IEEE 1366 Standar - En.es

Guía de IEEE para la distribución de energía
eléctrica Fiabilidad Índices
IEEE Potencia y Sociedad de Energía
Patrocinado por el
Comité de Transmisión y Distribución
IEEE
3 Park Avenue
IEEE Std 1366 ™ -2012
(Revisión de la
Nueva York, NY 10016-5997 EE.UU.
norma IEEE 1366-2003)
31 de de mayo de 2012
uso bajo licencia autorizada limitan a: Pontificia Universidad Católica de Chile. Descargado de abril 02,2018 en 22:05:04 GMT de IEEE Xplore. Se aplican restricciones.
IEEE Std 1366 ™ -2012
(Revisión de la
norma IEEE 1366-2003)

Patrocinador
Comité de Transmisión y Distribución

del
IEEE Potencia y Sociedad de Energía
Aprobada el 14 de mayo de 2012
Consejo de Normas IEEE-SA
Abstracto: índices y factores que afectan a sus cálculos de fiabilidad de distribución se definen en esta guía. Los índices están
destinadas a aplicarse a los sistemas de distribución, subestaciones, circuitos y regiones definidas.
palabras clave: circuitos, los índices de confiabilidad de distribución, sistemas de distribución, energía eléctrica, IEEE 1366, los índices de confiabilidad
El Instituto de Ingenieros Eléctricos y Electrónicos, Inc. 3 Park Avenue,

Nueva York, NY 10016-5997, EE.UU.
Copyright © 2012 por el Instituto de Ingenieros Eléctricos y Electrónicos, Inc. Todos los derechos reservados. Publicado el
31 de mayo de 2012. Impreso en los Estados Unidos de América.
IEEE es una marca registrada en la Oficina de Patentes y Marcas de los Estados Unidos, propiedad del Instituto de Ingenieros Eléctricos y Electrónicos, Incorporated.
PDF:
ISBN 978-0-7381-7275-0 STD97250

Impresión: ISBN 978-0-7381-7381-8 STDPD97250
IEEE prohíbe la discriminación, el acoso y la intimidación. Para más información visite http://www.ieee.org/web/aboutus/whatis/policies/p9-26.html . Ninguna parte de esta publicación puede ser reproducida en
cualquier forma, en un sistema de recuperación electrónica o de otra manera, sin la previa autorización por escrito del editor.
Aviso y Exención de responsabilidad concerniente al uso de IEEE documentos: documentos IEEE Standards se desarrollan dentro de las Sociedades
de la IEEE y los Comités de Coordinación de Normas de la asociación de los estándares IEEE (IEEE-SA) Standards Board. IEEE desarrolla sus normas a
través de un proceso de consenso, aprobado por el American National Standards Institute, que reúne a voluntarios que representan distintos puntos de vista e
intereses para lograr el producto final. Los voluntarios no son necesariamente miembros del Instituto y sirven sin compensación. Mientras IEEE administra el
proceso y establece normas para promover la equidad en el proceso de desarrollo de consenso, IEEE no evalúa de forma independiente, prueba o verificar la
exactitud de la información o la solidez de los juicios contenidos en sus normas.
El uso de un estándar IEEE es totalmente voluntaria. IEEE se exime de toda responsabilidad en caso de lesiones personales, bienes u otros daños, de cualquier naturaleza,
ya sean especiales, indirectos, consecuentes o compensatoria, lo que resulta directa o indirectamente de la publicación, uso o dependencia de cualquier documento estándar
IEEE.
IEEE no garantiza ni la exactitud o el contenido de los materiales contenidos en sus normas, y expresamente renuncia a cualquier garantía expresa o implícita,
incluyendo cualquier garantía implícita de comerciabilidad o aptitud para un propósito específico, o que el uso de los materiales contenidos en su normas, esté libre de
violación de patentes. documentos IEEE Standards se suministran " COMO ES."
La existencia de un estándar IEEE no implica que no hay otras maneras de producir, probar, medir, compra, mercado, o proporcionar otros bienes y servicios
relacionados con el ámbito de la norma IEEE. Además, el punto de vista expresado en el momento se aprobó un estándar y emitió está sujeto a cambio producido a
través de la evolución en el estado de la técnica y las observaciones recibidas de los usuarios de la norma. Cada estándar IEEE es sometido a revisión al menos cada
diez años. Cuando un documento es más de diez años de edad y no ha sido sometido a un proceso de revisión, es razonable concluir que su contenido, aunque
todavía de algún valor, no en su totalidad reflejar el estado actual de la técnica. Se advierte a los usuarios a comprobar para determinar que tienen la última edición de
cualquier norma IEEE.
Con la publicación y hacer que sus estándares disponibles, IEEE no está sugiriendo o prestación de servicios profesionales o de otro tipo para, o en nombre de, cualquier persona o
entidad. Tampoco está llevando a cabo IEEE para desempeñar cualquier trabajo debido por cualquier otra persona o entidad a otra. Cualquier persona que utilice cualquier
documento IEEE Standards, debe confiar en su propio juicio independiente en el ejercicio de cuidado razonable en cualquier circunstancia o, en su caso, solicitar el asesoramiento
de un profesional competente para determinar la idoneidad de un determinado estándar IEEE.
traducciones: El proceso de consenso IEEE consiste en la revisión de documentos en Inglés solamente. En el caso de que un estándar IEEE se traduce, sólo
la versión Inglés publicado por IEEE debería ser considerado como el estándar IEEE aprobado.
Las declaraciones oficiales: Una declaración, escrita u oral, que no se procesa de acuerdo con el Manual de Operaciones de la Junta de normas IEEE-SA no se
considerará la posición oficial del IEEE o cualquiera de sus comités y no se considerará ser, ni ser invocada, como, una posición formal de IEEE. En conferencias,
simposios, seminarios o cursos de formación, un individuo que presenta información sobre los estándares IEEE deberá dejar claro que sus opiniones deben ser
consideradas las opiniones personales de ese individuo en lugar de la posición formal del IEEE.
Comentarios sobre Normas: Comentarios de revisión de documentos estándares IEEE son bienvenidos de cualquier parte interesada, sin importar la
afiliación de miembros con los estándares IEEE. Sin embargo, IEEE no proporciona información de consultoría o asesoramiento relativos a los
documentos estándares IEEE. Sugerencias para cambios en los documentos deben estar en la forma de una propuesta de cambio de texto, junto con las
observaciones de apoyo adecuados. Dado que los estándares IEEE representan un consenso de los intereses involucrados, es importante asegurarse
de que las respuestas a las observaciones y preguntas también reciben la concurrencia de un equilibrio de intereses. Por esta razón, IEEE y los
miembros de sus sociedades y comités de coordinación de las normas no son capaces de proporcionar una respuesta inmediata a los comentarios o
preguntas excepto en aquellos casos en que el asunto ha sido previamente tratados. http://standards.ieee.org/develop/wg/ .
Los comentarios sobre las normas deben ser sometidos a la siguiente dirección:
Secretario, IEEE-SA Standards Board 445 Hoes

Lane, Piscataway, NJ 08854 EE.UU.
fotocopias: La autorización para fotocopiar partes de cualquier norma específica para el uso interno o personal es otorgada por el Instituto de Ingenieros Eléctricos y
Electrónicos, Inc., a condición de que la tarifa correspondiente se paga al Copyright Clearance Center. Para arreglar el pago de la cuota de licencia, por favor, póngase en
contacto con Copyright Clearance Center, Servicio al Cliente, 222 Rosewood Drive, Danvers, MA 01923 EE.UU.; 1 978 750 8400. El permiso para fotocopiar porciones de
cualquier norma individual para uso educacional clase también se puede obtener a través del Copyright Clearance Center.
Aviso a los usuarios
Leyes y regulaciones
Los usuarios de los documentos estándares IEEE deben consultar a todas las leyes y regulaciones aplicables. El cumplimiento de las disposiciones
de cualquier documento de estándares IEEE no implica el cumplimiento de todos los requisitos reglamentarios aplicables. Los ejecutores de la norma
es responsable de observar o se refieran a los requisitos reglamentarios aplicables. IEEE no lo hace, por la publicación de sus normas, la intención de
instar a la acción que no está en conformidad con las leyes aplicables, y estos documentos no se pueden interpretar como hacerlo.
Derechos de autor
Este documento es propiedad de la IEEE. Se hace disponible para una amplia variedad de usos tanto públicos como privados. Estos incluyen tanto el
uso, por referencia, en las leyes y reglamentos, y su uso en la autorregulación privada, la estandarización y la promoción de prácticas y métodos de
ingeniería. Al hacer este documento a disposición para su uso y adopción por parte de las autoridades públicas y los usuarios privados, el IEEE no
renuncia a ningún derecho sobre los derechos de autor de este documento.
Actualización de los documentos de IEEE
Los usuarios de los documentos estándares IEEE deben ser conscientes de que estos documentos pueden ser sustituidas en cualquier momento
mediante la emisión de nuevas ediciones o pueden ser modificados de vez en cuando a través de la emisión de enmiendas, correcciones, o erratas.
Un documento oficial del IEEE en cualquier punto en el tiempo consiste en la edición actual del documento junto con las modificaciones, correcciones
o erratas vigentes en ese momento. Con el fin de determinar si un documento dado es la edición actual y si se ha modificado mediante la emisión de
enmiendas, correcciones, o erratas, visite el sitio web del IEEE-SA a http://standards.ieee.org/index.html o ponerse en contacto con la IEEE en la
dirección mencionada anteriormente. Para obtener más información acerca de la asociación de los estándares IEEE
IEEE proceso de desarrollo de normas, la visita el sitio web del IEEE-SA a

http://standards.ieee.org/index.html .
Errata
erratas, Si alguna, para esta y todas las demás normas se pueden consultar en la siguiente URL:
http://standards.ieee.org/findstds/errata/index.html . Se anima a los usuarios a comprobar esta URL para erratas periódicamente.
patentes
Se llama la atención a la posibilidad de que la aplicación de esta norma puede requerir el uso de la materia cubierta por derechos de patente. Por la
publicación de esta norma, no posición es tomada por el IEEE con respecto a la existencia o validez de los derechos de patentes en relación con la
misma. Si un solicitante titular de la patente o patente ha presentado una declaración de fiabilidad a través de una carta Aceptado de Aseguramiento,
entonces la declaración aparece en el sitio web del IEEE-SA a http://standards.ieee.org/about/sasb/patcom/patents.html . Cartas de garantía podrán
indicar si el Peticionario está dispuesto o no está dispuesto a conceder licencias de acuerdo con los derechos de patente sin compensación o debajo de
un precio razonable, con los términos y condiciones razonables que puedan demostrarse exentas de cualquier discriminación injusta a los solicitantes
que deseen obtener tales licencias.
iv
Copyright © 2012 IEEE. Todos los derechos reservados.
pueden existir reivindicaciones de patente esenciales para los cuales no se ha recibido una carta de garantía. El IEEE no es responsable de
identificar demandas de patente para la que se puede requerir una licencia, para la realización de investigaciones sobre la validez jurídica o el
alcance de las patentes de Reclamaciones, o determinar si alguno de los términos de licencia o condiciones previstas en relación con la presentación
de una carta de garantía, si los hubiere, o en cualesquiera acuerdos de licencia son razonables o no discriminatorio. Los usuarios de esta norma se
advierte expresamente que la determinación de la validez de los derechos de patente, y el riesgo de lesión de sus derechos, es enteramente su
propia responsabilidad. Más información se puede obtener de la Asociación de Estándares del IEEE.
v
Participantes
En el momento en que se completó la guía IEEE, el Grupo de Trabajo Confiabilidad Distribución tenía los siguientes miembros:
Rodney Robinson *, Silla (2011-presente)

Cheryl A. Warren *, Presidente (1991-2011)
John McDaniel *, Vicepresidente
Val Werner, Secretario
John Ainscough Razón Charles Heising Steve Pullins Mike

