Professional Documents
Culture Documents
FACULTAD DE INGENIERIA
ESCUELA DE ELECTRICA
PREDICCION ESPACIAL DE LA
DEMANDA ELECTRICA EN LA
CIUDAD DE MARACAIBO
indiferencia; para aquel que está por encima de todo y a quien las palabras no podrán
años, compañera y amiga sin igual. Sin tus esfuenos, sacrificios, lágrimas y oraciones,
este sueno no se estuviera convirtiendo en realidad. Mi 'viejita" este trabajo es para ti.
A mi amiga, novia y esposa, Rosana. porque no tienes rlval, ni ser alguno que se
compare a ti en esperar, tolerar y aceptar; eres la Dulcinea de mis obras. Porque te amo y
respeto, por ser quien eres y por ese significado tan especial que Uenes en mi vida. vayan
algíin modo gracias a ti, sigo estando aquí para culminar una de nuestras metas.
A mis no menos amados 'Rome" y "Tata". porque no sólo los siento en mis venas
sino con todo el corazón; mis 'Hermanitos" sin los que la vida no sería vida, que me han
'aguantado" y con quienes he compartido tanto. hasta llegar aquí. Ustedes son parte de
mi y de este logro.
A mis amigos todos, mi suegra y mis cuñados, por el apoyo y constante estimulo
adrniritstrativo.
este modo a mi formación académica; en particular al F'rof. Próspero Lbpez Bravo quien
abrió hacia mi las puertas de un mundo mágico y sin final: el Análisis Matemático.
A mi asesor académico. profesor Ing. Wilfred Noel Grant, por s u plena confianza y
más que mis tutores, fueron pilar fundamental en la valoración del esfuerzo que significó
En fin. a todo el personal técnico, administrativo y de ingenieria con los que formé
José R. Espina A.
RESUMEN
AGRADECIMIENTO............................................................................................................v
RESUMEN........................................................................................................................ .vil
5.4.7 Datos para los Cálculos de los Factores de Entorno y Proximidad ................... 96
CONCLUSIONES........................................................................................................... 150
r,
iS a RODUCCION
7nm;
el cual deben ponerse en servicio nuevos equipos, la capacidad de los mismos, donde es
recursos ya existentes, todo esto para definir en forma eficaz la configuración misma del
predicción de demanda es errónea. Por tanto dicha estimación debe ser tan exacta y
Distribución flexible a los cambios del uso de suelos, regulaciones y otros factores
macroeconómicos de la región.
cubre apenas el 20% de la demanda total del sistema (47 circuitos) y el resto es asumido
por la red de 24 kV (73 circuitos). Esto hace un total de 120 circuitos de distribución,
monografía*.
nuevas cargas en 8 kV por la falta de flexibilidad de estos circuitos y por su bajo nivel de
confiabilidad; por ello se considera que los mismos representan cargas constantes para
las subestaciones que los poseen (un total de 8 SS/EE), y sólo son cambiados al nivel de
cualesquiera de ellos. Esto permite mantener un nivel de carga por circuito en 10 MVA
* Actualmente la subestación Amparo proyectada en un estudio anterior al presente, ha sido puesta en servicio con la
exceder 60 MVA en demanda, garantizando que hasta seis circuitos puedan trabajar a
plena carga (10 MVA) bajo condiciones normales. En caso de perder un transformador de
establecido para el funcionamiento del equipo. Durante ese lapso el equipo deberá ser
subestaciones vecinas.
administrar hasta 100 MVA, de los cuales 60 MVA serán propios y el resto transferido
párrafo anterior.
Por otra parte, las subestaciones Apendizadas no presentan el esquema que las
normalizadas, pues funcionan como barras de enlace de 24 kV. Puede que en algunas de
ellas existan transformadores con niveles inferiores de tensión (24/8 kV), pero ellos no
son considerados como capacidad instalada del sistema, pues su alimentación depende
transferirse toda la demanda que esté por encima de los 30 MVA, a los circuitos de
subestaciones adyacentes.
una expansión ordenada con base en el sistema presente, que satisfaga futuras
corto plazo ha sido el enfoque tradicional para los sistemas de distribución y es hecha
momento previsto.
estudios de corto alcance desde finales de la década de los setenta, pues con anterioridad
esta misión era realizada por entes consultores externos a ella. Con el nacimiento del
Por contraste, una planificación de largo plazo está motivada por el afán de
determinar la factibilidad económica y temporal de las ejecuciones del corto plazo. Por
esta razón se busca asegurar que todos los elementos del corto plazo sean empleados en
forma eficiente, para que cualquier infraestructura del sistema tenga una vida útil de
ampliarse su cobertura con nuevas instalaciones y/o equipos, para un completo plan de
inversiones.
históricas, y aunque es muy fácil de utilizar (maneja un pequeño volumen de datos), tiene
• Puede sobre extrapolar la demanda, esto es, predecir más carga que la posible en
una microárea.
cuantiosas pérdidas en la inversión de largo plazo. Por esta razón, se han analizado
métodos que manejan una cantidad de variables suficientes para hacer confiable la
los componentes del sistema. Una predicción espacial de demanda prevé por tanto, no
sólo una cierta magnitud total sino también su distribución geográfica. El mismo total es
los siguientes 15 años para la ciudad de Maracaibo. Con este fin se empleó un método de
un modelo espacial con patrones ubicacionales, capaz de predecir donde sucederán los
suelos, en proyección de demanda eléctrica. Sin embargo para ejecutar este programa
Fue en la etapa de calibración del modelo, donde el intento realizado por la Unidad
sino también una clave para la creación de un algoritmo programable que sustituya el
modelo de carga empleado, por otro que no requerirá la tediosa etapa de calibración,
confiable.
2. FUNDAMENTOS TEORICOS
Este capítulo presenta una discusión sobre la carga eléctrica, su crecimiento, y los
explicando los conceptos básicos que rigen sobre esta materia. El resto de este capítulo
programa SLF-2.
Desde el punto de vista del planificador la demanda eléctrica está compuesta por un
gran número de artefactos eléctricos, propios de los diversos consumidores dentro del
planificación del sistema de distribución se realiza entonces sobre una base anual, en
prever la demanda en cada una. Las cargas en la planificación respaldada por una base
( 2-1 )
utilizan una rejilla o red de N×M microáreas llamadas celdas, y señaladas por la ubicación
(n,m);
( 2-2 )
definida por la resolución espacial del mapa base disponible en la empresa de suministro.
del total de los artefactos y equipos conectados a la red, están demandando energía.
Por esta razón, la carga pico del sistema ocurre cuando la combinación de
demandas individuales llega a su máximo. Sin embargo, en ese instante puede suceder
CAPITULO 2. FUNDAMENTOS TEORICOS 12
que algunos usuarios sólo estén consumiendo parte de su pico de demanda. La relación
de la carga pico del sistema y la suma de cargas pico individuales es conocida como factor
de coincidencia Cs
( 2-3 )
alimentadores, etc.), ocurre cuando la suma de las demandas de todos los consumidores
que sirve, esta al máximo. Este pico puede no ocurrir al mismo instante que en el
sistema, o que los picos de cualquier otra infraestructura. Por esta razón la suma de las
cargas pico de todos los alimentadores excede en mucho la carga total del sistema.
de las cargas fuera del pico. Como una función del número de consumidores, esta curva
equipos.
Por ejemplo un alimentador planificado para servir 150 hogares, debería ser
seguridad estaría dictado por las políticas de planificación y los estándares de diseño de
la compañía. Sí la distribución de carga entre los 150 hogares se hace en diez laterales,
cada uno estaría dimensionado de manera similar , utilizando el promedio C(15) en lugar
de C(150). Obsérvese que cuando C(15) > C(150), la suma de las capacidades de los
antes descrita; su aplicación está dada en los siguientes términos: 1) Es ignorado; el valor
de demanda de una microárea es el mejor dato disponible sobre el pico de carga anual en
microárea sea lo suficientemente grande para que típicamente contenga varios cientos de
cerca de Cs ; así que la demanda pico de dicha microárea será parte del pico del sistema.
* H. Lee Willis & J. Northcote-Green, “Spatial Load Forecasting: A Tutorial Review”. Página 234.
CAPITULO 2. FUNDAMENTOS TEORICOS 14
C (e )
l k (t ) utilizada en el área k = ⋅ (carga pico estimada para la celda k)
C (a )
( 2-5 )
Una resolución espacial de alta calidad hace más significativos los efectos de la
consumidores. El factor de coincidencia en este caso está lejos de ser Cs. Sin embargo, la
dimensión espacial para el sistema. Utilizando tales cargas sobre la base de una
microárea, puede ser agregado un lk(t) cualquiera para estimar la demanda de un área
equipos (para más de 500 consumidores), este procedimiento queda justificado por la
forma plana que para tales magnitudes tiene la curva de coincidencia (Fig. 2-1).
simultáneos:
empresa.
cápita de energía).
CAPITULO 2. FUNDAMENTOS TEORICOS 15
difunde carga eléctrica en áreas que inicialmente no tenían demanda - celdas “vacantes”
desde el punto de vista eléctrico. Los cambios en los hábitos de consumo ocurren
espacial de la carga.
uniforme y continua. Leves variaciones son causadas por el clima y otros factores
crecimiento en una microárea típica no es una curva suave, sino como la representada en
la Fig. 2-2 - una aguda ojiva, o curva de Gompertz, comúnmente llamada curva “S”. La
mayor parte del crecimiento de la demanda en una microárea ocurre en sólo pocos años,
durante los cuales la carga crece desde cerca de cero hasta el valor final de carga pico, en
otra). La tendencia uniforme y constante del sistema completo, se debe a que éste es la
diferentes.
Por supuesto, cada microárea diferirá - la mayoría de las veces ligeramente, y unas pocas
región posee una curva histórica de la demanda. En las curvas tipo “S”, y en particular
para una microárea, podemos diferenciar tres zonas de crecimiento: inicial, rampa y
saturación.
