Garzón Zamora, Juan Sebastián-2022

Escuela Colombiana de Ingenierı́a Julio Garavito
Maestrı́a en Ingenierı́a Eléctrica
Determinación de la máxima
penetración de generación solar
fotovoltaica en redes de distribución
industriales
Autor:
Ing. Juan Sebastián Garzón Zamora
Director:
Ing. Agustı́n Rafael Marulanda Guerra, PhD
Bogotá D.C, Colombia

Abril, 2022
Escuela Colombiana de Ingenierı́a Julio Garavito
Maestrı́a en Ingenierı́a Eléctrica
Determinación de la máxima
penetración de generación solar
fotovoltaica en redes de distribución
industriales
Juan Sebastián Garzón Zamora
Trabajo de grado presentado como requisito parcial para optar al tı́tulo de:
Magı́ster en Ingenierı́a Eléctrica
con énfasis en:
Sistemas de potencia
Director:
Ing. Agustı́n Rafael Marulanda Guerra, PhD
Grupo de Investigación:
Modelación Estratégica de Energı́a y Potencia

2022, abril
Aceptación del Jurado
El Trabajo de grado de Maestrı́a titulado Determinación de la máxima penetración

de generación solar fotovoltaica en redes de distribución industriales, presentado
por Juan Sebastián Garzón Zamora, cumple con los requisitos establecidos por la Es-
cuela Colombiana de Ingenierı́a Julio Garavito para optar al tı́tulo de Magister en Ingenierı́a
Eléctrica con énfasis en Sistemas de potencia.
Director(a): Agustı́n Rafael Marulanda Guerra, PhD
Jurado: Javier Andrés Ruiz Garzón, MSc
Jurado: Carlos Daniel Vera Silva, MSc

Abril, 2022
A mi familia, prometida, amigos y profeso-
res porque el éxito de una persona refleja el
apoyo recibido en el camino.
Agradecimientos
A mis padres porque con amor me inculcaron los valores y principios que hoy me definen
como ser humano, a mi hermana por ser esa persona incondicional que siempre está para
brindar los consejos y retroalimentaciones correctas en el momento indicado, a mi prometida
por ser la persona que dio ese aliento final y ser ese apoyo como compañera de vida en
el desarrollo de este trabajo de grado. Igualmente agradezco a la Escuela Colombiana de
ingenierı́a y a todo el personal que allı́ labora, haciendo de este lugar una institución con
una calidez inigualable, de la cual me siento orgulloso hacer parte. Adicionalmente extiendo
mis agradecimientos a ENEL CODENSA , empresa a la que pertenezco y que me brindó el
apoyo requerido para el desarrollo de este trabajo de grado.
iii
Resumen
El uso de fuentes de generación distribuida ha incrementado en los últimos años en especial

a nivel industrial, siendo en nuestro paı́s la energı́a solar fotovoltaica la más incipiente, una
muestra de ello son las publicaciones de los periódicos El Tiempo, El Espectador y de la revista
Dinero que evidencian proyectos de este tipo en industrias como Comestibles Ítalo, Industrias
ABB y la Empresa de Licores de Cundinamarca. Esto conlleva la necesidad de ejecutar
estudios, que permitan determinar y analizar el comportamiento de los sistemas eléctricos de
potencia que contengan este tipo de elementos, con el propósito de evitar afectaciones en las
redes de distribución existentes.
La investigación realizada en este trabajo de grado, tiene como finalidad establecer la
máxima penetración de energı́a solar fotovoltaica en una red de distribución industrial, de-
terminando el efecto que tiene la integración de dicha generación en la red mediante varios
escenarios de dispersión (participación) y penetración, donde se evaluarán variables definidas
previamente con los umbrales permitidos de indicadores de calidad de potencia existentes en
la norma NTC 5001 de 2008.
Este estudio tiene tres partes fundamentales, en la primera se trabajará en el modela-
miento de las fuentes de generación distribuida, en este caso la solar fotovoltaica por medio
de la irradiancia y temperatura e igualmente, a partir de la curva de la demanda tipo a
analizar que en nuestro caso es un circuito de distribución industrial (34.5 kV). En el caso
de estudio se analizará especı́ficamente el alimentador Rurales de la subestación Termozipa,
ubicado en la Sabana Norte de Bogotá. Este modelamiento se realizó mediante el análisis del
Modelo de Gaussianas Mixtas, para realizar el ajuste de probabilidad y estimar la disponibi-
lidad de recurso solar y perfil de consumo para un dı́a de sol (12 horas), con una frecuencia
de muestreo de cada 5 minutos para la irradiancia y horaria para la carga. Posteriormente
se realizó el Análisis de Monte Carlo, para recrear 1.000 dı́as de simulación a partir de las
estimaciones realizadas; por su parte, los valores estimados de temperatura fueron ajustados
mediante interpolación por Splines cúbicas expresándolos en función de la irradiancia.
Posteriormente se integra el sistema de distribución industrial elegido en el software de si-
mulación OpenDSS, para realizar iteraciones de manera cuasidinámica a partir de los modelos
v
vi
estadı́sticos obtenidos. De esta manera, se analizan los perfiles de tensión y las corrientes de
carga para el alimentador industrial sin generación distribuida (caso base), donde se definen
las variables de estudio, siendo la regulación de tensión, factor de potencia, sobretensiones en
la subestación, flujo de potencia inverso y los umbrales permitidos para cada una. Además
se evaluan 22 escenarios de participación y penetración, donde para cada uno se evalúan los
valores máximos permitidos para las variables de estudio mediante la herramienta MATLAB,
y ası́ determinar el valor máximo de penetración de energı́a solar fotovoltaica permisible en
una red de distribución industrial.
A partir de los casos de participación y penetración propuestos, se determinó que la máxi-
ma penetración de energı́a solar fotovoltaica para un circuito de distribución industrial es del
120 % de la capacidad instalada a lo largo de la troncal del alimentador; sin embargo, aunque
esta potencia excede la nominal del transformador de distribución al que esté conectado, no
se genera sobrecarga en el mismo, esto debido a que la temperatura de operación de los pa-
neles representa una eficiencia de aproximadamente 90 % de la generación máxima, y de ésta
manera no se supera el umbral de la capacidad instalada del alimentador de red industrial.
De esta manera, no representará violaciones en los valores de las variables de seguimiento
analizadas. Si bien se evidencia que se presentan variaciones en el factor de potencia y flujos
de potencia inversos, estos no exceden la ampacidad del conductor, por su parte respecto a
las variaciones de tensión, no se superan los lı́mites definidos por la norma NTC 5001 de 2008
en los nodos donde se instala el sistema solar fotovoltaico y en nodo del alimentador no se
modifica considerablemente su comportamiento.
Por otra parte, se evidencia que al ser un circuito de carácter industrial por la considera-
ción de perfil de carga constante a lo largo del dı́a y la exclusividad en los transformadores de
distribución; el factor de uso es una caracterı́stica que impacta directamente en la máxima
penetración de generación solar fotovoltaica, ya que establece la cantidad de energı́a que se
va a demandar en los centros de consumo. De esta manera, se determina que el valor máximo
de penetración de energı́a solar fotovoltaica permisible en una red de distribución industrial,
corresponde al doble del factor de uso de los transformadores de distribución, lo que ratifica
lo mencionado por Vera en [1].
Abstract
The use of distributed generation sources has increased in recent years, especially at the
industrial level, with photovoltaic solar energy being the most incipient in Colombia, an
example of this are the publications of the newspapers ”El Tiempo”, ”El Espectador” and
the ”Dinero” magazine that show projects of this type in industries such as Comestibles
Ítalo, Industrias ABB and the Empresa de Licores de Cundinamarca. This entails the need
to carry out studies to determine and analyze the behavior of electrical power systems that
contain this type of elements in order to avoid damage to existing distribution networks.
The research carried out in this work aims to establish the maximum percentage of pene-
tration of photovoltaic solar energy, determining the effect that its integration has through
dispersion and penetration scenarios, where previously defined variables will be evaluated
with the allowed values. of power quality indicators existing in the NTC 5001 of 2008 stan-
dard.
This study has three fundamental parts, the first will work on the modeling of distributed
generation sources, in this case solar photovoltaic through irradiance and temperature. Like-
wise, based on the typical demand curve to be analyzed, which in our case is an industrial
distribution circuit (34.5 kV). In the study case will be carried out specifically the Rurales
feeder of the Termozipa substation, located in the North Sabana of Bogotá. This modeling
was carried out through the analysis of the Mixed Gaussian Model to perform the probabi-
lity adjustment and estimate the availability of solar resource and consumption profile for
a sunny day (12 hours) with a sampling frequency every 5 minutes. for irradiance and time
for charging. Subsequently, the Monte Carlo Analysis was performed to recreate 1.000 days
of simulation from the estimates made; meanwhile, the estimated temperature values were
adjusted by interpolation by cubic splines expressing them as a function of irradiance.
Subsequently, the chosen industrial distribution system is integrated into the OpenDSS
simulation software, to perform quasi-dynamic iterations based on the statistical models
obtained. In this way, the voltage profiles and load currents for the industrial feeder without
distributed generation (base case) are analyzed, where the study variables are defined, being
voltage regulation, power factor, overvoltages in the substation and reverse power flow and the
vii
viii
thresholds allowed for each. Besides; 22 participation and penetration scenarios are modeled,
where for each one the maximum values allowed for the study variables are evaluated using
the MATLAB tool, and thus determine the maximum value of permissible photovoltaic solar
energy penetration in an industrial distribution network.
Based on the proposed participation and penetration cases, it was determined that the
maximum penetration of photovoltaic solar energy for an industrial distribution circuit is
120 % of the installed capacity along the feeder trunk; However, although this power exceeds
the nominal value of the distribution transformer to which it is connected, it does not generate
an overload due to the fact that the operating temperature of the panels represents an
efficiency of approximately 90 % of the maximum generation, in this way the threshold of
the installed capacity of the industrial network feeder is not exceeded. It not represents
violations in the values of the analyzed monitoring variables. Although it is evident that
there are variations in the power factor and reverse power flows, these do not exceed the
ampacity of the conductor; For its part, regarding voltage variations, the limits defined by
the NTC5001 of 2008 standard are not exceeded in the nodes where the photovoltaic solar
system is installed and its behavior is not considerably modified in the feeder node.
On the other hand, it is evident that as it is an industrial circuit, due to the conside-
ration of a constant load profile throughout the day and the exclusivity in the distribution
transformers; The information is evidenced that according to the information provided by
the Network Operator represents a condition of a high use factor, this being a characteristic
that directly impacts in the maximum penetration of photovoltaic solar generation, since it
determines that so much energy demand is going to be establish in consumption centers. then,
for an industrial distribution network, the maximum permissible photovoltaic solar energy
penetration value, corresponds to twice the use factor of the distribution transformers, which
ratifies what Vera mentioned in [1].
Contenido
Agradecimientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Contenido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix
Lista de figuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
Lista de tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
1. Introducción 1
1.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1. Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2. Objetivos especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4. Organización del documento . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2. Marco teórico 11
2.1. Sistema de distribución de la Sabana Norte de Bogotá . . . . . . . . . . . . . 11
2.2. Sistema de generación solar fotovoltaico . . . . . . . . . . . . . . . . . . . . . 14
2.3. Impactos en el sistema de distribución . . . . . . . . . . . . . . . . . . . . . 15
2.3.1. Impactos en valores de tensión . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2. Flujo de potencia inverso . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4. Máxima penetración de energı́a solar fotovoltaica . . . . . . . . . . . . . . . 16
2.5. Herramientas matemáticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5.1. Modelo de Gaussianas Mixtas . . . . . . . . . . . . . . . . . . . . . . 17
2.5.2. Análisis de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5.3. Interpolación por Splines cúbicas . . . . . . . . . . . . . . . . . . . . 18
2.5.4. Ecuaciones de Carsson . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.6. OpenDSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
ix
x CONTENIDO
3. Metodologı́a 21
3.1. Adquisición de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Modelo probabilı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2.1. Ajuste Modelo de Gaussianas Mixtas . . . . . . . . . . . . . . . . . . 26
3.2.2. Análisis de Monte Carlo . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.3. Interpolación por Splines Cúbicas . . . . . . . . . . . . . . . . . . . . 27
3.3. Modelo del Sistema eléctrico . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1. Circuito de distribución . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.2. Sistema solar fotovoltaico . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.3. Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.4. Integración de modelos . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Casos de estudio 32
4.1. Perfil de Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2. Recurso solar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2.1. Irradiancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.2. Temperatura de operación del panel solar fotovoltaico . . . . . . . . . 38
4.3. Circuito de distribución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4. Lı́mites de operación del sistema de distribución . . . . . . . . . . . . . . . . 43
4.5. Simulación y escenarios propuestos . . . . . . . . . . . . . . . . . . . . . . . 44
5. Análisis de resultados 49
5.1. Caso Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2. Caso 100PV100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.3. Caso especial 1 - 100PV120 . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4. Caso especial 2 - 100PV150 . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6. Conclusiones 73
6.1. Conclusiones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2. Aportes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
6.3. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Referencias 76
Anexos 86
A. Modelo Probabilı́stico 87
A.1. Ajustes del Modelo de Gaussianas Mixtas carga . . . . . . . . . . . . . . . . 87
A.2. Ajustes de Modelo de Gaussianas Mixtas irradiancia . . . . . . . . . . . . . . 89
CONTENIDO xi
A.3. Interpolación de Splines Cúbicas . . . . . . . . . . . . . . . . . . . . . . . . . 103
B. Modelo alimentador Rurales 108

B.1. Modelado de los tipos de conductores . . . . . . . . . . . . . . . . . . . . . . 108
B.2. Modelado de los tramos de red . . . . . . . . . . . . . . . . . . . . . . . . . . 109
B.3. Modelo circuito Rurales - participación del 25 % . . . . . . . . . . . . . . . . 110
B.4. Modelo alimentador Rurales - participación 50 % . . . . . . . . . . . . . . . . 111
B.5. Modelo alimentador Rurales - participación 75 % . . . . . . . . . . . . . . . . 112
B.6. Modelo alimentador Rurales - participación 100 % . . . . . . . . . . . . . . . 113
Lista de Figuras
2.1. Sistema de distribución con configuración radial. . . . . . . . . . . . . . . . . 13

2.2. Sistema de distribución con configuración mixta (suplencia). . . . . . . . . . 14
3.1. Diagrama de flujo para determinar la capacidad máxima permitida de pene-

tración solar fotovoltaica en un circuito de distribución industrial (modificado
de [1]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2. Estación meteorológica VSN800-14 Weather Station de ABB. Tomado de [110] 24
3.3. Modelo sistema solar PV en OpenDSS . . . . . . . . . . . . . . . . . . . . . 30
4.1. Curva de carga alimentador Rurales según tipo de dı́a . . . . . . . . . . . . . 33

4.2. Validación gráfica del ajuste de Gaussianas Mixtas de la carga obtenida para
las 12:00. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3. Curva de irradiancia promedio a partir de las mediciones Vs Curva de irra-
diancia de Atlas interactivo IDEAM . . . . . . . . . . . . . . . . . . . . . . . 36
4.4. Validación gráfica del ajuste de Gaussianas Mixtas de irradiancia obtenido
para las 13:30. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.5. Nube de puntos medida de temperatura Vs irradiancia (a) conjunto de poli-
nomios cúbicos ajustados por método de Splines (b) . . . . . . . . . . . . . . 39
4.6. Tipos de red utilizados en el modelo de: red aérea (LAR102) [112] (a) red
subterránea (CS212) [113] (b) . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.7. Diagrama de sistema modelado para alimentador Rurales caso base . . . . . 42
4.8. Modelado alimentador Rurales en OpenDSS . . . . . . . . . . . . . . . . . . 45
4.9. Diagrama de sistema modelado alimentador Rurales con participación del 100 % 47
5.1. Tensión (a), corriente (b) en la subestación para el caso base . . . . . . . . . 50

5.2. Posición del tap en la subestación para el caso base . . . . . . . . . . . . . . 51
5.3. Potencia activa (a), potencia reactiva (b) en la subestación para el caso base 51
5.4. Factor de potencia en la subestación para el caso base . . . . . . . . . . . . . 52
5.5. Gráfico de bigotes de potencia activa en la subestación para el caso base . . 52
xiii
xiv LISTA DE FIGURAS
5.6. Gráfico de bigotes de potencia reactiva en la subestación para el caso base . 53

5.7. Gráfico de bigotes de tensión en el nodo inicial de las lı́neas del alimentador
Rurales para el caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.8. Gráfico de bigotes de corriente en el nodo inicial de las lı́neas del alimentador
Rurales para el caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.9. Gráfico de bigotes de tensión en el nodo de media tensión de los transforma-
dores del alimentador Rurales para el caso base . . . . . . . . . . . . . . . . 55
5.10.Gráfico de bigotes de corriente en el nodo de media tensión de los transforma-
dores del alimentador Rurales para el caso base . . . . . . . . . . . . . . . . 56
5.11.Gráfico de bigotes de potencia activa generada por los sistemas fotovoltaicos
del alimentador Rurales para el caso 100 % participación y 100 % penetración 57
5.12.Tensión (a), corriente (b) en la subestación para el caso 100 % participación y
100 % penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.13.Potencia activa (a), potencia reactiva (b) en la subestación para el caso 100 %
participación y 100 % penetración . . . . . . . . . . . . . . . . . . . . . . . . 59
5.14.Factor de potencia en la subestación para el caso 100 % participación y 100 %
penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.15.Gráfico de bigotes de potencia activa en la subestación para el caso 100 %
5.16.Gráfico de bigotes del factor de potencia en la subestación para el caso 100 %
5.17.Gráfico de bigotes de tensión en el nodo inicial de las lı́neas del alimentador
Rurales para el caso 100 % participación y 100 % penetración . . . . . . . . . 62
5.18.Gráfico de bigotes de corriente en el nodo inicial de las lı́neas del alimentador
5.19.Gráfico de bigotes de tensión en el nodo de media tensión de los transformado-
res del alimentador Rurales para el caso 100 % participación y 100 % penetración 63
5.20.Gráfico de bigotes de tensión en el nodo de media tensión de los transformado-
res del alimentador Rurales para el caso 100 % participación y 100 % penetración 64
5.21.Tensión (a) y corriente (b) en la subestación para el caso 100 % participación
y 120 % penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.22.Gráficos de bigotes de potencia generada (a) y potencia activa en la subestación
(b) para el caso 100 % participación y 120 % penetración . . . . . . . . . . . 66
5.23.Gráficos de bigotes de tensión (a) y corriente (b) en las lı́neas del alimentador
LISTA DE FIGURAS xv
5.24.Gráficos de bigotes de tensión (a) y corriente (b) en los transformadores de

distribución del alimentador Rurales para el caso 100 % participación y 120 %
penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.25.Tensión (a) y corriente (b) en la subestación para el caso 100 % participación
y 150 % penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.26.Gráficos de bigotes de potencia generada (a) y potencia activa en la subestación
(b) para el caso 100 % participación y 150 % penetración . . . . . . . . . . . 70
5.27.Gráficos de bigotes de tensión (a) y corriente (b) en las lı́neas del alimentador
5.28.Gráficos de bigotes de tensión (a) y corriente (b) en los transformadores de
distribución del alimentador Rurales para el caso 100 % participación 150 %
penetración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
B.1. Diagrama de sistema modelado para determinar la máxima penetración de

generación solar fotovoltaica en el alimentador Rurales con participación del
25 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
50 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
75 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
100 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Lista de tablas
1.1. Lı́mites de ı́ndices técnicos de rendimiento para determinar máxima penetra-

ción de generación solar fotovoltaica (traducido y modificado de [21]) . . . . 5
1.2. Exigencias de conexión de generación distribuida por operador de red (Tradu-
cido y modificado de [53]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Casos de estudio de hosting capacity realizados previamente (traducido y mo-
dificado de [21]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Casos de estudio de hosting capacity realizados previamente (traducido y mo-
dificado de [21]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1. Niveles de tensión definidos por la CREG 070 [75] . . . . . . . . . . . . . . . 12
4.1. Modelos ajustados del perfil de carga para los datos medidos . . . . . . . . . 34
4.2. Desbalance de carga en cabecera alimentador Rurales . . . . . . . . . . . . . 35
4.3. Modelos ajustados del perfil de irradiancia para los datos medidos . . . . . . 38
4.4. Escenarios de simulación alimentador Rurales . . . . . . . . . . . . . . . . . 46
A.1. Modelos ajustados del perfil de carga para los datos medidos . . . . . . . . . 87
A.1. Modelos ajustados del perfil de carga para los datos medidos . . . . . . . . . 88
A.2. Modelos ajustados de irradiancia para los datos medidos . . . . . . . . . . . 89
xvii
xviii LISTA DE TABLAS

A.3. Polinomios cúbicos de interpolación de la temperatura en función de la irra-
diancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
diancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
diancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
diancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
diancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
B.1. Modelo de tipos de conductores alimentador Rurales . . . . . . . . . . . . . 108

B.2. Modelo de lı́neas alimentador Rurales . . . . . . . . . . . . . . . . . . . . . . 109
Capı́tulo 1
Introducción
El presente capı́tulo está dividido en cinco secciones, en las que se expone el planteamiento
del problema, seguido del estado del arte del tema que aborda este trabajo, con base a ello se
plantean los objetivos que se desarrollaron en la ejecución del mismo y por último se describe
la estructura del documento.
1.1. Planteamiento del problema

El crecimiento de la población mundial junto al gran desarrollo de la industria, ha ocasio-
nado un fuerte aumento de la demanda energética, de esta forma las tecnologı́as de Generación
Distribuida que se conectan sobre la red de distribución, cercanas a los centros de consumo y
que pueden funcionar con fuentes de energı́as renovables o combustibles fósiles han llamado
la atención.
Si bien se presentan estas dos alternativas, debido al alto crecimiento de gases de efecto
invernadero, se tomó como medida inicial el acuerdo de Glasgow COP26 de 2021 (del cual
Colombia es un paı́s participante), donde los paı́ses suscritos se comprometen a la reducción
en un 51 % de la contaminación ambiental para el año 2030, e igualmente para dar cumpli-
miento al objetivo número siete de desarrollo sostenible planteado por la Organización de
Naciones Unidas (ONU), el cual busca garantizar el acceso a una energı́a segura, sostenible,
menos contaminante y moderna para todos [2]. Este evento promovió iniciativas tomadas por
el gobierno nacional a través de la ley 1715 de 2014 [3], que brinda beneficios tributarios,
arancelarios y de implementación de fuentes de energı́a renovable no convencionales, igual-
mente para facilitar la implementación de dichas tecnologı́as en Colombia se creó la resolución
CREG 030 del 2018 [4] y la cual fue modificada por la CREG 174 de 2021 [5]. Incentivando
el uso de las mismas y limitando las emisiones de gases que producen el efecto invernadero.
Esto ha incrementado el interés de los usuarios principalmente por la industria, de utilizar
e instalar generación fotovoltaica, donde no sólo se genera cierto porcentaje de la energı́a
a utilizar, sino que esta puede ser vendida al operador de red para su comercialización,
1
2 Planteamiento del problema
proyectándola como una tecnologı́a con altos niveles de penetración en el sistema eléctrico
nacional en general y sistema de distribución local en particular. Una muestra de ello son
las publicaciones de los periódicos El Tiempo, El Espectador y de la revista Dinero, que
evidencian proyectos de este tipo como son: Comestibles Ítalo en alianza con Enel-Codensa
con 1.080 paneles solares, donde se cubrió parte del techo de la fábrica y desde donde se
van a generar 490 MWh de energı́a cada año, lo suficiente para abastecer cada mes a 3.300
hogares; Industrias ABB incorporará 1.182 paneles fotovoltaicos de Enel-Codensa en planta
de producción en Pereira, con la cual se generarán 511 MWh de energı́a al año, lo suficiente
para abastecer más de 4.250 hogares durante un mes; por último la Empresa de Licores de
Cundinamarca instalará cerca de 400 paneles solares, que tendrán la capacidad de generar
179 MWh de energı́a al año, lo que podrı́a llegar a ser el consumo mensual de 1.600 hogares
para reducir en 22 % el consumo de energı́a eléctrica en la planta [6].
Sin embargo, esta alta penetración en energı́a solar fotoltaica genera incógnitas respecto
al impacto que esta ocasiona en la red de distribución en un marco de calidad de potencia,
dentro de los que se destacan: variaciones de tensión, desbalance de tensión, sobre tensiones y
flujo de potencia inverso [7–9]. Donde la magnitud de estos impactos depende de tres factores
fundamentales: el nivel de penetración, el nivel de distribución (participación) de la generación
y las condiciones propias del circuito de distribución [10–12]. Sin embargo, la magnitud de
los impactos de la penetración de generación distribuida, está directamente relacionados con
el nivel de penetración en sı́, el nivel de distribución y los parámetros técnicos de la red de
distribución [13].
Además, teniendo en cuenta el comportamiento estocástico de la disponibilidad solar sien-
do el recurso energético principal para este tipo de generación, y la curva de la demanda tipo
de la industria a analizar, se hace necesaria la implementación del análisis por Modelo de
Gaussianas Mixtas junto con el Análisis de Monte Carlo, para realizar el ajuste de probabi-
lidad y estimar la disponibilidad de recurso solar y perfil de consumo, para que estos puedan
ser modelados en un software que permita realizar simulaciones bajo estas condiciones.
Lo anterior motiva el presente trabajo, en el cual se analizará el impacto asociado a la
conexión de Generación Distribuida con diferentes escenarios de participación y penetración
en una red de distribución industrial, que es la que potencialmente se verá afectada por
este tipo de generación en nuestro paı́s. Donde la creciente penetración de estos medios de
generación, hace necesaria la realización de modelos que permitan determinar la capacidad
máxima de generación fotovoltaica permitida, verificando que tanto para el operador de red
como para los consumidores, la interconexión a la red sea segura y bajo los parámetros de
calidad de potencia definidos en la norma NTC 5001 del 2008 [14] ”Calidad de potencia
eléctrica. Lı́mites y metodologı́a de evaluación en punto de conexión común”.
El recurso solar como principal fuente de energı́a fotovoltaica representa problemas al
Estado del arte 3
garantizar energı́a firme, debido a su comportamiento estocástico (incrementa en ciudades

como las de la Sabana Norte de Bogotá por su alto nivel de nubosidad y constantes cambios
climáticos), lo que ocasiona retos para la operación del sistema de cara al operador de red en
aspectos como la estabilidad del sistema y calidad de potencia, como variaciones de tensión,
desbalance de tensión, sobre tensiones y flujo de potencia inverso [7–9,15], por lo cual estos se
han acogido a lo presentado en la resolucion CREG 174 de 2021, ya que en caso de permitir
ilimitadamente el uso de generación distribuida, dichos parámetros superarı́an los umbrales
permitidos y podrı́an ocasionar problemas mayores en un sistema de distribución local o
incluso el Sistema de Transmisión Regional.
Por esta razón, se hace necesario para Colombia definir de igual manera metodologı́as
empleadas por otros paı́ses [11,16–19], para determinar la máxima penetración de generación
fotovoltaica a instalar en una red de distribución industrial, considerando los lı́mites de
operación [12] para mejorar algunos parámetros de la misma [20], ya que como se mencionó
anteriormente, este valor depende directamente de la topologı́a de la red, lo que lo hace único
para cada paı́s de acuerdo a su configuración eléctrica.
Igualmente, frente a la inminente llegada de fuentes de generación eléctrica a partir de
energı́a fotovoltaica al sector industrial, que se conectan a la red de distribución en los niveles
de media tensión, se hace necesario determinar cuál es la máxima penetración de generación
solar fotovoltaica en un sistema de distribución industrial sin que afecte la regulación de
tensión, dirección del flujo de potencia y cargabilidad del alimentador.
Con base a lo anterior y alineado con el acuerdo de Glasgow COP26, en Colombia se
emitió por parte del ente regulador la resolución CREG 030 de 2018, donde se estableció
que el nivel máximo permitido de penetración solar fotovoltaica es del 15 % en nivel de
tensión 1 (baja tensión) de la capacidad nominal del alimentador [4], la cual fue aumentada
al 50 % en en la resolución CREG 174 de 2021 [5]; sin embargo la configuración del mismo,
impacta este umbral de penetración para que se realice sin afectar los parámetros de calidad
de energı́a propios de la red, descritos en la norma técnica colombiana NTC 5001 de 2008, y
aunque en el paı́s hay un bajo know-how para su determinación, el presente trabajo de grado
pretende reducir estas brechas a partir del planteamiento: ¿Es posible determinar la máxima
penetración de generación solar fotovoltaica en redes de distribución industriales?.
1.2. Estado del arte

