Evaluación de la confiabilidad del sistema eléctrico
El índice de confiabilidad es un intento de evaluar cuantitativamente la confiabilidad de un sistema utilizando un único valor numérico . El conjunto de índices de confiabilidad varía según el campo de la ingeniería; se pueden utilizar múltiples índices diferentes para caracterizar un solo sistema. En el caso simple de un objeto que no se puede usar o reparar una vez que falla , un índice útil es el tiempo medio hasta la falla que representa una expectativa de la vida útil del objeto. Otro índice interdisciplinario es la tasa de interrupciones forzadas (FOR), una probabilidad de que un tipo particular de dispositivo esté fuera de servicio. Los índices de confiabilidad se utilizan ampliamente en la regulación eléctrica moderna .
Redes de distribución de energía
En el caso de las redes de distribución de energía , existe una "confusa gama de índices de confiabilidad" que cuantifican la duración o la frecuencia de las interrupciones de energía ; algunos intentan combinar ambas en un solo número, una "tarea casi imposible". Los índices populares suelen estar orientados al cliente, algunos vienen en pares, donde el "Sistema" (S) en el nombre indica un promedio de todos los clientes y "Cliente" (C) indica un promedio solo de los clientes afectados (los que tuvieron al menos una interrupción). Todos los índices se calculan durante un período definido, generalmente un año:
Historia
Las compañías eléctricas surgieron a finales del siglo XIX y desde su inicio tuvieron que responder a los problemas en sus sistemas de distribución. Al principio se utilizaron medios primitivos: el operador de la compañía recibía llamadas telefónicas de los clientes que se quedaban sin electricidad, colocaba alfileres en un mapa mural en sus ubicaciones e intentaba adivinar la ubicación de la falla basándose en la agrupación de los alfileres. La contabilidad de las interrupciones era puramente interna y durante años no hubo ningún intento de estandarizarla (en los EE. UU., hasta mediados de la década de 1940). En 1947, un estudio conjunto del Edison Electric Institute y el IEEE (en ese momento todavía AIEE) incluyó una sección sobre las tasas de fallas de las líneas aéreas de distribución; los resultados fueron resumidos por Westinghouse Electric en 1959 en el detallado Electric Utility Engineering Reference Book: Distribution Systems .
En los EE. UU., el interés en las evaluaciones de confiabilidad de la generación, transmisión, subestaciones y distribución repuntó después del apagón del noreste de EE. UU. de 1965. Un trabajo de Capra et al. [9] en 1969 sugirió diseñar sistemas con niveles estandarizados de confiabilidad y sugirió una métrica similar al SAIFI moderno. SAIFI, SAIDI, CAIDI, ASIFI y AIDI se usaron ampliamente en la década de 1970 y originalmente se calcularon en función de los datos de los tickets de interrupción en papel; los sistemas computarizados de gestión de interrupciones (OMS) se usaron principalmente para reemplazar el método de "chinchetas" para rastrear las interrupciones. IEEE comenzó un esfuerzo para la estandarización de los índices a través de su Power Engineering Society . El grupo de trabajo, que operaba con diferentes nombres (Working Group on Performance Records for Optimizing System Design, Working Group on Distribution Reliability, Distribution Reliability Working Group, estándares IEEE P1366, IEEE P1782), presentó informes que definieron la mayoría de los índices modernos en uso. Cabe destacar que SAIDI, SAIFI, CAIDI, CAIFI, ASAI y ALII se definieron en una Guía para la medición de confiabilidad y la recopilación de datos (1971). [11] En 1981, las empresas eléctricas habían financiado un esfuerzo para desarrollar un programa informático para predecir los índices de confiabilidad en el Instituto de Investigación de Energía Eléctrica (EPRI en sí fue creado como respuesta a la interrupción del servicio de 1965). A mediados de 1980, las empresas eléctricas sufrieron reducciones de personal , los organismos reguladores estatales se preocuparon de que la confiabilidad pudiera verse afectada como resultado y comenzaron a solicitar informes anuales de confiabilidad. Con las computadoras personales volviéndose omnipresentes en la década de 1990, el OMS se volvió más barato y casi todas las empresas de servicios públicos los instalaron. Para 1998, los reguladores estatales exigieron al 64% de las empresas de servicios públicos que informaran sobre la confiabilidad (aunque solo el 18% incluyó los eventos momentáneos en los cálculos).
