Date post: | 23-Jan-2016 |
Category: |
Documents |
Upload: | agata-cerrito |
View: | 212 times |
Download: | 0 times |
Ing. Héctor H. Meyer
CIDEL, 29 de Setiembre de 2010
EVALUACIÓN DE ENERGÍA NO SUMINISTRADA EN EL MERCADO DE DISTRIBUCIÓN DE EPEC
INTRODUCCIÓN
Las Distribuidoras eléctricas de la Provincia de Córdoba conformadas por la Empresa Provincial de Energía de Córdoba y 204 Cooperativas Eléctricas enfrentan en la actualidad un desafío:
“Hacia donde deben direccionarse los recursos humanos, físicos y tecnológicos para obtener un mejor desempeño en la gestión del servicio eléctrico”
ESCENARIO ACTUAL
► Los contratos de concesión establecieron los niveles tarifarios máximos iniciales para distintas categorías de usuarios y sus mecanismos de ajuste, los niveles de calidad de servicio y las penalidades por incumplimiento.
► Las penalidades buscan inducir a las empresas a
realizar las erogaciones necesarias para alcanzar el nivel de calidad de servicio comprometido.
► Los usuarios exigen un nivel de calidad de servicio más exigente en su aspecto continuidad
REGLA SOCIALMENTE ÓPTIMA
En el caso del mercado eléctrico argentino la penalidad es óptima sólo si la misma refleja exactamente los costos ocasionados al usuario: el beneficio social de una inversión o gasto operativo se refleja en evitar el costo incurrido ante la falla por el usuario, y por ende es deseable su adopción siempre que su costo sea inferior a dicho beneficio, siendo por ende la regla socialmente óptima que el costo marginal operativo de aumentar la calidad del servicio para la empresa se iguale con el beneficio marginal generado para los usuarios.
PROPUESTA
► Evaluar el comportamiento y definir las causas que producen los mayores inconvenientes de interrupciones de servicio nos permite “promover la eficiencia empresaria” en la gestión de un servicio público de
enorme importancia para el crecimiento estratégico
METODOLOGÍA PARA EVALUAR DESEMPEÑO DE REDES DE DISTRIBUCIÓN DE EPEC
► OBJETIVO: Priorizar los planes de mantenimiento y minimizar las decisiones de inversión
► MÉTODO: Contabilizar Energía No Suministrada (ENS) en kWh
► FORMATO: Documentación presentada • Por Distribuidor MT• Por SE MT/BT aérea• Por Cámara MT/BT subterránea• Por Alimentador AT• Por ET AT/MT
TECNOLOGÍA “SMART GRID”
► Empleando tecnología SMART GRID podemos teleoperar, telemedir y acumular la ENS por los siguientes puntos de suministro:
ET AT/MT ALIMENTADOR AT GUMA ET MT/MT CENTRO DE DISTRIBUCIÓN MT/MT DISTRIBUIDOR MT GUME SE MT/BT AEREA CAMARA SUBTERRÁNEA O A NIVEL MT/BT
SISTEMA DE INFORMACIÓN GEOREFERENCIADA
► La información de redes inteligentes debe estar geo-referenciada e incorporada a un sistema de información geográfico (GIS) lo que permite:
Identificar los sectores afectados por corte de servicio en un mapa de falla
Realizar reportes de clientes afectados por corte en media tensión y SE MT/BT sin servicio
Si incorporamos telemedición de señales de protección en distribuidores de media tensión podemos identificar causas de falla en los sistemas
CLASIFICACIÓN ENS
► El desafío está planteado: Clasificar la ENERGÍA NO SUMINISTRADA de acuerdo al uso y horario, de acuerdo a los siguientes criterios:
ENS por tramo horario: pico, valle y resto ENS por mala calidad de servicio ENS por mala calidad de producto (dentro de bandas
de tolerancia y fuera de bandas) ENS por tipo de cliente (comercial, residencial,
industrial) ENS por tipo de servicio: aéreo o subterráneo
DIAGNÓSTICO
