Post on 27-Sep-2018
TRABAJO FIN DE MÁSTER
FIABILIDAD DE LA GENERACIÓN ELÉCTRICA
CON ENERGÍAS RENOVABLES EN LA
PROVINCIA DE LOJA-ECUADOR
Autor: Alan Daniel Cuenca Sánchez
Director: Lourdes Ramirez Santigosa; Luis F. Zarzalejo Tirado;
Luis Arribas de Paz
Tutor: Julio Usaola García
Leganés, Septiembre de 2015
MÁSTER EN ENERGÍAS RENOVABLES EN
SISTEMAS ELÉCTRICOS
iii
Título: FIABILIDAD DE LA GENERACIÓN ELÉCTRICA CON ENERGÍAS
RENOVABLES EN LOJA-ECUADOR
Autor: Alan Daniel Cuenca Sánchez
Director: Lourdes Ramirez
EL TRIBUNAL
Presidente:
Vocal:
Secretario:
Realizado el acto de defensa y lectura del Proyecto Fin de Carrera el día __ de _______
de 20__ en Leganés, en la Escuela Politécnica Superior de la Universidad Carlos III de
Madrid, acuerda otorgarle la CALIFICACIÓN de
VOCAL
SECRETARIO PRESIDENTE
v
Agradecimientos
A Dios bendito por guiarme siempre a través del camino del bien, por darme fuerzas
para seguir adelante, por darme la vida y llenarme de bendiciones todo este tiempo.
Agradezco de manera especial a mis Padres Gary y Aidé, a mis hermanas Rosita y
Ana Paula, a mi novia Mabelita y a mi familia, que aunque lejos me han brindado su
apoyo incondicional en todo momento, por creer siempre en mí.
Agradezco al Gobierno Nacional del Ecuador a través de la Secretaria Nacional de
Educación Ciencia y Tecnología SENESCYT, por brindarme la oportunidad de seguir
preparándome personal y académicamente en busca de un mejor futuro para el Ecuador.
Un agradecimiento al Centro de Investigaciones Energéticas, Medioambientales y
Tecnológicas CIEMAT, en especial a la Dr. Lourdez Ramírez, al Dr. Luis Zarzalejo y al
Dr. Luis Arribas, por su sentido de compromiso y apoyo, ya que supieron guiarme
exitosamente durante este trabajo.
A la Universidad Carlos III de Madrid, en especial al Dr. Julio Usaola por su amable
apoyo y ayuda a lo largo de todo el desarrollo del proyecto.
A mis compañeros de trabajo José Antonio y Myrian, con quienes compartimos
muchas experiencias durante el desarrollo del mismo, sin importar de donde se provenga,
supimos establecer una excelente amistad; gracias por cada palabra de ánimo y por cada
momento vivido.
vii
Resumen
La introducción de energías renovables en el Ecuador es una de las principales tendencias
que empiezan a marcar el ritmo de la transición energética, por tal motivo actualmente se
están desarrollando diversos proyectos con tecnologías de carácter renovable. Por tal
motivo se debe resaltar a la fiabilidad como un factor muy importante en la planeación,
diseño operación y mantenimiento del sistema eléctrico de potencia. Dentro de todos los
niveles que lo componen, la generación es una parte importante ya que tiene que ser
capaz de satisfacer la demanda en todo momento.
Por esta razón, en el presente trabajo se realizó la evaluación de la fiabilidad de la
generación eléctrica a partir de energías renovables, eólica y solar, en una de las zonas
con mayor potencial renovable a nivel nacional como lo es la provincia de Loja, esta
evaluación se llevó a cabo mediante índices de fiabilidad, los cuales permiten asistir de
mejor manera la toma de decisiones para la construcción de nuevas centrales de
generación. Las simulaciones mediante herramientas computacionales de las centrales
eólica y fotovoltaica son basadas en el parque eólico Villonaco y la central fotovoltaica
Zapotillo (aún en desarrollo), que actualmente están presentes en la provincia de Loja,
mientras que la central termosolar está basada en la central ANDASOL-2 presente en
Granada-España debido que solo existen estudios preliminares de este tipo de tecnología
en el territorio nacional ecuatoriano.
Para determinar los índices de fiabilidad se procedió a realizar un programa
computacional en Matlab, que permita realizar el cálculo de los mismos considerando
información de producción de las unidades de generación y datos de demanda. El
programa fue desarrollado en base al Método de Monte Carlo.
La evaluación se realizó para distintos escenarios de penetración de potencia renovable,
el estado base fue la producción 100% convencional, a partir de la cual se empezó la
integración de potencia renovable analizando su impacto a través de los índices de
fiabilidad. Al final, se compara los diferentes resultados para observar la variabilidad de
la fiabilidad del sistema y a través del crédito de capacidad conocer cuanta potencia
convencional puede sustituirse con potencia renovable.
Palabras clave: Fiabilidad, Energías Renovables, Ecuador, Loja, HOMER, SAM,
Método Monte Carlo.
viii
Abstract
The introduction of renewable energy in Ecuador is one of the major trends start to set the
pace for the energy transition, as such are currently developing several projects with
technologies renewable. Considering this should highlight the reliability as a very
important factor in the planning, design, operation and maintenance of the power system.
Within all levels to compose, generation is an important part as it has to be able to meet
demand at any instant of time.
For this reason, in this paper the evaluation of the reliability of electricity generation from
renewable wind and solar energy was held in one of the areas with the highest renewable
potential at national level as it is the province of Loja, this assessment was conducted by
reliability indices, which allow better assist decision making for the construction of new
generating plants. The simulations using computational tools of wind and photovoltaic
power plants are based on the wind farm Villonaco and photovoltaic plant Zapotillo (still
in development), which are currently present in the province of Loja, while the solar
thermal power plant is based on the ANDASOL-2 power plant present in Granada - Spain
because there are only preliminary studies of this type of technology in the Ecuadorian
territory.
To determine reliability indices was carried out a computer program in Matlab, which
allows the calculation of reliability indices considering production information generating
units and demand data. The program was developed based on the Monte Carlo Method.
The evaluation was performed for different scenarios penetration of renewable energy,
the base case was the 100% conventional, from which the integration of renewable
energy began analyzing their impact through reliability indices. Finally, the various
results to observe the variation in the reliability of the system are compared and with the
capacity credit knows how much conventional power can be replaced with renewable
power.
Keywords: Reliability, Renewable Energy, Ecuador, Loja, HOMER, SAM, Monte
Carlo Method.
Índice general
1. INTRODUCCIÓN Y OBJETIVOS ......................................................................................... 1
1.1 Planteamiento del problema ...................................................................................... 1
1.2 Objetivos ................................................................................................................... 2
1.3 Fases del desarrollo ................................................................................................... 2
1.4 Medios empleados ..................................................................................................... 3
1.5 Estructura de la memoria .......................................................................................... 4
2. FIABILIDAD DE UN SISTEMA ELÉCTRICO ........................................................................ 6
2.1 Concepto básicos de fiabilidad .................................................................................. 6
2.1.1 Zonas funcionales y niveles jerárquicos ........................................................................ 7
2.1.2 Estudios de adecuación de la generación del sistema (HL1) ........................................ 8
2.1.3 Índices de fiabilidad del sistema .................................................................................... 8
2.2 Método de Monte Carlo aplicado al cálculo de los índices de fiabilidad ............... 10
2.2.1 Introducción ................................................................................................................. 10
2.2.2 Proceso de convergencia ............................................................................................. 11
2.2.3 Método de estimación del estado. ................................................................................ 12
3. TRATAMIENTO DE LOS DATOS ...................................................................................... 15
3.1 Localización de la zona de estudio .......................................................................... 15
3.1.1 Características de la zona de estudio .......................................................................... 16
3.2 Generación renovable .............................................................................................. 17
3.2.1 Datos de viento y características de la central eólica ................................................. 17
3.2.2 Recurso Solar, Plantas Fotovoltaica y Termosolar ..................................................... 20
3.2.3 Simulación de la producción renovable ....................................................................... 25
3.2.4 Central Hidroeléctrica ................................................................................................. 30
3.3 Generación convencional ........................................................................................ 32
3.4 Datos de demanda ................................................................................................... 35
4. MODELADO Y DATOS DEL SISTEMA .............................................................................. 37
4.1 Recurso informático ................................................................................................ 37
4.2 Método No Secuencial ............................................................................................ 37
4.2.1 Curva de demanda anual ............................................................................................. 37
4.2.2 Datos de generación convencional .............................................................................. 38
4.2.3 Datos de generación renovable ................................................................................... 39
4.2.4 Variables de salida ...................................................................................................... 41
4.3 Método Híbrido Secuencial-No Secuencial ............................................................ 42
4.4 Método Secuencial Total ......................................................................................... 42
4.5 Crédito de Capacidad .............................................................................................. 43
5. ESCENARIOS Y RESULTADOS ......................................................................................... 45
5.1 Escenarios de fiabilidad simulados ......................................................................... 45
5.1.1 Descripción de los escenarios simulados .................................................................... 45
5.2 Resultados de los escenarios de fiabilidad simulados ............................................. 48
6. ANÁLISIS DE LOS RESULTADOS Y CONCLUSIONES ........................................................ 59
7. GLOSARIO ..................................................................................................................... 63
8. REFERENCIAS ............................................................................................................... 64 9. ANEXOS……………………………………………………………………………….……...67
INDICE DE FIGURAS
Índice de figuras
Figura 2. 1 Aspectos de la fiabilidad de un sistema ............................................................ 7
Figura 2. 2 Zonas funcionales de un sistema eléctrico ........................................................ 7
Figura 2. 3 Modelo para la evaluación del sistema de generación ...................................... 8
Figura 2. 4 Proceso de convergencia de una simulación de Monte Carlo ........................ 11
Figura 2. 5 Modelo de dos estados para los generadores .................................................. 12
Figura 3. 1 Localización de la provincia de Loja ............................................................. 16
Figura 3. 2 Disposición parque eólico Villonaco .............................................................. 17
Figura 3. 3 Datos horarios de recurso eólico–EXCEL ...................................................... 18
Figura 3. 4 Variabilidad estacional del viento Villonaco 2013 ......................................... 19
Figura 3. 5 Localización del parque eólico Villonaco en Loja-Ecuador ........................... 19
Figura 3. 6 Curva de potencia del aerogenerador GW 70/1500 ........................................ 20
Figura 3. 7 Localización óptima para centrales fotovoltaica y termosolar en La Ceiba,
Loja-Ecuador ................................................................................................. 21
Figura 3. 8 Valores de radiación solar de la Ceiba Loja-Ecuador .................................... 21
Figura 3. 9 Radiación global horizontal (GHI) horaria provincia de Loja ........................ 22
Figura 3. 10 Radiación normal directa (DNI) horaria provincia de Loja .......................... 22
Figura 3. 11 Disposición de paneles fotovoltaicos del proyecto Zapotillo ....................... 24
Figura 3. 12 Entorno de trabajo HOMER-características del parque eólico ..................... 26
Figura 3. 13 Entorno de trabajo HOMER-características de la central fotovoltaica......... 26
Figura 3. 14 Resumen de potencia de salida anual de la planta fotovoltaica .................... 27
Figura 3. 15 Resumen de potencia de salida anual del parque eólico ............................... 27
Figura 3. 16 Producción eólica-fotovoltaica simulada en HOMER ................................. 27
Figura 3. 17 Entorno de trabajo SAM para simulación de producción termosolar ........... 29
Figura 3. 18 Producción de la Central Termosolar simulada en SAM ............................. 30
Figura 3. 19 central hidroeléctrica “Ing. Carlos Mora Carrión” ....................................... 30
Figura 3. 20 Vista panorámica Casa de Máquinas Central Térmica Catamayo ................ 33
Figura 3. 21 Línea de Transmisión Cuenca-Loja, SNI ..................................................... 33
Figura 3. 22 Curva de demanda diaria en el Ecuador ....................................................... 35
Figura 3. 23 Demanda de la provincia de Loja ................................................................. 36
Figura 3. 24 Perfil diario de demanda ............................................................................... 36
Figura 4. 1 Curva monótona de la carga LOJA 2013 ....................................................... 38
Figura 4. 2 CDF de un generador convencional MCI 2,5 MW ......................................... 39
Figura 4. 3 CDF de las centrales renovables. Caso base ................................................... 40
Figura 4. 4 CDF de las centrales renovables después de aplicar una distribución normal 41
Figura 4. 5 Potencia Total Centrales MCI ........................................................................ 43
Figura 4. 6 Resultados obtenidos de 29 estudios sobre la evolución del crédito de
capacidad con la penetración de generación intermitente en el sistema. ...... 44
Figura 5. 1 Convergencia del LOLE por método Monte Carlo no secuencial Caso 1 ...... 49
Figura 5. 2 Evolución del error del LOLE (Estado 0 y Estado 10) Caso 1 ....................... 50
Figura 5. 3 Convergencia del LOEE por método Monte Carlo no secuencial Caso 1 ...... 50
Figura 5. 4 Convergencia del LOLE por método Monte Carlo no secuencial Caso 2 ...... 51
Figura 5. 5 Convergencia del LOLE por método Híbrido Caso 3 .................................... 52
Figura 5. 6 Convergencia del LOLE Caso 4 ..................................................................... 53
INDICE DE FIGURAS
xi
Figura 5. 7 Evolución del crédito de capacidad, ECPP, a medida que aumenta la
penetración de energía renovable en el sistema eléctrico .............................. 57
Figura 5. 8 Evolución del crédito de capacidad, ECPP, con el aumento de potencia
renovable ........................................................................................................ 58
Figura I. 1 Pendiente del Terreno “ATLAS EÓLICO DEL ECUADOR” ....................... 67
Figura I. 2 Velocidad Media Mensual del Viento a 80 m de Altura sobre el Suelo ......... 69
Figura I. 3 Velocidad Media Mensual del Viento a 80 m de altura sobre el suelo ........... 70
Figura I. 4 Velocidad Media Anual del Viento a 80 m de Altura sobre el Suelo zona sur
del Ecuador ..................................................................................................... 71
Figura I. 5 Potencial eólico del Ecuador-Potencial Bruto ................................................. 72
Figura I. 6 Potencial eólico del Ecuador - Potencial factible a corto plazo ...................... 73
Figura II. 1 Insolación Difusa Promedio “ATLAS SOLAR DEL ECUADOR” .............. 75
Figura II. 2 Insolación Directa Promedio .......................................................................... 76
Figura II. 3 Insolación Global Promedio ........................................................................... 77
Figura III. 1 Diagrama unifilar Sistema Nacional Interconectado .................................... 79
Figura IV. 1 Convergencia del LOLE por método Monte Carlo no secuencial............... 81
Figura IV. 2 Evolución del error del LOLE ..................................................................... 81
Figura IV. 3 Convergencia del LOEE por método Monte Carlo no secuencial............... 82
Figura IV. 4 Convergencia del LOLP por método Monte Carlo no secuencial ............... 82
Figura IV. 5 Convergencia del EDNS por método Monte Carlo no secuencial .............. 83
INDICE DE TABLAS
xii
Índice de tablas
Tabla 3. 1 Valores climáticos de la Estación Zapotillo (M151) Año 2013 ....................... 23
Tabla 3. 2 Características técnicas de los paneles fotovoltaicos ....................................... 24
Tabla 3. 3 Características técnicas de la planta Andasol-2 ............................................... 25
Tabla 3. 4 Base de datos de explotación de parques eólicos ............................................. 28
Tabla 3. 5 Índice de fallo de la central fotovoltaica .......................................................... 28
Tabla 3. 6 Precipitación enero a noviembre en LOJA Año 2013 .................................... 31
Tabla 3. 7 Central Hidroeléctrica Ing. Carlos Mora Carrión[11] ...................................... 32
Tabla 3. 8 MTTF y MTTR de la central hidraúlica Carlos Mora [11] .............................. 32
Tabla 3. 9 Centrales convencionales e interconexión de la zona de Loja[11] .................. 34
Tabla 3. 10 MTTF y MTTR de la central térmica Catamayo [11].................................... 34
Tabla 3. 11 MTTF y MTTR de la Interconexión [11] ...................................................... 34
Tabla 4. 1 Características de las centrales de generación convencional e interconexión . 38
Tabla 5. 1 Estados simulados de los casos de estudio ....................................................... 46
Tabla 5. 2 Potencia de generación convencional (PC) y renovable (PR). LOLE. Casos de
estudio ............................................................................................................... 48
Tabla 5. 3 Resultados de los escenarios simulados Caso 1 ............................................... 49
Tabla 5. 4 Resultados de los escenarios simulados Caso 2 ............................................... 51
Tabla 5. 5 Resultados de los escenarios simulados Caso 3 ............................................... 52
Tabla 5. 6 Resultados de los escenarios simulados Caso 4 ............................................... 53
Tabla 5. 7 Resultados crédito de capacidad. Caso 1 ......................................................... 54
Tabla 5. 8 Energía convencional y renovable generada media Caso 1 ............................. 54
Tabla 5. 9 Resultados crédito de capacidad. Caso 2 ......................................................... 55
Tabla 5. 10 Energía convencional y renovable generada media Caso 2 ........................... 55
Tabla 5. 11 Resultados crédito de capacidad. Caso 3 ....................................................... 56
Tabla 5. 12 Energía convencional y renovable generada media Caso 3 ........................... 56
Tabla 5. 13 Resultados crédito de capacidad. Caso 4 ....................................................... 56
Tabla 5. 14 Energía convencional y renovable generada media Caso 4 ........................... 57
Tabla I. 1 Potencial eólico- eléctrico estimado del Ecuador ............................................. 68
CAPITULO 1: INTRODUCCIÓN Y OBJETIVOS
Capítulo 1
Introducción y objetivos
1.1 Planteamiento del problema
Las principales tendencias mundiales que están actualmente marcando el cambio de
la matriz energética requerida para abastecer a la creciente demanda de energía son el
cambio climático, el pico petrolero y la eficiencia energética, para llevar a cabo esta
transición se abandona aquella que hasta la actualidad ha sido la principal fuente de
energía: los combustibles fósiles. Ante este reto, las tecnologías de fuentes de energía
renovable han alcanzado un alto desarrollo a nivel global, lo que ha permitido que se
vuelvan competitivas ante alternativas tradicionales de generación energética.
