técnicas, como
restricciones de tipo ambiental, han llevado a operar los
sistemas eléctricos de potencia (SEP) peligrosamente
cerca de sus límites físicos. A esto se suma la falta
de un mantenimiento adecuado, la inapropiada
gestión de activos y, muchas veces, el no considerar
la aplicación de procesos de supervisión y auditorías
bien estructurados. Bajo estas condiciones, ciertas
perturbaciones, incluso algunas consideradas como
de poco impacto, en ciertas circunstancias podrían
disparar eventos en cascada que eventualmente
conduzcan al sistema a desconexiones indeseadas o
incluso a colapsos parciales o totales [1].
Sobre esta base, es necesario desarrollar
metodologías novedosas y estructurar procesos
que permitan planificar y operar los sistemas de
potencia de forma más segura y confiable. Entre
estas propuestas están, entre otras: una adecuada
planificación de la expansión del sistema, la
implementación de tecnologías modernas de
monitoreo, control y protección (sistemas SCADA/
EMS y sistemas WAMPAC), la implementación de
procesos de gestión y auditorías de protecciones, la
implementación de sistemas de protección especiales
(SPS) y la gestión inteligente de activos.
Estas implementaciones modernas forman parte
de un proceso de reingeniería, que ha establecido
la necesidad de desarrollar modelos matemáticos
y herramientas prácticas que permitan diseñar una
red inteligente (Smart Grid) auto-curable (Self-
Healing Grid), capaz de llevar a cabo funciones de
reconfiguración y control de área extendida en tiempo
real [1].
En la actualidad, entre las modernas tecnologías
de monitoreo se encuentran los medidores
sincrofasoriales (PMUs) y los sistemas de monitoreo
de área extendida (WAMS), los cuales facilitan el
diseño de mecanismos para evaluar la vulnerabilidad
del sistema de potencia luego de ocurrida una
contingencia, ya sea mediante estudios fuera de
línea o incluso a través de análisis en tiempo real.
Los resultados de estos análisis están orientados a
establecer o diseñar propuestas metodológicas que
mejoren la seguridad y confiabilidad del SEP en la
etapa de planificación, o determinar indicadores
que disparen la actuación de SPSs en tiempo real,
permitiendo mejorar el desempeño de las acciones
de control correctivo [2]. Estos resultados pueden
además, orientar la toma de oportunas acciones en
tiempo real, por parte del personal de operación, y
6
evitar o limitar las consecuencias negativas de la
contingencia.
Las metodologías de evaluación de la
vulnerabilidad pueden clasificarse en: métodos fuera
de línea, métodos en línea y métodos en tiempo real.
La evaluación fuera de línea se realiza mediante
métodos convencionales basados en simulaciones de
alta complejidad, que generalmente conforman tareas
con gran consumo de tiempo computacional, lo que
restringe las aplicaciones en línea. Estos métodos se
basan en simulaciones en estado estable (evaluación
de la seguridad estática -SSA-) o dinámico (evaluación
de la seguridad dinámica -DSA-) de N-x (x = 1, 2,
3,…, n) contingencias críticas. Estas contingencias
también pueden estar asociadas a una probabilidad
de ocurrencia, utilizando por ejemplo, métodos de
Montecarlo. En los métodos en línea, los datos de
entrada se actualizan a través de equipos de medición y
herramientas de procesamiento adecuadas (SCADA/
EMS, WAMS, GIS, Registradores de Perturbaciones),
en tanto que, en los métodos en tiempo real, estos datos
obtenidos en línea son procesados con herramientas
matemáticas y computacionales rápidas, de forma
que los resultados pueden ser entregados dentro de
máximo un par de segundos [2].
Uno de los métodos convencionales más usados
para realizar evaluación post-operativa son los análisis
post mortem de los eventos críticos, los cuales eran
realizados únicamente en base a simulaciones fuera
de línea, buscando representar de alguna manera las
condiciones reales del sistema. Sin embargo, el uso
de tecnología de monitoreo en línea (en este artículo:
PMUs/WAMS y Registradores de Perturbaciones)
permite hacer uso de datos reales del sistema con el
objetivo de mejorar sustancialmente los análisis post
mortem.
Un aspecto fundamental a considerar en un
análisis post mortem, es la criticidad y el desempeño
de los sistemas de protección ante la ocurrencia
de perturbaciones de área amplia. Así, varias
contingencias que han iniciado por causas naturales,
es decir, fuera del control humano, han ocasionado
interrupciones considerablemente graves e inclusive
la separación de sistemas [3]. Existen dos tipos de
operación indebida en los sistemas de protección: i)
fallas en la operación y ii) operaciones indeseadas.
El primer tipo representa el caso cuando el sistema
no opera cuando debería haberlo hecho (problema de
dependabilidad), mientras que el segundo se refiere a
una operación no requerida (problema de seguridad)
[3].
Con referencia a la base conceptual precedente,
este artículo presenta el análisis post mortem de
 Verdugo et al. / Aceleración de Máquinas Sincrónicas en el SNI ante un cortocircuito de larga duración
un evento electromecánico atípico ocurrido en el
Sistema Nacional Interconectado ecuatoriano (SNI),
el miércoles 04 de mayo de 2016 a las 11:29:42,
que causó la aceleración de unidades de generación,
como resultado de la ocurrencia de un cortocircuito
presentado dentro de un sistema de distribución de la
zona de Guayaquil (sur occidente de Ecuador), lo que
posteriormente ocasionó, a las 11:29:48, el disparo de
la interconexión a nivel de 230 kV entre Ecuador y
Colombia (norte de Ecuador).
En el correspondiente reporte de falla emitido por
la Gerencia Nacional de Operaciones del Operador
Nacional de Electricidad – CENACE, se informa
del disparo (11:29:42) del disyuntor de la posición
Vergeles de 69 kV de la subestación Pascuales, con un
flujo de potencia de 32,2 MW y 8,2 MVAr, subestación
que se conecta con la subestación Molino mediante
una línea de transmisión de doble circuito, línea que
a su vez permite la evacuación de la generación de la
central Paute hacia la zona de Guayaquil (para mayor
referencia ver sección 3, Fig. 6).
A través de registros obtenidos del sistema
WAMS de CENACE y de simulaciones ejecutadas
en PowerFactory de DIgSILENT se realiza el análisis
post mortem, el cual pretende determinar las causas
que ocasionaron el disparo de la interconexión
entre Ecuador y Colombia, tomando como punto
de partida la ocurrencia de la falla en el sistema
de subtransmisión de CNEL EP - Guayaquil. Este
análisis, permite resaltar la importancia del uso de
herramientas tecnológicas modernas de monitoreo
y análisis de sistemas de potencia como el Sistema
de Monitoreo de Área Extendida (WAMS), en el
análisis post mortem de eventos críticos. Asimismo,
los resultados muestran una consecuencia inesperada
en la operación de sistemas de potencia, sobre: i) la
forma de propagación de eventos dinámicos en una
red; y, ii) el evento disparador de variaciones grandes
de frecuencia.
El presente artículo se estructura de la siguiente
forma: la sección 2 presenta un resumen del sistema
WAMS de Ecuador, la sección 3 contiene el marco
teórico utilizado como sustento para la realización de
los análisis; la sección 4 muestra el análisis del evento
y los resultados obtenidos con base en simulaciones y
en los registros disponibles de los sistemas WAMS y
SCADA/EMS de CENACE; finalmente, en la sección
5 se presentan las conclusiones y recomendaciones.
2. SISTEMA WAMS DE ECUADOR
El Operador Nacional de Electricidad CENACE,
como ente encargado de la administración técnica
y comercial del Sector Eléctrico Ecuatoriano, ha
emprendido, desde el año 2010, un proyecto para
estructurar un sistema de monitoreo de área extendida
(WAMS) que facilite el monitoreo y supervisión en
tiempo real del Sistema Nacional Interconectado
(SNI) a partir de mediciones sincrofasoriales.
Actualmente, CENACE ha concluido la instalación
de 30 dispositivos de medición sincrofasorial (PMUs)
en las principales subestaciones del SNI y de un
concentrador de datos fasoriales (PDC) localizado en
el centro de control. El objetivo es monitorear aquellas
zonas que tienen una alta relevancia operativa. Esto,
con el propósito de realizar una evaluación precisa y
fiable del comportamiento del sistema, especialmente
en términos de su respuesta dinámica.
Los principales objetivos que se persiguen con el
proyecto WAMS son los siguientes:
• Otorgar a la supervisión en tiempo real del SNI,
las herramientas que le permitan realizar una
acción preventiva y con mayor oportunidad, ante
riesgos de inestabilidad del sistema de potencia
(alerta temprana).
• Disponer de información y herramientas más
precisas para realizar los análisis eléctricos de
estabilidad del sistema y determinar la presencia
de modos no amortiguados de oscilación.
• Disponer de información adecuada para realizar
evaluación post - operativa del comportamiento
eléctrico del sistema luego de un evento e
identificar las oportunidades de mejora en los
procesos de restablecimiento (análisis post
mortem).
• Sintonizar los estabilizadores del sistema de
potencia (PSS) y validar los modelos de los
sistemas de control asociados a los generadores.
Para llevar a cabo las aplicaciones de análisis
del sistema de potencia en tiempo real utilizando las
mediciones sincrofasoriales, CENACE adquirió el
software WAProtectorTM desarrollado por la empresa
ELPROS de Eslovenia.
WAProtector adquiere los datos fasoriales de
los PMUs mediante el sistema de comunicaciones
basado en fibra óptica y brinda acceso a través de
la intranet de CENACE. En el servidor del software
WAProtector, se realiza el análisis de datos en tiempo
real y la evaluación de la seguridad del sistema
eléctrico.
En el mismo servidor se encuentran instalados
tanto el PDC como las aplicaciones. El servidor PDC
se conecta directamente con los PMUs instalados en
las Subestaciones del SNI utilizando el protocolo
IEEE C37.118. El muestreo en la transmisión
7
 Edición No 13, Enero 2017
de información de los PMUs es 60 muestras por
segundo. Además, este software tiene la funcionalidad
para desarrollar nuevas aplicaciones y mejorar el
monitoreo de la estabilidad del sistema eléctrico.
Las aplicaciones disponibles en WAProtector son:
• Estabilidad estática de ángulo (diferencia angular)
• Estabilidad de Voltaje de corredores de transmisión
• Estabilidad Oscilatoria
• Detección de Islas
• Información de Armónicos del Sistema
• Análisis de Información Histórica
• Eventos del Sistema
3. MARCO TEÓRICO
3.1. Aceleración de Máquinas Sincrónicas
Las máquinas sincrónicas son elementos
dinámicos que en condiciones estacionarias (o cuasi-
estacionarias) se caracterizan por rotar a velocidad
sincrónica. Este funcionamiento estacionario se debe
al equilibrio existente entre los torques: mecánico
(Tm) y electromagnético (Te). Sin embargo, cuando el
sistema de potencia es sometido a una perturbación
transitoria severa, como una falla en sistemas de
transmisión, la pérdida de generación o la pérdida de
una gran cantidad de carga, este equilibrio desaparece
de forma transitoria, provocándose una condición de
aceleración de las máquinas (cuando Tm > Te) o de
desaceleración de las máquinas (cuando Tm < Te). La
respuesta del sistema ante estas perturbaciones suele
además involucrar grandes cambios en el ángulo
de los rotores de los generadores, en los flujos de
potencia por los elementos del sistema, en los voltajes
de las barras y en otras variables del sistema, e incluso
pérdida de sincronismo (conocida como estabilidad
transitoria)[4].
3.1.1. Cortocircuitos y Aceleración de las Máquinas
Sincrónicas
Con el fin de mostrar la respuesta de un sistema
de potencia ante la ocurrencia de un cortocircuito
trifásico, se utiliza un modelo tipo de generador
sincrónico, transformador y dos líneas de transmisión
en paralelo, conectados a una barra infinita que
representa una red con carga y su equivalente
circuital, asumiendo un modelo clásico de generador.
Este sistema es representado en las figuras 1 y 2,
respectivamente [4].
8
Figura 1: Circuito de potencia tipo [4]
Figura 2: Circuito de potencia equivalente [4]
Si el origen de un cortocircuito (F) se encuentra
en el extremo de envío (barra HT) del circuito con
falla, no existirá flujo de potencia activa hacia la barra
infinita, ya que el voltaje en la barra HT sería cero
(considerando un cortocircuito franco), la corriente
de cortocircuito del generador fluye a través de
reactancias hacia la falla y no existe flujo de corriente
hacia la barra infinita. De esta manera, únicamente
existe un flujo de potencia reactiva hacia la falla,
por lo que la potencia activa y el correspondiente
torque eléctrico durante la falla son nulos [4]. Es
necesario considerar que, si la ubicación de la
falla se encuentra a cierta distancia del extremo de
envío (como en el punto F), una cierta cantidad de
potencia activa es transferida hacia la barra infinita
mientras la falla ocurre, debido a que la línea de
transmisión en paralelo en donde no se presenta la
falla, continúa transmitiendo potencia activa hacia
la barra infinita. Adicionalmente, si también se
considera que en la realidad, mientras más larga es
una línea de transmisión, su componente resistiva ya
no es despreciable, entonces el aporte de potencia
activa del generador tendrá que cubrir la demanda de
la barra infinita (la cual también se verá afectada en
su magnitud por su comportamiento dinámico propio
ante las variaciones de voltaje y frecuencia) más las
pérdidas de las componentes resistivas de las propias
líneas de transmisión.
En la Fig. 3, en base a la ecuación notada en , se
muestra la curva de potencia activa transferida hacia
la barra infinita (curva P-d) antes, durante y después
de una falla.
 Verdugo et al. / Aceleración de Máquinas Sincrónicas en el SNI ante un cortocircuito de larga duración
(1)
donde Pe es la potencia eléctrica transferida desde el
generador sincrónico hacia la barra infinita, E’ es el
voltaje interno generado, EB es el voltaje de la barra
infinita, d es el ángulo del rotor y xT es la reactancia
total entre E’ y EB.
Figura 3: Curvas de potencia activa durante las diferentes
etapas de una falla [4]
Por su parte, mediante la expresión notada en ,
obtenida a partir de la ecuación de oscilación, se
determina la relación entre el ángulo del rotor y la
potencia de aceleración. Inicialmente, cuando el
sistema tiene un punto de operación inicial, la potencia
mecánica Pm (o el torque mecánico Tm) es igual a la
potencia eléctrica Pe (o al torque electromagnético Te).
Ante la ocurrencia de una falla, el punto de operación
cambia súbitamente de a hacia b, ya que debido a la
inercia de las masas rotantes del generador, el ángulo
no puede cambiar inmediatamente. Dado que en este
caso la potencia mecánica es mayor que la potencia
eléctrica, el rotor se acelera hasta encontrar el punto
de operación c, donde la falla es despejada [4].
Durante la transición entre b y c, es decir, mientras la
potencia mecánica es mayor que la potencia eléctrica,
Figura 4: Registros del Registrador de Perturbaciones
el generador adquiere energía cinética. Cuando la
falla es despejada (movimiento el punto de operación
hacia d) la potencia eléctrica es mayor a la potencia
mecánica ocasionando una desaceleración del rotor.
Debido a que la velocidad del rotor es mayor que la
velocidad sincrónica de la máquina, el ángulo sigue
creciendo hasta que la energía cinética adquirida
durante el período de aceleración (representado por
el área bajo la curva A1 ) es disipada, a través de la
transferencia de esta energía hacia el sistema, lo que
ocurre cuando el área de desaceleración A2 iguala al
área de aceleración A1 .
(2)
donde Pe es la potencia eléctrica, Pm es la potencia
mecánica, es el ángulo del rotor y H es la constante
de inercia.
4. ANÁLISIS POST MORTEM DEL EVENTO
REAL OCURRIDO EN EL SISTEMA
NACIONAL INTERCONECTADO
De los registros obtenidos del Registrador de
Perturbaciones ubicado en la posición Vergeles de
69 kV de la subestación Pascuales (información
proporcionada por la Gerencia Nacional de
Operaciones referente al análisis de la falla) y de
los obtenidos del sistema WAProtector (herramienta
de gestión de los datos del sistema WAMS de
CENACE), presentados en las figuras 4 y 5, fue
factible evidenciar la ocurrencia de un cortocircuito
evolutivo aguas abajo de la posición Vergeles de 69
kV de la subestación Pascuales y la hora en la que
se produjeron estos eventos, lo que se resume en la
Tabla 1.
La Fig. 4 presenta los oscilogramas de las señales
eléctricas de voltaje y corriente en cada una de las
tres fases de la posición Vergeles, donde se puede
evidenciar la evolución del cortocircuito presentado.
9
 Edición No 13, Enero 2017

Tabla 1: Eventos de falla en la posición Vergeles de 69 kV de

En la Fig. 7, utilizando los registros disponibles
la subestación Pascuales
del sistema WAMS, se ha realizado la representación
Evento Tiempo
teórica de curvas P-q (donde q es la diferencia angular
CC monofásico (377 ms) 11:29:41:427
CC bifásico (44 ms) 11:29:41:804 de los voltajes medidos en las PMU de Molino y
CC trifásico (244) 11:29:42:848 Pascuales) antes y durante la falla, correspondientes
Despeje del CC (665 ms) 11:29:42:092 al flujo de potencia activa a través de la línea de
transmisión Molino – Pascuales de 230 kV. Debido
Con base en la información detallada en la
a que existe una relación directamente proporcional
Tabla 1, es posible determinar que, aguas abajo de
entre los ángulos de los voltajes de barra y los ángulos
la posición Vergeles de la subestación Pascuales,
del rotor de las máquinas sincrónicas de un sistema
se produjo un cortocircuito que tuvo una duración
de potencia [5], se ha considerado, para realizar un
total de aproximadamente 665 ms. Este evento es
análisis conceptual, usar la diferencia angular q en
atípico debido a su larga duración y se relaciona
lugar del ángulo del rotor d de (1). De esta forma,
con un problema de dependabilidad en el sistema de
es posible apreciar el cambio que se produjo en
protección del alimentador fallado, causado por la no
el flujo de potencia por la línea de transmisión
operación oportuna de la protección.
Molino – Pascuales de 230 kV ante la ocurrencia del
La Fig. 5 presenta un oscilograma del voltaje cortocircuito aguas abajo de la posición Vergeles de
de fase de secuencia positiva, obtenido a partir del la subestación Pascuales.
sistema WAMS de CENACE, de los registros en la
PMU conectada en la posición Milagro 230 kV de la
subestación Zhoray. En este gráfico es posible apreciar
el efecto en el sistema nacional de transmisión, de la
evolución del cortocircuito (período entre las líneas
azul y roja) y su atípica larga duración.

Figura 7: Curvas teóricas de potencia activa en la L/T

Molino – Pascuales de 230 kV
Figura 5: Registro de la PMU conectada en la posición
Milagro de 230 kV de la subestación Zhoray
Para esto, se ha realizado un cálculo aproximado
de las reactancias antes y durante la falla en esta línea,
En la Fig. 6 se presenta un diagrama unifilar
utilizando la expresión notada en (1) y los valores
simplificado del Sistema Nacional Interconectado
obtenidos del sistema WAMS, de potencia activa
ecuatoriano, a fin de interpretar y evidenciar de
transmitida por la línea de transmisión y de voltajes
manera didáctica, la respuesta del sistema durante el
en los nodos de envío y recepción.
evento.
A través de este ejercicio, fue factible determinar
que la reactancia equivalente de la línea de
transmisión durante el cortocircuito trifásico, es
aproximadamente dos veces mayor a la reactancia
prefalla, lo que implica que el flujo de potencia
activa desde la subestación Molino hacia la zona
afectada se redujo prácticamente a la mitad. Se puede
inferir entonces, que todo flujo de potencia activa
que fluía hacia y desde la subestación Pascuales,
disminuyó considerablemente durante la ocurrencia
del cortocircuito.
Figura 6: Diagrama unifilar del SNI

10
 Verdugo et al. / Aceleración de Máquinas Sincrónicas en el SNI ante un cortocircuito de larga duración

Este comportamiento se pone de manifiesto al

evidenciarse, al mismo tiempo, un incremento en
el flujo de potencia activa a través de la línea de
transmisión Molino – Totoras de 230 kV, lo que se
puede evidenciar en la Fig. 8 (eje vertical primario).
El incremento del flujo de potencia por este corredor
se debió a que éste es uno de los caminos disponibles
para la evacuación de la potencia de generación de
la central Paute y ante la imposibilidad de seguir
enviando potencia hacia la zona de Pascuales (mientras
se mantenía el cortocircuito), éste era el único camino
disponible para evacuar transitoriamente el exceso
de potencia activa. Esto a su vez está relacionado
con que, debido a sus características dinámicas y de Figura 8: Condiciones Operativas en el SNI ante la ocurrencia
de cortocircuitos en la posición Vergeles
inercia, el sistema colombiano se convierte en un
sumidero natural durante eventos dinámicos.

En la Fig. 8 (eje vertical secundario) se muestra

también, de forma aproximada, la acumulación de
energía cinética en las unidades de generación de la
central Paute, durante la presencia del cortocircuito,
evento que se esperaría se replique en el resto de
unidades del SNI ecuatoriano. Para esto, se ha usado
el concepto de energía cinética rotacional [4], de
acuerdo a las expresiones y .

Figura 9: Curva P – delta de la L/T Molino – Pascuales 230 kV

(3)
Estas condiciones alcanzan una recuperación
luego de que el cortocircuito es despejado (665
(4) ms después de iniciado), cuando la diferencia
angular entre Molino y Pascuales alcanza un valor
aproximado de 29°. Entonces, la energía almacenada
donde Dw es la variación de velocidad angular, DE
en las unidades de generación del sistema empieza a
es la energía cinética rotacional de aceleración (+ si
ser disipada, lo que se evidencia como incrementos
Dw³ 0 Ú - si Dw<0) y J es el momento de inercia de
en los flujos de potencia y en la frecuencia del sistema
las masas rotativas.
nacional interconectado, como se muestra en las
Para el caso de análisis, y únicamente con fines figuras 10 y 11.
didácticos, se han considerado aproximaciones en las
que: dd » Dd » qenv - qrec (qenv: ángulo del voltaje de la
barra de envío -Molino-; qrec: ángulo del voltaje de la
barra de recepción -Pascuales-, ambas registradas por
PMUs) y dt » Dt = 16,67 ms (tiempo de actualización
de los datos de la PMU). Adicionalmente, y con el
propósito de no depender del valor de J, se calcula
la energía cinética de aceleración normalizada en J:
DE/J.

La Fig. 9 presenta el diagrama de potencia activa
de la línea de transmisión Molino – Pascuales de 230
kV vs. la diferencia angular de los voltajes entre las
subestaciones Molino y Pascuales. En esta figura se
evidencia que, durante ocurrencia del cortocircuito,
se produce un incremento en la diferencia angular
entre las subestaciones Molino y Pascuales y, como
se había mencionado, una reducción en el flujo a
través de la línea Molino – Pascuales de 230 kV.
Figura 10: Flujos de potencia en el corredor de 230 kV del SNI
Como se mencionó, durante la ocurrencia del
cortocircuito trifásico, el flujo de potencia activa
que dejó de ser transferido hacia la subestación
Pascuales se trasladó a través de los vínculos de
transmisión occidental (Pascuales – Quevedo – Santo
Domingo) y oriental (Molino – Totoras – Santa Rosa)

11
 Edición No 13, Enero 2017
de anillo troncal de 230 kV y, consecuentemente,
hacia el sistema colombiano, a través de la línea de
transmisión Pomasqui – Jamondino de 230 kV, como
se muestra en la Fig. 10.
Figura 11: Frecuencia en el SNI
La interconexión entre Ecuador y Colombia cuenta
con un Esquema de Separación de Áreas (ESA) que
dispone de varias funciones de protección. Entre estas
funciones se encuentra una protección de potencia
inversa que se activa, para el caso de la subestación
Pomasqui del sistema ecuatoriano, cuando al tener un
intercambio inicial de importación programada entre
0 y 200 MW (grupo 2 de funcionamiento del ESA en
la subestación Pomasqui), se produce una inversión
del flujo por la interconexión (el Ecuador pasa a
exportar a Colombia) hasta un valor de 198 MW por
un tiempo de 1,5 s.
En el evento analizado, luego de despejarse el
cortocircuito presentado y al incrementarse el flujo de
potencia activa desde la subestación Pomasqui hacia
la subestación Jamondino, el límite de la protección de
potencia inversa del ESA en la subestación Pomasqui
fue alcanzado, produciéndose el disparo de los
cuatro circuitos de la línea de transmisión Pomasqui
– Jamondino de 230 kV, de la interconexión entre
Ecuador y Colombia.
Es decir, debido a la energía cinética almacenada
en las unidades de generación del SNI durante el
cortocircuito y a la duración larga de este evento, no
fue factible alcanzar un nuevo punto de equilibrio
cuasi-estacionario en el sistema ecuatoriano, con lo
cual, con el incremento de flujo a través de los vínculos
de transmisión disponibles del sistema ecuatoriano
y posteriormente a través de la interconexión entre
Ecuador y Colombia, se produjo el disparo de la línea
Pomasqui – Jamondino.
Esta apertura indeseada de la interconexión
ocasionó en consecuencia, un crecimiento
considerable en la frecuencia del sistema ecuatoriano,
motivada por la pérdida de casi 200 MW que se
estaban exportando a Colombia y, por la pérdida
de la inercia del sistema interconectado Ecuador –
Colombia, debido al disparo de la interconexión.
12
En consecuencia, el incremento de la frecuencia
producto de los eventos suscitados en el sistema
ecuatoriano, no se disparó (no inició) por una
variación grande de potencia activa, como se presenta
de forma clásica en la literatura, sino más bien se debió
al fenómeno dinámico antes descrito (cortocircuito de
larga duración de alrededor de 665 ms que causó la
aceleración de máquinas sincrónicas y el posterior
redireccionamiento de flujo de potencia). Parte de la
energía de aceleración se direccionó hacia el sistema
colombiano mientras se mantuvo el enlace entre
los dos sistemas. Por este motivo, el incremento
de frecuencia se magnificó con la apertura de la
interconexión Ecuador – Colombia.
Como un detalle adicional, es necesario considerar
que, debido a la redistribución de flujos en el SNI
como consecuencia del cortocircuito, en el momento
del despeje de la falla, el flujo a través de la línea de
transmisión Totoras – Santa Rosa de 230 kV, como se
muestra en la Fig. 12, alcanzó un valor aproximado
de 400 MW y que, de acuerdo a análisis realizados
anteriormente [6] se ha determinado que cuando el
flujo a través de esta línea de transmisión se encuentra
en un valor superior a 380 MW, el amortiguamiento
del modo inter-área entre Ecuador y Colombia
tiende a reducirse considerablemente, por lo que las
oscilaciones de potencia también contribuyeron a
agravar la situación y a que el flujo de potencia por la
interconexión, supere el límite definido por potencia
inversa en el ESA de la subestación Pomasqui.
Figura 12: Flujo a través de la L/T Totoras – Santa Rosa
230 kV durante el cortocircuito en la posición Vergeles.
4.1. Discusión Conceptual sobre el Evento
Los análisis realizados han permitido mostrar una
consecuencia inesperada en la operación de sistemas
de potencia, sobre: i) la forma de propagación
de eventos dinámicos en una red; y, ii) el evento
disparador de variaciones grandes de frecuencia.
4.1.1. Propagación de Eventos Dinámicos
De acuerdo a lo expuesto en [5], un área
vulnerable es una sección específica del sistema en
la que la vulnerabilidad comienza a desarrollarse. La
ocurrencia de una contingencia severa en las áreas
 Verdugo et al. / Aceleración de Máquinas Sincrónicas en el SNI ante un cortocircuito de larga duración
vulnerables, bajo una condición de operación de alto
estrés para el sistema, define al sistema en el “estado
al borde del colapso”.
De este concepto, en un sistema de potencia se
espera que la vulnerabilidad sea expuesta de forma
apreciable en el área donde empieza a desarrollarse
(para el caso presentado en este artículo sería la zona
de Pascuales), y que los sistemas de protección se
encarguen de evitar que el fenómeno de propague en
las demás áreas del sistema. Sin embargo, los análisis
han demostrado que cuando existe un problema de
dependabilidad en los sistemas de protección (como
no haber despejado oportunamente el cortocircuito
que se mantuvo por casi 700 ms), la afectación del
evento de falla puede propagarse a las demás áreas
del sistema, lo que incrementará la posibilidad de
eventos en cascada. Esto fue lo que ocurrió en el
evento del 4 de mayo de 2016, en el que un evento
que conceptualmente no debía provocar ninguna
consecuencia crítica para el sistema, más que la
pérdida de una pequeña carga, causó un evento
dinámico que se propagó por el sistema de tal manera
que se dispararon protecciones en zonas muy alejadas.
4.1.2. Evento Disparador de Variaciones Grandes
de Frecuencia
La definición de estabilidad de frecuencia se
refiere a la capacidad de un sistema de energía para
mantener la frecuencia en equilibrio, dentro de rangos
aceptables de operación, después de ocurrida una
perturbación que resulte en un desequilibrio importante
entre generación y carga [7]. La inestabilidad de
la frecuencia de corto plazo se caracteriza por la
formación de un área con déficit (o superávit de
generación) de tal manera que la frecuencia decae (o
sube) rápidamente, causando la desconexión de carga
y/o generación dentro de unos pocos segundos [7].
De esta forma, el concepto de variaciones grandes
de frecuencia sería desencadenado únicamente con
grandes desbalances entre generación y carga.
Más allá de lo expuesto en la definición de
estabilidad de frecuencia, en el evento suscitado el 4
de mayo de 2016 en el sistema ecuatoriano, ocurrió
un evento de estabilidad de frecuencia de corto plazo
que no se disparó con la aparición de un área con
superávit de generación. Lo que ocurrió inicialmente
es la aparición de un área (sistema ecuatoriano) con
máquinas aceleradas que presentaban acumulación de
energía cinética, a lo cual siguió una redistribución de
flujo de potencia activa que finalmente desencadenó
en la apertura de la interconexión con el sistema
colombiano (luego de lo cual recién se produjo
la pérdida de alrededor de 200 MW de carga), lo
que causó una sobrefrecuencia súbita en régimen
dinámico.
5. CONCLUSIONES Y RECOMENDACIONES
Con base en el análisis realizado, es factible
determinar que el cortocircuito que originó el disparo
del disyuntor de la posición Vergeles de 69 kV de
la subestación Pascuales, ocasionó, mientras éste se
mantuvo, una reducción en el flujo de potencia activa
hacia y desde la subestación Pascuales, lo que a su
vez produjo un incremento en el flujo de potencia a
través del único vínculo de transmisión disponible,
la línea de transmisión Molino – Totoras de 230 kV
y posteriormente, a través de la línea de transmisión
Pomasqui – Jamondino de 230 kV.
Debido a la energía almacenada en las unidades
de generación del SNI durante el cortocircuito, no fue
factible alcanzar un nuevo punto de equilibrio cuasi-
estacionario en el sistema ecuatoriano, con lo cual,
con el incremento de flujo a través de los vínculos
de transmisión disponibles del sistema ecuatoriano
y posteriormente a través de la interconexión entre
Ecuador y Colombia, se produjo el disparo de los
cuatro circuitos de la línea Pomasqui – Jamondino,
luego de que se alcanzó el límite de potencia inversa
en el Esquema de Separación de Áreas implementado
en la subestación Pomasqui.
La energía cinética acumulada en las unidades
de generación del SNI durante la ocurrencia del
cortocircuito, ocasionó un incremento de la frecuencia
del sistema que se magnificó luego de la apertura de la
interconexión y la pérdida de 200 MW que se dirigían
a Colombia. Esto provocó, consecuentemente, el
disparo de generadores por sobrefrecuencia.
Los resultados del análisis realizado muestran una
consecuencia inesperada en la operación de sistemas
de potencia, sobre: i) la forma de propagación
de eventos dinámicos en una red; y, ii) el evento
disparador de variaciones grandes de frecuencia. Esto
constituye una contribución conceptual en el análisis
de los sistemas eléctricos de potencia.
El análisis post-operativo de los eventos
suscitados en los sistemas de potencia, es de gran
importancia para la realimentación de los procesos
de planificación y operación de estos sistemas.
Mediante este análisis es posible determinar, entre
otros aspectos, la correcta actuación o necesidad
de modificación, de los sistemas de protecciones
locales, de los esquemas de separación de áreas, de
los esquemas de protección sistémicos y de ciertos
equipos de control de los elementos de generación,
transmisión y distribución. Este análisis permite,
además, la oportuna realimentación a la realización
de los procesos de operación en tiempo real. En el
caso particular del evento analizado, los resultados
obtenidos han permitido definir un problema de
13
 Edición No 13, Enero 2017
dependabilidad causado por un tiempo de despeje
demasiado alto. En este sentido, se ha evidenciado la
necesidad de disminuir el tiempo de despeje de fallas
en las protecciones de la posición Vergeles de 69 kV,
requerimiento que ha sido ya solicitado a la Empresa
de Transmisión.
En general, se recomienda realizar una revisión
en las protecciones de los sistemas de distribución
y transmisión involucrados, con el fin de evitar la
ocurrencia de eventos similares en el futuro, a través
de una actuación oportuna y coordinada de los
sistemas de protección. Asimismo, un análisis más
detallado del comportamiento dinámico de la carga en
la zona de Pascuales permitiría comprender de mejor
manera cómo el cortocircuito (que se relaciona con
caídas de voltaje en la zona) provoca la disminución
del flujo de potencia demandado.
REFERENCIAS BIBLIOGRÁFICAS
[1] J. Cepeda, J. Rueda, G. Colomé, I. Erlich, “Data-
mining-based Approach for Predicting the Power
System Post-contingency Dynamic Vulnerability
Status”, International Transactions on Electrical
Energy Systems, Volume 25, Issue 10, pg. 2515-
2546, October 2015.
[2] J. Cepeda and G. Colomé “Mediciones PMU
para la Evaluación de la Seguridad Dinámica
y Vulnerabilidad de los SEP”, XIV ERIAC,
Ciudad del Este, Paraguay, 2011.
[3] D. C. Elizondo de la Garza, “Hidden Failures
in Protection Systems and its Impact on Power
System Wide-area Disturbances,” 2000.
[4] P. Kundur, “Power System Stability and Control”,
McGraw – Hill, 1994.
[5] J. Cepeda, “Evaluación de la Vulnerabilidad del
Sistema Eléctrico de Potencia en Tiempo Real
usando Tecnología de Medición Sincrofasorial”,
Tesis de Grado para obtener el título de Doctor
en Ingeniería Eléctrica, Instituto de Energía
Eléctrica, Universidad Nacional de San Juan,
San Juan, Argentina, Diciembre 2013.
[6]
Subgerencia Nacional de Investigación y
Desarrollo CENACE, “Análisis de la estabilidad
oscilatoria en el SNI considerando escenarios
de exportación de energía hacia el sistema
colombiano”, Marzo 2016.
[7] P. Kundur, J. Paserba, V. Ajjarapu, et al,
“Definition and classification of power system
stability”, IEEE/CIGRE Joint Task Force
on Stability: Terms and Definitions. IEEE
Transactions on Power Systems, Vol. 19, Pages:
1387-1401, August 2004.
14
Pablo Verdugo Rivadeneira.-
Nació en la ciudad de Quito
en 1987. Realizó sus estudios
secundarios en el Colegio
Nacional Experimental Juan
Pío Montufar y sus estudios
superiores en la Escuela
Politécnica Nacional, donde se
gradúo de Ingeniero Eléctrico
en el año 2012. Entre el 2011 y el 2015 desempeñó
sus funciones en la Dirección de Planeamiento
de CENACE. Actualmente se desempeña en la
Subgerencia Nacional de Investigación y Desarrollo
del Operador Nacional de Electricidad como
ingeniero de investigación y desarrollo. Sus áreas de
interés son la simulación de sistemas eléctricos de
potencia, la evaluación de estabilidad y los sistemas
de control de generadores sincrónicos.
Jaime Cepeda Campaña.-
Nació en Latacunga, Ecuador
en 1981. Recibió el título
de Ingeniero Eléctrico en la
Escuela Politécnica Nacional
en 2005, y el de Doctor en
Ingeniería Eléctrica en la
Universidad Nacional de San
Juan en 2013. Entre 2005 y
2009 trabajó en Schlumberder y en el CONELEC.
Colaboró como investigador en el Instituto de
Energía Eléctrica, Universidad Nacional de San Juan,
Argentina y en el Instituto de Sistemas Eléctricos de
Potencia, Universidad Duisburg-Essen, Alemania
entre 2009 y 2013. Actualmente se desempeña como
Subgerente Nacional de Investigación y Desarrollo
del CENACE y como Profesor a Tiempo Parcial en
la Escuela Politécnica Nacional. Sus áreas de interés
incluyen la evaluación de vulnerabilidad en tiempo
real y el desarrollo de Smart Grids.
Jorge Román Mora.- Nació
en Zaruma - Ecuador, en
1967. Recibió los títulos
de Ingeniero Eléctrico y
de Magister en Ingeniería
Eléctrica, en la Escuela
Politécnica Nacional,
en los años 2001 y 2015
respectivamente. Entre los
años 1995 y 2008 trabajó en el Centro Nacional de
Control de Energía – CENACE, como Operador y
como Coordinador de Operación en tiempo real.
Actualmente se desempeña como Jefe de la Unidad
de Análisis Post Operativo de la Subgerencia de
Análisis de la Operación, del Operador Nacional de
Electricidad - CENACE. Sus áreas de interés incluyen
el Análisis de Eventos y las Energías Alternativas.
 Artículo Académico / Academic Paper

Análisis del Sistema Metro de Quito y su impacto en la Red de la

Empresa Eléctrica Quito

M. F. Jurado J. A. Marín F. E. Pérez H. N. Arcos F. L. Quilumba

Escuela Politécnica Nacional, EPN
E-mail: mauro.jurado@epn.edu.ec; jose.marin@epn.edu.ec; fabian.perez@epn.edu.ec
hugo.arcos@epn.edu.ec; franklin.quilumba@epn.edu.ec

Resumen Abstract

El Distrito Metropolitano de Quito pensando en The Metropolitan District of Quito is committed to

solucionar los problemas de movilidad existentes
en la ciudad, definió la construcción de un Sistema
de Transporte Masivo denominado Metro de
Quito, convirtiéndose este en la columna vertebral
que integrará todas las modalidades de transporte
público existentes (Trole, Ecovía, Corredores
Suroriental, Central Norte y Suroccidental).
En el presente trabajo se ha realizado una
modelación detallada del Sistema Eléctrico
Metro de Quito (SEMQ) y se ha incorporado
este modelo en la red de la Empresa Eléctrica
Quito (EEQ) con el objetivo de realizar estudios
de flujos de potencia, mediante la herramienta
computacional DIgSILENT PowerFactory,
para diferentes condiciones de operación. Los
resultados obtenidos permiten determinar que el
comportamiento eléctrico y cargabilidad de los
sistemas EEQ y SEMQ se encuentran dentro de
un rango de valores aceptables, lo que garantizará
una operación estable de ambos sistemas.
solve its existing traffic problems in the city. One
of the solutions is the construction of a Massive
Transportation System called Metro de Quito,
becoming the backbone that integrates all means
of existing public transportation such as Trole,
Ecovia, Corredores Suroriental, Central Norte y
Suroccidental. In this work, a detailed model of
Electrical System of Metro de Quito (SEMQ) is
developed which has been incorporated into the
Empresa Eléctrica Quito (EEQ) grid, the Electric
Utility Company of Quito. This model is used to
perform system studies as power flow, through
the computation tool DIgSILENT PowerFactory,
for different operationg conditions. The results
show that the electrical behavior and loadability
of the EEQ and the SEMQ systems are within
an acceptable range, which will ensure a stable
operation of both systems.

Palabras clave— Empresa Eléctrica Quito, Metro
de Santiago S.A., Sistema Eléctrico Metro de
Quito, Subestaciones Eléctricas de Tracción,
Impacto en la Red, Modelado de la Red, Intervalo
de Explotación, Tren.
Index terms— Empresa Eléctrica Quito, Metro
de Santiago S.A., Electrical System of Metro de
Quito, Traction Electric Substations, Grid Impact,
Grid Modeling, Exploitation Interval, Train.

Recibido: 29-08-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Jurado, M.; Marín, J.; Pérez, F.; Arcos, H.; Quilumba, F. (2017). “Análisis
del Sistema Metro de Quito y su impacto en la Red de la Empresa Eléctrica Quito”. Revista Técnica
“energía”. No. 13, Pp. 15-25
ISSN 1390-5074.

15
 Edición No 13, Enero 2017
1. INTRODUCCIÓN
El constante crecimiento de la población y el
aumento del parque automotor han ocasionado
que los sistemas y vías de transporte colapsen a
nivel mundial, requiriéndose la implementación de
nuevos sistemas de transporte masivo. El Distrito
Metropolitano de Quito, (D.M.Q.) para enfrentar
los problemas de movilidad de la ciudad ha iniciado
la construcción de un sistema subterráneo de
transporte masivo denominado Metro de Quito.
Este sistema en su primera etapa cubre una distancia
de aproximadamente 22 km, recorriendo desde
Quitumbe en el sur hasta El Labrador en el norte de
la ciudad y estará conformado por 15 estaciones con
una capacidad de desplazamiento de 20 000 pasajeros
por hora [1].
El Sistema Eléctrico Metro de Quito (SEMQ)
dispondrá de 11 puntos de alimentación eléctrica,
en los cuales se conectarán cargas de tipo AC
correspondientes a servicios auxiliares tanto de
las estaciones como del túnel y cargas de tipo DC
principalmente trenes. El suministro de energía
para el SEMQ, se realizará a nivel de 23 kV desde 3
subestaciones pertenecientes a la Empresa Eléctrica
Quito (EEQ), éstas son: Eugenio Espejo, Chilibulo y
Vicentina.
En el presente trabajo se ha realizado una
modelación detallada del SEMQ y se ha incorporado
este modelo en la red de la EEQ con el objetivo de
realizar estudios de flujos de potencia en diferentes
condiciones de operación para conocer el impacto en
perfiles de voltaje y cargabilidad de los sistemas EEQ
y SEMQ en conjunto.
Los perfiles de voltaje se analizan con la finalidad
de verificar que los resultados con el ingreso del
SEMQ se encuentren dentro de los límites establecidos
por la regulación vigente, mientras que los índices
de cargabilidad se analizan para determinar posibles
sobrecargas en los elementos de la red.
2. DEFINICIONES
2.1. Bogie
Estructura o bastidor donde se acoplan
fundamentalmente los ejes con el rodado, la
suspensión y los motores de tracción [2].
2.2. Fondo de saco
Tramo donde se realiza el cambio de sentido
del material móvil (retorno de trenes) durante las
operaciones de transporte de pasajeros. Además,
es considerado como el inicio del recorrido de las
unidades.
16
2.3. Catenaria
Elemento aéreo conformado por un perfil
conductor de aluminio en el que se introduce el hilo
de contacto que proporciona la energía eléctrica
necesaria para la tracción del material móvil [3].
2.4. Depósito
Lugar donde se realiza el mantenimiento y
estacionamiento del material móvil (trenes).
3.
MODELACIÓN DEL SISTEMA
ELÉCTRICO METRO DE QUITO (SEMQ)
EN DIgSILENT POWER FACTORY
La metodología aplicada para la modelación
del SEMQ, se basa en representar los trenes como
cargas de potencia constante a partir de determinar
la potencia promedio y la ubicación de cada unidad
móvil en los diferentes tramos de catenaria que
conforman la Línea 1 del Metro de Quito. Seguido
se modela los elementos constitutivos que conforman
el SEMQ y los puntos de alimentación, todo esto con
la finalidad de realizar simulaciones en el programa
computacional DIgSILENT Power Factory.
3.1. Características de los Trenes
Todas las unidades están compuestas por seis
coches ordenados de la siguiente manera: MC-R-S-
S-R-MC, con disposición de dos bogies (dos motores
en cada uno), siendo:
• MC: coche motor con cabina en extremo libre
• R: coche remolque intermedio sin cabina
• S: coche motor intermedio sin cabina
A partir de la información compartida por Metro
de Santiago S.A., (ver Tabla 1), se puede determinar
la potencia promedio por coche de cada unidad de
la línea 1 del Metro de Quito, cuyos trenes contarán
con aire acondicionado, dando como resultado una
potencia promedio por tren de 630 kW.
Tabla 1: Potencia promedio por Coche
Tipo de Coche Potencia kW por Coche
Sin aire acondicionado 80
Con Aire Acondicionado 105
3.2. Número de trenes operando en la línea 1 del
Metro de Quito
Con el fin de determinar la ubicación de las
cargas móviles (trenes), se plantean los escenarios
operativos del sistema de transporte que se muestran
en la Tabla 2.
 Jurado et al. /Análisis del Sistema Metro de Quito y su Impacto en la Red de la Empresa Eléctrica Quito

Tabla 2: Periodos de trabajo Metro de Quito

4 El Calzado 07:39
5 El Recreo 10:11
Periodo pico de la mañana 7:00 h a 8:30 h
6 La Magdalena 13:19
Periodo valle Resto de horas
7 San Francisco 16:30
Periodo pico de la noche 18:00 h a 20:00 h
8 La Alameda 19:11
De acuerdo a las experiencias compartidas por 9 El Ejido 21:10
Metro de Santiago S.A., se ha proyectado el número 10 Universidad Central 23:27
de trenes que circularán por la línea 1 del Metro de 11 La Pradera 25:26
Quito en los diferentes periodos de trabajo que se 12 La Carolina 27:37
describieron con anterioridad. Esto se indica en la 13 Iñaquito 29:48
Tabla 3. 14 Jipijapa 32:05

Tabla 3: Número de Trenes Línea 1 Metro de Quito 15 El Labrador 33:58

Con base en esta información a continuación se

Trenes en Circulación
determinan los intervalos de explotación para cada
Metro de Santiago Metro de Quito
Horas periodo de trabajo.
Línea 2 Línea 1
Caso: 16 trenes
7:00 h a 8:30 h 22 16
Resto de horas 18 13 T=?
18:00 h a 20:00 h 23 16
TV=2x 33,58=67,16 min
Una vez conocido el número de trenes que
operarían en los diferentes periodos de trabajo, se NTL=16
determina el intervalo de explotación, es decir, el
intervalo de tiempo entre la partida de cada tren desde
el “fondo de saco” (inicio del recorrido) mediante la
expresión (1). Con este valor es posible estimar las
diferentes ubicaciones que tomarían las cargas en Caso: 13 trenes
todo el trayecto.
T=?

TV=2x 33,58=67,16 min

(1)
NTL=13
Donde:

T=intervalo de explotación [min]

TV=tiempo de vuelta [mim]

NTL=número de trenes en linea
De acuerdo a (1), el parámetro restante por
conocer es el tiempo de vuelta (Tv), tiempo que
le toma a un tren dar una vuelta completa, es decir
trasladarse desde Quitumbe hasta El Labrador y de
vuelta a Quitumbe.
Una vez conocido el intervalo de explotación, se
procede a realizar una simulación del movimiento
de los trenes, para establecer diversos escenarios de
ubicación de trenes a lo largo del trayecto de la línea 1
del Metro de Quito, esto con el objetivo de determinar
en qué tramo de la catenaria estaría ubicado cada tren.
(Ver Fig. 1 y 2)

De la información proporcionada por Metro

de Quito, se establecen los tiempos estimados del
recorrido de un tren entre cada estación según se
muestra en la Tabla 4. [5]
Tabla 4: Tiempo de recorrido Línea 1 Metro de Quito
N° Estación Tiempo [min]
1 Quitumbe 00:00
Figura 1: Ubicación de los Trenes – Caso 16 Trenes
2 Morán Valverde 02:35
3 Solanda 05:46

17
 Edición No 13, Enero 2017

Tabla 7: Demanda Total del SEMQ

Potencia Potencia Potencia
Número de
de tracción de SS. AA total SEMQ
trenes
[kW] [kW] [kW]
16 10 080,0 8 277,5 18 357,5
13 8 190,0 8 277,5 16 467,7

3.5. Subestaciones Eléctricas de Tracción S/ET

Figura 2: Ubicación de los Trenes - Caso 13 Trenes
Las subestaciones eléctricas de tracción S/ET
3.3. Potencia de Tracción están conformadas por un grupo transformador
– rectificador, y tienen como función, reducir el
Con la potencia promedio de cada tren y el número
voltaje de 23 kV a 1225 V y convertirlo a un voltaje
de trenes que funcionarán en cada periodo de trabajo,
continuo. Para el efecto el transformador es trifásico
se determina la potencia total de tracción del sistema
tridevanado y la rectificación se la realiza a través de
que se presenta en la Tabla 5.
dos puentes no controlados de seis pulsos conectados
Tabla 5: Potencia de Tracción a los devanados secundarios del transformador y
Potencia Potencia acoplados en paralelo (ver Fig. 3), para así formar un
Número de
promedio x tren de tracción conjunto rectificador dodecafásico. Las características
trenes
[kW] [kW]
más relevantes de los equipos, se muestran en las
16 10 080
630 Tablas 8 y 9 a continuación:
13 8 190

3.4. Potencia de Servicios Auxiliares (SS.AA.)

Los servicios auxiliares están conformados por

cargas tanto de la propia estación como del túnel,
siendo atribuibles a los siguientes servicios: alumbrado
y fuerza, control de accesos, escaleras mecánicas,
ascensores, ventilación, salidas de emergencia, pozos
de bombeo pluviales y UPS. En la Tabla 6 se muestra
un resumen de potencias consumidas por servicios
auxiliares para cada estación y tramo de túnel.
Tabla 6: Potencia de Servicios Auxiliares
N° Estación [kW] Túnel [kW]
1 Quitumbe 485,0 CT0 232,0
2 Morán Valverde 307,6 CTV1 176,0
3 Solanda 355,5 CTV2 151,0
4 El Calzado 279,6 CTV3 233,0 Figura 3: Grupo Transformador - Rectificador
5 EL Recreo 424,0 CTV4 128,0
Tabla 8: Características del Rectificador
6 La Magdalena 477,0 CTV5 128,0
Tipo Puente de Graetz Trifásico
7 San Francisco 932,0 CTV6 199,5
Potencia nominal [kW] 3 000
8 La Alameda 384,6 CTV7 147,0
Voltaje nominal [V] 1 500
9 El Ejido 372,6 CTV8 147,0
Corriente nominal [A] 2 000
10 U. Central 347,0 CTV9 147,0
11 La Pradera 264,0 CTV10 126,0 Tabla 9: Características del Transformador Tridevanado
12 La Carolina 334,0 CTV11 126,0 Aplicación Rectificación / Tracción
13 Iñaquito 279,0 CTV12 141,0 Potencia nominal [kVA] 3 300 / 1 650 – 1 650
14 Jipijapa 279,6 CTV13 149,0 Voltaje nominal [V] 22 800 / 1 225 / 1 225
15 El Labrador 525,5 Total[kW] 2 230,5 Tomas de ajuste de tensión [%] ± 2,5 +5 +7,5
Total [kW] 6 047 Grupo de conexión Dd0 – Dy11
Frecuencia [Hz] 60
En base a la información indicada en los Tensión cortocircuito máxima [%] 9
numerales 2.3 y 2.4 se puede determinar la demanda
total que tendrá el SEMQ, registrándose los valores
que se señalan en la Tabla 7.

18
 Jurado et al. /Análisis del Sistema Metro de Quito y su Impacto en la Red de la Empresa Eléctrica Quito

El SEMQ cuenta con 11 subestaciones de tracción 3.7. Interconexión entre Subestaciones de Tracción
interconectadas entre sí, las cuales se detallan en la
Tabla 10. Cada S/ET tiene un grupo transformador- Con el fin de abastecer de energía a todas las S/
rectificador, que al conectarse con la S/ET adyacente, ET, se realizan interconexiones a simple circuito,
alimentará un tramo de catenaria diferente. La S/ a través del túnel, desde las tres S/ET principales
ET Deposito Quitumbe, cuenta con un doble grupo como se observa en (ver Fig. 4). En la Tabla 12 se
conectado en paralelo, ya que esta S/ET tiene como indican las distancias y tipo de cable utilizados en las
función adicional alimentar a los tramos conocidos interconexiones entre S/ET [8].
como “fondo de saco” y “depósito”. Tabla 12: Interconexión Subestaciones de Tracción

Tabla 10: Subestaciones Eléctricas de Tracción Tramo de Interconexión Long. [km] Cable
S/ET Quitumbe - S/ET M. Valverde 2,00
Subestación de N° de Transforma- Potencia [MVA]
Tracción dores S/ET M. Valverde - S/ET Solanda 2,20
Quitumbe 2 3,3 + 3,3 S/ET Solanda - S/ET El Recreo 2,75
Morán Valverde 1 3,3 S/ET EL Recreo - S/ET Magdalena 1,80 500
Solanda 1 3,3 S/ET Magdalena - S/ET San Francisco 2,75
MCM
Recreo 1 3,3 S/ET San Francisco - S/ET Alameda 1,95
Magdalena 1 3,3 S/ET Alameda - S/ET U. Central 2,20 Al
San Francisco 1 3,3 S/ET U. Central - S/ET Carolina 2,30
Alameda 1 3,3 S/ET Carolina - S/ET Jipijapa 2,90
U. Central 1 3,3 S/ET Jipijapa - S/ET El Labrador 1,10
La Carolina 1 3,3
Jipijapa 1 3,3
3.8. Subestaciones de la EEQ Planificadas para
El Labrador 1 3,3
Alimentar al SEMQ

3.8.1 Subestación Eugenio Espejo

3.6. Alimentación desde EEQ al SEMQ
La subestación Eugenio Espejo cuenta con dos
Se dispondrá de tres alimentadores trifásicos doble
transformadores de 138/23 kV, de 33 MVA cada
circuito soterrados a 23kV (ver Tabla 11), desde las
uno. Se planifica que en esta subestación el SEMQ
Subestaciones Eugenio Espejo, Chilibulo y Vicentina
se conecte a la barra de 23 kV del transformador T1
pertenecientes a la EEQ, hacia las subestaciones
EEQ_L_ADLCA-EESPJO-1

(ver Fig. 5).

EEQ_L_ADLCA-EESPJO-2 EEQ_L_EESPJO-SALGRE-2

de tracción principales del SEMQ: Quitumbe, La

Magdalena y Universidad Central respectivamente, EEQ_L_ADLCA-EESPJO-1
EESPJO_138
EEQ_L_EESPJO-SALGRE-2
EEQ_L_ADLCA-EESPJO-2

como se observa en Fig. 4. Alimentación Alimentación

Metro de Quito Metro de Quito
TR_EESPJO-2
TR_EESPJO-1

Tabla 11: Alimentadores Principales G_CALRA G_SLLNCHI

EESPJO_138

~ ~
G G
Tramo del Alimentador Long. [km] Cable Alimentación Alimentación
Metro de Quito EESPJO-1_23 BR_EESPJO
Metro de Quito
EESPJO-2_23
TR_EESPJO-2
TR_EESPJO-1

S/E E. Espejo – S/ET Quitumbe MCHCHI_23

2.5 G_CALRA G_SLLNCHI
750
~ ~
G G
S/E Chilibulo – S/ET Magdalena 3.7
[MCM] EESPJO-2_23
BR_EESPJO
EESPJO-1_23

S/E Vicentina – S/ET U. Central 4.1

TR_MCHCHI

MCHCHI_23 EEQ_XC_EESPJO EEQ_XC_EESPJO1

EEQ_XC_EESPJO_metro
EEQ_EESPJO-1 EEQ_EESPJO-2

Al Figura 5: S/E Eugenio Espejo

TR_MCHCHI

EEQ_XC_EESPJO EEQ_XC_EESPJO1
EEQ_XC_EESPJO_metro
EEQ_EESPJO-1 EEQ_EESPJO-2

Figura 5: S/E Eugenio Espejo

Figura 5: S/E Eugenio Espejo
L_CHBL_MGDLA_1
L_EESP_QTMB_1

L_EESP_QTMB_2

L_CHBL_MGLA_2

L_VCNA_UCE_2

L_VCNA_UCE_1
L_CHBL_MGDLA_1
L_EESP_QTMB_1

L_EESP_QTMB_2

L_CHBL_MGLA_2

L_VCNA_UCE_2

L_VCNA_UCE_1

EESPJO-1_23 B_CHLBL_23 B_VCTNA_23

EESPJO-1_23 Interconexión B_CHLBL_23 B_VCTNA_23

de S/ET
L_CHBL_MGDLA_1_SUBT

Alimentadores
L_CHBL_MGLA_2_SUBT

L_VCNA_UCE_1_SUBT
L_EESP_QTMB_1_SUBT

L_EESP_QTMB_2_SUBT

L_VCNA_UCE_2_SUBT

Principales Alimentación
Interconexión
de S/ET Metro de Quito
L_CHBL_MGDLA_1_SUBT

Alimentadores
L_CHBL_MGLA_2_SUBT

L_VCNA_UCE_1_SUBT
L_EESP_QTMB_1_SUBT

L_EESP_QTMB_2_SUBT

L_VCNA_UCE_2_SUBT

Principales Alimentación
Metro de Quito

L_QTMB_MVALV L_MVALV_SLDA L_SLDA_RECR L_RECR_MGDLA L_MGDA_SFRN L_SFRN_ALMD L_ALMD_UCE L_UCE_CRLNA L_CRLN_JPJPA L_JPJPA_LBRDR

L_QTMB_MVALV
B_MOR_VALV 23L_MVALV_SLDA
B_SLNDA 23 L_RECR_MGDLA
L_SLDA_RECRB_RECREO B_MGDALEN 23 L_MGDA_SFRN L_SFRN_ALMD
B_S FRCSCO 23 B_ALMDA 23 L_ALMD_UCE L_UCE_CRLNA B_CRLNAL_CRLN_JPJPA
23 L_JPJPA_LBRDR
B_JPJPA 23
B_QTMBE 23 23 B_U CNTRAL 23 B_LBRDOR 23

B_QTMBE 23 B_MOR_VALV 23 B_SLNDA 23 B_RECREO 23 B_MGDALEN 23 B_S FRCSCO 23 B_ALMDA 23 B_U CNTRAL 23 B_CRLNA 23 B_JPJPA 23 B_LBRDOR 23

SSAA SSAA(1) SSAA(2) SSAA(3) SSAA(4) SSAA(5)

SSAA SSAA(1)
Figura 4: Alimentadores Principales
SSAA(2) SSAA(3)
e Interconexión de S/ET SSAA(4) SSAA(5)

19
ALMD L_ALMD_UCE L_UCE_CRLNA L_CRLN_JPJPA L_JPJPA_LBRDR

B_ALMDA 23 B_U CNTRAL 23 B_CRLNA 23 B_JPJPA 23 B_LBRDOR 23

Edición No 13, Enero 2017

3.8.2 Subestación Chilibulo
SSAA(3)
La subestación Chilibulo cuenta con un
transformador 138/23 kV de 33 MVA de capacidad.
Para la conexión del SEMQ se tiene planificada la
incorporación de una nueva bahía de 138 kV a la
cual se conectará un nuevo transformador (T2) de
similares características al existente (T1), a cuyo
secundario se conectará el SEMQ a nivel de 23 kV.
Esto se observa en la Fig. 6.
Las tres subestaciones desde las que se alimentará el
SSAA(4) SSAA(5)
SEMQ forman parte de este anillo lo que plantea un alto
nivel de confiabilidad del sistema de subtransmisión
y distribución al servicio del sistema de transporte
masivo de la ciudad. El anillo mencionado se ilustra
en la Fig. 8.

EEQ_L_SRSA-CHLBLO-3 EEQ_L_CHLBLO-SALGRE-1

CHLBLO_138
Alimentación
Metro de Quito
Figura 8: Sistema 138 kV - EEQ
TR_CHLB
TR_CHLBLO

4. RESULTADOS
CHLBLO_23 Breaker/S.. B_CHLBL_23
Los flujos de carga se realizaron para los periodos
de trabajo de valle (13 trenes) y pico de la noche
(16 trenes), los que se estima coincidirán con los
EEQ_XC_CHLBLO EEQ_XC_CHLBLO_metro
escenarios de demanda media y demanda máxima
del SNI. A continuación se reseñan y analizan los
EEQ_CHLBLO EEQ_B_CHLBL

Figura 6: S/E Chilibulo resultados obtenidos para condiciones de demanda

máxima.
3.8.3 Subestación Vicentina
4.1. Flujo de Carga en Demanda Máxima
La subestación Vicentina actualmente cuenta
Con la finalidad de realizar un análisis comparativo
con dos transformadores de 138/46/6.3 kV con se consideran los siguientes dos escenarios:
capacidades de 100 y 48 MVA. Se tiene planificado
construir una bahía en 138 kV, donde se conectará un Sin SEMQ.- en el sistema de la EEQ se consideran
tercer transformador (T3) de 138/23 kV y 33 MVA únicamente sus cargas proyectadas al año 2018 para
de capacidad para alimentar al SEMQ en 23 kV. Ver una potencia total de 1 112,667 MW
Fig. 7. Con SEMQ.- al sistema de la EEQ proyectado
al año 2018 se incorpora el modelo del SEMQ. De
VCNTNA_138 los diversos escenarios de ubicación de los trenes
obtenidos en el numeral 2.2, se selecciona el de mayor
exigencia para el sistema eléctrico para la realización
TR_VIC

de los flujos de potencia.

EEQ_L_VCNTNA-CNCTO

SNI_L_TRMPCHNCHA-VCNTNA

SNI_L_PMSQ-VCNTNA-2(1..
L_ING_VIC 1(1)

SNI_L_PMSQ-VCNTNA-1(2..
L_ING_VIC C2(1)

B_VCTNA_23

En las Tablas 13 y 14 y Fig. 9 y 10 se presenta

una comparación de los resultados obtenidos en los
EEQ_XC_METRO_VICENTINA dos escenarios en relación a perfiles de voltaje para
EEQ_VIC NTNA
barras de 138 kV y 23 kV respectivamente. De las
figuras se desprende que la incorporación del SEMQ
Figura 7: S/E Vicentina
no representa afectación en los perfiles de voltaje del
3.9. Sistema de 138 kV de la EEQ anillo de 138 kV y de las subestaciones de 23 kV,
determinándose adicionalmente que los voltajes se
El sistema de 138 kV de la EEQ, tiene una encuentran dentro de los límites establecidos por la
configuración de barras en anillo lo que permite tener Regulación No. CONELEC 004/001.
una mayor confiabilidad y robustez ante diferentes
condiciones en operación normal y contingencia.

20
Jurado et al. /Análisis del Sistema Metro de Quito y su Impacto en la Red de la Empresa Eléctrica Quito

Tabla 13: Perfiles de Voltaje – Barras 138 kV En relación con la cargabilidad de los elementos
Nivel de Voltaje [kV] del sistema eléctrico, a continuación se detallan
BARRAS
SIN SEMQ CON SEMQ los resultados obtenidos discriminándolos por
CMBY 141,11 140,66 subestación. En las Fig. 11, 12 y 13 se muestran
GUALO 141,47 141,05 los niveles de cargabilidad de los elementos de
INGA 141,69 141,32 las subestaciones para los dos escenarios que se
ITULCH 141,63 141,24 están comparando, destacándose que solo los
NTUMB 141,36 140,92 transformadores que alimentarán al SEMQ son los
CHLBLO (M) 140,49 139,99 que presentan un mayor aumento en sus niveles de
CNCTO 141,29 140,83 cargabilidad.
CTCLLO 139,83 139,38 Tabla 15: Cargabilidad Subestación E. Espejo
EESPJO (M) 140,98 140,55 Cargabilidad [%]
Elementos
PMSQ-EEQ 141,63 141,22 SIN SEMQ CON SEMQ
PMSQ-S.N.I. 142,07 141,69 Transformador 1 (M) 67,27 74.01
S.ALGRE 140,21 139,75 Transformador 2 73,54 73,78
SRSA 141,98 141,60 L/T Santa Rosa - Eugenio Espejo 52,44 53,91
VCNTNA (M) 141,00 140,49 L/T Eugenio Espejo - Selva Alegre 28,00 28,22

Figura 9: Perfiles de Voltaje - Barras 138 kV Figura 11: Cargabilidad Subestación E. Espejo

Tabla 14: Perfiles de Voltaje – Barras 23 kV Tabla 16: Cargabilidad Subestación Chilibulo

Nivel de Voltaje [kV] Cargabilidad [%]

Elementos
BARRAS SIN SEMQ CON SEMQ SIN SEMQ CON SEMQ
EESPJO-1 (M) 22,82 22,73 Transformador 1 60,75 60,99
EESPJO-2 23,46 23,38 Transformador 2 (M) 51,28 67,15
CHLBLO 23,66 23,57 L/T Santa Rosa - Chilibulo 43,37 44,87
B_CHLBL (M) 23,31 22,99 L/T Chilibulo - Selva Alegre 23,97 22,84
B_VCTNA (M) 23,80 23,28

Figura 12: Cargabilidad Subestación Chilibulo

Figura 10: Perfiles de Voltaje - Barras 23 kV – EEQ

21
 Edición No 13, Enero 2017

Tabla 17: Cargabilidad Subestación Vicentina las 11 subestaciones del SEMQ, permanece dentro
Cargabilidad [%] de los límites establecidos, cabe recalcar que para el
Elementos
SIN SEMQ CON SEMQ evento C3 - Salida del Transformador T3 de la S/E
Transformador 1 52,63 52,66 Vicentina – en las S/ET Jipijapa y El Labrador se
Transformador 2 78,08 78,10
registran valores muy cercanos al límite establecido
(21,84 kV y 21,82 kV respectivamente), como se
Transformador 3 (M) 27,52 65,73
observa en la Fig. 16.
L/T Vicentina - Conocoto 7,49 8,94
L/T Termopichincha - Vi- En cuanto al nivel de cargabilidad de los
centina 13,45 13,50 transformadores, según se desprende de la Fig. 17,
L/T 1 - Inga - Vicentina 28,68 29,96 para todos los casos se registran nivel adecuados,
L/T 2 - Inga - Vicentina 32,00 33,32 inclusive en el evento C3 (Salida del Transformador
L/T 1 - Pomasqui - Vicentina 12,90 12,37 T3 e la S/E Vicentina) para el cual el valor máximo
L/T 2 - Pomasqui - Vicentina 12,68 11,84 registrado es 92,4% correspondiente al transformador
TR_EESPJO-1 (M).

En lo que respecta a alimentadores e interconexiones

a nivel de 23 kV se aprecian en las Fig. 18 y 19 que los
niveles de cargabilidad no exceden el 80% en ninguno
de los casos analizados.

Para el evento C6 (Salida de un circuito del

alimentador en 23 kV que conecta la S/E Vicentina
con la S/ET Universidad Central), se registra el
máximo valor de cargabilidad en 75,41% para la línea
L_VCNA_UCE_2.

Figura 13: Cargabilidad Subestación Vicentina

4.2. ANÁLISIS DE CONTINGENCIAS

Los eventos a ser simulados en el presente trabajo

para su análisis son:

CN: Operación normal de la EEQ con la inclusión del

Sistema Eléctrico Metro de Quito SEMQ.

C1: Salida del Transformador de la S/E Eugenio

Espejo (T1) que alimenta al SEMQ.

C2: Salida del Transformador de la S/E Chilibulo

(T2) que alimenta al SEMQ.
Figura 14: Perfiles de Voltaje – Barras 138 kV
C3: Salida del Transformador de la S/E Vicentina
(T3) que alimenta al SEMQ.

C4: Salida de un circuito del alimentador en 23

kV que conecta la S/E Eugenio Espejo con la S/ET
Quitumbe.

C5: Salida de un circuito del alimentador en 23 kV que

conecta la S/E Chilibulo con la S/ET La Magdalena.

C6: Salida de un circuito del alimentador en 23 kV

que conecta la S/E Vicentina con la S/ET Universidad
Central.

En las Fig. 14, 15 y 16 se muestran los perfiles de

voltaje para cada uno de los casos de contingencias
propuestos. Como se puede observar, los niveles de Figura 15: Perfiles de Voltaje - Barras 23 kV – EEQ
voltaje en las subestaciones Eugenio Espejo, Chilibulo
y Vicentina (puntos de alimentación del SEMQ) y en

22
 Jurado et al. /Análisis del Sistema Metro de Quito y su Impacto en la Red de la Empresa Eléctrica Quito

Figura 19: Cargabilidad – Alimentadores 23 kV – Sistema

Figura 16: Perfiles de Voltaje – Barras 23 kV - SEMQ SEMQ

5. CONCLUSIONES Y RECOMENDACIONES

Un tren tiene tres etapas de funcionamiento:

arranque, inercia y frenado, por lo tanto, los motores no
funcionan a su potencia nominal en todo el recorrido
y por ello se determinó una potencia promedio de
tracción para cada tren de 630 kW, misma que es
utilizada en análisis de estado estacionario realizado
en el presente estudio.

La información proporcionada por Metro de

Santiago S.A. fue de gran utilidad en el presente
trabajo debido a la similitud, entre la Línea 2 y la
Línea 1 del Metro de Quito, en número de trenes en
Figura 17: Cargabilidad – Transformadores 138/23 kV – EEQ circulación y longitud del recorrido.

Para la determinación de escenarios de flujos de

potencia, en el presente trabajo se ha modelado la
carga, considerando simulaciones de ubicación de los
trenes a lo largo del recorrido de la Línea 1 del Metro
de Quito.

Se determinó que la demanda promedio total de la

Línea 1 del Metro de Quito se encuentra alrededor de
18,5 MW como resultado de la estimación de la carga
de servicios auxiliares y potencia de tracción.

La incorporación del SEMQ al sistema de la

Empresa Eléctrica Quito, no provocará cambios
sustanciales desde el punto de vista de cargabilidad de
elementos y perfiles de voltaje. Esto se debe a que la
Figura 18: Cargabilidad – Alimentadores 23 kV al SEMQ
demanda requerida por el SEMQ es aproximadamente
el 2,5% de la demanda total del sistema de la EEQ.

23
 Edición No 13, Enero 2017

De todos los eventos de contingencias analizados,
el evento C3 (Salida del Transformador de la S/E
Vicentina (T3) que alimenta al SEMQ), es el de
mayor afectación en cuanto a perfiles de voltaje y
cargabilidad en el SEMQ.
[10] CONELEC Calidad del Servicio Eléctrico
de Distribución, Regulación No. CONELEC
004/01.

Se recomienda que para el análisis de perfiles de Mauro Jurado Egas.-

voltaje a nivel de 23 kV del SEMQ, se use los límites
de ±6 % para garantizar un nivel de voltaje adecuado
de alimentación hacia los equipos.
AGRADECIMIENTOS
Este trabajo fue desarrollado con el apoyo de la
Unidad de Cargas Especiales de la EEQ, Metro de
Santiago S.A. y Área de Equipos e Instalaciones del
Metro de Quito.
REFERENCIAS BIBLIOGRÁFICAS
[1] De Quitumbe al Labrador en menos de 34 minutos.
E P Metropolitana Metro de Quito [ONLINE].
Disponible:http://prensa.quito.gob.ec/Noticias/
news_user_view/de_quitumbe_al_labrador_en_
menos_de_34_minutos—17789
[2] J. P. Martí, “I edición del curso de especialización
en Ingeniería Ferroviaria”, Cataluña, Mayo
2013, pp. 17.
[3] Empresa Pública Metropolitana Metro de Quito,
“Sistema Eléctrico Metro de Quito”, Quito,
Ecuador, Enero 2016.
[4] G. Soublette, “Sistemas de Recuperación de
Energía para la Línea 1 del Metro de Santiago”,
Santiago de Chile, Marzo 2011.
[5] Equipo Consultor Metro de Madrid. (2012,
Abril). La Línea 1 de Metro de Quito. [ONLINE].
Disponible: http://www.metrodequito.gob.
ec/web/pdfs/1-Caracterizacion_Geometrica_
Trazado_e_Implantacion_1ra_Linea.pdf.
[6] Metro de Santiago S.A., “Energía Mensual ION
2016”, Mayo 2016.
[7] Metro de Santiago S.A., “Parque de Trenes AM
2013”, Mayo 2016.
[8] “Ejecución de la Primera Línea del Metro de
Quito, Fase 2: Construcción de las Obras
Civiles y Provisión y Montaje del Sistema de
Equipamiento e Instalaciones”, 01-2013.
[9] Bases de Digsilent Power Factory del sistema
eléctrico de la EEQ, Unidad de Cargas Especiales.
Nació en Quito, Ecuador en
1992. Realizó sus estudios
secundarios en el Colegio
Militar “Eloy Alfaro” y sus
estudios superiores en la
Escuela Politécnica Nacional.
Actualmente es egresado de la
carrera de Ingeniería Eléctrica
realizando su proyecto de titulación en la Unidad de
Cargas Especiales de la Empresa Eléctrica Quito. Sus
áreas de interés están relacionadas con la Operación de
Sistemas de Transmisión y Distribución, Protecciones
Eléctricas y Calidad del Servicio.
José Marín Gaviño.- Nació
Quito, Ecuador. Realizo
sus estudios secundarios
en el Instituto Tecnológico
Superior Central Técnico,
donde obtuvo el título de
bachiller Técnico Industrial
Especialización Electrónica
en 2007. Actualmente es
egresado de la carrera de Ingeniería Eléctrica de
la Escuela Politécnica Nacional y está realizando
pasantías en la Unidad de Cargas Especiales de
la Empresa Eléctrica Quito. Sus áreas de interés
son: Planificación de Sistemas de Distribución e
Instalaciones Eléctricas.
Fabián Pérez Yauli.- Nació
en Ambato, Ecuador. Recibió
el título de Ingeniero Eléctrico
en la Escuela Politécnica
Nacional en 2004, y el de
Doctor en Ingeniería Eléctrica
en la Universidad Nacional de
San Juan Argentina en 2013.
Trabajo en la Corporación
Eléctrica del Ecuador CELEC EP – Unidad de
Negocio TRANSELECTRIC. Actualmente se
desempeña como docente titular a tiempo completo
en la Escuela Politécnica Nacional. Sus áreas de
interés son: Protecciones Eléctricas y Procesamiento
de señales.

24
 Jurado et al. /Análisis del Sistema Metro de Quito y su Impacto en la Red de la Empresa Eléctrica Quito
Hugo Arcos Martínez.-
Nació en Quito, Ecuador,
en 1972. Recibió el título
de Ingeniero Eléctrico en la
Escuela Politécnica Nacional
en 1998, y el de Doctor en
Ingeniería Eléctrica en la
Universidad Nacional de
San Juan Argentina en 2003.
Ha desarrollado su carrera profesional en diversas
instituciones del Sector Eléctrico Ecuatoriano y
actualmente se desempeña como Coordinador de
la Carrera de Ingeniería Eléctrica de la Escuela
Politécnica Nacional. Sus áreas de interés son:
Modelación en Sistemas Eléctricos de Potencia,
Estudios en Estado Estacionario y Transitorio y
Confiabilidad de SEP.
Franklin L. Quilumba.-
obtuvo el título de Ingeniero
Eléctrico en la Escuela
Politécnica Nacional en
Quito, Ecuador, en el 2008.
Realizó sus estudios de
posgrado en la Universidad
de Texas Arlington, en
Arlington, Estados Unidos de
América, donde obtuvo el grado de Master of Science
in Electrical Engineering y el título de Doctor of
Philosophy Ph.D. en el 2014.
Desde el 2014, el Dr. Quilumba es parte del cuerpo
docente de la Escuela Politécnica Nacional, donde es
Profesor Agregado. Sus áreas de interés son análisis,
operación, estabilidad y control de sistemas eléctricos
de potencia, modelación de carga, y planeación de
generación y transmisión.
25
 Aplicación Práctica / Practical Issues

Determinación de Áreas Eléctricas Coherentes por Frecuencia y cómputo

de la Frecuencia Promedio del Sistema Nacional Interconectado a partir
de Información Sincrofasorial en Tiempo Real

A. De La Torre J.C. Cepeda

Operador Nacional de Electricidad, CENACE
E-mail: adltorre@cenace.org.ec; jcepeda@cenace.org.ec

Abstract Resumen

This paper presents an alternative proposal for the
operators of the National Interconnected System
(SNI) for monitoring frequency in real-time. The
purpose is to provide the option to monitor a
single frequency of SNI, named as system average
frequency, which is calculated in real time from
synchrophasor information of WAMS, taking
into account the partition of the Ecuadorian
electric power system into coherent areas and
the respective influence of the inertia of each
area. In this regard, first a frequency coherency
analysis of a relevant event occurred in the SNI
is performed. This analysis allows partitioning
the system into coherent areas. For this purpose,
a hybrid filtering methodology, comprised by the
“smooth” function of MATLAB and empirical
orthogonal functions (EOF), is firstly applied.
Subsequently, the equivalent inertia of each area
is determined. These equivalent inertias allow
calculating the average frequency of the system
by applying the concept of the frequency of the
equivalent inertial center (COI). Finally, the
algorithm is programmed on the WAProtector
application; thereby the average frequency of the
system can be used for real-time monitoring and
post-operative analysis at CENACE.
El presente trabajo presenta una alternativa
de monitoreo de frecuencia en tiempo real a los
operadores del Sistema Nacional Interconectado
(SNI). El propósito es brindar la opción de
monitorear una única frecuencia del SNI,
denominada frecuencia promedio del sistema,
la cual es calculada en tiempo real a partir de
información sincrofasorial del sistema WAMS,
tomando en cuenta la división del sistema eléctrico
ecuatoriano en áreas eléctricas coherentes y
la respectiva influencia de las inercias de cada
área. En este sentido, en primer lugar se realiza
un análisis de coherencia de frecuencia de un
evento relevante ocurrido en el SNI, con lo cual
se determina la división del sistema en áreas
coherentes. Para esto, primeramente se aplica a
las señales registradas una metodología de filtrado
híbrida compuesta por la función “smooth” de
MATLAB y el método de funciones empíricas
ortogonales (EOF). Posteriormente, se determina
la inercia equivalente de cada área la cual permite
calcular la frecuencia promedio del sistema
mediante la aplicación del concepto de frecuencia
del centro de inercia (COI). Finalmente, se realiza
la programación del algoritmo en la aplicación
WAProtector, con lo cual la frecuencia promedio
del sistema puede ser utilizada para su monitoreo
en tiempo real y análisis post-operativos en
CENACE.

Index terms— Coherent areas, WAMS, average Palabras clave— Áreas coherentes, WAMS,
frequency, center of inertia. frecuencia promedio, centro de inercia.

Recibido: 11-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: De La Torre, A.; Cepeda, J. (2017). “Determinación de Áreas Eléctricas
Coherentes por Frecuencia y cómputo de la Frecuencia Promedio del Sistema Nacional Interconectado
a partir de Información Sincrofasorial en Tiempo Real”. Revista Técnica “energía”. No. 13, Pp. 26-35

26

1. INTRODUCCIÓN
Ante una perturbación, los sistemas eléctricos
de potencia (SEP) presentan un período dinámico,
causado principalmente por la respuesta
electromecánica de los generadores. Esta respuesta
dinámica de las máquinas se caracteriza por ser de
carácter oscilatoria decreciente (en sistemas estables).
Durante este período dinámico, es común que grupos
de generadores “oscilen juntos”, denotando lo que se
denomina “coherencia” entre ellos [1].
Un conjunto de generadores forma un grupo
coherente, ante una determinada perturbación, cuando
oscilan con la misma velocidad angular y mantienen
una relación compleja constante entre sus voltajes
terminales durante un cierto intervalo de tiempo [1].
Bajo este mismo concepto, grupos de barras del SEP,
influenciadas por el comportamiento dinámico de
los generadores, forman también áreas coherentes
caracterizadas por comportamientos dinámicos
semejantes, los cuales se reflejan en las variables
eléctricas del sistema tales como la frecuencia [2],
[3].
El problema de la evaluación de coherencia ha
sido analizado con diferentes metodologías, siendo el
método de coherencia lenta uno de los más utilizados
[4]. Este método evalúa la coherencia sobre el modelo
matemático del SEP y no depende de la perturbación.
Sin embargo, debido a que varios estudios
indican que la coherencia dinámica puede cambiar
dependiendo del estado operativo y de la contingencia
que se produzca [1], [3], la utilización de mediciones
de variables del sistema (potencia, voltaje o
frecuencia) pueden ser utilizadas para evaluar la
coherencia eléctrica. Esto puesto que las condiciones
dinámicas oscilatorias se reflejan en la red en las
variables eléctricas del sistema, principalmente en el
ángulo del voltaje y en la frecuencia [4].
El presente artículo presenta, en primer lugar,
la base teórica relacionada con el concepto de
coherencia eléctrica, así como de la tecnología de
medición sincrofasorial, la frecuencia del centro de
inercia y funciones empíricas ortogonales (EOF).
Posteriormente, se realiza un análisis de coherencia
por frecuencia a los registros de las PMUs instaladas
en el SNI del evento ocurrido el 1 de julio de 2016, en el
que se provocó una variación dinámica de frecuencia,
luego del disparo de la interconexión con Colombia.
Una vez definidas las áreas coherentes por frecuencia
del SNI, ésta información se usa para calcular la
frecuencia promedio del sistema en tiempo real para
lo cual se hace uso de la opción de programación de
WAProtector. Finalmente, se presentan conclusiones
y recomendaciones de esta investigación.
Edición No. 13, Enero 2017
2. MARCO TEÓRICO REFERENCIAL
2.1 Coherencia Eléctrica
Luego de la ocurrencia de grandes perturbaciones,
grupos de generadores del sistema de potencia (SEP)
tienden a “oscilar juntos”. Estos generadores se
denominan “coherentes” entre sí [1]. Adicionalmente,
y como una consecuencia de la coherencia entre
generadores, se presenta una partición del SEP en lo que
se denominan “áreas coherentes” [2], [3], que no son
más que aquellas subsecciones del SEP influenciadas
por los generadores coherentes.
Un conjunto de generadores forma un grupo
coherente, ante una determinada perturbación, cuando
oscilan con la misma velocidad angular y mantienen
una relación compleja constante entre sus voltajes
terminales durante un cierto intervalo de tiempo t0 <
t < tf [4]:
(1)
donde Ei es el fasor del voltaje terminal del
generador i, Ei y di son la magnitud y el ángulo del
voltaje terminal del generador i, respectivamente, wi
es la velocidad angular del generador i.
La evaluación de coherencia entre generadores
tiene el objetivo de determinar los grupos de
generadores (o áreas) que oscilan juntos luego de
ocurrida una perturbación [4].
A manera ilustrativa, la Fig. 1 presenta el
comportamiento dinámico de los ángulos de voltajes
nodales normalizados simulados en el sistema de
prueba New England [5], luego de ocurrida una
gran perturbación. Es posible notar cómo las señales
forman cuatro grupos coherentes diferentes.
Figura 1: Formación de 4 áreas eléctricas coherentes en el
sistema de prueba New England luego de un cortocircuito en
una línea de transmisión [6]
27
 De La Torre et al. / Áreas Eléctricas Coherentes y Frecuencia Promedio del SNI a partir de información sincrofasorial
De lo expresado anteriormente, las señales
eléctricas (ángulos o frecuencias) contienen inmersas
la información de coherencia, tanto de generadores
como de áreas del sistema de potencia. En este
sentido, cuando se presentan áreas coherentes dentro
de un SEP, el comportamiento dinámico de las señales
eléctricas (incluida la frecuencia) será diferente en
cada una de ellas.
2.2. Tecnología de Medición Sincrofasorial
Un fasor constituye la representación analítica de
ondas sinusoidales en estado estacionario a frecuencia
fundamental más comúnmente aplicada. Los fasores
se utilizan como la herramienta matemática básica
del análisis de circuitos de corriente alterna [7].
Una ecuación sinusoidal pura:
(2)
donde w es la frecuencia de la señal en radianes por
segundo, f es el ángulo de fase en radianes y Xm es la
amplitud pico de la señal.
Puede ser representada por un número complejo
que gira a la velocidad angular w, conocido como su
representación fasorial o simplemente fasor, como se
muestra en [8].
(3)
donde: X m 2 es el valor RMS (root mean square)
de la señal.
La Fig. 2 muestra la representación fasorial de la
ecuación sinusoidal dada por (2).
Figura 2: Representación fasorial de sinusoides: (a) función
sinusoidal, (b) representación fasorial
Un sincrofasor o fasor sincronizado se define
en [9] como “un fasor calculado a partir de datos
muestreados usando una señal de tiempo estándar
como la referencia para la medición”. La referencia
angular es una onda coseno de frecuencia nominal,
28
sincronizada con el tiempo UTC (Coordinated
Universal Time) [9], [10].
Las unidades de medición sincrofasorial (PMUs)
son dispositivos que permiten estimar sincrofasores
de las ondas sinusoidales de corriente y voltaje AC, en
diferentes nodos de un SEP [9], [10]. Para calcular un
sincrofasor la PMU utiliza un algoritmo de estimación
fasorial. Estos algoritmos utilizan un número N de
muestras en el tiempo para efectuar la estimación del
fasor. El algoritmo más comúnmente utilizado es la
transformada discreta de Fourier (DFT) [11]. La alta
precisión, velocidad de respuesta y sincronización
de tiempo hacen de las PMUs equipos apropiados
tanto para el monitoreo global en estado estable y
dinámico, así como para aplicaciones de protección
y control en tiempo real [12].
Las PMUs forman parte indispensable de los
sistemas de monitoreo de área extendida (WAMS), los
cuales permiten disponer de mediciones distribuidas
en el SEP. Para esto, además de PMUs, se requiere
de algoritmos avanzados de procesamiento digital
de señales, sistemas de comunicación especializados
y una infraestructura capaz de proporcionar
información dinámica del sistema en tiempo real.
Esta tecnología incluye aplicaciones de supervisión
y control de la operación del SEP en tiempo real. Los
sistemas WAMS están constituidos principalmente
por equipos de medición (PMU), concentradores de
datos (PDC) y sistemas de comunicación [13].
La utilización de las PMUs permite obtener
medidas directas de los fasores de voltaje y corriente.
Las PMUs entregan información en intervalos de
milisegundos, por lo que permiten el monitoreo del
comportamiento dinámico del sistema de potencia
y de potenciales colapsos. Pueden ser usadas para
detectar posibles separaciones del sistema, analizar
oscilaciones en tiempo real, desarrollar sistemas de
control de lazo cerrado para mejorar la estabilidad
del sistema prescindiendo de modelos para el sistema
externo (principal problema con los EMS) [14].
Una de las tareas fundamentales dentro de las
aplicaciones WAMS es el desarrollo de algoritmos
capaces de usar la información de las PMUs que
brinden una alerta temprana ante posibles situaciones
de inseguridad del sistema con el objetivo de llevar a
cabo acciones de control preventivo y/o correctivo,
cuando sean necesarias.
El Operador Nacional de Electricidad CENACE,
como organismo encargado de la administración
técnica y comercial del Sector Eléctrico Ecuatoriano,
lleva a cabo el ambicioso proyecto de implementar
un sistema WAMS que facilite el monitoreo en
tiempo real del Sistema Nacional Interconectado

(SNI) a partir de mediciones sincrofasoriales.
Actualmente, CENACE ha concluido la instalación
de 30 dispositivos PMUs distribuidos a lo largo de
todo el SNI, y la implementación de una plataforma
PDC redundante (software WAProtectorTM) junto
con la respectiva configuración de las aplicaciones
de análisis y el desarrollo de los procesos inherentes
a la información fasorial. El software WAProtector,
desarrollado por la empresa ELPROS de Eslovenia,
adquiere los datos fasoriales de las PMUs a través de
la red de comunicaciones Ethernet. En los servidores
del software WAProtector, se realiza el análisis de
datos en tiempo real y la evaluación de la seguridad
del sistema eléctrico. El muestreo en la transmisión
de información de las PMUs es 60 muestras por
segundo.
Las aplicaciones disponibles en WAProtector son:
i) Estabilidad estática de ángulo (diferencia angular),
ii) Estabilidad de Voltaje de corredores de transmisión,
iii) Estabilidad Oscilatoria, iv) Detección de Islas, v)
Información de Armónicos del Sistema, vi) Análisis
de Información Histórica.
A partir del análisis de información histórica,
WAProtector brinda la posibilidad de realizar una
serie de estudios post-operativos usando como
entrada los datos dinámicos de eventos que hayan
ocurrido en tiempo real. En este contexto, el presente
artículo hace uso de la información dinámica post-
contingencia obtenidas de un evento que causó la
apertura de la interconexión con Colombia, ocurrido
el 1 de julio de 2016, con el propósito de determinar
las áreas coherentes del SNI por frecuencia y a partir
de estas áreas coherentes, calcular la frecuencia
promedio del sistema utilizando el concepto de
frecuencia del centro de inercia.
Para esto, a los datos de frecuencia registrados en
cada una de las PMU del SNI se aplica el método
de análisis de coherencia basado en señales eléctricas
propuesto en [6]. Cabe resaltar que antes de realizar
el análisis de coherencia, se requiere filtrar las señales
de frecuencia registradas a partir de las PMU para
eliminar las componentes de alta frecuencia, las cuales
no reflejan el comportamiento oscilatorio natural
del sistema que en sí muestra el comportamiento
coherente del sistema. Para esto, se aplica un método
híbrido basado en la función “smooth” de MATLAB
y la técnica de time-series data mining denominada
funciones empíricas ortogonales (EOF) [6], [15].
2.3. Frecuencia del Centro de Inercia
La estabilidad de frecuencia se refiere a la
capacidad de un sistema eléctrico de potencia para
mantener una frecuencia en equilibrio después
de ocurrida una perturbación severa debida a un
Edición No. 13, Enero 2017
desequilibrio importante entre generación y carga.
La desviación de frecuencia de su valor nominal es
un claro indicador del efecto dinámico producido por
la contingencia. Así, cuanto mayor es la desviación
de la frecuencia, mayor es el efecto producido por la
contingencia. Por tal motivo, monitorear la frecuencia
en tiempo real resulta indispensable para brindar al
operador señales de alerta necesarias para la toma de
decisiones.
Basado en el concepto de coherencia, durante
el período dinámico, la frecuencia de cada área
coherente es diferente. En este sentido, y con el fin de
evaluar adecuadamente el efecto del comportamiento
dinámico de frecuencia, se torna necesario determinar
una especie de frecuencia promedio por cada una de
las áreas coherentes que se formen en el SEP, las
cuales permitirían calcular una frecuencia promedio
de todo el sistema de potencia.
Para este propósito, la frecuencia del centro
de inercia equivalente (COI) de cada área eléctrica
coherente tiene que ser calculada ya que la frecuencia
no es la misma en todos los buses del sistema.
En este sentido, usando el concepto de “áreas
coherentes asociadas a una PMU”, presentado en [6],
es posible definir la (o las) PMU/s de un sistema de
potencia que represente/en el “centroide” de un área
eléctrica coherente.
Una vez determinadas las PMUs que representan
el centroide de cada una de las áreas eléctricas
coherentes, la frecuencia registrada en ellas
necesariamente deberá representar a la frecuencia
del centro de inercia equivalente (COI) de cada
una de las áreas coherentes, la cual se determina
matemáticamente usando .
N
∑H f
i i
fCOI = i =1
N (4)
∑H
i =1
i
Donde Hi es la inercia del generador i, fi es la
frecuencia del generador i, siendo N los generadores
pertenecientes al área eléctrica coherente en análisis.
Sobre la base de lo mencionado, usando y con
el propósito de brindar al operador una frecuencia
media del sistema, es posible calcular la fCOI del SNI
a partir de los registros de las PMU que representan
el centroide de cada una de las áreas eléctricas
coherentes que existan en el SNI.
Para esto, el primer paso es determinar las áreas
eléctricas coherentes existentes en el SNI. Esto se
realizará usando el método de análisis de coherencia
29
 De La Torre et al. / Áreas Eléctricas Coherentes y Frecuencia Promedio del SNI a partir de información sincrofasorial
basado en señales propuesto en [6] y que se resume
en la siguiente subsección. A este respecto, con
el propósito de disponer de datos depurados que
permitan observar frecuencias de oscilación de tipo
electromecánicas (0.1 Hz a 2 Hz), antes de aplicar
el método de análisis de coherencia, es necesario
aplicar un filtro pasa bajos a las señales de frecuencia
registradas por las PMUs en tiempo real. En este
sentido, se propone usar un novedoso método
híbrido de filtrado basado en la función “smooth”
de MATLAB y la técnica de time-series data mining
denominada funciones empíricas ortogonales (EOF)
[6], [15].
Una vez determinadas estas áreas coherentes, el
subsiguiente paso es determinar la inercia equivalente
de cada área (SHi), referida a una base de 100 MVA,
para lo cual se usará la información disponible en la
base de datos del SNI en DIgSILENT PowerFactory
disponible en el CENACE.
2.4.
Metodología de Análisis de Coherencia y
Filtrado de Señales
La coherencia dinámica existente entre áreas de
un SEP puede ser evaluada usando mediciones de
señales eléctricas dinámicas post-contingencia, tales
como la frecuencia. Esta coherencia es altamente
dependiente de la condición de carga del sistema, así
como de la naturaleza y el tamaño de la perturbación.
En este caso en particular, los registros de señales
se utilizan para descomponer al sistema de potencia
en zonas eléctricas coherentes, utilizando una versión
modificada del método de agrupación presentado en
[16], propuesta en [6]. El cómputo de la coherencia se
basa en la aplicación de técnicas de minería de datos
tales como coordenadas principales y C-means difuso
-FCM- inicializado por el algoritmo de agrupación
por sustracción [6] a la matriz de disimilaridad
de frecuencia DF cuyos elementos representan las
distancias entre las diferentes señales de frecuencia
medidas en cada barra del SNI donde las PMUs están
instaladas.
En primer lugar, la matriz de disimilaridad de
frecuencias DF es construida aplicando el Método
Recursivo para cálculo de la Coherencia en línea
presentado en [16], el cual se resume a continuación:
Un valor de frecuencia Xi(t) en la
barra i en el instante t está definido por:
(5)
Donde xi(t) representa la frecuencia en la barra
i en el instante t; xi0 es su valor inicial antes de la
30
perturbación y X es el valor promedio respecto
del número de barras consideradas (donde están
instaladas las PMU) Nb en el instante t.
Xij(t) es posteriormente definido como
la diferencia de X(t) entre las barras i y j.
(6)
Posteriormente, una medida de la distancia eléctrica
entre las barras i y j (dij) es determinada mediante .
(7)
Donde tcl es el tiempo de inicio de la perturbación
(instante de la variación considerable entre generación
y carga), y T es el instante en el que terminar la
ventana de tiempo analizada.
Estos valores de distancia constituyen los
elementos de la matriz de disimilaridad de frecuencias
DF.
(8)
Donde n es el número de barras (o PMUs) y es la
distancia eléctrica entre las barras i y j determinada
por .
Después de construida la matriz DF, se obtiene la
correspondiente matriz de similitud (QF) aplicando
, donde I es la matriz identidad y 1 es el vector de
“unos”. Esta matriz representa la variabilidad entre
elementos (similar a como la matriz de covarianzas
representa la variabilidad entre variables).
(9)
Usando los valores propios (Lr) y los
vectores propios (Vr) de la matriz QF, es
posible calcular su correspondiente matriz de
coordenadas principales YrF la cual contiene las
nuevas variables ortogonales que mantienen las
distancias originales (coordenadas principales) [6].
(10)
Finalmente, luego de determinada la matriz,
la cual puede ser vista como una matriz de datos
multidimensionales cuyos elementos constituyen

cada una de las barras donde se encuentran ubicadas
las PMUs, es posible agrupar cada elemento en un
número específico de clusters usando el algoritmo
FCM [6]. Cada cluster representa un área eléctrica
coherente por frecuencia.
Una vez determinadas las áreas eléctricas
coherentes se determinan los centroides (2 PMUs
por área), con el criterio que estas PMUs sean las
más representativas en cada área en función de la
incidencia de las inercias (cercanía a los mayores
centros de generación).
2.4.1 Método de Filtrado Pasa Bajos Híbrido
Antes de realizar el cálculo de coherencia basado
en la frecuencia eléctrica descrito, y con el propósito
de disponer de datos depurados que permitan observar
frecuencias de oscilación de tipo electromecánicas
(0.1 Hz a 2 Hz), es necesario aplicar un filtro pasa
bajos a las señales de frecuencia registradas por las
PMUs en tiempo real.
En este sentido, se propone aplicar un método
híbrido de filtrado basado en la función “smooth”
de MATLAB y la técnica de time-series data mining
denominada funciones empíricas ortogonales (EOF)
[6], [15].
La función “smooth” de MATLAB permite
suavizar el comportamiento dinámico de las señales
de frecuencia principalmente eliminando las muy
altas frecuencias (picos) causados por posibles
problemas de cálculo del fasor por parte de las PMUs
durante transitorios (como aquellos descritos en [6]).
Posteriormente, y con el propósito de focalizar
el análisis dentro del rango frecuencial de interés de
los transitorios electromecánicos (0.1 Hz a 2 Hz), se
aplica la técnica de descomposición y reconstrucción
de la señal usando funciones empíricas ortogonales
presentada en [15]. Esta técnica se resume brevemente
a continuación.
Las funciones empíricas ortogonales (EOF) son
el resultado de aplicar la descomposición en valores
singulares (SVD) a datos de series de tiempo. EOF es
una técnica de minería de datos para series de tiempo
que permite descomponer una función en el tiempo
discreta f(t) (tales la frecuencia eléctrica) en una suma
de un conjunto de funciones patrones discretas (las
EOFs). Por lo tanto, la transformación EOF se utiliza
con el fin de extraer los componentes individuales
más predominantes de la forma de onda de una
señal compuesta (similar al análisis de Fourier), que
permiten revelar los principales patrones inmersos en
la señal.
Edición No. 13, Enero 2017
Así, una función discreta fk puede ser escrita como
la suma de varias funciones (vj) que son naturalmente
ortogonales (pues constituyen vectores propios
ortonormales obtenidos de la aplicación de SVD a la
matriz de todas las funciones discretas F), afectadas
por coeficientes dados por números reales ( ).
(11)
Donde lj1/2 es el j-ésimo valor singular de F
asociado a los vectores propios uk y vj obtenidos de
aplicar SVD a F. Siendo que vj representa la j-ésima
EOF y su coeficiente corresponde al llamado
“EOF score”.
Finalmente, el número de EOFs escogidas depende
de la variabilidad explicada (EVi) que se desee (que
en este paper es del 99%), la cual se determina con
(12).
(12)
El concepto de EVi se basa en que la suma de
los valores propios de las EOFs (li) es equivalente a
la varianza total de la matriz F, y cada valor propio
ofrece una medición de la variabilidad explicada
(EVi) por el i-ésimo EOF.
Un detalle completo del cálculo de las EOFs se
puede encontrar en [6] y en [15].
3. ANALISIS DE COHERENCIA DEL SNI
La metodología presentada en este artículo
se aplica a un evento real ocurrido en el SNI con
el propósito de determinar las áreas eléctricas
coherentes del sistema. Posteriormente, se
determinan las dos PMUs centroides de cada área
y se calculan sus inercias equivalentes. Finalmente,
usando los resultados obtenidos, se procede a calcular
la frecuencia promedio del sistema (fCOI) usando
como datos de entrada las señales de cualquiera de
las dos PMUs determinadas como centroides (por un
principio de redundancia), las inercias equivalentes
de cada área y aplicando la ecuación . El propósito
es brindar a los operadores una señal de frecuencia
“promedio” del SNI que permita apreciar un
comportamiento dinámico representativo del sistema
luego de ocurrida una perturbación severa que cause
un considerable desbalance entre generación y carga.
El viernes 1 de julio de 2016 a las 10:29 se
produjo el disparo de los disyuntores asociados al
circuito 1 (único operativo) de la línea de transmisión
El Inga - San Rafael de 500 kV de CELEC EP -
TRANSELECTRIC, con la consecuente salida de la
31
 De La Torre et al. / Áreas Eléctricas Coherentes y Frecuencia Promedio del SNI a partir de información sincrofasorial

central Coca Codo Sinclair con una generación total Utilizando programación en MATLAB se aplica
de 740,5 MW, provocando una caída en la frecuencia el método de análisis de coherencia basado en señales
del sistema que llegó a aproximadamente 59,45 Hz. eléctricas descrito en la sección 2.4, obteniendo tres
Además, inmediatamente, se registró el disparo de los áreas coherentes dentro del SNI. Los resultados de
cuatro circuitos de la línea Pomasqui - Jamondino 230 este análisis se presentan en la Tabla 1.
kV, los cuales dispararon de acuerdo a los ajustes del
Tabla 1: Áreas coherentes por frecuencia del SNI, utilizando
Esquema de Separación de Áreas (ESA), deteriorando los registros de las PMUs del sistema WAMS
aún más la frecuencia del sistema llegando a un valor Ubicación de las PMUs en el SNI
ÁREA Subestación Posición kV
de aproximadamente 58,4 Hz. 1 POMASQUI JAMONDINO 2 230
1 POMASQUI JAMONDINO 3 138
El evento evidenció la separación del sistema 1 SANTA ROSA TOTORAS 1 230
1 SANTA ROSA TOTORAS 2 230
eléctrico ecuatoriano en al menos tres áreas 1 SANTA ROSA SANTO DOMINGO 1 138
1 SANTA ROSA POMASQUI 1 230
coherentes, según se puede apreciar gráficamente en 1 STO. DOMINGO BABA 230
la Fig. 3, la cual presenta los registros de frecuencia 1 STO. DOMINGO ESMERALDAS 138
1 TOTORAS SANTA ROSA 1 230
de las PMUs del SNI. 2 C. Trinitaria TV1 13.8
2 D. PERIPA PORTOVIEJO 1 138
2 LOJA VILLONACO 69
2 MILAGRO SAN IDELFONSO 1 230
2 MONTECRISTI JARAMIJÓ 138
2 MOLINO PASCUALES1 230
2 MOLINO TOTORAS 230
2 MOLINO AT1 230
2 PASCUALES MOLINO 1 138
2 PASCUALES MOLINO 2 230
2 PASCUALES ELECTROQUIL 3 138
2 QUEVEDO PASCUALES 1 138
2 QUEVEDO ATT 138 230
2 SALITRAL ATR 138 230
2 S. ELENA C. S. ELENA III 69
3 AGOYÁN BAÑOS 1 138
3 C. JIVINO III T1 69

Una vez determinadas las área coherentes, se

simula el evento en estudio en PowerFactory de
Figura 3: Registros de frecuencia de las PMUs del sistema DIgSILENT, obteniendo los valores de frecuencia en
WAMS todas la barras de 230 kV y 138 kV del SNI, datos que
son sometidos al mismo análisis de coherencia con el
Con este antecedente, el evento en mención tiene objetivo de contrastar los resultados de la simulación
relevancia para ser tomado como caso de estudio, y determinar los generadores presentes en cada área
y realizar un análisis de coherencia de frecuencia coherente. Posteriormente se realiza el levantamiento
aplicando la metodología presentada en este artículo, de las inercias (H) y los valores de potencia aparente
para lo cual se utilizan los registros de frecuencia de de cada generador, y para cada área coherente se
las PMUs del sistema WAMS de CENACE. Estos determina el valor de inercia equivalente (SHi) en una
registros son sometidos a un filtrado inicial, utilizando misma base (100 MVA), como se puede observar en
la función “smooth” de MATLAB en combinación la Tabla 2 para el caso del área coherente 3.
con la técnica de time-series data mining EOF,
eliminando de esta forma los errores de cálculo de Tabla 2: Ejemplo de cálculo de la inercia de las áreas
las PMUs y componentes de alta frecuencia (que son coherentes
posibles apreciar en la Fig. 3), obteniendo el resultado GENERADOR TIPO
número
H Sgn S (MVA) ÁREA H total Stotal H100
que se observa en la Fig. 4. Estos nuevos datos son G_HEMB_PUCA_U1 G_H_Pucara_1
unidades
1 2,910 40,000 3 2,910 40,000 1,164

sometidos al análisis de coherencia. G_HEMB_PUCA_U2

G_HPAS_AGOY_U1
G_H_Pucara_2
G_H_Agoyan_1
1
1
2,910
3,269
40,000
85,000
3 2,910 40,000 1,164
3 3,269 85,000 2,779
G_HPAS_AGOY_U2 G_H_Agoyan_2 1 3,269 85,000 3 3,269 85,000 2,779
G_HPAS_ILL1_U1_U2 G_H_Illuchi_I_1_2 2 1,270 0,750 3 2,540 1,500 0,038
G_HPAS_ILL1_U3_U4 G_H_Illuchi_I_3_4 2 2,550 1,750 3 5,100 3,500 0,179
G_HPAS_ILL2_U1_U2 G_H_Illuchi_II_1_2 2 2,147 3,280 3 4,295 6,560 0,282
G_HPAS_PENI_U1_U3 G_H_Peninsula_1_3 3 1,270 0,785 3 3,810 2,355 0,090
G_HPAS_PENI_U4 G_H_Peninsula_4 1 4,000 2,350 3 4,000 2,350 0,094
G_HPAS_TOPO_U1_U2 G_H_Topo_U1_U2 2 1,882 16,600 3 3,765 33,200 1,250
G_TMCI_CCAS_U1_U4 G_T_C_Castellanos_1_4 4 2,656 3,125 3 10,625 12,500 1,328
G_TMCI_DAYU_U1 G_T_Dayuma_1_2 1 3,200 1,365 3 3,200 1,365 0,044
G_TMCI_DAYU_U2 G_T_Dayuma_1_2 1 3,200 1,365 3 3,200 1,365 0,044
G_TMCI_JIV1_U1_U6 G_T_Jivino_I_1_6 6 2,656 3,125 3 15,938 18,750 2,988
G_TMCI_JIV2_U1_U2 G_T_Jivino_II_1_2 2 2,500 7,272 3 5,000 14,544 0,727
G_TMCI_JIV3_U1 G_T_Jivino_III_1_4 1 0,960 14,187 3 0,960 14,187 0,136
G_TMCI_JIV3_U2 G_T_Jivino_III_1_4 1 0,960 14,187 3 0,960 14,187 0,136
G_TMCI_JIV3_U3 G_T_Jivino_III_1_4 1 0,960 14,187 3 0,960 14,187 0,136
G_TMCI_JIV3_U4 G_T_Jivino_III_1_4 1 0,960 14,187 3 0,960 14,187 0,136
G_TMCI_LLIG_U1 G_T_Lligua_1 1 2,656 2,950 3 2,656 2,950 0,078
G_TMCI_LLIG_U2 G_T_Lligua_2 1 2,656 2,950 3 2,656 2,950 0,078
G_TMCI_LORE_U1 G_T_Loreto_1_2 1 3,200 1,365 3 3,200 1,365 0,044
G_TMCI_LORE_U2 G_T_Loreto_1_2 1 3,200 1,365 3 3,200 1,365 0,044
G_TMCI_PAYA_U1 G_T_Payamino_1 1 2,656 3,125 3 2,656 3,125 0,083
G_TMCI_PAYA_U2 G_T_Payamino_2 1 3,400 2,200 3 3,400 2,200 0,075
TOTAL ÁREA 3 15,895

La Tabla 3 muestra el resultado del cálculo de la

Figura 4: Resultado aplicación de filtrado en los registros de
inercia equivalente, para cada área coherente.
frecuencia de las PMUs del sistema WAMS

32

Tabla 3: Resultados del cálculo de la Inercia Equivalente
Área Heq (s)
1 766.67
2 516.37
3 15.90
Se determina la PMU más cercana al generador
relevante de cada área y adicionalmente una PMU de
respaldo, según se observa en la Tabla 4. Estas PMUs
representan los centroides de cada una de las áreas
coherentes.
Finalmente, utilizando las opciones de
programación de WAProtector, se desarrolla una
aplicación que realice el cálculo de la frecuencia
promedio del sistema, en tiempo real, la misma que es
almacenada en las bases de datos del sistema WAMS
y puede ser monitoreada a través de la interfaz gráfica
de WAProtector, como se muestra en las figuras 6 y
7. Esta frecuencia puede ser tomada en consideración
como la única frecuencia del sistema, tanto para su
monitoreo en la operación en tiempo real del SNI
como para los análisis que se requieran realizar.
La Fig. 5, muestra la programación realizada en
WAProtector utilizando para cada área, la frecuencia
de la PMU relevante y las inercias calculadas
anteriormente.
Tabla 4: PMUs relevantes de cada área coherente
Área Subestación
1 POMASQUI
1 SANTA ROSA
2 MOLINO
2 PASCUALES
3 AGOY_BANO1_138
3 CJV3_T1 _69
Figura 5: Interfaz de programación del sistema WAProtector,
para calcular la frecuencia promedio del sistema, en tiempo real
Edición No. 13, Enero 2017
Figura 6: Monitoreo en tiempo real de la frecuencia promedio
del sistema y frecuencia de las áreas coherentes, con la
interfaz gráfica de WAProtector
Figura 7: Monitoreo de la frecuencia promedio del sistema, en
tiempo real, con la interfaz gráfica de WAProtector
4. CONCLUSIONES Y RECOMENDACIONES
Ante una perturbación, los sistemas eléctricos de
potencia (SEP) presentan un período dinámico que se
caracteriza por ser de carácter oscilatorio decreciente
(en sistemas estables). Durante este período dinámico,
es común que grupos de generadores “oscilen
juntos”, denotando lo que se denomina “coherencia”
entre ellos. Este mismo concepto puede ser extendido
a las barras del sistema, formando lo que se llaman
“áreas coherentes”.
En el presente trabajo se ha propuesto una
metodología para calcular, en tiempo real, la
frecuencia promedio del Sistema Nacional
Interconectado, usando el concepto de frecuencia del
centro de inercias (fCOI). En este sentido, los resultados
del análisis de coherencia por frecuencias realizado al
caso de estudio presentado, determinan la existencia
de tres áreas coherentes así como dos PMUs
como centroides de cada área coherente del SNI.
Finalmente, con el cálculo de la inercia equivalente
de cada área y usando el módulo de programación
por bloques disponible en WAProtector de CENACE,
se incorpora el algoritmo que permite calcular la
frecuencia promedio y habilita la supervisión, en
tiempo real, de una única frecuencia del SNI.
Puesto que las áreas coherentes pueden cambiar
dependiendo del estado de operación y la contingencia
que se presente, es necesario analizar las diferentes
posibilidades de coherencia existente entre las áreas
33
 De La Torre et al. / Áreas Eléctricas Coherentes y Frecuencia Promedio del SNI a partir de información sincrofasorial
asociadas a las PMUs. En este sentido, futuras
investigaciones están siendo realizadas para considerar
más de un fenómeno dinámico y por consiguiente
determinar áreas coherentes representativas del SNI
ante diferentes perturbaciones.
REFERENCIAS BIBLIOGRÁFICAS
[1] Xiaoming Wang, “Slow Coherency grouping
based islanding using Minimal Cutsets and
generator coherency index tracing using the
Continuation Method”, Tesis Doctoral, Iowa
State University, 2005.
[2] J. C. Cepeda, G. Colomé, “Vulnerability
Assessment of Electric Power Systems through
identification and ranking of Vulnerable Areas”,
International Journal of Emerging Electric
Power Systems, Volume 13, Issue 1, May 2012,
ISSN (Online) 1553-779X, DOI: 10.1515/1553-
779X.2846.
[3] J. C. Cepeda, J. L. Rueda, I. Erlich, G. Colomé,
“Probabilistic Approach-based PMU placement
for Real-time Power System Vulnerability
Assessment”, IEEE PES Conference on
Innovative Smart Grid Technologies Europe
(ISGT-EU) 2012, Berlin, Germany, October de
2012.
[4] N. Granda, G. Colomé, “Identificación de
generadores coherentes en tiempo real utilizando
mediciones sincrofasoriales (PMU)”, Revista
Técnica energía, Edición No. 8, enero 2012,
ISSN 1390-5074.
[5] M. A. Pai, Energy Function Analysis for Power
System Stability, Kluwer Academic Publishers,
1989.
[6] J. C. Cepeda, “Evaluación de la Vulnerabilidad
del Sistema Eléctrico de Potencia en Tiempo Real
usando Tecnología de Medición Sincrofasorial”,
Tesis de Grado para obtener el título de Doctor
en Ingeniería Eléctrica, Instituto de Energía
Eléctrica, Universidad Nacional de San Juan,
San Juan, Argentina, Diciembre 2013, ISBN:
978-987-33-4328-5.
[7]
A. G. Phadke, “Synchronized phasor
measurements in power systems”, IEEE
Computer Applications in Power, vol.6, no.2,
pp.10-15, April 1993.
34
[8] A. Phadke, and J. Thorp, Synchronized Phasor
Measurements and Their Applications, Virginia
Polytechnic Institute and State University,
Springer Science + Business Media, 2008, ISBN
978-0-387-76535-8.
[9] IEEE Power Engineering Society, “IEEE
Standard for Synchrophasors for Power
Systems”, IEEE Std. C37.118-2005, March
2006.
[10]
IEEE Power Engineering Society, “IEEE
Standard for Synchrophasors for Power
Systems”, IEEE Std. C37.118.1-2011, December
2011.
[11] R. Cimadevilla, “Fundamentos de la Medición
de Sincrofasores”, ZIV P+C - España, XIII
ERIAC, Décimo Tercer Encuentro Regional
Iberoamricano de CIGRÉ, mayo de 2009, Puerto
Iguazú, Argentina.
[12] C. Martinez, M. Parashar, J. Dyer, and J. Coroas,
“Phasor Data Requirements for Real Time
Wide-Area Monitoring, Control and Protection
Applications”, CERTS/EPG, White Paper –
Final Draft, for: EIPP – Real Time Task Team,
January, 2005.
[13] C. Juárez, and G. Colomé, “Tendencias en la
Supervisión en Tiempo Real de la Estabilidad
de Pequeña Señal de Sistemas de Potencia”,
XIII ERIAC, Puerto Iguazú, Argentina, mayo de
2009.
[14] S. C. Savulescu, et al, “Real-Time Stability
Assessment in Modern Power System Control
Centers”, IEEE Press Series on Power
Engineering, Mohamed E. El-Hawary, Series
Editor, a John Wiley & Sons, Inc., Publication,
2009.
[15] J. C. Cepeda, G. Colomé, “Benefits of Empirical
Orthogonal Functions in Pattern Recognition
applied to Vulnerability Assessment”, IEEE
Transmission and Distribution Latin America
(T&D-LA) 2014, Medellín, Colombia,
Septiembre 2014.
[16] I. Kamwa, A. K. Pradham, G. Joos, and S. R.
Samantaray, “Fuzzy Partitioning of a Real Power
System for Dynamic Vulnerability Assessment”,
IEEE Transactions on Power Systems, vol. 24,
No. 3, pp. 1356 – 1365, August 2009.
 Edición No. 13, Enero 2017

Aharon Bhawan De La Jaime Cristóbal Cepeda.-

Torre.- Recibió el título de Recibió el título de Ingeniero
Ingeniero Eléctrico en 2013, Eléctrico en la Escuela
entre 2012 y 2013 trabajó Politécnica Nacional en
en el Área de Sistemas de 2005 y el de Doctor en
Tiempo Real del CENACE, Ingeniería en la Universidad
en la implementación del Nacional de San Juan en
sistema WAMS del S.N.I., 2013. Entre 2005 y 2009
entre 2013 y 2015 trabajó en trabajó en Schlumberger y
el Área de Análisis de la Operación en la Dirección de en el CONELEC. Colaboró como investigador en el
Operaciones del CENACE, encargado del desarrollo y Instituto de Energía Eléctrica, Universidad Nacional
actualización de los procedimientos para la inclusión de San Juan, Argentina y en el Instituto de Sistemas
de la información del sistema WAMS en los procesos Eléctricos de Potencia, Universidad Duisburg-
del área. Actualmente colabora en la Subgerencia Essen, Alemania entre 2009 y 2013. Actualmente,
de Investigación y Desarrollo del CENACE y sus se desempeña como Subgerente de Investigación
áreas de interés incluyen los sistemas WAMS y el y Desarrollo en el CENACE. Sus áreas de interés
desarrollo de Smart Grids. incluyen la evaluación de vulnerabilidad en tiempo
real y el desarrollo de Smart Grids.