1) Fijamos Nuestro Objetivo2) Definimos la Metodología3) Realizamos la clasificación de ENS de un sistema de
Distribución inteligente4) En base a las cantidades físicas de ENS durante el
año 2009 por unidad de medición (distribuidor MT, Centro de Distribución MT, etc.) definimos una serie de datos numérica
MODELO ESTADÍSTICO
Evaluar el comportamiento de la serie de datos numérica en función del indicador ENS y su relación con el indicador Frecuencia de Interrupción F
EL PENSAMIENTO ESTADÍSTICO
El pensamiento estadístico se caracteriza por: Desarrollar la capacidad de abordar problemas faltos de
estructura Valorar la utilidad de la estadística para predecir el impacto de
un factor sobre la variabilidad de otros y para decidir entre diferentes opciones Decimos que nuestro conocimiento puede fallar, por lo que es indispensable emplear herramientas estadísticas para saber separar en situaciones aleatorias cotidianas, la variabilidad natural de los fenómenos causales
ESTUDIO ANALÍTICO
Cada serie numérica está compuesta por las cantidades físicas (kWh) de ENS y F, por distribuidor de media tensión de EPEC
ORGANIZACIÓN DEL TRABAJO
Veamos como sería la organización del trabajo para cada indicador:► Recopilar datos de los Distribuidores de MT sin procesar ► Efectuar mediciones de resumen (Media, Mediana, Moda, Q1,
Q3, Eje Medio, Alcance o Rango, Rango Intercuartil, Varianza, Desviación Estandar y Coeficiente de Variación)
► Realizar evaluación de forma en base al resumen de cinco números
► (Menor, Q1, Mediana, Q3, Mayor)► Dibujar diagrama de escala de puntos ► Efectuar un polígono de porcentaje para verificar la forma de
distribución
METODOLOGÍA ESTADÍSTICA
Analizados los datos numéricos de ambas series de ENS y Frecuencia de Interrupción en el año 2009 a través de técnicas de estadística descriptiva, podremos evaluar el comportamiento de la distribución de los datos las interrupciones de servicio eléctrico en el nivel media tensión.
VERIFICACIÓN DE VARIABILIDAD DE LOS EXTREMOS
► En toda serie de datos se puede examinar la variabilidad de los extremos a través de la regla empírica que establece que:”En la mayoría de las series de datos aproximadamente el 90% de los datos están contenidos en una distancia de 2 desviaciones estándar alrededor de la media”
► Si se comprueba a partir del análisis estadístico efectuado, que los distribuidores con ENS superior al límite previsto no exceden el 90 % del total, en consecuencia se ha verificado la regla. En caso contrario habrá una importante variabilidad de los datos que requerirá una mayor profundidad en el análisis de causas y tiempos de las interrupciones de servicio de los Distribuidores de media tensión que generaron este desfasaje.
RESULTADOS DE VARIABILIDAD DE EXTREMOS
Serie de Frecuencia de Interrupciones
Se analizan la totalidad de los distribuidores arrojando como resultado que 10 distribuidores exceden el límite de tolerancia definido en 47, lo que representa un 2,4% del total.
ANÁLISIS FRECUENCIA
N° ESTACION CAMPO F
28 CERRO 13_LASALLE 54
33 DBOSCO 13_ACHATEAU 61
45 FIAT 13_ALIM1 55
48 FIAT 13_INTERFABRIC 74
53 GUINIA 13_DISTRI4-1 67
63 JARDIN 13_SANCARLOS 101
67 MABAST 13_CGRIGAITTI 179
108 PERKIN 13_VILLAPOSSE 79
201 SUROES 13_CARCEL 50
295 CALERA 13_PLANTASUQUI 51
RESULTADOS DE VARIABILIDAD DE EXTREMOS
Serie de Energía No Suministrada
Se analizan la totalidad de los distribuidores arrojando como resultado que 23 distribuidores exceden el límite de tolerancia definido en 42.894 kWh, lo que representa un 5,6% del total.
