IMPLEMENTACIÓN DE ALGORITMO COMPUTACIONAL PARA EL ESTUDIO

DE CONFIABILIDAD DE FLUJO DE CARGA EN SISTEMAS ELÉCTRICOS DE

DISTRIBUCIÓN A TRAVÉS DEL SOFTWARE DIGSILENT: CASO DE ESTUDIO DE
RBTS DE 7 FEEDERS

DANIEL PINEDA ROJAS

ESTUDIANTE DE INGENIERÍA DIRECTOR INTERNO:
ELÉCTRICA I.EI, Msc., PhD. ADRIANA MARCELA VEGA
CÓDIGO: 20141007056
DIRECTOR EXTERNO:
I.E, Msc. IVÁN FELIPE BONILLA VARGAS
 Introducción - Problemática

Redes eléctricas de distribución Ingenierías Mejora Índices

Calidad de Servicio
Objetivo General
Implementar un algoritmo computacional que proporcione un estudio de confiabilidad y
flujo de carga bajo variaciones de operación, aplicados al caso de estudio “RBTS DE 7
FEEDERS”.
Objetivos Específicos

 Investigar estado actual sobre métodos de implementación de algoritmos para el

estudio de confiabilidad y flujos de carga en redes eléctricas, comprendiendo su
funcionamiento y limitaciones.
 Diseñar y desarrollar algoritmo basado en el lenguaje de programación Python®,
aprovechando el módulo de conexión con el software DIgSilent® aplicado al caso de
estudio “RBTS DE 7 FEEDERS”.
 Evaluar algoritmo implementado, observando el impacto que conlleva realizar las
diferentes ingenierías al caso de estudio “RBTS DE 7 FEEDERS”. Determinado así
la funcionalidad del algoritmo.
Sistema Eléctrico de Distribución

Fuente: S. R. Castaño, Redes de Distribución de Energía, Manizales: UNIVERSIDAD NACIONAL, 2004.

Confiabilidad en Sistemas Eléctricos de Distribución

La confiabilidad en sistemas de distribución se relaciona con la habilidad o capacidad

que tiene un sistema eléctrico en proveer un adecuado suministro de energía eléctrica,
por tal razón se considera como una propiedad cualitativa más que cuantitativa.
Python-DIgSilent Power Factory
Python-DIgSilent Power Factory
RBTS DE 7 FEEDERS
RBTS DE 7 FEEDERS-Datos del Sistema
Nivel de carga por punto de
carga [MW]
Pico de Carga Número de
Tipo de Consumidor MW puntos de Puntos de Tipo de Número de
Residencial 7.25 carga carga consumidor Promedio Pico usuarios
Pequeños usuarios 3.5 1-4, 11-13, 18-
Instituciones 15 21, 32-35 Residencial 0.545 0.8869 220
Gubernamentales 5.55 5, 14, 15, 22,
Comercial 3.7 7 23, 36, 37 Residencial 0.5 0.8137 200
Total 20 Pequeño
7 8, 10, 26-30 usuario 1 1.63 1
Pequeño
Carga de alimentador 2 9, 31 usuario 1.5 2.445 1
[MW] 5, 7, 16, 17,
Número 7 24, 25, 38 Comercial 0.415 0.6714 10
Numero de Punto de de Total 24.58 40 4779
alimentador carga Promedio Pico usuarios
F1 1-7 3.51 5.704 1100 Elemen
Elemen s
F2 8-10 3.5 5.705 3 to
to rr
F3 11-17 3.465 5.631 1080 Transfo
Transfo
rmador 0.015 0.15 200 10   1
F4 18-25 4.01 6.518 1300
rmador
Seccion 0.015 0.15 200 10   1
F5 26-28 3 4.89 3
F6 29-31 3.595 5.705 3 adores
Seccion 0.006 0.004 0.06 1 4 72 0.083 1
F6 32-38 7.095 5.847 1290 Barraje
adores 0.001
0.006 0.001
0.004 0.01
0.06 1 2
4 8
72 0.083 1
Total 24.58 11.552 4779 Línea
Barraje 0.065
0.001 0.065
0.001 0.01 1 5
2 8  
0.083 1
Línea 0.065 0.065 5   1
Metodología Investigar estado actual
sobre métodos de
implementación de
1.Consultar en bases de
datos academicas sobre
algoritmos para el trabajos relizados
estudio de confiabilidad y previamente en la
flujos de carga en redes implementacion de
eléctricas, algoritmos relacionados
con el software Digsilent
comprendiendo su Power Factory ®
funcionamiento y
limitaciones.

