Barrera Rojas Ambar, Ramirez Estrada Geovanny

UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS DE LA INGENIERÍA Y APLICADAS

CARRERA DE ELECTRICIDAD
PROYECTO DE INVESTIGACIÓN
ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE

GENERACIÓN DISTRIBUIDA (GD) EN SISTEMAS ELÉCTRICOS DE
DISTRIBUCIÓN
Proyecto de Titulación presentado previo a la obtención del Título de Ingeniero Eléctrico
Autores:
Barrera Rojas Ambar Jocabed

Ramirez Estrada Geovanny Efrain
Tutor Académico:
Ing. Pesantez Palacios Gabriel Napoleón M.Sc.
LATACUNGA – ECUADOR
2023
DECLARACIÓN DE AUTORÍA
Nosotros BARRERA ROJAS AMBAR JOCABED, y RAMIREZ ESTRADA

GEOVANNY EFRAIN declaramos ser autores del presente proyecto de investigación:
“ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE
DISTRIBUCIÓN”, siendo el ING. PESANTEZ PALACIOS GABRIEL NAPOLEÓN
M.Sc. tutor del presente trabajo; y eximo expresamente a la Universidad Técnica de Cotopaxi
y a sus representantes legales de posibles reclamos o acciones legales.
Además, certifico que las ideas, conceptos, procedimientos y resultados vertidos en el presente
trabajo investigativo, son de mi exclusiva responsabilidad.
……………………………………… ………………………………………
Barrera Rojas Ambar Jocabed Ramirez Estrada Geovanny Efrain

CC: 160060242-7 CC: 220042817-1
ii
AVAL DEL TUTOR DEL PROYECTO DE TITULACIÓN
En calidad de Tutor del Trabajo de Investigación sobre el título:

DISTRIBUCIÓN”, de BARRERA ROJAS AMBAR JOCABED y RAMIREZ ESTRADA
GEOVANNY EFRAIN, de la carrera de Ingeniería en Electricidad, considero que dicho
Informe Investigativo cumple con los requerimientos metodológicos y aportes científico-
técnicos suficientes para ser sometidos a la evaluación del Tribunal de Validación de Proyecto
que el Consejo Directivo de la Facultad de Ciencias de la Ingeniería y Aplicadas de la
Universidad Técnica de Cotopaxi designe, para su correspondiente estudio y calificación.
Latacunga, agosto 2023
………………………………………
Tutor de Titulación

CC: 030189388-9
iii
APROBACIÓN DEL TRIBUNAL DE TITULACIÓN
En calidad de Tribunal de Lectores, aprueban el presente Informe de Investigación de acuerdo

a las disposiciones reglamentarias emitidas por la Universidad Técnica de Cotopaxi, y por la
Facultad de Ciencias de la Ingeniería y Aplicadas; por cuanto, los postulantes: BARRERA
ROJAS AMBAR JOCABED y RAMIREZ ESTRADA GEOVANNY EFRAIN con el título
de Proyecto de titulación: “ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y
UBICACIÓN DE GENERACIÓN DISTRIBUIDA (GD) EN SISTEMAS ELÉCTRICOS
DE DISTRIBUCIÓN”, han considerado las recomendaciones emitidas oportunamente y reúne
los méritos suficientes para ser sometido al acto de Sustentación de Proyecto.
Por lo antes expuesto, se autoriza realizar los empastados correspondientes, según la normativa
institucional.
Latacunga, agosto, 2023
Para constancia firman:
……………………………………… ………………………………………
Lector 1 (Presidente) Lector 2

Ing. Guamán Cuenca Wilian Patricio M.Sc. Dr. Palacios Solorzano Juan Pablo
CC: 060357895-6 CC: 130688632-4
………………………………………
Lector 3
Ing. León Segovia Marco Aníbal M.Sc.
CC: 050230540-2
iv
AGRADECIMIENTO
A Dios por darme la vida y permitirme culminar mis

estudios.
A mi madre que ha sido mi constante apoyo, siempre

involucrada en mis estudios y brindándome ánimo para
seguir adelante a pesar de la adversidad.
A mi padre, igualmente, por su dedicación y constante

búsqueda del bienestar familiar.
Sus sacrificios en mi trayectoria profesional han sido

invaluables. No solo me han respaldado, sino que también
me han brindado consejos y confiado en mis capacidades.
Reconozco el valor de sus enseñanzas al inculcarme valores
como la perseverancia y responsabilidad, atributos que han
sido fundamentales para entregar todo mi empeño en lo que
hago. Una vez más gracias por ser un ejemplo a seguir.
Ambar Barrera Rojas
v
DEDICATORIA
Este trabajo está dedicado a mi madre y a mi padre cuyo

apoyo inquebrantable ha sido el cimiento fundamental que
ha permitido alcanzar este logro.
Este mérito no es solo mío, sino también de ustedes, quienes

han compartido cada paso de este viaje con paciencia
inagotable y ánimo constante.
Ambar Barrera Rojas
vi
AGRADECIMIENTO
Con emoción extiendo mi más sincero agradecimiento a
todos aquellos que han sido parte fundamental durante el
desarrollo de este proyecto. Este trabajo representa el
esfuerzo y apoyo emocional de numerosas personas que
contribuyeron durante la investigación. A través de estas
palabras, deseo expresar mi gratitud a quienes han sido
pilares en este proceso.
En primer lugar, mi gratitud se dirige a Dios y a mi madre,

sus palabras de aliento y el amor constante que me han
brindado han sido mi principal fuente de inspiración. En los
momentos más desafiantes, su respaldo ha sido mi fuerza
motriz, impulsándome a seguir adelante con determinación.
La celebración compartida en cada logro alcanzado ha sido
un recordatorio constante de que no estoy solo en este viaje.
Agradezco también a los docentes de la universidad, por

compartir sus conocimientos, por su orientación experta, su
inquebrantable paciencia y su dedicación incansable, su
habilidad para desafiarme a superar mis propios límites han
sido esenciales en el desarrollo y éxito de esta
investigación.
Finalmente, extiendo mi gratitud a mis amigos y seres

queridos que, con su apoyo y comprensión, han sido mi red
de apoyo emocional, por estar a mi lado durante las épocas
difíciles, brindarme momentos de distracción y recordarme
la importancia de mantener un equilibrio entre el trabajo,
los estudios y la vida personal.
Con el corazón lleno de reconocimiento y afecto sincero,
Geovanny Ramirez Estrada
vii
DEDICATORIA
Este trabajo está dedicado a mi familia, por amor, el apoyo

incondicional y los consejos en los momentos difíciles. A
mi madre, cuyo sacrificio y aliento constante han sido mi
inspiración diaria.
A mis amigos, cuya presencia ha sido un bálsamo para el

alma en los momentos de agotamiento y estrés. Sus risas,
sus conversaciones y su apoyo emocional han sido el
recordatorio constante de que este camino no se recorre
solo.
A todos aquellos que, de una forma u otra, han contribuido

a este proyecto y han compartido sus conocimientos y
experiencias conmigo, mi agradecimiento sincero. Cada
conversación, cada intercambio de ideas y cada consejo han
dejado una huella duradera en mi trayectoria.
En eterna gratitud,
Geovanny Ramirez Estrada
viii
ÍNDICE GENERAL
1. INFORMACIÓN GENERAL................................................................................................ 1
2. INTRODUCCIÓN ....................................................................................................... 2
2.1. EL PROBLEMA ......................................................................................................... 3
2.1.1. Situación problémica ............................................................................................ 3
2.1.2. Formulación del problema .................................................................................... 4
2.2. OBJETO Y CAMPO DE ACCIÓN ............................................................................ 5
2.3. BENEFICIARIOS ....................................................................................................... 5
2.3.1. Beneficiarios directos: .......................................................................................... 5
2.3.2. Beneficiarios indirectos: ....................................................................................... 5
2.4. JUSTIFICACIÓN ........................................................................................................ 6
2.5. HIPÓTESIS ................................................................................................................. 6
2.6. OBJETIVOS ................................................................................................................ 7
2.6.1. Objetivo General................................................................................................... 7
2.6.2. Objetivos Específicos ........................................................................................... 7
2.7. SISTEMA DE TAREAS ............................................................................................. 7
3. FUNDAMENTACIÓN CIENTÍFICO TÉCNICO ................................................................ 8
3.1. ANTECEDENTES ...................................................................................................... 8
3.2. SISTEMAS DE DISTRIBUCIÓN ............................................................................... 9
3.2.1. Niveles de voltaje en sistemas de distribución. ......................................................... 10
3.2.2. Configuraciones de circuitos de los sistemas de distribución eléctrica .............. 10
3.3. GENERACION DISTRIBUIDA ............................................................................... 12
3.3.1. Definición de la generación distribuida: ............................................................. 12
3.3.2. Clasificación de la GD ........................................................................................ 12
3.3.3. Aplicaciones de la generación distribuida .......................................................... 13
ix
3.4. RECURSOS RENOVABLES UTILIZADOS EN LA GENERACIÓN
DISTRIBUIDA ..................................................................................................................... 13
3.4.1. Energía fotovoltaica ............................................................................................ 13
3.4.2. Energía eólica ..................................................................................................... 14
3.4.3. Energía hidroeléctrica ......................................................................................... 15
3.4.4. Grupos electrógenos ........................................................................................... 16
3.5. FLUJOS DE POTENCIA. ......................................................................................... 16
3.5.1. Algoritmos utilizados por OpenDSS .................................................................. 17
3.6. GENERACIÓN DISTRIBUIDA EN SD. ................................................................. 19
3.7.1. Métodos de optimización clásica. ....................................................................... 20
3.7.2. Técnicas artificiales inteligentes (meta-heurísticas) ........................................... 20
3.8. ENJAMBRE DE PARTÍCULAS (PSO) ................................................................... 21
3.8.1. Proceso para algoritmo PSO ............................................................................... 22
3.8.2. Componentes del modelo PSO [56], [57]:.......................................................... 24
4. MATERIALES Y MÉTODOS ............................................................................................ 27
4.1. MÉTODO DE INVESTIGACIÓN ............................................................................ 27
4.2. MATERIALES E INSTRUMENTOS ....................................................................... 27
4.2.1. OpenDSS ............................................................................................................ 27
4.2.2. Python ................................................................................................................. 27
4.3. METODOLOGÍA Y CASO DE ESTUDIO .............................................................. 28
4.3.1. Construcción del caso de estudio. ...................................................................... 28
4.3.2. Validación de la red implementado en el software OpenDSS............................ 28
4.3.3. Datos geográficos de energías solar en Sucumbíos – Joya de los Sachas. ......... 29
Irradiación solar y temperatura ambiente. ........................................................................ 29
Orientación e inclinación de los módulos fotovoltaicos................................................... 31
Condiciones nominales de operación ............................................................................... 31
Eficiencia de los módulos fotovoltaicos ........................................................................... 32
x
Máxima energía de consumo del sistema ......................................................................... 32
4.3.5. Metodología de la ubicación de GD. .................................................................. 34
4.3.6. Criterios técnicos de conexión a la red ............................................................... 35
4.4. NORMATIVA ........................................................................................................... 36
4.4.1. Norma IEEE 1547 .............................................................................................. 36
5. ANÁLISIS E INTERPRETACIÓN DE RESULTADOS ................................................... 37
5.1. CASO BASE IEEE 34 NODOS ................................................................................ 37
5.2. CASOS DE ESTUDIO .............................................................................................. 41
5.2.1. Caso 1: Demanda media (61 usuarios) ............................................................... 41
5.2.2. Caso 2: Demanda baja (29 usuarios) .................................................................. 44
5.2.3. Caso 3: Demanda baja (14 usuarios) .................................................................. 45
5.3. PÉRDIDAS TOTALES ............................................................................................. 47
6. CONCLUSIONES Y RECOMENDACIONES ........................................................ 48
6.1. CONCLUSIONES ..................................................................................................... 48
6.2. RECOMENDACIONES ............................................................................................ 49
7. BIBLIOGRAFÍA ................................................................................................................. 50
8. ANEXOS ............................................................................................................................. 57
8.1. ANEXO 1: INFORME PLAGIO ............................................................................... 57
8.2. ANEXO 2: MODELADO DEL SISTEMA EN OPENDSS. .................................... 58
8.3. ANEXO 3: LEVANTAMIENTO REFERENCIAL DEL SISTEMA BASE. ........... 59
8.3.1. DATOS DE ENTRADA CASO BASE IEEE 34 NODOS. ............................... 59
8.4. ANEXO 4: DATOS DE ENTRADA PARA CASOS REALES. .............................. 60
8.5. ANEXO 5: DATOS DE ENTRADA PARA PSO EN PYTHON. ............................ 61
8.6. ANEXO 6: CASOS DE ESTUDIO ........................................................................... 62
8.6.1. Caso base IEEE 34 nodos. .................................................................................. 62
8.6.2. Diagrama del sector con demanda media (61 usuarios). .................................... 65
8.5.3 Diagrama del sector con demanda baja (29 usuarios). ....................................... 68
xi
8.6.3. Diagrama del sector con demanda baja (14 usuarios). ....................................... 71
8.7. ANEXO 7: PÉRDIDAS TOTALES POR CASO DE ESTUDIO ............................. 73
8.8. ANEXO 8: DATOS DE IRRADIACIÓN SOLAR Y TEMPERATURA ................. 73
Datos de irradiación solar ................................................................................................. 73
Datos de temperatura ambiente ........................................................................................ 73
8.9. ANEXO 9: POTENCIA FOTOVOLTAICA SUMINISTRADA AL SISTEMA ..... 74
8.10. ANEXO 10: DIMENSIONAMIENTO DE GD. ....................................................... 76
8.11. ANEXO 11: DIAGRAMA DE FLUJO PARA LA UBICACIÓN Y

DIMENSIONAMIENTO DE GD. ....................................................................................... 77
xii
ÍNDICE DE TABLAS
Tabla 3.1. Niveles de voltaje . .................................................................................................. 10
Tabla 3.2. Categorización de la GD según su capacidad.......................................................... 12
Tabla 3.3. Tipos y características de generación distribuida . .................................................. 13
Tabla 3.4. Descripción métodos de optimización . .................................................................. 20
Tabla 3.5. Técnicas artificiales inteligentes ............................................................................. 21
Tabla 3.6. Parámetros a considerar para el modelo PSO.......................................................... 22
Tabla 3.7. Coeficientes para la velocidad de la partícula. ........................................................ 23
Tabla 3.8. Subíndices para velocidad de la partícula. .............................................................. 23
Tabla 4.1. Datos para los casos de estudio CNEL EP Sucumbíos. .......................................... 28
Tabla 4.2. Datos geográficos del sector de CNEL EP Sucumbíos. .......................................... 29
Tabla 5.1. Conexión de paneles fotovoltaicos según la metodología. ...................................... 38
Tabla 5.2. Ubicación aleatoria para los diferentes casos de estudio......................................... 41
Tabla 5.3. Ubicación óptima con PSO. .................................................................................... 41
Tabla 5.4. Pérdidas totales de potencia por caso y escenario. .................................................. 47
Tabla 8.1. Parámetros para el modelado de línea de código de carga . .................................... 58
Tabla 8.2. Datos de entrada sistema IEEE 34 nodos . .............................................................. 59
Tabla 8.3. Datos de conductores para casos reales. .................................................................. 60
Tabla 8.4. Carga instalada en cada caso de estudio. ................................................................. 60
Tabla 8.5. Parámetros de entrada para PSO. ............................................................................ 61
Tabla 8.6. Pérdidas de potencia por escenario caso IEEE 34 nodos. ....................................... 62
Tabla 8.7. Voltajes por escenario IEEE 34 nodos. ................................................................... 63
Tabla 8.8. Validación de voltajes . ........................................................................................... 64
Tabla 8.9. Pérdidas de potencia por ramal caso (4135). ........................................................... 66
Tabla 8.10. Voltajes por escenario caso (4135)........................................................................ 67
Tabla 8.11. Pérdidas de potencia por ramal caso (4131). ......................................................... 69
Tabla 8.12. Voltajes por escenario caso (4131)........................................................................ 70

xiii
Tabla 8.13. Pérdidas de potencia por ramal caso (2012799). ................................................... 72
Tabla 8.14. Voltajes por escenario caso (2012799).................................................................. 72
Tabla 8.15. Pérdidas totales para los diferentes casos de estudio............................................. 73
Tabla 8.16. Datos de irradiación solar ...................................................................................... 73
Tabla 8.17. Curva de temperatura. ........................................................................................... 73
Tabla 8.18. Datos eléctricos (STC) . ........................................................................................ 74
Tabla 8.19. Límites operacionales ........................................................................................... 75
Tabla 8.20. Datos de entrada del sistema fotovoltaico a Python. ............................................. 75
xiv
ÍNDICE DE FIGURAS
Figura 3.1. Esquema radial. ...................................................................................................... 11
Figura 3.2. Esquema tipo anillo. ............................................................................................... 11
Figura 3.3. Irradiación solar global promedio anual ................................................................ 14
Figura 3.4. Atlas eólico del Ecuador . ...................................................................................... 15
Figura 3.5. Movimiento de una partícula del PSO. .................................................................. 25
Figura 3.6. Contribución de la componente cognitiva y social en la partícula x del PSO. ...... 26
Figura 4.1. Área de estudio en Joya de los Sachas . ................................................................. 29
Figura 4.2. Temperatura promedio por hora............................................................................. 30
Figura 4.3. Irradiación promedio diario.................................................................................... 30
Figura 4.4. Orientación del panel solar .................................................................................... 31
Figura 4.5. Diagrama de bloques para dimensionamiento de GD. ........................................... 33
Figura 4.6. Diagrama de flujo PSO. ......................................................................................... 35
Figura 5.1. Sistema IEEE de 34 nodos modificado . ................................................................ 37
Figura 5.2. Porcentaje de pérdidas totales IEEE 34 nodos. ...................................................... 38
Figura 5.3. Pérdidas de potencia por escenario IEEE 34 nodos. .............................................. 39
Figura 5.4. Voltajes por escenario IEEE 34 nodos en p.u. ....................................................... 40
Figura 5.5. Pérdidas de potencias totales por escenario caso (4135). ...................................... 42
Figura 5.6. Pérdidas de potencias por escenario caso (4135). .................................................. 42
Figura 5.7. Voltajes por escenario caso (4135). ....................................................................... 43
Figura 5.8. Pérdidas de potencias por escenario caso (4131). .................................................. 44
Figura 5.9. Voltajes por escenario caso (4131). ....................................................................... 44
Figura 5.10. Pérdidas de potencia por escenario caso (2012799). ........................................... 45
Figura 5.11. Voltajes por escenario caso (2012799). ............................................................... 46
Figura 8.1. Modelado de líneas en OPENDSS . . ..................................................................... 58
Figura 8.2. Validación de voltajes AG . ................................................................................... 64
Figura 8.3. Caso demanda media (61 usuarios). ...................................................................... 65

xv
Figura 8.4. Caso demanda baja (29 usuarios). .......................................................................... 68
Figura 8.5. Caso demanda baja (14 usuarios). .......................................................................... 71
Figura 8.6. Visualización del panel fotovoltaico . .................................................................... 74
Figura 8.7. Ventana de dimensionamiento de GD.................................................................... 76
Figura 8.8. Diagrama de flujo para el dimensionamiento y ubicación de GD. ........................ 77
xvi
UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS DE LA INGENIERÍA Y APLICADAS
CARRERA DE INGENIERÍA EN ELECTRICIDAD
RESUMEN
TEMA: “ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE

GENERACIÓN DISTRIBUIDA EN SISTEMAS ELÉCTRICOS DE DISTRIBUCIÓN”
Autores: Barrera Rojas Ambar Jocabed
RESUMEN
En el presente documento se realiza la integración de generación distribuida (GD) en redes de

baja tensión utilizando sistemas de configuración radial que operan en el rango de 220V-127V
de la Corporación Nacional de Electricidad (CNEL EP Sucumbíos), con el propósito de evaluar
el comportamiento de las variables eléctricas. Para abordar este tema, se llevó a cabo una
revisión bibliográfica de los métodos determinísticos y metaheurísticos utilizados para
determinar el dimensionamiento y ubicación de los sistemas de GD. Para el primer criterio, se
seleccionan paneles fotovoltaicos con capacidades específicas de generación, considerando la
alta disponibilidad de radiación solar en la región. Mientras que para la ubicación la
metodología adoptada se basa en la implementación del algoritmo de Optimización de
Enjambre de Partículas (PSO por sus siglas en ingles), el cual busca minimizar las pérdidas
totales de los sistemas. La eficacia del método se valida a través de la comparación con el
sistema IEEE de 34 nodos, obteniendo resultados congruentes con los presentados por J.
Radosavljevic et al. en [68]. Finalmente, aplicar PSO permite mejorar la tensión en los nodos y
disminuir el porcentaje de pérdidas del sistema. Sin embargo, se han identificado desafíos
relacionados con la bidireccionalidad de flujos de potencia, lo que requiere una atención
cuidadosa para garantizar la estabilidad del sistema.
Palabras clave: Dimensionamiento, Enjambre de partículas (PSO), Generación Distribuida