El Ecuador a través de su Plan del Buen Vivir 2013–2017 tiene establecidos
objetivos en los que señala que la participación de las energías renovables debe
incrementarse en la producción nacional, en concordancia con los objetivos de mejora de
la matriz productiva. Para el cumplimiento de este objetivo, actualmente se desarrollan
proyectos de utilización de energías renovables: geotermia, biomasa, eólica y solar.
Sin embargo se debe tener muy en cuenta que la fiabilidad es un factor muy
importante en la planeación, diseño, operación y mantenimiento del sistema eléctrico de
potencia. Dentro de éste, la generación es una parte fundamental ya que tiene que ser
capaz de satisfacer la demanda en todo momento.
CAPITULO 1: INTRODUCCIÓN Y OBJETIVOS
2
Por esta razón, en el presente trabajo se pretende analizar la variación de la fiabilidad
del sistema eléctrico de potencia a medida que se utiliza potencia eólica y solar en la
provincia de Loja-Ecuador, debido a que en esta parte del territorio nacional ecuatoriano
actualmente se están desarrollando proyectos con tecnologías renovables. Para llevar a
cabo este análisis se utiliza índices de fiabilidad, los cuales permiten estudiar cómo afecta
la introducción de potencia renovable a la fiabilidad del sistema eléctrico que abastece a
la provincia de Loja, por tanto se ha elegido realizar una simulación de la generación del
sistema mediante el método de Monte Carlo que es un método probabilístico.
1.2 Objetivos
El objetivo fundamental de este proyecto es el de:
Analizar la fiabilidad del sistema de generación eléctrica para diferentes niveles
de penetración de generación convencional y renovable en la provincia de Loja-
Ecuador.
Para cumplir este objetivo se desarrollarán las siguientes actividades:
Investigar y obtener información referente a datos reales de demanda eléctrica, así
como datos de generación convencional y datos de recurso eólico y solar de la
zona de estudio.
Tratar y depurar la información obtenida para su posterior utilización en los
procesos de simulación.
Simular generación renovable eólica y solar utilizando herramientas
computacionales tales como HOMER1 y SAM2.
Desarrollar un código de programación en Matlab utilizando el método
probabilístico de simulación de Monte Carlo. El programa permitirá realizar la
simulación y generación de los índices de fiabilidad de un sistema gobernado
totalmente por generación convencional, de un sistema de generación mixto y de
un sistema gobernado totalmente por generación renovable.
1.3 Fases del desarrollo
Para la realización del presente proyecto se han realizado las siguientes fases de
desarrollo:
1 http://www.homerenergy.com/ 2 Solar Advisor Model (SAM)
CAPITULO 1: INTRODUCCIÓN Y OBJETIVOS
3
La primera fase del proyecto es la localización de la zona de estudio, la cual
corresponde a la provincia de Loja-Ecuador, debido a la alta penetración de las
tecnologías de energía renovable eólica y solar en esta zona.
La segunda fase corresponde a la obtención, tratamiento y depuración de datos
horarios simultáneos de demanda eléctrica, recurso solar y eólico de la zona de estudio.
La tercera fase corresponde a la utilización de los datos de recurso disponibles para
las simulaciones en HOMER y SAM de la generación eólica y solar para su posterior
análisis.
La cuarta fase corresponde a la obtención de los datos de generación convencional,
así como de las interconexiones existentes en la región.
La quinta fase consiste en la elaboración del código de programación en Matlab
utilizando el método probabilístico de simulación de Monte Carlo y establecer los
diferentes casos de estudio.
Y la fase final es la obtención de los distintos índices de fiabilidad para el escenario
base de los casos de estudio, el cual corresponde a 100% generación convencional, a
partir del cual se empieza a introducir generación renovable para comparar como varía la
fiabilidad del sistema, además se obtiene el crédito de capacidad ECPP.
1.4 Medios empleados
Para la realización del proyecto se ha utilizado distintos entornos de programación,
los cuales han permitido cumplir las diferentes etapas del mismo. La elección de estos
entornos radica en la base del proyecto que son las siguientes variables a tratar:
Datos de recurso eólico proporcionados por la Corporación Eléctrica del Ecuador-
CELEC EP GENSUR y por el Instituto Nacional de Meteorología e Hidrología INAMHI:
• Velocidad de viento
• Dirección de viento
• Presión
• HR (Humedad Relativa).
Datos de recurso solar fotovoltaico (FV) proporcionados a través de la intervención del
CIEMAT del sistema de información geográfica SolarGIS:
• Radiación global
• Temperatura
Datos de recurso solar termoeléctrico (CSP) proporcionados por SolarGIS:
• Radiación directa
CAPITULO 1: INTRODUCCIÓN Y OBJETIVOS
4
Datos de demanda eléctrica proporcionados por la Empresa Eléctrica Regional del Sur
S.A.-EERSSA:
• Datos horarios de demanda eléctrica de LOJA.
Una vez conocidas las variables necesarias y su respectiva proveniencia, los entornos
utilizados para tratar los datos son los siguientes:
EXCEL: Debido a que los datos se recolectan en diferentes formatos (diezminutales,
quinceminutales, etc) en archivos de texto compatibles con Excel, se elige este entorno
para el tratamiento y depuración de los mismos. Excel permite disponer de los datos de
una forma correcta y ordenada.
HOMER: El proyecto presenta la necesidad de disponer datos de producción a partir
de los datos de recurso tanto eólico y solar por tal motivo para la simulación de la
generación renovable se escoge HOMER, en español «Modelo de optimización para
sistemas híbridos eléctricos con base en energías renovables» (Hybrid Optimization
Model for Electric Renewables) desarrollado por la NREL (National Renewable Energies
Laboratory, Estados Unidos).
HOMER es una herramienta de planificación técnica y económica de valoración de
sistemas híbridos, donde se puede analizar y evaluar un gran número de opciones, así
como la factibilidad de éstas de una manera simple y obtener una configuración óptima
del sistema requerido.
SAM: Además de la producción eólica y fotovoltaica también es indispensable
disponer de la producción termosolar y debido a que HOMER no permite trabajar y
simular con este tipo de centrales, se ha elegido el entorno SAM, debido a su ya conocida
utilización durante el Máster. Solar Advisor Model (SAM) fue desarrollado por la NREL
(National Renewable Energy Laboratory), en éste entorno se pueden representar la
mayoría de las tecnologías solares, desde las de concentración de energía (captadores de
canal parabólico, Disco-Stirling, y sistemas de concentración de torre) hasta las
tecnologías fotovoltaicas.
SAM al igual que HOMER permite obtener la serie de producción termosolar en
formato horario y en archivos de texto compatibles con EXCEL.
MATLAB: El estudio de la fiabilidad del sistema se basa en la obtención a través de
diversos métodos de los respectivos índices, por tal motivo se ha elegido el método
probabilístico de simulación de Monte Carlo. El entorno para la realización del código de
programación es MATLAB debido a las enormes prestaciones que ofrece al momento de
tratar los datos y obtener los diferentes resultados.
1.5 Estructura de la memoria
La memoria está formada por seis capítulos que se describen a continuación:
CAPITULO 1: INTRODUCCIÓN Y OBJETIVOS
5
El primer capítulo del presente estudio está dedicado a explicar la temática general
que enmarca el trabajo realizado, presentando los objetivos y fases de desarrollo.
En el capítulo II se expone el sustento teórico de la fiabilidad de un sistema eléctrico
zonas funcionales y niveles jerárquicos, índices de fiabilidad a ser calculados y una
descripción del método de Monte Carlo a ser utilizado en el proyecto.
En el capítulo III se describe el tratamiento y depuración de los datos de recurso y
demanda, características de las plantas, además se puntualiza las herramientas
computacionales utilizadas para la simulación de los datos de producción y sus
respectivos resultados.
En el capítulo IV se describe el modelado de los datos del sistema, que permite
desarrollar el programa computacional en Matlab mediante el método de Monte Carlo, y
una breve descripción de las dos formas de calcular el crédito de capacidad más
habituales así como la utilizada en este proyecto.
En el capítulo V se realiza la descripción de los diferentes casos simulados, y además
se realiza el cálculo de los índices de fiabilidad y el crédito de capacidad.
En el capítulo VI se plantea el análisis de los resultados obtenidos y las respectivas
conclusiones del trabajo.
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
Capítulo 2
Fiabilidad de un sistema eléctrico
2.1 Concepto básicos de fiabilidad
Se denomina fiabilidad de un equipo o sistema, de cualquier naturaleza, a la
habilidad o capacidad de realizar una tarea específica. Por tanto se considera a la
fiabilidad como una propiedad cualitativa más que cuantitativa. Sin embargo desde el
punto de vista técnico resulta más adecuado disponer de un índice cuantitativo que uno
cualitativo debido a que la fiabilidad es un factor fundamental en la planeación, diseño,
operación y mantenimiento del sistema eléctrico de potencia. El sistema de generación es
una parte esencial dentro del sistema eléctrico de potencia ya que debe ser capaz de
satisfacer la demanda en todo momento [1]. Por lo tanto relacionando estas dos
aclaraciones se puede definir a la fiabilidad como la capacidad para satisfacer la demanda
en todo momento y puede expresarse por una gran variedad de índices, dependiendo de
los objetivos que se persigan con la evaluación.
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
7
Figura 2. 1 Aspectos de la fiabilidad de un sistema
La fiabilidad de un sistema de generación está dividida en “adecuación” y
“seguridad” tal como lo muestra la figura 2.1. La adecuación del sistema está relacionada
con la existencia de suficientes generadores dentro del mismo para satisfacer la demanda
eléctrica de los consumidores; considerando condiciones estáticas del sistema y sin tomar
en cuenta las alteraciones del sistema dinámico y transitorio. La seguridad está
relacionada con la habilidad del sistema para responder ante la presencia de
perturbaciones [2]. En el presente trabajo, la evaluación de la fiabilidad del sistema de
generación se enfoca en la adecuación y no toma en consideración la seguridad.
2.1.1 Zonas funcionales y niveles jerárquicos
Las técnicas básicas para evaluación de la capacidad se pueden clasificar en términos
de su aplicación a las etapas de un sistema de energía completo. Estas etapas se muestran
en la figura 2.2 y se puede definir como las zonas funcionales de generación, transporte y
distribución. Esta división es la más apropiada, debido a que la mayoría de los servicios
están divididos en estas zonas a efectos de organización, planificación, operación y/o
análisis. Los estudios de la capacidad pueden ser realizados para cada una de estas tres
zonas funcionales.
Figura 2. 2 Zonas funcionales de un sistema eléctrico
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
8
Las zonas funcionales que se muestra en la figura 2.2 se pueden combinar para
formar los tres niveles jerárquicos. El nivel 1 (HL1) se refiere sólo a las instalaciones de
generación, el nivel 2 (HL2) incluye las instalaciones de generación y transporte,
mientras que el nivel 3 (HL3) incluye las tres zonas funcionales. Los estudios de la zona
HL3 no suelen llevarse a cabo directamente, debido a la complejidad del problema en un
sistema práctico. En este proyecto se trabajará solamente en la zona HL1.
2.1.2 Estudios de adecuación de la generación del sistema
(HL1)
La fiabilidad de un sistema de generación se puede modificar cambiando las
unidades existentes por unidades más confiables o incorporando redundancia. La
redundancia en el sistema de generación significa la instalación de más capacidad de
generación que la normalmente requerida, lo cual a su vez conlleva a un incremento en el
costo de dicho sistema [3].
En un estudio de sistemas de generación, el sistema total es examinado para
determinar su capacidad para mantener los requerimientos de la carga, esta actividad es
usualmente llamada “valoración de la adecuación del sistema de generación” (ver figura
2.3). El sistema de transmisión es ignorado en este estudio y el sistema de carga es
considerado como una carga puntual.
Figura 2. 3 Modelo para la evaluación del sistema de generación
El sistema de transporte y su capacidad para mover la energía generada a los puntos
de consumo es ignorado en esta evaluación. La principal preocupación es estimar la
cantidad de generación requerida para satisfacer la demanda del sistema en todo
momento. Para determinar el requisito de la capacidad se utilizan métodos probabilísticos
que responden y reflejan los verdaderos factores que influyen en la fiabilidad del sistema.
Para medir la capacidad de generación del sistema eléctrico se utilizan los denominados
índices de fiabilidad, los cuales serán descritos a continuación.
2.1.3 Índices de fiabilidad del sistema
Para evaluar cuan fiable es un sistema eléctrico de potencia se utiliza los índices de
fiabilidad. Existen diversos índices utilizados para establecer la fiabilidad de un sistema
eléctrico para cada nivel jerárquico o para cada país. La mayoría de los índices de
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
9
capacidad son, básicamente, valores esperados de una variable aleatoria, aunque la
distribución de probabilidad se puede calcular en algunos casos. Como se indicó
anteriormente en el presente trabajo se estudiarán los índices correspondientes al nivel de
HL1, sin embargo se debe señalar que existen índices dependiendo del estudio que se
realice.
Los índices básicos para la evaluación de la fiabilidad de un sistema de generación
son la pérdida de carga esperada (LOLE), la pérdida de energía esperada (LOEE), la
probabilidad de pérdida de carga (LOLP) y la demanda esperada no suministrada
(EDNS). Conceptualmente, estos índices pueden ser descritos por las siguientes
expresiones matemáticas presentadas en [4].