Metodología
Diseñar y desarrollar
algoritmo basado en el 2.Realizacion de codigo
lenguaje de programación basado en lenguaje de
Python®, aprovechando programacion orientad
el módulo de conexión con a objetos aprovechando
el software DIgSilent® la ejecucion de metodos
aplicado al caso de para la optimizacion en
lineas de codigo.
estudio “RBTS DE 7
FEEDERS”.

Evaluar algoritmo
implementado, 3.Aplicacion de
observando el impacto que algoritmo
conlleva realizar las computacional en caso
diferentes ingenierías al de estudio, analizando
caso de estudio “RBTS DE los datos de salida de
7 FEEDERS”. los estudios de
confuabilidad y flujo
Determinado así la de carga.
funcionalidad del
algoritmo.
Métodos de implementación de algoritmos para el estudio
de confiabilidad y flujos de carga en redes eléctricas
Métodos de implementación de algoritmos para el estudio
de confiabilidad y flujos de carga en redes eléctricas
Autor Variables de entrada Variables de salida
El programa utiliza 5 archivos de entrada lo cuales son; El programa arroja índices de
*barras.csv: el cual indica la identificación, tensión en kv, capacidad en pu, ángulos confiabilidad como:
límites en radianes, y costo de falla en US$/MWh de cada barra del sistema. *LOLE
*tramos.csv: el cual identifica las líneas y tramos de transmisión y transformación del *LOLP
Elaboración de una sistema, además de incluir sus parámetros eléctricos en puy de disponibilidad *EENS
Herramienta *unidades.csv: el cual contiene información de cada unidad generadora el sistema, la *EDNS
Computacional para la barra la que inyecta potencia , su mínimo técnico de generación en pu, los *EFLC
Evaluación de la mantenimientos programados y los parámetros de disponibilidad. *ADLC
Confiabilidad de Sistemas *demanda.csv: el cual contiene en cada columna la demanda horario en cada barra
de Transmisión eléctricos *generacion.csv: el cual contiene en cada columna la generación disponible en cada
unidad generadora

El algoritmo utilizado inicializa como primera medida las siguientes variables: Finalmente, el programa arroja los
*H: corresponde a la cantidad de horas de falla índices de confiabilidad como:
*N: hace referencia a las horas simuladas, que está relacionado con la cantidad de *LOEE
Análisis de Confiabilidad iteraciones *EIR
Nivel I a través del *E: energía no suministrada *LOLP
Modelamiento Se introducen los datos: *LOLE
Probabilístico de una *Datos de generación: estos son números de unidades de generación (convencionales e
fuente Eólica de Energía: intermitentes), potencia generada por cada unidad
*Datos de la curva de duración de carga: Los cuales hacen referencia a los números de la
curva de carga y probabilidad de ocurrencia
Métodos de implementación de algoritmos para el estudio
de confiabilidad y flujos de carga en redes eléctricas
Autor Variables de entrada Variables de salida
Desarrollo de un algoritmo para el Para el algoritmo utilizado en este documento se identifican
estudio de carga armónica para las siguientes variables de entrada:
Sistemas radiales de Distribución *R (pu): Hace referencia a la resistencia asociada a la barra
mediante el lenguaje de n por unidad
programación Python *X (pu): Hace referencia a la reactancia asociada a la barra n
por unidad
*P (pu): Hacer referencia a la potencia activa de la barra en
por unidad
*Q (pu): Hacer referencia a la potencia reactiva de la barra Se presenta como variable de salida el THD (porcentaje
en por unidad de distorsión armónica), Los valores de distorsión
armónica están definidos en porcentajes (%) de
cantidades eléctricas, estos valores son utilizados para
reconocer el grado de contaminación de redes
eléctricas. Por lo tanto, la distorsión armónica total
(THD) se utiliza para definir la importancia del
contenido armónico de una señal alternativa
PyDSAL - Python Distribution System Las variables utilizadas en este documento como entrada se Para la salida arrojada por el algoritmo se muestra:
Analysis Library especifican a continuación: *Potencia activa: esta se muestra para las cargas y las
*Parámetros de barra: se debe conocer variables como; perdidas
potencia activa, potencia reactiva, impedancia *Potencia reactiva: esta se muestra para las cargas y las
*Parámetros de línea: se deben conocer la resistencia, la perdidas
reactancia, la admitancia *Perfil de voltaje: donde por nodo se visualiza la
*Parámetros de carga: para las cargas se debe conocer; magnitud de tensión y el Angulo
tensión, potencia reactiva mínima, potencia reactiva
máxima
Métodos de implementación de algoritmos para el estudio
de confiabilidad y flujos de carga en redes eléctricas