(GD), Ubicación, Variables Eléctricas.
xvii
TECHNICAL UNIVERSITY OF COTOPAXI
FACULTY OF ENGINEERING AND APPLIED SCIENCES
ELECTRICAL ENGINEERING CAREER
ABSTRACT
SUBJECT: " STRATEGIES FOR SIZING AND LOCATION OF DISTRIBUTED

GENERATION IN DISTRIBUTION ELECTRICAL SYSTEMS ".
Author: Barrera Rojas Ambar Jocabed
ABSTRACT
In this paper, the integration of distributed generation (DG) in low voltage networks using radial
configuration systems operating in the 220V-127V range of the National Electricity
Corporation (CNEL EP Sucumbíos) is carried out in order to evaluate the behavior of electrical
variables. To address this issue, a literature review of the deterministic and metaheuristic
methods used to determine the dimensioning and location of DG systems was carried out. For
the first criterion, photovoltaic panels with specific generation capacities are selected,
considering the high availability of solar radiation in the region. For the location, the
methodology adopted is based on the implementation of the Particle Swarm Optimization
(PSO) algorithm, which seeks to minimize the total losses of the systems. The effectiveness of
the method is validated through the comparison with the IEEE 34-node system, obtaining
results congruent with those presented by J. Radosavljevic et al. in [68]. Finally, applying PSO
allows improving the voltage at the nodes and decreasing the percentage of system losses.
However, challenges related to bidirectionality of power flows have been identified, which
requires careful attention to ensure system stability.
Key words: Sizing, Particle Swarm (PSO), Distributed Generation (DG), Siting, Electrical
Variables.
xviii
AVAL DE TRADUCCIÓN
En calidad de Docente del Idioma Inglés del Centro de Idiomas de la Universidad Técnica de
Cotopaxi; en forma legal CERTIFICO que:
La traducción del resumen al idioma Inglés del proyecto de investigación cuyo título versa:
DISTRIBUCIÓN” presentado por: Barrera Rojas Ambar Jocabed y Ramirez Estrada
Geovanny Efrain, egresados de la Carrera de Ingeniería en Electricidad, pertenecientes a la
Facultad de Ciencias de la Ingeniería y Aplicadas, lo realizaron bajo mi supervisión y cumple
con una correcta estructura gramatical del Idioma.
Es todo cuanto puedo certificar en honor a la verdad y autorizo a los peticionarios hacer uso del
presente aval para los fines académicos legales.
Latacunga, agosto del 2023.
Atentamente,
---------------------------
M.Sc. Nelson Wilfrido Guagchinga Chicaiza

DOCENTE CENTRO DE IDIOMAS-UTC
CI: 0503246415
xix
1. INFORMACIÓN GENERAL
Título: Estrategias para el dimensionamiento y ubicación de generación distribuida en sistemas
eléctricos de distribución.
Fecha de inicio: Abril 2023
Fecha de finalización: Agosto 2023
Lugar de ejecución: Joya de los Sachas – Sucumbíos
Facultad que auspicia: Facultad de Ciencias de la Ingeniería y Aplicadas.
Carrera que auspicia: Carrera de Ingeniería en Electricidad.
Proyecto de investigación vinculado: Desarrollo de sistemas eficientes para el abastecimiento

y uso de energía eléctrica a nivel local, regional o nacional.
Grupo de Investigación:
Tutor de Titulación:
Ing. M.Sc. Pesantez Palacios Gabriel Napoleón
Estudiante/s:
Barrera Rojas Ambar Jocabed
Área de Conocimiento: 3306 Ingeniería y Tecnología Eléctricas / 3306.09 Transmisión y

Distribución / 3322 Tecnología Energética / 3322.05 Fuentes no Convencionales de Energía
(Ver 2106.01 y 2506.08)
Línea de investigación: Energías Alternativas y Renovables, Eficiencia Energética y

Protección Ambiental.
Sub-línea de investigación de la Carrera: Generación con fuentes convencionales y no

convencionales.
1
2. INTRODUCCIÓN
Los sistemas de distribución son parte fundamental de las redes eléctricas, encargados de
transportar la energía eléctrica desde las subestaciones hasta los consumidores finales, como
hogares, industrias y comercios.
La generación de energía eléctrica principal ha sido hidroeléctricas y térmicas, que

proporcionaban la mayor parte de la energía. Estas centrales se encontraban principalmente en
áreas rurales y alejadas de los centros de consumo, lo que requería una extensa infraestructura
de transmisión para llevar la energía a los usuarios finales. Con el tiempo se han buscado formas
de mejorar los sistemas de distribución en donde ha sido una opción la generación con fuentes
de energía renovables que ha ido evolucionando y siendo mucho más prácticas como rentables.
El proceso de dimensionar y ubicar la generación distribuida implica la determinación

precisa de la capacidad y la posición óptima de las fuentes de energía descentralizadas, como
los paneles solares, las turbinas eólicas o los generadores a pequeña escala. Para llevar a cabo
la selección del emplazamiento, se considera la capacidad de estas fuentes energéticas, lo cual
implica una comprensión detallada de las necesidades de energía del usuario.
Adicionalmente, se lleva a cabo una evaluación exhaustiva de la capacidad de la red eléctrica

local. Este paso es crucial, ya que un exceso de generación distribuida podría ocasionar
problemas relacionados con la estabilidad y la calidad de la energía suministrada. Por tanto, es
imperativo asegurarse de que la red esté preparada para absorber el flujo de energía generado
por estas fuentes descentralizadas.
Asimismo, es fundamental tener en cuenta las regulaciones y políticas del sector energético.
Dado que la generación distribuida puede estar sujeta a directrices específicas y consideraciones
legales, es necesario cumplir con las normativas vigentes. Esta consideración garantiza que las
instalaciones estén en línea con los marcos regulatorios y que contribuyan al desarrollo
sostenible y efectivo del sistema energético.
La presente investigación desarrollara estrategias para la ubicación y dimensionamiento de

GD en los sistemas de distribución para CNEL Sucumbíos, con la finalidad de disminuir las
pérdidas de energía, mejorar los perfiles de voltajes y aumentar la confiabilidad del sistema.
2
2.1. EL PROBLEMA
2.1.1. Situación problémica
De acuerdo con el Plan Maestro de Electricidad 2016-2025 (PME), el sistema de distribución

debe garantizar la universalidad y accesibilidad al servicio eléctrico conforme a lo estipulado
en la Constitución de la Republica del Ecuador; además, de garantizar la sostenibilidad, calidad,
continuidad, confiabilidad y seguridad, sustentado en la aplicación de estándares de la industria
eléctrica y en la incorporación de nuevos recursos energéticos [1].
Actualmente, las redes eléctricas convencionales de baja tensión presentan limitaciones en

cuanto a su desempeño debido a su infraestructura antigua que carece de innovación y no está
preparada para enfrentar fallas ambientales o producidas por el ser humano [2], [3].
Durante décadas, las energías convencionales han sido las fuentes naturales más utilizadas
para la producción de energía eléctrica a nivel mundial. Entre estas fuentes se encuentran los
combustibles fósiles, como el petróleo, el gas natural y el carbón [4]. Estas se han convertido
en la principal fuente de energía a nivel global debido a su alta densidad energética y su fácil
accesibilidad. Sin embargo, la utilización de estas fuentes de energía ha sido objeto de
controversia debido a su impacto ambiental y al hecho de que son recursos finitos.
Uno de los factores importantes es el costo de generación de energía. En 2021, el Coste

Normalizado de la Energía (LCOE, por sus siglas en inglés), medio ponderado mundial de las
nuevas instalaciones solares fotovoltaicas e hidroeléctricas a escala de distribución fue un 11 %
menor que la opción más barata de generación de electricidad a base de combustibles fósiles,
mientras que la diferencia fue del 39 % en el caso de la eólica terrestre. Así lo establece la
“Agencia Internacional de Energía Renovable 2021” (IRENA) [5].
Las energías renovables como la solar y eólica, dependen de factores como el nivel de
radiación, velocidad del viento, etc., mismos que plantean retos de gran complejidad para
convertirse en la elección del servicio público de electricidad [6]. Los efectos de estos retos son
muy relevantes en el funcionamiento del sistema energético, ya que abarcan desde la necesidad
de incrementar los requisitos de reserva de producción para garantizar la operatividad confiable,
hasta la necesidad de modificar la planificación de las redes de transmisión.
Se produce una parte importante de la energía eléctrica a nivel mundial utilizando

combustibles fósiles o derivados del petróleo, los cuales contribuyen a la emisión de 𝐶𝑂2 y
están relacionados con problemas ambientales como el cambio climático y la contaminación.
3
Estos problemas se pueden observar a través de cambios y anomalías en la temperatura que han
afectado en los últimos años. Por esta razón, es necesario encontrar soluciones energéticas
sostenibles que puedan mantener un margen de reserva adecuado para la generación de
electricidad utilizando fuentes de energía limpia [7], [8] .
La Organización para el Desarrollo y Cooperación Económica (OCDE) ha señalado que la

generación distribuida masiva, especialmente utilizando recursos renovables, podría ser una
posible solución para generar electricidad sin aumentar las emisiones de gases de efecto
invernadero. Esto se debe a que las centrales de generación distribuidas tienen un menor
impacto ambiental y pueden ayudar a diversificar el portafolio de tecnologías de generación.
Además, la generación distribuida se ubica cerca de los centros de consumo, lo que reduce la
necesidad de líneas de transmisión y facilita el aprovechamiento de recursos renovables como
la fotovoltaica y la eólica [8], [9].
Las redes de distribución convencionales son diseñadas de forma radial, estas pueden llegar
a presentar fallas de sobrecarga, caídas de tensión, etc., mismas que pueden ser ocasionadas por
demandas muy grandes y fallas en su estructura teniendo como consecuencia la suspensión del
servicio eléctrico en determinadas zonas. El ingreso de GD en las redes de baja tensión es
importante porque puede suministrar una parte de la demanda eléctrica sin depender de la red
centralizada de energía. Incluso en el caso de que se produzca una pérdida de energía en un
punto de la red, las fuentes de energía renovable distribuidas pueden seguir suministrando
energía a las cargas conectadas a través de la red eléctrica. Esto hace que la generación
distribuida sea una opción más confiable y segura para satisfacer la demanda de energía en las
comunidades locales [8].
En este contexto se plantea analizar la introducción de generación distribuida en Media y

Baja tensión de sistemas de Distribución, con la finalidad de observar las variaciones en los
parámetros eléctricos debido a que la falta de estudio en el país dificulta el ingreso de nuevos
proyectos de GD.
2.1.2. Formulación del problema
La inserción de generación distribuida en sistemas de baja tensión afecta al comportamiento

de los flujos de potencia del sistema eléctrico.
4
2.2. OBJETO Y CAMPO DE ACCIÓN
● Objeto:
ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE

GENERACIÓN DISTRIBUIDA EN SISTEMAS ELÉCTRICOS DE DISTRIBUCIÓN
¿Qué se investiga?
Incorporación de generación distribuida en sistemas eléctricos de distribución.
¿En dónde o en qué sistema se investiga?
En la Red Eléctrica Secundaria de la Empresa CNEL EP. Provincia de Sucumbíos en

Ecuador.
● Campo de Acción:
El objeto de estudio es un sistema de distribución de energía eléctrica con generación

distribuida.
El campo de acción para el proyecto (Código UNESCO):330000 ciencias Tecnológicas

/ 3306 Ingeniería y Tecnología Eléctricas / 3306.99 Transmisión y Distribución.
2.3. BENEFICIARIOS
2.3.1. Beneficiarios directos:
● La Empresa CNEL EP Unidad de Negocios Sucumbíos.
● Empresas públicas y privadas conectadas a la red eléctrica.
2.3.2. Beneficiarios indirectos:

● Consumidores finales.
● Empresas eléctricas de Ecuador.
● Estudiantes de la Universidad Técnica de Cotopaxi.
5
2.4. JUSTIFICACIÓN
La generación distribuida es un modelo eléctrico que permite a los usuarios del servicio no
solo consumir energía, sino también generar a pequeña escala utilizando fuentes renovables
disponibles [10]. Con el crecimiento constante de la demanda eléctrica, las nuevas tendencias
tecnológicas y la diversificación del Sistema Nacional Interconectado (SNI) del Ecuador,
se hace necesario realizar estudios sobre la implementación de generación distribuida con
energías renovables para redes de media y baja tensión, para ello es necesario un simulador
capaz de examinar las tendencias que surgen en la red, así como los efectos que tiene la
generación distribuida en la operación de las redes de distribución [11].
Por ello, considerar un modelo en donde se incluya la introducción de GD permitirá analizar

cómo los flujos de potencia y corrientes de cortocircuito que pueden ser bidireccionales, lo que
influye en la operación de las redes de distribución. Es importante destacar que estas redes han
sido operadas tradicionalmente como un sistema radial, donde los flujos de potencia y corrientes
de cortocircuito fluyen en una sola dirección. La introducción de la generación distribuida
cambia esta dinámica y requiere una mayor atención en la operación y planificación de la red
[12].
Por otra parte las razones que han motivado el desarrollo de la GD durante los últimos
años son de diversa índole: razones medioambientales (como en el caso de las tecnologías
renovables: eólica, minihidráulica, fotovoltaica, etc.), eficiencia energética (como en el caso
de la cogeneración), avances tecnológicos (como en el caso de las microturbinas de gas y las
pilas de combustible), diversificación de las fuentes de energía, fiabilidad del suministro
(aplicaciones de respaldo o back-up con grupos electrógenos), razones económicas, etc., [13].
Este estudio permitirá conocer estrategias para la implementación de GD, así como analizar
el comportamiento de la red de distribución eléctrica. Además, se explorará el crecimiento de
la demanda, aprovechando los beneficios de menores tiempos de implementación en
comparación con la generación centralizada [14].
2.5. HIPÓTESIS
¿La inserción de generación distribuida en sistemas eléctricos de distribución altera los
flujos de potencia de manera significativa, reduciendo pérdidas en la red y mejorando la
eficiencia y confiabilidad del sistema eléctrico?
6
2.6. OBJETIVOS
2.6.1. Objetivo General
Analizar el comportamiento de la red de Distribución de Baja Tensión ante la introducción
de GD, utilizando software de código abierto (open source) para evaluar el impacto sobre las
variables eléctricas.
2.6.2. Objetivos Específicos

• Investigar estrategias y técnicas para la ubicación de generación distribuida (GD)
mediante la búsqueda bibliográfica.
• Implementar un método de optimización para el dimensionamiento y ubicación
de GD mediante la ejecución de un algoritmo.
• Aplicar GD a casos de estudio mediante el uso de la metodología seleccionada.
2.7. SISTEMA DE TAREAS

Objetivos Actividades (tareas) Resultados Técnicas,
específicos esperados medios e
instrumentos
Investigar estrategias -Revisión del estado del -Desarrollo de la -Tesis.
y técnicas para la arte para generación de la base teórica -Revistas técnicas.
ubicación de distribuida. de GD.
generación -Artículos
-Recopilación de -Métodos y
distribuida (GD) científicos.
información acerca de criterios de
mediante la búsqueda -Libros.
estrategias y técnicas ubicación para
bibliográfica. que determinen la GD.
ubicación de GD.
Implementar un -Implementación del -Método de -OpenDSS.
método de método acorde para la optimización. -Python.
optimización para el optimización de la -Ubicación y
dimensionamiento y ubicación y -CYME 7.1 Rev 02.
dimensionamient
ubicación de GD dimensionamiento de -Página web de la
o de GD.
mediante la ejecución GD. nasa.
de un algoritmo.
Aplicar GD a casos de -Aplicación del modelo -Modelo -Python.
estudio mediante el en un software. aplicado al -OpenDSS.
uso de la metodología sistema de
-Determinación de
seleccionada. distribución. -Microsoft Excel.
diferentes casos de
estudio a evaluar. -Resultados del
comportamiento
del sistema.
7
3. FUNDAMENTACIÓN CIENTÍFICO TÉCNICO
3.1. ANTECEDENTES
En el año 2007, el gobierno ecuatoriano promulgó la Ley de Eficiencia Energética y Energías
Renovables, que estableció políticas y regulaciones para fomentar la generación de energía
renovable en el país. Esta ley estableció un marco para la implementación de proyectos de
generación distribuida en el sector eléctrico [15].
En el año 2014 M. Chuqui [16] concluye que la implementación de sistemas de GD en

hogares y edificios es técnicamente viable y puede proporcionar importantes beneficios
económicos y ambientales, como la reducción de las emisiones de gases de efecto invernadero
y la disminución de la dependencia de la red eléctrica convencional. Sin embargo, la viabilidad
económica de la GD depende en gran medida de factores como los costos iniciales de inversión
y los incentivos fiscales disponibles para la implementación de estas tecnologías.
También en el año 2014 L. Freire [17] evaluó la estabilidad de voltaje en los diferentes nodos
de la red ante variaciones en la demanda y en la generación distribuida. Los resultados
mostraron que la penetración de la generación distribuida puede tener un impacto significativo
en la estabilidad de voltaje de la red, y que la capacidad de las líneas de transmisión y
distribución debe ser adecuada para soportar la cantidad de generación distribuida.
O. Sánchez [18] considera como un trabajo relevante de flujo de potencia a un modelo

probado en la IEEE 34 nodos para trabajar como nodo PV o modo control de voltaje (MCV).
Además, la realización de pruebas al sistema IEEE 37 nodos, pero ahora conectado una unidad
de GD funcionando como nodo 𝑃𝑉 o MCV y como nodo PQ o factor de potencia constante,
todo esto utilizando las metodologías monofásica y trifásica.
Por otra parte, la capacidad mundial de generación de electricidad a través de paneles solares
fotovoltaicos ha experimentado un notable aumento exponencial, llegando a aproximadamente
227 GWe para fines de 2015. Esto equivale a generar alrededor del 1% del suministro total de
electricidad o el 0,5% del total de energía primaria a nivel global [14].
Mientras en Estados Unidos y Europa han elegido la Generación Distribuida (GD) como una
alternativa viable, económica y confiable. En gran parte de estos países la GD contribuye con
el 10% de la capacidad instalada e inclusive países como Holanda y Dinamarca, la GD ha
llegado a ocupar un 30 o 40% de la capacidad total instalada. Por ejemplo, en Austria el 78%
de su generación para el año 2010 se basó en fuentes de energía renovable [19].
8
Para el año 2021 se establece la Resolución Nro. ARCERNNR-032/2021 respecto a tarifas
para la conexión de sistemas de generación distribuida al sistema eléctrico nacional. En
concreto, esta resolución establece que los usuarios que deseen conectarse al sistema eléctrico
nacional para generar energía a partir de fuentes renovables y no renovables deberán pagar una
tarifa por los servicios de acceso, transmisión, distribución y medición de la energía generada
[20].
En el año 2022 M. Medina [21] identificó el nodo crítico de una red eléctrica y evaluó la
implicación de la generación distribuida en la mejora del perfil de voltaje y la reducción de
pérdidas. Se utilizó el software OpenDSS para determinar los aportes de potencia activa y
reactiva del generador eólico en diferentes demandas (mínima y máxima). Se observó que el
nodo crítico presentó una mayor caída de voltaje en ambas demandas. La incorporación de la
generación distribuida redujo la entrega de potencia activa de la red en un 65% en demanda
mínima y un 21% en demanda máxima, y también redujo las pérdidas asociadas a la resistencia
del enlace en 1.56 kW en demanda mínima y 35.59 kW en demanda máxima. En conclusión,
se demostró que la generación distribuida puede mejorar el perfil de voltaje y reducir las
pérdidas en las redes eléctricas.
Mientras que en el mismo año 2022 A. Águila, et. al. [22] utilizan el algoritmo enjambre de
partículas por sus siglas en inglés (PSO) para optimizar la ubicación y tamaño de la generación
distribuida, considerando diversas condiciones de carga y topología de la red. Se realizan
simulaciones utilizando la herramienta de software OpenDSS. Los resultados muestran que la
implementación de la GD puede reducir significativamente las pérdidas de energía y mejorar la
calidad del servicio en la red. Además, el uso del algoritmo PSO permitió encontrar la solución
óptima para la ubicación y tamaño de la generación distribuida en la red.
3.2. SISTEMAS DE DISTRIBUCIÓN