El incremento de la penetración de energı́a solar fotovoltaica ha generado desafı́os de
cara a la operación, administración y planeamiento de las redes de distribución; por ello,
los operadores de red requieren adquirir conocimiento en este campo para establecer niveles
máximos de penetración solar fotovoltaica en las redes eléctricas, sin que genere impacto en
4 Estado del arte
la operación con condiciones normales [21]. Por ello, se creó la necesidad de integrar un nuevo
concepto para abarcar este tema a lo que se definió la máxima penetración de generación
solar fotovoltaica en redes de distribución, el cual fue Hosting Capacity por su terminologı́a
en inglés por Bollen en el 2005 [22], en donde se evaluaban los parámetros no únicamente del
operador de red, sino umbrales de carácter técnico de cara al usuario final.
Posteriormente Hassan [23] en 2008 lo definió como la capacidad que presenta un ali-
mentador de estar en presencia de generación distribuida, sin presentar alteraciones en sus
variables de operación de acuerdo a los umbrales previamente definidos; por ello, se requiere
determinar la cantidad marginal de paneles solares fotovoltaicos sin que se violen los cri-
terios de aceptación, dichos valores pueden cambiar de acuerdo a las condiciones generales
de las redes eléctricas, topologı́a del alimentador y penetración de energı́a solar fotovoltaica.
Entonces se definió que el valor del la máxima penetración de energı́a solar fotovoltaica en
un circuito de distribución, es directamente proporcional al riesgo que tanto los clientes co-
mo los operadores de red quieren asumir, mediante la selección apropiada de los ı́ndices de
rendimiento que se van a vigilar y sus lı́mites permitidos. [24].
Para determinar cual es el mayor criterio o ı́ndice técnico para definir los lı́mites de
comparación de los distintos estudios acerca de la definición de la máxima penetración, Walla
en 2012 [25] concluyó que las sobretensiones son el principal lı́mite de rendimiento para los
cálculos de la determinación máxima de penetración de generación distribuida, una evidencia
de ello son los trabajos realizados en [26–35] que enmarcan sus análisis en las violaciones de
tensión, seguido de la sobrecarga en el transformador, capacidad amperimétrica en los tramos
de red [36–44] y desbalance de carga [41, 45–48]. Igualmente Divan en 2016 [49] define que el
peor escenario es cuando los incrementos de tensión ocurren cerca a los centros de consumo
y en la cabecera del alimentador presentan caı́das de tensión, ocasionando que hayan flujos
de potencia inversos.
En la tabla 1.1 se presentan los lı́mites permitidos para los ı́ndices técnicos empleados
por los operadores de red en distintos paı́ses del mundo para autorizar una nueva conexión de
Generación Distribuida en las redes eléctricas de su incumbencia. Dichos ı́ndices técnicos son:
PI1 = Violaciones de tensión, PI2 = Violaciones de corriente, PI3 = Sobrecarga del trans-
formador y PI4 = Desbalance de carga; como se mencionó previamente el más empleado son
las violaciones de tensión donde se aprecia que para paı́ses como Australia, Italia, Finlandia,
Sudáfrica y Reino unido permiten un valor de 1.1 p.u, mientras que paı́ses como Estados
Unidos, Dinamarca e Indonesia valores de 1.05 p.u [21]. Por su parte se puede apreciar que
en los casos cuando se realiza el análisis por capacidad instalada del transformador, no se
permite la conexión de generación distribuida que supere la potencia nominal del mismo.
Estado del arte 5
Tabla 1.1: Lı́mites de ı́ndices técnicos de rendimiento

para determinar máxima penetración de generación solar
fotovoltaica (traducido y modificado de [21])
ÍNDICE LÍMITE PAÍS AÑO REFERENCIA
PI1 PI1 ≤+10 %Vn (253 V) (0.9 p.u.–1.1 p.u.) Bélgica 2011 [26]
PI1 ±10 % Vn Estados Unidos 2012 [27]
PI1, PI4 PI1 = ±3 % Vn; PI4 = 1 % VUF Australia 2014 [45]
PI1 0.89 p.u.–1.1 p.u. (205 V–253 V) (-11/+10 % Vn) Australia 2014 [28]
PI1 PI1 ≤+10 % Italia 2015 [36]
PI1 PI1 ≤+10 %Vn (253 V) (0.9 p.u.–1.1 p.u.) Bélgica 2016 [29]
PI1 PI1 = -6/+10 % Vn, 0.94 p.u.–1.1 p.u. Reino Unido 2016 [30]
PI1 PI1 = ± 10 % Vn Dinamarca 2016 [46]
PI1, PI2, PI3 PI1 = (-15/+10 % Vn); PI2, PI3 = 100 % nominal Reino Unido 2016 [37]
PI1, PI2, PI3 PI1 = 0.9 p.u.–1.1 p.u.; PI2, PI3 = 100 % nominal Suiza 2016 [38]
PI1 PI1 ≤+10 %Vn (253 V) (0.9 p.u.–1.1 p.u.) Sudáfrica 2017 [31]
PI1, PI2, PI3 PI1 ≤+10 % Finlandia 2017 [39]
PI1, PI2, PI3 PI2 = 105 % I nominal; PI3 = 100 % nominal Estados Unidos 2017 [40]
PI1 PI1≤ 1.05 p.u. (±5 % Vn) Estados Unidos 2018 [32]
PI1, PI3, PI4 PI1 = 0.92 p.u.–1.05 p.u.; PI3 = 187.5 % Sn; PI4 = 3 % Brasil 2018 [41]
PI1 PI1 = 0.95 p.u–1.06 p.u. Australia 2018 [47]
PI1, PI2, PI3 PI1 = ± 6 % Vn; PI2, PI3 = 100 % norminal Rumania 2019 [42]
PI1, PI2, PI3 PI1 = ±10 %Vn; PI2 = 75 % Sn; PI3 = 100 % Sn Eslovenia 2019 [43]
PI1, FP PI1 = 1.05 p.u.; FP limite < 0.85 Canadá 2019 [50]
PI1 PI1 = 0. 95 p.u.–1.05 p.u. China 2019 [48]
PI1 PI1 = 0.9 p.u.–1.1 p.u. (BT); 0.95 p.u.–1.05 p.u. (MT) Italia 2019 [44]
PI1 PI1 = PI1≤ 1.05 p.u. (±5 % Vn) Estados Unidos 2020 [51]
De igual manera, en el 2016 Palmintier [52] estudiando el impacto de la alta penetración

solar fotovoltaica en los circuitos de distribución, destacó que previo a dicho estudio se habı́a
implementado globalmente una medida que consiste, en no recomendar conexiones de siste-
mas con energı́a fotovoltaica cuya potencia generada excediera en un 15 % la carga máxima
del alimentador donde se conectara, esta medida fue la implementada por la resolución CREG
030 de 2018 [4]. Por otra parte, la implementada actualmente por la Comisión de Regulación
6 Estado del arte
de Energı́a y Gas es la resolución CREG 174 de 2021, que estableció que el nivel máximo
permitido de penetración solar fotovoltaica en el nivel de tensión 1 (baja tensión) de la ca-
pacidad nominal del alimentador es del 50 % [5]. En la tabla 1.2 se identifican los criterios
mı́nimos de aceptación de un proyecto de Generación Distribuida por distintos operadores
de red a nivel mundial, los cuales se expresan en función de la potencia del transformador o
respecto al lı́mite térmico del conductor, en donde se evidencia que la medida implementada
por el regulador colombiano no es aplicada actualmente a nivel mundial [53].
Tabla 1.2: Exigencias de conexión de generación dis-

tribuida por operador de red (Traducido y modificado
de [53])
PAÍS LÍMITES TÉRMICOS LÍMITES CORTO CIRCUITO

MT: PGD < 0.15Ptr
Corea del Sur MT: PGD < 0.2Ptr
MT PGD < 0.15Pter
MT: PGD < 0, 5Ptr
España MT: PGD < 0.1M V ACCpcc
MT:PGD < 0.5Pter
BT: PGD < 0.25Ptr
Africa del Sur BT: PGD < 0, 25PIntcomp No hay registro
BT: PGD < 0, 75PIntGD
China No hay registro PGD < 0.1M V ACCpcc
PGD < 0.1M V ACCpcc
Estados Unidos No hay registro
M V ACCGD < 0.25M V ACCf eed
Bélgica BT: PGD < Ptr No hay registro
Canadá PGD < 0, 6(Ptr + PminSub No hay registro

PGD < Ptr + Pminsub
República Checa No hay registro
para redes de 110 kV
BT: PGD < 0, 65Ptr
Italia No hay registro
BT:PGD < 0.6Pter
Portugal BT: PGD < 0.25Ptr No hay registro
Ptr : Potencia en el transformador, PGD : Potencia de la generación distribuida, Pter : Potencia lı́mite térmico, PInt :
Potencia del interruptor, Pminsub : Potencia mı́nima en la SE
Por otro lado, en 2012 el Instituto de investigación de potencia eléctrica - EPRI por sus
siglas en inglés, realizó un análisis sobre un circuito de distribución de 34.5 kV para determi-
nar la máxima penetración de generación solar fotovoltaica, basado en el comportamiento de
la carga del alimentador [54], en donde concluyó que aunque este valor se define en función
de la carga máxima del circuito, existe una correlación entre la tensión y flujo de potencia,
donde la determinación de la máxima penetración solar fotovoltaica se puede expresar como
un porcentaje de la capacidad instalada del alimentador o como la carga máxima del mismo.
Adicionalmente, determinó una herramienta que estocásticamente define el tamaño y ubica-
Estado del arte 7
ción de los sistemas fotovoltaicos, por lo cual dicha metodologı́a ha sido implementada por
varios autores, ya que los operadores de red tienen un alto grado de incertidumbre respecto
a la ubicación de la generación distribuida.
Navarro en 2013 [55] y Arshad en 2017 [39] elaboraron estudios y planteamientos con base
al análisis de Monte Carlo, para la determinación de la máxima penetración de generación
solar fotovoltaica en redes de distribución de Reino Unido y Finlandia respectivamente. En
dichos estudios realizaron ajustes probabilı́sticos para determinar Funciones de Densidad de
Probabilidad, tanto al perfil de carga como el recurso solar aplicable al alimentador en función
de la ubicación del mismo. Una vez modelado el alimentador, se realizaron 100 y 1.000 flujos
de carga (iteraciones) para cada nivel de penetración PV definidos inicialmente, hasta que
las variables de seguimiento violaran los valores establecidos.
Rylander en 2013 [61] estableció que el Hosting Capacity depende de la penetración fo-
tovoltaica, para lo que realizó comparaciones en dos alimentadores con carga residencial y
comercial con el mismo nivel de tensión (15 kV) y con dos niveles de penetración (8 MW y 6
MW), donde evidenció que el alimentador presentaba mayor capacidad de penetración solar
fotovoltaica con la menor generación (69 % respecto al 63 %) adicionando que a gran escala
se presentan violaciones de calidad de potencia como lo son desbalances, flicker, armónicos y
corrientes elevadas; posteriormente Aziz en 2017 [62] agregó que de hecho, en una red de baja
tensión se obtienen mayores valores máximos de penetración fotovoltaica que un alimenta-
dor de media tensión. Por su parte, Vera en 2020 [1] realizó un estudio para determinar la
capacidad máxima de generación solar fotovoltaica en las redes de distribución residenciales
de la ciudad de Bogotá, realizando ajuste de Modelo de Gaussianas Mixtas y posteriormente
Análisis de Monte Carlo para estimar la carga del alimentador en estudio e irradiancia para la
ciudad de Bogotá, estos últimos fueron los datos de entrada para determinar la temperatura
por interpolación. Con esto concluyó que la máxima penetración de generación solar fotovol-
taica, es directamente proporcional al factor de uso de los transformadores de distribución y
de la tolerancia al flujo inverso de potencia por parte del operador de red.
En la tabla 1.3 se muestran algunos casos de estudio a nivel mundial, en donde se presen-
tan los ı́ndices técnicos evaluados en cada estudio y la máxima penetración de energı́a solar
fotovoltaica obtenida de dichos modelos, donde se puede apreciar que los trabajos realizados
en [33, 34, 44, 50, 67] emplean la carga máxima como factor de análisis para determinar la
máxima penetración de generación solar fotovoltaica, siendo el ı́ndice con mayor referencia.
Por otra parte, se tiene que la capacidad instalada del transformador debe ampliamente usa-
da para determinar la máxima penetración de generación solar fotovoltaica en función de
dicho ı́ndice técnico [41, 42, 47, 68]. Otros ı́ndices igualmente usados, pueden ser la propor-
ción de clientes con sistemas fotovoltaicos y en función de la disponibilidad de espacio en las
cubiertas de las viviendas/industrias que alimenta el circuito.
8 Estado del arte
Tabla 1.3: Casos de estudio de hosting capacity realiza-

dos previamente (traducido y modificado de [21])
HC ESTIMADO ÍNDICE PAÍS AÑO REFERENCIA
Clientes con
50 % Bélgica 2011 [26]
sistemas PV
28.57 % Consumo energético Suiza 2011 [69]
95 % Carga mı́nima Estados Unidos 2012 [27]
Potencia activa
111 % Australia 2012 [70]
de la carga
30 % Carga máxima Estados Unidos 2013 [11]
31.9 % (63.81 kW) Capacidad instalada Australia 2014 [45]
40 % Carga máxima Australia 2014 [28]
BT 120 %, MT 70 % Carga máxima Italia 2015 [36]
86 % Carga máxima Australia 2015 [63]
Espacio en cubiertas
45 % Bélgica 2016 [29]
de techo
43 % (1.258 GWh) Consumo energético Suiza 2016 [38]
Clientes con
40 % Dinamarca 2016 [46]
sistemas PV
Clientes con
30 % Reino Unido 2016 [30]
sistemas PV
Clientes con
200 % Reino Unido 2016 [37]
sistemas PV
Carga máxima
15 – 30 % Estados Unidos 2017 [40]
(33.69 MW)
Urbano: 239.7 %
Carga máxima Finlandia 2017 [39]
Rural: 198 %
40 % Capacidad instalada Sri Lanka 2017 [68]
70 % Carga total del circuito Sudáfrica 2017 [31]
100 % (8.8 MW) Carga del alimentador Indonesia 2018 [47]
38.2 % Capacidad instalada Brasil 2018 [41]
35.65 % Capacidad instalada Estados Unidos 2018 [47]
35 % Capacidad instalada Australia 2018 [47]
88 % Consumo energético Irlanda 2018 [71]
15.5 % (2.6 MW) Capacidad instalada Estados Unidos 2018 [32]

Objetivos 9
Tabla 1.3: Casos de estudio de hosting capacity realiza-

dos previamente (traducido y modificado de [21])
HC ESTIMADO ÍNDICE PAÍS AÑO REFERENCIA
86 % Carga total China 2018 [64]
77 % (4.8 MW) Carga total Estados Unidos 2019 [65]
30 % Capacidad instalada Rumania 2019 [42]
40 % Carga máxima Sudáfrica 2019 [66]
16.48 % (1349 kW) Carga máxima Canadá 2019 [50]
Residencial: 82 - 150 %
Carga máxima Italia 2019 [44]
Industrial: 31 %
30 % Capacidad instalada Colombia 2020 [1]
En el 2017, Dubey [72] mencionó que para mejorar la máxima penetración de generación
producidas por la energı́a solar fotovoltaica instalada en un alimentador, se pueden imple-
mentar métodos como el control de tensión que involucre bancos de condensadores, sistema
de almacenamiento en baterı́as, respuesta de la demanda (deslastre automático de cargas) o
mediante el intercambiador de tomas del transformador de potencia; sin embargo se mani-
fiesta que la violación de tensión, podrı́a presentarse por un corto tiempo debido al desfase
temporal que existe entre la señal de mando y la actuación propia del equipo. Por tal razón,
Sun plantea la mejora de dicha máxima penetración como un problema de optimización [73].
Se concluyó que el ı́ndice técnico que más impacta en la selección del método de mejora
penetración máxima son violaciones de tensión [74].
1.3. Objetivos
A continuación, se describen los objetivos general y especı́ficos, en los cuales se enfocó el
desarrollo del presente trabajo.
1.3.1. Objetivo general

Determinar la capacidad máxima de generación solar fotovoltaica en sistemas de distribu-
ción industrial radial de 34.5 kV de la Sabana Norte de Bogotá, en función de los parámetros
de calidad de energı́a definidos en la Norma Técnica Colombiana NTC 5001 de 2008.
10 Organización del documento
1.3.2. Objetivos especı́ficos

1. Estimar el recurso disponible de irradiancia y curva de demanda de carga mediante
análisis de Monte Carlo, para modelar de manera cuasi-dinámica el comportamiento
estocástico de la disponibilidad solar y la variabilidad de la demanda.
2. Modelar cuasi-dinámicamente el sistema de distribución industrial radial para veintidos

escenarios diferentes de participación y penetración de energı́a solar fotovoltaica, con la
integración de la estimación del recurso y demanda mediante las herramientas Matlab
y OpenDSS.
3. Determinar el comportamiento de la regulación de tensión, cargabilidad de corriente

y dirección del flujo de potencia en la operación del sistema, para cada uno de los
escenarios de penetración y compararlos con los lı́mites establecidos en la norma NTC
5001 de 2008.
1.4. Organización del documento

El presente documento está organizado en 6 capı́tulos, donde en el capı́tulo 1 se expone
la introducción del mismo, que contiene el planteamiento del problema, estado del arte y
objetivos; posteriormente en el capı́tulo 2 se relacionan todos los conceptos y fundamentos
básicos empleados para el desarrollo de este trabajo, como lo son sistema de generación
fotovoltaico, impactos en los sistemas de distribución, máxima penetración de energı́a solar
fotovoltaica, herramientas matemáticas y software empleado. En el capı́tulo 3 se presenta la
metodologı́a empleada para determinar la capacidad máxima de generación solar fotovoltaica
en un circuito de distribución industrial con la forma en la que fueron integrados y simulados
los modelos obtenidos; en el capı́tulo 4 se presenta el caso de estudio especı́fico y los criterios
analizados en este trabajo de grado, como lo son perfil de carga, recurso solar, lı́mites de
operación del sistema de distribución y los escenarios propuestos. Por su parte, en el capı́tulo
5 se exponen los analásis de resultados obtenidos y por último; en el capı́tulo 6 presentan
las conclusiones respectivas que comprenden igualmente aportes y propuestas para trabajos
futuros.
Capı́tulo 2
Marco teórico
De forma global se presentan los conocimientos sobre sistemas de generación solar foto-
voltaica, los impactos que estos traen sobre las redes de distribución, PV hosting capacity y
conceptos básicos sobre las herramientas a emplear a lo largo del desarrollo de este trabajo,
con el fin que el lector tenga un contexto para el entendimiento del mismo.
2.1. Sistema de distribución de la Sabana Norte de Bo-

gotá
El sistema eléctrico colombiano está contemplado por tres etapas fundamentales que son
generación, transmisión y distribución; donde en la primera se transforma la fuente de energı́a
a niveles de tensión de 11.4kV o 13.8kV , que luego a través de una subestación eléctrica de
potencia y lı́neas de transmisión, es transportada a transformadores de distribución para que
finalmente sea suministrada a los centros de consumo [76], esta distribución puede ser a 11.4
o 13.2 kV para carga residencial o 34.5 kV para un perfil de carga industrial. Por su parte, la
resolución CREG 070 de 1998 [75] menciona que la transmisión y distribución en el Sistema
Interconectado Nacional se realiza mediante los siguientes subsistemas:
Sistema de Transmisión Nacional: “Es el sistema interconectado de transmisión

de energı́a eléctrica compuesto por el conjunto de lı́neas, equipos de compensación y
subestaciones que operan a tensiones iguales o superiores a 220 kV que operan el nivel
de tensión 5 (ver tabla 2.1), los transformadores con este nivel de tensión en el lado
de baja y los correspondientes módulos de conexión.”
Sistema de Transmisión Regional: “Sistema de transporte de energı́a eléctrica com-

puesto por los Activos de Conexión del operador de red al sistema de transmisión na-
cional y el conjunto de lı́neas, equipos y subestaciones, con sus equipos asociados, que
operan en el Nivel de Tensión 4 (ver tabla 2.1). Los sistemas de transmisión regional
11
12 Sistema de distribución de la Sabana Norte de Bogotá
pueden estar conformados por los activos de uno o más Operadores de Red.”. Es del
cual se conecta la subestación que alimenta el circuito de estudio que se presentará
posteriormente en la sección 3.3.1.
Sistema de Distribución Local: “Sistema de transporte de energı́a eléctrica com-

puesto por el conjunto de lı́neas y subestaciones, con sus equipos asociados, que operan
a los Niveles de Tensión 3, 2 y 1 (ver tabla 2.1) dedicados a la prestación del servicio
en un Mercado de Comercialización.”. El presente trabajo se centrará en este sistema,
para validar los impactos de la conexión de generación solar y determinar la máxima
penetración de esta, sin que se afecten los parámetros de calidad de servicio.
Tabla 2.1: Niveles de tensión definidos por la CREG 070 [75]

Nivel Nivel de tensión [kV]
5 V ≥ 220
4 57, 5 ≤ V < 220
3 30 ≤ V < 57, 5
2 1 ≤ V < 30
1 V <1
Con base a lo anterior, en el presente trabajo el sistema de generación solar fotovoltaico

será conectado en el nivel de tensión 1 (por baja tensión) en los transformadores de distribu-
ción que de acuerdo al nivel de participación se indique; además se va a analizar el impacto
en un alimentador de 34.5 kV lo que lo ubica en el Sistema de Distribución Local en el nivel
de tensión 3.
Entonces, para determinar la máxima penetración de energı́a solar fotovoltaica, se requie-
re analizar su impacto en el sistema de distribución, y en particular para su uso industrial
corresponde al nivel de tensión 3 (34.5 kV). Por tal razón, para la Sabana Norte de Bo-
gotá que es la zona en la cual se encuentra el alimentador en estudio que será expuesto más
adelante en la sección 3.3.1, se tiene que el Sistema de Transmisión Regional alimenta las
subestaciones de potencia y esta contiene a su vez activos del Sistema de Distribución Local,
que con el transformador de distribución (115/34.5 kV) reduce el nivel de tensión para que
pueda ser distribuido y se suministre servicio de energı́a eléctrica a los clientes industriales.
Por tal condición de perfil de carga industrial, los transformadores de distribución son de
uso exclusivo y usualmente el alimentador contiene 15 transformadores en promedio. Estos
alimentadores presentan configuración radial en estado normal y con el apoyo de los disposi-
tivos de maniobra se permite dar suplencia con alimentadores, generando configuraciones en
anillo para garantizar mayor confiabilidad al sistema.
Sistema de distribución de la Sabana Norte de Bogotá 13
A continuación se describen los componentes principales de las redes de distribución:
Transformador de Potencia: Reduce el nivel de tensión de alta tensión a media

tensión.
Transformador de distribución: Transformador de distribución que reduce la ten-

sión de media a baja tensión.
Alimentador principal: Redes aéreas o subterráneas de distribución de energı́a eléctri-

ca. Para redes industriales los tipos de red utilizados son estructura aérea triangular
(LAR102) [112] y para subterránea mediante la norma de construcción (CS212) [113].
Dispositivos de maniobra: Equipos que permiten operar la red eléctrica y reali-

zar maniobras de apertura/cierre, suplencia y pueden ser telecontrolados o de mando
manual. Igualmente pueden operar bajo carga como interruptores de cabecera, reco-
nectadores y seccionalizadores o de operar sin carga, como los seccionamientos tipo
cuchilla.
Los sistemas de distribución industriales tienen dos clasificaciones, de acuerdo a la dispo-

sición de la forma en que se realice la conexión de los alimentadores, que son configuración
radial y en anillo. Los sistemas de distribución radiales como se puede ver en la figura 2.1 son
aquellos con una única fuente de energı́a y se caracterizan por tener un flujo de potencia en
una sola dirección que es de la S/E hacia los centros de consumo. Como no tiene topologı́as
y disposiciones redundantes, es el más económico en su implementación aunque frente a una
falla en el sistema [77], no garantiza continuidad en el servicio para los clientes aguas abajo
de la zona de falla.
ALIMENTADOR
PRINCIPAL 2
RED AT AT / MT ALIMENTADOR
PRINCIPAL 1 MT / BT CARGA
MT / BT CARGA
Figura 2.1: Sistema de distribución con configuración radial.
Por su parte, un sistema de distribución en anillo tiene simultáneamente dos o más ali-
mentadores interconectados, incrementando ası́ la confiabilidad del sistema, aunque también
14 Sistema de generación solar fotovoltaico
considerablemente su inversión económica. Se caracteriza porque el flujo de potencia puede

provenir de varias fuentes de energı́a y este depende de la topologı́a del alimentador. Adi-
cionalmente como presenta la figura 2.2, una posibilidad es la construcción de circuitos de
distribución radiales, y a través de dispositivos de maniobra normalmente abiertos (punto
de suplencia) convierte estos en configuración en anillo para minimizar la afectación a los
usuarios en caso de falla; sin embargo, este es restrictivo frente a las condiciones de cargabili-
dad de los alimentadores, que asumirán la carga total o parcial del alimentador en falla y de
regulación de tensión. Este alimentador puede pertenecer a la misma subestación o a otra,
que cumpla con criterios de operación mı́nimos para realizarlo: Que tenga el mismo nivel de
tensión, grupo de conexión del transformador de potencia y secuencia entre fases.
ALIMENTADOR
PRINCIPAL A
S/E 2
CARGA EQ.
CIRCUITO
TR S/E 2
ALIMENTADOR AT / MT RED AT
PRINCIPAL B S/E 2
S/E 2
EQUIPO DE
ALIMENTADOR SUPLENCIA (NA)
PRINCIPAL A
S/E 1
TR S/E 1 MT / BT CARGA
RED AT AT / MT ALIMENTADOR
S/E 1 PRINCIPAL B
S/E 1
MT / BT CARGA
Figura 2.2: Sistema de distribución con configuración mixta (suplencia).
2.2. Sistema de generación solar fotovoltaico

La energı́a solar fotovoltaica es el fenómeno fı́sico de conversión de la radiación solar en
energı́a eléctrica. Esta transformación se consigue aprovechando las propiedades de los mate-
riales semiconductores, mediante las células fotovoltaicas en las que usualmente el material
en el que están construidas es el silicio. Ası́, cuando la luz del Sol (fotones) incide en una
de las caras de la célula solar se genera a través del fenómeno fotoeléctrico una corriente
eléctrica continua.
Estos sistemas pueden presentar dos tipos de instalaciones comercialmente, los cuales son
Impactos en el sistema de distribución 15
las aisladas o modo isla, cuya solución es para abastecer una necesidad especı́fica, ya sea una
vivienda asilada del sistema interconectado nacional, una estación repetidora de telecomuni-
cación, bombeo de agua para riego, etc. Por otra parte se encuentran las de conexión a la red,
donde existe un flujo de potencia bidireccional en el que la energı́a producida se utiliza tanto
para el uso final como para inyectar los excedentes de generación a la red de distribución y
ser vendida al operador de red.
En este trabajo de grado nos enfocaremos en la segunda solución, la cual cuenta con tres
elementos básicos que son: Arreglo de paneles solares fotovoltaicos, instalados usualmente
sobre el tejado de un edificio o integradas en cualquier elemento estructural del mismo o en
un terreno libre y despejado para poder captar la mayor irradiancia posible. Otro elemento
importante es el inversor, empleado para convertir la energı́a de corriente continua que pro-
porcionan el arreglo de paneles a corriente alterna de valores nominales de la red eléctrica a
la que se conecta. Por último está el control de interconexión con la red eléctrica comercial, el
cual suele estar incorporado en los inversores o se puede emplear transferencias automáticas
garantizando el sincronismo necesario para realizar conexiones al sistema de manera segura
y que no afecten la integridad de los equipos que lo conforman.
2.3. Impactos en el sistema de distribución

La implementación de generación distribuida y en particular la energı́a solar fotovoltaica,
no representa energı́a firme al depender directamente de la disponibilidad del recurso solar
como fuente principal, representando alteraciones debido a la caracterı́stica estocástica de
la irradiancia y condiciones metereológicas [78]. Esto provoca alteraciones en los niveles de
tensión tales como variaciones, desbalances de tensión, sobretensiones, modificaciones en los
esquemas de coordinación de protecciones y flujo de potencia inverso, además de problemas
de calidad de potencia como flicker, armónicos (por las condiciones propias del sistema de
generación distribuida) y deterioro de los intercambiadores de tomas de los trasformadores.
Sin embargo, en este trabajo de grado nos enfocaremos en las tres primeras, ya que por medio
de estas se puede determinar la capacidad máxima de penetración de generación fotovoltaica
en las redes de distribución [7, 9, 13, 78–84].
La magnitud de estos impactos depende del nivel de penetración, el nivel de tensión de
distribución, la configuración de la red y la ubicación de la generación solar fotovoltaica en el
sistema de distribución [7]. Para efectos de análisis en este trabajo se contemplarán niveles de
penetración de energı́a solar fotovoltaica baja, media y alta, los cuales se obtienen realizando
variaciones a los niveles de dispersión y potencia de los sistemas fotovoltaicos instalados en
el alimentador de estudio.
16 Máxima penetración de energı́a solar fotovoltaica
2.3.1. Impactos en valores de tensión

Respecto a las variaciones de tensión producidas por la generación distribuida, especı́fi-
camente a causa de la energı́a solar fotovoltaica, se pueden presentar variaciones de tensión
y sobretensiones las cuales dependen del comportamiento estocástico del recurso solar.
Variaciones: La calidad del perfil de tensión es afectado por las fluctuaciones de la

potencia generada e inyectada al sistema de distribución, y cuando esta es influenciada
por la propiedad de los recursos naturales (como velocidad del viento, intensidad de
radiación solar, nubosidad etc.), ocasiona variaciones en el nivel de tensión suministrado
[8, 81, 85].
Sobretensiones: En estado estable el perfil de tensión decrece a lo largo de la red en

dirección del flujo de potencia, pero en función al nivel de penetración de energı́a solar
fotovoltaica en el sistema de distribución; sobre todo hacia el medio dı́a que es donde
se presenta la mayor irradiancia y por ende la mayor disponibilidad de recurso solar,
ocasiona que desde el punto de conexión se vea una reducción de la carga demandada,
reduciendo a su vez la potencia reactiva e incrementando ası́ los niveles de tensión en
los nodos cercanos a la ubicación de los paneles fotovoltaicos. [81]
2.3.2. Flujo de potencia inverso

En un esquema de generación distribuida, los paneles fotovoltaicos o cualquier fuente
de generación se encuentran cerca a la carga, lo que ocasiona que los niveles de tensión
en los nodos donde se encuentren instaladas aumenten, y que a su vez si se realiza una
alta penetración relativa de generación distribuida, se incrementarı́an considerablemente las
tensiones hasta tal punto de ser superiores que en cabecera, generando un flujo de potencia
inverso presentado principalmente en las horas donde los recursos energéticos presentan mayor
disponibilidad, aunque este fenómeno también puede presentarse en las horas valle debido a
que la generación total es mayor que la demanda de la carga; lo que produce una sobrecarga
en el alimentador y a su vez incrementa las pérdidas afectando los intercambiadores de tomas
de los transformadores de potencia y los reguladores automáticos de tensión [81, 86].
2.4. Máxima penetración de energı́a solar fotovoltaica

PV Hosting capacity por sus siglas en inglés, es la máxima penetración posible de gene-
ración solar fotovoltaica a conectar en un sistema de distribución sin que presente alguna
anomalı́a en el marco de los parámetros de calidad de potencia como lo son sobretensión,
Herramientas matemáticas 17
regulación de tensión y desbalance [10]. El Hosting capacity depende de las caracterı́sticas

propias de cada sistema de distribución, lo que representa que para cada nivel de participa-
ción y penetración, punto de instalación y topologı́a del alimentador esta varı́a, por lo cual
es necesaria la realización de procesos estocásticos a través de varias simulaciones mediante
un enfoque probabilı́stico [87–89], el cual contempla en nuestro caso las estimaciones para el
recurso solar (irradiancia y temperatura) y el perfil de carga del alimentador que se desee
modelar.
2.5. Herramientas matemáticas

Teniendo en cuenta que a los datos adquiridos se les debe realizar un ajuste probabilı́stico,
se requiere la implementación de distintas herramientas matemáticas que se emplearon de la
siguiente manera como lo indica la sección 3, para el perfil de carga y la irradiancia se realizó
un ajuste a través del Modelo de Gaussianas Mixtas y posteriormente se recrearon 1.000 dı́as
de sol a través del Análisis de Monte Carlo; por su parte para el ajuste probabilı́stico de
la temperatura, se implementó el método de interpolación por Splines cúbicas para que se
obtuviese dicha variable en función de la irradiancia, también se definen las Ecuaciones de
Carson empleadas para determinar las impedancias de secuencia y por último describe las
principales funcionalidades del software de simulación OpenDSS, herramienta computacional
empleada para el desarrollo del modelo del presente trabajo.
2.5.1. Modelo de Gaussianas Mixtas

El ajuste probabilı́stico de Modelo de Gaussianas Mixtas radica en la combinación y
sobreposición de varias distribuciones normales o gaussianas sobre la misma muestra aleatoria
de datos, esto representa una gran ventaja ya que esta condición convierte a la herramienta
en una muy versátil, ya que puede presentar distintos tipos de ajustes para los intervalos de
muestras analizados [90–92].
Entonces, para una muestra aleatoria Y = (Y1 , Y2 , ..., Yn ) de tamaño n, donde Yj es un
vector aleatorio con función de densisdad de probabilidad f (yj ) en este caso una normal. Ası́
y = (y1 , y2 , . . . , yn ) representa una muestra observada o realizada de Y , donde yj se refiere a
un valor observado del vector aleatorio Yj .
La función de distribución de probabilidad en el modelo de Gaussianas Mixtas está dada
por:
nc
X
f (yj |Ψ) = pi fi (yj |µi , σi2 )Ψ = (p1 , p2 , . . . , pnc , µ1 , µ2 , . . . , µnc , σ1 , σ2 , . . . , σnc )
i=1
18 Herramientas matemáticas
nc
X
1= pi
i=1
Donde nc es la cantidad de componentes de gaussianas y pi representa el porcentaje

de participación de la i-ésima componente. En este caso, debido a que es sobreposición de
distribuciones normales, la función de densidad de probabilidad puede expresarse mediante
f (y|µ, σ 2 ).
2.5.2. Análisis de Monte Carlo

El Análisis de Monte Carlo agrupa una serie de procedimientos que analizan distribucio-
nes de variables aleatorias usando simulación de números al azar, empleando una técnica que
hace uso de la estadı́stica para recrear mediante modelos matemáticos, el comportamiento
de sistemas no dinámicos. Esta caracterı́stica lo convierte en ideal para determinar la irra-
diancia y perfil de carga en este trabajo, debido a que se analizan distribuciones de variables
empleando simulación de números aleatorios. [93, 94].
El algoritmo de Monte Carlo realiza la generación de números aleatorios basándose en dis-
tribuciones acumuladas de frecuencia, identificando las variables que caractericen el sistema
para llevar a cabo un experimento, el cual consistente en:
Ajustar las distribuciones a los datos de entrada.
Ejecutar simulaciones.
Combinar las simulaciones.
Calcular intervalos de confianza.

σ
x̄ ± z √
n
Calcular incertidumbre:
1 Amplitud del intervalo de confianza
%Incertidumbre = × × 100 %
2 Estimación
2.5.3. Interpolación por Splines cúbicas

Este tipo de interpolación a trozos o segmentaria, se caracteriza por el grado de los polino-
mios con los que se interpola (en caso de este trabajo de grado 3) en los sub-intervalos, donde
se dispone en un conjunto de datos que cuyo objetivo fundamental es que sean expresados
en forma de alguna variable previamente definida f(x) = y.
Herramientas matemáticas 19
Una función Spline está formada por n − 1 polinomios, cada uno definido sobre un sub-
intervalo, que se unen entre si, obedeciendo a ciertas reglas de continuidad [95, 96].
Sea N+1 la cantidad de pares de datos (en nuestro caso irradiancia y temperatura) que
t0 < t1 < . . . < tn y k ≤ 0 tendrá una función spline (S ) de grado k que satisface:
Para todo intervalo [ti−1 , ti ], S es un polinomio de grado menor igual a k.
S tiene una derivada (k-1) continua para el intervalo [t0 , tn ].

 


 S0 (x) = a0i xi + a0i−1 xi−1 + · · · + a0 x + b0 , x ∈ [t0 , t1 ) 


S1 (x) = a1i xi + a1i−1 xi−1 + · · · + a1 x + b1 , x ∈ [t1 , t2 )

 

S(x) = .. .. = xy


 . 

 .
i i−1
Sn (x) = ani x + ani−1 x + · · · + an x + bn , x ∈ [tn−1 , tn ) 

 
2.5.4. Ecuaciones de Carsson

Método utilizado para determinar la impedancia de un alimentador el cual considera
parámetros eléctricos de las redes de distribución longitudinales y transversales; siendo los
primeros: resistencia e inductancia (impedancia expresado de manera compleja), que se mode-
lan a lo largo de la lı́nea eléctrica y dependen de dimensiones de construcción y de propiedades
del conductor. Por otra parte, los transversales son la capacitancia y conductancia (admitan-
cia expresado de manera compleja) representadas en paralelo que dependen de caracterı́sticas
constructivas de la red y permitividad del material. Estas últimas pueden no ser consideradas
para modelos de lı́nea corta [76]. Igualmente el método de Carsson contempla que la tierra
es una superficie plana e infinita con resistividad constante, se considera el efecto de retorno
de tierra bajo esta premisa [77, 97] analizando las impedancias propias y mutuas.

Sii
Zii = ri + 4wPii G + j xi + 2wG + ln + 4wQii G (2.1)
GM Ri

Sij
Zij = 4wPij G + j xi + 2wG + ln + 4wQij G (2.2)
Dij
Donde:
Zii : Impedancia propia del conductor [Ω/milla].
Zij : Impedancia mutua entre los conductores i, j [Ω/milla].
w: Frecuencia angular del sistema.
Pf : Potencia activa monofásica [W ].

20 OpenDSS
G: Conductancia del material en estudio.
xi : Reactancia del conductor i.
θij : Ángulo entre el par de lı́neas dibujadas del conductor i con su imagen y del con-
ductor i y la imagen de j.
GM Ri : Radio Medio Geométrico del conductor i.
Dij : Distancia entre los conductores i y j.
Sij : Distancia entre el conductor i y la imagen del conductor j.
2.6. OpenDSS
OpenDSS es un software de libre utilización ideado como una herramienta computacional
para el análisis de sistemas de distribución de energı́a eléctrica ante la presencia de generación
distribuida. Dentro de sus principales funcionalidades están:
Posibilidad de realizar simulaciones secuenciales con la frecuencia de muestreo deseada.

Esto es práctico en el presente trabajo, ya que se tienen diferentes muestreos para la
adquisición de los datos del perfil de carga, de la irradiancia y temperatura.
Cada elemento puede tener una única curva de carga o de funcionamiento. Esta función
es muy útil, ya que puede integrar la estimación realizada con el ajuste de Modelo de
Gaussianas Mixtas, Análisis de Monte Carlo e interpolación por Splines Cúbicas al
modelado del panel fotovoltaico.
Análisis de interconexión de generación distribuida. Prestando la posibilidad de im-

plementar paneles solares fotovoltaicos con sus curvas de eficiencia caracterı́sticas e
integrándolas al modelo.
Mejoramiento de la eficiencia en redes de distribución.
Modo de uso Dutycycle: simulación de ciclos de trabajo con incrementos de 1 a 5

segundos. Útil para el análisis de la generación de energı́a renovable [17], que permite
integrar datos cuya gestión de la información haya sido adecuada para el modelamiento.
Capı́tulo 3
Metodologı́a
Con el fin de determinar la capacidad máxima permitida de penetración de generación

solar fotovoltaica para una red industrial, se debe contemplar que los criterios técnicos de
la red permanezcan dentro de los parámetros establecidos por la normativa vigente. Para
Colombia, estos umbrales son establecidos por el Instituto Colombiano de Normas Técnicas y
Certificación (ICONTEC) a través de la Norma Técnica Colombiana NTC 5001 del 2008 [14]
y el reglamento de distribución de energı́a eléctrica mediante la resolución CREG 070 de
1998 [75].
Con base a ello, y de acuerdo a lo mencionado por Vera en [1], se realizó el análisis del
comportamiento de un circuito de distribución urbano con perfil de carga de caracterı́sticas
residenciales, el presente trabajo tiene un enfoque similar con la diferencia que se aborda un
alimentador con un perfil de carga industrial y que presentan tres diferencias representativas
que son: El comportamiento de la carga en un circuito industrial es indistinto si es un dı́a
entre semana o de fin de semana, como se explicará más a fondo en la sección 4.1, igualmente
de acuerdo a la información brindada por el operador de red el factor de uso de un circuito de
distribución industrial está entre el 60 % y el 70 % de la capacidad nominal de los transfor-
madores de distribución, para efectos del presente trabajo se asumirá 60 % ya que representa
la condición más exigente para el modelo. Por otra parte, las subestaciones de potencia en
alimentadores residenciales alimentan más circuitos y se requiere hacer equivalentes de carga
para validar el flujo de carga inverso, por su parte el alimentador industrial al no tener varios
circuitos, no se requiere hacer equivalentes de la demanda del transformador de potencia y
el alimentador permanece más tiempo en topologı́a normal sin ser requeridas suplencias. Por
último los transformadores de distribución en un alimentador industrial son de uso exclusivo;
en cambio, en un alimentador residencial se tienen varios usuarios para el mismo centro de
distribución.
21
22 Metodologı́a
MEDICIONES MEDICIONES MEDICIONES

DE CARGA DE IRRADIANCIA DE TEMPERATURA CIRCUITO DE
ESTUDIO
(Suministradas por el
Operador de red) Escuela Colombiana de Escuela Colombiana de (Suministrada por el
Operador de red)
AJUSTE MODELO DE POR SPLINES

GAUSSIANAS ECUACIONES DE
MIXTAS CARSON
(Constantes de
(AJUSTE GMM)
GMM CARGA
12 AJUSTES
(Muestreo cada hora)

MONTE CARLO
GMM IRRADIANCIA
(Para 1000 simulaciones) POLINOMIOS
144 AJUSTES
(Muestreo cada 5 minutos)

MATLAB
12000 ESTIMACIONES 144000 ESTIMACIONES 144000 ESTIMACIONES

DE CARGA DE IRRADIANCIA DE TEMPERATURA MODELO DEL CIRCUITO
(Z1 y Z0)
(Muestreo cada hora) (Muestreo cada 5 minutos) (Muestreo cada 5 minutos)
OPEN DSS
1000 Iteraciones para 12 horas sol
Variables de seguimiento
(V, I, P, Q)
RESULTADOS
(MATLAB)
Figura 3.1: Diagrama de flujo para determinar la capacidad máxima permitida de penetración
solar fotovoltaica en un circuito de distribución industrial (modificado de [1])
23
La figura 3.1 muestra la metodologı́a utilizada en este trabajo para determinar la máxi-
ma penetración de generación solar fotovoltaica para redes de distribución industriales, en
donde se relacionan los parámetros de entrada y salida para cada subproceso, los cuales se
clasificaron en cuatro grandes bloques que son: Adquisición de datos, ajuste probabilı́stico
para determinar las estimaciones del recurso solar y carga, modelado de la red con los respec-
tivos criterios de simulación y visualización de resultados realizados en MatLab y OpenDSS.
En secciones posteriores, se especificará el procedimiento ejecutado en estos bloques. En la
primera se presenta la manera en la que se obtuvieron los datos a partir de los cuales se
elabora el modelo implementado, seguido del procedimiento para obtener el ajuste proba-
bilı́stico de la irradiancia y de la carga a través del ajuste Modelo de Gaussianas Mixtas y de
análisis de Monte Carlo, después se describe el procedimiento para obtener la temperatura
de operación del panel fotovoltaico en función de la irradiancia a través de interpolación por
Splines cúbicas para obtener las estimaciones o datos de entrada para la simulación, junto
con el modelado del alimentador a partir de la topologı́a del mismo, además se presenta
cada uno de los criterios para realizar el modelo del sistema de distribución seleccionado
para determinar la máxima penetración de generación solar fotovoltaica en un circuito de
distribución industrial en el software OpenDSS, seguido la descripción de las simulaciones a
realizar y el tratamiento de datos obtenidos de cada simulación; y por último se presentan
las consideraciones y escenarios definidos para cada caso de estudio.
A partir de las simulaciones bajo los criterios establecidos, se realizan 1.000 iteraciones
para 12 horas de sol al dı́a con una frecuencia de muestreo de 5 minutos extrayendo la infor-
mación de las variables de seguimiento, que en este caso son las tensiones, corrientes, potencia
activa y reactiva en cada nodo del alimentador, realizando la comparación y análisis de com-
portamiento de cada una de estas por escenario de penetración y participación propuestos.
En caso de que se violen los criterios de aceptación, se determina la máxima penetración de
generación solar fotovoltaica en redes de distribución industriales.
En el caso que en ningún escenario sean vulnerados los umbrales establecidos, se dice que
la máxima penetración de generación solar fotovoltaica es superior al 100 %; sin embrargo,
como el criterio de parada para determinar la máxima penetración de generación solar foto-
voltaica es vulnerar los umbrales definidos para las variables de seguimiento, se definen dos
escenarios adicionales, que son con una participación del 100 % y con penetración del 120 %
y 150 %, lo que contempla una instalación solar con potencia de generación mayor a la ca-
pacidad instalada en el alimentador de distribución, que debe ser validada para que durante
las horas de generación nominal de los paneles solares fotovoltaicos, no se sobrecargue los
transformadores de distribución ya que no es una condición permitida por el operador de red.
24 Adquisición de datos
3.1. Adquisición de datos

El operador de red suministró información con la topologı́a del alimentador requerido con
datos como ubicación, longitud, tipos y calibres de conductor; igualmente fue suministrada
información técnica y de operación de los equipos pertenecientes a dicho alimentador y a la
subestación de potencia de la cual está conectado, tal información fue potencia de transfor-
madores, factor de uso, perfil de carga, mediciones instantáneas de carga que determinan el
desbalance, entre otros. Ası́, para el perfil de carga del alimentador de estudio, se suministró
información para el periodo comprendido entre junio de 2020 y junio de 2021 con un muestreo
horario.
Figura 3.2: Estación meteorológica VSN800-14 Weather Station de ABB. Tomado de [110]
De manera similar, los valores de mediciones de irradiancia y temperatura fueron ob-

tenidos de la estación meteorológica VSN800-14 Weather Station de ABB [110] (ver figura
3.2), la cual fue instalada en la Escuela Colombiana de Ingenierı́a Julio Garavito para el
periodo comprendido entre junio de 2020 y junio de 2021 al igual que los datos previamente
obtenidos de cargabilidad del alimentador, aunque con un muestreo de 5 minutos. A pesar
de que se suministró la data para las veinticuatro horas del dı́a, se extrajo únicamente la
información asociada a la franja horaria de 06:00 a 18:00, ya que es el rango de horas sol al
dı́a, obteniendo 144 ajustes de Modelo de Gaussianas Mixtas. Posteriormente, con los ajustes
obtenidos de irradiancia y carga, se realizó el análisis de Monte Carlo para la creación de
1.000 eventos para cada ajuste; equivalentes al número de dı́as que se realizó la simulación,
obteniendo ası́ 144.000 estimaciones de irradiancia. Debido a la diferencia entre las tasas de
muestreo para los datos de carga y recurso solar, se asumió que la carga del alimentador es
Modelo probabilı́stico 25
constante durante la hora t para las doce simulaciones, en las que varı́an la irradiancia y la
temperatura como se mencionará en la sección 4.5.
3.2. Modelo probabilı́stico