CAPITULO 2. FUNDAMENTOS TEORICOS 16
DEMANDA
DEMANDA
AÑOS AÑOS
(a ) L a C i u d a d . (b ) G r a n p a r t e d e l a c i u d a d .
DEMANDA
AÑOS
(c ) E l 5 0 % d e l a c i u d a d .
DEMANDA
DEMANDA
AÑOS AÑOS
(d ) U n a p e q u e ñ a p a r t e d e l a c i u d a d . (e ) U n a m i c r o á r e a d e l a c i u d a d .
encuentra vacía.
consumo.
de una compañía a otra, pero el comportamiento básico es observable en casi todos los
sistemas de energía.
una serie de transiciones entre niveles de carga con el empleo de una matriz de
transición; la conclusión principal de esta metodología es, que desde el punto de vista del
de estudio, son equivalentes (los detalles de este procedimiento son independientes del
Estos dos caminos para estudiar el crecimiento de la carga - curva “S” y matrices de
sobre una pobre resolución espacial, generalmente se observa algo plano, y el crecimiento
gradual de cada área continúa por muchos años. Previamente existen pocas áreas
promedio es bastante empinada y breve, tanto como rápido es el desarrollo desde cero
parecerá transiciones entre los niveles de carga finales, debido a los desarrollos en áreas
no que analicen los datos históricos en el curso de la predicción; 2) por el tipo de red o
analíticos hacen el análisis de los datos del pasado y/o del presente, identificando
patrones y tendencias que son empleados para la proyección del futuro crecimiento de la
carga. Por contraste, los métodos no analíticos son enfoques que emplean el computador,
sólo para llevar un registro y generar reportes de una predicción realizada en forma
intuitiva. La mayoría de las recientes técnicas de predicción usan una red rectangular de
existentes, dispuestos verticalmente (de arriba hacia abajo) según aumenta la calidad de
dado con cada método especifica cuando fueron usados por primera vez.
CAPITULO 2. FUNDAMENTOS TEORICOS 19
NO ANALITICOS ANALITICOS
METODOS QUE TRABAJAN SOLO CON LOS DATOS DE CARGA
PREDICCION TENDENCIA
MANUAL 1940
PREDICCION ESPACIAL METODOS DE TENDENCIA PARA METODOS DE TENDENCIA PARA
(USO DE SUELOS 1-1-1) AREAS INDIVIDUALES MUCHAS AREAS SIMULTANEAMENTE METODOS QUE TRABAJAN CON DATOS ADICIONALES A LOS DE CARGA
1960
DESAGREGACION 1970
BASADO EN METODOS DE
REGRESION 1959
(2-2-3) O (2-3-3)
(3-3-2) O (3-3-3)
1976
FILTRACION
MULTIESCENARIO
1982
Los métodos analíticos caen en diversas categorías. Los más simples en términos de
métodos y de sistema de datos, son los algoritmos que extrapolan sobre el último
Algunos son completamente novedosos. Por su parte los métodos multivariables trabajan
con otros datos adicionales a la data de carga de las microáreas. Los tipos de algoritmos
posibles son muchos, pero el término “multivariable” sólo es empleado para métodos que
extrapolan simultáneamente varias variables sobre una microárea base. Una clase muy
emplean una técnica de simulación arbitraria para el sistema urbano de uso de suelos
con el fin de predecir la carga eléctrica en el futuro. Aunque éstos son técnicamente
( 2-6 )
ur bano
DEMANDA ELECTRICA
subur bano
r ur al
de carga en el área central de la ciudad, varias técnicas utilizan una función que es la
CAPITULO 2. FUNDAMENTOS TEORICOS 21
(xp(t),yp(t)); 2) la densidad de carga central, o “altura” del polo, D(t); y 3) una función por
unidad de distancia, d, desde el centro, g(d,t) con g (0,t) ≡ 1. Comúnmente, g(d,t) es una
función monótonamente decreciente con la distancia cuyo radio o punto donde g(d,t) = ø,
el crecimiento no es posible, es restringida a cero. Las celdas que representan áreas tales
como cementerios, parques, cañadas y terrenos con pendientes agudas, etc., pueden
Una predicción de carga que utiliza esta técnica es la regresión lineal. La función es
ajustada hasta los valores de carga para el año más reciente, y también a los valores de
carga de varios años anteriores, encontrando en cada año el centro D(t) y la forma de
g(d,t). La predicción del sistema total (obtenida del pronóstico de ingresos de la empresa),
Estos tres factores extrapolados sirven para determinar un nuevo diámetro, definiendo
Cuando son ajustadas a datos del pasado y extrapoladas en el futuro, este tipo de
funciones producen típicamente curvas “S” para la predicción del crecimiento de carga
dentro de cada celda. Aún cuando puede ser aplicado sobre una base de alta resolución,
el método está realmente modelando cada celda como parte de una curva de crecimiento
aumenta, la resolución de este método decrece. Cuando se utiliza para cubrir una ciudad
para cubrir un área geográfica más grande. Considerando que ciudades más grandes
una función de “polos urbanos” diferentes. Una distribución geográfica más compleja de
la carga puede ser entonces modelada, manteniendo una resolución espacial bastante
elevada.
CAPITULO 2. FUNDAMENTOS TEORICOS 23
Los métodos multivariables de predicción espacial de carga, hacen uso no sólo los
valores del pico de carga anual lk(t), sino que además utilizan hasta más de sesenta
medidas adicionales sobre cada microárea. Estas variables forman un “vector de datos”
Vk ≡ 〈v1,k(t),v2,k(t),…,vi,k(t),…,vI,k(t)〉.
enfoque. Los métodos multivariables difieren de los de tendencia, porque extienden los
Vn(t+a) = G[Vn(t),C(t+a)]
( 2-7 )
donde V(t) es un vector compuesto por todas las vi,k(t) y C(t+a) que denota un conjunto de
para períodos superiores a un año son hechas en varias iteraciones. El concepto detrás
desarrollar una función lineal de movimiento dentro del mismo; la trayectoria promedio
3. Una vez establecidas, esta. trayectorias podrían ser proyectadas por muchos años
que las celdas se mueven en el espacio, cambiando las características de los grupos y
consecuentemente la trayectoria.
control (o sea, C(t+a) en ( 2-7 )), desde un programa de predicción de uso de suelos como
el discutido más adelante. Esta proyección del uso de la tierra proporcionó la información
sobre el cambio en la microárea en términos del uso por tipo de consumidor, en el año
discutió antes, el método puede manejar formas extremas de curvas tipo “S” debido al
procedimiento.
CAPITULO 2. FUNDAMENTOS TEORICOS 25
una celda promedio decrece. Vistas en la resolución de 1½ Km., la mayoría de las celdas
de una ciudad tendrán muchísimos tipos de carga; usualmente cada una tendrá alguna
divergentes en la mezcla sobre cada celda. Como el tamaño de la celda es reducido a 64,
16 o 4 Has., la celda promedio estará compuesta de unos pocos consumidores. Así para
colapsaron levemente respecto de las clases de consumidor. Las celdas fueron bien
distinguidas únicamente por la densidad y tipo de uso de suelos - distinciones que son
clase y la densidad del uso de suelos, como un primer paso para el pronóstico de
demanda eléctrica, es manejado por la predicción de uso de suelos. Otra ventaja de los
métodos de uso de suelos es que pueden emplear las predicciones del sistema para
CAPITULO 2. FUNDAMENTOS TEORICOS 26
electricidad relacionado con el uso de suelos. Como se mencionó antes, las técnicas
consumidor. Una tercera ventaja es que los métodos de uso de suelos son propicios para
D a t a d e U so d e
S u e l os A c t u a l
M OD E LO D E U SO D E SU E LOS
Tot a l es d e 1 . A n á l i si s d e l a d e m a n d a d e l
con t r ol u so d e su e l os (ba j a f r e c u e n c i a
e sp a c i a l ).
2 . A n á l i si s d e l a d i sp on i bi l i d a d
d e l u so d e su e l os (a l t a f r e c u e n c i a
e sp a c i a l ).
PR E D I C C I ON D E L
F U T U R O U SO D E
SU E LOS E N LA
M I C R O AR E A
3. M O D E L O D E C A R GA
D e u so d e su e l os a
dem ada eléct r ica
D a t os sob r e l a s
cl a ses d e ca r ga
PR ON O ST I C O D E LA
D E M AN D A
Los métodos modernos trabajan sobre la base de una red rectangular, con datos
sobre el tipo y la densidad de uso de suelos en cada microárea. Datos geográficos y otros
factores son también incluidos. Para C clases de uso de suelos, c ∈ [1,C], y típicamente
Se define
Estos a c (k , t ) son un subconjunto del vector Vk (t) para la celda k. Los datos adicionales
red de transporte.
dedicado a la clase c.
difieren sólo en la técnica y satisfacción de cada paso de la Fig. 2-4. Un método basado en
el uso de suelos es empleado inicialmente con una etapa de calibración en la cual, datos
ubicacionales. Estos son entonces utilizados para predecir datos sobre el tipo y densidad
eléctrica con la aplicación del modelo de utilización que representa la carga de cada clase
de uso de suelos.
Hay tres enfoques para la conversión de datos de uso de suelos en carga eléctrica:
simplemente un factor por clase; un perfil de carga diario (24 horas) por clase; o la
aplicación de varias curvas de 24-h para cada clase, cada curva representando parte de la
carga de la clase.
CAPITULO 2. FUNDAMENTOS TEORICOS 28
1) Los primeros métodos usan sólo un factor de densidad de carga por unidad de cada
tipo de uso de suelo, y éste puede ser una función del año
Lc(t) = demanda eléctrica de una unidad de uso de suelo del tipo c en el año t.
C
l k (t ) = ∑a
c =1
c (k , t ) ⋅ L c (t ) .