Alvin Daniel Arden Greg Richard James Hensel Rafferty Caryn
Ardrey Ignacio Ares a Hettrick Ray Hisayasu Riley
Dave Asgharian John Alex Hoffman Tao D. Tom Rizy Tim
Banting Philip Barker Bill Hong Ian Hyland Rogelstad Ziolo
Becia Roy Billinton Hoogendan Mike Roldan Robert
Chantal Bitton David Cindy Janke Allan Rusch David
Blankenheim James D. Jirges Joshua Jones Russo
Bouford * James Bundren Robert Jones Morteza D. Daniel Sabin
James Burke Thomas Khodaie Marcos Robert San
Callsen Marcos Carr Koyna Frank Lambert NDR Sarma Josh
Patrick Carroll Heide a Dave Lankutis Larry Schellenberg David J.
Caswell Bill Chisholm Larson Jim Lemke Schepers * Steven
Richard D. Christie * Rob Jack Leonard Schott Andy Schwalm
Christman Giancarlo Leone Ken Sedziol Matt Mike
génica Lindholm Ray Seeley Pastor David
Lings Nick Loehlein Shibilia Tom Corto
Ning Lu Cheong Siew Georges
Simard Jeff Smith
oxidado Soderberg John
Stallings Spare Joshua
Lee Taylor Mark
G. Larry Clark Mike Thatcher Casey
Clodfelder James Thompson Betty Tobin
Cole Larry Conrad JC Mathieson Ethan Tom Tobin
Betsy Coppock Ed Matthes Ed Mayer Tom
Cortez Herve Delmas Tom McCarthy McDermott
Chuck DeNardo Marcos McGranaghan
Frank Doherty abril Kale Meade Tom Menten
Dornbrook Mathieu Mougeot Terry
Gregory Nielsen
Obenchain Ray O'Leary SS (Mani) Venkata José
R. Clay Doyle Jeff Gregory Olson Jamie Viglietta * Marek
Duff Ortega Anil Pahwa Waclawiak Juli Wagner
Charlie Fijnvandratt Milorad Papic Marc Reigh Walling David
Fredric amigo Keith Patterson Dan Pearson Wang Daniel J. Ward
heladas Anish Gaikwad Mike Pehosh Charles Greg Welch Charlie
David Gilmer Manuel Perry Ray Piercy Jeff Williams * John Williams
González John Grisham Pogue Taui Willis Mike Worden
Goodfellow Tom Tom Bo Yang
Gutwin Donald Hall Keith
Harley Harry Hayes
vi
* Agradecimientos: Los siguientes miembros fueron autores y analizadores de datos principal para el desarrollo de la Metodología 2.5 Beta que se
utiliza para la identificación de los principales días de eventos: James D. Bouford Richard D. Christie Dan Kowalewski
John McDaniel Rodney Joseph Viglietta

Robinson David J. Cheryl A. Warren
Schepers Charlie Williams
Los siguientes miembros del comité de votación individuales votaron en esta guía. Balloters hayan votado para su aprobación, desaprobación o
abstención. William Ackerman Michael Adams Ali Al Awazi Saleman Alibhay Robert Arno Thomas Basso Wallace Carpeta Robin Blanton James
D. Gustavo Bouford Brunello William Bush William Byrd Marcos Carr Robert James Christman Cleary James Cole Larry Conrad Timoteo
Croushore Gary Donner abril Dornbrook Randall Dotson Neal
Randall Dowling
Groves AjitDonald
Gwal Dunn Gary Engmann Rabiz Foda
Mirko Fredric
Palazzo amigo David Gilmer
Bansi
Mietek Glinkowski Waymon Goch Edwin Goodwin Thomas
Donald Grebe
Hall Dennis Hansen Patel Michael Roberts
Jeffrey Hartenberger David Rodney Rogers
Haynes Lee James Herron Robinson Charles
Hettrick de Scott Hietpas Thomas Rozek
Werner Hölzl José
Jancauskas Jeffrey Jelzer D. Daniel Sabin Robert San
Gael Kennedy Yuri Bartien Sayogo Dennis
Khersonsky Morteza Schlender Robert
Khodaie Joseph L. Schuerger Gil Shultz
Koepfinger Jim Kulchisky Christine Siebenshuh
Chung-Yiu Lam Paul Cheong Siew James Smith
Lindemulder Greg Luri Jerry Smith John Stallings
William McBride John Spare Joshua Gary
McDaniel John McDonald Stoedter Lee Taylor Mark
Gary Michel Thatcher Eric Udren John
Walton Vergis Marcos
Daniel J. Ward Lee Welch
Kenneth White Jonathan
Woodworth Jian Yu
Francisc Zavoda
C. Michael Miller Joydeep

Mitra Jerry Murphy Arthur
Neubauer Michael S.
Newman Joe Nims
Lorena Padden
vii
Cuando el Consejo de Normas IEEE-SA aprobó esta guía el 14 de mayo de 2012, que tenía los siguientes miembros:
Richard H. Hulett, Silla

John Kulick, Vicepresidente
Robert M. Grow, Antiguo presidente
Satish Aggarwal Alexander Gelman Paul Oleg Logvinov Ted

Masayuki Ariyoshi Peter Houzé Jim Hughes joven Olsen Gary Robinson
Balma William Bartley Kyun Kim Joseph L. Jon Walter Rosdahl Mike
Ted Burse Clint Chaplin Koepfinger * John Kulick Seavey Yatin Trivedi Phil
Wael Diab David Law J. Thomas Lee Winston Yu Yuan
Hung Ling
Jean-Philippe Faure
* miembro Emérito
También se incluyen los siguientes enlaces Consejo de Normas IEEE-SA sin derecho a voto:
Richard Blasio, DOE Representante

Michael Janezic, Representante del NIST
Julie Alessi
Normas IEEE Administrador de Programas, Desarrollo Documento
Matthew J. Ceglia
IEEE Administrador de Servicios de Cliente, Servicios profesionales
viii
Introducción
Esta introducción no es parte de IEEE Std 1366-2012, IEEE Guía para la distribución de energía eléctrica Fiabilidad índices.
Esta guía se desarrolló originalmente en 1998 para crear índices diseñados específicamente para sistemas de distribución. Otros grupos han creado
índices para los sistemas de transmisión e industriales, pero no había ninguna disponible para su distribución. Este grupo seguirá trabajando en esta
área mediante el refinado de la información contenida en esta guía.
Esta guía se actualiza en la revisión de 2003 para aclarar las definiciones existentes e introducir una definición basada en la estadística para la clasificación
de los principales días de eventos. El grupo de trabajo creado una metodología, 2.5 Beta Método para la determinación de los principales días de eventos.
Una vez día se clasifican como normales o principales Días de eventos, análisis y presentación apropiada pueden llevarse a cabo.
Esta revisión de 2012 de la guía aclaró varias de las definiciones e introdujo dos nuevos índices. Los nuevos índices son CELID-s y CELID-t, los
clientes que experimentan largos períodos de tiempo de interrupción (tanto individuales y totales). Una sección también se añadió para explicar la
investigación de días catastróficos.
ix
Contenido
1. Información general ............................................... .................................................. .................................................. . 1

1.1 Introducción ................................................ .................................................. ....................................... 1
1.2 Alcance ................................................ .................................................. ................................................. 1
1.3 Propósito ................................................ .................................................. .............................................. 1
2. Definiciones ............................................... .................................................. ................................................. 2
3. Definiciones de índices de fiabilidad ............................................ .................................................. ................... 4

3.1 Factores básicos ............................................... .................................................. ....................................... 4
3.2 índices de interrupción sostenida .............................................. .................................................. .............. 5
índices basados 3.3 Carga .............................................. .................................................. ............................... 8
3.4 Otros índices (momentáneo) ............................................ .................................................. .................... 9
3.5 Clasificación Mayor Día Evento ............................................. .................................................. ........... 10
4. Aplicación de los índices ............................................ .................................................. ........................... 13

4.1 sistema de muestra ............................................... .................................................. .................................. 14
4.2 Cálculo de los índices para un sistema sin días de grandes acontecimientos ...................................... ................... 15
4.3 Ejemplos ................................................ .................................................. ......................................... 17
5. La información sobre los factores que afectan el cálculo de los índices de confiabilidad ..................................... .... 19
5.1 Justificación de la selección de los índices proporcionados en esta guía ........................................ ................... 19
5.2 Los factores que causan la variación de los índices reportados .......................................... ....................................... 19
5.3 Mayor días de eventos catastróficos y días ........................................... ................................................ 19
Anexo A Bibliografía (informativo) ............................................ .................................................. ............ 21
Anexo B (informativo) ......................................... el desarrollo de grandes acontecimientos deportivos definición ............................. 22
Anexo C (informativo) subconjunto de datos interna .......................................... .................................................. ..... 31
X
AVISO IMPORTANTE: documentos IEEE estándares no son necesarias para la seguridad, la salud o la protección del medio
ambiente, ni asegura contra la interferencia o de otros dispositivos o redes. Los ejecutores de documentos estándares IEEE son
responsables de determinar y cumplir con todas las de seguridad, la seguridad, las prácticas, salud y protección del medio
ambiente interferencia apropiadas y todas las leyes y regulaciones aplicables.
Este documento IEEE se pone a disposición para su uso con sujeción a los avisos importantes y avisos legales. Estos avisos y
renuncias aparecen en todas las publicaciones que contienen este documento y pueden encontrarse bajo el título “Aviso
Importante” o “Avisos importantes y renuncia de responsabilidades relativas a los documentos de IEEE.” También pueden
obtenerse a petición del IEEE o consultarse en
http://standards.ieee.org/IPR/disclaimers.html .
1. Información general
1.1 Introducción
Esta guía-pleno uso se ha actualizado para aclarar las definiciones existentes, introducir dos índices de confiabilidad adicionales, y añadir una discusión
del Mayor los días del evento y los días catastróficos (véase 5.3).
1.2 Alcance
Esta guía identifica los índices y factores que afectan a su cálculo de fiabilidad de distribución. Incluye índices, que son útiles en la actualidad,
así como los que pueden ser útiles en el futuro. Los índices están destinadas a aplicarse a los sistemas de distribución, subestaciones, circuitos
y regiones definidas.
1.3 Propósito
El propósito de esta guía es doble. En primer lugar, es presentar un conjunto de términos y definiciones que se pueden utilizar para fomentar la uniformidad
en el desarrollo de índices de fiabilidad del servicio de distribución, para identificar los factores que afectan a los índices, y para ayudar en las prácticas de
información consistentes entre los servicios públicos. En segundo lugar, es proporcionar una guía para el personal nuevo en la zona de fiabilidad y
proporcionar herramientas para la interna, así como comparaciones externas. En el pasado, otros grupos han definido índices de fiabilidad para la
transmisión, generación y
1
IEEE Std 1366-2012
Guía de IEEE para la distribución de energía eléctrica Fiabilidad Índices
distribución, pero algunas de las definiciones que ya están en uso no son suficientemente específicas como para ser totalmente aprobado para su distribución. Los
usuarios de esta guía deben reconocer que no todas las empresas de servicios públicos tendrían los datos disponibles para calcular todos los índices.
2. Definiciones
A los efectos de este documento, se aplican los siguientes términos y definiciones. los IEEE Diccionario Normas: Glosario de Términos y
Definiciones 1 debe ser consultado para los términos no definidos en esta cláusula.
carga conectada: transformador conectado o la demanda medida (a especificar claramente cuando informes) en el circuito o una parte de
circuito que está interrumpido. Cuando se informa, el informe debe indicar si se basa en un pico anual o en un pico período del informe.
cliente: Un punto de servicio eléctrico medido para la cual se establece una cuenta factura activo en un lugar específico.
número de clientes: El número de clientes, ya sea servido o interrumpirse, dependiendo del uso.
sistema de distribución: La parte de un sistema eléctrico que suministra energía eléctrica a partir de puntos de transformación en el sistema de
transmisión para el cliente.
NOTA-El sistema de distribución se considera generalmente ser cualquier cosa de la cerca de la subestación de distribución para el medidor del cliente. A menudo, la
protección y la tensión reguladores de sobrecorriente iniciales son dentro de la cerca de la subestación y se consideran parte del sistema de distribución. 2
interrupción forzada: El estado de un componente cuando no está disponible para llevar a cabo su función prevista debido a un evento no planeado
directamente asociado con dicho componente.
dispositivo de interrupción: Un dispositivo para detener el flujo de energía, generalmente en respuesta a un fallo. El funcionamiento del dispositivo se puede
lograr por métodos manuales, automáticos, u operados de manera remota. Los ejemplos incluyen disyuntores, reconectores de línea, fusibles de línea,
interruptores de desconexión, seccionadores, y / u otros.
interrupción: La pérdida total de energía eléctrica en uno o más conductores normalmente energizados a uno o más clientes conectados a la
parte de distribución del sistema. Esto no incluye ninguno de los problemas de calidad de energía, tales como: crecidas, caídas, impulsos o
armónicos. Ver también: corte. duración de interrupción: El período de tiempo desde el inicio de una interrupción hasta que el servicio se ha
restablecido a los clientes afectados.
NOTA-El proceso de restauración puede requerir la reposición del servicio a pequeñas secciones del sistema hasta que el servicio se ha restablecido a todos los clientes. Ver
4.3.2 para un ejemplo paso a la restauración. Cada uno de estos pasos individuales deben ser rastreados, la recogida de la hora de inicio, hora de finalización, y el número de
clientes interrumpido para cada paso.
interrupciones causadas por eventos fuera del sistema de distribución: Los cortes que se producen en las instalaciones de generación,
transmisión, subestaciones, o los clientes que dan lugar a la interrupción del servicio a uno o más clientes. Aunque por lo general una pequeña parte
de la cantidad de eventos de interrupción, estas interrupciones pueden afectar a un gran número de clientes y pueden durar mucho tiempo.
cierre patronal: Cuando un dispositivo de interrupción de reenganche está en la posición abierta y no hay más operaciones de ese dispositivo se permite
sin intervención manual.
1 IEEE Diccionario Normas: Glosario de Términos y Definiciones está disponible en http://shop.ieee.org .

