Artículos TécnicosDistribución

¿Qué tan confiable es tu red eléctrica? Power System Reliability

Por: Ing. Genaro Daniel Herrera Reyes

  • Ingeniería en Sistemas de Potencia por el Instituto Tecnológico de Ciudad Madero, Tamaulipas, México
  • Experiencia laboral en el Instituto Nacional de Electricidad y Energías Limpias en Diseño de algoritmos para redes eléctricas

 
INTRODUCCIÓN
 

Desde el punto de vista de la ingeniería eléctrica, se entiende por confiabilidad como la probabilidad de observar un buen funcionamiento de alguna parte importante de un sistema de potencia. En ocasiones, y cuando es necesario, se define una ventana de tiempo en el cual tales elementos o piezas son evaluadas como parte importante del análisis de confiabilidad. Para ser un poco más específico, se muestra el siguiente concepto de confiabilidad:

North America Electric Reliability Council: Por sus siglas en inglés NERC, define la confiabilidad como:
 
El grado en el que las prestaciones de un sistema de potencia dan como resultado la entrega de energía a los consumidores, cumpliendo las normativas vigentes y en el tiempo especificado”.
 

Por lo tanto, se tienen tres factores a considerar para realizar un análisis de confiabilidad:
 

  1. Entrega de energía a los consumidores
  2. Cumplir normativas vigentes de confiabilidad (tiempos de restablecimiento, número de fallas permitidas por año, cantidad de usuarios afectados aceptados por año, etc.)
  3. Tiempo específico (Censo de los equipos o sistemas por año, mes, día, etc.)

 
METODOLOGÍAS VIGENTES PARA ESTIMACIÓN DE CONFIABILIDAD
 
Para mostrar la importancia de un análisis de confiabilidad, a continuación se muestran las diferentes metodologías existentes para lograr tal objetivo:
 

  1. CONFIABILIDAD BASADA EN INDICES

Este tipo de análisis está basado en parámetros tales como Tasa de falla y Tasa de reparación.

  • Tasa de fallas: Se define como la cantidad de fallas o interrupciones ocurridas en un determinado tiempo. Ejemplo: Considérese un historial de un año en el cual se presentaron 50 fallas en un bus de carga arbitrario. La tasa de fallas en tal punto se podrá calcular de la siguiente manera:

 
ec 1
 

  • Tasa de reparación: En cualquier activo, se define como el tiempo de falla (periodo de inacción dela activo) sobre el número de fallas registrados en el tiempo t (años, meses, días, etc.). La ventana de tiempo utilizada debe ser la misma que se usó para la tasa de fallas. Ejemplo: Se considera que un punto de falla ha tenido 20 fallas en un año, cuyos tiempos de no operación acumulan un total de 1.6 horas, entonces la tasa de reparación será:

 
ec2222
 
Ambos parámetros actúan juntos en una ecuación basada en tasas con el fin de obtener un porcentaje que indique el grado de confiabilidad de la siguiente manera:
 
ec 3
 
La indisponibilidad es otro parámetro útil el cual hace referencia a las horas por año en las cuales el sistema se encontró en operación.
 
ec 4
 

  1. CONFIABILIDAD BASADA EN TIEMPOS DE OPERACIÓN:

 

Este tipo de análisis de basa en tres parámetros: T[op]=Tiempo de operación del activo, T[off]=Tiempo fuera de operación del activo y T[total]=T[op]+T[off] como el tiempo total de censado.

 

Ejemplo: Se pretende realizar el análisis de confiabilidad a un motor eléctrico que ha presentado diversos tipos de fallas. Se desconoce la cantidad de fallas que ha tenido, sin embargo, se tiene registro del tiempo total de operación (8760 horas) y el tiempo que el motor ha estado fuera (500 horas). . El cálculo de confiabilidad por tiempos es de la siguiente manera:

 
ec 6
 

  1. CONFIABILIDAD DE PREDICCIÓN

 
La metodología para predicción hace uso de distribuciones de probabilidad, tales como Possion, Normal, Binomial,  Exponencial, Weibull, etc. Por ejemplo:
 
Distribución de Poisson: Evaluar la probabilidad de que ocurran 1, 2 o más número cerrado de fallas (valores enteros) en un determinado punto de carga (Figura 1).
 
ec 8

Figura 1: Distribución de Poisson

 

Distribución Gamma: Con esta distribución se puede obtener la probabilidad de que la duración de las fallas en los puntos de carga sea igual o superior a un valor determinado, el cual puede ser permitido, estandarizado o máximo.