Autor Variables de entrada Variables de salida

Propuesta a desarrollar por autor Las variables de entrada propuestas para el Las variables de salida que se obtienen en la base de datos
algoritmo a implementar serán: son:
*Cantidad de fallas x kilómetro de red *Corriente de cabecera
registrada históricamente *Regulación por circuito
*Indicador de simulación de líneas *Carga asociada a cada circuito
*pNomGrid hace referencia al nombre del *SAIFI para todo el sistema
proyecto del programa digsilent *SAIDI para todo el sistema
*Factor de potencia para la carga *ENS para todo el sistema
*nombre de las suplencias asociadas
Diseño y desarrollo de algoritmo

Diagrama Caso de Usos

Diseño y desarrollo de algoritmo

Diagrama de Clases
Diseño y desarrollo de algoritmo

Diagrama de Flujo
Evaluación del algoritmo computacional

C++

JAVA
HTML

PHP
Evaluación del algoritmo computacional-Escenario 1
Escenario 1
Regulación Tensión por Circuito
0.99
0.99 0.98
0.98 0.98
0.98 0.97
0.97 0.96

0.96

0.95 0.94
0.94

0.93

0.92

0.91
Escenario 1
Carga por Circuito

6 5.47

4.01
4 3.5 3.47 3.5
3
3

2 1.64

0
Escenario 1
Corriente de cabecera Circuito

0.35
0.3
0.3

0.25 0.22
0.19 0.19 0.19
0.2 0.16
0.15
0.09
0.1

0.05

0
Escenario 1

Índice Valor

SAIFI [1/Ca] 0.31870427

SAIDI [h/Ca] 4.45026728

ENS [MWh/a] 57.348

Evaluación del algoritmo computacional-Escenario 2
Escenario 2
Regulación Tensión por Circuito
1.0000
0.9961
0.9952 0.9947 0.9948
0.9941
0.9950
0.9906 0.9908

0.9900 0.9890 0.9895

0.9865
0.9858

0.9850
p.u

0.9816 0.9817 0.9812

0.9800

0.9750

0.9700
F1 F8 F2 F9 F3 F10 F4 F11 F5 F12 F6 F13 F7 F14
Escenario 2
Aumento de regulacion de tension por circuito [%]
4.5
4.08
4

3.5

3
2.59
2.5

2
1.69
1.56
1.5 1.3
1.19
1

0.5 0.42

0
F1 F2 F3 F4 F5 F6 F7
Escenario 2
Carga por Circuito
3.0000 2.7900
2.6800
2.5000
2.5000 2.3750
2.1350
2.0000 2.0000
2.0000
1.6350
1.5000
M.W

1.5000 1.3300

1.0900
1.0000 1.0000
1.0000
0.5450
0.5000

0.0000
F1 F8 F2 F9 F3 F10 F4 F11 F5 F12 F6 F13 F7 F14
Escenario 2
Disminucion de carga por circuito [%]
80
71.43
70 66.67

60 59.23
51.01
50
42.86
40 38.38
33.33
30

20

10

0
F1 F2 F3 F4 F5 F6 F7
Escenario 2
Corriente de cabecera por circuito
0.1600 0.1490
0.1428
0.1400 0.1330
0.1266
0.1200 0.1133
0.1061 0.1059

