TRABAJO FIN DE MÁSTER - …repositorio.educacionsuperior.gob.ec/bitstream/28000/2804/1/T... · CON...

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. 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. 13 Resultados crédito de capacidad. Caso 4 ....................................................... 56


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.


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)


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


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:


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.


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


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


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:


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


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


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.


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)


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


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/


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/


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/


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


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/


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


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/


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.


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


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


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


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


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


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.


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”


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


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].


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/


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










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]


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/


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.


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


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.


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


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


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


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.


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


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.


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.


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.


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


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.


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


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


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


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


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


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


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


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


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.


55

GENERACIÓN

CONVENCIONAL

GENERACIÓN

RENOVABLE

UNIDADES

MCI


(horas/año)

ECPP

ESTADO_0 10 20,25 0 0 8,051 -


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




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


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.


56

GENERACIÓN

CONVENCIONAL

GENERACIÓN

RENOVABLE

UNIDADES

MCI


(horas/año)

ECPP

ESTADO_0 10 20,25 0 0 8,046 -


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




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


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


(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





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


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


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


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.


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


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

ANEXO I

Potencial eólico del

Ecuador

ANEXO I

67

Figura I. 1 Pendiente del Terreno “ATLAS EÓLICO DEL ECUADOR”

Fuente: Ministerio de Electricidad y Energía Renovable

ANEXO I

68

Tabla I. 1 Potencial eólico- eléctrico estimado del Ecuador

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 I

72

Figura I. 5 Potencial eólico del Ecuador-Potencial Bruto

ANEXO I

73

Figura I. 6 Potencial eólico del Ecuador - Potencial factible a corto plazo

ANEXO II

ANEXO II

Potencial solar del Ecuador

ANEXO II

75

Figura II. 1 Insolación Difusa Promedio “ATLAS SOLAR DEL ECUADOR”

Fuente: Ministerio de Electricidad y Energía Renovable

ANEXO II

76

Figura II. 2 Insolación Directa Promedio

ANEXO II

77

Figura II. 3 Insolación Global Promedio

ANEXO III

ANEXO III

Sistema Nacional

Interconectado S.N.I.

ANEXO III

79

Figura III. 1 Diagrama unifilar Sistema Nacional Interconectado

Fuente: Centro Nacional de Control y Energía CENACE

ANEXO IV

ANEXO IV

Convergencia de todos los

Escenarios caso base 1

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

TRABAJO FIN DE MÁSTER - …repositorio.educacionsuperior.gob.ec/bitstream/28000/2804/1/T... · CON...

Documents

Transcript of TRABAJO FIN DE MÁSTER - …repositorio.educacionsuperior.gob.ec/bitstream/28000/2804/1/T... · CON...