( 2-8 )
y las 24 cargas horarias del día para la celda, son cada una
C
carga en la celda k en la hora h del día = ∑a
c =1
c (k , t ) ⋅ L c ( h , t ) .
( 2-9 )
La ventaja de este segundo método es que las curvas de 24-h conducen a señalar el(los)
3) Los modelos de carga más completos utilizados en el análisis espacial de carga son
los de “uso final”, en los cuales un conjunto de hasta 200 tipos de carga son aplicados.
Cada uno es una curva de 24 horas que describe el comportamiento de una subclase
particular de carga. Por ejemplo, residencial mediano podría ser representada por su
representando escenarios alternos en el futuro, pueden ser incluidas dentro de las cargas
espaciales por la simple variación y recálculo de las funciones de carga, sin tener que
desarrollado dentro de un campo establecido por estudios socioeconómicos. Tres son las
primer concepto puede ser interpretado según algunas reglas básicas que “equilibran” el
crecimiento predicho para cualquier ciudad, pueblo o región: a) la región debe proveer de
industrias que proveen a la economía local de empleos; y, d) estas necesidades deben ser
expansión del crecimiento residencial fue concebida para ser conducida por una función
más demanda habitacional cerca de esta zona que lejos de ella. “Distancia” significaba
una ciudad puede comprenderse por el análisis de los sistemas de calles, autopistas,
proporcional a la distancia en línea recta, puede ser utilizado con buenos efectos,
CAPITULO 2. FUNDAMENTOS TEORICOS 30
dominantes.
terreno (adecuadas sólo para ciertos usos). La disponibilidad, como es tratada aquí, puede
ser pensada en términos de una medida numérica para una parcela particular de terreno
que satisface necesidades específicas del uso de suelos. Por ejemplo, una parcela cerca de
una vía férrea puede ser ideal para propósitos industriales y sin embargo marginal en el
mejor de los casos (debido al ruido, etc.) para el uso residencial. Parcelas de terreno a sólo
crecimiento espacial de la carga han aplicado estos tres conceptos, con modelos urbanos
predicen el crecimiento del uso de suelos sobre la base de un área censada. Relacionar la
información del área de censo de tales modelos con las celdas de una red uniforme o, a
complicado en sí mismo.
CAPITULO 2. FUNDAMENTOS TEORICOS 31
analíticos como no analíticos, pueden ser vistos desde una perspectiva que modele una
residencial, es debido a que tanto una demanda de vivienda como una oferta de tierra
Con el propósito de ajustarse a esta perspectiva, la demanda debe tomarse como las
exigencias de alguien que buscando la expansión de un tipo particular de uso del suelo,
realiza una exploración para encontrar el terreno que se ajuste a sus necesidades.
buena ubicación. Ambos tienen una definición específica, exacta de lo que está adecuado
competencia, etc.). Sin embargo además de las preferencias, cada cual restringe su
búsqueda a una cierta, y quizás confusamente definida región. Haciendo caso omiso que
este terreno preferido puede estar disponible fuera de la “zona de búsqueda”, cualquier
examen de un nuevo sitio quedará limitado a dicha zona. El comprador de vivienda puede
examinar sólo un cuadrante de la ciudad motivado por el deseo de estar cerca de su lugar
dispuesto a aceptar cualquier parcela que llene sus requerimientos más que otra en la
CAPITULO 2. FUNDAMENTOS TEORICOS 32
misma zona, pero no aceptarán una parcela fuera de dicha zona aún cuando fuese mejor.
Km. aunque ésta sea la mejor opción. La clave es que la demanda, (definida como las
distancia. Así definida, una medida cuantitativa de “demanda” sobre una base espacial
de las cualidades que harían una parcela de terreno adecuada para sus propósitos. Cada
tipo de uso de suelos tiene ciertas características que son críticas, o al menos,
una parcela de terreno que esté cerca de un corredor de tráfico mayor. Una residencia
tiene la necesidad de estar cerca de otra (un buen vecindario), considerar el transporte y
la cercanía de otros atractivos (escuelas, etc.), pero lejos de industrias y vías férreas.
puede resultar ideal para un propósito de uso de suelo, y sin embargo otra a sólo ¼ de
milla puede parecer muy excluyente para el mismo propósito. Por lo tanto las medidas
cuantitativas de preferencia del terreno para usos específicos son de frecuencia espacial
relativamente alta. Considerando el conjunto de todas las parcelas de terreno que son
adecuadas para una clase particular de uso de suelo como la oferta de tierra para ese
de una ciudad, poco desarrollo se observará en la parte Oeste; sin embargo, los sitios que
de este lado son excelentes, se ponderan como una enorme oferta de terreno para ese
propósito. Una parcela de tierra puede estar apta para una clase particular de uso de
suelo, pero el crecimiento no está garantizado sólo porque ella sea adecuada. Igualmente,
1. Los modelos de demanda no necesitan ser calculados sobre la base de una alta
2. Los modelos de oferta-preferencia son de alta frecuencia y deben ser hechos sobre
que, las preferencias de una celda particular pueden ser completamente calculadas sólo
con base en los datos de las celdas de su vecindad inmediata, que generalmente no
Como se discutió antes, la demanda está ampliamente orientada por las facilidades
urbana, son modelos orientados al transporte. Los métodos que consideran el efecto
transporte hacen un excelente trabajo al modelar el impacto que éste produce, pero
pueden requerir un extraordinario esfuerzo y una gran cantidad de data. Tales modelos
trabajan con zonas de alrededor de 10 mi2 o más. Por tanto son modelos de baja
necesita para su aplicación en los modelos espaciales de carga. El análisis puede ser
realizado sobre una gran superficie base y los resultados de baja frecuencia interpolados
modelan todos los componentes de baja frecuencia del crecimiento espacial. Estas son las
mismas frecuencias que constituyen la “banda de demanda”. Por tanto, tales técnicas
otras barreras crean agudas discontinuidades en lo que sería de otra forma una demanda
de baja frecuencia. En tales casos, los modelos de polos urbanos no trabajan bien, por lo
una alta resolución espacial (gran número de celdas). El volumen de trabajo en el campo
CAPITULO 2. FUNDAMENTOS TEORICOS 35
regional. Se define la preferencia para el uso de suelos del tipo c en la celda k como
Existen varios métodos para determinar las preferencias. En algunos casos, son
proporcionadas como entrada (función del vector de datos de la celda Vk (t) y los vectores
“distancia inversa” al ítem más cercano de un conjunto de atractivos. Para calcular las
en su análisis
férrea más cercana. La suma ponderada de la distancia de todas las celdas de una clase o
Sea Snc ,m (t ) la suma del desarrollo de la clase c próximo a la celda (n,m), ponderada
( 2-10 )
en el caso antes citado). Tanto Wc (d) como β variarán dependiendo del factor que está
siendo calculado.
comportamiento general de preferencia sobre una base de alta resolución. Por ejemplo, la
factores positivos. Los factores negativos pueden incluir la proximidad a vías férreas,
proximidad y de entorno.
S nc ,m (t ) = ∑ ∑
x = −β y = −β
W c ( x 2 + y 2 ) ⋅ a c ( x + n , y + m ,t )
( 2-11 )
CAPITULO 2. FUNDAMENTOS TEORICOS 37
una convolución del a c (k , t ). El cálculo puede ser hecho en tres pasos: 1) tomar la
es la Skc (t ) .
El tercer tipo es hecho comúnmente sobre una gran superficie (zonal). El segundo está
Los modelos de oferta son de alta resolución y también caen dentro de tres
categorías básicas:
El modelo de carga puede ser hecho en cualquiera de las formas antes discutidas:
3. Una curva de 24 o 8760 mediciones horarias del uso final por cada una de las
clases.
Debido a que los métodos basados en el uso de suelos emplean algunas formas de
análisis de cada categoría, es conveniente referirse a dichos métodos con los tres números
y de carga. Así un modelo 2-1-2 es una técnica que usa funciones de demanda de polos
urbanos son empleados para generar la múltiple baja frecuencia del crecimiento, dada
(consumidor). Esto combinado con las microáreas de preferencia por cada clase de uso de
CAPITULO 2. FUNDAMENTOS TEORICOS 39
indican cuan atractiva es una celda vacante para comenzar a crecer. Por cada celda y
preferencias tal como se han definido) son combinadas en una suma, la cual es usada en
una distribución de “Monte Carlo”* por cada clase entre el total de k celdas. El
crecimiento total es dividido entre todas los suelos vacantes del total de celdas, en forma
usuario los pasos básicos para realizar la predicción). El SLF-2 implementa modelos de
predicción 1-1-3, 2-1-2, 2-2-2, 2-3-2, 2-3-3 y 3-3-3. Los procedimientos utilizados en
SLF-2 son similares a los empleados por otros métodos de simulación basados en el uso
de suelos, excepto por tres razones. Primero, el cálculo de las preferencias, además de los
* Se observa que cuando no se puede resolver o definir un modelo matemático, es posible formular un modelo
cualitativo que permita obtener información sobre el comportamiento del sistema real. El planteamiento y solución de
estos modelos cualitativos, es lo que constituyen los llamados métodos de Monte Carlo y para los cuales se utiliza con
frecuencia el término simulación.
CAPITULO 2. FUNDAMENTOS TEORICOS 40
frecuencia. Sus valores están restringidos a tener magnitudes radiales de uno a cero.
p kc = p k′ c ⋅ Z kc
Los factores de zonificación Z kc son usados de forma multiplicativa por la fuerza que la
misma ejerce sobre el crecimiento. Los p kc son agregados a las demandas de baja
celdas completa o parcialmente vacantes con el más alto p kc - i.e., el tope para crecer
a c (k , t ) + crecimiento k
c ≤ área de la celda .
frecuencia. Los parámetros para cada polo urbano son buscados por ensayo y error,
creativa y hecha con sólo un año de datos. La calibración por ensayo y error de las
funciones p kc termina siendo por regresión lineal, si es adecuadamente hecha. Con el uso
diferencias de carga por celda pueden pasarse por alto incidiendo de esta forma sobre la
planificación. El SLF-2 utiliza este concepto en dos formas. Primero, las diferencias entre
los escenarios son filtradas, y los escenarios son clasificados por el impacto esperado o
diferencia de diseño para cada nivel del sistema de suministro. Segundo, entradas
cambios de carga resultantes son filtrados. Sólo aquellos parámetros que incidan
consecuencia, los escenarios de importancia son los que consideran las variaciones en la
planificación del sistema de distribución en el mediano y largo plazo (de largo alcance).
carga. Se establece un sistema cuadriculado del área de estudio, de manera que cada
“microárea” tenga las mismas dimensiones y permanezcan invariables a través del tiempo
planificación.
microárea, el uso futuro de los suelos, y luego convierte dicha proyección en pronóstico de
demanda eléctrica.
La Fig. 3-1 ilustra la estructura completa del SLF-2. La sesión comienza con el
menú SET-UP que permite especificar las bases de datos del caso de estudio. Después el
programa accede a uno de los tres modelos básicos, específicamente, el modelo global, el
espacial y el de carga. Por otra parte, un estudio de predicción espacial completo, que
involucre los tres modelos simultáneamente, puede ejecutarse en una sesión de SLF-2 sin
SLF-2
SET-UP
LEYENDA:
FLUJ O LOGICO
M ODELO
ESPACI AL
FLUJ O DE DATOS
EDI CI ON Y M ATEM AT I CA
PRESENT ACI ON DE M APAS
DI ST RI BUCI ON
EDI CI ON Y EDI CI ON Y
ESPACI AL DE LA
PRESENTACI ON PRESENTACI ON
CARGA
PERFI LES
CRECI M I ENTO
DI ARI OS DEL
SI M PLE
USO FI NAL
PERFI L
DI ARI O DEL
SI STEM A
consumidores o la cantidad de área ocupada, por tipo de uso de suelo en cada año de
asocia los datos con las microáreas. Este módulo es de utilidad para analizar patrones de
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 44
consumidores.
eléctrica.
Datos de Entrada
c. Mapas de zonificación.
Datos de Salida
El módulo de predicción espacial del SLF-2 debe ser administrado por una
proyección general de control. Para cada período de iteración, dicho control está dado por
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 45
Es necesario definir los totales de control anual a ser examinados por el modelo
área, como las utilizadas por el modelo espacial. Las opciones son:
2. Los totales pueden ser el resultado de tendencias desde el año base, usando
criterio del usuario. Este debe ser el primer paso de la predicción: la determinación por
ocupa la clase c en cualquier año t del período de estudio, o bien, los totales de control Tc
para el modelo espacial, empleando para este fin, la rutina de Crecimiento Simple.
Crecimiento Simple
proporcionada por el usuario, y contabiliza cada clase comenzando desde el año base,
Tc (t ) = Tc (t 0 ) ⋅ (1 + r )(t −t 0 )
( 3-1 )
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 46
El SLF-2 interroga al usuario sobre el año que debe iniciar el crecimiento (este año
debe corresponder con uno de los definidos para las iteraciones); el programa no asume
por omisión el año base. Las tasas de crecimiento pueden cambiarse según sea necesario,
encarga de distribuir los crecimientos de los usos de suelos entre las microáreas de
cambio ocurrido. Típicamente el lapso de tiempo entre las proyecciones está entre 3 y 5
inicial.
El módulo espacial del SLF-2 representa las dos primeras partes de un método
según:
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 47
2-3-2).
La predicción puede ser de la siguiente manera. Por cada clase de uso de suelos, el
programa da una cantidad de crecimiento a ser puesta “sobre el mapa”. Primero debe
encontrar todos los sitios donde los crecimientos tengan sentido. Finalmente, buscará
entre ellos, los más cercanos a el(los) polo(s) urbano(s) - al centro (los centros) de
actividad de cada clase. El crecimiento será asignado a tales lugares. Los pasos, entonces,
son:
(total o parcialmente) no significa que sea apta para un tipo de uso de suelos
potencial. Sin embargo, si está lejos, otra celda con igual o aproximadamente igual
adecuación, puede tomar todo o la mayor parte del crecimiento. Por ejemplo, una
celda puede ser ideal para el desarrollo residencial, pero si está lejana del pueblo y
de las áreas de empleo, otras varias celdas disponibles con prácticamente la misma
El SLF-2 produce un mapa de preferencia para cada clase de uso de suelos, esto es,
una evaluación por celdas de cuán aptas están para cubrir las necesidades de cada clase.
para la clase de uso de suelos, que puede involucrar algún costo para la conversión de un
disponible, vecindad con escuelas y parques, la calidad del área, zonificación y los
la mayor parte del análisis. El usuario tiene el control sobre los parámetros para los
desarrollo.
hecha reconociendo que el desarrollo potencial de un área para una clase de uso de
suelos (residencial por ejemplo), como una función de la distancia hasta el lugar de
trabajo y otros centros de actividad. Para muchas ciudades, en particular para áreas
simples cálculos de línea recta entre una celda y varios “polos urbanos” pueden producir
El SLF-2 emplea un conjunto de tres mapas de polos urbanos, para las clases
proximidad de estas clases a las funciones de polo urbano (hasta 15 polos urbanos). Las
En todo caso el usuario tiene completo control sobre la cantidad, ubicación y radio
de los polos urbanos en cada uno de los tres mapas, y la ponderación (importancia) de
q kc = p kc + U kc o q kc = p kc ⋅ U kc
El crecimiento para la clase de uso de suelos c es asignado entre las celdas que
tengan terreno disponible (toda o parte de la celda), con el más alto potencial para c. Debe
haber suficiente espacio disponible sobre el mapa para el crecimiento, por supuesto; de
otro modo, el programa no será capaz de asignar crecimiento. En tal caso el SLF-2
asignará lo que pueda y luego abortará su ejecución (para el programa, una celda con q kc
celda, el total o parte del terreno disponible es convertido a dicha clase. La cantidad de
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 50
terreno vacante de la celda es cambiado para reflejar que ahora está siendo ocupado en
Frecuentemente, una celda puede estar apta para varios usos. En tales casos las clases
celda a la clase con la más alta prioridad; en ningún caso lo divide en proporción a la
Este modelo se encarga de tomar el pronóstico de uso de suelos del modelo espacial
clase (kVA/ha) y lo multiplica por la cantidad de Has. de ese uso de suelo dentro de la
microárea. Luego se suman las contribuciones de las distintas clases para obtener la
demanda total.
modelo tipo 1, 2 o 3. Emplea hasta 150 curvas (de 24 horas cada una), asignadas a las
Una microárea es considerada vacía, completa o parcialmente llena con varios usos
medida en hectáreas, sabiendo que existe algún número promedio de consumidores por
hectárea. Una densidad de carga por unidad, (donde las unidades corresponden a
l kc (t ) = a c (k , t ) ⋅ i c′ (t ) .
La carga dentro de la celda debida a todas las clases, puede determinarse a continuación
C
l k (t ) = ∑a
c =1
c (k , t ) ⋅ i c′ (t ) ;
Un problema con este modelo son las diferentes clases de pico de carga en tiempos
Este problema se alivia usando una curva de 24 horas para cada clase. Sea i c′ ( j , t )
C
l( j)= ∑a
c =1
c (k , t ) ⋅ i c′ ( j ).
celdas puesto que una curva de carga diaria puede ser analizada. SLF-2 puede instalar y
múltiple curva por modelo de clase, donde el número de curvas de 24 horas es muy
superior al de clases de uso de suelos. Una clase de uso de suelos puede tener muchos
Se define i u′ ( j , t ), la carga por utilización del tipo u (tipo de carga), en la hora j del
día pico, para el año t. El modelo de carga puede almacenar 150 curvas, de 24 puntos
cada una.
2. Cada curva puede estar asignada a lo sumo a una clase de uso de suelos, o no
3. Las curvas, cada una, tiene una tasa de crecimiento anual; por tanto tienen un día
e implícitamente un año.
En nuestro caso, el modelo utilizado para la predicción fue del tipo 2, debido a las
requerido por un modelo tipo 3, por ello dirigiremos nuestra atención hacia aquel.
Aunque hay 150 curvas disponibles, el usuario puede representar cada clase con
solo una curva, ejecutando así un modelo de carga tipo 2. Cada curva es asignada a la
clase de uso de suelos adecuada, las otras 149 curvas, no son usadas y por tanto son
ignoradas.
Haciendo esto, siempre que el SLF-2 ejecute la conversión de uso de suelos a carga,
CAPITULO 3. PROGRAMA DE SIMULACION SLF-2 53
C
l( j) = ∑ a ( k , t ) ⋅ i ′ ( j ) ⋅ (1 + g )
c =1
c c c
t − t0
.
( 3-2 )
No hay diferencia alguna entre ésta, y la ecuación dada previamente para modelos
de este tipo, excepto que la curva cuenta con una tasa de crecimiento gc .