LOLE (“Loss of load expectation” o perdida de carga esperada), [hr/año]
Se define como el número de días u horas en un periodo determinado
(generalmente un año) en el que se espera que la carga horaria exceda la capacidad
de generación disponible. La expresión para el índice de LOLE es la siguiente:
(1)
Donde es la probabilidad del estado i del sistema, s es el conjunto de todos los
instantes del sistema en los que la demanda ha superado a la generación disponible y
T es el tiempo que ha permanecido en pérdida de carga cada uno de esos instantes.
Cabe resaltar que el índice LOLE no indica la severidad de la deficiencia ni la
frecuencia, ni la duración de la pérdida de carga. A pesar de estas deficiencias, es en
la actualidad un criterio probabilístico muy utilizado en la planificación de estudios
de generación.
LOEE (“Loss of energy expectation” o pérdida de energía esperada), [MWh/año]
Se define como la cantidad de energía no suministrada por el sistema, cuando la
demanda ha sido superior a la generación total disponible. La expresión para el
índice de LOEE es la siguiente:
(2)
Donde y s se definen de igual manera que anteriormente; es la diferencia
entre la demanda y la generación disponible en el estado i.
LOLP (“Loss of load probability” o probabilidad de pérdida de carga), [horas/año]
Se define como la probabilidad de no satisfacer toda la potencia eléctrica
demandada con la generación disponible durante un período de un año. La expresión
para el índice de LOLP es la siguiente:
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
10
(3)
EDNS (“Demand not supplied” o demanda no suministrada), [MW/año]
Este índice indica la cantidad de potencia no abastecida a lo largo de un año. Es
decir cuando en un sistema la potencia demandada (carga) es superior a la potencia
de generación disponible, se define que es una demanda que no ha sido abastecida.
Las expresiones descritas anteriormente para estos índices son muy generales. A
continuación se definirá la simulación estadística de Monte Carlo para llevar a cabo
el cálculo de estos índices, y se establecerán las nuevas expresiones específicas de
los mismos.
2.2 Método de Monte Carlo aplicado al
cálculo de los índices de fiabilidad
2.2.1 Introducción
La simulación estocástica de Monte Carlo se define en base a la generación de
números aleatorios [4], en este caso entre 0 y 1, de las variables de entrada elegidas, esta
simulación imita el funcionamiento de los sistemas considerando sus características
aleatorias mediante métodos computacionales. Por tanto la simulación Monte Carlo
proporciona estimaciones de los resultados exactos [5] no alcanza los niveles de precisión
de las técnicas analíticas en sus resultados debido a su naturaleza variable. Existen dos
métodos para el cálculo de las variables de salida, si se sigue el orden cronológico de
aquellas variables que se caracterizan mejor siguiendo este orden, se denomina
secuencial, en cambio si no se sigue un orden cronológico de los sucesos el método se
denomina no secuencial.
Para alcanzar los valores de los índices de fiabilidad del sistema, es necesario realizar
una simulación durante un intervalo de tiempo determinado, debido a que el método de
Monte Carlo no asegura la convergencia del proceso por su naturaleza oscilante, cuánto
mayor es el número de repeticiones, el intervalo de confianza será mayor. No obstante,
para evitar un número excesivo de repeticiones, se establece un criterio de convergencia
que consiste en cuantificar el error a medida que se van añadiendo repeticiones, y
establecer un valor máximo de dicho error, como se especifica más adelante en el
apartado 2.2.2, ecuación (4).
En el presente trabajo se aplicará la técnica mencionada analizando el
funcionamiento de cada unidad de generación. Cada una de las unidades podrá
encontrarse en dos estados diferentes: disponible o no disponible, por lo tanto, con este
método se pretende simular el comportamiento de todas las unidades lo que permitirá
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
11
conocer cuales están disponibles y cuáles no lo están a lo largo de un periodo de tiempo
determinado.
2.2.2 Proceso de convergencia
Debido a que el método de Monte Carlo se basa en un proceso de repeticiones, se
debe calcular el número de repeticiones adecuadas para que los resultados sean fiables y
el error se mantenga dentro de unos márgenes establecidos. Estos márgenes dependen
del error, el cual es la diferencia (en valor absoluto) entre el valor medio y el valor
estimado de la simulación en un momento determinado. A continuación en la figura 2.4
se puede observar el proceso de convergencia del método:
Figura 2. 4 Proceso de convergencia de una simulación de Monte Carlo
Por lo tanto en la figura 2.4 se puede observar que en el método de Monte Carlo al
aumentar el número de iteraciones disminuye el error debido a que este método crea un
proceso de convergencia fluctuante, al disminuir el error, el resultado final se mantiene
cerca del valor exacto (media de la variable en estudio). Si el número de muestras es
infinito, el resultado sería 100% fiable debido a que se consideran todos los valores
posibles de las variables. Sin embargo los tiempos de cálculo de dichas muestras serían
muy grandes por lo que se necesita establecer el proceso de convergencia.
La expresión para el cálculo de error es la siguiente:
(4)
Donde σ es la desviación estándar del proceso, y E(x) es la media obtenida en el
proceso del índice de fiabilidad en estudio.
En el presente proyecto se ha establecido un margen de error con un valor máximo
de 5% y un número máximo de muestras igual a 3000. Se comprueba con varios valores
de repeticiones y finalmente se establece 3000 como valor máximo debido a que asegura
una convergencia fiable de los índices y un valor de error que está dentro del margen
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
12
establecido. En el Capítulo 5 se mostrará los resultados del proceso de convergencia
establecido.
2.2.3 Método de estimación del estado.
Para el presente proyecto el método principal de estudio es el Monte Carlo no
secuencial debido a la información limitada disponible, dentro del cual se encuentra el
método de muestreo de estado, el cual fue utilizado para este trabajo, por tanto se procede
a su respectiva explicación.
La fiabilidad del sistema depende de la posible capacidad de generación de las
unidades. El comportamiento de cada unidad de generación puede ser simulada mediante
una distribución uniforme de números aleatorios entre 0 y 1. En este trabajo se han
tomado en cuenta solo dos posibles estados (figura 2.5) para las unidades de generación
convencional; disponible (la central funcionará a su potencia nominal) y no disponible.
(5)
es el numero aleatorio generado, denota el estado de la ith unidad de generación
y es el índice de indisponibilidad.
Figura 2. 5 Modelo de dos estados para los generadores
Para calcular el índice de indisponibilidad, FU, es necesario tener en cuenta dos
conceptos muy importantes que se señalan a continuación:
Mean Time To Failure (MTTF): Es el tiempo medio entre fallos.
Mean Time To Repair (MTTR): Es el tiempo medio de reparación.
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
13
Estos valores para cada una de las centrales convencionales del presente trabajo
fueron proporcionados en el IEEE-RTS96 [7], por tanto la ecuación de indisponibilidad
es la siguiente:
(6)
Cabe resaltar que también es posible obtener estos parámetros a partir de otros dos
términos, el número medio de fallos en un año, λ, y el número medio de reparaciones en
un año, β.
(7)
(8)
Para un nivel de demanda D, la demanda no suministrada (DNS) debido a la
insuficiente capacidad de generación en la k muestra viene dada por la siguiente
expresión:
) (9)
: valor de la demanda no suministrada en la muestra k (MW).
: valor de la demanda programada en la muestra k (MW).
Σ : valor de la suma de la potencia disponible en la muestra k de los m
generadores del sistema (MW).
Las nuevas expresiones de los índices de fiabilidad anuales para las N muestras se
definen a continuación:
Demanda esperada no suministrada (EDNS), [MW]
(10)
Pérdida de energía esperada (LOEE), [MWh/año]
(11)
Pérdida de carga esperada (LOLE), [hr/año]
(12)
CAPITULO 2: FIABILIDAD DE UN SISTEMA ELÉCTRICO
14
Probabilidad de pérdida de carga (LOLP) [horas/año]
(13)
Donde es un indicador variable que muestra:
(14)
Y estas son las nuevas expresiones que serán utilizadas en las simulaciones para
estudiar la fiabilidad del sistema de potencia en el presente trabajo. En el método no
secuencial el índice utilizado en el criterio de convergencia para establecer el máximo
número de muestras es el LOLE, debido a que tiene una velocidad de convergencia
menor.
CAPITULO 3: TRATAMIENTO DE LOS DATOS
Capítulo 3
Tratamiento de los datos
3.1 Localización de la zona de estudio
Para la realización del presente proyecto se ha escogido como zona de estudio la
provincia de Loja en Ecuador debido a la realidad nacional de mi país, en el cual el
desarrollo de las energías renovables está empezando a ser parte fundamental en el
cambio de la matriz energética. El Ecuador posee un enorme potencial de fuentes
renovables de energía para generación eléctrica, especialmente de carácter hídrico, eólico
y solar, por tal motivo actualmente se están desarrollando grandes proyectos con
tecnologías renovables. Con el fin de identificar varias zonas candidatas para más
estudios e implementación de proyectos en todo el territorio nacional se dispone de los
Atlas Eólico [ANEXO I] y Solar [ANEXO II], lo cual apoyará al desarrollo del país y
finalmente al beneficio de los ecuatorianos. La planificación del sector eléctrico
ecuatoriano se basa en un equilibrio armónico entre la generación y la demanda.
A pesar de ser el Ecuador un país petrolero, debido a los crecientes precios de los
combustibles fósiles, en las últimas décadas se ha desarrollado tecnologías para el
aprovechamiento de los recursos renovables como el viento, sol, geotermia, biomasa y
mareomotriz, de manera que se vuelven más competitivas ante las fuentes convencionales
de energía, así mismo se han creado organismos de investigación sobre eficiencia
energética y energía de carácter renovable como el Instituto Nacional de Eficiencia
Energética y Energías Renovables INER. Gracias a las diversas investigaciones
realizadas y a los atlas tanto eólico y solar se puede disponer de información de las zonas
más relevantes dentro del territorio ecuatoriano donde el recurso renovable puede ser
CAPITULO 3: TRATAMIENTO DE LOS DATOS
16
aprovechado al máximo. Este es el caso de la provincia de Loja donde la presencia de
recurso eólico y solar es muy elevado.
Por tal motivo se pretende realizar el estudio de la fiabilidad de la generación
eléctrica a partir de fuentes de energía renovable en Loja, debido a que actualmente se
están desarrollando en esta zona proyectos eólicos, fotovoltaicos y termosolares.
3.1.1 Características de la zona de estudio
Debido a la ubicación geográfica del Ecuador en la superficie del planeta, sobre la
propia franja central de la zona tórrida, su clima debería ser uniformemente cálido. Sin
embargo, no sucede así, ya que, por el contrario, es factible experimentar toda clase de
climas. La Cordillera de los Andes atraviesa el territorio continental de Norte a Sur,
dividendo al país en tres regiones con características climatológicas diferentes. Estas
regiones son llamadas: Costa, Sierra y Oriente. Por lo que se refiere a los cambios de
estación, el año está dividido en dos periodos: uno más lluvioso desde diciembre hasta
junio ("invierno"), mientras que el otro, más pobre en precipitaciones, se extiende de
junio a diciembre ("verano"). En la Costa y el Oriente, la temperatura no acusa
variaciones muy notables en estos dos periodos.
La provincia de Loja tal como se observa en la figura 3.1 se encuentra ubicada al sur
de la Sierra ecuatoriana, tiene una superficie de 11.026 km². Forma parte de la Región
Sur comprendida también por las provincias de El Oro y Zamora Chinchipe, con unos
450.000 habitantes a nivel provincial. Su capital es la ciudad de Loja donde viven unos
200.000 habitantes.
Figura 3. 1 Localización de la provincia de Loja 3
3 http://www.geoportaligm.gob.ec/portal/index.php/descargas/geoinformacion/mapas-oficiales/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
17
La provincia de Loja posee una elevada presencia de recurso renovable, actualmente
se están desarrollando proyectos con tecnologías eólica y fotovoltaica, por tal motivo se
considera muy importante el estudio de la fiabilidad que permita conocer cómo influye la
penetración de energías renovables en el sistema de generación eléctrico.
3.2 Generación renovable
En el trabajo se estudiará la fiabilidad de la generación eléctrica a partir de energías
renovables, por tal motivo se realizó la búsqueda y recopilación de la información
correspondiente a las variables de recurso eólico, solar y demanda eléctrica de la zona de
Loja, dichos datos fueron solicitados a organismos nacionales involucrados en el ámbito
eléctrico-renovable.
Para la realización del proyecto se utilizaron datos horarios del año 2013 de las
variables de recurso más relevantes. La recolección de datos simultáneos tiene la
finalidad de conocer la producción de cada tipo de central hora a hora para saber hasta
cuánto es capaz de cubrir una determinada demanda sin producir ningún tipo de
interrupción.
Una vez que se disponen de los datos de recurso necesarios se utiliza herramientas
computacionales para la simulación de sistemas basados en energía renovable. Para la
realización de este proyecto se ha utilizado las aplicaciones HOMER y SAM.
3.2.1 Datos de viento y características de la central eólica
Según el Atlas Eólico del Ecuador4 desarrollado por el Ministerio de Electricidad y
Energía Renovable (MEER) la zona de Loja presenta el potencial más alto en cuanto a
recurso eólico aprovechable para fines de generación eléctrica debido a la presencia de la
Cordillera de los Andes, es así que actualmente funciona el parque eólico Villonaco
(figura 3.2), el cual es uno de los más altos a nivel mundial a 2720 metros sobre el nivel
del mar (msnm).
Figura 3. 2 Disposición parque eólico Villonaco
4http://www.energia.gob.ec/ministerio-de-electricidad-y-energia-renovable-primer-atlas-eolico-del-ecuador/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
18
Los datos de presión, humedad relativa, temperatura, velocidad y dirección del
viento obtenidos han sido medidos en la zona del parque eólico Villonaco y fueron
proporcionados por la Corporación Eléctrica del Ecuador-CELEC EP5 y por el Instituto
Nacional de Meteorología e Hidrología INAMHI6, corresponden al año 2013 y tienen
formato diezminutal, por lo tanto fue necesario su tratamiento y depuración en Excel para
obtener datos de recurso horarios (figura 3.3), los mismos que serán utilizados para la
respectiva simulación de la potencia eólica generada.
Figura 3. 3 Datos horarios de recurso eólico–EXCEL
De acuerdo a los estudios realizados por el INAMHI, el MEER y CELEC EP [8], las
corrientes de viento que embaten sobre la ciudad de Loja, derivadas del gran Frente del
Este o de los Vientos Alisios, sufren modificaciones locales debido principalmente a la
acción del relieve, pero conservan en términos generales algunas de las características
comunes del Componente Regional, sobre todo en cuanto a dirección y humedad. El
relieve local amaina la fuerza del viento y contribuye a desviar hacia el Norte la dirección
SE predominante de los vientos alisios altos.
En el año de estudio que corresponde al 2013 (figura 3.4), el promedio anual de la
velocidad del viento en el sitio Villonaco fue de 12,4 m/s; por lo que se consideró un año
con alta presencia de recurso eólico. Durante los meses de junio, julio, agosto y
septiembre, se registró la mayor fuerza del viento, con valores máximos entre 14 y 17
metros por segundo (m/s).
Las características de la zona de implantación del proyecto tienen un impacto
mundial, debido a que la zona cuenta con velocidades de viento de aproximadamente
12,4 m/s y alcanzan máximos de 30 m/s, el emplazamiento se encuentra a lo largo de la
línea cumbre del cerro Villonaco.
5https://www.celec.gob.ec/ 6 http://www.serviciometeorologico.gob.ec/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
19
Figura 3. 4 Variabilidad estacional del viento Villonaco 20137
En la figura 3.5 se observa la localización del parque eólico Villonaco que se
encuentra a 4 kilómetros de la capital Lojana, específicamente entre los cantones de Loja
y Catamayo.
Figura 3. 5 Localización del parque eólico Villonaco en Loja-Ecuador8
Una vez que se disponen los datos de recurso se procede a tomar las características
técnicas más relevantes del parque eólico que actualmente funciona en Loja que es el
parque Villonaco para proceder a la simulación de la potencia eólica.
7 http://www.serviciometeorologico.gob.ec/wp-content/ForosClimaticos/Foros%20Nacionales/2014/V%20Foro/PRESENTACION%204%20CELEC%20%20VILLONACO.pdf 8 Google Earth
CAPITULO 3: TRATAMIENTO DE LOS DATOS
20
La central eólica tiene instalados 11 aerogeneradores Goldwind GW70/1500 cuya
curva de potencia se muestra en la figura 3.6, estos aerogeneradores cuentan con una
capacidad individual de 1,5 MW, contabilizándose un total de 16,5 MW de potencia
nominal.
Figura 3. 6 Curva de potencia del aerogenerador GW 70/15009
3.2.2 Recurso Solar, Plantas Fotovoltaica y Termosolar
Para la localización óptima de la zona dentro de la provincia de Loja para la
implementación de las plantas fotovoltaica y termosolar, se tomará como base la
información presente en el Atlas Solar del Ecuador (ANEXO II) desarrollado por el
Centro de Investigación Energética10 y los proyectos que actualmente se están
desarrollando.
En el Ecuador la tecnología termosolar aún se encuentra en estudio, se han realizado
varias investigaciones para la implementación de este tipo de plantas en base a las
necesidades del Ecuador, por tal motivo el presente trabajo se basará en dichas
investigaciones para simular la producción de una posible planta termosolar en la
provincia de Loja.
Para la elección de la zona más adecuada para la implantación de una central
termosolar, se toma como referencia el estudio realizado por la organización ecologista y
pacifista internacional Greenpeace11, el cual indica que una radiación directa de 2000
kWh/m²/año permite que una central de concentración sea viable. De esta manera y en
base a los datos del Atlas Solar del Ecuador con fines de generación eléctrica, se puede
depurar y extraer emplazamientos que cumplan con dicho requisito. Otro factor
importante para elegir la zona es la forma del terreno, el cual debe ser lo más plano
9 http://www.goldwindamerica.com/media/2012/12/Goldwind_15MW_Product_Brochure_2013.pdf 10 http://www.energia.org.ec/cie/ 11 http://www.greenpeace.org/espana/es/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
21
posible. Por tanto considerando todos los factores anteriormente señalados, el sitio más
adecuado en la provincia de Loja para el desarrollo de una central fotovoltaica y
termosolar se encuentra en Zapotillo en el sector de La Ceiba (ver figura 3.7).
Figura 3. 7 Localización óptima para centrales fotovoltaica y termosolar en La Ceiba,
Loja-Ecuador 12
Con relación a la potencia anual media de la zona, las centrales tendrán un valor de
radiación global promedio de 2046,32 kWh/m²/año. En la figura 3.8 se puede observar
los valores de radiación solar promedio mensual de la zona de estudio.
Figura 3. 8 Valores de radiación solar de la Ceiba Loja-Ecuador13
12 Google Earth
CAPITULO 3: TRATAMIENTO DE LOS DATOS
22
Una vez elegido el emplazamiento, se solicitaron datos de recurso solar, los cuales se
obtuvieron a través de la intervención del CIEMAT del sistema de información
geográfica SolarGIS14, la cual es una base de datos climáticos de alta resolución operada
por GeoModel Solar. Los datos proporcionados corresponden al año 2013 y tienen
formato treintaminutal, y al igual que los de recurso eólico fueron tratados en Excel. Para
la simulación de la potencia generada de la central fotovoltaica se utilizaron los datos de
radiación global horizontal (figura 3.9) y para la planta termosolar los datos de radiación
normal directa (figura 3.10).
Figura 3. 9 Radiación global horizontal (GHI) horaria provincia de Loja
Figura 3. 10 Radiación normal directa (DNI) horaria provincia de Loja
13 http://www.energia.org.ec/cie/ 14 http://solargis.info/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
23
La información meteorológica utilizada para la caracterización climática del año
2013 se sustenta en el registro histórico mensual de climatología (Tabla 3.1) de la
estación operada por INAMHI el cual tiene el nombre Zapotillo Código M151. En la
siguiente tabla se pueden apreciar los valores mensuales calculados, sobre temperatura,
humedad relativa, precipitación, evaporación y nubosidad.
Mes Temperatura
Mensual (ºC)
Humedad
Relativa
(%)
Precipitación
mensual
(mm)
Evaporación
Mensual
(mm)
Nubosidad
Media
(Octas)
Enero 26,7 68 205,3 171,3 7
Febrero 26 80 327 104,1 7
Marzo 26,1 81 321,6 147,7 6
Abril 15,9 77 135,3 154,2 5
Mayo 25,3 77 66,6 161,8 5
Junio 24,3 72 0 143,4 6
Julio 24,7 71 0 171,6 5
Agosto 24,9 76 0 218,4 4
Septiembre 25,4 78 0 237,1 4
Octubre 25,9 71 1,1 254,6 4
Noviembre 25,8 78 4,2 218,4 4
Diciembre 26,6 76 9,1 217,1 6
Tabla 3. 1 Valores climáticos de la Estación Zapotillo (M151) Año 2013
Como se puede observar en la Tabla 3.1 durante la época lluviosa es donde se
registran las mayores temperaturas, lo cual representa una característica propia de la
zona.
Una vez conocidos los valores climáticos del año 2013 se procede a definir las
características de la planta fotovoltaica a ser utilizada en el trabajo, tomándose como
referencia el proyecto fotovoltaico Zapotillo (ver figura 3.11) que actualmente se está
desarrollando en la parte sur de la provincia de Loja.
La capacidad de la central fotovoltaica viene determinada fundamentalmente por la
disponibilidad de terreno adecuado para su instalación y de una red adecuada y suficiente
para evacuar la energía producida. En el caso particular del sistema eléctrico ecuatoriano,
se debe también tomar en cuenta el límite fijado para el despacho preferente de las
energías renovables. Bajo estas consideraciones, la capacidad seleccionada para la central
es de 20 MWp.
CAPITULO 3: TRATAMIENTO DE LOS DATOS
24
Figura 3. 11 Disposición de paneles fotovoltaicos del proyecto Zapotillo15
Los paneles fotovoltaicos JAP-60-245 son los utilizados en el proyecto de Zapotillo
por tal motivo se simulará la producción con este modelo para acercarse lo más posible al
proyecto real. A continuación en la tabla 3.2 se muestran las características técnicas de
los módulos:
Tabla 3. 2 Características técnicas de los paneles fotovoltaicos16
En cuanto a la central termosolar, esta aprovecha la incidencia de la radiación solar
directa y la transforma en energía eléctrica. La similitud que guarda con una planta
térmica convencional es muy grande puesto que usa un sistema intercambiador de calor,
con el cual moverá una turbina y posteriormente acoplada a un generador creará energía
eléctrica. La diferencia principal es la manera de obtener el calor. Las centrales
termosolares usan un concentrador óptico capaz de redireccionar la radiación solar a un
solo punto o línea, creando en éste un gran aumento de temperatura que será usada para
calentar un fluido, que cumplirá el papel de combustible al pasar a través de agua y
hacerla vapor.
El tipo más adecuado de tecnología para el desarrollo de una central de
concentración en el Ecuador según estudios realizados por diferentes organismos
nacionales eléctrico-renovable es de tipo cilindro parabólico, debido a la gran experiencia
y aceptación mundial, además, de que estas plantas aprovechan de manera adecuada el
terreno empleado para su construcción.
15 http://www.conelec.gob.ec/images/documentos/doc_10224_EIAD%20Zapotillo.pdf 16 http://www.enfsolar.com/pv/panel-datasheet/Polycrystalline/1083
CAPITULO 3: TRATAMIENTO DE LOS DATOS
25
La elección de este tipo de tecnología se sustenta en la existencia de datos actuales de
su eficiencia y costos de operación, lo cual la hace muy atractiva por sus bajos costos de
instalación y mantenimiento, una ventaja muy importante de la central termosolar de
cilindro parabólico es la posibilidad de almacenar calor, lo cual beneficia a la producción
en las horas que no se tenga sol o la radiación incidente necesaria, es decir estas plantas
pueden trabajar algunas horas extras después del ocaso del sol, lo cual permite contribuir
en el pico de demanda máxima de Loja.
La potencia de diseño escogida para la planta de concentradores cilíndricos
parabólicos es de 50 MW, debido a que este valor ha sido un diseño estándar en las
plantas termosolares construidas en la actualidad. Como no se dispone de una planta
modelo en territorio nacional se tomará como base para el diseño técnico la planta de
ANDASOL-217, la cual es una planta termosolar con tecnología de concentradores
cilíndricos parabólicos, la cual tiene una potencia instalada de 49.9 MW. Las principales
características de esta planta se muestran en la tabla 3.3.
Tabla 3. 3 Características técnicas de la planta Andasol-218
3.2.3 Simulación de la producción renovable
3.2.3.1 Producción Eólica-Fotovoltaica
Se utilizó HOMER para la simulación de la producción eólica-fotovoltaica tal como
se puede observar en las figuras 3.12 y 3.13. Los datos de entrada para la respectiva
simulación se describen a continuación:
Tipo y número de aerogeneradores y su respectiva curva de potencia: en
nuestro parque eólico se utilizan 11 aerogeneradores GOLDWIND 70/1500
de 1,5 MW.
Potencia de la planta fotovoltaica: 20 MW.
Datos de recurso eólico: Archivo de datos de recurso eólico horarios.
17 SolarPACES Annual Report 2010 18 SolarPACES Annual Report 2009
CAPITULO 3: TRATAMIENTO DE LOS DATOS
26
Datos de recurso solar: Coordenadas de la zona de estudio, archivo de datos
de recurso solar y temperatura horarios.
Figura 3. 12 Entorno de trabajo HOMER-características del parque eólico
Figura 3. 13 Entorno de trabajo HOMER-características de la central fotovoltaica
Una vez ingresados los datos de los recursos eólico y solar, así como datos de
temperatura y características técnicas de los principales componentes, los resultados de
CAPITULO 3: TRATAMIENTO DE LOS DATOS
27
producción anual tanto de la planta fotovoltaica asi como del parque eólico se pueden
observar en las figuras 3.14 y 3.15 respectivamente:
Figura 3. 14 Resumen de potencia de salida anual de la planta fotovoltaica
La figura 3.14 indica que la mayor producción de potencia por parte de la central
fotovoltaica se produce al medio día y debido al singular clima de la región durante los
meses de Septiembre, Octubre, Noviembre y Diciembre. La figura 3.15 indica que la
mayor producción de potencia del parque eólico se registra desde los meses de Junio a
Septiembre debido a los vientos predominantes de la región.
Figura 3. 15 Resumen de potencia de salida anual del parque eólico
En la figura 3.16 se muestra la producción mensual del sistema híbrido, y se puede
observar que la producción eólica (69%) es mayor con respecto a la producción
fotovoltaica (31%) debido al dominio del recurso eólico sobre el solar en la provincia de
Loja.
Figura 3. 16 Producción eólica-fotovoltaica simulada en HOMER
CAPITULO 3: TRATAMIENTO DE LOS DATOS
28
Una vez realizada la simulación de la producción de potencia eólica-fotovoltaica se
pretende introducir a estos datos los índices de indisponibilidad de las centrales
renovables. Para la obtención de dichos índices de fallo de las centrales se ha realizado
una ardua investigación, ya que este tipo de estudios es muy reducido.
Para cosiderar el índice de fallo en una central eólica se toma como referencia el
estudio realizado por Fraunhofer Institute for Wind Energy and Energy System
Technology IWES19 [9], la tabla 3.4 muestra los respectivos índices de fallo. Para nuestro
proyecto se considera el estudio para la turbina Windstats, la cual tiene un promedio de
taza de fallo de 1,8 falla/turbina/año y el tiempo que esta fuera de funcionamiento es de
93 horas/turbina/ año.
Tabla 3. 4 Base de datos de explotación de parques eólicos
Los estudios de los índices de fallo en centrales fotovoltaicas están mucho más
reducidos, debido a que influyen varios factores para su determinación, como el fallo de
los paneles solares y las pérdidas por el número de cadenas de la planta fotovoltaica,
además de las paradas programadas en el mes de menor radiación, por lo tanto este tipo
de información es más escasa. Para el trabajo se toma como referencia los valores que
han sido tomados del artículo de la IEEE “Evaluación de fiabilidad de sistemas de
potencia compuestos, que contienen generación eólica y solar” [10], la tabla 3.5 muestra
los datos utilizados.
Tabla 3. 5 Índice de fallo de la central fotovoltaica
19 http://www.iwes.fraunhofer.de/en.html
CAPITULO 3: TRATAMIENTO DE LOS DATOS
29
3.2.3.2 Producción Termosolar
Se utilizó SAM para la simulación de la producción termosolar debido a su ya
conocida utilización a lo largo del Máster. Los datos de entrada para la respectiva
simulación se describen a continuación:
Coordenadas de la zona elegida para la simulación de la planta.
GHI (Irradiación global horizontal [W/m2]).
DNI (Irradiación directa normal [W/m2]).
DHI (Irrradiación difusa horizontal [W/m2]).
RH (Humedad Relativa [%]).
AP (Presión Atmosférica [mbar]).
WD (Velocidad de viento [m/s]).
Alb (Albedo).
En la figura 3.17 se muestra el área de trabajo de SAM donde se ingresarán los
principales datos anteriormente señalados.
Figura 3. 17 Entorno de trabajo SAM para simulación de producción termosolar
Como se había señalado en la sección 3.2.2 debido a que no existe una planta modelo
en Ecuador se tomará como base para el diseño técnico la planta de ANDASOL-2, cuyas
características técnicas necesarias para la simulación fueron proporcionadas por el
CIEMAT.
De esta manera los resultados de producción anual de la planta termosolar simulada
se pueden observar en la figura 3.18. Se puede notar que la producción es muy irregular
durante todo el año, debido al recurso disponible en la zona sin embargo se debe señalar
que la central dispone almacenamiento.
CAPITULO 3: TRATAMIENTO DE LOS DATOS
30
Finalmente para la central termosolar se ha considerado una parada programada para
el mantenimiento de la misma tal cual lo hace la planta de ANDASOL-2, por lo tanto se
ha elegido los primeros 15 días del mes de Enero, días en los cuales el recurso es menor
con respecto al resto del año.
Figura 3. 18 Producción de la Central Termosolar simulada en SAM
3.2.4 Central Hidroeléctrica
La central hidroeléctrica “Ing. Carlos Mora Carrión” (figura 3.19), es una central de
pasada (no tiene represa o embalse); se ubica a 32 Km. de la ciudad de Loja. La Central
hidroeléctrica utiliza las aguas de los ríos San Francisco y San Ramón mediante
conducciones independientes, hasta los tanques de presión correspondientes, incluyendo
las aguas de las quebradas Zurita, Durazno y Milagros, desde los tanques se conduce el
agua hasta el by – pass de las tuberías, mediante tuberías de acero, desde allí, se derivan
dos tuberías de acero para la conducción de agua a presión que alimentan a tres turbinas,
alojadas en la casa de máquinas.
Figura 3. 19 central hidroeléctrica “Ing. Carlos Mora Carrión”
CAPITULO 3: TRATAMIENTO DE LOS DATOS
31
Según el Análisis de las condiciones climaticás registradas en el Ecuador continental
en el año 2013 realizado por el INAMHI, en la región interandina la distribución de la
precipitación es bimodal, presentando un período lluvioso principal de enero a mayo y un
período lluvioso secundario desde mediados de septiembre hasta noviembre, con una
declinación en diciembre; durante los meses de junio, julio y agosto se presenta el
período seco.
Así para la provincia de Loja se registró lo siguiente:
Período Lluvioso (enero-mayo 2013; septiembre - noviembre 2013): la
precipitación acumulada durante el período lluvioso (enero-mayo) en la estación de Loja
La Argelia fue de 526 mm, representando un decremento porcentual de (-1%) respecto a
su normal climática de 533,2 mm; mientras en (septiembre-noviembre) fue de 257,8 mm,
representando un incremento porcentual de (+40%) respecto a su normal climática de
184,4 mm. (Tabla 3.6)
Mayo registro el mayor incremento de (+155%) al acumular un total de 159,6 mm,
en comparación a su normal climática de 62,7 mm; mientras abril registro el mayor
decremento de (-78%) al acumular un total de 22,3 mm, en comparación a su normal
climática de 99,9 mm.