2 Las notas en el texto, tablas y figuras de un estándar se dan a título indicativo y no contienen los requisitos necesarios para aplicar esta norma.
2
IEEE Std 1366-2012
Importante evento: Designa un evento que excede diseño razonable y o límites operacionales del sistema de energía eléctrica. Un importante evento
incluye al menos un día de grandes acontecimientos. Ver también: Mayor jornada. Día de Grandes Eventos (MED): Un día en el que el sistema
diariamente Interrupción Promedio del Sistema Índice de Duración (SAIDI) supera un valor umbral Mayor jornada. A los efectos del cálculo diario del
sistema SAIDI, cualquier interrupción que se extiende por varios días naturales se devenga a la fecha en que se inició la interrupción. Estadísticamente,
los días de tener un sistema diaria SAIDI mayor que T MEDICINA son días en que el sistema de suministro de energía experimentó tensiones más del
normalmente esperado (como durante el mal tiempo). Las actividades que se producen en los días principales de eventos deben ser analizados y
reportados por separado. NOTA: consulte la clasificación Major Día Evento en 3.5.
interrupción momentánea: El breve pérdida de la entrega de potencia a uno o más clientes causado por la operación de apertura y cierre de
un dispositivo de interrupción.
interruptor NOTA de dos circuitos o las operaciones de recierre (siendo un abierta seguido de un cierre de cada operación) que interrumpir brevemente servicio a uno o
más clientes se definen como dos interrupciones momentáneas.
evento de interrupción momentánea: Una interrupción de duración limitada al tiempo requerido para restablecer el servicio por un dispositivo de interrupción.
NOTA 1- Tales operaciones de conmutación deben ser completado dentro de un tiempo especificado de cinco minutos o menos. Esta definición incluye todas las operaciones de
reconexión que se producen dentro de los cinco minutos de la primera interrupción.
NOTA 2- Si un interruptor reconectador o circuito opera dos, tres, o cuatro veces y luego se mantiene (a menos de cinco minutos de la primera operación), esas
interrupciones momentáneas se considerarán un evento interrupción momentánea.
corte: La pérdida de la capacidad de un componente para entregar el poder. NOTA 1- Un corte puede o no puede causar una interrupción del servicio a
los clientes, dependiendo de la configuración del sistema.
NOTA 2- Esta definición se deriva de las aplicaciones de transmisión y distribución, y no se aplica a las interrupciones de suministro.
interrupción planificada: La pérdida de energía eléctrica a uno o más clientes que resulta de una interrupción planeada. NOTA 1- Esto se
deriva de las aplicaciones de transmisión y distribución y no se aplica a las interrupciones de generación.
NOTA 2- La prueba clave para determinar si una interrupción debe ser clasificado como una interrupción planificada o no planificada es la siguiente: Si es posible aplazar la
interrupción, a continuación, la interrupción se produce una interrupción planificada; de lo contrario, la interrupción se produce una interrupción no planificada.
interrupción planeada: La inhabilitación intencional de la capacidad de un componente para entregar el poder, hecho en un momento preseleccionado, por lo
general a los efectos de la construcción, mantenimiento preventivo o de reparación.
período de información: El período de tiempo a partir del cual los datos de interrupción es para ser incluido en los cálculos del índice de fiabilidad. Las
fechas y horas de inicio y fin deben estar claramente indicados. Todos los eventos que comienzan dentro del periodo de tiempo indicado deben ser
incluidos. Un período de información coherente se debe utilizar cuando se compara el rendimiento de los diferentes sistemas de distribución (típicamente
un año calendario) o cuando se compara el rendimiento de un solo sistema de distribución durante un período prolongado de tiempo. El período de
notificación se supone que es de un año, a menos que se indique lo contrario.
restauración paso: El proceso de restauración de todos los clientes interrumpidas de forma escalonada en el tiempo.
3
IEEE Std 1366-2012
interrupción sostenida: Cualquier interrupción no clasificado como parte de un evento momentáneo. Es decir, cualquier interrupción que dura
más de cinco minutos.
número total de clientes atendidos: El número medio de clientes atendidos durante el período del informe. Si se utiliza un total del cliente
diferente, debe estar claramente definido dentro del informe.
interrupción no planificada: La pérdida de energía eléctrica a uno o más clientes que no sea resultado de una interrupción planeada.
3. Definiciones de índices de fiabilidad
3.1 Los factores básicos
Los factores básicos definidos a continuación especifican los datos necesarios para calcular los índices de fiabilidad. NOTA-El subíndice
'i' significa un evento de interrupción.
CI Los clientes interrumpido
CMI Clientes minutos de interrupción
CN Número total de clientes distintos que han experimentado una interrupción sostenida durante el período que se examina
CN ( k≥n) Número total de clientes que han experimentado norte o interrupciones más sostenida durante el período del
informe
CN ( k≥S) Número total de clientes que experimentó S o más horas de duración
CN ( k≥T) Número total de clientes que experimentó T o más horas de duración
CNT ( k≥n) Número total de clientes que han experimentado norte o más interrupciones sostenidas y eventos interrupción
momentánea durante el período del informe
mi Evento
ESTOY yo Número de interrupciones momentáneas
ESTOY mi Número de eventos de interrupción momentánea
k Número de interrupciones experimentadas por un cliente individual en el período del informe
L yo carga kVA Connected interrumpido para cada evento de interrupción
LT carga kVA conectado total servida
norte yo Número de clientes interrumpidas para cada evento de interrupción sostenida durante el período que se examina
norte mi Número de clientes interrumpidas para cada evento de interrupción momentánea durante el período que se examina
4
IEEE Std 1366-2012
norte T Número total de clientes atendidos por la zona
r yo tiempo de restauración para cada evento de interrupción
T MEDICINA gran umbral Día Evento
3.2 índices de interrupción sostenida
3.2.1 TIEPI: Índice de Frecuencia de Interrupción Promedio del Sistema
El Índice de Frecuencia de Interrupción Promedio del Sistema (TIEPI) indica con qué frecuencia el cliente promedio experimenta una interrupción
sostenida durante un periodo de tiempo predefinido. Matemáticamente, esto se da en la ecuación. (1).
Σ InterrupteTotal
Número Los clientes de d
TIEPI = (1)
clientes se sirven de Número
Total Los
Para calcular el índice, utilice la ecuación. (2).
Σ Ni
CI
norte
TIEPI = NT T= (2)
3.2.2 SAIDI: Índice Duración Interrupción Promedio del Sistema
El Sistema de Interrupción Promedio del Índice de Duración (SAIDI) indica la duración total de interrupción para el cliente promedio durante
un período de tiempo predefinido. Se mide comúnmente en minutos u horas de interrupción. Matemáticamente, esto se da en la ecuación.
(3).
Σ en las Actas de atención

cliente Interrupti
al
SAIDI = clientes se sirven de Número

Total Los (3)
Σ
N iri CMI
SAIDI = = (4)
Tennesse Tennesse
3.2.3 CAIDI: Cliente Índice de Duración media de Interrupción
El cliente Interrupción Promedio Índice de Duración (CAIDI) representa el tiempo medio necesario para restablecer el servicio. Matemáticamente, esto
se da en la ecuación. (5).
CMI
Σ en las Actas de atenciónInterrupti
cliente al
CAIDI = = IC del (5)
InterrupteTotal
Número Los clientes de d
5
IEEE Std 1366-2012
Σ ΣNi
SAIDI
=
TIEPI
CAIDI = Rini (6)
3.2.4 CTAIDI: Cliente Índice duración total media de Interrupción
El cliente promedio total Interrupción Índice de Duración (CTAIDI) representa el tiempo total durante el periodo informativo que los clientes
promedio que en realidad experimentaron una interrupción se quedaron sin electricidad. Este índice es un híbrido de CAIDI y se calcula de
manera similar, excepto que aquellos clientes con múltiples interrupciones se cuentan sólo una vez. Matemáticamente, esto se da en la
ecuación. (7).
Σ de InterruptiDuraciones
Cliente
CTAIDI = (7)
InterrupteTotal
Número distintos clientes del d
Σ RIN i
CMI
CTAIDI = CN = CN (8)
NOTA-En recuento número total de clientes interrumpido, cada cliente debe ser contado sólo una vez, independientemente del número de veces
interrumpidas durante el período del informe. Esto se aplica a las definiciones establecidas en 3.2.4 y 3.2.5.
3.2.5 CAIFI: Cliente Índice de frecuencia media de interrupción
El índice de frecuencia media de interrupción al cliente (CAIFI) da la frecuencia media de interrupciones sufridas por aquellos clientes que
experimentan interrupciones sufridas. El cliente se contabiliza una vez, independientemente del número de veces interrumpidas para este
cálculo. Matemáticamente, esto se da en la ecuación. (9).
Σ complementos Interrupti del Número

Total Cliente
CAIFI = (9)
InterrupteTotal
Número distintos clientes del d
Σ Ni
CN
CI
CAIFI = = CN (10)
3.2.6 ASAI: Índice de disponibilidad media servicio
El servicio de disponibilidad media del índice (ASAI) representa la fracción de tiempo (a menudo en porcentaje) de que un cliente ha recibido el poder
durante el período del informe definido. Matemáticamente, esto se da en la ecuación. (11).
6
IEEE Std 1366-2012
Horas de servicio al cliente Disponibilidad demanda
ASAI = Horas de servicio al cliente (11)
× de (Número TNhoras / año) - Σ

N iri
× de Número (TNhoras / año)