4. CALIBRACION DE LA SIMULACION SLF-2
del sistema de distribución presente, pueda ser simulado por el programa con un
a) Una base de datos espaciales (microáreas) completa, de todos los tipos de uso de
iii. Ningún total de uso dentro de una microárea, excede la capacidad o área total
de esta última.
b) Un conjunto razonable de curvas de carga, cada una con la forma correcta, y una
c) La convicción de:
e) Que el pico del sistema en el modelo de carga es el mismo que el valor real medido.
con el reportado por una distribución de carga del SLF-2. En primer término deben
hacerse coincidir los picos medidos del sistema, con los simulados por el modelo de carga
del programa. Con este fin se realizaban una serie de tanteos consistentes en aumentar o
disminuir los índices de densidad de carga (multiplicador), según la forma del perfil de
CAPITULO 4. CALIBRACION DE LA SIMULACION SLF-2 55
pueden aumentarse los índices residenciales en tanto que los comerciales pueden ser
disminuidos o no, según sea la forma requerida. Análogamente, era factible manipular
Otra alternativa consistía en ajustar los límites del área de influencia de las
muchas ocasiones, gran cantidad de tiempo y trabajo sin llegar a conclusiones óptimas. A
carga, sino que además sirve para afinar al máximo la calidad de los datos empleados, es
decir, que si nuestros valores iniciales están cercanos a los reales podremos llegar sin
Se define el perfil de carga diario de la clase c como el vector columna hc (24×7), cuyas
componentes son las cargas características de dicha clase en p.u., desde la hora 1 hasta
usuario estudiado). Conociendo los hc , la matriz H que reúne las cargas horarias de todas
( 4-1 )
Potencia (esto es, las componentes de l son las cargas características del Sistema en
( 4-2 )
carga xc).
de s formamos:
Finalmente, la matriz de error estará dada por (I - E) y el error del conjunto por º
realizarse un ajuste sobre los multiplicadores. Este ajuste puede reflejarse en término de
los cambios que se deberían realizar sobre los perfiles de carga diario del usuario final: si
un perfil debe ajustarse por encima o por debajo de sus valores originales, el cambio se
manifestará en el máximo valor después del ajuste (recordemos que las magnitudes de un
perfil tienen como máximo la unidad, que representa el 100% del valor base). Para no
dicho máximo, esto es, si el máximo que tendría un perfil después del ajuste, es mayor (o
Deben conservarse sólo los máximos de las columnas de H0 para construir una matriz
Después de n iteraciones los valores de I - En+1 deben ser a lo sumo de ±0.03, ó ºI - En+1º ≤
0.03 24 = 0.147 (esto asegura que el error del conjunto este dentro de ±3%). Entonces se
aproximadamente cero.
Se deben ajustar los magnitudes de carga de las microáreas en el año base, hasta
que el total acumulado dentro del área de servicio emulada, coincida con los valores de
proximidad entre los resultados, debe seguirse el procedimiento recomendado por H.L.
Willis.
Procedimiento
a) Emplear las cargas asignadas para construir un mapa que represente la relación
c) Utilizar los resultados para generar un nuevo mapa de cargas; debe verificarse la
d) Revisar cada mapa de uso de suelos. Si el total dentro de una microárea excede el
ii. Escalar por X/Y usando “Map Mathematics”, para normalizar el mapa a un
máximo de X hectáreas.
iii. Cambiar los multiplicadores de las clases del modelo de carga, ajustándolos por
e) Sumar todos los mapas de uso de suelos: si el valor dentro de las microáreas no
“Workspace”.
ii. Este se substrae del mapa de vacantes restringidas, y luego se ponen a cero las
descrita.
f) En caso de continuar:
i. Sea Z el máximo valor dentro del mapa suma. Escálense los mapas (dejando un
respaldo del antiguo mapa de aguas) por X/Z. Ajustar los índices de densidad
ii. Pónganse a X todas las celdas del mapa de aguas que originalmente tenían este
valor.
iii. Sumar los nuevos mapas de uso de suelos. Verificar que la suma dentro de las
g) Se debe verificar por última vez que el modelo esté representando la realidad en
forma satisfactoria.
CAPITULO 4. CALIBRACION DE LA SIMULACION SLF-2 61
7
lj =h j ,1 a 1 i 1 + h j ,2 a 2 i 2 + L + h j ,7 a 7 i 7 = ∑h
c =1
j ,c a ci c ,
( 4-3 )
evidente que el valor de densidad de carga queda afectada por la tasa de crecimiento gc ,
considerando de este modo, los cambios en los hábitos de consumo del cliente.
Según lo antes expuesto, el arreglo l que reúne las cargas horarias lj se obtiene de
l = H ⋅x ,
corroborando que los elementos xc de x son efectivamente índices de carga, puesto que
Diferencial,
dl = H ⋅dx,
hacen de la matriz H un arreglo constante. Obsérvese además que xc = f(ac ,ic), y entonces
CAPITULO 4. CALIBRACION DE LA SIMULACION SLF-2 62
∂x c ∂x c
dx c = da c + di c
∂a c ∂i c
= i c da c + a c di c .
Δx c ≅ i c Δa c + a c Δi c ;
( 4-4 )
Δl ≅ H ⋅Δx
( 4-5 )
7 7
Δl j ≅ ∑
c =1
h j ,c Δ x c ≅ ∑h
c =1
j ,c (i c Δa c + a c Δi c )
( 4-6 )
Con la obtención de esta fórmula podemos inferir no sólo el valor de carga pico en
uso que desde el punto de vista eléctrico priva en una subestación particular, así como
Este método fue el empleado para predecir los picos de demanda en las
predicción de demanda
2. Obtener del pronóstico de uso de suelos, los totales de cada clase dentro del área de
servicio de la subestación.
Es claro que este método es aplicable a cualquier nivel del sistema de distribución
(inclusive).
Siempre que el sistema de datos empleado sea confiable (usos de suelos, tasas de
una substitución del actual modelo de carga del SLF-2, pues en sí mismo no requiere de
calibración; sólo necesita del pronóstico del crecimiento urbano para realizar sus
Este capítulo contiene una descripción del Sistema de Datos usado en el programa
SLF-2.
La sección 5.1 discute en forma general sobre el sistema de unidades empleado por
el programa. Las secciones siguientes describen los datos de los modelos Global y de
Carga, que permanecen invariables de una microárea a otra. Estos datos son
los datos del modelo Espacial, que varían de una microárea a otra. Estos datos son
las unidades de su preferencia. Sólo se debe cumplir una regla: CONSISTENCIA. En este
representar los desarrollos, y por tanto, para los totales de control del modelo global se
Esta base de datos almacena la información que no varía de una microárea a otra.
Los nombres de cada clase de uso de suelos, los años de iteración para la predicción, las
introducidos y editados en el Modelo Global. El perfil diario del sistema, de una clase, es
CAPITULO 5. DESCRIPCION DE LOS DATOS 66
introducido y editado en el Modelo de Carga. Todos estos datos son tomados por el
Los datos del Modelo Global consisten en tres categorías: una que describe cada
iteración de predicción, la que describe cada clase de uso de suelos, y la que describe el
modelo urbano de Lowry (esta última fuera de los alcances de este trabajo).
tiene un número y año calendario asociados a ella. El número al que se asocia el año
a ser proyectado.
El Modelo Global sólo tiene espacio para 5 iteraciones de predicción más el año
Nª DE LA AÑO
ITERACIÓN CORRESPONDIENTE
0 (BASE) 1993
1 1996
2 1999
3 2002
4 2005
5 2008
años de predicción; se escogió este lapso según criterios de planificación, y para darle
término “clase de uso de suelo” es empleado para diferenciarse de entre los tipos de
CLASE NOMBRE
1 Residencial Ligero
2 Residencial Mediano
3 Residencial Pesado
4 Comercial Ligero
5 Comercial Mediano
6 Comercial Pesado
7 Industrial Ligero
8 Industrial Mediano
9 Industrial Pesado
nuestra ciudad, no existen características resaltantes para definir las clases Comercial e
Industrial mediano*. Por esta razón, se decidió omitir esta clasificación y de esa forma
evitar errores en cuanto a los criterios utilizados para el levantamiento topográfico del uso
predeterminado según se muestra en la Tabla 5-1; esto significa que las clases Comercial
* Por esta razón en la sección 4.1, trabajamos en función de 7 clases; sin embargo, el análisis matricial puede
en la Tabla 5-2. Aquí se describe el nombre de los diferentes usos de suelo registrados, la
Dentro del programa, asociado con cada clase de uso de suelos están (1) un
número, (2) un nombre, (3) una tasa de crecimiento, (4) un total de consumidores para el
año base y todas las iteraciones de la predicción, y (5) un mapa de puntos. Los dos
primeros ya fueron considerados en tanto que el último será tratado en una sección
posterior. A continuación se exponen los ítems (3) y (4) con más detalle.
NOMBRE DE LA COLOR
CARACTERISTICAS
CLASE ASIGNADO
Residencial Ligero Barrios y zonas marginales Amarillo
Residencial Mediano Urbanizaciones y barrios bien conformados Azul
Residencial Pesado Conjuntos residenciales y edificios de apartamentos Rojo
Comercial Ligero Comercios pequeños e individuales Violeta
Comercial Pesado Centros Comerciales Negro
Industrial Ligero Pequeñas industrias, talleres, galpones, depósitos. Verde
Industrial Pesado Grandes industrias, fábricas, procesadoras, etc. Marrón
Vacante Usable Terrenos disponibles para el desarrollo Anaranjado
Vacante Restringida Cementerios, parques, plazas, etc. Rosado
Aguas Lago de Maracaibo, quebradas y cañadas Celeste
dentro de la rutina de Crecimiento Simple (ver sección 3.2). Para calcular este porcentaje
CAPITULO 5. DESCRIPCION DE LOS DATOS 69
la cantidad de suscriptores por tipo de tarifa. Haciendo una equivalencia entre los tipos
año 1980 hasta el año 1992 como promedio ponderado de las tasas intermedias.