Período seco (junio-agosto 2013): la precipitación acumulada durante el período
seco en Loja La Argelia fue de 195,8 mm, representando un incremento porcentual de
(+39%) respecto a su normal climática de 140,6 mm. (Tabla 3.6)
Julio presento un incremento porcentual de +91%, y agosto un decremento de -9%,
en relación a su normal climática.
Tabla 3. 6 Precipitación enero a noviembre en LOJA Año 2013 20
Una vez conocida la presencia de lluvias durante el año 2013 se procede a definir las
características técnicas de la central hidroeléctrica, las cuales son muy importantes para
nuestro proyecto:
Potencia nominal: 2.400 kW
Caudal de diseño: 2,16 m3/s
Caída neta: 157 m
Energía estimada media anual: 17,5 GWh/año
Tipo de central: Pasada
Unidades hidroeléctricas: Tres
20 http://www.serviciometeorologico.gob.ec/wp-content/uploads/2014/01/Informe2014SNGR.pdf
CAPITULO 3: TRATAMIENTO DE LOS DATOS
32
La Central está conformada por tres unidades hidroeléctricas (dos turbinas tipo
Pelton de 600 kW cada una y una tipo Francis de 1.200 kW), que están operando desde
hace aproximadamente 55, 50 y 44 años, respectivamente, con una producción de energía
media anual de 17,5 GWh, que hoy representa el 12 % de la energía disponible de la
Empresa Eléctrica Regional del Sur S.A.-EERSSA.
Según la disponibilidad de agua las tres turbinas funcionan las 24 horas durante todo
el año, con excepción de los meses de noviembre y diciembre, en los cuales, por el estiaje
funcionan a menor capacidad (aproximadamente el 70 %). En las actuales condiciones,
las turbinas funcionan con su potencia efectiva de 600 kW y de 1.200 kW
respectivamente, es decir con la potencia nominal. El caudal (2,16 m3/s) necesario para
generar la potencia máxima de la central (2.400 kW) se presenta durante
aproximadamente 8 meses al año, el año 2013 no fue la excepción, puesto que fue un año
lluvioso lo que ha posibilitado obtener un factor de planta promedio del 80%.
Los datos obtenidos para este proyecto se muestran en la tabla 3.7:
Central Unidad Tipo de Unidad Potencia nominal
(MW)
Carlos Mora U1 Hidráulica 0,6
Carlos Mora U2 Hidráulica 0,6
Carlos Mora U3 Hidraúlica 1,2
Tabla 3. 7 Central Hidroeléctrica Ing. Carlos Mora Carrión [11]
Una vez que se disponen los datos más relevantes de la central hidraúlica se procede
a elegir los MTTF y MTTR de acuerdo al artículo del test de Sistemas de Fiabilidad de la
IEEE [7]. Con los valores de MTTF y MTTR se calcula el índice de disponibilidad (U) e
indisponibilidad (FU) de la central tal cual lo muestra la tabla 3.8.
Central
Hidraúlica
MTTF
(h)
MTTR
(h)
U FU
Carlos Mora U1 1980 20 0,99 0,01
Carlos Mora U2 1980 20 0,99 0,01
Carlos Mora U3 1980 20 0,99 0,01
Tabla 3. 8 MTTF y MTTR de la central hidraúlica Carlos Mora [11]
3.3 Generación convencional
El sistema de distribución de la provincia de Loja, recibe los aportes de la central
Térmica Catamayo MCI (Motor de Combustión Interna) con 20,25 MW de potencia
instalada y el aporte principal del Sistema Nacional Interconectado (S.N.I.) Ecuatoriano
con 25,2 MW (figura 3.21). Los datos de generación convencional empleados en este
apartado provienen de la referencia [12].
CAPITULO 3: TRATAMIENTO DE LOS DATOS
33
La central Térmica se encuentra ubicada en el cantón Catamayo, provincia de Loja.
Está conformada por motores de combustión interna MCI que utilizan combustible diesel
que impulsan generadores que suministran energía a voltajes de 13,8 y 4,16 kV. La
potencia instalada en las 10 máquinas existentes (figura 3.20), alcanza el valor de 20.250
kW. La central se conecta al sistema de la EERSSA mediante la subestación Catamayo,
mediante las líneas de subtransmisión a 69 kV hacia Loja, Cariamanga y Macará.
Figura 3. 20 Vista panorámica Casa de Máquinas Central Térmica Catamayo
Figura 3. 21 Línea de Transmisión Cuenca-Loja, SNI21
21 http://greenleaf-ec.com/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
34
Las características más relevantes y que serán utilizadas en este proyecto se muestran
a continuación en la tabla 3.9:
Central Unidad Tipo de Unidad Potencia nominal
(MW)
Catamayo U1 Térmica MCI 1,8
Catamayo U2 Térmica MCI 1,28
Catamayo U3 Térmica MCI 0,766
Catamayo U4 Térmica MCI 1,575
Catamayo U5 Térmica MCI 1,575
Catamayo U6 Térmica MCI 2,88
Catamayo U7 Térmica MCI 2,88
Catamayo U8 Térmica MCI 2,5
Catamayo U9 Térmica MCI 2,5
Catamayo U10 Térmica MCI 2,5
Cuenca-Loja SNI Interconexión 25,2
Tabla 3. 9 Centrales convencionales e interconexión de la zona de Loja[11]
Al igual que las demás centrales se procede a elegir los MTTF y MTTR de acuerdo
al artículo del test de Sistemas de Fiabilidad de la IEEE [7] para la central térmica (tabla
3.10) y para la interconexión (tabla 3.11). Con los valores de MTTF y MTTR se calcula
los índices de disponibilidad (U) e indisponibilidad (FU).
Central
Térmica
MTTF
(h)
MTTR
(h)
U FU
Catamayo U1 450 50 0,9 0,1
Catamayo U2 450 50 0,9 0,1
Catamayo U3 450 50 0,9 0,1
Catamayo U4 450 50 0,9 0,1
Catamayo U5 450 50 0,9 0,1
Catamayo U6 450 50 0,9 0,1
Catamayo U7 450 50 0,9 0,1
Catamayo U8 450 50 0,9 0,1
Catamayo U9 450 50 0,9 0,1
Catamayo U10 450 50 0,9 0,1
Tabla 3. 10 MTTF y MTTR de la central térmica Catamayo [7] [11]
Inter Potencia
(kV)
Longitud
(Km)
MTTR
(h)
λ (f/h) MTTF
(h)
U FU
Linea
Cuenca-
Loja
138 135 8,20 0,000167 5976,1 0,9986 0,0013
Tabla 3. 11 MTTF y MTTR de la Interconexión [7] [11]
CAPITULO 3: TRATAMIENTO DE LOS DATOS
35
3.4 Datos de demanda
En lo referente al comportamiento diario de la demanda en el Ecuador, el sector que
marca el comportamiento de la curva de demanda diaria es el sector residencial seguida
del sector industrial, lo que establece que la demanda punta se produzca en el horario
entre las 19h00 y 22h00, la demanda media comprende de 06h00 a 17h00 y de 23h00 a
24h00, y la demanda mínima entre las 01h00 y 05h00.
En la figura 3.22 se indican las curvas de carga del S.N.I. para un día laborable
(lunes) para uno semi laborable (sábado) y para un día festivo (domingo). La potencia se
expresa en por unidad (p.u.) de la máxima del día laborable.
Figura 3. 22 Curva de demanda diaria en el Ecuador22
Para calcular los índices de fiabilidad es necesario contar con una base de datos
horarios de demanda de potencia de la provincia de Loja. Para conseguir estos datos se
contactó con la empresa de distribución local, por tanto es así que la Empresa Eléctrica
Regional del Sur S.A.-EERSSA23 proporcionó datos de consumo quinceminutales de los
alimentadores de las subestaciones del cantón Loja a partir de los cuales se obtuvo los
datos de consumo provinciales según el número total de habitantes de la provincia. Los
datos de consumo registrados por los data loggers fueron proporcionados en archivos de
texto .txt para cada mes del año, por tanto estas tablas de valores fueron tratadas y
depuradas en Excel, eliminándose ciertos errores como saltos bruscos (escalones)
horarios, diarios y mensuales con el fin de conseguir un modelo de curva de carga
aceptable que representa el comportamiento histórico de la demanda a lo largo del año
2013 tal cual lo muestra la figura 3.23. Como se puede observar el pico máximo de
demanda es 30,27 MW.
22 http://www.conelec.gob.ec/contenido.php?cd=10329&l=1 23 http://www.eerssa.com/
CAPITULO 3: TRATAMIENTO DE LOS DATOS
36
0 1000 2000 3000 4000 5000 6000 7000 8000 900014
16
18
20
22
24
26
28
30
32
Horas
Dem
anda (
MW
)
DEMANDA PROGRAMADA LOJA 2013
Figura 3. 23 Demanda de la provincia de Loja
El perfil diario de demanda para un día laboral se muestra en la figura 3.24, donde se
puede notar que el pico máximo de demanda se produce a las 20:00 horas y el valle en la
madrugada.
Figura 3. 24 Perfil diario de demanda
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
Capítulo 4
Modelado y datos del sistema
4.1 Recurso informático
Como se indicó anteriormente el software utilizado para el presente proyecto es
Matlab, debido a sus características muy útiles al momento de aplicar el algoritmo de
Monte Carlo. El tratamiento de gran cantidad de datos debido al alto número de
iteraciones que se van a realizar, es sin duda una de sus mejores prestaciones.
4.2 Método No Secuencial
4.2.1 Curva de demanda anual
Para el cálculo del valor de la demanda en el método no secuencial se utiliza la curva
monótona de la demanda programada y no de la demanda real, ya que la demanda real
incluye fallos programados y no programados del sistema, y fallos de la red de transporte
y de distribución. Los valores de demanda utilizados corresponden al año 2013 y no
incluye la variabilidad que esta tiene a lo largo de los años.
A partir de los datos de demanda horarios se procede a obtener la curva monótona de
la carga ordenada de mayor (30,27 MW) a menor (14,21 MW) valor de demanda tal
como lo muestra la Figura 4.1.
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
38
0 1000 2000 3000 4000 5000 6000 7000 8000 900014
16
18
20
22
24
26
28
30
32
Horas
Dem
anda (
MW
)
MONÓTONA DE LA CARGA
Figura 4. 1 Curva monótona de la carga LOJA 2013
Esta es la curva utilizada para realizar las simulaciones en el método no secuencial,
la curva será recorrida de los valores pico a los valores valle. La razón por la que se
utiliza esta curva es para intentar evitar el efecto de la secuencialidad de utilizar la
distribución de frecuencia acumulada (CDF) de la generación solar fotovoltaica, eólica y
termosolar, ya que no se distingue la hora en la que se producen los picos de demanda,
que son los momentos en que mayor probabilidad de fallo existe. Así con la curva
monótona no se conoce exactamente cuando se producen, y se puede suponer que en ese
momento existe potencia renovable disponible.
4.2.2 Datos de generación convencional
Para modelar las centrales de generación convencional y las interconexiones se
utilizan las características de cada una de ellas (ver sección 3.3). Además de estas
características, también se utiliza los datos de MTTF (Mean Time To Failure) y MTTR
(Mean Time To Repair) para cada tipo de central [7] [11]. Con estos datos se utilizará la
ecuación 6 para calcular la probabilidad de indisponibilidad de cada central. La tabla 4.1
muestra los datos de entrada necesarios para la simulación de la generación convencional.
Potencia
Instalada (MW)
Número de
Unidades
Prob.
Disponibilidad
Prob.
Indisponibilidad
20,256 10 0,9 0,1
25,2 1 0,9986 0,0014
Tabla 4. 1 Características de las centrales de generación convencional e interconexión
Con las probabilidades de fallo de las centrales e interconexiones se procede a
obtener la distribución de frecuencia acumulada (CDF) tal como lo muestra la figura 4.2,
una vez que se tiene las CDF de todas las unidades convencionales conectadas a la red
eléctrica, se calcula un número aleatorio entre 0 y 1 para cada muestra, si dicho número
es igual o menor a la probabilidad de indisponibilidad la central no está disponible, caso
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
39
contrario está disponible y se suma. De esta manera se obtiene para cada muestra la
potencia convencional disponible.
Una vez realizada la simulación para cada una de las centrales se procede a comparar
con la curva monótona de carga para empezar el cálculo de los índices de fiabilidad y
establecer el caso de partida que corresponde a la utilización de 100% Potencia
Convencional.
Figura 4. 2 CDF de un generador convencional MCI 2,5 MW
4.2.3 Datos de generación renovable
El modelamiento de la generación renovable es más compleja que la simulación de la
generación convencional. Debido a que los datos de producción se obtuvieron a partir de
las simulaciones en HOMER y SAM, se va a introducir un porcentaje de fallo del parque
eólico y de la planta fotovoltaica, a lo largo de un año tomando en cuenta los estudios
realizados en [9] y [10] respectivamente. Lo que se pretende es considerar la
indisponibilidad por aerogenerador y por cadenas de módulos PV (en caso de fallo) y no
de las plantas completas con el fin de acercarse a un sistema real, es decir en un instante
dado pueden no funcionar algunos aerogeneradores sin embargo el resto estará
produciendo energía, así mismo con las cadenas de módulos PV. Con esto se pretende
obtener una probabilidad muy escasa de que toda la planta tanto eólica como fotovoltaica
estén indisponibles, lo que permite tener un sistema con un comportamiento muy real a la
hora de realizar la simulación. Con los datos de producción termosolar en cambio se
introduce una parada programada anual (15 días en los cuales el recurso es muy bajo)
manteniéndose en funcionamiento todo el resto del año. Y por último a la central
hidráulica también se aplica su propio porcentaje de fallo.
Una vez que se disponen de los datos de producción renovable de cada una de las
centrales (incluidos sus fallos) durante el año 2013, se deben sumar sus producciones
debido a que se trabajará con todas las unidades en conjunto y así resaltar la
secuencialidad de los datos.
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
40
Para el cálculo de la distribución de frecuencia acumulada CDF (figura 4.3) de la
producción total renovable es necesario calcular la MTTR y MTTF en función de las
tablas 3.4 y 3.5 (ver sección 3.2.3).
0 10 20 30 40 50 60 70 80 900
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1CDF Centrales Renovables
Potencia (MW)
Pro
babili
dad
Figura 4. 3 CDF de las centrales renovables. Caso base
Debido a que no se dispone de una serie histórica de datos tanto de recurso
renovable, el cálculo de esta parte se hará de dos maneras, en primer lugar considerando
el caso base, sin variación en todos los años de la simulación, es decir, una única CDF
(figura 4.3), y en segundo lugar, se procede a generar cada año una curva de producción
renovable diferente mediante una distribución normal, según la expresión:
(15)
: Valor de la producción renovable en los valores de producción reales de eólica,
fotovoltaica o termosolar en el instante j.
: Desviación típica, en este proyecto se considerará un valor de 1,5 % para llegar a
un compromiso entre una variación razonable en valores altos y no acumular en valores
muy bajos.
En el presente proyecto se considera que si el valor de la media de la distribución
normal, μj=0 el valor se mantiene en cero y no se aplica la distribución normal en tal
caso, igualmente se establece un valor mínimo de cero y un valor máximo de potencia
igual a la máxima que se ha obtenido a lo largo del año 2013.
De esta manera, cada año se genera curvas de producción eólica, fotovoltaica y
termosolar diferentes con una distribución normal que tiene como base la producción
simulada del año 2013, posteriormente se suman las producciones y se calcula su
correspondiente CDF, se genera un número aleatorio entre 0 y 1 para cada muestra del
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
41
año, el mismo que dará un valor de potencia correspondiente según la CDF. De esta
manera se obtiene para cada muestra la potencia renovable disponible.