Sistemas de generación
Para los sistemas de generación de electricidad , los índices reflejan típicamente el equilibrio entre la capacidad del sistema para generar electricidad ("capacidad") y su consumo ("demanda") y a veces se los denomina índices de adecuación ; [16] ya que NERC distingue entre los aspectos de confiabilidad de adecuación (¿habrá suficiente capacidad?) y seguridad (¿funcionará cuando se lo perturbe?). [17] Se supone que si los casos de demanda que exceden la capacidad de generación son suficientemente raros y cortos, la red de distribución podrá evitar un corte de energía ya sea obteniendo energía a través de una interconexión externa o "eliminando" parte de la carga eléctrica . [ cita requerida ] Se supone además que el sistema de distribución es ideal y capaz de distribuir la carga en cualquier configuración de generación. Los índices de confiabilidad para la generación de electricidad se basan principalmente en estadísticas ( probabilísticos ), pero algunos de ellos reflejan los márgenes de capacidad de reserva de la regla general (y se denominan deterministas ). Los índices deterministas incluyen:
- El margen de reserva instalado (RM, un porcentaje de la capacidad de generación que excede la carga máxima anticipada) fue utilizado tradicionalmente por las empresas de servicios públicos, con valores que en los EE. UU. alcanzaron el 20%-25% hasta las presiones económicas de los años 1970;
- El índice de unidad más grande (LU) se basa en la idea de que la capacidad de repuesto debe estar relacionada con la capacidad del generador más grande del sistema, que puede quedar fuera de servicio debido a una sola falla;
- En el caso de los sistemas en los que la energía hidroeléctrica desempeña un papel importante, el margen también deberá estar relacionado con la escasez de energía en el " año seco " (una condición predefinida de bajo suministro de agua, generalmente un año o una secuencia de años).
Los índices basados en estadísticas incluyen:
- La probabilidad de pérdida de carga (LOLP) refleja la probabilidad de que la demanda supere la capacidad en un intervalo de tiempo determinado (por ejemplo, un año) antes de que se adopten medidas de emergencia. Se define como un porcentaje de tiempo durante el cual la carga del sistema supera su capacidad;
- La expectativa de pérdida de carga (LOLE) es la duración total de los eventos de pérdida de carga esperados en días, LOLH es su equivalente en horas;
- La energía no servida esperada (EUE) es la cantidad de energía adicional que se requeriría para satisfacer por completo la demanda en un período determinado (normalmente un año). También se la conoce como "energía no servida esperada" (o no suministrada, EENS), [23] también conocida como expectativa de pérdida de energía, LOEE;
- Los eventos de pérdida de carga (LOLEV) son una serie de situaciones en las que la demanda excede la capacidad;
- potencia esperada no suministrada (EPNS);
- probabilidad de pérdida de energía (LOEP);
- índice de confiabilidad energética (EIR);
- índice de duración de la interrupción (IDI) (este es simplemente otro nombre para SAIDI );
- energía recortada
Ibanez y Milligan postulan que las métricas de confiabilidad para la generación en la práctica están relacionadas linealmente . En particular, se encontró que los valores de crédito de capacidad calculados en base a cualquiera de los factores eran "bastante cercanos".
Referencias
- ^ Capra, Raymond; Gangel, Martin; Lyon, Stanley (junio de 1969). "Diseño de sistemas de distribución subterráneos para confiabilidad". IEEE Transactions on Power Apparatus and Systems . PAS-88 (6): 834–842. Bibcode :1969ITPAS..88..834C. doi :10.1109/TPAS.1969.292400. ISSN 0018-9510.
- ^ "Guía para la medición de confiabilidad y recopilación de datos", Informe del Grupo de trabajo sobre confiabilidad al Comité de transmisión y distribución del Edison Electric Institute, octubre de 1971.
- ^ Capítulo de San Francisco de la IEEE Power & Energy Society (SF PES). Índices comunes de confiabilidad de transmisión y distribución
- ^ "Confiabilidad de sistemas de potencia". Ingeniería de confiabilidad y seguridad . Springer Series in Reliability Engineering. Springer Londres. 2010. págs. 305–321. doi :10.1007/978-1-84996-232-2_8. ISBN 978-1-84996-231-5. ISSN 1614-7839. S2CID 233815248.