CLASE \AÑO 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992
Residencial 164.87 172.70 181.41 198.80 198.47 197.57 205.41 217.66 225.46 242.77 248.17 255.46 257.49
Comercial 20.15 20.92 21.50 22.77 23.30 23.50 23.79 24.55 25.28 26.43 26.88 27.75 27.72
Industrial 4.84 5.28 5.38 8.04 8.32 8.58 9.07 9.68 10.24 10.59 10.70 10.89 10.94
CLASE \PERIODO 1 2 3 4 5 6 7 8 9 10 11 12 r
Residencial 4.75 5.04 - -0.17 -0.45 3.97 5.97 3.57 7.69 2.23 2.94 0.80 3.30
Comercial 3.81 2.82 - 2.28 0.88 1.22 3.19 2.96 4.57 1.69 3.24 -0.07 2.42
Industrial 8.94 1.88 - 3.42 3.10 5.74 6.74 5.76 3.41 1.02 1.79 0.52 3.85
crecimiento interanual; la razón es que para estos años los libros presentaron la
incoherencia de una discontinuidad en los valores registrados. Por lo tanto, para los
Las tasas r son utilizadas para las diferentes clases y se mantienen constantes
CAPITULO 5. DESCRIPCION DE LOS DATOS 70
durante el estudio. Esto agrega cierto error, pues la cantidad de hectáreas ocupadas por
cada una de las clases, no necesariamente crece en la misma proporción que los
Estos datos representan el total de cada clase de uso de suelos, para el año base y
están usualmente disponibles en las empresas de servicio eléctrico; sin embargo, son
inadecuadas a la base de datos del SLF-2 porque no están en términos del área de uso del
El total de consumidores se obtiene después que los mapas del año base son
introducidos, y el perfil del sistema calculado. Este último requiere de dichos totales (la
aplicación de la ec. ( 4-2 ) los necesita), y pueden conseguirse totalizando sobre los mapas
TASA DE
NOMBRE DE LA
CRECIMIENTO 1993/0 1996/1 1999/2 2002/3 2005/4 2008/5
CLASE
ANUAL (%)
Comercial Mediano 0 0 0 0 0 0 0
Industrial Mediano 0 0 0 0 0 0 0
obtenemos los datos de la Tabla 5-4. Esta reúne la información expuesta en las tablas
importante destacar que la base de datos espacial fue actualizada con información
relevada por el autor; la base de datos existente contenía los usos de suelos hasta 1990,
esto hizo necesario actualizarla hasta la condición que aproximadamente tenía para la
fecha del pico de carga del año 1993, y que además se ejecutase una iteración para
envergadura tales como los nuevos centros comerciales hacia el centro y norte de la
ciudad, así como los desarrollos residenciales a noreste de la misma. De este modo
TASA DE
NOMBRE DE LA
CRECIMIENTO 1994/0 1996/1 1999/2 2002/3 2005/4 2008/5
CLASE
ANUAL (%)
Comercial Mediano 0 0 0 0 0 0 0
Industrial Mediano 0 0 0 0 0 0 0
Aunque fueran estos los totales de control utilizados, como el modelo de carga fue
calibrado para el día del pico de carga de 1993, éste sigue siendo nuestro año base. Los
resultados de interés son los correspondientes a los años de predicción (desde 1996 hasta
el año 2008).
A continuación se describen los datos característicos del modelo de carga, esto es,
año base, cantidad de mediciones de carga por hora, y un conjunto de hasta 150 perfiles
El año base es el año del calendario que proporciona los datos de carga a la base de
CAPITULO 5. DESCRIPCION DE LOS DATOS 73
una de las iteraciones de los datos del Modelo Global), suponiendo que la carga
representada por cada perfil de carga crecerá (o disminuirá) en una tasa especificada para
cada cual. En nuestro caso, como se ha señalado antes, el año base es 1993.
La base de datos del SLF-2 puede almacenar hasta 150 perfiles de carga de uso
final, donde cada cual describe las características de uso de la electricidad de uno o más
instante de tiempo durante el día, el pico de demanda por unidad de uso de suelo, y la
Cada perfil se aplica a una, y sólo una clase de uso de suelos específica. Por otro
lado, cada uno puede representar más de un artefacto de uso final. Sin embargo, es
suficiente tener un perfil de carga por cada clase de uso de suelo, el cual estaría
representando todos los artefactos eléctricos utilizados por esa clase. En el más simple de
5.3.2.1 El multiplicador
Este dato sirve para dos propósitos. Representa el valor del factor de conversión de
unidad, relacionando los datos del perfil de carga con los de uso de suelos dentro de los
Esta etapa, exige el pico de demanda por hectárea, para cada una de las clases
(kVA/ha). Este valor es difícil de determinar debido a que en la mayoría de las compañías
hectárea, que atienden a una misma clase en diferentes sectores de la ciudad. Los datos
realizaron los cálculos de capacidad instalada por hectárea corresponde a los planos de
KVA Conectados
NOMBRE DE LA CLASE
Hectárea
Residencial Ligero 50
Residencial Mediano 130
Residencial Pesado 680
Comercial Ligero 376
Comercial Pesado 1937
Industrial Ligero 192
Industrial Pesado 660
multiplicando cada valor de la Tabla 5-6 por el respectivo factor: pero considerando que
*Valores tomados del “Estudio de Expansión del Sistema de Distribución en la ciudad de Maracaibo”, realizado por la
Unidad de Planificación de Distribución, en el año 1992.
CAPITULO 5. DESCRIPCION DE LOS DATOS 75
éste concierne a todo un circuito y no al sector del mismo representado, y que además
cada cual incluye varios tipos de clase, dicho factor carece de representatividad.
Existen ciertos equipos que permiten medir la demanda efectiva de algunas áreas de
interés tales como secciones o ramales de circuitos. Estos Registradores de Carga (Load
Roger) realizan mediciones durante varios días, proporcionando un conjunto de datos que
pueden mejoran la exactitud del pronóstico. Sin embargo, por la escasez de los mismos y
conocen los perfiles de carga de cada clase (véase el aparte 5.3.2.3), se decidió encontrar
cada uno como resultado del proceso de calibración, utilizando la cantidad de carga
conectada por clase (Tabla 5-6), como valores iniciales para el proceso iterativo descrito
ITERACION
DE AJUSTE
Obsérvese que los factores de utilización* de cada clase, esto es < RL, RM, RP, CL, CP, IL,
IP >, son respectivamente de 0.624, 0.624, 0.643, 0.231, 0.339, 0.231 y 0.264. Estos
valores se encuentran dentro de los límites normales para las clasificaciones empleadas;
instalada, durante su pico de carga, en relación a las clases comercial e industrial cuya
Debe quedar claro que este procedimiento permite ajustar los valores de los índices
de carga, conocidos los totales de terreno ocupado por cada clase así como los respectivos
perfiles de carga; no obstante, ha sido empleado para determinar los índices de densidad
de carga en función de los perfiles de carga diaria y de los totales de control del modelo
global.
Para finalizar, debe destacarse que estos valores fueron afectados posteriormente
Este porcentaje define el crecimiento del consumo per cápita de cada una de las
clases.
(carga en el año de estudio ) = (carga en el año base ) ⋅ (1 + g c )(año de estudio −año base )
Esta es otra forma de escribir la ec. ( 3-2 ), donde gc es la tasa de crecimiento. Nótese que
este valor puede ser negativo probablemente porque muchos consumidores optan por
* Obtenidos de la relación entre los valores de las iteración 8 y 0 (carga efectiva vs. carga conectada).
CAPITULO 5. DESCRIPCION DE LOS DATOS 77
comerciales sobre las residenciales e industriales. Para estas últimas (clases industriales),
por la magnitud de las tasas, el crecimiento puede ser catalogado como “vegetativo” o de
saturación.
Como el Modelo de Carga seleccionado fue del tipo 2, se necesita conocer la curva
de demanda horaria de cada una de las clases representadas. Para ello se utilizó el
año 1993 (Anexo 1); esto, interceptado con la base de datos espacial (de uso de suelos),
Esta es otra fuente del error dentro del estudio, pues los circuitos son muy extensos
Industrial Ligero se hizo la elección entre los circuitos Sur América e Industrial de la S/E
Zona Industrial, el primero con una concentración del 17.33% y el segundo del 80.79%
sobre el total; la escogencia es evidente (Anexo 2). Para asegurar que la elección era la
indicada bastaba con verificar la forma característica del perfil de carga correspondiente
(recuérdese que para cargas residenciales la forma del perfil es de “sombrero invertido”;
impacto significativo de demanda durante el día con un valle cercano a las horas del
almuerzo, tiene un comportamiento más bien comercial que industrial, desde el punto de
vista eléctrico).
carga, es decir, los perfiles en ningún caso son puramente residenciales, comerciales e
cualquier modo, este detalle es poco significativo si por ejemplo, se considera el caso de
un consumidor residencial que en horas del mediodía descansa utilizando medios que le
permiten acondicionar el aire, mientras aprovecha otros beneficios que de igual forma se
día de carga máxima del año base, todas los magnitudes de carga horaria de los circuitos
seleccionados y llevarlas en cada caso a valores p.u. con base en el respectivo valor
característicos de cada clase, los respectivos valores de carga en p.u. durante el día, y los
Tal como se observa, la variación máxima de un perfil es del ±3% (entre el valor real
y el ajustado), lo cual es evidente según la sección 4.1.2. No sucede lo mismo con los
índices de densidad de carga, pues ellos son afectados por todos los procesos de
En el Anexo 3 se muestran los datos que sirvieron de premisa para los perfiles aquí
mostrados.
CAPITULO 5. DESCRIPCION DE LOS DATOS 80
CAPITULO 5. DESCRIPCION DE LOS DATOS 81
CAPITULO 5. DESCRIPCION DE LOS DATOS 82
CAPITULO 5. DESCRIPCION DE LOS DATOS 83
CAPITULO 5. DESCRIPCION DE LOS DATOS 84
CAPITULO 5. DESCRIPCION DE LOS DATOS 85
CAPITULO 5. DESCRIPCION DE LOS DATOS 86
CAPITULO 5. DESCRIPCION DE LOS DATOS 87
La base de datos Espacial almacena información que varía de una microárea a otra.
cantidad de terreno zonificado para el desarrollo industrial, los kVA totales en 19.3 Has.,
etc., son todos ejemplos de la información que puede almacenarse en la base de datos
Espacial. Cada uno de estos diferentes datos puede ser almacenado en mapa según la
nomenclatura SLF-2.
siguientes características:
a) Escala 1:1500.
b) Fáciles de leer.
e) Poseen una retícula con unidades de 880×880 m2., que además pueden ser
Aquí fue seleccionado el tamaño de 19.3 Has. con el objeto de poder utilizar las
dentro del intervalo de precisión para el tamaño de una microárea (entre 1/8 y 1 mi. por
lado).