La implementación de generación distribuida y en particular la energı́a solar fotovoltaica,
no representa energı́a firme al depender directamente de la disponibilidad del recurso solar
como fuente principal, representando alteraciones debido a la caracterı́stica estocástica de
la irradiancia y condiciones metereológicas [17], además el perfil de carga tı́pico del circuito
industrial a analizar, se hace necesario un ajuste de probabilidad para las estimaciones de
recurso solar y perfil de consumo para los intervalos de simulación que se seleccionaron.
Con esta necesidad, los ajustes mediante Modelo de Gaussianas Mixtas y Análisis de Monte
Carlo se convierten en las herramientas idóneas para realizar estas estimaciones y que serán
nuestros datos de entrada una vez definidas las tasas de muestreo de medición de los datos
a emplear, ya que esto está directamente relacionado con los ajustes de probabilidad con sus
respectivos histogramas, donde cada uno podrı́a tener funciones de probabilidad distintas.
De acuerdo a lo evidenciado en la figura 3.1, los datos de entrada de todo el proceso son
los valores asociados a las mediciones de tres variables: Carga, irradiancia y temperatura. Los
primeros fueron obtenidos como se mencionó, a partir del operador de red quien suministró
dicha información para un intervalo comprendido entre junio de 2019 hasta junio de 2021 con
un muestreo horario. Por otra parte, los valores de mediciones de irradiancia y temperatura
fueron obtenidos de la estación meteorológica instalada en la Escuela Colombiana de Inge-
nierı́a Julio Garavito para el mismo periodo de las mediciones de carga, con un muestreo de
cada 5 minutos. Con base a esta información, se selecciona el intervalo entre junio de 2020
y junio de 2021, debido a que se evidencia que como particularidad y por las condiciones
sanitarias producto de la cuarentena a causa de la pandemia por el COVID-19, el perfil de
carga del alimentador presenta un comportamiento normal a partir de esta fecha, en la que
coincide con el periodo donde se levantaban por parte del gobierno nacional restricciones de
cuarentena.
Con base a lo anterior y como se muestra en la figura 3.1, en el caso de la carga, se rea-
lizan 12 ajustes que corresponden a uno por cada hora de sol del dı́a (periodo comprendido
entre las 06:00 hasta las 18:00); mientras que para la irradiancia establecen ajustes proba-
bilı́sticos cada 5 minutos, lo que equivale a 144 ajustes para el mismo intervalo de sol del
dı́a. Posteriormente, con los ajustes obtenidos de irradiancia y carga se realiza el análisis
de Monte Carlo, para la creación de 1.000 eventos para cada ajuste anteriormente descritos
equivalentes al número de dı́as, que a su vez reflejan las simulaciones que posteriormente se
realizarán; obteniendo de esta manera 12.000 estimaciones para el perfil de carga y 144.000
26 Modelo probabilı́stico
estimaciones de irradiancia. Adicionalmente y dada la relación existente entre la irradiancia

y la temperatura, se realiza interpolación por Splines cúbicas para obtener los polinomios
que definan la función de temperatura para cada valor de irradiancia estimado, generándose
ası́ igualmente 144.000 estimaciones de temperatura.
Las estimaciones de carga, irradiancia y temperatura se relacionan en los nodos de baja
tensión a través del software de simulación, siendo la estimación de carga asignada a cada
transformador de distribución con que cuente la red, para que presenten el comportamiento
de perfil de carga estimado. Por su parte, las estimaciones de irradiancia y temperatura deben
ser asignadas a los módulos correspondientes al modelo de paneles solares fotovoltaicos que
requieren entre otras estos datos de entrada en el software OpenDSS.
3.2.1. Ajuste Modelo de Gaussianas Mixtas

Partiendo que un ajuste mediante funciones de densidad de probabilidad convencionales,
no es el apropiado para el desarrollo del presente trabajo, ya que debido a la gran cantidad de
datos obtenidos, por la naturaleza variable del perfil de carga y la irradiancia, puede presen-
tarse que sus resultados no se ajusten con facilidad; por tal razón, se decide implementar en el
desarrollo de este trabajo la metodologı́a presentada por Singh y Quiros en 2018 [98,99], que
consiste en ajuste de Modelos Gaussianas Mixtas cuya función de densidad de probabilidad
(f (y)) es la suma ponderada de M distribuciones normales, como se describió en la sección
2.5.1. Este ajuste de datos se detalla posteriormente en el capı́tulo 4.
El reto principal con la implementación de este ajuste, es determinar la cantidad M de
componentes gaussianas a emplear, principalmente porque al ser un número alto de compo-
nentes que brindarı́an un ajuste con mejor precisión, se generan inconvenientes de conver-
gencia en el cálculo [98]. Por tal razón se emplea el criterio de información de Akaike para la
estimación del modelo [100], que es una opción para determinar el número de componentes
que mejor representa una serie de datos y que a su vez contiene una validación del modelo
ajustado; para seleccionar el modelo que mejor representa los datos se debe tomar aquel que
obtenga el menor valor [101]. Una vez definido esto; en MATLAB, el proceso de ajuste de
los modelos de Gaussianas Mixtas se ejecutan con configuraciones de hasta 5 componentes
gaussianas, a los que al finalizar el cálculo se les realiza validación mediante el test de bondad
de ajuste X 2 para un nivel de significancia α establecido. En caso que todas las estimaciones
sean aprobadas, no es necesario aumentar la cantidad de componentes gaussianas.
3.2.2. Análisis de Monte Carlo

Para el presente trabajo, se emplearon los 5 pasos relacionados por McMurray en [94] y
mencionados en la sección 2.5.2, los cuales son:
Modelo probabilı́stico 27
Ajustar las distribuciones a los datos de entrada: Previo a la recreación de

números aleatorios, es necesario determinar la función de densidad de probabilidad que
ajuste los datos de entrada. Para el trabajo se ajusta con el Modelo de Gaussianas
Mixtas previamente descrito.
Ejecutar simulaciones de Monte Carlo: Una vez identificada la función de den-

sidad de probabilidad, se debe determinar el número de simulaciones necesarias para
que los resultados sean válidos, teniendo en cuenta que mayor número de simulaciones
significa mayor precisión pero también mayor requerimiento computacional.
Combinar las simulaciones de Monte Carlo: Consiste en sustituir cada uno de

los valores del paso anterior en la función matemática de interés y ası́ obtener los n
resultados simulados.
Calcular intervalos de confianza: En el caso de una distribución normal (las em-

pleadas en el ajuste de Gaussianas Mixtas) el intervalo de confianza se determina como
refleja la ecuación 2.5.2. De esta manera, el intervalo de confianza depende de la media
(x̄), desviación estándar (σ), número de simulaciones (n) y z-valor (z).
Calcular incertidumbre: Por último, esto se realiza a través de la ecuación 2.5.2.
3.2.3. Interpolación por Splines Cúbicas

La temperatura de operación del panel en un sistema de generación fotovoltaica tiene una
relación inversamente proporcional con la energı́a generada; es decir que a mayor temperatura
de operación del panel, esto ocasiona una disminución en la eficiencia de generación del
sistema solar fotovoltaico [102,103]; con base a esta relación, se hace necesario determinar una
herramienta matemática que a partir de las mediciones realizadas para estos dos parámetros
establezca una función que las relacione, se estableció la relación por medio de interpolación,
especı́ficamente Splines Cúbicas ya que de acuerdo a lo expresado por Ramos [104, 105] son
las de mayor precisión. Con base a lo anterior, para efectos de este trabajo se asumió que
esta temperatura solo depende del nivel de irradiancia (datos medidos).
Como se observa en la figura 3.1, inicialmente se realiza la adquisición de datos de la
irradiancia disponible y temperatura de operación del panel medidos en la estación me-
teorológica de la Escuela Colombiana de Ingenierı́a Julio Garavito. Cabe resaltar que esta
extracción de datos debe realizarse con el mismo muestreo para que se relacione de manera
adecuada mediante interpolación; con estas mediciones a través de MATLAB se realiza dia-
grama de dispersión y se determinan los polinomios cúbicos que relacionan las dos variables
para cada intervalo definido, posteriormente el conjunto de polinomios obtenidos es evaluado
28 Modelo del Sistema eléctrico
con cada uno de los valores de irradiancia obtenido con el análisis de Monte Carlo descrito
en la sección anterior, para obtener la misma cantidad de valores para ambas variables; ası́
estos 144.000 datos de temperatura obtenidos, representan información de entrada para el
software OpenDSS en el modelo del panel fotovoltaico.
De acuerdo con lo mencionado en la sección 2.5.3, entre mayor sea el grado de los poli-
nomios a calcular, mayor será la precisión en la interpolación, sin embargo esto representa
mayor requerimientos de cómputo; de esta manera un grado razonable para emplear es po-
linomio de grado tres (3), k=3. Para obtener los n − 1 polinomios se sigue el procedimiento
mostrado en [96].
3.3. Modelo del Sistema eléctrico

A continuación, se presentan los criterios de selección del circuito de distribución in-
dustrial, el modelado del sistema solar fotovoltaico y de la carga, para posteriormente ser
integrados en el software de simulación OpenDSS.
3.3.1. Circuito de distribución

Teniendo en cuenta que el circuito de distribución debe presentar un comportamiento de
carga de carácter industrial, para el operador de red incumbente en la ciudad de Bogotá y
el departamento de Cundinamarca se tienen dos posibilidades: la Zona Franca de Occidente,
es decir el corredor de los municipios de Cota, Funza, Madrid y Mosquera o la Sabana Norte
de Bogotá que comprende los municipios de Chı́a, Cajicá, Zipaquirá y Tocancipá; siendo este
último el seleccionado, debido a sus caracterı́sticas técnicas, donde se tiene la mayor carga
con perfil completamente industrial en las subestaciones eléctricas, a las cuales pertenecen
los alimentadores que suministran el servicio de energı́a a los clientes de la zona; además por
la ubicación geográfica de la estación meteorlógica de la cual se tomó la medición de los datos
de irradiancia y temperatura de operación de los paneles, presenta cercanı́a a su trazado y
por consiguiente las condiciones meteorológicas son completamente aplicables a esta zona.
Con base a lo anterior, se seleccionó la Subestación Termozipa, la cual es alimentada por
alta tensión a 115 kV y que alimenta dos transformadores de potencia de 30 MVA de carac-
terı́sticas eléctricas idénticas, con niveles de tensión de 115/34.5 kV cuya salida por media
tensión alimenta la barra a la que se encuentran los alimentadores Quala y Rurales. Para
el presente trabajo se seleccionó el alimentador Rurales, ya que presenta mayor consumo
energético y presenta una mayor longitud en kilómetros respecto a los demás circuitos de la
subestación, además cuenta con una pequeña central hidroeléctrica propiedad de la compañı́a
Colcerámicas (CORONA), que servirá para analizar el comportamiento de la generación solar
Modelo del Sistema eléctrico 29
fotovoltaica en un alimentador con presencia de otras generaciones distribuidas implemen-

tadas. Para la troncal principal del alimentador Rurales se tienen distintos tramos de red
que bien pueden ser aéreos o subterráneos, permitiendo ası́ la conexión de transformadores
de distribución donde principalmente corresponden a equipos de uso exclusivo para un único
cliente de tipo industrial; igualmente modelo del panel solar fotovoltaico es conectado al nodo
de baja tensión del transformador de distribución.
Los tramos de red del alimentador deben ser modelados mediante las ecuaciones de Car-
son mostradas en la sección 2.5.4 de las cuales se obtendrán las impedancias de secuencia
para ser modeladas en OpenDSS, esto se detallará en la sección 4.3. El alimentador seleccio-
nado presenta caracterı́sticas de redes de distribución mixta ya que a pesar de que presenta
un generador exclusivo que es considerado como un punto suplencia por la capacidad de
este, únicamente suple la demanda de una porción de los transformadores de distribución
convirtiéndolo en una suplencia parcial; considerándose en términos generales al alimentador
Rurales como un alimentador con configuración radial.
3.3.2. Sistema solar fotovoltaico
Como se mencionó anteriormente, ya que la resolución CREG 030 del 2018 [4] propone
medir el nivel de penetración solar fotovoltaico en función de la potencia instalada del trans-
formador aguas arriba de la instalación del sistema solar fotovoltaico, este será conectado
directamente al lado de baja tensión de cada transformador de distribución del alimentador
Rurales; adicionalmente como se muestra en la figura 3.3. que es el modelo de un sistema
solar fotovoltaico en OpenDSS, se identifican variables de entrada que se han obtenido previa-
mente como las estimaciones de irradiancia y temperatura obtenidas, a través de los ajustes
del Modelo de Gaussianas Mixtas junto con el análisis de Monte Carlo e interpolación por
Splines Cúbicas respectivamente.
Otros datos de entrada son la potencia activa, reactiva, factor de potencia y punto de
máxima potencia (Pmpp ), donde para el factor de potencia se relacionó F P = 1.0 ya que
un panel solar fotovoltaico no suministra potencia reactiva. El Pmpp y la potencia activa
suministrada variarán en cada simulación de acuerdo el escenario de penetración que se esté
modelando, esto será detallado en la sección 4.5, adicional a ello, OpenDSS requiere dos curvas
caracterı́sticas que afectan considerablemente el valor de generación suministrada, que son
la eficiencia del panel en función de la potencia generada y la potencia generada en función
de la temperatura de operación del panel; para estos dos datos de entrada se emplearon las
curvas caracterı́sticas del fabricante de paneles solares fotovoltaicos BISOL Group [106], las
cuales coinciden con las propuestas por el software de simulación OpenDSS.
30 Modelo del Sistema eléctrico
Eff
Pmpp
DC
Temp
AC
Irrad
P kV kVAR pf
Figura 3.3: Modelo sistema solar PV en OpenDSS
3.3.3. Carga
El operador de red suministró los datos de las mediciones de corriente instantánea rea-
lizada por los relés para cada fase del interruptor del alimentador Rurales, igualmente se
entregaron los datos de factor de potencia instantáneo. Como se indicará en la sección 4.1.
ası́ cada perfil de carga obtenido representa el comportamiento en por unidad de la red visto
desde cabecera, posteriormente este comportamiento es trasladado a los puntos concentrados
de carga, es decir a cada transformador de distribución, esta asignación se realiza de manera
monofásica según la potencia nominal, factor de uso y desbalance; datos reportados por el
operador de red.
Igualmente, de acuerdo a información suministrada por el operador de red, todas las
cargas del alimentador Rurales ya que presentan un comportamiento de consumo de tipo
industrial y contemplando que los transformadores de distribución de este alimentador son
de uso exclusivo, se modelaron con un factor de uso del 60 % y se representaron como cargas
monofásicas con potencias activa (P) [kW ] y reactiva (Q) [kV AR] constantes a las que se les
aplicó el desbalance promedio calculado con los datos suministrados por el operador de red,
esto se presenta detalladamente en la sección 4.1.
Como se mencionó previamente, este procedimiento se aplicó igualmente para el perfil de
carga en el alimentador Quala medidos y suministrados por el operador de red; es decir, se
modeló como tres cargas monofásicas con las corrientes medidas con el desbalance aplicado.
Modelo del Sistema eléctrico 31
3.3.4. Integración de modelos

Una vez se tenga cada uno de los modelos implementados, estos pueden ser integrados
a través del software de simulación OpenDSS en donde se parametriza para que se realicen
iteraciones cuasidinámicas cada 5 minutos; es decir, que para cada intervalo definido, se
realiza una simulación con los datos de carga, irradiancia y temperatura estimados para la
frecuencia de muestreo deseada como se indicó en la sección 2.6. Este proceso se realizó
para las 12 horas de sol al dı́a con un total de 1.000 dı́as simulados. Para cada simulación
es necesario extraer los resultados de las variables de estudio (voltaje, corriente y potencia)
medidos en el nodo de media tensión de cada transformador de distribución y nodo inicial de
cada tramo de red, los cuales son almacenados en monitores (medidores en OpenDSS) para
que posteriormente sean analizados con el apoyo de la herramienta MATLAB y ası́ finalmente
determinar la máxima penetración de generación solar fotovoltaica para el alimentador de
estudio.
Capı́tulo 4
Casos de estudio
Este capı́tulo describe cómo se desarrolló el caso de estudio y cómo se realizaron los
modelos respectivos, donde inicialmente se expone el análisis de la información a partir de
los datos adquiridos, luego se muestra la forma en la que se integraron las estimaciones
obtenidas, incluyendo los umbrales y consideraciones generales de operación para cada caso
de escenario y penetración propuestos, a los que se les realiza el análisis para determinar la
máxima penetración de generación solar fotovoltaica a partir de la integración de todos los
modelos en el software de simulación OpenDSS y procesamiento de datos con la ayuda del
software computacional MATLAB.
4.1. Perfil de Carga

La carga o demanda de energı́a en un sistema eléctrico, es un parámetro fundamental
para determinar la máxima penetración de energı́a solar fotovoltaica debido a que para los
momentos en que la demanda de energı́a sea mı́nima, representa desafı́os para el modelo del
sistema, puesto que en caso que coincida con un horario de máxima generación fotovoltaica
incrementarı́a los impactos en el sistema de distribución descritos en la sección 2.3. Por tal
razón se requiere determinar el perfil o perfiles de carga que se incluyan en el modelo a simular,
para determinar la máxima penetración de generación solar fotovoltaica en un circuito de
distribución industrial.
Con base a los datos suministrados por el operador de red mencionados en la sección
3.1, se tiene la información de la carga monofásica en la cabecera del alimentador Rurales
de la subestación Termozipa, para el periodo comprendido entre junio de 2020 y junio de
2021 con un muestreo horario. Ahora bien, para determinar los perfiles de carga que se van
a modelar y contemplando que la carga del alimentador de estudio presenta comportamiento
industrial que se caracteriza por tener un perfil de demanda constante, independiente si el
dı́a en estudio es hábil o no, se procedió a verificar esta información contemplando los dos
escenarios planteados por Vera [1] que son dı́a hábil laboral y dı́a de fin de semana, en donde
32
Perfil de Carga 33
se evidenciarı́a la necesidad de implementar los dos perfiles de carga o si bien de la manera

esperada se modelaba un único perfil de carga. En la figura 4.1 se muestra la curva de carga
promedio para un dı́a hábil mediante la lı́nea de color rojo; por otro lado, la curva promedio
para un dı́a de fin de semana se representa con lı́nea azul.
210
200
190
180
Corriente [A]
170
160
150
140
130
120
Curva promedio carga de día hábil
110
Curva promedio carga de fin de semana
100
0 5 10 15 20 23
Hora
Figura 4.1: Curva de carga alimentador Rurales según tipo de dı́a
La ecuación 4.1 muestra la máxima diferencia que hay entre la carga de un dı́a hábil y la
del fin de semana, donde se puede ver que es de 4.29 %, la cual ocurre en la última hora del
dı́a. Por tal razón y como se aprecia en la gráfica, este comportamiento puede considerarse un
perfil de carga único indistinto si corresponde a un dı́a hábil o de fin de semana. Igualmente
se puede apreciar como se describió en la sección 3.3.
(193.45 − 185.16)
%Dif = × 100 % = 4.29 % (4.1)
193.45
Una vez determinado el modelo de carga para determinar la máxima penetración de
energı́a solar fotovoltaica, se contempla la aleatoriedad de dicho parámetro y se requiere
hacer un ajuste probabilı́stico que represente completamente dicho comportamiento. Como
se mencionará en la sección 4.5 al tener 12 horas de simulación correspondientes a las horas de
sol al dı́a, donde inicialmente se validaron los datos analizando el histograma que representa
el comportamiento estadı́stico para la demanda de energı́a para cada hora, como se observa
en la figura 4.2 presenta un comportamiento similar a una distribución normal. Sin embargo,
con el ajuste de Método de Gaussianas Mixtas, representado con la lı́nea roja, se obtiene
una mayor precisión al brindar la posibilidad de ajustarlo a más distribuciones normales
34 Perfil de Carga
combinadas. Como se presenta en el anexo A.1 para la hora de las 12:00, esta tuvo un ajuste
con 5 gaussianas, en dicho anexo se puede apreciar los valores caracterı́sticos de para cada
ajuste realizado como lo son: media, desviación estándar y porcentaje de participación por
componente.
Figura 4.2: Validación gráfica del ajuste de Gaussianas Mixtas de la carga obtenida para las
12:00.
En la tabla 4.1 se muestran los valores de media (µ), desviación estándar (σ) y proporción
de cada componente gaussiana para el ajuste realizado a la carga obtenida para la hora de
las 12:00.
Tabla 4.1: Modelos ajustados del perfil de carga para

los datos medidos
HORA PARÁMETRO COMP. 1 COMP. 2 COMP. 3 COMP. 4 COMP. 5
µ 111.9665 161.9205 179.9792 212.7429 239.6905

12:00 σ 3401.8288 811.662 105.2018 134.0475 570.2154
Prop 0.0123 0.2122 0.3019 0.2644 0.2092
Igualmente como se evidencia en la tabla 4.2, el alimentador Rurales presenta un ligero

desbalance en las corrientes de fase, esto es atribuible a motores monofásicos, cargas por
iluminación, etc., por tal razón todas las cargas serán conectadas al nodo de baja tensión
de cada transformador de distribución y modeladas como 3 cargas monofásicas con P y Q
Recurso solar 35
constantes, a los que se les será aplicado los porcentajes de desbalance obtenidos, con un
factor de uso del 60 % de acuerdo a la información suministrada por el operador de red. Para
el factor de potencia, se tiene un valor de F P = 0.969 en atraso medido en la cabecera de la
subestación Termozipa, y será relacionado dentro de los parámetros de simulación.
Tabla 4.2: Desbalance de carga en cabecera alimentador Rurales

MEDICIÓN ITEM FASE A FASE B FASE C
CARGA 185.846 198.743 185.697

MEDICIÓN 1
BALANCE 100 % 106.940 % 99.920 %
CARGA 240.784 250.397 237.432

MEDICIÓN 2
BALANCE 100 % 103.992 % 98.608 %
CARGA 195.999 208.77 90.992

MEDICIÓN 3
BALANCE 100 % 106.516 % 97.445 %
CARGA 199.532 209.328 195.216

MEDICIÓN 4
BALANCE 100 % 104.909 % 97.837 %
DESBALANCE CARGA 205.54025 216.8095 202.33425

PROMEDIO
BALANCE 100 % 105.589 % 98.453 %
Posterior a cada ajuste realizado por el Método de Gaussianas Mixtas, con el apoyo del
método de Monte Carlo se recrearon 1.000 dı́as de sol para realizar ası́ la simulación en
OpenDSS con los modelos obtenidos, a partir de ello y como se explicó en la sección 3.3.3, se
relaciona la estimación del perfil de carga ajustada al modelo en por unidad para ser ingresada
en cada modelamiento de carga como un “LoadShape” en el software de simulación OpenDSS,
lo que hace que la carga modelada asociada a cada transformador de distribución se limite
su comportamiento dependiendo del ajuste probabilı́stico realizado a la demanda de energı́a.
Igualmente, este procedimiento se aplicó para el perfil de carga en el alimentador Quala, que
es el circuito de distribución que igualmente alimenta el transformador de potencia de la
subestación Termozipa, cuyos valores de carga nominales son medidos en el interruptor de
cabecera y suministrados por el operador de red; es decir, este alimentador se modeló como
tres cargas monofásicas cuyas corrientes son las medidas en cabecera, a las que se les aplicó
el desbalance obtenido para el alimentador Rurales.
4.2. Recurso solar

En esta sección se relacionarán las consideraciones generales para los modelos de irradian-
cia y temperatura en la simulación del software computacional OpenDSS, para determinar la
36 Recurso solar
máxima penetración de generación de energı́a solar fotovoltaica en un circuito de distribución

industrial, como lo es el alimentador Rurales de la subestación Termozipa.
4.2.1. Irradiancia
Inicialmente, para seleccionar la fuente de datos para el modelado del recurso solar, se
contemplaron dos posibilidades que fueron las mediciones de irradiancia obtenidas de la
estación meteorológica de la Escuela Colombiana de Ingenierı́a, para el periodo comprendido
entre junio de 2020 y junio de 2021, con un muestreo de 5 minutos. Por otro lado, se tienen
los datos promedio almacenados en el portal web del Atlas interactivo del IDEAM mediante
una estación meteorológica instalada en la Universidad Nacional de Colombia (Sede Bogotá)
para el año 2020 con un muestreo horario. Los niveles de error presentados son mitigados
mediante el incremento de iteraciones que son modeladas a través del análisis de Monte Carlo,
ya que por medio de este, se recrean 1.000 dı́as generando 144.000 flujos de potencia a partir
de los 144 ajustes de Gaussianas Mixtas realizados para los datos de irradiancia medidos
de la estación meteorológica de la Escuela Colombiana de Ingenierı́a. Dicha reducción en el
error porcentual es debido a que a mayor número de iteraciones, los resultados de los ajustes
tienden más a los valores esperados.
Curva promedio de valores de irradiancia medidos