De acuerdo con [23] los componentes más importantes incluyen:
a) Subestación principal de potencia: es el punto de entrada de la energía eléctrica al

sistema de distribución. Aquí, se reduce el voltaje de transmisión a un nivel más bajo
para que la energía pueda ser distribuida a través de las subestaciones de subtransmisión
y distribución.
b) Subestación de subtransmisión: la energía eléctrica se reduce aún más y se distribuye a
las subestaciones de distribución a través de líneas de transmisión de alta tensión.
9
c) Subestación de distribución: la energía eléctrica se reduce a un voltaje que es adecuado
para la distribución a los clientes. Desde aquí, la energía se distribuye a través de los
alimentadores primarios a los transformadores de distribución.
d) Alimentadores primarios: son líneas de distribución que transportan la energía eléctrica
desde las subestaciones de distribución a los transformadores de distribución en los
vecindarios.
e) Transformadores de distribución: reducen el voltaje de la energía eléctrica a un nivel
que es seguro para su uso en hogares y negocios.
f) Secundarios y servicios: son las líneas que se conectan a los transformadores de
distribución y llevan la energía eléctrica directamente a los hogares y negocios.
Estos elementos son aplicables a cualquier tipo de carga, ya sea en redes subterráneas o aéreas.
3.2.1. Niveles de voltaje en sistemas de distribución.
Según la resolución NRO. ARCERNNR-025/2022 corresponden al nivel de voltaje en

el punto de entrega del consumidor regulado [24]:
Tabla 3.1. Niveles de voltaje [24].
Nivel de voltaje Grupo Voltaje de suministro en el punto de entrega
Bajo Menor o igual a 0,6 kV;

Medio Mayor a 0,6 y menor igual a 40 kV;
Alto Grupo 1 -AV1 Mayor a 40 y menor igual a 138 kV;
Grupo 2 – AV2 Mayor a 138 kV.
3.2.2. Configuraciones de circuitos de los sistemas de distribución eléctrica
En cuanto a la estructura, el sistema de distribución eléctrica se organiza en diferentes niveles

de voltaje, que van desde la subestación principal de potencia hasta los hogares y negocios. En
este caso [23] establece diferentes clasificaciones considerando ciertos criterios como:
a) Su construcción: aérea clásica, subterránea y aérea compacta.

b) Su topología: radial, anillo, malla, anillo con amarre y estrella.
c) Por el número de fases: monofilar, bifilar, trifilar.
d) Por el nivel de voltaje: bajo voltaje (BV) y medio voltaje (MV).
e) Por el tipo de carga: residencial, comercial e industrial.
10
f) Red primaria: circuitos alimentador primario radial, alimentador primario con enlace, con
amarres de emergencia, red primaria.
g) Red secundaria: radial, hilera, malla, selectivo.
Red con topología radial:
Las líneas parten de las subestaciones y se ramifican extendiéndose por toda el área
suministrada. Estas se alimentan por un único extremo desde el que se realiza el suministro a
los centro de transformación mediante derivaciones o ramificaciones en antena que no se
cierran sobre sí mismas [25].
Figura 3.1. Esquema radial.
Red con topología anillo:
Están formadas por una línea cerrada a lo largo de la cual se reparten los centros de
transformación. Estas redes proporcionan dos caminos para alimentar a los centros de
transformación, constituyendo una solución intermedia entre las redes radiales [26].
Figura 3.2. Esquema tipo anillo.
11
3.3. GENERACION DISTRIBUIDA
3.3.1. Definición de la generación distribuida:
La definición más difundida es la del Instituto de Ingenieros Eléctricos y Electrónicos IEEE

por sus siglas en ingles. La cual define que: "La Generación Distribuida corresponde a la
producción de energía eléctrica mediante instalaciones suficientemente pequeñas en relación
con la generación centralizada, de manera que permiten la interconexión en cualquier punto de
la red, siendo un subconjunto de recursos distribuidos del sistema de distribución” [27].
Mientras que el Consejo Internacional sobre Grandes Sistemas Eléctricos (CIGRE) añade:
“No es usualmente planificada; No es despachada de forma centralizada; y su capacidad es
inferior a 50 o 100 MW” [11].
Y Según la Agencia Internacional de Energía (IEA), la GD son plantas de generación

eléctrica que atiende a un cliente en el lugar, o el apoyo a una red de distribución, y se conecta
a la red a nivel de voltaje de distribución y asocia tecnologías como motores, microturbinas,
pilas de combustible y energía solar fotovoltaica [12], [28].
3.3.2. Clasificación de la GD
Existen varias formas de clasificar la GD, se consideran la establecida por [27], donde
utiliza diferentes criterios entre los que tenemos:
a) El propósito. - La GD se concibe como una fuente de potencia eléctrica activa.

b) La localización u ubicación. - Consideran GD a los sistemas situados en la red de
distribución y/o en la red de baja tensión.
c) Calificación por rango de capacidad;
Tabla 3.2. Categorización de la GD según su capacidad [29].

Tipo de generación distribuida Capacidad
Micro 1 W < 5kW
Pequeña 5 kW < 5 MW
Media 5 MW < 50 kW
Grande 50W < 300 MW
d) Área de entrega de potencia;

e) Impacto ambiental;
f) Modo de Operación;
g) Nivel de participación;
12
h) Tecnologías de la generación distribuida. - Son sistemas a pequeña escala como
alternativa a las centrales de combustible fósil. De todas las posibles se describen a
continuación:
Tabla 3.3. Tipos y características de generación distribuida [30].
Tecnología de GD Eficiencia Capacidad

Generador y turbinas de combustión 30 – 42 % 20 kW – 40 MW
Hídrica 80 – 95 % 25 kW – 30 MW
Pila de combustible 30 – 50 % 100 KW – 3 MW
Solar 6 – 19 % 1 kW – 1 MW
Eólica 2 – 34 % 600 W – 2,5 MW
Biomasa 60 – 90 % 100 kW – 20 MW
Geotérmica 70 – 80 % 5 MW – 100 MW
Mareomotriz 20 – 30 % 100 kW – 5 MW
Otros No aplica N/A en desarrollo
3.3.3. Aplicaciones de la generación distribuida

Las aplicaciones más comunes de la GD según [31] son las siguientes:
a) La generación básica: Su principal objetivo es suministrar energía eléctrica necesaria

y apoyar a la red eléctrica mediante el aumento del nivel de tensión del sistema eléctrico.
b) Demanda en horas punta: Proporciona energía eléctrica durante estas horas, lo que
resulta en una reducción del costo de la energía eléctrica para grandes clientes
industriales.
c) Reserva: puede ser empleada para suministrar energía eléctrica a cargas variables en
momentos de interrupción en el suministro de la red eléctrica.
d) Aisladas en zonas rurales o de difícil acceso: estas zonas optan como fuente de
suministro de energía en vez de conectarse a la red eléctrica debido a los obstáculos
económicos y técnicos derivados de la distancia que las separa de la misma.
e) Sistemas de Cogeneración: Ofrece tecnologías que permiten la generación combinada
de calor y electricidad, ya que estas unidades presentan una alta eficiencia energética.
3.4. RECURSOS RENOVABLES UTILIZADOS EN LA GENERACIÓN

DISTRIBUIDA
3.4.1. Energía fotovoltaica
En Ecuador, a partir de la Figura 3 observa los índices de radiación solar global promedio donde
se estima una generación de 4575 Wh/m2/día, lo que sugiere un gran potencial para generar
electricidad. De hecho, se ha calculado que el país tiene 312 GW disponibles, lo que equivale
a una producción anual de energía eléctrica de 456 TWh o 283 millones de barriles equivalentes
13
de petróleo (MBEP). Es importante destacar que este potencial es significativamente mayor que
el potencial hidroeléctrico técnica y económicamente aprovechable del país, llegando a ser
quince veces mayor [14].
Se tiene las provincias con mayor potencial solar son aquellas ubicadas en la región costera
y en la zona sur del país: Loja, Manabí, Santa Elena, Guayas y algunas del oriente como Carchi,
Sucumbíos y Orellana.
Figura 3.3. Irradiación solar global promedio anual [32].
3.4.2. Energía eólica
Ecuador cuenta con un potencial bruto disponible total de alrededor de 1 670 MW para la
generación de energía eléctrica, de los cuales se ha identificado un potencial viable a corto plazo
de 884 MW, en la Figura 3.4 se identifican las zonas con mejor recurso de viento a las
provincias de Carchi, Imbabura, Chimborazo, Manabí, Loja y El Oro. En cuanto a la provincia
del Azuay, se ha determinado que presenta un potencial bruto disponible total de
aproximadamente 294,75 MW y un potencial viable a corto plazo de 101,77 MW [33], [34].
Otros ejemplos de uso de energía eólica según información proporcionada por el Ministerio
de Electricidad y Energía Renovable (MEER), en la Isla San Cristóbal tenemos una capacidad
de generación de 2,4 MW, mientras que, en la provincia de Loja, en el cerro Villonaco, se ha
instalado una capacidad de generación de 16,5 MW. Además, recientemente se ha inaugurado
un proyecto en la Isla Baltra que cuenta con una capacidad de generación de 2,25 MW [35].
14
Figura 3.4. Atlas eólico del Ecuador [36].
Por otra parte de acuerdo con [37] cuando se conectan parques eólicos a una red de
transmisión o distribución ya existente, se pueden presentar impactos en el comportamiento de
la red, los cuales están determinados por dos variables:
• Potencia eólica instalada.

• "Fortaleza" de la red a la que se conecta (expresada como P corto circuito/P eólica).
3.4.3. Energía hidroeléctrica
Se ha determinado que la implementación de una mini red eléctrica que aproveche fuentes
de energía renovable es la alternativa más eficiente en términos de costos para proveer de
electricidad a comunidades rurales. En este sentido, una opción viable es la instalación de
sistemas pico-hidroeléctricos, los cuales se caracterizan por tener una capacidad reducida y
generar entre 1 y 5 kW de energía eléctrica a partir de una turbina hidráulica y un generador
acoplado a su eje [38].
15
3.4.4. Grupos electrógenos
En la red eléctrica, los grupos electrógenos (GE) han sido comúnmente utilizados para suplir
las interrupciones de energía en las redes de distribución. Esto se debe a que la falta de energía
eléctrica en dichas redes puede ocasionar daños significativos o bien porque la red eléctrica no
se encuentra disponible, es insuficiente o no resulta rentable en lugares alejados o de difícil
acceso, como en islas o pequeñas comunidades situadas en áreas remotas, donde el costo de
llevar la electricidad de manera tradicional resulta prohibitivo debido a las grandes distancias
[39].
De acuerdo con [39] los grupos electrógenos pueden operar en diferentes modos:
• Operación continua a carga constante.

• Operación continua a carga variable.
• Operación limitada a carga constante.
• Operación limitada en tiempo a carga variable.
3.5. FLUJOS DE POTENCIA.
Los flujos de potencia se refieren a la cantidad de energía eléctrica que fluye a través de una
red eléctrica en una determinada dirección. En una red eléctrica, la energía eléctrica se genera
en una central eléctrica y se distribuye a través de líneas de transmisión y distribución hasta
llegar a los consumidores finales. Durante este proceso, la energía eléctrica puede fluir en
diferentes direcciones dependiendo de la demanda de energía de los consumidores y de la
disponibilidad de energía en la red [40] .
Los flujos de potencia se miden en unidades de voltio-amperios (VA) o en unidades de

potencia real, conocidas como vatios (W) o kilovatios (kW). Los flujos de potencia también
pueden ser positivos o negativos dependiendo de la dirección del flujo de energía en la red [40].
Es importante controlar los flujos de potencia para garantizar la estabilidad y confiabilidad

del sistema eléctrico. Los operadores del sistema eléctrico utilizan herramientas de software y
algoritmos de control para gestionar los flujos de potencia y evitar sobrecargas en las líneas de
transmisión y distribución que pueden provocar interrupciones en el suministro eléctrico [41].
16
3.5.1. Algoritmos utilizados por OpenDSS
El método de Newton-Raphson se utiliza para encontrar la solución del sistema de

ecuaciones no lineales que describen la red eléctrica. Además, usa el método de barrido de
nodos y el método de barrido de fases para calcular las tensiones y corrientes en cada nodo y
fase de la red [42].
Para analizar la distribución temporal de los componentes de potencia en el sistema eléctrico,

OpenDSS utiliza la teoría de potencia instantánea a través de la simulación de la respuesta del
sistema eléctrico a eventos transitorios. Además, mediante esta teoría realiza el análisis de
calidad de energía y corrige problemas relacionados con la distorsión armónica, la fluctuación
de voltaje y el desequilibrio de carga en las redes eléctricas. En sistemas eléctricos
desequilibrados, OpenDSS trabaja sobre la base de la teoría de potencia instantánea mediante
la conversión de las corrientes y voltajes trifásicos en un marco estacionario de dimensiones
dq0 utilizando la Transformada de Park [43], [44].
OpenDSS utiliza una combinación de cálculo de admitancias, construcción de matriz de

impedancia, solución de sistemas de ecuaciones lineales y cálculo de flujos de potencia para
analizar y simular el comportamiento de sistemas eléctricos de distribución. A continuación, se
describe la fórmula de la Transformada de Park (1) y se aplica los reemplazos para voltajes y
corrientes mediante el uso de la misma.
1 1 1
√2 √2 √2
2 −1 −1
[𝑇𝑃] = √ 1 (3.1)
3 2 2
√3 −√3
[0 2 2 ]
En el sistema de referencia 0 las componentes que corresponden a las variables de voltaje
y corriente se determinan de la siguiente forma.
Para los voltajes:
17
1 1 1
𝑣0 √2 √2 √2 𝑣
𝑎
2 −1 −1
[ 𝑣a ] = √ 1 [𝑣𝑏 ] (3.2)
𝑣b 3 2 2 𝑣𝑐
√3 −√3
[0 2 2 ]
Para las corrientes:
1 1 1
𝑖0 √2 √2 √2 𝑖
2 𝑎
−1 −1
[ 𝑖a ] = √ 1 [ 𝑖 𝑏] (3.3)
𝑖b 3 2 2 𝑖𝑐
√3 −√3
[0 2 2 ]
Aplicando la transformada de Park a los voltajes y corrientes puede definir las potencias de la
siguiente forma:
𝑝ab 𝑣a 𝑣b 𝑖a
[𝑞 ] = [−𝑣 𝑣a ] [𝑖b ] (3.4)
ab b
Donde 𝑝ab 𝑦 𝑞ab corresponden a la potencia activa y reactiva que se compone por un
parámetro no variable y un parámetro ∼ 𝑝 𝑦 ∼ 𝑞 respectivamente las cuales cuantifican la
distorsión y desequilibrio del sistema trifásico.
p(t) = pαβ = vα 𝑖α + vβ 𝑖β = P + ~p (3.5)
q(t) = 𝑞αβ = vα iβ − 𝑣β iα = Q + ~q (3.6)
Las ecuaciones (3.5) y (3.6) se las puede expresar en el dominio del tiempo utilizando la
inversa de la Transformada de Park y estas se expresan como:
𝑝(𝑡) = ∑ 𝑉𝑧 ∙ 𝐼𝑧 ∙ cos γ𝑧 − ∑ 𝑉𝑧 ∙ 𝐼𝑧 ∙ cos γ𝑧 ∙ cos 2(wt + α𝑧 )

(3.7)
z=a,b,c z=a,b,c
18
𝑝(𝑡) = ∑ 𝑃𝑧 − ∑ 𝑃𝑧 ∙ cos 2(wt + α𝑧 ) )
(3.8)
z=a,b,c z=a,b,c
Dp(t) = ∑ P𝑧 ∙ cos 2(wt + α𝑧 )

(3.9)
z=a,b,c
𝑃𝑧 corresponde al valor eficaz que pertenece a la potencia activa, y 𝐷𝑝(𝑡) es la potencia

activa correspondiente al valor instantáneo desequilibrado
𝑞(𝑡) = − ∑ 𝑉𝑧 ∙ 𝐼𝑧 ∙ sinγ𝑧 ∙ 𝑠𝑖𝑛2(wt + α𝑧 )

(10)
z=a,b,c
𝑞(𝑡) = − ∑ 𝑄𝑧 ∙ 𝑠𝑖𝑛2(wt + α𝑧 )
(11)
z=a,b,c
Donde 𝑄𝑧 corresponde a la potencia reactiva instantánea en valor eficaz y 𝑞(𝑡) corresponde

al valor de la potencia reactiva instantánea.
3.6. GENERACIÓN DISTRIBUIDA EN SD.
La GD puede ser producida a partir de diversas fuentes de energía renovable, y se puede

instalar en la red eléctrica de dos maneras: en sistemas conectados a la red o en sistemas
aislados. La GD ofrece una serie de beneficios, como la reducción de la carga en la red de
distribución, la mejora de la confiabilidad del suministro de energía y la reducción de las
emisiones de gases de efecto invernadero [27], [35], [45].
Sin embargo, la introducción masiva y aleatoria de GD en el sistema de distribución plantea

desafíos significativos en términos de seguridad, calidad de suministro y confiabilidad del
sistema [46]. Para garantizar una integración adecuada de la GD, es necesario analizar la
interconexión y aplicar el estándar IEEE 1547 [45]. También es importante analizar el impacto
al conectar a redes de distribución en términos de variación de voltaje, pérdidas en la red y
contribución al nivel de corrientes de corto circuito en el sistema [12].
19
3.7. MÉTODOS DE OPTIMIZACIÓN
3.7.1. Métodos de optimización clásica.
Los métodos de optimización clásica son técnicas matemáticas utilizadas para encontrar los
valores óptimos de variables en una función objetivo, ya sea maximizándola o minimizándola.
Estos métodos son ampliamente utilizados en diversas áreas, como la ingeniería, la economía
y la ciencia de datos. Algunos de los métodos más conocidos incluyen:
Tabla 3.4. Descripción métodos de optimización [47].
Método Descripción
Programación lineal (LP) Útil para maximizar o minimizar funciones objetivo lineales y sus restricciones.
Programación no lineal Combina (LP), (NLP) y (MIP). Adecuada para optimizar tanto variables
mixta (MINLP) continuas como discretas, así como funciones no lineales.
Programación dinámica En aplicaciones secuenciales, el método aborda un problema dividiéndolo en
(DP) varios subproblemas y resolviéndolos en diferentes dominios de tiempo.
Programación secuencial Es de tipo iterativo y es especialmente eficaz en el manejo de formulaciones
cuadrática (SQP) altamente no lineales que presentan limitaciones de desigualdad. Dado que las
ecuaciones de flujo de carga suelen contener formulaciones no lineales y
restricciones de desigualdad, el método es capaz de optimizar eficientemente el
tamaño de las unidades de (GD).
Flujo de potencia óptimo Esencial para la estrategia de expansión de los sistemas de energía y permite
(OPF) encontrar el rendimiento óptimo de los sistemas existentes. Además, la
herramienta proporciona información sobre la magnitud del voltaje del bus, la
potencia reactiva que fluye y el ángulo de fase de cada línea.
3.7.2. Técnicas artificiales inteligentes (meta-heurísticas)