ASAI = (12)
NOTA: hay 8 760 horas en un año no bisiesto y 8 784 horas en un año bisiesto.
3.2.7 CEMI norte: Experimentar clientes múltiples interrupciones
Los clientes Experimentar Índice de Interrupciones Múltiples (CEMI norte) indica la proporción de clientes individuales que experimentan norte o
más interrupciones sostenidas con el número total de clientes atendidos. Matemáticamente, esto se da en la ecuación. (13).
interruptide
clientes sostenida
Número más
Totalo nd experiencia que los ons
CEMI n = (13)
Total Los
≥ (K CN norte)
CEMI n = (14)
Tennesse
NOTA: este índice se utiliza a menudo en una serie de cálculos con norte incrementa desde un valor de 1 al valor más alto de interés.
3.2.8 CELID: Los clientes en situación de interrupción larga duraciones
Los clientes que experimentan Índice duraciones de las interrupciones de largo (CELID) indica la proporción de clientes individuales que
experimentan interrupciones con duraciones más largas o iguales a un tiempo dado. Ese tiempo es o bien la duración de una sola interrupción
(s) o la cantidad total de tiempo (t) que un cliente ha sido interrumpida durante el período de notificación. Matemáticamente, la ecuación
Duración sola interrupción se da en la ecuación. (15) y la ecuación Duración total de interrupción se da en la ecuación. (17). Sola interrupción
Duración:
duraciónTotal
Número más o S d experiencia que loshoras
clientes
de de
CELID-t = (15)
Total Los
Para calcular el índice, utilice la ecuación. (dieciséis).
≥ (K CN S)
CELID-s = (dieciséis)
Tennesse
7
IEEE Std 1366-2012
Interrupción total Duración:
duraciónTotal
Número más o d T experiencia que loshoras
clientes
de de
CELID-t = (17)
Total Los
≥ (K CN T)
CELID-t = (18)
Tennesse
3.3 índices basados carga
3.3.1 Asifi: Índice de Frecuencia Media de Interrupción Sistema
El cálculo del Índice de Frecuencia Media de Interrupción Sistema (Asifi) se basa en la carga en lugar de los clientes afectados. Asifi
a veces se utiliza para medir el rendimiento de distribución en áreas que sirven relativamente pocos clientes
que tienen relativamente grandes concentraciones de cargar, predominantemente
clientes industriales / comerciales. Teóricamente, en un sistema con distribución de carga homogénea, Asifi sería el mismo que SAIFI.
Matemáticamente, esto Asifi se da en la ecuación. (19).
Σ Load Interrupte de kVA total

conectada d
Asifi = kVA total conectada

Servido (19)
Σ Li
Asifi = LT (20)
Índice de Duración media de Interrupción Sistema: 3.3.2 ASIDI
El cálculo de la Interrupción Promedio del Sistema Índice de Duración (ASIDI) se basa en la carga en lugar de los clientes afectados. Su uso,
limitaciones, y la filosofía se indican en la definición Asifi en el apartado 3.3.1. Matemáticamente, ASIDI se da en la ecuación. (21).
Σ Interrupteconectado
Duración carga de kVA d
ASIDI = kVA total conectada

Servido (21)
Σ RILI
ASIDI = LT (22)
8
IEEE Std 1366-2012
3.4 Otros índices (momentáneo)
3.4.1 MAIFI: Índice de frecuencia momentánea Interrupción Promedio
El índice de frecuencia momentánea Interrupción Promedio (MAIFI) indica la frecuencia media de interrupciones momentáneas.
Matemáticamente, esto se da en la ecuación. (23).
Σ momentánea del Número

Cliente Total Interrupti
ons
MAIFI = clientes se sirven de Número

Total Los (23)
Σ IM N mi i
norte
MAIFI = T (24)
3.4.2 MAIFI MI: Momentánea Índice de Frecuencia Media de Interrupción Evento
El índice de frecuencia de eventos de interrupción momentánea media (MAIFI MI) indica la frecuencia media de interrupción momentánea eventos.
Este índice no incluye los acontecimientos inmediatamente anteriores a una interrupción sostenida. Matemáticamente, esto se da en la ecuación.
(25).
Σ en Interrupti
Número Totalcliente momentáneo del
Eventos
MAIFI E = (25)
Total Los
MAIFI E = Σ IM N
millas
ES
(26)
T
3.4.3 CEMSMI norte: Experimentar múltiples clientes y sostenida interrupción momentánea interrupción Eventos
Los clientes en situación de múltiple sostenida Índice de interrupción y la interrupción de eventos momentáneos (CEMSMI norte) es la relación de los clientes
individuales que experimentan norte o más de las dos interrupciones sufridas y eventos de interrupción momentánea a los clientes total servida. Su propósito
es ayudar a identificar problemas de los clientes que no pueden ser observados mediante el uso de promedios. Matemáticamente, esto se da en la ecuación.
(27).
complementos
clientes de Número
Interrupti
Totalo n ng experienci Los Más
CEMSMI n = (27)
Total Los
CNT
(K≥ norte)
CEMSMI n = (28)
Tennesse
9
IEEE Std 1366-2012
Mayor clasificación 3.5 Día Evento
El siguiente proceso de Beta Método-se utiliza para identificar Major Evento días (MED), a condición de que la transformación logaritmo natural de los
resultados de los datos se parece mucho a una distribución gaussiana (normal). Su propósito es permitir que los grandes eventos que se estudiarán por
separado de la operación diaria, y en el proceso, para revelar mejor las tendencias en la operación diaria que se oculta por el gran efecto estadístico de
grandes eventos. Para más detalles técnicos sobre la derivación de la metodología, véase el Anexo B. Una MED es un día en el que el sistema
diariamente SAIDI supera un valor umbral, T MEDICINA. El índice SAIDI se utiliza como base de esta definición, ya que conduce a resultados consistentes
independientemente del tamaño de la utilidad, y debido a SAIDI es un buen indicador de la tensión de funcionamiento y diseño. A pesar de que SAIDI se
utiliza para determinar los medicamentos, todos los índices deben calcularse sobre la base de la eliminación de los días identificados.
En el cálculo diario del sistema SAIDI, cualquier interrupción que se extiende por varios días se devenga a la fecha en que comienza la interrupción. La
identificación MED T MEDICINA valor se calcula al final de cada período de referencia (típicamente un año) para su uso durante el siguiente período de
notificación, como sigue:
un) Suma los valores de SAIDI al día durante cinco años consecutivos, que termina el último día del último completa
período de información. Si menos de cinco años de datos históricos están disponibles, utilizar todos los datos históricos disponibles hasta cinco años
de datos históricos están disponibles.
segundo) Sólo aquellos días que tienen un valor SAIDI / día se utilizará para calcular T MED ( no incluyen días
que no tenían ningún tipo de interrupciones).
do) Tomar el logaritmo natural (ln) de cada valor SAIDI diario en el conjunto de datos.
re) Encontrar α ( Alpha), la media de los logaritmos (también conocido como el registro de la media) del conjunto de datos.
mi) Encontrar β ( Beta), la desviación estándar de los logaritmos (también conocidos como la desviación-log estándar) del conjunto de datos.
F) Calcular el umbral MED, T MEDICINA, utilizando la Ec. (29).
(α + 2. 5 β )
MEDICINA
= eT (29)
gramo) Cualquier día con SAIDI diaria mayor que el valor umbral T MEDICINA que se produce durante el subsiguiente
el período de notificación está clasificado como un MED.
Las actividades que se producen en los días clasificados como MED deben ser analizados y reportados por separado.
10
IEEE Std 1366-2012
3.5.1 Un ejemplo del uso de la definición MED para identificar los principales eventos y posteriormente calcular los índices
ajustados que reflejan el rendimiento normal de funcionamiento
El siguiente ejemplo ilustra el cálculo de la SAIDI diario, el cálculo del umbral de MED T MEDICINA, identificación de MEDs, y el
cálculo de índices ajustados.
La Tabla 1 proporciona datos seleccionados para todas las interrupciones que se producen en un día determinado para una utilidad que sirve 2 000 clientes.
La Tabla 1 -Interruption datos para 18 de marzo 1994
Fecha Hora Duración Numero de Tipo de interrupción

(min) clientes
18 de Mar, de 1994 18:34:30 20.0 200 Sostenido
18 de Mar, de 1994 18:38:30 1.0 400 Momentáneo
18 de Mar, de 1994 18:42:00 513,5 700 Sostenido
Tenga en cuenta que si bien la tercera interrupción (en 18:42:00) no fue restaurado hasta el día siguiente, sus recuentos totales de duración en el día en
que comenzó la interrupción. Tenga en cuenta también que SAIDI considera solamente interrupciones sufridas.
Para 18 de marzo de 1994 SAIDI diaria (suponiendo una utilidad cliente 2 000) se da en la ecuación. (30).
( 20×SAIDI ) + (513 . × 700 5)

200
= = 181 . 73min (30)
2000
Un mes de datos históricos SAIDI diaria se utiliza en el ejemplo siguiente para calcular el umbral T MED MEDICINA. Cinco años de datos históricos es
preferible para este método, pero la impresión de que muchos de los valores en esta guía no es práctico, por lo que sólo un mes se utiliza para ilustrar
el concepto. Los datos de ejemplo se muestra en la Tabla 2.
11
IEEE Std 1366-2012
Tabla 2 -Un mes de SAIDI diaria y en los datos (SAIDI / día)
Fecha SAIDI / día (min) ln (SAIDI / día) Fecha SAIDI / día (min) ln (SAIDI / día)
01 de diciembre 1993 26.974 3.295 17 de diciembre 1993 0,329 - 1.112

02 de diciembre 1993 0,956 - 0,046 18 de diciembre 1993 0 Este día no está incluido en
los cálculos, ya
no eran clientes
interrumpido.
03 de diciembre 1993 0,131 - 2,033 19 de diciembre 1993 0,281 - 1,268
04 de diciembre 1993 1.292 0,256 20 de diciembre 1993 1.810 0,593
05 de diciembre 1993 4.250 1,447 21 de diciembre 1993 0,250 - 1.388

06 de diciembre 1993 0,119 - 2.127 22 de diciembre 1993 0,021 - 3,876
07 de diciembre 1993 0,130 - 2.042 23 de diciembre 1993 1,233 0,209
08 de diciembre 1993 12.883 2,556 24 de diciembre 1993 0,996 - 0,004

09 de diciembre 1993 0,226 - 1,487 25 de diciembre 1993 0,162 - 1.818
10 de diciembre 1993 13.864 2,629 26 de diciembre 1993 0,288 - 1,244
Dec 11, de 1993 0,015 - 4.232 Dec 27 de, de 1993 0,535 - 0,626
12 de diciembre 1993 1.788 0,581 28 de diciembre 1993 0,291 - 1.234
13 de diciembre 1993 0,410 - 0,891 Dec 29 de, de 1993 0,600 - 0,511
14 de diciembre 1993 0,007 - 4.967 30 de diciembre 1993 1.750 0,560
15 de diciembre 1993 1.124 0,117 31 de diciembre 1993 3,622 1,287
16 de diciembre 1993 1,951 0,668
NOTA-El SAIDI / día para el 18 de diciembre de, 1993 son cero, y el logaritmo natural de cero es indefinido. Por lo tanto 18 de diciembre de 1993 son no
considerados durante el análisis.
El valor de α, el registro de la media, es la media de los logaritmos naturales, y es igual a -0,555 en este caso.
El valor de β, la desviación-registro estándar, es la desviación estándar de los logaritmos naturales, y es igual a 1,90 en este ejemplo.
El valor de α + 2.5 β es 4,20. El valor umbral T MEDICINA se calcula e ( 4.20) y es igual a 66,69 SAIDI minutos por día. Este valor se utiliza para evaluar el
período de tiempo futuro (por ejemplo, el siguiente año). La Tabla 3 muestra valores de ejemplo SAIDI / día durante los primeros meses de 1994.
12
IEEE Std 1366-2012
Tabla de datos 3 -Daily SAIDI, Enero 1.994 mil
Fecha SAIDI / día Fecha SAIDI / día

1 jan, de 1994 0,240 Jan 17 de de 1994 5,700
Jan 2, de 1994 0,014 18 de jan, de 1994 0,109
Jan 3, de 1994 0,075 19 de jan, de 1994 0,259
4 jan, de 1994 2,649 20 jan, de 1994 1.142
5 jan, de 1994 0,666 21 de jan, de 1994 0,262
6 jan, de 1994 0,189 22 de jan, de 1994 0,044
7 jan, de 1994 0,009 23 de jan, de 1994 0,243
8 jan, de 1994 1.117 24 de jan, de 1994 5,932
9 jan, de 1994 0,111 25 de jan, de 1994 2.698
Jan 10, de 1994 8,683 26 de jan, de 1994 5,894
11 jan, de 1994 0,277 27 de jan, de 1994 0,408
12 jan, de 1994 0,057 28 de jan, de 1994 237.493
13 jan, de 1994 0,974 29 de jan, de 1994 2.730
14 jan, de 1994 0,150 30 de jan, de 1994 8.110
15 jan, de 1994 0,633 31 de jan, de 1994 0,046
16 de jan, de 1994 0,434
El SAIDI / día el 28 de enero, 1994 (237,49) excede el valor umbral de ejemplo (T MED = 66,69), lo que indica que el sistema de distribución
experimentó tensiones más del normalmente esperado en ese día. Por lo tanto, 28 de Enero de 1994 se encuentra clasificado como un MED. El
SAIDI / día para todos los otros días fue menor que T MEDICINA,
lo que indica que las tensiones normales se experimentaron en esos días. Para completar el ejemplo, los
índices deben ser calculados para dos condiciones:
1) Todos los eventos incluidos
2) MED removidos
En la mayoría de los casos, los servicios públicos se calcular todos los índices que utilizan normalmente (por ejemplo, SAIFI, SAIDI, y / o Caidi). Para este
ejemplo, sólo se mostrará SAIDI. El SAIDI para 1994 para la condición 1) anterior (todos los eventos incluidos) se da en la ecuación. 31.
SAIDI diaria = SAIDI=Σ 287,35