0.1000
0.0865
0.0791
0.0800
KA

0.0704

0.0575
0.0600 0.0527 0.0528

0.0400 0.0287

0.0200

0.0000
F1 F8 F2 F9 F3 F10 F4 F11 F5 F12 F6 F13 F7 F14
Escenario 2
Disminucion de corriente de cabecera por circuito [%]
80
71.82
70 66.97
60.01
60
52.55
50
43.42
40 39.1
33.55
30

20

10

0
F1 F2 F3 F4 F5 F6 F7
Escenario 2

Índice Valor

SAIFI [1/Ca] 0.27351268

SAIDI [1/Ca] 3.99737729

ENS [MWh/a] 53.2820306

Escenario 2
Comparación índices de confi abilidad
16
14.18
14
12
10.18
10
8 7.09
%

6
4
2
0
SAIFI [1/Ca] SAIDI [h/Ca] ENS [MWh/a]

Diferencia %
Índice
Escenario 1 Escenario 2
0.3187042 14.17
SAIFI
7 0.27351268
4.4502672 10.17
SAIDI
8 3.99737729
7.08
ENS
57.348 53.2820306
Conclusiones
 El error porcentual en promedio de los datos de salida del algoritmo con el software es del 5% valor
que se puede considerar relativamente bajo y que permite representar una buena fidelidad de
información y de funcionamiento del algoritmo implementado.
 
 Respecto a la calidad del servicio eléctrico prestado en el escenario 1 se presenta una mejora de hasta
el 15 % en los índices de confiabilidad con la entrada en servicio de la subestación eléctrica y la
distribución de las cargas presentada en el escenario 2, lo que permite observar los impactos positivos
que conlleva loa realización de una ingeniería en redes de distribución eléctrica.
 
 En los parámetros eléctricos se evidencia un aumento en la regulación de tensión del 4 % en el
circuito 7 en el escenario 2, respecto a los valores base que se tenían del escenario 1, representado
este el cambio más significativo de mejora en la caída de tensión debido a las perdidas eléctricas en
las impedancias de los conductores que comprenden el circuito comparado con los demás circuitos
que comprenden el topológico.
 
Conclusiones
 La búsqueda bibliográfica realizada durante la pasantía permitió entender mejor el concepto de
funcionamiento del módulo DPL inherente al software DIgsilent Power Factory®, afianzando
conocimientos en el concepto de la programación orientada a objetos y como desde este concepto de
programación se puede hacer uso de diferentes librerías que brinda el software.
 
 La implementación del algoritmo permite optimizar el análisis para el estudio de confiabilidad y flujo
de carga aplicados a sistemas eléctricos de distribución, facilitando contrastar con los datos de salida
del escenario base con las posibles ingenierías proyectadas.
 
 La incorporación de la herramienta computacional, permite al ingeniero de diseño seleccionar entre
variedad de escenarios proyectados sobre un mismo caso de estudio, la mejor opción de diseño,
basándose en resultados de estudios eléctricos como son confiabilidad y flujo de carga.
 
Conclusiones
 Las labores realizadas durante la pasantía permitieron comprender el desarrollo y funcionamiento del
área Diseño, Obras y Licencias MT de la compañía ENEL CODENSA y como se relaciona con las
distintas dependencias de la empresa.
 
 A nivel profesional la pasantía me permitió afianzar y aplicar conocimientos inherentes al campo de
aplicación de ingeniería eléctrica, adquiridos a lo largo del proceso de aprendizaje impartido en la
Universidad Distrital Francisco José de Caldas, correspondientes al pre grado universitario.
 
 Recomendaciones
 Durante el análisis de los resultados, se debe contrastar con los datos arrojados por el software
DIgSilent Power Factory desde el módulo “Load Flow Calculation” y el módulo “Reliability
Assesment” para verificar el correcto funcionamiento de la ejecución del algoritmo.

 Antes de ejecutar el script, se debe introducir en el código, el nombre del proyecto (nombre que se le
ha asignado previamente desde el data manager) y especificar las suplencias asociadas que contiene el
circuito a estudiar.

 De ser posible realizar una revisión periódica en la actualización y optimización de las líneas de
código que comprende el algoritmo computacional.