35
 Artículo Académico / Academic Paper

Implementación de una Red Neuronal Artificial para la predicción de la

Demanda Eléctrica a corto plazo

J. Carrión
Universidad Nacional de Loja
E-mail: jorge.carrion.g@unl.edu.ec

Resumen Abstract

El pronóstico de la demanda eléctrica es un The prognostication of electricity demand is

problema de gran importancia para el sector
eléctrico, a partir de los resultados que se obtienen
en un pronóstico los organismos reguladores toman
decisiones adecuadas. Un buen pronóstico trae
grandes beneficios tanto técnicos como financieros,
por lo que en la actualidad se busca constantemente
desarrollar modelos de predicción con el mínimo
porcentaje de error, los resultados que se presentan
en este trabajo corresponde al desarrollo de una
red neuronal artificial para el pronóstico de la
demanda eléctrica a corto plazo, utilizando las
herramientas de Matlab. La base de datos que se
utilizó corresponde a las mediciones registradas
por el sistema SCADA en un alimentador primario
de la ciudad de Loja-Ecuador. Se emplea una red
neuronal con el mínimo de capas y neuronas, sin
perder la precisión del pronóstico. Para entrenar
la red neuronal se realizó una adecuada selección
y clasificación de las variables de entrada.
a major problem for the electricity business,
the regulators agencies can make appropriate
decisions based on the results obtained in a
demand prognostic. A good prediction produces
great technical and financial benefits, It for this
reason that nowadays is necessary to develop
predictive models with minimal error rate.
The results presented have been obtained by
using an artificial neural network for forecasting
electricity demand in the short term developed
using Matlab, the database used corresponds
to those recorded by the SCADA system
measurements on a feeder primary of of Loja-
Ecuador city.
An artificial neural network was implemented
with the minimum of layers and neurons, without
losing forecast accuracy, to train the neural
network an adequate selection and classification
of input variables was performed.

Palabras clave— Alimentador primario, Index terms— Primary feeder, demand electricity
Pronóstico de la demanda eléctrica a corto plazo, prognosis in the short term, neural network,
Red neuronal, Precisión del pronóstico. forecast accuracy.

Recibido: 08-09-2016, Aprobado tras revisión: 16-12-2016

Forma sugerida de citación: Carrión, J. (2017). “Implementación de una red neuronal artificial para la predicción
de la demanda eléctrica a corto plazo”. Revista Técnica “energía”. No. 13, Pp. 36-42
ISSN 1390-5074.

36

1. INTRODUCCIÓN
Pronosticar el consumo de energía eléctrica de
carga diaria, genera ahorros de dinero considerables
para las empresas suministradoras, por gastos de
generación y operación. Por lo tanto, el costo de los
errores de pronóstico pueden ser de tal magnitud que
muchas investigaciones se han centrado en reducir al
mínimo posible el error de pronóstico; convirtiéndose
este tema en una parte integral de la planeación para
las empresas de diversa índole y envergadura; que van
desde la generación, transmisión y distribución hasta
el consumo, requiriéndose de sistemas confiables de
pronóstico.
El pronóstico de demanda de energía eléctrica
se define básicamente como la ciencia o el arte de
predecir la carga futura en un sistema dado, para un
periodo de tiempo futuro específico. Esta predicción
puede ser desde unos minutos con fines de operación,
hasta años con fines de planeación.
Por la importancia que tiene la predicción de
carga diaria se han desarrollado diferentes métodos
de pronóstico, entre ellos los métodos basados en
inteligencia artificial, en particular redes neuronales.
Para el desarrollo de esta investigación se utilizó la
información de las mediciones de demanda, medidas
por el sistema SCADA de un alimentador de la ciudad
de Loja, cada 15 minutos, con esta información se
conformó la base de datos, para diseñar y crear
una red neuronal artificial, para el pronóstico de
demanda de energía a corto plazo haciendo uso de
las herramientas que posee Matlab.
2. MÉTODO (DESCRIPCIÓN DE LAS REDES
NEURONALES ARTIFICIALES)
2.1. Características de la Carga del Alimentador
en Análisis
La carga del sistema eléctrico del alimentador
en análisis posee un factor de carga de 0,86
aproximadamente, con fuerte presencia del tipo de
consumidor residencial y comercial.
Estas características definen un perfil de la curva
de carga con algunas variaciones características por
las condiciones climáticas de la región. En la fig. 1,
se muestra el perfil característico de la demanda del
sistema eléctrico de este alimentador en análisis.
Figura 1: Curva de carga de demanda máxima del
alimentador en análisis
Edición No. 13, Enero 2017
3. APLICACIÓN (DESCRIPCIÓN DE LA
APLICACIÓN AL ALIMENTADOR
SELECCIONADO)
3.1. Pronóstico de la Demanda de Energía Eléctrica
a Corto Plazo
El pronóstico a corto plazo es requerido por los
encargados de planificar la operación diaria. Estos
pronósticos consisten en proporcionar la demanda
de energía eléctrica del sistema sobre un intervalo
de horas, días e incluso semanas (Hinojosa Mateus,
2008) (Sarmiento Maldonado, 2008). El pronóstico
desempeña un papel importante en la operación y
despacho económico de unidades [1] [2] [3]. La
demanda de energía eléctrica tiene variaciones
naturales, ésta se ve afectada por varios factores
tales como condiciones sociales, meteorológicas y
económicas. Las condiciones climatológicas tienen
un papel preponderante en el pronóstico de la
demanda a corto plazo.
3.2. La Naturaleza de la Demanda de Energía
Eléctrica
La curva de la demanda tiene un patrón que se
repite sobre los años, en su gran mayoría es cíclica.
La única diferencia es que el pico de la curva está
aumentando constantemente cada año, señalando el
crecimiento en la demanda (Sarmiento Maldonado,
2008).
Así, el pronóstico se reduce a un reconocimiento
del patrón, para encontrar el crecimiento o tendencia
subyacente de la demanda [2,3]. (Valencia C, 2013)
3.3. Redes Neuronales Artificiales
Una red neuronal artificial RNA puede ser
definida como un sistema altamente conectado de
procesadores elementales llamados neuronas, las
cuales procesan informaciones a través de su estado
dinámico en respuesta a señales externas (ALFONSO
GALIPIENSO, 2003). Poseen este nombre porque son
inspiradas en modelos biológicos, es decir, ellas están
compuestas por elementos que reproducen algunas
funciones elementales de la neurona biológica. La
fig. 2 muestra una estructura genérica de una red
frecuentemente usada [4].
Figura 2: Estructura de una Red Neuronal
37
 Carrión/ “Implementación de una red neuronal artificial para la predicción de la demanda eléctrica a corto plazo”
Las neuronas están conectadas unas con otras,
una neurona puede tener múltiples entradas pero
una única salida. La entrada de una neurona puede
provenir de una señal externa o la salida de otra
neurona (Del Brio, 2001). Copias de la salida simple
de una neurona puede ser la entrada de muchas otras
neuronas en la red. A las diferentes conexiones,
sinapsis, de las neuronas están asociados unos pesos,
conforme se puede apreciar en la fig. 3a.
Cuando la suma de los pesos de entrada de una
neurona excede un valor, la neurona es activada
para producir una señal de salida. Las funciones de
activación más utilizadas son la tangente sigmoidea y
lineal unitaria, por su flexibilidad y amplio rango de
resultados que ofrecen, conforme se puede apreciar
en la fig. 3b y 3c, respectivamente.
Figura 3: Esquema de una neurona artificial
4. DESARROLLO
4.1. Conjunto de Entrenamiento
Es el conjunto de datos que sirve para que la red
neuronal pueda aprender los patrones presentes en los
datos, que se define como la obtención de los pesos
de la red.
En el desarrollo de la red, este conjunto de datos
representará un total de 1128 mediciones de consumo
de 1176 datos disponibles.
38
Los datos seleccionados corresponden a los 47
meses, del conjunto de meses analizados, que es 49,
la base de datos corresponde a 5 años de mediciones.
4.2. Conjunto de Validación
Se utiliza para la comprobación final de la red,
donde los datos empleados son los más recientes
consecuentemente al último valor de la muestra.
El conjunto de validación debe consistir en las
más recientes y contiguas observaciones (Ojeda
Sarmiento, 2010). Se debe procurar no usar el conjunto
de validación como conjunto de testeo, tras ejecutar
repetidamente pasos de series de entrenamiento-
testeo-validación y adaptar las variables de entrada
basadas en la actuación de la red en el conjunto de
validación [5].
4.3. Conjunto de Prueba
El conjunto de prueba se selecciona de la base de
datos, en este caso corresponde a los datos restantes,
una vez seleccionados los patrones de entrenamiento.
Este conjunto de datos seleccionado se utilizan para
evaluar la precisión de la red, estos datos corresponden
a los últimos 48 registros de consumo de la base de
datos en estudio (últimos dos meses).
4.4.
Selección de la Arquitectura de Redes
Neuronales
Según la revisión bibliográfica desarrolla existen
diversas formas para determinar la arquitectura a
seguir para desarrollar una red neuronal de predicción,
en la mayoría de los casos se utilizan las redes con
algoritmo de entrenamiento Backpropagation [5] [6].
Para crear una red neuronal se debe seleccionar:
4.4.1 Número de Neuronas de Entrada
Corresponden a las mediciones registradas por el
sistema SCADA a la salida del circuito analizado, en
un intervalo de tiempo de un año, en la base de datos
equivaldría a 12 meses, y el consumo de cada mes
seleccionado equivaldría a 24 datos. En este caso la
cantidad de neuronas de entrada son 24 datos.
4.4.2 Número de Capas Ocultas
Las capas ocultas dan a la red la habilidad de
generalizar, y en la práctica las redes neuronales
con una o dos capas ocultas son las más utilizadas
y han tenido un buen desempeño [7]. El incremento
en el número de capas también incrementa el tiempo
de procesamiento y el peligro de sobre ajuste lo que
conduce a un pobre desempeño en la predicción fuera
de muestra. El sobre ajuste ocurre cuando un modelo
de predicción tiene muy pocos grados de libertad
(Santos Peña, 2005. En otras palabras, se tienen
relativamente pocas observaciones en relación con
sus parámetros y por lo tanto es capaz de memorizar
datos individuales en lugar de aprender patrones
generales. Es por eso que en casi todos los estudios se

recomienda que todas las redes neuronales comiencen
de preferencia con una o a lo mucho con dos capas.
Para el desarrollo de esta investigación, se optó
por una sola capa oculta, la cual es suficiente para
asegurar la capacidad de generalización de la red, por
lo que la red tendría un total de 3 capas, la capa de
entrada, la capa oculta y la capa de salida.
El número de neuronas que conformaran la capa
oculta será del 75% del total de entradas [8]. El
número de entradas de la red es de 24, que equivalen
al número de horas del día de mayor consumo de un
mes, de los 49 meses de la base de datos, por lo que
el número de neuronas que contendrá la capa oculta
será de 18 neuronas.
Para decidir el número de neuronas que contendrá
la salida de la red neuronal, se determinó emplear
sólo una neurona de salida, debido a que las redes
neuronales con múltiples salidas, especialmente
si éstas salidas están ampliamente espaciadas,
producirán resultados inferiores en comparación
con una red con una única salida. Lo recomendable
es tener una red especializada para cada una de las
salidas deseadas en cada predicción.
En esta investigación el número de neuronas de
la capa de salida de la red será una, porque solo se
intenta predecir el valor de la variable seleccionada
para el siguiente mes [6,7].
4.4.3 Función de Transferencia
Con esta función se busca prevenir a las salidas,
de alcanzar valores muy elevados, los cuales pueden
paralizar la red y detener el entrenamiento de la
misma. Como función de transferencia se utilizó la
función sigmoidal (cuyo rango de salida se encuentra
entre -1 y +1) la cual es preferente para tareas de
predicción según [7].
La fig. 4 muestra la arquitectura de la red neuronal
implementada para la predicción de demanda
eléctrica.
Figura 4: Arquitectura de la Red Neuronal
Edición No. 13, Enero 2017
4.5. Criterios de Evaluación
Para el criterio de evaluación para medir la
eficiencia de la red, se ha considerado utilizar el
Error Cuadrático Medio (ECM). El Error Cuadrático
Medio calculado se define como la diferencia entre la
salida de la red y la respuesta deseada, el cual se usa
como factor de culminación del entrenamiento. Para
esta fase se fijó un parámetro de 300 iteraciones, y
el factor de terminación empleado del ECM teniendo
como umbral un valor de 0.5 [8].
4.6. Entrenamiento de la Red Neuronal
Entrenar una red neuronal para aprender patrones,
involucra presentarle ejemplos de manera iterativa de
las respuestas correctas. El objetivo fundamental del
entrenamiento es encontrar un conjunto de pesos entre
las neuronas que determinan el mínimo global de la
función de error. A menos que el modelo esté sobre-
ajustado, el conjunto de pesos debería proporcionar
una buena generalización.
El entrenamiento de la red utiliza la técnica del
gradiente descendente inmerso en el algoritmo de retro
propagación (backpropagation). El entrenamiento de
la red neuronal se detendrá cuando ocurra cualquiera
de las siguientes variantes:
1. Se llegue al número de iteraciones
programado.
2. Si la función de evaluación (ECM) cae por
debajo de la meta establecida.
3. Si el error medido por la función de evaluación
se incrementa para un número específico de
iteraciones (este último caso requiere de la
existencia del conjunto de validación). En
cualquier caso los pesos y bias obtenidos son
los encontrados en el mínimo error medido
por la función de evaluación [5, 8].
4.7. Implementación del Modelo de Predicción con
Redes Neuronales
Para hacer la implementación del modelo que
se presentó en la fig. 4, se efectuó el procedimiento
que se resume en la tabla 1(Medina Hurtado, 2005).
En la tabla se puede interpretar la estructura de la
implementación y funcionamiento de la red neuronal
desarrollada en MATLAB.
39
 Carrión/ “Implementación de una red neuronal artificial para la predicción de la demanda eléctrica a corto plazo”

Tabla 1: Resumen de Datos de la Red Neuronal Desarrollada En la fig. 6, se puede observar, que el coeficiente
Resumen de Datos de la Red Neuronal Desarrollada de correlación es bastante elevado (R=0,99128) el
Base de datos pre procesada 1 176 mediciones cual está muy cercano a 1, por lo que se puede afirmar
Variable kW que existe una alta correlación entre los valores reales
(abscisas) y los pronósticos (orientados). En la línea
Frecuencia de los datos mensual
azul se indica los puntos en los que los valores reales
Número de iteraciones 300 son coincidentes o iguales a los pronosticados [5].
Número de datos para el
entrenamiento de la red 1 128 4.8. Cálculo del Error del Modelo Propuesto
neuronal
Número de datos para la
48 Para el cálculo de error de la red neuronal se
prueba de la red neuronal
emplean los 48 registros de consumo eléctrico
Número de neuronas de
entrada
24 restantes de la base de datos, que corresponden a los
últimos 2 meses de la misma (año 2014). Estos datos
Número de capas ocultas 1
se utilizarán para determinar el nivel de error del
Número de neuronas ocultas
en cada capa
18 pronóstico de la predicción de la demanda a mediano
Número de neuronas de salida 1
plazo (meses). La predicción de los próximos 2 meses
(48 datos) de demanda, mediante la red neuronal
Función de transferencia Función Sigmoidal
seleccionada, se compara con los datos de demanda
Función de error Error Cuadrático Medio reales, para validar el modelo de red neuronal
desarrollado. En la tabla 2 y tabla 3, se presentan
En la fig. 5, se observa el entrenamiento de la red, los valores de la demanda de los dos últimos meses
una vez que se alcanzó la iteración 300, que era el de la base de datos, y los valores obtenidos con la
número máximo de iteraciones permitido, condición
predicción que realiza la red neuronal implementada
de parada del entrenamiento. Es necesario guardar la
[5].
red ya entrenada, para utilizarla en el cálculo del nivel
de error, como dato final de la implementación del Con los resultados obtenidos que se presentan
modelo de la red neuronal, se presentan los siguientes
en la tabla 2, se evaluó y validó el comportamiento
resultados gráficos que miden la eficiencia de la red:
de la red neuronal implementada con un conjunto
de datos de prueba, se hace la comparación entre
los valores pronosticados y los consumos reales, se
tomaron como referencia los dos últimos meses de
la base datos. Se presenta en la tabla 2 el error del
pronóstico acumulado para cada caso, con un límite
de 300 iteraciones en el entrenamiento de la red.

5. RESULTADOS

Con la validación de la red neuronal es posible

Figura 5: Performance del Entrenamiento
tener un margen de certidumbre aceptable, para poder
realizar la predicción de la posible demanda de energía
del circuito en análisis, del siguiente mes, utilizando
la red neuronal desarrollada. A continuación se
describe el procedimiento a seguir.

Para poder pronosticar es necesario crear una

nueva base de datos que comprende en crear una
hoja de Excel, donde se encuentren el último mes de
consumo, en este caso el día de mayor consumo del
mes, que equivale a 24 datos anteriores a los que se
quiere predecir.

Al ejecutar las líneas de código desarrolladas se

obtiene el pronóstico de consumo del siguiente mes
del circuito en análisis, en la tabla 3 se presentan los
resultados obtenidos.

Figura 6: Correlación entre los valores reales y

pronósticos de consumo

40
 Edición No. 13, Enero 2017

Tabla 2: Predicción de los últimos 48 datos de consumo 6. CONCLUSIONES Y RECOMENDACIONES

eléctrico, Aplicando la RNA desarrollada
NIVEL DE
CONSUMO PREDICCIÓN ERROR
Un pronóstico de consumo de carga diaria, genera
MES HORA
REAL KW KW RELATIVO ahorros de dinero considerables para las empresas
%
1 1 078 1 178,48 -9,32
suministradoras, por gastos de generación y operación.
2 944 780,18 17,35 Para obtener un buen resultado es necesario reducir al
3 882 769,67 12,74 mínimo posible el error de pronóstico.
4 867 1 036,46 -19,55
5 860 870,97 -1,28 Los resultados muestran el desempeño y precisión
6 1091 976,07 10,53 que tienen las redes neuronales para el pronóstico de
7 1 325 1 254,03 5,36 la demanda a corto plazo, con mínimos errores de
8 1 245 1 185,49 4,78 predicción.
9 1 174 1 060,82 9,64
10 1 235 1 382,46 -11,94 En futuras investigaciones se debe evaluar el
11 1 294 1 263,10 2,39 comportamiento de la demanda eléctrica considerando
12 1 389 1 424,04 -2,52
JUNIO técnicas de agrupamiento de datos, en particular la
13 1 395 1 325,71 4,97
14 1 433 1 367,76 4,55
técnica clúster, para conformar una base de datos más
15 1 451 2 493,29 -71,83 compacta y fiable al eliminar datos atípicos, y buscar
16 1 460 1 423,05 2,53 una métrica de curvas de consumo características
17 1 414 1 450,28 -2,57 para conformar la base de datos de la red neuronal.
18 1 388 1 580,86 -13,89
19 2 103 2 036,84 3,15 REFERENCIAS BIBLIOGRÁFICAS
20 2 279 2 338,28 -2,60
21 2 300 2 287,84 0,53 Libros:
22 2 157 2 197,63 -1,88
23 1 858 1 799,58 3,14 [1] HINOJOSA M. Víctor Hugo. “Pronóstico de
24 1 496 1 556,39 -4,04 demanda de corto plazo en sistemas de suministro
de energía eléctrica utilizando inteligencia
Tabla 3: Predicción de la Red Neuronal del siguiente mes
artificial”.1a edición San Juan Argentina, 2008,
HORA DEMANDA DEL ALIEMNTADOR EN kW
1 1 177,82
ISBN 978-987-05-3838-7.
2 820,28
[2] OJEDA SARMIENTO, Juan Manuel, “Demanda
3 692,81
4 780,72 máxima de potencia eléctrica”, Ingeniería
5 902,03 Industrial 2010 Red de Revistas Científicas de
6 996,34 América Latina, el Caribe, España y Portugal,
7 1 352,92 n.28, ISSN 1025-9929, p 111-137.
8 1 249,17
9 1 057,55 [3] ALFONSO GALIPIENSO, Ma Isabel, et al.,
10 1 395,75 “Inteligencia artificial”. (2003). Ediciones
11 1 135,18 Paraninfo, S.A. 384 páginas. ISBN -10:
12 1 329,46
8497321839, ISBN-13: 9788497321839
13 1 447,91
14 1 381,48 [4] DEL BRIO, Bonifacio Martin, y SANZ MOLINA,
15 1 461,75
Alfredo, “Redes neuronales y sistemas borrosos”.
16 1 376,61
17 1 441,24
RA-MA S.A. Editorial y Publicaciones 3A
18 1 508,40 edición ,442 páginas. ISBN: 8478977430. ISBN-
19 2 098,38 13: 9788478977437.
20 2 325,53
21 2 254,30 [5] SANTOS PEÑAS, Matilde; PAJARES
22 2 202,63 MARTINSANZ, Gonzalo), “Inteligencia
23 1 743,73 artificial e ingeniería del conocimiento”. Ra-
24 1 562,07 Ma Editorial, S.A. 2005, Madrid, 384 páginas,
Con los resultados obtenidos fue posible comprobar ISBN: 8478976760. ISBN-13: 9788478976768.
el comportamiento de la red neuronal desarrollada,
los resultados obtenidos son aceptables.

41
 Carrión/ “Implementación de una red neuronal artificial para la predicción de la demanda eléctrica a corto plazo”

Artículo de Revista:

[6] VALENCIA C. Marisol, CORREA M. Juan C., Jorge Enrique Carrión

“Un modelo dinámico bayesiano para pronóstico González.- Nació en Loja,
de energía diaria”, Universidad del Bío-Bío, Ecuador. Recibió su título
revista Ingeniería Industrial. 2013, vol. 12, n.2, de Ingeniera Electromecánica
p.7-17, ISSN 0717-9103. de la Universidad Nacional
de Loja en 2008; de Máster
[7].SARMIENTO MALDONADO Henry O., en Ingeniería Eléctrica del
VILLA ACEVEDO Walter M, “Inteligencia Instituto Politécnico Superior
artificial en pronóstico de demanda de energía “José Antonio Echeverría”,
eléctrica, una aplicación en optimización de Cuba 2011. Sus campos de investigación se encuentran
recursos energéticos”. Revista colombiana de relacionados con la Evaluación y Proyección de las
tecnologías de avanzada Año 2008, vol.2, n.12, Redes Eléctricas de Distribución.
ISSN 1692-7257.

Artículo de Revista Electrónica:

[8] MEDINA HURTADO, Santiago, GARCÍA

AGUADO, Josefina, “Predicción de demanda
de energía en Colombia mediante un sistema
de inferencia difuso neuronal”. Energética, n.
33, julio, 2005, p. 15-24, Universidad Nacional
de Colombia, ISSN (Versión impresa): 0120-
9833 [consultado en octubre2013] http://www.
revistas.unal.edu.co/index.php/energetica/aricle/
view/24008/24676

42
 Artículo Académico / Academic Paper

Estimador de Estado Estático Distribuido para el Monitoreo y Control

de Sistemas Eléctrico de Potencia

D.C. Soria S.P. Gamboa

Escuela Politécnica Nacional, EPN
E-mail: dicarosoria@hotmail.com, silvana.gamboa@epn.edu.ec

Resumen Abstract

El presente proyecto tiene como objetivo
desarrollar una metodología de solución para la
estimación de estado estático distribuida aplicada
al monitoreo y control de sistemas eléctricos de
potencia, esta metodología propuesta se justifica
por la necesidad de usar técnicas descentralizadas,
en donde los datos se mantengan dentro de la
misma operadora y se restrinja el intercambio de
información con otras operadoras, minimizando
a su vez los tiempos de respuesta con un
procesamiento en paralelo de cada subsistema
que forma parte del sistema global; lo que trae
importantes beneficios al monitoreo y control del
sistema a través del SCADA.
Para desarrollar la técnica propuesta, el sistema
de prueba es dividido en subsistemas, para los
cuales se establece las ecuaciones de cada uno y
las ecuaciones de borde que las relacionan. Se
desarrolla la programación del algoritmo de
estimación de estado utilizando el método de
mínimos cuadrados ponderados, este algoritmo
es ejecutado en cada subsistema, con la finalidad
de estimar las variables de estado locales.
Finalmente se realiza la integración de los
resultados de estimación local en una solución
global, permitiendo de esta manera estimar las
variables de estado globales que determinan el
comportamiento del sistema. Los datos de entrada
para el procesamiento del algoritmo son extraídos
del simulador Power Factory Digsilent, en donde
se ha implementado el modelo de prueba, New
England Test System.
This project aims to develop a methodology of
solution for distributed static state estimation
applied to the monitoring and control of power
systems, this proposed methodology is justified
by the need to use decentralized techniques where
data are maintained within the same operator
and information exchange with other operators is
restricted, minimizing response times with parallel
processing of each subsystem which is part of the
global system; which brings significant benefits to
the monitoring and control through the SCADA
system.
The test system is established to develop the
technical, this system is divided into subsystems,
for which the equations of each one and equations
edge is established. The programming to state
estimation algorithm is developed using the
weighted least squares method, this algorithm is
run on each subsystem. Finally integrating local
results estimated on a global solution is performed,
thus allowing estimate global state variables of
system. The input data for algorithm are extracted
of the simulator Power Factory, where has been
implemented the test model, New England Test
System.

Palabras clave— Estimador distribuido, Index terms— Distributed estimator, state

estimación de estado, estimador estático, análisis estimation, static estimator, distributed analysis.
distribuido

Recibido: 11-09-2016, Aprobado tras revisión: 14-12-2016

Forma sugerida de citación: Soria, D.; Gamboa S. (2017). “Estimador de Estado Estático Distribuido para el
Monitoreo y Control de Sistemas Eléctricos de Potencia. Revista Técnica “energía”. No. 13, Pp. 43-53
ISSN 1390-5074.

43
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
La estimación de estado es una herramienta
que forma parte esencial del sistema SCADA para
garantizar confiabilidad y eficiencia en el monitoreo
y control de sistemas eléctricos de potencia (SEP);
sin embargo el estimador de estado usado bajo el
concepto de concentración de grandes cantidades de
información, con un procesamiento de datos de forma
centralizada tiene desventaja porque es propenso a
caídas del sistema ante fallos del procesador central,
además presentan tiempos de procesamiento grandes
especialmente cuando los sistemas son complejos,
como es el caso de los sistemas interconectados.
Debido a estos inconvenientes en el estimador
de estado centralizado, existe la propuesta de
descentralizar el procedimiento de estimación, en el
que este proyecto busca aportar, para ello se desarrolla
una propuesta de estimación de estado distribuida
para la red eléctrica, en donde el procesamiento de
datos sea de forma paralela, logrando así la reducción
del tiempo de procesamiento, lo cual trae beneficios
al monitoreo y control del sistema eléctrico, abriendo
las puertas a posibles algoritmos de control distribuido
en SEP.
Además la técnica de estimación distribuida es
aplicable durante contingencias, en donde en el estado
de restauración se tienen múltiples islas, en este caso
el procesamiento distribuido favorece la estimación
en modo isla.
La metodología propuesta para el estimador
distribuido se detalla en el presente documento,
mismo que está estructurado de la siguiente manera.
La primera sección describe las técnicas de análisis
en SEP, posteriormente se detalla la técnica de
estimación de estado y las metodologías de solución
propuestas para estimación centralizada y distribuida,
se muestran los resultados y finalmente se presentan
las conclusiones y recomendaciones.
2. ANÁLISIS EN SISTEMAS DE POTENCIA
Varios de los análisis y estudios de red permiten
determinar el comportamiento del sistema eléctrico
mediante sus variables de estado, es por ello que
se han desarrollado técnicas para determinar las
variables de estado de la red eléctrica, siendo estas el
voltaje, en magnitud y ángulo.
Entre las técnicas más usadas se tiene [1]: flujo de
potencia y la estimación de estado.
El flujo de potencia permite conocer el estado de
operación de la red en estado permanente, para ello se
requiere de las condiciones de operación, en donde el
principal inconveniente que se tiene es la necesidad
de gran cantidad de información libre de errores.
44
Debido a las limitantes planteadas en la solución
de flujo de potencia, se utiliza otra técnica llamada
estimación de estado, la cual permite estimar variables
de estado del sistema (|V| y θ), con la ventaja que usa
pocas mediciones y mediante algoritmos sofisticados
se puede discriminar valores que presenten errores y
evitar su influencia en el resultado final [1].
3. ESTIMACIÓN DE ESTADO EN SEP
La técnica de estimación de estado tiene como
objetivo la generación de una base de datos para
ejecutar correctamente aquellas tareas de análisis,
control y operación en sistemas de potencia, para
ello el procesamiento de la información está basado
en el modelo del sistema eléctrico de potencia y
las mediciones provenientes del sistema SCADA,
finalmente los datos generados son las variables de
estado de la red eléctrica [1].
Para estimar las variables de estado del sistema
eléctrico de potencia (|V|, θ) se requiere [2]:
• El modelo del sistema
• Mediciones en diversos puntos del sistema
(potencia activa inyectada y/o de flujo,
potencia reactiva inyectada y/o de flujo,
voltaje inyectado)
• Nodo de referencia (slack)
En donde, el modelo del sistema, es la planta
sobre la cual se desarrolla la estimación de estado,
el nodo de referencia es el nodo alrededor del cual se
ejecuta el procesamiento de datos y las mediciones
del sistema permiten estimar las variables de estado;
estas medidas pueden ser de diferente tipo [2]:
• Telemedidas: Medidas en tiempo real de un
SCADA.
• Pseudomedidas: Medidas de históricos
• Medidas virtuales: Restricciones dadas por el
sistema.
La estimación de estado puede procesarse en
forma centralizada o distribuida, dependiendo del
mecanismo de uso de datos en el desarrollo de la
técnica, a continuación se detalla cada una.
3.1. Estimación de Estado Centralizada [2]
El estimador de estado centralizado (EEC),
comprende una solución de forma global, en donde,
todas las mediciones adquiridas, son procesadas
conjuntamente para formar una sola matriz de
solución, es decir, se tiene un único sistema de
procesamiento de datos para la obtención de las
 Soria et al. / Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctricos de Potencia
variables de estado. En la fig. 1 se muestra un esquema
del procesamiento de datos de forma centralizada.
Esta técnica de estimación de estado centralizada
a pesar de ser muy utilizada en los sistemas eléctricos
de potencia, presenta varias desventajas, como son
[2]:
• Susceptibilidad a fallo del controlador central.
• Tiempos de procesamiento grandes.
• Mayor cantidad de información que genera
mayor tiempo de respuesta.
• Problemas de eficiencia en las tareas involucras
con análisis, operación y control en el sistema.
• Capacidades restringidas para la estimación
de múltiples islas.
Figura 1: Representación Centralizada
3.2. Estimación de Estado Distribuida
El estimador de estado distribuido (EED), busca
una descentralización de la información con el
objetivo principal de mejorar los tiempos de respuesta,
sin importar la extensión del área geográfica por
donde se extienda la red interconectada [3].
Esta técnica establece la descomposición del
sistema global en subsistemas (por ejemplo por
operador de sistema, áreas eléctricas coherentes, etc),
en donde cada uno es procesado individualmente y
los resultados locales son integrados en una solución
global con el fin de determinar las variables de estado
del sistema completo [4]. El proceso de estimación
de estado distribuida presenta muchas ventajas, entre
ellas:
• Tiempos menores de ejecución, al trabajar con
diferentes procesadores para cada operador de
sistema.
• No depende de la topología de la red.
• Mejores capacidades para estimación de
múltiples islas.
• El estimador de estado distribuido permite
tener una operación y monitoreo autónomo
para cada operador de sistema interconectado.
Adicionalmente se puede añadir como ventaja, la
posibilidad de que esta técnica de estimación pueda
ser el paso previo para la implementación de técnicas
de control distribuido en el sistema eléctrico de
potencia.
En la fig. 2 se muestra la arquitectura de
comunicación en un sistema distribuido.
Figura 2: Arquitectura de Comunicación en un Sistema
Distribuido [5]
4. DESARROLLO DEL ESTIMADOR DE
ESTADO CENTRALIZADO
En esta sección se establece la metodología de
solución para el desarrollo del estimador de estado
centralizado, utilizando el método numérico de
mínimos cuadrados ponderados (WLS); se revisa
también la implementación de la técnica mediante
la programación de un script en Matlab. Además se
detalla el sistema de prueba, sobre el cual se aplica la
técnica de estimación.
4.1. Metodología de Solución
La metodología de solución propuesta para la
estimación de estado es la siguiente:
45
 Edición No. 13, Enero 2017

4.1.1 Establecimiento del Modelo con valor de 1p.u y el ángulo con valor de 0 grados
[1].
Consiste en establecer el modelo del sistema
de prueba, que incluye los modelos estáticos de 4) Valores Verdaderos de las Medidas
las líneas de conexión, de los transformadores y
generadores. Los valores verdaderos de las medidas son
aquellos datos que se obtienen mediante las fórmulas
4.1.2 Adquisición de Datos
matemáticas desarrolladas en el flujo de cargas [1]
La adquisición de datos consiste en la recolección
5) Cálculo de los Residuos
de las mediciones reales del sistema, las cuales
se obtienen del sistema SCADA y pueden ser: El cálculo de los residuos de las mediciones o
inyecciones de potencia en las barras, flujos de errores , se realiza mediante la siguiente expresión [1]:
potencia a través de las líneas interconectadas y
voltajes en las barras. Estas mediciones deben ser
seleccionadas bajo los siguientes criterios: (3)

• Las medidas deben estar libre de errores

grandes.
• Por cada nodo debe existir al menos dos
medidas que lo relacionen.
• Las medidas deben permitir la observabilidad
del sistema, mediante un test de observabilidad,
el cual consiste en tener al menos n mediciones
linealmente independientes, para ello se debe
cumplir la siguiente condición necesaria [1]:
siendo el vector que contiene los residuos entre
las mediciones reales y los valores verdaderos, es el
vector de las mediciones reales y es el vector de
los valores verdaderos de las medidas.
6) Cálculo de la Matriz Jacobiano
La matriz Jacobiano contiene las primeras
derivadas de las mediciones reales respecto a las
variables de estado [1].

(1) 7) Cálculo de la Matriz de Pesos y Matriz de

Ganancia

donde son las medidas del vector (vector de Esta matriz de pesos (W) se calcula en base
medidas reales), son los elementos del vector a la precisión de los instrumentos de medida,
(vector de estado que contiene las variables de mediante la desviación típica en cada
estado) magnitud, esta matriz tiene la siguiente forma [1]:

4.1.3 Implementación del Estimador Estático

Centralizado

Para la implementación del estimador de estado (4)

centralizado se establece los siguientes pasos:

1) Formación Matriz de Admitancia [6]

Se formula la matriz de admitancia o
tomando en cuenta el modelo para una línea de
longitud media y para un transformador [7].
2) Determinación del Número de Variables de Estado
Para la determinación del número de variables de
estado se usa la siguiente expresión [1]:
En el presente estudio no se tienen mediciones
de campo, ya que estos datos se obtienen de un
simulador, por tanto se considera que la precisión es
buena y la desviación típica es mínima, en la tabla 1
se muestran los valores típicos que se asumen para
cada medida [1].
Tabla 1: Valores de Desviación Típica y Pesos de Medidas
MEDIDA W

Flujo de Potencia Activa 0.008 15625

(2)
Potencia Activa Inyectada 0.01 10000
donde son las variables de estado y es el
número de nodos o buses. Flujo de Potencia Reactiva 0.008 15625
Potencia Reactiva Inyectada 0.01 10000
3) Determinación del Perfil Plano
Magnitud de Voltaje 0.004 62500
Contiene las condiciones iniciales de arranque de
las variables de estado; la magnitud del voltaje inicia

46
 Soria et al. / Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctricos de Potencia

Posteriormente se procede al cálculo de la matriz

de ganancia , utilizando la siguiente fórmula [1]:

(5)

8) Vector de Estado

El vector de estado está formado por las variables

de estado estimadas, este vector se lo calcula mediante
las siguientes expresiones [1]:

(6) (a)

donde es el vector del valor estimado actual y

vector del valor estimado anterior.

El vector de estado se va actualizando durante

el proceso iterativo y finaliza cuando el sistema ha
llegado a su convergencia, es decir, cuando se cumpla
la condición de tolerancia, misma que es fijada por el
usuario.
(b)
(7) Figura 3: a) Sistema de 9 barras completo [6] b) Sistema de 9
barras dividido con sus variables de borde
5. DESARROLLO DEL ESTIMADOR DE
ESTADO DISTRIBUIDO 5.1.2 Adquisición de Datos

En esta sección se detalla la metodología de
solución para el estimador de estado estático
distribuido, así como la implementación del algoritmo
mediante la programación de scripts en Matlab, con
el fin de obtener un procesamiento automático.
5.1. Metodología de Solución
Para realizar el proceso de estimación distribuida
es necesario establecer el modelo del sistema
interconectado que incluye topología de la red con los
nodos y líneas de interconexión entre los subsistemas
que forman parte de la red completa.
Una vez establecido el requisito principal, se
procede al desarrollo de la metodología de solución
propuesta, para ello se establecen los siguientes pasos
[3]:
5.1.1 Descomposición del Sistema
El sistema global es dividido en subsistemas, y
se debe establecer un nodo de referencia (slack) para
cada subsistema, el mismo que puede ser definido de
forma arbitraria. Es importante tomar en cuenta que
el sistema general cuenta con el nodo de referencia
global, el mismo que será referencia del subsistema
que lo contenga. En el proceso de división se toma
como referencia la línea de interconexión que une
a los subsistemas, se definen los nodos de frontera
(nodos que unen la línea de interconexión), mismos
que se mantienen en ambos subsistemas. En la fig.3
se muestra un ejemplo de 9 barras para explicar la
forma de división del sistema.
Los datos de entrada para el procesamiento del
EED son adquiridas del sistema SCADA. Estos
datos corresponderán a las mediciones reales y a las
variables de borde para cada subsistema.
Mediciones Reales: Las mediciones reales alimentan
a las ecuaciones de cada subsistema, estas mediciones
pueden ser:
• Magnitud de voltaje para los nodos del
subsistema.
• Potencia activa y reactiva de inyección en los
nodos del subsistema.
• Flujo de potencia activa en los nodos del
subsistema.
Variables de borde: Permiten relacionar la
información del subsistema vecino con el subsistema
a procesar, estas variables forman parte de las
ecuaciones de borde. En este caso las variables de
borde son los flujos de potencia en la zona fronteriza,
mismas que pueden ser:
• Potencia activa transferida entre nodos de i
hacia j o viceversa en la zona de frontera .
• Potencia reactiva transferida entre nodos de i
hacia j o viceversa en la zona de frontera .
Las mediciones reales y las variables de borde
constituyen los datos de entrada para el procesamiento
del EED.

47
 Edición No. 13, Enero 2017

5.1.3 Ejecución de la Estimación por Subsistema
Una vez establecidos los subsistemas y los datos
de entrada para cada uno, se ejecuta la técnica de
estimación de estado centralizada en cada subsistema,
utilizando el método de WLS; para ello se aplica la
metodología de EEC explicada en el apartado anterior.
5.1.4 Integración de la Solución Global
La integración de los resultados parciales en
la solución global, se realiza utilizando el método
de compensación del ángulo de referencia, el cual
consiste en calcular la diferencia del ángulo de
referencia local respecto al ángulo de referencia
global (R.G). Este método de solución contiene los
siguientes pasos [8]:
intermediarios existan para llegar al área que
contiene la referencia global, es decir se realiza una
compensación en cascada.
6. IMPLEMENTACIÓN DEL ALGORITMO
DEL ESTIMADOR DISTRIBUIDO
La planta sobre la cual se implementa el algoritmo
de estimación distribuida, es el sistema de prueba
New England Test System (NETS), este sistema es
un modelo de prueba generalizado que representa
un sistema eléctrico de potencia y es utilizado para
estudios de carácter de investigación. El NETS
está compuesto por 68 barras o nodos, 86 líneas
interconectadas y 16 generadores, mismo que para su
procesamiento distribuido se encuentra divido en 5
áreas o subsistemas, tal como se muestra en la fig.4 [9].

1) Identificación de buses de frontera

2) Cálculo de la diferencia de ángulo para cada

bus compartido

3) Promedio de los ángulos de diferencia en cada

subsistema

4) Ajustar el promedio de ángulo de diferencia al

valor estimado en cada subsistema.

Los pasos 2 y 3 obedecen a las expresiones (8) y

(9) respectivamente [8].

Figura 4: NETS dividido en Áreas [9]

(8)
Una vez realizada la división del sistema, se
establecen los buses internos y compartidos para cada
donde es el número de buses compartidos, subsistema, esta información se muestra en la tabla 2.
es el ángulo de diferencia para el bus compartido,
Tabla 2: División del NETS
es el ángulo estimado n para el subsistema A y
SUBSISTE-
es el ángulo estimado n para el subsistema B. BUSES BUSES
MA
SUBSISTEMA
INTERNOS COMPARTIDOS
COMPARTE

(9) Subsistema 1 40,48,66 41, 42,47,1 Área 2, Área 4

Subsistema 2 67 42,41,52 Área 1, Área 3
donde es el ángulo de diferencia total del Subsistema 3 68 42,52,49,46,50,51 Área 2, Área 4
subsistema y es el ángulo de diferencia para 30,31,32,33,34,
35,36,37,38,39, 1,47,49,46,50,51, Área 1, Área
el enésimo bus compartido. Subsistema 4
43,44,45,62,63, 8,9,2,27 3, Área 5
64, 65
La compensación del ángulo respecto a la 3,4,5,6,7,10,
referencia global, se realiza sumando el ángulo de 11,12,13,14,
15,16,17,18,9,
diferencia total de cada subsistema más el ángulo Subsistema 5 20,21,22,23,24, 1,2,27,8,9 Área 4
estimado localmente, de esta manera se obtienen las 25,26,28,29,53,
54,55,56,57,58,
variables de estado globales del sistema. 59, 60, 61

En el caso de existir un subsistema aislado, es La programación para el estimador de estado

decir que no tiene relación directa con el subsistema
distribuido se realiza mediante el uso de dos scripts:
de la referencia global, se debe seleccionar los buses
compartidos con aquellos subsistemas vecinos que • Script de estimación de estado centralizado
permitan la comunicación con dicho subsistema, en para cada subsistema.
este caso el valor a compensar se obtiene al sumar
la diferencia total de ángulo, de tantos subsistemas

48
 Soria et al. / Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctricos de Potencia

• Script de Solución global para la integración

de los resultados locales en la solución global.

En la fig. 5 se muestra el diagrama de flujo para

el script de estimación de estado por cada subsistema
y en la fig. 6 se muestra el diagrama de flujo de la
programación del script de integración de la solución
global.

Figura 6: Diagrama de flujo de integración de la solución

global

7. PRUEBAS Y RESULTADOS

En esta sección se presentan las pruebas

realizadas para validar los resultados obtenidos de
la metodología de solución propuesta tanto para
estimación centralizada como para la distribuida.

7.1. Pruebas Realizadas

Figura 5: Diagrama de flujo de estimación local 7.1.1 Pruebas de Estimación Centralizada

Se ejecuta la estimación de estado estática

centralizada sobre el sistema de prueba, NETS, con
el fin de establecer una referencia para garantizar
confiabilidad en los resultados del análisis distribuido.

49
 Edición No. 13, Enero 2017

Para garantizar que el algoritmo de estimación de Tabla 3: Nodos de referencia por subsistema
centralizada realizado funciona correctamente, sobre SUBSISTEMA NODO DE REFERENCIA
el sistema de prueba propuesto, se realizaron varias Subsistema 1 66
pruebas tomando en cuenta el número de mediciones
Subsistema 2 67
que se ingresan en el programa desarrollado.
PRUEBA 1 Subsistema 3 68
Se realizaron 6 pruebas, la prueba Nº1 consistió
Subsistema 4 65 (R.G)
en colocar todas la mediciones del sistema de
prueba total, en este caso para el NETS fueron 376 Subsistema 5 58

mediciones, esta prueba fue realizada con la finalidad Subsistema 1 40

de observar el efecto que se produce el ir retirando en
Subsistema 2 42
forma progresiva algunas medidas.
PRUEBA 2 Subsistema 3 50
Para la prueba Nº2, de las mediciones de la prueba
Subsistema 4 65 (R.G)
Nº1 se retiran aquellos valores de los nodos de paso,
en este caso se tienen 270 mediciones. Subsistema 5 61

Subsistema 1 47
En la prueba 3 se colocaron 209 mediciones
tomando en cuenta los valores de interés en nodos Subsistema 2 67

PV y PQ, estos valores deben reflejar una buena PRUEBA 3 Subsistema 3 49

distribución en todo el sistema.
Subsistema 4 65 (R.G)

Para la prueba 4, de las mediciones de la prueba Subsistema 5 59

anterior se retiraron los valores de flujo de potencia Subsistema 1 41
en las líneas cuyos nodos ya cuentan con mediciones
Subsistema 2 42
de inyección de potencia, en este caso se tienen 136
mediciones. PRUEBA 4 Subsistema 3 52

Subsistema 4 65 (R.G)
Para la prueba 5 se plantea un nuevo grupo de
mediciones, tomando en cuenta que cada subsistema Subsistema 5 55
del sistema completo contenga la información de las
mediciones necesarias para realizar la estimación de
estado, en este caso se tuvieron 154 mediciones. 7.2. Resultados Obtenidos

7.1.2 Pruebas de Estimación Distribuida 7.2.1 Resultados de Estimación Centralizada

Para la estimación de estado estática distribuida,
las pruebas se basaron en el procesamiento de datos
cambiando el nodo de referencia local para cada
subsistema, con el fin de concluir su efecto sobre los
resultados generados.
Para la estimación de forma distribuida se
plantea la solución por medio de la estimación local
de cada subsistema y posteriormente se realiza la
Los resultados obtenidos de las pruebas realizadas
anteriormente para estimación de estado centralizada,
se validan con los valores de las variables de estado
obtenidas del simulador Power Factory Digsilent. En
la tabla 4 se muestran algunos resultados para cada
prueba.
Tabla 4: Resultados de Estimación Centralizada
PRUEBA 1

compensación de ángulos, por tal motivo se necesita VOLTAJE ANGULO VOLTAJE ANGULO

que el método de compensación de ángulos planteado BARRA SIMULADOR SIMULADOR ESTIMADO ESTIMADO
funcione sin importar como se procesa la estimación
individual, es decir sin importar el nodo de referencia (P.U) (DEG) (P.U) (DEG)

1 1,00481 8,2649 1,0048 8,264

local seleccionado.
11 0,97446 9,9771 0,9744 9,977
Para efectuar la estimación de estado local, se 33 1,00720 9,1376 1,0072 9,137
seleccionan previamente las mediciones para cada 40 0,96703 17,9408 0,9670 17,940
subsistema, de acuerdo a las condiciones de selección 42 0,99933 42,3166 0,9993 42,316
ya establecidas en secciones anteriores. Una vez 50 1,00793 21,4103 1,0079 21,410
seleccionadas las mediciones se realizan las pruebas,
en este caso fueron 4, mismas que se detallan en la
tabla 3.

50
 Soria et al. / Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctricos de Potencia

Tabla 4: Resultados de Estimación Centralizada Se obtienen primero los resultados de las

(Continuación) variables de estado locales por cada subsistema y
PRUEBA 2 posteriormente se integran estos resultados parciales
VOLTAJE ANGULO VOLTAJE ANGULO en una solución general, de esta manera se obtienen
las variables de estado globales. En la tabla 5 se
BARRA SIMULADOR SIMULADOR ESTIMADO ESTIMADO muestra un resumen de resultados locales para cada
prueba y en la tabla 6 se muestra un resumen de los
(P.U) (DEG) (P.U) (DEG)

1 1,00481 8,2649 1,0048 8,264

resultados globales para las pruebas realizadas.
11 0,97446 9,9771 0,9744 9,977 Tabla 5: Resultados Locales de Estimación Distribuida
33 1,00720 9,1376 1,0072 9,137
40 0,96703 17,9408 0,9670 17,940 PRUEBA 1
42 0,99933 42,3166 0,9993 42,316 VOLTAJE ANGULO
50 1,00793 21,4103 1,0079 21,410 Nº SUBSISTEMA
BARRA LOCAL LOCAL
PRUEBA 3
VOLTAJE ANGULO VOLTAJE ANGULO (P.U) (DEG)

BARRA SIMULADOR SIMULADOR ESTIMADO ESTIMADO

1 1,004812 -41,8700 1
40 0,967030 -32,1941 1
(P.U) (DEG) (P.U) (DEG)
42 0,999329 -0,8600 2
1 1,00481 8,2649 1,0048 8,264 50 1,007933 -26,5984 3
11 0,97446 9,9771 0,9744 9,977 33 1,007198 9,1376 4
33 1,00720 9,1376 1,0072 9,137 11 0,974462 -13,6023 5
40 0,96703 17,9408 0,9670 17,940 23 1,012891 -5,7152 5
42 0,99933 42,3166 0,9993 42,316 PRUEBA 2
50 1,00793 21,4103 1,0079 21,410 VOLTAJE ANGULO
Nº SUBSISTEMA
PRUEBA 4
BARRA LOCAL LOCAL
VOLTAJE ANGULO VOLTAJE ANGULO

(P.U) (DEG)
BARRA SIMULADOR SIMULADOR ESTIMADO ESTIMADO
1 1,004812 -9,6758 1
(P.U) (DEG) (P.U) (DEG) 40 0,967030 0 1
1 1,00481 8,2649 1,0048 8,264 42 0,999329 0 2
11 0,97446 9,9771 0,9744 9,977 50 1,007933 0 3
33 1,00720 9,1376 1,0072 9,137 33 1,007198 9,1376 4
40 0,96703 17,9408 0,9670 17,940 11 0,974462 -13,6702 5
42 0,99933 42,3166 0,9993 42,316 23 1,012891 -5,7831 5
50 1,00793 21,4103 1,0079 21,410 PRUEBA 3
PRUEBA 5 VOLTAJE ANGULO
VOLTAJE ANGULO VOLTAJE ANGULO Nº SUBSISTEMA
BARRA LOCAL LOCAL
BARRA SIMULADOR SIMULADOR ESTIMADO ESTIMADO
(P.U) (DEG)
(P.U) (DEG) (P.U) (DEG)
1 1,004812 -0,6693 1
1 1,00481 8,2649 1,0048 8,264
40 0,967030 9,0066 1
11 0,97446 9,9771 0,9744 9,977
42 0,999329 -0,8600 2
33 1,00720 9,1376 1,0072 9,137
50 1,007933 6,5682 3
40 0,96703 17,9408 0,9670 17,940
33 1,007198 9,1376 4
42 0,99933 42,3166 0,9993 42,316
11 0,974462 -15,6738 5
50 1,00793 21,4103 1,0079 21,410
23 1,012891 -7,7867 5
PRUEBA 4
7.2.2. Resultados de Estimación Distribuida VOLTAJE ANGULO
Nº SUBSISTEMA
Los resultados obtenidos de la estimación de BARRA LOCAL LOCAL
estado estática distribuida para cada prueba se validan
con los obtenidos de la estimación centralizada. (P.U) (DEG)
1 1,004812 -40,3585 1

51
 Edición No. 13, Enero 2017

42 0,999329 42,3166 0,999329 42,3166

Tabla 5: Resultados Locales de Estimación Distribuida
(Continuación) 44 0,984980 -7,2496 0,984980 -7,2496
50 1,007933 21,4103 1,007935 21,4103
PRUEBA 4
PRUEBA 4
VOLTAJE ANGULO
Nº SUBSIS- ANGULO
TEMA VOLTAJE
BARRA LOCAL LOCAL VOLTAJE ANGULO
GLOBAL
GLOBAL
(P.U) (DEG) BA-
ESTIMADO ESTIMADO
RRA ESTIMA-
40 0,967030 -30,6827 1 ESTIMADO
DO
42 0,999329 0 2 (P.U) (DEG)
(P.U)
50 1,007933 -19,7662 3 (DEG)
33 1,007198 9,1376 4 1 1,004812 8,2649 1,004812 8,2649
11 0,974462 -8,5932 5 11 0,974462 9,9771 0,974462 9,9772
23 1,012891 -0,7060 5 33 1,007198 9,1376 1,007198 9,1376
40 0,967030 17,9408 0,967030 17,9408
Tabla 6. Resultados Globales de Estimación de Estado
42 0,999329 42,3166 0,999329 42,3166
ESTIMACIÓN ESTIMACIÓN
50 1,007933 21,4103 1,007935 21,4103

CENTRALIZADA DISTRIBUIDA
Analizando los resultados obtenidos de la
PRUEBA 1
estimación de estado centralizada respecto con los
ANGULO
VOLTAJE que entrega el simulador y de la estimación de estado
VOLTAJE ANGULO
GLOBAL distribuida respecto a la estimación centralizada se
GLOBAL
BA-
ESTIMADO ESTIMADO
puede establecer que el algoritmo desarrollado es
RRA
ESTIMADO
ESTIMA- válido pues los errores calculados son menores al
DO
(P.U) (DEG) 0.00001%, es decir el error es nulo y los resultados
(P.U)
(DEG) obtenidos son válidos con la técnica aplicada, también
1 1,004812 8,2649 1,004812 8,2649 es importante indicar que la técnica establecida
11 0,974462 9,9771 0,974462 9,9772 de estimación distribuida es válida para cualquier
33 1,007198 9,1376 1,007198 9,1376 sistema con n barras, y además es independiente del
40 0,967030 17,9408 0,967030 17,9408 número de subsistemas existentes.
42 0,999329 42,3166 0,999329 42,3166
50 1,007933 21,4103 1,007935 21,4103
8. CONCLUSIONES Y RECOMENDACIONES
PRUEBA 2
Una técnica de estimación de estado estática ha
ANGULO
VOLTAJE sido presentada, con aplicación a un sistema eléctrico
VOLTAJE ANGULO de potencia.
GLOBAL
GLOBAL
BA-
ESTIMADO ESTIMADO
RRA ESTIMA- Con la técnica de estimación de estado distribuida
ESTIMADO
DO propuesta, se demuestra la facilidad del procesamiento
(P.U) (DEG)
(P.U)
(DEG)
autónomo y paralelo de datos por región del sistema.
1 1,004812 8,2649 1,004812 8,2649
La programación desarrollada tanto para la
11 0,974462 9,9771 0,974462 9,9772
estimación de estado en cada área como para
33 1,007198 9,1376 1,007198 9,1376
la integración de la solución global, permite un
40 0,967030 17,9408 0,967030 17,9408
procesamiento de datos automático, aplicable a
42 0,999329 42,3166 0,999329 42,3166
cualquier sistema eléctrico de potencia y escalable a
50 1,007933 21,4103 1,007935 21,4103
n subsistemas dentro de un sistema.
PRUEBA 3

VOLTAJE
ANGULO Las pruebas realizadas tomando en cuenta la
VOLTAJE ANGULO selección del nodo de referencia local, permiten
GLOBAL
BA-
GLOBAL obtener resultados de variables estimadas confiables
ESTIMADO ESTIMADO
RRA ESTIMA- y con errores nulos para cada prueba efectuada
ESTIMADO
DO
(P.U) (DEG) respecto a la estimación centralizada, estos valores
(P.U)
(DEG)
se los muestran anteriormente, concluyendo de esta
1 1,004812 8,2649 1,004812 8,2649
manera que la elección del nodo local no influye
11 0,974462 9,9771 0,974462 9,9772 en los resultados finales y que la técnica aplicada
33 1,007198 9,1376 1,007198 9,1376 es válida. Además en el caso de áreas alejadas al
40 0,967030 17,9408 0,967030 17,9408 nodo de referencia global, la técnica utilizada para

52
 Soria et al. / Estimador de Estado Estático Distribuido para el Monitoreo y Control de Sistemas Eléctricos de Potencia

compensación de ángulos en cascada funciona [7] P. Kundur, “Power System Stability and
adecuadamente y genera buenos resultados, esto se lo Control”, California: McGraw-Hill, 1993.
aprecia en los resultados obtenidos. [8] A. RENDON SALGADO, «“Estimación de
El estimador de estado estático desarrollado se Estado Distribuida de Sistemas Electricos de
Potencia mediante mediciones fasoriales”,»
basa en el método de mínimos cuadrados ponderados,
MS Tesis,Ingenieria Electrica-Sistemas
en donde no se toma en cuenta la existencia de
Eléctricos de Potencia, Univ. Nacional
errores en las mediciones, por lo tanto se recomienda Autónoma de Mexico, Mexico, 2013.
desarrollar una estimación más robusta capaz de
[9] R. GRAHAM, “Power System Oscillations”,
discriminar las mediciones con errores.
2000.
Para trabajos futuros se recomienda un análisis
profundo para el modelo del transformador puesto
que en el presente estudio se utilizó el modelo pi
tradicional, pues el objetivo principal fue demostrar
que la técnica de procesamiento distribuido es factible Diana Carolina Soria
y ofrece buenos y mejores resultados respecto al Duque.- Nació en Ambato,
procesamiento centralizado. Ecuador en 1990. Obtuvo
su título de Ingeniera en
AGRADECIMIENTOS Electrónica y Control de
la Escuela Politécnica
Un agradecimiento especial a la Msc. Silvana
Nacional en el 2016. Sus
Gamboa por el conocimiento, experiencia compartida,
campos de investigación
y colaboración durante el desarrollo del proyecto.
están relacionados con
De igual forma a la Escuela Politécnica Nacional y automatización industrial, instrumentación, control
a los profesores de la Facultad de Ingeniería Eléctrica de sistemas eléctricos y energías renovables.
y Electrónica, por los conocimientos brindados en las
Silvana del Pilar Gamboa
aulas mismos que sirvieron para la realización del
Benítez.- Nació en Quito,
proyecto.
Ecuador en 1979. Alcanzo
REFERENCIAS BIBLIOGRÁFICAS su grado de Ingeniera en
Electrónica y Control en el
[1] A. GOMEZ EXPOSITO, “Análisis 2004 y en Master en Sistemas
y Operación de Sistemas de Energía de Control en el 2008 en la
Eléctrica”, Madrid: McGraw-Hill, 2002. Escuela Politécnica Nacional
[2] P. ZARCO PERIÑAN y A. GOMEZ de Ecuador. Actualmente es
EXPOSITO, “Estimación de Estado y Doctorando en el Instituto de Energía Eléctrica de
de Parámetros en Redes Eléctricas”, la Universidad Nacional de San Juan de Argentina
Departamento de Ingeniería Electrica, y se desempeña como Docente de la Facultad de
Universidad de Sevilla, 1999. Ingeniería Eléctrica y Electrónica de la Escuela
[3] K. GÖRNER y et.al, «“Coordinated Politécnica Nacional. Sus intereses están relacionados
Monitoring of large scale interconnected con sistemas y aplicaciones de monitoreo, protección
power systems”». y control, SCADA, redes de comunicaciones y
[4] V. G. G. KEKATOS, «“Distributed Robust su aplicación en procesos industriales y sistemas
Power System State Estimation”,» 2012. eléctricos.
[5] L. X. et.al, «“Fully Distributed State
Estimation for Wide-Area Monitoring
Systems”,VOL3, N03,» IEE Transactions
on Smart Grid, 2012, Septiembre.
[6] J. GRAINGER y W. J. STEVENSON,
“Análisis de Sistemas de Potencia”, Mexico:
McGraw-Hill, 1996.

53
 Artículo Académico/ Academic Paper

Estudio de Prefactibilidad Técnica de la Línea El Inga – Vicentina a

138 kV, en el Sistema de Subtransmisión de la Empresa Eléctrica Quito

A. Chávez1 F. Pérez1 F. Quilumba1 R. Loor2

Escuela Politécnica Nacional, EPN
1

E-mail: andres.chavez@epn.edu.ec; fabian.perez@epn.edu.ec; franklin.quilumba@epn.edu.ec

2
Empresa Eléctrica Quito
E-mail: rloor@eeq.com.ec

Resumen Abstract

El trabajo técnico descrito a continuación
presenta un estudio para la inclusión de un
nuevo punto de entrega de energía eléctrica del
Sistema Eléctrico Quito a nivel de 138 kV, donde
se justifica la necesidad de este proyecto. Se
analiza la trayectoria más adecuada en función
de criterios técnicos como la modelación de la
línea en estructuras multicircuito, aprovechando
la franja de servicio de una línea existente y el
acoplamiento entre redes de secuencia; así como
también la viabilidad del proyecto en función de
los beneficios que presentaría su implementación.
Por último, en base a la modelación y simulación en
el correspondiente plan de expansión se determina
las ventajas y desventajas para el Sistema Eléctrico
de la Empresa Eléctrica Quito.
This paper describes a study concerning the
inclusion of a new delivery point in the Sistema
Eléctrico Quito (Quito Electric Company System)
at a voltage level of 138 kV. All the necessary
requirements are well justified to support the
inclusion of this project. The adequate line
route is analyzed considering diverse technical
criteria such as line modeling in multi-circuit
structures, use of an existing line right-of-
way, and coupling between sequence networks.
Moreover, the benefits of its implementation are
well documented making this project feasible.
Finally, the advantages and disadvantages for the
Quito Electric Company System is analyzed based
on modeling and simulation of this project on the
system’s expansion plan.

Palabras clave— Definición de ruta, estudio de Index terms— routing definition, prefeasibility
prefactibilidad, modelación y acoplamiento, study, modeling and coupling, multi-circuit
estructuras multicircuito. structures.

Recibido: 07-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Chávez, A.; Pérez, F.; Quilumba, F.; Loor, R. (2017). “Estudio de Prefactibilidad
técnica de la línea El Inga – Vicentina a 138 kV, en el Sistema de Subtransmisión de la Empresa Eléctrica
Quito”. Revista Técnica “energía”. No. 13, Pp. 54-62
ISSN 1390-5074.

54
 Edición No. 13, Enero 2017

1. INTRODUCCIÓN Además se realiza una proyección de demanda

coincidente, esto para establecer la demanda del
El propósito continuo dentro de un sistema SEQ que se alimenta principalmente del Sistema
eléctrico de potencia es la disposición del servicio Nacional de Transmisión (SNT) y que se da en el
de energía eléctrica en calidad de producto, de horario de 19h00 por lo general y que se utiliza para
servicio eléctrico y comercial. Es por esto que ante la simulación de flujos de potencia.
los cambios de carga año a año, contingencias y fallas
se debe plantear proyectos que refuercen el sistema 2.1. Demanda Actual
con la finalidad de cubrir la demanda; el proyecto que
se plantea a continuación busca presentar un nuevo Se tiene como punto de partida a diciembre de
punto de entrega de energía en Sistema Eléctrico 2015 en base a la proyección de demanda máxima
Quito (SEQ), proveniente de la subestación El Inga coincidente en puntos de entrega.
en conexión con el Sistema Nacional de Transmisión La Tabla 1 presenta un resumen de la situación
(SNT). actual del sistema eléctrico del SEQ del cual se
Al considerar un nuevo punto de entrega de concluye los puntos de máxima cargabilidad en
energía al sistema se tiene un sistema más confiable función de la capacidad de las subestaciones y líneas
frente a la salida de operación de algún elemento que conectan al SNT.
debido a maniobras erróneas, fallas atmosféricas o Tabla 1: Cargabilidad de puntos de entrega del SEQ al 2015 [1]
por mantenimiento. Es por esto que con el ingreso Demanda
Capacidad F.U.
en inicios del 2016 de la Central Coca Codo Sinclair Punto de Entrega
[MVA]
Máxima
[%]
[MVA]
de 1500 MW en conexión con la subestación El Inga
S/E :Santa Rosa
500/230/138 kV se plantea disponer de un punto de
75,00 56,3 73,1
conexión desde esta subestación hacia el SEQ. 138/46 kV TRP

La incorporación de un nuevo proyecto eléctrico S/E Santa Rosa

75,00 57,4 74,5
de transmisión como cualquier otro proyecto puede 138/46 kV TRN
presentar consideraciones técnico-económicos,
L/T Santa Rosa
los cuales previo a su implementación deben ser – Eugenio Espe-
189,30 140,6 72,8
analizados y discutidos, con la finalidad de determinar jo – Selva Alegre
138 kV
los posibles inconvenientes y soluciones respectivas
L/T Santa Rosa –
y así establecer el mayor provecho del proyecto.
Chilibulo – Selva 189,30 81,1 42,5
Alegre 138 kV
La dificultad se presenta el momento en que se
S/E Vicentina T1 –
define la trayectoria óptima de la línea, debido a que T 138/46 kV
100,00 42,9 42,3
en la ubicación geográfica que se plantea existe una S/E Vicentina T2-
alta densidad poblacional, optando por aprovechar 100,00 69,9 69,1
EEQ 138/46 kV
el derecho de vía de líneas existentes y planteando L/T Pomasqui T -
189,30 87,4 46,1
estructuras multicircuito que cambian la modelación Pomasqui EEQ - 1
previo la respectiva simulación por software. LT Pomasqui T - Co-
189,30 34,7 18,3
tocollao - 2

Se parte de un breve análisis de las características S/E Conocoto

33,00 24,9 74,1
del sistema y una proyección dentro de su plan de 138/23 kV

expansión. Luego se presenta una metodología básica L/T El Inga - Taba-

175,20 17,9 10,2
bela 138 kV
de selección de ruta, tomando en cuenta características
L/T El Inga - Alan-
ambientales y técnicas, la respectiva simulación y gasí 138 kV
175,20 25,4 14,4
resultados de la misma. L/T Inga – El
175,20 11,2 6,4
Quinche 138 kV
2. ANÁLISIS DE LA DEMANDA DEL
L/T Sto. Domingo -
SISTEMA ELÉCTRICO QUITO (SEQ) Los Bancos 69 kV
78,00 11,8 15,2

La proyección por subestación se realiza en base a
la demanda no coincidente de sus primarios a partir
de los datos obtenidos por registradores electrónicos,
esto para determinar la capacidad necesaria por
subestación.
Al año 2015 representa una carga de aproximadamente
756 MW alimentados desde los puntos de conexión
al SNT y centrales propias. El incremento anual
estadístico establece un crecimiento anual de 4,7%
en promedio, lo cual cambia a partir del 2016 y se
presenta en la demanda proyectada [1].

55
 Chávez et al. / Estudio de Prefactibilidad técnica de la línea El Inga – Vicentina, en el Sistema de Subtransmisión de la EEQ

2.2. Demanda Proyectada 3. TRAYECTORIA DE LA LÍNEA DE

TRANSMISIÓN
El horizonte de evaluación de la demanda se
centra en el año 2018, ya que representa el tiempo 3.1. Ubicación Geográfica
de evaluación del crecimiento adicional referente
a la demanda de energía eléctrica dado por los El área comprendida entre las subestaciones de
proyectos del Metro de Quito y del programa de El Inga y Vicentina se encuentra en las Parroquias
eficiencia energética para cocción por inducción y Quito, Tumbaco, Guangopolo, La Merced y Pifo,
calentamiento de agua con electricidad. pertenecientes al cantón Quito, provincia de
Pichincha.
Al año 2018 se proyectan varias modificaciones en
el SEQ, dado el incremento de carga y la proyección La S/E El Inga cuenta con tres patios de maniobra
calculada, lo cual representa inversiones en el sistema a niveles de voltaje 500/230/138 kV, que significarán
para poder abastecer la demanda de acuerdo al plan puntos de conexión al SNT de los nuevos centros
de expansión 2015-2024. de generación Coca Codo Sinclair de 1 500 MW y
Quijos de 50 MW de capacidad instalada.
Al 2018 se tiene una demanda en subestaciones de
840 MW, es decir, un incremento de aproximadamente 3.2. Consideraciones Ambientales
4% adicional se presenta debido a la implementación Existen varios tópicos ambientales a considerar en
de los proyectos descritos, por lo cual dentro del plan la definición de una trayectoria aérea o subterránea
de expansión se presenta un nuevo punto de entrega de una línea de transmisión eléctrica, los mismos que
como una solución al incremento de demanda no dependen de la ubicación del proyecto, condiciones
coincidente [1]. Cabe recalcar que año a año se plantea climáticas y población local [2].
la repotenciación de subestaciones y la migración del
nivel de 46 kV a 138 kV para ciertas subestaciones Se debe por tanto considerar varios aspectos como:
como Tumbaco, Cumbayá, y la construcción de
• Impacto visual
nuevas subestaciones para abastecer al proyecto de
Metro de Quito. • Protección de la naturaleza
Tabla 2: Cargabilidad de puntos de entrega del SEQ al 2018 • Agricultura
Demanda
Punto de Entrega
Capacidad
Máxima
F.U. • El patrimonio cultural
[MVA] [%]
[MVA]
• Requerimientos básicos de topografía y
S/E Santa Rosa
75,00 45,8 59,3
perfilado de la ruta
138/46 kV TRP
El proyecto tiene un impacto significativo acorde
S/E Santa Rosa
su área de influencia en el ambiente poblacional, por lo
75,00 45,8 59,3
138/46 kV TRN tanto es necesario un estudio y certificación ambiental
L/T Santa Rosa – Eu- detallado que conste de los puntos especificados en la
genio Espejo – Selva 189,30 91,0 47,0 Tabla 3.
Alegre 138 kV
L/T Santa Rosa – 3.3. Consideraciones Técnicas
Chilibulo – Selva 189,30 73,7 38,1
Alegre 138 kV La modelación eléctrica de la línea de
S/E Vicentina T1 – T subtransmisión se basa en el tipo de conductores
100,00 53,4 52,4
138/46 kV y la geometría que se utiliza, tomando en cuenta
S/E Vicentina T2- los requerimientos de distancias de seguridad y de
100,00 75,5 74,1
EEQ 138/46 kV disponibilidad de espacio físico. Es por esto que se
L/T Pomasqui T - Po- considera también posibilidad de la inclusión de un
189,30 128,5 63,3
masqui EEQ - 1 tramo subterráneo o el uso de estructuras multicircuito
LT Pomasqui T - Coto-
189,30 73,7 36,9
para el aprovechamiento del derecho de vía de líneas
collao - 2 existentes. A continuación se detalla consideraciones
L/T El Inga - Tababe- iniciales [3]:
175,20 13,1 7,4
la 138 kV

L/T El Inga - Alan- • Resistencia y Reactancia de la línea

175,20 55,1 31,0
gasí 138 kV
• Corriente nominal
L/T Sto. Domingo -
175,20 9,9 12,8
Los Bancos 69 kV
• Campos electromagnéticos

• Repotenciación de líneas

56
 Edición No. 13, Enero 2017

3.4. Alternativas Propuestas

Se estableció mediante la herramienta Google

Earth, un software de uso libre que permite realizar
visualización de la cartografía del planeta en base
imágenes satelitales y además el trazado de polígonos
y rutas considerando la ubicación geográfica mediante
coordenadas Universal Transverse Mercator (UTM)
y que muestra también la altitud de cualquier punto
con referencia el nivel del mar.

Previo al trazado de ruta se evalúa el área de

influencia y si existe algún área considerada como
reserva protegida, esto en base a la verificación del
Figura 1: Trayectoria de la alternativa 1, delimitada por las
mapa de áreas naturales y protegidas del Distrito
subestaciones El Inga y Vicentina, que considera la derivación
Metropolitano de Quito [4]. hacia la subestaciones Nueva Tumbaco y Parque Industrial
Itulcachi
Se planteó tres alternativas en función de la Las figuras 1, 2 y 3 muestran un corte de la geografía
verificación en sitio y en función de la posible y la ruta establecida para la línea de transmisión, así
ubicación de las subestaciones a ser alimentadas como los puntos que presentan diferentes tipos de
desde la línea en estudio. Además se planteó el uso tramos y conductores.
de tramos de uso de franja de servicio de líneas
existentes, esto debido a la dificultad de plantear
nuevas rutas en zonas de alta densidad poblacional.
Tabla 3: Consideraciones de estudio de impacto ambiental
necesario [2]
Fase Actividad Plan de Manejo Ambiental
Delimitación del sitio
Restricción de corte de veg-
Desbroce del área
etación en el interior del área a
intervenir

Mantenimiento vehículos,
Movilización de
aplicación de normas viales de
personal, equipos
seguridad en cuanto a velocid-
e infraestructura
ad y transporte de carga
Construcción Almacenamiento adecuado de Figura 2: Trayectoria de la alternativa 2, delimitada por las
desechos para evitar aumento subestaciones El Inga y Vicentina, que considera la derivación
Construcción de de sedimentos en caudales hacia la subestación Nueva Tumbaco.
obras civiles cercanos
Normas de seguridad del
personal
Clasificación in situ, almace-
Manejo de namiento en sitios apropiados,
Desechos disposición final autorizada
según tipo de desecho

Disposición adecuada de
Manejo de desechos generados durante
Operación
Desechos mantenimientos preventivos o
correctivos

Desmontaje y
Adecuada disposición final de
demolición de
desechos e infraestructura
instalaciones
Figura 3: Trayectoria de la alternativa 3, delimitada por las
Movilización de Mantenimiento de vehículos subestaciones El Inga y Vicentina, que considera la derivación
Cierre equipos, maqui- Cumplimiento de normas hacia la subestación Nueva Tumbaco
naria viales
Existen diferencias entre estructuras y tipo de
Identificación de pasivos ambi- conductor, así como tramos aéreos y subterráneos en
Restauración de
áreas afectadas
entales o remediación de áreas función de las posibilidades técnicas que se plantea.
afectadas En la Tabla 4 se presenta en forma resumida los
tramos de cada alternativa, su tipo y la distancia

57
 Chávez et al. / Estudio de Prefactibilidad técnica de la línea El Inga – Vicentina, en el Sistema de Subtransmisión de la EEQ

que comprende, en base a lo que posteriormente se

plantea la modelación para flujos de potencia.

4. ANÁLISIS DE FLUJOS Y CONTINGENCIAS

4.1. Metodología de Modelación

Se presenta un tipo de estructura basado en que

se utilizarán dos tramos de torres multicircuito, con
tres circuitos a 138 kV, considerando distancias de
seguridad entre conductores de fase, de guarda, hacia
la estructura y al suelo [5].
Tabla 4: Distancias de las alternativas propuestas
Dis-
Alter-
Tramo Tipo tancia
nativa
[km]

S/E El Inga –
1 Subterráneo 1,93
Punto P1.1

Punto 1.1 – S/E Aéreo Doble

2 2,00
P.I. Itulcachi Circuito
1
Punto 1.1 – S/E Aéreo Doble
3 19,95
Vicentina Circuito

Punto 1.2 – S/E

Aéreo Doble
4 Nueva Tum- 11,30
Circuito
baco

S/E El Inga – Aéreo Multi-

1 3,50
Punto P2.1 circuito

Punto 2.1 – S/E Aéreo Doble Figura 4: Estructura para 3 circuitos a 138 kV
2 2 23,07
Vicentina Circuito

Punto 2.2 – S/E

Aéreo Doble 4.2.1. Alternativa 1
3 Nueva Tum- 3,86
Circuito
baco
Esta alternativa considera dos tipos de conductor,
S/E El Inga – Aéreo Multi-
1
Punto P3.1 circuito
1,31 un cable XLPE de cobre para el tramo subterráneo y
el conductor 750 MCM ACAR para el tramo aéreo de
Punto P3.1 – Aéreo Doble
2 17,97 acuerdo a la .
Punto P3.3 Circuito
3
Punto P3.2
Aéreo Doble
El primer tramo subterráneo de longitud 1,93 km
3 – S/E Nueva 3,86 se define con un tipo de cable con aislamiento a 138
Circuito
Tumbaco
kV, el resto de la línea de transmisión considera un
Punto 3.3 – S/E Aéreo Multi- tramo aéreo con una geometría de dos circuitos sin
4 7,20
Vicentina circuito
transposición.
La Fig. 4 muestra la estructura de multicircuito
propuesta en la que se calculará las impedancias de
cada circuito de acuerdo a los conductores utilizados
y las distancias de seguridad para el nivel de voltaje
de la línea.

4.2. Modelación de alternativas

Se tomó en cuenta el calibre y tipo de conductor en

base a líneas existentes a 138 kV en el SEQ, tomando
en cuenta una selección por conductor económico
y una estimación de la capacidad necesaria de la Figura 5: Diagrama unifilar L/T Inga – Vicentina, alternativa
1 de acuerdo a los tramos planteados y sus conductores
demanda del sistema [6].
respectivos en el tramo aéreo y subterráneo

58

Figura 6: Definición de configuración de conductores
subterráneos. Se define la geometría y el conductor con sus
características constructivas
En la Fig. 6 se detalla la definición de conductores
junto con el acoplamiento en el caso de conductores
aéreos.
Figura 7: Definición de la geometría de conductores de una
L/T doble circuito
Por último se define el acoplamiento entre circuitos
considerando el orden de circuitos, cables de guarda
y la geometría.
4.2.2. Alternativa 2
Esta alternativa considera un tramo con estructuras
multicircuito, con la geometría de la Fig. 4. El tipo de
conductor para la línea El Inga – Tababela y para los
circuitos paralelos de El Inga – Vicentina se utilizó
el 750 MCM ACAR. En la Fig. 8 se puede observar
la configuración y el derecho de vía de la L/T El
Inga – Tababela que ocupa en un tramo la propuesta
planteada.
Figura 8: Diagrama unifilar L/T Inga – Vicentina, alternativa
2 de acuerdo a los tramos planteados y sus conductores
respectivos en el tramo aéreo
Edición No. 13, Enero 2017
Figura 9: Definición de la geometría de conductores de una
L/T multicircuito
El tramo multicircuito se define en base a un tipo
de torre y el acoplamiento respectivo de tres circuitos
con la geometría de la Fig. 9.
Figura 10: Diagrama unifilar L/T Inga – Vicentina,
alternativa 3 de acuerdo a los tramos planteados y sus
conductores respectivos en cada tramo
4.2.3. Alternativa 3
La alternativa 3 comprende dos tramos
multicircuito, cada uno con diferente calibre de
conductores. El primer tramo tiene una distancia de
1,31 km de recorrido con conductores 750 MCM
ACAR mientras que el otro tramo multicircuito en
base a conductores 750 MCM ACAR y 477 MCM
ACSR, este último del conductor existente de la L/T
Termopichincha (Guangopolo) – Vicentina.
4.3. Flujos de Potencia
La modelación parte de obtener las impedancias
por unidad de longitud y además el acoplamiento
entre circuitos, que representa el comportamiento
del sistema conforme se incrementa la capacidad
de subestaciones, repotenciación, nuevas líneas y
el incremento de la demanda por subestación de
distribución.
59
 Chávez et al. / Estudio de Prefactibilidad técnica de la línea El Inga – Vicentina, en el Sistema de Subtransmisión de la EEQ

Tabla 5: Resumen de aportación de flujo de potencia por Tabla 6: Resumen de contingencias al año 2018
alternativa
Cargabilidad [%]
Sin L/T Inga
Alternativa Alternativa 2 Alternativa 3 Elemento Fallado Operación Operación
–Vicentina Barra/Transformador/LT kV
1 [MW] [MW] [MW] (n-1) Normal con falla
[MW]
L/T Santa TR_Santa Rosa-1
TR_Santa Rosa-2 138/46 62 90
Rosa –Vi- 143 55% 80 33% 85,4 34% 78,2 32% 138/46 kV
centina TR_Vicentina-1 138/46 74 86
TR_Santa L/T Vic-Diezvieja 46 72 97
Rosa 230/138 431 60% 377 53% 381 53% 375 52%
kV CELEC L/T P.Guerrero-Diezvieja 46 59 84
TR_Vic-2 138/46
TR_Pomas- kV L/T S.Alegre-Bosque 46 63 84
qui 230/138
322 54% 282 48% 285 49% 281 48% L/T S.Alegre-G.Centeno 46 67 112
kV CELEC
EP
L/T G.Centeno-Iñaquito 46 42 86
Aportación
L/T S.Alegre-Miraflores 46 18 84
de S/E El ----- 218 213 223
Inga L/T P.Guerrero –
Inyección P TR_Vic-1 138/46 31 71
L/T Inga – ----- 148 129 142 kV Miraflores 46
Vicentina
L/T Vic-Floresta 46 75 88

La Tabla 5 presenta un resumen de la modelación TR_Vicentina-2 138/46 74 86

L/T Inga-Vic c2 41 54
en PowerFactory de DIgSILENT y las aportaciones L/T Inga-N.Tum-
L/T Sta.Rosa-Conocoto-Vic 24 30
de potencia que presenta cada alternativa, así como baco-Vic C1
L/T Sta.Rosa-M.Alto-Vic 38 47
también el flujo sin la línea en estudio, esto para
L/T Inga-N.Tumbaco-Vic c1 36 48
realizar una debida comparación y determinar
L/T Inga-Vic C2 L/T Sta.Rosa-Conocoto-Vic 24 31
ventajas y desventajas de la inclusión del proyecto. L/T Sta.Rosa-M.Alto-Vic 38 49

La alternativa 3 presenta una mayor aportación de

potencia desde la subestación El Inga, frente a las dos
alternativas restantes, tomando en cuenta que se tiene
una disminución de cargabilidad similar en todas las
alternativas presentadas, esto tomado como criterio
de selección.
4.4. Contingencias
La modelación de contingencias del sistema se
centra en la evaluación de la cargabilidad de elementos
“importantes”, considerados así a los puntos de
entrega, transformadores que son fundamentales en
la distribución de energía y líneas de transmisión, las
cuales ante falla de algún elemento pueden presentar
sobrecarga.
Se considera el análisis de contingencias de “n-1”
elementos, es decir solamente que falle un elemento a
la vez y evaluar la situación del resto de elementos, en
especial los más cercanos eléctricamente.
Se evalúa las contingencias en la alternativa que
presenta mayor aportación de potencia hacia el SEQ
desde la subestación El Inga.
La Tabla 6 muestra que existen elementos que
tienen sobrecarga al fallar principalmente los
transformadores de 138/46 kV de la subestación
Vicentina, por lo que el cambio paulatino a 138 kV es
necesario, por lo que es necesario la alimentación en
este nivel de voltaje.
5. FACTIBILIDAD TÉCNICA
Como objetivo general se plantea las ventajas y
desventajas que se producen al incluir el proyecto
dentro del SEQ, lo cual permitirá establecer el
beneficio frente al costo del proyecto y de la misma
manera los cambios necesarios que deben realizarse
frente a una modificación de la topología del sistema.
De acuerdo a la Tabla 5, se determina los criterios
de selección de la alternativa que presenta una mayor
ventaja en el aspecto técnico. Consecuentemente se
presenta los criterios de selección de la alternativa
3 como la mejor opción sobre la cual se plantea un
análisis de contingencias presentadas en el literal
anterior.
5.1. Ventajas
• El aumento de un nuevo punto de entrega de
energía eléctrica al SEQ presenta una mejoría
en cuanto a la confiabilidad del servicio desde
el punto de vista cualitativo, debido a que se
da una redistribución de flujos de potencia,
y en caso de considerar un punto o elemento
fuera de servicio, no representa la suspensión
del servicio eléctrico.
• La calidad del servicio eléctrico mejora
notablemente, esto se puede evidenciar
en cuanto al nivel de voltaje presente en
barras de las S/Es de distribución y evita la
necesidad de conectar bancos de capacitores.

60

Se elimina la dependencia del funcionamiento
de compensadores sincrónicos en la S/E Santa
Rosa, la cual aportaba con reactivos al SEQ y
generaban un costo relativamente alto.
• Existe una reducción de la cargabilidad
notable en la S/E Santa Rosa CELEC EP
en sus transformadores de 230/138 kV de
aproximadamente 10% que representa 60
MW, asimismo se evidencia una reducción de
6% en los transformadores de la S/E Pomasqui
CELEC EP.
• Previo el ingreso de la L/T Inga – Vicentina
se tiene una aportación desde la S/E Santa
Rosa hacia la S/E Vicentina de 143 MW, que
representa un 53% de su capacidad a través
de dos circuitos de los cuales se cuelgan las
S/Es Conocoto y Mirador Alto (2018). El
ingreso del proyecto en mención disminuye su
cargabilidad a 32%, es decir en 70 MW.
• El ingreso de la S/E El Inga permite la
alimentación de las S/Es Alangasí, El Quinche
y Tababela, que hasta el 2015 se alimentaban
desde la S/E Santa Rosa. Además, al año 2018
ingresa la S/E Nueva Sangolquí, la S/E Nueva
Tumbaco y S/E Parque Industrial Itulcachi;
todas estas representan 120 MW descargando
considerablemente la S/E Santa Rosa en sus
transformadores de 230/138 kV.
• El ingreso de las Central Hidroeléctrica Quijos
de 50 MW, entrega su producción de energía
al SNT a través de la S/E El Inga, la misma
que se redirige para abastecer a la demanda
del SEQ. Es por tanto que el proyecto de la
L/T Inga – Vicentina es fundamental para
abastecer de energía a través de un nuevo
punto de conexión al SNT.
• La capacidad de la L/T Cumbayá – Tumbaco
a 46 kV tiene una capacidad de 53 MW, junto
con la S/E Tumbaco de 53 MVA, las cuales
no abastecen a la demanda de las parroquias
Cumbayá, Tumbaco y La Merced al año 2018,
demanda que se prevé aumente debido al
programa de cocción eficiente y calentamiento
de agua por electricidad; por tanto entra la
necesidad de la S/E Nueva Tumbaco 138/23
kV, la cual descarga la S/E Tumbaco de 74%
a 37%.
5.2. Desventajas
• Los niveles de cortocircuito aumentan en el
nivel de 138 kV con el ingreso de la Central
Coca Codo Sinclair, por lo que es necesario
revisar si los transformadores de corriente
(TCs) en las líneas existentes no presentarán
saturación durante cortocircuito, así como
también la capacidad de interrupción de
interruptores de potencia, siendo el caso
Edición No. 13, Enero 2017
representa un costo adicional el cambio de
estos equipos.
• Si bien se esperaba tener una disminución de
la cargabilidad de los transformadores TRP y
TRN 138/46 kV de la S/E Santa Rosa, apenas
se tiene una disminución de un 2%, pero hay
que considerar el incremento de carga por lo
cual no se evidencia un porcentaje mayor.
• Cuando se tiene sistema en anillo es necesario
establecer sistemas de comunicación para
líneas de transmisión, lo cual representa costos
adicionales no considerados en presupuesto
de planificación de expansión, adicional
a las restricciones ambientales, sociales y
económicas que se presentan como un nuevo
proyecto de transmisión de energía.
6. FACTIBILIDAD ECONÓMICA
Para el análisis económico del proyecto se toma
en cuenta el periodo de vida útil del proyecto,
costos de operación y mantenimiento, cantidad de
clientes beneficiados por el proyecto, predicción de
la cantidad de Energía No suministrada, costos de
materiales actuales al 2015, entre otros. En la Tabla
7 se presenta un resumen de costos del proyecto del
cual se considera para
Tabla 7: Análisis comparativo de costos por alternativa
propuesta
DETALLE
Alternativa 1 Alternativa 2 Alternativa 3
[USD] [USD] [USD]
DISEÑO DE L/T 119.769,18 98.747,80 104.087,17
MATERIALES Y EQUIPOS
L/T
3.570.176,17 2.914.375,92 3.071.386,56
OBRA CIVIL, MONTAJE L/T 1.971.536,86 1.704.028,98 1.512.955,42
FISCALIZACIÓN Y SUPER-
105.678,69 87.130,41 91.841,62
VISIÓN L/T
PRESUPUESTO DEL
5.767.160,91 4.804.283,11 4.780.270,77
PROYECTO
Costo por unidad de longitud
[USD/km]
165.342,92 157.879,83 157.556,72
7. CONCLUSIONES
La importancia de la línea de transmisión El Inga
– Vicentina se genera en cuanto a la necesidad de un
nuevo punto de entrega desde la subestación El Inga,
que proviene del Sistema Nacional Interconectado
desde la Centrales Hidroeléctricas Coca Codo
Sinclair y Quijos, debido al incremento considerable
de carga en el Sistema Eléctrico Quito por el Proyecto
de Cocción Eficiente y calentamiento de agua por
electricidad (PCE) y el metro de Quito.
Desde el punto de vista de cargabilidad el proyecto
no representa una solución de descarga de los
transformadores de las subestaciones de puntos de
entrega (Santa Rosa y Pomasqui), pero si representa
una redistribución de flujo hacia éstas, sobre todo
61
 Chávez et al. / Estudio de Prefactibilidad técnica de la línea El Inga – Vicentina, en el Sistema de Subtransmisión de la EEQ

de la línea que conecta las subestaciones de Santa Fabián Pérez Yauli.- nació
Rosa a Vicentina, no dependiendo así la alimentación en Ambato, Ecuador. Recibió
netamente desde el sur del país hacia Quito. el título de Ingeniero Eléctrico
en la Escuela Politécnica
El planteamiento del proyecto en cuestión radica Nacional en 2004, y el de
en la trayectoria, debido a la alta densidad poblacional Doctor en Ingeniería Eléctrica
alrededor de la subestación Vicentina, lo cual fue un en la Universidad Nacional de
punto determinante para proponer el uso de derecho San Juan Argentina en 2013.
de vía de una línea existente junto con el uso de torres Trabajo en la Corporación
multicircuito. Eléctrica del Ecuador CELEC
La inclusión de la línea en mención, representa EP – Unidad de Negocio TRANSELECTRIC.
un punto de conexión con el sistema nacional Actualmente se desempeña como docente titular a
interconectado para alimentar principalmente las tiempo completo en la Escuela Politécnica Nacional.
subestaciones de distribución que se encuentran en Sus áreas de interés son: Protecciones Eléctricas y
el límite de su capacidad y surge la necesidad de Procesamiento de señales.
repotenciarlas, pero en un nivel de voltaje superior. Franklin L. Quilumba.-
REFERENCIAS BIBLIOGRÁFICAS obtuvo el título de Ingeniero
Eléctrico en la Escuela
[1] Departamento de Planificación Técnica EEQ, Politécnica Nacional en
“Plan de Expansión 2015-2024 del Sistema Quito, Ecuador, en el 2008.
Eléctrico Quito.” 2015. Realizó sus estudios de
posgrado en la Universidad
[2] Greenleaf Ambiental Company Cía. Ltda.,
“Estudio de Impacto Ambiental Definitivo de Texas Arlington, en
(EIAD) para la Construcción y Operación de la Arlington, Estados Unidos
Subestación El Inga 500/230/138 kV,” Quito, de América, donde obtuvo el
Ecuador, Jan. 2011. grado de Master of Science in Electrical Engineering
y el título de Doctor of Philosophy Ph.D. en el 2014.
[3] B. Wareing, Wood Pole Overhead Lines, 1st ed.
London, United Kingdom: The Institution of Desde el 2014, el Dr. Quilumba es parte del cuerpo
Engineering and Technology, 2005. docente de la Escuela Politécnica Nacional, donde es
Profesor Agregado. Sus áreas de interés son análisis,
[4] Sistema Nacional de Información, “Mapa de
operación, estabilidad y control de sistemas eléctricos
Áreas Naturales Protegidas,” IGM, Pichincha,
Ecuador, 2011. de potencia, modelación de carga, y planeación de
generación y transmisión.
[5] J. Arias, “Proyecto de Normalización para
Líneas de Transmisión Aéreas hasta 230 kV,” Rosanna Loor.- Formada
Tesis Ingeniería Eléctrica, Escuela Politécnica como Ingeniera Eléctrica
Nacional, Quito, Ecuador, 2011. y Máster en Eficiencia
Energética, en la Escuela
[6] Departamento de Planificación Técnica EEQ, Politécnica Nacional (EPN),
“Plan de Obras y Costos al 2014 del Sistema
Quito – Ecuador. Su campo
Eléctrico Quito.” 2014.
de estudio es la planificación
AGRADECIMIENTOS de sistemas de energía
eléctrica (transmisión y
Un agradecimiento al personal del Dpto. de distribución), con énfasis
Planificación Técnica de la Empresa Eléctrica Quito en eficiencia energética. Actualmente trabaja como
por su colaboración y guía para la realización de este ingeniera eléctrica en la Empresa Eléctrica Quito en
proyecto. la Dirección de Planificación, y se desempeña como
profesora Ocasional 1 a tiempo parcial en la Facultad
de Ingeniería Mecánica de la EPN.
Andrés Chávez Enríquez.-
nació en Quito, Ecuador en
1991. Recibió su título de
Ingeniero Eléctrico en la
Escuela Politécnica Nacional
en 2016. Su área de interés está
desarrollada en la planificación
de sistemas de potencia,
en líneas de transmisión y
protecciones de sistemas
eléctricos de potencia.

62
 Aplicación Práctica / Practical Issues.

Metodología para la Determinación de Ángulos de Sincronismo y

Tiempos de Recierre en el Sistema Nacional Interconectado

J. X. Aimara1 J. F. Ordoñez2
Operador Nacional de Electricidad - CENACE
1

E-mail: jaimara@cenace.org.ec
2
CELEC EP UNIDAD DE NEGOCIO TRANSELECTRIC
E-mail: Jefferson.ordonez@celec.gob.ec

Resumen Abstract

La sincronización de líneas de transmisión, ya Synchronism of transmission lines, due to

sea por su normalización posterior a trabajos de
mantenimiento, o sincronización de islas eléctricas
durante maniobras de restablecimiento de un
sistema de potencia es una maniobra crítica tanto
para equipos de transmisión como para unidades
de generación. Adicionalmente, la operación
exitosa de recierres automáticos es importante
por razones de seguridad o confiabilidad. Por lo
antes mencionado, el presente trabajo pretende
establecer una metodología adecuada para la
parametrización de los relés de sincronismo
en líneas del Sistema Nacional de Transmisión
(SNT) del Ecuador, especialmente en relación a
la diferencia angular máxima permitida entre los
polos del interruptor asociado, considerando los
posibles efectos sobre interruptores de potencia
y unidades de generación. Con la finalidad de
verificar que las variables eléctricas relevantes,
identificadas en la metodología planteada, no
superen los límites máximos permisibles se
realizan numerosas simulaciones dinámicas en
líneas de transmisión del anillo de 230 kV del SNT.
Los resultados obtenidos permitirán determinar
los ajustes apropiados de diferencia angular para
la sincronización en el anillo de 230 kV del sistema
eléctrico ecuatoriano.
restoration to normal operation conditions after
scheduled maintenance, or electrical island
connection to a bulk power system is a critical
switching operation either for transmission
equipment and generation units. Moreover,
successful automatic recloser operation is very
important to maintain a safe and reliable power
system. Therefore, the present research focuses
on determining a proper methodology to set
synchronism relays of transmission lines at
National Transmission System (SNT) of Ecuador,
especially for maximum standing phase angle
between breaker poles, taken into account negative
effects over circuit breakers and generators.
In order to verify relevant variable behavior,
which are previously specify for the suggested
methodology, is within limits, extensive dynamic
simulations are performed on transmission lines
of 230 kV main ring of SNT. The final results will
allow a properly standing phase angle setting for
transmission line synchronism at 230 kV main
ring of Ecuadorian power system.

Palabras clave— Sincronismo, diferencia angular, Index terms— Synchronism, standing phase angle,
relé de sincronismo, esfuerzos torsionales. sync relay, torsional effects.

Recibido: 12-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Aimara, J; Ordoñez, J. (2017). “Metodología para la Determinación de Ángulos
de Sincronismo y Tiempos de Recierre en el Sistema Nacional Interconectado”. Revista Técnica “energía”.
No. 13, Pp. 63-69
ISSN 1390-5074.
63
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El cierre de elementos a nivel de transmisión,
ya sea debido a mantenimientos de los mismos o la
presencia de eventos de falla en un sistema eléctrico,
requiere previamente la evaluación de condiciones
de sincronización. Las variables eléctricas que
son supervisadas durante la sincronización de dos
sistemas eléctricos son voltaje (magnitud y ángulo),
y frecuencia. En este sentido, es necesaria una
evaluación de estos parámetros con la finalidad de
tener las condiciones seguras de desarrollo de estas
maniobras operativas, preservando la integridad de
los componentes del SNI.
En condiciones normales de operación y en
presencia de contingencias N-1 que no provoquen
la separación de regiones importantes de un sistema
eléctrico, la desviación de frecuencia no es una
variable crítica para la sincronización de estos
equipos. Por el contrario, las desviaciones de magnitud
y ángulo del voltaje, entre dos subestaciones,
podrían alcanzar valores considerables. Por tanto
las máximas desviaciones de magnitud y ángulo
del voltaje existente entre dos puntos de un sistema
eléctrico, previo a su sincronización, deben ser
cuidadosamente escogidos mediante una evaluación
sistemática y determinación de límites máximos de
estas desviaciones.
Previo a la ejecución de maniobras de cierre de
elementos, en caso de requerirse una variación en
el ángulo de sincronización, es necesario el ingreso
de generación en zonas específicas del sistema; por
ello, establecer la mayor variación de un ángulo
de sincronización, manteniendo las condiciones
de seguridad, se ve reflejado en un menor tiempo
para recuperar el sistema y una disminución en el
sobrecosto operativo debido al ingreso de una menor
generación que no fue consideradas inicialmente en
el despacho económico.
Por otro lado, considerando que las fallas
monofásicas son las más recurrentes y, que para este
tipo de fallas se encuentra activado un mecanismo de
recierre automático, se evalúa el tiempo muerto para
el recierre en las líneas de 230 kV del sistema nacional
de transmisión, analizando un posible incremento de
su valor sin que ello involucre disminuir condiciones
de calidad y seguridad en el Sistema Nacional
Interconectado (SNI).
2. SITUACIÓN ACTUAL DE LAS MANIOBRAS
DE SINCRONIZACIÓN Y RECIERRE EN
EL SNI
No se tienen antecedentes de la metodología
utilizada para la determinación de los actuales
64
parámetros de sincronización en el sistema eléctrico
ecuatoriano, lo que hace necesario evaluar los valores
vigentes, basándose en recientes investigaciones
y experiencias. Los parámetros de actuales de
sincronización a nivel de 230 kV se presentan en la
siguiente tabla:
Tabla 1: Valores actuales de los parámetros de sincronización
y recierre a nivel de 230 kV
Desviación de magnitud 10% del voltaje nominal
de voltaje (ΔV), %
Desviación de ángulo de 25° en la S/E Molino 230 kV y 20°
voltaje (ΔV), ° en el resto del SNI
Desviación de frecuencia 0.1 Hz
(Δf), Hz
Tiempo muerto para re- 0.6 segundos
cierre, segundos
Generalmente se tienen condiciones adecuadas de
desviación de frecuencia y magnitud de voltaje previo
a una sincronización, siendo necesaria la evaluación
del incremento del ángulo, sin que ello involucre
efectos adversos en los contactos o aislamiento de
un interruptor así como también en generadores
eléctricamente cercanos.
Se han evaluado los recierres no-exitosos que se
han presentado en la líneas de transmisión de 230
kV en el SNI, teniendo como principal causante el
tiempo muerto para recierre, ya que una vez finalizado
este tiempo el sistema no alcanza condiciones de
sincronismo; por ello, se evalúa las necesidad del
SNI de contar con un recierre rápido o en su defecto
analizar las implicaciones de aumentar el tiempo
muerto, permitiendo aumentar la probabilidad de que
los recierres sean exitosos, lo que involucraría una
disminución de tiempo notable en las maniobras de
operativas para restituir el sistema.
3. METODOLOGÍA PARA PARÁMETROS DE
SINCRONISMO Y RECIERRE
Para definir el tiempo de recierre, es necesario
evaluar los máximos ángulos permitidos en el SNI.
En este sentido se presenta en primera instancia la
metodología empleada para establecer los ángulos
de sincronización, valor de entrada para establecer el
tiempo muerto de recierre.
3.1.
Metodología para Establecer Ángulos de
Sincronización
Para establecer la máxima diferencia angular
previo a la sincronización se consideran los efectos
adversos que se presentan tanto en equipo primario
como en generadores eléctricamente cercanos.
Para el caso de equipos primarios, como se
indica en las especificaciones de los fabricantes de
los interruptores, detallados en la referencia [1],
 Aimara et al. / Metodología para la Determinación de Ángulos de Sincronismo y Tiempos de Recierre en el S.N.I.
la diferencia angular máxima en un interruptor,
considerando como voltaje máximo el voltaje fase-
neutro entre terminales del mismo, es de 60 grados
eléctricos. Se debe tener presente que esta diferencia
angular es establecida entre los contactos abiertos de
un interruptor.
En las unidades de una central de generación,
una diferencia angular extrema provocaría torques
mecánicos por encima de lo permitido en etapa
de diseño causando de esta forma daños en el eje
de la turbina a largo plazo [2]. Una evaluación
exhaustiva de los efectos torsionales en turbinas de
vapor, considerando distintos escenarios operativos
y el límite máximo de variación de potencia activa
mencionado anteriormente, se presenta en [3]. Por
este motivo, [4] limita a 0.5 pu (calculado en su propia
base) la máxima variación en la potencia eléctrica de
un generador térmico ocasionado por la diferencia
angular entre dos sistemas.
Por los motivos antes expuestos, la metodología
adoptada para selección de parámetros de
sincronismo en líneas de transmisión incorpora,
durante simulaciones dinámicas en el dominio
del tiempo, el cumplimiento de los límites en las
variables eléctricas antes indicadas, representados
en el presente documento mediante la evaluación del
Impacto al Eje del Rotor (IER). Este índice se define
como la variación de potencia máxima alcanzada en
estado transitorio (PG2) con respecto al inicial (PG1),
durante las tres primeras oscilaciones de potencia,
como se establecen en la Fig. 1 y ecuación (1).
Figura 1: Impacto al Eje del Rotor (IER)
(1)
Criterio:
Donde,
Pn Potencia nominal de la unidad de generación
IER Impacto al Eje del Rotor
PG1 Potencia de la unidad previo a la
sincronización
PG2 Potencia en estado transitorio de la unidad
posterior a la sincronización
El proceso consiste en evaluar el IER para
diferentes ángulos de sincronización, modificándolo
mediante el escalamiento de carga y despacho de
generación que maximice la transferencia por las
líneas de transmisión, hasta que se cumpla con el
criterio indicado.
3.2.
Metodología para Establecer el Tiempo
Muerto de Recierre
El objetivo principal de habilitar recierres
automáticos en sistemas de potencia es la de
incrementar la seguridad y confiabilidad del mismo.
En este sentido, y considerando como política
operativa la activación de recierres automáticos en
líneas de transmisión conformada por dos circuitos,
la aplicación de esta función se la realizará con el
objetivo de mejorar la confiabilidad del SNT ante
contingencias N-1.
La velocidad de operación del recierre dependerá
del tiempo muerto asignado al mismo. Este tiempo
puede escogerse desde un valor mínimo, el cual
depende de la des ionización del arco eléctrico en
la fase afectada, y un valor máximo necesario para
mantener la confiabilidad del sistema eléctrico. El
tiempo muerto mínimo se puede determinar de la
siguiente expresión [5]:
(2)
El voltaje nominal de la línea de transmisión se
considera dentro de la variable kV. El valor obtenido en
(2) representa el límite inferior del tiempo muerto. Al
considerar el criterio de incrementar la confiabilidad
en líneas de transmisión de doble circuito, el tiempo
muerto máximo se considerará como el necesario
para amortiguar las oscilaciones de potencia debido
a la apertura de la línea fallada.
La Fig. 2 presenta la decisión de habilitar
recierres lentos o rápidos en base a los resultados de
las simulaciones realizadas y tomando como datos
de entrada la máxima diferencia angular establecida
previamente. Si el resultado de la simulación
muestra condiciones inestables de operación ante
contingencias N-1 en el SNI se decide la habilitación
de recierres rápidos; de lo contrario, y al no ser critica
la contingencia para la seguridad del sistema de
potencia, se prefiere la implementación de recierres
lentos para mejorar la confiabilidad del mismo.
65
 Edición No. 13, Enero 2017

No se recomienda utilizar un esquema de recierre que representan un determinado valor en el ángulo

para fallas bifásicas o trifásicas debido a que es poco
probable que este tipo de fallas sean de naturaleza
transitoria, produciendo mayores inconvenientes en
el SNI en caso de la actuación de un recierre, por lo
cual estas fallas no son analizadas en esta evaluación.
El proceso indicado se muestra en el siguiente
diagrama de flujo:
de sincronización previo a la maniobra de cierre de
la línea. En cada caso se supervisa el cumplimiento
de los criterios adoptados, monitoreando las unidades
que podrían presentar posibles excursiones de los
límites de IER establecidos. La fig. 3 muestra las
simulaciones dinámicas realizadas en PowerFactory,
en las cuales se supervisa la potencia de las unidades
de generación en p.u., con respecto a su potencia
nominal, lo que hace permite visualizar de manera
simple la unidad de generación cuya potencia supere
el 1.5 p.u. en estado transitorio.

El ángulo máximo permisible varía dependiendo

de la línea analizada; para el caso de la L/T Molino –
Totoras 230 kV, por ejemplo, se alcanzan diferencias
angulares de 42° previo a la sincronización (caso 5
de la tabla 3), sin que ello involucre problemas en
las centrales de generación. Para la L/T Santa Rosa –
Santo Domingo 230 kV se alcanza el límite con una
diferencia angular de 37.97° (caso 3), limitada por la
variación de potencia de la central San Francisco.

Bajo este criterio se analizaron diferentes

escenarios de demanda y de hidrología en el SNI.
La máxima diferencia angular alcanzada para el
resto de líneas se muestra en la tabla 2. Las líneas
que no se muestran en la tabla se deben a que pese
a las diferentes variaciones de carga o generación
consideradas, e inclusive indisponibilidades de
circuitos adyacentes, no se alcanzan variaciones que
impliquen un riesgo en la excursión de los límites de
IER establecidos
Tabla 2: Resultados para las máximas variaciones alcanzadas
en las líneas de transmisión de 230 kV
Barra i Barra j ∆Ѳ Unidad que limita
El Inga Pomasqui 30.30 Ninguna*
Pomasqui Santa Rosa 26.73 Ninguna*
Inga Santa Rosa 6.33 Ninguna*
Santa Rosa Totoras 30.64 San Francisco

Figura 2: Diagrama de flujo de la metodología para Totoras Molino 41.81 Ninguna*

determinación de ángulos de sincronismo y recierres en el SNI
Pascuales Molino 44.24 Ninguna*

4. RESULTADOS Molino Zhoray 31.26 Mazar

Milagro Zhoray 44.83 Mazar
4.1. Resultados de Ángulos de Sincronización
Santo Domingo Quevedo 36.40 Baba
Para ilustrar los resultados recopilados durante Santo Domingo Toachi 36.08 Santa Rosa
el presente análisis, se muestra como ejemplo, los Santo Domingo Santa Rosa 37.63 Baba
resultados obtenidos para la sincronización de un
Milagro Esclusas 32.38 Sopladora
circuito de la L/T Totoras – Santa Rosa 230 kV y la
Milagro Machala 25.82 Ninguna*
L/T Totoras – Molino 230 kV, mostrados en la tabla
3 y la fig. 3, para un escenario de baja hidrología en Milagro Sopladora 30.02 Sopladora
demanda media. *la máxima diferencia angular alcanzada no involucra a unidades
de generación con riesgos de IER>0.5 Pn
La tabla 3 resume los resultados para dos líneas
de transmisión. Para cada línea se analizan casos

66
 Aimara et al. / Metodología para la Determinación de Ángulos de Sincronismo y Tiempos de Recierre en el S.N.I.

Tabla 3: Tabla de resultados para escenario de baja hidrología de demanda media, para la L/T Totoras – Santa Rosa 230 kV y
L/T Totoras – Molino 230 kV
Condiciones previos al evento de sincronización (Estado Estable)
Condiciones previos al evento de sincronización (Estado Estable)
Barra i Barra j Caso de Barra i Barra j
Barra i Barra j
V
Barra i Barra j Caso de
análisis
V V V
análisis
V V
caso 1 229.16 6.46 225.95 36.25 3.21 29.79
caso 1 229.16 6.46 225.95 36.25 3.21 29.79
Santa Rosa Totoras caso2 227.42 17.50 228.68 50.85 1.26 33.35
Santa Rosa Totoras caso2 227.42 17.50 228.68 50.85 1.26 33.35
caso 3 224.99 22.29 227.83 60.26 2.84 37.97
caso 3 224.99 22.29 227.83 60.26 2.84 37.97
caso 11
caso 234.97
234.97 11.89
11.89 234.86
234.86 33.37
33.37 0.11
0.11 21.48
21.48
caso 22
caso 232.70
232.70 18.56
18.56 232.88
232.88 50.62
50.62 0.18
0.18 32.06
32.06
Totoras
Totoras Molino
Molino caso 33
caso 226.37
226.37 27.93
27.93 230.77
230.77 65.65
65.65 4.40
4.40 37.72
37.72
caso 44
caso 228.97
228.97 41.58
41.58 229.97
229.97 81.61
81.61 1.00
1.00 40.03
40.03
caso
caso 55 232.60
232.60 26.06
26.06 230.18
230.18 67.87
67.87 2.42
2.42 41.81
41.81
Condiciones
Condicionesposteriores
posterioresalalevento
eventodedesincronización (Estado
sincronización (EstadoDinamico)
Dinamico)
Potencia
Potencia Potencia
Barra ii
Barra Barra jj
Barra Caso
Caso dede Central
Central//Unidad
Unidadque
que Nominal Potencia Potencia
Potencia
Nominal Pgen (MW) Pgen (pu) Cumple IER
análisis limita la sincronización Pgen (MW) Pgen (pu) Cumple IER
análisis limita la sincronización (MW) Previa (MW) Posterior (MW)
(MW) Previa (MW) Posterior (MW)
San Francisco 113.00 105.88 156.84 50.96 45% SI
caso 1 SanSanta
Francisco 113.00 105.88 156.84 50.96 45%
caso 1 TG3 Rosa 17.00 14.99 9.30 5.70 34% SI SI
TG3
San Santa Rosa
Francisco 17.00
113.00 14.99
105.88 9.30
160.35 5.70
54.47 48%34% SI SI
Santa Rosa Totoras caso2 SanSanta
Francisco 113.00 105.88 160.35 54.47 48%
TG3 Rosa 17.00 14.99 8.52 6.48 38% SI SI
Santa Rosa Totoras caso2
TG3
San Santa Rosa
Francisco 17.00
113.00 14.99
105.88 8.52
165.88 6.48
60.00 53%38% NO SI
caso 3
SanSanta
TG3 Francisco
Rosa 113.00
17.00 105.88
14.99 165.88
7.84 60.00
7.16 42%53% SI NO
caso 3
caso 1 TG3Ninguna
Santa Rosa 1.00
17.00 14.99 7.84 0.00
7.16 0%42% SI SI
caso
caso 21 Ninguna
Ninguna 1.00
1.00 0.00
0.00 0%0% SI SI
Totoras Molino caso 3 San Francisco 113.00 105.88 75.60 30.28 27% SI
caso 2 Ninguna 1.00 0.00 0% SI
caso 4 San Francisco 113.00 105.88 75.26 30.62 27% SI
Totoras Molino caso 3 San Francisco 113.00 105.88 75.60 30.28 27% SI
caso 5 San Francisco 113.00 105.88 73.00 32.88 29% SI
caso 4 San Francisco 113.00 105.88 75.26 30.62 27% SI
caso 5 San Francisco 113.00 105.88 73.00 32.88 29% SI
1.50 1.005 s
0.813 s
1.30 0.937 p.u. 1.388 p.u.
1.50
1.10
1.005 s
0.813 s
0.90
1.30 1.388 p.u.
0.937 p.u.
0.70 0.923 s 1.005 s
1.10 0.547 p.u.
0.882 p.u.
0.50
0.90
-0.100 0.918 1.937 2.955 3.973 [s]
0.70 0.923 s 1.005 s
G_HEMB_PUCA_U1: Positive-Sequence, Active Power in p.u. (base: 38.00 MW)
0.882 p.u. 0.547 p.u.
0.50 G_HPAS_AGOY_U1: Positive-Sequence, Active Power in p.u. (base: 79.90 MW)
-0.100 G_HPAS_CCS_U1: 0.918
Positive-Sequence, Active Power1.937
in p.u. (base: 184.50 MW) 2.955 3.973
G_HEMB_PUCA_U1:Positive-Sequence,
G_HPAS_SFRA_U1: Positive-Sequence, Active
Active Power
Power in in p.u.
p.u. (base:
(base: 38.00MW)
113.13 MW)
G_HPAS_AGOY_U1: Positive-Sequence,
G_TMCI_CCAS_U1_U4: s:P1 Active Power in p.u. (base: 79.90 MW)
G_TMCI_DAYU_U1: Positive-Sequence, Active
G_HPAS_CCS_U1: Positive-Sequence, Active Power
Power inin p.u.
p.u.(base:
(base:1.09 MW)
184.50 MW)
G_TMCI_JIV1_U1_U6: s:P1
G_HPAS_SFRA_U1: Positive-Sequence, Active Power in p.u. (base: 113.13 MW)
G_TMCI_JIV2_U1_U2:
G_TMCI_CCAS_U1_U4: Positive-Sequence,
s:P1 Active Power in p.u. (base: 5.00 MW)
G_TMCI_JIV3_U1: Positive-Sequence, Active Power in p.u. (base: 10.50 MW)
G_TMCI_DAYU_U1: Positive-Sequence, Active Power in p.u. (base: 1.09 MW)
G_TMCI_LORE_U1: Positive-Sequence, Active Power in p.u. (base: 1.09 MW)
G_TMCI_JIV1_U1_U6: s:P1
G_TTGA_SROS_TG3: Positive-Sequence, Active Power in p.u. (base: 17.00 MW)
G_TMCI_JIV2_U1_U2: Positive-Sequence, Active Power in p.u. (base: 5.00 MW)
240.00 G_TMCI_JIV3_U1: Positive-Sequence, Active Power in p.u. (base: 10.50 MW)
190.00 G_TMCI_LORE_U1: Positive-Sequence, Active Power in p.u. (base: 1.09 MW)
140.00 G_TTGA_SROS_TG3: Positive-Sequence, Active Power in p.u. (base: 17.00 MW)
90.00
240.00
40.00
Figura
-10.00 3: Variaciones de potencia de las unidades de generación en estado dinámico ante la salida de la L/T
190.00 Santa Rosa –Totoras
-0.100 0.918 1.937 2.955 3.973 [s]
140.00 G_HEMB_PUCA_U1: Positive-Sequence, con un Δ ѲPower
Active de 30.64°
in MW
90.00 G_HPAS_AGOY_U1: Positive-Sequence, Active Power in MW
En función de los resultados obtenidos, se pueden restablecimiento se tengan inconvenientes y demoras.
40.00 G_HPAS_CCS_U1: Positive-Sequence, Active Power in MW

identificar problemas en ángulos de sincronización Por ello, se ha visto como prudente el manejar un
-10.00 G_HPAS_SFRA_U1: Positive-Sequence, Active Power in MW
-0.100 G_TMCI_CCAS_U1_U4: 0.918c:firel 1.937 2.955 3.973
mayores a los 30°, siendo en la central Sopladora solo ángulo para todo el SNI, considerando el valor
G_HEMB_PUCA_U1:
G_TMCI_DAYU_U1: Positive-Sequence,
Rotor Active
angle with reference to Power
referencein MW
machine angle in deg
G_HPAS_AGOY_U1: Positive-Sequence,
G_TMCI_JIV1_U1_U6: c:firel Active Power in MW
el valor más restrictivo. Sin embargo, es importante más restrictivo. En este sentido, el valor del ángulo
G_TMCI_JIV2_U1_U2: Rotor angle with reference
G_HPAS_CCS_U1: Positive-Sequence, to reference
Active Power in MW machine angle in deg
recordar que el límite del IER de 0.5 pu en la potencia de sincronización para el sistema de 230 KV se lo
G_TMCI_JIV3_U1: Rotor
G_HPAS_SFRA_U1: angle with reference
Positive-Sequence, to reference
Active Power in MW machine angle in deg
G_TMCI_LORE_U1: Rotor angle with reference to reference machine angle in deg
G_TMCI_CCAS_U1_U4: c:firel
eléctrica entregada por una unidad de angle
Rotor generación, en topropone en 35°, límite obtenido para la central
G_TTGA_SROS_TG3: Rotor angle with reference to reference machine angle in deg
G_TMCI_DAYU_U1: with reference reference machine angle in deg
el momento de sincronizar una línea de transmisión,
G_TMCI_JIV1_U1_U6: c:firel térmica
-4.00 Santa Rosa. G_Santo Rosa D
DIgSILENT

G_TMCI_JIV2_U1_U2: Rotor angle with reference to [deg]

reference machine angle in deg 9.980 s
es sugerido para unidades térmicas. En el
withcaso del to reference
-6.00 -7.538 deg A
G_TMCI_JIV3_U1: Rotor angle reference
4.2. Resultados de Tiempo Muerto para Recierre
machine angle in deg
sistema eléctrico ecuatoriano, Rotor
las angle
centrales más to reference
Actuación del Recierre

G_TMCI_LORE_U1: with reference -8.00 machine angle in deg

9.943 s
G_TTGA_SROS_TG3: Rotor angle with reference to reference machine angle in deg
importantes son hidráulicas, lo cual podría sugerir un Para los tiempos muertos de recierre, se evaluaron
-10.00
-11.299 deg

límite de diferencia angular mayor al obtenido en las diferentes -4.00 G_Santo Rosa
DIgSILENT

-12.00
[deg] escenarios de operación, 9.980 s considerando
simulaciones. un tiempo -6.00
-14.00
-0.1000 muerto
2.9191
-7.538 deg
de 105.9382segundos8.9572posteriores 11.976 a [s]
la 14.995
Santa_Rosa_230\B1: Ángulo Barra Santa Rosa 230 kV
Actuación del Recierre

apertura, con el fin de verificar si para9.943algún

-8.00 Totoras_230\B1: Ángulo Barra Totoras 230 kV
elemento
Se podrían determinar diferentes ángulos de s
se requiere
242.50
-10.00 un recierre rápido. -11.299 deg

sincronización para cada línea de transmisión, [kV]

230.00 10.000 s
-12.00
pero ello implica que durante las maniobras de 235.229 kV
Actuación del Recierre

217.50 10.000 s
-14.00 234.020 kV
-0.1000 2.9191 5.9382 8.9572 11.976 [s] 14.995
205.00 Santa_Rosa_230\B1: Ángulo Barra Santa Rosa 230 kV
Totoras_230\B1: Ángulo Barra Totoras 230 kV
192.50
242.50
180.00
[kV]
-0.1000
230.00
2.9191 5.9382
Santa_Rosa_230\B1: Voltaje Santa Rosa 230 kV
Totoras_230\B1: Voltaje Totoras 230 kV
8.9572 11.976
10.000 s
235.229 kV
[s] 14.995
67
Recierre

217.50 10.000 s Project Date: 11/21/2016

234.020 kV
Annex: /9
ositive-Sequence, Ac tive Power in MW
ositive-Sequence, Active Power in MW
itive-Sequence, Active Power in MW
sitive-Sequence, Ac tive Power in MW
: c: firel
tor angle with reference to reference machine angle in deg
c:firel Edición No. 13, Enero 2017
Rotor angle with reference to reference machine angle i n deg
r angle with reference to reference machine angle in deg
or angle with reference to reference machine angle in deg
Rotor angle with reference to reference machine angle in deg el valores más restrictivos del ángulo de
-4.00 G_Santo Rosa
sincronización; sin embargo, hay que
Date: 5/6/2016

DIgSILENT
[deg] 9.980 s
-6.00 -7.538 deg Annex: /6

considerar que estas unidades son hidráulicas

Actuación del Recierre

-8.00
9.943 s
-10.00
-11.299 deg
y podrían soportar unas mayores variaciones
transitorias de potencia.
-12.00

-14.00
-0.1000 2.9191 5.9382 8.9572 11.976 [s] 14.995
Santa_Rosa_230\B1: Ángulo Barra Santa Rosa 230 kV
Totoras_230\B1: Ángulo Barra Totoras 230 kV

242.50 • Una vez analizadas diferentes salidas de líneas

[kV]
230.00 10.000 s
235.229 kV de transmisión a nivel de 230 kV, en diferentes

Actuación del Recierre

escenarios de operación, no se encontraron
217.50 10.000 s
234.020 kV
205.00

192.50 líneas que requieran un recierre rápido. Por

180.00
-0.1000 2.9191 5.9382
Santa_Rosa_230\B1: Voltaje Santa Rosa 230 kV
8.9572 11.976 [s] 14.995 tanto, se recomienda, con el fin de incrementar
la probabilidad de un recierre exitoso en el
Totoras_230\B1: Voltaje Totoras 230 kV
Project Date: 11/21/2016
Annex: /9

SNT, se parametrice el tiempo muerto en un

Figura 4: Comportamiento de magnitud y ángulo de voltaje
durante el recierre a los 10 segundos de un circuito de la L/T
valor de 30 segundos, tiempo posterior al cual
Santa Rosa- Totoras 230 kV se contará con el circuito energizado.

Una vez analizadas las diferentes salidas de un • Los valores determinados en el presente
circuito de las líneas de doble circuito en el anillo documento serán evaluados en un plan piloto
de 230 kV, para diferentes escenarios de operación, en dos líneas de transmisión de 230 kV
no se encontraron líneas que requieran un recierre que presenten las mayores tasas de salida.
rápido (el sistema es estable con el tiempo muerto Luego de su evaluación, los parámetros
para recierre en 10 segundos), por lo que con el fin de serán implementados a nivel de todas las
incrementar la probabilidad de conseguir un recierre subestaciones de 230 kV del SNI.
exitoso, se deberá parametrizar el tiempo muerto en
• Dependiendo de los requerimientos del
valores mayores.
sistema, se podrá evaluar la recomendación
Con estos antecedentes, se proponen los siguientes de generalizar el ángulo del sincronización
valores para sincronización y recierre a nivel de 230 kV: para todas la barras de 230 kV del SNI en
35°, teniendo como referencia los siguientes
Tabla 4: Valores recomendados de los parámetros de
valores máximos para aquellas barras que se
sincronización y recierre a nivel de 230 kV
permiten tener ángulos mayores a 35°:
Desviación de magnitud de voltaje (ΔV), % 10% del voltaje
nominal ∆Ѳ máximo que se podría
Barra i Barra j
parametrizar
Desviación de ángulo de voltaje (ΔV), ° 35°
Totoras Molino 45°
Desviación de frecuencia (Δf), Hz 0.1 Hz
Pascuales Molino 45°
Tiempo muerto para recierre, segundos 30 segundos
Milagro Zhoray 45°
Santo Domingo Quevedo 40°
5. CONCLUSIONES Y RECOMENDACIONES Santo Domingo Santa Rosa 40°

• Se propone un ángulo de sincronización de

35° para el sistema de 230 kV del SNI, lo
AGRADECIMIENTOS
que permite preservar la integridad de las
unidades de generación durante su vida útil Se agradece al grupo de trabajo interinstitucional
y equipos primarios del Sistema Nacional de que permitió evaluar todos los escenarios de operación
Transmisión. probables, tanto de CENACE como de CELEC EP
TRANSELECTRIC. Con especial mención los
• El incremento de 15° en el ángulo de
Ingenieros Roberto Aguirre, Carlos Soria, Wilmer
sincronización permitirá optimizar los tiempos
Gamboa.
de reposición del sistema de transmisión
posterior a un evento y, una disminución REFERENCIAS BIBLIOGRÁFICAS
del sobrecosto operativo debido a un menor
requerimiento de ingreso de generación [1] Siemens, “Tie Circuit Breakers and Out-of-Phase
con el fin de alcanzar los parámetros de Applications,” TechTopics N° 95, 2013.
sincronización establecidos
[2] P. Kundur, “Power System Stability and Control,”
• Se ha determinado que las centrales Sopladora, Chapter 15, McGraw Hill, 1994.
Mazar y San Francisco son las que presentan

68
 Aimara et al. / Metodología para la Determinación de Ángulos de Sincronismo y Tiempos de Recierre en el S.N.I.
[3] P. Pourbeik, D. Ramey, N. Abi-Samra, D. Brooks,
A. Gaikwad, “Vulnerability of Large Steam
Turbine Generators to Torsional Interactions
During Electrical Grid Disturbances,” IEEE
Transactions on Power Systems, August 2007.
[4] IEEE Working Group Report, “IEEE Screening
Guide for Planned Steady-State Switching
Operations to Minimize Harmful Effects on
Steam Turbine-Generators,” IEEE Transactions
on Power Apparatus and Systems, July/August
1980.
[5] W. Elmore, “Protective Relaying Theory and
Applications,” Chapter 16, Marcel Dekker Inc.,
2004.
[6] “Procedimientos de Despacho y Operación
V2.0”
José Xavier Aimara Guaita.-
Nació en Píllaro Provincia del
Tungurahua el 1 de octubre de
1987. Los estudios superiores
los cursó en la Escuela
Politécnica Nacional, donde
obtuvo el título de Ingeniero
Eléctrico en 2012. En el
2012 trabajó en Proyectos
Integrales del Ecuador PIL S. A, desarrollando
estudios transitorios de energización, utilizando el
programa EMTP-ATP. Actualmente se desempeña en
el cargo de ingeniero de planeamiento eléctrico en el
Operador Nacional de Electricidad, CENACE. Sus
áreas de interés radican en la planificación y operación
de sistemas de potencia.
Jefferson Fabricio Ordoñez
Girón.- Nació en Machala
en 1980. Recibió su título
de Ingeniero Eléctrico de la
Escuela Politécnica Nacional
en 2005, y la Maestría en
Ciencias Aplicadas de la
Universidad de Waterloo
en 2015. Actualmente, se
encuentra laborando como especialista de gestión
de operación en la Unidad de Negocio Transelectric,
perteneciente a la Corporación Eléctrica del Ecuador,
CELEC EP.
69
 Aplicación Práctica / Practical Issues

Identificación de Áreas de Control de Voltaje en el Sistema Nacional

Interconectado de Ecuador utilizando Minería de Datos

D.E. Echeverría1 V.M. Flores1 W.M. Villa2 J.C. Cepeda1

Operador Nacional de Electricidad - CENACE
1

E-mail: decheverria@cenace.org.ec, vflores@cenace.org.ec, jcepeda@cenace.org.ec

2
Universidad de Antioquia, GIMEL, Medellín, Colombia
E-mail: walter.villa@udea.edu.co

Resumen Abstract

Este trabajo presenta una nueva metodología
para identificar las Áreas de Control de Voltaje
ACV en un sistema de potencia. Cada ACV está
constituido por un grupo de barras del sistema
que exhiben patrones de comportamiento de
voltaje similares cuando el sistema de potencia está
sometido a perturbaciones que podrían originar
problemas de inestabilidad de voltaje. Una vez
identificadas las ACV, el operador del sistema
puede realizar un control coordinado y establecer
estrategias de supervisión con el fin de mejorar el
comportamiento del voltaje en estas barras. En
este sentido, el concepto de distancia eléctrica ha
sido usado para identificar las ACV utilizando una
nueva metodología basada en minería de datos.
La metodología ha sido aplicada para identificar
las ACV del Sistema Nacional Interconectado SNI
de Ecuador, lo que permitirá a futuro establecer
estrategias de supervisión y control por parte del
Operador Nacional de Electricidad CENACE en
el SNI y mejorar la seguridad del sistema.
This paper presents a new methodology in order
to identify the Voltage Control Areas VCA in
a power system. Each VCA is constituted by a
group of system buses exhibiting similar voltage
behavior patterns when the power system is
subjected to perturbations that could originate
voltage instability problems. Once identified the
VCA, the system operator can perform proper
coordinated control and supervisory strategies
in order to improve the voltage behavior in these
buses. In this sense, the electrical distance concept
has been used in order to identify the VCA using
a new methodology based on data mining. The
methodology has been applied in order to identify
the VCA of the National Interconnected System
of Ecuador SNI; this will establish the monitoring
and control strategies by the National Electricity
Operator CENACE in the SNI and improve the
system security.

Palabras clave— Áreas de Control de Voltaje, Index terms— Voltage Control Areas, Voltage
Estabilidad de Voltaje, Distancia Eléctrica, Stability, Electrical Distance, Data Mining.
Minería de Datos.

Recibido: 12-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Echeverría D., Flores V., Villa W., Cepeda J., (2017). “Identificación de las Áreas
de Control de Voltaje en el Sistema Nacional Interconectado utilizando Minería de Datos”. Revista Técnica
“energía”. No. 13, Pp. 70-78
ISSN 1390-5074.

70

1. INTRODUCCIÓN
La estabilidad de voltaje en los sistemas de
potencia eléctrica se ha convertido en un fenómeno
de gran importancia para garantizar la operación
segura y confiable, esta estabilidad está íntimamente
relacionada con la disponibilidad de potencia
reactiva que permiten mantener los niveles de
voltaje adecuados en el sistema. En la evaluación
de estabilidad de voltaje, es de particular interés
determinar las áreas críticas del sistema eléctrico de
potencia, que están expuestas a un déficit de potencia
reactiva bajo ciertas condiciones de operación. Esta
deficiencia resultante da lugar a un desequilibrio de
la potencia reactiva, lo cual puede causar problemas
de estabilidad de voltaje en algunas áreas del sistema
[1].
Se ha propuesto dividir el sistema de potencia
en zonas que son propensas a los problemas de
inestabilidad de voltaje, se han denominado como
Áreas de Control de Voltaje (ACV), estás son
conformadas por un grupo de barras del sistema de
potencia que presentan patrones de comportamiento
de voltaje similares cuando el sistema está sometido
a perturbaciones que podrían originar problemas
de estabilidad de voltaje. A este conjunto formado
por las barras de generación y carga que tienen alta
participación en los fenómenos de estabilidad de
voltaje subyacentes se ha denominado como grupo
de barras coherentes. Las barras que pueden alcanzar
su límite de capacidad para inyectar potencia reactiva
en la red debido a los incrementos de carga se
consideran como barras de generación o fuentes de
potencia reactiva del área, tales como: generadores
síncronos, compensadores síncronos, los dispositivos
de compensación de potencia reactiva SVC, entre
otros [2]–[4].
Las barras de generación en cada ACV forman la
Reserva Base de Reactiva (RBR) para esta área, la
mayor parte de los incrementos de carga de potencia
reactiva dentro de una ACV es suministrada por la
RBR, por lo que la RBR desempeña un papel muy
importante en la determinación del límite de carga
reactiva de cada barra de carga y la reserva de
potencia reactiva en cada área [4].
Con esta información es posible identificar las
barras de carga más propensas a la inestabilidad
de voltaje, como también las fuentes de potencia
reactiva relacionadas con estas barras, esto le permite
al operador del sistema realizar un control coordinado
y establecer estrategias de supervisión con el fin de
mejorar el comportamiento del voltaje en estas barras
[4].
Edición No. 13, Enero 2017
Se han realizado diferentes investigaciones para
establecer métodos que permitan dividir el sistema en
ACV. Algunas de las metodologías propuesta se basan
en la condición de operación actual, sin considerar
salidas de elementos en el sistema, tales como:
líneas, generadores y dispositivos de compensación
de potencia reactiva [2]–[9]. En la referencia [4],
se presenta un método de identificación de ACV
usando análisis de la Curva QV, con el problema que
el cálculo es intensivo ya que se debe realizar este
análisis a cada barra de carga del sistema. Se plantea
un método sistemático que plantea método efectivo
para determinar las ACV para sistema de potencia
en Francia [5]. En este artículo por primera vez se
propone el concepto de “Distancia Eléctrica” entre
las barras del sistema, además un método de análisis
topológico.
En la referencia [6] se ha usado la distancia eléctrica
para analizar los problemas de estabilidad de voltaje
local como también la seguridad de voltaje del
sistema; por otra parte, en las referencias [7], [8] se
propone una algoritmo de clasificación jerárquica
para identificar las ACV usando el concepto de
distancia eléctrica.
En este trabajo se presenta una nueva metodología
para la identificación de ACV en sistemas de potencia
eléctrica. En la metodología propuesta se hace uso de
la matriz de distancia eléctrica, análisis topológico
y herramientas de minerías de datos; propiamente,
la matriz de similitud, coordenadas principales y
herramientas de agrupamiento de datos (Clustering).
La metodología propuesta para identificación de ACV
fue aplicada al Sistema Nacional Interconectado
(SNI) de Ecuador considerando diferentes escenarios
de generación y carga, así como también se ha
considerado las nuevas instalaciones que están
en construcción, como por ejemplo el sistema de
transmisión de 500 kV y la central de generación
hidroeléctrica Coca Codo Sinclair de 1500 MW.
2. METODOLOGÍA PARA IDENTIFICAR LAS
DE ÁREAS DE CONTROL DE VOLTAJE
Un conjunto de barras en el sistema de potencia
puede ser clasificado como un área de control de
voltaje si las barras son suficientemente desacopladas
eléctricamente, desde sus áreas vecinas. Y la potencia
reactiva controlable en el área debe ser suficiente
para soportar los cambios de voltaje en las barras de
la zona. Un criterio para la definición de las áreas
de control de voltaje, según [10], es que el perfil
de voltaje de un área de control es principalmente
dominado por las fuentes de potencia reactiva en esa
zona, y los controles dentro del área tienen mucha
menos influencia de otras áreas.
71
 Echeverría et al. / Identificación de Áreas de Control de Voltaje en el S.N.I. de Ecuador utilizando Minería de Datos
En el presente trabajo, se propone una nueva
metodología para la identificación de las áreas de
control de voltaje de un sistema de potencia. La
metodología se divide en dos etapas:
a) Calcular la distancia eléctrica entre todos los
nodos en el sistema de potencia.
b) Calcular las áreas de control de voltaje
utilizando minería de datos usando la matriz de
las distancias eléctricas entre barras. Además
del análisis topológico de conectividad de las
barras en cada ACV.
En la Fig. 1 se presenta un diagrama de flujo de la
metodología desarrollada en este trabajo.
Figura 1: Diagrama de Flujo de la Metodología
2.1. Distancia eléctrica de un sistema de potencia
El concepto de distancia eléctrica envuelve la
matriz [∂Q / ∂V ] , misma que es parte de la matriz
Jacobiana J, y su inversa [∂V / ∂Q] , llamada como
matriz de sensibilidad, ambas matrices son reales y
no simétricas [5].
Los elementos de [∂V / ∂Q] reflejan la
propagación de la variación del voltaje después de
la inyección de potencia reactiva en una barra, la
magnitud de acoplamiento de voltaje entre dos barras
puede ser cuantificada por la atenuación máxima
72
de variación de voltaje entre estas dos barras.
Estas atenuaciones se obtienen a partir de la matriz
[∂V / ∂Q] , mediante la división de los elementos
de cada columna por el término diagonal de la matriz.
Con esta información se dispone de una matriz de
atenuaciones entre todas las barras del sistema de
potencia, cuyos términos son escritos como . Por
lo tanto se tiene:
∆Vi = a ij ∆V j (1)
Donde:
(2)
Generalmente . Con el
fin de tener una propiedad simétrica en la distancia
eléctrica, la siguiente formulación se utiliza para
definir la distancia eléctrica entre dos nodos i y j
[5].
(3)
Dij es la distancia eléctrica entre los nodos i y j,
cuyas propiedades son: positiva y simétrica. Esta
distancia eléctrica representa el grado de influencia
derivado de los cambios de voltaje en otras barras.
La metodología paso a paso para obtener las áreas
de control de voltaje ACV se explica a continuación:
a) Se calcula la matriz Jacobiana J para obtener
la sub-matriz J4, donde
b) Se invierte la matriz J4. Se tiene,
, y los elementos de la matriz B
son escritos como bij, donde bij = ∂Vi ∂Q j
c) Se obtiene la matriz de atenuación, , entre
todos los nodos:
d) Se calcula la matriz de distancias Dij
e) Se normaliza las distancias eléctricas como
sigue:
2.2. Identificación de áreas de control de voltaje
En esta sección se presenta una nueva metodología
para la identificación de áreas de control de voltaje a
partir de las distancias eléctricas utilizando minería
de datos.
Una vez definida la matriz de distancia eléctrica
Dij, se procede a determinar las ACV a partir del uso
de minería de datos, como se presenta a continuación.

Con la Matriz D=Dij, se construye la
correspondiente Matriz de Similitud (Q) a partir de ,
donde I es la matriz de identidad y 1 es el vector unitario
[11], [12]. Estas matrices representan la variabilidad
entre elementos (similar a las matrices de covarianza
representando la variabilidad entre variables). nodo) de un área r del sistema, entonces la matriz de
1 1   1 
− I − 11′ D I − 11′
Q= (4)
2 n   n 
Usando los autovalores (Λr) y autovectores (Vr)
de la matriz Q, es posible calcular sus correspondientes
coordenadas principales [11], [12], y escribir una
matriz de datos espacial multidimensional (X), como
se muestra en y . Yr es una matriz que contiene
las nuevas variables ortogonales que conservan
las distancias originales (coordenadas principales)
[11]. C= Qr ⋅ Rr
(5)
X = Yr (6)
Una vez que la matriz X es determinada, los
puntos de datos multidimensionales son agrupados
en conjuntos usando el algoritmo Fuzzy C-Means
(FCM) [13]. Este algoritmo de clúster permite agrupar
las barras del sistema de potencia en grupos de ACV.
El algoritmo FCM es un método que usa partición
difusa, con el objetivo de encontrar grupos de datos
(clúster), donde cada punto de dato (observación)
pertenece a un clúster con cierto grado de pertenencia,
por lo tanto, un punto de datos dado puede pertenecer
a varios grupos con su propio grado de pertenencia
entre 0 y 1, cuya formulación general se pueden
encontrar en [13].
Dado que el algoritmo de FCM es una herramienta
de análisis de datos, el mismo no considera la
configuración natural de la red eléctrica, de hecho,
los grupos de barras que resultan de la aplicación de
la FCM no corresponden necesariamente a las áreas
eléctricas reales, por lo que es necesario añadir una
rutina adicional al algoritmo de agrupamiento que
compruebe la conectividad de las barras.
En este sentido, con el objetivo de identificar la
conectividad de las barras se utiliza un algoritmo que
emplea la teoría de Goderya’s [14] . A continuación
se presenta un resumen del algoritmo.
Edición No. 13, Enero 2017
2.2.1 Conectividad de las barras en la definición de
las áreas de control de voltaje
Sea Ar(mxn) la matriz de incidencia (rama-
conectividad Cr(nxn) puede ser definida como sigue
[15]:
C
= r Ar T ⋅ Ar (7)
Donde m es el número de ramas (líneas o
transformadores), y n es el número de barras
pertenecientes al área r.
Qr(nxn) y Rr(nxn) representan la descomposición
ortogonal-triangular de la matriz Cr, por lo
tanto:
(8)
r
Basado en la matriz Rr, es posible definir el vector
columna de verificación de conectividad cv(nx1)
como sigue:
(9)
Donde i representa la fila y j representa la columna
de la matriz Rr, y Rr(i,j) es el elemento (i, j) de Rr. El
número de elementos nulos de cv representa el número
de sub-áreas formadas dentro del área r debido a la
falta de conectividad.
3. APLICACIÓN DE LAMETODOLOGÍAEN EL
SISTEMA NACIONAL INTERCONECTADO
A continuación se presenta una visión general del
Sistema Nacional Interconectado de Ecuador, sobre
el cual se realizaran los análisis de identificación de
áreas de control de voltaje. Cabe indicar que el estudio
se centrará en identificar las ACV a nivel de 500 kV
y 230 kV, por tal razón se detalla el equipamiento y
configuración del SNI en estos niveles de voltaje.
3.1. Sistema Nacional Interconectado de Ecuador
La Fig. 2 muestra un diagrama simplificado del
Sistema Nacional Interconectado (SNI), en el cual
se destaca su anillo de transmisión 230 kV y el
sistema troncal de transmisión de 500 kV, los cuales
conectan los principales centros de generación con
los puntos de entrega de los sistemas de distribución.
En 2015, la producción neta total de energía fue de
22 591,40 GWh, la cual comprende de: 12 414,60
GWh (55,0%) de hidroeléctricas, 8 722,60 GWh
73
 Echeverría et al. / Identificación de Áreas de Control de Voltaje en el S.N.I. de Ecuador utilizando Minería de Datos

(38,6%) de térmicas, 947,5 GWh (4,2%) de centrales forma directa a los principales centros de generación
renovables no convencionales, y 506,7 GWh (2,2%) con los grandes centros de consumo del país [17].
correspondiente a las importaciones de Colombia
y Perú. La demanda máxima alcanzó un valor de 3 En cuanto a capacidad de transformación y
656,6 MW (un incremento de alrededor de 5,00% con equipamiento de maniobra a nivel de 230 kV, en el
respecto al año anterior) [16]. sistema de transmisión se cuenta con 17 subestaciones,
distribuidas de la siguiente manera:
A nivel de 230 kV existen 1.285 km de líneas en
doble circuito y 556 km en simple circuito, gran parte • 15 subestaciones de transformación de relación
de ellas formando un anillo entre las subestaciones 230/138/69 kV.
Molino, Zhoray, Milagro, Dos Cerritos, Pascuales • 2 subestaciones de seccionamiento, una a 230
(Guayaquil), Quevedo, Santo Domingo, Santa Rosa kV y otra a 138 kV.
(Quito), Totoras (Ambato) y Riobamba, vinculando de

DIgSILENT
San_Rafael_500/B1

San_Rafael_500/B2

1
1
Pomasqui_230/B1

Pomasqui_230/B2

1
1
1

El_Inga_500/B2 Coca_Codo_500/B2

Coca_Codo_500/B1
El_Inga_500/B1
0 0 0
0 0 0
1
1 1 1

El_Inga_230/B1

El_Inga_230/B2

Santa_Rosa_138/BT

Santa_Rosa_138/BP
1

0
0 17
0
1 1 1
2
2
1

Santo_Domingo_230/B1 Santa_Rosa_230/B1

Santo_Domingo_230/B2 Santa_Rosa_230/B2

Totoras_230/B1
Baba_230/B1
Totoras_230/B2

Baba_230/B2

Riobamba_230/B1
Quevedo_230/B1

Quevedo_230/B2 Riobamba_230/B2

Milagro_230/B1 Zhoray_230/B1 Molino_230/B1

Pascuales_230/B1
Dos_Cerritos_230/B1
Pascuales_230/B2 Milagro_230/B2 Molino_230/B2
Zhoray_230/B2 3
0 3

Nueva_Prosperina_230/B1 0
1
0
1
0

B_EAR1_Esclusas_230
Nueva_Prosperina_230/B2
Molino_138/B1

Esclusas_230/B1 Molino_138/B2

Trinitaria_230/B1
Esclusas_230/B2

Sopladora_230/B1 B_San_Bartolo_230

Sopladora_230/B2

Figura 2: Diagrama Unifilar del Sistema Nacional Interconectado de Ecuador

El sistema de transmisión de 500 kV se encuentra en la Tabla 1 y Tabla 2 se presenta una lista con las
en pleno proceso de construcción. Las principales barras del sistema a ser analizadas:
obras de este proyecto son líneas y subestaciones a
500 kV requeridas para la evacuación de la energía Barras de 500 kV
de la Central Coca Sinclair al Sistema Nacional Tabla 1: Barras de 500 kV del S.N.I.
Interconectado (SNI) en las cercanías de Quito Chorrillos_500 San_Rafael_500
(Subestación El Inga), y desde allí hasta la ciudad El_Inga_500 Tisaleo_500
de Guayaquil (Subestación Chorrillo), pasando por
Barras de 230 kV
el centro del país (Subestación Tisaleo), con lo cual
se tendrá una troncal de 500 kV de alrededor de 492 Tabla 2: Barras de 230 kV del S.N.I.
km. Hasta la fecha se encuentra concluida la línea Baba_230 Quevedo_230
de transmisión El Inga-San Rafael de 500 kV y San
Chorrillos_230 Riobamba_230
Rafael-Coca Codo Sinclair de 500 kV.
Dos_Cerritos_230 San_Gregorio_230
3.2. Implementación de la Metodología en el S.N.I. Dos_Cerritos_Movil_230 Santa_Rosa_230
La identificación de ACV del Sistema Nacional El_Inga_230 Santo_Domingo_230
Interconectado se basará en el análisis de las barras de Esclusas_230 Sinincay_230
voltaje de 500 kV y 230 kV del S.N.I. En este sentido Machala_230 Sopladora_230

74
 Edición No. 13, Enero 2017

Tabla 2: Barras de 230 kV del S.N.I. (Continuación) Caso 2: Central Coca Codo Sinclair a plena carga
(1500 MW) y exportación a Colombia de 300
Milagro_230 Tisaleo_230
MW.
Molino_230 Totoras_230
Nueva_Prosperina_230 Trinitaria_230 Caso 3: Central Paute a plena carga (1100 MW).
Pascuales_230 Zhoray_230 Caso 4: Central Paute a plena carga (1100 MW) y
Pomasqui_230 exportando a Colombia 300 MW.
Como se mencionó en la Sección 2, la metodología Caso 5: Sin las centrales Agoyán (156 MW) y San
se basa en definir en primer lugar las distancias Francisco (212 MW).
eléctricas de las barras del S.N.I. para luego proceder
a la identificación de las ACV utilizando minería de Para cada uno de los casos presentados se
datos. considerará el análisis para cada escenario de
demanda, es decir, para demanda punta, media y base.
Para el cálculo de las distancias eléctricas Por lo tanto, en total serán considerados 15 escenarios
se procede en primer lugar a obtener la matriz de operación del S.N.I. para la identificación de las
[∂V / ∂Q] , en este sentido, se utiliza el programa ACV.
computacional PowerFactory de DIgSILENT [18],
el cual permite calcular de matriz de sensibilidades a A continuación, se presenta los resultados de las
partir del cálculo de Flujos de Potencia. Áreas de Control de Voltaje del S.N.I., con el ingreso
de del sistema de 500 kV y la central Coca Codo
El cálculo de la sensibilidad de Flujo de Potencia Sinclair (1500 MW).
en una barra del S.N.I., permite determinar el efecto
producido por la inyección de reactivos ( ∆Q ) en la En la Tabla 3 se presenta los resultados de
barra seleccionada con respecto a todas las barras la definición de ACV del Sistema Nacional
del S.N.I. Este proceso debe ser realizado para cada Interconectado, identificándose cuatro áreas:
una de las barras de 500 kV y 230 kV del S.N.I.,
Tabla 3: Áreas de Control de Voltaje del S.N.I.
para lo cual se utilizó el lenguaje de programación
DPL (DIgSILENT Programming Language) para Área 1: Área 2:
automatizar el proceso [18]. Tisaleo_500 Molino_230
Tisaleo_230 Zhoray_230
Una vez obtenida la matriz [∂V / ∂Q] del S.N.I.
para las barras de 500 kV y 230 kV, se procedió al Pomasqui_230 Sinincay_230
cálculo de la matriz de distancias Dij, para lo cual se El_Inga_230 Área 4:
utilizó el programa MATLAB® de Mathworks [19]
El_Inga_500 Chorrillos_230
y se determinó las matrices de distancia para cada
escenario de operación. Riobamba_230 Chorrillos_500
San_Rafael_500 Dos_Cerritos_230
Finalmente una vez que la matriz de distancias Santa_Rosa_230 Machala_230
es determinada, se procede a la identificación de las
Totoras_230 Milagro_230
ACV usando la metodología descrita en 2.2 y 2.2.1,
la cual fue desarrollada en el programa MATLAB® Dos_Cerritos_Movil_230
Área 3
de Mathworks. Sopladora_230
Baba_230 Esclusas_230
4. RESULTADOS
Quevedo_230 Nueva_Prosperina_230
En esta sección se presentará los resultados de San_Gregorio_230 Pascuales_230
la identificación de las ACV del Sistema Nacional Santo_Domingo_230 Trinitaria_230
Interconectado. En este sentido, se han considerado
varios escenarios de operación para verificar que las Las cuatro ACV identificadas se cumplen para
ACV identificadas se mantienen para distintos niveles todos los 15 escenarios de operación establecidos en
de generación y demanda. el presente estudio. Además, se ha verificado que
las áreas identificadas contengan barras PQ (barras
Los casos de operación a ser considerados en el de carga) y PV (barras de generación), con lo cual se
análisis son los siguientes: pueda realizar control de voltaje frente a cambios en
Caso 1: Central Coca Codo Sinclair a plena carga las condiciones de operación del sistema.
(1500 MW)

75
 Echeverría et al. / Identificación de Áreas de Control de Voltaje en el S.N.I. de Ecuador utilizando Minería de Datos

A continuación se presenta los resultados de seguridad del S.N.I. Este trabajo está en desarrollo y
generación y demanda para cada una de las ACV será presentado en futuras publicaciones.
identificadas en el SNI.
5. CONCLUSIONES Y RECOMENDACIONES
La Tabla 4 muestra los resultados de la generación
disponible para las ACV del SNI, se presenta los Las áreas de control de voltaje identificadas para
resultados tanto para entrega de reactivos como el SNI de Ecuador deben ser consideradas para definir
absorción de reactivos por parte de las máquinas las reservas de potencia reactiva del sistema (reservas
sincrónicas disponibles en el SNI. locales), esto es, que las reservas sean definidas en
cada ACV. La identificación de las ACV es el primer
Tabla 4: Generación disponible en cada ACV del SNI paso para controlar las deficiencias de potencia
Potencia Reactiva Potencia Reactiva Potencia
reactiva y mejorar la estabilidad de voltaje en las
 
Mínima (MVAR) Máxima (MVAR) Activa (MW) diferentes regiones del sistema.
AREA 1 -640,3 927,0 2390,4 Un aspecto importante de la metodología de
AREA 2 -571,2 754,2 1465,8 identificación ACV, es que a pesar de la variación del
AREA 3 -149,2 297,1 903,1 cambio del despacho de generación de las centrales
AREA 4 -120,8 420,1 1165,1 Coca Codo Sinclair, Paute y Sopladora; y la variación
TOTAL -1481,5 2398,4 5924,4
de la demanda del SNI, las áreas de control de voltaje
identificadas son las mismas.
En la Tabla 5 se muestra la demanda máxima
Con base en los resultados obtenidos en este
presentada en cada ACV, hasta diciembre de 2016.
análisis, se deben considerar las áreas las áreas de
Tabla 5: Demanda máxima en cada ACV del SNI control de voltaje del S.N.I. para los análisis eléctricos
Potencia Activa Potencia Reactiva que requieran la definición previa de las ACV, como
  (MW) (MVAR) por ejemplo los estudios de estabilidad de voltaje y el
AREA 1 1134,4 177,2 cálculo de la reserva de reactivos del S.N.I.
AREA 2 252,2 55,8
Como trabajo futuro se tiene la necesidad por parte
AREA 3 536,4 160,0
del operador del sistema de diseñar una metodología
AREA 4 1611,0 430,8
TOTAL 3534,0 823,8
de cálculo de la reserva de potencia reactiva en las
áreas de control del sistema identificadas.
A partir de la Tabla 4 y Tabla 5 se aprecia que
el Área 4 tiene un déficit de compensación de REFERENCIAS BIBLIOGRÁFICAS
potencia reactiva. En este sentido, se tiene instalado [1] W. M. Villa, J. L. Rueda, S. Torres, and W. H.
compensadores de potencia reactiva como se muestra Peralta, “Identification of voltage control areas
en la tabla siguiente. in power systems with large scale wind power
En la Tabla 6 se presenta la compensación reactiva integration,” in Transmission and Distribution:
disponible en cada una de las ACV del SNI. Latin America Conference and Exposition (T
D-LA), 2012 Sixth IEEE/PES, 2012, pp. 1 –7.
Tabla 6: Compensación Reactiva en cada ACV del SNI
[2] R. A. Schlueter, I.-P. Hu, M.-W. Chang, J. C.
Compensación Capacitiva Compensación
 
(MVAR) Inductiva (MVAR)
Lo, and A. Costi, “Methods for determining
proximity to voltage collapse,” IEEE Trans.
AREA 1 96 95
Power Syst., vol. 6, no. 1, pp. 285 –292, Feb.
AREA 2 12 20 1991.
AREA 3 60 20
[3] T. Lie, R. A. Schlueter, P. A. E. Rusche, and
AREA 4 454 50
R. H. Rhoades, “Method of identifying weak
TOTAL 622 185
transmission network stability boundaries,”
Cabe indicar que en el Área 4 se ha tomado en IEEE Trans. Power Syst., vol. 8, no. 1, pp. 293
cuenta la instalación de un Compensador Estático –301, Feb. 1993.
de Voltaje (SVC) de 120 MVAR de compensación [4] R. A. Schlueter, “A voltage stability security
capacitiva y 30 MVAR de compensación inductiva. assessment method,” IEEE Trans. Power Syst.,
Cabe indicar que una vez identificadas las ACV vol. 13, p. 15, Nov. 1998.
se debe calcular las Potencia Reactiva de Reserva [5] P. Lagonotte, J. C. Sabonnadiere, J.-Y. Leost, and
de cada área, con lo cual se verificará la robustez y J.-P. Paul, “Structural analysis of the electrical

76

system: application to secondary voltage control
in France,” IEEE Trans. Power Syst., vol. 4, no.
2, pp. 479 –486, May 1989.
[6] H. Liu, A. Bose, and V. Venkatasubramanian, “A
fast voltage security assessment method using
adaptive bounding,” IEEE Trans. Power Syst.,
vol. 15, no. 3, pp. 1137 –1141, Aug. 2000.
[7] A. Bose, “A New Scheme for Voltage Control in
a Competitive Ancillary Service Market,” 2002. .
[8] J. Zhong, E. Nobile, A. Bose, and K. Bhattacharya,
“Localized reactive power markets using the
concept of voltage control areas,” IEEE Trans.
Power Syst., vol. 19, no. 3, pp. 1555 – 1561,
Aug. 2004.
[9] G. E. Tovar, G. J. G. Calderon, V. E. de la Torre,
and F. I. Nieva, “Reactive reserve determination
using coherent clustering applied to the Mexican
Norwest control area,” in Power Systems
Conference and Exposition, 2004. IEEE PES,
2004, pp. 1036 – 1043 vol.2.
[10] R. A. Schlueter, S.-Z. Liu, and K. Ben-Kilani,
“Justification of the voltage stability security
assessment and diagnostic procedure using a
bifurcation subsystem method,” IEEE Trans.
Power Syst., vol. 15, no. 3, pp. 1105–1111, Aug.
2000.
[11] J. C. Cepeda, J. L. Rueda, I. Erlich, and D.
G. Colomé, “Probabilistic approach-based
PMU placement for real-time power system
vulnerability assessment,” in 2012 3rd IEEE
PES Innovative Smart Grid Technologies Europe
(ISGT Europe), 2012, pp. 1–8.
[12] D. Peña, Análisis de Datos Multivariantes, 1st
ed. Madrid: McGraw-Hill, 2002.
[13] K. Hammouda and F. Karray, “A comparative
Study of Data Clustering Techniques.” University
of Waterloo, 19-Jun-2013.
http://www.pami.uwaterloo.ca/pub/hammouda/
sde625-paper.pdf.
[14] F. Goderya, A. A. Metwally, and O. Mansour,
“Fast Detection and Identification of Islands in
Power Networks,” IEEE Trans. Power Appar.
Syst., vol. PAS-99, no. 1, pp. 217–221, Jan. 1980.
Edición No. 13, Enero 2017
[15] J. C. Cepeda, “Evaluación de la Vulnerabilidad
del Sistema Eléctrico de Potencia en Tiempo Real
usando Tecnología de Medición Sincrofasorial,”
Tesis Doctoral, Universidad Nacional de San
Juan, San Juan, Argentina, 2013.
[16]
CENACE, “Informe Anual 2015”, Operador
Nacional de Electricidad CENACE,” CENACE,
Quito, Ecuador, Technical Report.
[17] ARCONEL, “Plan Maestro de Electrificación
2013 - 2022”, Agencia de Regulación y Control
de Electricidad ARCONEL,” ARCONEL, Quito,
Ecuador, 2014.
[18]
DIgSILENT Power Factory, “User’s Manual
Version 15.0,” DIgSILENT, Gomaringen,
Germany, 2014.
[19]
Math Works, Inc., MATLAB. Natick: Math
Works, Inc. www.mathworks.com
Diego E. Echeverría
Jurado.- Recibió su título
de Ingeniero Eléctrico
de la Escuela Politécnica
Nacional de Quito, en 2006.
Se encuentra realizando sus
estudios de Doctorado en
Ingeniería Eléctrica en el
Instituto de Energía Eléctrica
(IEE), de la Universidad
Nacional de San Juan. Actualmente trabaja en el
Operador Nacional de Electricidad CENACE de
Ecuador en la Subgerencia Nacional de Investigación
y Desarrollo. Sus áreas de interés son: Estabilidad
de Sistemas de Potencia en Tiempo Real, Sistemas
de medición sincrofasoriales PMU’s y Control de
Emergencia de Sistemas de Potencia.
María Verónica Flores
Soria.- Nació en Latacunga,
Ecuador, Recibió su título de
Ingeniera Eléctrica de Escuela
Politécnica Nacional en el
2000, de Máster en Economía
y Regulación de Servicios
Públicos de la Universidad
de Barcelona, especialidad
Energía, España en el 2004, Máster Dirección de
Empresas de la Universidad Andina en el 2009,
especialidad Finanzas. Actualmente se desempeña
en el cargo de ingeniera de planeamiento eléctrico
en el Operador Nacional de Electricidad, CENACE.
Sus áreas de interés radican en la planificación y
operación de sistemas de potencia.
77
 Echeverría et al. / Identificación de Áreas de Control de Voltaje en el S.N.I. de Ecuador utilizando Minería de Datos
Walter M. Villa Acevedo
Nació en Medellín Colombia.
Ingeniero electricista de la
Universidad de Antioquia,
Colombia. Realizó estudios de
doctorado en la Universidad
Nacional de San Juan, Argentina.
Actualmente es Profesor
Auxiliar en el Departamento de
Ingeniería Eléctrica y investigador del Grupo en Manejo
Eficienciente de la Energía, GIMEL de la Universidad
de Antioquia en Medellín, Colombia. Sus áreas de
interés incluyen compatibilidad electromagnética,
sistemas de puesta a tierra, analisis de transitorios
eleectromagnéticos y estabilidad de tensión en sistemas
de potencia e inteligencia artificial.
78
Jaime Cristóbal Cepeda.-
Nació en Latacunga en 1981.
Recibió el título de Ingeniero
Eléctrico en la Escuela
Politécnica Nacional en 2005
y el de Doctor en Ingeniería
Eléctrica en la Universidad
Nacional de San Juan en 2013.
Entre 2005 y 2009 trabajó en
Schlumberger y en el CONELEC. Colaboró como
investigador en el Instituto de Energía Eléctrica,
Universidad Nacional de San Juan, Argentina y
en el Instituto de Sistemas Eléctricos de Potencia,
Universidad Duisburg-Essen, Alemania entre 2009 y
2013. Actualmente, se desempeña como Subgerente
Nacional de Investigación y Desarrollo de CENACE.
Sus áreas de interés incluyen los sistemas de medición
fasorial, la evaluación de vulnerabilidad en tiempo
real y el desarrollo de Smart Grids.
 Artículo Académico / Academic Paper

Localización de Fallas Mediante la Transformada Wavelet en Líneas de

Transmisión

L. Cruz1 D. Carrión1 A. Riofrio2

Universidad Politécnica Salesiana, UPS
1

E-mail: lcruz@est.ups.edu.ec;dcarrion@ups.edu.ec
2
Operador Nacional de Electricidad - CENACE
E-mail:ariofrio@cenace.org.ec

Resumen Abstract

De forma general, las fallas que afectan a
los Sistemas Eléctricos de Potencia (SEP) se
caracterizan por ser de muy corta duración y tener
grandes variaciones de magnitud. Razones por las
cuales de no tomar acciones correctivas oportunas,
podrían llevar a un colapso completo del sistema
eléctrico. Las fallas en líneas de transmisión son
ocasionadas en su mayoría por inconvenientes de
origen técnico y medio ambiental. En este contexto,
el presente trabajo busca brindar una aplicación
práctica para la Transformada Wavelet enfocada
en la localización de fallas en sistemas eléctricos
y más concretamente en líneas de transmisión,
empleando el método de onda viajera. Para
este fin, se desarrolló un algoritmo en MatLab,
el mismo que recrea y después determina la
distancia en la cual se produjo la falla. Finalmente,
el algoritmo propuesto fue probado en tres casos
reales de fallas suscitadas en el sistema eléctrico
ecuatoriano y los resultados obtenidos muestran
que la herramienta posee un excelente grado de
precisión con respecto a la localización de fallas
con una exactitud promedio del 91% para los
casos simulados.
Generally, failures caused in Electrical Power
Systems (EPS) are characterized to be short
duration and have large magnitude variations,
for this reason if do not take proper corrective
actions, these failures could be able to lead an
entire collapse of the electrical system. Failures in
transmission lines are often produced by technical
and environmental reasons. In this context, the
present paper proposes a practical application
for the wavelet transform with regard to locate
faults in electrical systems, specially applied
on transmission lines by using the principle
of traveling wave. For that, an algorithm was
developed in MatLab, which recreates and next
determines the distance to the failure happened.
Finally, this algorithm has been tested in three real
failure events of the Ecuadorian electrical system,
and the results show that this tool has an excellent
accuracy rate to locate transmission lines failures,
91% in average for the simulations done.

Palabras clave— Capacitancia, inductancia, líneas Index terms— Capacitance, Failure location,
de transmisión, localización de fallas, onda viajera, Frequency, Inductance, Transmission line,
Transformada Wavelet. Traveling wave, Wavelet Transform.

Recibido: 09-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Cruz, L.; Carrión, D.; Riofrío J. (2017) “Localización de Fallas Mediante la
Transformada Wavelet en Líneas de Transmisión”. Revista Técnica “energía”. No. 13, Pp. 79-89
ISSN 1390-5074.

79
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El inconveniente en la delimitación de fallas es tan
antiguo como la industria de la energía. Al comienzo,
la ubicación de fallas en sistemas de transmisión
era hecha directamente, a través de una inspección
visual en la(s) línea(s) [1]electrical vehicles, data
centers, etc. Faulty EES elements, i.e., open-circuited
or short-circuited EES elements, which result in
a shortening of the system lifetime, are inevitable
especially for long-term use of EES systems. Manual
EES element fault detection and elimination incur
significant overhead and require the EES system to
stop operation during the fault detection process.
Therefore, online fault detection and tolerance
methods without manual intervention provide great
benefit in operability of the EES system. Existing
EES system diagnosis techniques have limitations
in that (i[2]. Al momento de inspeccionar una línea
visualmente, inmediatamente sea por tierra o por
aire, resulta siempre en un proceso extremamente
demoroso ya que está sujeto a circunstancias
de la ubicación en campo y a las condiciones
medioambientales del momento. Adicionalmente, la
inspección visual no siempre garantiza que la falla
será encontrada debido a que en muchos casos las
fallas no dejan una evidencia física del suceso. Los
sistemas de transmisión mejor proyectados están
sujetos a que ocurran acontecimientos impredecibles
que pueden llevarlos fuera de los límites planeados
[3]. Cuando uno de estos disturbios ocurre en una
línea, es necesario que los sistemas de protección y
control tomen acciones para prevenir la degradación
del sistema y lo restauren a un estado estable en el
menor periodo de tiempo posible [3][5][6].
Uno de los primeros pasos en el proceso de
rectificación es la localización de la propia falla.
Sin embargo, en varios de los acontecimientos es
extremamente difícil demarcar de una forma directa
donde ocurrió la falla, debido a que las líneas de
transmisión inevitablemente pasan por divisiones
extensas o de difícil acceso, y operan bajo condiciones
ambientales difíciles [7]. Por lo tanto, el plazo
requerido para una inspección física es demasiado
largo. Investigaciones sobre técnicas de delimitación
de fallas demuestran que un método preciso y rápido
se vuelve de gran utilidad y valor práctico en estos
casos [8][9]. Además, la inclusión de métodos de
localización de fallas ayuda a incrementar los índices
de confiabilidad y por ende la calidad de la energía
suministrada por el sistema bajo análisis, más aún si
este cuenta con una alta participación de generación
renovable o generación distribuida [10].
Este artículo busca brindar una alternativa
que ayude a satisfacer las necesidades existentes
de localización de fallas en líneas de transmisión
considerando las características presentes en los
80
sistemas eléctricos modernos. Para ello, se dividió al
artículo en dos secciones, una teórica y otra práctica
o de simulación. La sección teórica muestra una
definición general de la ubicación de fallas mediante
la Transformada Wavelet, así como también un
análisis crítico de los diferentes métodos existentes;
mostrando las ventajas y desventajas de cada uno
de ellos con sus respectivas aplicaciones [11]current
computational methods for the indicators have
noticeable drawbacks with respect to the accuracy.
Wavelet transform-based multiresolution analysis
(WT-based MRA[12]. Mientras que en la sección
práctica o de simulación, se presenta un análisis
comparativo entre los resultados obtenidos para
la distancia de localización de fallas, el tiempo de
duración del evento y la velocidad de propagación
del mismo, al hacer uso del modelo propuesto y
los valores medidos en tiempo real al suscitarse la
falla , para esto se simuló el comportamiento de tres
diferentes líneas de trasmisión del sistema eléctrico
ecuatoriano durante contingencias reales, buscando
de esta forma comprobar la sensibilidad de los
resultados obtenidos ante cambios en la frecuencia de
muestreo de los registros, tal como se sugiere en [13].
2. FUNCIÓN WAVELET
Los orígenes de la función wavelet (FW) se
remontan a 1930, donde ésta surge como una mejora
a los estudios hechos por Joseph Fourier (Series y
Transformada de Fourier) y Alfred Haar en cuanto a
realizar análisis de funciones en más de un dominio.
En este sentido, la FW corresponde a un grupo de
funciones que presentan una buena localización
de oscilaciones tanto en el dominio del tiempo f (t)
como en el de la frecuencia F (s), lo que la hace una
importante herramienta en el análisis de fenómenos
transitorios, no estacionarios y variables en el tiempo
(señales) así como también de aquellos que presenten
discontinuidades. Razón por la cual se vuelve
aplicable a varias ramas de la ingeniería. La Fig.1
muestra los campos de mayor importancia donde FW
es actualmente utilizada.
Figura 1: Áreas de aplicación de la función wavelet
 Cruz et al. / Localización de Fallas Mediante la Transformada de Wavelet en Líneas de Transmisión
2.1. Transformada Wavelet
Esta transformada fue desarrollada como una
opción para pasar los problemas de resolución de la
Transformada de Fourier en tiempo reducido (STFT),
haciendo una buena imagen de una señal tanto en
el dominio del tiempo como el de la frecuencia de
manera simultánea, por lo que el estudio wavelet
representa el subsiguiente paso a la STFT que es
una regla a través de ventanas con demarcaciones de
tamaño variable [14].
Las funciones de la Transformada son generadas
a partir de una representación wavelet básica como
se indica en el esquema de la Fig.2, por medio de
traslaciones (tiempo) y ampliaciones (frecuencia).
Estas funciones son centrales para la reconstrucción
de la función original por medio de la transformada
inversa [14].
Figura 2: Esquema de la Transformada Wavelet
De la siguiente manera es bastante general la
representación de la transformada, la descomposición
de ƒ (t) en un conjunto de interpretaciones ,
que forman una base y son llamadas “wavelets” como
aparece en (1), definida como:
(1)
Las wavelets son generadas a partir de la traslación
y cambio de escala de una misma representación
wavelet , llamada “wavelet madre” [15]. Este
renombre se deriva de dos importantes propiedades
del estudio wavelet y se define en (2) como:
(2)
En la cual, s corresponde al factor de escala y τ es
el factor de traslación como se indica a continuación:
Traslación:
(3)
Cambio de escala:
(4)
Traslación y cambio de escala:
(5)
Existe también la familia denominada
biortonormales, que es utilizada para la reconstrucción
de señales por disponer de una propiedad de fase lineal,
se usa una para la descomposición y otra para la
reconstrucción de cualquier señal propuesta [16].
2.1.1 Wavelet de Haar
Haar expresa en (6) que existen wavelets
definidas por la función:
(6)
2.1.2 Wavelet Morlet
De igual forma existe la ecuación dada por Morlet
que se expresa como una onda compuesta por una
exponencial y consta en (7).
(7)
2.1.3 Wavelet Sombrero Mexicano
La wavelet conocida como sombrero mexicano
constituye la segunda derivada de la función de
distribución Gaussiana definida en (8).
(8)
2.2. Tipos de Transformada Wavelet
Se encuentran definidos dos tipos de transformadas
que se denominan: Transformada Wavelet Discreta
(DWT) y la Transformada Wavelet Continua (CWT),
que a continuación serán nombradas para identificar
cada una de ellas [17].
2.2.1 Transformada Wavelet Continua (CWT)
La Transformada CWT está definida para una
señal en la siguiente expresión (9).
(9)
En (9) se muestra que es la escala y es la
traslación en ambos números reales y es la función
81
 Edición No. 13, Enero 2017
a analizar [18]. De igual manera se aprecia también
que si el coeficiente de escalamiento se hace cero, la
wavelet no existiría y el análisis sería indeterminado
[19].
2.2.2 Transformada Wavelet Discreta (DWT)
Sea la señal a analizar una función discreta,
para este caso la Transformada Wavelet está definida
por (10).
(10)
Donde representa una nueva wavelet discreta
definida en (11) [18].
(11)
3. LOCALIZACIÓN DE FALLAS EN LÍNEAS
DE TRANSMISIÓN
La delimitación rápida de una falla en una línea
de transmisión con una precisión aceptable permite
proceder con las acciones necesarias para restituir
el suministro de energía, disminuyendo de esta
forma el periodo de indisponibilidad y mejorando la
confiabilidad del sistema eléctrico.
3.1. Definición de localización de fallas
Tiempo atrás, la ubicación de fallas era realizada
mediante una inspección visual de la línea en el sitio
del evento. Pero, esta inspección visual se torna
en un proceso complicado debido a la cantidad de
recursos y tiempo necesarios para ello, especialmente
para líneas con longitudes considerablemente largas.
Además, esta búsqueda se encuentra condicionada al
estado del terreno de las zonas de emplazamiento y a
las condiciones medioambientales del momento. Por
otro lado, la inspección visual no siempre asegura
que la falla será encontrada debido a que, en muchos
casos, las fallas no dejan una evidencia física [20].
Los métodos de ubicación de fallas son técnicas
que buscan identificar con la mayor precisión posible,
todas aquellas condiciones no comunes en el sistema,
que desvíen la corriente de la línea de transmisión
provocando fallas al sistema. En la actualidad, estas
técnicas son usadas previo a la inspección visual, a fin
de reducir el área de trabajo a una pequeña sección de
la línea [21].
Según el tipo de dato usado para el análisis, los
métodos de ubicación de fallas pueden ser clasificados
en dos categorías: los que se basan en cálculo de
impedancia y los que se basan en onda viajera. Este
artículo abordará únicamente los métodos basados en
82
onda viajera, mismos que pueden sustentar su análisis
en la Transformada Wavelet.
3.2. Localización de fallas por onda viajera
Los métodos utilizados para la ubicación de
fallas basadas en ondas viajeras, sustentan su
funcionamiento en evaluar el tiempo que le llevará
al frente de onda en propagarse desde el punto de
falla sobre la línea hasta el lugar donde se encuentra
el equipo de medición, generalmente situado en uno
o ambos extremos de la misma. Partiendo de esto,
es posible determinar la distancia alcanzada por el
frente de onda si se conoce la velocidad con la que
ésta viaja [22]. Todos los métodos basados en onda
viajera se caracterizan por tener una rápida respuesta
y alta precisión. Sin embargo, existen también varios
problemas técnicos insuperables como la precisión de
los equipos de medición o la vulnerabilidad de éstos
ante señales externas.
La precisión para ubicar fallas en un SEP depende
en gran medida de la frecuencia de muestreo, ya que
ésta es muy importante para determinar el lugar exacto
del incidente. Debido a que la velocidad a la cuál viaja
la onda sobre la línea es casi la velocidad de la luz,
para alcanzar una alta precisión se vuelve necesario
contar con una frecuencia de muestreo realmente
alta. Por lo que se necesita de equipos complejos y
costosos. Se encuentran varias dificultades para fallas
ocurridas cerca del ángulo cero de la señal de voltaje
debido a que si el voltaje es cero cuando la falla
comienza, entonces no existirá un cambio abrupto en
la continuidad del medio de propagación y será muy
difícil su detección.
Los métodos de detección de fallas son muchos,
sin embargo el método de onda viajera para ubicación
de fallas en SEP presenta una mejor eficiencia y son
aplicables a casos como el que presenta este estudio.
3.3. Análisis de fallas basado en Wavelet
La Transformada Wavelet ha encontrado
aplicaciones diferentes en el área de la ingeniería
como se mostró en la Fig.1 debido a su gran capacidad
de analizar discontinuidades locales en las ondas.
Para el caso puntual de la ingeniería eléctrica y en
particular de los sistemas eléctricos, la Transformada
Wavelet fue aprovechada inicialmente en el campo de
los sistemas de potencia para las descomposiciones
de transitorios electromagnéticos [23].
La aplicación ideal en SEP para esta transformada
es detectar cuando llega el frente de onda al factor
de proporción. Comparando dos de estos lapsos de
llegada, es posible apreciar cuanto tiempo ha viajado
el frente de onda, con lo que se puede saber la etapa
a la falla [24].
 Cruz et al. / Localización de Fallas Mediante la Transformada de Wavelet en Líneas de Transmisión
4. MODELO DE DETECCIÓN DE FALLAS
PROPUESTO
Al momento de suscitarse una falla en las líneas
de transmisión de un SEP el comportamiento de
las ondas de voltaje y corriente sufren variaciones
abruptas caracterizadas por la presencia de picos
crecientes o decrecientes a lo largo de toda su
extensión. Estas variaciones se llevan a cabo en
tiempos muy cortos, generalmente del orden de los
microsegundos o milisegundos [15].
Por lo que su análisis se complica y obliga a la
utilización de herramientas de gran precisión para
poder determinar los puntos exactos de variación.
Como ya se detalló en el apartado anterior del presente
trabajo, la Transformada Wavelet puede ser utilizada
para el tratamiento exhaustivo de señales hasta
llegar a conocer sus componentes fundamentales.
En el campo específico del análisis de fallas, esta
información resulta útil para la determinación
exacta del tiempo de suceso de la falla y por ende
de la distancia aproximada en dónde se pudo haber
presentado esta. Tomando como base esto, se ha
desarrollado un modelo de aplicación de fallas
basado en la Transformada Wavelet que incluye una
interface gráfica para la detección de fallas aleatorias
en MatLab, mismo que va ser descrito con detalle a
continuación.
4.1. Algoritmo de detección de fallas propuesto
Con la finalidad de facilitar la comprensión
del modelo de ubicación de fallas propuesto, se
ha dividido la explicación de las acciones que éste
realiza en los pasos del siguiente algoritmo:
Paso 1: en esta sección, se busca parametrizar la
línea de transmisión (L.T) a ser estudiada, para esto
es importante considerar los parámetros mostrados en
la Fig. 3, y que corresponde al circuito equivalente de
una L.T.
Figura 3: Circuito equivalente de una línea de transmisión
Donde R es la resistencia de la L.T, misma que
se vuelve despreciable para longitudes largas como
aquellas que serán analizadas a continuación, XL
corresponde a la inductancia y XC a la capacitancia.
Los valores de capacitancia e inductancia son
propios y característicos del tipo de línea a ser
estudiada, adicional a éstos es necesario también
conocer los valores de voltaje y frecuencia del SEP
en el cual trabaja la L.T. Por esta razón, estos valores
deben ser ingresados por teclado a través de una
interfaz gráfica desarrollada especialmente para este
modelo.
Paso 2: en esta parte del modelo propuesto, se
busca emular el comportamiento de las señales de
voltaje o corriente durante el suceso de una falla
aleatoria, es decir, sin importar su origen (técnico
o ambiental), y que afecta a un SEP. Para ello el
algoritmo presenta dos opciones, la primera es
ingresar directamente los datos al entorno de MatLab
mediante una estructura matricial, esto será posible
si se tiene acceso a los sistemas de medición. La
segunda y la cual fue empleada para las simulaciones
detalladas en el siguiente apartado es utilizar la
herramienta de MatLab llamada “Grabit” que
permite extraer los datos de cada uno de los puntos
que conforman una curva. Adicionalmente, para la
simulación de fallas aleatorias se considerado según
lo expuesto en [25], que la frecuencia de muestreo
debe ser de al menos 1 MHz y también que ésta
pueda ser fácilmente modificada en el código de
programación con la finalidad de adaptar el algoritmo
propuesto a diferentes casos de estudio.
Paso 3: una vez construida la forma de la señal
de voltaje o corriente que incluye a la falla transitoria
producida en la L.T, utilizando la Transformada
Wavelet para la ubicación de la misma, en base al
cálculo de los tiempos de llegada de los frentes de
onda según (12) [25].
(12)
Donde es la distancia a la falla, y son
inductancia y capacitancia respectivamente de la
L.T, son los tiempos de llegada de los dos
primeros frentes de onda consecutivos dados para
el mismo terminal de línea, también se calcula la
velocidad de propagación de la onda (V) durante el
evento de falla mediante la expresión (13) [26].
(13)
En esta aplicación se utilizó el comando wavedec,
mismo que permite un análisis unidimensional
multinivel mediante la descomposición de la señal
en altas y bajas frecuencias a través del uso de filtros
pasa bajos y altos [27]. Este proceso es llevado a cabo
un número finito de veces hasta llegar a encontrar la
83
 Edición No. 13, Enero 2017

perturbación en la señal, para el algoritmo propuesto 5. ANÁLISIS DE RESULTADOS

se ha utilizado cuatro filtros. La Fig. 4 sintetiza el
proceso realizado por esta herramienta.
Figura 4: Descomposición de señales para análisis realizado
por el comando wavedec, a) muestreo completo de señal y b)
muestreo reducido con coeficientes wavelet
Paso 4: finalmente la interfaz gráfica muestra los
resultados obtenidos, así como también las gráficas
de la señal de voltaje o corriente con la falla aleatoria
reconstruida y otra con el detalle de la magnitud de la
falla y el tiempo total en el cual ésta ocurre, entre los
extremos de la línea en análisis. La Tabla 1 contiene
el algoritmo propuesto de manera detallada.
Tabla 1: Algoritmo para Ubicación de Fallas con
Transformada Wavelet
Inicio
Paso 1: Parametrización de la L.T. a ser analizada.
Con la finalidad de verificar la precisión y la
viabilidad de uso del modelo propuesto, se lo validó
en la determinación de la distancia de falla para tres
casos reales de contingencias suscitadas en líneas
de transmisión que conforman el Sistema Nacional
Interconectado (SNI) del Ecuador, para esto se tomó
como referencia los datos de medición en tiempo
real proporcionados por el Operador Nacional
de Electricidad (CENACE) y que constan en los
respectivos informes de falla de cada contingencia
En la Fig.5 se muestra la ubicación geográfica de las
L. T utilizadas para la verificación.
Esta sección está dividida en tres apartados que
corresponde a cada una de las simulaciones de las L.T.
tomadas como base para el estudio. Es importante
mencionar que las fallas replicadas a continuación
son unifilares y por esta razón el análisis se lo ha
hecho solo en la fase afectada.

Paso 2: Datos de entrada para L.T. y sistema eléctrico.

lLT =Longitud de L.T. [km] Vsis=Voltaje del Sistema [V]
ILT =Inductancia de L.T. [H/km] fsis=Frecuencia del Sistema
CLT=Capacitancia de L.T. [F/km] [Hz]
Paso 3: Salidas.
Senal= Señal del sistema fo2= frente de onda 2
tiempo_falla= Tiempo de falla v= Vel. Propagación onda
senal(tiempo_falla)= Señal de falla tdon= Tiempo de propagación
fo1= frente de onda 1
Paso 4: Reconstrucción de la señal con falla transitoria.
Si: hay acceso a datos
[num,text]=xlsread(Archivo,Hoja,Rango)
Plot (num,text
Caso contrario:
function grabit(fname)
Senal=[fname]
Plot (senal)
Fin si.

Paso 5: Ubicación de falla con Transformada Wavelet.

[c,l]=wavedec(senal,2,’db4’) Figura 5: Emplazamiento geográfico de las líneas de

fo1=wrcoef(‘d’,c,l,’db4’,1) trasmisión a ser estudiadas
fo2=wrcoef(‘d’,c,l,’db4’,2)
Paso 6: Detección del tiempo de falla. 5.1. Caso 1
[valor,t1]= max(fo1)
[valor,t2]= max(fo2) En este caso se consideró una falla presentada en
Paso 7: Calculo de la velocidad de falla. la línea Milagro – Zhoray de 230 [kV], cuyo trayecto
va desde el límite fronterizo de las provincias de
v=1/( ILT * CLT).^(1/2)
tdon= lLT /v Azuay y Morona Santiago hasta la provincia del
Paso 8: Gráfica de resultados. Guayas con una distancia total de 120,8 km. La Tabla
Fin 2 muestra los datos propios de esta L.T.

84
 Cruz et al. / Localización de Fallas Mediante la Transformada de Wavelet en Líneas de Transmisión

Tabla 2: Datos eléctricos de la L.T. a ser modelada – Caso 1 Tabla 3: Resultados localización de falla – Caso 1
Datos Valores Resulta- Valores
% de
dos calcu- medidos por
Frecuencia [Hz] 60 exactitud
lados CENACE
Inductancia [H/km] 0,15e-3 Distancia detección
18,79 20,93 89,76%
de falla [km]
Capacitancia [F/km] 6,29e-3
Tiempo de falla [s] 0,06902 0,07335 94,10%
Longitud [km] 120,8
Velocidad propaga-
1 029,51 - -
ción [km/s]
La reconstrucción de la señal de voltaje durante la
contingencia para esta L.T. haciendo uso del paso 4 5.2. Caso 2
del algoritmo propuesto aparece en la Fig. 6. Mientras,
que en la Fig. 7 se aprecia una ampliación de la falla Para este caso se replicó una falla transitoria
aleatoria recreada para este caso. Aquí se ha marcado generada en la L.T. Molino - Pascuales con un nivel
con una línea continua de color magenta el momento de voltaje de 230 kV y una longitud de 188,5 km,
del despeje de la falla en el sistema analizado. comprendida desde la provincia del Azuay hasta la
provincia del Guayas. En la Tabla 4 se presentan los
En la Tabla 3 se encuentran sintetizados los datos característicos utilizados para ésta línea.
resultados obtenidos al aplicar la Transformada
Tabla 4: Datos eléctricos de la L.T. a ser modelada – Caso 2.
Wavelet para la localización de fallas, el tiempo de
Datos Valores
duración y la velocidad de propagación. De igual
forma, se pueden apreciar los resultados medidos por Frecuencia [Hz] 60
los equipos de protección de esta línea en el instante Inductancia [H/km] 0,24e-3
de la falla, además del porcentaje de precisión entre Capacitancia [F/km] 4,16e-3
los valores calculados gracias al modelo propuesto Longitud [km] 188,5
y los valores reales. Para este caso la herramienta
presenta una precisión del 89,76% en cuanto a la Las Fig. 8 y Fig. 9 muestran la simulación y
localización de la falla y un 94,19% en relación a la reconstrucción de la señal de voltaje con la inclusión
duración de la misma. de la falla y el detalle de esta respectivamente. Al
igual que en el caso simulado anteriormente, se
utilizó una línea de color magenta para identificar el
momento de finalización de la falla.

Figura 6: Reconstrucción señal de voltaje durante falla

aleatoria – Caso 1

Figura 8: Reconstrucción señal de voltaje durante falla

aleatoria – Caso 2

Figura 7: Detalle de falla aleatoria – Caso 1

85
 Edición No. 13, Enero 2017

parámetros eléctricos utilizados para la simulación de

ésta línea aparecen resumidos en la Tabla 6.
Tabla 6: Datos eléctricos de la L.T. a ser modelada – Caso 3
Datos Valores

Frecuencia [Hz] 60
Inductancia [H/km] 0,27e-3
Capacitancia [F/km] 3,73e-3
Longitud [km] ≈ 300

En la Fig. 10 se muestra el comportamiento de

la señal de voltaje reconstruida durante el estado de
falla. Mientras que la Fig. 11 muestra una ampliación
Figura 9: Detalle de falla aleatoria – Caso 2
del suceso recreado y al igual que en los casos
Para este caso, los resultados obtenidos indican anteriores se han marcado con la línea continua de
que en cuanto a la detección de la distancia de falla color magenta el fin de la contingencia bajo análisis.
la herramienta diseñada tuvo una precisión del 90,92
% y un 95,71 % en relación al tiempo. Los resultados
para este caso de simulación se encuentran en la
Tabla 5.
Tabla 5: Resultados localización de falla – Caso 2
Valores me-
Resultados % de
didos por
calculados exactitud
CENACE
Distancia detec-
18,73 20,60 90,92%
ción de falla [km]
Tiempo de falla 0,06007 0,06276 95,71%
[s]
Velocidad propa-
1 000,80 - -
gación [km/s]
Figura 10: Reconstrucción señal de voltaje durante falla
5.3. Caso 3 aleatoria – Caso 3

Para el último caso de simulación, se analizó

una falla transitoria generada en el circuito número
cuatro de la L.T. Pomasqui – Jamondino, la cual
tiene un voltaje nominal de 230 kV y recorre una
distancia total de 212,2 km desde la provincia de
Pichincha en Ecuador hasta el departamento de
Nariño en Colombia, distancia que se encuentra bajo
concesión y supervisión de las entidades eléctricas
ecuatorianas. Esta línea se caracteriza por ser una
de las más largas del sistema eléctrico ecuatoriano
y de vital importancia dentro de las transacciones Figura 11: Detalle de falla aleatoria – Caso 3
internacionales de energía eléctrica (TIE).
Los resultados obtenidos para este caso de
Para el caso puntual de está simulación y
simulación aparecen en la Tabla 7, dónde se observa
considerando que la falla recreada tuvo su origen en que la herramienta calculó la distancia del evento con
el sistema eléctrico colombiano, se decidió extender un 92,47 % de precisión, mientras que en cuanto al
la longitud de la L.T. aproximadamente a 300 km tiempo de duración de la falla lo hizo con un 93,95
para mejorar el grado de exactitud en la localización % de exactitud.
del percance. Considerando este particular, los

86
 Cruz et al. / Localización de Fallas Mediante la Transformada de Wavelet en Líneas de Transmisión
Tabla 7: Resultados localización de falla – Caso 3
Valores
Resultados % de
medidos por
calculados exactitud
CENACE
Distancia detec-
228,31 246,90 92,47%
ción de falla [km]
Tiempo de falla [s] 0,07480 0,07962 93,95%
Velocidad propa-
gación [km/s]
996,47 - -
6. CONCLUSIONES Y RECOMENDACIONES
Este artículo presenta una aplicación práctica de la
Transformada Wavelet, aplicándola en la localización
de fallas en líneas de trasmisión, buscando de esta
forma brindar una nueva herramienta para el análisis
de contingencias.
Herramientas como las propuestas en el presente
trabajo se presentan como una gran ayuda y brindan
una opción extra de verificación. Que pueden ser
utilizadas como un complemento a las herramientas
de análisis que poseen los sistemas de protección,
con los que cuentan las empresas del sector eléctrico,
especialmente en las etapas de análisis post operativo.
De los casos de estudio planteados, se puede
concluir que el algoritmo propuesto alcanza una
mayor precisión en L.T. de mayor longitud, por lo que
se recomienda su aplicación en aquellas que tengan
una distancia mayor o igual a los 180 km.
Si bien la herramienta propuesta tiene una
precisión promedio igual al 91,05% en cuanto a la
localización de fallas para los casos simulados,
es importante mencionar que estos resultados no
pueden ser tomados como definitivos, razón por la
cual es recomendable realizar una comparación de
estos con otros software de análisis de contingencias
y para casos prácticos lo ideal sería confirmar los
resultados obtenidos con visitas de personal técnico
especializado al lugar del evento.
Por otro lado, se ha podido demostrar que la
Transformada Wavelet constituye una herramienta
interesante en cuanto al análisis y reconstrucción de
señales eléctricas. Además, como se mostró en este
trabajo es conveniente realizar un análisis utilizando
un número igual o superior a 4 filtros pasa altos y
bajos con la finalidad de tener una buena resolución
de análisis.
En cuanto a trabajos futuros, sería interesante
estudiar la aplicación el desempeño de la herramienta
wavelet aplicada en otro tipo de contingencias que
pueden presentarse en sistemas eléctricos, así como
también su aplicación en sistemas de monitoreo en
tiempo real.
AGRADECIMIENTOS
Los autores de este trabajo desean manifestar su
más sincero y profundo agradecimiento al Operador
Nacional de Electricidad (CENACE), en especial a
la Unidad de Análisis de Eventos por la información
facilitada para su desarrollo y de igual forma a la
Universidad Politécnica Salesiana (UPS) por las
facilidades prestadas durante su ejecución.
REFERENCIAS BIBLIOGRÁFICAS
[1] Y. Wang, L. Xue, M. Pedram, and C. Naehyuck,
“Online Fault Detection and Fault Tolerance in
Electrical Energy Storage Systems,” PES Gen.
Meet. | Conf. Expo. 2014 IEEE, pp. 1–5, 2014.
[2] A. Aguila, D. Carrión, and L. Ortiz, “Analysis
of power losses in the asymmetric construction
of electric distribution systems,” IEEE Lat. Am.
Trans., vol. 13, no. 7, pp. 2190–2194, 2015.
[3] R. A. Keswani, “Identification of fault in HVDC
converters using wavelet based multi-resolution
analysis,” Proc. - 1st Int. Conf. Emerg. Trends
Eng. Technol. ICETET 2008, vol. 16, no. 4, pp.
954–959, 2008.
[4] P. F. Gale, J. Stokoe, and P. A. Crossley, “Practical
Experience With Travelling Wave Fault Locators
on Scottish power’s 275 & 400 kv transmission
system,” pp. 192–196, 1993.
[5] E. Inga, D. Carrión, A. Aguila, E. García,
R. Hincapié, and J. W. González, “Minimal
Deployment and Routing Geographic of PMUs
on Electrical Power System based on MST
Algorithm,” IEE Lat. Am. Trans., vol. 14, no. 5,
pp. 2264–2270, 2016.
[6] D. Carrión, E. Inga, J. W. Gonzalez, and R.
Hincapié, “Optimal Geographical Placement of
Phasor Measurement Units based on Clustering
Techniques,” in 51st International Universities’
Power Engineering Conference, 2016.
[7] J. Da Silva, F. Costa, and E. Santos, “High
Impedance Fault Location – Case Study Using
Wavelet Transform And Artificial Neural
Networks,” 22nd Int. Conf. Electr. Distrib., vol.
5, no. 663, pp. 10–13, 2013.
[8] L. J. Lewis, “Traveing Wave Relations Power-
System Fault Locators,” IEEE Journals Mag.,
vol. 70, no. 2, pp. 1671–1680, 1951.
[9] C. Cueva and D. Carrión, “Modelación para la
localización de fallas en líneas de transmisión
de doble circuito,” Universidad Politécnica
Salesiana, 2015.
87
 Edición No. 13, Enero 2017
[10] A. Riofrio, D. Carrión, and D. Vaca, “Propuesta
de Modelo de Operación Aplicado a Micro Redes
Fotovoltaicas en Generación Distribuida,” Rev.
Técnica Energía, vol. 12, no. ISSN 1390-5074,
pp. 216–229, 2016.
[11] W. Gao and J. Ning, “Wavelet-Based Disturbance
Analysis For Power System Wide-Area
Monitoring,” IEEE Trans. Smart Grid, vol. 2, no.
1, pp. 121–130, 2011.
[12] L. Cruz and D. Carrión, “Aplicación de la
Transformada de Wavelet para ubicación de fallas
en sistemas eléctricos de potencia,” Universidad
Politécnica Salesiana, 2016.
[13] H. Livani, S. Member, and C. Y. Evrenosoglu,
“A Traveling Wave Based Single-Ended Fault
Location Algorithm using DWT for Overhead
Lines Combined with Underground Cables,”
IEEE PES Gen. Meet., pp. 4–9, 2010.
[14] F. B. Costa, B. A. Souza, S. Member, and N. S. D.
Brito, “Real-Time Classification of Transmission
Line Faults Based on Maximal Overlap Discrete
Wavelet Transform,” pp. 1–8, 2012.
[15]
E. Bashier, M. T. Orner, and A. I. Aziz,
“Transmission Line Faults Detection,
Classification and Location using Artificial
Neural Network,” pp. 1–5, 2012.
[16] N. Moslemi and D. JALALI, “Fault Location
for Radial Distribution Systems Using Fault
Generated High-Frequency Transients and
Wavelet Analysis,” 18th Int. Conf. Electr.
Distrib., no. June, pp. 1–4, 2005.
[17]
T. Patcharoen, A. Ngaopitakkul, and A.
Kunakorn, “Identification of fault types for a
three-bus transmission network using discrete
Wavelet Transform and Probabilistic Neural
Networks,” pp. 1579–1584, 2007.
[18] X. Gu, “Wavelet Transform Based Approach to
Harmonic Analysis,” 2011.
[19] S. Yunhui and R. Qiuqi, “Continuous Wavelet
Transforms,” Proc. 7th Int. Conf. Signal Process.
2004. Proceedings. ICSP ’04. 2004., vol. 1, pp.
207–210, 2005.
[20] P. Jun, S. Wenxia, T. Jun, and Z. Jun, “Fault
location for transmission line based on traveling
waves using correlation analysis method,” 2008
Int. Conf. High Volt. Eng. Appl., pp. 681–684,
2008.
[21]
M. B. Dewe, S. Sankar, and J. Arrillaga,
“Application of satellite time references to
88
HVDC fault location,” IEEE Trans. Power
Deliv., vol. 8, no. 3, pp. 1295–1302, 1993.
[22] L. Zewen, H. Huanhuan, D. Feng, Z. Xiangjun,
and Y. Kun, “Power grid fault traveling wave
network location method,” Conf. Rec. - IAS
Annu. Meet. (IEEE Ind. Appl. Soc., pp. 1–6,
2013.
[23] O. I. Camps, J. S. Mayer, and W. B. Gish,
“Wavelets And Electromagnetic Power System
Transients,” vol. 11, no. 2, pp. 1050–1058, 1996.
[24] P. K. Murthy, J. Amarnath, S. Kamakshiah, and
B. P. Singh, “Wavelet Transform Approach for
Detection and Location of Faults in HVDC
System,” IEEE Reg. 10 Colloq. 3rd Int. Conf.
Ind. Inf. Syst. ICIIS 2008, pp. 6–11, 2008.
[25] L. De Andrade and T. P. De Leão, “Fault Location
for Transmission Lines Using Wavelet,” vol. 12,
no. 6, pp. 1043–1048, 2014.
[26]
V. K. Gupta and D. N. Vishwakarma,
“Transmission Line Fault Location using
Traveling Wave,” Int. J. Invent. Reasearch, Eng.
Sci. Technol., vol. 1, no. 1, pp. 24–28, 2014.
[27] S. Mallat, “A Theory for Multiresolution Signal
Decomposition: The Wavelet Representation,”
IEEE Trans. Pattern Anal. Mach. Intell., vol. 11,
no. 7, pp. 674–693, 1989.
Luis Rubén Cruz Andaluz.-
Nació en Quito en 1988.
Recibió su título de Ingeniero
Eléctrico de la Universidad
Politécnica Salesiana (UPS)
en 2016. Al momento, se
desempeña como Ingeniero
de diseño en Grupo Synergy
E&P Ecuador. Sus campos
de investigación están relacionados con el diseño de
circuitos para la Industria Petrolera y el estudio de
estabilidad de sistemas eléctricos.
Diego Francisco Carrión
Galarza.- Nació en Quito en
1981. Sus estudios superiores
los realizó en la Universidad
Politécnica Salesiana,
obteniendo el título de Ingeniero
Eléctrico en 2010. Actualmente,
se encuentra cursando sus
estudios de Doctorado en la
Universidad Pontificia Bolivariana – Medellín, Colombia.
Su campo de investigación se encuentra relacionado con
 Cruz et al. / Localización de Fallas Mediante la Transformada de Wavelet en Líneas de Transmisión

el análisis de Sistemas de Transmisión de Electricidad

en Alto Voltaje y las Redes Inteligentes. Es profesor de
la Universidad Politécnica Salesiana – Sede Quito y
miembro del Grupo de Investigación en Redes Eléctricas
Inteligentes – GIREI.

Augusto Jonathan Riofrio

Trujillo.- Nació en Quito
D.M en 1990. Recibió
su título de Ingeniero
Eléctrico de la Universidad
Politécnica Salesiana (UPS)
en 2015. Se ha desempeñado
como Analista Técnico
en el Instituto Nacional
de Eficiencia Energética y Energías Renovables
(INER) y actualmente ejerce el cargo de Ingeniero
de Liquidación y Facturación de energía eléctrica en
la Gerencia Nacional de Transacciones Comerciales
del Operador Nacional de Electricidad (CENACE).
Sus intereses investigativos están relacionados
con el desarrollo de herramientas para la seguridad
de Sistemas Eléctricos de Potencia, pérdidas en
Sistemas de Trasmisión de Electricidad, Energías
Renovables especialmente Fotovoltaica, Micro redes
de generación e inclusión de fuentes renovables para
generación de electricidad en sistemas eléctricos
convencionales.

89
 Aplicación Práctica / Practical Issues

Método Heurístico de Ubicación Óptima de Centros de

Transformación y Enrutamiento de Redes Eléctricas de Distribución

D. Carrión1 E. García1 J. W. González2 I. A. Isaac2 G. J. López2 R. Hincapié2

1
Universidad Politécnica Salesiana
E-mail: dcarrion@ups.edu.ec; egarcia@ups.edu.ec
2
Universidad Pontificia Bolivariana, Medellín, Colombia
E-mail: jorgew.gonzalez@upb.edu.co; idi.isaac@upb.edu.co; gabriel.lopez@upb.edu.co;
roberto.hincapie@upb.edu.co

Resumen Abstract

La expansión de las redes eléctricas por el
continuo crecimiento urbanístico genera
inconvenientes al momento de la planificación
de las mismas y aún más cuando se toma en
consideración las diferentes políticas en cuanto a
que las redes de distribución no deben afectar al
urbanismo, siendo el caso de las redes soterradas.
En el presente trabajo se plantea la solución al
problema de ubicación de transformadores de
distribución para cierta cantidad de usuarios en
una zona determinada mediante una heurística de
ubicación óptima, considerando minimizar costos
de conectividad en la red de distribución hacia una
subestación eléctrica; así como también el costo de
interconexión con la red de transmisión eléctrica
y capacidad de transformadores. La heurística
considera k-means como la alternativa para
dividir a los usuarios y ubicar los transformadores
de distribución, luego mediante análisis de
distancias y costos mínimos se logra determinar
la mejor ubicación de la subestación y mediante
el uso de Steiner Tree se logra generar la línea
de distribución que une los transformadores y
la subestación. El mismo criterio se usa para la
conexión de la subestación al punto de enlace con
la red de transmisión. Al finalizar la simulación se
logró establecer las ubicaciones óptimas de cada
elemento constituyente de la red eléctrica.
The expansion of electricity networks by the
continued urban growth creates problems when
planning them and even more when taking
into account the different policies regarding
the distribution networks should not affect
the planning, being the case the underground
networks. In This paper the solution to the problem
of distribution transformer location for a Certain
amount of users in GIVEN area was proposed by a
heuristic optimal location, Considering minimize
connectivity costs in the distribution network
to an electrical substation; as well as the cost of
interconnection to the electricity transmission
network and power transformers capacity.
K-means is consider by the heuristic model as the
best alternative to divide the users and locate the
distribution power transformers, after between
the distances comparison and the minimal cost
is achieved determine the best location of the
substation and using Steiner Tree is achieved
by generating the line linking distribution and
substation transformers. The same idea is used to
connect the substation to the point of connection
to the transmission network. After the simulation
is able to establish the optimum locations of each
network element.

Palabras clave— Heurística, Minimización de Index terms— Cost minimization, Distribution

costos, Planeación eléctrica, Redes de distribución, networks, Electrical planning, Heuristic, Power
Transformadores de distribución. Transformers

Recibido: 09-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Carrión, D.; García, E.; González, J.; Isaac, I.; López, G.; Hincapié, R. (2017).
“Método Heurístico de Ubicación Óptima de Centros de Transformación y Enrutamiento de Redes Eléctricas
de Distribución”. Revista Técnica “energía”. No. 13, Pp. 90-96
ISSN 1390-5074.

90

1. INTRODUCCIÓN
Los sistemas de distribución de energía están
directamente relacionados con el usuario final,
estos sistemas tienen como principio fundamental
mantener altos niveles de calidad y confiabilidad
en el suministro de la energía entregada frente a las
necesidades crecientes de la población [1]–[5].
Los sistemas eléctricos operan como un todo,
pero dada la cantidad de elementos y la magnitud de
los cálculos necesarios para el análisis es conveniente
dividir el sistema eléctrico en varios subsistemas o
categorías para lograr simplificaciones en su manejo.
El número de divisiones dependerá de la complejidad
del sistema y de la información disponible. Es
frecuente considerar las siguientes divisiones, ya que
ellas presentan ciertas características comunes. Así
se puede dividir al sistema eléctrico en: Generación,
Transmisión y Distribución (Fig. 1) [6].
Figura 1: Sistema Eléctrico con consideración de crecimiento
urbanístico
Debido a las exigencias y a la sensibilidad de las
cargas que existen actualmente, este trabajo presenta
algunas propuestas que las empresas de distribución
podrían implementar para mejorar la calidad del
servicio e influenciar de manera positiva en la
confianza de los abonados. La metodología utilizada
en primer lugar es la ubicación de los centros de
carga en plano el cual podría ser georreferenciada,
para luego proceder a determinar la capacidad dela
subestación que alimentará a dichas cargas, esta
capacidad dependerá la cantidad de usuarios que se
entregará el servicio, tercero se procede a realizar
la implementación del algoritmo para la ubicación
de estas subestaciones y el diseño del trazado de las
líneas de distribución y por último se determina la
ruta idónea del primario de alimentación.
Edición No. 13, Enero 2017
En [7] se analiza la ubicación de generación
distribuida mediante k-means que es una técnica de
clusterización, en la cual se considera el crecimiento
de la demanda y la no saturación de las redes eléctricas
ya existentes y mediante agrupación encuentra la
ubicación de las diferentes fuentes de generación,
criterio que puede ser usado para la localización de
centros de transformación. En [8] se usa el algoritmo
de Branch and Bound para generar el enrutamiento
de las redes de distribución en el cual se consideran
criterios técnicos y económicos, el diseño de la red
propuesto busca minimizar el costo de la red al igual
que las pérdidas mediante MINLP.
En [9] se desarrolla una heurística que soluciona el
problema de los árboles de distribución encontrando
una solución para la topología cuasi óptima de la red,
aproximándose al comportamiento del análisis de los
árboles mínimos de Steiner, lo cual es un problema de
optimización combinatoria [10]–[12].
En la presente investigación se propone el
enrutamiento del sistema eléctrico bajo análisis, el
cual se lo realiza planteando una heurística la que
considera en su desarrollo k-means como la técnica de
agrupamiento de los barrios, steiner tree para realizar
el tendido de los conductores y mediante búsqueda
inteligente la heurística delimita los parámetros
técnicos y económicos buscando un mínimo cuasi
óptimo.
En adelante este artículo se organiza de la siguiente
manera: en la sección II se explica el problema
planteado y la metodología con la que se resuelve
mediante k-means y Steiner Tree, en la sección III se
presenta el análisis de resultados y en la sección IV
finalmente concluimos este artículo.
2. PLANTEAMIENTO DEL PROBLEMA
Se considera como caso de estudio el crecimiento
urbanístico de una ciudad, lo cual afecta directamente
al sistema eléctrico de potencia, en especial a la
red de distribución. Se parte de la hipótesis que
una urbanización está siendo construida con N
usuarios (1). La distribución de los barrios se lo hace
considerando un plano coordenado XY y para que el
modelo planteado sea genérico la ubicación de cada
edificación se la realiza de manera aleatoria.
(1)
Donde representa la iésima coordenada en el eje
X, representa la iésima coordenada en el eje Y y n
representa la cantidad de usuarios a incrementar.
91
 Carrión et al. / Método Heurístico de Planeación Óptima para el Diseño de Redes Eléctricas

También se supone que para cubrir las

necesidades eléctricas se deben colocar M centros
de transformación que den servicio a los diferentes
usuarios. Para realizar el tendido de la red de media
tensión se debe considerar cuidadosamente criterios
técnicos y económicos de tal manera que se ubique
los centros de transformación en sitios donde el costo
de implementación sea el mínimo y la capacidad
instalada no sea inferior a la carga.
Para encontrar la solución al problema de
ubicación óptima de centros de transformación se
plantea usar la técnica de clusterización de k-means
considerando la capacidad de cada centro de
transformación, para lo cual se usa lo planteado en
el Algoritmo 1. En la tabla I se detalla las variables
empleadas en los algoritmos de ubicación de centros
de transformación en el universo de estudio.
Tabla 1: Notaciones
Símbolo Descripción
Número de Usuarios
Capacidad del Transformador
Costo de la Subestación
Costo de la Línea de transmisión
Usuario del sistema
Posición en X
Posición en Y
Conjunto de vértices y enlaces
(2)
Donde representa la distancia
cuadrática euclidiana, representa el punto inicial,
representa el punto final y representa la
cantidad de elementos del universo a estudiar.
El algoritmo una vez que converge, no quiere
decir que el punto seleccionado sea el mínimo. Esto
se debe a que el algoritmo es una heurística de un
problema no convexo y converge en un mínimo local.
El algoritmo finaliza cuando los valores no cambian
de una iteración a la siguiente. Para la selección de
los clusters existen dos metodologías la partición
randómica y el método de Forgy (Algoritmo 1).
Una vez localizado la ubicación correcta de
las subestaciones se advierte la necesidad de un
enrutamiento considerando el costo más bajo para el
enlace con cable hacia los centros de carga. Además
se debe tener en cuenta el enlace que se genera entre
la subestación de distribución y la subestación de
subtransmisión, de la misma manera este enlace es el
mínimo costo, y por último el costo del enlace hacia
el sistema de transmisión de energía, de esta manera
se tienen así todos los costos para la instalación del
sistema.
Algoritmo 1 Algoritmo k-means
Paso 1: Inicialización del centro de los clusters

Posibles lugares para los centros de control

Distancia de enlace (i, j) Paso 2: Selección centroide más cercano a cada elemento:

Número de transformadores
Paso 3: Establecer los elementos de cada cluster
Ubicación de los usuarios

Sitios disponibles

Solución
Paso 4: Repetir desde los pasos 2 y 3 hasta converger
Para ubicar de manera uniforme los
transformadores de distribución se plantea el uso de Para realizar el enrutamiento de las líneas de
distribución y el enlace con el sistema de transmisión
k-means como técnica de agrupamiento, k-means
se realiza aplicando un árbol mínimo de expansión
es una técnica en la cual todas las variables son
basado en la heurística Steiner Tree, con lo cual se
cuantitativas y la distancia cuadrática euclidiana (2)
obtiene la ruta óptima considerando la no generación
es la que difiere entre cada uno de los elementos. Los de lazos [17][18].
elementos que tienen distancia cuadrática euclidiana
mínima y similar a un solo objeto llegan a formar parte
de un cluster, estos elementos tienen un centroide,
que no es más que el centro de distancias menores a
cada elemento del cluster [13]–[16].

92
 Edición No. 13, Enero 2017

Algoritmo 2 Ubicación óptima de centros de transformación Paso 3: Ubicación subestación de distribución

Paso 1: Entradas:

Salidas:

Paso 2: Inicialización:

Paso 4: Alimentación subestación de distribución

Paso 3:

Paso 4:

Paso 5: Retorna

3. ANÁLISIS DE RESULTADOS

Se planteó un escenario en el cual se ubican los

20 barrios y los 80 sitios candidatos en los cuales se
Paso 5: Retorna puede ubicar los transformadores de distribución,
Algoritmo 3 Ubicación óptima de la subestación de distribu- sobre dicho escenario se aplica algoritmo 2 con el cual
ción y alimentación se ubica los centros de transformación respetando
Paso 1: Entradas: los criterios de mínimo costo, mínima distancia y
capacidad de los transformadores. Se considera que
la demanda de cada usuario es una unidad de potencia
y cada centro de transformación soporta como
Salidas: máximo siete unidades de potencia. La heurística se
basa en una búsqueda inteligente considerando las
restricciones asignadas, con lo que encuentra una
Paso 2: Inicialización: solución casi óptima.
Ubicación de transformadores Una vez identificado la ubicación de los centros
de transformación en el plano XY que se lo considera
como universo de estudio se aplica el algoritmo 3,
dicho algoritmo realiza el enrutamiento de los centros
de transformación hacia una subestación y de esta
última hacia el punto de enlace con el sistema de
transmisión del cual se toma la cantidad de energía
requerida por los usuarios. En la Fig. 2 se puede
apreciar el resultado de lo estipulado.

93
 Carrión et al. / Método Heurístico de Planeación Óptima para el Diseño de Redes Eléctricas
Figura 2: Ubicación óptima de los centros de transformación
y red de distribución
La ejecución de la heurística planteada permite
realizar la búsqueda de la menor distancia entre
la posible ubicación de la subestación y los
consumidores, lo que se representa en la Fig. 3.
La Fig. 3 demuestra el comportamiento de
búsqueda inteligente de la heurística planteada
para cada uno de los tres cluster obtenidos de la
capacidad de carga que cada uno de ellos puede
tener, una vez encontrado la distancia mínima sin
sobrepasar capacidad de potencia se determina como
el lugar óptimo de instalación de la misma, además
se procede a realizar las conexiones entre los centros
de transformación y la subestación de distribución,
el criterio de ubicación física de la subestación de
distribución es exactamente el mismo que el usado
para ubicar los centros de transformación.
La variabilidad de las distancias encontradas
de las tres subestaciones a cada grupo de clientes y
determinando cuál es la mayor y la menor distancia
se compara entre las tres y se obtiene que es de 3%,
lo que implica que los sistemas están equilibrados
en sus distancias y elementos repartidos, como se
representa en la Fig. 4.
Figura 3: Respuesta de la búsqueda del costo y distancia
mínima para la ubicación de la S/E
94
Figura 4: Rango de variación entre la distancia mínima y
máxima de cada cluster
4. CONCLUSIONES Y RECOMENDACIONES
En el presente trabajo se implementó una heurística
la cual es capaz de determinar al menor costo la
ubicación de las subestaciones de distribución junto
a las cargas de los usuarios de acuerdo a la capacidad
que esta pueda abastecer, además tomando encuentra
el costo del conductor.
Mediante la aplicación de la técnica de
cauterización K-means se agrupo los barrios más
cercanos de acuerdo a la capacidad máxima de las
subestaciones la cual viene dada en función de la
cantidad de barrios que se va a servir de energía
eléctrica. Para lo cual se aplicó una restricción que
los lugares factibles de ubicar las S/E es el conjunto
formado por el espacio asignado para la ciudad menos
la ubicación de los barrios.
Para poder energizar las subestaciones de
distribución se debe conectar con la subestación de
subtransmisión o un nodo del SEP del cual factible,
para ello se consideró el enlace más corto y además
que la ubicación de esta tiene que estar en un lugar
factible el cual no debe coincidir con los barrios ni
con la subestaciones de distribución manteniendo el
mismo criterio de minimización.
REFERENCIAS BIBLIOGRÁFICAS
[1] A. Garcés, O. Gómez, and A. Arias, “Reliability
improvement on distributions power systems by
means of primary feeder reconfiguration,” Sci.
Tech. Año XIV, no. 38, pp. 59–64, 2008.
[2] A. Rastgou and J. Moshtagh, “Improved harmony
search algorithm for transmission expansion
planning with adequacy–security considerations in
the deregulated power system,” Int. J. Electr. Power
Energy Syst., vol. 60, pp. 153–164, Sep. 2014.

[3] A. Aguila, D. Carrión, and L. Ortiz, “Analysis
of power losses in the asymmetric construction
of electric distribution systems,” IEEE Lat. Am.
Trans., vol. 13, no. 7, pp. 2190–2194, 2015.
[4] E. M. García, A. Águila, I. Isaac, J. W. González,
and G. López, “Analysis of Voltage Profile
to determine Energy Demand using Monte
Carlos algorithms and Markov Chains ( MCMC
),” in 51st International Universities’ Power
Engineering Conference, 2016, no. Mcmc.
[5] E. García and I. Isaac, “Demand response
systems for integrating energy storage batteries
for residential users,” in Ecuador Technical
Chapters Meeting (ETCM), IEEE, 2016.
[6]
T. Gonen, Electric Power Distribution
Engineering, Third Edition. CRC Press, 2014.
[7] F. Scarlatache, G. Grigora, G. Chicco, and G.
Câr, “Using k-Means Clustering Method in
Determination of the Optimal Placement of
Distributed Generation Sources in Electrical
Distribution Systems,” IEEE Optim. Electr.
Electron. Equip. (OPTIM), 2012 13th Int. Conf.,
pp. 953–958, 2012.
[8] M. J. Rider, A. V Garcia, and R. Romero,
“Transmission system expansion planning by
a branch-and-bound algorithm,” IET Gener.
Transm. Distrib., vol. 2, no. 1, pp. 90–99, 2008.
[9] V. Parada, J. a. Ferland, M. Arias, P.
Schwarzenberg, and L. S. Vargas, “Heuristic
determination of distribution trees,” IEEE Trans.
Power Deliv., vol. 25, no. 2, pp. 861–869, 2010.
[10] T. Sudhakar, “Power Restoration in Distribution
Network Using MST Algorithms,” Intechopen.
Com.
[11] A. Nagarajan and R. Ayyanar, “Application of
Minimum Spanning Tree Algorithm for Network
Reduction of Distribution Systems,” 2014.
[12]
E. Inga, D. Carrión, A. Aguila, E. García,
R. Hincapié, and J. W. González, “Minimal
Deployment and Routing Geographic of PMUs
on Electrical Power System based on MST
Algorithm,” IEE Lat. Am. Trans., vol. 14, no. 5,
pp. 2264–2270, 2016.
[13] G. Cartina, G. Grigoras, E. C. Bobric, and D.
Comanescu, “Improved fuzzy load models by
clustering techniques in optimal planning of
distribution networks,” 2009 IEEE Bucharest
PowerTech Innov. Ideas Towar. Electr. Grid
Futur., pp. 2–7, 2009.
Edición No. 13, Enero 2017
[14] G. Grigoras, G. Cartina, and F. Rotaru, “Using
K-Means Clustering Method in Determination
of the Energy Losses Levels from Electric
Distribution Systems,” Math. METHODS
Comput. Tech. Electr. Eng., pp. 52–56, 2012.
[15] F. Rotaru, G. Chicco, G. Grigoras, and G. Cartina,
“Two-stage distributed generation optimal sizing
with clustering-based node selection,” Int. J.
Electr. Power Energy Syst., vol. 40, no. 1, pp.
120–129, 2012.
[16] D. Carrión, E. Inga, J. W. Gonzalez, and R.
Hincapié, “Optimal Geographical Placement of
Phasor Measurement Units based on Clustering
Techniques,” in 51st International Universities’
Power Engineering Conference, 2016.
[17] D. P. Montoya, J. M. Ramirez, and a G.
Theory, “A minimal spanning tree algorithm
for distribution networks con fi guration,” 2012
IEEE Power Energy Soc. Gen. Meet., pp. 1–7,
2012.
[18] A. Cárcamo-Gallardo, L. G. Santander, and J. E.
Pezoa, “Reconfiguracion de redes eléctricas de
media tension basada en el algorithmo de PRIM
/ Reconfiguration of medium voltage networks
based on PRIM’s algorithm,” Ingeniare. Rev.
Chil. Ing., vol. 15, no. 1, pp. 83–91, 2007.
Diego Carrión.- Nació en
Quito en 1981. Sus estudios
superiores los realizo en
la Universidad Politécnica
Salesiana (UPS), obteniendo
el título de Ingeniero
Eléctrico en el año 2010. En
la actualidad se encuentra
en proceso de obtención
de su título de PhD en Ingeniería Eléctrica en
la Universidad Pontificia Bolivariana (UPB) en
Medellín-Colombia. Actualmente se desempeña
como Docente de la Carrera de Ingeniería Eléctrica
de la Universidad Politécnica Salesiana - Sede Quito
y forma parte del Grupo de Investigación en Redes
Eléctricas Inteligentes - GIREI.
Edwin García.- Nació en
Ambato en 1978. Sus estudios
superiores los realizo en
la Universidad Politécnica
Salesiana (UPS), obteniendo
el título de Ingeniero Eléctrico
en el año 2005; en el año 2016
obtuvo su título de Master
95
 Carrión et al. / Método Heurístico de Planeación Óptima para el Diseño de Redes Eléctricas

en gestión de Energías en la Universidad Técnica de Gabriel J. López.- Ingeniero

Cotopaxi (UTC). En la actualidad se encuentra en
proceso de obtención de su título de PhD en Ingeniería
Eléctrica en la Universidad Pontificia Bolivariana
(UPB) en Medellín-Colombia. Actualmente se
desempeña como Docente de la Carrera de Ingeniería
Eléctrica de la Universidad Politécnica Salesiana -
Sede Quito y forma parte del Grupo de Investigación
en Redes Eléctricas Inteligentes - GIREI.
Jorge W. González.- Ingeniero
Electricista, Magíster y Doctor
en Ingeniería Eléctrica. Con
formación de investigador en
las Universidades de Erlangen
y Kempten en Alemania,
en Sistemas Eléctricos de
Potencia. Posee experiencia
profesional de 21 años. Es
docente Titular de planta en pregrado, posgrado e
investigador de La Universidad Pontificia Bolivariana,
área de sistemas eléctricos de potencia. Es miembro del
Grupo de Investigación en Transmisión y Distribución
de Energía Eléctrica. En la UPB ha ejecutado proyectos
con empresas del sector eléctrico. Como investigador es
autor de una importante cantidad de artículos y software
para simulación de sistemas de potencia. Fue consultor
de la empresa HMV durante 8 años. También laboró
para la empresa Siemens PTD, Erlangen, Alemania. Es
par evaluador de Colciencias y de la IEEE.
Idi A. Isaac.- Es Ingeniero
Electricista, Especialista y
Magíster en Ingeniería Área
Transmisión y Distribución
de Energía Eléctrica de
la Universidad Pontificia
Bolivariana de Medellín.
Desde 1999 pertenece al
Grupo de Investigación en
Transmisión y Distribución de Energía Eléctrica TyD-
UPB, con el cual ha participado en múltiples proyectos
para empresas del sector eléctrico como EPM, ISA,
XM, Isagen, en áreas como los FACTS y la transmisión
en corriente directa HVdc. Realizó sus estudios
doctorales en el marco de un convenio de la UPB con
la Universidad de Ciencias Aplicadas de Kempten,
Alemania. Dentro de su investigación ha efectuado
pasantías formativas en la Dirección de Gestión de
la Operación de Interconexión Eléctrica S.A -ISA-
y en la Universidad Pontificia Comillas de Madrid,
España. Su área actual de interés es la solución de
problemas asociados con las micro-redes inteligentes,
particularmente en lo que atañe a la integración de
generación distribuida, almacenamiento de energía,
transporte eléctrico y supervisión de dichos sistemas.
Electricista, Magíster y Doctor
en Ingeniería Eléctrica de
la Universidad Pontificia
Bolivariana de Medellín.
Es docente Titular de planta
en pregrado, posgrado e
investigador de La Universidad
Pontificia Bolivariana en el
área de sistemas eléctricos de potencia. Es miembro del
Grupo de Investigación en Transmisión y Distribución
de Energía Eléctrica. En la UPB ha ejecutado proyectos
con empresas del sector eléctrico como XM, ISA, EPM,
CIDET, IEB entre otras. Como investigador es autor
de una importante cantidad de artículos, software para
simulación de sistemas de potencia, productos de nuevo
conocimiento y proyectos de investigación.
Roberto Hincapié.- Recibió
el grado de B.S. en ingeniería
electrónica, grado de M.S. en
ingeniería y el grado de Ph.D.
en ingeniería por la Universidad
Pontificia Bolivariana, Medellín,
Colombia en los años de 1996,
2005, y 2009, respectivamente.
En la actualidad es profesor
asistente de ingeniería de telecomunicaciones con la
Universidad Pontificia Bolivariana – Colombia – Medellín
y es miembro el Grupo de Investigación GIDATI. Su
trabajo se basa en técnicas de modelado y simulación
matemáticos. Sus intereses de investigación incluyen la
asignación de recursos en redes malladas inalámbricas,
planificación de redes e ingeniería de tele-tráfico, con
aplicaciones a la calidad del servicio y la cobertura rural.

96
 Aplicación Práctica / Practical Issues

Modelación de Regímenes de Redes Eléctricas en Presencia de Distorsión

Armónica

I. González1 S. Marrero1 A. Legra2 A. León1 X. Proaño1

1
Universidad Técnica de Cotopaxi.
E-mail: iliana.gonzalez@utc.edu.ec; secundino.marrero@utc.edu.ec;
manuel.leon@utc.edu.ec; xavier.proaño@utc.edu.ec
2
Instituto Superior Minero Metalúrgico de Moa, ISMMM, Cuba
E-mail: alegra@ismm.edu.cu

Resumen Abstract

En el artículo se presentan la comparación de This article shows comparison compares different

la modelación de los elementos en las redes
eléctricas en presencia de armónicos superiores de
corriente y tensión. Se muestra que en el cálculo
de los regímenes de trabajo de la red, resulta
necesario considerar el efecto piel (Skin Effect)
y las corrientes de Eddy. Al tener en cuenta estos
elementos, el error en los cálculos del consumo
de energía eléctrica se reduce en gran medida.
Se programó una herramienta computacional
(DYCSE) para determinar el flujo armónico por
el método de Gauss-Seidel que fue comparado con
el cálculo realizado por el software Easy Power
que utiliza la técnica de inyección de corriente y
así demostrar la factibilidad de uso del DYCSE a
partir del grado de coincidencia en los resultados
obtenidos por ambos método en un esquema
patrón.
methods of modeling elements of the electrical
network in the presence of harmonics in voltage
and current, but also studied and compared. It is
shown that when calculating the power network
should be considered a surface effect and the
effect on the occurrence of eddy currents. When
accounting for these factors, the calculation error
mode power consumption is significantly reduced.
A computational tool (DYCSE) is designed to
determine the harmonic flow by the Gauss-Seidel
method to be compared with the calculation
performed with Easy Power software that uses the
technique of current injection and demonstrate
the feasibility of using the DYCSE to from the
degree of agreement in the results for both method
in a pattern scheme.

Palabras clave— redes eléctricas, armónicos, Index Terms— electrical network, harmonics,
factor de potencia, voltaje, flujo de potencia power factor, voltage, power flow.

Recibido: 04-07-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: González, P. I.; Marrero, R. S.; Legra, L. A.; León, S. A.; Proaño, M. X. (2017).
“Modelación de regímenes de redes eléctricas en presencia de distorsión armónica”. Revista Técnica “energía”.
No. 13, Pp. 97-105
ISSN 1390-5074

97
 Edición No. 13, Enero 2017

1. INTRODUCCIÓN distribuida que opera de forma satisfactoria, aunque

no se tuvo en cuenta la presencia de componentes
El mejoramiento de la eficiencia en las redes armónicas en la red.
eléctricas, en la actualidad ha adquirido una nueva
dimensión, debido al incremento de cargas no 2. MATERIALES Y MÉTODOS
lineales en el sector industrial. Uno de los problemas
a resolver es la elección de los métodos de cálculo de Los principales elementos de la red de suministro
los flujos de potencia, para evaluar el funcionamiento eléctrico industrial se definen como: líneas de
de la red y obtener las diferentes variables eléctricas transmisión, transformadores, motores, reactores, y
con valores cercanos a los indicadores del sistema generadores fundamentalmente.
analizado. Obviamente, antes de seleccionar el Tabla 1: Valores de Rexp y FCТ para diferentes elementos de la red
método de cálculo, es necesario definir los modelos Resistencia
para los diferentes elementos que componen la red Elementos
Rexp FCT
teniendo en cuenta cada uno de los parámetros a Transformador 0,5-1,0 1,0-3,0
considerar para el análisis de los flujos de potencia Sistema 0,0-0,8 -
armónicos. Es por eso que el planteamiento de la tarea Generador 0,3-0,6 -
Línea/cable 0,5 -
en este trabajo, se divide en dos partes: el modelado
Reactor 0,5-1,0 0,8-3,0
de la red eléctrica y la selección adecuada del método
Motor 0,2-0,4 -
de cálculo.
Cuando se considera solo la primera armónica,
En el sector residencial, existen numerosos la resistencia activa R1L y la reactancia X1L de la
aparatos eléctricos que generan armónicos de voltaje línea de transmisión son magnitudes constantes.
y de corriente e incrementan las pérdidas de potencia,
Sin embargo en presencia de armónicos superiores
contaminan las líneas de suministro eléctrico, y
la resistencia real, según diferentes estudios [5, 6],
ocasionan daños tanto a las propias redes de energía
puede representarse en las siguientes formas.
como a otras cargas vecinas. Un estudio de este
fenómeno y su impacto aparece en el trabajo [1]
donde se realiza un análisis matemático del contenido
armónico de corriente en un circuito residencial (1)
con cargas no lineales, mostrando la contaminación
armónica que éstas introducen a la red, además
se propone el modelo que para este tipo de carga
generadora de armónico se debe considerar. donde A, B son coeficientes que tienen valores
entre 0.5 y 1.5 respectivamente y n es el número de
Por otro lado en la actualidad también se requiere armónico
dar respuesta a necesidades surgidas con la tecnología
FACTS (Flexible AC Transmission Systems),
basada en la electrónica de potencia, y el desarrollo de (2)
herramientas de flujo de carga que modelan y simulan
la red, donde se emplean métodos como por ejemplo
el de la carga equivalente de rápida convergencia, donde Rexp es un coeficiente que se determina
variables de estado con algoritmos de Newton- experimentalmente y es igual a 0.5
Raphson (NR) y la inyección de potencia en las barras
que tiene como ventaja que solo modifica los ∆ P y
∆Q de las barras entre las cuales se encuentra instalado
(3)
el dispositivo, este último método si bien resulta más
robusto que los anteriores, presenta el inconveniente
de requerir muchas interacciones para la convergencia donde FCT – factor de las corrientes de Eddy
sin el uso de un vector de arranque [2].
De la misma manera se debe proceder con el resto
Otro aspecto a considerar, es el incremento de las de los elemento, cabe señalar que las expresiones
unidades de generación distribuida integradas en las mostradas para la resistencia han sido obtenidas de
redes de distribución. La red de distribución deja de forma experimentalmente [6].
comportarse como una red pasiva y por lo tanto, los
Autores como [7, 8, 9] señalan que la detección
métodos tradicionales para flujo de carga en sistemas
y la predicción de armónicos constituyen los dos
de distribución deben ser modificados. En este
campos principales del análisis digital de armónicos
sentido el trabajo [4] propone un algoritmo de flujo
y que permiten hacer una evaluación efectiva de la
de potencia trifásico desbalanceado con generación

98
 González et al. /Modelación de regímenes de redes eléctricas en presencia de distorsión armónica
calidad de la energía. En primer lugar se determina y
procesa en tiempo real la información del contenido
armónico monitoreado en el sistema, mientras que
por último se predice la distorsión armónica en la
red mediante modelos analíticos implementados para
simulación digital.
Entre las metodologías para el análisis de
armónicos se destacan las propuesta por [7, 8], donde
se señala el método de dominio Armónico, que
linealiza el sistema alrededor de un punto particular
de operación de componentes no lineales y variantes
en el tiempo para obtener así una relación lineal
entre voltajes y corrientes armónicas, lo que resulta
solo válido en la proximidad al punto de operación.
Obteniéndose como resultado un equivalente Norton
armónico, en donde explícitamente está representado
el efecto de acoplamiento entre armónicos y
desbalance entre fases.
También el método del Dominio del tiempo,
utilizado para describir elementos no lineales y
variantes en el tiempo a través de una ecuación
diferencial (ẋ = f (x, t)) con el uso de un vector de
estado de m elementos, ha confrontado limitaciones
por el uso de la integración numérica Runge - Kutta.
Esto ha dado lugar a la aparición de métodos como
la convergencia al Ciclo Limite, utilizando técnicas
de aceleración de la convergencia de las variables
de estado mediante el método NR en el dominio del
tiempo, que han sido desarrolladas para incrementar
la eficiencia y eliminar la limitante en la aplicación de
los métodos convencionales
Entre los métodos más utilizados para el análisis
de armónico se encuentra el dominio de la frecuencia,
que utiliza el marco de referencia de las componentes
de secuencia para determinar la propagación de
corrientes armónicas, características mediante
inyección de fuentes de corriente ideales en la red
eléctrica. Este método unido a diferentes modelos
de elementos de la red fue utilizado por [10] para
evaluar cuáles de los elementos de una red industrial
tienen un mayor nivel de afectación por la presencia
de armónicos en función del % de cargas lineales y no
líneas existentes en una nodo.
Por lo tanto, a partir de los resultados de los
estudios anteriores [8, 10] realizados para la
modelación de la red eléctrica, y de acuerdo con
el contenido armónico de la tensión y la corriente,
existen diferentes métodos para realizar este análisis.
Si consideramos los resultados de la comparación de
los diferentes estudios realizados, podemos deducir
que la expresión (3) da los resultados más precisos,
y ante las dificultades técnicas para determinar FCТ,
entonces se asume con frecuencia la expresión que
utiliza la resistencia Rexp en la expresión (2).
2.1. Cálculo de flujo de potencia
Entre los métodos más conocidos para el cálculo
de las redes eléctricas se destacan principalmente los
métodos Gauss-Seidel (GS), NR, NR modificado,
inyección de corriente y potencia [11, 12, 13, 14]
entre otros. Todos estos métodos en su mayoría
implican la solución del sistema de ecuación:
[Y] [V] = [I] (4)
Donde [Y], [V], [I] son las matrices de admitancia,
tensión y corriente respectivamente en las ramas y
nodos del esquema equivalente de la red en forma
compleja.
El método de GS se caracteriza por el hecho de
que su solución se logra, incluso cuando los valores
iniciales de U y I, están lejos de los valores reales. Por
lo tanto, como consecuencia, el proceso de cálculo y
convergencia resulta lento. En este caso, es posible
utilizar un factor de aceleración, lo que resulta su
principal ventaja.
El método NR es ampliamente conocido por
su fiabilidad y rápida convergencia. Sin embargo,
algunos expertos, como Sainz [15] argumentan que
en este caso, la solución puede no converger, si
los valores de las condiciones iniciales no están lo
suficientemente cerca del valor real.
Autores como [7, 16] y los diseñadores del software
Easy Power (aplicación informática que permite el
cálculo de flujos de potencia en redes industriales),
plantean el uso de la técnica de inyección de corriente
(Fig.1) que presentan un mejor rendimiento en
comparación con los métodos anteriores al utilizar
un algoritmo más robusto y preciso con técnicas
únicas de algoritmos de dispersión para encontrar las
condiciones de estado estable del flujo de potencia
de un sistema en operación, lo que ha tenido poca
utilización y no ha sido muy difundida la información
al respecto.
En el algoritmo de la Fig.1 se ejecuta en dos
pasos, primeramente se hace un barrido desde los
nodos terminales hasta el nodo fuente aplicando la
primera ley de Kirchhoff (Im - balance de corriente
en los nodos m, Ikm - corriente de los elementos
k) y luego se hace el barrido desde la fuente hasta
los nodos terminales aplicando la segunda ley de
Kirchhoff (Vm tensión de nodos). La convergencia
ocurre cuando la diferencia de las pérdidas de
potencia de dos iteraciones consecutivas ΔP, alcanza
una tolerancia preestablecida.
99
 Edición No. 13, Enero 2017
También en publicaciones como [11] se muestra
una herramienta computacional APSd (Analizador
de sistemas de potencia y distribución) que permite
la evaluación de régimen permanente de sistemas
potencia con el método NR combinado con el
método propuesto por D. Shimohammadi [12] para
resolver un sistema de ecuaciones no lineales que
expresan la potencia real y reactiva en términos de
los voltajes de barra a frecuencia fundamental, cuyos
resultados fueron satisfactorios al ser validados con
otras herramientas de corridas de flujo, pero solo para
el armónico fundamental.
Inicio
Construcción de la base de datos
Datos nodales (P, Q)
Datos de ramas. Ordenamiento nodal
Asignación de condiciones iniciales
Calcular corrientes nodales inyectadas
Flujo de corriente por los elementos
Partiendo del nodo Slack se calculan
voltajes nodales
Vm = Vk – Ikm Zkm
Convergencia
NO
PL = PLk+1 - PLk
Si
Salida
Figura 1: Algoritmo del método de inyección de corriente
100
También resulta necesario señalar como
desventaja de GS, que posee una convergencia lineal,
lo que resulta lento en comparación con NR que tiene
una convergencia cuadrática
Soria S. L., 2003, [17] en una análisis comparativo
realizado entre los métodos NR y GS señala que
mientras la formulación en formato rectangular en GS
trabaja bien, en el caso NR se requiere más memoria
por utilizar un formato polar. Además GS requiere
menos operaciones aritméticas por interacción, lo que
constituye una ventaja en relación a NR que requiere
más tiempo al necesitar calcular los elementos de la
matriz Jacobiana en cada interacción. Esto hace que
una iteración en NR equivalga a 7 iteraciones de GS
aproximadamente para un sistema de gran dimensión.
Otra desventaja de GS es que el número de
iteraciones se incrementa con el aumento de los
nodos de la red, mientras que en NR esto no sucede,
pues permanece constante.
Villa W. Metal, 2016 [18] ha propuesto el uso de
algoritmos genéticos con una función de adaptación
tradicional para lograr un flujo de potencia reactivo
óptimo y reducir las pérdidas. En la actualidad
también se han desarrollo métodos para el análisis
de flujo armónico de cargas, que permiten obtener la
tensión fundamental y armónica en todos los nodos
de la red, así como los parámetros que caracterizan el
comportamiento de los dispositivos no lineales para
un estado de carga dado. Con base en lo anteriormente
expuesto, se seleccionó el método GS atendiendo a
sus ventajas de fácil programación, el uso eficiente de
la memoria y su factibilidad de rápida convergencia
en sistemas de dimensiones no elevadas, al utilizar un
coeficiente de ajuste. Para el estudio del flujo de carga
armónico en un sistema eléctrico, se confeccionó la
herramienta informática DYCSE con el algoritmo
mostrado en la Fig. 2, de n nodos considerando los
siguientes parámetros primarios:
• La matriz de admitancia del sistema [Y]
(compleja, cuadrada y de orden n). Se obtiene a
partir de los valores de resistencia y reactancia
REXP en las ramas del sistema eléctrico;
• EL vector de orden n de potencias (P + j Q)
donde P es la potencia activa y Q es la potencia
reactiva (cada elemento del vector representa
los valores de estas potencias en el nodo);
• El vector de orden n de voltajes (UR + j UI)
donde UR es la componente real de la tensión
y UI es la componente imaginaria (cada
elemento del vector representa los valores
 González et al. /Modelación de regímenes de redes eléctricas en presencia de distorsión armónica
de la tensión nominal en un nodo y pueden
expresarse también por sus magnitudes de
tensión |U| y el ángulo θU).
Preliminarmente, se deben realizar las siguientes
tareas antes de calcular los flujos de cargas:
1) La determinación de la matriz [Y] que se
expresa en valores por unidad (PU).
2) La determinación de los vectores (P + j Q) y
(U) = (UR + j UI) que permiten expresar el
vector de corrientes (I) donde P + j Q están
expresados en PU.
3) Establecer las matrices del sistema de
ecuaciones [Y] (U) = (I) considerando que:
(5)
Para p =1, 2,…, n; donde n- cantidad de nodos;
Pp y Qp - potencia activa y reactiva de las ramas
p respectivamente; URp y UIp - potencia activa y
reactiva de los nodos respectivamente; Ypp y Ypq –
Matriz admitancia propia y mutua compleja de las
rama p y q; Up tensión en los nodos.
Figura 2: Algoritmo utilizado para el cálculo de flujo de
potencia
Fuente: El autor
Es necesario precisar que los nodos del sistema
eléctrico se van a clasificar en tres grupos: de balance
(normalmente existe uno solo, mientras son conocidas
la tensión y ángulo), de tensión controlada, que son
aquellos donde se especifica el módulo, el valor de
potencia activa y reactiva (P, Q) y el ángulo de tensión
y de carga, aquí se conocen las potencias activa P y
reactiva Q, y las incógnitas son las tensiones y el
ángulo. Para modelar los elementos del sistema fueron
analizados los modelos propuestos por la IEEE Std
399-1997 [19], Anderson EEH 2003 [20], Fiodorov
A.A. 1986 [21], Electrical Systems Analysis, Ins
.Ltd 1991-2006 [22] y Ríos P.C. 2003 [23]. Donde
se observa que existen diferentes tendencias para la
determinación de la resistencia (Rh) y la reactancia
(Xh) armónica evalúan por las expresiones (2) y (3)
mientras que Fiodorov A. A, 1986 [21] considera el
siguiente modelo aproximado:
Rh = R1 (6)
Xh = X1 * h * K (7)
donde Rh y R1 son las resistencias armónica superiores
y del armónico fundamental respectivamente, Xh la
reactancia armónica y k representa un coeficiente que
depende del tipo de elemento, estos modelos fueron
experimentados por los autores en [10].
Teniendo en cuenta que en la literatura consultada
se explican diferentes modelos para el análisis
de flujo armónico, en el programa DYCSE se ha
implementado la posibilidad de usar los modelos
propuestos en [19, 21].
3. ESTUDIO DE CASO
Para validar los resultados de la modelación en los
flujos de potencia se realizaron dos pruebas con
diferentes esquemas, la primera fue una comparación
con los resultados de las corridas de flujo efectuadas
con los modelos propuestos por ESA (Electrical
Systems Analysis, Ins de EEUU) en [22] en el
software Easy Power que presupone el cálculo de
la reactancia armónica para las líneas y motores
mediante las expresiones (2) y (3). Para esta
comparación se procedió a resolver el sistema de
cinco nodos (mostrado en la Fig.8.8 del Capítulo 8)
del Stagg El Abiad [24] que se muestra en la Fig. 3.
(ver resultados en la tabla 2).
101
 Edición No. 13, Enero 2017

Figura 4: Esquema para validación de las tensiones armónicas

calculadas con ambos software

Figura 3: Red de prueba de Stagg & Abiad

Tabla 3: Comparación resultados de la comparación de los
Tabla 2: Comparación de resultados de cálculo valores de P y Q obtenidos en el software DYCSE y Easy
Power
Easy Easy
DYCSE DYCSE
Desde un nodo a otro

Nodo Power P % error Power % error

Resultado Resultado % error P (MW) Q (MVAr)
(MW) Q (MVAr)
-2,66 -2,66 0,00 0,64 0,64 0,03
Stagg & Abiad DYCSE 01
2,66 2,66 0,00 -0,64 -0,64 0,03

P Q P Q MW MVAr 5,57 5,57 0,01 -0.36 -0,36 0,04

02
MW MVAr MW MVAr % % -5,57 -5,57 0,01 0.36 0,36 0,04

1-2 88.800 8.600 88.856 8.579 0.063 0.243 2,66 2,66 0,00 -0,60 -0,60 0,03

1-3 40.700 1.100 40.719 1.155 0.022 0.640 2,21 2,21 0,00 1,34 1,34 0,00

2-1 -87.400 6.200 -87.446 6.157 0.052 0.500 3,01 3,01 0,02 1,85 1,85 0,00
03
2-3 24.700 3.500 24.692 3.545 0.009 0.523 1,82 1,83 0,01 1,19 1,19 0,01

2-4 27.900 3.000 27.935 2.962 0.040 0.445 0,76 0,77 0,00 0,50 0,50 0,00

2-5 54.800 7.400 54.822 7.343 0.025 0.663 -1,50 -10,50 0,00 -4,27 -4,28 0,04

3-1 -39.500 -3.000 -39.528 -3.011 0.031 0.131 8,00 8,00 0,00 5,13 5,13 0,04

3-2 -24.300 -6.800 -24.340 -6.783 0.045 0.195 -5,56 -5,56 0,01 0,53 0,52 0,04

3-4 18.800 -5.100 18.882 -5.198 0.092 1.142 2,08 2,08 0,02 1,42 1,42 0,01
04
4-2 -27.500 -5.900 -27.494 -5.927 0.007 0.316 6,36 6,36 0,00 0,00 0,00 0,00

4-3 -18.800 -3.200 -18.847 -3.208 0.053 0.098 2,66 2,66 0,00 1,64 1,64 0,00

4-5 6.300 -2.300 6.333 -2.284 0.037 0.186 2,44 2,44 0,01 1,53 1,53 0,01

5-2 -53.700 -7.200 -53.697 -7.169 0.003 0.359 -2,21 -2,21 0,00 -1,34 -1,34 0,00

5-4 6.300 -2.800 6.303 -2.833 0.003 0.384 05 1,24 1,24 0,00 0,77 0,77 0,00

0,97 0,97 0,00 0,56 0,56 0,00

Fuente: El autor
-3,01 -3,01 0,01 -1,85 -1,85 0,00
En la segunda prueba para la validación del flujo 06 0,35 0,35 0,00 0,20 0,20 0,00
armónico se utilizó el esquema de la Fig. 4. En la
2,66 2,66 0,00 1,64 1,64 0,00
tabla 3 se muestran los flujos de potencia a frecuencia
fundamental por ambos softwares y en las tablas -2,08 -2,08 0,03 -1,42 -1,42 0,03
4 y 5 las tensiones armónicas. Se pudo observar la 07 0,42 0,42 0,00 0,30 0,30 0,00
cercanía de los resultados con un error admisible.
1,66 1,65 0,02 1,11 1,11 0,01

08 -6,36 -6,36 0,01 0,00 0,00 0,00

Fuente: El autor

102
 González et al. /Modelación de regímenes de redes eléctricas en presencia de distorsión armónica

Tabla 4: Tensiones obtenidas en el cálculo realizado con el 5. CONCLUSIONES Y

Easy Power RECOMENTACIONES
Tensiones ( kV ) para los diferentes armónicos
Armónico obtenidos en el Easy Power En el trabajo se dan los fundamentos teóricos
3 5 7 9 11 13 para desarrollar una herramienta computacional
en el software Easy Power para redes radiales.
1 13,80 13,80 13,80 0,48 0,48 0,48
Se han mostrado los algoritmos de cálculos de
5 0,08 0,08 0,08 0,005 0,005 0,011 ambos métodos. Los procedimientos matemáticos
7 0,061 0,062 0,062 0,004 0,004 0,008 utilizados han mostrado que son adecuadas y se
11 0,026 0,026 0,027 0,002 0,002 0,004
adaptan correctamente a los cálculos efectuados por
el nivel de error obtenido.
13 0,031 0,031 0,031 0,002 0,002 0,004

17 0,027 0,027 0,027 0,002 0,002 0,004

Como continuidad de la investigación es
necesario adecuar los procedimientos y herramientas
19 0,026 0,026 0,026 0,002 0,002 0,003
de cálculo para los casos de regímenes de carga
THD % 0,832 0,836 0,836 1,505 1,505 3,226 asimétricos y dinámicos. La veracidad de los
Fuente: El autor resultados ha sido comprobada con los cálculos de la
red de pruebas de Stagg & Abiad de 5 nodos, donde
Tabla 5: Tensiones obtenidas en el cálculo con el DYCE
se pudo observar que el error obtenido está en entorno
 
Armónico de los rangos admisibles y esto permite validar la
3 5 7 9 11 13 herramienta diseñada y asegurar que sus resultados
1 13.80 13.80 13.80 0.480 0.480 0.480 son satisfactorios.
5 0.080 0.081 0.081 0.005 0.005 0.010 REFERENCIAS BIBLIOGRÁFICAS
7 0.061 0.062 0.062 0.003 0.003 0.007
[1] Mora B. M. Contaminación armónica producida
11 0.026 0.026 0.026 0.001 0.001 0.003 por cargas no lineales de baja potencia: modelo
13 0.031 0.061 0.061 0.001 0.001 0.004 matemático y casos prácticos. Revista Ingeniería
17 0.027 0.027 0.027 0.001 0.001 0.003
Investigación y Tecnología. Vol. XI. Núm.2.
2010 pp.189-198.
19 0.025 0.025 0.025 0.001 0.001 0.003

THD % 0.830 0.850 0.85 1.53 1.53 3.080

Fuente: El autor
El mayor error observado en la comparación
de los cálculos es, en las tensiones (tabla 4 y 5) con
ambos software siendo de 2,8%. Sin embargo, hay
que señalar que los resultados de los cálculos con
el DYCSE se hicieron con una precisión hasta las
centésimas, a pesar de esto, se puede observar que el
método de GS utilizado en el DYCSE con un factor de
aceleración, puede calcular el flujo satisfactoriamente
para red considerando el armónico fundamental o
en presencia de distorsión armónica, donde se hace
necesario aplicar la corrección con los factores que
tienen en cuenta la influencia de los armónicos en
todos los elementos de la red eléctrica, incluyendo
transformadores y cargas.
4. ANÁLISIS DE RESULTADOS
La comparación de los resultados de los cálculos
obtenidos por los dos métodos se presenta en las
tablas desde 2 a 5, donde se observa un error absoluto
máximo de 1,142% en los cálculos, comparando
el circuito original con el mostrado en el Stagg El
Abiad, lo que confirma la buena convergencia y la
factibilidad del uso de GS.
[2] Centeno A., Lagoa D. Optimización metaheurística
aplicada al cálculo del flujo de carga optimo
en redes eléctricas de potencia con variables
de control asociadas de tipo mixto. Revista
Ingeniería UC, Vol. 20, No. 3, Diciembre 2013,
pp. 71 - 78
[3] INELEC I. L. Comparación de flujos de carga
probabilísticos empleados en sistemas de
distribución levemente enmallados. Scientia et
Technica Año XIX, Vol. 19, No. 2, junio 2014,
pp. 153-162. Universidad Tecnológica de Pereira.
[4] Gallego L. A. López L. J. Mejías G. D. Flujo de
potencia trifásico desbalanceado en sistemas de
distribución con generación distribuida. Scientia
et Technica. Año XV, No 43, Diciembre de 2009.
[5] IEEE. Recommended Practice for Industrial and
Commercial Power Systems Analysis. USA.
1997. pp. 118.
[6] INELEC I. L. The graphical solution for power
system analysis. USA.2006. pp 230.
[7] Carvajal W., Ordóñez G., Moreno A., Duarte C.
Simulación de sistemas eléctricos con cargas
no lineales y variantes en el tiempo. Ingeniare.
Revista chilena de ingeniería, vol. 19 Nº 1, 2011,
pp. 76-92

103
 Edición No. 13, Enero 2017
[8] Martin D., “Implementación de Técnicas de
estimación de estado armónico en sistemas
eléctricos de distribución”, Tesis de maestría,
Universidad Nacional de rio cuarto, Argentina,
2014.
[9] Valencia D., Quispe E., Sousa V. “Estudio del
efecto de la distorsión armónica de tensión sobre
la operación del motor trifásico de inducción en
estado estacionario. Revista Energética. No. 43,
pp. 67-77. junio, 2014. Universidad Nacional de
Colombia.
[10] González P. I., Marrero R. S. Legra L. A., Mendiola
E. D. Metaheuristics Based on the Variables
Integration Method Applied to Reactive Power
Compensation in Multi-Objective Optimization.
Proceedings of the International Conference on
Applied Mathematics, Computational Science &
Engineering (AMCSE 2015) pp. 207-212. Grete.
October 2015.
[11] González F, Palencia E. Desarrollo de un
programa para el cálculo de flujos de potencia
en sistema de distribución. 3er Congreso
Iberoamericano de estudiante de ingeniería
eléctrica (III CIBELEC 2008).
[12] Juan D. Gallego J., Cano J., Muñoz N. Análisis de
Flujos de Potencias Ineficientes Producidos por
Convertidores de Potencia. Revista Información
Tecnológica, Análisis de Flujos, Vol. 25, No 3,
pp. 93-102, 2014.
[13] Centeno A. et al. Algoritmo de búsqueda
armónica modificado aplicado al cálculo del
flujo óptimo de potencia. Revista Ingeniería UC,
Vol. 17, No. 3, Diciembre, 2010, Pp 7 – 18, ISSN
1316-6832.
[14] López V. G. Flujo de Potencia Óptimo
multiobjetivo para el análisis de sistemas
potencia con generación eólica. Energética. No
44. Diciembre 2014. Pp. 41 – 47, ISSN 0120-
9833.
[15] Sainz S. L. Formulation of the Harmonic Load
Current.// IEEE Transaction on Power Systems
Vol 13 N011995. p. 123–135.
[16] Hernández A. L. “Identification de Fuentes
armónicas por el método de estimación en
sistemas eléctricos de potencia”. Tesis maestría
Dpto. Ingeniería Eléctrica, Instituto Politécnico
Nacional, Mexico 2012
[17] Soria C. L. Modelado y operación en líneas de
transmisión. ITM-DIE. 2003.
[18] Villa W. M., Jesús M. López L. J., Velilla E. Flujo
óptimo reactivo para minimización de pérdidas:
104
Nueva Propuesta de Función de Adaptación
y Manejo de Restricciones. Información
Tecnológica. Vol. 27, N0 2, Pp.131-140, 2016.
[19] IEEE. “Recommended Practice for Industrial
and Commercial Power Systems Analysis”. STD
399-1997.
[20] Anderson EEH. “Modelling and analysis of
Electric Power systems”. Lectures 35-526, ITET
ETH Zurich.March 2003.
[21] Fiodorov, A.A. Catálogo de Suministro Eléctrico
y Equipamiento Eléctrico. Energoizdat, Moscú,
1986.
[22] ESA. “The graphical solution for power system
analysis”. User’s Manual. Easy Power. Version
8.0.175. Copyright 1991-2006. , INELEC Intl.
Ltd.
[23] Ríos P. C., Naranjo A. M. y Escobar Z. A.
Modelado de sistemas eléctricos en presencia de
armónicos. Scientia et Technica Año IX, No 22,
Octubre 2003.
[24] Stagg, G. W. and El-Abiad, A. H. Computer
Methods in Power System Analysis. New York:
McGraw-Hill, 1968. Pp. 2.
Iliana González Palau,
graduada de Ing. Electricista
del Instituto de Minas de
Moscú 1983. Es graduada de
PhD. en Ing. Eléctrica en 2011
de la Universidad Estatal de
Minas de Sant Petersburgo,
Rusia. Actualmente es
docente de tiempo completo
de la Carrera de Ing. Eléctrica en la UTC, Ecuador.
Su área de interés incluye optimización de sistemas
eléctricos, eficiencia energética y calidad de la
energía eléctrica.
Secundino Marrero Ramírez,
graduado de Ing. Electrónica
Industrial en 1983 del
Instituto Politécnico de
Kiev, (Universidad Técnica
de Ucrania,), PhD. en
automatización en 1989 de la
Universidad Estatal de Minas
de Sant Petersburgo, Rusia.
Docente de tiempo completo de la Carrera de Ing.
Eléctrica en la UTC, Ecuador. Investiga en eficiencia
y calidad de la energía eléctrica, optimización y
automatización industrial.
 González et al. /Modelación de regímenes de redes eléctricas en presencia de distorsión armónica

Aristides Legra Lobaina, Xavier Proaño Maldonado,

Licenciado en Matemática.
Graduado de Ph.D en el
Instituto Superior Politécnico,
CUJAE de la Habana - Cuba,
Profesor de tiempo complete
del Dpto. de Matemática del
Instituto Superior Minero
Metalúrgico de Moa, Cuba.
Investiga en las áreas de matemática aplicada a
la modelación, optimización y programación de
sistemas informáticos.
Graduado de Ing. Eléctrico
en la Politécnica Nacional
de Ecuador en 2010. MSc
en Gestión de Energía de la
UTC en 2013. Se desarrolla
en la temática de las energías
alternativas, alto voltaje y
sistemas de potencia. Docente
de planta a tiempo completo de la Carrera de Ing.
Eléctrica en la UTC, Ecuador.

Ángel León Segovia,

Graduado de Ingeniero en
Ejecución en Electrónica e
Instrumentación en la ESPE
en el año 1997. Ingeniero
en Informática y Ciencias
Computacionales en la UTC,
en el año 2011. MSc en
Gestión de Energías en la
UTC en el año 2014. Actualmente es docente de planta
a tiempo completo de la Carrera de Ing. Eléctrica en
la UTC, Ecuador. Se desarrolla en el campo de las
energías alternativas y en programación de sistemas.

105
 Aplicación Práctica / Practical Issues.

Modelación y Validación en ATP de los Cables Subterráneo y

Submarino del Sistema de Subtransmisión Baltra - Santa Cruz

L. Dután
CELEC EP TRANSELECTRIC
luis.dutan@celec.gob.ec

Resumen Abstract

En este trabajo, basados en el estado del arte, se
presentan los criterios usados para la modelación
y validación de los cables tripolares subterráneo y
submarino del sistema de subtransmisión Baltra
– Santa Cruz. Para modelar los cables en rutinas
Cable Parameters incluida en programas del
tipo EMTP, se realizó un tratamiento previo de
los datos de diseño y constructivos de los cables;
además, para analizar el cable tripolar subterráneo
fue necesario agregar a su modelo una armadura
ficticia de tal manera que se pueda modelar
como un cable tipo “tubo” (Pipe). El estudio de
transitorios electromagnéticos de energización
de la línea se realizó usando el software ATP,
pero debido a que el estado del arte indica
limitaciones en el modelo de cables y líneas aéreas
no simétricas cuando se usa Bergeron o JMarti,
incorporados en ATP, se realizó un análisis que
permitió determinar hasta qué punto es válido el
modelo JMarti mediante una comparación de sus
respuestas transitorias de voltaje con las ofrecidas
por el modelo WideBand, incorporado en EMTP-
RV el cual es considerado el modelo más preciso
de líneas y cables en la actualidad. Para este
propósito los modelos JMarti de cable submarino
y subterráneo fueron ajustados con un valor de
frecuencia de acuerdo a lo sugerido por CIGRÉ.
Los resultados indican que el modelo JMarti
ofrece señales de voltaje aceptables únicamente
para el conductor energizado, mientras que para
voltajes inducidos en otros conductores de fase y
pantallas y armaduras metálicas el modelo falla.
In this paper, the criteria used for modeling and
validation of underground and submarine tripolar
cables of Baltra Santa Cruz power system are
presented. To model cables with Cable Parameters
routines, inserted in EMTP type programs,
pretreatment of design data and construction of
the cables was performed. Also, to analyze the
underground cable was necessary to add to your
model a fictional armor so that can be modeled
as type “Pipe”. The study of electromagnetic
transients line energization was performed using
the ATP software, but because the state of the art
indicates limitations on cable and not symmetrical
aerial transmission lines when Bergeron or JMarti
models, incorporated into ATP, an analysis was
carried out that allowed to determine to what
extent is valid the JMarti model by comparing its
transient response voltage with those offered by
the WideBand model, built in EMTP-RV, which is
considered the most accurate line and cable model
today. For this purpose, the JMarti models for
submarine and underground cable were adjusted
with a frequency value according to suggested
by CIGRÉ. The results indicate that the JMarti
model provides acceptable voltage signals only to
the energized conductor, while for other voltages
induced in phase conductors and screens and
metal armatures model fails.

Palabras clave— Cables tripolares, Modelamiento, Index Terms— Tripolar Cable, Modeling, ATP,
ATP, EMTP-RV, JMarti, WideBand, sobrevoltajes. EMTP-RV, JMarti, WideBand, overvoltage.

Recibido: Colocar fecha de envío: 11-09-2016 Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Dután, L. (2017). “Modelación y Validación en ATP de los Cables Subterráneo y
Submarino del Sistema de Subtransmisión Baltra - Santa Cruz”. Revista Técnica “energía”. No. 13, Pp. 106-
116 ISSN 1390-5074.

106

1. INTRODUCCIÓN
Una línea de trasmisión eléctrica (línea aérea o cable)
está formada por elementos (parámetros) resistivos
(R), capacitivos (C) e inductivos (L) cuyos valores
no son constantes sino que varían con la frecuencia
de acuerdo al tipo de transitorio desarrollado. Los
estudios de transitorios electromagnéticos de frente
lento y rápido que involucren la conexión de líneas
aéreas y/o cables subterráneos son importantes
debido a que pueden sugerir la presencia de altos
valores de voltajes en el extremo abierto y en puntos
de variación de impedancia debido a cambios de línea
aérea a cable subterráneo y viceversa; los resultados
obtenidos de simulaciones deben basarse en un
correcto modelamiento de los elementos del circuito
bajo estudio y en el conocimiento de las bondades y
limitaciones de los modelos usados en programas del
tipo ElectroMagnetic Transients Program (EMTP).
El software Alternative Transients Program (ATP) es
uno de ellos y usa el modelo Frequency Dependance
(FD), conocido también como modelo JMarti (JM),
para modelar líneas y cables, mismo que debe ser
ajustado de una manera especial para que presente
resultados confiables; aun así, para cierto tipo de
estudios, únicamente algunos valores de los resultados
son certeros mientras que otros no son confiables o,
incluso, erróneos. El modelo WideBand (WB) es el
más avanzado en la actualidad y no necesita de un
ajuste especial, su formulación y solución de las
ecuaciones se realizan en cantidades de fase; viene
incorporado en el software EMTP-RV.
En general, las líneas aéreas y cables tienen
un comportamiento fuertemente dependiente de
la frecuencia. En programas del tipo EMTP, que
solucionan las ecuaciones de línea y/o cable en
el dominio modal (como por ejemplo ATP), esta
dependencia es tomada en cuenta mediante una
función de transferencia matricial (matriz Q cuyos
elementos son dependientes de la frecuencia) que
sirve para pasar el modelo de línea/cable del dominio
de fase al dominio modal, solucionar las ecuaciones
en ese marco de referencia y las soluciones a pasar
al dominio de fase. Este proceso es matemáticamente
muy complejo y difícil de implementar por lo que en
modelos tipo Bergeron o JM, presentes en ATP, Q usa
un valor fijo de frecuencia que es ingresado por el
usuario (para líneas aéreas simétricas este valor es
de 5000 Hz [2] con muy buenos resultados); si este
valor no es adecuado los resultados se alejarán de lo
real, incluso puede provocar la no convergencia del
modelo. El reporte técnico WG C4.502 de CIGRÉ
[1] sugiere un método de cálculo, usado en este
trabajo, que estima este valor de frecuencia para
modelar cables en modelos Bergeron o JM; esta es
Edición No. 13, Enero 2017
una solución aproximada por lo que resulta necesario
conocer sus límites analizando la respuesta transitoria
del modelo. Una manera de validar consiste en
comparar la respuesta de señales de voltajes de
núcleos y pantallas en el extremo abierto de la línea/
cable con la respuesta (señales de voltaje) obtenidos
con un modelo avanzado como el WB. Para generar
las señales de salida se aplica una fuente de voltaje
continuo en el núcleo de una sola fase, mientras las
otras fases y pantallas están puestas a tierra en un
extremo. Entonces, las respuestas de JM y WB son
comparadas.
El caso de estudio corresponde a la línea de
subtransmisión Baltra – Santa Cruz, a 34.5 kV,
formada por dos tramos aéreos, un submarino y un
subterráneo. De acuerdo al estado del arte, se aplica
una metodología para preparar los datos de los cables
ofrecidos por el fabricante de tal manera que puedan
ser ingresados en cualquier programa del tipo EMTP.
El cable tripolar subterráneo no puede ser modelado
directamente por lo que resulta necesario modificar
su diseño mediante la inclusión de una armadura
ficticia para usar el modelo “tubo” (Pipe en inglés).
Basados en el documento de CIGRÉ [1] se
seleccionan los valores de la frecuencia mínima y
máxima para el modelo JM con el objeto de determinar
el rango de frecuencia con el cual este modelo
ofrecerá ciertos resultados válidos, mientras que otros
serán irreales debido a la capacidad computacional y,
sobretodo, al algoritmo de solución de las ecuaciones
de línea que toman en cuenta la dependencia de la
frecuencia.
Este trabajo tiene importancia ya que actualmente
CELEC EP Transelectric ha sido delegado para
realizar el diseño, construcción y puesta en operación
del sistema eléctrico petrolero a 138 kV que incluye,
de manera preliminar, decenas de kilómetros de cable
subterráneo, por lo que resulta necesario conocer a
profundidad la modelación de cables para fines de
diseño y operación en una red eléctrica.
El documento inicia presentando al sistema de
subtransmisión Baltra – Santa Cruz, a 34.5 kV, con
especial interés en los datos de diseño del cable
subterráneo y submarino. Se realiza una revisión de
los modelos de cables dependientes de la frecuencia
que vienen incorporados en programas del tipo
EMTP poniendo de manifiesto las limitaciones
del modelo JM. Luego se realiza un tratamiento
de datos eléctricos y constructivos de los cables
para poder implementarlos en los programas ATP
y EMTP-RV. Se muestra la adaptación realizada al
cable subterráneo con la inclusión de una armadura
ficticia para simularlo con el modelo Pipe. Para las
107
 Dután / Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra - Santa Cruz

simulaciones, en ATP se usa el modelo JM ajustando

la frecuencia de cálculo de la matriz Q de acuerdo a
CIGRÉ y en EMTP-RV se usa el modelo WB en el
cual no es necesario ingresar un valor de frecuencia
de cálculo. Las respuestas de ambos modelos son
comparadas para validar y establecer las limitaciones
del modelo JM. Finalmente, se presentan las
conclusiones y recomendaciones.

2. SISTEMA DE SUBTRANSMISIÓN BALTRA

– SANTA CRUZ

En las islas Galápagos están en operación varios

proyectos de generación eléctrica a partir de fuentes Figura 1: Diagrama unifilar del sistema Baltra – Santa Cruz,
año 2014
renovables de energía para disminuir el consumo
de combustibles fósiles. En las islas Baltra y Santa
Cruz se han construido dos centrales de generación Debido a que el interés de este trabajo se enfoca
eléctrica que usan, como fuente primaria, energía en el modelamiento de los cables, en la Fig. 2 y
renovable eólica y fotovoltaica. La central fotovoltaica Fig.3 se detalla la geometría y composición del cable
está cercana a la ciudad de Puerto Ayora con una subterráneo y submarino según los datos ofrecidos
capacidad de 1.5 MW y la central eólica está ubicada por el fabricante.
en la isla de Baltra, a una distancia aproximada de
50 km de Puerto Ayora, con una capacidad inicial de
2.25 MW. Para transmitir la energía de esta última
central se delegó a CELEC EP Transelectric el diseño,
construcción y puesta en servicio de un sistema de
subtransmisión que enlace la central eólica con la
subestación de generación y distribución ubicada
en Puerto Ayora. Este sistema se energizó en el año
2014. En la Fig. 1 se presenta su diagrama unifilar
para el año 2014.

Mediante estudios, se determinó que la evacuación

de la generación eólica sea realizada a nivel de 13.8
kV a través de una línea aérea hasta la subestación
Baltra en donde se eleva el voltaje de 13.8 kV a
34.5 kV. Desde esta subestación la subtransmisión
se la realiza a nivel de 34.5 kV hasta la subestación
Santa Cruz donde se reduce el voltaje a 13.8 kV y,
entonces, se conecta con la subestación Puerto Ayora
(generación térmica y fotovoltaica y demanda de
Elecgalápagos).
La línea de subtransmisión está formada por dos
tramos aéreos de 20 km y 8 km, un tramo submarino
de 1 km y un tramo subterráneo de 22 km. El tramo
submarino es necesario para realizar el cruce del
canal de Itabaca, mientras que, para provocar un
mínimo impacto en el ecosistema del Parque Nacional
Galápagos, es necesario usar el cable subterráneo en
esa zona. El cable subterráneo y el submarino son
tripolares, el cable submarino tiene una armadura de
acero mientras que el cable subterráneo solamente
tiene una envoltura de Policloruro de Vinilo (PVC).
Figura 2: Geometría y datos del cable subterráneo
3. MODELACIÓN DE CABLES EN
PROGRAMAS DEL TIPO EMTP
Los modelos de línea/cable disponibles en
programas del tipo EMTP poseen una rutina común
denominada Cable Parameters (CP), que simula el
comportamiento eléctrico de la línea/cable a partir
de la geometría y de las propiedades eléctricas de
los conductores, medio aislante y retorno por tierra o
agua [1]. En general, existen dos grupos de modelos
que pueden ser usados de acuerdo al tipo de estudio.
Estos son:
1) Modelos de parámetros concentrados:
• π-nominal
• π con transposición uniforme (cross-
bonded)

108

• π-exacto
2) Modelos dependientes de la frecuencia:
• Parámetros constantes distribuidos (CP)
• Modelo de línea dependiente de la
frecuencia (FD)
Figura 3: Geometría y datos del cable submarino
3.1. Modelos de parámetros concentrados
Consiste de circuitos polifásicos π-acoplados,
donde los parámetros R, L y C son calculados a una
frecuencia dada (normalmente la frecuencia de estado
estable). La principal desventaja de este modelo es
que presenta una pobre respuesta de la frecuencia
más allá de la frecuencia a la cual fueron evaluados
los parámetros. Para estudios de frente lento y rápido
estos modelos no son aplicables; su utilidad se enfoca
a estudios de estado estable, armónicos, resonancias,
entre otros. Una revisión detallada se encuentra en
[1].
3.2. Modelos de parámetros distribuidos
Toman en cuenta la naturaleza distribuida de los
parámetros del cable, basado en la teoría de las ondas
viajeras. En programas del tipo EMTP, las ecuaciones
diferenciales que describen el comportamiento de una
línea aérea o un cable con n conductores en cantidades
de fase tienen un primer tratamiento que consiste en
desacoplar estas cantidades de fase en n ecuaciones
diferenciales sin acoplamientos en el dominio
modal por medio de una matriz de transformación
lineal (cambio de referencia) Q de componentes
real e imaginaria, tal como se muestra en (1) y (2)
[11]. El sistema de ecuaciones es solucionado en el
dominio modal. Luego, la misma transformación
lineal es usada para convertir la solución modal
a cantidades de fase y esta transformación es la
Edición No. 13, Enero 2017
que mayor complejidad matemática presenta en
su implementación debido a que Q es dependiente
de la frecuencia, por lo que resulta necesario, para
disminuir la carga computacional, calcular Q con un
solo valor de frecuencia (en programas este valor es
ingresado por el usuario) y usar únicamente su parte
real, (las columnas de Q son rotadas para minimizar
las partes imaginarias de sus elementos y los términos
imaginarios resultantes son descartados)[5], lo que
implica que Q se vuelve constante (Q); esto reduce
el tiempo de cálculo, pero sus resultados son exactos
únicamente en líneas aéreas simétricas. En la Fig. 4 se
esquematiza este proceso.
(1)
(2)
Figura 4: Esquema de solución de ecuaciones de línea en el
dominio modal. [5]
3.2.1 Modelo de parámetros constantes
distribuidos (CP)
Los parámetros R, L y C se asumen constantes y
la conductancia G en paralelo es ignorada. La matriz
Q se asume constante y real. Como el modelo está
basado en una representación de la línea sin pérdidas,
únicamente L y C son distribuidos y R está concentrada
en las tres fases. Debido a que Q se asume constante
y real, no es posible obtener una respuesta precisa
en altas y bajas frecuencias. Este modelo puede ser
suficiente para simular cables secundarios.
3.2.2 Modelo de línea dependiente de la
frecuencia (FD line)
La dependencia de la frecuencia y la naturaleza
distribuida de los parámetros tienen una buena
aproximación siempre que Q pueda ser asumida
constante y real [2, 3]. El modelo necesita que el
usuario ingrese el valor de una frecuencia (Frec.
matrix en ATP) con el cual la matriz de transformación
es calculada. Si bien este modelo es muy preciso para
simular líneas aéreas simétricas, este modelo puede
presentar problemas en el caso de cables, debido
a que los elementos de Q pueden cambiar muy
drásticamente con la frecuencia.
3.3 Modelos Avanzados
Existen modelos avanzados de cable que toman en
cuenta la dependencia de la frecuencia y que vienen
implementados en el software EMTP-RV, estos son:
109
 Dután / Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra - Santa Cruz
3.3.1 Modelo Q dependiente de la frecuencia
(FDQ)
Toma en cuenta la dependencia de la frecuencia
de los parámetros del cable y de la matriz de
transformación modal Q. Este modelo tiene una gran
precisión incluso representando el comportamiento
del cable en altas y bajas frecuencias en la misma
simulación [11].
3.3.2 Modelo de línea de ancho de banda
Wideband (WB)
Es el modelo más avanzado que existe en la
actualidad. Está basado en el Modelo Universal
de Línea propuesto por Gustavsen et. al. [4]. A
diferencia de los modelos anteriores que resolvían
las ecuaciones en el dominio modal, este resuelve
las ecuaciones directamente en el dominio de fases,
por lo que ningún cambio de referencia es necesario.
El comportamiento de la línea/cable es descrito por
dos matrices dependientes de la frecuencia: YC y H
[5]. Los valores de cada elemento de las matrices son
obtenidos mediante el proceso matemático Vector
Fitting [6]. Este proceso requiere más tiempo de
simulación y demanda mayor trabajo computacional
por lo que los investigadores se han esforzado en
mejorar este método, para que los tiempos de cálculo
y recursos computacionales sean menores [7] y [8].
3.4 Modelación de cables tripolares en software
tipo EMTP
Los cables tripolares, esencialmente, consisten
de tres cables monopolares contenidos dentro de
una envoltura común. El diseño de la mayoría de los
cables tripolares se apegan a una de las dos formas
siguientes [5]:
1) Una pantalla metálica (sheath en inglés) para
cada cable monopolar, los cables monopolares
están encerrados dentro de un tubo o armadura
metálica (pipe en inglés) tal como se presenta
en la Fig. 5. Este diseño puede ser modelado
usando la representación tipo “Pipe” presente
en las rutinas CP.
Figura 5: Cables tripolares encerrados en un tubo metálico [5]
110
2) Una pantalla metálica (sheath) por cada cable
monopolar; a su vez, los cables monopolares
están encerrados dentro de una tubería de
material aislante, tal como se presenta en la
Fig. 6. Hasta la actualidad, ninguna de las
rutinas CP pueden modelar directamente este
tipo de diseño de cables debido al aislamiento
común que encierra a cada cable.
Figura 6: Cables tripolares encerrados en un tubo aislante [5]
Esta limitación puede ser resuelta mediante
dos aproximaciones [5]:
i. Colocar un material conductor muy
delgado en el interior de la tubería aislante
que no presente ferromagnetismo.
Entonces, el cable puede ser representado
como tipo Pipe en una rutina CP.
ii. Asumir que los tres cables monopolares
están directamente en la tierra, es decir,
se ignora la tubería aislante.
4. TRATAMIENTO DE DATOS PARA
MODELAMIENTO DE CABLES
Las rutinas CP simulan los cables aislados a
partir de los datos geométricos y propiedades de
los materiales del cable que son ofrecidos por el
fabricante; sin embargo, estos datos no pueden ser
ingresados de manera directa en las rutinas CP, por
lo que un tratamiento es necesario. Según [9], esto se
debe, principalmente, a:
1) Los datos pueden ser diferentes a los requeridos
en los modelos de las rutinas CP.
2) Las rutinas CP no consideran ciertas
características del cable como pantallas
semiconductoras o pantallas formadas por hilos
conductores, tal como se muestra en la Fig. 7.
Además, los datos de construcción del cable pueden
ser diferentes a los datos de diseño.

Figura 7: Modelo de cable monopolar en rutinas CP de
programas del tipo EMTP
Con base en [9], a continuación se presenta un breve
resumen de los elementos cuyos datos necesitan
tratados.
4.1. Núcleo
Las rutinas CP asumen un conductor homogéneo
(sólido o cilíndrico). Para modelar el conductor del
núcleo, las rutinas necesitan el radio y la resistividad
del conductor; sin embargo, normalmente el núcleo
es formado por hilos conductores. Por lo tanto, es
necesario incrementar la resistividad ρ’c del material
del núcleo para tomar en cuenta el espaciamiento
entre los hilos conductores, según (3).
(3)
donde Ac es la sección transversal eficiente
(nominal) del núcleo y r1 es el radio del conductor del
núcleo. En la Tabla 1 se presenta las resistividades ρ
de algunos materiales usados en cables.
Tabla 1: Resistividad de Materiales que Componen el Núcleo,
Pantallas Metálicas y Armadura de Cables
Resistividad de materiales conductivos
Mate rial Cobre Aluminio Plomo Acero
ρ (Ω · m) 1.72 E-8 2.83 E-8 22 E-8 18 E-8
Si el fabricante proporciona la resistencia dc para
el núcleo, la resistividad deseada puede calcularse de
acuerdo a (4).
(4)
4.2 Aislamiento y pantallas semiconductoras
Las pantallas semiconductoras pueden tener un
efecto apreciable en las características de propagación
de un cable en términos de la velocidad de la onda,
impedancia de la onda y la atenuación de la onda. Las
Edición No. 13, Enero 2017
rutinas CP no permiten una representación explícita
de las pantallas semiconductoras por lo que, para tener
en cuenta su efecto, es necesario un procedimiento
(aproximado) de conversión de datos según (5) y (6),
que consiste en:
1) Cálculo de r2:
(5)
donde r1 es el radio del conductor del núcleo,
dPS es el espesor de la pantalla semiconductora
y dAP es el espesor del aislante principal.
2) Cálculo de la permitividad relativa:
(6)
donde C es el valor de la capacitancia del
cable dado por el fabricante y ε0 = 8.854E-12.
Si C es desconocida, εr1 puede ser calculada
usando la permitividad relativa, εrins, del
aislamiento principal, según (7).
(7)
donde a y b son el radio interno y el radio
externo, respectivamente, del aislamiento
principal. Para el XLPE, εrins es igual a 2,3.
4.3. Pantalla de conductores
Cuando la pantalla está formada por hilos
conductores, el procedimiento consiste en
reemplazarlos mediante un conductor tubular
que tenga su área de sección transversal igual
al área total de los conductores que forman la
pantalla As. Con un radio interno de pantalla
de r2, el radio externo se obtiene según (8).
(8)
4.4.
Imprecisión en datos ofrecidos por el
fabricante
Las normas sobre cables (IEC 840 e IEC 60502)
ofrecen valor límites al mínimo espesor de cada capa
del cable con respecto al espesor nominal, pero no
el máximo espesor. Por este motivo, el fabricante es
111
 Dután / Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra - Santa Cruz

libre de usar capas más gruesas que las nominales
(por ejemplo, para tomar en cuenta la variación de
las medidas por efectos mismos de la producción y
para contrarrestar el efecto del envejecimiento). Esta
situación está presente en el aislamiento principal,
en el aislamiento por encima de la pantalla y en las
pantallas semiconductoras. Para obtener datos reales,
es necesario realizar mediciones de campo.
5. MODELACIÓN DE LOS CABLES
SUBMARINO Y SUBTERRÁNEO DEL
SISTEMA BALTRA – SANTA CRUZ
Los estudios de transitorios electromagnéticos del
sistema Baltra – Santa Cruz son desarrollados en ATP,
por lo que se debe realizar una adecuación del cable
subterráneo y la validación de los modelos de cables.
5.2 Ajuste de frecuencia para matriz Q
Para obtener el valor de frecuencia con la que
será calculada Q en el modelo JM, CIGRÉ [1]
sugiere ajustar el modelo de cables con valores bajos
de frecuencia lo que permitiría obtener resultados
conservativos. Existen dos valores de frecuencia que
deben ser calculados: frecuencia característica fs (9)
y la frecuencia crítica fc (10). Entonces, el valor de la
frecuencia objetivo fo con la que debe ser calculada Q
se seleccionada de acuerdo a los siguientes aspectos:
• Debido a que la frecuencia de interés está entre
la frecuencia característica y la frecuencia
crítica en la mayoría de los casos de cables
largos, la frecuencia con que se calcula Q debe
ser seleccionada entre las dos frecuencias.

5.1. Adaptación del cable subterráneo a modelos • La fo debe ser seleccionada como el valor
incorporados en programas del tipo EMTP más bajo de fs o fc para producir resultados
conservativos con bajo amortiguamiento.
Como se indicó anteriormente, las rutinas CP
de programas del tipo ETMP no poseen modelos
específicos para simular el cable subterráneo del
sistema de transmisión Baltra – Santa Cruz. Por lo
(9)
tanto, de las soluciones presentadas en 3.4 y en base
a consultas realizadas a investigadores dedicados al
modelamiento de cables, se agregó a su modelo una

armadura ficticia delgada cercana a la superficie del
aislante PVC. Según los expertos, las características
(10)
de este elemento deben tomar en cuenta lo siguiente:

1) El espesor tiene que ser el mínimo posible

donde ρs es la resistividad de la pantalla metálica en
que permita el programa sin que se produzcan
Ω/m, µs es la permeabilidad de la pantalla metálica en
errores de simulación (oscilaciones
numéricas). En el caso del cable subterráneo H/m, d es el espesor de la pantalla metálica en metros
del sistema Baltra – Santa Cruz, este valor fue y S es la separación entre cables en metros.
de 0.8 mm.
En este trabajo usando (9) y (10) se tienen los
2) La resistividad del material es la del aluminio siguientes resultados:
con una permeabilidad igual a la del aire,
lo que implica que el material no presenta • Cable subterráneo:
ferromagnetismo.
− fs = 16252 Hz
En la Fig. 8 se presenta la sección transversal del
− fc = 891264 Hz
cable subterráneo simulado en ATP.
por lo tanto fo = 16260 Hz

• Cable submarino:

− fs = 8133 Hz

− fc = 270766 Hz

por lo tanto fo = 8135 Hz

Una vez seleccionado el valor de la fo, se debe

confirmar, mediante simulaciones, que no conduce a
Figura 8: Modelo de cable subterráneo con inclusión de una situación irreal en estado estable y transitorio.
armadura ficticia

112
 Edición No. 13, Enero 2017

5.3. Intervalo de frecuencia Tabla 2: Guía de CIGRÉ para Selección del Rango de
Frecuencia en Modelos Frequency Dependance. [1]
De acuerdo a CIGRÉ [1] cuando se usan modelos
de líneas y/o cables dependientes de la frecuencia
pueden ocurrir simulaciones inestables causadas,
a menudo, por violaciones pasivas del modelo del
cable. Las soluciones a estos problemas contemplan
reducir el límite inferior de la curva de ajuste de
frecuencia, incrementar el límite superior de la curva
del ajuste de frecuencia, entre otros que se exponen de
una manera detallada en la Tabla 4-3 del documento
de CIGRÉ [1]. Esta información es presentada en este
trabajo mediante la Tabla 2.

Basados en la sugerencia de CIGRÉ, la frecuencia

mínima con la que se ajustaron los modelos de cables
submarino y subterráneo en el modelo JM es de
0.001 Hz, mientras que para la frecuencia superior
se ingresó un valor de 9 décadas con 10 puntos por
década. Valores inferiores a 0.001 Hz y superiores
a 9 décadas provocaron oscilaciones numéricas en
el modelo de cables. Estos valores también fueron
ingresados en el modelo WB.

6. RESPUESTA DE LOS CABLES

Para validar y determinar las limitaciones del

modelo JM se compara su respuesta de voltaje con la
del modelo WB.

6.1. Método de evaluación de respuesta transitoria Figura 9: Diagrama para evaluar respuestas de modelos de
de cables cable

Los modelos de cables subterráneo y submarino

son probados mediante la aplicación de una señal
de voltaje continuo de magnitud 1 V en una fase,
mientras que las restantes y los conductores de
pantalla se encuentran aterrados en un extremo
(donde se realiza la conexión) y abiertos en el otro.
Figura 10: Implementación en ATP para evaluar respuesta del
En la Fig. 9 se presenta un diagrama de esta prueba cable subterráneo
y en la Fig. 10 se presenta la implementación del
cable subterráneo en ATP, mientras que en la Fig. 11
se muestra la implementación en EMTP-RV. Para La longitud de cada cable se ajustó en 1 km. De
el cable submarino se usan los mismos circuitos de acuerdo a CIGRÉ, todas las resistencias del circuito de
prueba tienen un valor de 1 Ω. El objetivo es obtener
prueba tanto en ATP como en EMTP-RV.
el voltaje en el extremo abierto de la fase donde se
aplica la señal y los voltajes inducidos en las fases
restantes y conductores de pantalla de los extremos
abiertos.

113
 Dután / Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra - Santa Cruz

Los resultados de voltajes en núcleo y pantallas

para el cable subterráneo usando ATP y EMTP RV
se presentan en la Fig. 12 y Fig. 13, respectivamente.
Las señales en las fases B y C, y en las pantallas A,
B y C son voltajes inducidos y es en estos elementos
donde, según [10], el ATP ofrece resultados erróneos
debido a que Q se calcula con una valor fijo de
frecuencia. Para la fase energizada el resultado es
aceptable.
Figura 13: Respuesta del cable subterráneo usando
EMTP-RV

6.2
Comparación de respuestas para cable
subterráneo y submarino

Para una adecuada interpretación de las gráficas

Figura 11: Implementación en EMTP-RV para evaluar
respuesta del cable subterráneo
Esta prueba es considerada adecuada para evaluar,
no solamente el cable que se ha modelado, sino el
mismo algoritmo que cada software posee para
modelamiento de línea/cable. Pruebas adicionales [1]
pueden ser realizadas conectando a tierra las pantallas
y armaduras, con lo que el algoritmo “eliminará”
estos conductores con la consecuencia que no se
podrá evaluar los sobrevoltajes inducidos en pantallas
y armadura.
Según [5], los voltajes inducidos en elementos
conductores por encima de las pantallas son mínimos
y no son de importancia en estudios de energización,
por lo que la armadura ficticia en el modelo del cable
subterráneo y la armadura del cable submarino se
conectan a tierra sin que esto influya a los voltajes del
núcleo y pantallas.
siguientes, la leyenda de las figuras hacen referencia
primeramente al software utilizado (EMTP-RV o
ATP), luego se indica el conductor donde se mide
la señal (núcleo C o pantalla S), a continuación se
indica el tipo de cable (subterráneo ST o submarino
SM), finalmente se indica la fase en la que se mide (A
o B) considerando que por el arreglo de las fases en
triángulo equilátero en ambos cables los voltajes en
los núcleos B y C en pantallas B y C son los mismos.
En la Fig. 14 y Fig 15 se presentan los resultados
del voltaje en el extremo abierto del núcleo de la fase
A. Se observa que el modelo JMarti ofrece resultados
similares al modelo WB para el primer pico lo que
permite asegurar que el modelo JMarti es adecuado
para evaluar el primer pico transitorio. En la Fig. 16,
Fig 17 y Fig. 18 se observan los voltajes inducidos
en fases restantes y pantallas del cable subterráneo
donde se puede afirmar que el modelo JMarti falla.

Figura 14: Respuestas de cable subterráneo en fase A usando

ATP y EMTP-RV

Figura 12: Respuesta del cable subterráneo usando ATP

Figura 15: Respuestas de cable submarino en fase A usando

ATP y EMTP-RV

114

Figura 16: Respuestas (voltajes inducidos) de cable
subterráneo en fase B y C usando ATP y EMTP-RV
Figura 17: Respuestas (voltajes inducidos) de cable
subterráneo en pantallas de fase A usando ATP y EMTP-RV.
Figura 18: Respuestas (voltajes inducidos) de cable
subterráneo en pantallas de fase B y C usando ATP y
EMTP-RV.
Comportamientos similares se observan en las
respuestas del cable submarino y que se presentan en
la Fig. 19, Fig. 20 y Fig. 21.
Figura 19: Respuestas (voltajes inducidos) de cable submarino
en fase B y C usando ATP y EMTP-RV
Edición No. 13, Enero 2017
Figura 20: Respuestas (voltajes inducidos) de cable submarino
en pantallas de fase A usando ATP y EMTP-RV
Figura 21: Respuestas (voltajes inducidos) de cable submarino
en pantallas de fase B y C usando ATP y EMTP-RV
7. CONCLUSIONES Y RECOMENDACIONES
El modelamiento de cables en programas del tipo
ETMP requiere de un procesamiento de los datos
geométricos y eléctricos del cable ofrecidos por el
fabricante antes de ser ingresados en la rutina CP.
Esto permite tomar en cuenta el núcleo y pantallas
metálicas que están formados por hilos conductores
y tomar en cuenta el efecto de las pantallas
semiconductoras.
El diseño del cable subterráneo del sistema de
subtransmisión Baltra – Santa Cruz no corresponde
a ningún modelo presente en rutinas CP por lo que
resultó necesario agregarle una pantalla ficticia para
usar el modelo Pipe. Los resultados de este trabajo
se basan en este artificio el cual, si bien es sugerido
por el estado del arte e investigadores, aún no tiene
pruebas publicadas que lo respalden. Este artificio no
es válido para evaluar corrientes de cortocircuito a
tierra debido a que la corriente encontrará un camino
a través de la armadura lo cual afectará la valoración
de la corriente de falla.
Las validaciones realizadas en este trabajo se
obtuvieron para sobrevoltajes de frente lento. Es
necesario realizar validaciones para sobrevoltajes de
frente rápido donde se ven involucradas frecuencias
más altas. En el sistema Baltra – Santa Cruz no fue
115
 Dután / Modelación y Validación en ATP de los Cables Subterráneo y Submarino del Sistema de Subtransmisión Baltra - Santa Cruz

necesario analizar sobrevoltajes de frente rápido Delivery, vol. 14, no. 3, pp 1032-1038, July 1999.
debido a que en las islas la presencia de descargas
atmosféricas es casi nula. [5] J. Martinez-Velasco et. al., “Power System
Transients – Parameter Determination”, CRC
Para simular sobrevoltajes de maniobra en líneas Press, 2010.
de transmisión eléctrica que contengan cables, el
modelo JMarti debe ser ajustado con una frecuencia [6] B. Gustavsen and A. Semlyen, “Simulation of
con la cual la matriz Q permita obtener resultados Transmission Line Transients Using Vector
aceptables. Esta frecuencia debe ser seleccionada Fitting and Modal Decomposition”, IEEE Trans.
del menor valor de la frecuencia característica y on Power Delivery, vol. 13, no. 2, April 1998.
frecuencia crítica del cable, según CIGRÉ. Los
[7] O. Ramos-Leaños et. al., “A Wideband Line/
resultados muestran que el modelo JMarti da valores
Cable Model for Real-Time Simulations of
confiables para voltajes transitorios de fases, mientras
Power System Transients”, IEEE Trans. on
que para valorar voltajes transitorios inducidos en
Power Delivery, vol. 27, no. 4, October 2012.
fases, pantallas y armaduras el modelo falla. Por
tal motivo, no es posible usar ATP para estudios [8] O. Ramos-Leaños, “A Wideband Line/Cable
que permitan incluir descargadores (pararrayos) en Model for Real-Time and Off-Line Simulations
pantallas como medio de control de sobrevoltajes. of Electromagnetic Transients”, École
Polytechnique de Montréal, Avril 2013.
Ante la incertidumbre de los resultados de las
simulaciones, en el cable subterráneo del sistema [9] B. Gustavsen, “Panel Session on Data for
de subtransmisión Baltra – Santa Cruz, se optó por Modeling System Transients Insulated Cable”,
colocar a tierra las pantallas cada tres kilómetros SINTEF Energy Research - Trondheim, Norway.
como un medio para controlar los sobrevotlajes
inducidos. Normalmente, una buena práctica exige, [10] H. K. Hoidalen and A. Soloot, “Cable Modelling
a lo mucho, colocar de dos a tres puestas de tierra en in ATP – from Noda to TYPE 94”, Norwegian
cables largos. University of Technology Trondheim, Norway.