Son enfoques de optimización que se utilizan para resolver problemas complejos y difíciles
de resolver con métodos clásicos. A diferencia de los métodos de optimización clásica que
buscan soluciones precisas, las metaheurísticas buscan soluciones aproximadas en un tiempo
razonable. Algunas de las técnicas de metaheurísticas más conocidas son:
20
Tabla 3.5. Técnicas artificiales inteligentes [47], [48].
Método Descripción
Lógica difusa (FL) Se basa en variables lingüísticas que tienen una aproximación en lugar de una función
con valores exactos.
Algoritmo genético Que se basa en el proceso de selección natural y genética. Este algoritmo se inspira en
(AG) la evolución natural y utiliza conceptos como herencia, mutación, selección y cruce. Sin
embargo, el algoritmo puede ser computacionalmente costoso debido a la gran cantidad
de parámetros asociados.
Optimización del Inspirado en la capacidad de las aves para agruparse y la doctrina de los peces en la
enjambre de búsqueda de alimento. En el PSO, un conjunto de soluciones se genera al azar y se mueve
partículas (PSO) en el espacio de diseño, favoreciendo la mejor solución después de un cierto número de
iteraciones.
Algoritmo de Se basa en el comportamiento de búsqueda de alimento de las hormigas reales, que
búsqueda de buscan establecer caminos más cortos desde su nido hasta la fuente de alimento
colonias de utilizando trazas de feromonas como mecanismo de comunicación.
hormigas (ACS)
Algoritmo de Utiliza tres tipos de abejas: empleadas, espectadoras y exploradoras. Este algoritmo se
colonia de abejas basa en el hecho de que la fuente de alimento representa una solución factible al
artificiales (ABC) problema de optimización, y la cantidad de néctar en una fuente de alimento se asemeja
al valor de la solución.
Método de El enfoque consiste en generar valores de los parámetros del sistema de manera aleatoria
Montecarlo y luego evaluar la función objetivo en cada caso. Se requiere resolver un número
determinado de casos combinado con algoritmos de interpolación multivariable para
encontrar la solución óptima.
Ant Colony Está fundamentada en la conducta natural de las hormigas, que buscan alimento y el
Optimization camino más corto para llevarlo de vuelta a su nido. Múltiples hormigas recorren
(ACO) repetidamente el camino, dejando una mayor cantidad de feromonas donde pasa un
mayor número de hormigas, lo que indica la ruta más corta. De esta manera, se encuentra
la ruta óptima utilizando la concentración de feromonas como un indicador de la calidad
de la solución.
3.8. ENJAMBRE DE PARTÍCULAS (PSO)

La idea detrás del método es que los miembros del enjambre comparten la información de
la mejor posición encontrada (en el sentido del mayor mérito, en este caso menor distancia hasta
el alimento), y que cada miembro tiene en cuenta esta información, junto con el conocimiento
de su propia mejor posición, para dirigir su búsqueda. La transición entre la simulación original
y el método de búsqueda fue evidente porque la distancia entre cada individuo y la posición del
alimento era modelada como una función, que debía ser minimizada al “encontrar” el alimento.
21
Pruebas fueron realizadas y se encontró que cualquier función podría ser minimizada utilizando
la simulación [49].
3.8.1. Proceso para algoritmo PSO

Para [50] PSO primero produce una población inicial, cuyos miembros representan una
posible solución al problema. Para un problema N-dimensional, la posición ecuación (que en 2
dimensiones vendrá determinado por un vector de la forma (x,y), en el espacio de búsqueda y
velocidad determinado por un vector de la forma (vx , vy ) que determina su movimiento a través
del espacio.
𝑋11 𝑋11 … 𝑋1𝑁

𝑋 = { 𝑋21 𝑋22 … 𝑋2𝑁 } (3.12)
𝑋𝑀1 ⋱ 𝑋𝑀𝑁
𝑉11 𝑉12 … 𝑉1𝑁
𝑉 = { 𝑉21 𝑉22 … 𝑉2𝑁 } (3.13)
𝑉𝑀1 𝑉𝑀2 … 𝑉𝑀𝑁
Donde X y V son la matriz de posición y velocidades, respectivamente. M, representa el

número de partículas que constituyen una población. Cada fila en la matriz de posiciones
representa la posición de cada partícula en el espacio de búsqueda, a través de la cual se calcula
el valor de aptitud de la partícula. Para [51] al inicializar el modelo PSO se considera los
siguientes parámetros:
Tabla 3.6. Parámetros a considerar para el modelo PSO [51].
Parámetro Descripción
Población inicial Es generada de manera aleatoria, generando una cantidad n de partículas en un tiempo t.
Enjambre Es la población de partículas que se mueve y que tiende a agruparse mientras que las
partículas se mueven en una aparente dirección aleatoria.
Tamaño de la El desempeño del algoritmo no depende de la población, pero si influye en la tasa de

población convergencia. También es importante resaltar que a mayor número de partículas mayores
serán los requisitos del sistema.
Espacio de Es el rango en el que las partículas pueden moverse teniendo en cuenta las restricciones.
búsqueda Tiene como restricción este espacio con el propósito de que en dado caso que una partícula
se salga del mismo, su valor sea reiniciado.
22
Mediante el algoritmo desarrollado, las partículas representan la potencia de GD que se
proporcionaría en el nodo específico encontrado. Así, para cada partícula se guarda la potencia
que ha generado las menores pérdidas en 𝑃𝑏𝑒𝑠𝑡 y se almacena la potencia que ha generado las
menores pérdidas a nivel global en 𝐺𝑏𝑒𝑠𝑡. De esta manera, una vez se recorran todos los nodos
del sistema, el vector 𝐺𝑏𝑒𝑠𝑡 expone la potencia de la fuente de GD con la que se obtienen las
menores pérdidas de potencia activa en el nodo correspondiente. De este modo, el algoritmo
PSO desarrollado posee la siguiente estructura:
Asimismo, durante cada iteración se selecciona el líder, es decir, la partícula con la cual se
obtiene el mejor valor de la función objetivo. Para [22] la exploración y cambio de posición de
las partículas se define la ecuación:
𝑣𝑝𝑖𝑘+1 = 𝑤 ∗ 𝑣𝑖𝑘 + 𝑐1 𝑟1 ∗ (𝑝𝑏𝑒𝑠𝑡𝑖 − 𝑥𝑖𝑘 ) + 𝑐2 𝑟2 ∗ (𝑔𝑏𝑒𝑠𝑡𝑖 − 𝑥𝑖𝑘 ) (3.14)
En la Tabla 3.7 se detalla el significado de cada una de las variables [50] [52][53]:
Tabla 3.7. Coeficientes para la velocidad de la partícula.
Nombre Descripción Función

𝑣𝑝 velocidad de la Sirve como una memoria de la dirección de vuelo previo, es decir el
partícula movimiento en el pasado inmediato.
𝑥 posición de la Punto dentro de un espacio n-dimensional.
partícula
𝑤 coeficiente de Representa el grado de influencia de la velocidad actual sobre la velocidad
inercia futura.
𝑐 coeficiente de Constantes de aceleración que direccionan la partícula hacia la mejor ubicación.
aceleración
𝑟 número random Representan la influencia de la mejor posición de la partícula y la mejor
uniformemente posición del líder en la nueva velocidad del individuo, respectivamente.
distribuido [0-1]
𝑃 óptimo local Memoria de la mejor posición visitada.
𝑔 óptimo global Asociada a la tendencia del grupo a regresar a los lugares donde obtuvieron
mejores satisfacciones.
Tabla 3.8. Subíndices para velocidad de la partícula.
Subíndice Descripción
i Número de la partícula
k Tiempo discreto
23
3.8.2. Componentes del modelo PSO [54], [55]:
a) Componente cognitiva y social.
La magnitud relativa entre la cognitiva y social regula la localización de resultados del

algoritmo, se recomienda tomar el valor de 𝑐1 = 𝑐2 = 2. Con la restricción:
• Si 𝑐1 > 𝑐2 , mayor independencia de movimiento tiene cada partícula, lo que permite

mayor exploración, pero mayor lentitud en la convergencia.
• 𝑐2 > 𝑐1 , todas las partículas se moverán hacia la mejor solución global, se reduce el
espacio de búsqueda, pero acelera la convergencia.
Las partículas en el espacio de búsqueda deben obedecer estas tres reglas:
• Evitar colisionar con las partículas vecinas.

• Sincronizar sus velocidades con las de sus vecinas.
• Estar en la vecindad de sus partículas vecinas.
b) Inercia
• Si 𝑤 > 1 la partícula acelera lo que implica que la zona de exploración es mayor pero la
convergencia del modelo podría demorar más.
• Si 𝑤 < 1 la partícula desacelera a medida que las iteraciones aumentan, la zona de
exploración es menor y la convergencia es más rápida.
Una vez actualizadas las velocidades de las partículas, se actualizan sus posiciones de la
siguiente forma:
𝑥𝑖𝑘+1 = 𝑥𝑖𝑘 + 𝑣𝑖𝑘+1 (3.15)

Donde:
𝑥𝑖𝑘+1 Vector posición de la partícula i en la iteración t.
𝑣𝑖𝑘+1 Velocidad anterior o inercia, este término resalta la tendencia de las partículas a moverse
en la misma dirección.
Cada una de las partículas cambia de posición a la siguiente modificando su velocidad por
medio de la ecuación de posición hasta que se llegue al número de iteraciones deseadas. Cuando
las partículas se mueven hacia un punto común se le llama convergencia. Para ello, se ha
utilizado un factor de ponderación variable que sigue aumentando la ponderación hasta que la
24
convergencia sea adecuada. Matemáticamente, el peso de inercia en la iteración k, se representa
de la siguiente manera:
𝑤𝑚á𝑥 − 𝑤𝑚í𝑛
𝑤𝑘 = 𝑤𝑚á𝑥 − ∗𝑘 (3.16)
𝑘𝑚𝑎𝑥
Donde:
𝑤𝑚𝑎𝑥 es el factor de inercia inicial.
𝑤𝑚𝑖𝑛 factor de inercia final.
𝑘𝑚𝑎𝑥 número máximo de iteraciones.
𝑘 número de la iteración actual.
Los valores considerados según [54] son: 𝑤𝑚𝑖𝑛 = 0,4 y 𝑤𝑚𝑎𝑥 = 0,9.
El tipo de búsqueda dependerá del valor del factor de inercia de la siguiente manera [56]:
• Búsqueda local: si el factor de inercia toma un valor pequeño, la búsqueda de la mejor

partícula en este caso se realizará en el entorno local.
• Búsqueda global: si el valor es alto, se tomará el entorno completo para comparar las
partículas.
La Figura 3.5 esquematiza el concepto de modificación del punto de búsqueda, nos indica
que la nueva velocidad será la suma de la anterior más el valor de la partícula individual y
global, y tendrá un desplazamiento en el espacio.
Figura 3.5. Movimiento de una partícula del PSO [50].
25
La Figura 3.6 muestra en detalle del movimiento de cada partícula del PSO, influenciada
por su componente cognitiva y social, se obtiene la partícula individual para después moverse
hacia la mejor de todas las demás.
Figura 3.6. Contribución de la componente cognitiva y social en la partícula x del PSO [50].
Criterios de terminación del algoritmo
• No debe converger prematuramente, ya que la solución podría ser subóptima.

• Evitar una sobreevaluación de la función de aptitud, por la complejidad computacional.
• Terminación por número máximo de iteraciones.
• Encontrar una solución aceptable.
• Cuando no se observa una mejora en la solución durante un determinado número de
iteraciones.
𝑎𝑏𝑠(𝑚𝑒𝑗𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑒𝑛𝑗𝑎𝑚𝑏𝑟𝑒 − 𝑚𝑒𝑗𝑜𝑟 𝑣𝑎𝑙𝑜𝑟 𝑝artícula ) < 𝑡𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 (3.17)
26
4. MATERIALES Y MÉTODOS
4.1. MÉTODO DE INVESTIGACIÓN
Para la siguiente investigación se utilizó el método analítico mediante el cual se ha realizado
la recopilación de información por fuentes bibliográficas, siguiendo del método descriptivo con
la recolección de datos del sistema de CNEL EP de Sucumbíos con la finalidad de obtener el
sistema delimitado como caso de estudio tanto para distribución e identificación de usuarios;
por último, el método comparativo en donde se aplican metodologías observacionales para el
estudio de diversos casos aplicados con GD.
4.2. MATERIALES E INSTRUMENTOS

4.2.1. OpenDSS
OpenDSS es un programa de simulación de sistemas eléctricos de distribución que se utiliza

para analizar el flujo de potencia, la estabilidad y la confiabilidad de los sistemas eléctricos.
Utiliza métodos numéricos para resolver sistemas de ecuaciones lineales que surgen en el
análisis de flujo de potencia [57].
Se basa en la técnica de flujo de carga, específicamente el método de Gauss-Seidel

modificado, el cual es una técnica de resolución de ecuaciones lineales que se utiliza para
resolver el sistema de ecuaciones no lineales que describe el flujo de carga en sistemas de
potencia, mediante la cual descompone la matriz de admitancias relacionada a los nodos,
aplicando el procedimiento KLUsolve, donde las matrices mencionadas por cada componente,
registrando la interconexión, además define las corrientes relacionadas a la inyección y a la
compensación, permitiendo a OpenDSS determinar los voltajes en cada nodo de la siguiente
iteración. Este método itera para mejorar la precisión de las soluciones mediante
aproximaciones sucesivas hasta alcanzar una convergencia aceptable [21].
4.2.2. Python
Python cuenta con facilidades para la programación orientada a objetos, imperativa y
funcional, por lo que se considera un lenguaje multiparadigmas [58].
Entre sus características se encuentran las siguientes:
• Es un lenguaje interpretado, no agrupado, que usa tipado dinámico.

• Es un sistema multipropósito, generando así una gran ventaja en su código fuente que
interviene en distintos procedimientos operativos.
• En este lenguaje de programación, la forma del código es estructural.
27
4.3. METODOLOGÍA Y CASO DE ESTUDIO
En este capítulo se describe la metodología utilizada para el desarrollo del proyecto de
investigación. En la sección 4.3.1 se revisan los datos utilizados como referencia para la
construcción del caso base del modelo de GD de la empresa eléctrica CNEL EP Sucumbíos.
Más adelante, en la sección 4.3.2 se fundamenta la validación de la red implementada en el
software OpenDSS. En la sección 4.3.3 se identifica el recurso energético (Fotovoltaico) de
forma georreferenciada, tomando como base la ubicación de la subestación de potencia dentro
del área de concesión de CNEL Sucumbíos, posterior en la sección 4.3.4 se realiza el
dimensionamiento del recurso existente en el sector. En la sección 4.3.5 se selecciona el
algoritmo PSO para la ubicación de GD.
4.3.1. Construcción del caso de estudio.

Para el desarrollo de los diferentes casos se ha tomado como referencia los datos
proporcionados por CNEL EP Sucumbíos en ArcGIS y Geo-portal, donde se indican variedad
de herramientas y servicios relacionados con la geografía y el manejo de información
geoespacial. Este portal proporciona acceso a mapas interactivos, datos geográficos y
herramientas de análisis para la visualización y comprensión de la infraestructura eléctrica y
servicios ofrecidos por la empresa CNEL, en la Tabla 4.1 se detalla parte de la información
necesaria para la simulación que se realizara en OpenDSS.
Tabla 4.1. Datos para los casos de estudio [59]. CNEL EP Sucumbíos.
Transformador Potencia Voltaje Base Conexión Tipo Número de

Base kVA kV usuarios
4135 25 61
4131 10 0,240 YNyn0 Monofásico trifilar 29
2012799 25 14
4.3.2. Validación de la red implementado en el software OpenDSS.

Para llevar a cabo la simulación del sistema, se emplearon datos del conductor
provenientes de la Tabla 8.3 Asimismo, se tomaron en consideración las cargas por parte de las
clientes registradas en la Tabla 8.4 obtenidos de CYME 7.1 Rev 02. En lo que respecta a la
obtención de los flujos de potencia, se procedió a configurar en el software OpenDSS. Dicha
configuración se realizó teniendo utilizando la información presentada en la Figura 8.1 para las
cargas y haciendo uso de la Tabla 8.1 para la disposición de las líneas.
28
4.3.3. Datos geográficos de energías solar en Sucumbíos – Joya de los Sachas.
A continuación, se presentan los datos geográficos y el promedio de energía solar del cantón
Joya de los Sachas. El objetivo es determinar la viabilidad de implementar sistemas
fotovoltaicos para su conexión al sistema de distribución.
Tabla 4.2. Datos geográficos del sector de CNEL EP Sucumbíos.
Lugar Latitud Longitud Altitud Temperatura Energía solar

(m.s.n.m) (C°) (W/𝒎𝟐 /𝒅ì𝒂)
Joya de los -0.30 -76.85 270 28 3919,98
Sachas
En la Figura 4.1. Área de estudio en Joya de los Sachas [59]., se muestra la disposición del
sistema que representa la red, donde se delimita el área de estudio en forma de casos específicos
pertenecientes a la provincia de Sucumbíos. En esta instancia, se consideran tres sectores clave
para el análisis detallado.
2012799
4135
4131
Figura 4.1. Área de estudio en Joya de los Sachas [59].
Una vez determinada el área, se procede a incorporar los datos georreferénciales de los
postes y las cargas en OpenDSS, lo que permite dar inicio al proceso de adquisición de los datos
reales de cada sistema.
Irradiación solar y temperatura ambiente.

Las mayores temperaturas se registraron entre los meses de septiembre a enero y las menores
en el mes de julio. La estación Coca mostró una temperatura media anual de 26,7 °C como se
indica en la figura para el mes elegido [60].
29
28,00
27,00
TEMPERATURA 26,00
25,00
24,00
23,00
22,00
21,00
20,00
19,00
18,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
HORAS
Figura 4.2. Temperatura promedio por hora.
El potencial de instalación de un sistema fotovoltaico se basa en el análisis de la irradiación

solar disponible en la zona, para ello se obtuvieron los datos de POWER Data Access Viewer
v2.0.0, en este caso se tiene una irradiancia pico de 600 Wh/𝑚2 , con un potencial total de
3919,98 Wh/𝑚2 /𝑑𝑖𝑎, se observa en las horas factibles desde las 6:00 am a 18:00 pm para el
aprovechamiento de energía solar.
700,00
600,00
500,00
Wh/m^2
400,00
300,00
200,00
100,00
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
HORAS
Figura 4.3. Irradiación promedio diario.
4.3.4. Metodología del Dimensionamiento para sistema fotovoltaico.

En [61] se establece que el diseño se debe considerar al menos lo siguiente:
• Ubicación del recinto donde se instalará el sistema.

• Orientación e inclinación de los paneles.
• Tipo de soporte.
• Condiciones del suelo o techo donde se ubicarán los soportes.
30
• Espacio o superficie disponible en metro cuadrado (m²).
• Radiación solar del lugar.
• Evaluación de posibles sombras.
• Condiciones generales donde se vaya a ubicar.
Orientación e inclinación de los módulos fotovoltaicos

Para la inclinación óptima se utiliza el método del “pero mes”, donde con la información
adquirida de radiación en el lugar se elige cuando se usa el panel para determinar si se explotara
en verano, invierno o de manera definida [62].
Figura 4.4. Orientación del panel solar [61].