Cada mapa representa una información geográfica específica, asumiendo que los
algoritmo pueden usarse algunos mapas para almacenar otro tipo de información.
La base de datos del algoritmo SLF-1 tiene reservados seis mapas para el
almacenamiento de las microáreas de carga. El mapa 1 es para guardar las cargas del
año base. El algoritmo por sí sólo no crea, ni computa, ni usa este mapa. El usuario lo
crea mediante una rutina del Modelo de Carga, usando los datos del año base; lo usa
distribución base.
Los mapas 2 a 6 son calculados dentro del algoritmo SLF-1. Un año de predicción
se dice completo cuando el usuario decide llevar su pronóstico de uso de suelos en carga
eléctrica.
CAPITULO 5. DESCRIPCION DE LOS DATOS 90
Los usos de suelos existentes, microárea por microárea, son requeridos para
comenzar con las proyecciones correspondientes. Como mínimo estos datos deben incluir
un mapa por cada clase de uso según lo establecido en el Modelo Global, más un mapa
Los suelos vacantes y usables son aquellos disponibles para el desarrollo. En otras
palabras, una microárea con porciones de suelo ocupado y otro tanto restringido para el
crecimiento (parques, plazas, cementerios, etc.), pero con cierta reserva disponible para el
Cuando se tiene menos de nueve clases, los mapas sobrantes y demás datos
Es importante destacar que una buena fuente de información para los usos de suelo
del año base resulta de las fotografías aéreas; la razón es que ellas no mienten. Hay dos
posibilidades de error en la obtención de los datos a partir de los mapas existentes: uno
suelos sobre los mismos. Sin embargo, el elevado costo de este tipo de levantamiento y las
para ello. Es así como la colección de datos obtenida posee una innegable carga subjetiva
señalando mediante los códigos cromáticos de las clases, la cantidad de terreno ocupado
por cada una de ellas sobre los mapas 1:1500. Posteriormente se cuantificó con la ayuda
CAPITULO 5. DESCRIPCION DE LOS DATOS 91
del planímetro, el número de hectáreas ocupadas por cada clase en cada una de las
que fueron ajustados durante la etapa de calibración del modelo por subestaciones según
Este mapa es producto del trabajo que realiza el ministerio de desarrollo urbano
Sobre él se destacan las zonas que pueden desarrollarse para un determinado fin.
crecimiento ocurra en la dirección por ella señalada (en ocasiones es ignorada, burlada, y
hasta reajustada).
Municipal del Distrito Maracaibo Año XCIII, N° 137 correspondiente al día 29 de Julio de
CLASES EQUIVALENCIA
Residencial Ligero (R-5)
ZONIFICACION N° DE μAREAS
Observándose el predominio del desarrollo residencial sobre las demás clases en nuestra
Esta información se relevó sobre un plano delineado en escala 1:10000 del mapa de
Maracaibo elaborado por MINDUR en 1986. La información vial fue actualizada por la
Aquí se identifican las principales vías expresas de la ciudad así como sus respectivas
escenario medio de predicción; esto se debe a que los cambios viales contemplados dentro
del Plan Vial de la ciudad representan la condición más probable de ocurrir, además que
prácticamente invariables en el tiempo (para los efectos del estudio, 15 años); (2°) cambios
en la red vial presentes para el año 2000 según el plan antes mencionado; y (3°) para la
misma fecha, la inclusión de una primera línea del metro según recomendación de la
hasta un máximo de 2 por coordenada (de cualquier forma, el SLF-1 normalizará estos
En esta etapa se realizó una indagación de los proyectos de desarrollo urbano a ser
ejecutados por organismos públicos y privados dentro del perímetro urbano de la ciudad
de Maracaibo.
desarrollo.
CAPITULO 5. DESCRIPCION DE LOS DATOS 94
Se hizo una superposición de las clases residencial ligero, mediano y pesado. Esta
Residencial Ligero:
Residencial Mediano:
Residencial Pesado:
Comercial Ligero:
Comercial Pesado:
Industrial Ligero:
Industrial Pesado:
Una vez creados los mapas de concentración de los usos residencial, comercial e
industrial, se obtuvieron por aproximación cartográfica, los radios de acción de cada polo.
esta fase es una circunferencia que tiene como centro (coordenadas del baricentro) y radio
Se seleccionaron todas las microáreas dentro del área de los polos identificados
previamente, y se efectuó la sumatoria de todas las hectáreas de usos de suelos por cada
CAPITULO 5. DESCRIPCION DE LOS DATOS 96
tipo. La acumulación de hectáreas de cada clase proporciona la altura del polo. Los datos
RADIO ALTURA
CLASE POLO CENTRO (μAREAS) HAS %
1 (67,49) 13 5229 100.00
Resi den ci al 2 (66,77) 14 3294 62.99
3 (53,42) 8 297 5.68
1 (73,54) 8 545 100.00
Comer cial 2 (60,50) 5 97 17.80
3 (61,62) 5 78 14.31
4 (66,72) 4 78 14.31
1 (64,75) 9 301 100.00
In du st r i al 2 (71,60) 7 100 33.22
3 (69,40) 5 33 10.96
consultoría realizado por A.T. Sistemas, “Estudio del Crecimiento Urbano de la Ciudad de
Maracaibo”.
obtención de tablas de acumulación de áreas ocupadas por cada uno de los usos urbanos
uso residencial ligero que existe a una microárea de distancia de las principales vías de la
desarrollo de los mapas de preferencia, con base en los datos relativos a autopistas, pues
Debe recordarse que una parcela resulta más atractiva que otra para el crecimiento
de una determinada clase, según sea su entorno o proximidad a una parcela donde ya
existe un desarrollo definido. Para cada una de las clases modeladas, se necesitan 14
coeficientes: 10 para los mapas de proximidad y vecindad; 3 para los polos de desarrollo
urbano; y 1 para la zonificación. Dichos coeficientes son empleados por el programa para
crear los mapas de preferencia de cada clase, los cuales servirán como filtros para ubicar
FACTOR NOMBRE
1 Muy próximo de autopistas
2 No tan próximo de autopistas
3 Proximidad a vías férreas
4 Proximidad a intersecciones viales
5 Proximidad al agua
6 Total residencial en el entorno
7 Total residencial en áreas en general
8 Total industrial en el entorno
9 Total comercial en el entorno
10 Total comercial pesado en el entorno
CAPITULO 5. DESCRIPCION DE LOS DATOS 98
FACTOR RADIO 1 2 3 4 5 6 7 8 9 10 11 12
1 12 1.00 0.99 0.74 0.71 0.71 0.47 0.55 0.42 0.42 0.37 0.16 0.16
2 12 1.00 0.91 0.82 0.73 0.64 0.55 0.45 0.36 0.27 0.18 0.09 0.00
3* 12 1.00 1.00 0.98 0.93 0.87 0.80 0.72 0.65 0.58 0.52 0.45 0.38
4 10 1.00 0.92 0.57 0.26 0.18 0.07 0.03 0.02 0.01 0.00
5 12 0.03 0.16 0.19 0.14 0.22 0.25 0.28 0.33 0.31 0.46 0.46 0.38
7 11 1.00 0.88 0.77 0.65 0.54 0.42 0.30 0.19 0.67 0.01 0.00
8 12 0.96 1.00 0.66 0.76 0.67 0.50 0.48 0.56 0.46 0.49 0.18 0.18
9 12 1.00 0.92 0.76 0.55 0.60 0.44 0.54 0.61 0.72 0.64 0.42 0.42
10 12 0.87 1.00 0.71 0.49 0.49 0.33 0.34 0.11 0.09 0.02 0.01 0.00
CLASES 1 2 3* 4 5 6 7 8 9 10 1 2 3 ZONIF.
1 0.10 0.50 0.40 0.20 -0.80 0.20 0.80 -0.30 -0.20 0.20 0.50 0.20 -0.50 -0.30
2 0.20 0.60 0.60 0.20 -0.70 0.70 0.90 -0.60 -0.50 0.30 1.00 0.90 -0.50 0.30
3 -0.30 0.50 0.75 0.30 -0.50 0.30 0.70 -0.40 -0.20 1.00 1.00 1.00 -0.90 1.00
4 0.30 0.60 0.80 0.40 -0.20 0.30 0.50 -0.40 0.60 0.20 0.30 1.00 0.50 0.50
6 0.60 0.70 0.70 0.50 -0.10 0.30 0.20 0.10 1.00 0.20 0.10 0.90 0.30 1.00
7 0.20 0.60 0.40 0.40 -0.60 -0.50 0.30 1.00 -0.50 -0.70 0.10 0.90 0.90 0.60
9 0.60 0.50 0.55 0.30 -0.70 -0.10 0.30 0.60 -0.40 -0.80 0.00 -0.20 0.90 1.00
* Este grupo de elementos es completamente nulo para escenarios de predicción diferentes al tercero, pues sólo en éste
de ellas la Tabla 5-10, presenta los nombres de los 10 factores de proximidad y entorno
finalmente, la Tabla 5-12 da una idea de la valoración que otorga cada clase a todos y
disponibles a cada una de las clases. En este particular, la clase con la primera prioridad
toma los suelos vacantes que prefiere excluyendo la necesidad de las otras clases. El
preferencia que aún estén vacantes. Es así como el proceso por descarte, se repite hasta
llegar a la clase con la última prioridad; es claro que esta clase seleccionará las parcelas
Este factor está íntimamente ligado al poder adquisitivo e interés de cada clase de
Residencial Ligero 4
Residencial Mediano 3
Residencial Pesado 2
Comercial Ligero 5
Comercial Pesado 1
Industrial Ligero 7
Industrial Pesado 6
CAPITULO 5. DESCRIPCION DE LOS DATOS 100
La razón que justifica la prioridad del uso Residencial Ligero sobre otras clases es
ciudad). Las clases industriales tienen las últimas prioridades no por falta de poder
por instalarse en Maracaibo (obsérvese que la ciudad tiene una densificación de población
cuyo poder adquisitivo es superior al de las demás clases y siente profundo interés por
ubicación de las clases. La razón de esto es dar cabida a nuevos escenarios de predicción
versión más avanzada del SLF-2, en tanto se alcance la madurez necesaria para el empleo
* OBSERVACION: Es evidente que el modelo empleado tiene la suficiente flexibilidad para simular una cantidad
interminable de escenarios, pero la condición actual de nuestro software cuya edad o vida útil lo ha llevado a la
obsolescencia, haciendo de la generación de archivos un proceso substitutivo con la consiguiente pérdida de
información, además de la frecuente autocancelación de la ejecución del programa por falta de memoria en el disco
duro y hasta problemas en el mismo, nos llevó a simular sobre la variación del factor que consideramos más influyente
en la decisión de las clases, la vialidad. Es por esto que nuestra predicción se hizo basada en escenarios causados por
los cambios en el sistema vial de Maracaibo, donde todos ellos pueden ser vistos como un macroescenario medio,
determinado por la vialidad.