(31)
El SAIDI para 1994 para la condición 2) anterior (MEDs eliminados), para los informes y análisis separado, se da en la ecuación. 32.
MEDs Σ
SAIDI eliminan con el SAIDI diaria = = 49.86 (32)
4. Aplicación de los índices
La mayoría de almacenar los datos de los servicios públicos de interrupción en grandes bases de datos informáticas. Algunas bases de datos están mejor
organizados que otros para consultar y analizar datos de fiabilidad. La siguiente subcláusula mostrará una muestra de base de datos parcial y la metodología para
calcular los índices basados en la información proporcionada.
13
IEEE Std 1366-2012
sistema 4.1 Muestra
La Tabla 4 muestra un extracto del sistema de información del cliente de una utilidad (CIS) de base de datos para alimentador de 7075, que sirve 2
000 a los clientes con una carga total de 4 MW. En este ejemplo, el circuito 7075 constituye el “sistema” para el que se calculan los índices. Más
típicamente, el “sistema” combina todos los circuitos juntos en una región o para toda una empresa.
Tabla 4 -Interruption datos para 1994
Fecha Hora Tiempo en Circuito código de Numero de cargar Interrupción

evento clientes kVA tipo
17 de Mar 12:12:20 12:20:30 7075 107 200 800 S
15 Abr 18:23:56 18:24:26 7075 256 400 1 600 METRO
5 de Mayo 00:23:10 01:34:29 7075 435 600 1 800 S

12 Jun 23:17:00 23:47:14 7075 567 25 75 S
6 Jul 09:30:10 09:31:10 7075 678 2 000 4 000 METRO
20 aug 15:45:39 20:12:50 7075 832 90 500 S

31 de aug 08:20:00 10:20:00 7075 1 003 700 2 100 S
Sep 3 17:10:00 17:20:00 7075 1 100 1 500 3 000 S
27 de Oct 10:15:00 10:55:00 7075 1 356 100 200 S
NOTA 1- tipo de interrupción S = sostenido; M = Nota momentánea 2- El total
de clientes servidos = 2 000
El número total de clientes que han experimentado una interrupción sostenida es de 3 215. El número total de clientes que experimentan una
interrupción momentánea es de 2 400.
Tabla 5 clientes -Extracted que fueron interrumpidos
Nombre número de Fecha código de evento Duración

circuito (min)
Willis, J. 7075 17 de Mar, de 1994 107 8.17
Williams, J. 7075 Abr 15, de 1994 256 0.5
Willis, J. 7075 Abr 15, de 1994 256 0.5
Wilson, D. 7075 5 de mayo de, de 1994 435 71.3
Willis, J. 7075 12 de junio 1994 567 30.3
Willis, J. 7075 20 aug, de 1994 832 267,2
Wilson, D. 7075 20 aug, de 1994 832 267,2
Yattaw, S. 7075 20 aug, de 1994 832 267,2
Willis, J. 7075 31 de aug, de 1994 1003 120
Willis, J. 7075 03 de septiembre 1994 1100 10
Willis, J. 7075 27 de Oct, de 1994 1356 40
14
IEEE Std 1366-2012
La Tabla 6 -Interruption operaciones del dispositivo
Número de Dispositivo Fecha Hora Número de Número de

registro operaciones operaciones de
cierre patronal
1 BRK 7075 15 Abr 18:23:56 2 3

2 ded 7075 6 Jul 09:30:10 3 4
3 BRK 7075 aug 2 12:29:02 1 3
4 BRK 7075 aug 2 12:30:50 2 3
5 ded 7075 aug 2 13:25:40 2 4
6 ded 7075 25 de aug 08:00:00 2 4
7 BRK 7075 Sep 2 04:06:53 2 3
8 ded 7075 Sep 5 11:53:22 3 4
9 BRK 7075 8 Sep 15:25:10 1 3
10 ded 7075 2 Oct 17:15:19 1 4
11 ded 7075 12 Nov 00:00:05 1 4
A partir de la Tabla 6, se puede observar que hubo ocho operaciones del interruptor que afectaron a 2 000 clientes. Cada uno de ellos
experimentaron ocho interrupciones momentáneas. Hubo 12 operaciones del reconectador que causaron 750 clientes la experiencia de 12
interrupciones momentáneas. Algunas de las operaciones se produjo durante una secuencia de reenganche. Para calcular el número de eventos
de interrupción momentánea, contar sólo el número total de secuencias de reenganche. En este caso, hubo cinco eventos interruptor de circuito
(registros 1, 3, 4, 7, y 9) que afectaron 2 000 clientes. Cada uno de ellos experimentaron cinco eventos de interrupción momentánea. Había seis
eventos de recierre (registros 2, 5, 6, 8, 10, y 11) que afectaron a 750 clientes, y cada uno de ellos experimentaron seis eventos interrupción
momentánea.
4.2 Cálculo de los índices para un sistema sin días de grandes acontecimientos deportivos
Las ecuaciones en 3.5, y las definiciones en la cláusula 2, se deben utilizar para calcular los índices anuales (véase la Ec. (33) a través de la Ec. (46), más
adelante). En el siguiente ejemplo, los índices se calculan mediante el uso de las ecuaciones en
3,2 y 3,4 utilizando los datos en la Tabla 4 y la Tabla 5, suponiendo que no hubiera MEDs en este conjunto de datos.
200 + 600 + 25 + 90 + 700 + 1500 + 100

= SAIFI
1,61 =
2000 (33)
× × × × × × ×
SAIDI = (8.17 200) + (71.3 600) + (30,3 25) + (267,2 90) + (120 700) + (10 1500) + (40 100) = 8611
. min (34)
2000
86 . 110
SAIFI SAIDI = CAIDI
= = 53 . 57min
1. 6075
(35)
Para calcular CTAIDI y CAIFI, se requiere que el número de clientes que experimentan una interrupción sostenida. El número total de
clientes afectados (CN) para este ejemplo puede ser no más de 2 000. Puesto que sólo se muestra una pequeña parte de la tabla de
información del cliente, es imposible saber CN; Sin embargo, es probable que no todos los 2 000 clientes en este alimentador
experimentaron una interrupción durante el año. se supondrá un número arbitrario de los clientes, 1 800, por CN (para sus cálculos, la
información real se debe utilizar) desde la interrupción el 3 de septiembre muestra que al menos 1 500 clientes han sido interrumpidos
durante el año.
15
IEEE Std 1366-2012
CTAIDI
(8,17 = × 200) + × 600 ) + 30 (. ×3 25 ) +
(71,3 267 ( . 2 90 ) +
× 120×( 700 )+ 10×( 1500 )+ 40×( 100 )
= 95 . 68min
1800
(36)
200 + 600 + 25 + 90 + 700 + 1500 + 100

= CAIFI
= 1. 79
1800 (37)
8760 = ASAI× 2000 - × 200 + 600 × 71.3 + 30.3 × 25 + 267,2 × 90 +

(8.17 × 700 +
120 × 700 +
10 × 1500
10 + 40 × 100) / 60
= 0. 999836
× 2000
8760
(38)
800 + 1800 + 75 + 500 + 2100 + 3000 + 200

= Asifi
= 2. 12
4000 (39)
(800 = × 8.17) + (1800 × 71,3) + (75 × 30.3) + (500 × 267,2) + (2100 × 700) + 3000 (6) + × 40
200
ASIDI
= 444 . 69
4000 (40)
CTAIDI, CAIFI, CEMI norte, CELID-s, CELID-t, y CEMSMI norte requerir información sobre la interrupción detallada para cada cliente. La base de
datos debe ser buscado para todos los clientes que han experimentado más de norte
interrupciones que duran más de cinco minutos. Asumir norte se elige para ser cinco. En la Tabla 5, el cliente J. Willis experimentó siete
interrupciones en un año, y es posible que otros clientes también experimentaron más de cinco interrupciones, tanto momentánea y
sostenida. Para este ejemplo, asumir valores arbitrarios de 350 para CN ( k≥n), 90 para CN ( k≥S), 40 para CN ( k≥T), y 750 para CNT ( k≥n). El número
de operaciones del dispositivo de interrupción se da en la Tabla 6 y se utiliza para calcular MAIFI y MAIFI MI. Supongamos que el número de
clientes aguas abajo del reconectador es igual a 750. Estos números serían conocidos en un sistema real.
350
=
CEMI 5 = 2000 0.175 (41)
CELID-s (4) = 90 = . 045

0 2000 (42)
CELID-t (6) = 40 = . 02
0 2000 (43)
8 2000
× 12 750
+ ×
= 12.5
MAIFI = 2000 (44)
5 2000
× 6 750
+ ×
= 7.25
MAIFI E = 2000 (45)
750
=
CEMSMI 5 = 2000 0.375 (46)
Utilizando el sistema de ejemplo anterior debería ayudar a definir la metodología y el enfoque a la obtención de datos de los sistemas de información
y ayudar a calcular los índices.
dieciséis
IEEE Std 1366-2012
4.3 Ejemplos
Esta subcláusula ilustra dos conceptos-momentáneas interrupciones y restauración-a través de la etapa la utilización de ejemplos.
4.3.1 ejemplo interrupción momentánea
Para ilustrar mejor los conceptos de interrupciones momentáneas e interrupciones sostenidos y los índices asociados, considere la figura 1 y la Ec.
(45) a través de la ecuación. (47). La Figura 1 ilustra un circuito compuesto de un interruptor de circuito (B), un reconectador (R), y un seccionador (S).
Figura 1 -Muestra sistema de dos
Para este escenario, 750 clientes experimentarían un evento de interrupción momentánea (dos interrupciones momentáneas), y 250 clientes
experimentarían una interrupción sostenida. Los cálculos para TIEPI, MAIFI y MAIFI mi sobre una base de alimentación se muestran en la Eq. (47) a
través de la ecuación. (49) a continuación. Observe que el numerador de MAIFI se multiplica por dos, porque el reconectador dio dos disparos, sin
embargo, MAIFI mi se multiplica por uno, ya que sólo cuenta el hecho de que se ha producido una serie de acontecimientos momentáneos.
TIEPI = = 0,125 (47)

2000 250
× 750 2
MAIFI = = 0.75 (48)
2000
× 750 1
MAIFI E = 0,375 = (49)
2,000
ejemplo restauración 4.3.2 Paso
El caso siguiente ilustra el proceso de restauración paso. Un alimentador porción de 1 000 clientes experimenta una interrupción sostenida. Se requieren
medidas de restauración de múltiples para restaurar el servicio a todos los clientes. La Tabla 7 muestra los tiempos de cada paso, una descripción y los
clientes asociados interrumpidas, y minutos se vieron afectados en un formato de línea de tiempo.
17
IEEE Std 1366-2012
Tabla 7 -Ejemplo para un alimentador porción de 1 000 a los clientes una interrupción sostenida
Tiempo de Descripción Los clientes Los clientes

fallo inicial permanecen restaurados
(Min) interrumpidos
- El fallo inicial ocurre, el interruptor de alimentación se abre, y los 1 000 clientes se 1 000 -
interrumpió. Los interruptores se abren a lo largo del alimentador.
45 El interruptor de alimentación está cerrado, pero sólo 500 clientes se restauran. 500 500
60 A través de un interruptor de cierre, un 300 clientes adicionales se restauran. 200 800
70 Un incidente adicional se produce que hace que el interruptor de alimentación a 1 000 -

abiertas, interrumpiendo los 800 clientes previamente restaurados.
90 El interruptor de alimentación está cerrado, y restaura 800 clientes. 200 800
120 Las reparaciones permanentes se han completado y los restantes 200 clientes - 1 000
se restauran. El evento de interrupción se concluye.
Los totales N/A 1 800
La Figura 2 ilustra el ejemplo descrito en la Tabla 7. Obsérvese que tanto el bloque de 500 clientes y el bloque de 300 clientes
experimentan dos interrupciones durante este evento.
Figura 2 -Step gráfico de tiempo de restauración
Tabla 8 enumera la CI y CMI para el ejemplo.
Tabla 8 -Restauración pasos para el ejemplo
Hora duración de interrupción CI CMI

(Min)
00: 00-00: 45 45 500 22 500
00: 00-01: 00 60 300 18 000
01: 10-01: 30 20 800 16 000
00: 00-02: 00 120 200 24 000
Total 1 800 80 500
Ejemplo SAIFI = 1 800/1 000 = 1,8 interrupciones Ejemplo
CAIDI = 80 500/1 800 = 44,7 min Ejemplo SAIDI = 80 500/1
000 = 80,5 min
18
IEEE Std 1366-2012
5. La información sobre los factores que afectan el cálculo de los índices de confiabilidad
5.1 Justificación de la selección de los índices proporcionados en esta guía
Un punto de vista del rendimiento del sistema de distribución puede ser obtenido mediante el uso de índices de fiabilidad. Para medir adecuadamente el
desempeño, tanto en duración y frecuencia de las interrupciones de los clientes deben ser examinados en los distintos niveles del sistema. Los índices más
utilizados son TIEPI, SAIDI, CAIDI y ASAI, todos los cuales proporcionan información sobre el rendimiento promedio del sistema. Muchas empresas de servicios
también calculan los índices en una base de alimentación para proporcionar información más detallada para la toma de decisiones. Promedios dan las
tendencias de rendimiento generales de la utilidad; Sin embargo, usando promedios dará lugar a la pérdida de detalle que podría ser crítica para la toma de
decisiones. Por ejemplo, el uso de promedios del sistema por sí solo no proporcionará información acerca de la duración de interrupción experimentada por
cualquier cliente específico. Es difícil para la mayoría de las empresas de servicios públicos para proporcionar información en una base de clientes. Este grupo
cree que el seguimiento de los detalles específicos que rodean interrupciones, en lugar de los promedios, se puede lograr mediante la mejora de las capacidades
de seguimiento. Con este fin, el grupo de trabajo ha incluido no sólo los índices más utilizados, sino también índices que analizan el rendimiento a nivel del
cliente (por ejemplo, CEMI norte y los CELIDs).
5.2 Los factores que causan la variación de los índices reportados
Muchos factores pueden causar variación en los índices reportados por diferentes empresas de servicios públicos. Algunos ejemplos son las diferencias en:
• Ámbito de recopilación de datos automatizada
• Geografía
• Diseño de sistemas
• La clasificación de datos (por ejemplo, son los principales acontecimientos en el conjunto de datos? interrupciones planificadas?) Para garantizar la
evaluación y comparación de resultados y de rendimiento tendencias absolutas en el tiempo precisa y equitativa, es importante clasificar el rendimiento para
cada día en el conjunto de datos para ser analizados ya sea como el día a día o MED. No realizar este paso crítico puede conducir a la toma de decisiones
falsa ya que el rendimiento MED menudo eclipsa y disfraza el rendimiento diario. Las interrupciones que se producen como consecuencia de las
interrupciones en las instalaciones de propiedad del cliente, o la pérdida del suministro de otra utilidad, no deben incluirse en el cálculo del índice.
5.3 Mayor días de eventos catastróficos y día
Cuando se utiliza SAIDI diario y el 2,5 β método, existe una suposición de que la distribución de los valores de registro
naturales lo más probable parecerse a una distribución de Gauss, es decir, una curva en forma de campana. Dado que las
empresas han utilizado este método, un cierto número de ellos han experimentado eventos a gran escala (como huracanes
o tormentas de hielo) que resultan en los valores SAIDI diarias inusualmente considerables. Los eventos que dan lugar a
estos días particulares, considerados “los eventos catastróficos,” tienen una baja probabilidad de que se produzcan. Sin
embargo, los valores extremadamente grandes SAIDI diarias pueden tender a sesgar la distribución de rendimiento hacia la
derecha, causando un cambio de la media del conjunto de datos y un incremento de su desviación estándar. Los valores
grandes de SAIDI diarias causadas por eventos catastróficos que existirán en el conjunto de datos durante cinco años y
podría causar un desplazamiento hacia arriba relativamente menor en las tendencias de métricas de fiabilidad resultantes.
19
IEEE Std 1366-2012
servicios públicos, eventos catastróficos que ocurren demasiado a menudo a aceptar como razonable. Además, la eliminación de los eventos
catastróficos desde el cálculo del umbral de evento importante causado, en algunos servicios públicos, en lugar de un gran aumento de días
identificados como MED en los siguientes cinco años. Se recomienda que la identificación y el procesamiento de eventos catastróficos para los
propósitos de fiabilidad deben determinarse sobre una base empresa individual por los reguladores y utilidades ya que ningún método objetivo se ha
ideado que se puede aplicar universalmente para lograr resultados aceptables.
20
IEEE Std 1366-2012
Anexo A
(informativo)
Bibliografía
Las referencias bibliográficas son recursos que proporcionan material adicional o útil, pero no necesitan ser entendidos o se utiliza para
aplicar esta norma. Se hace referencia a estos recursos únicamente con fines informativos. [B1] Balijapelli, N., Venkata, SS, Christie, RD,
“La predicción del rendimiento del sistema de distribución con los estándares de confiabilidad reguladoras.” IEEE Transactions on Power
Delivery, vol. 19, no. 1, pp. 350-356, de enero de 2004. [B2] Billinton, R., Allan, RN, Evaluación fiabilidad de sistemas de energía, Plenum
Press, 1984. [B3] Billinton, R., Allan, R., Salvaderi, L., Evaluación de la fiabilidad aplicada en sistemas de energía eléctrica,
IEEE Press, 1991. [B4] Brown, RE, Confiabilidad Eléctrica de Distribución de Energía, Marcel Dekker, 2002. [B5] Capra, RA, Gangel, MW,
Lyon, SV, “Underground Diseño de Sistemas de Distribución para la confiabilidad,” IEEE Transactions on aparato de poder y sistemas, vol.
PAS-88: 6, junio 1969, pp 834-42.. [B6] Christie, RD, “Clasificación Estadística de Días Principales eventos en la distribución confiabilidad
del sistema,”
IEEE Transactions on Power Delivery, vol. 18, no.4, pp. 1336-1341, octubre de 2003. [B7] EPRI RP-1356-1, EL-2018, “Desarrollo de la fiabilidad
del sistema de distribución y modelos de análisis de riesgos”, vol. 2, agosto de 1981. [B8] Grupo de trabajo de IEEE / PES del diseño del
sistema. “Una encuesta nacional de distribución de confiabilidad prácticas de medición”, Documento No.98 WM 218. [B9] IEEE Std 859,
Términos IEEE estándar para informes y análisis de Interrupción Ocurrencias y Interrupción Unidos de eléctricas Instalaciones de Transmisión. 3
[B10] Kottegoda, NT, Rosso, R., Estadística, Probabilidad y fiabilidad en lo Civil y ingenieros ambientales, McGraw-Hill, 1997.
[B11] Marinello, CA, “una encuesta nacional de prácticas de fiabilidad”, presentado en IEE T & D Reunión del Comité,
Hershey, PA 20 de octubre., 1993
3 IEEE publicaciones están disponibles en el Instituto de Ingenieros Eléctricos y Electrónicos, 445 Hoes Lane, Piscataway, NJ 08854, EE.UU. ( http://standards.ieee.org/ ).
21
IEEE Std 1366-2012
anexo B
(informativo)
desarrollo importante de definición de evento
Justificación B.1 y el proceso para el desarrollo de la 2,5 β metodología
Un enfoque estadístico para la identificación de MEDs fue elegido sobre las definiciones anteriores, debido a las dificultades experimentadas en la creación
de una lista uniforme de tipos de grandes eventos, y porque la medida de criterio de impacto (es decir, porcentaje de clientes afectados) necesaria para
utilizar tipos de evento dado lugar a identificación no uniforme. La metodología estadística debe identificar de manera más justa eventos importantes para
todos los servicios públicos. Algunas cuestiones fundamentales debían abordarse con el fin de considerar este trabajo con éxito. Estos problemas incluyen:
• Definición debe ser comprensible y fácil de aplicar.
• Definición debe ser específica y calculada usando el mismo proceso para todas las utilidades.
• Debe ser justo con todos los servicios públicos independientemente de su tamaño, la geografía o el diseño.
• Entidades que adoptan la metodología se calculan índices de forma normalizada para tendencias y generación de informes. Se clasificarán
aún más los medicamentos por separado e informar sobre esos días a través de un proceso separado.
SAIDI valores diarios son preferibles a los clientes Minutos diarios de los valores de interrupción (CMI) para la identificación MED porque la
comparación antiguos permisos y la computación entre los años con diferentes números de clientes atendidos. Considere la fusión de dos
empresas de servicios públicos con la misma fiabilidad y el mismo número de clientes. CMI después de la fusión se duplicaría, sin cambios en la
fiabilidad, mientras que SAIDI permanecería constante.
SAIDI valores diarios son preferibles a los valores SAIFI diarias porque los valores de SAIDI son una mejor medida del costo total de eventos de
confiabilidad, incluyendo los costos de reparación de utilidad y pérdida de clientes. El coste total de la falta de fiabilidad sería una mejor medida del
tamaño de un evento importante, pero la recopilación de estos datos no es práctico.
El enfoque seleccionado para el ajuste del umbral de identificación MED, conocido como el “Two Point Five Beta” (2,5 β) método (ya que es el uso
de los valores SAIDI log-normal en lugar de los valores SAIDI primas), se prefiere el uso de múltiplos fijos de desviación estándar (por ejemplo,
“Three Sigma”) para establecer el umbral de identificación porque los primeros resultados en más uniforme MED identificación entre los servicios
públicos de diferentes tamaños y fiabilidades medias. los β multiplicador de 2,5 fue elegido porque, en teoría, se clasificaría a 2,3 días por año
como grandes eventos. Si significativamente más días que este se identifican, representan eventos que han ocurrido fuera del proceso aleatorio
que se asume para controlar la distribución fiabilidad del sistema. El proceso y el valor del multiplicador fueron evaluados por un número de
utilidades con diferentes sistemas de tamaño de diferentes partes de los Estados Unidos y se encontró que se correlacionan razonablemente bien
a los principales resultados actuales de identificación de suceso de los servicios públicos. Se consideró una serie de enfoques alternativos. Se
encontró Ninguno para ser claramente superior al método 2.5β.
Cuando se produce un acontecimiento importante que dura hasta la medianoche (por ejemplo, una de huracanes de seis horas, que comienza a
las 9:00 pm), el impacto fiabilidad de la prueba se puede dividir entre dos días, ninguno de los cuales excederían el T MEDICINA y por lo tanto ser
clasificado como un MED. Esta es una inexactitud conocido en el método, que es aceptado a cambio de la simplicidad y facilidad de cálculo del
método. El número preferido de años de datos (cinco) utiliza para calcular se estableció el umbral de identificación MED por la negociación fuera
entre el deseo de reducir la variación estadística en el umbral (para el que más datos es mejor) y el deseo de ver la
22
IEEE Std 1366-2012
efectos de los cambios en las prácticas de fiabilidad en los resultados informados, y para limitar la cantidad de datos que debe ser archivada.
Observaciones B.1.1
Para generar los datos de ejemplo utilizados en 3.5.1, los valores de α y β fueron tomados de un conjunto de datos utilidad real, y luego SAIDI diaria valores / día
fueron generados artificialmente mediante una distribución logarítmica normal con estos valores de
α y β. Los valores SAIDI diarias se ajustaron para ilustrar todos los aspectos del cálculo (por ejemplo, un día en la Tabla 2 se le asignó
un valor SAIDI de cero, y un día en la Tabla 3 se le asignó un valor SAIDI mayor que el umbral calculado).
Este anexo proporciona una descripción técnica y análisis del método 2.5β de identificar MEDs en datos de fiabilidad de distribución. El
método 2.5β es un método estadístico basado en la teoría de la probabilidad y la estadística. conceptos fundamentales como Distribución de
probabilidad y valor esperado se señalan en cursiva cuando se utilizó por primera vez y siempre con una breve definición. Una probabilidad de
grado y estadísticas de libros de texto puede ser consultado para las definiciones que son más completos.
B.2 Descripción 2.5β método
Véase el apartado 3.5 de esta guía para el procedimiento detallado para la identificación de medicamentos. La versión corta se presenta aquí. Un umbral de SAIDI
diaria se calcula una vez al año de la siguiente manera:
un) Montar los últimos cinco años de los valores históricos de SAIDI / día. Si hay menos de cinco años de
se dispone de datos, utilice tanto como esté disponible.
segundo) Descarte cualquier día en el conjunto de datos que tiene una SAIDI / Día de cero.
do) Encuentra el logaritmo natural de cada valor en el conjunto de datos.
re) Calcular el promedio (α, o Alpha) y desviación estándar (β o Beta) de los logaritmos naturales
calculado en el paso a).
mi) Calcular el umbral T MED = exp (α + 2,5 * β).
F) Cualquier día en el próximo año con SAIDI> T MEDICINA es un MED.
la naturaleza aleatoria B.3 de la fiabilidad de distribución
La fiabilidad de los sistemas de distribución de energía eléctrica es una proceso aleatorio, es decir, un proceso que produce valores aleatorios de una
específica variable aleatoria. Un ejemplo simple de un proceso aleatorio está rodando un dado. La variable aleatoria es el valor en la cara superior de la
matriz después de un rollo, que puede tener valores enteros entre uno y seis.
En eléctrica la fiabilidad del sistema de distribución de energía, las variables aleatorias son los índices de fiabilidad definidos en esta guía. Estos son
evaluados sobre una base diaria o anual y asumen los valores de cero a infinito.
B.4 Elección de SAIDI para identificar Días importante evento
Cuatro índices de fiabilidad de uso común son:
un) Interrupción Promedio del Sistema Índice de Duración (SAIDI)
segundo)
Índice de Frecuencia de Interrupción Promedio del Sistema (TIEPI)
23
IEEE Std 1366-2012
do) Interrupción Promedio del Cliente Índice de Duración (CAIDI)
re) Índice de servicio promedio de disponibilidad (ASAI)
Estos índices son en realidad medidas de falta de fiabilidad, ya que aumentan la fiabilidad cuando se vuelve peor. Una medida ideal de la falta de fiabilidad sería
el costo de la falta de fiabilidad del cliente: el costo en dólares de los cortes de energía a los clientes de un servicio público. Este coste es una combinación del
coste inicial de un corte de luz y los costes acumulados durante la interrupción. Por desgracia, el costo de la falta de fiabilidad del cliente ha demostrado hasta
ahora imposible estimar con precisión. Por el contrario, los índices de fiabilidad anteriores se calculan de forma rutinaria y con precisión a partir de los datos de
fiabilidad históricos. La capacidad de un índice para reflejar el coste al cliente de la falta de fiabilidad indica la mejor a utilizar para la identificación MED.
los costos relacionados con la duración de las interrupciones, son más altos que los costos iniciales, especialmente para grandes eventos, que normalmente
tienen cortes de larga duración. Por lo tanto, un índice relacionado con la duración, será un mejor indicador de los costos totales que un índice relacionado con la
frecuencia como TIEPI o MAIFI. Debido CAIDI es un valor por cliente, que no refleja el tamaño de los eventos de interrupción. Por lo tanto, SAIDI refleja mejor el
coste de la falta de fiabilidad del cliente, y es el índice que se utiliza para identificar medicamentos. SAIDI en minutos / día es la variable aleatoria utilizado para la
identificación MED. El uso de la CMI por día también se consideró. Al igual que SAIDI, CMI es una buena representación de coste al cliente de la falta de
fiabilidad. De hecho, se acaba de SAIDI CMI dividido por el número de clientes en la utilidad. El número de clientes puede variar de un año a otro, especialmente
en el caso de las fusiones, y varios años de datos se utilizan para encontrar medicamentos. El uso de SAIDI da cuenta de la variación en el número de clientes,
mientras que el uso del CMI no lo hace. Por lo tanto, se prefiere SAIDI.
Distribución de probabilidad B.5 de la fiabilidad del sistema de distribución
funciones y probabilidad de exceder un valor umbral de densidad de probabilidad B.5.1
MED serán días con valores más grandes de SAIDI. Esto sugiere el uso de un valor umbral para SAIDI diaria. El valor umbral se llama T MEDICINA.
Los días con SAIDI mayor que T MEDICINA son medicamentos. A medida que aumenta umbral, habrá un menor número de días con valores
SAIDI por encima del umbral. La relación entre el umbral y el número de días con SAIDI por encima del umbral viene dado por la la función
de densidad de probabilidad de SAIDI / día.
La función de densidad de probabilidad da la probabilidad de que aparecerá un valor específico de una variable aleatoria. Por ejemplo, para un dado de
seis caras, la probabilidad de que un uno aparecerá en un rollo dado es una sexta parte, y el valor de la función de densidad de probabilidad de uno es
una sexta parte de este proceso aleatorio. La probabilidad de que ocurra un valor mayor que uno es la suma de las densidades de probabilidad para
todos los valores mayores que uno. Puesto que cada valor tiene una densidad de probabilidad de una sexta parte para el ejemplo, esta suma es
simplemente cinco sextas partes. A medida que aumenta de umbral, la probabilidad disminuye. Por ejemplo, para un umbral de cuatro, sólo hay dos
valores mayor que cuatro, y la probabilidad de sacar uno de ellos tiene dos sextas partes, o un tercio. En el ejemplo de matriz de laminación, la variable
aleatoria sólo puede tener valores enteros discretos. SAIDI / día es una variable continua. En este caso, la suma se sustituye por una integral. La
probabilidad pag que cualquier día dado tendrá un valor SAIDI / día mayor que un valor umbral T es la integral de la función de densidad de probabilidad a
partir del umbral hasta el infinito, como se muestra en la Ec. (B.1):
(SAIDI > ) =pdf∫Tp