Los captadores han de situarse de tal forma que a lo largo del periodo anual de utilización
aprovechen al máximo la radiación solar disponible. Salvo problemas excepcionales con las
sombras de captadores se orientan hacia el sur geográfico en el hemisferio norte. Desviaciones
de hasta 20° hacia el SE o SO con respecto a la orientación no afectan sensiblemente al
rendimiento del sistema [63]. Entonces para el ángulo se usa la ecuación:
𝛽 = 3,7 + 0,69(𝐿𝑇) (4.18)

Donde:
LT: Latitud del sector.
Condiciones nominales de operación

Para la condición de temperatura nominal que trabajan las celdas solares, se obtiene el valor
de NOCT de la ficha técnica de módulos [64][62].
31
𝑁𝑜𝑐𝑡 − 20 𝐶
𝑇𝑐 = 𝑇𝑎 + ∗ 𝐼𝑅𝑠𝑡𝑐 (4.19)
800
Donde:
Tc: Temperatura de la celda solar.
Ta: Temperatura ambiente de operación de la célula.
IRstc: Irradiancia.
Eficiencia de los módulos fotovoltaicos

ηFT = 100 + (Tc − Tstc ) ∗ Ccfp (4.20)
Donde:
ηFT : Eficiencia de los módulos.
Tc: Temperatura de la celda solar.
Tstc : Temperatura estándar dada por el fabricante.
Ccfp : Coeficiente de temperatura de los módulos dado por el fabricante.
Máxima energía de consumo del sistema

Debido a las pérdidas generadas por el inversor, cableado, se aplicará un factor de seguridad
al 20% a la energía demanda para suplir las pérdidas de polvo y suciedad, reflectancia angular
y espectral, sobras, entre otras [65]. Se calcula [62]:
𝐸𝑚𝑐 = 1,2 ∗ 𝐶𝑎𝑟𝑔𝑎𝑇𝑜𝑡𝑎𝑙 (4.21)

• Potencia nominal
𝐸𝑚𝑐
𝑃𝑛 = (4.22)
𝐻𝑆𝑃 ∗ 𝑃𝑅
• Potencia pico
𝑃𝑝𝑖𝑐𝑜 = 1,2 ∗ 𝑃𝑛 (4.23)
• Numero de paneles fotovoltaicos
𝑃𝑝𝑖𝑐𝑜
𝑁𝑓𝑣 = (4.24)
𝑃𝑓𝑣
32
• Módulos en serie y paralelo
𝑉𝑓𝑣
𝐹𝑉𝑠 = (4.25)
𝑉𝑚𝑝
𝑁𝑓𝑣
𝐹𝑉𝑝 = (4.26)
𝑁𝑠
• Selección del inversor
La elección de uno o más inversores está condicionada por las dimensiones del Sistema
Fotovoltaico Autónomo (SFA), que a su vez depende inicialmente de la selección de los paneles
fotovoltaicos. Una vez que se han elegido los paneles a utilizar, se analizan dos parámetros
clave: el voltaje de circuito abierto y la corriente de corto circuito [66]. Entonces para
dimensionar la potencia del inversor tenemos en cuenta la potencia instalada con un factor de
seguridad del 10%.
𝑃𝑖𝑛𝑣 = 𝑁𝑓𝑣 ∗ 𝑃𝑓𝑣 ∗ 1,10 (4.27)

A continuación, el diagrama de flujos para el dimensionamiento del sistema fotovoltaico:
Figura 4.5. Diagrama de bloques para dimensionamiento de GD.
33
4.3.5. Metodología de la ubicación de GD.
El flujo de potencia óptimo reactivo ORPD es un problema de optimización de la operación
del sistema de potencia. Por lo tanto, no se tienen en cuenta los costos de inversión de los
equipos que proporcionan potencia reactiva. El método PSO se espera que la penetración de
GD en los sistemas de distribución genere corrientes de derivación reducidas y, por lo tanto,
contribuya a la reducción de pérdidas de potencia adoptando la siguiente función:
Función objetivo
min 𝑃𝑙𝑜𝑠𝑠 = ∑ 𝑔𝑘 (𝑉𝑖2 + 𝑉𝑗2 − 2𝑉𝑖 𝑉𝑗 𝑐𝑜𝑠𝜃𝑖𝑗 )

(4.28)
𝑘∈𝑁𝑘
𝑉𝑖 : Magnitud de voltaje en el bus i.
𝑉𝑗 : Magnitud de voltaje en el bus j.
𝑔𝑘 : Conductancia entre los buses i, j.
𝜃𝑖𝑗 : Ángulo de voltaje en el bus i, j.
Algoritmo 1: Optimización por enjambre de partículas
Paso 1: Inicialización considerando la Tabla 3.6 (tamaño de la población, espacio de búsqueda,

velocidad, número de iteraciones.
Paso 2: Crear la población con su posición y velocidad aleatoria para el tamaño y ubicación de
las GD.
Posición xi = (xi1 , xi2 , xin )
Velocidad vi = (vi1 , vi2 , vin )
Paso 3: Evaluar cada partícula con la función objetivo: Pérdidas de potencia ecuación (4.28).
Paso 4: Inicializar cada partícula guardando la mejor posición individual en 𝑃𝑏𝑒𝑠𝑡 y global en
Gb𝑒𝑠𝑡.
Paso 5: Actualizar la velocidad de cada partícula y la posición con la ecuación (3.14) y (3.15).
Paso 6: Terminar iteraciones con criterio de convergencia ecuación (3.17) si cumple continua
al paso 7, sino regresa al paso 3.
Paso 7: Resultado: Ubicación de GD.
34
A continuación, se presenta el diagrama de flujo que ilustra el proceso para el algoritmo de
Optimización por Enjambre de Partículas (PSO):
Figura 4.6. Diagrama de flujo PSO.
4.3.6. Criterios técnicos de conexión a la red

El nivel de tensión que se conectará a la red es de 240 V. Esto implica que la salida de la
unidad de generación distribuida (GD) debe contar con la misma tensión, frecuencia y ángulo
de fase que la red eléctrica a la cual se pretende conectar. En términos generales, la GD puede
ser instalada en cualquier ubicación de la red en la que se disponga técnicamente de acceso,
siempre y cuando se cumplan las normativas establecidas por el ente regulador [27].
La variación de voltaje no es aceptable si excede cierto umbral en el punto de conexión del

generador. Esto se debe a que los generadores distribuidos, al igual que cualquier carga
conectada en paralelo a la red eléctrica, deben cumplir con límites establecidos para la inyección
de armónicos y corriente continua. Estos límites están condicionados por factores como el
tamaño del generador y la capacidad de cortocircuito en el punto de conexión, que determinan
la resistencia y capacidad de la red [67].
35
Otro factor que debe ser tenido en cuenta durante la conexión a la red es la estandarización
y simplificación de los estándares de seguridad de cada generador, y cómo estos se sincronizan
con los sistemas de seguridad de la red de distribución. En este sentido, la empresa que
distribuye la energía es responsable de establecer los lineamientos técnicos y el proceso que
debe ser seguido en relación con la sincronización de los sistemas de seguridad. No obstante,
esta situación puede ocasionar ciertos desacuerdos, ya que los requisitos son diversos y varían
dependiendo de la empresa distribuidora a la que se esté conectando.
Por último, es esencial tener en cuenta y aceptar la desconexión del sistema de generación
distribuida en caso de interrupciones en la red eléctrica de distribución. Si ocurre un evento de
esta naturaleza, el equipo de generación distribuida debe dejar de suministrar energía para
prevenir la energización no deseada de la red de la empresa distribuidora. Esta medida
garantiza, entre otras cosas, la posibilidad de restablecer la línea afectada por el incidente que
provocó la interrupción.
4.4. NORMATIVA
4.4.1. Norma IEEE 1547
A continuación, en [16] se presentan algunas consideraciones básicas incluidas en la norma
IEEE 1547:
• La GD no debe afectar el voltaje suministrado a los consumidores, y los límites de

voltaje de servicio deben estar dentro del margen establecido en la norma ANSI C84.1,
Range A.
• La GD, aparte de los efectos que causa sobre el voltaje del SEP debido a la generación
de potencia real, por lo que no debe causar conflictos o cambios en el nivel de voltaje
presente en el nodo de conexión, en cuanto no presente ningún inconveniente en el
voltaje del sistema de potencia.
• La unidad de GD debe estar en la capacidad de sincronizarse con el SEP, sin que
provoque una fluctuación mayor a +-8% del voltaje operativo.
• Las fuentes de GD deben ser capaces de responder a condiciones anormales que
influyan y afecten el voltaje y la frecuencia suministrada.
36
5. ANÁLISIS E INTERPRETACIÓN DE RESULTADOS
En el presente capítulo se describen los resultados obtenidos. En la sección 5.1 se indica el
comportamiento de los diferentes casos de estudio: caso base IEEE 34 Modificado, Caso con
demanda media (61 usuarios), Caso con demanda baja (29 usuarios), Caso con demanda Baja
(14 usuarios), en los que se analizará los siguientes escenarios:
• Escenario 1: Flujos de potencia en estado normal.

• Escenario 2: Flujos de potencia con integración de GD aleatoriamente.
• Escenario 3: Flujos de potencia con enjambre de partículas (PSO).
5.1. CASO BASE IEEE 34 NODOS
Para la validación del algoritmo seleccionado en este estudio se utiliza el sistema IEEE 34
nodos modificado presentado en la Figura 5.1, este sistema trabaja con dos niveles de tensión
(24,9 kV y 4,16 kV), tiene 26 nodos y 20 cargas. Para la validación del algoritmo se utilizará el
artículo presentado en [64], [68]. En el cual aplican Algoritmos Genéticos (AG) y obtienen los
siguientes resultados:
• Pérdidas totales en kW = 38,1

• Porcentaje de pérdidas = 5,72%
• Los voltajes se encuentran en la Tabla 8.8 del Anexo 5.
Estos resultados han sido contrastados con los obtenidos a través de la implementación del
sistema en OpenDSS, revelando un margen de error del 2,9%.
Figura 5.1. Sistema IEEE de 34 nodos modificado [68].

37
Luego de la validación se elabora la Tabla 5.1 que detalla las conexiones y potencias de la
Generación Distribuida (GD) en los diferentes escenarios. En el caso de la GD aleatoria, se
seleccionan nodos afectados por caídas de tensión, o bien se eligen al azar, tomando en cuenta
las preferencias del cliente para su instalación. Por otro lado, en el Algoritmo Genérico (AG),
se emplean los mismos nodos y capacidades de potencia de [68], para PSO se utilizan los
resultados obtenidos del algoritmo en Python, los mismos que se encuentran en la Tabla 5.1
que detalla conexiones y potencias de (GD) para cada escenario.
Tabla 5.1. Conexión de paneles fotovoltaicos según la metodología.

Aleatorio AG PSO
N.- Bus Potencia N.- Bus Potencia N.- Bus Potencia
KVA KVA KVA
808 600 812 600 850 300
816 369 816 300 816 369
854 300 854 250 852 300
862 300 862 369 840 250
848 250 848 300 862 600
La Tabla 5.1 contiene los nodos en los que se conectara los GD de acuerdo a cada escenario
de estudio.
18,00%
16,00%
14,00%
12,00%
Porcentaje
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Operación GD
AG PSO
normal Aleatoria
Pérdidas totales 15,31% 6,89% 5,70% 5,36%
Figura 5.2. Porcentaje de pérdidas totales IEEE 34 nodos.
En la Figura 5.2 para la operación en condiciones normales, las pérdidas representan el

15,31%. Mientras que la integración aleatoria de GD reduce un 6,89%. Sin embargo, el uso de
Algoritmos Genéticos (GA) para la ubicación de GD en el sistema logra una disminución
pronunciada del 5,70%.
38
El enfoque basado en el algoritmo de Optimización por Enjambre de Partículas (PSO)
muestra los resultados más sobresalientes con un 5,36% comparado al valor inicial, entre los
escenarios analizados con GD tenemos una variación del 2%.
Esto resalta la importancia de las técnicas avanzadas de optimización para maximizar los
beneficios de la generación distribuida y reducir las pérdidas en el sistema eléctrico. En el
Anexo 5 en la Tabla 8.6 se encuentran la variación de los flujos de potencia de cada rama.
24,00
Potencia de pérdidas en (kW)
20,00
16,00
12,00
8,00
4,00
0,00
Caso en operación normal Caso con GD aleatoria AG Con PSO
Figura 5.3. Pérdidas de potencia por escenario IEEE 34 nodos.
De la Figura 5.3 se determina lo siguiente: Los ramales con mayores pérdidas son: 3, 5, 7, 9,
11, 22, 1, 2; al ingresar GD aleatoriamente se reducen estas pérdidas en las ramas 1-4, 7, 9, 11,
12, y 22 mientras en las demás ramas se mantienen con variaciones mínimas, por lo que se
determina que el ingreso de GD en las redes de distribución afecta de forma positiva a los
ramales del sistema; al ingresar GD utilizando AG se observa que existe una mejora
considerable respecto a la operación normal, manteniendo las pérdidas en los ramales 6, 8, 10,
14-21, y en las ramas 1-5, 7, 9, 11, 12, 13 y 22 existe una mejora respecto a la operación normal;
al utilizar el algoritmo PSO se puede observar que se reducen considerablemente las pérdidas
de potencia en los ramales 1, 2, 3, 5, 7, 9, 11 y 22, en los ramales 6, 16-21 las pérdidas se
mantienes con mínimas variaciones y en los ramales 8, 10 y 12, las pérdidas aumentan debido
a los flujos de potencia bidireccionales.
39
1,09
1,07
1,05
1,03
Voltajes en p.u.
1,01
0,99
0,97
0,95
0,93
800 802 806 808 812 814 850 816 824 828 830 854 852 832 858 834 860 836 840 862 842 844 846 848 888 890
Operación normal GD aleatoria AG PSO
Figura 5.4. Voltajes por escenario IEEE 34 nodos en p.u.
De la Figura 5.4. se determina que el comportamiento de los voltajes en operación normal

presenta un desequilibrio de tensión en el nodo 814 y 852 y en los nodos 832-848 se registran
voltajes que sobrepasan el límite de 1,05 p.u; mientras que, al ingresar generación aleatoria se
obtiene una mejora considerable en la tensión del nodo 814 a 1,02 p.u., además de que la tensión
de los nodos 832-848 se reducen a 1,056 p.u, el mismo efecto tiene el ingreso de GD con GA;
mediante el ingreso de GD con el algoritmo PSO se observa que las tensiones se incrementan,
manteniendo un equilibrio en los nodos 800-828 y 832-848, además se observa una mejora en
los nodos 830-852; con generación aleatoria se tiene un máximo incremento del 9,75%,
mientras que con AG un 10,81% y con PSO alcanza hasta un 12,37%. Estos resultados muestran
que el algoritmo PSO presenta mayor precisión en los resultados tratando de mantener un
equilibrio en las tensiones.
40
5.2. CASOS DE ESTUDIO
Para los diferentes casos de estudio, se establecen las siguientes ubicaciones de manera
aleatoria, siguiendo los criterios de selección basados en la ubicación más distante, la mayor
caída de tensión y la elección libre en cualquier nodo, teniendo en cuenta la decisión del cliente
para la instalación.
Tabla 5.2. Ubicación aleatoria para los diferentes casos de estudio.
Demanda Media (61 Demanda Baja (29 usuarios) Demanda Baja (14 usuarios)
usuarios) Transformador Transformador (4131) Transformador (2012799)
(4135)
N.- Bus Potencia N.- N.- Bus Potencia N.- N.- Bus Potencia
KVA Bus KVA Bus KVA
20 20043153 2,5 10 20043269 1,0 6 20043522 2,5
25 20043157 2,5 3 20043574 1,0 14 20043020 2,5
27 20043147 2,5 - - - 11 20043038 2,5
Luego de aplicar el algoritmo (PSO) se obtienen las siguientes ubicaciones para cada caso
de estudio.
Tabla 5.3. Ubicación óptima con PSO.
Demanda Media (61 Demanda Baja (29 usuarios) Demanda Baja (14 usuarios)
usuarios) Transformador Transformador (4131) Transformador (2012799)
(4135)
N.- Código Potencia N.- Código Potencia N.- Bus Código Potencia
Bus KVA Bus KVA KVA
21 20043154 2,5 7 200443268 1,0 7 20043516 2,5
9 20043548 2,5 12 200423266 1,0 6 20043522 2,5
28 20043550 2,5 - - - 11 20043021 2,5
Una vez obtenidas las Tabla 5.2 y Tabla 5.4 se inicia el análisis de los distintos casos.
5.2.1. Caso 1: Demanda media (61 usuarios)

Para este caso se utilizará el diagrama de la Figura 8.3 del Anexo 5, tiene un transformador
de 25 KVA, trabaja a una tensión de 7.967/240 V y cuenta con un total de 34 nodos y 61
usuarios.
41
En el primer escenario se tiene 13,65% de pérdidas totales. La aplicación GD aleatoria
proporciona una mejora reduciendo las pérdidas a 37,58% sin embargo, usar el algoritmo PSO
muestra una mejora adicional reduciendo las pérdidas totales un 54,57% demostrando una
variación de aproximadamente del 2% entre métodos. Los valores de las pérdidas en cada línea
se visualizan en el Anexo 6 (Tabla 8.9).
16,00%
14,00%
12,00%
Porcentaje
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Normal Aleatoria PSO
Pérdidas totales 13,65% 8,52% 6,20%
Figura 5.5. Pérdidas de potencias totales por escenario caso (4135).
En la Figura 5.5 se observa las pérdidas totales las cuales en operación normal se tiene un
total de 13,65%, con el ingreso aleatorio se reducen las pérdidas un 8,52%, sin embargo,
utilizando el algoritmo PSO se obtiene ubicaciones más optimas logrando una reducción de
6,20%.
0,44
0,40
0,36
0,32
0,28
0,24
0,20
0,16
0,12
0,08
0,04
0,00
Operación normal GD aleatoria PSO
Figura 5.6. Pérdidas de potencias por escenario caso (4135).

42
En la Figura 5.6 se observa que mediante el ingreso de GD aleatoria existe una disminución
de las pérdidas de potencia activa del 60% en los ramales 1, 17 y 19, en los ramales 5, 6, 8, 9,
11, 20, 23, 24, 27, 28 y 30 existe un incremento entre el 20% y el 60% de las pérdidas sin
embargo al ser las potencias menores a 0,07 kW estos incrementos no afectan al sistema; el
ingreso de GD mediante el uso del PSO se observa que las pérdidas en los ramales 1, 5, 6, 17,
19, 23, 25 y 26 se reducen alrededor del 50% y en los ramales 7-11 y 27-30 se incrementan las
pérdidas un 90% debido a los flujos bidireccionales, sin embargo, al ser estas pérdidas menores
a 0,021 kW no afecta al sistema eléctrico.
1,08
1,06
1,04
1,02
1,00
Voltajes en p.u.
0,98
0,96
0,94
0,92
0,90
0,88
0,86
0,84
0,82
0,80
BV20043151
BVT_5
BVT1_5
BV20043160
BV20043159
BV20043158
BV20043168
BVT2_5
BV20043547
BV20043548
BV20043545
BV20043546
BV20043163
BVT3_5
BV20043164
BV20043165
BV20043166
BV20043167
BV20043150
BV20043153
BV20043154
BV20043155
BV20043552
BV20043156
BV20043157
BV20043149
BV20043147
BV20043550
BV20043551
BV20043146
BVT4_5
BV20043145
BV20043639
BV20043640
Figura 5.7. Voltajes por escenario caso (4135).
Analizando la Tabla 8.10 en la Figura 5.7 en operación normal la mayor caída de tensión se
encuentra en los nodos 20043145 a 20043147, 20043639 a 20043640 teniendo en varios nodos
menor tensión a 0,92 p.u.
Para el escenario con GD aleatoria se genera un pico de tensión en el nodo 20043157 de 1,07
p.u. aun dentro del rango admisible. Mientras con PSO se registra un incremento máximo del
16,7% en la tensión de los nodos 20043550 a 20043551. Además, es importante destacar que
la mayoría de los nodos con tensiones mínimas han logrado ajustarse dentro de los límites
aceptables mayores a 0,92 y menores a 1,08 p.u.
43
5.2.2. Caso 2: Demanda baja (29 usuarios)
En este caso se utiliza el diagrama de la Figura 8.4 del Anexo 6, tiene un transformador de
10 KVA, 7.967/240 V, cuenta con un total de 29 usuarios.
0,025
0,020
0,015
0,010
0,005
0,000
Operación normal GD Aleatoria PSO
Figura 5.8. Pérdidas de potencias por escenario caso (4131).
A través de la Figura 5.8 con operación normal se observan mayores pérdidas de potencia
en los ramales 1, 4, 5, 9 y 13. Al aplicar GD aleatoria esas pérdidas disminuyen en el ramal 1
un 34,07% y en las demás sucede lo mismo. Se observa los ramales 11 a 16 permanecen sin
cambios ya que no existe GD en esos nodos. Sin embargo, al emplear el algoritmo PSO, el
ramal 9 genera pérdidas de potencia debido a flujos bidireccionales.
1,02
Voltaje en p.u.
1
0,98
0,96
0,94
0,92
BV20042574
BV20043265
BV20043266
BV20043267
BV20043268
BV20043272
BV20043273
BV20043269
BV20043270
BV20042572
BV20042571
BV20043140
BV20043142
BV20043143
BVT_7
BVT1_7
BVT2_7
Figura 5.9. Voltajes por escenario caso (4131)

44
Al analizar la Tabla 8.12 presente en el Anexo 6 se determina lo siguiente: en la Figura 5.9
en operación normal se visualiza rangos aceptables de tensión con 0,92 p.u. en el nodo
20043270. Con generación aleatoria, se registra un aumento un 4,26%, y aplicando PSO se
tiene un máximo del 5,12% Sin embargo, no se observan cambios en los nodos 20042571 y
20042572. Esto se explica por su ubicación en el extremo del transformador, lo que limita la
dirección de la generación de energía y justifica que permanezca sin modificaciones.
En cuanto a los nodos del rango 20043140 al 20043143, en el caso de PSO, se mantienen
inalterados debido a que la generación aleatoria se encuentra distante del sistema. Además,
dado que sus valores de tensión están dentro de los parámetros normales, no se contempla la
instalación de generación en esa zona.
5.2.3. Caso 3: Demanda baja (14 usuarios)
Para la demanda baja se tiene un transformador de 25 KVA, con 14 usuarios. Se toma la