Los resultados de este trabajo, especialmente para [11] L. Marti, R.H. Brierley and T.E. Grainger,
el cable subterráneo, no deberían ser tomados como “Analysis of Electromagnetic Transients in
concluyentes debido a las simplificaciones y criterios Cross-Bonded Cable Systems Using Frequency
asumidos. Para una mejor validación del modelo de Dependent Cable Models”, International
cables, se recomienda que en las especificaciones Conference on Power System Transients, IPST
técnicas se solicite al fabricante la respuesta de 95, Lisbon, September 1995.
un cable de 1 kilómetro ante un voltaje continuo
para comparar y validar los modelos usados en los
estudios. Luis Manuel Dután Amay.-
Nació en la parroquia Guapán
REFERENCIA BIBLIOGRÁFICA
de la ciudad de Azogues,
[1] CIGRÉ, “Power System Technical Performance provincia de Cañar. Recibió
Issues Related to the Application of Long HVAC su título de Ingeniero Eléctrico
Cables”, WG C4.502, 2013. de la Escuela Politécnica
Nacional donde también ha
[2] H. Dommel, “EMTP Theory Book”, Canadian/ cursado estudios de Maestría
American EMTP User Group, July 1995. en Ingeniería Eléctrica. Desde
el 2009 es colaborador de la Corporación Eléctrica
[3] F. Alvarado, “Electromagnetic Transients
del Ecuador CELEC EP - Unidad de Negocio
Program (EMTP): Workbook II”, Electric Power
Transelectric en el departamento de Planificación
Research Institute, June 1989.
y desde 2014 en la Subgerencia de Proyectos de
[4] A. Morched, B. Gustavsen and M. Tartibi, “A Expansión – Área de Diseño de Subestaciones. Su
universal model for accurate calculation of campo de investigación se encuentra relacionado con
electromagnetic transients on overhead lines transitorios electromagnéticos, equipo primario de
and underground cables”, IEEE Trans. on Power subestaciones y coordinación de aislamiento de líneas
de transmisión y subestaciones.

116
 Aplicación Práctica / Practical Issues

Análisis y Simulación en Matlab del Método de Detección y Corrección

de Errores Reed-Solomon (204,188) Utilizado en la Norma ISDB-TB e
Implementación en un FPGA

L. Aguirre E. Gordón
CELEC EP TRANSELECTRIC
E-mail: lenin.aguirre@celec.gob.ec, esteban.gordon@celec.gob.ec

Resumen Abstract

El presente artículo busca entender el
funcionamiento del método de detección y
corrección de errores que se maneja dentro de
la norma ISDB-TB. Se elabora un algoritmo
para el codificador y decodificador utilizando
Matlab y posterior implementación en la tarjeta
FPGA Spartan 3E en lenguaje VHDL. Con
el fin de facilitar la comprensión y el uso de los
algoritmos se parte de un Reed-Solomon (15,9), el
cual ayudará a facilitar los procesos matemáticos
que posteriormente serán ejecutados en Matlab
y con los cuales se desarrolla una interfaz gráfica
amigable en donde se puede interactuar con la
tarjeta FPGA desplegando la simulación y así
verificar el análisis a continuación descrito.
This article seeks to understand the operation
of the method of error detection and correction
is handled within the ISDB-TB standard. An
algorithm for the encoder and decoder using
Matlab and subsequent implementation in
Spartan 3E FPGA VHDL card is made. In order to
facilitate the understanding and use of algorithms
is part of a Reed-Solomon (15,9), which will help
facilitate mathematical processes that will later
be executed in Matlab and with which a user-
friendly graphical interface is developed where
you can interact with the FPGA card displaying
the simulation and thus verify the analysis.

Palabras clave— FPGA (Field Programmable Index terms— FPGA (Field Programmable Gate
Gate Array), Reed-Solomon, MATLAB (MATrix Array), Reed-Solomon, MATLAB (MATrix
LABoratory), VHDL y ISDB-Tb. LABoratory, VHDL and ISDB-Tb.

Recibido: 09-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Aguirre, L; Gordón, E. (2017). “Análisis y Simulación en Matlab del Método de
Detección y Corrección de Errores Reed-Solomon (204,188) Utilizado en la Norma ISDB-TB e Implementación
en un FPGA” Revista Técnica “energía”. No. 13, Pp. 117-126
ISSN 1390-5074.

117
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
La codificación Reed-Solomon (RS) es un
esquema de codificación de bloque que puede
detectar y corregir ráfagas de errores hasta un cierto
límite, determinado por la cantidad de redundancia
con la que se ha diseñado el código y se utiliza en
el estándar ISDB-Tb. Este tipo de código surge de
una familia llamada códigos de bloque, en que el
codificador procesa un bloque de símbolos, a los que
agrega redundancia para generar otro bloque de una
longitud mayor de símbolos codificados. Se tiene
una gran complejidad en el proceso computacional,
pero este problema ha sido superado gracias a la
implementación de circuitos integrados en gran
escala. Los códigos Reed-Solomon son códigos FEC,
no binarios, bloque lineal, cíclicos y son una subclase
de los códigos BCH (su nombre hace referencia a
las siglas de sus tres autores Bose, Ray-Chandhuri y
Hocquengheim). El código fue inventado por Irving
S. Reed y Gustave Solomon (de ahí su nombre) en
el año de 1960. En el presente trabajo se creará un
algoritmo a través del cual se puede generar el código
RS de cualquier longitud y el cual podrá ser aplicado
a varias aplicaciones.
2. RS(204,188) CARACTERÍSTICAS GENERALES
Las señales de audio, video y datos ingresan al
compresor MPEG, del cual se derivan las salidas
TS (Transport Stream), estas múltiples salidas
alimentan al remultiplexor el cual las transforma
en un haz de transporte TSP (Transport Stream
Packet), señal ráfaga de 188 bytes. Se debe entonces
obligatoriamente aplicar el código Reed Solomon
para que el TSP resultante sea convertido en otro de
longitud de 204 bytes, consistiendo en 188 bytes de
datos de programa y 16 bytes de paridad. El flujo
de bits ya no es llamado TSP sino BTS (Broadcast
Transport Stream). Debido al tamaño del TSP (204
bytes), un RS abreviado (204,188) se debe aplicar
obligatoriamente en cada TSP como un código
externo.
La codificación RS abreviada (204,188) se debe
generar agregando 51 bytes en el comienzo de la
entrada de los datos del código RS (255,239), y
entonces después de aplicar la codificación externa
esos 51 bytes se deben remover obligatoriamente. El
código RS abreviado (204,188) puede corregir hasta
8 bytes aleatorios erróneos entre los 204 bytes [2].
118
A. Aritmética de Módulo 2
El presente estudio se basa en códigos binarios,
en los cuales se utiliza un alfabeto simple con dos
bits 0 y 1. La codificación y decodificación en este
tipo de códigos envuelve operaciones de aritmética
binaria de suma y multiplicación módulo 2 (⊕,*), su
correspondencia en la lógica binaria, es la operación
OR EXCLUSIVA y AND respectivamente.
B. Teoría de los Campos de Galois
En un campo o extensión de un anillo se
definen las dos operaciones conocidas como suma
y multiplicación módulo dos en dicho campo, sus
elementos cumplen los siguientes axiomas.
o Clausurativo
(1)
o Asociativo
(2)
o Existencia de neutro
(3)
o Existencia del inverso
(4)
o Conmutativo
(5)
o Distributivo
(6)
Al evaluar los axiomas en un campo se pueden
dar dos opciones, la primera si el campo
cumple con los axiomas conmutativo y existencia
del neutro, se dice que el campo es un anillo con
elemento neutro y si el campo es un anillo
conmutativo con elemento neutro, y cumple con los
axiomas de existencia de inverso y de neutro respecto
a la operación suma módulo 2, se dice que el campo es
un campo de Galois GF.[3] Dado un polinomio
en , donde es el campo correspondiente
a este polinomio, se asocia con a un grupo de
elementos denominado el grupo de Galois de .
Las raíces del polinomio tienen una estrecha relación
con su grupo de Galois. El grupo de Galois resulta
ser el conjunto de permutaciones de las raíces del
polinomio. El grupo de Galois de queda definido
como un cierto grupo de automorfismo del campo
de descomposición de sobre , es decir
el conjunto de todas las raíces del polinomio. Los
subgrupos del grupo de Galois y los subcampos del
 Aguirre et al. / Método de Detección y Corrección de Errores Reed-Solomon, Norma ISDB-TB

campo de descomposición, mantienen una dualidad

(10)
que expresa el teorema fundamental de la teoría de
Galois [4].
D. Polinomio Primitivo
C. Estructura del código RS
Se define un polinomio primitivo o no reducible
En la codificación (RS) se usa la representación como aquel que no se puede factorizar en un
RS que tiene las siguientes características: producto de polinomios de menor grado [5].
Tabla 1: Polinomios primitivos de grado 2 a 8

• bits consecutivos agrupados que forman un

símbolo.

• símbolos de información en cada secuencia

codificada.

• símbolos de paridad en cada secuencia

codificada.

• Longitud de la secuencia codificada, Los polinomios primitivos se utilizan para la

símbolos. generación de los campos finitos de Galois, estos
últimos permiten la generación de los códigos RS.
• , donde es el número total de
símbolos en el campo de Galois ( ) con los Se presenta los polinomios primitivos de grado 2
que se forma la secuencia codificada. a 8 (ver Tabla 1).

• Corrige hasta t símbolos erróneos en la E. Polinomio Generador

secuencia codificada, donde . En general el polinomio y sus
• Distancia mínima del código. factores, son una parte importante en la creación del
RS. El polinomio generador ayuda a encontrar los
elementos de un campo de Galois GF(2^n) [6].
(7)
Se constituye como:
El está formado por elementos, en donde
siempre es un número primo. El campo se
lo puede extender a un campo de elementos, (11)
en donde es cualquier número entero positivo
que tiene un valor mayor que 2. Para la generación
Donde el coeficiente es igual a 0 o 1.
de códigos RS, los elementos del campo de Galois
serán . Los elementos del campo de Galois 3. ALGORITMO DE CODIFICACIÓN REED-
se representan con el 0, 1, y los subsiguientes se SOLOMON (15,9)
generan multiplicando el anterior por . Para cerrar
la secuencia y dar un campo finito de elementos en Para el entendimiento del proceso de
se establece: codificación y decodificación, se describirá un código
RS(15,9). Este proceso se puede generalizar para
(8) códigos más grandes, ya que no se altera la estructura y
características, se puede decir que crecen linealmente
Mediante la condición mencionada, cualquier con el tamaño de procesamiento de información [7].
elemento del campo que tenga una potencia igual
Como ejemplo se desea codificar la secuencia
o mayor que se puede transformar a un
1111 0000 0000 1100 0000 0000 0000 0000 1000
elemento con una potencia menor que :
empleando un código RS con símbolos de
información, símbolos de tamaño de palabra
(9) código, bits individuales en cada símbolo y
capaz de corregir errores. Para generar este
El campo finito , está conformado por
código se emplean los campos de Galois de orden
elementos consolidados de la siguiente manera:
. Para el RS(15,9), el campo de Galios es el
siguiente:

119
 Edición No. 13, Enero 2017

(12)
Cualquier operación que se realice sobre un
elemento genera otro elemento del campo, de esta
manera el campo tiene un tamaño finito. Para el
ejemplo RS(15,9) se emplea el polinomio primitivo
de de orden , obtenido de la Tabla 1.
(13)
El grado del polinomio primitivo es . binarios (vectores) con los elementos del campo
Con esto se obtiene elementos en el campo
definido por . Se evalúa el polinomio
con diferentes valores de x para determinar cuando
el polinomio da como resultado . Los
elementos binarios 1 y 0 no dan como resultado 0, ya
que con la suma módulo 2, se tiene:
(22)
Esto quiere decir que la serie de elementos se
repiten, entonces se tienen los 16 elementos del
campo finito de .
A. Representación Polinomial y Vectorial de los
Elementos GF
Para un mejor entendimiento del campo de
Galois se presenta su estructura en términos de 0s
y 1s y de esta manera se relacionan los símbolos
. Diferentes formas en las cual se puede representar el
campo generado por el polinomio primitivo
correspondiente (ver Tabla 2).
Tabla 2: Campos de Galois

(14)

(15)

Se evalúa el polinomio con obteniendo lo

siguiente:

(16)

(17)

(18)

Dado que en el campo binario +1 =-1 y

debido a que , con lo cual se puede
representar como:
B. Determinación del Polinomio Generador
(19)
Con el polinomio generador se encuentran
(20) los símbolos de paridad. Para la construcción del
polinomio se deben tomar raíces consecutivas, de
se expresa como una suma términos que tienen tal forma que el polinomio generador representado
órdenes inferiores. De hecho todas las potencias de por tiene la siguiente forma:
pueden ser expresadas de la misma forma. Por
ejemplo en se tiene: (23)

(21) (24)

De la misma manera se obtienen resultados
similares para los demás exponentes de . Además
se puede comprobar que cualquier elemento que
se encuentra fuera del campo de Galios
es igual a uno de los elementos del campo
de la siguiente
manera:
(25)
También se muestra el polinomio a utilizar en el
codificador RS (15,9). Se observa que el grado del
polinomio generador es igual al número de símbolos
de paridad.

120
 Aguirre et al. / Método de Detección y Corrección de Errores Reed-Solomon, Norma ISDB-TB

C. Cálculo de la Palabra Codificada

(34)
Para codificar la secuencia binaria se
La Palabra codificada con la representación
seleccionan los bits de información de cuatro en
es:
cuatro que constituyen los símbolos de la secuencia
de información y se construye el polinomio
transformando cuatro bits en un elemento de
Finalmente la palabra codificada con la
a partir de su representación polinómica, lo que da
representación binaria:
como resultado:
|0111|1111|0101|0010|1100|0111|1111|0000|0000|110
i=1111 0000 0000 1100 0000 0000 0000 0000 1000
0|0000|0000|0000|0000|1000

D. Ejemplo de Decodificación RS(15,9)

Para el ejemplo de la decodificación se insertan

Polinomio de los símbolos de información errores a la palabra codificada.

(26)
(35)

Al realizar la codificación RS es fundamental

tomar en cuenta la estructura de la palabra de |0101|1111|0101|0010|1100|0100|1111|0000|
información o mensaje y de la paridad . (36)
0000|1100|0000|0000|0000|0110|1000
Tabla 3: Ejemplo RS (15,9)
E. Cálculo de los Síndromes

Al realizar la revisión de la paridad en la palabra

codificada con o sin errores recibida por el
decodificador se tiene como resultado el valor del
síndrome. Es decir que se evaluará el polinomio con
los símbolos de los cuales está conformado
Para realizar la codificación se requiere desplazar el síndrome, en el caso a estudiarse tenemos un
los coeficientes del mensaje en posiciones: RS(15,9) con 6 símbolos en el vector. Por lo tanto
se tiene que el síndrome puede ser definido como:
(27)

(28) (37)

(29) Si al evaluar el vector síndrome de la palabra

recibida, el resultado es igual a cero, dicha palabra
Posteriormente se divide para : será una palabra código válida, de otro modo al ser
el resultado diferente de cero, se tendrá una palabra
de código con errores. Primero se evaluará la palabra
(30) código con los seis símbolos pertenecientes al
síndrome, es decir:
Como residuo de la división se tiene: , , ,…,

Se tendrá el vector síndrome de la siguiente

La palabra codificada se encuentra expresada manera:
como:
(38)
(31)
El vector síndrome resultante es diferente de cero,
por lo tanto la palabra código que llegó al receptor
(32) posee errores.

(33)

121
 Edición No. 13, Enero 2017

F. Cálculo del Polinomio Detector de Error

: Iteraciones en curso
El algoritmo más eficiente para la decodificación
: Complejidad lineal
de códigos bloque cíclicos binarios es el algoritmo
de Berlekamp-Masey, cuya complejidad crece Para el ejemplo se calculará el polinomio
linealmente con la distancia mínima del código. localizador de error, con los resultados de las
Permitirá encontrar el polinomio localizador de iteraciones calculadas (ver Tabla 4).
errores, siempre y cuando el número de errores
Tabla 4: Algoritmo Berlekamp - Massey
producidos no supere la capacidad correctora t del
código. Caso contrario el algoritmo producirá un
polinomio que no cumpla con las propiedades del
polinomio localizador o un polinomio que cumpla
con estas propiedades pero incorrecto, en ambos
casos la decodificación será equivocada, siendo esta
una limitante de Berlekamp-Masey. El polinomio
localizador de errores permitirá el cálculo de la
ubicación exacta dentro de la palabra que llega al
receptor y tendrá la siguiente forma [8]:

de grado menor o
igual que t.
Donde se tiene como resultado al polinomio
Berlekamp-Massey es un algoritmo iterativo que localizador de error a:
analizará los valores de los síndromes de forma como
se muestra en los siguientes pasos: (40)

Ya encontrado este polinomio es necesario

factorizarlo para así determinar las ubicaciones del
a) Calcular los síndromes
error, para esto procedemos a evaluarlo verificando
b) Inicializar uno a uno si cada elemento sobre el cual se evalúa,
es raíz del polinomio Λ(x).
(39)

c) Calcular , , …, (41)

d) Modificar Con estos resultados se puede concluir que las

raíces de Λ(x) son:
e) Si , ir al paso f) caso contrario ir al
paso g)

f) Igualar y La ubicación de los errores serán los

, ir al paso h) correspondientes a los recíprocos de las raíces
calculadas. Por lo tanto las posiciones de los errores
g) Igualar son:
h) Igualar

i) Si entonces e ir al Paso Para determinar los valores de los errores se

c) definirá el polinomio evaluador de errores , en
Dónde: la forma

Polinomio localizador de error (42)

Polinomio: El polinomio z(x) relaciona la ubicación y

: Polinomio auxiliar, permite calcular magnitud del error

: Síndrome

: Discrepancia entre síndromes

122
 Aguirre et al. / Método de Detección y Corrección de Errores Reed-Solomon, Norma ISDB-TB

Se emplea el algoritmo de Forney, dada las

Polinomio primitivo :
posiciones de los errores, para el cálculo de la
magnitud de estos (diferencia entre símbolo correcto
y recibido) por medio de la siguiente expresión: (51)

Polinomio generador :

(43) (52)

Al final de la decodificación se deberá remover

Donde:
los 51 bytes agregados al inicio del codificador.

5. SIMULACIÓN REED-SOLOMON (204,188)

A continuación se presenta la simulación del

método de detección y corrección de errores Reed-
Solomon (204,188) desarrollado en Matlab y con
(44)
la herramienta Simulink. También se incluye un
bloque de transmisión de señal OFDM con esquema
de modulación de las portadoras QPSK, con el fin
de poder ingresar el flujo de bits provenientes del
codificador RS al canal de prueba. El programa
permite emular diferentes niveles de ruido en el canal,
desvanecimientos rápidos y también los intervalos de
Una vez calculada la magnitud del error se calcula guarda 1/4, 1/8, 1/16, 1/32 de la duración del símbolo
el polinomio activo para el modo 1 de la transmisión de una señal
de TV digital ISDBT-b [2] [9].

La palabra de información es editable y obtenida

(45)
aleatoriamente por medio del botón GENERAR. En la
Fig. 1 se aprecia el ejemplo que se genera una palabra
(46)
aleatoria. No se puede apreciar todo la palabra debido
a su longitud de 188 bytes.
Como paso final de la decodificación y para
obtener la palabra código transmitida se realizará la
diferencia entre la palabra recibida y el error .

(47)

(48) Figura 1: Simulación RS (204,188)

(49) Después de que la palabra de información es

ingresada en el programa se emula un canal por el
La palabra de información serán los últimos cual se transmite la señal codificada. Dentro del
nueve símbolos de la palabra codificada retirando los canal se inserta ruido el cual producirá errores en la
seis símbolos del inicio pertenecientes a la paridad y palabra. Para que la transmisión se acerque a realidad
desplazándolos las seis ubicaciones hacia atrás que se se implementa un modulador OFDM+QPSK [10].
aumentaron al iniciar el proceso.
(50)

4. REED-SOLOMON (204,188)

La codificación abreviada se debe generar

agregando 51 bytes en el comienzo de la entrada de
los datos obteniendo un código RS(255,239). Para
este codificador se debe utilizar el campo de Galios:

Figura 2: Señal modulada a transmitirse

123
 Edición No. 13, Enero 2017
En la Fig. 3 se aprecian los valores recuperados
después del mapeo QPSK. Se presenta la palabra
codificada con errores en forma discreta.
Figura 3: Señal recuperada con errores en el receptor
En la Fig. 4 se presenta la interfaz gráfica con el
proceso completo de la decodificación RS (204,188).
Figura 4: Interfaz gráfica con los valores completos de la
decodificación.
6. IMPLEMENTACIÓN DE RS EN TARJETA
FPGA SPARTAN 3E
Inicialmente se presentará algunas definiciones
necesarias para el entendimiento de esta sección:
FPGA (Field Programmable Gate Array) es
un dispositivo programable que contiene bloques
de lógica que puede ser configurada mediante un
lenguaje de descripción especializado.
VHDL, lenguaje definido por el IEEE usado
para describir circuitos digitales o modelar fenómenos
científicos respectivamente. VHDL es el acrónimo
de VHSIC y HDL, donde VHSIC (Very High Speed
Integrated Circuit) y HDL (Hardware Description
Language).
Para la elaboración del código VHDL se ha
partido del entorno de Matlab, que consiste en una
124
herramienta técnica de altas prestaciones para el
cálculo numérico. Se ha transformado los algoritmos
que estaban en lenguaje de Matlab a lenguaje
VHDL siendo usada la herramienta Math Works, el
generador HDL Code. La función del generador HDL
coder es generar automáticamente un código HDL
desde MATLAB, es decir que permite diseños sobre
FPGAs. Ya que el objetivo de la creación del lenguaje
fue principalmente lograr el diseño, modelado
y documentación del Método de Detección y
Corrección de errores Reed-Solomon se ha procedido
a realizar la transformación de los algoritmos desde
Matlab, facilitando la realización de scripts de los
circuitos complejos desarrollados.
Para la implementación física se utiliza la
tarjeta FPGA SPARTAN 3E, donde se cargará la
configuración del algoritmo en VHDL. Para realizar
las pruebas de funcionamiento se han configurado
la entrada y salida de los datos a través del puerto
serial. De esta manera el computador generará los
datos, los cuales a través del puerto serial se envían
hacia la tarjeta, en donde se aplicará el algoritmo de
codificación cuando el usuario procede a ejecutarlo a
través del botón EJECUTAR presente en la interfaz
gráfica como se explicará posteriormente. La palabra
codificada saldrá de la tarjeta por el mismo puerto
serial hacia el computador donde se presentará por
medio de un display en SIMULINK. De la misma
manera se procederá la decodificación [11].
Figura 5: Sistema de comunicación entre PC y tarjeta FPGA
En la Fig. 6 se observa la prueba del codificador
y decodificador RS en la tarjeta FPGA
Figura 6: Conexión física entre la tarjeta y el computador
 Aguirre et al. / Método de Detección y Corrección de Errores Reed-Solomon, Norma ISDB-TB
En la Fig. 7 se observa la interfaz FPGA con la
palabra decodificada.
Figura 7: Interfaz gráfica con los valores completos de la
decodificación.
7. RECURSOS UTILIZADOS EN LA TARJETA
FPGA SPARTAN 3E
La Fig. 8 presenta el resumen detallado en
porcentaje del nivel de uso de la tarjeta FPGA. En
el campo “Number of Slices” se indica que se ha
utilizado el 101% de la tarjeta, esto se debe a que la
Spartan 3E tiene un 5 % de reserva del cual se ha
utilizado el 5%.
Figura 8: Recursos utilizados en la tarjeta FPGA Spartan 3E
para el codificador y decodificador RS (15,9)
La tarjeta FPGA Spartan 3E posee una memoria
limitada lo que permite un número limitado de
comandos. Por esta razón se podrá realizar la
implementación del código Reed-Solomon (15,9)
con un nivel de procesamiento del 100% y su
funcionamiento es el correcto. Para el código Reed-
Solomon (204,188) se requiere una tarjeta con
una memoria más extensa, debido a que la tarjeta
utilizada en el actual estudio no se logra procesar todo
el algoritmo.
8. CONCLUSIONES
La complejidad de un algoritmo se define por
medio del número de operaciones elementales
necesarias en la resolución de un problema y a su
vez las operaciones dependen del número de datos de
entrada y de salida. De esta manera la complejidad
aumenta linealmente según sea el tamaño de la
información de entrada. Por esta razón se partió
de un algoritmo pequeño con 15 bytes de entrada,
Reed-Solomon (15,9), y posteriormente se replicó
el algoritmo para el desarrollo del Reed-Solomon
(204,188) con 255 bytes de entrada. El estudio,
comprensión y visualización del código Reed-
Solomon es más fácil con un código de dimensiones
pequeñas.
La decodificación Reed-Solomon utiliza varios
algoritmos para su resolución, entre los cuales se
encuentra Berlekamp-Massey, estos algoritmos limitan
al decodificador la corrección de errores cuando
la palabra de información que ingresa al receptor
sobrepasa el número de errores permitidos por el
algoritmo. Al intentar decodificar una palabra que
sobrepase el número máximo de errores no se logra
decodificar, llegando la información con errores.
El algoritmo Reed-Solomon (204,188) puede
corregir 8 bytes de los 255 bytes que ingresan, cada
byte posee 8 bits, por lo tanto tiene la capacidad de
corregir 64 bits siempre y cuando sean dentro de los
mismos 8 bytes.
La herramienta de programación Matlab permite
realizar funciones y algoritmos que dependen de
entradas variables o constantes según sea la necesidad
del usuario, por tal razón el algoritmo realizado
es un genérico para cualquier Reed-Solomon a
implementarse. El lenguaje de Matlab es flexible para
realizar cálculos avanzados como los utilizados en el
codificador y decodificador Reed-Solomon.
La tarjeta utilizada es la Spartan 3E, ya que es una
tarjeta con múltiples aplicaciones, fácil de conseguir
en el mercado y su valor es accesible para estudiantes.
Tarjetas de mayor capacidad tienen costo elevado.
La tarjeta FPGA Spartan 3E es compatible
con Matlab, por lo cual es factible realizar la
transformación de funciones generadas en Matlab a
programas en lenguaje VHDL.
Para el código Reed-Solomon (204,188) se satura
la memoria de la tarjeta Spartan 3E, por lo cual no es
posible realizar la implementación en dicha tarjeta, es
necesario utilizar una tarjeta de mayor capacidad para
poder implementarlo físicamente. La comprobación
del correcto funcionamiento se logra a través de la
simulación presentada. El costo de la tarjeta óptima
para la implementación es alto y se debe solicitar su
importación directa del fabricante. Se recomienda la
tarjeta FPGA Virtex 6.
125
 Edición No. 13, Enero 2017

Dentro de las redes de transporte se poseen

tecnología como SDH y OTN, las cuales trabajan con
un sistema de detección y corrección de errores RS Lenín A. Aguirre.- nació
(255,239) el cual su algoritmo se ha elaborado en el en Quito-Ecuador, el 11
presente proyecto. Por lo tanto el estudio se lo puede de septiembre de 1990.
implementar sobre las redes de transporte de datos. Graduado en el Colegio
Experimental “Sebastián de
REFERENCIAS BIBLIOGRÁFICAS Benalcázar”, donde obtuvo
el título de Bachiller en
[1] ARCOTEL, Adopción del estándar para Ciencias especialización
Televisión Digital Terrestre, http://www.arcotel. Físico Matemáticas. En el
gob.ec/wp-content/uploads/2015/07/Proyecto- año 2008 ingresó a la Escuela Politécnica Nacional
resoluci%C3%B3n-norma-tecnica-tdt.pdf donde obtuvo el título de Ingeniero Electrónica
[2] Asociación Brasilera de Normas Técnicas, y Telecomunicaciones. Actualmente es Asistente
“ABNT NBR 15601:2007 Televisión digital Técnico en CELEC EP Unidad de Negocio
terrestre – Sistema de transmisión ISDB-Tb”, Transelectric en la Subgerencia de Servicios del
2007. S.N.I.

[3] Abramson Norman, “Teoría de la Información Esteban P. Gordon.- nació

y Codificación”, Editorial Paraninfo, quinta en Quito-Ecuador, el 10
edición, Madrid, 1981. de noviembre de 1990.
Graduado en el Colegio
[4] Haykin Simon, “Sistemas de Comunicación”, Experimental “Sebastián de
Editorial Limusa Wiley, cuarta edición, New Benalcázar”, donde obtuvo
York, 2001. el título de Bachiller en
Ciencias especialización
[5] Artés Antonio, Pérez Fernando, “Comunicaciones Físico Matemáticas. En el
Digitales”, Editorial Limusa, primera edición, año 2008 ingresó a la Escuela Politécnica Nacional
México, 2001. donde obtuvo el título de Ingeniero Electrónica
[6] Herstein I. N., “Álgebra moderna”, Editorial F. y Telecomunicaciones. Actualmente es Asistente
Trillas, S. A., primera edición, México, 1970. Técnico en CELEC EP Unidad de Negocio
Transelectric en la Subgerencia de Servicios del
[7] Espitia Jesus, Codificador Reed-Solomon S.N.I.
en Software. http://tesis.ipn.mx/bitstream/
handle/123456789/11486/44.pdf?sequence=1

[8] Casey Erin, Berlekamp-Massey Algorithm.

http://www.math.umn.edu/~garrett/students/reu/
MB_algorithm.pdf

[9] Rao Farhat Masood, Adaptive Modulation

(QPSK, QAM). https://arxiv.org/ftp/arxiv/
papers/1302/1302.7145.pdf

[10]
D. Matie, “OFDM as possible modulation
technique for multimedia applications in the
range of mm waves”, Introduction to OFDM, II
edition, TUD-TVS. October 1998.

[11] Simpsons P, “FPGA Design: Best Practices for

Teambased Design”, Editorial Springer, New
York, 2010.

126
 Artículo Académico / Academic Paper

Definición de Estudios Eléctricos para Determinar la Ubicación de

Unidades de Medición Sincrofasorial en Sistemas Eléctricos de Potencia

J. Báez1 S. Ordóñez1 J. Cepeda2 P. Verdugo2 F. Quilumba1
Escuela Politécnica Nacional, EPN
1

E-mail: jbaezcor@gmail.com; santiago.ordonez@epn.edu.ec; franklin.quilumba@epn.edu.ec

2
Operador Nacional de Electricidad - CENACE
E-mail: jcepeda@cenace.org.ec; pverdugo@cenace.org.ec

Resumen Abstract

En el presente trabajo se establece una metodología
para determinar la ubicación idónea de Unidades
de Medición Fasorial (PMUs, por sus siglas en
inglés), sobre la base de potenciar su uso para
monitorear diferentes fenómenos eléctricos. Con
este objetivo, se especifican los estudios eléctricos
que deben realizarse en un Sistema Eléctrico de
Potencia (SEP) para definir los límites de seguridad
que permitan mantener una operación confiable
y estable del sistema, considerando criterios de
observabilidad estática y dinámica, los cuales
facilitan la identificación de elementos de alta
relevancia operativa para el sistema, tanto en
condiciones normales de operación como ante
posibles condiciones de estrés potencialmente
peligrosas para el SEP, los cuales deberían ser
monitoreados en tiempo real. De esta forma, se
especifican aquellas barras del sistema idóneas
para ubicar PMUs que permitan monitorear los
siguientes fenómenos eléctricos: i) observabilidad
estática (estimación de estado), ii) estabilidad
estática de ángulo (diferencia angular), iii)
estabilidad de voltaje de corredores de transmisión;
y, iv) estabilidad oscilatoria (observabilidad
dinámica). La metodología es aplicada al sistema
de prueba IEEE New England de 39 barras, y los
resultados muestran las bondades de la propuesta.
A methodology for the suitable placement of
Phasor Measurement Units (PMUs) is presented
in this paper with the aim of exploiting their usage
for monitoring different electric phenomena. With
this purpose, the methodology defines the studies
that should be performed in an Electric Power
System (SEP by its acronym in Spanish) in order to
define security limits to allow a reliable and stable
operation of the power system, taking into account
static and dynamic observability criteria, which
allow identifying elements with a high operative
relevance to the system during a normal operation
stage and also in the face of potentially hazardous
stress conditions for the SEP, which should be
monitored in real time. Thus, the suitable system
buses for installing PMUs are identified in order to
monitor the following phenomena: i) steady-state
observability, ii) steady-state angle stability (angle
difference), iii) voltage stability of transmission
corridors; and, iv) oscillatory stability (dynamic
observability). The proposal is applied to the
IEEE 39-bus test system and the results show the
benefits of the proposal.

Palabras clave— Ubicación Óptima de PMUs, Index terms— PMU Optimal Placement, Static
Observabilidad estática, Observabilidad dinámica, Observability, Dynamic Observability, PMUs,
PMUs, SEP, Estabilidad de Voltaje, Estabilidad SEP, Voltage Stability, Steady-state Angle Stability,
Estática de Ángulo, Estabilidad Oscilatoria. Oscillatory Stability.

Recibido: 08-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Báez J.; Ordóñez S.; Cepeda, J.; Verdugo, P.; Quilumba, F. (2017). “Definición
de Estudios Eléctricos para Determinar la Ubicación de Unidades de Medición Sincrofasorial en Sistemas
Eléctricos de Potencia”. Revista Técnica “energía”. No. 13, Pp. 127-138
ISSN 1390-5074.

127
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El ingreso de nuevas instalaciones de generación,
transmisión y distribución, y el crecimiento continuo
en el consumo de energía eléctrica están ocasionando
que los Sistemas Eléctricos de Potencia (SEPs)
sean operados cada vez más cerca de sus límites de
seguridad, por lo cual resulta una necesidad garantizar
una operación segura y confiable, independientemente
del estado operativo en el que se encuentre el sistema.
Esto ha motivado el uso y desarrollo de nuevas
tecnologías para mejorar el monitoreo de la operación
de los SEPs [1].
En la actualidad, uno de los dispositivos que han
adquirido importancia estratégica para el monitoreo
y control de los SEPs son las Unidades de Medición
Fasorial (PMUs, por sus siglas en inglés). Estos
dispositivos calculan (o estiman) fasores de corriente
y voltaje de la red eléctrica, a partir de los registros
analógicos de las señales de corriente y voltaje ac,
garantizando la sincronización de estas mediciones y
una adquisición de datos con una tasa de muestreo que
permite visualizar, en tiempo real, el comportamiento
dinámico del sistema (tasas de actualización de un
ciclo de la frecuencia industrial). De esta forma,
las PMUs permiten evaluar la estabilidad de los
SEPs en estado estacionario y dinámico, siendo esto
parte integral de un Sistema de Monitoreo de Área
Extendida (WAMS, por sus siglas en inglés) [1]. se usa en CENACE), por lo que se pierde de vista
Los Sistemas de Monitoreo de Área Extendida son
redes informáticas que se encuentran ubicadas sobre
un área geográfica amplia y permiten gestionar las
mediciones de un SEP. Su función está orientada a
la interconexión de redes o equipos terminales que
se encuentran ubicados a grandes distancias entre sí.
Para ello los WAMS cuentan con una infraestructura
basada en nodos de conmutación que llevan a
cabo la interconexión de dichos elementos, por los
cuales fluye, de manera apreciable, información
continuamente [1].
Un aspecto fundamental en los sistemas WAMS
es enfocar el monitoreo en los puntos críticos del
SEP, con el propósito de viabilizar análisis estáticos y
dinámicos adecuados. En este sentido, una adecuada
selección de los sitios de monitoreo donde las PMUs
deberán ser instaladas (o en donde las variables
eléctricas deberán ser monitoreadas) es necesaria
para eficazmente realizar el procesamiento en tiempo
real de enormes cantidades de datos. A este respecto,
varias propuestas metodológicas han sido plasmadas
con el propósito de ubicar PMUs en los SEP [2]. Así, la
minimización del número de PMUs que aseguren una
adecuada observabilidad estática (para aplicaciones
del estimador de estado y que fue llamada “ubicación
óptima de PMUs” OPP, por sus siglas en inglés) fue
128
posiblemente la primer propuesta [1]. Sin embargo,
este enfoque pierde de vista el propósito principal de
las PMUs y los sistemas WAMS que es viabilizar el
monitoreo de fenómenos dinámicos. En tal sentido,
otras propuestas han enfrentado el problema con el
objetivo de asegurar un monitoreo dinámico. En [3]
el problema es resuelto a través de un análisis de
coherencia basado en perturbaciones en combinación
con agrupamiento difuso (fuzzy). Por otro lado, un
enfoque dinámico similar es enfrentado mediante
teoría de grafos en [4] o y filtro de Kalman en [5].
Asimismo, un enfoque híbrido para determinar
las ubicaciones adecuadas de las PMUs con el
objetivo de garantizar la apropiada observabilidad
de los fenómenos dinámicos rápidos y lentos que se
proponen evaluar en tiempo real es presentada en [2].
Este método está basado en un análisis probabilístico
que permite garantizar la observabilidad de los
fenómenos dinámicos rápidos y lentos, con el fin
de llevar a cabo una adecuada evaluación de la
vulnerabilidad, en tiempo real.
A pesar que varios métodos de hecho analizan
aspectos dinámicos, los actualmente propuestos
se enfocan en ciertas premisas basadas sobre el
interés particular de monitorear un determinado
fenómeno y no contemplan las aplicaciones de
monitoreo disponibles de un determinado software
de análisis comercial (por ejemplo WAProtector que
la aplicabilidad práctica. Con esta perspectiva, el
NASPI (North American SynchroPhasor Initiative)
presentó una guía para ubicar PMUs considerando
su aplicación para monitorear diferentes fenómenos
dinámicos [6]. Esta guía presenta una serie de
recomendaciones para seleccionar los puntos críticos
del sistema que sean de interés para su monitoreo.
Sobre la base de las recomendaciones realizadas
por el NASPI, el presente trabajo propone una
metodología práctica para determinar la ubicación
idónea de PMUs en SEPs que considera diferentes
fenómenos eléctricos y que potencia las aplicaciones
de monitoreo provistas por WAProtector.
Para esto, en primera instancia, es necesario
analizar el costo/beneficio de la instalación de cada
PMU (aspecto que se pretende minimizar en el OPP),
pues el costo del comisionamiento puede oscilar
entre 10.000 y 20.000 dólares [1] dependiendo de
las características de cada unidad, mientras que
los beneficios al incrementar considerablemente la
seguridad de un sistema de potencia, a través de la
supervisión del comportamiento estático y dinámico
del mismo, puede resultar más representativo (por
lo que justamente el OPP no es la alternativa más
adecuada). Por tal razón, se considera conveniente
 Báez et al. / Estudios Eléctricos para Ubicación de PMUs en Sistemas Eléctricos de Potencia
contar con una mayor cantidad de PMUs con el fin
de lograr una observabilidad completa del sistema;
sin embargo, es necesario también tomar en cuenta
la cantidad de información que se obtiene de cada
PMU, siendo la capacidad de almacenamiento uno de
los principales inconvenientes en el OPP.
En este sentido, para determinar la ubicación de
las PMUs en un SEP, se propone identificar no solo
los lugares de aseguren observabilidad estática (OPP)
sino los lugares considerados como más relevantes
dentro de la operación del sistema, utilizando criterios
operativos, siguiendo las sugerencias del NASPI y
potenciando el uso de las aplicaciones provistas por
WAProtector Para ello, este trabajo define cuatro
estudios con los cuales es factible identificar sectores
de mayor vulnerabilidad en un sistema de potencia en
condiciones normales de operación y ante la posible
ocurrencia de contingencias, minimizando de esta
forma el número de PMUs necesarias para garantizar
la observabilidad estática y dinámica del SEP.
El resto del artículo está organizado de la siguiente
forma: la sección 2 describe el marco teórico, la
sección 3 presenta la metodología propuesta, la
sección 4 muestra los resultados de las simulaciones,
la sección 5 resume el procedimiento definido para
ubicar PMUs y la sección 6 presenta las conclusiones
del estudio.
2. MARCO TEÓRICO
2.1. Observabilidad Estática (OPP Tradicional)
Dentro de la observabilidad estática se incluye el
problema de OPP, cuya base radica en la determinación
tanto del número mínimo necesario de PMUs
como de su ubicación óptima, teniendo siempre en
consideración la observabilidad de todo el SEP como
una sola isla observable. Se han considerado para este
fin criterios de programación lineal entera y criterios
eléctricos estáticos de conectividad y observabilidad
[1].
2.1.1. Programación Lineal Entera
• Número mínimo de PMUs: El objetivo principal
del problema de OPP es determinar un número
mínimo necesario de PMUs y su ubicación óptima
para asegurar la observabilidad completa del SEP.
La función objetivo se describe a continuación, a
través de la expresión notada en [7]: problemas de inestabilidad en el sistema; entonces,
(1)
(2)
(3)
(4)
Donde:
FO : Función Objetivo
S ( k ) : Vector cuyo k-ésimo elemento representa la
instalación de una PMU en la k-ésima barra
A(i, j ) : Matriz de conectividad de barras
• Mediciones redundantes: El número de medidas
redundantes de cada barra o el número de veces
que es observada cada barra de manera directa o
indirecta se define como mediciones redundantes;
entonces, para asegurar la observabilidad
completa del sistema de potencia, el número de
mediciones redundantes para cada barra deber
ser por lo menos uno (1), por lo tanto se puede
definir una función objetivo como el máximo de
mediciones redundantes en la red eléctrica [7].
• Efecto de barras de inyección cero:
1) Cuando existen barras que son incidentes a una
barra de inyección cero observable, todas son
observables excepto una. La barra inobservable
puede ser observable al aplicar las Leyes de
Corrientes de Kirchhoff (KCL, por sus siglas en
inglés) a la barra de inyección cero.
2) Cuando las barras incidentes a una barra de
inyección cero inobservable son observables, la
barra de inyección cero puede ser observable al
aplicar KCL a la barra de inyección cero.
Estas dos condiciones se pueden combinar para
demostrar que tanto las barras de inyección cero
como las barras incidentes o una barra simple
pueden ser observables, haciendo las otras barras
observables [7].
• Restricción de contingencias: Dentro de un
sistema de potencia pueden ocurrir diferentes
clases de contingencias, que podrían ocasionar
es fundamental analizar la observabilidad del
sistema bajo estas condiciones entre las cuales se
incluye la pérdida de una línea de transmisión y
falla de PMUs, para determinar el número mínimo
necesario de PMUs y su ubicación [7].
129
 Edición No. 13, Enero 2017
2.2. Estabilidad de Voltaje
La estabilidad de voltaje es la capacidad de un
sistema eléctrico de potencia para mantener voltajes
aceptables en todas las barras del sistema a partir de una
condición inicial de operación dada. La inestabilidad
de voltaje está relacionada con un déficit de recursos
de potencia reactiva en la red [8], [9]. La inestabilidad
de voltaje puede ser ocasionada con la ocurrencia de
perturbaciones, incrementos de carga o cambios en
las condiciones operativas del sistema que provoquen
un incremento o disminución de voltaje en algunas
barras de manera progresiva, lo cual ocasionaría la
actuación de las protecciones del sistema provocando
desconexiones en cascada y pérdida de sincronismo
en algunos generadores. En términos matemáticos, un
sistema es estable en voltaje, si la sensibilidad V-Q
es positiva para cada barra; es decir, si incrementos o
decrementos de Q ocasionan también incrementos y
decrementos de V, respectivamente, y es inestable si
la sensibilidad V-Q es negativa al menos en una barra
del sistema [10], [11].
Cuando el sistema no es capaz de mantener un
equilibrio en los voltajes de las diferentes barras del
SEP luego de una perturbación, se produce una fuerte
depresión de voltaje en gran parte del sistema o, en el
peor de los casos, un apagón general. La inestabilidad
puede venir asociada también a sobrevoltajes
producidos por las características capacitivas de la
red o por la utilización de limitadores de corriente de
excitación de los generadores sincrónicos. Dentro de
los posibles resultados de la inestabilidad de voltaje se
incluyen la salida de servicio de líneas de transmisión
y de elementos de los sistemas de protección, y la
pérdida de carga en un área [10], [11].
Las herramientas más utilizadas para analizar
la estabilidad de voltaje en los sistemas eléctricos
de potencia son las curvas de Potencia-Voltaje (P-
V). Como se muestra en la Figura 1 el método del
equivalente de Thévenin permite estimar, en tiempo
real, la curva P-V de líneas de transmisión en cuyas
barras de envío y recepción se encuentran instaladas
PMUs [10], [11], [9].
130
DIgSILENT
1,20
Y = 1,070 pu
3.930 pu Y = 0,920 pu
0,90
0,60
0,30
0,00
-0,30
0,00 2,00
x-Axis: Est_Voltaje: Power in pu
4,00 6,00 8,00 10,00
Est_Voltaje: Voltage stable side in pu
Est_Voltaje: Voltage unstable side in pu
DIgSILENT 39 Bus New England System Est_Voltaje Date: 8/5/2016
Figura 1: Curva P-V de una línea de transmisión
2.3. Estabilidad Estática de Ángulo
La estabilidad de ángulo es la capacidad del
sistema para mantener el sincronismo de las máquinas
sincrónicas del sistema de potencia luego de haber
sido sometido a una perturbación. La estabilidad
de ángulo depende de la capacidad de restaurar
el equilibrio entre el torque mecánico y el torque
electromagnético en cada uno de los generadores del
sistema de potencia [8], [12].
La diferencia angular entre dos barras del sistema
de potencia es una medida directa de la capacidad de
transmisión entre estos nodos. La Figura 2 ilustra dos
áreas (A y B) de un sistema de potencia interconectadas
por un conjunto de vínculos eléctricos. La expresión
notada en (4) define la transferencia de potencia entre
el área A y el área B considerando que en un SEP a
nivel alto de voltaje x≫r, donde x es la impedancia
del vínculo entre las barras A y B y r es la resistencia
del vínculo entre las barras A y B [12].
Como se muestra en la Figura 3, idealmente
el límite máximo de transferencia de potencia, se
presenta en el punto máximo de la curva cuando
se cumple que ; es decir, cuando
; sin embargo, debido a la complejidad
del sistema de potencia, que puede causar congestión
de la red de transmisión, existen otros factores que no
permiten alcanzar este límite ideal.
(5)
 Báez et al. / Estudios Eléctricos para Ubicación de PMUs en Sistemas Eléctricos de Potencia
Figura 2: Transferencia de potencia entre dos barras del
sistema
Figura 3: Curva Potencia – Ángulo
2.4. Observabilidad Dinámica
2.4.1. Estabilidad Oscilatoria
La estabilidad oscilatoria es la habilidad del
sistema de potencia para mantener sincronismo
relacionado con la existencia de suficiente torque de
amortiguamiento [8], [13].
Al producirse variaciones de carga o generación
en sistemas de potencia, los generadores tratan de
encontrar nuevos estados de operación estable,
produciéndose oscilaciones de potencia y frecuencia
ocasionadas por los intercambios de energía
eléctrica entre dichas unidades. Las oscilaciones son
caracterizadas mediante los denominados modos de
oscilación que pueden clasificarse, en forma general,
en los siguientes [13].
Los modos locales se asocian con oscilaciones
de un generador o un grupo de generadores contra
el resto de máquinas del sistema. Estas oscilaciones
presentan frecuencias en el rango de 0,7 a 2,0 Hz.
Los modos inter-área, por su parte, son causados por
interacciones entre grandes grupos de generadores
oscilando entre ellos. Estos modos presentan rangos
de frecuencia entre 0,1 a 0,7 Hz. Existen dos tipos
de modos oscilatorios adicionales, causados por
controladores de diferentes tipos de componentes
(llamados modos de control), o por oscilaciones que
ocurren en los sistemas rotacionales de los sistemas
turbina-generador de las unidades generadoras
(denominados modos torsionales). Este tipo de
oscilaciones presentan un rango de frecuencias
asociadas bastante amplio [13]. Dentro de los modos
de control existen unos de muy baja frecuencia
(0,01 Hz – 0,1 Hz) que aparecen en sistemas con
alta penetración hidráulica y que están asociados a
la inadecuada sintonización de los controladores de
velocidad de las unidades de generación hidráulicas
[13].
El análisis modal es la herramienta más utilizada
para analizar las oscilaciones en un SEP. Consiste
en la determinación de los modos de oscilación
y el análisis de sus correspondientes frecuencias
modales complejas. La estabilidad oscilatoria
se cumple cuando todos los modos presentan un
amortiguamiento positivo [13]. Si se considera que
el fenómeno oscilatorio es causado por pequeñas
perturbaciones, la estabilidad oscilatoria toma el
nombre de estabilidad de pequeña señal. En este
caso, y considerando que las perturbaciones son
lo suficientemente pequeñas, lo que permite la
linealización del sistema de ecuaciones, el análisis
se lo realiza mediante el Análisis Modal. Esto se
consigue a través de la representación del sistema
en el espacio de estado, y el posterior análisis de la
matriz de estado [8]. La inestabilidad en pequeña
señal está asociada a la insuficiencia de torque de
amortiguamiento en el sistema, lo que puede provocar
oscilaciones crecientes del ángulo del rotor [8].
2.4.2. Índices de Observabilidad Dinámica
En [2] se propone el uso de una serie de índices
probabilísticos de observabilidad para determinar
aquellas barras del sistema de potencia cuyas variables
eléctricas permiten observar los modos oscilatorios.
Estos índices se basan en el método conocido como
medida geométrica de observabilidad (gmoi) y son:
medida promedio de observabilidad (MPOgm) y
medida de observabilidad ortogonal (ORTgm). Usando
la base conceptual de los índices de observabilidad
presentada en [2], este artículo determina la ubicación
idónea de PMUs para estabilidad oscilatoria y
la combina con los otros fenómenos estáticos y
dinámicos mostrados en esta sección para definir un
conjunto completo de barras candidatas para ubicar
PMUs que permita observar varios fenómenos
eléctricos, siguiendo las sugerencias del NASPI y
procurando potenciar el uso de las aplicaciones de
monitoreo de WAProtector.
3. METODOLOGÍA PROPUESTA
En la metodología propuesta se describen los
pasos a seguir para determinar la ubicación idónea
de PMUs a través de un “OPP Modificado” que
considere características estáticas y dinámicas del
SEP, como se muestra en la Figura 4.
La metodología propuesta en la Figura 4 se puede
describir de la siguiente manera:
131
 Edición No. 13, Enero 2017
Figura 4: Diagrama de Flujo de la Metodología propuesta
• Validación del caso de estudio: Se ejecutan varias
simulaciones del sistema que se desea analizar,
para verificar que se pueden realizar los estudios
propuestos y consecuentemente determinar la
ubicación de PMUs, en diferentes condiciones
de operación. Para esto se utiliza el software de
simulación PowerFactory de DIgSILENT.
• Observabilidad estática: Se ubican las PMUs
para observabilidad estática (OPP Tradicional),
teniendo en mente minimizar la instalación
de PMUs considerando como aplicación la
estimación de estado mediante programación
lineal entera y estudios eléctricos.
• Programación Lineal Entera: Usando el
método de programación lineal entera, el cual
considera los criterios de medición redundante,
efecto de barras de inyección cero y restricción
de contingencias, se obtiene un número mínimo
de PMUs que vuelve totalmente observable al
sistema eléctrico.
• Estudios Eléctricos: Se definen dos estudios
eléctricos de importancia para un SEP: estabilidad
de voltaje en corredores de transmisión y
estabilidad estática de ángulo, en función del
interés de monitoreo de estos fenómenos en el
SEP.
• Estabilidad de Voltaje: Mediante el estudio de
estabilidad de voltaje de corredores de transmisión
se determinan aquellos vínculos que son de
importancia crítica para el sistema considerando
el ingreso de nuevas centrales de generación al
sistema eléctrico. Una vez identificados dichos
corredores se ubican las PMUs garantizando
el monitoreo de posibles congestiones de estos
corredores críticos a través de la supervisión de
su condición de estabilidad de voltaje. Con el
fin de obtener condiciones más ajustadas a la
realidad se utiliza el objeto “control secundario
de frecuencia” de PowerFactory para repartir la
potencia activa de regulación entre las unidades
seleccionadas [9].
132
• Estabilidad Estática de Ángulo: En el estudio
de estabilidad estática de ángulo se determinan las
diferencias angulares que representan un estado
de vulnerabilidad estática a causa de una probable
pérdida de sincronismo al ser el sistema sometido
a una perturbación N-1. Con el fin de obtener
condiciones más ajustadas a la realidad se utiliza
el objeto “control secundario de frecuencia” de
PowerFactory para repartir la potencia activa
de regulación entre las unidades seleccionadas.
En este sentido las PMUs se ubican en barras
y subestaciones para garantizar una adecuada
supervisión para estabilidad estática de ángulo
[12].
• Observabilidad dinámica: Dentro de la
observabilidad dinámica se incluye el análisis de
estabilidad oscilatoria como medio de ubicación
de PMUs.
• Estabilidad Oscilatoria: El análisis de
estabilidad oscilatoria se realiza mediante el
módulo de análisis modal de PowerFactory,
identificando los modos de oscilación que
presentan bajo amortiguamiento y las frecuencias
de oscilación de los mismos (entre 0,1 Hz y 0,7
Hz para modos inter-área y de 0,7 Hz a 2 Hz
para modos locales). La ubicación de PMUs se
realiza utilizando los índices de observabilidad
geométricos aplicados a los modos de interés
garantizando la observabilidad dinámica para
estabilidad oscilatoria.
• Ubicación de PMUs: Finalmente, las PMUs son
ubicadas realizando una superposición de los
resultados determinados en cada estudio, esto,
con el fin de ubicar un número mínimo de PMUs,
pero garantizando que las unidades instaladas
proporcionen información necesaria para que
el sistema sea totalmente observable frente
a cualquier fenómeno eléctrico que se pueda
presentar.
4. RESULTADOS
Para verificar la viabilidad de la metodología
propuesta se analiza el sistema IEEE 39 barras (New
England System), el cual consta de: 10 generadores,
siendo uno de ellos un generador equivalente que
representa al sistema de New York, 28 barras de 345
kV, 1 barra de 230 kV, 1 barra de 138 kV, 9 barras
de 16,5 kV, 19 cargas y 34 líneas de transmisión,
tal como se muestra en la Figura 5. El primer paso
consiste en validar el caso de estudio. Después de ello
se realizan los estudios definidos en la metodología.
 Báez et al. / Estudios Eléctricos para Ubicación de PMUs en Sistemas Eléctricos de Potencia

4.1.
Observabilidad Estática - Programación y máximos de voltaje (mínimo 0,92 en p.u. y
Lineal Entera (OPP Tradicional) máximo 1,07 en p.u., que corresponden a límites
de calidad de energía y servicio [14]) suponiendo
En la Figura 6 se muestran los pasos a seguir
además análisis de contingencias. Considerando la
para encontrar el número mínimo de PMUs (OPP
cargabilidad de las líneas de transmisión y el voltaje
Tradicional) y determinar su ubicación óptima en el
de las barras asociadas en condiciones normales y
sistema. De esta forma se determina la ubicación de
frente a contingencias, se presentan como potenciales
8 PMUs en diferentes barras del sistema, como se
candidatas las líneas: 5-6, 6-7, 6-11, 10-11, 14-4, 15-
indica en la Tabla 1.
16, 16-19, 21-22, en las cuales se realiza el análisis
Tabla 1: Barras del sistema en las que se deben ubicar PMUs de estabilidad de voltaje para ubicar las PMUs. De
según OPP Tradicional este análisis se desprenden 12 ubicaciones para la
Barras del sistema ubicación de PMUs, como se muestra en la Tabla 2.
BUS 01 BUS 08 BUS 18 BUS 16
Tabla 2: Barras del sistema en las que se debe ubicar PMUs
BUS 14 BUS 26 BUS 23 BUS 11  para Estabilidad de Voltaje
Barras del sistema
BUS 04 BUS 05 BUS 06 BUS 07 BUS 10 BUS 11

BUS 14 BUS 15 BUS 16 BUS 19 BUS 21 BUS 22 

4.3. Estabilidad Estática de Ángulo

Para el análisis de Estabilidad Estática de Ángulo

se identifican las barras, líneas y cargas de interés, de
acuerdo al siguiente detalle:

• Barras: Se utilizan las barras resultantes del

estudio de observabilidad estática.

• Cargas: Para realizar incrementos paulatinos

Figura 5: IEEE 39 barras (New England System)
de potencia se consideran todas las cargas del
Enumeración de sistema.
barras

• Líneas: Para realizar contingencias, se consideran

Número de
conexiones
las líneas de 345 kV.

La ubicación de PMUs se realiza considerando

Ingreso de datos en
MATLAB las diferencias angulares respecto a una barra de
referencia (en este caso se considera la barra 11
Ingreso del
documento de Excel
como referencia ya que presenta el mayor ángulo de
voltaje). El análisis determina la necesidad de instalar
Obtención de la
5 PMUs en diferentes barras del sistema, como se
matriz de
conectividad
muestra en la Tabla 3.
Tabla 3: Barras del sistema en las que se debe ubicar PMUs
Número total de para Estabilidad Estática de Ángulo
PMUs
Barras de sistema
Ubicación de BUS 01 BUS 16 BUS 18 BUS 23 BUS 26
PMUs en el
sistema

Figura 6: Ubicación de PMUs mediante observabilidad 4.4. Observabilidad Dinámica - Estabilidad

estática oscilatoria

4.2. Estabilidad de Voltaje Para realizar el análisis oscilatorio se deben

identificar los modos de oscilación de baja frecuencia
Para obtener las curvas P-V se deben identificar que presentan bajo amortiguamiento. Para lo cual
los corredores de transmisión que presenten altas se realiza el análisis modal para el sistema IEEE
cargabilidades y sobrepasen los límites mínimos 39 barras en PowerFactory de DIgSILENT. Del

133
 Edición No. 13, Enero 2017

análisis se obtienen 6 modos de oscilación con estas Tabla 4: Barras del sistema en las que se deben ubicar PMUs
para Estabilidad Oscilatoria
características; 2 modos inter-área (frecuencia entre
0,1 y 0,7 Hz) y 4 modos locales (frecuencia alrededor AGRUP. BARRAS
de un 1 Hz) los cuales presentan bajo porcentaje 0,3899 1 1 0,3899 BUS 02
de amortiguamiento. Cada modo proporciona 0,4134 0,3460 2 1,1950 BUS 09
información del comportamiento de los elementos 0,2332 0,9563 3 0,2439 BUS 26
del sistema. 0,0711 0,7856 4 0,0904 BUS 10
0,2267 0,3663 5 0,6189 BUS 29
Para determinar la ubicación de PMUs para
0,2892 0,4426 6 0,6534 BUS 19
estabilidad oscilatoria se utilizan índices de
observabilidad [2] para estos 6 modos, de acuerdo a
5. UBICACIÓN FINAL DE PMUs
las expresiones notadas en (6), (7) y (8).
Para determinar la ubicación final de las PMUs

en el sistema eléctrico se propone identificar los
lugares que son de importancia para los diferentes
(6) parámetros definidos en cada estudio, con el fin de
reducir la cantidad de información a ser almacenada
y analizada. En este sentido:
(7)
• Para asegurar la observabilidad estática
minimizando el número de PMUs: Se requiere de
(8) 8 PMUs ubicadas en las barras 1, 8, 11, 14, 16,
18, 23 y 26.

• Para monitorear la Estabilidad de Voltaje de los

Donde gmoi es el índice de observabilidad
geométrica, c j es la j-ésima fila de la matriz de
sensibilidad C, correspondiente a la barra j, es el
i-ésimo vector propio derecho, MPOgm es el promedio
de la j-ésima fila del índice de observabilidad geométrica,
ORTgm es el índice de observabilidad ortogonal.
La matriz C (matriz de salida) y los vectores
propios derechos se obtienen del análisis modal
ejecutado en PowerFactory de DIgSILENT, del
cual se identifican las variables de estado (velocidad
o ángulo) y las variables algebraicas (voltaje y
corriente), esto con el propósito de reducir la matriz
C y los vectores propios derechos dejando solamente
las variables de mayor importancia para el sistema.
De esta manera se pueden calcular los índices de
observabilidad para ubicar PMUs en base al ángulo
o a la velocidad considerando la observabilidad
en voltajes y corrientes de las barras del sistema.
Mediante un análisis de dispersión que relacione
MPOgm y ORTgm se realiza la agrupación de
individuos (barras) cercanos, y considerando los
valores mayores de la relación MPOgm / ORTgm de
cada agrupación se determina la ubicación de las
PMUs, como se observa en la Tabla 4.
corredores críticos: Se requiere de 12 PMUs
ubicadas en las barras 4, 5, 6, 7, 10, 11, 14, 15,
16, 19, 21 y 22.
• Para supervisar la Estabilidad Estática de Ángulo:
Se requiere de 5 PMUs ubicadas en las barras 1,
16, 18, 23 y 26.
• Para evaluar la Estabilidad Oscilatoria: Se
requiere de 6 PMUs ubicadas en las barras 2, 9,
10, 19, 26 y 29.
• Ubicación Final (OPP final modificada): En
base a los resultados de los estudios realizados
se determina un requerimiento de un total de
20 PMUs, sin embargo, con el fin de reducir el
número de PMUs y de esta manera reducir la
cantidad de información a ser almacenada y
analizada, se consideran solo los casos de mayor
criticidad presentes en cada estudio realizado,
con lo cual se requiere de un total de 12 PMUs,
garantizando de esta manera la observabilidad
completa del sistema frente a cualquier fenómeno
eléctrico que se pueda presentar.
De acuerdo a los resultados obtenidos, la ubicación
final de las PMUs en el sistema IEEE 39 barras se
presenta en la Tabla 5 y en la Figura 7.

134
 Báez et al. / Estudios Eléctricos para Ubicación de PMUs en Sistemas Eléctricos de Potencia
Tabla 5: Ubicación Final de las PMUs
Barras del sistema
BUS 02 BUS 04 BUS 06 BUS 09 BUS 11 BUS 14
BUS 16 BUS 18 BUS 19 BUS 21 BUS 22 BUS 26
Figura 7: Ubicación final de PMUs
6. PROCEDIMIENTO PARA LA UBICACIÓN
DE PMUs
En base a los estudios realizados y resultados
obtenidos en el análisis para el sistema IEEE 39
barras, es factible definir un procedimiento mediante
el cual se puede determinar la ubicación de PMUs.
Este procedimiento se aplicará con la finalidad
de ubicar las PMUs considerando qué parámetro
eléctrico es más relevante para diferentes puntos del
sistema. El procedimiento se describe a continuación:
1. Revisar que las bases de datos del programa
PowerFactory de DIgSILENT se encuentren
actualizadas para el período de análisis.
2. Preparar los casos de estudio que incluyan
las condiciones operativas que se requieren
analizar mediante la adecuación de los casos
y la verificación de convergencia a través de
simulaciones estáticas (flujos de potencia) y
dinámicas (estabilidad transitoria -simulación en
el dominio del tiempo- y análisis modal).
3. Determinar la ubicación de PMUs mediante el
algoritmo de programación lineal entera tomando
en cuenta las barras de mayor nivel de voltaje.
4. Realizar el estudio de estabilidad de voltaje
en corredores de transmisión utilizando el
método del equivalente Thévenin, empleando
el objeto “control secundario de frecuencia” de
PowerFactory para repartir la potencia activa
de regulación entre las unidades de generación
seleccionadas, con el fin de crear una condición
más ajustada a la realidad. A continuación se
debe identificar la peor contingencia, en lo que
respecta a la estabilidad de voltaje, para los
corredores de transmisión a ser analizados. Para
esto se debe realizar un análisis de contingencias
N – 1 dentro de cada una de las condiciones
operativas a ser consideradas. Finalmente se
obtienen las curvas P-V en condiciones normales
y ante la ocurrencia de la peor contingencia con
el uso del script DPL de estabilidad de voltaje
[9], las mismas que se intersecan con los límites
de voltaje establecidos para condiciones de
operación normales y de emergencia.
5. Realizar el estudio de estabilidad estática de
ángulo creando condiciones de alto estrés en el
SEP, a través de un análisis de contingencias
N – 1, de diferentes elementos de transmisión,
asociado a incrementos paulatinos de carga en
zonas específicas, llevado a cabo mediante la
ejecución del script DPL de estabilidad estática
de ángulo [12], considerando una barra como
barra de referencia, utilizando también el objeto
“control secundario de frecuencia”. Finalmente
se deben identificar las barras que presenten
mayores diferencias angulares mediante un
análisis estadístico.
6. Realizar el análisis de estabilidad oscilatoria
utilizando el método de análisis modal en
PowerFactory de DIgSILENT. Del análisis se
obtienen los valores propios y se determina la
frecuencia y la razón de amortiguamiento de
cada modo; a continuación se aplican los índices
de observabilidad dinámica para determinar la
ubicación de PMUs.
7. Realizar una superposición de los resultados de
cada estudio para determinar las barras en las
cuales es necesario ubicar PMUs y para qué
parámetro eléctrico resulta más conveniente cada
ubicación.
7. CONCLUSIONES Y RECOMENDACIONES
• En el presente trabajo, a través de un conjunto
de estudios eléctricos se realizó un análisis en el
SEP, con el fin de determinar los puntos críticos
para la ubicación de las unidades de medición
fasorial que permitan realizar el monitoreo
estático y dinámico de diferentes elementos del
sistema, contribuyendo de esta forma a identificar
condiciones de estrés potencialmente peligrosas
135
 Edición No. 13, Enero 2017
para la operación del SEP y garantizando una
operación segura y confiable del mismo.
• Las PMUs son dispositivos ampliamente
utilizados en el monitoreo de SEPs debido a las
características que presentan; sin embargo, existen
varios aspectos que deben ser considerados para
su comisionamiento, por ejemplo: el costo de
instalación, los medios de comunicación, su
ubicación optima, la cantidad de información
obtenida para monitoreo, entre otros, por lo
cual es necesario determinar un número mínimo
de PMUs y los lugares donde éstas deben ser
instaladas, considerando criterios técnicos y
los estudios realizados, reduciendo la cantidad
de información y manteniendo completamente
observable al sistema.
• La ubicación de PMUs ha sido determinada, en
el presente trabajo, a través del uso de cuatro
estudios, con los cuales es factible lograr un pleno
aprovechamiento de las bondades de las unidades
de medición fasorial permitiendo analizar de una
forma adecuada la información disponible.
• Con la ayuda de la Programación Lineal Entera
se determina un número mínimo de PMUs que
hacen completamente observable el sistema,
sin considerar variables eléctricas, por lo cual,
este método, se complementa con la realización
de estudios eléctricos, lo que permite definir la
ubicación final optima modificada.
• A través del Análisis de Estabilidad de Voltaje
se identifican los corredores de transmisión
del sistema IEEE 39 barras afectados por dos
condiciones: altas cargabilidades y voltajes
bajos en sus barras de recepción en condiciones
normales de operación y ante contingencias,
determinando, así, las barras en las cuales es
necesario ubicar PMUs.
• Empleando el Análisis de Estabilidad Estática de
Ángulo se determinan las diferencias angulares
más representativas con respecto a la barra 11
(barra de referencia), bajo la premisa de que
una diferencia angular alta entre dos barras se
encuentra asociada a una elevada cargabilidad
en las líneas de transmisión que conectan a
estas barras. De esta forma es posible definir las
subestaciones en las cuales es necesario ubicar
PMUs.
136
• Mediante el Análisis de Estabilidad Oscilatoria, se
logra determinar los modos de oscilación críticos
existentes en el sistema IEEE 39 barras, a través
del análisis modal, los cuales son posteriormente
asociados a los índices de observabilidad con el
propósito de determinar la ubicación de las PMUs.
• La metodología desarrollada en este proyecto
permite analizar SEPs de diferentes tamaños
teniendo en cuenta diferentes condiciones de
operación y definiendo previamente los elementos
a ser considerados en el análisis, debido a que
la cantidad de información a ser analizada, los
tiempos de simulación y los resultados de cada
estudio guardan una estrecha relación con el
número de elementos y el tamaño de los sistemas.
• A través de la metodología propuesta ha sido
factible determinar la ubicación de PMUs con la
realización de diferentes estudios eléctricos; sin
embargo, cabe considerar que esta no constituye
una metodología única para ubicar PMUs, pues
como se observa en los resultados, cada análisis
arroja conclusiones diferentes; es decir, en cada
fenómeno analizado las barras en las que se deben
ubicar PMUs no son las mismas, con lo que se
infiere que la ubicación de las PMUs depende de
la satisfacción de requerimientos puntualmente
definidos.
REFERENCIAS BIBLIOGRÁFICAS
[1] D. J. Jiménez Analuiza, “Ubicación Óptima de
Unidades de Medición Sincrofasoriales PMU’s
para Mejorar la Observabilidad de un Sistema
Eléctrico de Potencia,” Thesis, 2015.
[2] J. C. Cepeda Campaña, “Evaluación de la
vulnerabilidad del sistema eléctrico de potencia
en tiempo real usando tecnología de medición
sincrofasorial,” Universidad Nacional de San
Juan, 2013.
[3] I. Kamwa, A. K. Pradham, G. Joos, and S. R.
Samantaray, “Fuzzy Partitioning of a Real Power
System for Dynamic Vulnerability Assessment,”
IEEE Trans. Power Syst., vol. 24, no. 3, pp. 1356
– 1365, 2009.
[4] M. A. Rios and O. Gómez, “Identification of
Coherent Groups and PMU placement for Inter-
Area monitoring Based on Graph Theory,” in
2011 IEEE PES Conference on Innovative Smart
Grid Technologies - Latin America, 2011, pp. 1 –
7.
 Báez et al. / Estudios Eléctricos para Ubicación de PMUs en Sistemas Eléctricos de Potencia

[5] Y. Sun, P. Du, Z. Huang, K. Kalsi, R. Diao, K. K.

Anderson, Y. Li, and B. Lee, “PMU placement
for dynamic state tracking of power systems,” in
2011 North American Power Symposium, 2011.
[6] North American SynchroPhasor Initiative
NASPI, “Guidelines for Siting Phasor
Measurement Units,” Res. Initiat. Task Team
Rep., pp. 1–24, 2011.
[7] M. Nazari-Heris and B. Mohammadi-Ivatloo,
“Application of heuristic algorithms to optimal
PMU placement in electric power systems: An
updated review,” Renew. Sustain. Energy Rev.,
vol. 50, pp. 214–228, Oct. 2015.
[8] P. Kundur, J. Paserba, V. Ajjarapu, G. Andersson,
A. Bose, C. Canizares, N. Hatziargyriou, D. Hill,
A. Stankovic, C. Taylor, T. Van Cutsem, and V.
Vittal, “Definition and classification of power
system stability IEEE/CIGRE joint task force
on stability terms and definitions,” IEEE Trans.
Power Syst., vol. 19, no. 3, pp. 1387–1401, 2004.
[9] J. C. Cepeda, P. X. Verdugo, and G. A. Argüello,
“Monitoreo de la Estabilidad de Voltaje de
Corredores de Transmisión en Tiempo Real a
partir de Mediciones Sincrofasoriales,” Rev.
Politécnica, vol. 33, no. 1, Feb. 2014.
[10] L. D. Andagoya Alba, “Máxima capacidad de
generación eólica a ser instalada en el Sistema
Eléctrico Ecuatoriano,” Thesis, QUITO/
EPN/2014, 2014.
[11] E. M. Samaniego Rojas, “Detección de áreas
débiles respecto a la estabilidad de ténsion en
tiempo real utilizando lógica difusa,” Cuenca,
2013.
[12] J. Cepeda and P. Verdugo, “Determinación de los
Límites de Estabilidad Estática de Ángulo del
Sistema Nacional Interconectado,” Rev. Técnica
“energía,” vol. 10, 2014.
[13] J. C. Cepeda and A. B. De La Torre, “Monitoreo
de las oscilaciones de baja frecuencia del Sistema
Nacional Interconectado a partir de los registros
en tiempo real,” Rev. Técnica “energía,” pp.
181–190, May 2014.
[14]
CENACE, “Determinación de los límites
de estabilidad de voltaje de corredores de
transmisión.” Jun-2015.
Juan Báez Córdova.- Nació
en Quito, Ecuador en 1989.
Egresado de la Carrera de
Ingeniería Eléctrica de la
Escuela Politécnica Nacional.
Sus áreas de interés son la
Distribución y Operación
de Sistemas Eléctricos de
Potencia.
Santiago Ordóñez Carrillo.-
Nació en Quito, Ecuador en
1987. Egresado de la Carrera
de Ingeniería Eléctrica de la
Escuela Politécnica Nacional.
Sus áreas de interés son la
Distribución y Operación
de Sistemas Eléctricos de
Potencia.
Jaime Cepeda Campaña.-
Nació en Latacunga, Ecuador
en 1981. Recibió el título
de Ingeniero Eléctrico en la
Escuela Politécnica Nacional
en 2005, y el de Doctor en
Ingeniería Eléctrica en la
Universidad Nacional de San
Juan en 2013. Entre 2005 y
2009 trabajó en Schlumberder y en el CONELEC.
Colaboró como investigador en el Instituto de
Energía Eléctrica, Universidad Nacional de San Juan,
Argentina y en el Instituto de Sistemas Eléctricos de
Potencia, Universidad Duisburg-Essen, Alemania
entre 2009 y 2013. Actualmente se desempeña como
Subgerente Nacional de Investigación y Desarrollo
del CENACE y como Profesor a Tiempo Parcial en
la Escuela Politécnica Nacional. Sus áreas de interés
incluyen la evaluación de vulnerabilidad en tiempo
real y el desarrollo de Smart Grids.
Pablo Verdugo Rivadeneira.-
Nació en la ciudad de Quito
en 1987. Realizó sus estudios
secundarios en el Colegio
Nacional Experimental
Juan Pío Montufar y sus
estudios superiores en
la Escuela Politécnica
Nacional, donde se gradúo
de Ingeniero Eléctrico en el año 2012. Entre el 2011
y el 2015 desempeñó sus funciones en la Dirección

137
 Edición No. 13, Enero 2017

de Planeamiento de CENACE. Actualmente se

desempeña en la Subgerencia de Investigación y
Desarrollo del Operador Nacional de Electricidad.

Franklin L. Quilumba.-
Obtuvo el título de Ingeniero
Eléctrico en la Escuela
Politécnica Nacional en
Quito, Ecuador, en el 2008.
Realizó sus estudios de
posgrado en la Universidad
de Texas Arlington, en
Arlington, Estados Unidos
de América, donde obtuvo el grado de Master of
Science in Electrical Engineering y el título de
Doctor of Philosophy Ph.D. en el 2014. Desde el
2014, el Dr. Quilumba es parte del cuerpo docente
de la Escuela Politécnica Nacional, donde es
Profesor Agregado. Sus áreas de interés son análisis,
operación, estabilidad y control de sistemas eléctricos
de potencia, modelación de carga, planeación de
generación y transmisión; respuesta de la demanda; y
predicción de carga.

138
 Aplicación Práctica / Practical Issues

Determinación de Modos Oscilatorios Presentes en el Sistema Eléctrico

Ecuatoriano Mediante Técnicas Estadísticas

R.E. Cubillo
Operador Nacional de Electricidad - CENACE
E-mail: rcubillo@cenace.org.ec

Resumen Abstract

El Operador Nacional de Electricidad – CENACE
dispone como parte de las herramientas para el
proceso de supervisión de la operación del sistema
eléctrico ecuatoriano un sistema de Monitoreo de
Área Extendida (WAMS), el cual permite observar
en tiempo real información estratégica relacionada
con la estabilidad oscilatoria del sistema. Toda
esta información proveniente del sistema WAMS
maneja un gran volumen de información
resultante del muestreo de las variables eléctricas
con una resolución 60 muestras por segundo
registradas a través de 29 unidades de medición
fasorial (PMU) que han sido dispuestas de manera
estratégica en ciertas subestaciones del Sistema
Nacional Interconectado (SNI). Esta información
por una parte permite identificar posibles estados
de oscilación en tiempo real y su consecuente
aporte a la toma de decisiones a nivel operativo, y
por otra parte permite adquirir un conocimiento
a través de análisis post mortem mediante un
tratamiento estadístico adecuado.
Con este antecedente mediante este trabajo se
pretende aplicar ciertos criterios estadísticos
utilizados para el análisis de datos bajo un
concepto de Big Data; conceptos que permitirán
implementar una base para el análisis estadístico
con integración de múltiples conjuntos de datos
provenientes de otras fuentes como el sistema
SCADA, la búsqueda de información considerando
al factor tiempo como un parámetro crítico
para la toma de decisiones y retroalimentación
de la operación, y el uso de grandes volúmenes
de información como las obtenidas a través del
sistema SCADA y WAMs.
The national operator of electricity - CENACE has
as part of its tools for the process of monitoring
the operation of the Ecuadorian electrical system
a Monitoring Wide Area (WAMS), which one
allows to observe real-time strategic information
related to the oscillatory stability system. All this
information from the WAMS system handles
a large volume of information resulting from
sampling the electrical variables with a resolution
60 samples per second obtained through 29 Phasor
Measurement Units (PMUs) that have been placed
strategically in certain substations Interconnected
National system (SNI). This information identifies
some possible states of oscillation in real time and
its consequent contribution to decision making at
the operational level, and on the other hand can
acquire knowledge through post mortem by an
appropriate statistical treatment.
With this background through this work is
intended to apply certain statistical criteria used
for data analysis under a concept of Big Data;
concepts that will implement a basis for statistical
analysis with integration of multiple data sets
from other sources such as the SCADA system,
information search considering the time factor
as a critical parameter for decision-making and
feedback of the operation, and the use of large
volumes of information as those obtained through
the SCADA system and WAMs.

Palabras clave— WAMS, estabilidad oscilatoria, Index terms— WAMS, oscillatory stability, short
pequeña señal, análisis de datos, cluster, Big Data. term, data analysis, clustering, Big Data.

Recibido: 13-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Cubillo B. R.; (2017). “Determinación estadística de modos de estabilidad
oscilatoria”. Revista Técnica “energía”. No. 13, Pp. 139-145
ISSN 1390-5074.

139
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El estado del arte de la operación de tiempo
real de un sistema eléctrico de potencia, se ve
complementada a mediante los análisis de eventos y
los análisis posoperativos para los diferentes estados
del sistema presentados, así tanto en condiciones de
operación normal como de emergencia. Bajo este
antecedente un análisis posoperativo permite realizar
una inferencia operativa sobre posibles escenarios
de la operación mediante una determinación de
características similares o patrones obtenidos, los
cuales pueden ser obtenidos a través de un análisis
exploratorio y estadístico de la información resultante
y obtenida de los sistemas tecnológicos de uso del
operador y en el caso de CENACE como lo son los
sistemas SCADA y WAMS.
En el presente artículo se tratará como una
primera etapa el análisis de la información obtenida a
través del sistema WAMS y su aplicación gestora de
información WAProtector disponible en el CENACE,
la cual permite obtener y registrar información de
la composición modal de señales de potencia de 29
PMUs distribuidas en el sistema ecuatoriano. La
información proveniente de las unidades de medición
fasorial disponen de información con una resolución
de 60 muestras por segundo, lo que continuamente
genera un gran volumen continuo de datos que son
procesados y almacenados.
El sistema WAProtector almacena este gran
volumen de información en base de datos con la
factibilidad de poder acceder a la misma a través de
la herramienta, en ese sentido en este particular se
pone más atención a la información de la frecuencia,
la razón de amortiguamiento y amplitud de los modos
presentados en cada instaste de tiempo.
Por otra parte, el manejo de grandes volúmenes de
información obedece a que su manipulación y gestión
requiere de esfuerzos significativos que hacen muy
difícil su proceso mediante el uso de herramientas de
análisis tradicionales y bajo la premisa de obtención
de resultados con el factor tiempo como parte de ellas.
El concepto de Big Data se identifica con el manejo
de información proveniente de diferentes fuentes,
análisis de grandes volúmenes de información que
puede ser del tipo inclusive no estructurada y en
escala la velocidad de tratamiento de la misma, lo que
involucra tareas multidisciplinarias con conceptos
matemáticos, estadísticos y ciencias de la computación
de manera integrada. Y finalmente como aplicación a
este entorno se destaca la optimización operacional
y mejora en la toma de decisiones encaminando los
resultados como parte de un proceso de la ciencia
de los datos. Y con el fin de integrar nuevos análisis
140
relacionados a este tema a partir de este concepto
se realiza la prepara ración de la información y el
tratamiento estadístico de datos.
Bajos estos antecedente se pretende a través de
este articulo establecer diferentes tratamientos de
datos con el fin de llegar a caracterizar las variables
del sistema presentes en un escenario de estabilidad
oscilatoria, es decir de las señales de frecuencia y
amortiguamiento que definan al sistema eléctrico
ecuatoriano en un común escenario de oscilaciones
naturales de pequeña señal obtenidas a través del
sistema WAMS, y mediante el tratamiento de esta
información utilizando herramientas estadísticas
licenciadas como STATA y open source.
2. MARCO TEORICO
2.1. Estabilidad oscilatoria de pequeña señal
Un análisis de estabilidad oscilatoria de
pequeña señal consiste de un estudio basado en el
comportamiento de un sistema de potencia frente a
perturbaciones pequeñas esto con el fin de determinar
la capacidad del sistema mantener un estado
de sincronismo. Dentro de estas perturbaciones
pequeñas se pueden identificar los cambios naturales
[1] en condiciones normales de toma y salida de
cargas, entrada y salida de generación, o incluso
frente a cambio de programaciones entre enlaces de
interconexión internacionales.
Una inestabilidad de pequeña señal puede resultar
debido a un incremento en el ángulo de un rotor dando
origen a un modo de inestabilidad no oscilatorio,
mientras que ante la aparición de oscilaciones en el
rotor con amplitud creciente originarán modos de
inestabilidad oscilatoria.
Las oscilaciones presentes en los sistemas de
potencia generalmente no generan un estado de
inestabilidad sin embargo es de vital importancia
pretender y observar bajo qué condiciones estas
oscilaciones hacen que el sistema pierda o mantenga
la estabilidad.
2.1.1 Oscilaciones en sistemas de potencia.
La estabilidad de pequeña señal puede ser identificada
en función de la siguiente clasificación [2]
a) Modos entre áreas: Son oscilaciones que se
encuentran identificadas en los rangos de 0.2 y
0.7 Hz. Estas oscilaciones involucran a grupos
de máquinas en un área las cuales oscilan
de manera coherente frente a otro grupo
de generadores perteneciente a otra área,
interconectados a través de un enlace débil.
Cubillo / Determinación de modos oscilatorios presentes en el sistema eléctrico ecuatoriano mediante técnicas estadísticas
Figura 1: Oscilaciones entre áreas
b) Modos locales: Son oscilaciones que se
encuentran identificadas en los rangos entre
0.8 y 1.8 Hz. Estas oscilaciones involucran
a oscilaciones provenientes de un generador
o una planta, que se encuentra en oscilación
contra el sistema.
Figura 2: Oscilaciones locales
c) Modos entre máquinas: Son oscilaciones que
se encuentran identificadas en los rangos entre
1.5 y 3 Hz. Estas oscilaciones son el resultado
de las interacciones entre los controladores de
las unidades y no están asociadas a los límites
de estabilidad debido a la transferencia de
potencia. Sin embargo, la presencia de este
tipo de oscilaciones también puede presentarse
en centrales de generación eléctricamente
cercanas.
Figura 3: Oscilaciones entre máquinas
d) Modos de control: Son oscilaciones que
se encuentran identificadas con valores
de frecuencias mayores a los 4 Hz. Estas
oscilaciones son atribuibles a problemas en
los propios sistemas de control, reguladores de
voltaje, reguladores de velocidad y de control
de voltaje.
e) Modos de muy baja frecuencia: Son
oscilaciones que se encuentran identificadas
en los rangos entre 0.01 y 0.1 Hz. Estas
oscilaciones también son consideradas como
modos de control y generalmente aparecen
en sistemas altamente hidráulicos, debido
a problemas en la sintonización en los
controladores de velocidad en las unidades de
generación hidráulica.
f) Modos de torsión: Su rango de frecuencia está
identificada en los rangos de 10 y 46 Hz, y son
el resultado de inestabilidad por interacciones
de elementos de potencia en la red como
compensadores serie, controles de sistemas
HVDC (alto voltaje dc)
Los auto valores de una matriz del sistema
disponen la información sobre las frecuencias de
oscilación en un determinado punto de operación y a
través de esta el estudio de pequeña señal.
Un análisis modal [3] permite determinar las
oscilaciones de un sistema eléctrico de potencia,
obteniéndose como resultado los modos de oscilación
y sus correspondientes frecuencias modales definidas
mediante la frecuencia y la razón de amortiguamiento
de una oscilación a través de las siguientes
expresiones.
(1)
(2)
Donde:
2.2.
Técnicas de análisis de datos con la
conceptualización de Big Data
Conceptualmente Big Data hace referencia al
almacenamiento, tratamiento y análisis de grandes
cantidades de datos con el fin de extraer conocimiento
de esta información y que responde a las siguientes
características:
• Volumen: Resolución de adquisición de la
información de 60 muestras por segundo
proveniente de 29 PMUs ubicadas en el SNI.
• Variedad: Información proveniente de 29
nodos con contenido de información no
necesariamente inter – relacionada de tipo no
estructurada o metadata.
141
 Edición No. 13, Enero 2017
• Velocidad: Análisis de datos y obtención de
resultados donde el parámetro tiempo resulta
ser crítico.
Figura 4: 3 Vs de Big Data
2.2.1 Conceptos generales
a) Dataset: Son los conjuntos de datos que
mantienen ciertos atributos o propiedades
relacionadas y que pueden ser obtenidos de una
o varias fuentes de información, siendo esta
información previamente o no estructurada.
b) Análisis de datos: Corresponden a las
diferentes técnicas estadísticas de amplia
variedad que permiten durante un proceso
la inspección, limpieza y trasformación de
datos con el fin de obtener conocimiento o
destacar cierta información encontrada, para
la determinación de conclusiones y la toma de
decisiones obtenidas a través de estos análisis.
c) Cluster:
Dada una muestra X formada por n individuos
sobre los que se mide p variables, en cada
objeto n. Siendo el valor de la variable
en el i-esimo objeto con i = 1,2,…,p
Este conjunto de valores numéricos puede ser
ordenado en la siguiente matriz.
Dado este conjunto de n observaciones
caracterizados por la información de p
variables se plantea de manera que ciertos
individuos son pertenecientes a un grupo
identificado como un cluster
2.2.2 Análisis Clúster
El análisis clúster consiste de una metodología
de análisis de datos basado en un procedimiento
142
estadístico que podría ser univariante (sobre
observaciones) o multivariante (sobre diferentes
variables) bajo un conjunto de datos que corresponden
a una muestra con información esperada de tipo:
• Homogénea respecto a las variables utilizadas
para su formación.
• De agrupación de información cifrada de manera
general desconocida a priori dentro de un
conjunto de p variables y n individuos
• De información con grupos lo más distintos
posibles unos de otros, a través de un criterio
de similaridad con la capacidad de relación de
semejanza.
a) Clúster de k-medias
Es un método de clasificación el cual n
observaciones se agrupan en k grupos los cuales se
asignan mediante la determinación de la distancia a
un valor medio más cercano, en este tipo de clúster
se utilizan algoritmos expectation - maximization de
distribucion gaussianas.
- Métodos de cálculo de las distancias.
• Distancia euclídea.
(3)
• Distancia euclídea al cuadrado.
(4)
• Distancia de Minkowski.
(5)
b) Clúster Visual
Una agrupación visual permite durante en el proceso
de creación de categorías basadas en la agrupación de
los valores contiguos de las variables y observaciones
existentes con el fin de dar lugar a un número limitado
de categorías a priori, esta metodología permite utilizar
la agrupación visual para:
o Crear variables categóricas a partir de
variables de escala continuas.
o Colapsar un número elevado de categorías
ordinales en un conjunto menor de
categorías.
o Crear un mapeo referencial de la información
a través de la información cruda.
Cubillo / Determinación de modos oscilatorios presentes en el sistema eléctrico ecuatoriano mediante técnicas estadísticas

2.2.3 Tratamiento de la información estadística 3.1.1 Resultado de clúster gráfico

Con el fin de dar un adecuado tratamiento de

la información debido a un gran volumen de los
datos obtenidos a partir de las diferentes fuentes
generalmente no contemplan un formato o estructura
que permita ser procesada de manera directa, tomando
las siguientes consideraciones:

1) Ejecución de tareas para un adecuado tratamiento

inicial de la información, mediante análisis y
técnicas de detección y de filtrado de datos a
Figura 6: Clúster grafico sobre toda la información de la
típicos o datos perdidos. muestra
Esta primera aproximación permitió identificar la
2) Almacenamiento y registro de la información en
conformación visual de 10 clúster, que corresponde
medios o archivos para tratamiento adecuado.
al parámetro k para el análisis de clúster mediante
Bajo la conceptualización de Big Data la k-medias.
información de las unidades de medición fasorial se
3.1.2 Resultados de clúster k-medias
establece una arquitectura de información no
estructurada (noSQL); de la siguiente manera.

Figura 5: Esquema de tratamiento de la información

Esta arquitectura permite que la información

requerida sea almacenada de tal forma de garantizar
tiempos menores en el procesamiento y análisis de
la información debido al gran volumen de datos
obtenidos del sistema WAMs.
Con la disponibilidad de la información de
CouchDB el tratamiento de la misma se realiza
mediante la utilización de R y las funciones de este
paquete estadístico en la presentación de resultados.
3. RESULTADOS
3.1. Resultados del análisis de clúster
Figura 7: Grafico de densidad de probabilidad de modos
significativos
Mediante el análisis clúster de k-medias, el cual
fue desarrollado mediante la técnica de cálculo de
distancias euclídeas con un parámetro de k = 9, se
obtuvo que los modos más significativos presentes
en el periodo de corresponden son acuerdo a la
siguiente tabla de resultados, con su correspondiente
probabilidad.
Tabla 1: Densidad de distribución normal de modos
significativos

Como primera etapa del análisis de datos con el Clúster Identificación del modo

fin de conocer el comportamiento de las variables de 1 0.173869 0.176715 interarea (*)

frecuencia y amortiguamiento se realizó en primera 2 1.021607 0.039945 local
instancia un análisis de clúster mediante gráficos 3 1.584195 0.401130 entre maquinas
sobre la data cruda. 4 1.168694 0.048467 local
5 1.822311 0.133868 entre máquinas(*)
Para ello se consideró una muestra de 432,764
6 0.544967 0.043489 entre área
observaciones correspondientes a la información de
7 3.352751 0.289291 Control (*)
la semana comprendida entre el 1 de agosto al 7 de
8 0.384855 0.033961 entre área
agosto del 2016.
9 0.081655 0.061510 control mbf
Para posteriormente aplicar un clúster de k-medias
con la información del parámetro k obtenido a través De los resultados de la gráfica de densidad de
del análisis visual de esta manera obteniéndose: probabilidad se determina que los modos de mayor

143
 Edición No. 13, Enero 2017

probabilidad de incidencia dentro del sistema 4. CONCLUSIONES Y RECOMENDACIONES

eléctrico ecuatoriano son los modos:
Los sistemas tecnológicos de apoyo en la
Tabla 2: Probabilidad de incidencia de modos significativos
operación de tiempo real, proveen de una gran cantidad
Cluster frecuencia Probabilidad modo
información la cual requiere de ser explotada para
8 0.38 11.7 % determinar mediante análisis fuera de línea posibles
Entre áreas
6 0.54 9.2 % problemas en los sistemas de potencia y constituyen
2 1.02 10.0% un aporte esencial en el análisis posoperativo.
local
4 1.16 8.0 %
Mediante técnicas estadísticas adecuadas con
3.1.3 Representación espacial de modos capacidad de manejo ágil y de gran volumen se puede
establecer mecanismos para inferir posibles estados
Dentro de las técnicas de clúster grafico
anómalos que puede ser determinantes en la toma
adicionalmente se pueden realizar un análisis
de decisiones durante la operación de tiempo real e
exploratorio con el fin de evidenciar por otra parte la
inclusive la planificación de la generación.
incidencia de los registros de las amplitudes presentes
en los modos en las diferentes PMU, lo que permitiría Las diferentes técnicas de clúster proveen un
caracterizar este comportamiento de los modos en medio estadístico de tratamiento de la información,
conjunto con el amortiguamiento y la amplitud. y en sistemas que proveen grandes volúmenes
de información denominadas de Big Data por el
requerimiento de la velocidad de procesamiento y
la variedad de información de diferentes fuentes,
constituyen un primer paso para la caracterización de
estados operativos del sistema en base a las variables
eléctricas de entrada.

REFERENCIAS BIBLIOGRÁFICAS

[1] P. M. Anderson, A. A. Fouad, Power System

Control and Stability, IEEE Press, 1994
Figura 8: Detección de modo de control de alta incidencia en
el PMU MONT_JARA_138
[2] Bikash Pal, Balarko Chaudhuri, Robust control
in power systems. New York; Springer, c2005
Power Electronics and Power systems series

[3] P. Kundur, “Power System Stability and Control”,

McGraw – Hil, 1994.R.

[4] P. Kundur, J. Paserba, V. Ajjarapu, et al,

“Definition and classification of power system
stability”, IEEE/CIGRE Joint Task Force
on Stability: Terms and Definitions. IEEE
Figura 9: Detección de modo de control de alta incidencia en
Transactions on Power Systems, Vol. 19, Pages:
el PMU SELE_CSEL_69
1387-1401, August 2004.

[5] Kaufman, L., & Rousseeuw, P. J. “Finding

Groups in Data. An Introduction to Cluster
Analysis” John Wiley & Sons Inc, 2005

[5] Cepeda J. “Evaluación de la Vulnerabilidad del

Sistema Eléctrico de Potencia en Tiempo Real
usando Tecnología de Medición Sincrofasorial”,
Tesis de Grado para obtener el título de Doctor
Figura 10: Detección de modos entre área de alta incidencia
en el PMU SROS_TOT2_230
en Ingeniería Eléctrica, Instituto de Energía
Eléctrica, Universidad Nacional de San Juan,
San Juan, Argentina, Diciembre 2013.

144
Cubillo / Determinación de modos oscilatorios presentes en el sistema eléctrico ecuatoriano mediante técnicas estadísticas

[6] J. Cepeda, J. Rueda, G. Colomé, I. Erlich, “Data-

mining-based Approach for Predicting the Power Raúl Cubillo Betancourt.-
System Post-contingency Dynamic Vulnerability Nació en Quito, Ecuador
Status”, International Transactions on Electrical en 1975. Recibió su título
Energy Systems, Volume 25, Issue 10, pg. 2515- de Ingeniero Eléctrico de la
2546, October 2015. Escuela Politécnica Nacional
en el 2001; Egresado de
la Maestría en estadística
Aplicada de la Escuela
Politécnica Nacional,
funcionario de CENACE a partir del año 2001,
actualmente se desempeña como Subgerente de
Análisis de la Operación, en la Gerencia Nacional de
Operaciones del Operador nacional de Electricidad
CENACE.

145
 Artículo Académico / Academic Paper

Material Selection of Induction Cookware based on Multi Criteria

Decision Making Methods (MCDM)

E. D. Rivera1 C. A. Fajardo2 A. J. Ávila3 C. F. Ávila2 J. Martinez-Gómez3

1
Universidad Regional Amazónica
E-mail: davo.rivera@aol.com, carlos.avila@ikiam.edu.ec
2
Escuela Politécnica Nacional, EPN
E-mail: cristian.fajardop@epn.edu.ec
3
Instituto Nacional de Eficiencia Energética y Energías Renovables, INER
E-mail: alvaro.avila@iner.gob.ec, javier.martinez@iner.gob.ec

Resumen Abstract

El Ecuador está fomentando nuevos proyectos
enfocados en la reducción de consumo de
combustibles fósiles. Con este propósito en mente,
el gobierno lleva a cabo un plan para reemplazar
cocinas dependientes del gas licuado de petróleo
(GLP) por cocinas de inducción. Esto contribuirá
en la disminución del consumo del GLP, emisiones
tóxicas. En contraste, la calidad de vida en el
Ecuador y la eficiencia energética en la edificación
mejorará. Este documento hay sido elaborado
para determinar el material adecuado capaz de
interactuar con campos magnéticos.
Los métodos multi-criterio de selección (MCDM)
son herramientas analíticas que sirven para
juzgar la mejor alternativa de un conjunto
de posibilidades. Dependiendo del número de
alternativas y el número de criterios de selección,
los MCDM aparecen como herramientas de
evaluación que permitirán seleccionar al material
correcto para el diseño del menaje para cocinas de
inducción.
En el desarrollo de este proyecto se empleó
las aproximaciones EXPROM2, COPRAS-G,
TOPSIS y VIKOR. Los resultados obtenidos
de cada método serán valorados y validados.
El estudio consiste en recolectar información
referente a las propiedades de cada material y su
respectiva importancia en el diseño del menaje
de cocinas de inducción y establecer una matriz
normalizada que relaciona la magnitud de cada
propiedad.
Los resultados obtenidos resaltan al acero A677
como la mejor alternativa de un conjunto de 8
opciones con 8 diferentes criterios de selección.
Ecuador has started a national project focus on
a new model of energetic management so as to
reduce the Ecuadorian dependency on fossil fuels.
With this purpose in mind, the government has
disposed to replace liquefied petroleum gas (LPG)
cookers for induction cookers. This will contribute
to decrease the consumption of LPG, emission of
toxic fumes and multidimensional poverty index
(MPI). In contrast, the Ecuadorian quality of life
(EQOL) and the global efficiency of the energetic
system will improve. This paper was developed
to determine the correct material which can
efficiently interact with magnetic fields at low cost.
Multi decision making methods (MCDM) are
analytical tools employed to judge the right
alternative of a set of possibilities. According
to the number of alternatives and criteria of
this problem, MCDM appears as an evaluation
approach that can ease the selection of materials
for induction cookware.
The MCMD methods implemented are AHP,
EXPROM2, COPRAS-G, TOPSIS and VIKOR,
all of them have been compared to validate the
best alternative. The analysis process consists on
collecting information about the properties of
the material and his weight respect to the others
to generate a normalized matrix that relate the
dependency among criteria.
The results prove that the steel A677 is the best
material, of a set of 8 alternatives with 8 analysis
criteria, to be applied as induction cookware.

Palabras clave— cocina de inducción, menaje, Index terms— Induction cookers, cookware, toxic
campo magnético, multi-criterio fumes and magnetic fields.

Recibido: 29-08-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Rivera, E; Fajardo, C; Ávila, A.; Ávila, C; Martinez-Gómez J. (2017). “Material
Selection of Induction Cookware based on Multi Criteria Decision Making Methods (MCDM)” Revista Técnica
“energía”. No. 13, Pp. 146-155
ISSN 1390-5074.
146

1. INTRODUCTION
Material selection has become an important
source at engineering processes because of economic,
technological, environmental parameters, Inter Alia
[1], [2]. It carried out several research processes that
give off assessment methods to compare the behavior
of elements according to their characteristic properties
(density, specific heat, cost) with efficiency indicators
[3]. Saaty [4] “The Analytic Hierarchy Process”,
Hwang y Yoon [5] “Multiple Attribute Decision
Making: Methods and Applications”, Delhaye,
Teghem, Kunsch [6] “Application of the ORESTE
method to a nuclear waste management problem”,
Raju, Kumar, [7] “Multicriterion decision making in
irrigation planning”, Macharis [8] “PROMETHEE
and AHP: The design of operational synergies in
multicriteria analysis”, have proposed mathematical
formulations to relate alternatives and properties in
order to select the correct option.
Multi criteria decision making methods (MCDM)
appear as an alternative in engineering design due
to its adaptability for different applications. To
develop this project, the EXPROM2 [9] (extended
PROMETHEE II), TOPSIS [5] (technique for order
performance by similarity to ideal solution), VIKOR
(Vlse Kriterijumska Optimiza- cija Kompromisno
Resenje, means Multicriteria Optimization and
Compromise Solution) have been used as analytical
tools to make the right decision.
Here are some engineering applications where
MCDM have been regarded as selection tools. Jahan,
Ismail, Sapuan, Mustapha [10] “Material screening
and choosing methods -A review”, Bitarafan,
Hashemkhani Zolfani, Arefi, [11] “Evaluating the
construction methods of cold-formed steel structures
in reconstructing the areas damaged in natural crises,
using the methods AHP and COPRAS-G”, Findik,
Turan [12] “Materials selection for lighter wagon
design with a weighted property index method”,
Zavadskas, E.K., Çaliskan, Kursuncu, Kurbanoglu
y Güven [13] “Material selection for the tool
holder working under hard milling conditions using
different multi criteria decision making methods”,
Çaliskan [14] “Selection of boron based tribological
hard coatings using multi-criteria decision making
methods”.
Nowadays,Ecuadorispromotingtheimplementation
of a new model of energetic management in order not
to depend only on oil production. Its main objective is
to restructure production media so as to reduce import
products. According to this approach, the government
disposed changing traditional gas cooker for induction
stoves [15].
Edición No. 13, Enero 2017
The burning of liquefied petroleum gas (LPG)
produces high rates of pollution and low energetic
efficiency [16], [17]. Therefore, gas cookers are
inefficient and dangerous for the environment. On the
other hand, induction stoves apply magnetic fields
to generate heat in the cooking pot base (made of
ferrous material) and increase his temperature [18].
The efficiency of this process is higher than efficiency
of burning fossil oils [19].
This project focused on selecting the right magnetic
material for cooking pot bases by means of MCDM.
It will contribute to Ecuador in the development of
the new model of energetic management. With this
national purpose, these fundamental questions have
been set:
• What is the material which best fits the
technological requirements to make cooking
pot bases?
• Which are the parameters more valuable to
select cooking pot bases?
This paper is organized with an introductory
section that explain the development and applications
of MCDM. Afterwards, a brief description of the
MCDM methods. Finally, the results and conclusions
obtained.
2. MULTI CRITERIA DECISION MAKING
METHODS
The MCDM methods are applied by business and
industrial companies to select the best alternative
for an specific application considering qualitative
and quantitative design parameters [20]. This article
center on the methods VIKOR, TOPSIS, EXPROM2,
COPRAS-G and AHP.
2.1. Analytical hierarchy process (AHP)
Every alternative is assigned a value in order to
identify its importance in an application. The ranking
is composed by three levels: a). general objective, b).
criteria for every alternative, c). alternatives to regard
[21].
2.2. Comparison among alternatives
The weight of criteria respect to other are set in
this section. To quantify its coefficient, it is required
the experience and knowledge of the assessing team
or technician [22].
Saaty [4] classified the importance parameters as in
Table 1.
147
 Rivera et al. / Material selection of induction cookware based on multi criteria decision making methods (MCDM

Table 1: Scale of relative importance If CR should be greater than 0.1, otherwise, the
importance coefficient (1-9) has to be set again and
Definition Intensity of importance CR recalculated [13].

Equal importance 1 1.1. EXPROM2 method

Moderate importance 3 This method focuses on ranking each alternative
Strong importance 5 respect to criteria selection. The comparison is made
Very strong importance 7 according to [8]:
Extreme importance 9
• Relative importance of each property on the
Intermediate importance 2, 4, 6, 8 basis of the sort of application
Source: [4]
• Information generated from the decision
The values 2, 4, 6 and 8 are applied to differentiate function
slightly differing judgments [4, 14].
The consistency index applied to validate results can
The comparison among n criteria are resume in be formulated by means of the ideal and anti-ideal
matrix the global arrange is expressed in solutions [24].
equation 1.
The EXPROM2 is formulated with the equations [7],
[25]:
(1)
Step 1: Normalize the decision matrix, equation 5

Afterwards, from matrix A it is determined

(5)
the relative priority among properties. The
eigenvector ω is the weight importance and
Where:
it corresponds with the largest eigenvector λ:
is the performance measure of jth criterion
(2) respect to ith alternative.

is the normalized value of .

The consistency of the results is resumed by the
pairwise comparison of alternatives. Matrix A can be For non-beneficial criteria the is computed by
ranked as 1 and [23]. equation 6:

2.3. Consistency assessment

(6)
In order to analyze the consistency of the results it is
necessary to distinguish the importance of alternatives Step 2: The difference between alternatives is
among them. In equations 3 and 4 is shown the estimated.
consistency indexes required to validate the results.
Step 3: Preference function is calculated
according to the alternatives i and i’ respect to jth
criterion. The usual criterion has been used in this
(3)
analysis.

(4) (7)

Where: (8)

n: number of selection criteria. Step 4: The weak preference index is

RI: random index. determined based on the criteria weights

CI: consistency index.

CR: consistency relationship. (9)

: largest eigenvalue.

148
 Edición No. 13, Enero 2017

Step 5: The strict preference function
is performed comparing (ideal and anti-ideal
comparison of jth criteria) with the preference limits
(0 for the usual function), see equation 10.
to be quite good, but the infinite order (Tchebycheff
norm, L-???.
The TOPSIS approach is structured by the
following procedure [29], [30]:

Step 1: Normalize the decision matrix by

(10)
means of equation 16.

Step 6: Calculation of strict preference index

, equation 11. (16)

(11)
Where:

Step 7: Calculation of the total preference index (ith alternatives and jth criteria)
, equation 12.
Step 2: Sync the weight and the normalized
matrix , see equation 17.
(12)
(17)
Step 8: Comparison of input and output flows by
means of equations 13, 14, respectively.
Step 3: Determinate ideal solutions and anti-
ideal solutions referring to equations 18, 19.
(13)

(18)
(14)

Where: (19)
positive flow of the alternative it h which
expresses how much an alternative dominates the Where K and K’ are the index set of benefit criteria
others. and the index set of cost criteria, respectively.

negative flow of the alternative it h which Step 4: The distance between the ideal and anti-
expresses how much an alternative is dominated by ideal solution is quantified by equations 20, 21.
the others.

m: number of alternatives.
(20)
Step 9: Calculation of the net outranking flow
.

(15) (21)

Step 10: Rank the alternatives according to . Step 5: The relative closeness is computed by
The greatest corresponds to the best alternative. equation 22:
2.5. TOPSIS METHOD
(22)
This method focus on identifying the right
alternative according to the distance between The highest coefficients correspond to the best
ideal and anti-ideal solutions [10], [26]–[28]and alternatives.
compares results of different sets of weights applied
to a previously used set of multiple criteria data. 2.6. VIKOR method
Comparison is also made against SMART and
The VIKOR method considers the closeness to
centroid weighting schemes. TOPSIS was not found
the ideal solution in order to rank the alternatives [3,
to be more accurate, but was quite close in accuracy.
31].
Using first-order and second-order metrics were found

149
 Rivera et al. / Material selection of induction cookware based on multi criteria decision making methods (MCDM

Step 1: Select the maximum magnitude of section of the gray theory to confront insufficient or
and minimum magnitude of of incomplete information. The uncertainty level can be
each criterion. expressed by three numbers: white, gray and black
[32].
Step 2: and are computed by equations 23,
24. Let the number and
where has two real numbers (lower
(23) limit of ) y (the upper limit of ) [33].

• White number: , complete

information
(24)
• Gray number: , incomplete or
Step 3: are calculated by equation 25
uncertain information

• Black number: if , no
(23) significant information.

El formato del texto debe respetar las siguientes

características:

(26)

Step 4: Rank the results according to ,

y in different cells.
Where, is portrait by the lower limit and
The minimum value of P is set as the committed the upper limit
solution for a weight criterion, if condition 1 and 2
are compiled: Step 2: Normalize the decision matrix,
through the equation 27 for the lower limit and
Condition 1. - “Acceptable advantage” equation 28 for the upper limit
, where x’ and x’’ are the best
alternatives.
(27)
Condition 2. - “Acceptable stability in decision
making”. The alternative x’ must be the best in the
ranking of and/or The committed solution is
made by: “voting by majority rule” (if is (28)
required) or “by consensus” or ``with
veto” Step 3: Determine the weight of each criterion.
If one of the conditions is not fulfil, one of the Step 4: Determine the normalized decision matrix by
following alternatives can be adopted: means of equations 29, 30.
• Alternatives x’ and x’’ if condition 2 in not
satisfied. (29)

• Alternatives x’, x’’, …, xk condition is not

(30)
satisfied; xk is determined by the relation
, where the alternative Step 5: The weighted mean normalized sums are
position is “in closeness”. computed for the beneficial attributes based
on equation 31 and non-beneficial attributes
2.7. COPRAS-G method
according to equation 32.
COPRAS-G [11] is a MCDM method that apply
gray numbers to evaluate several alternatives of an
engineering application. The gray numbers are a

150
 Edición No. 13, Enero 2017

(31)

(32)

Step 6: Determine the minimum value

(33)

Step 6: Determine the relative priority of the Figure 1: Working principle of induction effect over magnetic
alternatives. It can be calculated with equation 34, pot bases.

the highest value of represents the best alternative 2.8.2. Material requirements for induction pot
and it is called bases

The pot must be flat and made of ferromagnetic

(34) materials that allow the formation of Eddy currents.

3. RESULTS
Step 7: Calculate the quantitative utility for
The results reached with the methods EXPROM2,
every alternative through the equation 35 The ranking
VIKOR, TOPSIS, COPRAS-G are compared in order
is set by the magnitude of .
to determine their convergence and sensibility.

(35) 3.1. Criteria weighting

The weight of each alternative was assigned

2.8. Induction stove according to the AHP approach. The identification
for materials and properties are en Table 2 and Table
The government of Ecuador has proposed the 3 respectively. The comparison among properties of
changing of gas cookers for induction stoves. Some every alternative is in Table 4. An schematic resume
advantages are [34] of the AHP process is illustrated in Figure 2.
• Reduce power consumption and the use of Table 2: Material identification
fossil fuels. Material Identification
• Increase efficiency during the heating Permalloy 80 (80% Ni, 4% Mo,
a
process. 16% Fe)
ASTM A677 Steel M-47 Nonori-
• Noiseless and non-contaminant systems. b
ented Electrical Steel
Mumetal (77% Ni, 4% Mo, 14%
This technology is new for Ecuador, therefore, c
Fe, 5% Cu)
there are not enough resources to support the materials
that can be used to produce the right pot for induction AISI 430 d
cookers. This project focus on determine the adequate AISI 410 e
material for induction pot bases. Cast iron f
Cobalto g
2.8.1. Working principle
Niquel h
The induction heating is based on the static
Table 3: Property identification
magnetic field principle. An electric current is
induced over a coil to produce a magnetic field that Property Identification
change of polarity. Its develops the effect of ``Eddy Permeability
currents’’ that stay in the conductive metal (pot Electric conductivity
base) and generate the heat [34], [35]. In Figure 1
is described the heating process of pot bases for the
induction effect. Thermal conductivity

Specific heat

151
 Rivera et al. / Material selection of induction cookware based on multi criteria decision making methods (MCDM

Density the overall weight is distributed in

The results are consistent due to the value of the
Thermal diffusivity .10−6, m2/s)
consistency index (CI = 0.0489) and the consistency
Cost ratio (CR = 0.0347) which are lower than the limit
Yield (Mpa) 0.1.
Table 6. AHP weighting
Table 4: Properties of each alternative.Material
Wj
USD/
µ G λ Cp ρ α Y
Kg µ 0,221670
a 190000 1,710 32,5 0,500 8,24 7,90 37,500 321,0 G 0,054324
b 11550 2,700 65,0 0,460 7,75 18,20 0,975 300,0 λ 0,025436
c 127500 1,695 33,5 0,495 8,74 7,65 38,000 715,0
cp 0,025436
d 850 1,600 24,9 0,460 7,8 6,95 1,500 513,5
ρ 0,054324
e 850 1,700 24,7 0,460 7,8 6,90 2,000 1180,0
α 0,114580
f 425 9,000 26,6 0,505 7,18 7,40 0,125 385,0
Cost 0,389640
g 155 1,600 84,6 0,440 8,8 21,85 30,000 225,0

h 670 1,125 79,0 0,455 8,89 19,85 18,000 52,0

Y 0,114580

Source: [36] 3.2. EXPROM2

The normalized matrix were computed by means

of equations 5 and 6, its values are in Table 7.
Table 7: Normalized matrix
Material µ G λ CP
a 1,0000 0,0743 0,1302 0,9231
b 0,0600 0,2000 0,6728 0,3077
c 0,6708 0,0724 0,1469 0,8462
d 0,0037 0,0603 0,0033 0,3077
Figure 2: AHP hierarchy process. e 0,0037 0,0730 0,0000 0,3077
f 0,0014 1,0000 0,0317 1,0000
The alternatives and relevant properties for this g 0,0000 0,0603 1,0000 0,0000
study are in Table 4. In Table 5, the decision matrix h 0,0027 0,0000 0,9065 0,2308
generated is shown. The coefficients were assigned
based on the heating principle on induction cookers. Table 7: Normalized matrix (continuation)
The most valuable parameters are the permeability (), Material ρ α Cost Y
cost and electric conductivity. a 0,3824 0,0669 0,0000 0,2364

Table 5: Comparison among criteria

b 0,6706 0,7559 0,9773 0,2179
AHP µ G λ Cp ρ α Cost Y c 0,0882 0,0502 0,0000 0,5826
µr 1,00 5,00 7,00 7,00 5,00 3,00 0,33 3,00 d 0,6412 0,0033 0,9632 0,4055
G 0,20 1,00 3,00 3,00 1,00 0,33 0,14 0,33 e 0,6412 0,0000 0,9498 1,0000
λ 0,14 0,33 1,00 1,00 0,33 0,20 0,11 0,20 f 1,0000 0,0334 1,0000 0,2926
cp 0,14 0,33 1,00 1,00 0,33 0,20 0,11 0,20 g 0,0529 1,0000 0,2007 0,1529
ρ 0,20 1,00 3,00 3,00 1,00 0,33 0,14 0,33 h 0,0000 0,8696 0,5217 0,0000
α 0,33 3,00 5,00 5,00 3,00 1,00 0,20 1,00
Cost 3,00 7,00 9,00 9,00 7,00 5,00 1,00 5,00 In Table 8 the rank of best alternatives was
Y 0,33 3,00 5,00 5,00 3,00 1,00 0,20 1,00 computed on the basis of equations 7, 8, 9. The material
that support all the requirements for magnetic heating
In order to get the weight for every property,
is the steel ASTM A677. Other good alternatives
equation 1 has been applied. In Table 6 the weight
could be cast iron and steel AISI 410 but their low
coefficient of every criterion was determined. On one
permeability will reduce considerably the efficiency
hand, the most representative values are cost 38.96%,
permeability 22.17% and thermal diffusivity of the induction cooker.
11.46%. On the other hand, less than 30% of

152
 Edición No. 13, Enero 2017

Table 8: Rank obtained by EXPROM2

f 0,4921 0,2214 0,1957 4
Material Rank
g 0,7103 0,3115 0,7843 6
a 0,4589 0,6946 -0,2327 6
h 0,6132 0,2211 0,3837 5
b 0,5745 0,1942 0,3802 1
c 0,3546 0,7043 -0,3496 7 3.5. COPRAS-G
d 0,4229 0,2877 0,1352 4
The gray numbers applied in COPRAS-G are
e 0,5463 0,2669 0,2795 3
resumed in Table 11. Equations 27 and 28 allow to
f 0,5982 0,25 0,3483 2
normalize the gray numbers, Table 12. Later, the
g 0,2595 0,6434 -0,3839 8
normalized matrix and the weight are compared by
h 0,3272 0,5041 -0,1769 5
means of equations 29 and 30. To sum up, the best
3.3. TOPSIS alternatives were Permalloy, Numetal and steel
ASTM A677. In table 13 the alternatives were ranked.
The normalized matrix for TOPSIS is gotten
Table 11: Gray numbers
by equation 16 and Table 4 resume the data of this
Material µ G λ
matrix. Afterwards, this is linked with the weights
(Wj) and beneficial and non-beneficial solutions based a 80000 300000 1,61 1,81 30 35

on equations 18 and 19. Finally, the alternative rank is b 6800 16300 2,50 2,90 60 70

expressed in the coefficient, equation 22. c 35000 220000 1,67 1,72 32 35

d 600 1100 1,55 1,65 24,85 24,95
The overall results are illustrated in Table 9. The e 700 1000 1,65 1,75 24,5 24,9
steel ASTM A677 corresponds to the best alternative f 100 750 8,00 10,00 11,3 41,9
as it was with EXPROM2. The value reached was g 60 250 1,50 1,70 69,2 100
54.84%. The second best is the steel AISI 410. h 100 1240 1,00 1,25 67 91
Materials with the highest permeability are not
regarded as the best alternatives because of his high Table 11: Gray numbers (continuation)
cost. Material cp ρ α
a 0,49 0,51 8,23 8,25 7,3 8,5
Table 9: Rank obtained by TOPSIS
b 0,45 0,47 7,7 7,8 16 20,4
Material Si+ Si- Sij Rank c 0,49 0,5 8,73 8,75 7,3 8
a 0,2411 0,1888 0,4307 5 d 0,455 0,465 7,75 7,85 6,85 7,05

b 0,1846 0,2299 0,5484 1 e 0,455 0,465 7,75 7,85 6,7 7,1

c 0,2432 0,1376 0,3490 7 f 0,5 0,51 7,14 7,24 3,2 11,6

g 0,42 0,46 8,79 8,81 18 25,7
d 0,1949 0,2265 0,5287 4
h 0,45 0,46 8,83 8,95 17 22,8
e 0,1890 0,2354 0,5461 2
f 0,2016 0,2303 0,5428 3 Table 11: Gray numbers (continuation)
g 0,2683 0,0770 0,1959 8 Material Cost Y
h 0,2284 0,1328 0,3516 6 a 30 45 304 338
b 0,85 1,1 269 331
3.4. VIKOR
c 31 44 530 900

The coefficient (Ei) which relates weights and d 1 2 496 531

criteria is computed with equations 23 and 24. e 1,7 2,3 1155 1225

After that, it can be determined the parameter Pi to f 0,12 0,13 276 494

rank each alternative, equation 25. The steel ASTM g 25 35 221 231

A677 has been reached as the best alternative for the h 17 19 45 59

purpose of magnetic field heating. Again, the second Table 12: Normalized matrix made of gray numbers.
best alternative agree with steel AISI 410. Material µ G λ

Table 10: Rank obtained by VIKOR a 0,0534 0,2003 0,0041 0,0047 0,0021 0,0024
b 0,0045 0,0109 0,0064 0,0075 0,0041 0,0048
Material Ei Fi Pi Rank
c 0,0234 0,1469 0,0043 0,0044 0,0022 0,0024
a 0,6457 0,3896 0,8993 7
d 0,0004 0,0007 0,0040 0,0042 0,0017 0,0017
b 0,3895 0,2084 0,0000 1
e 0,0005 0,0007 0,0042 0,0045 0,0017 0,0017
c 0,6983 0,3896 0,9813 8
f 0,0001 0,0005 0,0206 0,0257 0,0008 0,0029
d 0,4832 0,2209 0,1805 3
g 0,0000 0,0002 0,0039 0,0044 0,0047 0,0069
e 0,4215 0,2209 0,0843 2
h 0,0001 0,0008 0,0026 0,0032 0,0046 0,0062

153
 Rivera et al. / Material selection of induction cookware based on multi criteria decision making methods (MCDM

Table 12: Normalized matrix made of gray numbers

3.7. DISCUSSION
(continuation).
Material cp ρ α In Table 15 is resumed the overall rank of each
a 0,0033 0,0034 0,0069 0,0069 0,0086 0,0101 MCDM method. The best alternative in almost all
b 0,0030 0,0032 0,0064 0,0065 0,0189 0,0242 the methods is the steel ASTM A677, because of
c 0,0033 0,0034 0,0073 0,0073 0,0086 0,0095 its low cost, high permeability, low density, etc. A
d 0,0031 0,0031 0,0065 0,0065 0,0081 0,0083 comparison among these results is shown in Figure 3.
e 0,0031 0,0031 0,0065 0,0065 0,0079 0,0084 Whereas in COPRAS-G the best alternative was the
f 0,0034 0,0034 0,0059 0,0060 0,0038 0,0137 mumetal.
g 0,0028 0,0031 0,0073 0,0073 0,0213 0,0304
h 0,0030 0,0031 0,0074 0,0075 0,0201 0,0270
Table 15: Rank vs alternative.

Table 12: Normalized matrix made of gray numbers METHOD RANKING

(continuation) EXPROM II 6 1 7 3 2 4 8 5
Material Cost Y
VIKOR 7 1 8 3 2 4 6 5
a 0,0916 0,1374 0,0094 0,0105
TOPSIS 5 1 7 4 2 3 8 6
b 0,0026 0,0034 0,0083 0,0102
COPRAS 1 3 5 4 2 6 8 7
c 0,0947 0,1344 0,0164 0,0279
d 0,0031 0,0061 0,0153 0,0164
The trend in the results has changed only in
e 0,0052 0,0070 0,0357 0,0379
COPRAS-G method due to the wide range of
f 0,0004 0,0004 0,0085 0,0153
variability in the magnitude of every criterion.
g 0,0763 0,1069 0,0068 0,0071
In other words, if the permeability of mumetal is
h 0,0519 0,0580 0,0014 0,0018
190000, in the steel ASTM A677 the permeability is
11550. Therefore, this method cannot manage to treat
Table 13: Rank obtained by COPRAS-G
with wide differences in a same criterion.
Material Pi Ri Qi Ui Rank

1 0,1517 0,1258 0,1670 100,0000 1

2 0,0461 0,0164 0,1629 97,5613 3
3 0,1219 0,1261 0,1371 82,1242 5
4 0,0295 0,0152 0,1554 93,0592 4
5 0,0504 0,0170 0,1630 97,6329 2
6 0,0262 0,0295 0,0910 54,4985 6
7 0,0417 0,1031 0,0603 36,1167 8
8 0,0341 0,0653 0,0634 37,9799 7

3.6. SPEARMAN’S CORRELATION

COEFFICIENT
Figure 3: Rank vs Alternative.
In Table 14 is shown the Spearman’s
correlation coefficients. These represent the mutual 4. CONCLUSIONS
correspondence among MCDM methods. The
magnitude of this parameter exceeds 0,9 for the
The multi criteria decision making methods are
relation of VIKOR, TOPSIS and EXPROM2.
an important tool to recognize and identify the best
Nonetheless, the correlation between COPRAS-
alternative in a bunch of several of them. These meth-
G-VIKOR, COPRAS-G-TOPSIS, COPRAS-G-
ods can adapt to different sort of environments and
EXPROM2 are 0,262, 0,595 and 0,5, respectively
conditions that would affect the final result and that
[37].
is why these approaches are applied in different areas
Table 14: Spearman’s correlation indexes
of science, engineering and management. In this case,
  EXPROM2 VIKOR TOPSIS COPRAS
we take advantage of MCDM methods in order to
EXPROM2 - 0,929 0,952 0,500
contribute to the Ecuadorian government in the new
VIKOR   - 0,857 0,262
model of energetic management.
TOPSIS     - 0,595
COPRAS       -

154

According to the results, steel ASTM A677 would
be the best material to start producing pots for induc-
tion stoves. This steel is adequate for serial produc-
tion because of it has a low cost and density and a
high permeability in order to induce Eddy currents
and produce heat.
The method validation was correlated by Spear-
man’s coefficients. Most of the methods are equiva-
lent among them unless COPRAS-G due to the mag-
nitude of the properties.
5. REFERENCES
[1] M. Ashby, Materials Selection in Mechanical
Design, 3rd ed. Oxford: McGraw Hill, 2005.
[2] M. Kutz, Handbook of Materials Selection. New
York: Jhon Woley & Sons, 2002.
[3] H.-C. Liu, L. Liu, and J. Wu, “Material selec-
tion using an interval 2-tuple linguistic VIKOR
method considering subjective and objective
weights,” Mater. Des., vol. 52, pp. 158–167,
Dec. 2013.
[4] T. L. Saaty, The Analytic Hierarchy Process.
New York: McGraw Hill International, 1980.
[5] C. L. Hwang and K. Yoon, Multiple Attribute
Decision Making: Methods and Applications.
New York: Springer-Verlag, 1981.
[6] C. Delhaye, J. Teghem, and P. Kunsch, “Applica-
tion of the ORESTE method to a nuclear waste
management problem,” vol. 24, pp. 29–39, 1991.
[7] K. Raju and D. Kumar, “Multicriterion decision
making in irrigation planning,” Agric Syst, vol.
62, pp. 117–29, 1999.
[8] C. Macharis, J. Springael, K. De Brucker, and A.
Verbeke, “PROMETHEE and AHP: The design
of operational synergies in multicriteria analy-
sis.,” Eur. J. Oper. Res., vol. 153, no. 2, pp. 307–
317, Mar. 2004.
[9] D. Diakoulaki and N. Koumoutsos, “Cardi-
nal ranking of alternative actions: Extension of
PROMETHEE method,” Eur. J. Oper. Res., vol.
53, pp. 337–347, 1991.
[10] A. Jahan, M. Y. Ismail, S. M. Sapuan, and F. Mu-
stapha, “Material screening and choosing meth-
ods – A review,” Mater. Des., vol. 31, no. 2, pp.
696–705, Feb. 2010.
Edición No. 13, Enero 2017
[11] M. Bitarafan, S. Hashemkhani Zolfani, S. L. Ar-
efi, and E. K. Zavadskas, “Evaluating the con-
struction methods of cold-formed steel structures
in reconstructing the areas damaged in natural
crises, using the methods AHP and COPRAS-G,”
Arch. Civ. Mech. Eng., vol. 12, no. 3, pp. 360–
367, Sep. 2012.
[12] F. Findik and K. Turan, “Materials selection for
lighter wagon design with a weighted property
index method,” Mater. Des., vol. 37, pp. 470–
477, May 2012.
[13] H. Çalışkan, B. Kurşuncu, C. Kurbanoğlu, and Ş.
Y. Güven, “Material selection for the tool holder
working under hard milling conditions using dif-
ferent multi criteria decision making methods,”
Mater. Des., vol. 45, pp. 473–479, Mar. 2013.
[14] H. Çalışkan, “Selection of boron based tribolog-
ical hard coatings using multi-criteria decision
making methods,” Mater. Des., vol. 50, pp. 742–
749, Sep. 2013.
[15] El Telégrafo, “Compra de cocinas de inducción
importadas también son parte del financiamiento
del Gobierno,” Quito, p. 1, 2014.
[16] T. D. Sterling and E. Sterling, “Carbon Mon-
oxide Levels in Kitchens and Homes with Gas
Cookers,” J. Air Pollut. Control Assoc., vol. 29,
no. 3, pp. 238–241, Mar. 1979.
[17] A. Y. Wagner, H. Livbjerg, P. G. Kristensen, and
P. Glarborg, “Particle Emissions from Domestic
Gas Cookers,” Combust. Sci. Technol., vol. 182,
no. 10, pp. 1511–1527, Sep. 2010.
[18] I. cooking: H. it Works, “Operation Principle of
Induction Cooker.” .
[19] T. J. Hager and R. Morawicki, “Energy con-
sumption during cooking in the residential sector
of developed nations: A review,” Food Policy,
vol. 40, pp. 54–63, Jun. 2013.
[20] K. Srinivasa Raju and D. Nagesh Kumar, Multi-
criterion Analysis in Engineering and Manage-
ment, 1st ed. New Delhi: PHI, 2010.
[21] E. Albayrak and Y. C. Erensal, “Using analytic
hierarchy process (AHP) to improve human per-
formance: An application of multiple criteria de-
cision making problem,” J. Intell. Manuf., vol.
15, pp. 491–503, 2004.
155
 Rivera et al. / Material selection of induction cookware based on multi criteria decision making methods (MCDM
[22] O. Bayazit, “Use of AHP in decision making
for flexible manufacturing systems,” J. Manuf.
Technol. Manag., vol. 16, no. 7, pp. 808–819,
Oct. 2005.
[23] J. Wang, Z. Lin, and H. Huang, “A Decision Mod-
el for Information Systems Outsourcing: Using a
Multicriteria Method,” J. Serv. Sci. Manag., no.
June, pp. 1–9, 2008.
[24] P. Chatterjee and S. Chakraborty, “Flexible man-
ufacturing system selection using preference
ranking methods : A comparative study,” Int. J.
Ind. Eng. Comput., vol. 5, no. 2, pp. 315–338,
2014.
[25] M. Doumpos and C. Zopounidis, “A multi-cri-
teria classification approach based on pair-wise
comparison,” Euro J Oper Res, vol. 158, pp.
378–89, 2004.
[26] A. Jahan and K. L. Edwards, “VIKOR method
for material selection problems with interval
numbers and target-based criteria,” Mater. Des.,
vol. 47, pp. 759–765, May 2013.
[27] Z. Dashti, M. M. Pedram, and J. Shanbehzadeh,
“A Multi-Criteria Decision Making Based Meth-
od for Ranking Sequential Patterns,” Proc. Int.
Multiconference Eng. Comput. Sci., vol. I, pp.
17–20, 2010.
[28] D. L. Olson, “Comparison of weights in TOP-
SIS models,” Math. Comput. Model., vol. 40, pp.
721–727, 2004.
[29] P. Yoon and C.-L. Hwang, Multiple Attribute De-
cision Making, An Introduction, 1st ed. SAGE,
1995.
[30] S.-J. Chen and C.-L. Hwang, Fuzzy Multiple At-
tribute Decision Making Methods and Applica-
tions, 1st ed. Berlin: Springer-Verlag, 1992.
[31] S. Opricovic and G.-H. Tzeng, “Compromise
solution by MCDM methods: A comparative
analysis of VIKOR and TOPSIS,” Eur. J. Oper.
Res., vol. 156, no. 2, pp. 445–455, Jul. 2004.
[32] P. Chatterjee and S. Chakraborty, “Material se-
lection using preferential ranking methods,” Ma-
ter. Des., vol. 35, pp. 384–393, Mar. 2012.
[33] D. Julong, “Introduction to Grey System Theo-
ry,” J. Grey Syst., vol. 1, pp. 1–24, 1989.
156
[34] L. B. Hans-Jörg Bullinger, Technology Guide:
Principles - Applications - Trends, 1st ed. Mu-
nich: Spinger, 2009.
[35] W. Arthur K.K. and F. N.K., “Experimental
Study of Induction Cooker Fire Hazard,” Proce-
dia Eng., vol. 52, pp. 13–22, Jan. 2013.
[36] MatWeb, “MatWeb, Your Source for Materials
Information.” [Online]. Available: http://www.
matweb.com/.
[37] T. Gauthier, “Detecting Trends Using Spear-
man’s Rank Correlation Coefficient,” Environ.
Forensics, vol. 2, no. 4, pp. 359–362, Dec. 2001.
Edgar David Rivera Tapia.-
Nacido en Quito, Ecuador,
cursó sus estudios superiores
en la Escuela Politécnica Na-
cional, obtuvo su título como
Ingeniero Mecánico en dicha
institución. Sus campos de
investigación están relacio-
nados con nuevos materiales
con propósitos de eficiencia energética.
Cristian Alexander Fajar-
do Pruna.- Nacido en Santo
Domingo de los Colorados,
Ecuador, cursó sus estudios
superiores en la Escuela Po-
litécnica Nacional, obtuvo su
título como Ingeniero Mecá-
nico en dicha institución. Sus
campos de investigación están
relacionados con nuevos materiales con propósitos de
eficiencia energética.
Alvaro Javier Ávila Vega.-
Nacido en Ibarra, Ecuador,
cursó sus estudios superiores
en la Escuela Politécnica Na-
cional, obtuvo su título como
Ingeniero Mecánico en dicha
institución. Sus campos de
investigación están relacio-
nados con nuevos materiales
con propósitos de eficiencia energética.

Carlos Fabián Ávila Vega
Ph.D.- Nacido en Ibarra,
Ecuador, cursó sus estudios
superiores en la Escuela Po-
litécnica Nacional, obtuvo su
título como Ingeniero Civil e
Ingeniero en Sistemas en di-
cha institución. Sus campos
de investigación están relacio-
nados con nuevos materiales con propósitos de efi-
ciencia energética, mecánica computacional y mode-
lamiento micromecánico.
Edición No. 13, Enero 2017
Javier Martínez Gómez.-
Nació en Madrid, España en
1983. Ha recibido su título de
Ingeniero Industrial de la Uni-
versidad Carlos III de Madrid
en 2008; de Master en Ciencia
e Ingeniería de Materiales de
la Universidad Carlos III de
Madrid en 2010; y su título de
Doctor en Ciencia de la Ingeniería de Materiales de la
Universidad Carlos III de Madrid en 2013, Sus cam-
pos de investigación están relacionados con Menaje
para cocinas para inducción y materiales para pare-
des en reactores de Fusión. Actualmente trabaja como
Investigador Postdoc Prometeo en el Instituto Nacio-
nal de Eficiencia Energética y Energías Renovables,
INER.
157
 Artículo Técnico / Academic Paper

Identificación de Parámetros Erróneos en Sistemas Eléctricos de Potencia

y Corrección en base a Mediciones Sincrofasoriales

M.L. Farinango1 S. Grijalva2 J. Játiva1

1
Escuela Politécnica Nacional, EPN
E-mail: lfarinango@cenace-org.ec, jesus.jativa@epn.edu.ec
2
Georgia Institute of Technology, Atlanta, GA, USA
E-mail: sgrijalva@ece.gatech.edu

Resumen Abstract

Los algoritmos convencionales de estimación Conventional state estimation algorithms are

de estado de sistemas de potencia se basan
en la suposición de que los parámetros tales
como la resistencia y reactancia de las líneas de
transmisión, los taps de transformadores y el
estado de los interruptores no tienen errores. En
la realidad, estos parámetros no se conocen con
certeza. Los errores en las impedancias de las
ramas son menos visibles que los errores en los
estados de los interruptores y pueden producir
errores en los resultados del estimador que pueden
pasar inadvertidos por largo tiempo. Los errores
en los parámetros pueden producir un impacto
sobre la estimación de estado similar o superior
al de los errores no detectados en las mediciones.
En este documento se desarrolla un programa de
identificación de errores en los parámetros basado
en un algoritmo que utiliza Multiplicadores de
Lagrange. Este algoritmo se aplica a casos de
estudio en diferentes condiciones de demanda
obtenidos de los sistemas de tiempo real EMS y
fuera de línea. Una vez identificado el equipo
de red que presenta errores de parámetros, se
plantean alternativas de cálculo para la corrección
de parámetros, utilizando mediciones de equipos
de medición fasorial PMUs.
based on the assumption that the parameters of
the lines and transformers (resistance, reactance,
transformers taps, etc.) and the state of the
switching devices do not have errors. In reality,
these parameters are not known with certainty.
Errors in the branch impedance are less visible
compared to switching status errors, and they
may result in errors and biases in the state
estimation results that persist for long periods of
time. Errors in the system parameters can have
an effect on estimation similar to those produced
by errors in measurements. This paper describes
a method to identify parameter errors using a
Lagrange multiplier algorithm. This algorithm is
applied to case studies in different conditions of
demand obtained from real-time systems EMS
and offline models. After identifying the network
equipment that has parameter errors, alternatives
are explored to correct the parameters using
synchronized phasor measurement units (PMUs).

Palabras clave— Estimación de Estado, Index Terms— State Estimation, power system
Parámetros de SEP, PMU, Multiplicadores de parameters, PMU, Lagrange Multipliers.
Lagrange.

Recibido: 09-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Farinango, L.; Grijalva, S.; Játiva S. (2017). “Localización de Fallas Mediante la
Transformada Wavelet en Líneas de Transmisión”. Revista Técnica “energía”. No. 13, Pp. 158-168
ISSN 1390-5074.

158
 Edición No. 13, Enero 2017

1. INTRODUCCIÓN A. Estimador de Estado Convencional

El estimador de estado es una función crítica del Un estimador de estado SE incluye las funciones [1]
sistema de manejo de energía EMS, el cual considera ilustradas en la Fig. 1.
que la topología y parámetros de la red eléctrica son
conocidos, y en base a una función de optimización,
valida las mediciones de campo y permite obtener
una representación de tiempo real del sistema más
confiable. Los resultados del estimador de estado
son imprescindibles para el correcto funcionamiento
de todas las actividades involucradas en el control
y operación del sistema eléctrico [1], incluyendo el
funcionamiento de las aplicaciones de seguridad de la
red.

Los algoritmos de estimación de estado convencionales

se basan en la suposición de que los parámetros
de las líneas (resistencia, reactancia, tomas de los
transformadores, etc.) y el estado de los interruptores
no tienen errores, lo cual no necesariamente es cierto
[2].

Los errores en los parámetros pueden incluir [3]:

• Impedancias incorrectas de ramas

• Impedancias incorrectas de transformadores o

posición incorrecta de taps.

Estos errores pueden deberse a [3]:

• Datos erróneos proporcionados por el

fabricante

• Errores en la calibración de las mediciones

• Diferencias entre la longitud real de las líneas
y la de diseño
• Cambio de los taps de transformadores
por parte de personal de campo registrados
incorrectamente en el sistema de manejo de
energía
• Errores humanos en el ingreso de datos
Estos errores pueden producir:
• Soluciones erróneas del estimador de estado
y por lo tanto resultados incorrectos de los
programas que utilizan como entradas los datos
de salida del estimador, como por ejemplo, los
programas de análisis de seguridad de red
Figura:1 Componentes y sus relaciones de un SE [1]
B. Formulación Matemática del Estimador de
Estado de Mínimos Cuadrados Ponderados WLS
Sea z el vector de mediciones, x el vector de
variables de estado (magnitudes y ángulos de
los voltajes en los nodos), h las ecuaciones que
relacionan las mediciones con las variables de estado
y e el vector de errores de las mediciones. Entonces,
el vector de mediciones se modela como [2]:
z=h(x)+e (1)
Sea R la matriz de covarianzas de errores y la
matriz de ponderaciones de las mediciones[2]:

• Resultados incorrectos en la detección de

(2)
mediciones erróneas

Los errores en los parámetros pueden producir

En la ecuación (1), x es el verdadero valor del
un impacto sobre la estimación de estado similar
estado desconocido y como los errores e son variables
o superior al de los errores en las mediciones no
aleatorias, las mediciones z también lo son, z tiene
detectados [2].
distribución gaussiana con media h(x) y covarianza

159
 Farinango et al. / Identificación de Parámetros Erróneos en Sistemas de Potencia y Corrección en base a PMUs
R. La función de densidad de probabilidad de z se
puede escribir [2]:
(3)
En el problema de estimación de estado se recibe
un conjunto de mediciones z basándose en el hecho
de estimar el estado x. El conjunto x que maximiza
la función de densidad de probabilidad (3) es el
estimado de máxima verosimilitud
Maximizar f(z) en (3) es equivalente a minimizar
el término cuadrático del exponente [2]:
(4)
(5)
Siendo J(x) la función objetivo de mínimos
cuadrados ponderados.
Como en este caso, el estimador de máxima
verosimilitud minimiza el error cuadrático ponderado
con la exactitud de las mediciones, éste se conoce
como el estimador de mínimos cuadrados ponderados
(WLS) [2].
C. Tipos de Errores de Parámetros en Sistemas
Eléctricos de Potencia
Según los análisis realizados por Pedro Zarco y
Antonio Gómez Expósito en [2] y [3], respecto a los
errores en la conductancia o en la susceptancia, se
demuestra que la susceptancia tiene una importancia
mucho mayor. Así, se menciona que es razonable
asumir que en la práctica no existe error en la
conductancia, ya que las pequeñas conductancias
en paralelo que suelen tener las líneas, no afectan
significativamente la estimación de estado [3].
Los errores de parámetros de red influyen más
sobre las mediciones de flujo de las líneas comparado
con las inyecciones en los nodos y presentan un
carácter local; es decir, influyen más en los equipos
que se encuentren a menor distancia eléctrica [3].
Los errores en los taps de transformadores son
menos visibles que los errores en parámetros de red
y pueden mantenerse por largos períodos de tiempo
sin ser detectados, por lo que su impacto puede ser
mayor [1].
160
D. Métodos de Estimación de Parámetros
En [1], [3], [7], [8] se propone la siguiente
clasificación general:
• Métodos que no amplían el vector de estado:
Se basan principalmente en análisis de
sensitividad residual.
• Métodos que amplían el vector de estado: Los
parámetros sospechosos son incluidos en el
vector de estado, de manera que los parámetros
y el estado son estimados simultáneamente
[4].
• Métodos basados en mediciones históricas: En
este método, el vector de estado se aumenta
con los parámetros sospechosos y se procesan
varias muestras de diferentes momentos para
aumentar la redundancia alrededor de los
parámetros erróneos.
E. Comparación entre Métodos
Los métodos presentados para identificación de
parámetros erróneos tienen dos grandes limitaciones
que son [4]:
• Se requiere identificar un set de parámetros
sospechoso antes de realizar la estimación de
errores de parámetros.
• Los datos erróneos de mediciones deben
ser removidos antes de la identificación de
parámetros erróneos.
Sin la primera condición los métodos de vector
de estado aumentado no pueden ser procesados y los
métodos que no amplían el vector de estado y se basan
principalmente en análisis de sensitividad residual
tienen limitaciones en el cálculo para sistemas
grandes. Con errores de mediciones presentes en el
sistema, los métodos planteados anteriormente no
ofrecen una solución correcta [4].
F. Identificación de Parámetros Erróneos con
Multiplicadores de Lagrange
A fin de evitar las desventajas que ofrecen
los métodos convencionales de identificación de
parámetros erróneos, Jun Zhu y Ali Abur proponen
en [4] un método de identificación de errores de
parámetros que se basa en multiplicadores de
Lagrange de las restricciones de los parámetros.
Después de la solución de estimación de estado
tradicional, los residuales de medición se utilizan
para calcular los multiplicadores de Lagrange
asociados con los errores de los parámetros. Si
estos multiplicadores tienen un valor significativo
mayor a tres, entonces el parámetro asociado será
probablemente erróneo [4], debido a la relación

directa que existe entre los multiplicadores de
Lagrange y los errores de parámetros.
La principal ventaja de este método es que se
pueden calcular los residuales normalizados de las
mediciones y los multiplicadores de Lagrange de los
errores de parámetros, permitiendo su identificación,
incluso cuando se presentan simultáneamente. La
primera parte del procedimiento propuesto en [4]
se basa sólo en los mínimos cuadrados ponderados
convencionales de solución de estimación de estado
(WLS) [2]; sin embargo, los procedimientos de
identificación y corrección de errores posteriores
tendrán que ser integrados en el código del estimador
de estado convencional o implementado en una
aplicación adicional. No hay necesidad de especificar
un conjunto de parámetros sospechosos a priori, ya
que el método propuesto identificará fácilmente
los parámetros erróneos junto con cualquier set de
mediciones erróneas existentes [4].
Una vez que se han detectado los parámetros
erróneos en base al algoritmo basado en
multiplicadores de Lagrange, se realiza la corrección
de los parámetros erróneos calculando los mismos
con mediciones obtenidas de los PMUs, como un
procedimiento fuera de línea.
Utilizando MATLAB se desarrolla un programa
de identificación de parámetros erróneos utilizando el
algoritmo basado en los Multiplicadores de Lagrange
para la identificación de parámetros erróneos en
el S.N.I. en diferentes escenarios de demanda y se
aplican a los siguientes modelos:
• Sistemas de tiempo real EMS
• Sistema fuera de línea Power Factory de
DIgSILENT.
Una vez que se identifican los parámetros
erróneos, se aplican los procedimientos de cálculo de
parámetros utilizando la información disponible de
los PMUs instalados en el S.N.I..
Como ejemplo de aplicación se utiliza la línea
Molino Pascuales, la cual obtuvo un valor alto de
Multiplicador de Lagrange y dispone de PMUs
instalados en los dos extremos.
En general, se observa que con el programa de
identificación de parámetros erróneos es posible
obtener una lista de prioridad para revisar los
parámetros de los equipos; tanto en el sistema EMS
como en el sistema PowerFactory de DIgSILENT y
si existen las mediciones de PMUs disponibles, se
pueden aplicar los programas de corrección de los
parámetros correspondientes.
Edición No. 13, Enero 2017
G. Presentación del Artículo
Este artículo está organizado de la siguiente
manera:
• Introducción
• Identificación de Parámetros Erróneos por el
Método de Multiplicadores de Lagrange
• Corrección de Parámetros Erróneos con PMUs
• Programa de Estimación de Parámetros
• Resultado de Aplicación del Programa al S.N.I
• Conclusiones
• Referencias
2. IDENTIFICACIÓN DE PARÁMETROS
ERRÓNEOS POR EL MÉTODO
DE MULTIPLICADORES DE
LAGRANGE
A. Formulación Matemática del Método de
Multiplicadores de Lagrange [4 ]
Sea z el vector de mediciones, x el vector de
variables de estado, pe el vector de errores de
parámetros de red y e el vector de error de mediciones.
Los valores de las mediciones se relacionan con las
variables del sistema de acuerdo a la ecuación:
(6)
Las barras sin generación o carga proveen
mediciones exactas; por ejemplo, inyecciones de
potencia iguales a cero, con la siguiente restricción
de igualdad [5].
(7)
El vector de parámetros de red será [5]:
(8)
Donde son los vectores de
parámetros de red asumido y verdadero. El estimador
de estado asume normalmente los errores de
parámetros de red como cero. Por lo tanto sin error se
puede plantear la siguiente restricción [5]:
(9)
El problema de estimación de estado con WLS
en presencia de errores de parámetros de red y
restricciones de igualdad puede ser formulado como
un problema de optimización [5]:
161
 Farinango et al. / Identificación de Parámetros Erróneos en Sistemas de Potencia y Corrección en base a PMUs

Minimizar Siendo:

(10) (21)

Sujeto a:
(22)

(11)
Se tiene:

(12)
(23)
Siendo el vector de residuales de mediciones:
Para u:
(13)
(24)
W es la matriz diagonal cuya inversa es la matriz de
covarianza de errores de mediciones
Para
Aplicando el método de Multiplicadores de Lagrange,
se puede definir el siguiente Lagrangiano:
(25)

(14)
son los multiplicadores de Lagrange para las
restricciones de igualdad (7) y (9). [5]
Reemplazando (13) en (14)
De la ecuación (23):

(15) (26)

Siendo la matriz de sensitividad de parámetros S:

Aplicando condiciones de optimalidad de primer
orden [5], se obtiene lo siguiente:
(27)
Para x :

Por lo que puede expresarse en términos de u, r y

(16) S como:

Siendo: (28)

(17) Las restricciones de igualdad (9) permiten

sustituir en (16) y (24). [5].

Cambiando la notación de por

(18)
, las ecuaciones de medición toman
la siguiente forma:
Reemplazando (17) y (18) en (16) se tiene
(29)
(19)
(30)

Para p: Las ecuaciones (29) y (30) son las ecuaciones de

mediciones convencionales e inyecciones cero usadas
por los estimadores de estado [6]. Estas ecuaciones
(20) no incluyen errores de parámetros como variables
explícitas.

162
 Edición No. 13, Enero 2017

Sustituyendo las aproximaciones de Taylor de

primer orden para en las ecuaciones (37)
(13) y (7) se obtiene las siguientes ecuaciones lineales
[5]: (38)

(31) Sea:

(32)
(39)
Donde son los valores iniciales
para el vector de estado: Entonces:

(40)
En base a las ecuaciones (19), (31) y (32) se puede
escribir la ecuación (33) en forma de matrices: (41)

Los Multiplicadores de Lagrange para los errores

(33)
Esta ecuación es la que se usa en la solución
iterativa del problema convencional WLS [5]. La
solución para las mediciones residuales r y los
multiplicadores de Lagrange para las inyecciones
cero u pueden ser obtenidas primero por la solución
iterativa de (33). Una vez que la solución de estimador
de estado tradicional converge; con la ecuación (28)
se pueden calcular los multiplicadores de Lagrange
del vector λ asociados a los errores de parámetros [5].
A fin de interpretar y comparar el significado del
valor de un multiplicador de Lagrange λi este debe
ser normalizado, para ello se utilizará la matriz de
covarianzas cov(λ ).
de parámetros pueden ser normalizados usando los
elementos de la diagonal de la matriz de covarianza Λ
definida en (35) [5]:
(42)
Para todo i = 1…k, donde k es el número total de
parámetros de red identificados.
El denominador en (42) será cero cuando la
redundancia de mediciones locales no permita detectar
errores de parámetros. En tal caso las mediciones son
funciones de parámetros críticos [4].
3.
CORRECCIÓN DE PARÁMETROS
ERRÓNEOS CON PMUS

Sea: A. Cálculo de Parámetros de Líneas de Transmisión

(34)

Y usando (36):

(35)

La covarianza de U, cov(U) puede ser calculada

expresando r y u en términos del umbral de Figura 2: Equivalente de una línea de transmisión [7]
convergencia (mismatch) de mediciones [5]. Para
esto invirtiendo la matriz de la ecuación (33) se
obtienen los siguientes coeficientes: De las ecuaciones de flujo de potencia:

(43)
(36)
(44)

Nótese que c0 (x) = 0 en la solución (33) permite Se asume que:

plantear lo siguiente para r y u :

163
 Farinango et al. / Identificación de Parámetros Erróneos en Sistemas de Potencia y Corrección en base a PMUs

(51)
Asumiendo:

(52)
En forma matricial (45):
Se tiene:

(53)
Siendo:
(54)

Se tienen las ecuaciones (46) para Q y (47) y (48) Entonces con las mediciones de
para BC: tomadas de las PMUs, se
calculan los parámetros a y bij:

(46)
(55)
(47)

(48)
De esta manera con las mediciones obtenidas con
las PMUs pueden calcularse los parámetros G, B y
BC que definen a la línea de transmisión.
B. Cálculo de Parámetros de Transformador de dos
devanados con tap o LTC
(56)
Si en la rama del transformador se disponen
PMUs instalados en los dos extremos, las mediciones
de: son datos, con lo
cual podrán obtenerse los valores de a y a y bij del
transformador con las ecuaciones (63) y (64).

Figura 4: Diagrama simplificado de un transformador de dos

devanados

Figura 3: Diagrama equivalente de un transformador de dos C. Cálculo de Parámetros de Transformador de

devanados Tres Devanados con tap en Primario

Los transformadores de tres devanados deben

Haciendo la analogía del transformador con una simplificarse a tres transformadores de dos devanados,
línea de transmisión que no tiene ramas en paralelo, utilizando las ecuaciones 57 - 59 para pasar de un
con gsi=0 y bsi=0 se aplican las ecuaciones 49 - 56: modelo delta a estrella.

(49) (57)

(50)
(58)

164
 Edición No. 13, Enero 2017

D. Cálculo de Parámetros de Transformador de Tres

Devanados con tap en Primario y LTC en secundario
(59)
De igual manera que en la sección C, se debe
obtener un modelo equivalente de tres transformadores
con dos devanados aplicando la misma metodología.

Figura 5: Transformador de tres devanados con tap en

primario
Donde: xp , xs , xt son reactancias de
primario, secundario y terciario; xp-s , xp-t , xs-t son
las correspondientes reactancias mutuas y Vp , Vs , Figura 7: Transformador de tres devanados con tap en
Vt son voltajes en primario, secundario y terciario. primario y LTC en secundario

4. PROGRAMA DE ESTIMACIÓN DE
PARÁMETROS

El diagrama de flujo que describe el esquema

general del programa se presenta en la Fig. 8:

Figura 6: Transformador de tres devanados con tap en

primario modelado con tres transformadores de dos
devanados

En base a las ecuaciones anteriores se puede

encontrar las reactancias correspondientes a cada
posición de tap, como se observa en las siguientes
ecuaciones para el tap 1:

(60)

(61)

(62)

Una vez obtenido los tres transformadores de dos

devanados se aplica lo indicado en la sección B para
transformadores de dos devanados. Para calcular los
parámetros de los tres transformadores se requiere Figura 8: Diagrama de flujo del programa de identificación y
corrección de errores de parámetros
disponer mediciones de PMUs en al menos dos de
sus terminales.

165
 Farinango et al. / Identificación de Parámetros Erróneos en Sistemas de Potencia y Corrección en base a PMUs

A fin de obtener la información de los sistemas de Se considera la información de los siguientes

tiempo real y fuera de línea, es necesario desarrollar modelos: Sistema de tiempo real EMS y Sistema
una interfaz para obtener los dos modelos en la misma fuera de línea Power Factory de DIgSILENT.
referencia con un mismo “Modelo de Referencia de
Red”. Este módulo utiliza la base de datos de tiempo Se presentan resúmenes de los resultados obtenidos
real del EMS para obtener los datos de mediciones, de la aplicación en el sistema EMS y en el sistema
del equipamiento que se encuentra en línea y el fuera de línea Power Factory en las Tablas 1 y 2.
modelo de red en formato IEEE. La información Tabla 1: Equipos con multiplicadores de Lagrange mayores a
proveniente del EMS se obtiene con la herramienta dbl tres en tres condiciones de demanda aplicados al EMS
(Database Language) y la información proveniente de VALORES ABSOLUTOS DE MULTIPLICADORES DE LAGRANGE
APLICADO EN EL SISTEMA EMS
PowerFactory de DIgSILENT con la interfaz DGS.
Como resultado de lo anterior, tres tablas de Excel No Name
Equip- DEMANDA
ment
correspondientes principalmente a barras, ramas y MÁX MEDIA BASE
mediciones son creadas para luego ser exportadas 1 POMA ATU 3X 63,63 30,06 25,96
al ambiente de MATLAB para la aplicación del 2 CONO-VICE 138 LINE 30,77 11,73 11,28
programa de identificación de errores de parámetros.
3 PANA TF1 2X 23,7 25,7 25,92

El programa de identificación de datos erróneos 4 SROS ATU 3X 15,03 11 10,94

así como los programas de corrección de parámetros 5 MOLI PASC 1 230 LINE 14,47 13,91 11,76
han sido realizados en forma modular. El diagrama
Tabla 2: Equipos con multiplicadores de Lagrange mayores
de flujo del programa principal de identificación de
a tres en tres condiciones de demanda aplicados al Power
datos erróneos se detalla en la Fig. 9. Factory De Digsilent
VALORES ABSOLUTOS DE MULTIPLICADORES DE LAGRANGE APLI-
CADO AL POWER FACTORY DE DIgSILENT

INICIO PSE_MAIN DEMANDA

No Name Equip. KV
MÁX MEDIA BASE
MÓDULO
L_QUEV_
INGRESO DE 1 SGRE_1_2 LINE 230 28,84 6,80 103,52
DATOS
L_QUEV_
2 SGRE_2_2 LINE 230 28,84 13,09 76,55
MÓDULO 3 L_PASC_SALI_1_1 LINE 138 6,26 5,69 64,73
Y_BARRA
4 L_PASC_SALI_1_2 LINE 138 6,26 5,36 62,03

MÓDULO DE 5 L_MAZA_ZHOR_2 LINE 230 5,78 7,73 121,78

ESTIMACIÓN DE
ESTADO 6 L_MOLI_PASC_2_1 LINE 230 3,53 4,08 197,76
CONVENCIONAL
WLS_SE
Al analizar los resultados indicados en las Tablas
1 y 2 se observa que la línea Molino Pascuales
MÓDULO tiene valores altos de su Multiplicador de Lagrange
MULTIPLICAD
O-RES DE (mayores que 3) en los dos modelos de red: EMS
LAGRANGE λ
y PowerFactory de DIgSILENT, por lo que sus
MÓDULO parámetros pueden ser erróneos; adicionalmente,
REPORTE
λ >3
PARÁMETROS esta línea dispone de PMUs instalados en los dos
ERRÓNEOS
extremos, Fig. 10, por lo que es posible aplicar el
programa de cálculo de parámetros en esta línea con
FIN PSE_MAIN
información de los PMUs disponibles. En la Fig. 11se
indica la densidad de probabilidad del flujo de P en un
extremo de la línea Molino – Pascuales.
Figura 9: Diagrama de flujo del módulo principal de
identificación de errores de parámetros G+jB
P L/T
i P L/T S/E
Q L/T
5. RESULTADOS DE APLICACIÓN DE S/E
PASCUALES
Q L/T MOLINO

PROGRAMA AL SISTEMA NACIONAL

BC
INTERCONECTADO S.N.I V BC V
PH PH
Se aplica el programa de identificación de
parámetros erróneos al S.N.I. de 627 barrasen los PMU

Medición de PMU
siguientes escenarios: Demanda base, Demanda
media y Demanda punta Figura 10: Línea de Transmisión Pascuales 1 Molino 1 con
ubicación de PMUs

166
 Edición No. 13, Enero 2017

y si existen las mediciones de PMUs disponibles,

realizar la corrección correspondiente.

Una vez identificado el parámetro erróneo, el

procedimiento para cambiarlo en el EMS es:

• Tomar un set de mediciones de PMUs

• Procesar estadísticamente las mediciones de los

PMUs para obtener los mejores valores de la muestra.

• Calcular los parámetros del elemento de red

correspondiente

Figura 11: Densidad de Probabilidad de Potencia Activa • Probar los parámetros calculados en el sistema
MOLI-PASC1 Información obtenida de PMU
EMS observando su efecto en los residuales durante
un período de tiempo en las zonas aledañas y en el
A fin de observar el impacto real de los parámetros
sistema total.
de la línea Pascuales Molino 1 en el Estimador de
Estado del EMS, se realiza la corrección de los Este procedimiento puede ser aplicado a sistemas
parámetros erróneos en el sistema EMS con los eléctricos de empresas eléctricas que dispongan de
obtenidos de las mediciones de los PMUs, cuyos PMUs.
residuales se detallan en la Tabla 3.
La identificación y corrección de parámetros erróneos
Tabla 3: Impacto de parámetros de L/T Pasc-Moli 1 en
Residuales del EMS
de líneas de transmisión y transformadores tiene su
impacto en el desempeño del estimador de estado
Parámetros Residuales
Caso L/T y de las funciones de seguridad del sistema de
P Q
r (pu) x (pu) Bc (pu)
(MW) (MVAR) tiempo real, debido a la disminución de errores de
Pará- Pasc 1- Moli 1 -2,7 1,1 variables de estado y mejoramiento en los tiempos de
metros
erróneos Moli 1 -Pasc 1
0,0210 0,1712 0,1729
-13,5 2,9
convergencia.

Pará- Pasc 1- Moli 1 -0,4 2,4 RECONOCIMIENTOS

metros 0,0204 0,1655 0,1883
correctos Moli 1 -Pasc 1
6. CONCLUSIONES
El programa de identificación de parámetros
erróneos en un sistema eléctrico ha sido desarrollado
para un sistema eléctrico de n barras y ha sido aplicado
y validado en el S.N.I. de 627 barras.
Conforme los resultados obtenidos, el algoritmo
de identificación de datos erróneos cumple
satisfactoriamente con las características esperadas,
es decir no requiere un set a priori de parámetros
sospechosos y permite identificar los parámetros
erróneos independientemente de los errores de
medición.
Los Multiplicadores de Lagrange permiten
identificar los elementos de la red con parámetros
erróneos, en un módulo adicional al algoritmo de
estimación de estado.
El programa de identificación de parámetros
erróneos permite obtener una lista de prioridad de
elementos de red sospechosos de tener errores; tanto
en el EMS como en el PowerFactory de DIgSILENT
-8,9 1,6
Los autores agradecen al Operador Nacional
de Electricidad (CENACE) por el acceso a la
información del SCADA/EMS, del PowerFactory de
DIgSILENT y de los PMUs del sistema WAMS.
REFERENCIAS BIBLIOGRÁFICAS
[1] A. Gómez Expósito, A. Abur, A. Alvarado, C.
Álvarez, C. Cañizares, J. Cidras, A. Conejo, A.
Fernández, F. Galiana, J. García, José Martínez, J.
Martínez, F. Miñambres, I. Pérez, V. Quintana, M.
Rivier, L. Rouco, J. Usaola, “Análisis y Operación
de Sistemas de Energía Eléctrica “, España: Mc
Graw Hill, 2002.
[2] A. Gómez Expósito, P. Zarco, “Estimación de
Estado y de Parámetros en Redes Eléctricas “,
España: Universidad de Sevilla, 1999
[3] P. Zarco, “Estimación de Parámetros en
Redes Eléctricas utilizando Históricos de Medidas
“, España: Universidad de Sevilla, 1997.
[4] J. Zhu, A. Abur, «“Identification of Network
Parameter Errors “,» IEEE Trans. on Power
Systems, vol. 21, nº 2, May. 2006.

167
 Farinango et al. / Identificación de Parámetros Erróneos en Sistemas de Potencia y Corrección en base a PMUs
[5] J. Zhu, «“Detection and Identification of
Network Parameter Errors using Conventional
and Synchronized Phasor Measurements “,»
Electrical Engineering Dissertation, Northeastern
University, January 2008.
[6] P. Zarco, A. Gómez Exposito, «“Power System
Parameter Estimation: A Survey “,» IEEE Trans.
on Power Systems, vol. 15, nº 1, Feb. 2000.
[7] A. Abur, A. Gómez Expósito, “Power System
State Estimation, Theory and Implementation”,
New York: Marcel Dekker, 2004.
[8] L. Zhang, A. Abur, «“Identifying Parameter Errors
via Multiple Measurement Scans”,» IEEE Trans.
on Power Systems, vol. 28, nº 4, Nov. 2013.
Lourdes Farinango
Cisneros: Ingeniera Eléctrica
(1996) E.P.N. Master en
Ciencias de Ingeniería
Eléctrica (2015), E.P.N.
Egresada Maestría en Energías
Renovables (2013), ESPE.
Actualmente, encargada de la
administración de las Funciones de Aplicación y de la
Base de Datos de Modelación Eléctrica del EMS del
Operador Nacional de Electricidad CENACE.
Santiago Grijalva: is the
Georgia Power Distinguished
Professor of Electrical and
Computer Engineering and
Director of the Advanced
Computational Electricity
Systems (ACES) Laboratory
at The Georgia Institute of
Technology. His research
interest is on decentralized power system control,
power system informatics and economics, and future
168
sustainable energy systems. He is the principal
investigators for various research projects under
Department of Energy, ARPA-E, EPRI, PSERC
and other United States industry and Government
sponsors. From 2002 to 2009, he was with PowerWorld
Corporation as a software architect and consultant.
From 2013 to 2014, he was on assignment to the
National Renewable Energy Laboratory (NREL) as
founding Director of the Power System Engineering
Center (PSEC). Dr. Grijalva’s graduate degrees in
Electrical and Computer Engineering, M.Sc. (99),
Ph.D. (02) are from the University of Illinois at
Urbana-Champaign. His engineering degree in Power
System is from EPN-Ecuador (94).
Jesús Játiva Ibarra: Ingeniero
Eléctrico (1981) de la Escuela
Politécnica Nacional; Master
of Science in Electrical
Engineering (1988) y Doctor
of Philosophy Ph.D. (1991)
de la Universidad de Texas en
Arlington Estados Unidos de
América. Cursos de postrado
en Energy Conservation in Industry realizado
en Suecia en 1995 y en Development Planning
Techniques with Computer Applications efectuado en
los Países Bajos en 1998. Cuenta con más de treinta
años de experiencia en actividades de Planificación,
Operación, Administración y Economía de sistemas
eléctricos de potencia. Actualmente es Profesor
Principal de la EPN.
 Aplicación Práctica / Practical Issues

Plataformas de Control Inteligente de Iluminación Interior integrados en

Sistemas de Distribución LVDC

J. I. Guamán C. L. Vargas M. G. García A. Ríos

Universidad Técnica de Ambato
E-mail: jguaman0585@uta.edu.ec, cvargas0028 @uta.edu.ec,
a.ríos@uta.edu.ec, marioggarcia@uta.edu.ec

Resumen Abstract

En la actualidad, el uso ineficiente de la energía Currently, inefficient use of electricity in homes,

eléctrica en los hogares, comercios, escuelas
e industrias requiere la implementación de
políticas, mecanismos e innovaciones tecnológicas
de uso racional de la energía. En este sentido, la
implementación de nuevos sistemas de distribución
de baja tensión en corriente continua, denominados
en terminología anglosajona Low Voltage Direct
Current, LVDC, se presenta como una solución
tecnológica de ahorro y eficiencia energética para
los usuarios finales y las empresas distribuidoras
de energía eléctrica. La aparición de los nuevos
sistemas de distribución LVDC ha incentivado el
desarrollo de innovadores sistemas y componentes
de suministro eléctrico a baja tensión en corriente
continua, que se aplican a sistemas de iluminación,
centros de datos y espacios interiores.
Las experiencias existentes de sistemas de
distribución LVDC han demostrado que la
reducción de pérdidas de energía es proporcional
al incremento de los niveles de tensión en continua.
Además, los sistemas de conversión AC/DC
presentan mayores pérdidas que los sistemas de
conversión DC/DC. Por tanto, la implementación
de sistemas LVDC son comparativamente
más eficientes que los sistemas de distribución
tradicionales a corriente alterna. La integración
masiva de los sistemas de distribución LVDC
permitirá reducir significativamente las pérdidas
de energía y elevar la eficiencia de los usuarios
finales de energía.
En este artículo, se describe la implementación
de una plataforma cloud de control y gestión de
un sistema aislado de distribución LVDC que
alimenta a cargas de iluminación. Asimismo, se
presenta el desarrollo conceptual de la integración
del sistema LVDC con un sistema de generación
renovable, que suministra corriente continua al
sistema de iluminación.
businesses, schools and industries requires the
implementation of policies, mechanisms and
technological innovations of rational use of energy.
In this sense, the implementation of new distribution
systems, low-voltage direct current, denominated
in English terminology Low Voltage Direct
Current, LVDC is presented as a technological
solution for energy saving and efficiency for end
users and energy distribution companies power.
The emergence of new distribution systems LVDC
has encouraged the development of innovative
systems and components for power to low voltage
DC, which apply to lighting systems, datacenters
and interior spaces.
Existing experiences LVDC distribution
systems have shown that reducing energy loss is
proportional to increased levels of DC voltage.
In addition, conversion systems AC / DC have
higher losses than conversion systems DC / DC.
Therefore, the implementation of LVDC systems
are comparatively more efficient than traditional
distribution systems to alternating current. The
massive integration of LVDC distribution systems
will significantly reduce energy losses and increase
the efficiency of energy end users.
In this article, the implementation of a cloud
platform control and management of an isolated
distribution system that feeds LVDC lighting loads
is described. Also, the conceptual development
of integration of LVDC system with a renewable
generation, which supplies current to the lighting
system is presented.

Palabras clave— LVDC, FPGA, energías Index terms— LVDC, FPGA, renewable energy,
renovables, corriente directa. DC

Recibido: 01-09-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Guamán J.; Vargas C.; García M.; Ríos A. (2017). “Plataformas de Control Inteligente
de Iluminación Interior integrados en Sistemas de Distribución LVDC”. Revista Técnica “energía”. No. 13, Pp.
169-178
ISSN 1390-5074.
169
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El elevado consumo energético de los sistemas
convencionales de iluminación ha impulsado
a los países más industrializados a elaborar e
implementar planes y programas de sustitución de
las obsoletas luminarias por innovadoras tecnologías
de iluminación. En este sentido, las luminarias
LEDs juegan un importante papel en el proceso de
sustitución de luminarias poco eficientes y permiten
una significativa reducción del consumo energético.
En los últimos años, se ha realizado un importante
esfuerzo tecnológico y de inversión económica
para comprobar las ventajas de la integración de
edificios comerciales con sistemas de distribución
de baja tensión en corriente continua, en términos
anglosajones, denominados Low Voltage Direct
Current, LVDC. Los sistemas de distribución LVDC
implementados demuestran que las pérdidas de
energía se reducen proporcionalmente al incremento
de los niveles de tensión en continua, aplicado a
las secciones de los cables. Adicionalmente, los
sistemas de conversión AC/DC presentan mayores
pérdidas que los sistemas de conversión DC/DC. En
Alemania, en el año 2015, se finalizó la instalación
del primer sistema de distribución LVDC para un
edificio de oficinas, con todas sus cargas alimentadas
por corriente continua, sustituyendo los sistemas
de conversión AC/DC por DC/DC en las cargas
eléctricas.
La integración de fuentes renovables de generación,
sistemas de distribución LVDC y circuitos de
iluminación LED, prometen ser uno de los sistemas
más eficientes en los próximos años. La irrupción
de las luminarias LED, así como, los avances
tecnológicos de los sistemas de electrónicos de
control y monitorización, y la paulatina introducción
de las plataformas Cloud han convergido en el
desarrollo e implementación de avanzados sistemas
de gestión, operación y control de los sistemas
interiores y exteriores de iluminación. Estos sistemas
presentan excepcionales funcionalidades, entre las
que destacan:
• Control del flujo luminoso
• Medición del consumo de energía eléctrica
• Detección y localización de fallos
• Integración automatizada de la iluminación
natural
• Diagnóstico del estado de las luminarias
• Visualización de la información obtenida
170
Además de permitir una supervisión, gestión y
control de los sistemas de iluminación LED, las
plataformas cloud computing garantizan la óptima
integración de sistemas domóticos automatizados
y la programación del control de la iluminación
en interiores, en función de las necesidades de
luminosidad y de la aportación de luz solar natural,
proporcionando un ahorro adicional a la simple
sustitución de luminarias LED.
2. SISTEMAS DE DISTRIBUCIÓN LVDC
La mayoría de las cargas eléctricas en baja tensión
de los edificios residenciales y comerciales necesitan
de adaptadores externos e/o internos, que adaptan
la tensión alterna de la red eléctrica de suministro
a la tensión continua de operación interna de los
dispositivos electrónicos de los aparatos eléctricos
domésticos – ordenadores, equipos de comunicación,
dispositivos de entretenimiento e iluminación. En
el año 2008, la producción mundial de adaptadores
externos fue de 3,2 billones. Ese mismo año Estados
Unidos importó 737 millones de adaptadores
externos y se retiraron de circulación 434 millones de
adaptadores, de los cuales sólo se reciclaron el 12,6%.
Los restantes 379 millones de adaptadores externos
se transformaron en residuos contaminantes para el
medio ambiente [1]. Es importante indicar, que no se
incluyen los balastros electrónicos y dispositivos de
conversión AC/DC internos.
Los dispositivos de conversión AC/DC presentan
elevadas pérdidas de energía, reduciendo la eficiencia
total de la red eléctrica de baja tensión en edificios
residenciales y comerciales. Diversos estudios
indican que las pérdidas en los adaptadores externos
e internos de los aparatos eléctricos pueden alcanzar
hasta el 30% de la potencia real consumida [2, 3].
Entre las ventajas de implementar una red eléctrica
LVDC para edificios residenciales y comerciales
destacan:
• Se minimizan los dispositivos de conversión
AC/DC, reduciendo las pérdidas de energía
y elevando la fiabilidad y eficiencia de la red
eléctrica de baja tensión.
• Se evitan dispositivos de corrección del factor
de potencia y de compensación de armónicos.
• Se reducen los costes de integración de
tecnologías renovables en los edificios
residenciales y comerciales, puesto que se
evitan dispositivos de conversión DC/AC y
AC/DC.
• La tensión de alimentación de los dispositivos,
proporciona un nivel superior de seguridad
 Guamán et al. / Plataformas de Control Inteligente de Iluminación Interior integrados en Sistemas de Distribución LVD
eléctrica, así como, de monitorización, control
y gestión inteligente de la demanda de las redes
eléctrica. El usar una señal digital permite
tener un mayor control, debido a que se puede
aplicar circuitos lógicos y tener un control más
lineal a comparación de los sistemas AC.
La selección de la tensión nominal de los
sistemas LVDC es particularmente importante para
una reducción adicional en pérdidas de energía. La
selección de un nivel de tensión nominal estándar
en continua igual a 380 – 400 V DC mejora en un
30% la eficiencia de la red eléctrica de baja tensión
comparada con una tensión nominal de 400 V AC,
según Energe Alliance – consorcio que agrupa a más
de 80 organizaciones dedicadas a la estandarización
de sistemas LVDC y microredes – [3, 4].
La tensión nominal estándar de 380 – 400 V DC
presenta las siguientes ventajas [5, 6]:
• Es un 7% más eficiente que la tensión alterna
de 415 V AC.
• Requiere un 33% menos de espacio.
• Reduce la inversión de instalación en un 15%.
• Exige menos sección de cable en comparación
con la tensión de 48 V DC.
• Se reducen significativamente las pérdidas
por efecto joule en los cables en relación a la
tensión estándar de 48 V DC, para una misma
potencia suministrada.
En los últimos años, la incesante reducción del
precio de los paneles fotovoltaicos y de las pequeñas
turbinas eólicas ha propiciado la integración de
sistemas híbridos de generación renovable en
edificios residenciales y comerciales, conformando
los denominados edificios de emisiones cero [7, 8, 9].
Los sistemas renovables proporcionan un suministro
eléctrico en corriente continua, que permite
suministrar energía a las cargas electrónicas de baja
tensión, sin necesidad de disponer de dispositivos de
conversión AC/DC, evitando así elevadas pérdidas de
energía.
No obstante, debido a la variabilidad del recurso
solar y eólico es necesario dimensionar un sistema de
almacenamiento que garantice el suministro de energía
eléctrica de los edificios residenciales y comerciales,
en periodos de no simultaneidad con el recurso
renovable. En el futuro, los sistemas renovables de
generación eléctrica y los sistemas LVDC deberán
converger para optimizar el aprovechamiento de los
recursos renovables y reducir las pérdidas de energía
en los dispositivos de conversión AC/DC en los
edificios residenciales y comerciales.
Asimismo, para elevar la fiabilidad de los sistemas
LVDC en edificios residenciales y comerciales se
deberá disponer de una conexión automatizada a la
red eléctrica convencional en corriente alterna, que
garantice la continuidad de suministro energético
necesario a las cargas en corriente continua, si la
descarga máxima de las baterías alcanza el límite
máximo admisible, y proceda a las recarga del sistema
de almacenamiento, en caso de ausencia de recurso
solar y eólico durante largos periodos de tiempo.
Además, el diseño e implementación de un
sistema inteligente de monitorización, control y
gestión de la generación renovable de energía y de
la demanda permitiría la elaboración e integración
de innovadoras estrategias de control y gestión,
con el objetivo de maximizar el empleo de energía
renovable y minimizar el número de conexiones a
la red eléctrica convencional de corriente alterna.
En la Fig. 1, se presentan el esquema general de un
sistema LVDC aplicable a edificios residenciales y
comerciales, que disponen de fuentes renovables de
generación eléctrica – solar y eólica –; sistemas de
almacenamiento – baterías, condensadores y vehículos
eléctricos –; cargas eléctricas en corriente alterna y
continua; un módulo de conexión automatizada a la
red eléctrica convencional y un sistema inteligente de
monitorización, control y gestión de la generación y
de la demanda eléctrica [11].
El mencionado sistema se podría complementar
con un sistema avanzado de gestión y control desde la
nube, que, además, permita visualizar la información
adquirida y presentar reportes diarios, semanales,
mensuales y anuales del comportamiento del
sistema integrado energías renovables/LVDC/cargas
eléctricas inteligentes.
Figura 1: Esquemas generales de sistemas LVDC con
integración de energías renovables y sistemas de control [10, 11]
3. EXPERIENCIAS INTERNACIONALES DE
IMPLEMENTACIÓN DE SISTEMAS LVDC
Entre las experiencias más destacables de
integración de sistemas renovables de generación
eléctrica en sistemas LVDC destacan [12, 13, 14]:
171
 Edición No. 13, Enero 2017
El Proyecto Europeo I+D denominado “DC
Components and Grid (DCC+G)” que tiene como
objetivo principal el desarrollo de sub-sistemas y
componentes altamente eficientes para un sistema
LVDC, con una tensión estandarizada de 380V
DC. El proyecto permitirá demostrar los beneficios
técnicos y económicos de la implementación de redes
eléctricas LVDC y el impacto en el incremento de la
eficiencia de los edificios comerciales. Por tanto, el
proyecto participa en el cumplimiento del objetivo
de la Comisión Europea que todos los edificios de
nueva construcción de la Unión Europea a partir del
año 2012 deberán responder a los criterios de edificios
de emisiones cero. Dentro del proyecto ya se ha
implementado un prototipo de suministro eléctrico en
corriente continua en el edificio de oficinas del Instituto
Fraunhofer, en Erlangen, Germany, Fig. 2 [12].
El prototipo implementado de sistema LVDC
se compone de un sistema de iluminación DC, una
fuente de alimentación en DC para una infraestructura
de computación, un cargador DC para un vehículo
eléctrico, un sistema de micro-cogeneración en DC,
sistemas fotovoltaicos con MPPT, un rectificador
central y una unidad de control de la red así como una
unidad de monitorización mixta AC/DC. El prototipo
permite demostrar que un sistema LVDC, con una
tensión nominal de 380V DC, reduce las pérdidas
de conversión y eleva la eficiencia de la red interna
de distribución en comparación con una red eléctrica
convencional AC.
Figura 2: Sistema LVDC implementado en una oficina de
edificios del Instituto Fraunhofer, en Erlangen, Germany [12]
Asimismo, el Departamento de Investigación
de Philips ha desarrollado la primera instalación de
pruebas de un sistema LVDC para suministrar energía
a dispositivos de iluminación LED con una tensión
nominal de 380 V DC, en Eindhoven, Países Bajos,
Fig. 3 [13]. La instalación de iluminación dispone de
54 luminarias empotradas descendentes LuxSpace
LED de 37 W cada una, que conforman una carga
en corriente continua de 2 kW. Las luminarias LED
disponen de nuevos adaptadores de conversión DC/
DC para una tensión nominal de entrada de 380 V
172
DC. La instalación de prueba y testeo cuenta con
un suministro híbrido compuesto por un equipo
rectificador central de 2 kW, así como, por una
instalación solar fotovoltaica de 2 kW, Fig. 3 [13].
Para realizar un estudio comparativo de la eficiencia
de los sistemas LVDC se ha instalado un segundo
sistema de iluminación solar en corriente alterna,
con varios dispositivos inteligentes de medición de
potencia. Las lecciones aprendidas de las pruebas
realizadas en la instalación implementada en los
Países Bajos descritas permiten concluir:
• Los sistemas LVDC son de fácil instalación
y mantenimiento, no exigen excesivos
conocimientos especiales adicionales.
• El equipo prototipo rectificador central de
2000 W es alrededor de 1% más eficiente que
un rectificador para dispositivo LED de 39 W
alimentado a una tensión nominal de 230 V
AC.
• El convertidor DC prototipo del sistema solar
fotovoltaico de 2 kW tiene una eficiencia del
97%, similar al de un inversor solar trifásico
de 12 kW AC conectado a la red. Por tanto,
es importante considerar que el inversor solar
de 12 kW opera a una tensión DC de entrada
elevada, habitualmente de 610 V DC, en
relación a los 250 V DC del convertidor de
2 kW, con seguimiento del máximo punto de
potencia.
• Finalmente, la ventaja en términos de eficiencia
de la red eléctrica en continua es tan elevada
como el valor de energía solar empleado,
debido a las menores pérdidas absolutas en el
rectificador central.
Figura 3: Instalación de prueba y testeo de un sistema LVDC
implementado en Eindhoven, Países Bajos [13]
4. SISTEMAS DE ILUMINACIÓN DE
ESPACIOS INTERIORES
La iluminación, representa aproximadamente el
20% del consumo de energía a nivel mundial [14].
 Guamán et al. / Plataformas de Control Inteligente de Iluminación Interior integrados en Sistemas de Distribución LVD
El promedio de energía eléctrica utilizada para la
iluminación en espacios interiores de escuelas,
oficinas, hospitales, edificios residenciales e industrial
es el 15% del total de la energía consumida al año
[15]. En Estados Unidos, el consumo eléctrico en los
sistemas de iluminación de los hogares representa
entre el 6% y 20% del consumo eléctrico total
[16]. Países industrializados como Japón también
tienen un alto consumo de energía a los sistemas de
iluminación indoor con un 13% de participación del
total de consumo eléctrico final. En Europa, Estados
y Japón existen importantes planes de sustitución de
luminarias incandescentes por nuevas tecnologías
de iluminación de bajo consumo energético,
denominadas luminarias LED [17], dispositivos de
iluminación de estado sólido.
En la actualidad, la tecnología LED de luz
blanca fría presenta valores de eficiencia lumínica
superior a 250 lm/W, cuadriplica la eficacia de
las lámparas fluorescentes residenciales y hasta,
aproximadamente, cuarenta veces la eficiencia
de las lámparas incandescentes. La tecnología
LED de luz blanca permite disponer de sistemas
de iluminación eficientes en comparación con los
edificios residenciales, comerciales e industriales
que disponen de instalaciones de iluminación
convencionales [18]. Los sistemas de LVDC reducen
el número de adaptadores electrónicos y las elevadas
pérdidas en el proceso de conversión interno AC/
DC de los dispositivos LED, en relación a las redes
AC de baja tensión [19]. Asimismo, la alimentación
de dispositivos LED desde un sistema LVDC evita
la necesidad de los componentes electrónicos de
rectificación y filtrado inherentes a las luminarias
LED con dispositivos de conversión AC/DC. Cada
luminaria LED en un sistema LVDC dispone de un
dispositivo de conversión DC/DC, que adapta la
tensión de alimentación a la tensión interna. Además,
se obtienen excepcionales ahorros energéticos si
el sistema se combina con sistemas renovables de
generación eléctrica en DC [18].
Una aplicación práctica de los sistemas LVDC
de iluminación LED son los espacios interiores de
oficinas, espacios abiertos o supermercados que
disponen de un elevado número de luminarias,
conectadas a una línea de baja tensión, Fig. 4.
Finalmente, un ahorro adicional de energía se obtiene
con la implementación de sistemas inteligentes de
control de la luminosidad de las luminarias LED, en
función de la maximización de la integración de luz
natural en espacios interiores de edificios [19].
Figura 4: Distintos ambientes con iluminación basada en
tecnología LED [19]
5. PLATAFORMAS DE GESTIÓN DE
SISTEMAS DE ILUMINACIÓN EN
INTERIORES
En los últimos años, la acelerada introducción de
las luminarias LED en los sistemas de iluminación de
edificios y los avances electrónicos ha permitido que
se desarrollen y comercialicen sistemas inteligentes
de gestión y control de iluminación [20]. Además,
la integración de sistemas de energía renovable en
sistemas LVDC proporciona un nuevo paradigma
de investigación y desarrollo tecnológico. Entre las
experiencias existentes en plataformas de gestión de
iluminación interior destacan:
En [20], se presenta una plataforma de gestión de la
iluminación en un edificio de oficinas, denominado
ENCELIUM Energy Mananment Systems, Fig.
5. La plataforma se basa en un nuevo estándar de
tecnología del consorcio Emerge Alliance para los
sistemas LVDC en edificios y se compone de:
- FlexZone DC, un innovador sistema LVDC que
garantiza el suministro eléctrico desde la fuente
DC a los dispositivos de iluminación, sensores y
otros dispositivos eléctricos en un espacio interior a
monitorizar y gestionar.
- Módulos de alimentación, compuestos de cables
e interconexiones de datos y transmisión de
información, y control de iluminación.
El principal beneficio del sistema LVDC de
iluminación es la capacidad de reconfigurar la
intensidad lumínica de las áreas de trabajo sin
necesidad de cableado, puesto que se puede realizar
mediante sistemas inalámbricos como el bluetooth,
actuando de forma directa en la fuente de iluminación
sin necesidad de otros dispositivos electrónicos de
conversión [21].
173
 Edición No. 13, Enero 2017
Figura 5: Plataforma ENCELIUM para un sistema LVDC de
iluminación LED [21]
En [22], se desarrolló un sistema de control de
iluminación de tipo LED conectada a una fuente de
generación continua. Entre las ventajas de un sistema
de iluminación LED destacan:
- El ahorro de costes se reduce al incorporar un sistema
de control regulable e inteligente de iluminación LED.
Se mejora la eficiencia de un sistema de iluminación
LED en diversos entornos de funcionamiento,
tales como exposiciones, ambientes cálidos, sala
de recepciones, etc. - La plataforma de gestión
inteligente de iluminación LED evita problemas de
intermitencia lumínica, garantizando una iluminación
agradable al usuario. El brillo puede controlarse con
precisión para satisfacer las necesidades del usuario
en un lugar y tiempo específico, maximizando el uso
de luz natural.
- Además, el control de iluminación en diferentes
escenarios permite elevar la vida útil de diferentes
componentes del sistema de iluminación LVDC:
fuentes de generación y dispositivos de iluminación.
- La plataforma de gestión inteligente permite adoptar
en una luz más tenue y prolongar el tiempo de vida
de la luminaria LED. Pruebas realizadas en las
luminarias LED demuestran que una reducción del
10% en el brillo duplica la vida útil de la luminaria,
mientras que una caída del 50% puede extender la
vida útil en 20 veces.
- Los modos de iluminación preestablecidos se
almacenan en la memoria de microcontrolador para
un fácil mantenimiento. La comunicación que realiza
el sistema se puede observar en la Fig. 6.
Figura 6: Comunicación entre la señal de un mando
inalámbrico y los respectivos reguladores de luz remota [22]
174
La empresa Tridonic en [23], presenta un
innovador sistema de gestión de iluminación, de la
iluminación en espacios interiores, que proporciona
una perfecta combinación de sensores, unidades de
control y lámparas inteligentes.
La plataforma de gestión inteligente representa
una solución de iluminación muy avanzada, que con
ayuda de dispositivos DALI – dispositivos de control,
que implementa un innovador control de un conjunto
de luminarias LED, alimentados por un sistema
LVDC. La plataforma de gestión se compone de:
- Una interface connecDIM, puerta de enlace que
une las líneas DALI que permite la interoperabilidad
entre todos los dispositivos estándar DALI. El control
inalámbrico lo realiza un enrutador WiFi – en serie
con un dispositivo iOS o Android. Una vez conectado
a Internet, el sistema carga todos los datos a la nube
de iluminación desde el connecDIM.
La plataforma de gestión de iluminación en la nube
permite un servicio en línea continuo desde cualquier
lugar, entre las más importantes funcionalidades de la
plataforma de control destacan:
- monitorización remota del sitio
- gestión de la programación astronómica
- mantenimiento,
- pruebas de iluminación de emergencia,
- control de la energía,
- copias de seguridad remota,
- gestión y presentación de informes
En la Fig. 7. [24], se observa las ventajas de la
implementación de sistemas LVDC de iluminación
LED, en relación a los sistemas convencionales. Los
sistemas LVDC permiten un mejor control y una
significativa reducción de dispositivos de conversión,
AC/DC, garantizando una mayor eficiencia y elevada
sostenibilidad energética.
a)
 Guamán et al. / Plataformas de Control Inteligente de Iluminación Interior integrados en Sistemas de Distribución LVD
b)
Figura 7: Comparación de un sistema convencional frente a
un sistema LVDC de Iluminación LED [25]
La Fig. 7a, muestra el sistema convencional
alterna y el elevado número de dispositivos de
conversión AC/DC y módulos necesarios para el
control de iluminación. Los sistemas de control de un
sistema de iluminación LED conectados a un sistema
LVDC son más sencillos de instalar y configurar, Fig.
7b.
6.
IMPLEMENTACIÓN DE UNA
PLATAFORMA CLOUD DE GESTION DE
UN SISTEMA LVDC RENOVABLE PARA
LEDs CONTROLABLES
Actualmente, en la Universidad Técnica de
Ambato, UTA, en la Facultad de Ingeniería en
Sistemas, Electrónica e Industrial, FISEI, el grupo
de investigación REWA-RD, Renewable Energy and
Web Architecture – Research and Developmente, ha
implementado una plataforma de gestión y control
desde la nube de un sistema de iluminación, que se
alimenta desde fuentes renovables de generación
eléctrica y un sistema de distribución LVDC. La
Plataforma Cloud que se encuentra en operación
está diseñada bajo la arquitectura Open Stack que
integra un Controller Node, Compute Node, un
servicio de imagen Storage Node y objetos de
almacenamiento de Open Stack. Las aplicaciones
como Dashboard, Keystone y Quantum permiten
tener un la implementación rápida de sistemas de
gestión y control de forma remota [26]. En la Fig.
8, se presenta la arquitectura de la plataforma cloud
implementada en la FISEI, UTA.
Figura 8: Diagrama de bloques de la arquitectura Open
Stack[26]
Actualmente, la plataforma cloud realiza la
gestión y monitorización de un sistema solar aislado,
conformado por un panel de 327 Wp, un regulador/
inversor de 20A, un sistema de acumulación de 130
Ah y 12V de tensión continua. En breve, se conectará
una mini turbina eólica de 400W y 48V, que permitirá
incrementar la disponibilidad de energía eléctrica
para suministrar al sistema de iluminación basado
en LEDs. La implementación de una plataforma
de control de gestión de un sistema de iluminación
LED, alimentada desde un sistema híbrido renovable
eólico-solar a través de un sistema de distribución
LVDC se presenta en la Fig. 9.
Figura 9: Esquema general de la plataforma de control
inteligente de sistema LVDC de iluminación LED
La plataforma cloud de gestión y control de un
sistema LVDC renovable para LEDs controlables se
compone de:
• Un sistema de control de iluminación LED
basado en una microcontrolador programable
Arduino y FPGA
• Un sistema de sensores instalados en el
exterior e interior, que permiten recolectar
información sobre luminosidad, para atenuar
la intensidad de luz del sistema de iluminación
LED.
175
 Edición No. 13, Enero 2017
• Un sistema domótico coordinado con el
sistema de las luminarias, en función de la
información recolectada por los sensores de
la iluminación exterior.
• Una plataforma CloudIoT de registro,
almacenamiento, gestión y visualización de la
información.
• Un sistema renovable híbrido eólico-solar que
suministra energía en corriente continua al
sistema de iluminación LEDs a través de un
sistema LVDC.
La plataforma cloud permitirá administrar la
energía suministrada desde las fuentes renovables
de forma eficiente, proporcionando una iluminación
adecuada en el espacio interior. Asimismo, la
integración de un sistema domótico y de un control
de iluminación gestionada desde la nube permitirá
maximizar el uso de luz natural y minimizar el
consumo de energía renovable, incrementando la vida
útil de las baterías.
Uno de los aspectos más importantes del proceso
de implementación de sistema LVDC renovable para
LEDs controlables es la redistribución de luminarias
en las aulas donde se implementará el prototipo,
que garantice el cumplimiento de los estándares de
iluminación en centros de aprendizaje en el Ecuador.
La redistribución de las luminarias se ha realizado
mediante la simulación de las áreas de alumbrado
con ayuda del software DIAlux. El mencionado
software emplea normas europeas y permite evaluar
el espectro de iluminación generado por cada una
de las tecnologías de iluminación actualmente
existentes. Este estudio previo permite realizar una
correcta redistribución de la iluminación permitiendo
maximizar el aprovechamiento de la luz natural en las
aulas del edificio de la facultad.
La información de la intensidad lumínica en el
interior y exterior es registrado por un conjunto de
sensores inalámbricos, que trasmiten la información
a través de una comunicación bluetooth al Arduino.
La lógica funcional del sistema de control de
iluminación es generada mediante una tarjeta FPGA,
que a través de un Arduino, actúa sobre el nivel de
iluminación de las lámparas LED mediante un PWM.
Asimismo, el Arduino controla el ángulo de abertura
de las persianas para aprovechar la luz natural. El
proyecto proporcionará información relevante sobre
la reducción del consumo eléctrico en iluminación
interior y de las pérdidas en el sistema LVDC,
en comparación con un sistema convencional en
corriente alterna.
176
En la actualidad la nube en operación, funciona
como una plataforma de monitoreo y gestión de un
sistema renovable aislado. La plataforma presenta de
forma gráfica los valores medidos en forma remota y
proporciona una rápida apreciación del estado actual
de los componentes del sistema de generación solarv
fotovoltaico. Asimismo, permite desplegar registros
de los valores medidos durante un tiempo establecido
por el usuario, similares a los sistemas comerciales
de monitoreo de sistemas fotovoltaicos conectados
a red. La visualización gráfica y análisis de las
variables monitorizadas proporciona la información
adecuada para evaluar el comportamiento del
sistema fotovoltaico aislado y prevenir eventos de
desconexión que afecten al suministro de energía.
Además, permite conocer los valores de generación
de la instalación fotovoltaica y el consumo energético
de los usuarios.
Figura 10: Informes gerenciales presentados por la
plataforma de control. [26]
En la Fig. 10, se presentan la pantalla de
visualización de registro de información de la
plataforma cloud de monitorización y gestión
desarrollada para un sistema renovable aislado.
Se observan magnitudes del sistema renovable
monitorizado como voltaje, intensidad, y temperatura
del ambiente, en rojo, amarillo y azul, respectivamente.
La plataforma cloud existente es la primera fase
de ejecución de la propuesta de plataforma cloud
de gestión y control de un sistema LVDC renovable
para LEDs controlables, y servirá de base para la
elaboración, implementación y testeo de la plataforma
de gestión y control del sistema inteligente de
iluminación y de monitorización del funcionamiento
del sistema de distribución LVDC.
7. CONCLUSIONES
La implementación de sistemas de distribución
LVDC en el suministro de data centers, sistemas de
iluminación, y edificios de emisiones cero representa
una de las mejores propuestas para la optimización del
 Guamán et al. / Plataformas de Control Inteligente de Iluminación Interior integrados en Sistemas de Distribución LVD
consumo final de energía en edificios residenciales y
comerciales.
La Universidad Técnica de Ambato, ha iniciado el
proceso de implementación de una plataforma cloud de
gestión y control de un sistema de iluminación LEDs
alientado desde un sistema LVDC renovable en una
aula del edificio de la facultad de Ingeniería Sistemas
Electrónica e Industrial de la Universidad Técnica
de Ambato. En una primera fase de la ejecución
del proyecto se ha implementado una plataforma
cloud de monitorización, almacenamiento, gestión
y visualización de las magnitudes de operación de
un sistema solar fotovoltaico aislado que suministra
energía eléctrica a grupo de luminarias. El control
del sistema de iluminación se encuentra en proceso
de implementación con ayuda de una tarjeta FPGA,
que a través de un Arduino, actúa sobre el nivel de
iluminación de las luminarias. Asimismo, se prevé
que el Arduino controle el ángulo de abertura de las
persianas para maximizar el aprovechamiento de la
luz natural. El uso de fuentes de energía renovables
en sistemas de distribución LVDCp para iluminación,
permitirá una reducción sustancial de las pérdidas de
energía, debido a que al disminuir los dispositivos de
conversión se maximiza el ahorro de energía obtenido
gracias a la sustitución de luminarias ineficientes por
sistemas de iluminación con tecnología LED.
AGRADECIMIENTOS
Los autores desean agradecer a la Secretaria
de Educación Superior, Ciencia, Tecnología e
Innovación, SENESCYT, por su especial apoyo
en el desarrollo de la presente propuesta, gracias
a la financiación del Proyecto de Investigación
PROMETEO: “Evaluación Técnico-Económica
y Medioambiental de la Integración de Energías
Renovables y Técnicas de Diseño y Gestión Eficiente
en Sistemas de Edificación y Transporte Sostenibles,
Aplicación Práctica a la Ciudad de Ambato”, así
como a la Dirección de Investigación y Desarrollo
de la Universidad Técnica de Ambato, DIDE, por su
apoyo a la financiación del Proyecto de Investigación
denominado “Diseño e Implementación de un
Sistema Monitoreo Remoto para las Instalaciones
Fotovoltaicas Aisladas de las Comunidades
Amazónicas del Ecuador”.
REFERENCIAS BIBLIOGRÁFICAS
[1] Brian Patterson and Paula Ziegenbein, “DC
power distribution favors LED lighting”,
LEDsmagazine.com, January-February 2009.
[2] Michael Stelts, “The Necessity for LVDC Power
in Home Entertainment”, IEC TC100.
[3] BJ Sonnenberg, “380VDC eco system – current
status of development”, LVDCRedefining
Electricity, First International Conference on
Low Voltage Direct Current, New Delhi, India,
26-27 October 2015.
[4] http://www.emergealliance.org/Home.aspx,
página web de EMerge Alliance,
[5] European Telecommunications Standards
Institute: Environmental Engineering
(EE); Power supply interface at the input
to telecommunications and datacom (ICT)
equipment; Part 3: Sub-part 1: Direct current
source up to 400 V, European Standard ETSI EN
300 132-3-1 V2.1.1, 2012.
[6] Tilo Pueschel, “The first DC micro grid in a
commercial building in Germany”, LVDC-
Redefining Electricity, First International
Conference on Low Voltage Direct Current, New
Delhi, India, 26-27 October 2015.
[7] Voss, Musall, “Net zero energy buildings”, 2nd
Edition, 2012.
[8] Vagelis Vossos, Karina Garbesi and Hongxia
Shen, “Energy savings from direct-DC in
U.S.residential buildings”, Volume 68, Part A,
January 2014, Pages 223–231.
[9] U. Boeke and M. Wendt, “Direct Current (DC)
Supply Grids for LED Lighting, LED Lighting,
October 2015.
[10] Lubna Mariam, Malabika Basu, and Michael
F. Conlon, “A Review of Existing Microgrid
Architectures”, Hindawi Publishing Corporation
Journal of Engineering, Volume 2013, Article ID
937614, 8 page
[11] H. Kakigano, Y. Miura, T. Ise: “Low-Voltage
Bipolar-Type DC Microgrid for Super High
Quality Distribution” in IEEE Transactions on
Power Electronics, Vol. 25, pp. 3066-3075, Dec.
2010.
[12] Ulrich Boeke and Leopold Ott, “Impact of a ±380
V DC Power Grid Infrastructure on Commercial
Building Energy Profiles”, White paper of the
DCC+G project, 2014.
[13]
Bernd Wunder, Leopold Ott, Marek Szpek,
Ulrich Boeke and Roland Weiß, “Energy
efficient DC-grids for commercial buildings”,
INTELEC, International Telecomunications
Energy Conference Proceedings, September
2014.
[14] R. Weiss, L. Ott and U. Boeke, “Energy efficient
low-voltage DC-grids for commercial buildings”,
First IEEE International Conference on Direct
Current Microgrids (ICDCM), June 2015.
[15] Leslie, Russell P.; Conway, Kathryn M., “The
lighting pattern book for homes”, Chapter People,
Energy, and Light, Rensselaer Polytechnic
Institute, 2007.
177
 Edición No. 13, Enero 2017
[16] Mary Yamada Kelsey Stober Navigant Navigant,
“Adoption of Light-Emitting Diodes in Common
Lighting Applications”, U.S. Department of
Energy Solid-State Lighting Program. July 2007.
[17] Comisión Europea, “Acelerando el despliegue
de tecnologías de iluminación innovadoras”,
Bruselas diciembre 2012.
[18]
Ferdinando S.; Iacopo G.; Giacomo F.;
“Maintenance and Energy Optimization of
Lighting Systems for the Improvement of
Historic Buildings: A Case Study”, Sustainability
Journal, Open Access. Septiembre 2015.
[19]
Navigant C.,“Energy Savings Forecast of
Solid-State Lighting in General Illumination
Applications”, U.S. Department of Energy,
August 2014.
[20] Aura, “Association of Universities for Research
in Astronomy”, International Year of Light 2015.
Agosto 2015
[21] Merge Alliance, “Installation Examples Based
on Applications of the 24V DC EMerge Alliance
Standard”, Installed between 2008-2010.
[22]
Eberhard Waffenschmidt, “Direct current
(DC) supply grids for LED-Lighting” Cologne
University of Applied Science, Cologne,
Germany, 2015
[23] Ulrich Boeke, Matthias Wendt, Lennart Yseboodt,
“Combined Solar and AC Mains Powered LED
Lighting System”, 14th European Conference on
Power Electronics and Applications (EPE’11),
Birminham, United Kingdom, 30.Aug.-1.
Sept.2011
[24]
Yutao Zhou; Nadarajah Narendran, “
Photovltaic-powerd ligth-emitting diode lighting
systems”, Lighting Research Center, Rensselaer
Polytechnic Institute, 2005. Ceiling Systems
“Case study for Optima Engineering DC Flex
Zone”, Armstrong Corporation, 2015.
[25] Philips, “Sistemas de control y LEDs”, 2015
[26]
Wen-Tsai Sung and Jia-Syun Lin,“Design
and Implementation of a Smart LED Lighting
System Using a Self Adaptive Weighted Data
Fusion Algorithm”, Department of Electrical
Engineering, National Chin-Yi University of
Technology, Open Access sensor, 2013.
[27]Jesús Guamán, Carlos Vargas, Ruben Nogales,
David Guevara, Mario García, Alberto
Ríos, “Solar Manager: Plataforma Cloud de
Adquisición, Tratamiento y Visualizacion
de Información de Sistemas Fotovoltaicos
Aislados”, Revista Ingenius , Edición 15,
Universidad Politecnica Salesiana, Junio 2016.
178
Jesús Guamán Molina.- Nació
en Latacunga, Ecuador
en 1990. Recibió su título
de Ingeniero Electrónico
y Comunicaciones de la
Universidad Técnica de
Ambato en el año 2015. Es
Investigador en la Facultad
de Ingeniería en Sistemas,
Electrónica e Industrial de la
Universidad Técnica de Ambato.
Calos Vargas Guevara.- Nació
en Ambato, Ecuador en 1991.
Recibió su título de Ingeniero
Electrónico y Comunicaciones
de la Universidad Técnica de
Ambato en el año 2015. Es
Investigador en la Facultad
de Ingeniería en Sistemas,
Electrónica e Industrial de la
Universidad Técnica de Ambato.
Mario García Carrillo. Obtuvo
el Título de ingeniero en
Electricidad especialidad
Electrónica, en la Universidad
Politécnica del litoral en
1997. Master en Docencia
Universitaria Magister en
“Docencia Universitaria y
Administración Educativa”
Universidad Tecnológica
Indoamérica. Diploma Superior en Teoría, Diseño y
Evaluación Curricular por la Universidad Técnica de
Ambato. Magister en Redes y Telecomunicaciones
por la Universidad Técnica de Ambato.
Alberto Ríos Villacorta. Ingeniero
Eléctrico en Sistemas y Redes
Eléctricas por el Instituto
Politécnico de Bielorrusia,
1993. Master en Energías
Renovables por la Universidad
Europea de Madrid, 2004.
Dr. Ingeniero Eléctrico por
la Universidad Carlos III
de Madrid, 2007. Profesor
Ayudante de la Universidad Carlos III de Madrid,
1998-2001. Profesor Adjunto de la Universidad
Europea de Madrid, 2001- 2014. Director Técnico
de Energy to Quality, Laboratorio de Ensayos de
Turbinas Eólicas y Simulaciones de parques Eólicos,
2005-2006. Director del Master Oficial de Energías
Renovables de la Universidad Europea de Madrid,
2007-2011. Actualmente es Investigador Postdoctoral
de Universidad Técnica de Ambato desde el año 2014,
en calidad de Investigador Prometeo, SENESCYT,
Ecuador.
 Artículo Académico / Academic Paper

Selection of Phase Change Materials for Latent Heat Storage

J. Martínez-Gómez1, 2 E. Urresta1 D. Gaona1 G. Guerrón3, 1

1
Instituto Nacional de Eficiencia Energética y Energías Renovables, INER
2
Pontificia Universidad Católica del Ecuador, PUCE
3
Universidad Tecnológica Equinoccial, UTE
E-mail: javier.martinez@iner.gob.ec; javiermtnezg@gmail.com

Resumen

Esta investigación tiene como objetivo seleccionar
un material de cambio de fase (PCM) que cumplen
mejor la solución del almacenamiento de energía
térmica entre 200-400 ° C y reducir el costo de
producción.
El uso de métodos multicriterios de toma de
decisiones (MCMD) para la evaluación fueron
proporcionales implementados como COPRAS-G,
TOPSIS y VIKOR. La ponderación de los
criterios se realizó por el método AHP (proceso
analítico jerárquico) y los métodos de entropía.
La correlación de los resultados entre los tres
métodos de clasificación ha sido desarrollada por
el coeficiente de correlación de Spearman. Los
resultados ilustran el mejor y la segundo mejor
opción para los tres MCDM fueron NaOH y KNO3.
Además, tenía valores de correlación de Spearman
entre los métodos excede de 0.714.
This research aims to select a phase change
material (PCM) which better accomplish the
solution of the Thermal Energy Storage between
200–400 °C and reduce the cost of production.
The Multiple Criteria Decision Making (MCMD)
methods implemented were complex proportional
assessment of alternatives with gray relations
(COPRAS-G), Technique for Order of Preference
by Similarity to Ideal Solution (TOPSIS) and
Multicriteria Optimization and Compromise
Solution (VIKOR) methods. The criteria weighting
was performed by compromised weighting method
composed of AHP (analytic hierarchy process)
and Entropy methods. The correlation of the
results between three ranking methods has been
developed by the Spearman’s rank correlation
coefficient. The results illustrated the best and
second best choice for the three MCDM were
NaOH and KNO3. Furthermore it had values of
Spearman’s rank correlation between the methods
exceeds of 0,714.

Palabras clave— Energía solar térmica,
almacenamiento de energía térmica por calor
latente (LUCES), métodos multicriterios de toma
de decisiones, material de cambio de fase (PCM),
MCDM, selección de materiales
Index terms— Solar thermal energy, Latent heat
thermal energy storage (LHTES), multi-criteria
decision making, phase change material (PCM),
methods, MCDM, material selection.

Abstract
Recibido: 30-08-2016, Aprobado tras revisión: 09-12-2016
Forma sugerida de citación: Martínez-Gómez, J.; Urresta, E., Gaona, D.; Guerrón G. (2017). “Selection of
phase change materials for latent heat storage”. Revista Técnica “energía”. No. 13, Pp. 179-190
ISSN 1390-5074.

179
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
TES has been a research topic for the last 30 years,
but most researchers still feel that one of the weak
points of this technology is the material to be used as
a storage medium [1-6]. There are mainly three types
of TES systems, the sensible heat storage (SHS), the
latent heat storage (LHS) and the thermochemical
energy storage. SHS can be achieved using solid
or liquid media and it involves storing energy in a
material without its phase change in the temperature
range of the storage process. LHS systems present
several advantages in comparison with the other two
methods.
• Storing thermal energy at the temperature of
process application.
• Storing thermal energy as latent heat which
allows higher thermal energy storage capacity
per unit weight or material without any change in
temperature.
• Storing thermal energy from thermal energy
source or electrical energy source when available and
use when needed.
Furthermore, they presents economic and
environmental benefits
• Storing natural thermal energy for facility
heating and cooling needs, which reduce the energy
demand and it reduces facilities carbon footprint.
• Storing thermal energy during off demand
hours and use during peak demand to save on energy
cost and help stabilize grid load.
• Shift of heating and cooling load also reduces
peak time stress of heating and cooling equipment
that can lead to reduced operating & maintenance
cost.
LHS systems with solid-liquid transition or
PCM are considered an alternative to SHS systems,
especially for solar energy applications in the middle-
temperature-range of 200– 400 °C [6, 7]. Molten salt
were used as one of the promising LHS medium at
middle temperature in solar thermal power systems
[8, 9]. Because of the appropriate melting point, low
storage unit cost, desirable phase-change temperature
range, high heat capacity and energy storage density,
nitrates and their binary mixtures as the typical
molten salts were used as considerable PCMs. This
research tries to resolve the material selection for a
PCM which better accomplish the solution of the TES
between 200–400 °C.
The selection of the most appropriate material for a
particular purpose is a crucial component for the design
and development of products. Materials selection has
become an important source at engineering processes
180
because of economic, technological, environmental
parameters. The objectives and criteria in the material
selection process are observed to be often in conflicts,
such as desired properties, operating environment,
production process, cost, market value, availability of
supplying sources and product performance [10, 11].
The application of multi criteria decision making
methods (MCDM) for material selection has been
conducted in many applications. In 2006, Shanian
and Savadogo [12] established a material selection
model based on the concept of multiple attribute
decision making. In 2008, Ho [13] made a review of
the applications of the AHP model integrated with
other techniques. In 2014, Anojkumar et al. [14]
made a Comparative analysis of MCDM methods for
pipe material selection in sugar industry.
Many researches about applications of MCDM
have been developed in the energy storage field.
In 2009, Bartin et al. [15] studied Multicriteria
decision making for management of storage energy
technologies on renewable hybrid systems-the
analytic hierarchy process and the fuzzy logic,
which considers five types of storage energy systems
(SES) which are analyzed according to six criteria,
in order to find the most suitable type of SES to be
used in the environment and costs scenarios. In 2010,
Cavallaro [16] developed Fuzzy TOPSIS approach
for assessing thermal-energy storage in concentrated
solar power (CSP) systems. In this research, a fuzzy
logic methodology is used to compare different heat
transfer fluids between 400–500 °C in a CSP based
on its benefits and costs, in order to investigate the
feasibility of employing a molten salt. Fernández et al
[17] presented the selection of materials with potential
in sensible thermal energy storage in the range of
temperatures of 150–200 °C by the CES Selector
software. Additionally, in 2013, Khare et al [18]
studied Selection of materials for high temperature
sensible energy storage. In this research a materials
selection software package Granta Design’s CES
Selector was used to evaluate sensible heat storage
between 500–750 °C. However, a study related to the
selection of LHS material for TES between 200–400
°C has not been accomplished yet.
In this study has been developed three preference
ranking- based MCDM methods, i.e. COPRAS-G,
TOPSIS and VIKOR for accurate ranking of the
alternative materials for PCMs. The compromised
weights have been performed by AHP and Entropy
methods. The Spearman’s rank correlation has been
used to quantify the strength of linear relationship
between the results. All the methods have been
extensively studied and refined in several articles [19-
26]. A more extensive explanation of these methods
can be observed in section 2. For these methods, a
list of all the possible choices from the best to the
 Martínez-Gómez et al. / Selection of phase change materials for latent heat storage
worst suitable materials has been obtained taking in
consideration different material selection criteria.
This paper is organized as follows: Section 2
Materials and Methods, which describes the definition
of the decision making problem, and the MCDM
and Spearman’s rank correlation, used in this study,
Section 3 presents the results of the different MCDM,
Section 4 develops the discussion and Section 5
presents the conclusions of this study.
2. MATERIALS AND METHODS
2.1. Definition of the decision making problem
Comparing candidate materials, ranking and
choosing the best material are one of most important
stages in material selection process. MCDM are
analytical tools employed to judge the best alternative
of a set of possibilities and easy to adapt for different
applications. The MCDM methods can be broadly
divided into two categories, as (i) multi-objective
decision-making (MODM) and (ii) multi-attribute
decision-making (MADM) [27]. There are also several
methods in each one of the categories mentioned
above. Priority-based, outranking, preferential
ranking, distance-based and mixed methods are some
of the popular MCDM methods to evaluate and select
the most suitable materials for diverse engineering
applications [28]. In most MCDM methods a certain
weight is assigned to each individual property of the
material (which depends on its importance for the
application) [27, 28]. Furthermore, efforts need to
be extended to identify those criteria that influence a
given engineering application to eliminate unsuitable
alternatives and select the most appropriate choice
using simple and logical method (5), (6). The proper
choice of these materials depends on factors such as
their physical and thermochemical properties, as well
as the type of heat transfer fluid and heat exchanger
design. The basic requirements imposed upon LHS
materials have been formulated in [5, 9, 29]. These
materials should possess following properties:
• The demanded melting temperature, which
allows the storage unit to work in a desirable
range of working temperatures;
• High specific thermal capacity, heat of fusion
and low density to provide the minimum
sizes of the HSU.
• Congruent melting: PCMs should keep
stoichiometric composition in solid and
liquid conditions. Otherwise, distinction
in density of the liquid and solid phase,
appeared at fusion, will lead to separation
of phases, and will change stoichiometric
composition of the molten salt;
• Reliable convertibility/ Low grade
of decomposition at repeated phase
transformations;
• High thermal conductivity to provide the
minimum temperature gradients demanded
for charging and discharging of the TES
unit.
• The minimum change in volume at transition
from one phase to another, which allow us
to use simple forms of containers and heat
exchangers.
• Insignificant overcooling during hardening.
• Chemical stability to provide demanded life
time of the TES unit;
• Compatibility with constructional materials
to avoid corrosion;
• They must not be toxic or a little toxic;
• Flame and fire safety;
• Availability and low cost.
Fig. 1 illustrates the scheme of a commercial
PCM. In order to meet all these requirements, the
most important properties are the heat of fusion () and
specific heat (). High values are desired to keep the
maximum quantity of energy and the minimum size
of the HSU. High thermal conductivity () to provide
the minimum temperature gradients is required
to charge and discharge HSU. Low costs () are
desired to provide a competitive advantage among
manufacturers. The demanded melting temperature
() provides operating the storage unit in a desirable
interval of working temperatures. Density (ρ) is
important to reduce the downsize of the HSU.
Figure 1: Schema of a TES unit that uses PCM as the thermal
storage media and employs the high temperature heat pipes to
transfer heat from receiver to PCM to an engine
Seven alternatives for a PCM were taken into
consideration: NaNO3, KNO3, NaOH, KOH, ZnCl2,
NaNO3/KNO3 (0,5/0,5), ZnCl2/KCl (0,319/0,681).
The properties of the alternatives with their
quantitative data are given in Table I and their average
values were used.
181
 Edición No. 13, Enero 2017

Table 1: Material properties for a PCM (2)-(13).

(D) Cost
(A) Heat of (C) Thermal
fusion, (B) Specific Heat conductivity (E) Melting (F) Density,
Temp.

Material
[ °C]

(C)
(Cp) (Tm) (ρ)
(λ) (k)

(1) NaNO3 172 1,82 0,5 0,53 310 2260

(2) KNO3 266 1,22 0,5 0,78 330 2110
(3) NaOH 165 2,08 0,92 0,34 318 2100
(4) KOH 149,7 1,47 0,5 1,05 380 2044
(5) ZnCl2 75 0,74 0,5 0,9 280 2907
(6) NaNO3/KNO3 (0,5/0,5) 100,7 1,35 0,56 0,64 220 1920
(7) ZnCl2/KCl (0,319/0,681) 198 0,67 0,8 0,59 235 2480

2.2. Multi-criteria decision making methods
2.2.1 Criteria weighting
The criteria weights are calculated using a
compromised weighting method, where the AHP and
Entropy methods were combined, in order to take
into account the subjective and objective weights
of the criteria and to obtain more reasonable weight
coefficients. The synthesis weight for the jth criteria
is: (2)
(1)
where αj is the weight of jth criteria obtained
via AHP method, and βj is the weight of jth criteria
obtained through Entropy method.
2.2.2 Analytic hierarchy process (AHP)
The AHP method is a well-structured technique
for organizing and analyzing complex decisions based
on mathematics and psychology. It was developed by
Saaty [19] in the 1970s to model subjective decision-
making processes based on multiple criteria in a
hierarchical system. It has been extensively studied
and refined since then.
In order to identify the importance of every
alternative in an application, each alternative has
been assigned a value. The ranking is composed by
three levels: 1). general objective, b). criteria for
every alternative, c). alternatives to regard [19].
7 and 9, where 1 denotes ‘‘equally important’’, 3 for
‘‘slightly more important’’, 5 for ‘‘strongly more
important’’, 7 for ‘‘demonstrably more important’’
and 9 for ‘‘absolutely more important’’. The values 2,
4, 6 and 8 are applied to differentiate slightly differing
judgements. The comparison among n criteria is
summarized in matrix A (nxn), and the global arrange
is expressed in equation (2).
Afterwards, from matrix A it is determined the
relative priority among properties. The eigenvector
w is the weight importance, and it corresponds with
the largest eigenvector (λmax):
(3)
The consistency of the results is summarized by the
pairwise comparison of alternatives. Matrix A can be
ranked as 1 and λmax = n [20].
In order to ensure the consistency of the subjective
perception and the accuracy of the results, it is
necessary to distinguish the importance of alternatives
among them. In equations (4) and (5) is shown the
consistency indexes required to validate the results.
(4)

The weight of criteria regard to others is set in

this section. To quantify each coefficient requires (5)
experience and knowledge of the application [20].
Saaty [19] classified the importance of parameters Where:
showed in Table II. The relative importance of two
n : Number of selection criteria.
criteria is rated using a scale with the digits 1, 3, 5,

182
 Martínez-Gómez et al. / Selection of phase change materials for latent heat storage

RI: Random index. 2.2.4. COPRAS-G method

CI: Consistency index. COPRAS-G [22] is a MCDM method that applies

CR: Consistency relationship.
λmax (A): Largest eigenvalue.
The CR should be under 0.1 for a reliable result.
Otherwise, the importance coefficient (1-9) has to
be set again and CR recalculated [19]. The IR. is
determined for different size matrixes, and its value
is 1.32 for a 7x6 matrix.
gray numbers to evaluate several alternatives of an
engineering applications. The gray numbers are a
section of the gray theory to confront insufficient or
incomplete information [23]. White number, gray
number and black number are the three classifications
to distinguish the uncertainty level of information.
The uncertainty level can be expressed by three
numbers: white, gray and black.

2.2.3 Entropy method Let the number

and where has two real numbers, (the
Entropy method indicates that a broad distribution lower limit of ) and (the upper limit of
represents more uncertainty than the sharply peaked ) is defined as follows:
one [21]. Equation (6) shows the decision matrix A
of multi-criteria problem with m alternatives and n a) White number: if = , then has the
criteria: complete information.

b) Gray number: means

insufficient and uncertain information.
(6)
c) Black number: if and , then
has no meaningful information.

where is the The COPRAS-G method uses a stepwise ranking

performance value of the ith alternative to the jth and evaluating procedure of the alternatives in terms
criteria. of significance and utility degree. The procedure of
applying COPRAS-G method is formulated by the
The normalized decision matrix Pij is calculated following steps [22, 23]:
[21], in order to determine the weights by the Entropy
method. Step 1: Selection of a set of the most important
criteria, describing the alternatives and developing
(7) the initial decision matrix, .

The Entropy value Ej of jth criteria can be

obtained as:

(11)

(8)

where is a constant that guarantees

where is the interval performance value of
and m is the number of alternatives.
ith alternative on jth criterion. The value of is
The divergence degree (dj) of the average information
determined by (the smallest value or lower limit)
contained by each criterion can be obtained from Eq.
and bij (the biggest value or upper limit).
(9):
Step 3: Normalization of the decision matrix,

using the following equations. Eq. (12) is
(9) applied for or lower limit values, whereas, Eq.
(13) is used for bij or upper limit values.
Thus, the weight of Entropy of jth criteria can be
defined as:

(12)
(10)

183
 Edición No. 13, Enero 2017

With the increase or decrease in the value of the

(13) relative significance for an alternative, it is observed
that its degree of utility also increases or decreases.
Step 4: Weight calculation of each criterion. These utility values of the candidate alternatives
range from 0 % to 100 %. The best alternative is
Step 5: Determination of weighted normalized assigned according to the maximum value of 100%.
decision matrix, by mean of the equations (14)
and (15). 2.2.5. TOPSIS method

The basic idea of TOPSIS is that the best decision

(14)
(15)
Step 6: The weighted mean normalized sums are
calculated for both the beneficial attributes Pi based
on equation (16) and non-beneficial attributes Ri
based on equation (17) for all the alternatives. Step 1: Normalize the decision matrix nij by its
(16)
(17)
Step 7: Determination of the minimum value of
Ri .
(18)
Step 8: Determination of the relative significances
or priorities of the alternatives. The priorities of the
candidate alternatives are calculated on the basis of
Qi with equation (19). The greater the value of Qi, the
should be made to be closest to the ideal and farthest
from the non-ideal [24]. Such ideal and negative-ideal
solutions are computed by considering the various
alternatives. The highest percentage corresponds to
the best alternative.
The TOPSIS approach is structured by the
following procedure [24]:
performance using equation 22.
(22)
Where xij is the performance measure of jth
criterion respect to ith alternative.
Step 2: Synchronization of the weight wj and the
normalized matrix , see equation (23).
(23)
Step 3: The ideal solutions (V+) and nadir solutions
(V ) are determined using (24) and (25):
-

higher is the priority of the alternative. The alternative

with the highest relative significance value (Qmax) is
the best choice among the feasible candidates.
(24)

(19)

(25)
Step 9: Determination of the maximum relative
significance value.
Where K and K´are the index set of benefit criteria
(20) and the index set of cost criteria, respectively.

Step 10: Calculation of the quantitative utility Step 4: The distance between the ideal and nadir
(Ui) for ith alternative through the equation (21). The solution is quantified. The two Euclidean distances for
ranking is set by the Qi. each alternative are computed as given by equations
(26) y (27):

(29)
(26)

184
 Martínez-Gómez et al. / Selection of phase change materials for latent heat storage
(27)
Step 5: The relative closeness (Ci) is computed by
equation (28).
(28)
The highest Ci coefficients correspond to the best
alternatives.
2.2.6. VIKOR method
The VIKOR method was originally developed
to solve decision problems with conflicting and
different criteria, assuming that compromise is
acceptable for conflict resolution, the decision maker
wants a solution that is the closest to the ideal, and the
alternatives are evaluated according to all established
criteria. The VIKOR method considers the closeness
to the ideal solution in order to rank the alternatives
[25]. The value closest to zero corresponds to the best
alternative.
Step 1: Select the maximum magnitude (xij)max
and minimum magnitude (xij)min values of all criteria
are determined from decision matrix.
Step 2: The values of Ei and Fi are calculated
from Eqs. (29) and (30), respectively.
(29)
(30)
Where wj are the weights
Step 3: values of Pi are calculated by equation
(31):
(31)
Where
• Ei -max designates the maximum value of Ei .
• Ei -min designates the minimum value of Ei .
• Fi -max is the maximum value of Fi .
• Fi -min is the minimum value of Fi .
• v is used as the weight of the strategy of
‘the majority of criteria’ (or “the maximum
group utility”). The value of v is usually
taken as 0,5. However, it can take any value
from 0 to 1 which define the strategy.
Step 4: Rank the results according to Pi, Ei and Fi,
in different cells.
The best alternative is determined as the one
with the minimum value of Pi in the P ranking. The
alternative (x´) with the minimum P value is proposed
as compromise solution for given criteria weights, if
conditions (1) and (2) are satisfied [25]:
Condition 1. ‘‘Acceptable advantage’’ P(x´´)-
, where x´´ is the second-best
alternative in the ranking made according to P and m
is the number of alternatives.
Condition 2. ‘‘Acceptable stability in decision
making’’: The alternative x´ must also be the best
in the ranking made according to E and/or F. This
compromise solution is stable within a decision-
making process, which could be: ‘‘voting by majority
rule’’ (when v > 0,5 is needed) or ‘‘by consensus’’
(when v ≈ 0,5), or ‘‘with veto’’ (when v > 0,5).
If one of the conditions is not fulfilled, one of the
following alternatives can be adopted: Alternatives x´
and x´´ if only C2 is not satisfied.
• Alternatives x´, x´´, ... ,x(k) if
condition not satisfied; x(k) is determined
by the relation P(x(k))- P(x´) < (1/(m-1))
the positions of these alternatives are ‘‘in
closeness’’
2.2.7. Spearman’s rank correlation coefficient
The Spearman’s rank correlation coefficient
measures the relation among nonlinear datasets.
Its purpose is to quantify the strength of linear
relationship between two variables. If there are no
repeated data values, a perfect Spearman correlation
of +1 or −1 occurs when each of the variables is a
perfect monotone function of the other [26]. The
Spearman’s rank correlation is computed by equation
(32).
(32)
Where is Spearman’s rank coefficient, is
the difference between ranks of each case and is
thenumber of pairs of values
3. RESULTS
The weight of each criteria have been computed
by the AHP method and Entropy method regarding its
185
 Edición No. 13, Enero 2017

importance for a PCM. After the determination of the Table 4: Criteria weighting by the AHP (αj) and balanced
scales entropy (βj), methods and compromised weighting (wj)
weights, they have been applied to the COPRAS-G,
(λ) (Cp) (k) (C) (Tm) (ρ)
TOPSIS and VIKOR methods. The different steps  
involved in these methods were discussed above. The αj 0,461 0,240 0,109 0,109 0,051 0,028
results have been compared by means of Spearman’s
rank correlation coefficient in order to determine their βj 0,146 0,146 0,173 0,157 0,187 0,192

convergence and sensibility to rank the best solutions. wj 0,440 0,228 0,123 0,112 0,063 0,035

3.1. Criteria weighting

In Table 3 is illustrated the decision matrix
The comparison among properties of every generated for a PCM which better accomplish the
alternative are in Table 1. The properties identification solution of the TES between 200–400 °C. The
appears under the name of each property as (λ), (Cp), most important criteria to generate the matrix was
(k), (C), (Tm) and (ρ). The weight of each alternative considered (λ); moderate more important was taken
was assigned according to the AHP and Entropy (Cp); strongly more important was considered (k);
methods. The criteria weighting was firstly performed (C); very strongly more important was considered
by the AHP method. After the decision hierarchy for (Tm); extremely more important was taken (ρ).
the problem was designed, the criteria was compared The results are consistent due to the value of the
pairwise based on the experience of the authors using consistency index (CI = 0,052) and the consistency
the scale given in section 2.1.1. In Table 2 shows the ratio (CR=0,041) which are lower than the limit 0,1.
scale of AHP method. At the final step, the compromised weights of the
Table 1: Scale of relative importance criteria (wj) were calculated using the Eq. (1). The
Definition Intensity of importance
normalized decision matrix for the entropy method in
Equal importance 1
appears in Table 4 .In Table 5, the weight coefficient
of every criterion was determined based in results of
Moderate importance 3
AHP and Entropy methods. On one hand, the most
Strong importance 5
representative values are (λ) 44,0 % and taken (k)
Very strong importance 7
22,8 %. On the other hand, less than 34 % of the
Extreme importance 9
overall weight is distributed in (Cp), (C), (Tm) and (ρ).
Intermediate importance 2, 4, 6, 8
3.2. COPRAS-G
Table 2: Comparison among criteria for balanced scales AHP
(λ) (Cp) (k) (C) (Tm) (ρ) The related decision matrix is first developed
1 3 5 5 7 9 from the gray numbers applied in COPRAS-G as
0,333 1 3 3 5 7
illustrated in Table 5. Equations 12 and 13 allow to
develop decision matrix with normalized weights,
0,2 0,333 1 1 3 5
as is given in Table 6. Later, the normalized matrix
0,2 0,333 1 1 3 5
and the weight are compared by means of equations
0,143 0,2 0,333 0,333 1 3 14 y 15. Table 7 exhibits the priority values (Qi)
0,111 0,143 0,2 0,2 0,333 1 and quantitative utility (Ui) values for the candidate
alternatives of the PCM, which were calculated using
Table 3: normalized decision matrix for entropy method
Material (λ) (Cp) (k) (Tm) (ρ)
equations (19) and (21) respectively. Table 7 also
(C)
shows the ranking of the alternative material as 2-3-1-
1 0,380 0,485 0,299 0,276 0,390 0,374
7-4-6-5. NaOH and KNO3, obtain the first and second
2 0,588 0,325 0,299 0,407 0,415 0,350
ranks respectively.
3 0,364 0,554 0,550 0,177 0,400 0,348
Table 5: decision matrix of COPRAS-G method
4 0,331 0,391 0,299 0,548 0,478 0,339
Mat. (λ) (Cp) (k) (C) (Tm) (ρ)
5 0,166 0,197 0,299 0,469 0,352 0,482
1 154 189 1,63 2,00 0,45 0,55 0,477 0,583 279 341 2034 2486
6 0,222 0,359 0,335 0,334 0,277 0,318
2 239 292 1,09 1,34 0,45 0,55 0,702 0,858 297 363 1899 2321
7 0,437 0,178 0,478 0,308 0,295 0,411
3 148 181 1,87 2,28 0,828 1,012 0,306 0,374 286 349 1890 2310

4 134 164 1,32 1,61 0,45 0,55 0,945 1,155 342 418 1839 2248

5 67,5 82,5 0,66 0,814 0,45 0,55 0,81 0,99 252 308 2616 3197

6 90,63 110 1,21 1,48 0,504 0,616 0,576 0,704 198 242 1728 2112

7 178 217 0,60 0,737 0,72 0,88 0,531 0,649 211 258 2232 2728

186
 Martínez-Gómez et al. / Selection of phase change materials for latent heat storage

Table 6: Normalized matrix made of gray numbers Table 10: Computation details for TOPSIS method
Mat. (λ) (Cp) (k) (C) (Tm) (ρ) Material Si+ Si- Ci Rank
1 0,06 0,07 0,04 0,05 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01 1 0,098 0,121 0,552 3
2 0,09 0,11 0,03 0,03 0,01 0,01 0,01 0,02 0,01 0,01 0,01 0,01 2 0,066 0,189 0,741 1

3 0,05 0,07 0,05 0,05 0,02 0,03 0,01 0,01 0,01 0,01 0,01 0,01 3 0,098 0,133 0,575 2

4 0,05 0,06 0,03 0,04 0,01 0,02 0,02 0,03 0,01 0,01 0,01 0,01 4 0,130 0,088 0,405 5

5 0,03 0,03 0,02 0,02 0,01 0,02 0,02 0,02 0,01 0,01 0,01 0,01
5 0,208 0,011 0,050 7

6 0,03 0,04 0,03 0,04 0,01 0,02 0,01 0,01 0,01 0,01 0,01 0,01
6 0,170 0,054 0,242 6
7 0,110 0,124 0,531 4
7 0,07 0,08 0,01 0,02 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,01

Table 7: Pi, Ri, Qi and Ui values

The ranking is shown in Table 10. The ranking
of the alternative material are 2-3-1-7-4-6-5. For
Material Pi Ri Qi Ui Rank
TOPSIS method KNO3 and NaOH obtain the first and
1 0,134 0,015 0,153 83,823 3
second ranks materials for the PCM. ZnCl2 had the
2 0,156 0,019 0,172 94,076 2
last rank and NaNO3/KNO3 had the second last rank.
3 0,157 0,011 0,183 100,000 1
4 0,122 0,023 0,135 73,938 4 3.4. VIKOR
5 0,078 0,023 0,090 49,510 7
6 0,098 0,016 0,117 64,076 6 The values of Ei, Fi and Pi were calculated
7 0,115 0,017 0,133 72,745 5 using equations (29)–(31) as shown in Table 11.
The material with the lowest Pi value was given the
3.3. TOPSIS best rank. According to the ranking of alternatives
by the VIKOR method presented in Table 11, the
The decision matrix given in Table 1 was
ranking materials for a PCM is 2-3-1-7-4-6-5, which
normalized using equation (22) for the application of
indicates that KNO3 and NaOH obtain the first and
the TOPSIS method and this was multiplied by the
second ranks for the PCM materials. On the other
compromised weights obtained. In Table 8 is shown
hand, ZnCl2 had the last rank and NaNO3/KNO3 had
the weighted and normalized decision matrix Vij
the second last rank.
for the PCM alternatives. The ideal and nadir ideal
solutions, determined by equations (24) and (25), are Table 11: Computation details for VIKOR method
presented in Table 9. The distances from the ideal Material Ei Fi Pi Rank
(Si+) and nadir ideal solutions (Si-) and the relative 1 0,514 0,216 0,293 3
closeness to the ideal solution (Ci) are measured using 2 0,352 0,139 0,000 1
equations (26)–(28). The PCM alternatives could be 3 0,397 0,232 0,201 2
ranked by the relative degree of approximation. 4 0,520 0,268 0,385 5
Table 8: Weighted and normalized decision matrix, 5 0,842 0,440 1,000 7
Material (λ) (Cp) (k) (C) (Tm) (ρ) 6 0,766 0,380 0,824 6
1 0,167 0,110 0,037 0,031 0,024 0,013 7 0,564 0,228 0,364 4
2 0,258 0,074 0,037 0,046 0,026 0,012

3 0,160 0,126 0,068 0,020 0,025 0,012

3.5. SPEARMAN’S CORRELATION
4 0,145 0,089 0,037 0,061 0,030 0,012
COEFFICIENTS
5 0,073 0,045 0,037 0,053 0,022 0,017

6 0,098 0,082 0,041 0,037 0,017 0,011 In Table 12 is shown the Spearman’s correlation
7 0,192 0,041 0,059 0,034 0,018 0,014 coefficients for a PCM. These represent the mutual
correspondence among MCDM methods. The
magnitude of this parameter for a PCM exceeds 0,714
Table 9: The ideal and nadir ideal solutions of TOPSIS
method for the relation of the results between the methods
(λ) (Cp) (k) (C) (Tm) (ρ) COPRAS-G, TOPSIS and VIKOR. In case of the
magnitude of the parameter between TOPSIS and
V +
0,258 0,126 0,068 0,020 0,030 0,011
VIKOR it has a value of 1, which indicates that all
V -
0,073 0,041 0,037 0,061 0,017 0,017
the results have the same rank.

187
 Edición No. 13, Enero 2017
Table 12: Spearman’s correlation indexes
  TOPSIS VIKOR
COPRAS 0,714 0,714
TOPSIS - 1,000
4. DISCUSSION
The MCDM are an important tool to recognize
and identify the best alternative in a bunch of several
of them. These methods can adapt to different sort
of environments and conditions that would affect
the final result and that is why these approaches are
applied in different areas of science, engineering and
management.
In this case, we take advantage of MCDM in
order to know the best alternative for a PCM. In Fig.
2 is summarized the overall rank of each MCDM
method for the different material alternatives. It has
been observed for COPRAS-G, VIKOR, and TOPSIS
methods, the best material alternative and second best
alternative correspond to NaOH and KNO3, because
they have the highest values for the most important
properties for a PCM. The main contribution to the
field of this results is to obtain a material for TES with
high heat of fusion (λ), specific heat (Cp) and thermal
conductivity (k) with the low cost. In contrast, to get
all the heat of fusion the operation temperature of
the TES should be designed above 310 °C for NaOH
and above 330 °C KNO3. In case of the maximum
temperature at service will not pass this value it
should choose other compound.
Figure 2: Rank materilas vs. alternative materials for the PCM
Similar properties have been used in the studies of
Khare et al [18] in the selection of materials for high
temperature sensible energy storage and Fernández
et al [17] in the Selection of materials with potential
in sensible thermal energy storage between 150–200
°C, which have been taken into account how the most
important properties the high heat of fusion (λ), specific
heat (Cp) and thermal conductivity (k), with cost (C)
188
and density (ρ) are the most important properties for
materials in TES applications. Moreover, Fernández
et al [17] considered the fracture toughness, but this
is relevant for the structure which contains PCM and
not for the materials of the LHS.
5. CONCLUSIONS
In this paper the material selection problem for
a PCM at middle temperature between 200–400 °C
for LHS has been solved utilizing a decision model.
The model includes the COPRAS-G, VIKOR and
TOPSIS methods. Ranking scores which were used to
rank the alternative materials were obtained as results
of the methods. According to the results of COPRAS,
VIKOR and TOPSIS methods, the best and second
best choice are NaOH and KNO3, because they have
highest values of the most important criteria for a
PCM.
The results show that make a TES with NaOH and
KNO3, could reduce the manufacturing cost with a
high heat of fusion (λ), specific heat (Cp) and thermal
conductivity (k). This properties should improve the
energy efficiency of the TES. In addition, it should
take into account that to obtain all the heat of fusion
for the TES , the operation temperature should be
above 310 °C for NaOH and above 330 °C KNO3.
In case of the maximum temperature at service will
not pass this value it should choose other compound.
In conclusion, the MCDM approach is a viable
tool in solving the complex material selection
decision problems. Spearman’s rank correlation
coefficient was found to be very useful in assessment
of the correlation between three ranking methods. The
model which was developed for the material selection
for a PCM can be applied on other applications for
material selection problems.
ACKNOWLEDGEMENTS
The authors of this research acknowledge to the
Secretaría Nacional de Planificación y Desarrollo
(SENPLADES) for financing the execution of the
present research. This work was sponsored by the
Prometeo project of the Secretaria de Educación
Superior, Ciencia, Tecnología e Innovación
(SENESCYT) held in the Republic of Ecuador. The
information necessary to complete this work was
given by the Ministerio de Electricidad y Energía
Renovable (MEER) of Ecuador.
 Martínez-Gómez et al. / Selection of phase change materials for latent heat storage
REFERENCES
[1] S. M. Hasnain.Review on sustainable ther-
mal energy storage technologies, Part I: heat
storage materials and techniques. Energy
Conversion and Management, 39(11), 1998,
1127-1138.
[2] M. Kenisarin, K. Mahkamov. Solar energy
storage using phase change materials. Re-
newable and Sustainable Energy Reviews,
11(9), 2007, 1913-1965.
[3] S. Pincemin, R. Olives, X. Py, M. Christ.
Highly conductive composites made of
phase change materials and graphite for ther-
mal storage. Solar Energy Materials and So-
lar Cells, 92(6), 2008, 603-613..
[4] B. Zalba B, J. M. Marín, L. F: Cabeza, H.
Mehling. Review on thermal energy storage
with phase change: materials, heat transfer
analysis and applications. Applied Thermal
Engineering 23(3), 2003, 251–283
[5] M. Lacroix. Numerical simulation of a shell
and tube latent heat thermal energy storage
unit. Solar Energy y 50(4), 1993, 357–367.
[6] « G. A. Lane, Solar heat storage: latent heat
materials. 1983.».
[7] A.Sharma, V. V. Tyagi, C. R. Chen, D. Bud-
dhi, Review on thermal energy storage with
phase change materials and applications.
Renewable and Sustainable energy reviews,
13(2), 2009, 318-345.
[8] R. M. Abdel-Wahed, J. W. Ramsey, E. M.
Sparrow, Photographic study of melting
about an embedded horizontal heating cylin-
der. International Journal of Heat and Mass
Transfer, 22(1), 1979, 171-173.
[9] A A. Ghoneim. Comparison of theoretical
models of phase-change and sensible heat
storage for air and water-based solar heat-
ing systems. Solar Energy; 42(3), 1989M
209–220.
[10] H. M. Tawancy, A. Ul-Hamid, A. I. Mo-
hammed, N. M. Abbas. Effect of materials
selection and design on the performance of
an engineering product–An example from
petrochemical industry. Materials & design,
28(2), 2007 686-703.
[11] D. H. Jee, K. J. Kang. A method for optimal
material selection aided with decision mak-
ing theory. Materials & Design, 21(3), 2000,
199-206.
[12] A. Shanian, O. Savadogo. A material selec-
tion model based on the concept of multiple
attribute decision making. Materials & De-
sign, 27(4), 2006, 329-337.
[13] W. Ho. Integrated analytic hierarchy pro-
cess and its applications–A literature review.
European Journal of operational research,
186(1), 2008, 211-228.
[14] L. Anojkumar, M. Ilangkumaran, V. Sa-
sirekha. Comparative analysis of MCDM
methods for pipe material selection in sugar
industry. Expert Systems with Applications,
41(6), 2014, 2964-2980.
[15] A. Barin, L. Canha, L. K. Magnago, A.
Abaide, B. Wottrich. Multicriteria decision
making for management of storage ener-
gy technologies on renewable hybrid sys-
tems-the analytic hierarchy process and the
fuzzy logic. In Energy Market, 2009. EEM
2009. 6th International Conference on the
European 2009, 1-6.
[16] F. Cavallaro, Fuzzy TOPSIS approach for
assessing thermal-energy storage in concen-
trated solar power (CSP) systems. Applied
Energy, 87(2), 2010 496-503..
[17] A. I. Fernandez, M. Martínez, M. Segarra, I.
Martorell, L. F. Cabeza. Selection of materi-
als with potential in sensible thermal energy
storage. Solar Energy Materials and Solar
Cells, 94(10), 2010, 1723-1729
[18] S. Khare, M. Dell’Amico, C. Knight, S. Mc-
Garry. Selection of materials for high tem-
perature sensible energy storage. Solar En-
ergy Materials and Solar Cells, 115, 2013,
114-122.
[19] T. L. Saaty. The Analytic Hierarchy Process.
McGraw Hill International, New York, 1980.
[20] O. Bayazit. Use of AHP in decision-making
for flexible manufacturing systems. Journal
of Manufacturing Technology Management,
16(7), 2005, 808-819.
[21] Z. H. Zou, Y. Yi, J. N. Sun. Entropy meth-
od for determination of weight of evaluating
indicators in fuzzy synthetic evaluation for
water quality assessment. Journal of Envi-
ronmental Sciences, 18(5), 2006, 1020-1023.
[22] P. Chatterjee, V. M. Athawale, S. Chakraborty,
Materials selection using complex propor-
tional assessment and evaluation of mixed
data methods, Mater. Des., 32(2), 2001,
851–860.
[23] S. R. Maity, P. Chatterjee, S. Chakraborty,
Cutting tool material selection using grey
complex proportional assessment method,
Mater. Des., 36, 2012, 372–378.
[24] R. Khorshidi, A. Hassani. Comparative anal-
ysis between TOPSIS and PSI methods of
materials selection to achieve a desirable
combination of strength and workability in
Al/SiC composite. Mater. Des., 52, 2013,
999–1010.
189
 Edición No. 13, Enero 2017

[25] R. J. Girubha, S. Vinodh. Application of David Alejandro Gaona

fuzzy VIKOR and environmental impact
analysis for material selection of an auto-
motive component. Materials & Design, 37,
2012, 478-486.
[26] G. Borradaile. Statistics of Earth Science
Data: Their Distribution in Time, Space and
Orientation Springer, Berlin, 1 edition, 2013
[27] A. Shanian, O. Savadogo. TOPSIS multi-
ple-criteria decision support analysis for ma-
terial selection of metallic bipolar plates for
polymer electrolyte fuel cell. Journal of Pow-
er Sources, 159(2), 2006 1095-1104..
[28] P. Chatterjee, V. M. Athawale, and S.
Chakraborty, “Selection of materials using
compromise ranking and outranking meth-
ods,” Mater. Des., 30(10), 2009, 4043–4053,
Dec. 2009.
[29] I. Dincer, M. Rosen.Thermal energy stor-
age: systems and applications. John Wiley &
Sons. 2002.
[30] R.Tamme, T. Bauer, J. Buschle, D. Laing, H.
Müller‐Steinhagen, W. D.Steinmann. Latent
heat storage above 120 C for applications in
the industrial process heat sector and solar
power generation. International Journal of
energy research, 32(3), 2008, 264-271..
Reinoso. – was born and
grew up in Ambato, province
of Tungurahua (ECUADOR).
He earned degrees in
Chemical Engineer from
Universidad Central of Quito
in 2015. He has worked as a
research at Instituto Nacional
de Eficiencia Energética y Energías renovables
(INER) since 2015.
Gonzalo Efraín Guerrón.-
was born in 1983 and grew up
in Quito. He earned degrees
in Electronic Engineer from
Universidad de las Fuerzas
Armadas (ESPE) in 2007.
He earned degrees in MSc
in Materials Science as
Energy and Fuels specialist
from Autonoma University of Madrid in 2010.
He has worked as Director of Applications and
Technological Transfer at Instituto Nacional de
Eficiencia Energética y Energías renovables (INER).
He is part of the staff of Universidad Tecnológica
Equinoccial at Mechatronics faculty.

Javier Martínez Gómez.-

was born in 1983 and grew
up in Madrid. He earned
degrees in Industrial Engineer
from Carlos III University of
Madrid in 2008. He earned
degrees in MSc in Materials
Engineer from Carlos III
University of Madrid in 2010.
He earned degrees in Ph. D in Materials Engineer
from Carlos III University of Madrid in 2013. He
worked as Ph. D research at Instituto Nacional de
Eficiencia Energética y Energías renovables (INER)
since 2016.

Esteban Urresta.- was born in

1982 and grew up in Quito. He
earned degrees in Mechanical
Engineer from Escuela
Politecnica Nacional of Quito
in 2013. He has worked as a
research at Instituto Nacional de
Eficiencia Energética y Energías
renovables (INER) since 2015.

190
 Aplicación Práctica / Practical Issues

Evolución de las Emisiones de CO2 Producido por el Parque Generador

del Sistema Nacional Interconectado del Ecuador para
el Periodo 2010-2015

J.A. Oscullo

Escuela Politécnica Nacional, EPN

E-mail: jose.oscullo@epn.edu.ec

Resumen Abstract

Las distintas acciones antropogénicas desarrollas
por las diferentes actividades de la sociedad se
intensificaron desde la revolución industrial,
situación que incremento la concentración de los
gases de efecto invernadero (GEI) en la atmósfera,
en particular las emisiones de CO2.
Las diferentes actividades humanas demandan el
consumo de energía, entre las principales fuentes
de energía es la energía eléctrica. Un sistema
eléctrico oferta energía, gracias a la producción
de electricidad de un mix de tecnologías entre
las cuales se encuentran la generación a base
de recursos no renovables denominada como
generación termoeléctrica, debido a que consume
combustibles fósiles, este tipo de tecnología
produce la emisión de contaminantes y GEI; cuya
magnitud depende de su participación en la matriz
eléctrica del sistema.
El volumen de emisiones de CO2 producidas por
el parque de generación de un sistema eléctrico
depende del factor de emisión de CO2 de cada tipo
de combustible utilizado por cada tecnología; en el
presente trabajo se utiliza los factores de emisión
de CO2 determinados de acuerdo con el Informe
2006 de Inventarios Nacionales de Gases de efecto
Invernadero por el Panel Intergubernamental
para el Cambio Climático cuyas siglas en
inglés son -IPCC- y del nivel de generación anual
producida por cada unidad de generación térmica.
Para el caso del Ecuador se determina para
el parque de generación sujeto a despacho del
operador técnico de la red eléctrica denominada
Sistema Nacional Interconectado (SNI).
Anthropogenic activities develop by the various
activities of society intensified since the industrial
revolution, a situation that increases the
concentration of greenhouse gases (GHGs) in the
atmosphere, particularly CO2 emissions.
Different human activities require energy
consumption; the main source is electricity.
An electrical system supply energy, to produce
electricity from a mix of technologies among
which generation are based on nonrenewable
designated as thermoelectric generation resources
because it consumes fossil fuels, this technology
results in the emission of pollutants and GHGs;
whose magnitude depends on its participation in
the electrical grid system.
The volume of CO2 emissions produced by the
park generating an electrical system depends on
the CO2 emission factor of each fuel type used by
each technology; in this paper the CO2 emission
factors determined in accordance with the 2006
National Inventory of Greenhouse Gases by the
Intergovernmental Panel on Climate Change
whose -IPCC- and the level of annual generation is
used produced for each unit of thermal generation.
In the case of Ecuador, dispatch the generation
established for operator of the electrical network
called the National Interconnected System (SNI).
The analysis for the period 2010-2015 calculated
annually the level of CO2 emissions in tons CO2
and CO2 emission factor in kg CO2/kWh for each
type thermoelectric generation in the SNI.

El análisis para el período 2010-2015 calculará

anualmente el nivel de emisiones de CO2 en ton
CO2 y el factor de emisión de CO2 en kg CO2 /
kWh del SNI y el factor promedio para cada tipo
de generación termoeléctrica despachada en el
sistema.

Palabras clave— matriz eléctrica, factor de Index terms— Electric matrix, CO2 emission
emisión de CO2, mix de generación, emisión de factor, generation mix, emission of greenhouse
gases de efecto invernadero. gases.
Recibido: 24-08-2016, Aprobado tras revisión: 09-12-2016
Forma sugerida de citación: Oscullo, J (2017). “Evolución de las Emisiones de CO2 Producido por el Parque
Generador del Sistema Nacional Interconectado del Ecuador para el Periodo 2010-2015”. Revista Técnica
“energía. No. 13, Pp. 191-195
ISSN 1390-5074.
191
 Edición No. 13, Enero 2017

1. INTRODUCCIÓN diésel, residuo y fuel oil debido a las emisiones de

CO2 que producen por cada galón de estos tipos de
La atmósfera contiene menos del 1% de los combustible que se utilizan.
GEI; y su función principal es producir el fenómeno
denominado “efecto invernadero natural”, a través
Eólica+Solar
del cual permite la existencia de la vida en el planeta Biomasa 3.75% Importación
2.24%
tal y como la conocemos. Así, que el problema no 0.55%

radica en la existencia y comportamiento de los GEI, Gas Natural

sino; en el hecho de que los GEI están aumentando 6.53%

como resultado del incremento de las emisiones de Residuo

CO2, que es uno de sus principales gases; debido a las 16.41%

diferentes actividades antropogénicas de la sociedad. Térmica

38.50% Fuel Oil
Hidraúlica 9.76%
El mismo altera las condiciones de la atmósfera a 54.95%
Nafta
nivel global independientemente del sitio donde sea 0.03%
producida la emisión de los GEI, a este fenómeno se Diesel
ha denominado “Cambio Climático”. [3] 5.77%

El cambio climático es observado por
la modificación de las variables climáticas,
principalmente en el incremento de la temperatura y
alteración del ciclo hidrológico, este último afecta la
oferta de generación de un sistema hidrotérmico. Con
lo que las emisiones de CO2 del sistema, producidas
por la operación de las centrales/unidades que utilizan
combustibles fósiles; influyen en la duración de los
periodos de lluvia y sequia; para la operación de las
centrales hidroeléctricas. [7]
En el balance energético nacional del 2015, La
oferta de electricidad representó el 22% de la matriz
energética del país y respecto al 2014 se incrementó
en 4,8% (MICSE, 2015). Bajo este panorama el
sector eléctrico del Ecuador consume 2,22 veces más
electricidad que hace 15 años, la demanda de energía
pasó de 9881,52 GWh en el año 2000 a 21934,39 GWh
en el año 2015 con una cobertura del servicio eléctrico
que alcanza al 97% de la población; el incremento
en el consumo de electricidad fue enfrentado por el
ingreso de generación térmica, hidráulica, eólicas y
solares. La generación térmica represento en el año
2009 un 47% de la capacidad instalada de generación
y continúa siendo representativa en el 2015 con un
39%. [6]
Figura 1: Producción Neta de Energía del SNI al 2015
2. OPERACIÓN DE LAS UNIDADES DE
GENERACIÓN TÉRMICA DEL SNI PARA
EL PERIODO 2010-2015.
Debido a criterios de política energética y
ambiental en los sistemas eléctricos se presenta un
mix de tecnologías de generación eléctrica, donde
la generación térmica permite obtener un adecuado
nivel de fiabilidad para atender el consumo eléctrico,
ya que su producción depende principalmente del
abastecimiento de combustible, mediante lo cual
se reduce el impacto de la variabilidad en la oferta
eléctrica de las centrales a base de recursos energéticos
estocásticos (hidrología, sol, viento, etc.). [8]
En la fig. 2, se presenta la evolución de la
generación termoeléctrica del SNI para el periodo
2010-2015 por tipo de combustible, la participación
promedio es 63,5% producida por centrales/unidades
de residuo y fuel oil, 19,6% de diésel y el 15,8% de
gas natural.
9,000.0
8,000.0
7,000.0
Producción Térmica

6,000.0
La producción neta total de energía a fin de 5,000.0
GWh

abastecer el consumo del SNI del Ecuador en el año 4,000.0

2015 fue de 22541,9 GWh, a través de una matriz 3,000.0
2,000.0
eléctrica compuesta por un 55,95% de generación 1,000.0
hidráulica, 38,5% de generación térmica en base a 0.0
combustibles fósiles, 0,55% por medio de generación
2010

2011

2012

2013

2014

2015

térmica a base de biomasa, 3,75% por fuentes de

Nafta Gas Natural Residuo Diésel Fuel Oil
generación eólica-solar y 2,24% proveniente de las
interconexiones eléctricas con Colombia-Perú, como Figura 2: Evolución de la Producción Neta de Generación
se observa en la fig. 1. [6] Térmica del SNI para el periodo 2010-2015

Del porcentaje de generación térmica a base de En la fig. 3, se observa los valores anuales
combustibles fósiles; el 83% se realiza a través del consolidados para el periodo del consumo de
uso de las tecnologías más contaminantes como: combustibles de diésel, residuo y fuel oil de las

192
Oscullo / Evolución de las Emisiones de CO2 Producido por el Parque Generador del SNI del Ecuador Periodo 2010-2015

unidades térmicas del SNI, donde los 2/3 es de las 61,6% es térmica, 36,7% hidráulica como se observa
dos fuentes últimas de generación, con una tendencia en la tabla 1. [5]
de decrecimiento, debido al ingreso de proyectos
Tabla 1: Nueva generación del SNI en el periodo 2010-2015
de generación hidroeléctrica y de energía no Hidráulica Térmica Eólica
Año Centrales
convencionales. [1,6]. (MW) (MW) (MW)
2010 160.0 Mazar
Santa Elena II, Quevedo,
600.0 2011 210.0
Miraflores I
Ocaña, Jivino, Jaramijó,
500.0 2012 26.0 220.0
Santa Elena
Consumo Combustibles

2013 42.0 16.5 Baba, Villonaco

(millones de galones)

400.0
Termoesmeraldas II,
2014 146.0
300.0 Guangopolo II
2015 114.9 Manduriacu, San Bartolo.
200.0

100.0 3. EVOLUCIÓN DE LAS EMISIONES Y

-
FACTOR DE EMISIÓN DE CO2 DEL
PARQUE GENERADOR DEL SNI
2010

2011

2012

2013

2014

2015
Nafta Residuo Diésel Fuel Oil
Debido a que el sector eléctrico ecuatoriano
Figura 3: Evolución del consumo de combustibles de las no cuenta con los factores de emisión de CO2 para
unidades térmicas del SNI para el periodo 2010-2015 cada tipo de combustible utilizados en las unidades
térmicas, el presente trabajo utilizará los valores
Respecto al consumo de gas natural de las estándares para los mismos como los establecidos en
unidades térmicas que operan en el SNI, se observa del Panel Intergubernamental de Científicos sobre el
la misma tendencia anterior, como se presenta en la Cambio Climático (IPCC) y presentados en la tabla
fig. 4. [1,6]. 2. [2,3]
Tabla 2: Factores de Emisión de CO2 por tipo de combustible
18,000.0 del IPCC 2006
16,000.0
Tipo de Combustible Factor de Emisión de CO2
14,000.0
Consumo Combustible
(millones de pies3)

12,000.0 Diésel 10,0 E-03 (Ton CO2/gal)

10,000.0
8,000.0 Fuel Oil 10,9 E-03 (Ton CO2/gal)
6,000.0
Gas Natural 5,288 E-05 (Ton CO2/pie3)
4,000.0
2,000.0 Residuo 9,6 E-03 (Ton CO2/gal)
-
2010

2011

2012

2013

2014

2015

Considerando el consumo anual de cada tipo

Gas Natural de combustible, en base a la operación para cada
tecnología de generación. Por medio de la ecuación
Figura 4: Evolución del consumo del gas natural de las
unidades térmicas del SNI para el periodo 2010-2015 1, a través de la cual se determina las emisiones de
CO2 producidas por la matriz eléctrica del SNI.
Como política de Estado; el Ecuador al ser parte de
EmCO2 kT = VC ikT * FECO2i (1)
varios convenios que buscan reducir las emisiones de
CO2 a la atmósfera, ha llevado adelante el desarrollo Donde:
de proyectos principalmente hidrológicos los mismos
se caracterizan económicamente por requerir unas Emisiones de CO2 para la generación
EmCO2 kT
inversiones muy elevadas y amortizables a muy de tecnología k en el año T (Ton CO2)
largo plazo (25 o 30 años) después de varios años de Volumen de combustible del tipo
VC kT i consumido por la generación de
construcción (5, 10 o más años). El elevado riesgo
tecnología k en el año T (gal/pie3).
económico que lo anterior supone sólo es asumible
Factor de emisiones de CO2 del tipo
por entidades de propiedad pública o por la iniciativa FECO2i
de combustible i (ton CO2/gal ó pie3).
privada cuando existe una garantía estatal suficiente
que asegure la recuperación de los costos de inversión Considerando la generación térmica anual de
y operación por medio de unas tarifas reguladas para todas las clases de tecnología y las emisiones de CO2
el efecto. [7] totales, mediante la aplicación de la ecuación 2, se
determina el factor de emisión de CO2 del SNI.
La nueva generación que ingreso en el periodo
2010-2015 al SNI fue 935,4 MW de los cuales el

193
 Edición No. 13, Enero 2017

FECO2 SNI,T = Σ1,k EmCO2 kT / Σ1,k GkT (2) despacho de cada tipo de central/unidad; se observa
que los generadores que utilizan como combustible
Donde: fuel oil, nafta y diésel son más contaminantes debido
a que son unidades que operan durante los periodos
Factor de emisión de CO2 del SNI cortos en especial para la máxima demanda (nafta
FECO2 SNI,T
del año T (kg CO2/kWh) y diésel) y en periodos largos de tiempo ya que no
Emisiones totales de CO2 para las k pueden salir del despacho dadas las características de
Σ1,k EmCO2 operación como es las centrales de vapor.
tecnologías de generación en el año
kT T (kg CO2)
Con la finalidad de comparar los factores de
Generación térmica total del SNI
Σ1,k GkT para las k tecnologías de generación emisión de CO2 expresados en kgCO2/kWh para cada
en el año T (kWh). tipo de combustible del parque generador de sistemas
eléctricos de otros países [10,11], de los cuales se
A continuación, en la tabla 3, se muestra la cuenta con los factores de emisión; como se presenta
evolución para el periodo 2010-2015 de las emisiones en la tabla 4.
de CO2 y del factor de emisión de CO2 del SNI.
Tabla 4: Factor de Emisión de CO2 por tipo de combustible y
Tabla 3: Evolución de las Emisiones y Factor de Emisión de país
CO2 del SNI Combustible Ecuador México Colombia
Emisión de CO2 Factor de Emisión de CO2 Diésel 825 817 780
Año
(miles de Ton) (kg CO2/kWh) Nafta 831 716 745
2010 5779,9 744,8 Fuel Oil 780 803 806
2011 4284,8 734,3 Residuo 633 698 639
Gas Natural 571 573 554
2012 4591,5 669,7
2013 5475,3 658,0
2014 6103,2 694,5 En la tabla 4, se observa que los tipos de
2015 5969,3 686,3 combustible en la matriz eléctrica del Ecuador, que
son producidos localmente «fuel oil, residuo y gas
La generación térmica neta del SNI durante el natural» presentan factores de emisión semejantes
2015 emitió a la atmósfera 5969269,0 toneladas de a la de los demás países analizados; mientras que,
CO2 que representó un decremento 2,2% respecto en los combustibles importados, diésel y nafta el
al 2014. Aunque la demanda del 2015 presento un factor de emisión es superior debido por un lado a
incremento de 5,04% con relación al mismo año. las mezclas realizadas para el consumo local y por
otro a los requerimientos de despacho de las unidades
Mientras que el factor de emisión de CO2 del SNI
de generación con estos tipos de combustibles en el
para el 2015 fue de 686,3 kgCO2/kWh y el factor
despacho diario del SNI.
promedio durante el período 2010-2015 es de 697,9
kgCO2/kWh con una desviación estándar de 34,8. 4. CONCLUSIONES Y RECOMENDACIONES

El nivel de participación de una u otra tecnología

de generación térmica en el despacho, determina
0.825
la magnitud del factor de emisión de CO2. Así,
se observa un incremento del 5,6% en el factor
0.831
Ton CO2/MWh de emisión anual del 2014 respecto al 2013, que
2010-2015 0.780 corresponde a un incremento de la demanda para los
0.633 mismos años de 7,32%. Mientras que la demanda del
2015 se incrementa en 5,04% respecto al 2014, más
0.571
el factor de emisión se reduce en 1,2%.

En el periodo analizado la matriz eléctrica del país

Diésel Nafta Fuel Oil Residuo
Figura 5: Factor promedio de emisiones de CO2 por tipo de
generación del SNI para el periodo 2010-2015
La fig. 5, permite analizar los factores de emisión
promedio de CO2 del periodo 2010-2015 para cada tipo
de tecnología de generación, los mismos dependen del
Gas Natural
incremento su capacidad de generación en 576 MW
en generación térmica y 359,40 MW de generación
hidroeléctrica y eólica, está última cuyo despacho
depende de la estocasticidad del recurso que en el
2015 permitió reducir en 2,2% las emisiones de la red
eléctrica; con lo que alcanzó un factor de emisión de
CO2 dada la operación del SNI, similar a la media del
periodo.

194
Oscullo / Evolución de las Emisiones de CO2 Producido por el Parque Generador del SNI del Ecuador Periodo 2010-2015
Los factores de emisión de CO2 por tipo de
tecnología de generación eléctrica considerada en el
despacho anual del SNI; dependen del esquema de
despacho centralizado del país de cada central y/o
unidad térmica en la matriz eléctrica, determinado
por la planificación de corto plazo para un sistema
hidrotérmico. Más, debido a la existencia en el
SNI de tecnologías con combustibles fósiles más
contaminantes como es el diésel, nafta y fuel oil.
Esta última dado sus costos variables de operación
son unidades de base en el despacho, con lo que si
se considerara únicamente las mismas el factor de
emisión dada la operación de la matriz eléctrica se
alcanzaría un valor semejante a este tipo de unidades.
Las emisiones de CO2 del SNI se han mantenido
en la banda de los 6 millones de toneladas gracias
al ingreso de proyectos bajos en emisiones
(hidroeléctricos y eólicos), lo cual ha permitido
abastecer el incrementado del consumo eléctrico y ha
logrado reducir el factor de emisión anual de CO2 en
el 1,2%.
Es necesario que el SNI determine mediante
prueba de laboratorio los factores de emisión de CO2
de los combustibles; utilizados por los diferentes
tipos de tecnología de las unidades térmicas, a fin de
representar a la realidad nacional las características
de los combustibles producidos por las diferentes
refinerías del país.
El país debe contar con la actualización del factor
de emisión de CO2 de la red eléctrica, debido a que
es necesario determinar la eficiencia ambiental de
la gestión de la oferta de generación, manejo de la
demanda e incremento de infraestructura en el sistema
eléctrico. Con lo cual el país cuente con un valor
oficial para los cálculos requeridos por la COP21 y
diferentes metodologías de inventario de gases de
efecto invernadero.
REFERENCIAS BIBLIOGRÁFICAS
[1] Agencia Nacional de Regulación y Control de
Electricidad (ARCONEL) (2015) Información
estadística del sector eléctrico ecuatoriano,
disponible: http://www.arconel.gob.ec.
[2] IPCC (2006) Guidelines for National Greenhouse
Gas Inventories Programme, IGES, Tokio, Japón
[3] Lohmann L (2012) Mercados de Carbono: La
Neoliberación del Clima, Abya Yala Quito, 2012,
pp. 76-98
[4] Ministerio de Ambiente del Ecuador (MAE)
(2013), Factor de Emisión del Sistema Nacional
Interconectado del Ecuador 2012, Quito.
[5] Ministerio Coordinador de Sectores Estratégicos
(MICSE), Informe de Rendición de Cuentas
2015, Quito.
[6] Operador Nacional de Electricidad (CENACE)
(2015) Información sobre la operación del SNI,
disponible http://www.cenace.org.ec
[7] Oscullo J (2016), Factor Anual de Emisión de
CO2 Producido por el Parque Generador del
Sistema Nacional Interconectado del Ecuador,
Mediante la Aplicación de la Metodología de la
Convención Marco Sobre el Cambio Climático
UNFCCC, para el Periodo 2009-2014. Revista
Politécnica Vol. 37 pp. 61-75
[8] Parra R (2012), Factor de Emisión de CO2
debido a la generación de electricidad en el
Ecuador durante el periodo 2001-2011. Revista
Avances 2013, Vol 5 No.1, Quito, pp. C39-C42
[9] Haro Lenin, Determinación Mensual del Factor
de Emisiones de CO2 producido por el Parque
Generador en el Sistema Nacional Interconectado
del Ecuador, Mediante la Aplicación de la
Metodología de la Convención Marco sobre el
Cambio Climático UNFCCC, para el periodo
2005-2009. II CISLIE CIER 2011.
[10]. Quadri G, México: Bases de Política en Materia
de Cambio Climático. Revista EcoSecurities
ago. 2009 pp. 78-83
[11]. UPME Factores de Emisión para los
combustibles colombianos, 2003
Oscullo Lala José. Nació en
Sangolquí, Ecuador, en 1971.
Recibió su título de ingeniero
eléctrico en la Escuela
Politécnica Nacional en 1996,
Master en ingeniería eléctrica
de la Universidad Estatal
de Campinas, Sao Paulo
Brasil en 2002 y Magister
en Dirección de Empresas de la Universidad Andina
Simón Bolívar Sede Ecuador en 2008.
Actualmente se desempeña como profesor titular del
Departamento de Energía Eléctrica de la Facultad
de Ingeniería Eléctrica y Electrónica de la Escuela
Politécnica Nacional y es candidato a Doctor en
Ingenieria Elèctrica por parte de la EPN. Su campo
de investigación se encuentra relacionado a la
aplicación de herramientas de inteligencia artificial
en la optimización de sistemas eléctricos de potencia;
análisis técnico, económico y financiero de la
operación y expansión de sistemas eléctricos.
195
 Artículo Académico/Academic paper

Generación de Árboles de Escenarios en forma Analítica, para

Modelar Recursos Energéticos Renovables

R. Barreto

Centre d’Innovació en Convertidors Estàtics i Accionaments (CITCEA-UPC), E.T.S. Enginyeria

Industrial Barcelona, Universitat Politècnica Catalunya
Universidad Nacional de Loja
E-mail: rbarreto@eerssa.com

Resumen Abstract

El presente artículo propone la implementación de This paper proposes the implementation of an

un algoritmo para generar árboles de escenarios a
partir de series de datos estadísticos, el algoritmo
es válido para procesar información proveniente
de resultados de experimentos aleatorios o de
simulaciones a partir de funciones de distribución
de probabilidad conocidas.
El Árbol de Escenarios es un instrumento adecuado
que permite tratar los parámetros aleatorios
para la solución de problemas de optimización
estocástica en el campo de los recursos naturales
renovables.
La metodología propuesta es aplicada a un caso
de estudio para tratar la información aleatoria de
recursos de generación eléctrica de tipo hidráulica
y eólica, así como la demanda eléctrica (incluyendo
la carga de cocinas de inducción), de un sistema de
distribución aislado, en base a series de datos de
mediciones históricas reales.
algorithm for generating scenarios trees from a
series of statistical data; the algorithm is valid to
process information from results of randomized
experiments or simulations from known
distribution functions of probability.
The scenarios tree is an appropriate instrument to
deal with random parameters allows for solving
stochastic optimization problems in the field of
renewable natural resources.
The proposed methodology is applied to a study
case to treat random information resource
power generation wind and hydraulic, as well as
electricity demand (including loading of induction
cookers), a system of isolated distribution, based
on data sets real history measurements.

Palabras clave— Árboles de Escenarios, Generación Index terms— Neural Gas Method, Renewable
Renovable, Método Neural Gas, Programación Generation, Scenarios Tree, Stochastic Programming.
Estocástica.

Recibido: 30-08-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Barreto R. (2017). “Generación de Árboles de Escenarios en forma Analítica, para
Modelar Recursos naturales Renovables”. Revista Técnica “energía”. No. 13, Pp. 196-205
ISSN 1390-5074.

196

1. INTRODUCCIÓN
1.1. Relevancia de la Programación Estocástica en
Modelación de Generación Renovable
El aprovechamiento de las fuentes de energía
renovable es considerado como un pilar fundamental
para cumplir con el objetivo de abastecer
adecuadamente la demanda de energía eléctrica en el
Ecuador, con calidad y seguridad [1].
En este ámbito las políticas en materia energética
que se aplican en el país no solamente promueven la
expansión del parque generador en la búsqueda de
cambiar la matriz energética nacional, mediante el
uso de recursos energéticos renovables en sustitución
de combustibles fósiles para la producción de
electricidad, con el consiguiente beneficio económico
y ambiental, sino también el uso de nuevas cargas
eléctricas especiales como cocinas de inducción o
vehículos eléctricos en sustitución de los artefactos
tradicionales que utilizan combustibles fósiles.
Sin embargo, el aprovechamiento de fuentes
de energía renovables como la hidráulica, eólica
o fotovoltaica implican variabilidad del potencial
energético que sumado a las fluctuaciones de la
demanda eléctrica, tornan complejo el modelamiento
de los sistemas eléctricos.
La estocasticidad o incertidumbre que está
presente en la disponibilidad de los elementos de
generación renovable y la magnitud de la demanda
eléctrica, pueden ser modelados y tratados aplicando
técnicas avanzadas de programación matemática, que
combinadas con algoritmos de optimización lineal,
no lineal, entera, entera mixta o dinámica, constituyen
una nueva disciplina denominada Programación
Estocástica vía Análisis de Escenarios [2].
El instrumento adecuado que permite tratar los
parámetros aleatorios para la solución del problema
de optimización estocástica, es el Árbol de Decisión
o de Escenarios (AE), por lo que el presente artículo
propone la implementación de un algoritmo para
generar estos árboles a partir de series de datos
conocidos (establecidos a partir de mediciones
reales), también el algoritmo es válido para
procesar información proveniente de resultados de
experimentos aleatorios o de simulaciones a partir de
funciones de distribución de probabilidad conocidas.
1.2.
Aplicación de Árboles de Escenarios en
Sistema Eléctricos
La estocasticidad está presente en todos los
sistemas, pudiendo deberse a carencia de datos fiables,
errores de medida o puede tratarse de parámetros
que representan información sobre el futuro [2], estos
aspectos están presentes en la resolución de los
Edición No. 13, Enero 2017
denominados problemas basados en el flujo óptimo
de potencia, tales como despacho económico, unit
commitment, flujo óptimo de potencia y planificación
de expansión de sistemas eléctricos, en los cuales una
de las más comunes técnicas utilizadas para modelar
la incertidumbre es la representación en escenarios [3]
Debido a la complejidad matemática que supone
la Programación Estocástica, es habitual que para
simplificar el tratamiento del problema, se asuma
mediante aproximaciones y estimaciones, que los
parámetros son conocidos con certeza (normalmente
a su valor medio); con lo cual se obtienen soluciones
deterministas que posiblemente se alejen del objetivo
buscado o que no se pueden aplicar con resultados
satisfactorios, ya que se podría estar asumiendo el
cumplimiento de hipótesis que podrían ser violadas
en la realidad [2], por lo que la programación
estocástica brinda una alternativa adecuada para
obtener soluciones robustas con resultados que son
óptimos para casi todos los escenarios posibles.
Como un ejemplo de aplicación de los conceptos
expuestos, se realizará la generación de un árbol de
escenarios considerando la aleatoriedad proveniente
de fuentes de energía renovables como la hidráulica
y eólica; y, de la demanda eléctrica con inclusión de
cocinas de inducción.
El algoritmo propuesto puede ser utilizado para
desarrollar modelos de planificación óptima de la
operación y planificación óptima de la expansión tanto
de transmisión como de distribución, planificación de
la expansión de la generación, programación óptima
de inversiones en el sistema eléctrico, análisis de
riesgo, logística y planificación de comunicaciones,
problemas de localización óptima de plantas de
generación o de subestaciones de distribución,
planificación de mercados energéticos, etc.; con los
cuales se puede encontrar una política de decisión
que maximice la esperanza matemática de alguna
función sobre las decisiones y las variables aleatorias,
mediante un proceso analítico [2].
En la generación de los árboles de escenarios
se propone utilizar el método de agrupamiento o
clustering denominado Neural Gas, con el cual se
genera árboles de escenarios a partir de información
aleatoria agrupada en series de datos.
Para tratar de entender los conceptos involucrados
en este trabajo, en una primera instancia se expone
la formulación matemática utilizada en programación
estocástica y se introducen los conceptos básicos
de análisis de escenarios bietapa y multietapa, se
establece el concepto de árboles de escenarios y
se profundiza en la formulación matemática del
algoritmo Neural Gas.
197
 Barreto / Generación de Árboles de Escenarios en forma Analítica para Modelar Recursos naturales Renovables
2. PROGRAMACION ESTOCASTICA
2.1. Programación Lineal
Para facilitar el entendimiento de programación
estocástica, iniciaremos analizando los conceptos de
la programa lineal determinista clásica, cuya forma
estándar consiste en elegir valores de las variables x1,
x2,……… xn para maximizar o minimizar una función
objetivo que normalmente se representa por Z, por lo
general el planteamiento del problemas se refiere a
una función de minimización como la siguiente:
En ese caso la función objetivo puede buscar por
ejemplo minimizar los costos de un proyecto, las
pérdidas de energía, las caídas de tensión, el flujo de
potencia en líneas o transformadores, etc.
Como se observa la función objetivo se forma
mediante la aplicación de n parámetros ci.
La realización del problema de optimización,
para que sea factible de ejecutar debe estar sujeto a
m restricciones:
y,
En estas ecuaciones ajj y bj, también son parámetros
del modelo implementado.
En programación lineal determinista, los
parámetros c, A y b, son constantes y en forma
condensada el problema de optimización lineal
determinista puede ser expresado, utilizando una
representación matricial, de la siguiente manera:
(1)
Sujeta a:
En donde:
Z función objetivo del problema de optimización
c coeficientes de la función objetivo lineal
x conjunto de variables de decisión x={xi}
198
A coeficientes de las restricciones
b términos independientes de las restricciones
En tanto que los problemas lineales estocásticos son
problemas de optimización lineal en los que algunos
de los parámetros c, A o b del modelo se consideran
inciertos, por lo que pueden ser representados por
variables aleatorias, las cuales pueden ser tratadas
mediante una descripción probabilística bajo la
forma de distribuciones, densidades o medidas de
probabilidad [2].
La técnica que modeliza adecuadamente la
incertidumbre es el denominado análisis de escenarios,
el cual se fundamenta en conocer un número finito
de valores de los parámetros estocásticos, que
representan al conjunto de todos los valores posibles.
Las variables aleatorias se determinan en base al
experimento aleatorio cuyo resultado se representa
por ω (sucesos elementales) y al conjunto de posibles
resultados del experimento por Ω.
Un escenario es una particular realización de los
parámetros inciertos ω = (cω, Aω, bω) a los que se
consideran como variables aleatorias discretas en
donde ω ϵ Ω [2].
2.2. Árboles de Escenarios
Al conjunto de escenarios se los puede
representar mediante el árbol de escenarios, cuyos
niveles corresponden a las etapas del horizonte
de planificación, en los cuales debemos tomar
alguna decisión y que se presentan mediante nodos,
existiendo un nodo de partida o nodo raíz y a los
nodos de la etapa final denominamos ramas.
En cuyo caso un escenario es cada trayectoria
desde el nodo raíz a cualquier rama. Fig. 1.
Figura 1: Árbol de Escenarios

2.3. Programación Lineal Estocástica
Contando con el árbol de escenarios, se modela
el problema estocástico considerando la información
proveniente del árbol según la siguiente expresión:
(2)
Sujeto a:
En donde:
Z función objetivo del problema de optimización
c coeficientes de la función objetivo lineal
x conjunto de variables de decisión x={xi} para
todas las etapas t=1, 2,…………., T.
A coeficientes de las restricciones
b términos independientes de las restricciones
ω realización del proceso aleatorio
La metodología así planteada proporciona
soluciones factibles bajo cada escenario, sin
subordinarse a ninguno de ellos, el valor esperado de
la función objetivo es siempre mejor para todos los
escenarios, a través de optimizar una combinación
lineal de las funciones objetivo bajo cada escenario
y replicando las restricciones en cada uno de ellos,
conformando el denominado Modelo Determinista
Equivalente (MDE) que para un modelo bietapa sería:
(3)
Sujeto a:
En donde NA, constituyen las condiciones de no
anticipatividad, lo que significa que si dos escenarios
son idénticos desde la etapa inicial hasta una etapa t
incluida, las decisiones a tomar bajo esos escenarios
deben ser las mismas hasta la etapa t y EP representa la
esperanza matemática para la función de probabilidad
P(ω) [2].
Edición No. 13, Enero 2017
En este modelo en la primera etapa, se toma la
decisión (x1), luego ocurre la realización del proceso
estocástico ω y posteriormente a que dicho proceso
ocurre se toma una nueva decisión (x2), en este caso
se requiere implementar un árbol de escenarios de dos
etapas.
En [4] y [5], se desarrollan modelos de programación
estocástica bietapa para resolver problemas de
caracterización de la incertidumbre para compañías
de distribución eléctrica; y, en [6] se desarrolla un
modelo bietapa para diseño óptimo de sistemas con
generación distribuida.
En planificación de la expansión de sistemas
eléctricos, se pueden también desarrollar modelos más
complejos de programación estocástica multianual
como en [7].
3. CASO DE ESTUDIO
3.1. Generación de Árboles de Escenarios
Para aplicar los modelos de Programación
Estocástica, la generación de árboles de escenarios
es una parte fundamental ya que de ellos depende la
calidad de las soluciones obtenidas.
El tratamiento de la información estocástica para
generar los árboles de escenarios puede resultar en
algunos casos incluso más complejo que el problema
estocástico en sí, por lo que el presente artículo
propone un algoritmo para efectuar procesamiento.
Se pueden encontrar en la literatura sobre esta
temática varias metodologías para la generación de
los árboles de escenarios, una de las alternativas
existentes es efectuar una realización del proceso
estocástico en cada etapa del árbol conservando las
propiedades estadísticas del proceso aleatorio (por
ejemplo los momentos estadísticos) y establecer las
probabilidades de transición condicionales del árbol.
Un modelo menos complejo puede ser
desarrollado, combinando criterios objetivos y
subjetivos, en el que las probabilidades condicionales
de transición se estiman a priori en base a criterios de
expertos, y las realizaciones estocásticas se calculan a
partir de un modelo matemático que busca minimizar
las diferencias entre las propiedades estadísticas de
los escenarios del árbol y las del proceso estocástico
observado en la realidad, por medio de un modelo de
mínimos cuadrados que minimiza el error cuadrático
medio.
199
 Barreto / Generación de Árboles de Escenarios en forma Analítica para Modelar Recursos naturales Renovables
3.2. Método Neural Gas
Sin embargo, existen varios modelos en el
área de aprendizaje competitivo, cuyo propósito
es distribuir un cierto número de vectores en un
espacio n-dimensional, reflejando la distribución de
probabilidad de este ordenamiento, existiendo en la
literatura modelos de aprendizaje competitivo duro
o aprendizaje competitivo suave, entre estos últimos
se encuentra el método Neural Gas [9], que puede ser
utilizado en la generación de árboles de escenarios.
Neural Gas en forma general es un método de
agrupamiento o clustering que obtiene los centroides
que mejor representar a un conjunto de datos, por
medio de un proceso iterativo de adaptación de dichos
centroides, dependiendo de su distancia a las series de
datos que se van escogiendo en forma aleatoria en el
proceso iterativo.
Debiendo recalcar que Clustering es un método
que es utilizado en minería de datos, en los cuales
un centroide puede ser definido como el punto
equidistante a los objetos que pertenecen al cluster.
Según la literatura especializada que se puede
encontrar sobre este tema se puede tener la siguiente
descripción del Método Neural Gas:
Para determinar la proximidad de las series de datos
se puede utilizar la expresión:
(4)
Con lo cual la distancia entre una serie de datos
ω a un escenario del árbol ωk, es calculada como la
mínima distancia de la serie a alguno de los escenarios
del árbol.
(5)
Para evaluar el error que se produce en la
aproximación entre el conjunto de series de datos a
modelar {ωi} y la representación mediante el árbol de
escenarios {ωk}, se utiliza la expresión:
(6)
En tanto que el algoritmo de generación del árbol de
escenarios tiene los siguientes pasos [8]:
1) Inicialización: Se escoge de manera aleatoria
los escenarios iniciales que pasan a formar
parte del árbol {ωk} para k=1,2,…...K.
200
2) Selección de nuevas series: Se escoge
una serie ω en forma aleatoria de entre el
conjunto de datos a modelar y calculamos
la distancia a cada uno de los escenarios del
árbol.
(7)
Luego se ordenan los escenarios de acuerdo a la
distancia d en un vector Ok.
3) Adaptación: Se modifican los valores de
cada escenario del árbol en función del orden
Ok, de tal forma que los escenarios más
cercanos experimentan el mayor cambio,
según la expresión:
Que constituye la ecuación (8), y en donde:
j es el contador de iteraciones, que varía desde 1
hasta jmáx.
ϵ(j) es una función exponencial que controla
el tamaño del cambio global en los escenario y está
dado por:
(9)
hλ(O) es una función que establece el ajuste que se
aplica a cada escenario dependiendo de los
distancia a la serie de datos ω.
(10)
λ(j) también es una función exponencial que
controla el tamaño de los cambios individuales
de cada escenario
(11)
4) Criterio de Parada: El algoritmo concluye
cuando se alcanza el límite de iteraciones,
caso contrario pasa al punto 2.
Para la ejecución del ejemplo numérico
desarrollado se consideraron los parámetros
recomendados en [4]:
 Edición No. 13, Enero 2017

λ0 = 10
λf = 0,01
ϵ0 = 0,5
ϵf = 0,005

jmáx = 40 000

Para el desarrollo del algoritmo se utilizó el programa

MATrix LABoratory –MATLAB [10].

Con la finalidad de que se pueda visualizar los

resultados que se obtienen con la aplicación del
algoritmo indicado, se realizará la generación de un Figura 4: Series históricas de la producción hidroeléctrica
árbol de decisión bietapa, con 48 escenarios.

El primer conjunto de datos que se representará Si analizamos las series temporales

mediante el árbol de escenarios corresponde a la
curva de carga diaria de un sistema eléctrico aislado
para los 365 días del año, en donde se incluye la carga
de las cocinas de inducción, Fig. 2.:
correspondientes a los datos se observa, en el caso de
la demanda eléctrica que el comportamiento aleatorio
se manifiesta con marcadas tendencias creciente o
decrecientes en función de las diferentes épocas del
año. Fig. 5.

Figura 5: Serie Temporal de la demanda para las 19:00

Graficando la distribución de frecuencias de los

datos se puede observar un comprotamiento normal.
Fig. 6.

Figura 2: Series de datos de la demanda eléctrica

La segunda magnitud corresponde a los registros

de la producción horarias para el mismo año 2013,
de un parque eólico que sirve al mismo sistema de Figura 6: Distribución de Frecuencia para la demanda

distribución aislado y tiene una potencia instalada de

2.4 MW en 3 aerogeneradores, la producción eólica
En el caso del recurso eólico, la serie temporal
es función de las mediciones de la velocidad del
del potencial eólico muestra su comportamiento
viento, que tienen un comportamiento estocástico.
estacional. Fig. 7.
Graficando las series de tiempo de la información
de producción eólica del parque, se obtiene el
siguiente resultado en la Fig. 3.:

Figura 3: Series históricas de la producción eólica

El tercer conjunto de datos utilizados, corresponden

a la producción disponible en el mismo período de
una central hidroeléctrica de pasada de 2.4 MW
de potencia instalada, la cual es función del caudal
disponible en el aprovechamiento hidráulico y que
también tiene carácter estocástico. Fig. 4. Figura 7: Serie temporal del potencial eólico para las 09:00

201
 Barreto / Generación de Árboles de Escenarios en forma Analítica para Modelar Recursos naturales Renovables

En tanto que la distribución de frecuencias de los 4. RESULTADOS

datos tiene un gráfico sesgado, propio de la velocidad
del viento. Fig. 8. 4.1. Árbol de Escenarios Generado.

w_1 1.37%
w_2 1.18%
w_3 0.27%
w_4 1.81%
w_5 0.41%
w_6 0.35%
w_7 0.08%
w_8 0.54%
w_9 0.94%
w_10 0.81%
w_11 0.18%
w_12 1.24%
w_13 6.53%
Figura 8: Distribución de frecuencias del potencial eólico para
las 09:00 w_14 5.63%
w_15 1.27%
En lo que respecta a la generación hidroeléctrica, w_16 8.65%
al tratarse de una central de pasada opera al máximo w_17 1.91%
de potencia que se puede alcanzar en función de w_18 1.64%
la disponibilidad de los caudales, el diseño de la w_19 0.37%
central normalmente de realiza para un caudal de w_20 2.52%
persistencia del 90%. En este caso la serie histórica w_21 0.57%
de la producción eléctrica se puede observar a
w_22 0.49%
continuación. Fig. 9.
w_23 0.11%
w_24 0.75%
w_25 1.31%
w_26 1.13%
w_27 0.25%
w_28 1.73%
w_29 9.11%
w_30 7.85%
w_31 1.77%
w_32 12.06%
w_33 1.10%
w_34 0.95%
Figura 9: Serie temporal de la producción hidráulica w_35 0.21%
w_36 1.46%
w_37 0.33%
w_38 0.28%
w_39 0.06%
w_40 0.43%
w_41 0.76%
w_42 0.65%
w_43 0.15%
w_44 1.00%
w_45 5.27%
w_46 4.54%
w_47 1.03%
w_48 6.98%

Figura 10: Árbol de Escenarios Bietapa

202
 Edición No. 13, Enero 2017

Con los antecedentes expuestos, se genera el árbol ESCENARIO _44 (Prob=1,00%)

3,500
de escenarios bietapa representado en la Fig. 10, la
3,000
primera etapa del árbol estaría constituida únicamente 2,500

por variables deterministas, según el modelo de 2,000

kW
optimización que se desarrolle. 1,500

1,000

En tanto que en la etapa dos, se incorpora la 500

estocasticidad de las variables, que para el presente 0

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Horas
trabajo estará representada por 48 escenarios (w) con Demanda Hidráulico Eólico

su correspondiente probabilidad de ocurrencia P(w).

En este artículo cada escenario está constituido
por 24 valores horarios de la demanda eléctrica y
de los potenciales eólico e hidráulico disponibles,
expresados en kW, con lo cual se puede establecer
un modelo de programación estocástica diaria y cuyo
detalle se pueden observar en el Apéndice 1, en donde
se expresa también la probabilidad de ocurrencia de
cada escenario.
4.2. Análisis de los Resultados.
Figura 12: Variables Estocásticas en el Escenario 44
En estos escenarios el potencial eólico e
hidroeléctrico no sería suficiente para cubrir
la demanda eléctrica, por lo que se requiere
la participación de otros tipos de generación
convencional para el abastecimiento, lo cual incide en
la planificación operativa o de expansión del sistema
eléctrico aislado y que posiblemente no hubieran sido
considerados al utilizar un modelo de planificación en
un entorno determinista.

También se pueden observar escenarios con

Con la finalidad de analizar la información y
alto potencial eólico, superior incluso al potencial
la importancia que representan los escenarios, se
hidroeléctrico como el que se observa en el escenario
ha creído conveniente indicar en forma gráfica el
27, aunque su probabilidad de ocurrencia en muy
escenario 32, por ser el que representa la mayor bajo, que también deben ser considerados en los
probabilidad de ocurrencia (12,06%). problemas de optimización estocástica. Fig. 13.
En este escenario se registra un alto potencial
hidroeléctrico y a pesar de existir un bajo potencial
eólico, el sistema eléctrico aislado podría bajo este
escenario cubrir la demanda eléctrica en el período de
24 horas. Fig. 11.

Figura 13: Evolución de las Variables Estocásticas en el

Escenario 27

Es importante señalar que el Método Neural Gas

puede ser adaptado en forma natural para generar
Figura 11: Variables Estocásticas en el Escenario 32
árboles de escenarios multietapas y multivariables,
de así requerirse para el modelo de optimización
estocástica que se esté desarrollando, como ejemplo
Sin embargo existen escenarios como el 44, en
en este artículo y utilizando la misma información
los cuales se registran altos valores horarios de la
estadística de la demanda y de la producción eólica
demanda eléctrica y bajo potencial de generación
e hidroeléctrica, se generó un árbol de escenarios
eólica e hidroeléctrica. Fig. 12.
de 4 etapas, que se presenta en forma gráfica a
continuación. Fig. 14.

203
 Barreto / Generación de Árboles de Escenarios en forma Analítica para Modelar Recursos naturales Renovables

5.2. Recomendaciones
4.38% w_1 1.37%
w_2 1.91% Se debe continuar las investigaciones
w_3 1.10%
3.77% w_4 1.18% relacionadas con el tratamiento de variables aleatorias
14.79% w_5 1.64% especialmente relacionadas con la generación
w_6 0.95%
0.85% w_7 0.27% renovable, de tal manera que contribuya con el
w_8
w_9
0.37%
0.21%
objetivo nacional de cambio de la matriz energética.
w_10 1.81%
5.80% w_11 2.52% REFERENCIAS BIBLIOGRAFICA
w_12 1.46%
w_13 0.41%
1.30%
w_14 0.57%
[1] Conelec, “Plan Maestro de Electrificación 2013-
w_15 0.33% 2022”, Advantlogic Ecuador S.A.
1.12% w_16 0.35%
4.38% w_17 0.49%
w_18 0.28% [2] A. Ramos, A. Alonso-Ayuso. G. Pérez,
0.25% w_19 0.08% “Optimización Bajo Incertidumbre”. 2011.
w_20 0.11%
w_21 0.06% Universidad Pontificia Comillas.
w_22 0.54%
w_23
w_24
0.75%
0.43%
[3] A. Amru, A. Etemadi, A. Khodaei. “Treatment of
1.72%
w_25 0.94% uncertainty for next generation power systems:
3.00% w_26
w_27
1.31%
0.76%
State-of-the-art in stochastic optimization”,
2.58% w_28 0.81% Electric Power Systems Research, 141 (2016)
w_29 1.13%
w_30 0.65% 233-245.
w_31 0.18%
10.14% w_32 0.25% [4] A. Ahmadi, M. Charwand, P. Siano, A. Nexhad,
0.58% w_33 0.15%
w_34 1.24% D. Sarno, M. Gitizandeh, F. Raeisi. “A novel
w_35
w_36
1.73%
1.00%
two-stage stochastic programming model for
3.97%
w_37 6.53% uncertainty characterization in short-term
20.91% w_38
w_39
9.11%
5.27%
optimal strategy for a distribution company”,
18.01% w_40 5.63% Energy 117 (2016) 1-9.
w_41 7.85%
w_42 4.54%
4.07% w_43 1.27%
[5] Y. Huang, J.Wu, Y Hsu. “Two-stage stochastic
70.68% w_44 1.77% programming model for the regional-scale
w_45 1.03%
w_46 8.65% electricity planning under demand uncertainty”.
w_47 12.06%
Energy 116 (2016) 1145-1157.
27.69% w_48 6.98%

Figura 14: Árbol de Escenarios Multietapas
5- CONCLUSIONES Y RECOMENDACIONES
5.1. Conclusiones
El algoritmo Neural Gas, permite tratar la
incertidumbre existen en la disponibilidad de recursos
naturales renovables y en la demanda eléctrica, de
manera adecuada, a través de la generación de árboles
de escenarios, lo cual posibilita el planteamiento de
problemas de optimización estocástica.
El algoritmo desarrollado permite generar árboles
de escenarios bietapas o multiepas.
[6] Y. Yang. S.Zhang, Y. Xiao. “Optimal desing of
distributed energy resource systems based on
two-stage stochastic programming. Applied
Thermal Enegineering 110 (2017) 1358-1370.
[7] H. Park, R. Baldick. “Multi-year stochastic
generation capacity expansion planning under
environmental energy policy”. Applied Energy
183 (2016) 737-745.
[8] J.Latorre, S. Cerisola, A. Ramos. “Clustering
Algorithms for Scenario Tree Generation.
Application to Natural HydroInflows”. Instituto
de Investigaciones Tecnológicas, ICAI,
Universidad Pontificia Comillas.

La generación de árboles de escenarios mediante [9] B. Fritzke, “Some Competitive Learning

el algoritmo Neural Gas, abren la posibilidad de
desarrollar modelos de planificación estocástica,
que permitan la toma de decisiones adecuada,
en sustitución de los modelos de planificación
determinista tradicionalmente utilizados
Methods”, 1997, Systems Biophysics Institute
for Neural Computation Ruhr-Universität
Bochum.
[10] J Garcia, J. Rodríguez, J. Vidal, “Aprenda Matlab
7.0”, 2005, Universidad Politécnica de Madrid.

204
 Edición No. 13, Enero 2017

[11] J.Birge, F.Louveaux, “Introduction to Stochastic

Programming”, 1997, Springer-Verlag New
York, Inc.

Raúl Barreto Calle.- Nació en

Biblián, provincia del Cañar,
Ecuador en 1969. Recibió su
título de Ingeniero Eléctrico
de la Universidad de Cuenca
en 1995; de Magister en
Administración de Empresas
de la Universidad Nacional
de Loja, Ecuador en 2008, de
Master en Ingeniería en Energía de la Universidad
Politécnica de Cataluña y Universidad de Barcelona,
España en 2013. Actualmente realiza sus estudios de
Doctorado en la Universidad Politécnica de Cataluña
y su campo de investigación se encuentra relacionado
con Planificación Óptima de Sistemas Eléctricos de
Potencia.

205
 Artículo Académico / Academic Paper

Impacto del Cambio de la Matriz Eléctrica en el Factor de Emisión de

CO2 del Sistema Nacional Interconectado para el período 2016-2025

J.A. Oscullo E.P. Pichucho

Escuela Politécnica Nacional, EPN
jose.oscullo@epn.edu.ec
edgar.pichucho@epn.edu.ec

Resumen Abstract

La Convención Marco Naciones Unidas para el United Nations Framework Convention on

Cambio Climático (CMNUCC), ha desarrollado
metodologías mediante las cuales permiten
determinar el factor de emisión de CO2 de una
red eléctrica. Para este caso de estudio se utiliza la
metodología denominada ACM002: “Generación
de energía eléctrica conectada a la red a partir de
fuentes renovables” en su versión 17. [1]
En los últimos años el Ecuador en el marco de su
política energética ha implementado y se encuentra
desarrollando proyectos de generación eléctrica
principalmente hidroeléctrica, lo cual modifica la
oferta del parque generador de la matriz eléctrica
del país. Esta situación modifica el despacho de
centrales termoeléctricas para el abastecimiento de
la demanda del Sistema Nacional Interconectado
(SNI); siendo las mismas en una red eléctrica la
principal fuente de emisiones de CO2.
En el presente trabajo se muestra un análisis
de la evolución del factor de emisión de CO2
para el periodo 2016-2025, considerando una
actualización de las fechas estimadas de los
proyectos de generación eléctrica planteados en el
Plan Maestro de Electrificación 2013-2022 (PME
2013-2022) [2], en base a información disponible
de documentos de las instituciones del sector
eléctrico.
Climate Change (UNFCCC), has developed
methodologies by which to determine a CO2
emission factor of a power grid. For this case study
methodology ACM002 used: “Electric power
generation connected to the grid from renewable
sources” on version 17. [1]
In recent years Ecuador as part of its energy policy
has been implemented and is developing projects
mainly hydroelectric power generation, which
modifies the supply of electric generating capacity
matrix of the country. This changes the dispatch
of thermoelectric plants to supply the demand of
the National Interconnected System (SNI); it is the
same in a grid the main source of CO2 emissions.
In this paper an analysis of the evolution of
CO2 emission factor for the period 2016-2025,
considering the estimated power generation
projects proposed in the Master Plan
Electrification 2013-2022 (PME 2013-2022) [2],
based on available information shows the same in
the electricity sector institutions.

Palabras clave— Cambio Climático, Factor de Index terms— Climate change, CO2 emission
Emisión de CO2, gases de efecto invernadero, factor, greenhouse gases, expansion generation.
expansión de generación.

Recibido: 24-08-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Oscullo, J; Pichucho, E. (2017). “Impacto del cambio de la Matriz Eléctrica en el
Factor de Emisión de CO2 para el período 2016-2025”. Revista Técnica “energía”. No. 13, Pp. 206-212
ISSN 1390-5074.

206

1. INTRODUCCIÓN
La cadena de producción de Energía eléctrica en
un sistema hidrotérmico, para su operación demanda
el abastecimiento del consumo de recursos primarios
como son el hidráulico y de manera complementaria a
través del arranque de unidades térmicas el consumo
de combustibles fósiles que por sus características
físico químicas al combustionar emiten al ambiente
gases de efecto invernadero (GEI), dada su
composición el principal es del CO2 (Dióxido de
Carbono) con el 90,00% de participación, CH4
(Metano) con del 9,00% y otros con el 1,00%.[3]
La matriz eléctrica mundial para el 2015 presentó
4278,30 TWh y la Agencia Internacional de Energía
(IEA por sus siglas en inglés) estima para el 2016
4250,40 TWh; es decir; se considera un decrecimiento
del consumo energético de 0,70%. La composición
energética en el 2015 por tipo de fuente de generación
eléctrica fue de 56,70% proveniente de tecnologías
en base a combustibles fósiles, un 18,90% de energía
nuclear, 15,50% de energía hidroeléctrica y apenas
el 9,00% de generación no convencional [4]. Así, la
matriz energética mundial es un actor principal sobre
el fenómeno denominado “efecto invernadero”.
Debido a que el CO2 es el principal gas emitido
durante la operación de unidades térmicas, para un
sistema hidrotérmico se hace necesario analizar
la evolución debido a la expansión de la matriz
eléctrica, a través de escenarios de simulación que
determinan el nivel de consumo de combustibles y
por consiguiente por medio de factores de emisión de
cada tipo de combustible determinar las emisiones y
el factor de emisión de CO2 equivalente de una red
eléctrica.
Por lo general la expansión del parque generador
responde a políticas gubernamentales y en los últimos
años se está considerando reducir al mínimo posible
la participación de tecnologías de producción de
energía eléctrica a través de unidades térmicas. [2]
Esta situación, hace necesario analizar la evolución
a futuro mediante escenarios de simulación que
determina el consumo de combustibles estimados de
las unidades térmicas. Para el caso del SNI el periodo
analizado es 2016-2025 en base a fechas actualizadas
del ingreso de los proyectos y en otros casos
fechas estimadas para el ingreso. Considerando los
lineamientos, políticas y otras variables consideradas
en el PME 2013-2022. [2]
Para el caso del Ecuador durante el año 2015 la
oferta de generación alcanzo los 22591,40 GWh;
siendo la distribución por tipo de energía en la
matriz eléctrica nacional el 54,95% corresponde a la
Edición No. 13, Enero 2017
generación hidroeléctrica, el 2,00% a interconexiones
con países vecinos, 38,61% a fuentes de energía de
combustibles fósiles y el 4,19% de generación no
convencional, como se presenta en la Fig. 1. [5]
Figura 1: Potencia efectiva del SNI al 2015.
Fuente: ARCONEL, Informe Estadístico 2015
El factor de emisión de CO2 representa las
unidades de masa de CO2 emitidas al ambiente por
la producción del parque termoeléctrico; siendo sus
unidades por lo general toneladas de CO2 por cada
unidad de energía en MWh. Así, en la fig. 1, se observa
una considerable participación en la matriz eléctrica
del país; corresponde a unidades de generación
térmica (53.49%), cuya operación determina el nivel
de emisiones de CO2 y que al considerarlo por unidad
de energía determina el factor de emisión de CO2 del
parque generador del SNI.
2. EVOLUCIÓN DE LA GENERACIÓN
TERMOELÉCTRICA EN EL ECUADOR
La operación de un sistema eléctrico debe
considerar condiciones de calidad y seguridad
en el abastecimiento de la energía eléctrica, esta
característica hace necesario contar con fuentes
de generación térmica por lo general junto a los
centros de carga eléctrica, este esquema de operación
característico de un sistema hidrotérmico permite
contar con perfiles de voltaje y seguridad dentro de
los límites establecidos en la normativa. [6]
La expansión de la matriz eléctrica del Ecuador
a fin de considerar la característica operativa ha
incrementado la capacidad instalada de centrales de
tecnología de combustibles fósiles, en especial de
unidades termoeléctricas que utilicen combustibles
menos contaminantes como es el gas natural, a través
del desarrollando del proyecto de ciclo combinado de
la Central Termogas Machala I de 187 MW, mediante
la implementación de una turbina de vapor con una
capacidad de 110 MW y una tercera turbina de Gas
Natural de 77 MW, cuyo ingreso a la matriz eléctrica
se estima para el 2017. En el periodo del 2010 al 2015
a ingresado 576 MW de tecnologías de generación de
residuo y fuel oíl. [7]
207
 Oscullo et al. / Impacto del cambio de la Matriz Eléctrica en el Factor de Emisión de CO2 para el período 2016 2025
La evolución de la participación de la capacidad
de fuentes térmicas en el SNI al 2015 ha presentado
un incremento del 55,1% respecto a los 2195.47 MW
del 2006. [5]
Para el periodo 2016-2025 la participación
promedio en la producción de energía de la generación
termoeléctrica en el SNI, alcanzará de 36,73%.
Partiendo en el 2016 de 7386,47 GWh a 11674,76
GWh en 2025, de acuerdo con las condiciones de
operación que requiera la red eléctrica. Esta operación
de las centrales termoeléctricas demanda un consumo
de combustibles fósiles, como se indica en la Fig. 2.
Debido al ingreso de los proyectos hidroeléctricos
se puede observar que para el periodo 2016-2018,
se presenta una reducción promedio del 3.00% de la
energía producida por las centrales térmicas, siendo
unicamente despachadas las tecnologías menos
contaminantes como es el gas natural y fuel oil.
Con el crecimiento natural de la demanda y
dado que en el PME 2013-2022, no incluye nuevos
proyectos dentro del periodo 2018-2025; el despacho
de las centrales y/o unidades termoeléctricas
nuevamente presenta una estructura de producción
similar al 2015, es decir, se cuenta con generación
termoeléctrica de diésel, fuel oil, nafta y gas natural e
incluso la central de ciclo combinado.
Figura 2: Estimación de la Producción Termoeléctrica en el
SNI para el periodo 2016-2025
En la Fig. 2 se tiene picos de consumo de
combustibles debido al ingreso de proyectos
hidroeléctricos emblemáticos tales como para el año
2016, el ingreso a operación de la central hidroeléctrica
Coca Codo Sinclair cuyo funcionamiento permite la
disminución del 22,00% del consumo de combustible
en el período 2016-2017, para el año 2021, se tiene
previsto el ingreso de las centrales hidroeléctricas
Cardenillo y Chontal- Chirapi que permite una
208
reducción del 35% del consumo de combustible en
el período 2021-2022 y para finales de 2024 se tiene
previsto el ingreso de las centrales hidroeléctricas
La Unión, Chespi, Tortugo lo que provocará una
disminución en el consumo de combustible del 18%
en el período 2024-2025.
3. METODOLOGÍA ACM0002 PARA EL
CÁLCULO DEL FACTOR DE EMISIÓN DE
CO2 PARA UNA RED ELÉCTRICA
La herramienta metodológica ACM0002 en su
versión 17; determina el proceso de cálculo del factor
de emisión de CO2 para una red eléctrica. En el caso
del Ecuador, considerando la matriz eléctrica del
país, la red representativa es el SNI, siendo el mismo
ampliamente supervisado, a través, del sistema Scada,
mediante el cual se cuenta con estadística en detalle
que es utilizada para la planificación a mediano plazo.
Con esta información y por medio de programas
especializados en sistemas hidrotérmicos como el
SDDP© (Programación Dual Dinámica Estocástica)
permite simular escenarios de operación energética
delas centrales hidroeléctricas y unidades térmicas;
mediante este último se determina con detalle el
consumo de combustibles por cada tipo de tecnología
de generación eléctrica y el nivel de producción de
cada tipo de generación, conectada a la red eléctrica
analizada. [8]
A continuación, se detalla la aplicación de la
metodología ACM0002; para el cálculo del factor
de emisión de CO2 en una red eléctrica. Para el caso
del SNI considerando como fuente de información
las distintas publicaciones como son El Operador
Nacional de Electricidad (CENACE), la Agencia
de Regulación y Control del Sector Eléctrico
(ARCONEL) y el Ministerio de Electricidad y
Energía Renovable (MEER), son utilizadas para crear
escenarios de simulación del sistema hidrotérmico.
3.1. Información Requerida para el Cálculo del
Factor de Emisión de CO2
La metodología ACM0002 para la realización
del cálculo del factor de emisión de CO2 en una red
eléctrica requiere contar con la siguiente información
para el periodo de análisis, a través, de la simulación
de los escenarios hidrológicos en un sistema
hidrotérmico de acuerdo al periodo de análisis
considerado para el sistema hidrotérmico:
1) Generación neta anual de las centrales con sus
respectivas unidades conectadas a la red eléctrica
analizada, obtenida de la simulación realizadas
con el programa SDDP©, e información
estadística disponible del SNI. [9]
 Edición No. 13, Enero 2017

2) Factor de emisión por tipo de combustible diésel en 35,00%; debido a la entrada en operación
utilizado por las unidades del SNI como son: gas de proyectos hidroeléctricos Chontal-Chirapi con
natural, fuel oíl, residuo, diésel y nafta, obtenidos 351,00MW y Cardenillo con 564,00MW.
del informe del MAE. [10]
En la Tabla 3; se presenta la producción anual de la
Debido a que el sector eléctrico ecuatoriano energía por tipo de generación térmica en el SNI. Para
no cuente con los factores de emisión de CO2 para las centrales de producción de fuel oíl se considera
cada tipo de combustible empleado en el SNI;
incluida la producción de las centrales que consumen
para el análisis se tomará en cuenta los valores
residuos.
estándar internacionales establecidos por el Panel
Intergubernamental de Científicos sobre el Cambio Tabla 3: Evolución estimada de generación eléctrica por tipo
Climático (IPCCC por sus siglas en inglés); las cuales de combustible empleado en el SNI
son tabuladas en la Tabla 1. [11, 12] Generación por tipo de combustible anual [GWh]
Gas nat-
Tabla 1: Factores de emisión de CO2 por tipo de combustible
 Etapa Diésel Fuel Oíl ural Nafta
Factor de emisión de CO2 2016 202.815 4 738.007 73.367 1 238.696
Tipo de combustible
(ton CO2/gal) , * (ton CO2/pies3) 2017 99.181 3 461.238 6.863 1 568.968

Fuel Oíl 0.010930 2018 90.899 3 709.388 2.329 2 607.146

2019 113.923 4 476.722 13.816 3 309.325
Diésel 0.010011979
2020 172.911 5 290.301 19.239 4 209.193
Gas Natural * 5.28 776 E-05
2021 225.428 5 840.965 29.098 4 439.297
Nafta 0.00790
2022 149.998 4 355.204 17.814 3 253.168

3) Consumo de combustibles del parque térmico 2023 206.763 5 000.103 13.940 3 723.487

del SNI. En la Tabla 2; se presenta los consumos 2024 436.193 5 597.087 11.210 4 325.066
de combustible de las centrales termoeléctricas 2025 345.808 4 826.041 7.536 3 606.906
operativas en el SNI; obtenidos de la simulación Total 2043.919 47 295.056 195.214 32 281.252
realizadas con el programa SDDP©. [8]
La generación producida debido a la utilización
Tabla 2: Evolución Estimada del Consumo de Combustible en del gas natural para el año 2018 se incrementa en
el SNI
83,00% con respecto al año anterior, esto se debe al
Consumo de combustible anual ingreso de la central de ciclo combinado Termogas
Gas Machala I.
Diésel Fuel Oíl Nafta
Etapa Natural 3.2. Proceso de la metodología ACM0002 para el
[ miles Gal] [Miles Gal] [Miles Gal]
cálculo del factor de emisión de CO2 en el SNI.
[miles KPie3]
2016 28 657.8 329 776.9 13 741.1 9 128.2

2017 9 123.6 234 406.1 12 600.6 946.8 La metodología ACM002, establece para determinar
el factor de emisión de CO2 mediante la composición
2018 7 402.9 230 559.4 16 802.4 222.3
del denominado margen de operación y margen de
2019 9 086.2 275 942.5 23 139.8 1 286.6
construcción.
2020 14 015.3 329 924.4 30 969.2 1 787.8

2021 18 769.4 364 798.9 33 176.6 2 903.1 Margen de operación:

2022 12 239.7 270 122.9 23 162.8 1 756.8 El factor de emisión obtenido depende del nivel
2023 16 646.3 310 222.9 26 822.5 1 346.8 de producción de las unidades térmicas y de las
2024 29 598.7 349 408.5 32 546.2 1 079.0 emisiones de CO2, establecidas para cada unidad de
2025 24 482.0 300 318.5 26 379.7 725.4 la red eléctrica por medio de los factores de emisión
Total 170 021.8 2 995 480.9 239 340.9 21 182.6 de cada tipo de combustible. [1]

Como lo establece la ecuación 1:

El consumo de gas natural para el 2018 presentará
un incremento del 56,00% con respecto al año anterior,
debido al ingreso al SNI del Ciclo Combinado de la (1)
central Termogas Machala I.

Para el año 2022 se observa un decremento Donde:

importante en el consumo de los combustibles de
FEMO,T: Factor de emisiones de CO2 del margen de
manera principal en el gas natural en 30,00% y el
operación en el año T (tCO2 /MWh).

209
 Oscullo et al. / Impacto del cambio de la Matriz Eléctrica en el Factor de Emisión de CO2 para el período 2016 2025

FCi,mT: Cantidad de combustible tipo i consumido por WOM=0.5 y WBM=0.5; dado que la matriz eléctrica
una central de generación de energía eléctrica tiene proyectos principalmente hidroeléctricos, como
en el año T (galones). lo establece la ecuación 3. [1]

FECO2,i,T: Factor de emisiones de CO2 de combustible (3)

fósil tipo i en el año T.
EGm,T: Cantidad de energía neta entregada a la red por
la central de generación en el año T.
m: Cantidad de las centrales de generación de
energía eléctrica que operan en la red en el año,
excepto las centrales de bajo costo y generación
forzada.
T: Todos los tipos de combustibles fósiles que fueron
usados en las centrales de generación.
Margen de Construcción:
Es el factor de emisión de la red eléctrica establecido
por el ingreso de los proyectos de generación durante
los últimos 5 años o que representan el 20% de la
demanda del año analizado. El mismo se debe
calcular de manera anual, debido a que considera las
nuevas plantas o centrales de generación que ingresan
a la red analizada. [1]
Mediante la ecuación 2, se indica las variables
involucradas en el cálculo:
Donde:
EFMCOMB,T: Factor de emisiones de CO2 del margen
de combinado en el año T (t CO2 /MWh).
EFMC: Factor de emisión del margen de construcción
en el año y (tCO2/MWh).
EFMO,T: Factor de emisión de margen de operación en
el año y (tCO2/MWh).
WMO: Ponderación del factor de emisión del margen
operativo (por unidad).
WMC: Ponderación del factor de emisión del margen
de construcción (por unidad).
4. APLICACIÓN AL SNI
Como fue presentado en el numeral anterior
y debido a que resulta más atractivo conocer
la aplicación a un sistema real, se presenta la
evolución del factor de emisión de CO2 para el SNI,
considerando la actualización de la expansión del
parque de generación establecida en el PME 2013-
2022; como se muestra en la Tabla 4.

(2) Tabla 4: Factor de emisión de CO2 en el SNI en el

período 2016-2025

Margen de op- Margen de con- Factor de emisión

Donde: eración strucción de CO2
Etapa
EFMC,T: Factor de emisiones de CO2 del margen de (tCO2/MWh) (tCO2/MWh) WMO =WMC= 0,5
construcción en el año T (tCO2 /MWh).
2016 0.750 0.024 0.387
EGm,T: Cantidad neta de energía térmica generada
2017 0.648 0.058 0.353
y entregada a la red por las centrales
0.544 0.078 0.311
termoeléctricas que ingresan m en el año 2018

T (MWh). 2019 0.549 0.086 0.317

0.557 0.096 0.326

FEEL,m,T: Factor de emisiones de la unidad de 2020

generación m en el año T. 2021 0.565 0.092 0.329

2022 0.555 0.073 0.314

m: Cantidad de unidades de generación de energía
0.557 0.082 0.320
incluidas en el margen de construcción. 2023

2024 0.564 0.113 0.338

T: Todos los tipos de combustibles fósiles que fueron
2025 0.561 0.063 0.312
usados en las centrales de generación.

Margen Combinado: El margen de operación presenta un valor máximo

Es el factor de emisión de CO2 para la red
eléctrica y se obtiene de la combinación del margen
de operación y el margen de construcción; por
medio de factores de participación, establecidos en
la herramienta; para el caso del SNI se consideran
para el 2016 de 0,750 (tCO2/MWh) y un valor mínimo
en el 2018 con 0,544 (tCO2/MWh), una tasa de
crecimiento promedio anual de -2,95% en el periodo
de análisis. Más; dado el crecimiento normal de la
demanda para el periodo 2019-2025 nuevamente
se incrementa a una tasa promedio anual de 0,45%;

210

debido a que no se considera el ingreso de nuevas
centrales y/o unidades.
El margen de construcción presenta su nivel
mínimo en el 2016 de 0,024 (tCO2/MWh) debido
a la elevada capacidad de potencia hidroeléctrica
que ingresa al SNI, siendo la principal central
hidroeléctrica Coca Codo Sinclair (1500 MW) y un
valor máximo de 0,113 (tCO2/MWh). Para el 2024;
debido a que como no existen proyectos que ingresan
en los años anteriores; con una tasa de crecimiento
promedio anual de 0,50%
El factor de emisión de CO2 del margen combinado
presenta un 0,311(tCO2/MWh) para el 2018 y 0,387
(tCO2/MWh) en el año 2016 con una desviación
estándar de 0,023, lo que nos indica que las emisiones
van a tener un comportamiento similar y cerca de la
media del periodo.
En la Fig. 3, se muestra la evolución del factor
de emisión de CO2 combinado para el SNI durante el
periodo de análisis.
Figura 3: Evolución del Factor de Emisión del SNI para el
periodo 2016-2025 (Wmo =Wmc =0,5)
5. CONCLUSIONES Y RECOMENDACIONES
El factor de emisión de CO2 analizado en este
trabajo permite evaluar su evolución para el caso del
SNI, como red eléctrica representativa del país se ha
determinado para el SNI, una tasa de crecimiento
del 48,00% para el periodo 2016-2025, debido al
crecimiento de la generación térmica en un 0,85% en
el mismo periodo analizado.
A pesar de que el país cuente con una matriz
eléctrica con una alta participación de hidroelectricidad
(aproximadamente 90,00%), debido a la característica
de operación de un sistema hidrotérmico que por
condiciones de calidad y seguridad; es necesario
contar con la participación de centrales térmicas. Así
el factor de emisión de la red presenta en el periodo
de análisis un factor de emisiones de CO2 promedio
de 0,331tCO2/MWh.
Edición No. 13, Enero 2017
El factor de emisión debido al margen de
construcción muestra que el ingreso de una central
relevante para la capacidad instalada del sistema
eléctrico como la central hidroeléctrica Coca
Codo Sinclair determina que el factor está cerca de
cero, así; el factor de emisión combinado depende
exclusivamente de la operación del sistema.
Para sistemas hidrotérmicos el factor de emisión
del margen de operación, mide el nivel de eficiencia
ambiental, con que se utilizan las unidades térmicas
debido al nivel de producción y al consumo de
combustibles el sistema presenta en promedio 0.585
tCO2/MWh.
Se recomienda actualizar el análisis del factor
de emisión de CO2 para el SNI, en conjunto con los
diferentes planes del sector eléctrico a fin de contar
con el mismo por parte de instituciones oficiales.
REFERENCIAS BIBLIOGRÁFICAS
[1] UNFCCC (2016); ACM0002: Grid-Connected
electricity generation from renewable sources,
Version 17.
[2] Consejo Nacional de Electricidad (2013); Plan
Maestro de Electrificación 2013-2022, Quito-
Ecuador.
[3] International Energy Agency (2015); “Energy
and climate change”, Energy sector and CO2
emissions, pp 20-25.
[4] International Energy Agency (2016); International
Energy Outlook, Energy-related CO2 emissions.
[5] Agencia de regulación y control de electricidad,
(ARCONEL) (2016); Estadística Anual y
multianual del Sector Eléctrico Ecuatoriano
2015. Quito-Ecuador.
[6] Stevenson, W y Grainger J, (1996); Análisis de
Sistemas de Potencia, 2da Ed.
[7] Ministerio Coordinador de Sectores Estratégicos
(MICSE), Informe de Rendición de Cuentas
2015, Quito-Ecuador.
[8] PSR Inc. (2000), Manual de Metodología SDDP,
versión 5.3.
[9] Operador Nacional de Electricidad (CENACE)
(2016), Informe anual 2015, Quito-Ecuador.
[10] Ministerio de Ambiente (MAE) (2013); Factor
de emisión de CO2 del Sistema Nacional
Interconectado del Ecuador, Quito-Ecuador.
[11] H. Hondo (2013), Life cycle GHG emission
analysis of power generation systems: Japanese
211
 Oscullo et al. / Impacto del cambio de la Matriz Eléctrica en el Factor de Emisión de CO2 para el período 2016 2025

case, submitted to Energy the International Patricio Pichucho.- Nació

Journal.
[12] IPCC (2006) Guidelines for National Greenhouse
Gas Inventories Programme, IGES, Tokio, Japón
José Oscullo Lala.- Nació en
Sangolquí, Ecuador, en 1971.
Recibió su título de ingeniero
eléctrico en la Escuela
Politécnica Nacional en 1996,
Master en ingeniería eléctrica
de la Universidad Estatal
de Campinas, Sao Paulo
Brasil en 2002 y Magister
en Dirección de Empresas de la Universidad Andina
Simón Bolívar Sede Ecuador en 2008.
en Quito, Ecuador, en
1991. Actualmente, está
desarrollando su proyecto de
titulación de pregrado en la
Escuela Politécnica Nacional;
para obtener su título de
Ingeniero Eléctrico; sus
áreas de interés son: Análisis
ambiental de sistemas eléctricos de potencia y la
aplicación de optimización de la planificación de largo,
mediano y corto plazo de sistemas hidrotérmicos.

Actualmente se desempeña como profesor

titular del Departamento de Energía Eléctrica de la
Facultad de Ingeniería Eléctrica y Electrónica de
la Escuela Politécnica Nacional y es candidato a
Doctor en Ingenieria Eléctrica por parte de la EPN.
Su campo de investigación se encuentra relacionado
a la aplicación de herramientas de inteligencia
artificial en la optimización de sistemas eléctricos de
potencia; análisis técnico, económico y financiero de
la operación y expansión de sistemas eléctricos.

212
 Aplicación Práctica / Practical Issues

Movilidad Eléctrica para Galápagos: Determinación de Parámetros

Técnicos

A.A. Eras1 C.B. Coronel1 R.H. Chumbi2

Ministerio de Electricidad y Energía Renovable, MEER
E-mail: andrea.eras@meer.gob.ec, carlos.coronel@meer.gob.ec
Empresa Eléctrica Provincial Galápagos ELECGALAPAGOS,
E-mail: rene.chumbi@elecgalapagos.com.ec

Resumen Abstract

Una de las iniciativas del Gobierno Nacional en
eficiencia energética es impulsar la movilidad
eléctrica, la cual implica realizar cambios en
los sistemas de transporte terrestre, con la
introducción de tecnologías amigables con el
medio ambiente.
Este tipo de medidas son de éxito cuando la matriz
de generación de energía eléctrica cuenta con
un aporte renovable importante, sin embargo,
esto no ocurre en las Islas Galápagos, donde la
participación térmica provincial alcanzó el 84,24%
(2015) y el aporte renovable fue de 15,76%, lo que
hace imperativa la planificación energética.
De esto surge la elaboración del presente trabajo,
que considera la evaluación de la demanda, oferta
de energía eléctrica y de los sistemas de distribución,
para determinar al corto plazo la capacidad
permitida de vehículos y motos eléctricas, para su
ingreso hasta el 2020 al Archipiélago.
De cara al futuro, esta medida mejorará la calidad
de vida de la población galapagueña, siendo
el transporte una actividad relevante para su
economía. Pero más allá, también contarán los
beneficios generados para el medio ambiente, por
la reducción de emisiones de CO2.
Pero para que esto se cumpla, es necesario
garantizar que la tecnología que estará a
disposición del usuario tenga altos niveles de
eficiencia, razón por la que este estudio determina,
los parámetros mínimos permisibles para
vehículos y motos eléctricas en Galápagos.
One of the initiatives of the Ecuadorian
government in energy efficiency is electric mobility,
which implies changes in land transport systems,
with the introduction of friendly environmental
technologies.
Such measures are successful when the electricity
production mix has an important renewable
contribution. However, this is not the case of
Galapagos Islands, where thermal provincial
participation reached 84,24% (2015), while
renewable energy obtained 15,67%, which makes
energy planning mandatory.
This research is focused on this issue, which
considers the assessment of the demand and
supply of electricity and distribution systems in
order to determine the allowed capacity of vehicles
and electric motorcycles, at a short term, for their
introduction in the Galapagos Islands until 2020.
Looking ahead, this measure will improve the
quality of life of the population of the Galapagos,
because transport is an important activity for its
economy. But beyond that, the benefits for the
environment will be evident by reducing CO2
emissions.
In order to fulfill such purpose, it is necessary
to ensure that the technology available for users
meets high levels of efficiency, this being the
reason why this study establishes the permissible
minimum parameters for vehicles and electric
motorcycles in Galapagos.

Palabras clave— Vehículo eléctrico, moto eléctrica, Index terms— Electrical vehicle, electrical
Galápagos, demanda, diésel, energía, política. motorcycle, Galapagos, demand, diesel, energy,
policy.

Recibido: 27-08-2016, Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Eras, A.; Coronel, C.; Chumbi, R. (2017). “Movilidad Eléctrica para Galápagos:
Determinación de Parámetros Técnicos”. Revista Técnica “energía”. No. 13, Pp. 213-221
ISSN 1390-5074.

213
 Edición No. 13, Enero 2017
1. INTRODUCCIÓN
El incremento del consumo de energía en las
Islas Galápagos está altamente relacionado con la
actividad del sector transporte, dada la importancia de
la movilidad de las personas y mercancías dentro de
las islas e inter islas. En el 2014, este sector consumió
cerca del 77% de energía a nivel provincial [1], de
donde el 40% correspondió solamente al transporte
terrestre [1].
Las actividades en el sector transporte, están
reguladas bajo las políticas que establece el Consejo
de Gobierno de Régimen Especial de Galápagos
(CGREG) [2], el mismo que a mediados de 2016,
emite una ordenanza vehicular para fomentar el
ingreso de vehículos y motos eléctricas a las islas,
bajo ciertos criterios sociales y técnicos.
Observando que esta nueva política implica
garantizar el servicio eléctrico para su viabilidad,
el Ministerio de Electricidad y Energía Renovable
(MEER), evalúa el impacto que tendrá el ingreso y
operación de vehículos y motos eléctricas sobre los
sistemas de generación y distribución en Galápagos.
En el 2015, el mix eléctrico provincial contaba
con una participación del 15,76% de generación
renovable [3], y del 84,24% de generación térmica (3
335 626 de galones de diésel 2) [3].
Es por esto importante, contar con un análisis a
nivel de las etapas de generación y distribución, para
planificar y garantizar el servicio de energía eléctrica
en la provincia de Galápagos, por efecto de las nuevas
cargas.
2. METODOLOGÍA
Para el desarrollo de este trabajo, se realizó un
análisis descriptivo de estadísticas oficiales para
determinar la situación actual del sector energético y
eléctrico en las Islas Galápagos.
Se revisó de manera exhaustiva el marco normativo
que regula la movilidad terrestre y la planificación del
sector eléctrico en el Archipiélago, como literatura
científica, informes técnicos y publicaciones de
fuentes oficiales nacionales e internacionales.
Por otro lado, se ejecutaron pruebas técnicas a
vehículos y motos eléctricas que oferta el mercado
nacional, evaluando: su desempeño energético
(autonomía y consumo de energía); regeneración
energética; y, capacidad de carga1. Durante este
proceso, se utilizó formularios, equipos de medición
GPS y analizadores de red.
1 Estas pruebas se realizaron conforme lo sugiere la Regulación
No. CONELEC 004/01 de Calidad del Servicio Eléctrico de Distribución.
Como resultado se obtuvieron las curvas de carga de los vehículos y motos
eléctricas.
214
La proyección de la demanda de energía
eléctrica “Yt” hasta el 2020, se la realizó utilizando
la metodología ARIMA “procesos autorregresivos
integrados de medias móviles”, desarrollada por P.
Box y G. Jenkins (1970). Un proceso autorregresivo
(AR), indica que una variable Yt está explicada en
términos de sus valores pasados y un término de
perturbación; y, en un proceso de medias móviles
(MA), la variable Yt está explicada en términos de
la perturbación presente y las pasadas [4], [5]. La
combinación de éstos procesos, influenciados por
un comportamiento estacional (comportamiento
periódico en el tiempo), llevó a utilizar modelos
ARIMA con estacionalidad multiplicativa [4], [5]. La
metodología ARIMA se utiliza como una herramienta
de planificación a corto plazo debido a su bajo error
de predicción [5], [6]. Para la modelación se hizo uso
del paquete econométrico EVIEWS.
A los resultados de proyección de la demanda
vegetativa, se suma la demanda de los vehículos y
motos eléctricas, para determinar una proyección
a corto plazo del consumo de energía. Este análisis
comprende la identificación de la demanda a nivel
de: centrales de generación, para determinar la
oferta disponible; y, centros de transformación para
evaluar el impacto en la distribución (en esta etapa se
utilizó el software de análisis técnico Cymdist), cuyo
procedimiento se escribe en el apartado 8.2.
Finalmente, se analiza la incidencia de los
resultados técnicos sobre la política actual, y se
establecen recomendaciones de aplicación futura.
3. SITUACIÓN ENERGÉTICA DE
GALÁPAGOS
La oferta y demanda de energía secundaria (Fig.
1) está comprometida al incremento de la actividad
económica, costumbres de consumo, crecimiento
poblacional, entre otros factores. La oferta contabiliza
la producción de electricidad y la importación de
derivados de petróleo, incluida la variación por
inventarios [1].
400
350
300
250
200
150
100
50
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Producción Importación Demanda total
Figura 1: Oferta y demanda de energía secundaria – provincial.
Datos anuales para el periodo 2005 – 2014 (kBep) [1]
 Eras et al. / Movilidad eléctrica para Galápagos: determinación de parámetros técnicos

Para el periodo que se muestra en la Fig. 1, la 6000000

generación de electricidad a nivel provincial registra FOTOVOLTAICO Y BATERÍAS

BALTRA 0,067 MW Y 4,3 MWh
5000000
una tasa de crecimiento anual acumulativa de 7,72% TÉRMICA
EÓLICO BALTRA
2,25 MW
[1], y la importación de combustible fósil (diésel y 4000000
BIODIÉSEL
FLOREANA 0,138 MW
EÓLICO
gasolina) una tasa anual acumulativa de 4,92% [1]. 3000000
SAN CRISTÓBAL
2,4 MW

En el 2014, la demanda de energía provincial se 2000000

FOTOVOLTAICO
dividió así: 77% en el sector transporte [1] (terrestre, 1000000
PTO. AYORA 1,5 MW

marítimo y aéreo interisleño), 7,17% en el sector

0
comercial [1] y 6,63% en el residencial [1]. Para este

may-06

may-07

may-08

may-09

may-10

may-11

may-12

may-13

may-14

may-15
ene-06

sep-06
ene-07

sep-07
ene-08

sep-08
ene-09

sep-09
ene-10

sep-10
ene-11

sep-11
ene-12

sep-12
ene-13

sep-13
ene-14

sep-14
ene-15

sep-15
ene-16
año en particular, la participación del sector de la Eólica Solar Piñón Térmica Total

construcción fue del 9,40% [1], y al final se ubicó el

Figura 3: Producción de energía eléctrica mensual para el
sector industrial con el 0,08% [1]. periodo 2006 - 2015 (kWh) [3]

350 A partir del 2007, con la entrada en operación del

300 parque eólico “El Tropezón”, de 2,4 MW, ubicado en
250 la isla San Cristóbal, se observa el primer aporte de la
200
generación renovable y con ello la diversificación de
150
las fuentes de energía para generación de electricidad.
100

50
Para el año siguiente (2008), y con el propósito
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 de reducir el impacto ambiental en el Archipiélago
Transporte Residencial de Galápagos, el Gobierno Nacional presenta la
Comercial, servicios, público
Industria
Construcción, otros
Consumo energético
“Iniciativa Nacional Cero Combustibles Fósiles para
Galápagos”.
Figura 2: Consumo de energía sectorial – provincial. Datos En esta línea, se da inicio a la implementación
anuales para el periodo 2005 – 2014 (kBep) [1]
paulatina de una serie de proyectos en energías
renovables en el Archipiélago, que ha permitido
El consumo de energía provincial, para el periodo que en estos últimos 9 años se deje de generar 33
observado en la Fig. 2, registró una tasa de crecimiento 574,88 MWh térmicos [3], y se consiga un ahorro
anual acumulativa de 5,38% [1]. de 2,9 millones de galones de diésel [3], evitando la
emisión de aproximadamente 27 934,53 de T de CO2
4. OFERTA DE ENERGÍA ELÉCTRICA al ambiente [3]. El aporte renovable provincial en el
2015 fue de 15,64% [3].
Galápagos tiene cuatro sistemas de generación,
ubicados en las islas: San Cristóbal, Santa Cruz - La configuración actual de la generación es
Baltra, Isabela y Floreana. Estos sistemas cuentan el reflejo de una política orientada a garantizar el
con centrales de generación térmica para cada una desarrollo económico de la sociedad galapagueña,
de las islas, y centrales de energía renovable (solar coadyuvando a la preservación del único y frágil
fotovoltaica, eólica, y biocombustible) en algunas de ecosistema de Galápagos.
ellas. Esto se detalla en la Tabla 1 [3] a continuación:
5. DEMANDA DE ENERGÍA ELÉCTRICA
Tabla 1: Potencia nominal instalada
En el periodo 1999 – 2016, la demanda provincial
Térmica Térmica Eólica Fotovoltaica
Isla
Diésel (kW) Piñón (kW) (kW) (kW)
Baterías (Fig. 4) presentó una tasa de crecimiento promedio
San Cristóbal 9 450 2 400 12,5
Pb-ácido: 500 kW;
anual del 9%.
Santa Cruz - 4 032 kWh
14 950 2 250 1 567
Baltra Ion-litio: 500 kW;
268 kWh 5000
Isabela 2 640 4500
Pb-ácido: 36 kW; 4000
Floreana 145 138 20,9
3500
96 kWh
3000
2500
La evolución de la producción de energía eléctrica 2000
1500
durante se encuentra atada al comportamiento de 1000
la demanda. Como se observa en la Fig. 3 [3], la 500

generación térmica ha sido y continúa siendo la 0

principal componente de la matriz de generación de

energía eléctrica provincial, y satisfactoriamente, Residencial Comercial Industrial
Alumbrado Público Otros Total
existe una reducción en cuanto al crecimiento del uso
de esta fuente, por la puesta en servicio de centrales Figura 4: Demanda de energía eléctrica en Galápagos. Datos
que utilizan fuentes renovables de energía. mensuales para el periodo enero 1999 – enero 2016 (kWh) [3]

215
 Edición No. 13, Enero 2017
Esta demanda, como se muestra en la Fig. 4, se
encuentra dividida en cinco grupos de consumo:
el sector residencial con la mayor participación
durante todo el periodo, alcanzando un 43,25% del
total provincial [3], seguido del sector comercial con
el 30,41% [3], el sector de otros consumos2 con el
19,44% [3], alumbrado público con el 5,58% [3], y el
industrial con el 1,32% [3].
Este comportamiento difiere para el caso específico
de cada isla habitada, por ejemplo, durante el 2015,
en San Cristóbal, el mayor consumidor fue el sector
de otros consumos con el 40,66% [3], debido a la
presencia de las administraciones públicas; en Santa
Cruz y Floreana el sector de mayor consumo fue el
residencial con el 42,94% y 52,28%, respectivamente
[3]; mientras que en Isabela fue el sector comercial
con el 43,37% del total [3].
6. MARCO NORMATIVO EN MOVILIDAD
ELÉCTRICA
La movilidad de personas y mercancías es una de
las principales actividades demandantes de energía, y,
por ende, de la emisión de gases de efecto invernadero
[7], en este sentido, ofrecer una alternativa eficiente
y medidas de gestión de la energía, son parte de la
consolidación de una política pública adecuada en
materia de sostenibilidad energética.
En primera instancia se hace mención a la
Constitución de la República, que en su art. 258
establece que la planificación y desarrollo de
Galápagos se organizará con base a principios de
conservación del patrimonio natural del Estado y del
buen vivir [8].
Para mitigar los efectos del consumo de
combustibles fósiles sobre el Archipiélago, el mismo
que fue incluido por la Organización de la Naciones
Unidas (ONU) en la lista de Patrimonios Naturales
de la Humanidad (2001), el Gobierno del Ecuador
presenta la “Iniciativa Nacional Cero Combustibles
Fósiles para Galápagos”, la cual se enfoca en los
sectores de electricidad y transporte [9].
El Plan Nacional del Buen Vivir 2013-2017, a
través de su política 7.12: “Fortalecer la gobernanza
ambiental del régimen especial del Archipiélago
de Galápagos…” promueve el uso nulo de los
combustibles fósiles con especial énfasis en el sector
transporte [10].
Por parte de la Ley Orgánica de Régimen Especial
de la Provincia de Galápagos -LOREG- (2015)
2 El grupo de consumo “otros”, comprende: clientes especiales, asistencia
social, autoconsumo, beneficio público, bombeo de agua, bombeo de agua
a comunidades campesinas, cultos religiosos, entidades oficiales, vehículos
eléctricos, escenarios deportivos y servicio comunitario [11].
216
se anuncia que será el CGREG, el responsable de
planificar y regular el transporte y la movilidad en
la provincia [2], situación que se esquematiza en el
“Plan Galápagos: Plan de Desarrollo Sustentable y
Ordenamiento Territorial del Régimen Especial de
Galápagos 2015 – 2020” [12]. Bajo este amparo,
el Consejo emite, en mayo 2016, la Ordenanza No.
01-CGREG-2016, que contiene el reglamento de
ingreso y control de vehículos y maquinaria [13], que
en su Capítulo IV, encuentra relación de pertinencia
con el sector eléctrico.
Por otro lado, en abril 2014, se estableció el
compromiso presidencial Nro. 21898, denominado:
“Todo el apoyo para producción de vehículos
eléctricos”, cuya coordinación está a cargo del
Ministerio Coordinador de la Producción, Empleo y
Competitividad (MCPEC) [14].
A través de la Ley Orgánica del Servicio Público
de Energía Eléctrica (LOSPEE) promulgada en mayo
2015, se establece que el MEER será quien planifique
el sector eléctrico, las energías renovables y la
eficiencia energética [15].
Para garantizar un uso eficiente de la energía
en movilidad eléctrica, la Agencia de Regulación y
Control de Electricidad (ARCONEL), en junio 2015,
oficializa la Resolución 038/15 que establece la tarifa
de vehículos eléctricos, su sistema de medición de
energía y modo de carga [16]. Así también, emite
la Resolución 041/16, en junio 2016, que establece
un factor de corrección de demanda igual a 1, para
los periodos de demanda punta, media y base para
Galápagos [17].
7. PERSPECTIVAS DE LA MOVILIDAD
ELÉCTRICA: DETERMINACIÓN DE
PARÁMETROS TÉCNICOS
Según el Plan Galápagos 2015 – 2020 del CGREG,
hasta octubre 2013, se tenían 1 312 vehículos y 1 201
motocicletas matriculados en las islas, indicando que
éstas últimas han incrementado su número debido a
sus bajos costos, a las facilidades que tienen para un
ingreso irregular, y a los limitados controles en los
puertos de embarque del Continente [12]. Aclarando
que, el CGREG, en su normativa, limita el ingreso de
vehículos a combustión particulares, dando prioridad
a aquéllos de transporte público y comercial [13].
Por tal motivo, el Consejo propone como una
alternativa a la movilidad, la introducción de vehículos
y motos eléctricas3 para satisfacer las necesidades de
la colectividad.
3 “Un vehículo eléctrico es impulsado por uno o más motores eléctricos.
Este tipo de vehículos se alimentan de energía eléctrica cuando no se
encuentran en funcionamiento, la misma que es almacenada a través de
sistemas recargables, y que se consume con el desplazamiento” [16].
 Eras et al. / Movilidad eléctrica para Galápagos: determinación de parámetros técnicos

Con esta base, se evaluaron en Puerto Ayora 8. INCIDENCIA DE LA MOVILIDAD SOBRE

(mayo 2016), 5 vehículos y 2 motos eléctricas, para LA GENERACIÓN Y DISTRIBUCIÓN DE
analizar su desempeño energético, regeneración ENERGÍA
y capacidad de carga de la batería, obteniendo los
siguientes resultados: 8.1. Crecimiento de la Demanda

- La ruta de pruebas Puerto Ayora – Baltra de 110 km La proyección de la demanda vegetativa5 se

fue superada por todos los autos a excepción de un realiza hasta el 2020, y se consigue modelando los
ultracompacto. datos históricos a través de la metodología ARIMA
con estacionalidad multiplicativa, para los cuatro
- Un vehículo incorporaba una batería de 12 kWh con sistemas aislados. La demanda proyectada indica
una autonomía de 57 km, e integraba un generador un crecimiento promedio anual de energía eléctrica
eléctrico con uso de gasolina, siendo su autonomía de: 19 798,39 MWh para San Cristóbal; 48 146,92
total de 880 km. MWh para Santa Cruz; 8 171,27 MWh para Isabela y
349,57 MWh para Floreana.
- La eficiencia promedio de los vehículos fue de
94%, con excepción del ultracompacto que alcanzó 8.2. Proyección de la Demanda de la Movilidad
una eficiencia del 74% [18].
Este análisis permite identificar la demanda
- La potencia máxima registrada del cargador fue de de la movilidad, en número de vehículos y motos
6,6 kW (7 kW, valor próximo comercial). eléctricas, con base a las potencias de cargador antes
mencionadas. Esto se lo realiza a través de dos etapas:
- Gasto energético promedio por km recorrido de
0,20 kWh/km, excluyendo el auto ultracompacto. Una primera que se logra determinando un
número de vehículos y motocicletas por la oferta
Para el caso de las 2 motocicletas probadas, los de la generación disponible (energía y potencia).
resultados no fueron suficientes para realizar una Los criterios empleados son: 15% de reserva para
proyección adecuada de la demanda. Por consiguiente, regulación de frecuencia; 20% de reserva en potencia
se revisó un análisis estadístico4 elaborado por la y 10% en energía6; día de máxima demanda; pliego
ARCONEL, que obtiene una potencia media del tarifario vigente; factores de coincidencia según la
cargador de 0,78 kW, siendo 0,9 kW su valor próximo Westinghouse [22]; con esto se define el perfil de un
comercial [19]. vehículo eléctrico, adaptando la curva a la obtenida
Con estas consideraciones, se determina que: en el estudio: “Análisis para la implementación de
las pérdidas de conversión en los cargadores deben redes inteligentes en el Ecuador”, elaborado por la
restringirse a criterios de eficiencia energética; y, Universidad Politécnica de Valencia.
para la modelación de la demanda se empleará una Con los resultados previos, en una segunda etapa
potencia de cargador de hasta 7 kW (máxima) para se reparte las cargas (vehículos y motos eléctricas)
vehículos y 0,9 kW (media) para motocicletas. a nivel de alimentador, en específico a los usuarios
Por otra parte, se realizó una revisión bibliográfica residenciales con mayores consumos o de altos
sobre la prestación de los tipos de baterías, las estratos sociales (hipótesis), evitando afectaciones a
mismas que condicionan la autonomía, la aceleración las redes de distribución. Con este análisis disminuye
y la velocidad, como el rendimiento energético de un el cupo que se había determinado por la oferta. Los
vehículo o moto eléctrica [20]. resultados finales se observan en la Tabla 2:
Tabla 2: Cupo de la movilidad eléctrica
De esto se concluyó que, el litio presenta mayores
Isla Cupo 2016 2017 2018 2019 2020
ventajas respecto de otros componentes como el
San
plomo ácido o níquel, en cuanto a menor peso, alta Cristóbal
Autos 317 309 290 280 271
capacidad de almacenaje de energía, alta eficiencia
  Motos 658 645 609 578 560
energética [21], y vida útil [20]. Su desventaja está
Santa Cruz Autos 214 185 150 122 91
relacionada con su alto costo [21], sin embargo, varios
países han creado incentivos para la fabricación de   Motos 515 453 389 305 226

baterías de litio como parte de la cadena de suministro Isabela Autos 0 0 0 0 0

del vehículo eléctrico [20].   Motos 0 0 0 0 0

5 La demanda vegetativa incluye las cargas presentes en cada sistema

4 Se evalúan varias potencias de cargador de motocicleta, hasta de 3 kW aislado, y aquellas planificadas al corto plazo.
como máxima. 6 Recomendación de buenas prácticas de planificación.

217
 Edición No. 13, Enero 2017
Dada la oferta disponible y capacidad del sistema
de distribución, se podrá ingresar hasta el 2020: 362
vehículos y 786 motos7 eléctricas. Este cupo decrece
con el aumento de la demanda vegetativa, y deberá
actualizarse anualmente.
9. EVALUACIÓN ECONÓMICA Y
AMBIENTAL
Este apartado considera un escenario de
sustitución de vehículos (gasolina y diésel premium)
y motos8 (gasolina) a combustión, por equipamiento
eléctrico (energía eléctrica) hasta el 2020.
Para un recorrido promedio anual de 15 000
km, un vehículo convencional consume 43 122 MJ
mientras que uno eléctrico consume 29 919 MJ.
Con un recorrido estimado al año de 10 000 km, el
consumo de una moto a combustión es de 9 931 MJ y
de una eléctrica es 8 865 MJ.
En el estudio económico – financiero, la inversión
anual calculada tiene relación con el costo real del
servicio de energía eléctrica en Galápagos9 [23] y
consumo de energía eléctrica correspondiente al
número vehículos y motocicletas de la Tabla 2.
Los beneficios para el Estado se obtienen de: la
facturación de la energía eléctrica y potencia máxima
registrada por los vehículos y motos eléctricas, al
precio establecido en la normativa vigente10 [11]; el
desuso de la gasolina y el diésel premium con precios
consultados en fuentes oficiales [24], [25]. Los
beneficios para el usuario, provienen de la diferencia
de costos entre los combustibles consumidos por un
vehículo convencional versus la energía demandada
por un vehículo eléctrico.
También se internaliza los beneficios ambientales.
Si se sustituye el cupo establecido para el 2020, se
dejarían de emitir 768 T CO211 [26]. Este dato es el
resultado de la diferencia entre las emisiones de CO2
producidas tras el uso de la tecnología a combustión
vs. las emisiones de CO2 por generación de energía
eléctrica destinada para la recarga de los vehículos y
motos eléctricos.
Con una tasa de descuento del 12%, se obtienen
los siguientes indicadores: Valor Presente Neto de 2
298 860,73 USD, Tasa Interna de Retorno de 29%, y
7 El cupo de 786 motos está condicionado a la disponibilidad de la tecnolo-
gía en el mercado nacional.
8 En Galápagos el recorrido promedio anual de un vehículo a combustión
es de 15 000 km, y para una moto se estima un valor de 10 000 km (datos
proporcionados por la Empresa Eléctrica Provincial Galápagos ELECGA-
LAPAGOS).
9 Costo real de servicio de energía en Galápagos: 0,4095 USD/kWh.
Este precio cubre los costos de toda la cadena del servicio, que incluye la
compra de diésel 2 para producción de energía eléctrica [23].
10 0,05 USD/kWh en horas valle [11].
11 El factor de emisión es de 72 864 kg CO2/TJ para la gasolina, 76 651 kg
CO2/TJ para el diésel premium, y 69 957 kg CO2/TJ para el diésel 2 [26].
218
una relación Costo/Beneficio de 2, lo cual refleja la
viabilidad económica y financiera de la introducción
de vehículos eléctricos a Galápagos.
Sin embargo, esta valoración se deberá ir
actualizando de la mano con el cupo de equipos
eléctricos.
10. PERCEPCIÓN SOCIAL
En cumplimiento a uno de los objetivos del
Plan Nacional de Eficiencia Energética (PLANEE),
cuya elaboración está a cargo del MEER, se levantó
información correspondiente a la percepción social
en la provincia (500 encuestados, clasificados por
estrato de consumo kWh/mes) de los vehículos
eléctricos12 [27].
Los resultados preliminares indican que, el 47%
de los encuestados mostraron interés en adquirir o
cambiar su actual vehículo de combustión interna por
un vehículo eléctrico. El 53% de los encuestados no
tiene interés en la nueva tecnología por las siguientes
razones: costo elevado; no la necesita; desconfianza
en la tecnología y trabajos de mantenimiento; falta
de información; baja funcionalidad; entre otros [27].
Como son resultados preliminares, a través
de este trabajo se recomienda socializar y educar
a la población sobre la movilidad eléctrica y la
importancia del uso adecuado de la energía.
11. GESTIÓN E INFRAESTRUCTURA
Para viabilizar la movilidad eléctrica a nivel
nacional, mediante disposición ministerial No. 30443
“Normativa vehículos eléctricos”, se conforma un
Comité Intersectorial que preside el MEER [28], el
mismo que cuenta con la participación del MCPEC y
entidades del sector eléctrico.
Este equipo técnico trabaja para establecer
requerimientos normativos y de infraestructura, como
es el caso de la Resolución 038/15, que especifica
que se asignará al usuario, un medidor independiente
con registrador de demanda horaria con tecnología
de infraestructura de medición avanzada (AMI)13,
debiendo utilizar cargadores con modo de carga 314
[16].
Sobre el modelo de gestión, se trabajó en una
propuesta, que establece que los concesionarios de
los vehículos y motocicletas eléctricas nacionales son
los encargados de gestionar a través de las empresas
de distribución, la instalación de la infraestructura:
12 Las encuestas realizadas por el MEER concluyen el 2 de diciembre de
2016.
13 Red altamente integrada para medir, recopilar, almacenar y analizar el
consumo de los usuarios.
14 El modo de carga 3, consta de un toma-corriente especial Wall Box, de
recarga inteligente con función de control y protección instalada [31].
 Eras et al. / Movilidad eléctrica para Galápagos: determinación de parámetros técnicos
acometida y medidor, aclarando que el costo del
medidor deberá ser cubierto por el usuario final [29].
Adicionalmente, en la Ordenanza No.
01-CGREG-2016 se escribe el procedimiento y
requisitos de ingreso de un vehículo o moto eléctrica
en Galápagos, donde se aclara que cada familia puede
disponer de un solo vehículo terrestre en la provincia
[13].
12. REPERCUSIONES DE LA MOVILIDAD
ELÉCTRICA SOBRE EL MARCO
NORMATIVO
Las políticas públicas en un país tratan de articular
objetivos en función de las necesidades de la sociedad
y los costos que están dispuestos a asumir para
satisfacer estas necesidades [30]. Además de, integrar
los diferentes planes sectoriales para infraestructura y
servicios, atendiendo la oferta y demanda del mercado,
a través de la cual se garantice una competencia justa
entre proveedores de tecnología [7].
Para el caso de Galápagos, la política sectorial
en movilidad debe considerar y analizar sus posibles
efectos sobre la matriz energética local. En el 2014,
el consumo provincial del transporte terrestre fue
de 95,4 kBep de energía (27% en diésel y 73% en
gasolina) [1], mientras que la matriz de generación
de energía eléctrica (2015) tuvo una participación
térmica del 84,24% (diésel) [3].
Con esto se puede inferir que, la introducción de
vehículos eléctricos a las islas, permitirá disminuir
el consumo de combustible en el sector transporte y
provocará un incremento en el consumo de diésel para
producción de electricidad. No obstante, el consumo
de energía de un vehículo a combustión en Galápagos
es 1,44 veces más que el de un vehículo eléctrico.
Esta es la justificación de una política local
que deberá garantizar el ingreso de una tecnología
eficiente, que coadyuve el cumplimiento de los cero
combustibles fósiles y la conservación ambiental en
Galápagos.
Por el lado de la distribución de energía
eléctrica, se podrá asegurar el servicio conforme la
capacidad disponible del sistema, y la planificación
anual y procedimientos de la Empresa Eléctrica
Provincial Galápagos ELECGALAPAGOS para el
reforzamiento de redes, apegándose a la normativa
vigente relacionada a la provisión, garantía del
servicio de energía y financiación correspondiente
[32].
A nivel normativo, se ve necesaria la adaptación
de la “tarifa general en baja tensión con registrador de
demanda horaria para vehículos eléctricos”, a la curva
de demanda máxima de las islas, la cual presenta picos
de consumo en horas de la mañana, tarde y noche; y,
a la situación de sus sistemas eléctricos de potencia.
Dadas las conclusiones precedentes, y como lo
sugiere Kreuzer y Wilmsmeier (2014), la política en
movilidad debería estructurarse bajo un enfoque A
(avoid) – S (shift) – I (improve): (A) evitar los viajes
motorizados; (S) cambiar a modos de transporte
eficientes; (I) mejorar la eficiencia del combustible
[7], esto con la respectiva evaluación técnica y
económica, sabiendo que se deberá seguir impulsando
acciones arancelarias y tributarias que faciliten la
inserción de la movilidad ecoeficiente.
En efecto, la política en movilidad tiene un
verdadero reto a futuro para consolidar de manera
integral la situación social, económica, financiera,
ambiental y humana en las Islas Galápagos, para que
sus objetivos logren cumplirse.
13. CONCLUSIONES Y RECOMENDACIONES
El ingreso de vehículos eléctricos influirá
directamente sobre la matriz de generación de energía
eléctrica provincial.
La metodología ARIMA utilizada para proyección
de la demanda, constituye una herramienta
recomendable para pronóstico de ésta y otras
variables energéticas.
Respecto de la tecnología recomendable a
introducir, se comenta cada uno de los parámetros
definidos:
Potencia de cargador: las recargas residenciales
deben ser lentas, alineándose a la resolución
ARCONEL 038/15, con una potencia máxima de 7
kW como adecuada para el cargador de vehículos
eléctricos y de 3 kW para motocicletas.
Batería: de acuerdo a las mejores prestaciones
que tiene el litio, se determina que las baterías de
las motocicletas y vehículos eléctricos que ingresen
a Galápagos, deberán ser fabricadas con este
componente.
Gasto energético por km recorrido: hasta 0,20
kWh/km en autos con las más altas prestaciones15.
Para el caso de motocicletas, se determinará este
parámetro con aquellas que vayan ingresando a
Galápagos, que cumplan el resto de variables.
Eficiencia de carga: la eficiencia mínima del
cargador de un vehículo o moto eléctrica será del
90%.
A nivel de generación y distribución, el cupo
disponible de vehículos eléctricos hasta el 2020 es de
362, y para motocicletas eléctricas es de 786, valor
que está condicionado a la situación de los sistemas
eléctricos de generación y distribución.
Un vehículo eléctrico es más eficiente que uno a
combustión (consume 1,44 menos veces de energía).
15 Capacidad de carga y rapidez similar o superior a un auto convencional.
219
 Edición No. 13, Enero 2017
La motocicleta eléctrica consume 1,12 veces menos
de energía que la convencional.
La sustitución de vehículos de combustión
por vehículos eléctricos presenta una viabilidad
económica - financiera, dados los indicadores del
apartado 9.
La nueva tecnología también favorece al medio
ambiente, evitando el consumo de 270 mil galones de
combustible al último año de implementación.
Se recomienda al Consejo de Gobierno, como
entidad responsable de la planificación del sector
transporte, evaluar escenarios de sustitución de
vehículos a combustión por eléctricos, con el
apoyo institucional del sector eléctrico y gobiernos
autónomos.
Es necesaria una coordinación interinstitucional,
para que los objetivos planteados en las políticas
que fomentan la movilidad eléctrica en Galápagos
logren articular: factores socioeconómicos, humanos,
técnicos y ambientales.
ELECGALAPAGOS como responsable del
servicio de energía eléctrica en la provincia, deberá
hacer cumplir la Regulación 001/15 de marzo 2015,
correspondiente al punto de entrega y condiciones
técnicas y financieras para la prestación del servicio.
La aplicación tarifaria será la que consta en
el Pliego tarifario vigente, Resolución 038/15 y
Resolución 041/16. Se recomienda que la ARCONEL
proponga y oficialice una tarifa para vehículos
eléctricos en baja tensión, considerando los picos
de consumo de Galápagos, en época de verano e
invierno.
Para mejorar la percepción social de la población
galapagueña sobre vehículos y motos eléctricas, se
recomienda realizar charlas educativas y campañas de
socialización, que consideren el tema de uso eficiente
de la energía en movilidad.
Finalmente, es aconsejable que el Gobierno
considere incrementar, en cada isla, la participación
renovable en la generación, con el objeto de atenuar
el consumo de combustibles fósiles para cubrir la
demanda de la movilidad eléctrica y demás cargas
presentes.
REFERENCIAS BIBLIOGRÁFICAS
[1] INER, “Balance energético de la provincia de
Galápagos 2015,” En edición, Quito, 2015.
[2] Asamblea Nacional, Ley Orgánica de Régimen
Especial de la Provincia de Galápagos
-LOREG-, Registro Oficial No. 520, Quito,
Jun. 2015.
220
[3] ELECGALAPAGOS, “Balance eléctrico
provincial,” Galápagos, 2015.
[4] L. A. Fernández, “Modelos avanzados para
la predicción a corto plazo de la producción
eléctrica en parques eólicos,” disertación
de Doctorado, Departamento de Ingeniería
Eléctrica, Universidad de la Rioja, Logroño,
2007.
[5] A. Eras, “Política para el desarrollo de las
energías renovables en Ecuador,” tesis de
Máster, Facultad de Ciencias Económicas
y Empresariales, Universidad Autónoma de
Madrid, Madrid, España, 2015.
[6] E. Gutiérrez, “La demanda residencial de
energía eléctrica en la Comunidad Autónoma
de Andalucía: un análisis cuantitativo,”
disertación de Doctorado, Facultad de Ciencias
Económicas y Empresariales, Universidad de
Sevilla, Sevilla, 2003.
[7] F. Kreuzer, G. Wilmsmeier, “Eficiencia energética
y movilidad en América Latina y el Caribe. Una
hoja de ruta para la sostenibilidad,” Comisión
Económica para América Latina y el Caribe,
Santiago de Chile, Oct. 2014, pp. 21-22.
[8] Asamblea Constituyente, Constitución de la
República del Ecuador, Registro Oficial No.
449, Quito, Oct. 2008.
[9] ELECGALAPAGOS, “Reforzamiento de la
generación de las islas Santa Cruz y Baltra,
como actualización al recambio tecnológico
2014,” Galápagos, Dic. 2015, pp. 4.
[10] Secretaría Nacional de Planificación y Desarrollo
SENPLADES, “Plan Nacional del Buen Vivir
2013-2017,” Quito, 2013, pp. 240.
[11] ARCONEL, “Pliego tarifario para las empresas
eléctricas. Servicio público de energía eléctrica.
Periodo enero – diciembre 2016,” Ene., 2016.
[12] CGREG, “Plan Galápagos: Plan de Desarrollo
Sustentable y Ordenamiento Territorial del
Régimen Especial de Galápagos 2015 – 2020,”
Galápagos, 2015, pp. 170 – 198.
[13]
CGREG, Ordenanza provincial:
01-CGREG-2016, Registro Oficial No. 578,
Quito, May. 2016, pp. 170 – 198.
[14] R. Correa, Compromiso presidencial No.
21898: Todo apoyo para producción de
vehículos eléctricos, Quito, Abr. 2014.
[15] Asamblea Nacional, Ley Orgánica del Servicio
Público de Energía Eléctrica -LOSPEE-, Quito,
May. 2015, pp. 8.
[16]
ARCONEL, Resolución No.
ARCONEL-038/15, Jun. 2015.
 Eras et al. / Movilidad eléctrica para Galápagos: determinación de parámetros técnicos
[17]
ARCONEL, Resolución No.
ARCONEL-041/16, Jun. 2016.
[18] ARCONEL, “Informe de las pruebas de
vehículos y motocicletas eléctricas en
Galápagos,” Quito, Jun. 2016.
[19]
ARCONEL, “Cargador de motocicletas,”
Quito, Jul. 2016.
[20] Instituto Tecnológico de Canarias, “Estudio
para la implantación del Vehículo Eléctrico en
Canarias,” Canarias, Nov. 2013, pp. 31-33.
[21] S. Manzetti y F. Mariasiu, “Electric vehicle
battery technologies: From present state to
future systems,” Renewable and Sustainable
Energy Reviews 51, Jul. 2015, pp. 1005 – 1006.
[22] The Westinghouse Electric Utility Engineers.
“Electric Utility Engineering Reference Book:
Distribution Systems,” Westinghouse Electric
Corporatio, Pennsylvania, 1965, pp. 35.
[23] ARCONEL, “Costo del servicio eléctrico en
Galápagos,” Jun. 2016.
[24] EP PETROECUADOR, “Precios de venta a
nivel de terminal para las comercializadoras
calificadas y autorizadas a nivel nacional,” Jul.,
2016.
[25] GlobalPetrolPrices.com, “Ecuador precios de
la gasolina, diésel,” Jul., 2016.
[26] Organización Latinoamericana de la Energía,
“Manual de estadísticas energéticas. Factores
de emisión de dióxido de carbono,” 2011.
[27] MEER, “resultados preliminares de encuestas
sobre vehículos eléctricos,” Dic. 2016
[28] MEER, “Conformación Comité Normativa
Vehículos Eléctricos,” Ago., 2015.
[29] MEER, “Propuesta de modelo de negocio para
vehículos eléctricos,” Oct., 2016.
[30] D. Mares, “Resource Nationalism and Energy
Security in Latin America: Implications for a
global oil supplies,” Baker Institute Scholar
for Latin American Energy Studies. James
A. Baker III Institute for public policy Rice
University, Ene. 2010, pp. 13.
[31] Schneider Electric, “Soluciones de carga para
vehículos eléctricos,” Barcelona, Abr. 2014.
[32]
ARCONEL, Regulación No.
ARCONEL-001/15, Mar. 2015.
[33] Universidad Politécnica de Valencia, “Análisis
para la implementación de redes inteligentes
en el Ecuador,” Ministerio de Electricidad y
Energía Renovable, Quito, Jul. 2015.
[34] CONELEC, Regulación No.
CONELEC-004/01, Mayo. 2001.
Andrea Eras Almeida.-
Nació en Loja, Ecuador en
1985. Recibió su título de
Ingeniera Eléctrica de la
Universidad de Cuenca en
2010; de Máster en Energía
Renovable y Medio Ambiente
de la Universidad Politécnica
de Madrid, Madrid en
2012; y su título de Máster
Universitario en Desarrollo Económico y Políticas
Públicas de la Universidad Autónoma de Madrid,
Madrid en 2015. Sus campos de investigación
están relacionados con la planificación energética,
energías renovables, eficiencia energética, economía
de la energía y políticas públicas. Actualmente se
desempeña como especialista en energía del Programa
de las Naciones Unidas para el Desarrollo, brindando
asesoría a la Subsecretaría de Energía Renovable y
Eficiencia Energética.
Carlos Coronel Zhingre.-
Nació en Loja, Ecuador
en 1985. Recibió su título
de Ingeniero Eléctrico de
la Universidad Politécnica
Salesiana en 2013. Su
experiencia laboral incluye
actividades dedicadas a la
investigación, reglamentación
y normalización. Actualmente
labora como especialista técnico de eficiencia
energética del Ministerio de Electricidad y Energía
Renovable. Sus campos de interés están relacionados
con la eficiencia energética, la ingeniería eléctrica,
reglamentación nacional e internacional.
René Chumbi Quito.-
Nació en Cuenca, Ecuador
en 1989. Recibió su título
de Ingeniero Eléctrico de la
Universidad de Cuenca en
2013. En la actualidad, labora
como analista técnico en
la Jefatura de Planificación
de la Empresa Eléctrica
Provincial Galápagos
ELECGALAPAGOS S.A. Sus actividades están
relacionadas con análisis de operación, fiabilidad y
previsiones de los sistemas aislados de Galápagos con
la variedad tecnológica de fuentes de electricidad. Sus
temas de interés son la eficiencia energética, gestión
de la demanda, energías renovables, operación
de centrales de generación y el mejoramiento de
fiabilidad en redes de distribución.
221
 Aplicación Práctica / Practical Issues

Diagnóstico Situacional para la implementación de un proceso de Gestión

de Conocimiento en el Operador Nacional de Electricidad CENACE

P.K. Vásquez1 J.C. Cepeda1 D.E. Echeverría1 V. Ramos2

Operador Nacional de Electricidad - CENACE

1

E-mail: pvasquez@cenace.org.ec; jcepeda@cenace.org.ec; decheverria@cenace.org.ec

2
Escuela Politécnica Nacional, EPN
E-mail: valentina.ramos@epn.edu.ec

Resumen Abstract

Este trabajo presenta las fases para la
implementación de un proceso de Gestión de
Conocimiento en el Operador Nacional de
Electricidad CENACE, considerando para este
estudio el conocimiento y la cultura de aprendizaje
como un pilar fundamental para la Gestión
de Conocimiento. La metodología que ha sido
aplicada para el presente trabajo ha permitido
identificar las fortalezas y oportunidades de
mejora respecto de la existencia actual de un
proceso de Gestión de Conocimiento en CENACE.
Esta percepción ha sido identificada mediante
un análisis de las variables especificadas en
una encuesta sobre el diagnóstico situacional
realizada a los colaboradores de la Institución.
Los resultados servirán como punto de partida
para la implementación del proceso de Gestión
de Conocimiento, lo cual le permitirá a CENACE
crear una cultura de aprendizaje organizacional,
transferir el conocimiento, mejorar la gestión de
talento humano y obtener una ventaja competitiva
en el sector eléctrico.
This paper presents the steps for implementing a
Knowledge Management process in the National
Electricity Operator CENACE, considering, for
this study, that knowledge and learning culture
constitute a fundamental pillar for Knowledge
Management. The methodology applied to this
study has allowed identifying the strengths
and improvement opportunities as regards the
existence of a Knowledge Management process
at CENACE. This perception has been identified
through an analysis of the variables specified in the
situational diagnosis survey that was been taken
to the employees of the institution. The results
will state a starting point for the implementation
process of knowledge management. In this sense,
CENACE will implement a process of knowledge
management with the purpose of creating an
organizational learning culture, transferring
knowledge, improving the management of human
talent and having a competitive advantage in the
electricity Industry.

Palabras clave— Gestión del Conocimiento, Index terms— Kwowledge Management, Learning
Cultura de Aprendizaje Culture

Recibido: 09-09-2016. Aprobado tras revisión: 09-12-2016

Forma sugerida de citación: Vásquez, P.; Cepeda, J; Echeverría, D; Ramos, V. (2017). “Diagnóstico Situacional
para la implementación de un proceso de Gestión de Conocimiento en el Operador Nacional de Electricidad
CENACE”. Revista Técnica “energía”. No. 13, Pp. 222-232
ISSN 1390-5074.

222

1. INTRODUCCIÓN
En la última década, las organizaciones han
plasmado un interés muy grande por el activo
intangible llamado conocimiento. Este interés se
presentó por el crecimiento de los mercados, fuerte
competencia, así como el desarrollo vertiginoso
de las nuevas tecnologías de la información y las
comunicaciones. En este contexto, el conocimiento
de una organización es vital para garantizar
ventajas competitivas, conciencia situacional y la
supervivencia de la organización, por tanto es un
recurso que debe ser gestionado adecuadamente. Este
aspecto toma aún más relevancia en empresas que,
por su naturaleza propia, son encargadas de brindar
servicios técnicos a otras instituciones o personas
naturales, en las que el conocimiento es en esencia el
producto que se transa, como es el caso del Operador
Nacional de Electricidad, CENACE.
A este respecto, varios autores han puesto de
relieve la necesidad de que esta concepción de
administrar adecuadamente el conocimiento debe
ser gestionada de una forma técnica, a través de
un proceso muy bien estructurado de Gestión de
Conocimiento, que debería formar parte del Sistema
de Gestión de la Calidad (SGC) en las diferentes
organizaciones.
En este contexto, en [1] se estructura un
cuestionario que permite conocer la relación entre
la cultura de aprendizaje y la innovación dentro de
las Organizaciones, el objetivo de la creación de
este instrumento es contribuir a la calidad de futuras
investigaciones sobre este tema y proporcionar una
herramienta de evaluación para aquellos gerentes que
están preocupados sobre el aprendizaje, la mejora
continua, la creatividad y la innovación en sus
organizaciones. En [2] se realiza una investigación
referente a la relación entre la gestión del conocimiento
y la dinámica innovadora en las organizaciones, en la
cual se concluye que las organizaciones que gestionan
el conocimiento de una forma sistemática, continua
y colectiva, desarrollan una mayor y más eficiente
actividad innovadora.
El Operador Nacional de Electricidad, CENACE,
constituye un órgano técnico estratégico adscrito al
Ministerio de Electricidad y Energía Renovable que
actúa como operador técnico del Sistema Nacional
Interconectado (S.N.I.) y administrador comercial de
las transacciones de bloques energéticos, responsable
del abastecimiento continuo de energía eléctrica al
mínimo costo posible, preservando la eficiencia global
del sector [3], es decir, CENACE es una institución
de servicios en el sector eléctrico. Para cumplir su
función, CENACE cuenta con un talento humano
Edición No. 13, Enero 2017
altamente especializado y capacitado, lo cual le
permite disponer de un activo intangible muy valioso
como es el conocimiento de los colaboradores, que
de hecho, se convierte en el producto que ofrece a
sus clientes (empresas de generación, transmisión y
distribución del Ecuador). En este sentido, y sobre
la base de la revisión de experiencias extranjeras
[1], [2], se ha visto la necesidad de estructurar un
proceso de gestión del conocimiento y crear una
cultura de aprendizaje organizacional que permita
a la Institución mantener una ventaja competitiva
dentro del Sector Eléctrico, llevando de esta manera a
CENACE a tener un compromiso firme y consciente
y lograr una gestión integral que pueda mitigar
eventos relacionados con la rotación del personal,
cambios tecnológicos y nuevas responsabilidades del
colaborador.
Sobre la base de este propósito, el presente trabajo
técnico tiene como objetivo elaborar el diagnóstico
situacional respecto de la existencia de un proceso
de Gestión de Conocimiento en CENACE, el cual
permitirá conocer las fortalezas y oportunidades de
mejora que tiene CENACE en relación a la gestión de
conocimiento y cultura de aprendizaje. Los resultados
que se obtengan de este análisis permitirán definir si
la percepción actual es que ya existe un proceso de
Gestión de Conocimiento en la institución; y, de no
ser el caso, si los colaboradores consideran que sería
importante que se implemente este proceso.
2. GESTIÓN DEL CONOCIMIENTO Y
CULTURA DE APRENDIZAJE
Para el presente trabajo técnico, se realizó la
revisión de literatura existente relacionada con
la Gestión de Conocimiento. A continuación se
describen conceptos importantes relacionados con
esta concepción.
2.1. Conocimiento
El conocimiento es un fenómeno creado y
acumulado a través de un proceso denominado de
aprendizaje organizativo [2].
Con la finalidad de dejar clara la definición de
conocimiento, se explica la diferencia entre los
siguientes términos:
• Datos: son hechos o registros institucionales, sin
proveer un juicio de valor o interpretación.
• Información: son las variadas interpretaciones
que se otorgan a los datos, es más dinámico.
• Conocimiento: se involucra la gestión de talento
humano, entendiéndose talento como la suma de
capacidades (competencias, y conocimientos),
223
 Vásquez et al. / Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en CENACE
que permite el acompañamiento. El conocimiento
es la captura intelectual de la información para
que sea usada con el propósito de mejorar las
condiciones de vida de las personas [4]
Bajo este contexto, se puede definir al conocimiento
como: “El conocimiento es información combinada
con la experiencia, el contexto, la interpretación y
la reflexión. Este tipo de información, muy valiosa
permite la toma de decisiones y acciones” [2].
De lo expresado en las definiciones anteriores,
el conocimiento no es únicamente la disponibilidad
de información (mucho menos es el almacenamiento
de datos), sino que éste contempla necesariamente
la interpretación que le dan los seres humanos a esta
información y cómo ésta es asimilada, transmitida y
principalmente aplicada para mejorar sus condiciones
de vida. Esta conceptualización necesariamente se
traslada a las organizaciones.
El conocimiento, de acuerdo a cómo se lo gestiona,
se clasifica en las siguientes categorías:
• Conocimiento tácito: es un conocimiento
personal, no articulado, implícito y difícil de
formalizar y comunicar (incluyendo experiencias,
acciones, valores, emociones e ideas)
• Conocimiento explícito: representa un
conocimiento codificado, sistemático y es
transferible [2].
Otra categorización del conocimiento tiene que
ver con su utilidad y su uso, se clasifica en social
o general, procedimental y práctico, en la Fig. 1 se
detalla y se ejemplifica cada uno de ellos.
Figura 1: Tipo de Conocimiento
2.2. Cultura de Aprendizaje
Las teorías de aprendizaje se relacionan con el
proceso de adquirir conocimientos, habilidades,
actitudes o valores, a través del estudio, la experiencia
o la enseñanza [5]
224
El aprendizaje Organizativo, en suma, es la clave
para que las personas y la organización puedan ser más
inteligentes y eficientes transformando información
en conocimiento [6].
Una cultura de aprendizaje es aquella en la
que los colaboradores en todos los niveles de una
organización continuamente buscan compartir y
aplicar nuevos conocimientos y las habilidades para
mejorar su propio rendimiento, así como el de la
organización [7].
Los factores que condicionan el aprendizaje de
una Organización son los siguientes[8]: i) la estructura
organizacional, ii) la cultura, iii) el liderazgo, iv) las
actitudes de las personas, v) la capacidad de trabajo
en equipo.
Los comportamientos, actitudes, habilidades,
herramientas, mecanismos y sistemas de aprendizaje
que una Organización debe considerar para
mantener una Cultura de Aprendizaje se describen a
continuación [8]:
• La proactividad de las personas.
• La habilidad de cuestionar los modelos mentales.
• La visión sistémica implica ser capaz de analizar
las interrelaciones existentes dentro del sistema,
entender los problemas de forma no lineal y ver
las relaciones causa-efecto a lo largo del tiempo.
• La capacidad de trabajo en equipo.
• Los procesos de elaboración de visiones
compartidas.
• La capacidad de aprender de la experiencia.
• El desarrollo de la creatividad e innovación.
• La generación de una memoria organizacional.
• Desarrollo de mecanismos de aprendizaje de los
errores.
• Mecanismos de captación de conocimiento
exterior.
• Desarrollo de mecanismos de transmisión,
difusión y transferencia del conocimiento.
En este contexto, se puede indicar que la Cultura
Organizacional es una construcción de personas que
trabajan juntas, y esto funciona como un factor de
diferenciación de las demás Organizaciones y crea una
ventaja competitiva. Adicionalmente, cabe indicar
que Las organizaciones del futuro no van a sobrevivir
sin convertirse en comunidades de aprendizaje.
 Edición No. 13, Enero 2017

2.3. Gestión del Conocimiento
Se puede definir como un proceso sistemático
de búsqueda, selección, organización y difusión
de información, con el propósito de aportar a los
integrantes de una organización los conocimientos
necesarios para desarrollar eficazmente su labor.
Permite, además, obtener información y comprender
mejor acerca de las propias experiencias para,
posteriormente, aplicarlas en la tarea diaria, en la
planificación estratégica, para la toma de decisiones
y solución de problemas, entre otros aspectos. Se
trata, en definitiva, de transformar la experiencia en
conocimiento, y el conocimiento en experiencia [9].
Los objetivos de la Gestión de Conocimiento son
los siguientes: [2]
• Explorar mejor el conocimiento existente.
• Renovar el conocimiento de las personas y de la
organización.
• Transformar el conocimiento de las personas en
capital estructural de la Organización.
• Transferir el conocimiento organizacional.
• Alinear la estrategia de la entidad con las
capacidades.
• Investigar cuáles son las fortalezas y oportunidades
de mejora para CENACE.
• Conocer si la experiencia de los trabajadores
cercanos ha sido compartida en caso de rotación
de personal y jubilación de los colaboradores.
• Conocer el grado de desarrollo de innovación,
trabajo en equipo y toma de decisiones.
• Conocer si existe una cultura de aprendizaje
individual, colectivo u organizacional.
Posteriormente, se iniciará con la implementación
del modelo de gestión de Conocimiento, el cual se
esquematiza en la Fig. 2.
Este trabajo se enfoca específicamente en
el diagnóstico situacional sobre la Gestión de
Conocimiento en CENACE, como se lo presenta en
la siguiente sección. La implantación del proceso se
la realizará en una segunda etapa del proyecto.
En la Fig. 3, se detallan las actividades a realizar
en cada una de las fases de implantación del proceso.

Se proponen seis factores de éxito en la

implantación de programas de gestión del
conocimiento: compromiso de la alta dirección;
cultura orientada a compartir; capacidad de gestión;
tecnología; procesos organizativos; e indicadores de
la gestión del conocimiento. Cada uno de éstos es
ponderado según su importancia.

3. METODOLOGÍA DEL PROYECTO DE

IMPLEMENTACIÓN DE LA GESTIÓN DE
CONOCIMIENTO Figura 2: Modelo de la Gestión de Conocimiento [2]

3.1.
Metodología Proceso de la Gestión de
Conocimiento

La metodología propuesta se fundamenta en

la implementación de un proceso de Gestión de
Conocimiento en el Operador Nacional de Electricidad
– CENACE, considerando el conocimiento y la
cultura de aprendizaje. Esta metodología integral
complementará la gestión de Calidad (SGC) y la
gestión de Talento Humano de la Institución.

En primer lugar, se debe realizar un diagnóstico

situacional acerca de la Gestión de Conocimiento en
CENACE. El cual permitirá: Figura 3: Fases de la Implementación del Proceso de la
Gestión de Conocimiento [2]
• Identificar si el conocimiento se comparte.

• Conocer la existencia de duplicidad de esfuerzos

y tareas.

225
 Vásquez et al. / Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en CENACE
3.2. Metodología para el Diagnóstico Situacional
de la Gestión de Conocimiento
Para obtener el Diagnóstico Situacional de la
Gestión de Conocimiento en CENACE, se realizará
una investigación descriptiva, pues analizará la
influencia de determinados recursos que dispone
actualmente CENACE para afrontar la necesidad
de una Gestión de Conocimiento. Se analizará la
relación con factores personales, detallando una
realidad sin interferir en ella. Se caracteriza además
como un estudio que busca establecer status,
concepciones o proyecciones futuras a través de las
respuestas encontradas, valorizándose el principio de
que los problemas pueden ser resueltos y las prácticas
mejoradas.
Asimismo, se efectúa una investigación de campo,
ya que los datos necesarios se recolectan en la realidad
donde ocurren los hechos, sin manipulación o control
de las variables a estudiar. Para esto, se utiliza como
instrumento de medición la técnica de la encuesta.
El criterio que se utiliza para el presente trabajo,
es obtener una visión general sobre la percepción del
personal de CENACE acerca de la Implementación
del proceso de Gestión de conocimiento, con la
finalidad de conocer las fortalezas y las oportunidades
de mejora actuales.
La cooperación ha sido voluntaria, anónima y
confidencial, obteniendo el consentimiento de los
participantes para realizar un estudio en base a lo que
ellos indican en cada una de las encuestas.
Los métodos utilizados en el presente estudio
son cualitativos y cuantitativos, debido a que la
investigación cualitativa muestra el por qué y el cómo
se tomó una decisión, por el contrario la investigación
cuantitativa, busca responder preguntas tales como
cuál, dónde, cuándo, cuánto.
Para aprobar el uso del cuestionario realizado se
efectuaron las siguientes validaciones:
• Se identificaron las variables a estudiar
• Se efectuaron las preguntas con base en
los objetivos planteados en la presente
investigación.
• Se realizó la primera revisión con una
profesional experta en el área de Proyectos de
Investigación y Gestión de Conocimiento.
• Se efectuó un pilotaje del cuestionario, a cuatro
funcionarios de la Subgerencia Nacional de
Investigación y Desarrollo, dos funcionarios
de Talento Humano y el Director Ejecutivo,
en el cual los profesionales evaluaron el
contenido, la extensión y el tiempo que
226
se otorgaba para la encuesta. Obteniendo
resultados favorables y pocas observaciones
de fondo y forma.
• Se incorporaron las observaciones realizadas
en el piloto.
• Cinco expertos realizaron la validación,
utilizando el Criterio de Moriyama [10]
que consiste en validar la calidad y la
correspondencia de las preguntas del
cuestionario. Tomando en cuenta las
propiedades que se enuncian a continuación:
o Comprensible: Se refiere a si se
comprenden los aspectos (ítems) que se
evalúan, en relación con el fenómeno que
se quiere medir.
o Sensible a variaciones en el fenómeno:
Si usted considera que puede discriminar
a individuos con diferentes grados de
vulnerabilidad.
o Si el instrumento (ítem) tiene suposiciones
básicas justificables e intuitivamente
razonables: Es decir, si existe una
justificación para la presencia de dicho
ítem en el instrumento.
o Componentes claramente definidos: o sea,
si el ítem tiene una definición clara.
o Si deriva de datos factibles de obtener: Si
el dato correspondiente al ítem evaluado se
puede recoger.
3.3. Análisis de Confiabilidad del Instrumento de
Investigación
El Coeficiente del Alfa de Cronbach es “un índice
de consistencia interna que toma valores entre 0 y 1
y que sirve para comprobar si el instrumento que se
está evaluando recopila información defectuosa o si
se trata de un instrumento fiable que hace mediciones
estables y consistentes” [11].
Como criterio general, en [12] sugieren las
recomendaciones siguientes para evaluar los
coeficientes de alfa de Cronbach:
• Coeficiente alfa >0.9 es excelente
• Coeficiente alfa >0.8 es bueno
• Coeficiente alfa >0.7 es aceptable
• Coeficiente alfa >0.6 es cuestionable
• Coeficiente alfa >.5 es pobre
• Coeficiente alfa <.5 es inaceptable
 Edición No. 13, Enero 2017

3.4. Validación y reducción de datos Tabla 1: Resultados Validación Criterio Moriyama

ENCUESTA "PERCEPCIÓN DE LA GESTIÓN DE CONOCIMIENTO EN EL OPERADOR
Para el proceso de validación del instrumento se NACIONAL DE ELECTRICIDAD - CENACE"
adoptó la metodología propuesta en [13], acerca del Escala Resultados
No. Preguntas
uso del Análisis Factorial Exploratorio. Los índices Desde Hasta Valor %
que se tomaron en cuenta fueron el índice KMO, el test 90,00 92 26 87%
1,4,6,7,8,9,11,12,13,14,15,16,17,18,
19,20,21,22,23,24,25,26,27,28,29,30
de esfericidad de Bartlet, los valores de comunalidad
92,01 94 1 3% 5
y de saturación, y el porcentaje de varianza explicada. 94,01 96 2 7% 2,1
96,01 98 1 3% 3
Todos los datos fueron procesados en el programa
98,01 100 0 0% 0
SPSS en su versión 20. Total Preguntas 30 100%

3.5. Escala de Likert Los resultados obtenidos de acuerdo a la calidad y

Es un instrumento para la recolección de datos
compuesto por afirmaciones o juicios ante los cuales
el sujeto debe reaccionar eligiendo un punto escalar
en función de su actitud con respecto al objeto [4].
Este tipo de metodología de valoración es idónea para
cuantificar la percepción de un grupo de personas,
por ejemplo a través de una encuesta, respecto
de una temática en particular. Para su valoración,
la escala de Likert necesita de una codificación
la correspondencia de las preguntas del cuestionario,
se detallan en la Tabla 2, en la cual se identifica que el
criterio con menor puntaje es el de sensibilidad a las
variaciones en el fenómeno, lo cual fue considerado
y analizado para la versión definitiva de la encuesta,
con la finalidad de contar con la participación de
todos los funcionarios en la encuesta de Percepción
de la Gestión de Conocimiento.
Tabla 2: Porcentajes de validez de los Criterios de Moriyama

consistente en otorgar un valor numérico a cada una CRITERIO MORIYAMA % VALIDEZ

de las afirmaciones cualitativas de la encuesta [4].
COMPRENSIBLE 94,00
Así, la afirmación más positiva recibirá la más alta
puntuación (5) y ésta irá decreciendo junto con el SENSIBILIDAD A LAS VARIACIONES EN EL FENÓMENO 83,78
deterioro de positividad de la afirmación. Con esta ITEM TIENE SUPOSICIONES BÁSICAS JUSTIFICABLES E
96,00
codificación se identifican los valores mínimo y INTUITIVAMENTE RAZONABLES

máximo que pueden alcanzar el grupo de preguntas COMPONENTES CLARAMENTE DEFINIDOS 94,67

que se estén valorando. Estos valores definen los
límites de la escala de Likert [4]. En el caso de la
encuesta estructurada para la percepción de la gestión
de conocimiento en CENACE, la codificación es la
siguiente:
• Se aplica casi totalmente: 5
• Se aplica mucho: 4
• Se aplica moderadamente: 3
• Se aplica un poco: 2
• Casi no se aplica: 1
4. RESULTADOS DEL DIAGNÓSTICO
SITUACIONAL DE LA GESTIÓN DE
CONOCIMIENTO EN CENACE
4.1. Resultados de validez del Cuestionario bajo
los criterios de Moriyama
Con base a los resultados obtenidos en la Tabla 1,
se puede observar que los resultados de la validación
realizada por los expertos se encuentran entre el 90%
y el 100% de aceptación de los ítems del cuestionario.
SE DERIVA DE DATOS FACTIBLES DE OBTENER 90,00
4.2. Análisis Inicial de los Resultados de la Encuesta
de Percepción de la Gestión de Conocimiento
La muestra establecida para el presente trabajo
técnico es de 67 colaboradores, entendiéndose que
la Muestra “Constituye un subgrupo representativo
del universo y esta representatividad sugiere que
la muestra mantenga las características esenciales
del universo”. [4]. A partir de los resultados de la
encuesta, se ha establecido un conjunto de variables
que representan la percepción de los colaboradores
respecto de la existencia actual de un proceso
de Gestión de Conocimiento en CENACE. Los
resultados han permitido identificar algunas fortalezas
y oportunidades de mejora, las cuales se describen a
continuación.
4.2.1 Fortalezas
En la Fig. 4, se observan los resultados de las
preguntas que obtuvieron puntajes altos (“se aplica
moderadamente”, “se aplica mucho” y “se aplica casi
totalmente”), las cuales reflejaron ser las fortalezas
dentro de la encuesta de percepción de la Gestión de
Conocimiento.

227
 Vásquez et al. / Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en CENACE
Figura 4: Fortalezas Diagnóstico Situacional CENACE
Se observa que la calidad y la mejora continua es
algo importante para los colaboradores de CENACE,
ya que se mantienen estándares de calidad para los
procesos y la atención al cliente interno y externo.
CENACE cuenta con un Sistema de Gestión de
Calidad certificado en la Norma ISO 9001:2008,
desde el año 2003 constituyéndose de esta manera
en la primera empresa del Sector Eléctrico en
obtener dicha certificación. Asimismo, CENACE ha
obtenido los siguientes reconocimientos: la Medalla
de Oro a la Excelencia otorgada por la Corporación
Ecuatoriana de la Calidad Total, la Certificación
en Responsabilidad Social CSR:2011.2, el Premio
Nacional de Calidad de Ecuador 2014 [14]. Toda
esta gestión por procesos ha sido apalancada con el
ingente recurso tecnológico que dispone CENACE.
En cuanto a la iniciativa, se ha podido evidenciar
que los colaboradores tienen el respaldo de sus jefes
inmediatos para la presentación de nuevas propuestas
con la finalidad de mejorar procesos e implementar
nuevas ideas para beneficio de las áreas y la
Institución, esto se debe al nivel de especialización
que tienen los profesionales de CENACE, lo cual les
ha permitido ganarse la confianza y la credibilidad de
sus jefes. Asimismo, se puede identificar que existe
un liderazgo participativo mediante el cual se crean
acuerdos para que los funcionarios colaboren junto
con los líderes buscando el logro de los objetivos y el
desarrollo profesional del equipo.
Los colaboradores en la encuesta ratifican el
compromiso con CENACE, lo cual se refleja en
la calidad de su trabajo y en servir de ejemplo
para otras Instituciones del Sector Eléctrico, por la
capacidad del talento humano, por la tecnología que
posee CENACE, por su gestión de procesos y el
alto nivel de innovación y aporte a la investigación.
Esto ha permitido estar en un constante contacto
con empresas del Sector Eléctrico con las cuales se
mantiene excelentes relaciones interinstitucionales.
El trabajo en equipo es una fortaleza dentro de
CENACE, se realizan constantes reuniones para la
toma de decisiones conjuntas entre las Gerencias
y Subgerencias que conforman la Institución.
Adicionalmente, se mantienen contratos cliente –
228
proveedor entre las diferentes áreas con la finalidad
de cumplir con procesos que son de utilidad para otras
áreas, siempre respetando los tiempos y valorando la
calidad del trabajo de los demás.
Otra competencia que se encuentra muy
desarrollada dentro de los colaboradores de
CENACE, es el aprendizaje continuo, el cual ha
sido adquirido por formación de tercer nivel, cuarto
nivel, capacitaciones y autoaprendizaje, lo cual
permite contar con un personal altamente capacitado
y competente para las funciones que desempeñan.
La Gestión por Procesos dentro de la Institución,
puede considerarse como una ventaja competitiva,
ya que CENACE cuenta con un sistema de gestión
documental, en el cual reposan los procesos,
procedimientos, instructivos y formas de cada una de
las Gerencias y Subgerencias de CENACE, lo cual
permite tener almacenada información valiosa de los
procesos tanto de las áreas agregadoras de valor como
las áreas de apoyo, los mismos que fueron elaborados
por personal técnico altamente especializado, lo cual
se puede evidenciar en la calidad de los documentos.
4.2.2 Oportunidades de Mejora
A continuación se puede observar en la Fig. 5 las
preguntas que obtuvieron los puntajes más bajos (“casi
no aplica” y “se aplica un poco”) dentro de la encuesta
de Percepción de la Gestión de Conocimiento, las
cuales se analizan como oportunidades de mejora.
Figura 5: Oportunidades de Mejora Diagnóstico Situacional
CENACE
Dentro de las oportunidades de mejora
identificadas, se aprecia que el desarrollo profesional
dentro de CENACE requiere mayor atención. En
caso de no existir un plan de carrera vertical, se puede
realizar un plan de carrera horizontal o lateral, con
la finalidad de oxigenar al colaborador y permitirle
realizar actividades nuevas en las cuales puede
contribuir con los conocimientos adquiridos en los
otros cargos desempeñados. Esto permitirá que no
exista “burnout o estrés laboral” en la Institución y
sería una política para retención del personal.
 Edición No. 13, Enero 2017

Dentro de CENACE, se cuenta con el • Apoyo y comunicación: Existencia de un

almacenamiento de información de procesos dentro del ambiente donde se comparte y se transfiere
Sistema de Gestión Documental, sin embargo, existe el conocimiento, asumiendo que el fracaso
la necesidad de una transferencia de conocimiento, también es una oportunidad para la mejora
en la cual el Talento Humano es el pilar fundamental continua. .
para compartir, transferir y difundir conocimiento
mediante una relación personalizada, en la que exista • Relaciones interpersonales: Importancia
una cultura de aprendizaje organizacional. Esto que se concede a la participación de los
permitirá tener una ventaja competitiva, en este siglo colaboradores en los procesos, proyectos y en
que el Capital Humano es el activo intangible más la interacción con clientes externos e internos
valioso de una organización. Para el análisis de fiabilidad se realizó el cálculo
Otro aspecto a potenciar, sobre la base de de Alfa de Cronbach a cada una de estas dimensiones.
los resultados de la encuesta, es la capacitación Los resultados se encuentran en la Tabla 3.
focalizada en tópicos especializados. A este respecto, Tabla 3: Resultados Alfa de Cronbach
la Dirección Ejecutiva siempre ha velado por la Alfa de Número de
Dimensión
formación y capacitación de los colaboradores de Cronbach ítems
Innovación y apertura 0,874 6
CENACE, con la finalidad de contar con personal
Apoyo y Comunicación 0,883 5
altamente especializado. Por lo cual en el estatuto
Relaciones Interpersonales 0,788 5
orgánico por procesos consta como atribución de la
Global (Gestión de Conocimiento) 0,914 16
Subgerencia Nacional de Investigación y Desarrollo,
el realizar un plan de entrenamiento y formación sobre Se puede observar que los 16 ítems establecidos
tópicos especializados en sistemas de potencia, lo para las tres dimensiones mantienen una fiabilidad
cual permite reforzar y transferir los conocimientos. aceptable y buena, lo que permite validar la
consistencia de las preguntas de la Encuesta de
El aprendizaje de los errores es una competencia Percepción de la Gestión de Conocimiento.
que se debe desarrollar ya que no en todos los casos
se ha visto como una oportunidad para experimentar 4.4.
Resultados del estudio posteriores a la
nuevas formas de realizar las actividades. reducción de ítems

4.3. Procedimiento de validación y reducción de Mediante la validación de la reducción de ítems,

Ítems
Los valores obtenidos en el índice de Kaiser-
Meyer-Olkin (KMO) y el test de esfericidad de
Bartlett (Chi cuadrada c2) fueron adecuados para el
uso del Análisis Factorial como método de reducción
de ítems y validación de la herramienta de acuerdo
con [13], de la siguiente manera KMO = 0.87; c2 =
593,151. Para la reducción de ítems se consideraron
eliminar aquellos con valores de comunalidad
inferiores a 0.4 y valores de saturación en los factores
con una diferencia inferior a 0.1; de acuerdo con la
metodología propuesta por [15].
se establecen tres dimensiones fundamentales para
este estudio, a partir de lo cual se puede afirmar que
en CENACE la Gestión del Conocimiento se va a
determinar por las capacidades que la organización
desarrolle y fomente en cuanto a la Innovación, la
Comunicación y las Relaciones Interpersonales. De
acuerdo a los resultados obtenidos, es posible verificar
que, de estas tres dimensiones, son las Relaciones
Interpersonales las que presentan un menor valor de
media, por lo que resulta el aspecto más débil dentro
del proceso de Gestión del Conocimiento y aquel
que se debe potenciar dentro de la organización (Ver
Tabla 4).

Una vez realizado el análisis se obtuvieron un Tabla 4: Resultados Reducción de ítems por dimensiones
total de 16 ítems, distribuidos en tres dimensiones Mínimo Máximo Media Desv. típ.

o factores, explicando el 64% de la varianza total. Innovación 1,17 4,83 3,1095 0,816

Este valor también resulta adecuado como indicador Comunicación 1,40 4,80 3,0269 0,833

de validez del instrumento propuesto en [15]. Las
dimensiones finales quedaron definidas de la siguiente
forma:
• Innovación y apertura: Capacidad de la
organización y los jefes para otorgar a los
colaboradores un ambiente de confianza y
participación, donde puedan contribuir con
ideas y opiniones.
Relaciones 1,00 4,40 2,9612 0,852
Además, del análisis de medias se procedió al
cálculo de correlaciones entre las tres dimensiones
identificadas con el objetivo de verificar el peso
que tienen dentro del proceso de Gestión del
Conocimiento (Dimensión Global), y el grado de
correlación que se establece entre ellas. En la Tabla

229
 Vásquez et al. / Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en CENACE

5, se observa que todas las dimensiones influyen de 14,81

forma estadísticamente significativa y se valida en
que se desarrolle la gestión de conocimiento en la 5 10 15 20 25
Casi no se Se aplica casi
organización. La dimensión que más peso tiene es aplica totalmente
la de Comunicación y apoyo, ya que es el valor más
cercano a uno, reflejando una correlación muy buena. Figura 8: Resultados Escala Likert Dimensión Relaciones
Interpersonales
Tabla 5: Resultado de Correlaciones entre la Gestión de 48,60
Conocimiento y las dimensiones
16 32 48 64 80
Correlaciones entre las
Casi no se Se aplica casi
dimensiones con el Global aplica totalmente
Gestión de Conocimiento
0,866
Innova ci ón
0,888 Figura 9: Resultados Escala Likert Dimensión Global
Comuni ca ci ón
0,787
Rel a ci ones A partir de los resultados cuantitativos de la escala
de Likert, se puede concluir que la percepción de los
La Tabla 6 muestra las correlaciones entre las tres colaboradores denota la existencia actual de algunas
dimensiones. Todas las correlaciones son igualmente de las variables que forman parte de un proceso de
significativas, siendo la mayor correlación la que se Gestión de Conocimiento. La percepción indica que al
establece entre Innovación y Comunicación, mientras momento ya existe una implementación de alrededor
que las relaciones interpersonales resulta ser la de un 50% de los componentes de un proceso de
dimensión que tuvo correlaciones más bajas con el Gestión de Conocimiento. . Sin embargo, estas
resto. implementaciones no forman parte de un proceso
formal sino que existen inmersas en los diferentes
Tabla 6: Resultado de Correlaciones entre Dimensiones
procesos técnicos implementados por CENACE en
Correlación entre las dimensiones
su SGC.
Relaciones
Innovación Comunicación
Interpersonales
Adicionalmente, se aprecia que la dimensión de
Innova ci ón 1,000
Relaciones Interpersonales es la que menor puntaje
Comuni ca ci ón 0,727 1,000
Rel a ci ones 0,485 0,527 1,000
tiene. Esto concuerda con los resultados de las medias
obtenidos en la Tabla 6. De esta forma, se ratifica que
esta dimensión es la que requiere mayor atención en
4.5. Resultados de la Escala de Likert
CENACE, la cual contempla las siguientes variables:
Con la finalidad de cuantificar la percepción de los i) Capacitación, ii) Plan de Carrera, iii) Relaciones
colaboradores de CENACE respecto a la existencia con el cliente interno y externo, iv) Transferencia de
actual de un proceso de Gestión de Conocimiento, conocimiento entre los clientes internos y externos.
se aplicó la escala de Likert a las tres dimensiones De hecho, estas variables forman parte de las
identificadas en el presente estudio, obteniendo los oportunidades de mejora descritas en la sección 4.2.2.
resultados que se muestran en las Fig. 6, 7, 8 y 9.
Asimismo, la existencia de alrededor de un
18,65
50% de las variables ya implementadas (fortalezas
identificadas en la sección 4.2.1), esto es: el
6 12 18 24 30 compromiso y liderazgo de la alta gerencia, la
Casi no se Se aplica casi existencia y el uso intensivo de recursos tecnológicos,
aplica totalmente
la existencia de un modelo bastante maduro de gestión
Figura 6: Resultados Escala Likert Dimensión Innovación de la calidad por procesos y el personal altamente
15,13 especializado, permiten sentar la base necesaria
para implementar un proceso formal de Gestión
5 10 15 20 25 de Conocimiento que contemple las variables que
Casi no se
aplica
Se aplica casi
totalmente
requieren mayor atención.

5. CONCLUSIONES Y RECOMENDACIONES
Figura 7: Resultados Escala Likert Dimensión Comunicación
Una vez realizado el diagnóstico situacional
se concluye que CENACE cuenta con los factores
necesarios para implementar un proceso formal

230

de Gestión de Conocimiento, potencializando
los conocimientos de los colaboradores y
transformándolos en un conocimiento organizacional
mediante una mejora continua en la gestión del
talento humano, procesos, tecnología, liderazgo,
compromiso de la alta gerencia y el desarrollo de
una cultura de aprendizaje organizacional, esto le
permitirá a CENACE tener una ventaja competitiva
en relación a las empresas del Sector Eléctrico.
Una vez definidas las tres dimensiones finales de
la percepción de los colaboradores sobre la existencia
de un proceso de Gestión del Conocimiento, se
verificó que aquella que más dificultades presenta
la organización es la concerniente a Relaciones
Interpersonales, siendo la Comunicación y la
Innovación las que mejor puntuación alcanzaron
de acuerdo a la percepción de los trabajadores. En
general se ha identificado que al momento existe
una implementación de alrededor de un 50%
de las variables relacionadas con la Gestión de
Conocimiento. Sin embargo, estas implementaciones
no forman parte de un proceso formal. Esto resulta
relevante para tomar las medidas correspondientes
a potenciar la implementación de un proceso de
Gestión del Conocimiento en CENACE.
Sobre la base de lo mencionado, se recomienda
continuar con la segunda fase de la implementación del
proceso de Gestión de Conocimiento, considerando
que las nuevas organizaciones deben gestionar los
activos más valiosos dentro de una empresa como
es el conocimiento, capital intelectual y el talento
humano.
REFERENCIAS BIBLIOGRÁFICAS
[1] A. Mesquita, “Technology for Creativity and
Innovation: Tools, Techniques and Applications,”
2011.
[2] J. C. Ramos, “Desarrollo de un modelo de
relación entre Gestión del Conocimiento y la
Dinámica Innovadora en las Organizaciones.”
[3] A. N. R. del Ecuador, “Ley Orgánica del Servicio
Público de Energía Eléctrica,” Regist. Of. No.
418, pp. 1–28, 2015.
[4] Pazmiño Iván, Metodología de la Investigación
Científica. 1997.
[5] D. P. Ausubel, “Cognitive structure and the
facilitation of meaningful verbal learning,” J.
Teach. Educ., vol. 14, no. 2, pp. 217–222, 1963.
[6] P. Senge, “The fifth discipline: The art and
practice of learning,” NY Doubleday, 1990.
[7] M. Cole, “Employee Knowledge Sharing Helps
Nurture a Culture of Learning.”
Edición No. 13, Enero 2017
[8] B.Tejedor; A. Aguirre, Proyecto Logos:
investigación relativa a la capacidad de aprender
de las empresas españolas. 1998.
[9] M. A. Alles, Comportamiento organizacional.
2012.
[10] “Revista EIDOS UTE,” p. 33, 2013.
[11] D. LIND, Estadistica aplicada a los negocios y la
economía, vol. 15, no. 2. 2012.
[12] D. George and P. Mallery, SPSS for Windows
Step by Step: A Simple Guide and Reference,
11.0 Update. 2003.
[13] T. R. Hinkin, “A brief tutorial on the development
of measures for use in survey questionnaires,”
Organ. Res. Methods, vol. 1, no. 1, pp. 104–121,
1998.
[14]
M. Nieto, “Formulación de un Marco de
Referencia para la Integración de la Convergencia
de Tecnologías Operacionales y de Información
al Modelo de Gestión del CENACE.,” Rev.
Técnica Energía, no. 12, pp. 345–355, 2016.
[15]
E. R. Pérez and L. Medrano, “Análisis
factorial exploratorio : Bases conceptuales y
metodológicas,” Rev. Argent. Cienc. Comport.,
vol. 2, no. 1889, pp. 58–66, 2010.
Paulina Vásquez Barahona.-
Nació en Quito en 1985. Recibió
el título de Ingeniera Financiera
en la Universidad Central en el
año 2011 y el de Magíster en
Gestión de Talento Humano
en la Universidad Tecnológica
Equinoccial en 2015. Entre
los años 2003 y 2009 trabajó
en UNIBANCO. Actualmente, se desempeña como
Especialista Administrativa de Investigación y Desarrollo
en la Gerencia Nacional de Desarrollo Técnico del
Operador Nacional de Electricidad – CENACE.
Valentina Ramos.- Nació en
La Habana en 1981. Ph.D.
en Psicología Organizacional
por la Universidad de Oporto,
MSc en Comunicación
Organizacional y
Licenciada en Psicología
por la Universidad de La
Habana. Actualmente,
profesor investigador de la Facultad de Ciencias
Administrativas de la Escuela Politécnica Nacional.
231
 Vásquez et al. / Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en CENACE

Anterior a esto, Investigador y Docente de posgrados Jaime Cristóbal Cepeda.-

de la Universidad de Oporto y Consultor de la Empresa
de Gestión del Conocimiento y la Tecnología de la
Habana. Sus investigaciones están en el área de la
cultura y el comportamiento organizacional.
Diego E. Echeverría
Jurado.- Recibió su título
de Ingeniero Eléctrico
de la Escuela Politécnica
Nacional de Quito, en 2006.
Se encuentra realizando sus
estudios de Doctorado en
Ingeniería Eléctrica en el
Instituto de Energía Eléctrica
(IEE), de la Universidad Nacional de San Juan.
Actualmente trabaja en el Operador Nacional de
Electricidad CENACE de Ecuador en la Subgerencia
Nacional de Investigación y Desarrollo. Sus áreas de
interés son: Estabilidad de Sistemas de Potencia en
Tiempo Real, Sistemas de medición sincrofasoriales
PMU’s y Control de Emergencia de Sistemas de
Potencia.
Nació en Latacunga en 1981.
Recibió el título de Ingeniero
Eléctrico en la Escuela
Politécnica Nacional en 2005
y el de Doctor en Ingeniería
Eléctrica en la Universidad
Nacional de San Juan en 2013.
Entre 2005 y 2009 trabajó en
Schlumberger y en el CONELEC. Colaboró como
investigador en el Instituto de Energía Eléctrica,
Universidad Nacional de San Juan, Argentina y
en el Instituto de Sistemas Eléctricos de Potencia,
Universidad Duisburg-Essen, Alemania entre 2009 y
2013. Actualmente, se desempeña como Subgerente
Nacional de Investigación y Desarrollo de CENACE.
Sus áreas de interés incluyen los sistemas de medición
fasorial, la evaluación de vulnerabilidad en tiempo
real y el desarrollo de Smart Grids.

232
TÍTULO/AUTOR Pág.
TECNOLÓGICOS E INNOVACIÓN

Análisis y Simulación en Matlab del Método de Detección y Corrección de Errores Reed-Solomon (204,188)
Utilizado en la Norma ISDB-TB e Implementación en un FPGA................................................................................. 117
L. Aguirre, E. Gordón

Definición de Estudios Eléctricos para Determinar la Ubicación de Unidades de Medición Sincrofasorial en

Sistemas Eléctricos de Potencia.................................................................................................................................... 127
J. Báez, S. Ordóñez, J. Cepeda, P. Verdugo, F. Quilumba

Determinación de Modos Oscilatorios Presentes en el Sistema Eléctrico Ecuatoriano Mediante Técnicas Estadísticas.
139
R. Cubillo

Material Selection of Induction Cookware based on Multi Criteria Decision Making Methods (MCDM)..................
146
E. Rivera, C. Fajardo, A. Ávila, C. Ávila, J. Martinez-Gómez

Identificación de Parámetros Erróneos en Sistemas Eléctricos de Potencia y Corrección en base a Mediciones

Sincrofasoriales.............................................................................................................................................................. 158
M. Farinango, S. Grijalva, J. Játiva

Plataformas de Control Inteligente de Iluminación Interior integrados en Sistemas de Distribución LVDC..............

169
J. Guamán, C. Vargas, M. García, A. Ríos

Selection of Phase Change Materials for Latent Heat Storage.....................................................................................

179
J. Martínez-Gómez, E. Urresta, D. Gaona, G. Guerrón

Eficiencia Energética

Evolución de las Emisiones de CO2 Producido por el Parque Generador del Sistema Nacional Interconectado del
Ecuador para el Periodo 2010-2015.............................................................................................................................. 191
J. Oscullo

Generación de Árboles de Escenarios en forma Analítica, para Modelar Recursos Energéticos Renovables.............
196
R. Barreto

Impacto del Cambio de la Matriz Eléctrica en el Factor de Emisión de CO2 del Sistema Nacional Interconectado
para el período 2016-2025............................................................................................................................................ 206
J. Oscullo, E. Pichucho

PRODUCCIÓN Y USO DE LA ENERGÍA

Movilidad Eléctrica para Galápagos: Determinación de Parámetros Técnicos..........................................................

213
A. Eras, C. Coronel, R. Chumbi

GESTIÓN EMPRESARIAL

Diagnóstico Situacional para la implementación de un proceso de Gestión de Conocimiento en el Operador Nacional

de Electricidad CENACE............................................................................................................................................... 222
P.Vásquez, J. Cepeda, D. Echeverría, V. Ramos

CENACE
Derechos Reservados © 2017

Av. Atacazo y Vía Colectora Quito – Tambillo E28A – Km. 0

Teléfono: (593-2) 2992001 Fax: (593-2) 2992031 Apartado Postal 17-21-199
www.cenace.gob.ec
Quito - Ecuador