∞
( )d SAIDI
SAIDI
T
(B.1)
24
IEEE Std 1366-2012
Gráficamente, la probabilidad es el área bajo la función de densidad de probabilidad por encima del umbral, como se muestra en la Figura B.1.
pdf ( SAIDI)
p (SAIDI> T)
T
SAIDI / día
Figura B.1-El área bajo la densidad de probabilidad de la función pdf (SAIDI)
Si un día cualquiera tiene una probabilidad pag de ser un MED, entonces la valor esperado [ ver Ec. (B.2)] del número de MEDs en un año es la
probabilidad multiplicado por el número de días en un año, como se muestra en la Ec. (B.2):
MED
( años
/ E ) = ⋅ (SAIDI
365 > TpMEDICINA)
(B.2)
Por ejemplo, si p = 0,1, entonces el número esperado de MEDs en un año es 36,5. Esto no quiere decir que exactamente se producirán 36,5
medicinas. El número real variará debido a la aleatoriedad del proceso. Usando el ejemplo de matriz de laminación, la probabilidad de obtener un
máximo de seis en una votación es una sexta parte. Por lo tanto, el número esperado de sixes en seis rollos es uno. Sin embargo, si la matriz se
enrolla seis veces, podría ser de seis sixes, o cero seis, o cualquier número en el medio. A medida que el número de ensayos aumenta, el número de
seises se aproximará a una sexta parte de la cantidad de rollos, pero para un pequeño número de rollos, habrá alguna variación del valor esperado.
B.5.2 gaussiana, o normal, distribución
El número esperado de MEDs por año puede calcularse para cualquier umbral dado si se conoce la forma de la función de densidad
de probabilidad. La forma de la función de densidad de probabilidad se denomina
Distribución de probabilidad. Los tipos específicos de formas tienen nombres específicos. El más conocido es el
Distribución gaussiana, también llamado distribución normal, o curva de campana, que se muestra en la Figura B.2.
25
IEEE Std 1366-2012
0.5
0.4
0.3
p (r)
0.2
0.1
0
-4 -2 0 2 4
Figura B.2-Gaussian, o normal, distribución de probabilidad
La distribución gaussiana está completamente descrito por su media, o valor medio, (μ o Mu) y su desviación estándar ( σ o Sigma). El valor
promedio se encuentra en el centro de la distribución (en 0 en el X- eje en la figura
B.2), y la desviación estándar es una medida de la dispersión de la distribución.
Una propiedad importante de la distribución de Gauss es que la probabilidad de exceder un umbral dado es una función del número
de desviaciones estándar del umbral es de la media. Eq. (B.3) expresa este concepto en términos matemáticos:
T MEDICINA = μ + n σ
(B.3)
El umbral es norte desviaciones estándar mayores que la media, y la probabilidad de exceder el umbral, pag( SAIDI> T MEDICINA), es una función
sólo de norte, y no de la media y la desviación estándar. Los valores para esta función se encuentran en las tablas en las espaldas de los
libros de texto de probabilidad y, por ejemplo, funciones de hoja de cálculo estándar. B.1 Tabla da la probabilidad de exceder el umbral para
diferente número de desviaciones estándar norte.
Tabla B.1-probabilidad de exceder un umbral para la distribución gaussiana
norte pag
1 0.15866
2 0.02275
3 0.00135
6 9.9x10- 10
B.5.3 tres sigma
El termino tres sigmas se utiliza a menudo sin apretar para designar un evento raro. Proviene de la distribución de probabilidad gaussiana. Como
muestra la Tabla B.1, la probabilidad de exceder un umbral que es tres desviaciones estándar más de la media es 0,00135, o alrededor de uno y
medio décimas de uno por ciento. Si diaria SAIDI tenía una distribución de probabilidad gaussiana, sería relativamente fácil ponerse de acuerdo
sobre una definición de tres sigma para el umbral MED, T MEDICINA. SAIDI no tiene una distribución de Gauss. Tiene aproximadamente una distribución
logarítmica normal.
26
IEEE Std 1366-2012
distribución B.6 log-normal
La variable aleatoria de la distribución gaussiana tiene un rango de -∞ a ∞. En la vida real, muchas cantidades, incluyendo la fiabilidad de distribución, sólo
pueden ser cero o positivo. Esto hace que la distribución de probabilidad para sesgar, agrupamiento hasta cerca del valor cero y que tiene una cola larga a la
derecha. El grado de inclinación depende de la relación de la media de la desviación estándar. Cuando la desviación estándar es pequeña en comparación con
la media, la distribución logarítmica normal se parece a la distribución gaussiana, como se muestra en la Figura B.3 (b). Cuando es grande en comparación con
la media, no lo hace, tal como se muestra en la Figura B.3 (a). fiabilidad de los datos a diario por lo general tiene valores de desviación estándar mucho más
grandes que la media.
0.2
0.1
0.15
p (r) p
0.05
0.1
(r)
0.05
0 4 8 12 dieciséis 20 24 28 32 36 40
0
r
0 4 8 12 dieciséis 20 24 28 32 36 40
(un) (segundo)
Figura B.3-log-normales distribuciones: (a) La media de menos de desviación estándar