Tabla 8.13.
0,24
0,2
0,16
0,12
0,08
0,04
0
RAMA 1 RAMA 2 RAMA 3 RAMA 4 RAMA 5 RAMA 6 RAMA 7 RAMA 8 RAMA 9 RAMA RAMA RAMA
10 11 12
Figura 5.10. Pérdidas de potencia por escenario caso (2012799).
Para la Figura 5.10 en condiciones de operación normal, las pérdidas de potencia más
significativas se presentan en las líneas 1, 3-5, 8, 10 y 11. Cuando se considera (GD) aleatoria,
se constata un incremento máximo del 74,94% en las pérdidas de la rama 9. Esta variación se
debe a la incorporación de generación fotovoltaica en el nodo 20043038, situado en las
45
proximidades del transformador. Esto ocasiona que la rama 9 transporte potencia desde dos
fuentes, generando un aumento notable en las pérdidas.
Mediante la implementación del método PSO, se observa una reducción significativa en las
pérdidas de potencia en la rama 3 a 5 y 10 a 11, al igual que en otros nodos. Sin embargo, la
línea 12 experimenta un leve incremento en las pérdidas de potencia. Por otro lado, en la rama
7 no se aprecian cambios significativos con ambos métodos. Esta falta de variación se debe a
la ubicación distante de la generación fotovoltaica en relación con la línea y su alejamiento del
transformador.
1,04
1,02
1,00
0,98
0,96
0,94
Voltaje en pu
0,92
0,90
0,88
0,86
0,84
0,82
0,80
0,78
0,76
Figura 5.11. Voltajes por escenario caso (2012799).
En la Figura 5.11 se analizan los resultados de la Tabla 8.14 del Anexo 6, donde en
condiciones normales de operación, el bus 20043522 presenta la máxima caída de tensión, con
Figura 5.11 un valor de 0,77 p.u. En ese mismo contexto, los nodos 20043515 a 20043519 y
20043020 al 20043022 también registran valores por debajo del rango admisible permitido.
Al implementar (GD) de manera aleatoria, se consigue un incremento del 16,57% en la

tensión del nodo 20043522, Es importante destacar que los nodos subsiguientes también
experimentan mejoras, siendo el nodo 20043038 el que experimenta el mayor aumento debido
a su proximidad al transformador.
46
Mediante la aplicación del método de Optimización por Enjambre de Partículas (PSO), se
logra un aumento del 19,75% en la tensión del nodo 20043522. Además, se observa un
incremento del 10,25% en el bus 20043020, ubicado a mayor distancia. Cabe destacar la
relevancia de señalar que el enfoque PSO demuestra su capacidad para mantener un equilibrio
en el sistema al mejorar la tensión dentro de rangos admisibles. En contraste, al emplear la
estrategia de (GD) aleatoria, se evidencian fluctuaciones abruptas en la tensión, con algunos
nodos incumpliendo los requerimientos mínimos de tensión establecidos. Es fundamental
resaltar que estos aumentos bruscos no han superado los límites de voltaje predefinidos.
5.3. PÉRDIDAS TOTALES

En el caso con demanda media (61 usuarios), con GD aleatoria se logra una reducción del
37,58%, mientras que al aplicar el algoritmo PSO, esta reducción se amplía al 54,57%,
equivalente a la mitad del valor inicial. La variación entre estos dos métodos es del 27%.
Para el caso con demanda baja (29 usuarios), la integración de GD con conexión aleatoria
resulta en una reducción del 46,54%, mientras que la implementación de PSO produce una
reducción que es igual a la mitad. En este caso, la variación entre ambos métodos es de solo el
5,88%.
En el caso con demanda baja (14 usuarios), la integración de GD mediante conexión aleatoria
produce una disminución de pérdidas del 53,92%, mientras que al utilizar el enfoque PSO, esta
reducción alcanza un 62%. Comprobando que PSO reduce a más de la mitad las pérdidas en el
sistema.
Tabla 5.4. Pérdidas totales de potencia por caso y escenario.
CASO Operación GD con (Conexión PSO

normal aleatoria)
4135 13,65 % 8,52% 6,20%
4131 3,18 % 1,70% 1,60%
2012799 13,76 % 6,34% 5,22%
47
6. CONCLUSIONES Y RECOMENDACIONES
6.1. CONCLUSIONES
• Se eligió el algoritmo enjambre de partículas (PSO) debido a sus capacidades de

adaptabilidad a las características de la función objetivo, posibilidad de abordar
problemas complejos con una convergencia rápida.
• El uso del algoritmo PSO en la optimización de la ubicación de generación distribuida
presenta la disminución de aproximadamente de la mitad en pérdidas totales de potencia
activa y como resultado la mejora de tensiones en el sistema hasta rangos aceptables
entre 0,92 y 1,08 p.u.
• En base a los resultados del primer caso de estudio y considerando los límites
establecidos para el índice de voltajes de la Regulación ARCENNR 002/20, se
determina que, al aplicar GD en el sistema de distribución los perfiles de tensiones que
previamente se encontraban fuera del límite inferior permitido, se ajustan al rango
mínimo de operación.
• En el segundo y tercer caso de estudio se evidencia que, al aplicar GD en los sistemas
de distribución, existe una considerable mejora en los perfiles de tensión que afecta al
60% y 70% de los nodos respectivamente, como se puede evidenciar en la barra
BV20043522 del tercer caso.
48
6.2. RECOMENDACIONES
Con el propósito de mejorar los resultados, se proponen las siguientes recomendaciones:
• Realizar un análisis del sistema desbalanceado, considerando perfiles de carga, y

almacenamiento de energía para examinar el comportamiento de los parámetros
eléctricos.
• Evaluar la adaptabilidad y eficiencia del PSO en comparación con algoritmos de
optimización multiobjetivo.
• Analizar el comportamiento de las protecciones eléctricas, tanto a nivel del sistema en
su conjunto como del transformador específico, al incorporar Generación Distribuida.
• Aplicar Métodos determinísticos para la solución de ubicación optima de GD en redes
de distribución.
49
7. BIBLIOGRAFÍA
[1] MEER, “Plan Maestro de Electricidad_2016_2025.”
[2] G. O. Fortes, M. A. S. Mendes, and P. C. Cortizo, “Integrated solution for driving series-connected IGBTs
and its natural intrinsic balancing,” Energies, vol. 12, no. 12, pp. 1–15, 2019, doi: 10.3390/en12122406.
[3] E. Railway and T. Systems, “Introduction to Railway Systems,” Electr. Railw. Transp. Syst., pp. 1–16,
2018, doi: 10.1002/9781119386827.ch1.
[4] T. B. C. G. (BCG), “Evolución Tecnológica y Prospectiva de Costes de las Energias Renovables”.
[5] IRENA, “Costos de generación de energía renovables,” 2021.
[6] J. C. L. Vásquez, “Estudio de la situación actual de las Smart Grids,” Univ. Cantab., pp. 1–79, 2016,
[Online]. Available:
https://repositorio.unican.es/xmlui/bitstream/handle/10902/9143/386883.pdf?sequence=1&isAllowed=y
[7] J. L. Samaniego, L. M. Galindo, S. J. Mostacedo, J. Ferrer Carbonell, J. E. Alatorre, and O. Reyes, “El
Cambio Climático y el Sector de Energía en América Latina,” CEPAL, Nac. Unidas, pp. 3–13, 2017,
[Online]. Available:
https://www.cepal.org/sites/default/files/news/files/sintesis_pp_cc_cambio_climatico_y_el_sector_de_en
ergia.pdf
[8] S. Ximena, C. Quintero, / Juan, D. M. Jiménez, J. David, and M. Jiménez, “Impacto de la generación
distribuida en el sistema eléctrico de potencia colombiano: un enfoque dinámico The impact of distributed
generation on the colombian electrical power system: a dynamic-system approach,” Tecnura, vol. 17, no.
35, pp. 77–89, 2013.
[9] K. Promdee et al., “Characterization of carbon materials and differences from activated carbon particle
(ACP) and coal briquettes product (CBP) derived from coconut shell via rotary kiln,” Renew. Sustain.
Energy Rev., vol. 75, no. July 2016, pp. 1175–1186, 2017, doi: 10.1016/j.rser.2016.11.099.
[10] E. Rafael, C. León, M. Fernando, and G. León, Intercambio de energía eléctrica en baja tensión,
implementando un algoritmo de juegos cooperativos. 2019. [Online]. Available:
https://dspace.ucuenca.edu.ec/bitstream/123456789/32461/1/Trabajo de Titulación.pdf
[11] E. Ramos, “La generación distribuida: El camino hacia la producción descentralizada de electricidad y
pautas para su reglamentación,” Forseti Rev. Derecho, vol. 8, no. 11, pp. 7–35, 2020, doi:
10.21678/forseti.v8i11.1255.
[12] V. H. Cholota Hurtado, “Impacto de la generación distribuida en redes de distribución, aplicación central
hidroeléctrica Mira,” 2014.
50
[13] V. H. Méndez Quezada, “Generación distribuida: aspectos técnicos y su tratamiento regulatorio,” Univ.
Comillas-Madrid, p. 268, 2005, [Online]. Available:
https://repositorio.comillas.edu/rest/bitstreams/429468/retrieve
[14] J. P. Muñoz-vizhñay, M. V. Rojas-moncayo, and C. R. Barreto-calle, “Incentive pertaining to energy the

generation distributed in Ecuador Resumen : Abstract : Forma sugerida de citación : Muñoz-Vizhñay , J .;
Rojas-Moncayo , M .; Barreto-Calle , C . ( 2018 ). « Incentivo a la generación distribuida,” 2018, [Online].
Available: https://www.redalyc.org/journal/5055/505554803006/505554803006.pdf
[15] P. Jean and L. Jessica, “Energías renovables y medio ambiente,” Rev. Científica Univ. y Soc., vol. 8, no.
2218–3620, p. 150, 2016, [Online]. Available: http://scielo.sld.cu/pdf/rus/v8n3/rus24316.pdf
[16] M. Milton and C. Quinteros, “Análisis de Generación Distribuida en Hogares y Edificaciones,” Univ.
Politécnica Sales., vol. 1, pp. 1–175, 2014, [Online]. Available:
https://dspace.ups.edu.ec/bitstream/123456789/7529/6/UPS - KT00890.pdf
[17] L. Freire, “Análisis de estabilidad de voltaje por impacto de generación distribuida en redes de distribución
de la ciudad de Quito,” 2014. [Online]. Available:
http://dspace.ups.edu.ec/bitstream/123456789/5081/1/UPS-CYT00109.pdf
[18] O. Sanchez, “Impacto De La Generación Distribuida En La Confiabilidad De Redes De Distribución,”

2016. [Online]. Available: http://tesis.ipn.mx/handle/123456789/21747
[19] J. D. Sánchez de la Cruz, N. R. Balderramo Vélez, Y. Llosas Albuerne, and G. E. Pico Mera,
“Trascendencia de la generación distribuida (GD) y el uso de las redes inteligentes.,” Rev. Investig. en
Energía, Medio Ambient. y Tecnol. RIEMAT ISSN 2588-0721, vol. 3, no. 2, p. 13, 2018, doi:
10.33936/riemat.v3i2.1625.
[20] ARCERNNR, Resolución Nro. ARCERNNR-032/2021. 2021, pp. 1–28. [Online]. Available:
https://www.controlrecursosyenergia.gob.ec/wp-content/uploads/downloads/2021/12/Regulacion-
005_21_Autogeneradores.pdf
[21] M. A. Medina Ron, “Mejora del perfil del voltaje en microrredes usando generación distribuida mediante
el software open dss,” 2022. [Online]. Available:
https://dspace.ups.edu.ec/bitstream/123456789/23291/1/UPS - TTS934.pdf
[22] A. Águila, D. González, G. Gutiérrez, and L. Ortiz, “Optimal location and dimensioning of photovoltaic
distributed generation in distribution networks using PSO,” I+D Tecnológico, vol. 18, no. 1, pp. 50–68,
2022, doi: https://doi.org/10.33412/idt.v18.1.3219.
[23] J. Cervantes, Sistemas de Distribución de Energía Eléctrica, vol. 52, no. 1. 1995. [Online]. Available:
https://core.ac.uk/download/pdf/48392416.pdf
51
[24] ARCERNNR, “Pliego tarifario del servicio público de energía eléctrica,” 2023. [Online]. Available:
https://www.cnelep.gob.ec/wp-content/uploads/2023/01/pliego_tarifario_spee_-_año_2023.pdf
[25] B. C. J. Rafael, “Diseño de redes eléctricas en medio voltaje, bajo voltaje y alumbrado público para
urbanizaciones,” 2022.
[26] C. Arcentales and G. Arcentales, Diseño de redes eléctricas en medio voltaje, bajo voltaje y alumbrado
público para urbanizaciones, vol. Volumen 17. 2020.
[27] E. F. Durán, “La Generación Distribuida: Retos frente al Marco Legal del Mercado Eléctrico Ecuatoriano,”
Rev. Técnica “Energía,” vol. 10, no. 1, pp. 13–27, 2014, doi: 10.37116/revistaenergia.v10.n1.2014.95.
[28] J. M. Hernàndez Lòpez, “La generación distribuida y el futuro de los sistemas de distribución,” 2015.
[Online]. Available: http://132.248.9.195/ptd2015/octubre/0736354/0736354.pdf
[29] W. Almeida, “Generación distribuida y su potencial aplicación en ecuador,” pp. 83–87, [Online].
Available: https://revistaenergia.cenace.gob.ec/index.php/cenace/article/view/306/294
[30] O. Delgado, “Inserción de generación distribuida en redes de distribución considerando la minimización

de energía no servida,” Univ. Politécnica Sales., p. 47, 2022, [Online]. Available:
https://dspace.ups.edu.ec/bitstream/123456789/22641/1/UPS - TTS816.pdf
[31] K. Bustamente, “Estudio De Los Sistemas De Generacion Distribuida,” Univ. del Azuay, 2009.
[32] CONELEC, “Atlas solar del Ecuador,” Conelec, pp. 1–51, 2008, [Online]. Available:
http://www.conelec.gob.ec/archivos_articulo/Atlas.pdf
[33] E. A. Alcivar Peralta, “‘Análisis de prefactibilidad para la implementación de un parque eólico en el sector
Oropamba cantón Sevilla de Oro.,’” 2022. [Online]. Available:
https://dspace.ucuenca.edu.ec/bitstream/123456789/39765/1/Trabajo de titulación.pdf
[34] MEER, “Bloque De Energia Renovable No Convencional (Ernc) 200 Mw Proyecto Eólico García Moreno
Septiembre 2020,” 2020.
[35] J. Vladimir, A. Villarreal, P. Francisco, and P. Ponce, “Wind energy in rural areas of Ecuador,” vol. 4, no.
3, pp. 351–364, 2022.
[36] A. W. Mejía Yépez, “Óptima ubicación de aerogeneradores basado en el atlas eólico para maximizar la
potencia generada,” 2018, [Online]. Available:
https://dspace.ups.edu.ec/bitstream/123456789/16066/1/UPS - ST003742.pdf
[37] H. E. Yánez Rivadeneria, “Impacto de la generación eólica distribuida sobre las pérdidas técnicas en la
red eléctrica,” 2015. [Online]. Available: http://dspace.ups.edu.ec/bitstream/123456789/5081/1/UPS-
52
CYT00109.pdf
[38] F. J. Landa Quimbita and L. E. LLanganate Quinatoa, “Diseño y construcción de una pico central
hidroeléctrica utilizando una turbina michell banki para generación eléctrica en el sector de las carmelitas
del cantón tena,” 2009. [Online]. Available: https://repositorio.espe.edu.ec/bitstream/21000/3637/1/T-
ESPEL-0591.pdf
[39] F. Marielys, R. Díaz, M. Castro, and Á. Costa, “Grupos electrógenos y calidad de la energía,” 2007,
[Online]. Available: https://www.redalyc.org/pdf/3291/329127754006.pdf
[40] J. Grainger and W. J. Stevenson, “Análisis de Sistemas de Potencia,” Cenace, Uanl. p. 743, 1996.
[41] A. A. Chowdhury, Power Distribution System Practical Methods and Applications. 2009.
[42] EPRI, “OpenDSS PVSystem Element Model Version 1,” pp. 1–10, 2011.
[43] H. Akagi, Y. Kanazawa, K. Fujita, and A. Nabae, “Teoría generalizada de la potencia reactiva instantánea
y su aplicación.,” IEEJ Trans. on Power and Energy, vol. 103, no. 7. pp. 483–490, 1983. [Online].
Available: https://www.jstage.jst.go.jp/article/ieejpes1972/103/7/103_7_483/_pdf
[44] H. A. Aredes, E. H. Watanabe, and M. Aredes, Instantaneous power theory and appications to power
conditioning. 2007. doi: 10.1201/b14924-7.
[45] W. J. G. Celi, Análisis de la interconexión de generación distribuida, aplicando el estándar IEEE 1547
para determinar la afectación de la transferencia de energía renovable en las redes de baja tensión. 2022.
[46] I. Segura, “Evaluación del impacto de la generación distribuida en sistemas de distribución primaria de
energía eléctrica,” Univ. politécnica Val., p. 300, 2005, [Online]. Available:
https://riunet.upv.es/handle/10251/1894
[47] A. I. Javier Martínez-Peralta and Y. I. Eugenia Llosas-Albuerne, “Técnicas para la ubicación óptima de
generación distribuida en redes de distribución de energía eléctrica,” dominiodelasciencias.com, vol. 8,
no. 1, pp. 503–520, 2022, doi: https://dx.doi.org/10.23857/dc.v8i41.2506.
[48] J. R. Rodríguez Salazar, “Ubicación Óptima De Generación Distribuida En Redes De Distribución,” 2020.
[Online]. Available: https://repositorio.uteq.edu.ec/bitstream/43000/5311/1/T-UTEQ-0093.PDF
[49] G. E. G. Fernández, “Método del Enjambre de Partículas y Evolución Diferencial Para el Diseño de Peso
Mínimo de un Panel Naval Reforzado,” 2011. [Online]. Available:
https://biblioteca.utb.edu.co/notas/tesis/0062054.pdf
[50] J. J. C. López, “El optimizador de enjambre de partículas y su aplicación en sistemas eléctricos de

potencia,” 2014. [Online]. Available:
53
http://risisbi.uqroo.mx/bitstream/handle/20.500.12249/3101/TK1005.C143.2014-
374.pdf?sequence=1&isAllowed=y
[51] L. Gaitan and J. Gomez, “Estudio del impacto de la generación distribuida en sistemas de prueba ieee.,”
2017. [Online]. Available:
https://repository.udistrital.edu.co/bitstream/handle/11349/6295/gait;jsessionid=9F83F1590F52069F28B
E890CDD376A8B?sequence=1
[52] D. Gutiérrez, W. M. Villa, and J. M. López-Lezama, “Flujo Óptimo Reactivo mediante Optimización por
Enjambre de Partículas,” Inf. Tecnol., vol. 28, no. 5, pp. 215–224, 2017, doi: 10.4067/S0718-
07642017000500020.
[53] J. E. García Castellanos and D. Molina De la Rosa, “Herramienta Software Para Dimensionamiento Y
Localización De Generación Distribuida En Una Microrred,” 2019. [Online]. Available:
https://manglar.uninorte.edu.co/bitstream/handle/10584/8471/Informe
Final.pdf?sequence=1&isAllowed=y
[54] G. Niazi and M. Lalwani, “PSO based optimal distributed generation placement and sizing in power
distribution networks: A comprehensive review,” 2017 Int. Conf. Comput. Commun. Electron.
COMPTELIX 2017, no. 1, pp. 305–311, 2017, doi: 10.1109/COMPTELIX.2017.8003984.
[55] R. Alexis and F. Gavilanes, “Implementación del método de optimización por enjambre de partículas
(PSO) para la localización de puntos de mayor concentración de armónicos y análisis de alternativas que
mejoren la calidad del producto,” 2022. [Online]. Available:
https://bibdigital.epn.edu.ec/bitstream/15000/21608/1/CD 11095.pdf
[56] I. Belinchon, “Optimización de sistemas de generación distribuida de energía eléctrica con

almacenamiento para pequeños consumidores mediante algoritmo PSO,” 2016. [Online]. Available:
https://biblus.us.es/bibing/proyectos/abreproy/90703/fichero/TFG+Irene+Belinchon.pdf
[57] R. C. Dugan, “Reference Guide The Open Distribution System Simulator (OpenDSS),” no. March, pp. 1–
184, 2016.
[58] I. Challenger Pérez, Y. Díaz Ricardo, and R. Becerra García, “El lenguaje de programación Python,” Rev.
Ciencias Holguín, vol. 20, pp. 1–13, 2014, [Online]. Available: http://www.linuxjournal.com/article/2959
[59] “geoportal.cnelep.gob.ec.” https://geoportal.cnelep.gob.ec/cnel/
[60] L. J. Morejon Ramirez, “Diseño de un producto turístico de la parroquia Lago San Pedro, cantón la Joya
de los Sachas, provincia de Orellana,” 2017. [Online]. Available:
http://dspace.espoch.edu.ec/bitstream/123456789/7678/1/63T0020.pdf
54
[61] Ayllu solar, “Manual sobre instalaciones de plantas fotovoltaicas,” Solar Energy Research Center. p. 24,
2019. [Online]. Available: https://ayllusolar.cl/es/energia-solar/%0Ahttps://ayllusolar.cl/wp-
content/uploads/2020/03/manual2019_rasterizado.pdf
[62] Armijos Siguenza, Kevin Israel and J. G. Cabrera Vidal, “Implementación De Un Sistema Fotovoltaico
De 600W Para Alimentación Del Laboratorio De Metrología,” 2020. [Online]. Available:
https://dspace.ups.edu.ec/bitstream/123456789/19591/1/UPS-GT003077.pdf
[63] N. Flores and M. Domínguez, “Medición de la eficiencia energética de los paneles solares de silicio,”
2017. [Online]. Available: https://cimav.repositorioinstitucional.mx/jspui/bitstream/1004/215/1/Tesis
MER Norma Rosario Flores Rivera y Mioguel Ángel Dominguez Ramírez.pdf
[64] J. C. P. Álvarez, “Guía para el dimensionamiento de sistemas solares fotovoltaicos conectados y aplicación
de la resolución Creg 030 de 2018 para la inyección de excedentes a la red,” 2019. [Online]. Available:
https://bibliotecadigital.udea.edu.co/bitstream/10495/15377/1/PerezJuan_2019_GuiaDimensionamientoS
istemas.pdf
[65] O. Villao and E. Consuegro, “Dimensionamiento Óptimo De Un Sistema Fotovoltaico a Través De