6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES
continuas en un primer escenario. Como las dos primeras iteraciones fueron comunes
para todos los escenarios, sólo se realizaron las 3 iteraciones complementarias de cada
caso. Las iteraciones fueron hechas para los años 1996, 1999, 2002, 2005 y 2008.
Se estudiaron tres escenarios: el primero está hecho según los datos incluidos en el
pendientes al año 1999), excepto que al contemplar cambios en la red vial de la ciudad
(para el año 2000) los mapas de factores correspondientes deben ser recalculados, y con
ellos redefinir las preferencias de cada clase. En el tercer y último escenario, además de
los cambios mencionados, se incluye la influencia de una primera línea del metro.
Según los totales de usos de suelos, los perfiles de carga y las tasas de cambio de
ambos, se calculan los perfiles de carga del sistema, durante el período de estudio; el
Gráfico 6-1 muestra los resultados que permitirán verificar la distribución de carga en
demás clases.
En todos los casos, el perfil del sistema tiene dos valles, uno a las 8 a.m. y el alto a
las 7 p.m. Presenta también dos crestas, una baja ocurre a las 3 p.m. y la más alta a las
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 102
residencial.
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 103
año base son ellas las que poseen la mayor densidad de ocupación de suelos, y porque su
Debe recordarse que la simulación fue realizada en cualquier caso, para la peor
condición del sistema de distribución: el día pico del año base, esto es, el 03/06/93. Por
tanto, las predicciones han sido hechas simulando el día de demanda máxima del sistema
zona Norte de Maracaibo; todas las clases, excepto las industriales, cuya densificación
especifican los valores en kVA de demanda por microárea, y finalizando con la respectiva
inferir al simulado, pero a nivel de SS/EE todos los valores son coincidentes con la
medición SCADA del día 03/06/93 a la hora 23 (hora pico del sistema).
con un leve crecimiento al Suroeste de la misma hasta el año 2002 cuando la carga
demanda hacia el norte de la ciudad hasta el año 2008. Esto es común para todos los
escenarios estudiados.
en sus valores de demanda entre un año de predicción y otro, lo cual no siempre es cierto.
El problema se presenta cuando el programa encuentra una microárea con muy alta
adyacentes. Por ejemplo, si existen dos microáreas con igual cantidad de terreno vacante
pero una posee un valor de preferencia más alto que la otra, SLF-1 llena primero la
microárea con la preferencia más elevada y probablemente deja a la otra sin ninguna
asignación de carga.
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 105
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 106
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 107
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 108
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 109
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 110
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 111
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 112
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 113
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 114
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 115
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 116
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 117
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 118
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 119
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 120
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 121
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 122
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 123
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 124
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 125
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 126
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 127
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 128
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 129
coordenada (66,45) presenta una demanda de 12700 kVA respecto de una demanda base
de 4.29 kVA en la Tabla 6-1, la cual según los criterios expuestos en el primer capítulo,
en caso de ocurrir, deberá ser alimentada por más de un circuito de distribución. Esto
Se determinó el área de servicio de cada S/E a partir del plano 1:10000, donde se
representa la información sobre los circuitos en 8 y 24 kV, y se verificó la misma sobre los
Grande, pues de ésta no se tiene información de uso de suelos; el estudio fue hecho para
el perímetro urbano de la ciudad, esto es, el área cubierta por las 20 subestaciones
AÑO 1993
cubierta por cada una de las 20 subestaciones contempladas en el estudio. Obsérvese que
por sí sola el área cubierta por la S/E San Felipe no experimenta gran crecimiento, sin
embargo, esta subestación que no cumple con los esquemas normalizados (posee un solo
adelante. Por otra parte, según la Tabla 6-13(a), el crecimiento de la demanda en el área
Trinidad, cuya área de servicio experimenta un crecimiento hasta el año 2008 por encima
AÑO 1996
5 DE JULIO y UNION.
SS/EE Sibucara, Paraíso y Gallo Verde; tales consideraciones fueron hechas también en
este análisis.
MVA restante, descargando la S/E Universidad lo suficiente para aliviar a S/E Trinidad,
aunque las magnitudes de las cargas por S/E anulan esta posibilidad (Tabla 6-2). Se
observa además que para la fecha, la S/E Arreaga tiene una sobrecarga del 3.33%.
Las SS/EE 5 DE JULIO y UNION son planificadas para atender cargas de Veritas,
Bella Vista y, hasta cierto punto Paraíso. La S/E 5 de Julio está llamada a atender usos
del área de servicio de las SS/EE Bella Vista y Paraíso. La S/E Unión cubre demandas
S/E Bella Vista y gran parte del área de influencia de la S/E Veritas. Esta última S/E es
estimada a partir de los resultados de la Tabla 6-13(a) pues la simulación SLF-2 es para
AÑO 1999
que servirá para descargar las SS/EE Paraíso y Amparo, además de una considerable
ampliación del área de influencia de la S/E Pomona para auxiliar a la S/E Arreaga. Para
AÑO 2002
AÑO 2005
Para este año surgen dos nuevas subestaciones, ambas al noreste de la ciudad:
MARA NORTE y PADILLA. La S/E MARA NORTE se presenta aquí para descargar las
subestaciones comerciales, éstas habían alcanzado el mismo nivel de carga (sobre los 30
MVA) para la hora pico del sistema (Figs. 6-16, 6-19 y 6-22). Considerando que la
necesario normalizar la S/E Raúl Leoni a 2×42 MVA para satisfacer de manera confiable y
AÑO 2008
en descargar lo que fue al inicio el área de influencia de la S/E Trinidad; esta subestación
descargará las SS/EE Canchancha y Trinidad. La segunda, S/E BARALT, surge para
LUZ y San Felipe. La primera, aunque apendizada, posee un solo circuito de distribución
(sin contar los dos circuitos que alimentan exclusivamente a la universidad). La S/E San
Felipe aunque no había necesitado normalizada en 2×42 MVA, para este año y con el fin
de ahorrar una nueva subestación, se recomienda hacerlo para cubrir un área como la
En todos los mapas se observan ciertos movimientos en las áreas de servicio de las
indicando los valores de demanda máxima y los centros de cargas de las subestaciones
CAPITULO 6. ANALISIS DE LOS RESULTADOS Y RECOMENDACIONES 147
contempladas*, dando así una referencia del punto óptimo o de equilibrio de cargas, para
su ubicación.
* Esto es el punto de equilibrio del volumen de cargas encerrado dentro del área de servicio especificada para una S/E
en particular. Se entiende como punto de equilibrio, aquel donde puede ser concentrada la carga resultante del total
involucrado. Las coordenadas (xcc,ycc) de dicho punto, para n cargas puntuales, se encuentran mediante la siguiente
formulación:
∑ x l ⋅l , y = ∑ y l ⋅l , y l = ∑l ,
n n n
i i i i
x cc = cc t i
i =1 t i =1 t i =1
necesaria para predecir con exactitud el lugar adecuado para la ubicación de nuevas
multiescenario".
otros factores sociales y de la comunidad los cuales son dificiles de pronosticar. Ciertos
programa opera sobip. una red de microáreas cuadradas y un modelo urbano combinado
carga el&A.rica.
La p l ~ c a c i ó n
multiescenario produce un pronóstico de carga separado para cada
proyección. Estos planes son comparados y analizados para los cinco años de predicción,
De los resultados finales se observa que para el último año depredicción la zona
menos dos nuevas SS/EE; esta referencia es hecha a modo de recomendación intuitiva,
pues objetivamente no se pueden proporcionar más detalles (la alternativa está fuera del
périodo de estudio).
instalada). Debe encargarse a la planificación del corto plazo la solución futura de.
considerando que cada cual tiene un patrón para la utilización de la energía, así
tipo de consumidor. Por otra parte, los índices efectivos de densidad de carga
medición eficaz (sólo se contó con los valores de carga conectada que siwieron para
Sin embargo, debido a que el SLF-2 crea su propia historia de carga por microái-eas,
estas consideraciones pueden ser en muchos casos despresiables para el largo plazo.
Text EHO 361-6-PWR, Institute of Electrical and Electronics Engineers, Hoes Lane,
NJ, 1992.
tutorial Review". Proceedings of the IEEE. Volume: 71 Issue:2, pg. 232 – 253. Feb,
1983.