 

Distribución exponencial: Esta distribución hace uso de la tasa de fallas nuevamente. Según la ecuación, el exponente de “e” es negativo, es decir, en el tiempo t=0 segundos, esto da como resultado un valor de 100%. Sin embargo, conforme el tiempo transcurre, el exponencial negativo hace que de un valor de 100% decrezca, lo cual es lógico pues físicamente, cualquier activo de edad avanzada tiende a fallar con más frecuencia (Figura 2).

 
grafica 1

Figura 2: Gráfica de distribución exponencial para diferentes valores de tasa de falla.

 

Distribución de Weibull: Este tipo de distribución es utilizada para evaluar el grado de degradación o deterioro de algunos activos.

A pesar de que las metodologías vigentes parecen mostrar el nivel de confiabilidad al momento (Parámetros en tiempo real o por parámetros históricos), se podría decir que el análisis no está del todo completo. Vamos a analizar por qué.

 

Suponga que usted es un cliente residencial, y que por un año usted no ha experimentado ningún inconveniente eléctrico como fallas, interrupciones momentáneas o sostenidas de energía que, por consecuencia, un tiempo de restablecimiento alto. Se puede decir que el grado de confiabilidad de nuestra red eléctrica utópica es cercana al 100%, sino es que el mismo valor.

 

Sin embargo, a lo largo de esos 365 días usted ha experimentado oscilaciones de voltaje (sags y swells) que se manifiestan como disminuciones en el poder de iluminación de sus lámparas, así como problemas en televisores al presentarse una mala calidad de la imagen (Figura 3):

 
grafica 2

Figura 3: Gráfica de sags, swell e interrupción en cierta ventana de tiempo.

 

Los cargadores de sus aparatos electrónicos presentan un aumento de energía cuando están conectados, lo cual indica un alto contenido de armónicos dntro de su instalación eléctrica (THD).

 
grafica 3

Figura 4.-Los cargadores de nuestros aparatos electrónicos están sujetos a contenido armónico que produce efectos caloríficos.

 

Si en nuestro sistema eléctrico se encontrasen conectadas cargas reactivas inductivas como motores, podemos presentar un bajo factor de potencia que, si bien no se manifiestan como interrupciones al servicio, si se hacen presentes como una multa por la compañía suministradora de energía.

 

Todos estos ejemplos muestran implícitamente tópicos de calidad de la energía, cuyo análisis formal quedará para otro post dentro de este portal. Con tales análisis se hace necesario una integración de técnicas de calidad de energía dentro de la filosofía de la confiabilidad. Sin embargo, con las metodologías actuales es prácticamente imposible obtener un resultado “confiable, rico y completo” del análisis de confiabilidad, valga la redundancia.

 
BREVE COMENTARIO DE CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN
 

Con base en la norma IEEE 1366 para confiabilidad en sistemas de potencia, se declaran las siguientes variables para el cálculo de confiabilidad en una red de distribución: SAIFI, SAIDI, CAIDI, ASAI y AENS, en la referencia [1] se encontrarán las definiciones de las variables.

 

Los análisis realizados con los índices mostrados proporcionan un panorama de confiabilidad basado en usuarios afectados (SAIFI), tiempo promedio de los usuarios siendo afectados (SAIDI), suma de los tiempos de afectación entre el total de clientes afectados (CAIDI), grado de disponibilidad basado en horas al año que el sistema fue afectado (ASAI), y energía dejada de suministrar al conjunto de usuarios totales (ASAI).