Herramientas computacionesl en zonas aisladas,” Univ. Politécnica Sales., p. 89, 2021, [Online].
Available: https://dspace.ups.edu.ec/bitstream/123456789/21324/1/UPS-GT003492.pdf
[66] G. R. F. Guerra, “Dimensionamiento de un sistema fotovoltaico autónomo para la embarcación de

descarga de anchoveta Chata DC-3,” 2021. [Online]. Available:
https://pirhua.udep.edu.pe/bitstream/handle/11042/5362/IME_2117.pdf?sequence=1&isAllowed=y%0A
[67] FENERCOM, “Guía Básica de la Generación Distribuida,” 2007, [Online]. Available:

http://www.madrid.org/cs/Satellite?blobcol=urldata&blobheader=application/pdf&blobheadername1=Co
ntent-
Disposition&blobheadervalue1=filename=GUIA+BASICA+DE+LA+GENERACION.pdf&blobkey=id
&blobtable=MungoBlobs&blobwhere=1181215450713&ssbinary=true
[68] J. Radosavljevic, M. Jevtic, D. Klimenta, and N. Arsic, “Optimal power flow for distribution networks
with distributed generation,” Serbian J. Electr. Eng., vol. 12, no. 2, pp. 145–170, 2015, doi:
10.2298/sjee1502145r.
[69] C. Hernandez and J. Navas, “Aplicación de software libre opendss al estudio de interconexión de
generación distribuida,” 2021. [Online]. Available: https://ri.ues.edu.sv/id/eprint/24802/1/APLICACIÓN
DE SOFTWARE LIBRE OPENDSS AL ESTUDIO DE INTERCONEXIÓN DE GENERACIÓN
DISTRIBUIDA.pdf
[70] “Trina Solar,” 2023. https://www.trinasolar.com/es/product
55
56
8. ANEXOS
8.1. ANEXO 1: INFORME PLAGIO
Facultad: Ciencias de la Ingeniería y Aplicadas
Carrera: Ingeniería en Electricidad
Nombre del docente evaluador que emite el Ing. Pesantez Palacios Gabriel Napoleón
informe: M.Sc.
Documento evaluado: Propuesta de Investigación presentada
previo a la obtención del Título de
Ingeniero Eléctrico.
Autores del documento: Barrera Rojas Ambar Jocabed
Programa de similitud utilizado: Sistema COMPILATION
Porcentaje de Similitud según el programa 6%
utilizado.
Observaciones:
Calificación de originalidad atendiendo a los
siguientes criterios:
• El documento cumple criterios de -x-
originalidad, sin observaciones.
• El documento cumple criterios de ---
originalidad, con observaciones.
• El documento no cumple criterios de ---
originalidad.
Fecha de realización del informe: 09/08/2023
Captura de pantalla del documento analizado:

CC: 030189388-9
Tutor de la Investigación
57
8.2. ANEXO 2: MODELADO DEL SISTEMA EN OPENDSS.
Para modelar las líneas se utiliza las hojas de los fabricantes donde se crean las bibliotecas
de los conductores, una vez creadas se define en el programa por medio de la declaración de 4
objetos.
Figura 8.1. Modelado de líneas en OPENDSS [69]. .
Para definir una carga, OpenDSS utiliza el objeto load y toma en cuenta los siguientes
parámetros:
Tabla 8.1. Parámetros para el modelado de línea de código de carga [69].
NAME Identificador (único) de la carga

BUS1 Nombre del nodo (y fases) dónde se conectará la carga
KV Tensión nominal de la carga
MODEL Modelo de la carga (hay siete tipos)
CONN Tipo de conexión de la carga (delta, wye)
KW Potencia nominal de la carga
PF Factor de potencia de la carga (se puede usar también KVAR)
PHASES Numero de fases de la carga (1 o 3 monofásica o trifásica)
58
8.3. ANEXO 3: LEVANTAMIENTO REFERENCIAL DEL SISTEMA BASE.
8.3.1. DATOS DE ENTRADA CASO BASE IEEE 34 NODOS.
En la siguiente tabla se encuentran los datos generales para el sistema base IEEE 34 nodos
utilizado en la modelación de OpenDSS.
Tabla 8.2. Datos de entrada sistema IEEE 34 nodos [68].
Parámetros Cargas
Nodo 1 Nodo 2 R (Ω) X (Ω) PL (kW) QL (kVAR)
800 802 0,5473 0,4072 27,5 14,5
802 806 0,367 0,273 27,5 14,5
806 808 6,8373 5,0864 16 8
808 812 7,9553 5,9181 0 0
812 814 6,3069 4,6919 0 0
814 850 0,0032 0,0016 0 0
850 816 0,0992 0,0494 171,5 88
816 824 3,2681 1,6265 44,5 22
824 828 0,2689 0,1338 5,5 2,5
828 830 6,5426 3,2562 48,5 21,5
830 854 0,1664 0,0828 4 2
854 852 11,7889 5,8672 0 0
852 832 0,0032 0,0016 7,5 3,5
832 858 1,5684 0,7806 25,5 13
858 834 1,8661 0,9288 89 45
834 860 0,6466 0,3218 174 106
860 836 0,8578 0,4269 61 31,5
836 836 0,2753 0,137 47 31
836 834 0,0896 0,0446 28 14
834 842 0,0896 0,0446 4,5 2,5
842 844 0,4321 0,2151 432 329
844 846 1,1651 0,5799 34 17
846 832 0,1696 0,0844 71,5 53,5
832 888 11,78 25,2864 0 0
888 890 80,26 59,7059 450 225
59
8.4. ANEXO 4: DATOS DE ENTRADA PARA CASOS REALES.
Para los diferentes casos de estudio la información recopilada de CYME 7.1 Rev 02 ha sido
fundamental para el análisis y simulación de la red eléctrica en Joya de los Sachas utilizando
OpenDSS. Específicamente, los valores de impedancia obtenidos se usan para modelar
adecuadamente la red eléctrica y evaluar su comportamiento ante distintas condiciones y cargas.
Tabla 8.3. Datos de conductores para casos reales.
Resistencia
Calibre Area (mm2) Diametro RMG AC Corriente
del mm a (kA)
conductor 50 C
(mm) Ohm/mi
CO0-0U 2x50+1x50 50 21 0,15 1,20 0,167
En cada caso particular, se ha evaluado la distribución de la carga eléctrica en función de la

cantidad de usuarios conectados a cada transformador y, además, se ha asociado un número de
nodo para identificar cada ubicación específica. A continuación, la demanda con su nodo
respectivo.
Tabla 8.4. Carga instalada en cada caso de estudio.
DEMANDA ALTA DEMANDA MEDIA DEMANDA BAJA

4135 4131 2012799
Bus Carga Bus Carga Bus Carga
instalada instalada instalada
(kWh) (kWh) (kWh)
20043639 202 20043141 0 20043020 677
20043640 546 20043140 127 20043021 327
20043545 621 20043142 304 20043022 48
bvt2_5 0 20043143 110 20043036 22
20043146 347 20043265 263 20043037 79
20043546 1652 20043266 44 20043038 0
20043547 210 20043268 638 20043515 128
20043147 531 20043269 122 20043516 168
20043548 249 20043270 687 20043518 28
20043149 451 20043272 197 20043519 301
20043150 204 20043273 72 20043522 359
20043151 171 bvt_7 474 bvt_1 369
20043550 84 20042571 74 bvt_1 300
20043551 410 20042572 149 - -
60
DEMANDA MEDIA DEMANDA MEDIA DEMANDA BAJA
BAJA
4135 4131 2012799
Bus Carga Bus Carga Bus Carga
instalada instalada instalada
(kWh) (kWh) (kWh)
20043552 207 20042574 0 - -
20043153 676 bvt_7 840 - -
20043154 128 bvt_7 82 - -
20043156 82 - - - -
20043157 127 - - - -
20043158 150 - - - -
20043159 0 - - - -
20043160 519 - - - -
bvt_5 404 - - - -
20043163 91 - - - -
20043164 10 - - - -
20043165 48 - - - -
20043166 192 - - - -
20043167 580 - - - -
20043168 302 - - - -
bvt_5 943 - - - -
bvt_5 120 - - - -
8.5. ANEXO 5: DATOS DE ENTRADA PARA PSO EN PYTHON.

En la Tabla 8.5 se encuentran los parámetros definidos para generar un enjambre inicial, las
constantes c1 , c2 , y w están definidas por los creadores del modelo PSO y las variables como
el número de partículas, iteraciones se determinarán en función del programador.
Tabla 8.5. Parámetros de entrada para PSO.
Parámetro Valor
Numero de partículas 100
Constante de aceleración C1 2
Constante de aceleración C2 2
Valor inicial del peso inercial W 0,5
Valor final del peso inercial W 0,5
Numero de máx. de iteraciones 50
Dimensión del problema 34
61
8.6. ANEXO 6: CASOS DE ESTUDIO
8.6.1. Caso base IEEE 34 nodos.
Tabla 8.6. Pérdidas de potencia por escenario caso IEEE 34 nodos.
Operación normal GD Aleatoria AG PSO
Elemento Pérdidas % de Pérdidas % de Pérdidas % de Pérdidas % de
en kW pérdidas en kW pérdidas en kW pérdidas en kW pérdidas
RAMAL 1 1,9809 0,2700 0,4607 0,5300 0,4575 0,4600 0,4933 0,3759
RAMAL 2 1,2973 0,1800 0,3058 0,3200 0,3042 0,2800 0,3288 0,2505
RAMAL 3 23,5999 3,2600 5,6471 0,3000 5,6262 4,6800 6,0989 4,6468
RAMAL 4 2,6986 0,3900 0,6396 0,6100 0,6504 0,4900 7,0642 5,3822
RAMAL 5 21,3948 3,1000 5,0708 4,8900 4,8679 5,4000 5,6005 4,2670
RAMAL 6 0,1908 0,0300 0,0516 0,0500 0,0501 0,0600 0,0000 0,0000
RAMAL 7 5,2695 0,8600 1,3816 3,4300 1,6106 1,0100 0,0490 0,0373
RAMAL 8 0,4135 0,0700 0,1288 0,0800 0,1242 0,0900 1,4239 1,0849
RAMAL 9 10,0022 1,7000 4,7126 1,4800 2,9977 2,1200 0,1102 0,0839
RAMAL 10 0,2416 0,0400 0,1118 0,0400 0,0713 0,0600 2,6618 2,0280
RAMAL 11 17,0340 3,0500 11,4532 2,7000 6,4653 2,8300 0,0638 0,0486
RAMAL 12 0,9726 0,2600 0,6079 0,2400 0,3215 0,5200 4,4978 3,4269
RAMAL 13 1,1060 0,3000 0,6850 0,2800 0,3637 0,6900 0,0000 0,0000
RAMAL 14 0,0683 0,0400 0,0666 0,0400 0,0157 0,1900 0,3346 0,2550
RAMAL 15 0,0364 0,0400 0,0354 0,0400 0,0208 0,0300 0,3818 0,2909
RAMAL 16 0,0001 0,0000 0,0001 0,0000 0,0005 0,0000 0,0895 0,0682
RAMAL 17 0,0003 0,0000 0,0029 0,0000 0,0054 0,0000 0,1903 0,1450
RAMAL 18 0,0135 0,0100 0,0131 0,0100 0,0058 0,0200 0,0107 0,0082
RAMAL 19 0,0618 0,0400 0,0602 0,0400 0,0267 0,1100 0,0121 0,0092
RAMAL 20 0,0087 0,0200 0,0085 0,0200 0,0347 0,0400 0,0144 0,0110
RAMAL 21 0,0007 0,0000 0,0065 0,0000 0,0620 0,0100 0,0660 0,0503
RAMAL 22 11,9702 7,4100 11,6125 7,4000 11,6228 7,4000 0,0093 0,0071
62
Tabla 8.7. Voltajes por escenario IEEE 34 nodos.
Operación GD Normal
Normal aleatoria AG PSO vs Normal vs Normal
Bus Aleatoria AG vs PSO
Voltaje p.u.
800 1,0490 1,0494 1,0494 1,0494 0,04% 0,04% 0,04%
802 1,0460 1,0488 1,0489 1,0489 0,27% 0,28% 0,28%
806 1,0440 1,0484 1,0485 1,0485 0,42% 0,43% 0,43%
808 1,0080 1,0417 1,0424 1,0425 3,34% 3,41% 3,42%
812 1,0040 1,0401 1,0418 1,0418 3,60% 3,76% 3,76%
814 0,9710 1,0275 1,0296 1,0368 5,82% 6,04% 6,78%
850 1,0490 1,0401 1,0358 1,0466 0,85% 1,26% 0,23%
816 1,0490 1,0400 1,0357 1,0365 0,86% 1,27% 1,19%
824 1,0400 1,0366 1,0311 1,0325 0,33% 0,86% 0,72%
828 1,0390 1,0362 1,0307 1,0322 0,27% 0,80% 0,65%
830 1,0200 1,0275 1,0218 1,0248 0,74% 0,18% 0,47%
854 1,0190 1,0232 1,0216 1,0246 0,41% 0,26% 0,55%
852 0,9870 0,9962 1,0025 1,0121 9,33% 8,76% 7,88%
832 1,0730 1,0582 1,0586 1,0562 1,38% 1,34% 1,57%
858 1,0700 1,0559 1,0573 1,0551 1,32% 1,19% 1,39%
834 1,0670 1,0533 1,0559 1,0539 1,28% 1,04% 1,23%
860 1,0660 1,0528 1,0557 1,0541 1,24% 0,97% 1,12%
836 1,0650 1,0524 1,0558 1,0547 1,18% 0,86% 0,97%
840 1,0650 1,0524 1,0558 1,0548 1,18% 0,86% 0,96%
862 1,0650 1,0524 1,0559 1,0548 1,18% 0,85% 0,96%
842 1,0660 1,0532 1,0558 1,0538 1,20% 0,96% 1,14%
844 1,0660 1,0529 1,0556 1,0534 1,23% 0,98% 1,18%
846 1,0660 1,0526 1,0559 1,0532 1,26% 0,95% 1,20%
848 1,0660 1,0526 1,0556 1,0531 1,26% 0,98% 1,21%
888 1,0320 1,0181 1,0185 1,0161 1,35% 1,31% 1,54%
890 0,9400 0,9354 0,9358 0,9337 0,49% 0,45% 0,67%
63
Tabla 8.8. Validación de voltajes [74].
Nodo AG AG
Validación
800 1,050 1,049
802 1,049 1,049
806 1,049 1,049
808 1,046 1,042
812 1,044 1,042
814 1,039 1,030
850 1,050 1,036
816 1,050 1,036
824 1,045 1,031
828 1,045 1,031
830 1,039 1,022
854 1,039 1,022
852 1,021 1,003
832 1,035 1,059
858 1,035 1,057
834 1,034 1,056
860 1,034 1,056
836 1,034 1,056
840 1,034 1,056
862 1,034 1,056
842 1,034 1,056
844 1,034 1,056
846 1,034 1,056
848 1,034 1,056
888 1,030 1,019
890 0,950 0,936
1,08
1,06
1,04
Voltaje en p.u.
1,02
1,00
0,98
0,96
0,94
0,92
800 802 806 808 812 814 850 816 824 828 830 854 852 832 858 834 860 836 840 862 842 844 846 848 888 890
Nodo
AG AG validación
Figura 8.2. Validación de voltajes AG [74].
64
8.6.2. Diagrama del sector con demanda media (61 usuarios).
Figura 8.3. Caso demanda media (61 usuarios).
65
Tabla 8.9. Pérdidas de potencia por ramal caso (4135).
Normal vs Normal vs
Aleatoria AG Normal vs
Operación normal GD aleatoria PSO PSO
Pérdidas % de Pérdidas % de Pérdidas % de
RAMAL % Variación
en kW pérdidas en kW pérdidas en kW pérdidas
RAMAL 1 0,4178 7,43 0,1943 7,36 0,1833 6,8 53,49% 56,13% 5,67%
RAMAL 2 0,0055 1,06 0,0059 1,06 0,0060 1,06 7,27% 8,73% 1,36%
RAMAL 3 0,0022 0,85 0,0024 0,86 0,0024 0,86 9,09% 7,73% 1,25%
RAMAL 4 0,0009 0,00 0,0009 0,51 0,0009 0,51 0,00% 3,33% 3,33%
RAMAL 5 0,0348 2,43 0,0377 2,44 0,0112 2,58 8,33% 67,87% 70,34%
RAMAL 6 0,0152 1,24 0,0165 1,24 0,0043 1,83 8,55% 71,71% 73,94%
RAMAL 7 0,0012 0,36 0,0013 0,36 0,0048 0,63 8,33% 300,83% 270,00%
RAMAL 8 0,0009 0,00 0,0099 0,53 0,0209 2,17 0,00% 2217,78% 110,71%
RAMAL 9 0,0235 2,65 0,0255 2,67 0,0268 2,68 8,51% 14,13% 5,18%
RAMAL 10 0,0032 0,82 0,0035 0,83 0,0037 0,83 9,38% 14,38% 4,57%
RAMAL 11 0,0016 2,66 0,0173 2,68 0,0173 2,68 981,25% 982,50% 0,12%
RAMAL 12 0,0037 0,88 0,0039 0,89 0,0040 0,89 5,41% 7,84% 2,31%
RAMAL 13 0,0008 0,00 0,0009 0,00 0,0001 0,00 12,50% 88,75% 90,00%
RAMAL 14 0,0003 0,00 0,0003 0,00 0,0003 0,00 0,00% 3,33% 3,33%
RAMAL 15 0,0007 0,00 0,0008 0,00 0,0008 0,00 14,29% 7,14% 6,25%
RAMAL 16 0,0014 0,00 0,0002 0,00 0,0002 0,00 85,71% 89,29% 25,00%
RAMAL 17 0,1808 7,58 0,0796 13,46 0,0605 10,35 55,97% 66,53% 23,97%
RAMAL 18 0,0002 0,00 0,0003 0,00 0,0003 0,00 50,00% 35,00% 10,00%
RAMAL 19 0,0187 2,53 0,0084 3,21 0,0066 3,48 55,08% 64,65% 21,31%
RAMAL 20 0,0082 1,92 0,0151 2,27 0,0116 2,06 84,15% 41,95% 22,91%
RAMAL 21 0,0018 0,51 0,0056 0,72 0,0024 0,52 211,11% 35,56% 56,43%
RAMAL 22 0,0021 1,02 0,0032 1,05 0,0029 1,04 52,38% 39,05% 8,75%
RAMAL 23 0,0099 0,71 0,0334 3,05 0,0014 0,72 237,37% 86,36% 95,96%
RAMAL 24 0,0003 0,00 0,0453 3,65 0,0004 0,00 15000% 26,67% 99,16%
RAMAL 25 0,0186 1,50 0,0114 1,62 0,0070 1,6 38,71% 62,15% 38,25%
RAMAL 26 0,0505 4,72 0,0435 4,78 0,0169 6,73 13,86% 66,50% 61,10%
RAMAL 27 0,0038 1,39 0,0214 2,51 0,0181 2,47 463,16% 375,53% 15,56%
RAMAL 28 0,0017 0,83 0,0204 2,09 0,0024 0,85 1100,00% 38,24% 88,48%
RAMAL 29 0,0045 0,73 0,0023 0,75 0,0058 0,74 48,89% 29,78% 153,91%
RAMAL 30 0,0027 0,81 0,0078 1,08 0,0036 0,82 188,89% 31,48% 54,49%
RAMAL 31 0,0000 0,00 0,0000 0,00 0,0000 0,00 0,00% 0,00% 0,00%
RAMAL 32 0,0019 0,59 0,0057 0,77 0,0026 0,6 200,00% 35,26% 54,91%
RAMAL 33 0,0012 0,44 0,0064 0,75 0,0015 0,44 433,33% 25,83% 76,41%
66
Tabla 8.10. Voltajes por escenario caso (4135).
GD Normal vs Normal vs GD
Bus Normal Aleatoria PSO Aleatoria PSO Aleatoria
Vs PSO
Voltaje p.u. % Variación
BVT_5 0,9959 0,9959 0,9959 0,00% 0,00% 0,00%
BVT1_5 0,9332 0,9649 0,9645 3,40% 3,35% 0,04%
BV20043160 0,9252 0,9566 0,9561 3,39% 3,34% 0,05%
BV20043159 0,9188 0,9499 0,9494 3,38% 3,33% 0,05%
BV20043158 0,9150 0,9459 0,9455 3,38% 3,33% 0,04%
BV20043168 0,9145 0,9455 0,9584 3,39% 4,80% 1,36%
BVT2_5 0,9053 0,9358 0,9563 3,37% 5,63% 2,19%
BV20043547 0,9026 0,9331 0,9618 3,38% 6,56% 3,08%
BV20043548 0,8987 0,9290 0,9821 3,37% 9,28% 5,72%
BV20043545 0,8856 0,9154 0,9353 3,36% 5,61% 2,17%
BV20043546 0,8797 0,9092 0,9290 3,35% 5,60% 2,18%
BV20043163 0,9129 0,9437 0,9433 3,37% 3,33% 0,04%
BVT3_5 0,9063 0,9369 0,9364 3,38% 3,32% 0,05%
BV20043164 0,9056 0,9361 0,9356 3,37% 3,31% 0,05%
BV20043165 0,9037 0,9342 0,9337 3,38% 3,32% 0,05%
BV20043166 0,9042 0,9348 0,9343 3,38% 3,33% 0,05%
BV20043167 0,9029 0,9334 0,9329 3,38% 3,32% 0,05%
BV20043150 0,8737 0,9759 0,9484 11,70% 8,55% 2,82%
BV20043151 0,8717 0,9736 0,9461 11,69% 8,54% 2,82%
BV20043153 0,8555 0,9805 0,9516 14,61% 11,23% 2,95%
BV20043154 0,8421 0,9971 0,9661 18,41% 14,73% 3,11%
BV20043155 0,8386 1,0032 0,9621 19,63% 14,73% 4,10%
BV20043552 0,8317 0,9946 0,9539 19,59% 14,69% 4,09%
BV20043156 0,8338 1,0331 0,9564 23,90% 14,70% 7,42%
BV20043157 0,8311 1,0705 0,9532 28,81% 14,69% 10,96%
BV20043149 0,8629 0,9806 0,9444 13,64% 9,44% 3,69%
BV20043147 0,8292 1,0031 0,9359 20,97% 12,87% 6,70%
BV20043550 0,8198 1,0258 0,9569 25,13% 16,72% 6,72%
BV20043551 0,8143 1,0461 0,9503 28,47% 16,70% 9,16%
BV20043146 0,8242 1,0048 0,9303 21,91% 12,87% 7,41%
BVT4_5 0,8188 1,0137 0,9240 23,80% 12,85% 8,85%
BV20043145 0,8188 1,0137 0,9240 23,80% 12,85% 8,85%
BV20043639 0,8148 1,0202 0,9195 25,21% 12,85% 9,87%
BV20043640 0,8119 1,0271 0,9162 26,51% 12,85% 10,80%
67
8.5.3 Diagrama del sector con demanda baja (29 usuarios).
Figura 8.4. Caso demanda baja (29 usuarios).
68
Normal vs Normal vs Normal vs