ANÁLISIS ENS
N° ESTACION CAMPO ENS (kWh)
28 CERRO 13_LASALLE 43.883
33 DBOSCO 13_ACHATEAU 56.816
37 DBOSCO 13_POZOVERDE 50.638
45 FIAT 13_ALIM1 43.269
48 FIAT 13_INTERFABRIC 44.013
51 GUINIA 13_DISTRI1-1 65.161
52 GUINIA 13_DISTRI3-1 60.398
53 GUINIA 13_DISTRI4-1 74.317
55 GUINIA 13_DISTRI6-1 60.847
63 JARDIN 13_SANCARLOS 65.217
67 MABAST 13_CGRIGAITTI 98.895
72 MABAST 13_RUTA19 49.859
74 MABAST 13_YPF 51.396
108 PERKIN 13_VILLAPOSSE 51.671
130 RBUSTO 13_FAVICUR 49.256
212 SUROES 13_ROSEDAL 66.369
269 DEHEZA 33_ACGDEHEZA 45.658
270 DEHEZA 33_LASPERDICE 47.913
299 RCEBAL 13_SALSIPUEDES 57.531
306 VALLEN 13_SALDAN 48.995
353 INRIVI 33_LOSSURGENTE 53.833
354 INRIVI 33_ORDONIE 61.867
357 IVERDE 33_PASCANAS 102.713
VERIFICACIÓN CONJUNTA DE DISPERSIÓN DE DATOS DE LAS SERIES DE ENS Y FRECUENCIA
► Emplearemos este análisis exclusivamente para evaluar el comportamiento de las series numéricas de datos de Frecuencia de interrupción y de ENS en forma conjunta.
► Consiste en evaluar los distribuidores que exceden los límites de tolerancia definidos para ENS y Frecuencia, o sea que se trata de distribuidores primarios en media tensión que tuvieron un desempeño critico durante el año 2009 y se requiere una rápida definición de un plan de mantenimiento para mejorar su performance.
ANÁLISIS CONJUNTO ENS/F
Se individualizaron 10 Distribuidores que excedieron durante el año 2009 los límites de tolerancia de ENS y Frecuencia
N° ESTACION CAMPO F ENS (kWh)
28 CERRO 13_LASALLE 54 43.883
33 DBOSCO 13_ACHATEAU 61 56.816
45 FIAT 13_ALIM1 55 43.269
48 FIAT 13_INTERFABRIC 74 44.013
53 GUIÑAZÚ 13_DISTRI4-1 67 74.317
63 JARDIN 13_SANCARLOS 101 65.217
67 MABAST 13_CGRIGAITTI 179 98.895
72 MABAST 13_RUTA19 47 49.859
108 PERKIN 13_VILLAPOSSE 79 51.671
299 RCEBAL 13_SALSIPUEDES 47 57.531
PROGRAMA ANUAL DE MANTENIMIENTO
Una vez definidos los distribuidores de media tensión de peor desempeño propondremos un programa de mantenimiento de redes de distribuidores de media tensión que contemple acciones para reducir la cantidad de interrupciones y sus tiempos de interrupción, profundizando las acciones de poda y diagnóstico del nivel de aislación, incorporando equipos de protección de nueva tecnología con dispositivos de recierre rápido.
CONCLUSIONES► Entendemos que el modelo estadístico nos facilitó la comprensión del
comportamiento de las series de datos numéricas de la ENS y Frecuencia de Interrupción de servicio presentados como diagramas, tablas y gráficos, interpretando lo que tratan de transmitir y una presentación de las características claves de la serie.
► Con los resultados de estadística descriptiva obtenidos, para lo cual empleamos software especializado SPSS, nos sirvieron para obtener mediciones que nos permitieron verificar valores medios y dispersión de la serie de datos.
► Finalmente pudimos identificar los distribuidores de media tensión con peor desempeño durante el año 2009 en relación al indicador de Energía No Suministrada a efectos de proponer un programa de mantenimiento con acciones concretas para regularizar esta situación.
► Consideramos que la calidad de servicio de la energía eléctrica es un tema preocupante que debe involucrar a todos los actores de la Sociedad, para permitir mejorar la calidad de vida de los usuarios y la rentabilidad de las empresas concesionarias.