(B) La media mayor que la desviación estándar
La manera habitual de determinar si un conjunto de datos tiene una distribución de probabilidad log-normal es tomar el logaritmo natural de cada valor en el
conjunto de datos y examinar el histograma. Si el histograma se parece a una distribución de Gauss, a continuación, los datos tienen una distribución logarítmica
normal. Figura B.4 muestra un histograma de los logaritmos naturales de datos SAIDI diarias para una utilidad anónimo. El histograma se una distribución
aproximadamente normal, por lo que los datos se aproximadamente log-distribuye normalmente. Aproximadamente una docena de conjuntos de datos de utilidad
han sido examinados, y todas están aproximadamente log-normalmente distribuido. No hay datos de utilidad no-log-normalmente distribuido hasta el momento se
ha encontrado. Además, los modelos de simulación de Monte Carlo del proceso de fiabilidad distribución producen log- datos distribuidos normalmente. Por lo
tanto, la utilidad fiabilidad diaria se distribuye aproximadamente log-normalmente.
120
100
Dias
80
60
40
0 20
- 15 - 10 -5 0 5
- 20
ln (SAIDI / día)
Figura B.4-histograma de los logaritmos naturales de tres años de datos SAIDI diaria de utilidad anónimo dos
suministrada por el diseño distribución Grupo de Trabajo Sistema
27
IEEE Std 1366-2012
Una consecuencia de la log-normalidad de los datos fiabilidad diaria es que las tres condiciones sigma ya no tienen. En particular, la
probabilidad de exceder un umbral dado ya no es independiente de los valores de la media y la desviación estándar de la distribución. Esto
significa que el uso de un método tal como tres sigma resultaría en significativamente diferentes números de MEDs para los servicios
públicos con diferentes valores medios de fiabilidad, o con diferentes valores de desviación estándar. Esto parece desigual.
Afortunadamente, los logaritmos de los datos log-normal tienen una distribución de Gauss. Si la media de los logaritmos de los datos se
denomina α, o Alpha, y la desviación estándar de los logaritmos de los datos se denomina β, o beta, a continuación, α y β son la media y la
desviación estándar de una distribución gaussiana, y una umbral en el registro de los datos se puede establecer que es independiente de los
valores de α y β. Eq. (B.4) y la Ec. (B.5) muestran estos conceptos matemáticamente.
En (T MEDICINA ) = α + kβ
(B.4)
T MEDICINA = exp (α + k β )
(B.5)
La probabilidad de exceder T MEDICINA es una función de k, como lo fue en función de norte En el ejemplo de Gauss. B.2 Tabla da estas
probabilidades, así como el número esperado de MEDs para varios valores de k.
Tabla B.2-probabilidad de exceder T MEDICINA como una función de múltiplos de β
k pag MED / año

1 0.15866 57.9
2 0.02275 8.3
2.4 0.00822 3.0
2.5 0.00621 2.3
3 0.00135 0.5
6 9.9x10- 10 3.6E-07
B.6.1 ¿Por qué 2.5?
Dado un número permitido de MED por año, por un valor k se calcula fácilmente. Sin embargo, no existe un método analítico de la elección de
un número permitido de MED / año. El valor elegido de k = 2.5 se basa en el consenso alcanzado entre los miembros de distribución Fiabilidad
Grupo de Trabajo sobre el número apropiado de días que deben clasificarse como medicamentos. Como muestra la Tabla B.2, el número
esperado de días de k = 2,5 es de 2,3 MEDs / año. En la práctica, la experiencia de los miembros del comité, que representan una amplia gama
de empresas de distribución, fue que más de 2,3 días por lo general se clasifican como MED, pero que los días que fueron clasificados como
MED eran generalmente aquellos que han sido elegidos por razones cualitativas . El rendimiento de los diferentes valores de k fueron
examinados, y se alcanzó un consenso sobre k = 2.5.
B.7 equidad del método 2.5β
Es probable que los datos de fiabilidad de las diferentes empresas de servicios públicos se compararon mediante la gestión de servicios públicos, comisiones
de servicios públicos y otras partes interesadas. Un método de clasificación MED justo clasificaría, en promedio, el mismo número de MED por año para
diferentes utilidades.
Las dos formas básicas que los servicios públicos pueden diferir en términos de fiabilidad son en la desviación media y estándar de sus datos fiabilidad. Las
diferencias en los medios son atribuibles a diferencias en el medio ambiente entre los servicios públicos, y las diferencias en las prácticas de operación y
mantenimiento. Las diferencias en la desviación estándar son atribuibles principalmente a su tamaño. utilidades más grandes tienen desviaciones estándar
inherentemente más pequeños.
28
IEEE Std 1366-2012
Como se discutió anteriormente, el uso de la media y la desviación estándar de los registros de los datos (α y ß) para establecer el umbral hace que
el número esperado de MEDs depende sólo del multiplicador y por lo tanto debe clasificar el mismo número de medicinas por utilidades grandes y
pequeños , y por los servicios públicos con fiabilidad media baja y alta. Este no es el caso para el uso de la media y la desviación estándar de los
datos sin tomar logaritmos primero. El número esperado de MEDs varía con la media y la desviación estándar. Esta variación se produce debido a la
naturaleza logarítmica normal de la distribución de probabilidad fiabilidad.
La experiencia con el método 2.5β ha demostrado que es mejor que usar media y desviación estándar, pero no es perfecto. El número de MEDs
identificados por años es significativamente mayor de lo esperado, y el número medio de MEDs varía algo de utilidad a la utilidad, con un tamaño
que afecta el valor. Estos efectos aparecen debido a que la distribución de probabilidad de la fiabilidad del sistema de distribución es sólo
aproximadamente log-normal. Las diferencias significativas aparecen en la cola derecha de la distribución, que en general contiene más
probabilidad que una distribución logarítmica normal perfecto. representa este efecto “cola gorda” para el número más grande de lo previsto de
MED identificados. El efecto del tamaño de utilidad se entiende menos claramente. A pesar de estas cuestiones, el 2. método 5β de identificación
MED es mucho más cerca del proceso justo ideal que el uso de una distribución gaussiana, usando las definiciones heurísticas que precedieron, o
cualquier otro método propuesto hasta la fecha. Ha sido cuidadosamente probado y ha sido ampliamente aceptado por los servicios públicos en la
distribución teórica del Grupo de Trabajo, y muchas otras utilidades y reguladores que han adoptado esta guía.
B.8 cinco años de datos
Desde un punto de vista estadístico, más datos utilizados para calcular un umbral, el mejor. Sin embargo, el proceso aleatorio producir los
cambios de datos más de tiempo que el sistema de distribución se expande y los procedimientos de operación son variados. Utilizando datos
históricos demasiado sería suprimir los efectos de estos cambios. La adición de otro año de datos debe tener una baja probabilidad de cambiar la
clasificación MED de años anteriores. Un resultado de estadísticas de orden da la probabilidad de que el k th valor más grande de metro se rebasen
muestras F veces en norte muestras futuras. Se da en la ecuación. (B.6):
•• •••
••• •• •••
•••
k fnkm
pag | ,
=
, nkmf
+ - fkn + Minnesota
• ••• •
•••
+ - fkn
(B.6)
Por ejemplo, si M = 3 años de datos, entonces m = 1 095 muestras. Si f = 3 MED / año, entonces el más grande no es el MED k = 1 095-9 = 1 086 º muestra
ordenada. La probabilidad de la f = 3 días en el próximo año de n = 365 muestras que exceden el tamaño de la más grande no-MED se encuentra a partir
de la ecuación para ser 0.194 (19,4%). En la Figura B.5, pag se representa frente METRO para varios valores de F.
29
IEEE Std 1366-2012
f=3
0.2
f=5
0.15
p (f MED)
f = 10
0.1
0.05
0 5 10 15
M, años
Figura B.5-Probabilidad de exactamente F medicamentos nuevos en el próximo año de datos

utilizando METRO años de datos históricos
El consenso de los miembros del grupo de trabajo de diseño fue que cinco años era la cantidad apropiada de datos para recoger. El grupo
consideró que el sistema de distribución cambiaría lo suficiente como para invalidar cualquier precisión adicional de más de cinco años de datos.
30
IEEE Std 1366-2012
anexo C
(informativo)
subconjunto de datos interna
Cálculo de los índices de confiabilidad C.1 para subconjuntos de datos para uso interno de la compañía
rendimiento de fiabilidad puede ser evaluada para diferentes propósitos. Puede ser ventajoso para el cálculo de los índices de
confiabilidad y sin interrupciones planificadas con el fin de revisar el desempeño durante los eventos no planificados. En otro caso, puede
ser ventajoso para revisar las interrupciones sufridas única. Evaluación de las tendencias de rendimiento y la fijación de objetivos debe
basarse en los días de eventos normales (despreciando el impacto de MED). Utilidades y reguladores determinan los datos más
apropiados a utilizar para la supervisión del rendimiento fiabilidad. Cuando índices se calculan utilizando conjuntos de datos parciales, la
base debe estar claramente definido para los usuarios de los índices. Como mínimo, índices de fiabilidad basado en todos los datos
recogidos para un período de notificación y se analizaron como a normal frente clasificaciones MED debe proporcionarse.
31

IEEE 1366 Standar - En.es

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

IEEE 1366 Standar - En.es

Enviado por

Direitos autorais:

Formatos disponíveis

Guía de IEEE para la distribución de energía

eléctrica Fiabilidad Índices

IEEE Potencia y Sociedad de Energía

Guía de IEEE para la distribución de energía

Comité de Transmisión y Distribución

Aprobada el 14 de mayo de 2012

Consejo de Normas IEEE-SA

El Instituto de Ingenieros Eléctricos y Electrónicos, Inc. 3 Park Avenue,

ISBN 978-0-7381-7275-0 STD97250

Secretario, IEEE-SA Standards Board 445 Hoes

Actualización de los documentos de IEEE

IEEE proceso de desarrollo de normas, la visita el sitio web del IEEE-SA a

Rodney Robinson *, Silla (2011-presente)

John Ainscough Razón Charles Heising Steve Pullins Mike

John McDaniel Rodney Joseph Viglietta

C. Michael Miller Joydeep

Richard H. Hulett, Silla

Satish Aggarwal Alexander Gelman Paul Oleg Logvinov Ted

Richard Blasio, DOE Representante

1. Información general ............................................... .................................................. .................................................. . 1

2. Definiciones ............................................... .................................................. ................................................. 2

3. Definiciones de índices de fiabilidad ............................................ .................................................. ................... 4

4. Aplicación de los índices ............................................ .................................................. ........................... 13

Anexo A Bibliografía (informativo) ............................................ .................................................. ............ 21

Anexo B (informativo) ......................................... el desarrollo de grandes acontecimientos deportivos definición ............................. 22

Anexo C (informativo) subconjunto de datos interna .......................................... .................................................. ..... 31

restablecido a los clientes afectados.

1 IEEE Diccionario Normas: Glosario de Términos y Definiciones está disponible en http://shop.ieee.org .

reconexión que se producen dentro de los cinco minutos de la primera interrupción.

los clientes, dependiendo de la configuración del sistema.

deriva de las aplicaciones de transmisión y distribución y no se aplica a las interrupciones de generación.

3. Definiciones de índices de fiabilidad

3.1 Los factores básicos

'i' significa un evento de interrupción.

CI Los clientes interrumpido

CMI Clientes minutos de interrupción

CN ( k≥S) Número total de clientes que experimentó S o más horas de duración

CN ( k≥T) Número total de clientes que experimentó T o más horas de duración

ESTOY yo Número de interrupciones momentáneas

ESTOY mi Número de eventos de interrupción momentánea

k Número de interrupciones experimentadas por un cliente individual en el período del informe

L yo carga kVA Connected interrumpido para cada evento de interrupción

LT carga kVA conectado total servida

norte T Número total de clientes atendidos por la zona

r yo tiempo de restauración para cada evento de interrupción

T MEDICINA gran umbral Día Evento

3.2 índices de interrupción sostenida

3.2.1 TIEPI: Índice de Frecuencia de Interrupción Promedio del Sistema

Para calcular el índice, utilice la ecuación. (2).

3.2.2 SAIDI: Índice Duración Interrupción Promedio del Sistema

Σ en las Actas de atención

SAIDI = clientes se sirven de Número

Para calcular el índice, utilice la ecuación. (4).

3.2.3 CAIDI: Cliente Índice de Duración media de Interrupción

Para calcular el índice, utilice la ecuación. (6).

3.2.4 CTAIDI: Cliente Índice duración total media de Interrupción

Para calcular el índice, utilice la ecuación. (8).

3.2.5 CAIFI: Cliente Índice de frecuencia media de interrupción

Σ complementos Interrupti del Número

Para calcular el índice, utilice la ecuación. (10).

3.2.6 ASAI: Índice de disponibilidad media servicio

Horas de servicio al cliente Disponibilidad demanda

ASAI = Horas de servicio al cliente (11)

3.3 índices basados carga