600 Curva promedio de irradiancia Atlas interactivo IDEAM
500
Irradiancia [W/m2]
400
300
200
100
0
6 8 10 12 14 16 18
Hora
Figura 4.3: Curva de irradiancia promedio a partir de las mediciones Vs Curva de irradiancia
de Atlas interactivo IDEAM
En la figura 4.3 se aprecian de color rojo el valor medio de la totalidad de estimaciones de

irradiancia ingresadas al software de simulación OpenDSS y en azul se presenta el valor medio
Recurso solar 37
de los datos de irradiancia obtenidos del atlas interactivo del IDEAM [111]. A continuación,
se relaciona el error porcentual a causa de la realización 1.000 eventos en la simulación, siendo
el máximo error el 6 % y el menor error que se ocasiona a las 11:00 del 2 %.
(500.2 − 530.6)
%error = × 100 % = 6 %
530.6
Por tal razón, se decidió implementar en el modelo la data obtenida de la estación me-
teorológica VSN800-14 Weather Station de ABB, ya que al contar con información con un
muestreo de cada 5 minutos para un año completo de mediciones, se tienen los datos suficien-
tes para realizar un ajuste probabilı́stico con mucha más precisión, por medio del modelo de
Gaussianas Mixtas se realizaron 144 estimaciones, lo que equivale a uno cada 5 minutos para
las horas de sol al dı́a representando mejor calidad en la información que se va a ingresar
al modelo de OpenDSS, considerando que a través del análisis de Monte Carlo se recrearon
1.000 dı́as para el modelo; adicionalmente la ubicación geográfica de la estación meteorológica
de la Escuela Colombiana de Ingenierı́a representa caracterı́sticas geográficas similares a las
presenciadas en el trazado de red del alimentador Rurales por lo que se asume que el recurso
solar es igual para esta zona.
Figura 4.4: Validación gráfica del ajuste de Gaussianas Mixtas de irradiancia obtenido para
las 13:30.
Inicialmente se analizó el histograma que representa el comportamiento estadı́stico, para la

irradiancia medida como se observa en la figura 4.4. De igual manera, se presenta el ajuste de
método de Gaussianas Mixtas, realizado para este comportamiento el cual está representado
38 Recurso solar
con la lı́nea roja; como se detalla en el anexo A.2 para la hora de las 13:30, esta tuvo un
ajuste con 5 gaussianas, como se indicó en la sección 4.1, en dicho anexo se pueden apreciar los
valores caracterı́sticos de Gaussianas Mixtas para cada ajuste realizado como lo son: media,
desviación estándar y porcentaje de participación por componente. Posteriormente se realizó
la prueba de bondad de ajuste X 2 con un nivel de significancia del 5 % para validar el ajuste
obtenido.
En la tabla 4.3 se muestran los valores de media (µ), desviación estándar (σ) y proporción
de cada componente gaussiana para el ajuste realizado a la irradiancia obtenido para la hora
de las 13:30.
Tabla 4.3: Modelos ajustados del perfil de irradiancia

para los datos medidos
µ 234.9803 363.2237 559.5013 761.4427 892.3104

13:30 σ 9856.828 12637.3139 2204.0701 1491.5972 7280.6524
Prop 0.5741 0.1284 0.0652 0.0905 0.1419
4.2.2. Temperatura de operación del panel solar fotovoltaico
De manera similar para la irradiancia; los datos de temperatura de operación que son
aquellos valores de temperatura medidos en la superficie de la celda del panel solar fotovol-
taico, fueron obtenidos de la estación meteorológica de la Escuela Colombiana de Ingenierı́a
Julio Garavito para el periodo comprendido entre junio de 2020 y junio de 2021, con un
muestreo de 5 minutos. A partir de los valores de irradiancia y de temperatura medidos por
la estación meteorológica, se construyó la gráfica de temperatura de operación en función de
la irradiancia, la cual se puede apreciar en la figura 4.5 (a).
Igualmente se realizó interpolación por Splines cúbicas, en el anexo A.3 se relaciona para
cada intervalo de irradiancia estimada y las constantes que acompañan a la variable elevada
a la potencia indicada; gráfica que se indica en la figura 4.5 (b); por tal razón, evaluando
cada valor de irradiancia estimado a través del ajuste de Modelo de Gaussianas Mixtas
y análisis de Monte Carlo, se generarán igualmente 144.000 estimaciones de temperatura
y como se mencionó en el capı́tulo 3 ya que la relación entre eficiencia de generación del
panel solar fotovoltaico y temperatura afecta directamente la potencia generada en el sistema
fotovoltaico, estos valores serán integrados en la simulación de OpenDSS ya que es uno de
los parámetros de entrada en el modelo del panel usado por dicho software computacional.
Circuito de distribución 39
(a)
85
80
Temperatura [°C]
75
70
65
60
55
0 200 400 600 800 1000 1200 1400
Irradiancia [W/m2]
(b)
85
80 Splines Cúbicas
Temperatura [°C]
Datos depurados
75
70
65
60
55
0 200 400 600 800 1000 1200 1400
Irradiancia [W/m2]
Figura 4.5: Nube de puntos medida de temperatura Vs irradiancia (a) conjunto de polinomios
cúbicos ajustados por método de Splines (b)
4.3. Circuito de distribución

Con base a lo mencionado en la sección 3.3.1, se seleccionó el alimentador Rurales el cual
será empleado para analizar el impacto de la generación solar fotovoltaica en un circuito
de distribución industrial, en el cual se tienen distintos tramos de red que bien pueden ser
aéreos o subterráneos, permitiendo ası́ la conexión de transformadores de distribución que
corresponden a transformadores de uso exclusivo para un único cliente de tipo industrial, por
esta razón se implementó el modelo de conexión del panel solar fotovoltaico por el lado de
baja tensión de los centros de distribución del alimentador.
Por tal razón, se contempló directamente sobre los transformadores de distribución los
porcentajes de penetración y participación a lo largo del alimentador para determinar los
escenarios que se modelarán y analizarán en OpenDSS - MATLAB. Adicional, contemplando
que la resolución CREG 174 del 2021 [5] propone medir el nivel de penetración PV en función
de la potencia instalada del transformador directamente aguas arriba de la instalación del
sistema solar fotovoltaico, y que por la condición de transformadores exclusivos presentada
en los sistemas de distribución industriales aplica perfectamente.
Para modelar el alimentador Rurales alimentado por el transformador de potencia de la
subestación Termozipa, se partió desde el equivalente de red de alta tensión que corresponde
a las potencias de cortocircuito trifásica y monofásica por el lado de alta tensión de la
40 Circuito de distribución
subestación suministradas por el operador de red. Igualmente con las caracterı́sticas del
transformador de potencia de la subestación Termozipa que siendo de 30 MVA y con niveles
de tensión nominales de 115/34.5 kV; de esta manera y con la información de grupo de
conexión, impedancia, posición del intercambiador de tomas. Para el caso del intercambiador
de tomas, este se modelará como 3 autotransformadores monofásicos conectados a cada fase
por el lado de alta tensión del transformador de potencia.
Como elementos adicionales de la subestación, se requiere el modelado de cargas del
alimentador Quala; otro alimentador conectado a la barra de media tensión del transformador
de potencia. Esto se realizó modelando una carga total (suministrada por el operador de
red) con el procedimiento de modelado de cargas individuales de cada transformador de
distribución aplicado a la carga instantánea promedio como se describió en la sección 4.1.
Otro componente de vital importancia en un sistema de distribución son los conductores
y estructuras en las que estos se disponen; ya que representan la topologı́a del sistema, es
decir, disposición de los conductores; si el tramo es aéreo o subterráneo, tipo de conductor,
calibre del mismo, longitud del tramo. Estos datos serán empleados en las ecuaciones de
Carson mostradas en la sección 2.5.4 teniendo en cuenta que cumplen las condiciones para
ser contempladas como lı́neas cortas (menor a 80 Km), para ası́ obtener en función de los
parámetros geométricos de la instalación los valores de impedancia propia de cada conductor
e impedancia mutua, y finalmente empleando conversión de impedancias de fase a secuencia
(cero y positiva) para ser ingresado al software de simulación.
930 930
60
ARENA
170
60
170
PVC TIPO TDP

40
60 170 40 170 40 170 60
710
(a) (b)
Figura 4.6: Tipos de red utilizados en el modelo de: red aérea (LAR102) [112] (a) red sub-
terránea (CS212) [113] (b)
Circuito de distribución 41
Para el alimentador Rurales se tiene topologı́a aérea y subterránea, tal como se muestra
en la figura 4.6 donde se presentan las normas constructivas para un nivel de tensión de
34,5 kV para redes aéreas y subterráneas con las normas LAR102 [112] y CS212 [113]; estas
cuentan con el detalle de distanciamiento entre conductores que fue empleado para calcular
las impedancias de secuencia mediante las ecuaciones de Carsson como se indicó en el párrafo
anterior. En el anexo B.1 se muestran los tipos de conductores existentes en el alimentador
Rurales con sus respectivas caracterı́sticas e impedancias de secuencia cero y positiva en
[Ω/km] asociados a los distintos tramos del alimentador Rurales y que serán integrados en
OpenDSS.
En cuanto a las lı́neas de distribución, el anexo B.2 presenta la totalidad de tramos de red
del alimentador Rurales, allı́ se detalla toda la data ingresada a OpenDSS, en donde para cada
nombre de conductor se relaciona la información de impedancias de secuencia mostradas en el
anexo B.1. En el software de simulación se implementó la información anterior, junto con los
modelos descritos en el capı́tulo 3 y a este modelo se denominó caso base, que representa el
flujo de carga del alimentador Rurales sin generación solar fotovoltaica; es decir, únicamente
con la topologı́a suministrada por el operador de red, el cual es presentado en la figura 4.7
con los nombres y caracterı́sticas de cada equipo y nodos que componen el sistema, y con
base a los cuales se reflejará el análisis de resultados en el capı́tulo 5. Se relacionan en color
rojo los nodos donde se encuentran conectados transformadores de distribución y que como
se mencionó previamente, son los nodos potenciales donde se instalarán los sistemas solares
fotovoltaicos del caso de estudio.
Ahora bien, los circuitos de distribución contienen adicionalmente los dispositivos de

maniobra; estos equipos pueden ser de dos tipos: de operar bajo carga como interruptores de
cabecera, reconectadores y seccionalizadores o de operar sin carga como los seccionamientos
tipo cuchilla; sin embargo, para el presente trabajo estos equipos no se contemplan en el
modelo ya que no reflejan impactos en los flujos de carga y por consiguiente en las variables de
seguimiento como lo son potencias activa, reactiva, tensiones y voltajes nodales a lo largo del
alimentador; dichos equipos son empleados en la operación de las redes de distribución para
hacer maniobras de suplencia o de reestablecimiento del servicio en caso de falla. Igualmente,
el alimentador Rurales operativamente presenta suplencias con otros alimentadores de la red
de 34.5 kV de la Sabana Norte de Bogotá; sin embargo, estas suplencias no están activas en el
estado de operación estándar de los alimentadores y por tal razón no serán contemplados en
el presente trabajo para determinar la máxima penetración de generación solar fotovoltaica
en un circuito de distribución industrial.
42
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
300_CU_KCMIL_TRIPLEX
N1
89127_L
92618_L
LINEA_02
2-0_ACSR_SEMIAISLADO
89127_BT
92618_BT TR75222-4 75222-4_MT
1250 kVA
TR89127
N2 4000 kVA TR54887 75222-4_L
46386_L TR92618
54887_MT
500 kVA
2500 kVA
89127_MT 54887_L 75222-4_BT
92618_MT
LINEA_03
185_MM2_TRIPOLAR_XLPE LINEA_04
54887_BT
46386_BT LINEA_05 185_MM2_TRIPOLAR_XLPE LINEA_24
2-0_ACSR_SEMIAISLADO 2-0_ACSR_DESNUDO
LINEA_17
TR46386 2-0_CU_TRIPLEX LINEA_23
5000 kVA TR75222-3 2-0_ACSR_DESNUDO
2500 kVA
N3 75222-3_L
TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4 75222-5_L
N16
LINEA_08
LINEA_07 LINEA_06 2-0_ACSR_SEMIAISLADO 75222-5_BT
300_ASC_KCMIL_TRIPLEX 2-0_ACSR_SEMIAISLADO
LINEA_22
LINEA_16 2-0_ACSR_DESNUDO LINEA_30
2-0_AL_DESNUDO 2-0_CU_TRIPLEX
N5 LINEA_12 LINEA_13 LINEA_14 LINEA_15 LINEA_28 LINEA_29

LINEA_21
4-0_ACSR_DESNUDO 2-0_ACSR_DESNUDO 2-0_CU_TRIPLEX 2-0_AL_DESNUDO 75222_MT 2-0_ACSR_DESNUDO 2-0_ACSR_DESNUDO 2-0_CU_TRIPLEX
N7 N8 N9 N10 N18 PCH_CORONA
N6 N13 N14
N11 N15 LINEA_31
LINEA_09 LINEA_10 LINEA_18 LINEA_19 LINEA_20 N19 4-0_AL_TRIPLEX
266.8_ACSR_DESNUDO 4-0_ACSR_DESNUDO 2-0_ACSR_DESNUDO 4-0_AAAC_MONOPOLAR 2-0_ACSR_DESNUDO
LINEA_25
TR75222
LINEA_11 2-0_ACSR_DESNUDO
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249
1000 kVA 75222_L N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
LINEA_26
2-0_CU_TRIPLEX
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
2-0_CU_TRIPLEX 75222-1_BT
75222-2_MT
TR75222-2
2500 kVA
75222-2_L
75222-2_BT
Figura 4.7: Diagrama de sistema modelado para alimentador Rurales caso base
Circuito de distribución
Lı́mites de operación del sistema de distribución 43
4.4. Lı́mites de operación del sistema de distribución

De acuerdo a la sección 2.3, el mayor impacto en las redes eléctricas de distribución son
sobretensiones, regulación de tensión y flujo de potencia inverso; a continuación se describen
los parámetros y umbrales tolerados en el análisis para determinar la máxima penetración
de energı́a solar fotovoltaica en un sistema de distribución industrial, teniendo en cuenta lo
establecido en la NTC 5001 de 2008 [14] y los criterios propios del operador de red.
Sobretensión: Se evaluará que para cada nodo donde se conecte el sistema solar
fotovoltaico no supere el 5 % en su magnitud y no caiga del 10 % (0.9 ≤ V ≥ 1.05P.U.).
Regulación de tensión: No se admitirá que existan variaciones de tensión superiores

al 10 % respecto al caso base en todos los nodos de la red modelados en OpenDSS y
presentados en la figura 4.7.
Flujo de potencia: Se admitirá flujo de potencia inverso siempre y cuando este sea
menor en magnitud a la corriente en estado normal, garantizando ası́ condiciones ope-
rativas para los conductores. Dicha condición para el operador de red representa que
el dimensionamiento de los activos de su propiedad en alimentadores en presencia de
sistemas fotovoltaicos podrı́a ser derrateado, ya que se brindarı́a suplencia a través del
nodo de media tensión de la subestación a los demás circuitos conectados a ella (en este
caso el alimentador Quala), ocasionando que el transformador de potencia trabaje en
vacı́o. En el caso de una adopción masiva de generación solar fotovoltaica, y el nivel de
penetración en todos los circuitos de distribución que alimente el transformador de po-
tencia contengan sistemas solares fotovoltaicos, se ocasiona flujo de potencia entrando
por la barra de media tensión de la subestación inyectándola al sistema de alta tensión.
Para ello se requerirán estudios de coordinación de protecciones que no son objetos del
presente trabajo.
Para definir en qué proporción y donde se modificarán los escenarios de participación

y penetración propuestos, se debe contemplar que para determinar la máxima penetración
de generación solar fotovoltaica en un circuito de distribución industrial, se puede obtener
de distintas maneras, como lo son: en proporción de la carga máxima [108], dependiendo
de la cantidad de usuarios con sistemas solares instalados [10, 54] o como proporción de la
capacidad del alimentador [109], aunque debido a la resolución CREG 174 de 2021, se debe
determinar en el transformador o subestación donde se solicita el punto de conexión [5],
siendo en este caso el transformador de distribución directamente aguas arriba del sistema
fotovoltaico instalado. Por ello, se determinaron en función de la capacidad instalada de
los transformadores de distribución del alimentador Rurales, ocasionando que la máxima
44 Simulación y escenarios propuestos
generación solar fotovoltaica sea constante para un alimentador bajo ciertos escenarios. Estos
se definirán como nivel de participación y nivel de penetración.
Nivel de participación: Porcentaje de transformadores de distribución del alimenta-

dor que adoptan la generación solar fotovoltaica respecto al total de cabinas de trans-
formación del alimentador.
Nivel de penetración: Porcentaje que representa como la relación entre la potencia

de sistema solar fotovoltaico a instalar y la potencia nominal del transformador aguas
arriba de donde instala el panel solar fotovoltaico.
4.5. Simulación y escenarios propuestos

Para calcular la capacidad máxima permitida de penetración solar fotovoltaica en un
circuito de distribución industrial, se requieren analizar flujos de potencia con modelación
dinámica que contemple la variación del recurso solar y perfil de carga a lo largo del dı́a y
que estos datos de entrada sean integrados en un simulador que dentro de sus funcionalidades
presente la posibilidad de realizar la cantidad de iteraciones requeridas bajo estas condiciones,
motivo por el cual se decidió usar OpenDSS en el presente trabajo.
Para los datos obtenidos de la carga, se realizó el análisis de información suministrada y se
determinó que debido al comportamiento de tipo industrial del alimentador Rurales, la carga
no varı́a en función si el dı́a es laboral o no. De manera similar, se utiliza el perfil de carga
medido en la cabecera del alimentador e ingresada en valores en por unidad, igualmente se
relaciona esta carga estimada a cada transformador de distribución, lo que genera un ajuste
dinámico para la carga conectada en cada transformador como se indicó en la sección 3.3.3.
La figura 4.8 muestra el esquema básico del modelo del alimentador Rurales en OpenDSS,
donde se aprecia en color azul la relación de la carga en por unidad para la cabecera y
ajustada a cada carga individual.
Las estimaciones de irradiancia realizadas a partir del ajuste de Gaussianas Mixtas y
análisis de Monte Carlo, deben ser integradas al modelo en OpenDSS, en particular del
sistema solar fotovoltaico; donde será ingresada en por unidad ocasionando que se genere la
máxima potencia del panel en la franja horaria que mayor recurso solar se registre; como valor
de entrada adicional, OpenDSS requiere la curva de potencia Vs temperatura de operación del
panel, lo que varı́a la generación fotovoltaica a lo largo del dı́a, de acuerdo a la temperatura
estimada por la interpolación de Splines Cúbicas. La figura 4.8 indica que las estimaciones de
irradiancia, temperatura y la curva de potencia Vs temperatura mencionada anteriormente,
son ingresadas directamente en el módulo del panel solar fotovoltaico, el cual es conectado a
la barra de baja tensión de los transformadores de distribución.
Simulación y escenarios propuestos 45
Carga P.U. Carga kW

Obtenida ajustada Carga kW
ajustada
QUALA
TRANSFORMADOR
TRAMO DE RED
CARGA
RED AT S/E TERMOZIPA RURALES MT / BT

TRAFO R1 (AT / MT)
TRANSFORMADOR Temp
CARGA Irrad
MT / BT P
t
Carga kW
ajustada
Figura 4.8: Modelado alimentador Rurales en OpenDSS
Una vez realizado el modelo del alimentador Rurales en OpenDSS, se procede a configurar
los parámetros de simulación en OpenDSS para las dos tasas de muestreo: 12.000 datos para
la carga, lo que representa un dato cada hora durante 12 horas de sol al dı́a para 1.000 dı́as de
simulación y 144.000 datos para la irradiancia y temperatura, la cual se hace cada 5 minutos.
Esta parametrización se hace configurando el simulador para que cada doce muestreos de
temperatura (cada 5 minutos) sea un paso de carga (cada hora); en otras palabras, se asume
que la carga del alimentador es constante durante la hora t para las 12 simulaciones en las
que varı́an la irradiancia y la temperatura.
Adicionalmente, como mencionó Vera en [107], para extraer la información de la simu-
lación se implementaron medidores en los puntos que se requiere extraer los datos de los
resultados de cada iteración de manera dinámica; por tal razón, se integraron monitores de
potencias (P y Q) en los nodos de la subestación y alimentador principal, transformadores
de distribución y en los paneles directamente. Por otra parte, se instalaron los medidores de
voltajes y corrientes (V e I) igualmente en los nodos anteriores y adicional en el nodo inicial
de cada tramo de red del alimentador. Estos medidores son almacenados en formato .csv
(separado por comas) y a través de MATLAB se realiza la gestión de información respectiva
para poder presentarlos gráficamente y ası́ determinar la máxima penetración de generación
solar fotovoltaica, con base a los criterios de calidad de potencia previamente definidos.
Posteriormente, se definieron escenarios de simulación, de acuerdo a variaciones en el nivel
de participación y dispersión de generación solar fotovoltaica para determinar el comporta-
miento del alimentador en estudio en presencia de estas configuraciones de paneles solares
fotovoltaicos. En el caso base el cual se muestra en la figura 4.7, es el flujo de carga para el
alimentador Rurales 1.000 iteraciones que representan mil dı́as de sol para los datos estima-
dos de carga sin ninguna configuración fotovoltaica; es decir, la simulación de la integración
de todos los modelos descritos anteriormente.
Una vez se tiene la gestión de los datos del caso base, se determinan 4 niveles de parti-
cipación que son 25 %, 50 %, 75 % y 100 % y 5 niveles de penetración que son 15 %, 30 %,
50 %, 75 % y 100 %, adicional se plantearon 2 casos con una participación del 100 % y con
penetración del 120 % y 150 % para un total de 23 escenarios de simulación de acuerdo a
la tabla 4.4. De esta manera, el escenario cuyo código de simulación es 100PV75, el cual
se muestra en la figura 4.9, representa que se realizó una simulación con un nivel de parti-
cipación del 100 %, con paneles solares fotovoltaicos en la totalidad de transformadores de
distribución del sistema, a los cuales se les asignó una penetración del 75 % de la potencia
nominal de cada sistema solar fotovoltaico, que corresponde al 75 % de la capacidad instalada
de cada transformador de distribución al cual está conectado.
Tabla 4.4: Escenarios de simulación alimentador Rurales

NIVEL DE NIVEL DE CÓDIGO DE
PARTICIPACIÓN PENETRACIÓN SIMULACIÓN
15 % 25PV15
30 % 25PV30
25 % 50 % 25PV50
75 % 25PV75
100 % 25PV100
15 % 50PV15
30 % 50PV30
50 % 50 % 50PV50
75 % 50PV75
100 % 50PV100
15 % 75PV15
30 % 75PV30
75 % 50 % 75PV50
75 % 75PV75
100 % 75PV100
15 % 100PV15
30 % 100PV30
100 % 50 % 100PV50
75 % 100PV75
100 % 100PV100
120 % 100PV120
CASOS ESPECIALES
150 % 100PV150
CASO BASE BASE
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
N1
PV89127
LINEA_02
2-0_ACSR_SEMIAISLADO 89127_L PV92618
89127_BT PV75222-4
92618_L
92618_BT
Simulación y escenarios propuestos
PV54887 TR75222-4 75222-4_MT

1250 kVA
TR89127
N2 4000 kVA TR54887
TR92618
54887_MT
500 kVA 75222-4_L
PV46386 2500 kVA
89127_MT 75222-4_BT
46386_L 92618_MT 54887_L
LINEA_03
54887_BT
46386_BT LINEA_05 185_MM2_TRIPOLAR_XLPE PV75222-3 LINEA_24
LINEA_17
2500 kVA PV75222-5
N3 75222-3_L TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4
N16 75222-5_L
LINEA_08
LINEA_22