Operación normal GD Aleatoria PSO Aleatoria AG PSO
Pérdidas % de Pérdidas % de Pérdidas % de
RAMAL % Variación
RAMAL 1 0,01313 1,17 3,40E-03 1,640 0,00351 1,65 74,11% 73,27% 3,24%
RAMAL 2 0,00017 0,00 0,00033 0,000 0,00017 0,00 94,12% 0,00% 48,48%
RAMAL 3 0,00064 0,00 0,00065 0,000 0,00065 0,00 1,56% 1,56% 0,00%
RAMAL 4 0,02069 2,25 0,00945 1,920 0,00501 37,63 54,33% 75,79% 46,98%
RAMAL 5 0,02355 3,04 9,36E-03 2,640 0,00951 2,64 60,25% 59,62% 1,60%
RAMAL 6 0,00278 0,96 2,99E-03 0,960 0,00126 0,83 7,55% 54,68% 57,86%
RAMAL 7 0,0004 0,00 0,00042 0,000 0,00043 0,00 5,00% 7,50% 2,38%
RAMAL 8 0,00014 0,00 0,00015 0,000 0,00015 0,00 7,14% 7,14% 0,00%
RAMAL 9 0,00433 1,26 1,29E-03 1,430 0,00475 1,27 70,21% 9,70% 268,22%
RAMAL 10 0,00381 1,35 4,22E-03 1,360 0,00418 1,36 10,76% 9,71% 0,95%
RAMAL 11 0,00077 0,00 0,00077 0,000 0,00077 0,00 0,00% 0,00% 0,00%
RAMAL 12 0,00016 0,00 0,00016 0,000 0,00016 0,00 0,00% 0,00% 0,00%
RAMAL 13 0,00642 1,42 6,42E-03 1,420 0,00642 1,42 0,00% 0,00% 0,00%
RAMAL 14 0,00297 0,94 0,00297 0,940 0,00297 0,94 0,00% 0,00% 0,00%
RAMAL 15 0,00048 0,00 0,00048 0,000 0,00048 0,00 0,00% 0,00% 0,00%
RAMAL 16 0,0025 1,00 0,0025 1,000 0,0025 1,00 0,00% 0,00% 0,00%
69
GD Normal vs Normal vs GD
Bus Normal Aleatoria PSO Aleatoria PSO Aleatoria
Vs PSO
Voltajes pu % Variación
BVT_7 0,9959 0,9959 0,9959 0,00% 0,00% 0,00%
BVT1_7 0,9863 0,9938 0,9938 0,76% 0,76% 0,00%
B20042574 0,9856 0,9948 0,9930 0,93% 0,75% 0,18%
B20043265 0,9816 0,9907 0,9890 0,93% 0,75% 0,17%
B20043266 0,9680 0,9837 0,9927 1,62% 2,55% 0,91%
B20043267 0,9438 0,9722 0,9811 3,01% 3,95% 0,92%
B20043268 0,9364 0,9646 0,9843 3,01% 5,12% 2,04%
B20043272 0,9412 0,9695 0,9784 3,01% 3,95% 0,92%
B20043273 0,9394 0,9677 0,9765 3,01% 3,95% 0,91%
B20043269 0,9341 0,9741 0,9710 4,28% 3,95% 0,32%
B20043270 0,9239 0,9633 0,9602 4,26% 3,93% 0,32%
B20042572 0,9912 0,9912 0,9911 0,00% 0,01% 0,01%
B20042571 0,9892 0,9892 0,9891 0,00% 0,01% 0,01%
B20043140 0,9843 0,9960 0,9843 1,19% 0,00% 1,17%
BVT2_7 0,9768 0,9991 0,9768 2,28% 0,00% 2,23%
B20043142 0,9756 0,9996 0,9756 2,46% 0,00% 2,40%
B20043143 0,9676 1,0059 0,9676 3,96% 0,00% 3,81%
70
8.6.3. Diagrama del sector con demanda baja (14 usuarios).
Figura 8.5. Caso demanda baja (14 usuarios).
71
Normal Normal GD
Operación normal GD aleatoria PSO vs vs PSO Aleatoria
Ramal Aleatoria Vs PSO
Pérdidas % de Pérdidas % de Pérdidas % de % Variación

RAMA 1 0,2530 8,74 0,1668 8,00 0,0920 9,18 34,07% 63,64% 44,84%
RAMA 2 0,0032 1,02 0,0034 1,02 0,0036 1,03 6,25% 12,50% 5,88%
RAMA 3 0,1105 6,5 0,0552 5,94 0,0594 5,96 50,05% 46,24% 7,61%
RAMA 4 0,0592 4,52 0,0249 4,42 0,0268 4,43 57,94% 54,73% 7,63%
RAMA 5 0,0681 9,32 0,0219 34,24 0,0233 37,7 67,84% 65,79% 6,39%
RAMA 6 0,0106 1,70 0,0112 1,70 0,0066 1,50 5,66% 37,74% 41,07%
RAMA 7 0,0014 0,38 0,0014 0,38 0,0014 0,38 0,00% 0,00% 0,00%
RAMA 8 0,0207 1,86 0,0052 5,69 0,0207 1,86 74,88% 0,00% 298,08%
RAMA 9 0,0043 1,20 0,0193 2,26 0,0043 1,20 348,84% 0,00% 77,72%
RAMA 10 0,2188 13,54 0,0903 13,12 0,0861 12,83 58,73% 60,65% 4,65%
RAMA 11 0,0460 4,15 0,0152 5,81 0,0142 5,73 66,96% 69,13% 6,58%
RAMA 12 0,0124 2,35 0,0088 2,12 0,0142 2,38 29,03% 14,52% 61,36%
Normal vs Normal vs GD
Operación GD PSO Aleatoria PSO Aleatoria
Bus normal aleatoria Vs PSO
Voltajes p.u. % Variación

BVT_1 0,9959 0,9959 0,9959 0,00% 0,00% 0,00%
B20043039 0,9216 0,9415 0,9682 2,15% 5,06% 2,84%
B20043515 0,9140 0,9336 0,9601 2,15% 5,05% 2,84%
B20043518 0,8709 0,9132 0,9388 4,85% 7,80% 2,81%
B20043519 0,8380 0,8987 0,9237 7,24% 10,23% 2,78%
B20043522 0,7731 0,9012 0,9258 16,57% 19,75% 2,73%
B20043516 0,9089 0,9284 0,9757 2,15% 7,35% 5,10%
B20043036 0,9928 0,9928 0,9928 0,00% 0,00% 0,00%
B20043037 0,9808 0,9964 0,9808 1,59% 0,00% 1,57%
B20043038 0,9712 1,0172 0,9712 4,73% 0,00% 4,52%
B20043022 0,8812 0,9448 0,9460 7,22% 7,35% 0,13%
B20043021 0,8511 0,9370 0,9386 10,10% 10,28% 0,17%
B20043020 0,8347 0,9474 0,9203 13,49% 10,25% 2,85%
72
8.7. ANEXO 7: PÉRDIDAS TOTALES POR CASO DE ESTUDIO
Tabla 8.15. Pérdidas totales para los diferentes casos de estudio.
CASO Operación GD con (Conexión PSO

normal aleatoria)
4135 16,86 % 11,17% 8,23%
4131 3,18 % 1,70% 1,60%
2012799 13,76 % 6,34% 5,22%
8.8. ANEXO 8: DATOS DE IRRADIACIÓN SOLAR Y TEMPERATURA

Datos de irradiación solar
En la Figura 4.3 se puede apreciar la curva de irradiación en función de las horas validas en
el día, con un total promediado de potencia en watios por metro cuadrado al día.
Tabla 8.16. Datos de irradiación solar
1H 2H 3H 4H 5H 6H 7H 8H 9H 10H 11H 12H

0 0 0 0 0 23,2 110,0 229,7 370,7 465,6 540,0 573,3
13H 14H 15H 16H 17H 18H 19H 20H 21H 22H 23H 24H
531,2 456,3 351,4 203,7 64,3 0 0 0 0 0 0 0
Datos de temperatura ambiente
En la siguiente se determinar la temperatura por hora para el sector y un promedio pico al

día.
Tabla 8.17. Curva de temperatura.
1H 2H 3H 4H 5H 6H 7H 8H 9H 10H 11H 12H

21,53 21,21 20,95 20,70 20,46 20,23 20,14 20,87 22,09 23,60 24,89 25,85
13H 14H 15H 16H 17H 18H 19H 20H 21H 22H 23H 24H
26,45 26,68 26,59 26,29 25,82 25,07 24,17 23,59 23,12 22,69 22,28 21,89
73
8.9. ANEXO 9: POTENCIA FOTOVOLTAICA SUMINISTRADA AL SISTEMA
Los módulos fotovoltaicos de 405 W a 425 W optimizan el espacio de captación de radiación

y se han convertido en la solución eﬁciente en instalaciones con poco espacio disponible.
Cumple con la norma ISO 9001 en calidad, y alcanza una eficiencia de hasta 21,3 % y con una
garantía de producto de 15 años, además una garantía de 25 años de potencia. A continuación,
en la figura se puede apreciar el módulo elegido y sus dimensiones.
Figura 8.6. Visualización del panel fotovoltaico [70].
Tabla 8.18. Datos eléctricos (STC) [70].
Potencia máx. – Pmax (Wp) 405 - 425

Tolerancia de Pnom (w) ±5
Tensión en máx. potencia 41,3 – 42,2
Corriente en máx. potencia 9,82 – 10,08
Eficiencia 20,3 – 21,3
74
Tabla 8.19. Límites operacionales [70].
NOCT 43 ℃
Temperatura de operación -40 a +85 ℃
Tensión máx. del sistema 1500 V DC (IEC)
Capacidad máx. del fusible 20 A
Garantía 15 años
En la Tabla 8.20 se identifican los datos de entrada para el dimensionamiento del sistema
fotovoltaico, mediante los diferentes cálculos de la sección 1, además se considera el espacio
de una casa aproximadamente 10 m2 , y la potencia menor a 10 kW.
Tabla 8.20. Datos de entrada del sistema fotovoltaico a Python.
Nivel de radiación (kWh/𝑚2 /dia) 3.9

Irradiancia (Wh/𝑚2 /dia) 4956,36
Potencia panel (w) 405 – 425
Temperatura ambiente (℃) 27,74
Angulo de incidencia 3,907
Voltaje del panel fotovoltaico (V) 41,3 – 42,2
Tensión del sistema (V) 220
75
8.10. ANEXO 10: DIMENSIONAMIENTO DE GD.
Utilizando los valores de irradiación, datos del panel solar se ingresan en la siguiente
ventana.
Figura 8.7. Ventana de dimensionamiento de GD.
76
8.11. ANEXO 11: DIAGRAMA DE FLUJO PARA LA UBICACIÓN Y
DIMENSIONAMIENTO DE GD.
Figura 8.8. Diagrama de flujo para el dimensionamiento y ubicación de GD.
77

Barrera Rojas Ambar, Ramirez Estrada Geovanny

Cargado por

Copyright:

Formatos disponibles

Barrera Rojas Ambar, Ramirez Estrada Geovanny

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Barrera Rojas Ambar, Ramirez Estrada Geovanny

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA DE COTOPAXI

FACULTAD DE CIENCIAS DE LA INGENIERÍA Y APLICADAS

ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE

Proyecto de Titulación presentado previo a la obtención del Título de Ingeniero Eléctrico

Barrera Rojas Ambar Jocabed

Ing. Pesantez Palacios Gabriel Napoleón M.Sc.

Nosotros BARRERA ROJAS AMBAR JOCABED, y RAMIREZ ESTRADA

Barrera Rojas Ambar Jocabed Ramirez Estrada Geovanny Efrain

En calidad de Tutor del Trabajo de Investigación sobre el título:

“ESTRATEGIAS PARA EL DIMENSIONAMIENTO Y UBICACIÓN DE

Latacunga, agosto 2023

Ing. Pesantez Palacios Gabriel Napoleón M.Sc.

En calidad de Tribunal de Lectores, aprueban el presente Informe de Investigación de acuerdo

Latacunga, agosto, 2023

Para constancia firman:

Lector 1 (Presidente) Lector 2

A Dios por darme la vida y permitirme culminar mis

A mi madre que ha sido mi constante apoyo, siempre

A mi padre, igualmente, por su dedicación y constante

Sus sacrificios en mi trayectoria profesional han sido

Ambar Barrera Rojas

Este trabajo está dedicado a mi madre y a mi padre cuyo

Este mérito no es solo mío, sino también de ustedes, quienes

Ambar Barrera Rojas

En primer lugar, mi gratitud se dirige a Dios y a mi madre,

Agradezco también a los docentes de la universidad, por

Finalmente, extiendo mi gratitud a mis amigos y seres

Con el corazón lleno de reconocimiento y afecto sincero,

Geovanny Ramirez Estrada

Este trabajo está dedicado a mi familia, por amor, el apoyo

A mis amigos, cuya presencia ha sido un bálsamo para el

A todos aquellos que, de una forma u otra, han contribuido

Geovanny Ramirez Estrada

2.1. EL PROBLEMA ......................................................................................................... 3

2.1.1. Situación problémica ............................................................................................ 3

2.1.2. Formulación del problema .................................................................................... 4

2.2. OBJETO Y CAMPO DE ACCIÓN ............................................................................ 5

2.3. BENEFICIARIOS ....................................................................................................... 5

2.3.1. Beneficiarios directos: .......................................................................................... 5

2.3.2. Beneficiarios indirectos: ....................................................................................... 5

2.4. JUSTIFICACIÓN ........................................................................................................ 6

2.5. HIPÓTESIS ................................................................................................................. 6

2.6. OBJETIVOS ................................................................................................................ 7

2.6.1. Objetivo General................................................................................................... 7

2.6.2. Objetivos Específicos ........................................................................................... 7

2.7. SISTEMA DE TAREAS ............................................................................................. 7

3. FUNDAMENTACIÓN CIENTÍFICO TÉCNICO ................................................................ 8

3.1. ANTECEDENTES ...................................................................................................... 8

3.2. SISTEMAS DE DISTRIBUCIÓN ............................................................................... 9

3.2.1. Niveles de voltaje en sistemas de distribución. ......................................................... 10

3.2.2. Configuraciones de circuitos de los sistemas de distribución eléctrica .............. 10

3.3. GENERACION DISTRIBUIDA ............................................................................... 12

3.3.1. Definición de la generación distribuida: ............................................................. 12

3.3.2. Clasificación de la GD ........................................................................................ 12

3.3.3. Aplicaciones de la generación distribuida .......................................................... 13

3.4.1. Energía fotovoltaica ............................................................................................ 13

3.4.2. Energía eólica ..................................................................................................... 14

3.4.3. Energía hidroeléctrica ......................................................................................... 15

3.4.4. Grupos electrógenos ........................................................................................... 16