 

Como puede apreciarse, estos índices son un conjunto de resultados que proporcionan un panorama completo del estado de confiabilidad de un sistema de distribución, sin una ecuación única con el cual cuantificarla, tal como ocurre en la confiabilidad basada en tasas.

 

En ocasiones, los índices de confiabilidad no son suficientes para expresar el estado de salud de la red eléctrica, pues son parámetros cuyas variables siguen siendo la cantidad de interrupciones, los tiempos fuera de operación, número de clientes afectados, etc. Sin embargo, existen ocasiones en las que se requieren otro tipo de índices basados en la potencia dejada de suministrar (ASIFI) y la potencia dejada de suministrar en cierta cantidad de tiempo (ASIDI).

 
EN BUSCA DE NUEVOS MÉTODOS
 

Debido a la gran cantidad de variables involucradas para los diferentes análisis de ingeniería eléctrica (confiabilidad, calidad de la energía, transitorios electromagnéticos, vulnerabilidad para cortocircuito) podría preferirse en la mayoría de los casos el uso de técnicas de análisis multivariante para obtención de clasificación de activo según las magnitudes de sus parámetros, es decir, realizando un agrupamiento de activos por reconocimiento de patrones. Es decir, se podría obtener una carta en la cual los elementos censados se ubiquen en el plano cartesiano, como un tipo de carta de criticidad.

 

Otras alternativas podrían hacer uso de redes neuronales artificiales para predicción de las condiciones de falla dentro de una red eléctrica dada una matriz de variables (figura 5) o lógica difusa como métodos de inferencia para obtener un valor de confiabilidad basado en varias variables, con límites inferiores y superiores dados por la normativa vigente (Figura 6).

 
grafica 4

Figura 5: Sistema de estimación de confiabilidad por redes neuronales artificiales con el objetivo de predicción de las condiciones de falla y operación de una red eléctrica.

 
grafica 5

Figura 6.- Sistema de inferencia para estimación de confiabilidad por lógica difusa.

 

La búsqueda de alternativas novedosas se debe enfocar en mostrar resultados más completos que no solo se basen en la información histórica de fallos y tiempos de interrupción, sino que engloben aquellas condiciones en las que los sistemas de potencia se encuentran inmersos.

 
CONCLUSION
 

No existe una metodología única para estimación de confiabilidad. Como usted puede apreciar, las diferentes técnicas y algoritmos ofrecen ciertas ventajas unas con respecto a otras partiendo de las necesidades, requerimientos y datos de entrada del problema a resolver, tal es el caso de los análisis predictivos, los cuales nos ayudan a encontrar las condiciones de operación de nuestros activos para un tiempo deseado, sin embargo, no son muy eficientes para entregar resultados de la confiabilidad presente el día de hoy.

 

A diferencia de la confiabilidad basada en tasas, los porcentajes entregados nos dicen cómo se encuentra nuestro sistema de potencia desde hace un año, dos o tres hasta el día de hoy (históricos), sin embargo, son ineficientes para estimar en un futuro su condición.

 

Debido al gran interés de conjugar variables que no pertenecen a la confiabilidad clásica, se estudian métodos multivariantes para lograr una conclusión completa e integra. Avances tecnológicos en inteligencia artificial proporcionan herramientas mucho más rápidas para el tratamiento de múltiples datos, así como la detección de patrones recurrentes en estos, con los cuales se puedan agrupar en campos los activos estudiados.

 
[1] http://www.l2eng.com/Reliability_Indices_for_Utilities.pdf

[2] https://emp.lbl.gov/sites/all/files/REPORT%20lbnl%20-%2047043.pdf

[3] Power Distribution Reliability, Practical Methods and applications de Don O. Koval. pp. 65-84.

Genaro Daniel Herrera Reyes

Ingeniería eléctrica en Sistemas Eléctricos de Potencia Temas de interes: Inteligencia Artificial Redes neuronales y logica difusa Operacion y despacho económico de sistemas eléctricos de potencia Protecciones eléctricas Redes Eléctricas Inteligentes

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba