Sistemas de transmisión con alta penetración de energía ...

Sistemas de transmisión con alta penetraciónde energía eólica: Evaluación de seguridad

Universidad de Los Andes

Por

SERGIO ALEJANDRO PEÑA GRANADOS

Departamento de Ingeniería Eléctrica y ElectrónicaFACULTAD DE INGENIERÍA

Tesis presentada a la Universidad de Los Andes encumplimiento de los requisitos para optar por el título

de Magíster en Ingeniería Eléctrica

OCTUBRE 2018

Sistemas de transmisión con alta penetraciónde energía eólica: Evaluación de seguridad

Presentado por

Sergio Alejandro Peña GranadosCódigo: 200815215

Modalidad de grado “TESIS”

en cumplimiento de los requisitos para optar por el título de Magísteren Ingeniería Eléctrica

Directores

Mario Alberto Ríos Itziar Zubia OlaskoagaMSc. Ph.D MSc. Ph.D

Director Director Externo

Universidad de Los AndesFacultad de Ingeniería

Departamento de Ingeniería Eléctrica y ElectrónicaBogotá D.C., Colombia

Octubre, 2018

ÍNDICE GENERAL

Página

Índice de figuras III

Índice de tablas V

1 Introducción 11.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Justificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3.2. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.4. Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.5. Estructura del trabajo de maestría . . . . . . . . . . . . . . . . . . . . . 5

2 Revisión Bibliográfica 72.1. Impacto en seguridad de la generación renovable a gran escala . . . . 72.2. Normatividad de operación de Parques Eólicos . . . . . . . . . . . . . . 112.3. Modelo Manchester: Fenómenos dependientes en el tiempo y condi-

ciones ambientales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3 Parques Eólicos en Evaluación de Seguridad del Sistema de Potencia 193.1. Confiabilidad de un sistema . . . . . . . . . . . . . . . . . . . . . . . . . 19

3.1.1. Modelo general del componente . . . . . . . . . . . . . . . . . . 203.1.2. Confiabilidad en generación . . . . . . . . . . . . . . . . . . . . 203.1.3. Confiabilidad en transmisión . . . . . . . . . . . . . . . . . . . . 213.1.4. Modelos de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . 213.1.5. Simulación de Monte Carlo . . . . . . . . . . . . . . . . . . . . . 23

3.2. Metodología de evaluación de la seguridad del sistema de potencia . . 243.2.1. Modelo evaluación de seguridad . . . . . . . . . . . . . . . . . . 243.2.2. Esquema de deslastre automático . . . . . . . . . . . . . . . . . 263.2.3. Confiabilidad en las protecciones y eventos en cascada . . . . 273.2.4. Restauración de la demanda no atendida . . . . . . . . . . . . . 28

3.3. Sistema colector equivalentes granjas eólicas . . . . . . . . . . . . . . . 293.4. Algoritmo Evaluación de seguridad . . . . . . . . . . . . . . . . . . . . . 33

I

Índice general

3.4.1. Algoritmo externo . . . . . . . . . . . . . . . . . . . . . . . . . . 363.4.2. Algoritmo interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4 Caso de estudio 424.1. Caso de estudio base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

4.1.1. Estructura del Sistema de Potencia . . . . . . . . . . . . . . . . 424.2. Descripción de Escenarios . . . . . . . . . . . . . . . . . . . . . . . . . . 44

5 Resultados 495.1. Resultados caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 495.2. Resultados de casos con generación eólica . . . . . . . . . . . . . . . . 50

6 Conclusiones y trabajos futuros 58

Bibliografía 60

II

ÍNDICE DE FIGURAS

FIGURA Página

1.1. Capacidad instalada de generación eólica a nivel mundial . . . . . . . . . 21.2. Ubicación de proyectos de generación no convencional en Colombia . . 3

2.1. Aumento de las reservas de generación dado la penetración de energíaeólica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.2. Diagrama de flujo del cálculo de seguridad del sistema de potencia me-diante coeficientes TSA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.3. Comparación de curvas LVRT países . . . . . . . . . . . . . . . . . . . . . . 132.4. Característica LVRT de XM . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.5. Aporte de corriente reactiva parque eólico . . . . . . . . . . . . . . . . . . . 152.6. Clasificación del riesgo de contingencias en cascada . . . . . . . . . . . . . 162.7. Modelo eventos en cascada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.1. Modelo de dos estado de Markov . . . . . . . . . . . . . . . . . . . . . . . . 213.2. Modelo del interruptor con falla oculta . . . . . . . . . . . . . . . . . . . . . 223.3. Secuencia de las simulaciones del modelo de fenómenos dependientes

en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253.4. Simulacioón de Monte Carlo en el calculo del valor de seguridad del sis-

tema de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263.5. Regiones de vulnerabilidad para una falla en la linea A-B . . . . . . . . . . 283.6. Curvas de restauración de la demanda no atendida . . . . . . . . . . . . . 293.7. Configuración serie de un parque eólico . . . . . . . . . . . . . . . . . . . . 303.8. Modelo completo de la topología del parque eólico utilizado . . . . . . . . 313.9. Modelo equivalente del parque eólico utilizado . . . . . . . . . . . . . . . . 323.10. Curva de demanda contra capacidad de generación . . . . . . . . . . . . . 333.11. Curva de demanda máxima horaria del sistema IEEE de 24 nodos . . . . . 343.12. Algoritmo evaluación de seguridad con generación eólica . . . . . . . . . 353.13. Subrutina salidas transitorias de líneas y fallas ocultas de interruptores

de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373.14. Subrutina análisis de cargabilidad y deslastre de carga . . . . . . . . . . . . 383.15. Subrutina repuesta aerogeneradores ante huecos de tensión . . . . . . . . 393.16. Modificación de parámetros de genración de los aerogeneradores . . . . . 40

III

Índice de figuras

4.1. Sistema de potencia IEEE 24 nodos utilizado como caso de estudio . . . . 434.2. Sistema de potencia IEEE 24 nodos modificado incluyendo generación

eólica (vista ampliada) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454.3. Curva de generación de potencia aerogenerador . . . . . . . . . . . . . . . 464.4. Funciones de densidad de probabilidad Weibull mensual . . . . . . . . . . 47

5.1. Resultado caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 505.2. Resultado con 10% de penetración de generación eólica . . . . . . . . . . 515.3. Frecuencia de velocidades de viento en situaciones de colapso - Caso B . 525.4. Resultado con 20% de penetración de generación eólica . . . . . . . . . . 535.5. Resultado con 30% de penetración de generación eólica . . . . . . . . . . 545.6. Resultado con 40% de penetración de generación eólica . . . . . . . . . . 555.7. Comparación de los resultados de los casos de simulación . . . . . . . . . 56

IV

ÍNDICE DE TABLAS

TABLA Página

3.1. Parámetros eléctricos del modelo equivalente del parque eólico . . . . . . 32

4.1. Parametros de los generadores PV del sistema IEEE 24 nodos . . . . . . . . 444.2. Parámetros de confiabilidad de las máquinas de generación del sistema

IEEE 24 nodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 444.3. Parametros de los Aerogeneradores de la granja eólica . . . . . . . . . . . . 474.4. Cantidad de aerogeneradores por nodo de la granja eólica . . . . . . . . . 48

5.1. Tabla resumen del resultado de los eventos del caso base . . . . . . . . . . 495.2. Tabla resumen del resultado de los eventos del caso B (10% eólica) . . . . 515.3. Tabla resumen del resultado de los eventos del caso C (20% eólica) . . . . 535.4. Tabla resumen del resultado de los eventos del caso D (30% eólica) . . . . 545.5. Tabla resumen del resultado de los eventos del caso D (40% eólica) . . . . 555.6. Tabla resumen de resultados de los casos de simulación . . . . . . . . . . . 57

V

CA

PÍ

TU

LO

1INTRODUCCIÓN

1.1. Planteamiento del problema

La generación eólica ha tenido una penetración y un desarrollo muy diferentede acuerdo con cada país. Un informe estadístico a nivel mundial sobre la capaci-dad instalada en energía eólica en Giga-Vatios se muestra en la Figura 1.1 [1], endonde se mencionan los países con mayor capacidad instalada de generación eólicay de la cual se puede observar un crecimiento promedio anual del 20%, que permiteidentificar cómo año a año la incorporación de energía eólica ha tomado más fuerzaa nivel mundial.

En el contexto colombiano, desde la entrada en vigencia de la ley 1715 de 2014,que promueve la integración de generación renovable no convencional, ha provo-cado un aumento significativo en las solicitudes de conexión de este tipo de tecno-logías, esperando conectar para el año 2023 como mínimo 1,45 GW de generacióneólica, las cuales cuentan con concepto aprobado de conexión de la entidad de pla-neación energética de Colombia (UPME) [2]. Adicionalmente, esta entidad esperaque se incremente significativamente esta cifra dado que se han registrado 10 GWde solicitudes de conexión de fuentes no síncronas [3].

Sin embargo, esta nueva tendencia de generación eléctrica no solo trae bene-ficios ambientales y disponibilidad ilimitada del recurso, sino también retos en elplaneamiento y en la operación de los sistemas de potencia [4], dado que el recursoprimario de este tipo de generación es intermitente y puede traer consigo impactosen la estabilidad y seguridad del sistema eléctrico.

1.1. Planteamiento del problema

Figura 1.1. Capacidad instalada de generación eólica a nivel mundial. [1]

Por otra parte, los proyectos de generación eólica se concentran en ciertos pun-tos donde el recurso primario es abundante, generando para el sistema una situa-ción adicional, dado que el recurso primario de este tipo de instalaciones se encuen-tra correlacionado por la ubicación de los generadores, ocasionando que en el mo-mento donde haya poca disponibilidad de viento, no solo se reduzca la generaciónde un parque eólico sino la de todos los parques eólicos que se encuentren en la zo-na. Esto, sumado a la probabilidad de que se pueda generar un evento desencade-nante como un corto circuito en una línea de transmisión, originando desviacionesde tensión o frecuencia, ocasionando un fenómeno en cascada [5].

En este sentido, se busca incorporar el efecto correlacionado de la fuente prima-ria de la generación de los parques eólicos (viento), teniendo en cuenta una alta pe-netración de este tipo de tecnologías y el impacto de la operación de las proteccionesde los parques ante huecos de tensión. Lo anterior, evaluándolo mediante el modelode Manchester que busca estudiar la seguridad del sistema de potencia modelandofenómenos dependientes en el tiempo [6], [7], utilizando un modelo probabilísticopor medio de simulaciones de Montecarlo de cada una de las variables que entranen el modelo para determinar la seguridad del sistema de potencia.

2

1.2. Justificación

1.2. Justificación

Actualmente los gobiernos a nivel mundial han desarrollado e implementadonuevas políticas para mitigar los efectos del cambio climático, lo que ha ocasionadoque en el planeamiento de expansión en generación se modifique a mediano y largoplazo, causando un efecto en la matriz energética.

En el caso concreto de Colombia, desde el 2014 se han impulsado leyes y de-cretos [8],[9],[10] que han incentivado la conexión de fuentes no convencionales deenergía como la eólica y la solar. Lo anterior, ha generado que la mayoría de proyec-tos eólicos se concentran en una misma área, como se ve en la Figura 1.2.

Figura 1.2. Ubicación de proyectos de generación no convencional en Colombia [2].

Esta situación que se dará en el sistema de potencia colombiano a causa de lageneración eólica es necesario analizarla en detalle para determinar que impactosse pueden generar, dado que es una fuente de generación que depende del viento,el cual tiene una naturaleza intermitente y que tendrá un impacto en los proyectosde este tipo de tecnología que se encuentren en la misma área geográfica. Lo an-terior sumado a que los sistemas de potencia están expuestos a diferentes eventosque pueden ocasionar deslastres de carga, incluso colapsos del sistema de potencia,teniendo consecuencias significativas en lo económico y social, como sucedido enEstados Unidos y Canadá, donde cerca de cuatrocientas líneas de transmisión y qui-nientas treinta y uno unidades de generación fueron desconectadas dejando a ochoestado de E.E.U.U y dos provincias de Canadá sin servicio de energía eléctrica [11].

3

1.3. Objetivos

Por lo tanto, esta combinación de situaciones puede colocar en riesgo la seguridaddel sistema eléctrico.

Adicionalmente en 2018 se analizó [12] el colapso de un sistema de potencia conalta penetración renovable (eólica y solar), cuyos eventos desencadenantes fueroncondiciones atmosféricas que originaron la salida de una línea de transmisión y se-guidamente la perdida aproximada del 52% de generación eólica, que en ese instan-te se atendía al rededor del 50% de la demanda con este tipo de fuente.

Esto hace pensar que se tiene un impacto negativo con la penetración de fuentesrenovables como la eólica, por lo cual se busca determinar el posible impacto en se-guridad que se puede llegar a tener en un sistema de potencia con alta penetraciónde generación eólica, mediante un modelo que permita tener en cuenta la forma deoperar de los parque eólicos ante perturbaciones como huecos de tensión y la va-riabilidad en la generación y que sirva para que las diferentes entidades comiencena generar posibles planes de acción que mitiguen las consecuencias que se puedenllegar a tener con generación eólica concentrada en una misma área.

1.3. Objetivos

1.3.1. Objetivo general

Evaluar el impacto en seguridad o vulnerabilidad del sistema eléctrico ante fallasy/o contingencias en generación, carga y líneas de transmisión utilizando el métodode Manchester considerando una penetración masiva de generación eólica en unamisma área del sistema de potencia.

1.3.2. Objetivos específicos

Realizar una revisión bibliográfica de impactos en seguridad del sistema depotencia ante la incorporación a gran escala de energía eólica y del modeloManchester y su implementación con generación a gran escala.

Revisar la metodología del modelo Manchester para analizar como los posi-bles eventos estocásticos son analizados e implementados.

Implementar un algoritmo basado en el Modelo Manchester donde se integrefallas en los componentes del sistema de potencia, la aleatoriedad de la fuenteprimaria de los parques eólicos y la respuesta de estos ante perturbaciones.

Simular y analizar un caso de estudio para el análisis del impacto en la seguri-dad ante la incorporación a gran escala de energía eólica, teniendo en cuentael algoritmo basado en el Modelo Manchester.

4

1.4. Metodología

1.4. Metodología

El presente proyecto, tal como se plantea en la sección 1.3 tiene como objetivoprincipal evaluar el impacto en seguridad del sistema eléctrico mediante el modeloManchester considerando la penetración masiva de generación eólica en una mis-ma área del sistema de potencia.

Una vez expuesto el propósito del trabajo, es preciso revisar bibliografía en lacual se consideren trabajos de grado, artículos, y estudios sobre los impactos en se-guridad del sistema eléctrico ante la incorporación a gran escala de generación eó-lica.

Posteriormente se estudiará el modelo Manchester y se identificará la manerade incluir dentro de su algoritmo los eventos aleatorios que se analizan dentro deun evento en cascada del sistema de potencia.

Una vez analizado la metodología del modelo Manchester, se procede a incorpo-rar los fenómenos dependientes en el tiempo que pueden desencadenar un eventoen cascada, el cual servirá de base para incorporar la respuesta ante huecos de ten-sión de los parques eólicos y la variabilidad de la fuente primaria en un algoritmoque se desarrollará con la herramienta MATLAB y PSAT, la cual sirve para realizaranálisis estacionario del sistema eléctrico de potencia.

Con el algoritmo desarrollado, se realizarán simulaciones en PSAT teniendo co-mo base el sistema RTS de 24 nodos de la IEEE [13] y una alta penetración de energíaeólica para determinar el impacto en la seguridad del sistema de potencia.

1.5. Estructura del trabajo de maestría

Este trabajo está constituido por 6 capítulos, los cuales se describen a continua-ción:

Capitulo 1: Se realiza la parte introductoria, la cual expone el planteamientodel problema, se justifica la realización del proyecto y se establecen los objeti-vos.

Capitulo 2: Se presenta la revisión bibliográfica sobre la evaluación de la segu-ridad en sistemas eléctricos teniendo en cuenta la integración de generaciónno convencional como la generación eólica. Adicionalmente se presenta unarevisión de las normativas referentes a la operación del sistema eléctrico depotencia con la integración de energías no convencionales y tabajos o estu-dios donde se haya incorporado el modelo Manchester.

5

1.5. Estructura del trabajo de maestría

Capítulo 3: Se describen los principales conceptos teóricos de confiabilidadempleados en la realización de este trabajo de investigación como confiabili-dad en generación y en líneas de transmisión y adicionalmente la explicacióndel modelo de fenómenos dependientes en el tiempo (Modelo Manchester) ya explicación del algoritmo realizado donde se incorpora la respuesta de losparques eólicos para evaluar el impacto en seguridad.

Capítulo 4: Se explica el caso de estudio base en el cual se desarrollará el análi-sis, se exponen los escenarios de simulación y los supuestos a tener en cuenta.

Capítulo 5: Se presentan los resultados de las simulaciones realizadas teniendoen cuenta los escenarios de simulación planteados en el capítulo 4.

Capítulo 6: Se resumen las conclusiones y las líneas de trabajo futuras.

6

CA

PÍ

TU

LO

2REVISIÓN BIBLIOGRÁFICA

Un sistema de potencia está siempre operando con un margen de seguridad sig-nificativo para asegurar que la red de transmisión es capaz de resistir eventos im-predecibles como la salida de líneas o generadores [6]. Pero desde que la generacióndistribuida ha tomado importancia en la última década por razones ambientales,comerciales y regulatorias [14] se ha visto impactado este margen de seguridad dadoque la forma como se opera el sistema se ha vuelto más dispendioso con las nuevasfuentes no convencionales.

De acuerdo con esto es necesario investigar de qué forma se ha visto impactadoel sistema de transmisión de potencia con la penetración masiva de la generaciónno convencional de energía como la generación eólica.

2.1. Impacto en seguridad de la generación renovablea gran escala

A continuación se presenta una revisión de estudios que se han realizado sobre elimpacto de la penetración masiva de generación renovable y la evaluación del riesgoen seguridad que representa la penetración masiva de generación eólica.

En el 2014 La Red Europea de Gestores de Redes de Transporte de Electricidad(ENTSOE por sus siglas en ingles) [15] realizó un documento en el que se mencionalas implicaciones que ha traído el aumento en la conexión de fuentes de recursosrenovables (RES). Hacen énfasis que ese aumento en la conexión de RES ha contri-buido en una disminución significativa de la seguridad de la operación del sistema

2.1. Impacto en seguridad de la generación renovable a gran escala

de potencia a causa de que muchas de estas fuentes de generación tenían configura-do en los inversores una desconexión ante fluctuaciones de la frecuencia por fueradel rango de 49.5 a 50.5 Hz, pero el rango de desconexión para las unidades de ge-neración convencionales estaba en 47.5 a 51.5 HZ. Lo anterior implica que ante unaperturbación del sistemas estas fuentes de generación con recursos renovables noestuvieran conectadas lo suficiente y empeoraban las condición del sistema, desco-nectando mucha generación al mismo tiempo.

La Unión Europea estableció un diseño básico en sus sistemas de potencia endonde el sistema tenía que reaccionar sin pérdida de generación o carga en el ordende 3000 MW definida por el control de frecuencia, pero esta desconexión de fuentesde recursos renovables supera este límite de diseño.

Por otra parte, La división de energía del Banco Interamericano de Desarrollo(BID) (2014) [16] realizó un análisis del impacto del incremento de la generación deenergía renovable no convencional en los sistemas de Latinoamérica, en donde sepresenta una visión general de cómo ha sido la evolución y de los impactos causadopor estas fuentes de generación no convencional. Uno de los factores que analizan esque la matriz energética de la mayoría de los países de Latinoamérica es con Hidro-electricidad, por lo cual se ha originado un punto de vista donde se dé prioridad a laseguridad del suministro de energía eléctrica mediante otras fuentes que permitanun cambio en la matriz energética actual. Lo anterior implica que este cambio traigaconsigo unos impactos en el sistema de potencia dada la variabilidad de la genera-ción eólica y solar. Como el sistema debe mantener un equilibrio entre la generacióny una demanda que varía con el tiempo, implica que con una alta participación degeneración intermitente se tengan que acomodar los procesos de operación y plani-ficación de la red dado que esto impactaría en todas las decisiones en los horizontestemporales.

Por lo cual el BID propone abordar unos problemas dado la incorporación deenergía intermitente, como: un aumento en la flexibilidad del sistema gestionandola interconexión con áreas vecinas; gestión activa de la demanda; un uso óptimode la capacidad de almacenamiento; y la provisión de reservas de operación. Esteúltimo punto es al que dan mayor relevancia dado que la cantidad de reservas deoperación que necesitan para garantizar una operación segura y eficiente aumentaconforme se incremente la penetración de energías con recurso primario fluctuantecomo la energía eólica. En la figura 2.1 se muestra el aumento de las reservas degeneración debido a la penetración de la energía eólica, en la que mencionan queel requerimiento de reservas está estrechamente relacionado con el aumento en elerror en la predicción del viento a medida que nos alejamos del tiempo real [16].

8


Figura 2.1. Aumento de las reservas de generación dado la penetración de energíaeólica [16].

Desde el análisis del dominio del tiempo, Dan, Hany y Elham (2015) [17] des-criben un modelo desarrollado en el entorno de MATLAB con PSAT en donde im-plementan un algoritmo que evalúa la seguridad del sistema eléctrico dada la pe-netración de energía eólica mediante un análisis de coeficientes de trayectorias desensibilidad (TSA). El algoritmo que plantean se subdivide en dos partes, una en lacual corren el flujo en el dominio del tiempo de donde se generan variables de es-tado, las cuales están relacionadas con los cambios en los parámetros del sistema.La otra parte es el algoritmo para calcular los coeficientes de seguridad (TSA) en elentorno de MATLAB. El flujo propuesto para el cálculo de los coeficientes TSA sonmostrados en la Figura 2.2.

9


Figura 2.2. Diagrama de flujo del cálculo de seguridad del sistema de potencia me-diante coeficientes TSA [17].

Por otra parte se han desarrollado análisis probabilísticos para determinar la se-guridad del sistema de potencia con la inclusión de generación eólica. Estos análisisse centran en la planificación y en la operación de los sistemas de potencia cuandohay una gran generación eólica, como también en enfoques que tengan en cuen-ta la incertidumbre en la predicción del viento y la demanda como lo analizaronNguyen y Negnevistsky en [18] donde realizan una comparación entre un análisisdeterminístico con un análisis probabilístico para evaluar el riesgo en seguridad delsistema de potencia con generación eólica. Ellos determinan el riesgo del sistema depotencia mediante el cálculo de un índice, que bien pueden ser sobrecargas o bajosvoltajes, siguiendo los siguientes pasos:

Desarrollar un caso de estudio base con las condiciones de carga y topología aestudiar.

Seleccionar las contingencias, normalmente creadas por una enumeración deestados.

10

2.2. Normatividad de operación de Parques Eólicos

Seleccionar los parámetros de estudio y los respectivos rangos de condicionesde operación durante el periodo de estudio para identificar los limites opera-cionales.

Definir y evaluar un índice probabilístico que refleje el nivel de seguridad aso-ciado con los parámetros de estudio escogidos. Definir el valor limite del índi-ce para clasificar una operación operativa en aceptable o inaceptable.

identificar las condiciones operativas que tienen el valor del índice igual alnivel limite.

Por otra parte, en [19] desarrollan una evaluación del riesgo en seguridad paraayudar a los operadores de la red o centros de control a tomar las mejores decisio-nes en cuanto a los márgenes de estabilidad de tensión en tiempo real prediciendola información de salida de la generación eólica y tomar las mejores acciones pre-ventivas de control.

Adicionalmente se menciona en [19] que el indicador de riesgo se calcula comose muestra en la ecuación 2.1, en donde K es el total de contingencias, Pr (Xi ) es laprobabilidad de la i th contingencia Xi y Sev (Xi ) es la cuantificación de la contingen-cia Xi .

Ri esg o =K∑

i=1Pr (Xi )xSev (Xi ) [19] (2.1)

Además utilizan el modelo de cadena de Markov que se basa en las variacio-nes de fluctuación de la generación eólica. Este modelo primeramente calcula lasvariaciones de generación eólica en intervalos de tiempo de acuerdo a un registrohistórico en donde se obtiene una distribución de la salida para luego generar unadistribución de generación eólica para cada ciclo de simulación. Este método nosolo lo utilizan para este cálculo sino que adicionalmente calculan Pr (Xi ) con estemétodo.

Mathe y Folly (2017) [20] analizan el impacto en estabilidad de tensión del siste-ma de potencia cuando se conectan grandes granjas eólicas con diferentes tipos detecnologías de generadores eólicos.


Los operadores del sistema eléctrico actualmente han tenido que proponer di-ferentes requisitos para la conexión de generación eólica con el objetivo de que no

11


se afecte la seguridad y confiabilidad del sistema eléctrico ante la penetración masi-va de generación eólica. Los requerimientos varían entre países dado que dependedel nivel de penetración y de la robustez del sistema de potencia. Así mismo, estosreglamentos han contribuido al desarrollo tecnológico de los sistemas de control delos aerogeneradores para cumplir con las normativas [21].

Por lo cual a continuación se hace una recopilación de algunas normativas quese han implementado para afrontar el reto de incorporar este tipo de generación enel sistema eléctrico.

En Estados Unidos mediante La Comisión Reguladora de Energía Federal (FERC)se realizó en el 2005 el procedimiento Interconexión para Energía Eólica [22]por el cual se reglamentó los estándares y requerimientos a parques eólicosde gran tamaño, y a su vez se incluyó en la Normativa de Acuerdos de Interco-nexión de Grandes Generadores. Se establece en el apéndice G de esta normala respuesta ante huecos de tensión, en donde mencionan que el parque eó-lico debe mantenerse en servicio incluso al 15% de la tensión nominal de lalínea y permanecer conectado durante 0.625 segundos, adicionalmente unaoperación constante al 90% de la tensión nominal de la línea.

En España el REE (Operador del sistema de la Red Eléctrica de España) en elProcedimiento de Operación 12.3, establece que las instalaciones de genera-ción eólica deben adoptar las medidas para que ante un cortocircuito que sepresenta en la red y genere una disminución brusca de la tensión se mantengaconectado al sistema por un periodo determinado y se establece el aporte decorriente reactiva de los aerogeneradores de los parques eólicos ante este tipode perturbaciones [23].

Alemania – E.ON Netz GmbH: “Grid Code - High and extra high voltage”, del1 de abril de 2006, el cual es el operador del sistema de transmisión, establecedos limites en los cuales puede operar los generadores conectados a la red de-pendiendo de la clasificación que se establece en la norma y adicionalmenteestablece el soporte de tensión mediante la modificación de los parámetros degeneración de potencia reactiva ante fallas en la red [24].

En China en 2005 se estableció por medio del Instituto de Investigación deEnergía Eléctrica de China la Normativa técnica para conectar parques eóli-cos al sistema de energía (GB/Z 19963-2005). En 2011, La Administración Na-cional de Energía emitió el estándar Reglamento Técnico de Interconexión deEnergía Eólica por el cual se especificaron los requerimientos técnicos de co-nexión de grandes parques eólicos que se conecten a un nivel de tensión de 66kV o mayor y capacidad superior del parque eólico de 200 MW. Con respectoa la curva de respuesta ante huecos de tensión se reglamenta que el parque

12


debe mantenerse conectado por 625 ms para huecos de tensión de 0,2 p.u. ydurante 2 segundos para huecos de 0,9 p.u [25].

A continuación se muestra las gráficas de los tiempos de respuesta ante huecosde tensión que han establecido en diferentes códigos de red:

Figura 2.3. Comparación de curvas LVRT países. [Autor]

Para el caso Colombiano actualmente no existe una regulación o procedimien-to especifico que regule la forma de operar ante huecos de tensión de los parquesde generación eólica, pero el Centro Nacional de Despacho (CND) encargada de darsoporte en lo relacionado con la información operativa y demás análisis que se re-quieran para una operación confiable, segura y económica del SIN, realizó un estu-dio de seguridad de fuentes de energía renovable no convencionales [26] en dondese realizan simulaciones dinámicas y se verifica que las tensiones en las barras delSIN ante diferentes eventos no sobrepase la característica propuesta de Low VoltageRide Through (LVRT), la cual se muestra en la Figura 2.4.

13


Figura 2.4. Característica LVRT de XM.

Los tiempos de actuación de la protección principal para los análisis fue de 150ms y la protección de respaldo de 500 ms.

Adicionalmente los códigos de red también establecen un soporte de corrientereactiva por parte de los parques eólicos de acuerdo con la caída de tensión, con elobjetivo de dar soporte de tensión al área donde se encuentra conectada la gene-ración eólica. En los instantes donde se esté dado soporte de corriente reactiva, lapotencia activa generada por el parque eólico puede disminuir. En la Figura 2.5 semuestra cómo se debe modificar los parámetros de generación de corriente reactivacon base en la caída de tensión.

14

2.3. Modelo Manchester: Fenómenos dependientes en el tiempo y condicionesambientales

Figura 2.5. Aporte de corriente reactiva parque eólico [21].

Con respecto al tema de respuesta ante huecos de tensión por parte del parqueeólico, se han realizado estudios del comportamiento de los parques eólicos anteestas curvas de operación dispuestas en los códigos de red. Entre estos estudios seencuentra la tesis doctoral de Andrés Obando [27] en donde se analiza el compor-tamiento de la curva de respuesta de hueco de tensión de aerogeneradores de velo-cidad fija basados en generadores de inducción, debido a que los países de mayordesarrollo de generación eólica comenzaron de forma temprana en este tipo de tec-nológica por lo cual hay un número importante de este tipo de generadores.

También Ignacio Alfonso en [28] analiza la respuesta de un parque eólico anteun hueco de tensión y cómo este repercute en la operación del sistema, cuantifi-cando el riesgo de una desconexión masiva de los mismos mediante un análisis deestabilidad transitoria.

2.3. Modelo Manchester: Fenómenos dependientes enel tiempo y condiciones ambientales

El modelo Manchester, nombre que fue dado por [29], fue desarrollado en [6],[7] y [30] en donde evalúan la seguridad del sistema de potencia simulando fenóme-nos dependientes en el tiempo, en donde se emplea simulaciones de Monte Carlo.

15


Este modelo realiza simulaciones por instantes de tiempo en donde se pueden pro-ducir salidas aleatorias de los elementos del sistema de potencia bajo unas tasas defalla de cada elemento y no considera los eventos transitorios. Otro punto importan-te son las acciones que se pueden llegar a tomar en cada uno de esos instantes detiempo, como deslastres de carga, funcionamiento incorrecto de las protecciones,que permiten que la evaluación de seguridad tenga unos resultados acordes con loque podría pasar en un sistema de potencia real.

Este tipo de análisis probabilístico ha tomado mucha importancia con respectoal análisis determinista de la seguridad del sistema de potencia dado que tiene lasposibles incertidumbres de carga, generación y topologías del sistema.

Uno de los estudios recientes que utilizo el modelo Manchester fue, Jhon Alejan-dro en [31], en donde define una metodología para cuantificar el riesgo de contin-gencias en cascada en un sistema de potencia ante eventos indeseados. Esta cuan-tificación del riesgo la hace en función de la magnitud del evento en términos depotencia dejada de atender (MW) y duración de la indisponibilidad (Horas). Los re-sultados fueron clasificados dentro de los límites establecidos en una curva de riesgobasada en estudios reales y criterios de experto, como se ve en la figura 2.6. Esta cur-va se subdivide en cinco regiones que determinan la severidad del evento de acuerdoa la demanda dejada de atender y al tiempo que duro el evento. Estos límites utili-zados por Jhon Alejandro fueron basados en el reporte realizado por el ConsuladoNórdico sobre la vulnerabilidad del sistema de potencia Nórdico [32].

Figura 2.6. Clasificación del riesgo de contingencias en cascada [31].