LINEA_21
N6 N13 N14
N11 N15 LINEA_31
LINEA_25
TR75222
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249 75222_L
1000 kVA N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
PV75222 LINEA_26
2-0_CU_TRIPLEX
PV79249
PV75222-1
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
75222-2_MT
TR75222-2 75222-2_BT
2500 kVA
75222-2_L
PV75222-2
Figura 4.9: Diagrama de sistema modelado alimentador Rurales con participación del 100 %
47
En los anexos B.3 a B.6 se encuentra el modelo de simulación empleado para cada nivel
de participación, presentando la ubicación de los paneles solares fotovoltaicos conectados en
el lado de baja tensión de los transformadores de distribución a los cuales se les varió la
potencia generada para completar los niveles de penetración indicados previamente.
Capı́tulo 5
Análisis de resultados
Para este capı́tulo se presentará inicialmente el comportamiento del alimentador Rurales

para el caso base mostrado en la sección 3.3.4, en donde se analizaron en cabecera las variables
de corriente, tensión, posición del intercambiador de tomas del transformador de potencia, al
igual que la potencia activa [kW ], reactiva [kV AR] y factor de potencia. Por su parte para
las lı́neas y para todos los transformadores de distribución que conforman las troncales del
alimentador, se realizaron mediciones de corriente y tensión en el nodo inicial de las mismas
y en el nodo de media tensión respectivamente. Este procedimiento fue ejecutado para los
1.000 dı́as modelados en el software de simulación OpenDss para las 12 horas de sol con
una frecuencia de 5 minutos. Es decir se realizaron 144.000 flujos de potencia en donde se
extrajeron los valores de las variables anteriores monitoreando la violación de los lı́mites de
operación de acuerdo a lo indicado en la sección 4.4.
Posteriormente, de los escenarios de penetración y participación propuestos se presentará

el caso de 100PV100 que corresponde al 100 % de dispersión, es decir con sistemas solares
fotovoltaicos instalados en la totalidad de transformadores de distribución del alimentador
Rurales y con una potencia instalada del 100 % de la capacidad nominal de cada centro de
distribución al que se conecte. Este escenario propone el modelo que representa mayores
desafı́os al alimentador Rurales, ya que es el caso que presenta la máxima potencia instalada
en sistemas solares fotovoltaicos a lo largo de la troncal del alimentador y genera los impactos
para las redes eléctricas de distribución mencionados en la sección 2.3.
Para presentar estadı́sticamente los resultados, estos se mostraron mediante diagramas

de bigotes que indican la probabilidad de ocurrencia de un dato representando igualmente
la media y desviación estándar de los datos. Estos diagramas se emplearon para presentar
resultados de simulación del caso base y los veinte escenarios planteados en la sección 4.5
(cuatro de dispersión o participación y cinco de penetración).
49
50 Caso Base
5.1. Caso Base
La figura 5.1 muestra la tensión en por unidad y la corriente el interruptor de cabecera

del alimentador. Las curvas de color gris representan los valores obtenidos para los 1.000 dı́as
con frecuencia de 5 minutos, por su parte las curvas de color negro corresponden al valor
promedio. Igualmente se presentan los valores lı́mites indicados en lı́nea roja discontinua.
Como se observa en la figura 5.1(a) el nivel de tensión de la subestación tiene un valor
medio cercano a 1.01 en por unidad con una variación de ±0.005. Se evidencia que este valor
no cambia considerablemente y se aprecia que no se violan los lı́mites de tensión. Por otro
lado en la figura 5.1(b) se muestra la corriente de carga del alimentador Rurales con un
valor medio cercano a los 150 [A], en donde se puede apreciar que para el caso base no se
presentan flujos inversos, como era lo esperado.
Figura 5.1: Tensión (a), corriente (b) en la subestación para el caso base
Adicionalmente en la figura 5.2 se observa que el intercambiador de tomas del transforma-

dor de potencia no opera a lo largo de los 1.000 dı́as simulados para ninguna hora analizada
(6:00 a 18:00), esto es debido a que el tap está conectado en el lado de alta del transformador
(115 kV) y que en condiciones normales el perfil de tensión no varı́a lo suficiente para que el
control ejecute algún ajuste de posición en el intercambiador de tomas.
Caso Base 51
Figura 5.2: Posición del tap en la subestación para el caso base
En las figuras 5.3 (a) y 5.3 (b) se muestran las potencias activa y reactiva respecti-
vamente que son demandadas por la red. Las curvas de color gris representan los valores
obtenidos para los 1.000 dı́as con frecuencia de 5 minutos. Por su parte, las curvas de color
negro corresponden al valor promedio. Se pueden apreciar valores de potencia tanto activa
como reactiva que se reduce o incrementa, incluso indicando que en un par de dı́as hubo
flujo inverso. Esta condición es atribuible a la operación de la red, ya que puede representar
maniobras de suplencia, salidas de funcionamiento del alimentador y suministro de potencia
por parte de la pequeña central hidroeléctrica presente en el alimentador Rurales.
Figura 5.3: Potencia activa (a), potencia reactiva (b) en la subestación para el caso base
52 Caso Base
Adicionalmente en la figura 5.4 se presenta el factor de potencia visto en la subestación, el

cual se mantiene a lo largo de los dı́as simulados en un valor cercano al 0.95 % representando
que no hay cambios considerables en el consumo por parte de los clientes, lo que corrobora
los datos suministrados por el operador de red medidos en los relés de los interruptores de
cabecera.
Figura 5.4: Factor de potencia en la subestación para el caso base
Figura 5.5: Gráfico de bigotes de potencia activa en la subestación para el caso base
La figura 5.5 muestra el comportamiento estadı́stico de la potencia activa y reactiva en

la subestación mostrados en la figura 5.3. Para interpretar el gráfico de bigotes, la lı́nea roja
Caso Base 53
dentro de cada recuadro azul indica el valor medio de la la variable analizada, en este caso
la potencia activa (alrededor de los 9.000 [kW]) y reactiva (alrededor de los 2.250 [kVAR]),
mientras que los rectángulos azules representan los valores de potencias con probabilidad
de ocurrencia entre el 25 % y el 75 % (para la potencia activa entre 8.000 y 10.000 [kW] y
entre 2.000 y 2.500 [kVAR] para la potencia reactiva). Por otro lado, los extremos de las
lı́neas discontinuas representan el percentil 95, y por último, los puntos rojos que pueden ser
dispersos o no, son aquellos valores que cuentan con probabilidad de ocurrencia del 5 % o
inferior, es decir, los valores atı́picos para los resultados obtenidos.
Esta manera de visualización de los resultados es de gran ayuda, ya que a pesar que
la figura 5.3 muestra valores bajos de potencias o incluso flujos de potencia inverso; en la
figura 5.6 se aclara que estadı́sticamente, estos valores tienen una probabilidad de ocurrencia
menor al 5 % y que el 50 % de los valores para la potencia activa están en la franja entre los
8.000 y 10.000 [kW]. Es decir, se refleja un comportamiento con muy pocos valores atı́picos,
reflejando que el intervalo de caı́da del mayor porcentaje de los datos es pequeño.
Figura 5.6: Gráfico de bigotes de potencia reactiva en la subestación para el caso base
En la figura 5.7 se presenta el nivel de tensión en las lı́neas a lo largo del alimentador
Rurales, donde se puede apreciar que la tensión en la red va decreciendo a medida que se
aleja de la subestación, iniciando con un valor cercano a 1.01 en por unidad y finalizando con
un valor cercano a 0.995 en por unidad. Hacia el final del circuito no baja la tensión, puesto
que en ese extremo se tiene la pequeña central hidroeléctrica de la industria Colcerámicas.
Los datos tienen baja dispersión, y el percentil 5 son únicamente sobretensiones a partir del
nodo 13, reflejando otra consecuencia de la presencia de la pequeña central hidroeléctrica,
54 Caso Base
que es mejorar la caı́da de tensión la cola del circuito.
Figura 5.7: Gráfico de bigotes de tensión en el nodo inicial de las lı́neas del alimentador
Rurales para el caso base
En la figura 5.8 se muestra la corriente medida en el nodo inicial de cada tramo de red que
comprende el alimentador Rurales, donde se puede apreciar el flujo de corriente inverso en la
lı́nea 31, es decir el tramo que conecta los nodos N19 y PCH CORONA como se indica en la
figura 4.7, este comportamiento es el esperado ya que como los monitores fueron modelados
en el nodo inicial de cada lı́nea, va a tener un flujo negativo debido a que se aporta corriente
desde la pequeña central hidroeléctrica instalada en la planta de la industria Colcerámicas.
Adicionalmente, se aprecia baja dispersión en las corrientes de los ramales, puesto que van
a nodos únicamente de carga y el percentil 95 cae en un rango muy pequeño de datos. En
cuanto al percentil 5 indica que pueden presentarse flujos inversos con muy poca probabilidad,
al igual que corrientes del orden de 250 [A] hacia la cabecera del alimentador; condición que
no excede la ampacidad del conductor y que será el umbral máximo definido para evaluar el
flujo de potencia esperado con la presencia del sistema fotovoltaico.
Por último, para el caso base se analizó la tensión y corriente en los nodos de media
tensión de los transformadores de distribución del alimentador. La figura 5.9 muestra que
al igual que la tensión en las lı́neas, se aprecia que esta decrece a medida que el centro de
distribución se aleja de la cabecera del alimentador, teniendo valores entre 1.01 a 0.995 en
por unidad. Hacia la cola del alimentador, los valores en por unidad se incrementan producto
de la pequeña central hidroeléctrica existente que mejora la calidad del servicio. Además se
aprecia que no se presentan valores de subtensiones en el percentil 5.
Caso Base 55
250
200
Corriente en líneas [A]
150
100
50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Línea
Figura 5.8: Gráfico de bigotes de corriente en el nodo inicial de las lı́neas del alimentador
Rurales para el caso base
1.015
1.01
Voltaje en transformadores [PU]
1.005
0.995
0.99
0.985
89127_MT 92618_MT 46386_MT 79249_MT 54887_MT 75222_MT 75222-3_MT 75222-4_MT 75222-1_MT 75222-2_MT 75222-5_MT
Transformador
Figura 5.9: Gráfico de bigotes de tensión en el nodo de media tensión de los transformadores
del alimentador Rurales para el caso base
En la figura 5.10 se muestra la corriente de cada transformador, observe que los valores
tienen poca dispersión ya que el percentil 50 se encuentra en una franja angosta, y que
no hay flujo de potencia inverso; esto se debe principalmente, que aguas abajo de cada
56 Caso 100PV100
transformador únicamente existen cargas, las cuales no inyectan energı́a al sistema. Fenómeno
que se espera varı́e con la presencia de sistemas solares fotovoltaicos. Por su parte, los valores
correspondientes al percentil 5 corresponden a una disminución en la carga demandada,
condición que de acuerdo a lo indicado en la sección 4.1, no se presentarı́a con frecuencia, ya
que la carga de un circuito de distribución industrial permanece constante.
50
Corriente en transformadores [A]
40
30
20
10
Transformador
Figura 5.10: Gráfico de bigotes de corriente en el nodo de media tensión de los transforma-
dores del alimentador Rurales para el caso base
De acuerdo a los análisis de los resultados presentados en las figuras 5.1 a la 5.10, bajo
las condiciones normales de operación del alimentador Rurales, no se viola ninguna de las
variables de seguimiento que se establecieron en la sección 2.3.
5.2. Caso 100PV100

En esta sección se presentarán los resultados obtenidos a partir del modelo del escenario
con 100 % participación y 100 % penetración, es decir con sistemas fotovoltaicos conectados
en la totalidad de transformadores de distribución del alimentador Rurales, cuya potencia
nominal corresponde a la capacidad instalada del transformador de distribución al que se
conectaron.
La gráfica 5.11 refleja el comportamiento estadı́stico de la generación solar fotovoltaica
a lo largo del dı́a para el modelo implementado con participación y penetración del 100 %.
Inicialmente se aprecia que la generación fotovoltaica es mayor en la franja horaria de las
10:00 a las 14:00, dato que coincide con el modelo del recurso solar indicado en la sección
Caso 100PV100 57
4.2.1. Se puede apreciar que los datos presentan gran dispersión, ya que el percentil 95 en
este intervalo de tiempo está entre los 0 [MW] y los 23 [MW] con una probabilidad del 50 %
que estos datos correspondan al intervalo entre 4 [MVA] y 12 [MVA]. Los valores máximos
de potencia generada son hacia el medio dı́a y coinciden con un valor de generación de una
capacidad instalada (para el escenario 100PV100) de 27.7 [MW] como se indicó en la sección
4.5, derrateada por la eficiencia del panel solar fotovoltaico en función de la temperatura de
operación del mismo, que para los datos obtenidos de la estación metereológica instalada en
la Escuela Colombiana de Ingenierı́a, como se indicó en la sección 4.2.2 es alrededor de 70
[°C] que representa una eficiencia de aproximadamente 90 % de su potencia nominal.
Figura 5.11: Gráfico de bigotes de potencia activa generada por los sistemas fotovoltaicos
del alimentador Rurales para el caso 100 % participación y 100 % penetración
A continuación se presentan los resultados obtenidos para las variables de seguimiento y

evaluar la violación de los mismos de cara a la determinación de la máxima penetración de
energı́a solar fotovoltaica en un circuito de distribución con perfil de carga industrial.
En la figura 5.12 (a) se muestra el perfil de tensión visto desde la subestación; el cual
se puede ver que aunque amplió su rizado a la franja entre 1.000 a 1.015 en por unidad con
un valor medio cercano a 1.01 por unidad, no presenta violaciones de tensión de acuerdo
a la normatividad vigente marcada con las lı́neas discontinuas de color rojo. Respecto a
la corriente en la subestación mostrada en figura 5.12 (b), se observa un flujo inverso de
corriente con un mı́nimo de 250 [A], y que a pesar de que es un valor obtenido en 1 dı́a de
simulación, el conductor no presentarı́a condiciones atı́picas en su funcionamiento, ya que
esta carga tiene la misma magnitud del caso base.
58 Caso 100PV100
Figura 5.12: Tensión (a), corriente (b) en la subestación para el caso 100 % participación y
100 % penetración
En cuanto a la posición del intercambiador de tomas a lo largo de los 1.000 dı́as simulados,
no cambió su posición como se mostró en la figura 5.2, ratificando el resultado obtenido que
el nivel de tensión no presentó mayores variaciones, y por ende no ocasionó la operación del
intercambiador de tomas del transformador de potencia.
Con base a lo indicado en el capı́tulo 3.3.2, se modelaron paneles solares fotovoltaicos cuya
generación únicamente corresponde a potencia activa (P); por tal motivo la potencia reactiva
(Q) no cambia respecto al caso base como puede observarse en la figura 5.13 (b), ya que
la carga es la misma respecto al caso base sin importar el nivel de penetración de sistemas
fotovoltaicos con que se modele. Se puede apreciar que la potencia reactiva demandada por
el alimentador vista desde la subestación, es la misma que en el caso base evidenciada en
la figura 5.3; sin embargo, la potencia generada por el sistema solar fotovoltaico si cambia
vista desde la subestación, ya que no es suministrada por el sistema de alta tensión a través
del transformador de potencia, sino a través de la generación distribuida instalada en cada
transformador de distribución ocasionando flujo inverso como se muestra en la figura 5.13
(a). Entonces, como disminuye la potencia activa (P) y se mantiene constante la potencia
reactiva (Q) vistas desde la cabecera del alimentador.
Caso 100PV100 59
Figura 5.13: Potencia activa (a), potencia reactiva (b) en la subestación para el caso 100 %
participación y 100 % penetración
El factor de potencia en la subestación es el esperado, ya que como se aprecia en la

figura 5.14 en las horas de máxima generación, es la franja en la que decrece a su mı́nimo,
y en las horas de poca generación (ocasionado por el menor recurso solar) la potencia activa
suministrada desde la subestación aumenta, y con ella el factor de potencia.
Figura 5.14: Factor de potencia en la subestación para el caso 100 % participación y 100 %
penetración
60 Caso 100PV100
En la gráfica 5.15 se ve estadı́sticamente, el comportamiento de la potencia activa del

alimentador Rurales visto desde la subestación, donde se puede apreciar que tiene poca dis-
persión de los datos, ya que el percentil 50 representa intervalos de potencia pequeños con un
valor medio cercano a los 5 [kW], en general los datos correspondientes al percentil 95 indican
que hay una baja probabilidad de que el alimentador presente flujo inverso, ya que para va-
lores de probabilidad del 25 % (lı́nea discontinua negra inferior), la potencia generada por los
sistemas fotovoltaicos sea inyectada a la red únicamente en la franja horaria de mayor recurso
solar, y para el caso particular de la subestación Termozipa será demandada por el alimenta-
dor Quala, ocasionando ası́ que el transformador de potencia suministre únicamente alguna
porción de la carga de dicho circuito, ya que el alimentador Rurales serı́a abastecido por la
generación solar fotovoltaica; adicional a ello, los datos del percentil 5 únicamente aparecen
en las horas que no se presenta la máxima irradiancia y por ende, la mayor generación.
Figura 5.15: Gráfico de bigotes de potencia activa en la subestación para el caso 100 %
En la figura 5.16 se muestra estadı́sticamente el factor de potencia mediante el gráfico

de bigotes, allı́ se puede apreciar que para la franja horaria donde el recurso solar es mayor,
se tiene alta dispersión de los datos obtenidos, lo que ocasiona que el percentil 95 está en la
franja entre -1.0 y 1.0 por unidad, entonces la potencia activa si se reduce considerablemente
vista desde la subestación se tenga flujo de potencia inverso o no; por otra parte, para las
horas de menor generación fotovoltaica, se reduce esta dispersión con un percentil 95 a un
factor de potencia positivo con valores atı́picos de un factor de potencia negativo.
Caso 100PV100 61
Figura 5.16: Gráfico de bigotes del factor de potencia en la subestación para el caso 100 %
Al igual que en el caso base, en la figura 5.17 se presenta el nivel de tensión en las lı́neas
a lo largo del alimentador Rurales, siendo el de la derecha en el gráfico el más alejado de la
cabecera. Se puede apreciar que la tensión en la red va decreciendo a medida que se aleja
de la subestación Termozipa, iniciando con un valor cercano a 1.01 y finalizando con un
valor cercano a 0.995 en por unidad. Sin embargo, para el escenario 100PV100 se amplı́a el
rango de valores para el percentil 50 en todas las lı́neas del alimentador Rurales, se reduce
la regulación (caı́da de tensión a lo largo del circuito) mejorando este parámetro de calidad
de servicio y hacia la cola del circuito aumenta la dispersión, incrementándose el rango del
percentil 95. Por su parte, se puede apreciar que con una probabilidad menor al 5 %, los
valores de tensión en las lı́neas presentarán sobretensión a lo sumo del 2 %, valor que no
excede el lı́mite definido para esta variable de seguimiento.
De manera similar, en la figura 5.18 se muestra la corriente en medida en el nodo inicial de
cada lı́nea del alimentador Rurales, donde se puede apreciar el flujo de corriente inverso en la
lı́neas 28, 29 y 31, este comportamiento es el esperado, debido a que se aporta corriente desde
la Pequeña Central Hidroeléctrica instalada en la planta de la industria Colcerámicas y esta
condición permanece constante tanto para el caso base como para el escenario 100PV100.
Adicional, se observa que con una probabilidad mayor al 5 % y menor al 25 % en cada lı́nea,
se presentarán flujos de potencia inversos y sobrecorrientes, que estas últimas no exceden la
capacidad amperimétrica del cable de salida del alimentador Rurales, por lo cual no se viola
la variable de seguimiento planteada previamente en la sección 4.4. Por otra parte, respecto
a los valores obtenidos para el caso base, en el escenario 100PV100 se reduce la magnitud
62 Caso 100PV100
de la corriente en las lı́neas, esto sucede principalmente, porque al tratarse de generación

distribuida, los centros de consumo demandan carga y esta ya no es suministrada a través
del transformador de potencia.
1.02
1.015
Voltaje en líneas [PU]
1.01
1.005
0.995
0.99
0.985
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Línea
Figura 5.17: Gráfico de bigotes de tensión en el nodo inicial de las lı́neas del alimentador
Rurales para el caso 100 % participación y 100 % penetración
Figura 5.18: Gráfico de bigotes de corriente en el nodo inicial de las lı́neas del alimentador
Caso 100PV100 63
De manera similar a lo presentado para los tramos de red del alimentador Rurales, en la
figura 5.19 se muestran las tensiones en los nodos de media tensión de cada transformador de
distribución, evidenciándose que respecto al caso base aumenta la dispersión de los resultados,
al igual que se incrementa la tensión en los nodos como máximo hasta un 2 %, valor permitido
por la normativa vigente colombiana y que no viola los lı́mites definidos para determinar la
máxima penetración de generación solar fotovoltaica. Igualmente se verifica que se reduce la
regulación de tensión a lo largo de la troncal del alimentador principal, mejorando el perfil de
tensión en cada centro de distribución, y por consiguiente incrementa la calidad del servicio
percibida por el usuario final, en este caso la industria.
1.02
Voltaje en transformadores [PU]
1.015
1.01
1.005
0.995
0.99
0.985
Transformador
En la figura 5.20 se muestra la corriente de cada transformador, en donde se aprecia que

de manera similar a lo indicado para las tensiones a lo largo de las lı́neas del alimentador
Rurales, se amplı́a el rango de valores para el percentil 50 en todos los transformadores de
distribución del alimentador, y se reduce la regulación mejorando este parámetro de calidad
de servicio hacia la cola del circuito. Se pueden apreciar flujos de potencia inversos medidos
en los transformadores de distribución con una probabilidad de ocurrencia entre el 5 % y el
25 %, lo que corresponde a excedentes de generación que son suministrados por cada sistema
fotovoltaico y que no fue demandada por la carga conectada en el nodo de baja tensión de
dicho centro de distribución.
64 Caso especial 1 - 100PV120
Para el caso 100PV100, a partir del análisis de resultados presentados en las figuras 5.11
a la 5.20, no se presentan violaciones en los lı́mites definidos para las variables de seguimiento.
A pesar de que representa el escenario de mayor presencia de generación fotovoltaica en un
sistema de distribución, se requiere aumentar el porcentaje de penetración para determinar la
máxima generación solar fotovoltaica permitida, lo que contempla una instalación solar con
potencia de generación mayor a la capacidad instalada de los transformadores de distribución;
esta configuración debe ser validada ya que no es implementada por el operador de red,
debido a que durante las horas de generación nominal de los paneles solares se sobrecargarı́a
el transformador de distribución al cual está conectado. Sin embargo; como el criterio de
parada del presente trabajo de grado es vulnerar los umbrales definidos para las variables
de seguimiento, para determinar la máxima penetración de generación solar fotovoltaica
teórica, se definieron dos escenarios con penetración del 120 % y 150 % que se presentarán a
continuación.
5.3. Caso especial 1 - 100PV120

En esta sección se presentarán los resultados obtenidos a partir del modelo del escenario
con 100 % participación y 120 % penetración, es decir con sistemas fotovoltaicos conectados
en la totalidad de transformadores de distribución del alimentador Rurales, cuya potencia
nominal corresponde al 120 % de la capacidad instalada del transformador de distribución al
Caso especial 1 - 100PV120 65
que se conectaron.
En la figura 5.21 (a) se muestra el perfil de tensión visto desde la subestación; observe
que similar al escenario 100PV100, este presenta valores entre 1.000 a 1.017 en por unidad
con una media cercana a 1.01 por unidad, por ende no presenta violaciones de tensión de
acuerdo a la normatividad vigente marcada con las lı́neas discontinuas de color rojo. Respecto
a la corriente en la subestación mostrada en figura 5.21 (b), se observa un flujo inverso de
corriente con un mı́nimo de 300 [A], y que a pesar de que es un valor obtenido en 1 dı́a de
simulación, el conductor no presentarı́a condiciones atı́picas en su funcionamiento, y por ende
no exceda el lı́mite definido para esta variable de seguimiento en la sección 4.4.
Figura 5.21: Tensión (a) y corriente (b) en la subestación para el caso 100 % participación y
120 % penetración
La gráfica 5.22 (a) refleja el comportamiento estadı́stico de la generación solar fotovoltai-

ca a lo largo del dı́a. Observe que la generación fotovoltaica es mayor en la franja horaria de
las 10:00 a las 14:00, ya que el percentil 50 en este intervalo de tiempo está entre los 5 [MW]
y los 15 [MW]. Aunque los valores máximos de potencia generada son hacia el mediodı́a
con valores de 26 [MW] con una probabilidad de ocurrencia del 25 %; esto no representa
condición operativa de riesgo para la red, debido a que como se indicó en la sección 4.2.2, la
temperatura de operación del panel es de alrededor de 70 [◦ C] que representa una eficiencia
de aproximadamente 90 % de su potencia nominal, ocasionando que no se supere en ningún
momento del dı́a la capacidad instalada en los transformadores de distribución de 27.7 [MW].
Observe en la figura 5.22 (b), el comportamiento estadı́stico de la potencia activa del
alimentador Rurales visto desde la subestación, donde el percentil 50 representa intervalos
de potencia pequeños con un valor medio cercano a los 5 [kW] para las horas de generación
máxima y de 10 [kW] para los de generación mı́nima, en la franja horaria entre las 8:00 y
las 16:00 se tiene una probabilidad del 25 % que se tenga flujo de potencia inverso (lı́nea
discontinua negra inferior), es decir que la potencia suministrada por los paneles solares
fotovoltaicos sea inyectada a la red.
Figura 5.22: Gráficos de bigotes de potencia generada (a) y potencia activa en la subestación
(b) para el caso 100 % participación y 120 % penetración
La figura 5.23 (a) muestra estadı́sticamente la tensión en por unidad en los tramos de red
del alimentador Rurales, observe que se mejora el perfil de tensión a lo largo la red, el cual va
decreciendo a medida que se aleja de la subestación. Al igual que en el escenario 100PV100,
para este caso se reduce la regulación (caı́da de tensión a lo largo del circuito) mejorando
este parámetro de calidad de servicio y hacia la cola del circuito aumenta la dispersión,
incrementándose el rango del percentil 95. Observe que con una probabilidad menor al 5 %,
los valores de tensión en las lı́neas presentarán sobretensión a lo sumo del 2.5 %, valor que
no excede el lı́mite definido para esta variable de seguimiento en la sección 4.4.
De manera similar, la figura 5.23 (b) muestra la corriente en medida en el nodo inicial
de cada lı́nea del alimentador Rurales, observe que se reduce la magnitud de corriente en
los tramos de red debido a que como aumentó la generación solar fotovoltaica, la industria
o centro de consumo hace uso de esta energı́a generada y por ende se suministra menos
potencia desde la cabecera del alimentador. Igualmente se aprecia que aunque hay mayor
flujo de potencia inverso, se tiene una probabilidad del 5 % que los valores de corriente
inversa en la cabecera sean entre 100 y 300 [A]; lo cual no excede la capacidad amperimétrica
del cable de salida del alimentador Rurales, por lo cual no se viola la variable de seguimiento
planteada en la sección 4.4, ya que el percentil 95 presenta valores superiores a los 100 [A]
en cabecera.
Figura 5.23: Gráficos de bigotes de tensión (a) y corriente (b) en las lı́neas del alimentador
La figura 5.24 (a) muestra las tensiones en los nodos de media tensión de cada trans-
formador de distribución del alimentador Rurales, evidenciándose que respecto al caso base
aumenta la dispersión de los resultados, al igual que se incrementa la tensión en los nodos
como máximo hasta un 2.5 %, de manera similar a los resultados obtenidos en el escenario
100PV100, valor permitido por la normativa vigente colombiana y que no viola los lı́mites
definidos para determinar la máxima penetración de generación solar fotovoltaica. Igualmen-
te se verifica que se reduce la regulación de tensión a lo largo de la troncal del alimentador
principal mejorando el perfil de tensión en cada centro de distribución.
Por su parte, la figura 5.24 (b) presenta la corriente de cada transformador de distribu-
ción, en donde se aprecia que de manera similar a lo indicado para las tensiones a lo largo
de las lı́neas del alimentador Rurales, se aumenta el rango de valores para el percentil 50
en todos los transformadores de distribución; aunque para este caso, se reduce el flujo de
potencia positivo (suministrado por la red), ya que al haber mayor generación distribuida,
la potencia es suministrada directamente desde los centros de consumo e incluso inyectan

energı́a a la red con una probabilidad de ocurrencia del 30 %.
Figura 5.24: Gráficos de bigotes de tensión (a) y corriente (b) en los transformadores de
distribución del alimentador Rurales para el caso 100 % participación y 120 % penetración
a la 5.24, no se presentan violaciones en los lı́mites definidos para determinar la máxima
penetración de generación solar fotovoltaica en un circuito de distribución industrial.
5.4. Caso especial 2 - 100PV150