Cabe resaltar que lo realizado en el segundo proceso no se ajusta a la realidad ni es el
objeto del mismo el hacerlo, únicamente se trata de introducir diferentes curvas de
producción renovable a lo largo de los años simulados, con el objetivo de observar la
variación de los resultados obtenidos respecto al caso base.
0 10 20 30 40 50 60 70 80 900
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1CDF Centrales Renovables con Distribución Normal
Potencia (MW)
Pro
babili
dad
Figura 4. 4 CDF de las centrales renovables después de aplicar una distribución
normal
Después de aplicar el segundo proceso y obtener la CDF de las centrales renovables
se compara con la CDF del caso base y se puede notar que son similares (ver figura 4.3 y
figura 4.4).
4.2.4 Variables de salida
Una vez que se dispone de la potencia disponible convencional y renovable de todas
y cada una de las variables de entrada, para el cálculo de los distintos índices de fiabilidad
en el método no secuencial se utiliza la expresión 9 que corresponde al valor de la
demanda no suministrada (DNS) en una muestra determinada (ver sección 2.2.3).
Una vez que se tienen los valores de demanda y potencia disponible en cada muestra
se procede al cálculo de los índices de fiabilidad definidos en el apartado 2.1.3, en este
caso para 8760 muestras en cada año.
Luego que se realice para las 8760 muestras en cada año se realizará la simulación
para un número determinado de muestras (número de años) hasta que se asegure una
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
42
convergencia fiable de los índices y un valor de error que esté dentro del margen
establecido (menor al 5%).
4.3 Método Híbrido Secuencial-No Secuencial
Una vez que se han detallado los dos primeros casos aplicando el Método de Monte
Carlo No Secuencial y debido a la falta de una series histórica de datos de recurso, se
procede a plantearse el tercer caso el cual corresponde a una combinación entre el método
No Secuencial y el método Secuencial.
El primer paso consiste en obtener en el instante j la Demanda Térmica es decir la
demanda resultante que deben satisfacer las unidades térmicas convencionales después de
haber intervenido las centrales renovables.
(16)
Para obtener la demanda térmica se utiliza la demanda eléctrica programada (figura
3.23) y la producción renovable simulada (incluidos los fallos) del año 2013, es decir de
manera secuencial para cada muestra.
Una vez que se dispone la demanda térmica se aplica el método no secuencial, es
decir se obtiene la monótona de carga de la demanda térmica y se realiza el respectivo
sorteo únicamente para las centrales convencionales para de esta manera obtener la
demanda no suministrada (DNS) y a partir de aquí los diferentes índices de fiabilidad del
sistema y proceder a su respectiva comparación con el método anterior.
4.4 Método Secuencial Total
En el presente caso cabe resaltar que no se trata del Monte Carlo Secuencial, más
bien es una variación del mismo debido a la falta de series históricas de datos tanto de
producción renovable como de demanda eléctrica, lo que se pretende es realizar una
comparación con los métodos anteriores y observar las variaciones de los índices de
fiabilidad.
Las variables de entrada se utilizan de manera secuencial, es así que se trabaja con
los datos de la demanda programada y los datos de producción de las centrales renovables
y convencionales del año 2013. De esta manera para modelar las centrales
convencionales y la interconexión se utilizan las características más relevantes de las
mismas, además se utiliza los datos de MTTF y MTTR para cada tipo de central [7] [11].
En cada muestra se realiza un sorteo hora a hora para cada central convencional que
permite conocer los momentos en los cuales la central ha fallado y su respectivo tiempo
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
43
de reparación hasta que nuevamente entre en funcionamiento. Al final se suman las
potencias de todas las centrales y de esta manera tal como se observa en la figura 4.5 se
obtiene para cada muestra la potencia convencional disponible.
0 1000 2000 3000 4000 5000 6000 7000 8000 90008
10
12
14
16
18
20
22
Horas
Pote
ncia
(M
W)
Potencia Total Centrales Motor Combustión Interna MCI
Figura 4. 5 Potencia Total Centrales MCI
Para las centrales renovables se utilizan los datos de producción simulados y se
procede a comparar dicha generación con la demanda eléctrica programada (figura 3.23),
se utilizan estos datos en todas las muestras simuladas, de esta manera se cumple para
cada instante j la siguiente expresión para la Demanda No Suministrada (DNS):
(17)
A partir de esta expresión se procede al cálculo de los respectivos índices de
fiabilidad.
4.5 Crédito de Capacidad
Existen distintas definiciones del crédito de capacidad, las dos más habituales son las
siguientes [17]:
ELCC, “Equivalent load carrying capability” o capacidad de carga equivalente.
CAPITULO 4: MODELADO Y DATOS DEL SISTEMA
44
Se define como la cantidad de demanda Y MW que puede incrementarse cuando se
añaden X MW de una potencia de otra tecnología sin que se modifique la fiabilidad del
sistema.
(18)
ECPP, “Equivalent conventional power plant” o capacidad equivalente de
potencia convencional. Se define como la cantidad de potencia convencional
instalada Y MW que pueden sustituirse con X MW de una potencia de otra
tecnología sin que se modifique la fiabilidad del sistema.
(19)
En este proyecto se calcula ECPP.
Para observar la evolución del crédito de capacidad [14] en la figura 4.6 se refleja el
resultado de 29 estudios [18][19] que proporcionan datos cuantitativos del crédito de
capacidad, la zona sombreada de la figura es la que delimita el comportamiento de la
mayoría de los estudios, y que se toma como referencia para comprobar el resultado
obtenido, como se puede apreciar a medida que aumenta la penetración de energía
intermitente en el sistema el valor del crédito de capacidad tiende a disminuir.
Figura 4. 6 Resultados obtenidos de 29 estudios sobre la evolución del crédito de
capacidad con la penetración de generación intermitente en el sistema. Fuente: UK
Energy Research Centre, 2006
Para el cálculo del crédito de capacidad en el presente proyecto se han simulado
cinco estados de penetración de potencia renovable en el sistema utilizando los métodos
señalados en las secciones 4.2, 4.3, y 4.4. Dichos estados contemplan la intervención de
las tecnologías renovables por separado combinadas con el Sistema Nacional
Interconectado (S.N.I.) y con las unidades térmicas con el objetivo de observar y resaltar
el tipo de tecnología renovable que permita reducir de mejor manera la utilización de
potencia convencional sin que se modifique la fiabilidad del sistema.
CAPITULO 5: ESCENARIOS Y RESULTADOS
Capítulo 5
Escenarios y resultados
5.1 Escenarios de fiabilidad simulados
5.1.1 Descripción de los escenarios simulados
Teniendo en cuenta las condiciones actuales de la provincia de LOJA en cuanto a
proyectos referentes a tecnología renovable, se ha decidido realizar cuatro casos de
estudio cada uno de los cuales dispone de nueve estados de penetración de potencia
convencional y renovable para satisfacer la demanda eléctrica, los escenarios simulados
se describen a continuación.
5.1.1.1 Casos simulados
Caso 1: simulación no secuencial sin variación en los datos de producción
simulados para el año 2013 de la central eólica, fotovoltaica y termosolar en cada
año, es el caso base, es decir utilizando la misma CDF de las centrales renovables
obtenida a partir de los datos de producción (figura 4.3), en todos los años
simulados.
Caso 2: simulación no secuencial con variación de los datos de producción
renovable mediante distribución normal respecto al caso base descrita en el
CAPITULO 5: ESCENARIOS Y RESULTADOS
46
apartado 4.2, utilizando para cada año simulado distinta CDF de las centrales
renovables.
Caso 3: simulación híbrida secuencial-no secuencial utilizando los datos
simulados de producción renovable del caso base.
Caso 4: simulación secuencial total utilizando los datos simulados de producción
renovable del caso base de manera secuencial.
5.1.1.2 Estados simulados
A continuación en la tabla 5.1 se describen las características de cada uno de los
estados simulados:
ESTADOS POTENCIA
CONVENCIONAL
(MW)
POTENCIA
RENOVABLE
(MW)
ÍNDICES
ESTADO_0 20,25 0 LOLE_0, LOEE_0,
LOEP_0, EDNS_0
ESTADO_1 18,225 8,89 LOLE_1, LOEE_1,
LOEP_1, EDNS_1
ESTADO_2 16,2 17,78 LOLE_2, LOEE_2,
LOEP_2, EDNS_2
ESTADO_3 14,175 26,67 LOLE_3, LOEE_3,
LOEP_3, EDNS_3
ESTADO _4 12,15 35,56 LOLE_4, LOEE_4,
LOEP_4, EDNS_4
ESTADO _5 10,125 44,45 LOLE_5, LOEE_5,
LOEP_5, EDNS_5
ESTADO_ 6 8,1 53,34 LOLE_6, LOEE_6,
LOEP_6, EDNS_6
ESTADO _7 6,075 62,23 LOLE_7, LOEE_7,
LOEP_7, EDNS_7
ESTADO _8 4,05 71,12 LOLE_8, LOEE_8,
LOEP_8, EDNS_8
ESTADO _9 2,025 80 LOLE_9, LOEE_9,
LOEP_9, EDNS_9
ESTADO _10 0 88,8 LOLE_10, LOEE_10,
LOEP_10, EDNS_10
Tabla 5. 1 Estados simulados de los casos de estudio
Como se observa en la tabla 5.1 los estados simulados comprenden desde la
utilización de 100% potencia convencional hasta 100% potencia renovable para satisfacer
la demanda eléctrica de la zona y la respectiva obtención y comparación de los índices de
fiabilidad.
CAPITULO 5: ESCENARIOS Y RESULTADOS
47
5.1.1.3 Limitaciones de los escenarios simulados
Se debe tener muy en cuenta algunas limitaciones al momento de obtener los
resultados del trabajo, así como en sus respectivas conclusiones, las limitaciones más
importantes se describen a continuación:
Los datos de demanda utilizados corresponden a un año concreto, el año 2013 por
tanto no existe variación anual de la demanda.
Los datos de recurso eólico utilizados son datos reales medidos en la zona de
estudio durante un año concreto, el año 2013, no se ha tenido acceso a series
completas de varios años. Las variaciones del recurso y por ende de la producción
eólica utilizadas en la simulación no corresponden a series de datos históricas, y
por lo tanto de debe tener muy en cuenta a la hora de la simulación.
Así mismo los datos de recurso solar corresponden a un año en concreto, el año
2013, no se dispone de series largas de datos históricos, y debido a la falta de
mediciones en la zona de estudio, estos datos fueron obtenidos de una base de
datos climáticos de alta resolución.
Los índices de fallo de las centrales fotovoltaicas y eólicas son calculados y
aplicados en función a ciertos estudios realizados en plantas renovables, estos son
aplicados a la producción del año 2013, y pueden variar con el tiempo y dependen
del tipo de planta, esto no está contemplado en la simulación.
Los índices de fallo de las centrales convencionales son genéricos, no se basan en
datos reales ya que la información es muy reducida, además estos índices pueden
variar con el tiempo y en la simulación se suponen constantes lo cual tampoco no
se ajusta a la realidad.
Debido a que en el Ecuador la tecnología Termosolar no ha sido aún desarrollada
se toma como referencia la planta de ANDASOL-2, lo que se pretende es tener
una visión de la contribución de una planta de este tipo en la región de LOJA.
La distribución normal aplicada para obtener variaciones en la simulación de cada
año tiene la finalidad de introducir una cierta variación en el caso 2 con el fin de
compararlo con el caso 1. Dicha distribución no está basada en análisis de series
históricas, es solamente una mera suposición.
Por todas estas razones el presente proyecto se centra en el análisis de un año
concreto, el año 2013, de esta manera para mejorar los resultados obtenidos o acercarse
mucho más a la realidad se debe disponer series de datos históricas más largas.
CAPITULO 5: ESCENARIOS Y RESULTADOS
48
5.1.1.4 Escenarios
En la tabla 5.2 se muestran, respectivamente, la potencia y LOLE utilizadas para los
diferentes casos de estudio.
ESTADOS % POTENCIA LOLE
Horas/año
CASO 1
LOLE
Horas/año
CASO 2
LOLE
Horas/año
CASO 3
LOLE
Horas/año
CASO 4
ESTADO_0 100% PC 8,104 8,051 8,046 8,222
ESTADO_1 90% PC-10% PR 6,195 6,867 6,112 6,149
ESTADO_2 80% PC-20% PR 5,264 6,300 5,515 5,679
ESTADO_3 70% PC-30% PR 4,939 6,126 5,362 5,507
ESTADO_4 60% PC-40% PR 4,747 5,984 5,320 5,474
ESTADO_5 50% PC-50% PR 4,581 5,825 5,211 5,368
ESTADO_6 40% PC-60% PR 4,392 5,634 5,119 5,237
ESTADO_7 30% PC-70% PR 4,215 5,435 5,029 5,109
ESTADO_8 20% PC-80% PR 4,093 5,243 4,943 4,994
ESTADO_9 10% PC-90% PR 4,054 5,098 4,888 4,910
ESTADO_10 100% PR 4,812 5,362 6,792 6,833
Tabla 5. 2 Potencia de generación convencional (PC) y renovable (PR). LOLE. Casos de
estudio
Como se puede observar en la tabla anterior los resultados del índice LOLE para los
cuatro casos de estudio presentan ligeras variaciones lo que permite comprobar que tanto
con un análisis sencillo como el método de Monte Carlo no secuencial o con un método
más complejo como el método de Monte Carlo secuencial, se pueden obtener resultados
fiables y útiles al momento de analizar la fiabilidad de un sistema.
5.2 Resultados de los escenarios de fiabilidad
simulados
A continuación en la tabla 5.3 muestra los valores resultantes de los índices de
fiabilidad calculados según sus respectivas expresiones (9) a (14) para el caso base 1. La
figura 5.1 y figura 5.3 muestran el proceso de convergencia de los índices de fiabilidad
LOLE y LOEE para los escenarios de 100% Potencia Covencional y 100% Potencia
Renovable. Además se muestra el error (figura 5.2) cometido en cada simulación
comprobando que todos están por debajo del 5%, y que el número de muestras es
significativo, aunque el error se encuentre por debajo del máximo. En el ANEXO IV se
dispone de las figuras que muestran el proceso de convergencia de los índices de
fiabilidad de todos los escenarios del caso base 1.
CAPITULO 5: ESCENARIOS Y RESULTADOS
49
POTENCIA LOLE
(Horas/año)
LOEE EDNS LOLP
(%) (MWh/año) (MW/año)
ESTADO_0 100% PC 8,066 295,043 35,163 0,00093
ESTADO_1 90% PC-10% PR 6,140 164,413 24,781 0,00071
ESTADO_2 80% PC-20% PR 5,237 127,944 22,048 0,0006
ESTADO_3 70% PC-30% PR 4,904 119,135 21,690 0,00056
ESTADO_4 60% PC-40% PR 4,740 119,740 22,079 0,00054
ESTADO_5 50% PC-50% PR 4,564 120,039 22,960 0,00052
ESTADO_6 40% PC-60% PR 4,396 121,700 24,162 0,0005
ESTADO_7 30% PC-70% PR 4,246 125,539 25,584 0,00048
ESTADO_8 20% PC-80% PR 4,120 130,116 27,165 0,00047
ESTADO_9 10% PC-90% PR 4,083 137,704 28,888 0,00046
ESTADO_10 100% PR 4,832 172,614 31,290 0,00055
Tabla 5. 3 Resultados de los escenarios simulados Caso 1
0 500 1000 1500 2000 2500 30004
5
6
7
8
9
10
Numero de años
Hora
s/a
ño
LOLE Método no secuencial caso base 1
LOLE0:100PC
LOLE10:100PR
Figura 5. 1 Convergencia del LOLE por método Monte Carlo no secuencial (Estado
0 y Estado 10) Caso 1
CAPITULO 5: ESCENARIOS Y RESULTADOS
50
0 500 1000 1500 2000 2500 30000
5
10
15
20
25
Numero de años
Err
or
en P
orc
enta
je
Error del LOLE Método no secuencial caso base 1
Error0
Error10
Figura 5. 2 Evolución del error del LOLE (Estado 0 y Estado 10) Caso 1
0 500 1000 1500 2000 2500 3000120
140
160
180
200
220
240
260
280
300
320
Numero de años
MW
h/a
ño
LOEE
LOEE0:100PC
LOEE10:100PR
Figura 5. 3 Convergencia del LOEE por método Monte Carlo no secuencial (Estado 0 y
Estado 10) Caso 1
Según las figuras 5.1 y 5.3, el índice LOLE tarda menos tiempo en cumplir el
criterio de convergencia que el índice LOEE [14] por lo que se toma como referencia
para estimar el número adecuado de muestras en la simulación que en el presente
proyecto es de 3000.
CAPITULO 5: ESCENARIOS Y RESULTADOS
51
En la tabla 5.4 se muestra los resultados de los índices de fiabilidad para el caso 2. La
figura 5.4 muestra el proceso de convergencia del LOLE para los escenarios de 100%
Potencia Covencional y 100% Potencia Renovable.
POTENCIA
(%)
LOLE
(Horas/año)
LOEE
(MWh/año)
EDNS
(MW/año)
LOLP
ESTADO_0 100% PC 8,051 295,770 34,943 0,00092
ESTADO_1 90% PC-10% PR 6,867 207,294 28,381 0,00078
ESTADO_2 80% PC-20% PR 6,300 181,333 26,914 0,00072
ESTADO_3 70% PC-30% PR 6,126 177,205 26,169 0,00070
ESTADO_4 60% PC-40% PR 5,984 178,727 28,084 0,00068
ESTADO_5 50% PC-50% PR 5,825 182,306 29,420 0,00066
ESTADO_6 40% PC-60% PR 5,634 186,707 31,049 0,00064
ESTADO_7 30% PC-70% PR 5,435 192,281 32,905 0,00062
ESTADO_8 20% PC-80% PR 5,243 198,306 34,948 0,00060
ESTADO_9 10% PC-90% PR 5,098 206,764 37,149 0,00058
ESTADO_10 100% PR 5,362 232,071 39,708 0,00061
Tabla 5. 4 Resultados de los escenarios simulados Caso 2
0 500 1000 1500 2000 2500 30003
4
5
6
7
8
9
Numero de años
Hora
s/a
ño
LOLE Método no secuencial caso 2
LOLE0:100PC
LOLE10:100PR
Figura 5. 4 Convergencia del LOLE por método Monte Carlo no secuencial (Estado 0 y
Estado 10) Caso 2
Después de analizar los resultados del caso base 1 (tabla 5.3) y caso 2 (tabla 5.4), se
puede observar que utilizando tanto los mismos datos de producción del año 2013 como
el generar datos de producción diferentes a través de una distribución normal en el
CAPITULO 5: ESCENARIOS Y RESULTADOS
52
método no secuencial, se obtienen valores resultantes de los índices de fiabilidad con
ligeras variaciones, además presentan el mismo comportamiento.
En la tabla 5.5 se muestra los valores resultantes de los índices de fiabilidad para el
caso 3 y la figura 5.5 muestra el proceso de convergencia del LOLE para el estado 0 y el
estado 10 del caso 3.
POTENCIA LOLE
(Horas/año)
LOEE EDNS LOLP
(%) (MWh/año) (MW/año)
ESTADO_0 100% PC 8,046 292,585 34,806 0,00092
ESTADO_1 90% PC-10% PR 6,112 180,039 27,077 0,00070
ESTADO_2 80% PC-20% PR 5,515 160,869 26,107 0,00063
ESTADO_3 70% PC-30% PR 5,362 159,354 26,067 0,00061
ESTADO_4 60% PC-40% PR 5,320 164,759 27,564 0,0006
ESTADO_5 50% PC-50% PR 5,211 171,517 29,173 0,00059
ESTADO_6 40% PC-60% PR 5,119 179,854 31,041 0,00058
ESTADO_7 30% PC-70% PR 5,029 188,390 33,061 0,00057
ESTADO_8 20% PC-80% PR 4,943 197, 277 35,195 0,00056
ESTADO_9 10% PC-90% PR 4,888 208,593 37,421 0,00055
ESTADO_10 100% PR 6,792 307,823 41,058 0,00078
Tabla 5. 5 Resultados de los escenarios simulados Caso 3
0 500 1000 1500 2000 2500 30005
5.5
6
6.5
7
7.5
8
8.5
9
Numero de años
Hora
s/a
ño
LOLE Método Híbrido caso 3
LOLE0:100PC
LOLE10:100PR
Figura 5. 5 Convergencia del LOLE por método Híbrido (Estado 0 y Estado 10) Caso 3
CAPITULO 5: ESCENARIOS Y RESULTADOS
53
Los resultados de los tres casos simulados, según las tablas 5.3, 5.4 y 5.5 no
presentan cambios significativos a pesar de que los métodos utilizados son diferentes. Por
lo que el estudio puede llevarse acabo utilizando cualquiera de los métodos.
En la tabla 5.6 se muestran los resultados de los índices de fiabilidad para el último
caso de estudio. La figura 5.6 muestra la convergencia del LOLE para los estados 0 y 10
del caso 4.
POTENCIA LOLE
(Horas/año)
LOEE EDNS LOLP
(%) (MWh/año) (MW/año)
ESTADO_0 100% PC 8,222 296,368 35,023 0,00093
ESTADO_1 90% PC-10% PR 6,149 177,688 27,118 0,00070
ESTADO_2 80% PC-20% PR 5,679 162,120 26,408 0,00064
ESTADO_3 70% PC-30% PR 5,507 161,513 26,290 0,00062
ESTADO_4 60% PC-40% PR 5,474 168,119 28,122 0,00061
ESTADO_5 50% PC-50% PR 5,368 175,215 29,796 0,0006
ESTADO_6 40% PC-60% PR 5,237 183,123 31,691 0,00059
ESTADO_7 30% PC-70% PR 5,109 191,843 33,732 0,00058
ESTADO_8 20% PC-80% PR 4,994 200,286 35,877 0,00057
ESTADO_9 10% PC-90% PR 4,910 210,210 38,105 0,00056
ESTADO_10 100% PR 6,833 310,050 41,709 0,00078
Tabla 5. 6 Resultados de los escenarios simulados Caso 4
0 500 1000 1500 2000 2500 30006
6.5
7
7.5
8
8.5
9
9.5
10
10.5
11
Numero de años
Hora
s/a
ño
LOLE Método Secuencial Total caso 4
LOLE0:100PC
LOLE10:100PR
Figura 5. 6 Convergencia del LOLE (Estado 0 y Estado 10) Caso 4
CAPITULO 5: ESCENARIOS Y RESULTADOS
54
Una vez que se disponen los resultados de todos los casos de estudio simulados se
muestran valores aceptables de los índices de fiabilidad con ligeras variaciones entre los
cuatro casos. Por tanto se puede recomendar el método de Monte Carlo no secuencial
como un método sencillo para analizar la fiabilidad de un sistema. Los índices de
fiabilidad entre casos simulados presentan comportamientos similares, a medida que se
incrementa la penetración de potencia renovable en combinación con el aporte de la
interconexión Loja-Cuenca, la mejora de la fiabilidad del sistema es notable.
Por último en las tablas 5.7, 5.9, 5.11 y 5.13 se muestran los resultados obtenidos del
crédito de capacidad (ECPP) para los casos de estudios, como se señaló en la sección 4.7
los estados de cada caso contemplan la intervención de las tecnologías renovables por
separado combinadas con el Sistema Nacional Interconectado (S.N.I.) y con las unidades
térmicas MCI.
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
UNIDADES
MCI
P(MW) UNIDADES P(MW) LOLE
(horas/año)
ECPP
ESTADO_0 10 20,25 0 0 8,104 -
ESTADO_1 3 6,32 HIDRO + EOLICA 18,9 7,753 0,74
ESTADO_2 3 8,74 HIDRO + PV 22,4 7,695 0,51
ESTADO_3 1 1,575 HIDRO+EOLICA+
PV
38,9 7,400 0,48
ESTADO_4 3 6,53 TERMO+HIDRO 52,4 7,729 0,26
ESTADO_5 0 0 RENOVABLES 88,8 4,812 0,23
Tabla 5. 7 Resultados crédito de capacidad. Caso 1
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
E_NETA
(GWh/año)
% MEDIO
E_NETA
E_NETA
(GWh/año)
% MEDIO
E_NETA
ESTADO_0 378,134 100 0 0
ESTADO_1 276,115 78,33 76,387 21,67
ESTADO_2 297,314 76,96 89,002 23,04
ESTADO_3 234,549 61,22 148,570 38,78
ESTADO_4 277,955 58,49 197,275 41,51
ESTADO_5 0 0 329,026 100
Tabla 5. 8 Energía convencional y renovable generada media Caso 1
La tabla 5.7 muestra que aplicando el método no secuencial con los mismos datos de
producción renovable del año 2013 para todas las muestras, las tecnologías eólica-
fotovoltaica (estado_3) permiten reducir 9 de las 10 centrales convencionales MCI
manteniendo la fiabilidad del sistema. La tabla 5.8 muestra los resultados de la energía
generada en el caso base 1 tanto convencional como renovable.
CAPITULO 5: ESCENARIOS Y RESULTADOS
55
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
UNIDADES
MCI
P(MW) UNIDADES P(MW) LOLE
(horas/año)
ECPP
ESTADO_0 10 20,25 0 0 8,051 -
ESTADO_1 3 4,841 HIDRO + EOLICA 18,9 7,653 0,81
ESTADO_2 4 6,796 HIDRO + PV 22,4 7,825 0,6
ESTADO_3 1 1,8 HIDRO+EOLICA
+PV
38,9 7,410 0,47
ESTADO_4 2 5,76 TERMO+HIDRO 52,4 7,742 0,28
ESTADO_5 0 0 RENOVABLES 88,8 5,362 0,23
Tabla 5. 9 Resultados crédito de capacidad. Caso 2
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
E_NETA
(GWh/año)
% MEDIO
E_NETA
E_NETA
(GWh/año)
% MEDIO
E_NETA
ESTADO_0 378,134 100 0 0
ESTADO_1 263,159 77,50 76,387 22,50
ESTADO_2 280,285 75,90 89,002 24,10
ESTADO_3 236,520 61,42 148,570 38,58
ESTADO_4 271,210 57,89 197,275 42,11
ESTADO_5 0 0 329,026 100
Tabla 5. 10 Energía convencional y renovable generada media Caso 2
Como se dijo anteriormente los casos 1 y 2 utilizando el método no secuencial
presentan ligeras variaciones en cuanto a resultados, lo cual se sigue comprobando en los
valores del crédito de capacidad obtenidos. A medida que se incrementa la penetración de
energía renovable en el sistema el ECPP disminuye (ver tablas 5.7, 5.8, 5.9 y 5.10).
Además el número de centrales convencionales utilizadas en los estados 2 y 4 son
diferentes.
Para el caso 3, los resultados obtenidos se muestran en las tablas 5.11 y 5.12, como
se puede observar se cumple lo señalado en los casos anteriores, ECPP es menor a mayor
presencia de energía renovable.
CAPITULO 5: ESCENARIOS Y RESULTADOS
56
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
UNIDADES
MCI
P(MW) UNIDADES P(MW) LOLE
(horas/año)
ECPP
ESTADO_0 10 20,25 0 0 8,046 -
ESTADO_1 3 4,43 HIDRO + EOLICA 18,9 7,375 0,84
ESTADO_2 5 10,12 HIDRO + PV 22,4 7,897 0,45
ESTADO_3 2 3,78 HIDRO+EOLICA+
PV
38,9 7,617 0,42
ESTADO_4 3 7,04 TERMO+HIDRO 52,4 7,726 0,25
ESTADO_5 0 0 RENOVABLES 88,8 6,792 0,23
Tabla 5. 11 Resultados crédito de capacidad. Caso 3
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
E_NETA
(GWh/año)
% MEDIO
E_NETA
E_NETA
(GWh/año)
% MEDIO
E_NETA
ESTADO_0 378,134 100 0 0
ESTADO_1 259,559 77,26 76,387 22,74
ESTADO_2 290,832 76,57 89,002 23,43
ESTADO_3 253,865 63,08 148,570 36,92
ESTADO_4 282,422 58,88 197,275 41,12
ESTADO_5 0 0 329,026 100
Tabla 5. 12 Energía convencional y renovable generada media Caso 3
Los valores del ECPP en los tres casos son muy similares, a pesar que se han tratado
los datos con métodos diferentes. En la tabla 5.11 se puede observar que el estado 2
presenta el mayor número de centrales convencionales MCI requeridas para mantener la
fiabilidad del sistema cuando se utiliza tecnología fotovoltaica de todos los casos
simulados.
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
UNIDADES
MCI
P(MW) UNIDADES P(MW) LOLE
(horas/año)
ECPP
ESTADO_0 10 20,25 0 0 8,222 -
ESTADO_1 2 3,92 HIDRO +
EOLICA
18,9 7,331 0,86
ESTADO_2 4 6,87 HIDRO + PV 22,4 7,910 0,60
ESTADO_3 2 3,38 HIDRO+EOLICA
+PV
38,9 7,627 0,43
ESTADO_4 3 5,92 TERMO+HIDRO 52,4 7,735 0,27
ESTADO_5 0 0 RENOVABLES 88,8 6,833 0,23
Tabla 5. 13 Resultados crédito de capacidad. Caso 4
CAPITULO 5: ESCENARIOS Y RESULTADOS
57
GENERACIÓN
CONVENCIONAL
GENERACIÓN
RENOVABLE
E_NETA
(GWh/año)
% MEDIO
E_NETA
E_NETA
(GWh/año)
% MEDIO
E_NETA
ESTADO_0 378,134 100 0 0
ESTADO_1 255,091 76,96 76,387 23,04
ESTADO_2 280,933 75,94 89,002 24,06
ESTADO_3 250,361 62,76 148,570 37,24
ESTADO_4 272,611 58,02 197,275 41,98
ESTADO_5 0 0 329,026 100
Tabla 5. 14 Energía convencional y renovable generada media Caso 4
Por último en las tablas 5.13 y 5.14 se presentan los resultados del caso 4, al comparar
todos los valores resultantes de los cuatro casos se puede notar una vez más su similitud,
por tanto se puede realizar un análisis de la fiabilidad de un sistema a través de cualquiera
de los métodos utilizados en el presente proyecto, resaltando que el método no secuencial
es más sencillo que el método secuencial, sin embargo cabe resaltar que es muy
importante contar con una serie histórica de datos mas larga tanto de producción
renovable como de demanda eléctrica.
Las figuras 5.7 y 5.8 muestran la evolución del crédito de capacidad (ECPP) de los
casos de estudio, a medida que se aumenta energía renovable en el sistema el crédito de
capacidad, ECPP disminuye, esto coincide con los resultados mostrados en la figura 4.6.
Figura 5. 7 Evolución del crédito de capacidad, ECPP, a medida que aumenta la
penetración de energía renovable en el sistema eléctrico
CAPITULO 5: ESCENARIOS Y RESULTADOS
58
Figura 5. 8 Evolución del crédito de capacidad, ECPP, con el aumento de potencia
renovable
Los resultados muestran que si es posible aumentar la penetración de potencia de
carácter renovable en el sistema y reducir las centrales convencionales y seguir
manteniendo la fiabilidad del sistema.
CAPITULO 6: ANÁLISIS DE RESULTADOS Y CONCLUSIONES
Capítulo 6
Análisis de los resultados y
conclusiones
A continuación se incluyen el análisis de los resultados obtenidos en el presente
proyecto y las respectivas conclusiones que se pueden extraer:
En este proyecto, se ha realizado un estudio sobre la introducción de energías
renovables en el sistema eléctrico que abastece a la provincia de Loja en
Ecuador por tal motivo se ha requerido de gran cantidad de información,
principalmente de los datos de recurso renovable solar y eólico, demanda
eléctrica, características y factores de fallo de las centrales convencionales y
renovables de la zona.