16


La metodología presentada por Jhon Alejandro en [31] tiene en cuenta operaciónindeseada de las protecciones, deslastre de carga, fallas ocultas y sobrecargas. En laFigura 2.7 se representa el modelo utilizado para simular los eventos en cascada.

Figura 2.7. Modelo eventos en cascada [31].

Por otra parte, Elkín Cantor en [33] desarrolla una metodología basada en el mo-

17


delo Manchester donde evalúa cómo la generación distribuida interviene en la mi-tigación de los impactos de eventos en cascada. El resultado de esta evaluación lorealiza comparando la energía sin suministrar (EENS) con y sin generación distri-buida. Adicionalmente, menciona que tener generación distribuida (GD) a pequeñaescala, no tendrá impacto en la mejora de la estabilidad del sistema de transmisión,pero si en la masificación de dicha generación.

Esta evaluación de la mejora de los impactos de fallos en cascada se realiza te-niendo en cuenta la incertidumbre en la operación de la GD por medio de simula-ciones de Montecarlo. Como resultado se obtiene que, al introducir GD, se reducela probabilidad de un evento por sobrecarga en las líneas de transmisión, dado queparte de la carga se alimenta localmente por la GD.

18

CA

PÍ

TU

LO

3PARQUES EÓLICOS EN EVALUACIÓN DE

SEGURIDAD DEL SISTEMA DE POTENCIA

Dado que el modelo a implementar en el desarrollo de la evaluación de la se-guridad ante penetración masiva de generación eólica concentrada en un punto esbasado en evaluación estocástica, es necesario abordar algunos conceptos. Por otraparte, hay que mencionar que la exactitud de la predicción de los modelos esto-cásticos depende de la información del sistema de potencia y de la información deconfiabilidad de los componentes.

3.1. Confiabilidad de un sistema

La confiabilidad se define como la probabilidad de un componente, dispositi-vo o sistema de realizar su función adecuadamente durante el periodo de tiempodeseado. Se puede definir en función del tiempo de acuerdo con la ecuación 3.1,donde R(t ) es la confiabilidad o probabilidad de sobrevivir y F (T ) es la función dedistribución de vida o distribución de tiempo de falla, la cual es una representaciónmatemática del tiempo de vida de un componente o sistema.

R(t ) = 1−F (t ) (3.1)

Si se considera una tasa de falla constante en el tiempo se puede expresar la con-fiabilidad del sistema de acuerdo con la ecuación 3.2.


R(t ) = eλt (3.2)

3.1.1. Modelo general del componente

Normalmente para describir el comportamiento de un componente se utilizandos valores, la tasa de falla y el tiempo esperado de reparación. La primera modela laprobabilidad promedio de que el componente falle en el siguiente periodo de tiem-po y el tiempo esperado de reparación es el tiempo que tarda el componente paraestar nuevamente en el estado normal de operación [34].

En la mayoría de estudios de confiabilidad se modelan estas tasas con una fun-ción de distribución exponencial (ver ecuación 3.3).

F (t ) = 1−eλt (3.3)

3.1.2. Confiabilidad en generación

La capacidad de generación de un sistema de potencia es importante por lo cualse debe tener una adecuada reserva en generación que permita que los usuarios fi-nales no noten ausencias del servicio. Se identifican dos parámetros a la hora de rea-lizar un análisis de confiabilidad en generación: la demanda pico anual y los mante-nimientos preventivos.

Dado que proyectos de generación tardan en construirse varios años se debe ga-rantizar que la capacidad de generación en el sistema de potencia excede la deman-da pico, por lo cual los análisis de planeamiento deben considerar con anterioridady de manera importante la planeación a largo plazo de los recursos disponibles [34].

Con respecto al mantenimiento de las unidades de generación, se identifican dostérminos: indisponibilidad por temas de mantenimiento preventivo que garantizanla disponibilidad de la máquina y el segundo es la indisponibilidad por salidas forza-das. El primer tipo de indisponibilidad puede exceder el tiempo en que la maquinaesta fuera de servicio en comparación a las salidas forzadas. Estos tiempos se eva-lúan conforme a las expresiones de las ecuaciones 3.4 y 3.5, los cuales correspondena un modelo de dos estados [35].

Indi sponi bi l i d ad (FOR) = λ

λ+µ= MT T R

MT T F +MT T R(3.4)

Di sponi bi l i d ad (A) = µ

λ+µ= MT T F

MT T F +MT T R(3.5)

20


Donde:

λ: Tasa de falla.

µ: Tasa de reparación.

MTTR: Tiempo promedio a repararse = 1µ

MTTF: Tiempo promedio a fallar = 1λ

3.1.3. Confiabilidad en transmisión

El estudio de la confiabilidad en las líneas de transmisión es de mayor dificultadque la confiabilidad en generación dado que se deben analizar diferentes aspectoscomo sobrecarga en las lineas debido a la salida de alguna línea de transmisión y laconfiabilidad en las protecciones.

3.1.4. Modelos de Markov

El modelo de Markov es un modelo matemático que calcula la probabilidad delos estados y la frecuencia de los eventos en los modelos estocásticos, en donde secalculan unos tiempo de vida y de reparación mediante una distribución exponen-cial de acuerdo a unas tasas de fallas y de reparación de los componentes del siste-ma [34].

El modelo más sencillo de Markov es el modelo de dos estados (Ver Figura 3.1)en donde el componente en el estado uno se encontraría en servicio y en el estadodos el componente se encontraría fuera de servicio. La transición entre los estadosse basa en las tasas de falla λ y de reparación µ.

Figura 3.1. Modelo de dos estado de Markov [34].

21


De acuerdo con la Figura 3.1 la probabilidad de que el elemento este en el algunode los estados se calcularía con las ecuaciones 3.6 y 3.7.

dp1

d t=−λp1 +µp2 (3.6)

dp2

d t=−µp2 +λp1 (3.7)

De las ecuaciones 3.6 y 3.7 se puede obtener que el elemento analizado se en-cuentre en un estado de operación normal de acuerdo con la expresión de la ecua-ción 3.8.

p1(t ) = µ

λ+µ+ λ

λ+µexp−t (λ+µ) (3.8)

Este modelo de Markov puede ser aplicado para simular eventos como fallasocultas en las protecciones, en donde se pueden modelar en un diagrama de tresestados, como se muestra en la Figura 3.2 o en un modelo de dos estado depen-diendo de que tan detallado se requiera realizar el análisis del modelo. El estado 1el interruptor despeja la falla cuando le toca actuar, en el estado 2 no despejaría lafalla por tener una falla oculta y la protección de respaldo debe actuar y en el estado3 el componente estaría en reparación una vez se presente la falla en el interruptorde potencia.

Figura 3.2. Modelo del interruptor con falla oculta [34].

De acuerdo al modelo de tres estados la probabilidad de fallar del elemento se laque se presenta en la ecuación 3.9.

22


p2(t )λ2 = λ1λ2µ

(λ1 +λ2)µ+λ1λ2(3.9)

En general en los modelos de markov se pueden modelar los estados de funcio-namiento de cualquier elemento de un sistema de potencia, en el cual se puedenadicionar cuantos elementos en el modelo se necesiten.

3.1.5. Simulación de Monte Carlo

La simulación de Monte Carlo es un modelo que no busca soluciones de acuer-do con ecuaciones o expresiones matemáticas, sino mediante un comportamientoestocástico se simula un modelo y se observa los resultados obtenidos. Estas simu-laciones se realizan varias veces con generación de números aleatorios con el fin deque el comportamiento del sistema a analizar sea el promedio de las observaciones.

Estas simulaciones de números aleatorias se aplican para determinar la proba-bilidad de que un componente dado se encuentre en un determinado estado. Estaprobabilidad es simulada mediante una distribución uniforme. De esta forma cuan-do se le asigna una probabilidad P a un componente de estar en un estado S1, pri-mero se procede en las simulaciones de Monte Carlo obteniendo un Valor U de ladistribución uniforme, para luego compararlo con la probabilidad de el elemento yde esta forma si U ≤ P el componente analizado estaría en el estado S1 y si U > P elcomponente analizado estaría en el estado S2 [34].

Dentro de las simulaciones de Monte Carlo se pueden realizar simulaciones se-cuenciales teniendo en cuenta las tasas de falla y reparación de los principales com-ponentes del sistema, como también disparos por cargabilidad y eventos climáti-cos. Esto implica una mayor programación y esfuerzos computacionales, de igualforma esto puede variar de acuerdo a la aplicación particular que se quiere imple-mentar [34].

Por otra parte el error que se busca con las simulaciones de Monte Carlo es lamenor posible, en donde con un número determinado de muestras se puede ob-tener un error menor al 1%, pero este error nunca es cero, debido a que en cadasimulación se puede obtener un resultado diferente. El error puede ser estimadode acuerdo al teorema del límite central del indicador a analizar (X ), en donde secalculan la media del indicador (µx) y la desviación estándar (σx) para calcular ladesviación estándar del estimador ((σest i mador ) de acuerdo a la ecuación 3.10.

σest i mador =σxpi −1

(3.10)

23

3.2. Metodología de evaluación de la seguridad del sistema de potencia

Dado que el error nunca llega a ser cero se establece un valor de parada, el cualse fija regularmente para abarcar hasta dos veces la desviación estándar del valoresperado, como se ve en la ecuación 3.11.

µest i mador −2σxp

N<µx <µest i mador +2

σxpN

(3.11)

3.2. Metodología de evaluación de la seguridad delsistema de potencia

La seguridad del sistema de potencia mide la debilidad o la vulnerabilidad delsistema y da una idea de qué tan propenso es que se presenten fallas que conllevena un colapso o múltiples fallas en cascada. De acuerdo con la revisión de la literaturase encuentra que existen varios métodos estocásticos para evaluar la seguridad deun sistema de potencia, entre ellos están el modelo OPA [36], modelo CASCADE [37],modelo OPA mejorado [38] y modelo Manchester. Los tres primeros modelos, reali-zan una evaluación con base en las posibles sobrecargas que se puedan ocasionarpor las fluctuaciones de la demanda y fallas aleatorias de los elementos del sistema,pero el último modelo, es decir el modelo Manchester considera eventos adiciona-les que hacen que el modelo sea más completo y que tenga un enfoque interesantepara la evaluación del sistema después de un evento. En el artículo [39] se explicande manera más simplificada cada uno de los métodos mencionados.

Por lo tanto el modelo seleccionado para desarrollar el trabajo de investigaciónes el modelo Manchester, el cual es uno de los métodos mayormente utilizados paraevaluar la seguridad del sistema de potencia. Este método se basa en simulacionesde Monte Carlo que tiene en cuenta fenómenos que son dependientes en el tiempo,como mal funcionamiento del sistema de protección, disparos por sobrecarga porefectos en cascada, etc.