En esta sección se presentarán los resultados obtenidos a partir del modelo del escena-
rio especial con 100 % participación y 150 % penetración, es decir con sistemas fotovoltaicos
conectados en la totalidad de transformadores de distribución del alimentador Rurales, cu-
ya potencia nominal corresponde al 150 % de la capacidad instalada del transformador de
distribución al que se conectaron.
En la figura 5.25 (a) se muestra el perfil de tensión visto desde la subestación; observe
que similar a los escenarios anteriores, este presenta valores entre 1.000 a 1.017 en por unidad
con una media cercana a 1.01 por unidad, por ende no presenta violaciones de tensión de
acuerdo a la normatividad vigente marcada con las lı́neas discontinuas de color rojo. Respecto
a la corriente en la subestación mostrada en la figura 5.25 (b), se observa un flujo inverso de
corriente con un mı́nimo cercano a los 400 [A], los cuales deben analizarse estadı́sticamente
para determinar si se vulneran o no el umbral definido para esta variable de seguimiento en
la sección 4.4.
Figura 5.25: Tensión (a) y corriente (b) en la subestación para el caso 100 % participación y
150 % penetración
La gráfica 5.26 (a) refleja el comportamiento estadı́stico de la generación solar fotovoltai-

ca a lo largo del dı́a. Respecto a la potencia activa generada con percentil 75, esta varı́a entre
los valores de 0 [MW] a 15 [MW], lo que probabilı́sticamente no representa violaciones en
los parámetros de seguimiento definidos en la sección 4.4. Observe que aunque la generación
fotovoltaica es mayor en la franja horaria de las 10:00 a las 14:00, en el intervalo de tiempo
entre las 11:00 y las 13:00 se presentan máximos de generación superiores a 27.7 [MW] (ca-
pacidad instalada de transformación) con una probabilidad de ocurrencia del 25 %, lo que
representa riesgo para los activos del operador de red, exponiéndolos a potencias incluso de
34 [MW] hacia el mediodı́a, lo que representa el 22 % mayor a la capacidad instalada durante
aproximadamente 2 horas. Factor que el operador de red no permite en los transformadores
debido a que se reduce la vida útil de los activos exponiéndolos a tal sobrecarga.
Observe en la figura 5.26 (b), el comportamiento estadı́stico de la potencia activa del
alimentador Rurales visto desde la subestación, donde el percentil 50 representa intervalos
de potencia pequeños con un valor medio cercano a los 3 [kW] para las horas de generación
máxima y de 9 [kW] para los de generación mı́nima, en la franja horaria entre las 8:00 y
las 16:00 se tiene una probabilidad del 25 % que se tenga flujo de potencia inverso (lı́nea
discontinua negra inferior), es decir que la potencia suministrada por los paneles solares
fotovoltaicos sea inyectada a la red.
Figura 5.26: Gráficos de bigotes de potencia generada (a) y potencia activa en la subestación
(b) para el caso 100 % participación y 150 % penetración
La figura 5.27 (a) muestra estadı́sticamente la tensión en por unidad en los tramos de red
del alimentador Rurales, observe que se mejora el perfil de tensión a lo largo la red, el cual va
decreciendo a medida que se aleja de la subestación. Al igual que en los escenarios 100PV100
y 100PV120, para este caso se reduce la regulación (caı́da de tensión a lo largo del circuito)
mejorando este parámetro de calidad de servicio y hacia la cola del circuito aumenta la
dispersión, incrementándose el rango del percentil 95. Observe que con una probabilidad
menor al 5 %, los valores de tensión en las lı́neas presentarán sobretensión a lo sumo del
3.2 %, valor que aunque es superior a los escenarios anteriores, no excede el lı́mite definido
para esta variable de seguimiento en la sección 4.4.
La figura 5.27 (b) muestra que se reduce la magnitud de corriente en los tramos de red
debido a la industria demanda la energı́a solar generada, y por ende se suministra menos po-
tencia desde la cabecera. Ahora bien, para analizar estadı́sticamente la corriente en las lı́neas
del alimentador Rurales y en especial las 1 y 2 que corresponden a la vista por la cabecera
del circuito; observe que hay mayor flujo de potencia inverso, se tiene una probabilidad del
25 % a lo largo de un año que los valores de corriente inversa en la cabecera sean entre 40
y 280 [A] y una probabilidad del 5 % que estos valores se encuentren entre 280 y 470 [A];
estos últimos violan los parámetros definidos en la sección 4.4, como es el caso del flujo de
potencia, ya que se supera en momentos la ampacidad del conductor de salida de la cabecera

en un 33 %, generando consecuencias operativas negativas como lo son fallas en el conductor
o terminales de conexión, al soportar una corriente mayor para la cual está diseñado.
(a)
Voltaje en líneas [PU]
1.03
1.02
1.01
0.99
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Línea
(b)
Corriente en líneas [A]
200
100
0
-100
-200
-300
-400
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Línea
Figura 5.27: Gráficos de bigotes de tensión (a) y corriente (b) en las lı́neas del alimentador
La figura 5.28 (a) muestra las tensiones en los nodos de media tensión de cada trans-
formador de distribución del alimentador Rurales, evidenciándose que respecto al caso base
aumenta la dispersión de los resultados, al igual que se incrementa la tensión en los nodos
como máximo hasta un 3.2 %, aunque el valor de sobretensión es mayor al obtenido en el
escenario 100PV120, este valor permitido por la normativa vigente colombiana y que no
viola los lı́mites definidos para determinar la máxima penetración de generación solar foto-
voltaica. Igualmente se verifica que se reduce la regulación de tensión a lo largo de la troncal
del alimentador principal mejorando el perfil de tensión en cada centro de distribución.
Por su parte, la figura 5.28 (b) presenta la corriente de cada transformador de distribu-
ción, en donde se aprecia que de manera similar a lo indicado para las tensiones a lo largo
de las lı́neas del alimentador Rurales, se amplı́a el rango de valores para el percentil 50 en
todos los transformadores de distribución; al igual que en el escenario 100PV120, se reduce
el flujo de potencia positivo (suministrado por la red), ya que al haber mayor generación
distribuida, la potencia es suministrada directamente desde los centros de consumo e incluso
inyectan a la red con una probabilidad de ocurrencia del 30 % o mayor.
Voltaje en transformadores [PU] (a)

1.03
1.02
1.01
0.99
Transformador
Corriente en transformadores [A]
(b)
40
20
-20
-40
-60
-80
Transformador
Figura 5.28: Gráficos de bigotes de tensión (a) y corriente (b) en los transformadores de
distribución del alimentador Rurales para el caso 100 % participación 150 % penetración
a la 5.28, este caso representa el escenario más crı́tico para un circuito de distribución con
presencia de sistemas solares, ya que implica conectar paneles cuya potencia de generación
exceda durante un intervalo del dı́a, la capacidad nominal del transformador de distribución.
Igualmente se presenta violaciones en los lı́mites definidos en la sección 4.4 como lo es la
magnitud de la corriente en los conductores del alimentador. Esto representa condiciones de
operación que deben ser evaluadas por el operador de red, las que básicamente consisten
en fijar umbrales de tolerancia frente al flujo inverso de corriente en los transformadores
de potencia de las subestaciones, ya que bajo el escenario de una penetración masiva de
generación solar fotovoltaica, se generarán flujos de potencia inversos que serán inyectados
a la red de alta tensión y que con una probabilidad de ocurrencia del 5 % serán mayores a
la ampacidad de los conductores, empleando el transformador de potencia de la subestación
como elevador. Igualmente es necesario garantizar compensación de reactivos para mantener
el factor de potencia dentro de los valores indicados por la normatividad colombiana. Por tal
razón, para determinar la capacidad máxima de generación, se define el caso anterior al cual
se violaron las variables de seguimiento, en este caso el escenario 100PV120, es decir que la
máxima penetración de generación solar fotovoltaica en redes de distribución industriales es
del 120 % de la capacidad instalada en los transformadores de distribución, lo que equivale
al doble del factor de uso que ratifica lo mencionado por Vera en [1].
Capı́tulo 6
Conclusiones
6.1. Conclusiones generales

Se analizaron los resultados de flujos de potencia para 22 escenarios de penetración y
participación validando el comportamiento de la regulación de tensión, la cargabilidad de
corriente y la dirección del flujo de potencia en la operación del sistema, enmarcado en la
Norma Técnica Colombiana NTC 5001 de 2008. Por lo que se define que, para un circuito
de distribución radial con perfil de carga industrial; con base a las variables de vigilancia
declaradas en el presente trabajo de grado, pueden ser instalados sistemas solares fotovoltaicos
cuya potencia nominal sea 120 % de la capacidad instalada del transformador de distribución
al que está conectado; es decir, se determina un valor de máxima penetración de generación
solar fotovoltaica del 120 % con probabilidad entre el 5 % y el 25 % de experimentar flujos de
potencia inversos. A pesar que contempla una instalación solar fotovoltaica con potencia de
generación mayor a la capacidad instalada de los transformadores de distribución; durante
las horas de generación nominal de los paneles solares no se sobrecarga el transformador
de distribución al cual está conectado, esto debido a que la temperatura de operación de
los paneles representa una eficiencia de aproximadamente 90 % de la generación máxima,
y de ésta manera no se supera el umbral de la capacidad instalada del alimentador de red
industrial. Adicionalmente, esto representa condiciones de operación que deben ser evaluadas
por el operador de red, las que básicamente consisten en fijar umbrales de tolerancia frente
al flujo inverso de potencia en los transformadores de distribución de las subestaciones, ya
que en presencia de un escenario con penetración masiva de generación solar fotovoltaica,
se generarı́an flujos de potencia inversos que serı́an inyectados a la red de alta tensión,
empleando el transformador de potencia de la subestación como elevador. Igualmente es
necesario garantizar compensación de reactivos para mantener el factor de potencia dentro
de los valores indicados por la normatividad colombiana.
Igualmente, se determinó que el factor de uso de los transformadores de distribución
representa un parámetro decisivo para determinar la máxima penetración de generación solar
73
74 Aportes
fotovoltaica en redes de distribución industriales, el cual afecta directamente la dirección del

flujo de potencia, ya que para el sistema de estudio, fue el parámetro que estableció el criterio
de parada para definir la máxima generación fotovoltaica. En este caso, un alimentador
industrial, presenta un factor de uso del 60 %, donde el Hosting Capacity obtenido del 120 %
de la capacidad instalada en los transformadores de distribución, representa el doble de tal
factor de uso, con 5 % de probabilidad de experimentar flujo inverso de potencia para el
escenario crı́tico de penetración, esto ratifica lo mencionado por Vera en [1].
La integración del Modelo de Gaussianas Mixtas y el Análisis de Monte Carlo, representan
una herramienta útil para la estimación del recurso solar disponible y demanda de carga, cuyos
comportamientos estocásticos son ajustados adecuadamente por el Modelo de Gaussianas
Mixtas, ya que al ser la combinación de varias gaussianas, se convierte en una herramienta
flexible para hacer ajustes probabilı́sticos; al emplear el Análisis de Monte Carlo a partir de las
estimaciones obtenidas y recrear mil dı́as para que sean simuladas, se reduce la incertidumbre
y los errores porcentuales que puedan generarse.
Mediante el software de simulación OpenDss se modeló un circuito de distribución con
perfil de carga industrial, realizando una configuración para que a partir de los datos esti-
mados de recurso solar (irradiancia y temperatura de operación del panel) y perfil de carga,
se ejecutaran 144 flujos de carga, correspondientes 12 horas de sol diarios con una frecuencia
de muestreo de cinco minutos, y posteriormente se repitió este procedimiento 1.000 veces
recreando dicha cantidad de dı́as sol, obteniendo ası́ 144.000 flujos de carga estáticos a los
que se les realizó el análisis de variables de seguimiento definidas como: corriente, tensión,
posición del intercambiador de tomas del transformador de potencia, al igual que la potencia
activa [kW ], reactiva [kV AR] y factor de potencia mediante la herramienta computacional
MATLAB. Siendo ideal para el análisis de la información de datos de gran tamaño para su
análisis y visualización de resultados.
6.2. Aportes
Determinar la capacidad máxima permitida de generación solar fotovoltaica para un
sistema de distribución radial en media tensión con perfil de carga industrial.
Definir un criterio para el operador de red para evaluar la aprobación y conexión de

nuevos proyectos con implementación de sistemas solares fotovoltaicos, sin exceder los
parámetros de calidad de energı́a.
Definir una metodologı́a para la determinación de la máxima penetración de generación

solar fotovoltaica en redes de distribución industriales.
Trabajos futuros 75
Definir que la máxima penetración de generación solar fotovoltaica en redes de distri-

bución en general es proporcional al doble del factor de uso de los transformadores de
distribución.
Modelar un sistema de distribución radial de media tensión con perfil de carga indus-
trial ubicado en la Sabana Norte de Bogotá, con presencia de dos tipos de generación
distribuida que son la hidráulica a través de la pequeña central hidroeléctrica y el sis-
tema solar fotovoltaico instalado en los nodos de baja tensión de los transformadores
de distribución del alimentador.
6.3. Trabajos futuros

Determinación de alternativas para incrementar la máxima penetración de generación
solar fotovoltaica en los sistemas de distribución colombianos.
Determinación del impacto al implementar generación distribuida a gran escala en los

sistemas de distribución colombianos.
Evaluación del aumento de confiabilidad en redes de media tensión por la integración

de generación solar fotovoltaica.
Evaluación de la integración simultánea de distintas fuentes de generación distribuida.
Evaluación de sobrecarga en los transformadores de distribución, ocasionada por la

conexión de paneles solares fotovoltaicos.
Referencias
[1] C. D. Vera Silva, “Determinación de la capacidad máxima permitida de generación

solar fotovoltaica en redes de distribución,” Master’s thesis. Escuela Colombiana de
Ingenierı́a Julio Garavito, 2020.
[2] ONU, “Conferencia de las Naciones Unidas sobre el Cambio Climático (COP26),” Glas-
gow, Escocia, 2021. [Online]. Available: https://www.un.org/es/climatechange /cop26
[3] Congreso de la república de Colombia, “Ley 1715 de 2014,” [Online]. Available:

http://www.secretariasenado.gov.co/senado/basedoc/ley 1715 2014.html.
[4] Comisión de Regulación de Energı́a y Gas (CREG), “Resolución no. 030 de

2018,” [Online]. Available:http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05
256eee00709c02/83b41035c2c4474f05258243005a1191?OpenDocument.
[5] Comisión de Regulación de Energı́a y Gas (CREG), “Resolución no. 174 de

2021,” [Online]. Available: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05
256eee00709c02/c99b2f316a59fffb052587950077d9d1/FILE/Creg1742021.pdf.
[6] E. Tiempo, Ed., Nueve de cada 10 proyectos para generar energı́a usarán paneles sola-
res. [Online]. Available: https://n9.cl/2g1uv.
[7] M. Karimi, H. Mokhlis, K. Naidu, S. Uddin, and A. H. A. Bakar, “Photovoltaic

penetration issues and impacts in distribution network – A review,” Renewable
and Sustainable Energy Reviews, vol. 53, pp. 594–605, 2016. [Online]. Available:
http://dx.doi.org/10.1016/j.rser.2015.08.042
[8] R. Albarracı́n and H. Amarı́s, “Power Quality in distribution power networks with
photovoltaic energy sources,” 8th EEEIC International Conference on Environment
and Electrical Engineering, pp. 360–363, 2009.
76
REFERENCIAS 77
[9] J. Dong, Y. Xue, T. Kuruganti, I. Sharma, J. Nutaro, M. Olama, J. M. Hill, and J. W.

Bowen, “Operational impacts of high penetration solar power on a real-world distribu-
tion feeder,” in 2018 IEEE Power Energy Society Innovative Smart Grid Technologies
Conference (ISGT), Feb 2018, pp. 1–5.
[10] A. Dubey, S. Santoso, and A. Maitra, “Understanding photovoltaic hosting capacity

of distribution circuits,” in 2015 IEEE Power Energy Society General Meeting, July
2015, pp. 1–5.
[11] A. Hoke, R. Butler, J. Hambrick, and B. Kroposki, “Steady-state analysis of maximum

photovoltaic penetration levels on typical distribution feeders,” vol. 4, no. 2, April 2013,
pp. 350–357.
[12] R. A. Kordkheili, B. Bak-Jensen, J. R-Pillai, and P. Mahat, “Determining maximum

photovoltaic penetration in a distribution grid considering grid operation limits,” in
2014 IEEE PES General Meeting — Conference Exposition, July 2014, pp. 1–5.
[13] U. Mamadaminov, “The Impacts of Increased Distributed Solar PV Penetration on

Distribution Network - Review,” no. March 2014, 3 2014.
[14] Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC), “Ntc 5001 cali-
dad de la potencia eléctrica. lı́mites y metodologı́a de evaluación en punto de conexión
común,” https://tienda.icontec.org/wp-content/uploads/pdfs/NTC5001.pdf.
[15] S. K. Solanki, V. Ramachandran, and J. Solanki, “Steady state analysis of high

penetration PV on utility distribution feeder,” in PES T&D 2012. IEEE, may 2012,
pp. 1–6. [Online]. Available: http://ieeexplore.ieee.org/document/6281716/
[16] N. Dhlamini and S. P. Daniel Chowdhury, “The effect of integration of photovoltaic

generation on South Africa grid,” in 2017 IEEE PES PowerAfrica. IEEE, jun 2017,
pp. 439–444. [Online]. Available: http://ieeexplore.ieee.org/document/7991265/
[17] P. Radatz, N. Kagan, C. Rocha, J. Smith, and R. C. Dugan, “Assessing

maximum DG penetration levels in a real distribution feeder by using OpenDSS,”
in 2016 17th International Conference on Harmonics and Quality of Power
(ICHQP), vol. 2016-Decem. IEEE, oct 2016, pp. 71–76. [Online]. Available:
http://ieeexplore.ieee.org/document/7783416/
[18] P. Karimi-Zare and H. Seifi, “Maximum allowable penetration level determination

of a DG in a distribution network,” in 2012 IEEE International Energy Conference
78 REFERENCIAS
and Exhibition (ENERGYCON). IEEE, sep 2012, pp. 355–360. [Online]. Available:
[19] A. Shayani and G. de Oliveira, “Photovoltaic Generation Penetration Limits in Radial

Distribution Systems,” IEEE Transactions on Power Systems, vol. 26, no. 3, pp. 1625–
1631, aug 2011. [Online]. Available: http://ieeexplore.ieee.org/document/5594978/
[20] T. Stetz, F. Marten, and M. Braun, “Improved Low Voltage Grid-Integration

of Photovoltaic Systems in Germany,” IEEE Transactions on Sustaina-
ble Energy, vol. 4, no. 2, pp. 534–542, apr 2013. [Online]. Available:
[21] P. Samar Fatima and M. Lehtonen., “Review on the pv hosting capacity in distribution
networks.” Energies, 2020.
[22] M. Bollen and M. Häger, “Power quality: Interactions between distributed energy re-
sources, the grid, and other customers,” Electric Power Quality and Utilisation Maga-
zine, vol. 1, pp. 51–61, 01 2005.
[23] J. Bollen, Y. Yang, and F. Hassan, “Integration of distributed generation in the po-
wer system - a power quality approach,” in 2008 13th International Conference on
Harmonics and Quality of Power, Sep. 2008, pp. 1–8.
[24] S. Bollen, M.H.J.; Rönnberg, “Hosting capacity of the power grid for renewable elec-
tricity production and new large consumption equipment.” Energies, 2017.
[25] T. Walla, “Hosting capacity for photovoltaics in swedish distribution grids,” no. 13002,
p. 55, 2012.
[26] L. Verschueren, T.; Mets, “Assessment and mitigation of voltage violations by solar
panels in a residential distribution grid.” in IEEE International Conference on Smart
Grid Communications, SmartGridComm 2011, 2011.
[27] R. Chen, P.; Salcedo, “Analysis of voltage pro fi le problems due to the penetration of
distributed generation in low-voltage.” IEEE Trans. Power Syst, 2012.
[28] B. Kabiri, R.; Holmes, “Voltage regulation of lv feeders with high penetration of pv
distributed generation using electronic tap changing transformers.” in Australasian
Universities Power Engineering Conference, AUPEC, 2014.
[29] G. Heinrich, C.; Fortenbacher, “Pv-integration strategies for low voltage networks.” in
IEEE International Energy Conference, ENERGYCON 2016, 2016.
REFERENCIAS 79
[30] L. Long, C.; Ochoa, “Voltage control of pv-rich lv networks: Oltc-fitted transformer
and capacitor banks.” IEEE Trans. Power Syst, 2016.
[31] R. Gaunt, C.T.; Namanya, “Voltage modelling of lv feeders with dispersed generation:
Limits of penetration of randomly connected photovoltaic generation.” Electr. Power
Syst., 2017.
[32] G. Padullaparti, H.V.; Jothibasu, “Increasing feeder pv hosting capacity by regulating

secondary circuit voltages.” in IEEE Power Energy Society General Meeting, 2018.
[33] B. Jain, A.K.; Horowitz, “Quasi-static time-series pv hosting capacity methodology and
metrics.” in IEEE Power Energy Society Innovation Smart Grid Technology Conference
ISGT, 2019.
[34] A. Saber, A.Y.; Khandelwal, “Fast feeder pv hosting capacity using swarm based in-
telligent distribution node selection.” in IEEE Power Energy Society Genery Meeting,
2019.
[35] A. Jothibasu, S.; Santoso, “Optimization methods for evaluating pv hosting capacity of
distribution circuits.” in IEEE 46th Photovoltaic Specialists Conference (PVSC), 2019.
[36] M. Lazzeroni, P.; Olivero, “Impact of pv penetration in a distribution grid: Amiddle-

east study case.” in 2015 IEEE 1st International Forum on Research and Technologies
for Society and Industry, 2015.
[37] A. Kitworawut, B.; Azuatalam, “An investigation into the technical impacts of micro-
generation on uk-type lv distribution networks.” in IEEE International Conference on
Renewable Energy Research and Applications, ICRERA, 2016.
[38] F. Weisshaupt, M.J.; Schlatter, “Evaluation of measures to operate urban low voltage
grids considering future pv expansion.” IFAC-PapersOnLine, 2016.
[39] M. Arshad, A.; Lindner, “An analysis of photo-voltaic hosting capacity in finnish low
voltage distribution networks.” Energies, 2017.
[40] S. Mohammadi, P.; Mehraeen, “Challenges of pv integration in low-voltage secondary

networks.” IEEE Trans. Power Syst, 2017.
[41] A. Torquato, R.; Salles, “Comprehensive assessment of pv hosting capacity on low-

voltage distribution systems.” IEEE Trans. Power Syst, 2018.
80 REFERENCIAS
[42] A. Singh, N.K.; Wanik, “Enhancing pv hosting capacity of a qatar remote farm network
using inverters ability to regulate reactive power-a case study.” in IEEE PES Innovation
Smart Grid Technology Conference Europe ISGT-Europe, 2019.
[43] B. Grabner, M.; Souvent, “Probabilistic methodology for calculating pv hosting capa-
city in lv networks using actual building roof data.” Energies, 2019.
[44] A. Steyn, A.F.W.; Rix, “Modelling the technical influence of randomly distributed
solar pv uptake on electrical distribution networks.” in ICCEP 2019—7th International
Conference on Clean Electrical Power: Renewable Energy Resources Impact, 2019.
[45] M. P. Su, X.; Masoum, “Optimal pv inverter reactive power control and real power
curtailment to improve performance of unbalanced four-wire lv distribution networks.”
IEEE Trans. Power Syst, 2014.
[46] H. Hu, J.; Marinelli, “Coordinated voltage control of a decoupled three-phase on-load
tap changer transformer and photovoltaic inverters for managing unbalanced networks.”
Electr. Power Syst., 2016.
[47] L. Rahman, F.F.S.; Adi, “Study on photovoltaic hosting in yogyakarta electric distribu-
tion network.” in 5th International Conference on Information Technology, Computer,
and Electrical Engineering, ICITACEE., 2018.
[48] Q. Wang, B.; Zhang, “Improving hosting capacity of unbalanced distribution networks
via battery energy storage systems.” in Asia-Pacific Power Energy Engineering Con-
ference APPEEC, 2019.
[49] H. Divan, D.; Moghe, “Managing distribution feeder voltage issues caused by high
pv penetration.” in IEEE 7th International Symposium Power Electronics Distributed
Generation Systems PEDG, 2016.
[50] E. Atmaja, W.Y.; Sarjiya; Lesnanto, “Hosting capacity improvement using reactive
power control strategy of rooftop pv inverters.” in 7th International Conference on
Smart Energy Grid Engineering, SEGE 2019, 2019.
[51] G. Ferdowsi, F.; Mehraeen, “Assessing distribution network sensitivity to voltage rise
and flicker under high penetration of behind-the-meter solar.” Renew. Energy, 2020.
[52] B. Palmintier, R. Broderick, B. Mather, M. Coddington, K. Baker, F. Ding, M. Reno,