- ^ Anna Cretì; Fulvio Fontini (30 de mayo de 2019). Economía de la electricidad: mercados, competencia y reglas. Cambridge University Press. pp. 117–. ISBN 978-1-107-18565-4.
Fuentes
- Willis, H. Lee (1 de marzo de 2004). Power Distribution Planning Reference Book, segunda edición (2.ª ed.). CRC Press. págs. 111–122, 132. ISBN 978-1-4200-3031-0.
- Gnedenko, Boris; Pavlov, Ígor V.; Ushakov, Igor A. (3 de mayo de 1999). Sumantra Chakravarty (ed.). Ingeniería de Confiabilidad Estadística. John Wiley e hijos. pag. 4.ISBN 978-0-471-12356-9.OCLC 1167003263 .
- Layton, Lee (2004). "Índices de confiabilidad del sistema eléctrico" (PDF) . www.egr.unlv.edu .
- Qamber, Isa S. (13 de marzo de 2020). "Índices de confiabilidad de sistemas de generación". Control y confiabilidad de sistemas de energía: diseño y mejora de la energía eléctrica. CRC Press. ISBN 978-1-00-071082-3.
- Brown, Richard E. (19 de diciembre de 2017). "Índices y métricas de confiabilidad". Electric Power Distribution Reliability (2.ª edición). CRC Press. pp. 41–101. ISBN 978-0-8493-7568-2.
- EPRI (octubre de 2000). Fiabilidad de los sistemas de distribución de servicios eléctricos: Libro blanco del EPRI (PDF) . Palo Alto: Electric Power Research Institute .
- Billinton, Roy; Li, Wenyuan (30 de noviembre de 1994). "Índices de adecuación". Evaluación de la confiabilidad de los sistemas de energía eléctrica mediante métodos de Monte Carlo . Springer Science & Business Media. págs. 22–29. ISBN 978-0-306-44781-5.OCLC 1012458483 .
- David Elmakias, ed. (7 de julio de 2008). Nuevos métodos computacionales para la confiabilidad de sistemas de potencia. Springer Science & Business Media. pág. 174. ISBN 978-3-540-77810-3.OCLC 1050955963 .
- Arteconi, Alessia; Bruninx, Kenneth (7 de febrero de 2018). "Fiabilidad y gestión energética". Sistemas integrales de energía. Vol. 5. Elsevier. pág. 140. ISBN 978-0-12-814925-6.OCLC 1027476919 .
- Meier, Alexandra von (30 de junio de 2006). Sistemas de energía eléctrica: una introducción conceptual. John Wiley & Sons. pág. 229. ISBN 978-0-470-03640-2.OCLC 1039149555 .
- Ibanez, Eduardo; Milligan, Michael (julio de 2014), "Comparación de métricas de adecuación de recursos y su influencia en el valor de la capacidad" (PDF) , 2014 International Conference on Probabilistic Methods Applied to Power Systems (PMAPS), IEEE, págs. 1–6, doi :10.1109/PMAPS.2014.6960610, ISBN 978-1-4799-3561-1, OSTI 1127287, S2CID 3135204
- Malik, Arif; Albadi, Mohammed (15 de julio de 2021). "Valor de capacidad de la energía fotovoltaica para estimar la idoneidad de un sistema de generación de energía". Intermitencia de la energía solar fotovoltaica e implicaciones en los sistemas de energía . Cambridge Scholars Publishing. págs. 155–182. ISBN 978-1-5275-7242-3.OCLC 1263286601 .
- Ela, Erik; Milligan, Michael; Bloom, Aaron; Botterud, Audun; Townsend, Aaron; Levin, Todd (2018). "Suficiencia de recursos a largo plazo, requisitos de flexibilidad a largo plazo y suficiencia de ingresos". Mercados de electricidad con niveles crecientes de generación renovable: estructura, operación, simulación basada en agentes y diseños emergentes . Estudios en sistemas, decisiones y control. Vol. 144. Springer International Publishing. págs. 129–164. doi :10.1007/978-3-319-74263-2_6. eISSN 2198-4190. ISBN 978-3-319-74261-8. ISSN 2198-4182.