3.2.1. Modelo evaluación de seguridad

El modelo Manchester consta de varios componentes que deben ser evaluadospara obtener resultados que permitan determinar la seguridad de un sistema de po-tencia lo más real posible. Este modelo se desarrolla sobre simulaciones en instantesde tiempo que son determinadas de acuerdo al tiempo que le toma al operador de lared darse cuenta de que ha sucedido un evento y responder a él [6], por lo cual estetiempo es considerado entre 10 a 30 minutos. Por lo tanto, el algoritmo debe mane-jar dos ciclos de simulación que permitan por un lado realizar las simulaciones encada instante de tiempo con las fallas de los elementos del sistema y por el otro quese puedan analizar posibles eventos que se den en efecto cascada. En la Figura 3.3se muestra la secuencia de la simulación del modelo Manchester.

24


Figura 3.3. Secuencia de las simulaciones del modelo de fenómenos dependientes enel tiempo [6].

El subproceso que se menciona en la Figura 3.3 sobre las iteraciones de MonteCarlo que se realizan para determinar los posibles eventos en cascada en cada ins-tante de simulación (Snapshot) se describe en la Figura 3.4.

25


Figura 3.4. Simulacioón de Monte Carlo en el calculo del valor de seguridad del siste-ma de potencia [6].

La secuencia que sigue cada Snapshot considera una serie de eventos que sonmodelados con una probabilidad de ocurrencia, generando esto un nuevo punto deoperación del sistema o un punto de no retorno a un estado de equilibrio. Por lotanto, en cada tiempo de simulación se incluyen eventos tales como falla en gene-radores, falla en líneas, salida de un doble circuito, etc. A continuación, se describenestos eventos.

3.2.2. Esquema de deslastre automático

Con el objetivo de que el modelo integre el control de frecuencia en el análisis deseguridad, este modelo integra la regulación primaria por parte de los generadorescomo las posibles acciones que puede realizar el operador de la red para mantenerla frecuencia. Por lo cual para cada simulación las variaciones de la demanda totalversus la generación serán el ∆P, como se ve en la ecuación 3.12 [6].

26


∆P =∆Pl −∆Pg (3.12)

Dada la ecuación 3.12 se puede calcular el cambio en la frecuencia, para de es-ta forma estimar cuanto es la modificación de los parámetros de generación de lasmáquinas y los bloques de deslastre de carga.

∆ f′ = −∆P∑mg

i=1( 1Ri

)(3.13)

3.2.3. Confiabilidad en las protecciones y eventos en cascada

Los eventos en cascada surgen dado un evento inicial como una falla que oca-siona la apertura de algún elemento del sistema de potencia, originando unas posi-bles consecuencias en elementos adyacentes, como sobrecargas, y de esta forma sepuede originar que el evento se expanda y se vuelva más crítico. Este tipo de even-to tiende a ocurrir en circuitos con líneas paralelas que se encuentran con una altacargabilidad [6].

Adicionalmente el tema de las protecciones juega un papel importante en lasconsecuencias de un evento o perturbación del sistema de potencia. Se pueden pre-sentar dos tipos de funcionamiento erróneo en las protecciones, el primero son lasfallas ocultas el cual consiste en que el interruptor de potencia no actúa cuando de-be actuar ante una falla y la segunda es el disparo indeseado de elementos aledañosdonde hubo la falla. Estos eventos son los de mayor impacto en el sistema de poten-cia, presentándose en el 75% de los eventos en cascada con mayor impacto [6].

Para modelar estos eventos el modelo propone un análisis de regiones de vulne-rabilidad de acuerdo con la ubicación del evento inicial, la cual está definida comola porción del sistema donde una falla puede provocar un disparo de algún elemen-to [6]. Las regiones que establece el modelo son 4 y están ligadas a las zonas de pro-tección de los relés como se ve en la Figura 3.5.

27


Figura 3.5. Regiones de vulnerabilidad para una falla en la linea A-B [6].

3.2.4. Restauración de la demanda no atendida

El modelo tiene en cuenta dos tipos de restauración de la demanda. El primerproceso es cuando hay deslastre de carga parcial y el segundo cuando hay un co-lapso, debido a que cuando sucede este último se necesita una estrategia que llevamás tiempo de restauración. Este modelo no realiza una representación precisa delproceso de restauración, dado que lo que tiene en cuenta es la duración de la in-terrupción. Adicionalmente este modelo tiene en cuenta dos fases del proceso derestauración. La primera fase del proceso contempla: Periodo en el cual el operadorde la red toma acciones correctivas para estabilizar el sistema, decide la estrategiade restauración y toma acciones que no resultan en una reconexión inmediata de lacarga. En la ecuación 3.14 se muestra la duración esperada de la primera fase segúnla metodología en [6].

t1 = Pdesconect ad a

Ptot al(Tpr i mer a f ase ) (3.14)

La segunda fase representa la reconexión de la carga, en donde la duración delproceso está relacionada con el porcentaje de demanda no atendida. En la Figura 3.6se observa la curva de restauración de la demanda que se deja de atender, discrimi-nada de acuerdo a si es una restauración de la demanda parcial o un colapso total.

28

3.3. Sistema colector equivalentes granjas eólicas

Figura 3.6. Curvas de restauración de la demanda no atendida [6] [31].


Una granja eólica puede contener cientos de megawatios instalados en turbinaseólicas, las cuales son interconectadas por un sistema colector al sistema de poten-cia. Por otra parte, el diseño del parque eólico varia de acuerdo a la ubicación, esdecir, el diseño de un parque para un terreno plano es diferente al diseño de los par-ques eólicos localizados en las cimas de la montañas. Lo anterior radica en que eldiseño del parque eólico tiene un impacto diferente en las impedancias de las redesque interconectan con la subestación colectora del parque [40].

Por lo cual representar una granja eólica con un equivalente de una sola maqui-na no es suficiente para estudiar el impacto del sistema de potencia ante una altapenetración de energía eólica, debido a que cada generador eólico por el cual estáncompuestos las granjas eólicas tiene una respuesta diferente ante huecos de tensiónque se pueda dar en el sistema de potencia dada las impedancias que existen entregeneradores.

Mencionado lo anterior, es necesario realizar un equivalente del sistema de sub-transmisión al que se conectan los generadores eólicos para que la respuesta anteperturbaciones en el sistema de potencia de lo mas parecida a la realidad y se pue-da de estar forma evaluar el impacto que se tendría por la penetración masiva degeneración eólica.

29


En [40] desarrollan en enfoque analítico que es utilizado para representar el equi-valente del parque eólico. Ellos asumen unos supuestos con el objetivo de obtenerla ecuación general dentro de un parque eólico. Dentro de los supuestos que asu-men es que la inyección de corriente de todas las turbinas eólicas son iguales enmagnitud y angulo. Por lo tanto en una configuración en cadena (ver Figura 3.7) seobtienen que:

Figura 3.7. Configuración serie de un parque eólico [40].

Por otra parte, se asume que la inyección de corriente de cada aerogenerador esigual, por tal motivo:

I1 = I2 = I3 = I4 = I (3.15)

De acuerdo con la ecuación 3.15 se obtiene:

Is = nI (3.16)

Adicionalmente, la caida de tensión en las impendancias del equivalente mos-trado en la Figura 3.7) es igual a:

Z1 =∆VZ 1 = I1Z1 = I Z1 (3.17)

Z2 =∆VZ 2 = (I1 + I2)Z2 = 2I Z2 (3.18)

De acuerdo con lo anterior se obtiene la fórmula de la ecuación 3.19, donde laimpedancia equivalente esta expresada en función del número de unidades del par-que eólico y de las impedancias de los tramos de línea que los interconectan. En laecuación 3.19, m es el índice del aerogenerador, n es el número de aerogeneradoresdel parque eólico y Zm representa las impedancias serie [40].

Zs =∑n

m=1 m2Zm

n2(3.19)

30


Para obtener la capacitancia en derivación equivalente del modelo reducido seaplica la ecuación 3.20.

Btot =n∑

i=1Bi (3.20)

De acuerdo con la metodología anterior sobre la reducción de los modelos deun parque eólico, se realiza un modelo equivalente de acuerdo con el esquema deconexión del parque eólico utilizado en [41], que permite integrar la respuesta delparque ante eventos que se presenten en el sistema de potencia. El modelo completodel parque eólico se muestra en la Figura 3.8.

Figura 3.8. Modelo completo de la topología del parque eólico utilizado [41] [Autor].

El modelo completo mostrado en la Figura 3.8 es reducido teniendo como crite-rio que los equivalentes en el circuito se realizarán en las derivaciones de los nodosllamados N27, N26, N31, obteniendo el equivalente mostrado en la Figura 3.9, me-diante la metodología descrita anteriormente.

31


Figura 3.9. Modelo equivalente del parque eólico utilizado [41] [Autor].

Los parámetros eléctricos obtenidos del modelo equivalente del parque eólico,se muestran en la Tabla 3.1.

Tabla 3.1. Parámetros eléctricos del modelo equivalente del parque eólico [Autor].

Por otra parte, los generadores eólicos se modelaron como un nodo PQ con fac-tor de potencia 1 p.u., y los parámetros de generación se modifican de acuerdo conla curva de aporte de potencia reactiva definida en el Procedimiento de operación12.3.

32

3.4. Algoritmo Evaluación de seguridad


En esta sección se describe la lógica de programación del algoritmo basado enel modelo Manchester, el cual se implementó en el entorno de Matlab utilizando elprograma PSAT [42], cuyo objetivo es resolver el planteamiento problema del pre-sente proyecto (ver sección 1.1), de modo que se determine el impacto en seguridadcon generación eólica.

La Figura 3.12 describe el flujo de programación utilizado para llevar a cabo elanálisis. En la parte inicial del algoritmo se realizan tres puntos importantes. El pri-mero es cargar la información del sistema de potencia a analizar; el segundo es elmantenimiento programado de las máquinas de generación, en donde se consideróhora a hora la generación disponible y se le resta la capacidad de la máquina a lacual se le realizará el mantenimiento, se esta forma se obtienen un umbral de po-tencia el cual es comparado con la de manda máxima hora a hora como se muestraen la Figura 3.10. luego se identifican los rangos horarios en donde es posible ubicarla máquina en mantenimiento, teniendo en cuenta que este rango de horas debe sersuperior a las horas necesarias para realizar el mantenimiento programado de la má-quina. Este proceso de mantenimiento de las máquinas de generación se comienzacon las máquinas de mayor tamaño hasta las de menor tamaño. Este planteamientoque se realiza para el mantenimiento de las unidades de generación es óptimo dadoque asegura que el sistema de potencia siempre tendrá generación disponible paraatender la demanda del sistema a causa de que alguna máquina de generación estésin servicio por temas de mantenimiento.

Figura 3.10. Curva de demanda contra capacidad de generación [Autor].