Una de las etapas más difíciles del presente estudio ha sido la recolección de
los datos de las mediciones de recurso eólico y solar y demanda eléctrica de la
zona de Loja, gracias al apoyo y ayuda eficaz del INAMHI, CELEC EP
GENSUR, EERSSA y CIEMAT la realización del proyecto ha logrado salir
adelante, y con una culminación eficaz y correcta.
Fue necesario la utilización de herramientas computacionales para la
simulación de los datos de producción renovable, lo cual permitió obtener
resultados de manera eficiente y correcta, sin embargo se debe resaltar la
CAPITULO 6: ANÁLISIS DE RESULTADOS Y CONCLUSIONES
60
importancia de tener acceso a información de entrada numerosa y de buena
calidad, además de su respectivo tratamiento.
Las centrales eólica y fotovoltaica son basadas en proyectos reales que
actualmente se desarrollan en la provincia de Loja, mientras que la central
termosolar podría desarollarse en el futuro ya que actualmente solo existen
estudios preliminares de este tipo de tecnología en el territorio nacional, sin
embargo con el presente trabajo se demuestra que existe suficiente recurso
renovable para generar energía limpia y eficiente en beneficio de la población
lojana.
Las simulaciones de las producciones eólica-fotovoltaica muestran que la
producción eólica es mayor con respecto a la producción fotovoltaica (ver
figura 3.16) debido al dominio del recurso eólico sobre el solar en la provincia
de Loja, con esto se resalta y comprueba la presencia de recurso eólico tal
como lo muestra el Atlas Eólico del Ecuador (figura I.6). Por tanto este
potencial puede ser aprovechado para la producción de energía renovable en el
sur del país.
La simulación de la producción termosolar muestra que una central de este tipo
sería de gran ayuda para abastecer la demanda de la provincia de Loja,
contribuyendo al cambio de la matriz energética en el Ecuador. Además sería
muy interesante la implementación de este tipo de tecnología ya que
actualmente no se dispone ninguna en el territorio nacional ecuatoriano.
El análisis de la fiabilidad del sistema eléctrico que abastece a la provincia de
Loja en Ecuador con la penetración de potencia de carácter renovable muestra
resultados con ligeras variaciones entre los casos de estudio realizados (ver
tabla 5.2). Por tal motivo se puede concluir que con un análisis sencillo como
el método de Monte Carlo no secuencial se puede obtener resultados confiables
y útiles al momento de analizar la fiabilidad de un sistema.
El resultado del estado de partida en todos los casos estudiados, es decir la
utilización de un sistema completamente convencional indica unos índices de
fiabilidad que pueden ser mejorados con la introducción de potencia de
carácter renovable y el aporte del Sistema Nacional Interconectado (S.N.I.)
(tabla 5.2, cambio de estado 0 a estado 10).
A medida que se incrementa la penetración de potencia renovable en el
sistema, manteniendo el aporte de la interconexión Loja-Cuenca, el índice
LOLE (pérdida de carga esperada) se reduce, es decir el sistema se vuelve más
fiable (tabla 5.2 cambio de estado 0 a estado 10). Sin embargo cabe notar que
al utilizar completamente la potencia renovable en todos los casos de estudio,
el LOLE experimenta un salto (ver tabla 5.2, cambio estado 9 a estado 10)
debido a que las tecnologías intermitentes no son suficientes para satisfacer la
demanda eléctrica especialmente en las horas punta y siempre será necesario el
apoyo de potencia convencional. Sin embargo a pesar de este incremento del
LOLE la fiabilidad del sistema se mantiene.
CAPITULO 6: ANÁLISIS DE RESULTADOS Y CONCLUSIONES
61
El índice LOEE (pérdida de energía esperada) obtenido en el presente proyecto
se reduce con una baja penetración de tecnologías renovables (tablas 5.3, 5.4,
5.5 y 5.6, cambio de estado 0 a estado 3) mientras que a medida que se hace
notable dicha penetración y se reducen las centrales convencionales el LOEE
se incrementa, lo que significa que la severidad del fallo esperado es mayor
(tablas 5.3, 5.4, 5.5 y 5.6, cambio de estado 3 a estado 10).
La probabilidad de pérdida de carga o LOLP, observada disminuye a medida
que se incrementa la penetración de las energías renovables en el sistema y se
reducen las centrales convencionales, lo que significa que la integración de
tecnología renovable al sistema, permite una gran posibilidad de mantener
cubierta la demanda en un periodo dado (tablas 5.3, 5.4, 5.5 y 5.6). El
incremento observado en el LOLP es mayor en el caso de un sistema
completamente renovable (estado 10 de todos los casos de estudio).
La demanda esperada no suministrada o EDNS sigue el mismo proceso que el
índice LOEE, es decir se reduce con una baja penetración de tecnologías
renovables (tablas 5.3, 5.4, 5.5 y 5.6, cambio de estado 0 a estado 3) mientras
que a medida que se hace notable dicha penetración y se reducen las centrales
convencionales la EDNS empieza a incrementarse.
El índice LOLE en todos los casos de estudio tarda menos tiempo en cumplir el
criterio de convergencia que el índice LOEE tal cual se indica en [14] (ver
figuras 5.1 y 5.3).
Al analizar la penetración de las centrales renovables por separado, se puede
notar que los resultados de los casos de estudio no presentan diferencias
significativas (tablas 5.7 a 5.14), además cabe resaltar que los cuatro casos
coinciden en que las tecnologías que permiten mantener la fiabilidad del
sistema con una notable reducción de las centrales convencionales son la
eólica-fotovoltaica en combinación con las unidades hidráulicas y la
interconexión Loja-Cuenca.
El crédito de capacidad, ECPP, disminuye a medida que aumenta la energía
renovable en el sistema y se reducen las centrales convencionales (tablas 5.7 a
5.14 y figura 5.7). Por tanto los resultados coinciden con los estudios
realizados en [18] y [19], mostrando que es posible la reducción de centrales
térmicas MCI y mantener la fiabilidad del sistema.
Después de los resultados obtenidos se recomienda realizar un análisis de
penetración de energías renovables en los peores casos que es donde existe
mayor probabilidad de fallo del sistema, es decir, cual es el porcentaje de
energía renovable disponible en los picos de demanda, debido a que estas
tecnologías presentan un carácter intermitente a lo largo de un periodo.
La introducción de potencia renovable y el aporte del Sistema Nacional
Interconectado (S.N.I.) en el sistema indican una mejora de los índices de
fiabilidad y la posibilidad de reducir la utilización de las unidades térmicas de
la zona, lo cual es fundamental para el cambio de la matriz energética en el
CAPITULO 6: ANÁLISIS DE RESULTADOS Y CONCLUSIONES
62
Ecuador. La combinación de la interconexión Cuenca-Loja con las tecnologías
renovables hidráulica, eólica, fotovoltaica y termosolar no solo mejoran la
fiabilidad del sistema sino que también permiten disponer de potencia que
puede ser utilizada para satisfacer la demanda de otros sectores del país.
GLOSARIO
Glosario
CDF
CELEC
Distribución de frecuencia acumulada
Corporación Eléctrica del Ecuador
CENACE Centro Nacional de Control y Energía
CIEMAT Centro de Investigaciones Energéticas, Medioambientales
y Tecnológicas
CONELEC
CSP
DNI
Consejo Nacional de Electricidad
Concentración Solar Termoeléctrica
Radiación normal directa
DNS
EDNS
EERSSA
GHI
HOMER
Demanda no suministrada
Demanda esperada no suministrada
Empresa Eléctrica Regional del Sur S.A
Radiación global horizontal
Modelo de optimización para sistemas híbridos eléctricos
con base en energías renovables
INAMHI
INER
Instituto Nacional de Meteorología e Hidrología
Instituto Nacional de Eficiencia Energética y Energías
Renovables
LOEE
LOEP
LOLE
LOLP
Pérdida de energía esperada
Probabilidad de pérdida de energía
Pérdida de carga esperada
Probabilidad de pérdida de carga
MEER Ministerio de Electricidad y Energía Renovable
NREL Laboratorio Nacional de Energía Renovable
SAM Modelo asesor solar
SNI Sistema Nacional Interconectado
REFERENCIAS
Referencias
[1] Billinton, R. and Allan, R N., "Reliability Evaluation of Power Systems", 2nd
Edition, Plenum Publishing, New York and London, 1996.
[2] Billinton, R. y Bagen, “Reliability considerations in the utilization of wind
energy, solar energy and energy storage in electric power systems”, 9th International
Conference on Probabilistic Methods Applied to Power Systems KTH, Stockholm,
Sweden – Junio 11-15, 2006.
[3] Endrenyi, J. y John Wiley, “Reliability Modeling in Electric Power Systems”,
Toronto, 1978.
[4] Billinton, R. y Li, W., “Reliability Assesment of Electrical Power Systems Using
Monte Carlo Methods”, Plenum Press, New York, 1994.
[5] Imbarack, F., “Elaboración de una Herramienta Computacional para la
Evaluación de la Confiabilidad de Sistemas de Transmisión Eléctricos”, Pontificia
Universidad Catolica de Chile, Santiago de Chile, 2006.
[6] Li, Y., “Bulk System Reliability Evaluation in a Deregulated Power Industry”,
Tesis de Posgrado, University of Saskatchewan, Saskatchewan, Canada, 2003.
[7] Grigg, C; Wong, P. et al., “The IEEE reliability test system 1996”, IEEE, Agosto,
1999.
[8] Programa de las Naciones Unidas para el Medio Ambiente PNUMA,
“Perspectivas del Medio Ambiente Urbano GEO Loja”, Loja-Ecuador, 2007.
[9] Fraunhofer Institute for Wind Energy and Energy System Technology IWES,
“Establishing a common Database for Turbines Failures”, 17 Noviembre, 2011.
[10] Amir Ghaedi y Ali Abbaspour, “Reliability evaluation of a composite power
system containing wind and solar generation”, Langwaki; Malaysia, 2013.
[11] Maldonado O. Miguel y Pachari P. José, “Cálculo y análisis de índices de
confiabilidad del sistema de generación del sistema nacional interconectado” Tesis
de Pregrado, Universidad de Cuenca, Cuenca-Ecuador, 2011.
[12] Empresa Eléctrica Regional del Sur S.A. – Gerencia de Gestión Ambiental,
“Informe Auditoria EERSSA 2013”, Loja, 2014.
REFERENCIAS
65
[13] Usaola García, J., et al., “PV system model reduction for reliability assessment
studies”. 2013 4th IEEES Innovative Smart Grid Technologies Europe (ISGT
Europe), October 6-9, Copenhagen.
[14] Casado Rodriguez, A. y Usaola García, J., “Fiabilidad de un sistema eléctrico
con energía eólica. Crédito de capacidad”. Proyecto fin de carrera, Universidad
Carlos III, Madrid, 2012.
[15] Domínguez Gutierrez, A. y Usaola García, J., “Contribución de la energía solar
fotovoltaica a la fiabilidad del sistema eléctrico”. Proyecto fin de grado, Universidad
Carlos III, Madrid, 2014.
[16] Ibrahim Helal; Abu el Wafa; y Gamal Haggag, “Monte Carlo simulation in
generating capacity adequacy assessment. State sampling technique”, Ains Shams
University, Egypt, 11th international middle east power systems conference, 2006.
[17] Usaola García, J., “Fiabilidad de sistemas eléctricos con energías renovables”,
Material académico Integración de energías renovables en la red eléctrica,
transparencias Universidad Carlos III, Madrid, 17 enero 2014.
[18] Lorca Martínez, J., “Fiabilidad de la generación eléctrica con energías
renovables en la isla de Gran Canaria” Trabajo Fin de Máster, Universidad Carlos
III, Madrid, 2014.
[19] UK Energy Research Centre: “The Costs and Impacts of Intermittency: An
assessment of the evidence on the costs and impacts of intermittent generation on the
British electricity network”, Imperial College, Londres, 2006.
ANEXO I
67
Figura I. 1 Pendiente del Terreno “ATLAS EÓLICO DEL ECUADOR”
Fuente: Ministerio de Electricidad y Energía Renovable
ANEXO I
69
Figura I. 2 Velocidad Media Mensual del Viento a 80 m de Altura sobre el Suelo
Enero – Junio
ANEXO I
70
Figura I. 3 Velocidad Media Mensual del Viento a 80 m de altura sobre el suelo
Julio - Diciembre
ANEXO I
71
Figura I. 4 Velocidad Media Anual del Viento a 80 m de Altura sobre el Suelo zona sur
del Ecuador
ANEXO II
75
Figura II. 1 Insolación Difusa Promedio “ATLAS SOLAR DEL ECUADOR”
Fuente: Ministerio de Electricidad y Energía Renovable
ANEXO III
79
Figura III. 1 Diagrama unifilar Sistema Nacional Interconectado
Fuente: Centro Nacional de Control y Energía CENACE
ANEXO IV
81
0 500 1000 1500 2000 2500 30003
4
5
6
7
8
9
10
Numero de años
Hora
s/a
ño
LOLE Método no secuencial caso base 1
LOLE0:100PC
LOLE1:90PC-10PR
LOLE2:80PC-20PR
LOLE3:70PC-30PR
LOLE4:60PC-40PR
LOLE5:50PC-50PR
LOLE6:40PC-60PR
LOLE7:30PC-70PR
LOLE8:20PC-80PR
LOLE9:10PC-90PR
LOLE10:100PR
Figura IV. 1 Convergencia del LOLE por método Monte Carlo no secuencial
0 500 1000 1500 2000 2500 30000
2
4
6
8
10
12
14
16
Numero de años
Err
or
en P
orc
enta
je
Error del LOLE
Error0
Error1
Error2
Error3
Error4
Error5
Error6
Error7
Error8
Error9
Error10
Figura IV. 2 Evolución del error del LOLE
ANEXO IV
82
0 500 1000 1500 2000 2500 300050
100
150
200
250
300
350
Numero de años
MW
h/a
ño
LOEE Método no secuencial caso base 1
LOEE0:100PC
LOEE1:90PC-10PR
LOEE2:80PC-20PR
LOEE3:70PC-30PR
LOEE4:60PC-40PR
LOEE5:50PC-50PR
LOEE6:40PC-60PR
LOEE7:30PC-70PR
LOEE8:20PC-80PR
LOEE9:10PC-90PR
LOEE10:100PR
Figura IV. 3 Convergencia del LOEE por método Monte Carlo no secuencial
0 500 1000 1500 2000 2500 30003
4
5
6
7
8
9
10
11
12
13x 10
-4
Numero de años
LO
LP
LOLP Método no secuencial caso base 1
LOLP0:100PC
LOLP1:90PC-10PR
LOLP2:80PC-20PR
LOLP3:70PC-30PR
LOLP4:60PC-40PR
LOLP5:50PC-50PR
LOLP6:40PC-60PR
LOLP7:30PC-70PR
LOLP8:20PC-80PR
LOLP9:10PC-90PR
LOLP10:100PR
Figura IV. 4 Convergencia del LOLP por método Monte Carlo no secuencial
ANEXO IV
83
0 500 1000 1500 2000 2500 300015
20
25
30
35
40
45
50
55
Numero de años
MW
EDNS Método no secuencial caso base 1
EDNS0:100PC
EDNS1:90PC-10PR
EDNS2:80C-20PR
EDNS3:70PC-30PR
EDNS4:60PC-40PR
EDNS5:50PC-50PR
EDNS6:40PC-60PR
EDNS7:30PC-70PR
EDNS8:20PC-80PR
EDNS9:10PC-90PR
EDNS10:100PR
Figura IV. 5 Convergencia del EDNS por método Monte Carlo no secuencial