33


Y como tercer aspecto que se tuvo en cuenta en la parte inicial del algoritmoes la generación de carga horaria que se realiza teniendo en cuenta los factores dedemanda para cada nodo y hora según [13]. En la Figura 3.11 se muestra a curva dedemanda máxima para las 8736 horas del año del sistema de potencia de IEEE de 24nodos de acuerdo con el parámetro de demanda máxima fijada.

Figura 3.11. Curva de demanda máxima horaria del sistema IEEE de 24 nodos [13][Autor].

De esta curva obtenida en la Figura 3.11 se construya la curva de duración decarga de la cual se obtienen tres escenarios de operación, escenario de máxima, me-dia y mínima demanda. Los valores de demanda de estos escenarios se obtuvieronidentificando los puntos de inflexión de la curva y de esta forma poder dividir las de-mandas del año en tres bloques para sacar promedios e identificar tres valores. Estosvalores identificados se comparan con la matriz total de demandas para determinaren qué hora y valor exacto comienza la simulación para cada escenario.

Por otra parte, el algoritmo se desarrolla en dos partes importantes, la primera esel snapshot externo, que determina los parámetros iniciales de cada simulación y lasegunda es el snapshot interno que desarrolla los eventos dependientes que puedensurgir en cada simulación.

34


Figura 3.12. Algoritmo evaluación de seguridad con generación eólica [Autor].

35


3.4.1. Algoritmo externo

En los snapshots externos se fijan cuántas iteraciones se realizarán por cada si-mulación, el cual se estableció en 1000 iteraciones. Cada uno de estos snapshot ex-ternos carga el despacho de demanda y generación, como también las salidas for-zadas para líneas y generadores de acuerdo a una tasa de falla mencionada en [13].Con estos datos de tasas a fallar y de reparación de los generadores se seleccionaaleatoriamente la máquina que quedará indisponible, con la cual se construye unamatriz de indisponibilidad horaria para el año, que servirá para extraer en la simula-ción la máquina que estará indisponible por salida forzada. De igual forma se realizapara las líneas de transmisión. Esta parte de salidas forzadas se realiza en el snaps-hot externo debido a que los tiempos de reparación del elemento son largos, por locual se mantienen como referencia para los snapshot internos, que se desarrollanen intervalos de 10 minutos.

3.4.2. Algoritmo interno

El algoritmo interno está comprendido por las subrutinas de salidas transitoriasde líneas, fallas ocultas, análisis de cargabilidad, deslastre de carga y la modificaciónde los parámetros de generación de potencia activa y reactiva de los aerogenerado-res del parque eólico.

La subrutina de salidas transitorias de las líneas de transmisión se describe enla Figura 3.13. Esta subrutina realiza dos procesos, el primero que es identificar sihay falla transitoria de líneas y en cuál de estas se presenta. Adicionalmente en elmomento que se presente una falla transitoria de línea se evalúa la probabilidadde que el evento sea mayor debido a las fallas ocultas que se pueden presentar enlos interruptores de potencia. Para esto se toma un valor del 1% de probabilidad deocurrencia de fallas ocultas en los interruptores de potencia.

La metodología para evaluar si hay falla oculta es tomar cada uno de los extre-mos de la línea con falla transitoria y realizar una simulación aleatoria en donde siel numero obtenido es menor a la probabilidad dada, el evento ocurre. Primero seevalúa el extremo remoto y si ocurre no se evalúa el otro extremo, dado que la pro-babilidad que ocurra una falla oculta en ambos extremos de la línea se asume comonula. Una vez determinado si hay falla oculta se identifica los id de las líneas conec-tadas al nodo con falla oculta, para de esta forma realizar la apertura de estas líneasy despejar la falla.

Cada línea que salió por falla transitoria se coloca nuevamente en servicio en lasiguiente iteración del snapshot interno.

36


Figura 3.13. Subrutina salidas transitorias de líneas y fallas ocultas de interruptoresde potencia [Autor].

El siguiente paso del algoritmo interno, es determinar si con los eventos surgidosen la subrutina de salidas transitorias de líneas y fallas ocultas se producen cargabili-dades que puedan poner en riesgo la vida útil de los activos del sistema de potencia.Para esto se designan dos límites de cargabilidad. El límite inferior es designado conla máxima capacidad designada para situaciones de emergencia y el límite superiores un 20% mayor al límite inferior. En la Figura 3.14 se muestra la secuencia utilizadaen el algoritmo para evaluar este punto.

37


Figura 3.14. Subrutina análisis de cargabilidad y deslastre de carga [Autor].

Una vez identificado qué eventos adicionales surgieron por el análisis de sobre-cargas, se realiza un flujo de carga con los nuevos estados de los elementos y deter-minar si el sistema aún se mantiene operando, si es así se evalúan las variables deestado en donde se encuentran las tensiones y ángulos de los nodos del sistema paradeterminar que tensiones se presentaron en los nodos donde se encuentran conec-tados los equivalentes de los aerogeneradores del parque eólico. Desde aquí iniciala subrutina donde se modifican los parámetros de generación de los aerogenera-dores. En la Figura 3.15 se muestra el diagrama de flujo que sigue el algoritmo paraintegrar la respuesta de los aerogeneradores.

38


Figura 3.15. Subrutina repuesta aerogeneradores ante huecos de tensión [Autor].

Como primer paso se verifica que la tensión de algunos de los nodos donde seencuentren conectados los equivalentes del parque eólico se encuentre en un valorde tensión menor a 0,85 p.u.

39


Luego se verifica y se compara la tensión que se presenta con respecto a la curvaLVRT (Low voltage Right Trought) para determinar el máximo tiempo en el que elequivalente del parque eólico se mantendrá conectado. Se aclara que cada equiva-lente responde de forma independiente. Adicionalmente se modifica la generaciónde potencia reactiva del equivalente eólico de acuerdo con el valor de caída de ten-sión.

De esta forma, cuando se presente por ejemplo una caída de tensión en la ba-rra de alguno de los equivalentes del parque eólico a un valor de 0.6 p.u. se tieneun tiempo máximo de 1.16 s para que la tensión del nodo se encuentre dentro delos rangos permitidos, de no ser así se desconectara el equivalente eólico. Adicional-mente establece un parámetro de generación de un 60% con respecto a su capaci-dad nominal en potencia reactiva para este mismo valor de tensión de ejemplo, conel fin de aportar al sistema a recuperar un punto de equilibrio ocasionado por algunaperturbación. En la Figura 3.16 se muestra el proceso de modificar los parámetrosde los aerogeneradores.

Figura 3.16. Modificación de parámetros de genración de los aerogeneradores [Autor].

40


Las simulaciones de cada snapshot de esta subrutina se realizan en intervalosde 250 ms debido a que la curva de respuesta de un aerogenerador tiene tiemposmuy cortos para modificar los parámetros de generación. Estas simulaciones quese realizan para modificar los parámetros de generación se encuentran en un bucledentro del algoritmo interno que permite integrar las simulaciones de los eventosde cada subrutina mencionadas en la Figura 3.12 pudiendo incluir de esta formael posible impacto que se tendría al conectar masivamente generadores eólicos. Deesta forma estos tiempos son adicionados a la duración del evento para cada intentode simulación.

Por último, con el objetivo de no dejar generadores funcionando en isla se realizauna identificación de los nodos que quedaron en esta condición para desconectarlas maquinas conectados en estos nodos.

41

CA

PÍ

TU

LO

4CASO DE ESTUDIO

En este capítulo se describe el sistema de potencia (Ver Figura 4.1) utilizado co-mo caso de estudio, en donde se plantea utilizar el programa elaborado como so-lución para llevar a cabo el objetivo de conocer el impacto en la seguridad de lossistemas de potencia ante la conexión masiva de generación eólica concentrada enuna misma área.

4.1. Caso de estudio base

4.1.1. Estructura del Sistema de Potencia

Los parámetros del sistema de potencia, representado en la Figura 4.1, fuerontomados de la red de transmisión del sistema de la IEEE de 24 nodos [13], el cualpresenta las siguientes características:

24 nodos de alta con dos niveles de tensión nominal 138 kV y 230 kV, interco-nectados por medio de 5 transformadores de potencia.

Incluye 33 líneas de alta tensión, de las cuales 21 son de 230 kV de nivel detensión y 12 líneas de 138 kV.

El sistema cuenta con 32 máquinas de generación repartidas en unos 11 nodosdel sistema. En la Tabla 4.1 se muestran los parámetros de los generadores queSon modelados como nodos PV. Las máquinas que son modeladas como Slackdel sistema están conectadas en el nodo 13 y tiene una capacidad máxima degeneración de 591 MW.

42

4.1. Caso de estudio base

Figura 4.1. Sistema de potencia IEEE 24 nodos utilizado como caso de estudio [13].

Se modifica la demanda pico del sistema de 2850 MVA a 3500 MVA. Esta de-manda pico es modelada de acuerdo a [13], en donde se desagrega esta de-manda de acuerdo a la semana, día y hora del año.

El despacho de generación que se tuvo en cuenta fue en función del porcentajede la demanda de la hora simulación sobre la capacidad de generación totalmás las pérdidas del sistema. Este porcentaje se aplica a todas las maquinaspor igual.

Las tasas de falla y reparación fueron obtenidas de acuerdo a la información

43

4.2. Descripción de Escenarios

Tabla 4.1. Parámetros de los generadores PV del sistema IEEE 24 nodos [Autor].

de confiabilidad de los elementos del sistema presentados en [13]. En la Ta-bla 4.2 se presentan los datos para fallas y mantenimiento de los generadoresde acuerdo con su capacidad nominal.

Tabla 4.2. Parámetros de confiabilidad de las máquinas de generación del sistemaIEEE 24 nodos [13] [Autor].


Se analizaron 5 diferentes casos, en donde el porcentaje de participación de lageneración eólica comparada con la demanda total del sistema de potencia va in-crementándose. La descripción de cada uno de los casos se muestra a continuación:

44


Caso A: Caso base, en donde se simula el sistema de potencia de la IEEE de 24nodos, teniendo en cuenta una demanda máxima de 3500 MW.

Caso B: Constituye el escenario donde se remplazan los generadores conven-cionales por granjas eólicas modeladas como un nodo PQ con F.p=1 p.u. conun porcentaje de participación del 10% sobre la demanda total del sistema.Los generadores eólicos se conectarán al nodo 4 en 138 kV (ver Figura 4.2). Seescoge el nodo 4 del sistema de 24 nodos con el objetivo de generar un símilde zonas que se encuentran alejadas y por ende poco malladas con el sistema.

Figura 4.2. Sistema de potencia IEEE 24 nodos modificado incluyendo generación eó-lica (vista ampliada) [13] [Autor].

Caso C: Es el caso B con un porcentaje de participación de generación eólicadel 20% sobre la demanda total del sistema.

Caso D: Es el caso B con un porcentaje de participación de generación eólicadel 30% sobre la demanda total del sistema.

Caso E: Es el caso B con un porcentaje de participación de generación eólicadel 40% sobre la demanda total del sistema.

45


Por otra parte, los parámetros de la curva de generación de cada aerogeneradorque se utilizaron son presentados en la Figura 4.3, teniendo una potencia máxima degeneración por aerogenerador de 2,1 MW. Este aerogenerador fue tomado de la em-presa SIEMENS - GAMESA SG 2,1 - 114, turbina que es utilizada para vientos mediosy bajos.

Figura 4.3. Curva de generación de potencia aerogenerador [43][Autor].

Otro aspecto que se integro fue simular la aleatoriedad del viento mediante fun-ciones de densidad de probabilidad Weibull, cuyos parámetros fueron tomados delatlas de viento y energía de Colombia [44], en donde documentan históricos de vien-to para encontrar los parámetros de forma α y escala β para necesarios para cons-truir la función de distribución Weibull de cada una de las estaciones meteorológicasdel país. La estación meteorológica de la cual se obtuvieron los parámetros quedaubicada en el Atlántico, lugar donde la mayoría de generación eólica se encuentraconcentrada. La Figura 4.4 muestra las funciones de densidad de probabilidad men-suales que se tomaron como base para generar la aleatoriedad del viento del parqueeólico. Esto permite en que cada instante de simulación se actualice la generaciónde los equivalentes del parque eólico de acuerdo al valor aleatorio de viento que ob-tenga.

Adicionalmente los parámetros eléctricos con los que fueron simulados en PSATla granja eólica son mostrados en la Tabla 4.3.

46


Figura 4.4. Funciones de densidad de probabilidad Weibull mensual[Autor].

Tabla 4.3. Parámetros de los Aerogeneradores de la granja eólica [Autor].

La columna "Potencia Activa [p.u.]"de la Tabla 4.3 se modifica de acuerdo al es-cenario de simulación, en donde se tiene en cuenta el número de aerogeneradorespor nodo de la granja eólica necesarios para cumplir el criterio de porcentaje de par-ticipación sobre la demanda máxima tomando como base la generación máxima decada aerogenerador. De esta forma la Tabla 4.4 muestra el número de aerogenera-dores para cada uno de los escenarios con generación eólica.

47


Tabla 4.4. Cantidad de aerogeneradores por nodo de la granja eólica [Autor].

48

CA

PÍ

TU

LO

5RESULTADOS

Los resultados que se obtuvieron de las simulaciones en los diferentes escena-rios se muestran en este capítulo. Cada simulación que se realizó por escenario fuede 1000 iteraciones, es decir que en total ser realizaron 5.000 simulaciones con untiempo aproximado de 10 horas para obtener resultados.

5.1. Resultados caso base

Los resultados obtenidos de las simulaciones del caso base se resumen en la Ta-bla 5.1 en donde se muestra el número de eventos clasificados de acuerdo a la con-secuencia, en donde la mayoría de los resultados obtenidos (84% del total de resul-tados) se ubican en consecuencia menores y moderadas. Únicamente 5 resultadostuvieron consecuencias catastróficas, es decir el 0.5% de los resultados.

Tabla 5.1. Tabla resumen del resultado de los eventos del caso base [Autor].

49

5.2. Resultados de casos con generación eólica

En la Figura 5.1, se muestra el resultado gráfico de la simulación sin tener encuenta generación eólica.

Figura 5.1. Resultado caso base [Autor].

Cabe resaltar que el mayor deslastre de carga en el caso base fue de 67.06% de lademanda total del sistema con una duración de 10.77 horas que equivalen a 1.66 ho-ras donde el sistema estuvo oscilando hasta alcanzar un nuevo punto de equilibrioy 9.10 horas de tiempo de restauración. Por otra parte, de las fallas iniciales debidoa fallas transitorias de líneas hubo 159 casos de eventos en cascada (equivalente al15.9%) que no ocasionaron ningún colapso total del sistema.


Como se mencionó en el numeral 4.2 se realizaron cuatro escenarios con gene-ración eólica, variando el porcentaje de penetración de esta con respecto a la de-manda total del sistema. Para el Caso B, el cual contempla un 10% de generacióneólica, se obtiene que la mayoría de consecuencias registradas en las simulacionesse encuentra en el rango de mayores y críticos (72.30% de los resultados). En la Ta-bla 5.2 se colocan la clasificación de eventos de las 1000 simulaciones realizadas conuna penetración de eólica del 10%.

En la Figura 5.2 se muestra gráficamente los eventos que ocurrieron en las simu-laciones del caso B. Para este escenario de simulación se presentaron 223 simula-

50


Tabla 5.2. Tabla resumen del resultado de los eventos del caso B (10% eólica) [Autor].

ciones en donde hubo eventos en cascada que equivale al 22.3%de las simulacionesrealizadas.

Figura 5.2. Resultado con 10% de penetración de generación eólica [Autor].

En total se presentaron 110 eventos en donde hubo colapso del sistema de po-tencia, es decir la demanda dejada de atender fue del 100%. Estos eventos se carac-terizaron por tener velocidades de viento bajas con una media de 4 m/s, provocandoque los aerogeneradores tuvieran un 33% de generación con respecto a su capaci-dad nominal combinado con situaciones de falla oculta en las protecciones y dispa-

51


ros por sobrecarga en las líneas. En la Figura 5.3 se muestra las frecuencias de vientoque se presentaron para los eventos de colapso del sistema de potencia.

Figura 5.3. Frecuencia de velocidades de viento en situaciones de colapso - Caso B[Autor].

En el caso C que corresponde a un 20% de penetración de generación eólica, lassimulaciones arrojaron que para este escenario se conserva la tendencia del caso Bde que la mayoría de eventos se encuentren en consecuencias mayores y criticas.Con respecto al caso B se presenta una disminución del 18% de los casos con con-secuencias moderadas y del 12% en los eventos de consecuencias criticas, pero elaumento en los casos con consecuencias catastróficas en significativo, dado que seaumentan en un 47% los casos en esta clasificación, obteniendo 240 resultados deeventos catastróficos. En la Tabla 5.3 se muestra el resumen de los resultados delcaso C.

52


Tabla 5.3. Tabla resumen del resultado de los eventos del caso C (20% eólica) [Autor].

Adicionalmente en la Figura 5.4 se muestra gráficamente los resultados obteni-dos para las simulaciones del caso C. Por otra parte la demanda dejada de atendertiene una media del porcentaje de demanda no atendida de 39.05%.


Para el caso D que corresponde a un 30% de penetración de generación eólica seobtiene un aumento aun mayor que en el caso del 20% en los casos con consecuen-cias catastróficas, alcanzando un valor de 519 eventos que equivalen al 52% de lassimulaciones realizadas para este caso. En la Tabla 5.4 se muestra el resumen de losresultados para el caso D.

53


Tabla 5.4. Tabla resumen del resultado de los eventos del caso D (30% eólica) [Autor].

En la Figura 5.5 se muestra gráficamente los resultados obtenidos para las simu-laciones del caso D.


Para el caso E, que considera 40% de generación eólica se observa un compor-tamiento similar al caso D, pero con un aumento leve del 1% en los eventos catas-tróficos. En la Tabla 5.5 se muestra el resumen de los resultados obtenidos para estecaso de simulación.

54


Tabla 5.5. Tabla resumen del resultado de los eventos del caso D (40% eólica) [Autor].

Adicionalmente en la Figura 5.6 se presenta los resultados graficos teniendo encuenta el 40% de penetración de generación eólica.


Haciendo una comparación de los resultados obtenidos con el fin de observarcómo es el comportamiento en cuanto a demanda no suministrada y duración delevento para cada uno de los casos de simulación, se utiliza la función de densidad deprobabilidad de Kernel, la cual se basa en una distribución normal por cada muestrapara construir una atípica de densidad de probabilidad basada en la concentraciónde las muestras, como se observa en la Figura 5.7. De aquí se puede determinar que

55


para el caso Base, Caso del 10% de penetración y caso del 20% de penetración, losdatos se concentran en eventos de duración de 48 minutos a 4 horas, por lo cual elsistema de la IEEE de 24 nodos tiene una mayor probabilidad de presentar un even-to de esta duración teniendo en cuenta estos escenarios mencionados, mientras quepara los casos D y E que corresponde al 30% y 40% de penetración de generacióneólica respectivamente, los eventos tienen una mayor dispersión, pudiéndose pre-sentar duraciones de 4 horas o 17 horas con probabilidades similares.

Por otro lado, de acuerdo a la Figura 5.7, también se observa que la mayor pro-babilidad en el caso base de demanda no atendida está en el rango del 1% al 5%,mientras para los casos con generación la probabilidad de demanda no atendidaestá por el 24%.

Figura 5.7. Comparación de los resultados de los casos de simulación [Autor].

En resumen, en los casos simulados con penetración de eólica se observa cómocon el aumento de la penetración de este tipo de generación, la probabilidad de quesuceda un evento catastrófico va aumentando conforme va aumentando el porcen-taje de generación dentro del sistema, por lo cual la seguridad del sistema potenciase ve deteriorada con el incremento de generación eólico. En la Tabla 5.6 se muestraun resumen de las consecuencias de los eventos obtenidos en las simulaciones decada caso de estudio.

56


Tabla 5.6. Tabla resumen de resultados de los casos de simulación [Autor].

57

CA

PÍ

TU

LO

6CONCLUSIONES Y TRABAJOS FUTUROS

Con el desarrollo del presente trabajo de investigación se concluye los siguientespuntos.

De acuerdo a los resultados obtenidos del algoritmo implementado en el sis-tema IEEE de 24 nodos se aprecia cómo la conexión de generación eólica im-pacta la seguridad del sistema de potencia, debido a que en condiciones basecon generación convencional se obtiene una probabilidad del 1% a que ocu-rra un evento con consecuencias catastróficas mientras con alta penetraciónde generación eólica concentrada en un mismo punto del sistema como el ca-so del 40% de penetración se obtiene una probabilidad del 52% a que ocurraun evento de este impacto.

Al incrementar la participación de la generación eólica se observa cómo se dis-minuye la seguridad del sistema de potencia dado que se presentan mayoreseventos catastróficos a medida que aumentamos la participación de genera-ción eólica. Esto se puede deber a varios factores, una la aleatoriedad del vien-to que puede dejar al sistema en un estado vulnerable que necesite suplir esademanda con generacion convencional o un determinado caso en donde secombine bajo viento con otro evento transitorio que pueda dejar al sistemasin reservas de generación, lo que conlleva a grande deslastres de carga. Porlo anterior el planeamiento de la expansión debe considerar esta nueva varia-ble a la hora de realizar los planes de mediano y largo plazo de expansionesen generación y transmisión, para garantizar que el impacto de este tipo detecnología sea lo menor posible.

58

Los resultados obtenidos son basados en las hipótesis planteadas en el desa-rrollo de la investigación, por lo cual deben ser validados en los sistemas par-ticulares como el Colombiano, para cuantificar los impactos reales en segu-ridad con alta penetración de generación eólica dado que es un sistema quetiene sus condiciones particulares. De igual forma el algoritmo desarrollado sepodría implementar en cualquier sistema de potencia.

Adicionalmente se plantean posibles líneas futuras a desarrollar, que contribu-yan en la profundización de los efectos en seguridad de conectar grandes recursosde generación eólica en el sistema de potencia u otros recursos renovables.

Implementar posibles soluciones que permitan disminuir el impacto de la pe-netración masiva de generación eólica concentrada en una misma área delsistema de potencia.

Dado que se realizaron escenarios que solo contemplen demanda máxima conalta penetración de generación eólica dado los esfuerzos computacionales, sesugiere realizar el análisis en demanda mínima para comparar los resultadosobtenidos, dado que puede ser un escenario en donde se presenten problemasde evacuación de la generación por lo cual se debe realizar el análisis y darposibles soluciones.

Realizar el análisis planteado, pero con alta penetración de otras fuentes degeneración, como la solar o eólica con almacenamiento (despachable) y de-terminar los posibles impactos de seguridad.

Implementar el análisis generando con un despacho de generación optimoy determinar como se alteran las consecuencias en seguridad del sistema depotencia.

59

BIBLIOGRAFÍA

[1] BP. BP Statistical Review of World Energy 2018. Technical Report June, London,2018.

[2] Gerencia Centro Nacional de Despacho (CND). Primer Informe de Planea-miento Operativo Eléctrico de Largo Plazo – Junio 2017. Technical report, Me-dellin, 2017.

[3] Gerencia Centro and Nacional De Despacho. Propuesta de RequerimientosTécnicos para la integración de Fuentes de Generación No Síncrona al SIN.Technical report, XM, 2017.

[4] María Paula González Rodriguez. Interconexión de sistemas eléctricos conside-rando tecnología HVDC y alternativas de generación. Tesis MA, Departamentode Ingeniería Eléctrica y Electrónica, Universidad de Los Andes, Bogotá D.C.,2017.

[5] Tom Hammons and Zbigniew Styczynski. Europe: Impact of Dispersed Gene-ration on Power System Structure and Secure Power System Operation. 2007IEEE Power Engineering Society General Meeting, pages 1–5, 2007.

[6] Mario Rios, Keith Bell, Daniel Kirschen, and Ron Allan. Computation of theValue of Security. Technical report, Manchester Centre for Electrical Energy,UMIST, Manchester, 1999.

[7] Mario Rios, Keith Bell, Daniel Kirschen, and Ron Allan. Computation of theValue of Security Final Report - Volume II. Technical report, Manchester Centrefor Electrical Energy, UMIST, Manchester, 1999.

[8] Ministerio de Minas y Energía. Decreto 2469. Ministerio de Minas y Energía,Bogotá D.C., 2014.

[9] Comisión de Regulación de Energía y Gas (CREG). Resolución CREG 024. Mi-nisterio de Minas y Energía, Bogotá D.C., 2015.

[10] Unidad de Planeación MInero Energética (UPME). Resolución 281. Ministeriode Minas y Energía, Bogotá D.C., 2015.

60

Bibliografía

[11] G Andersson, P Donalek, R Farmer, N. Hatziargyriou, I Kamwa, P Kundur,N Martins, J Paserba, P Pourbeik, J. Sanchez-Gasca, R. Schulz, A. Stankovic,C. Taylor, and V. Vittal. Causes of the 2003 Major Grid Blackouts in North Ame-rica and Europe, and Recommended Means to Improve System Dynamic Per-formance. IEEE Transactions on Power Systems, 20(4):1922–1928, 11 2005.

[12] Ruifeng Yan, Nahid-Al Masood, Tapan Kumar Saha, Feifei Bai, and Huajie Gu.The Anatomy of the 2016 South Australia Blackout: A Catastrophic Event in aHigh Renewable Network. IEEE Transactions on Power Systems, 33(5):5374–5388, 9 2018.

[13] Probability Subcommittee. IEEE Reliability Test System. IEEE Transactions onPower Apparatus and Systems, PAS-98(6):2047–2054, 1979.

[14] J. A Peças Lopes, N. Hatziargyriou, J. Mutale, P. Djapic, and N. Jenkins. Integra-ting distributed generation into electric power systems: A review of drivers, cha-llenges and opportunities. Electric Power Systems Research, 77(9):1189–1203,2007.

[15] ENTSO-E. Dispersed generation impact on CE region security. (November):11,2014.

[16] Carlos Batlle. Análisis del impacto del incremento de la generación de energíarenovable no convencional en los sistemas eléctricos latinoamericanos. Tech-nical report, Banco Interamericano de Desarrollo, 2014.

[17] D. Suriyamongkol, H.A. Abdelsalam, and E.B. Makram. Trajectory sensitivityanalysis application for power system security assessment with wind genera-tion. 2015 North American Power Symposium, NAPS 2015, (1), 2015.

[18] D. H. Nguyen and M. Negnevitsky. Probabilistic security assessment for powersystem operation with Significant Wind penetration. In 2012 IEEE Internatio-nal Conference on Power System Technology (POWERCON), pages 1–6. IEEE, 102012.

[19] Zhihao Yun, Ying Feng, Sun Yang, Qiong Zhou, and Donglei Sun. On-line StaticVoltage Security Risk Assessment Based on Markov Chain Model and SVM forWind Integrated Power System. 2017 13th International Conference on Natu-ral Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD), pages2469–2473, 2017.

[20] R M Mathe and K A Folly. Impact of large scale grid-connected wind genera-tors on the power system network. PowerAfrica, 2017 IEEE PES, pages 328–333,2017.

[21] Constantinos Sourkounis and Pavlos Tourou. Grid Code Requirements forWind Power Integration in Europe. Conference Papers in Energy, 2013:1–9, 2013.

61

Bibliografía

[22] Federal Energy Regulatory Commission. Interconnection for Wind Energy.20426(202), 2005.

[23] Ministerio de Industria y Comercio. Resolución 4 de Octubre de 2006_P.O 12.3,2006.

[24] E.ON Netz. Grid Code High and extra high voltage. (April):1–46, 2006.

[25] David Wenzhong Gao, Eduard Muljadi, Tian Tian, and Mackay Miller. Compari-son of Standards and Technical Requirements of Grid- Connected Wind PowerPlants in China and the United States. Technical Report September, NationalRenewable Energy Laboratory, 2016.

[26] Gerencia Centro Nacional de Despacho. Estudios Seguridad fuentes de EnergíaRenovables no Convencionales. Technical report, XM, 2017.

[27] Andrés Felipe Obando Montaño. La Generación Eólica Ante Las Exigencias DeLos Códigos De Red: El Caso De Los Aerogeneradores De Velocidad Fija. PhDthesis, Universidad de Vigo, 2014.

[28] Ignacio Afonso. Huecos de tensión en redes eléctricas de transmisión y su impac-to en la generación eólica. M.S. thesis, Unversidad de La Republica, 2012.

[29] Mitigation Task Force on Understanding, Prediction, Restoration of CascadingFailures IEEE PES Computer, and Analytical Methods Subcommittee. Vulnera-bility Assessment for Cascading Failures in Electric Power Systems. IEEE Powerand Energy Society Power Systems Conference and Exposition, pages 1–9, 2009.

[30] M. A. Rios, D. S. Kirschen, D. Jayaweera, D. P. Nedic, and R. N. Allan. Valueof Security: Modeling Time-Dependent Phenomena and Weather Conditions.IEEE Power Engineering Review, 22(7):53–53, 7 2002.

[31] John Alejandro Sanchez Romero. Vulnerability Assessment Methodology ForCascade Contingencies In Power Systems. tesis MA, Departamento de IngenieríaEléctrica y Electrónica, Universidad de Los Andes, 2010.

[32] Gerard Doorman, Gerd Kjølle, Kjetil Uhlen, Einar Ståle Huse, and Nils Flatabø.Vulnerability of the Nordic Power System. Technical Report May, 2004.

[33] Elkin L. Cantor and Mario A. Rios. Distributed generation in strategic nodesfor mitigation of impact of cascade failures. In 2014 IEEE PES Transmission &Distribution Conference and Exposition - Latin America (PES T&D-LA), volume2014-Octob, pages 1–6. IEEE, 9 2014.

[34] Math H. Bollen. Understanding Power Quality Problems. IEEE, 1999.

[35] Roy Billinton and R. N. Allan. Reliability Evaluation of Power Systems. PlenumPublishing Corp, New York, second edition, 1996.

62

Bibliografía

[36] B. A. Carreras, V. E. Lynch, I. Dobson, and D. E. Newman. Critical points andtransitions in an electric power transmission model for cascading failure blac-kouts. Chaos, 12(4):985–994, 2002.

[37] I. Dobson, B. A. Carreras, and D. E. Newman. A probabilistic loading-dependentmodel of cascading failure and possible implications for blackouts. Proceedingsof the 36th Annual Hawaii International Conference on System Sciences, HICSS2003, 2003.

[38] Shengwei Mei, Fei He, Xuemin Zhang, Shengyu Wu, and Gang Wang. An im-proved OPA model and blackout risk assessment. IEEE Transactions on PowerSystems, 24(2):814–823, 2009.

[39] Pauli Fridheim Petersen, Hjortur Johannsson, and Arne Hejde Nielsen. Investi-gation of suitability of cascading outage assessment methods for real-time as-sessment. 2015 IEEE Eindhoven PowerTech, PowerTech 2015, pages 13–17, 2015.

[40] E. Muljadi, C.P. Butterfield, A. Ellis, J. Mechenbier, J. Hochheimer, R. Young,N. Miller, R. Delmerico, R. Zavadil, and J.C. Smith. Equivalencing the collec-tor system of a large wind power plant. 2006 IEEE Power Engineering SocietyGeneral Meeting, page 9 pp., 2006.

[41] CIGRE Task Force 38.01.10. Modeling New Forms of Generation and Storage.(April), 2001.

[42] Federico Milano. Manual Power System Analysis Toolbox (PSAT). 2011.

[43] SIEMENS GAMESA. Wind Turbine SG 2.1-114. [Internet]. Disponible enhttps://www.siemensgamesa.com, 2018.

[44] UPME. Atlas de Viento y Energía Eólica de Colombia. Ministerio de Minas yEnergía, Bogotá D.C., 2003.

63

Sistemas de transmisión con alta penetración de energía ...

Documents

Transcript of Sistemas de transmisión con alta penetración de energía ...