M. Lave, and A. Bharatkumar, “On the path to sunshot: Emerging issues and challenges
in integrating solar with the distribution system.”
REFERENCIAS 81
[53] M. Ismael, A. Aleem, Y. Abdelaziz, and F. Zobaa, “State-of-the-art of

hosting capacity in modern power systems with distributed generation,”
Renewable Energy, vol. 130, pp. 1002 – 1020, 2019. [Online]. Available:
http://www.sciencedirect.com/science/article/pii/S0960148118307936
[54] EPRI, “Stochastic Analysis to Determine Feeder Hosting Capacity for Distributed Solar
PV 1026640 10399208,” Tech. Rep.
[55] D. Navarro, A.; Ochoa, “Monte carlo-based assessment of pv impacts on real uk low
voltage networks.” in IEEE PES ISGT Europe 2013, 2013, pp. 31–35.
[56] A. Rabiee and S. M. Mohseni-Bonab, “Maximizing hosting capacity of rene-

wable energy sources in distribution networks: A multi-objective and scenario-
based approach,” Energy, vol. 120, pp. 417 – 430, 2017. [Online]. Available:
[57] J. Smith, M. Rylander, M. Reno, R. Broderick, and B. Mather, “Alternatives to the

15 % rule: Modeling and hosting capacity analysis of 16 feeders,” 04 2015.
[58] Interstate Renewable Energy Council (IREC), “Irec insight se-

ries: Key lessons from the california integrated capacity analysis,”
https://www.renewableenergyworld.com/2017/03/28/irec-insight-series-key- lessons-
from-the-california-integrated-capacity-analysis/#gref.
[59] J. Le Baut, P. Zehetbauer, S. Kadam, B. Bletterie, N. Hatziargyriou, J. Smith, and

M. Rylander, “Probabilistic evaluation of the hosting capacity in distribution net-
works,” in 2016 IEEE PES Innovative Smart Grid Technologies Conference Europe
(ISGT-Europe), Oct 2016, pp. 1–6.
[60] J. Palacios-Garcia, A. Moreno-Muñoz, I. Santiago, I. M. Moreno-Garcia, and

M. I. Milanés-Montero, “Pv hosting capacity analysis and enhancement using high
resolution stochastic modeling,” Energies, vol. 10, no. 10, 2017. [Online]. Available:
https://www.mdpi.com/1996-1073/10/10/1488
[61] M. Rylander, J. Smith, D. Lewis, and S. Steffel, “Voltage impacts from distributed
photovoltaics on two distribution feeders,” in 2013 IEEE Power Energy Society General
Meeting, July 2013, pp. 1–5.
[62] N. Aziz, T.; Ketjoy, “Pv penetration limits in low voltage networks and voltage varia-
tions.” IEEE Access, 2017.
82 REFERENCIAS
[63] M. Mawarni, D.E.; Ali, “A case study of using oltc to mitigate overvoltage in a rural
european low voltage network.” in Universities Power Engineering Conference, 2015.
[64] M. Liu, Y.J.; Tai, “Assessment of the pv hosting capacity for the medium-voltage
11.4 kv distribution feeder.” in 4th IEEE International Conference Applied System
Innovation 2018, ICASI, 2018.
[65] D. Asano, M.;Wong, “On the interplay between svcs and smart inverters for managing
voltage on distribution networks.” in IEEE Power Energy Society Genery Meeting,
2019.
[66] R. Essackjee, I.A.; Ah King, “Maximum rooftop photovoltaic hosting capacity with
harmonics as limiting factor—case study for mauritius.” in icABCD 2019–2nd Interna-
tional Conference Advance Big Data, Computing Data Communication Systems, 2019.
[67] S. Haghi, H.V.; Pecenak, “Feeder impact assessment of smart inverter settings to sup-
port high pv penetration in california.” in IEEE Power Energy Society Genery Meeting
2019, 2019.
[68] K. Pukhrem, S.; Basu, “Enhanced network voltage management techniques under the
proliferation of rooftop solar pv installation in low-voltage distribution network.” IEEE
J. Emerg. Sel. Top. Power Electron, 2017.
[69] W. Ravikumar Pandi, V.; Zeineldin, “Allowable dg penetration level considering har-
monic distortions.” in IECON Proceedings (Industrial Electronnics Conference), 2011.
[70] D. Alam, M.J.E.; Muttaqi, “Distributed energy storage for mitigation of voltage-rise
impact caused by rooftop solar pv.” in IEEE Power Energy Society General Meeting,
2012.
[71] L. Divshali, P.H.; Soder, “Improving pv hosting capacity of distribution grids conside-
ring dynamic voltage characteristic.” in 20th Power Systems Computation Conference,
PSCC 2018, 2018.
[72] A. Dubey, “Impacts of voltage control methods on distribution circuit’s photovoltaic

(pv) integration limits.” in Proceedings Inventions, 2017.
[73] W. Sun, “Maximising renewable hosting capacity in electricity networks,” Ph.D. dis-
sertation, The University of Edinburgh, junio, 2015.
[74] F. AlAlamat, “Increasing the hosting capacity of radial distribution grids in jordan,”
Master’s thesis. Uppsala Universitet, Suecia, junio, 2015.
REFERENCIAS 83
[75] Comisión de Regulación de Energı́a y Gas (CREG), “Resolución no. 070 de 1998,”
[Online]. Available: http://apolo.creg.gov.co/Publicac.nsf/Indice01/Resolución-1998-
CREG070-98.
[76] S. R. Castaño, “Redes de Distribución de Energı́a,” Universidad Nacional de Colombia,

3rd ed. Manizales, 2004.
[77] J. Dolores and J. Cervantes, Sistemas de distribución de energı́a eléctrica, 1st ed.,
Universidad Autónoma Metropolitana, Casa abierta al tiempo, Azcapotzalco, México,
1995.
[78] I. M. El-Amin and M. S. Ali, “Impact of PV system on distribution networks,” in 2011

IEEE PES Conference on Innovative Smart Grid Technologies - Middle East. IEEE,
dec 2011, pp. 1–6. [Online]. Available: http://ieeexplore.ieee.org/document/6220813/
[79] K. Butler-Purry and M. Marotti, “Impact of Distributed Generators on Protective

Devices in Radial Distribution Systems,” in 2005/2006 PES TD. IEEE, 2006, pp.
87–88. [Online]. Available: http://ieeexplore.ieee.org/document/1668462/
[80] Xinke Huang, Huan Wang, Yibo Wang, and Honghua Xu, “Voltage rise regulation
with voltage source inverter in grid connected PV generation system,” in 2013
International Conference on Electrical Machines and Systems (ICEMS). IEEE, oct
2013, pp. 431–434. [Online]. Available: http://ieeexplore.ieee.org/document/6754422/
[81] S. Wang, “Distributed generation and its effect on distribution network system,” in
Proceedings CIRED 2009 - 20th International Conference and Exhibition on Electricity
Distribution - Part 1, 2009.
[82] F. D. Hatziargyriou and N. D. Kanellos, “Control of variable speed wind turbines

equipped with synchronous or doubly fed induction generators supplying islanded
power systems,” IET Renewable Power Generation, vol. 3, no. 1, pp. 96–108, 2009.
[Online]. Available: http://ieeexplore.ieee.org/xpls/abs all.jsp?arnumber=4159950
[83] K. Tran and M. Vaziri, “Effects of Dispersed Generation (DG) on distribution systems,”
2005 IEEE Power Engineering Society General Meeting, vol. 3, pp. 2173–2178, 2005.
[84] G. Koutroumpezis and A. Safigianni, “Optimum allocation of the maximum

possible distributed generation penetration in a distribution network,” Electric Power
Systems Research, vol. 80, no. 12, pp. 1421–1427, dec 2010. [Online]. Available:
https://linkinghub.elsevier.com/retrieve/pii/S0378779610001355
84 REFERENCIAS
[85] A. Woyte, V. V. Thong, R. Belmans, and J. Nijs, “Voltage fluctuations on distribution

level introduced by photovoltaic systems,” IEEE Transactions on Energy Conversion,
vol. 21, no. 1, pp. 202–209, 2006.
[86] M. Thomson, “Impact of widespread photovoltaics generation on distribution systems,”

IET Renewable Power Generation, vol. 1, pp. 33–40(7), March 2007. [Online]. Available:
https://digital-library.theiet.org/content/journals/10.1049/iet-rpg 20060009
[87] S. Jothibasu and S. Santoso, “Sensitivity analysis of photovoltaic hosting capacity

of distribution circuits,” in 2016 IEEE Power and Energy Society General
Meeting (PESGM), vol. 2016-Novem. IEEE, jul 2016, pp. 1–5. [Online]. Available:
[88] F. Ding and B. Mather, “On Distributed PV Hosting Capacity Estima-

tion, Sensitivity Study, and Improvement,” IEEE Transactions on Sustai-
nable Energy, vol. 8, no. 3, pp. 1010–1020, jul 2017. [Online]. Available:
[89] A. A. Raja, M. Mansoor, and F. Zahid, “Optimal sitting of distributed generation

based on hosting capacity approach,” 2018 International Conference on Engineering
and Emerging Technologies, ICEET 2018, vol. 2018-Janua, pp. 1–5, 2018.
[90] S. Dasgupta, “Learning mixtures of gaussians,” in Proceedings of the 40th Annual Sym-
posium on Foundations of Computer Science, ser. FOCS ’99. USA: IEEE Computer
Society, 1999, p. 634.
[91] D. M. Titterington, A. F. Smith, and U. E. Makov, Statistical analysis of finite mixture

distributions. Universidad de California, Wiley, 1985, p 243.
[92] B. G. Lindsay, “Mixture models: Theory, geometry and applications,” NSF-CBMS

Regional Conference Series in Probability and Statistics, vol. 5, pp. i–163, 1995.
[Online]. Available: http://www.jstor.org/stable/4153184
[93] Y. E. Grijalva, “Introducción al método de simulación de Monte Carlo,”

Métodos cuantitativos para los negocios, pp. 232–249, 2009. [Online]. Available:
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r94434.PDF
[94] A. Mcmurray and T. Pearson, “Gases de efecto invernadero,” in Proceedings Tech.

Rep., 2017.
[95] R. W. Hamming, Numerical Methods for Scientists and Engineers. USA: Dover Pu-
blications, Inc., 1986.
REFERENCIAS 85
[96] R. K. Gupta, Splines, Curve Fitting, and Other Approximating Curves. Cambridge
University Press, 2019, p. 445–494.
[97] E. L. Arellano, “Análisis de componentes eléctricos de potencia con matlab.” Master’s

thesis. Universidad Nacional Autónoma de México, Facultad de Ingenierı́a, 2016.
[98] R. Singh, B. Pal, and R. Jabr, “Statistical representation of distribution system loads
using gaussian mixture model,” in IEEE PES General Meeting, July 2010, pp. 1–1.
[99] J. Quirós-tortós, A. Navarro Espinosa, L. F. Ochoa, and T. Butler, “Statistical repre-

sentation of ev charging: Real data analysis and applications,” in 2018 Power Systems
Computation Conference (PSCC), June 2018, pp. 1–7.
[100] MATLAB, Statistics and Machine Learning Toolbox User’s Guide, MathWorks.
[Online]. Available: https://la.mathworks.com/help/ident/ref/aic.htmlbuy66l9-2
[101] S. Torres Franco, “Impacto producido en la calidad de potencia de una red de distribu-
ción eléctrica residencial debido a la recarga de vehı́culos eléctricos,” Master’s thesis.
Escuela Colombiana de Ingenierı́a Julio Garavito, 2019.
[102] V. J. Fesharaki, M. Dehghani, J. J. Fesharaki, and H. Tavasoli, “The effect of tempera-

ture on photovoltaic cell efficiency,” in Proceedings of the 1stInternational Conference
on Emerging Trends in Energy Conservation–ETEC, Tehran, Iran, 2011, pp. 20–21.
[103] S. Dubey, J. N. Sarvaiya, and B. Seshadri, “Temperature dependent photovoltaic (pv)

efficiency and its effect on pv production in the world – a review,” Energy Procedia,
vol. 33, pp. 311 – 321, 2013, pV Asia Pacific Conference 2012. [Online]. Available:
[104] R. Ramos, F. M. León, A. Aguilar, and C. Oropeza, “La técnica spline: una aproxima-
ción al aprendizaje, usando la zona de desarrollo próximo en estudiantes de ingenierı́a,”
2011.
[105] R. Ramos, M. León, and A. Aguilar, “Interpolación newtoniana, lagrangiana e interpo-

lación con polinomios cúbicos: apropiación del conocimiento mediante un acercamiento
intuitivo,” 2012.
[106] BISOL Supreme, Monocrystalline PV Module BDO 360 - 365 Wp. [Online]. Available:
https://dl.bisol.com/files/Datasheets-365-M6-EN.pdf
86 REFERENCIAS
[107] C. Vera and A. Marulanda, “Opendss aplicado al modelamiento y simulación

dinámica de microrredes,” vol. 12, no. 2, pp. 149–161, Octubre. [Online]. Available:
https://revistas.udistrital.edu.co/index.php/visele/article/view/13994/14222
[108] N. Baldenko and S. Behzadirafi, “Determination of photovoltaic hosting capacity on

radial electric distribution feeders,” in 2016 IEEE International Conference on Power
System Technology (POWERCON), Sep. 2016, pp. 1–4.
[109] C. Vera, J. Valbuena G., A. Marulanda, and A. Pavas, “Assessment of increasing pv

penetration levels on step voltage regulators performance,” in 2018 IEEE PES Trans-
mission Distribution Conference and Exhibition - Latin America (T D-LA), Sep. 2018,
pp. 1–5.
[110] ABB, estación metereológica VSN800-14.[Online].Available: https://new.abb.com

/products/es/6AGC060826/vsn800-14
[111] Atlas de radiación solar, ultravioleta y ozono de Colombia. [Online]. Available:

http://atlas.ideam.gov.co/visorAtlasRadiacion.html
[112] Enel-Codensa, ”Lar102 lı́nea rural 34,5 kv estructura triángular,”

http://likinormas.micodensa.com/Norma/lineas aereas aereas rurales distribucion/
lineas aereas rurales 34 5kv/lar102 linea rural 34 5 kv estructura triangularl.
[113] Enel-Codensa, ”Cs212 detalles ductos, zanjas y rellenos. 6 ductos diámetro Ø

6” pvc-tdp,” https://likinormas.micodensa.com/Norma/cables subterraneos/camaras
ducterias/cs212 detalles ductos zanjas rellenos 6 ductos.
Anexo A
Modelo Probabilı́stico
A.1. Ajustes del Modelo de Gaussianas Mixtas carga
Tabla A.1: Modelos ajustados del perfil de carga para

los datos medidos
µ 187.2851 201.3692 174.5136 - -

6:00 σ 1768.2022 707.8138 63.6684 - -
Prop 0.2951 0.5543 0.1506 - -
µ 169.4146 186.2735 195.7174 - -
7:00 σ 18.3126 1490.6835 754.2425 - -
Prop 0.1067 0.4695 0.4238 - -
µ 191.7213 172.4992 - - -
8:00 σ 1229.115 27.9087 - - -
Prop 0.9038 0.0962 - - -
µ 192.0384 - - - -
9:00 σ 1152.7484 - - - -
Prop 1 - - - -
µ 196.6081 184.9885 - - -
10:00 σ 1423.4872 258.863 - - -
Prop 0.7715 0.2285 - - -
µ 191.0172 205.8841 171.3417 - -
11:00 σ 1852.6184 702.5834 19.5131 - -
Prop 0.3989 0.4845 0.1166 - -
µ 179.9792 111.9665 161.9205 212.7429 239.6905
12:00 σ 105.2018 3401.8288 811.662 134.0475 570.2154
87
88 Ajustes del Modelo de Gaussianas Mixtas carga
Tabla A.1: Modelos ajustados del perfil de carga para

los datos medidos
Prop 0.3019 0.0123 0.2122 0.2644 0.2092

µ 156.5899 197.9159 - - -
13:00 σ 4633.8071 1075.1117 - - -
Prop 0.0455 0.9545 - - -
µ 195.4815 - - - -
14:00 σ 1242.0086 - - - -
Prop 1 - - - -
µ 194.9312 - - - -
15:00 σ 1076.5703 - - - -
Prop 1 - - - -
µ 194.9978 - - - -
16:00 σ 1091.2696 - - - -
Prop 1 - - - -
µ 196.7135 93.3425 - - -
17:00 σ 1060.9058 5495.6662 - - -
Prop 0.982 0.018 - - -
Ajustes de Modelo de Gaussianas Mixtas irradiancia 89
A.2. Ajustes de Modelo de Gaussianas Mixtas irra-

diancia
Tabla A.2: Modelos ajustados de irradiancia para los

datos medidos
µ 7.4082 - - - -
6:00 σ 55.6608 - - - -
Prop 1 - - - -
µ 10.0797 34.8691 - - -
6:05 σ 65.987 279.396 - - -
Prop 0.9697 0.0303 - - -
µ 14.1427 75.0375 - - -
6:10 σ 101.4207 109.0007 - - -
Prop 0.9861 0.0139 - - -
µ 33.7805 7.7949 86.5372 20.6991 -
6:15 σ 109.3072 27.867 132.94 38.1313 -
Prop 0.2266 0.3818 0.0141 0.3774 -
µ 27.2032 100.789 56.5677 10.6362 -
6:20 σ 106.3507 572.6993 37.1068 28.3427 -
Prop 0.6164 0.0124 0.0647 0.3064 -
µ 35.2813 15.6448 66.1448 - -
6:25 σ 175.1039 42.3229 774.012 - -
Prop 0.4849 0.3583 0.1568 - -
µ 49.5058 22.1751 91.5674 - -
6:30 σ 137.0378 75.3398 882.5275 - -
Prop 0.3386 0.5115 0.1499 - -
µ 29.1952 93.503 61.8932 - -
6:35 σ 125.8911 1126.2477 68.286 - -
Prop 0.5728 0.2084 0.2187 - -
µ 63.5304 115.3362 30.6329 - -
6:40 σ 333.1013 1564.4128 128.9789 - -
Prop 0.4121 0.1816 0.4063 - -
µ 35.1257 221.0002 156.9488 92.9209 61.8436
6:45
90 Ajustes de Modelo de Gaussianas Mixtas irradiancia

datos medidos
σ 193.2655 8.0004 206.1942 762.0339 307.7362

Prop 0.3179 0.0082 0.06 0.3116 0.3022
µ 45.7114 168.7735 89.6703 - -
6:50 σ 315.3987 717.3899 751.4456 - -
Prop 0.4472 0.1204 0.4324 - -
µ 46.3034 92.9986 173.3648 - -
6:55 σ 275.4353 791.2939 1179.9609 - -
Prop 0.3587 0.4761 0.1652 - -
µ 24.3155 64.1666 263.0185 205.5246 131.1592
7:00 σ 36.9441 355.4564 138.0805 118.2603 1172.7347
Prop 0.0459 0.4838 0.0245 0.0648 0.381
µ 128.228 216.9118 216.1521 66.6077 -
7:05 σ 1098.4674 2736.0057 73.1589 559.8923 -
Prop 0.3506 0.099 0.0597 0.4907 -
µ 228.7375 35.4522 215.9534 122.617 76.4118
7:10 σ 209.7774 81.2602 3160.8716 1107.5773 403.4239
Prop 0.0826 0.0788 0.1459 0.3904 0.3023
µ 163.6755 103.4699 237.5944 59.5585 -
7:15 σ 420.1818 277.6546 1956.1478 433.9384 -
Prop 0.2009 0.3082 0.2324 0.2585 -
µ 207.3083 92.4794 - - -
7:20 σ 4720.2716 1163.9814 - - -
Prop 0.476 0.524 - - -
µ 102.5701 223.579 - - -
7:25 σ 1307.4157 4968.0287 - - -
Prop 0.4865 0.5135 - - -
µ 212.1097 57.1974 273.1607 120.4322 -
7:30 σ 193.8142 241.4603 3303.2449 986.2061 -
Prop 0.1155 0.0729 0.3329 0.4787 -
µ 245.7078 107.7472 - - -
7:35 σ 7022.7291 1235.7367 - - -
Prop 0.6192 0.3808 - - -
µ 238.8378 124.0967 293.839 - -
7:40

datos medidos
σ 245.6535 1790.8999 3145.2696 - -

Prop 0.1083 0.5227 0.369 - -
µ 133.3279 288.2757 550.0637 - -
7:45 σ 2110.4417 3237.5018 441.2196 - -
Prop 0.537 0.4575 0.0055 - -
µ 270.3673 475.2473 363.9501 141.0664 -
7:50 σ 1055.694 3368.5932 521.1159 2457.0101 -
Prop 0.2576 0.0396 0.1812 0.5215 -
µ 506.9457 82.5705 276.987 374.4666 168.5677
7:55 σ 288.3142 570.9128 859.0334 942.5277 1902.7173
Prop 0.0215 0.1061 0.2369 0.2407 0.3948
µ 124.072 335.09 204.9731 352.8391 -
8:00 σ 1243.5642 4162.3871 305.539 7710.5532 -
Prop 0.2896 0.2721 0.1624 0.2758 -
µ 321.8868 159.3884 411.9717 390.6966 -
8:05 σ 2190.189 2595.5328 172.14 9547.5084 -
Prop 0.2346 0.4787 0.0807 0.206 -
µ 314.2208 154.791 424.0291 - -
8:10 σ 10442.6189 2214.4651 320.7031 - -
Prop 0.5353 0.3644 0.1002 - -
µ 342.634 201.4866 535.3793 97.3592 420.0448
8:15 σ 162.3805 3882.215 6003.5375 350.2091 1407.3705
Prop 0.1063 0.5183 0.0673 0.0552 0.2529
µ 177.8245 400.5086 - - -
8:20 σ 3668.0514 8836.8581 - - -
Prop 0.4526 0.5474 - - -
µ 416.3104 185.5628 - - -
8:25 σ 8527.6093 3511.4268 - - -
Prop 0.5476 0.4524 - - -
µ 429.3595 192.7168 - - -
8:30 σ 7726.1121 4307.5382 - - -
Prop 0.5255 0.4745 - - -
µ 461.4174 207.0744 - - -
8:35

datos medidos
σ 7463.7241 4803.4252 - - -
Prop 0.4923 0.5077 - - -
µ 460.3481 217.8635 631.7989 - -
8:40 σ 5327.8988 5082.608 14605.5696 - -
Prop 0.3951 0.5303 0.0746 - -
µ 211.2486 483.518 - - -
8:45 σ 4629.08 10435.5072 - - -
Prop 0.4873 0.5127 - - -
µ 495.4324 221.6115 489.5762 - -
8:50 σ 19500.229 5428.6203 2848.6507 - -
Prop 0.3446 0.4483 0.2071 - -
µ 230.4216 522.4465 - - -
8:55 σ 5229.4516 12325.7357 - - -
Prop 0.4752 0.5248 - - -
µ 542.3134 240.0456 565.0358 - -
9:00 σ 5074.9051 5373.6573 24935.0304 - -
Prop 0.2889 0.5409 0.1702 - -
µ 557.9 244.8701 - - -
9:05 σ 8177.7604 6022.4978 - - -
Prop 0.4536 0.5464 - - -
µ 397.3693 307.3339 203.5292 581.8882 513.3364
9:10 σ 509.3635 883.5833 3176.7152 8402.792 276.2004
Prop 0.0794 0.1724 0.3525 0.3314 0.0643
µ 570.0778 258.1869 - - -
9:15 σ 10732.1216 5432.6864 - - -
Prop 0.4267 0.5733 - - -
µ 381.8662 651.5843 236.8562 541.3713 -
9:20 σ 5223.7711 7912.5277 3540.262 231.7793 -
Prop 0.2213 0.2773 0.4141 0.0873 -
µ 247.6463 645.7034 390.4454 561.3941 -
9:25 σ 4073.9345 10058.7272 560.4115 4147.9452 -
Prop 0.4822 0.2688 0.0765 0.1726 -
µ 328.071 554.2287 619.3006 221.8147 -
9:30

datos medidos
σ 4567.1963 126.0856 12081.895 2482.6764 -

Prop 0.2614 0.0558 0.3711 0.3117 -
µ 256.3568 564.526 677.8146 387.9009 645.0025
9:35 σ 4093.1634 113.6028 30280.531 1677.7548 2832.6124
Prop 0.5233 0.0592 0.1587 0.0624 0.1963
µ 209.3121 751.5909 641.3667 341.1667 -
9:40 σ 2602.4473 23208.0883 7044.5557 5450.9236 -
Prop 0.2438 0.064 0.3495 0.3426 -
µ 276.7592 623.2558 - - -
9:45 σ 7617.8413 16983.8225 - - -
Prop 0.5077 0.4923 - - -
µ 623.3756 302.4557 695.025 - -
9:50 σ 709.0131 8665.7384 15814.8191 - -
Prop 0.1101 0.6113 0.2786 - -
µ 302.4489 743.4319 623.584 - -
9:55 σ 9546.9407 10887.0078 1526.7158 - -
Prop 0.6072 0.2327 0.1601 - -
µ 295.0275 701.1792 - - -
10:00 σ 8517.5586 16971.4051 - - -
Prop 0.5559 0.4441 - - -
µ 489.9188 659.0893 782.611 286.6732 -
10:05 σ 2051.4021 1384.5573 9563.8784 6884.3384 -
Prop 0.0863 0.1664 0.2044 0.5429 -
µ 309.8966 731.3799 - - -
10:10 σ 9769.1976 15913.716 - - -
Prop 0.5877 0.4123 - - -
µ 268.1551 710.5405 935.3599 447.9255 -
10:15 σ 5887.6773 8881.4279 1059.3525 1395.5437 -
Prop 0.4634 0.3747 0.0384 0.1235 -
µ 324.9121 700.626 837.0543 - -
10:20 σ 12356.3936 1884.1081 13866.1152 - -
Prop 0.6407 0.1427 0.2165 - -
µ 428.8889 267.7693 772.8143 - -
10:25

datos medidos
σ 5554.3714 6013.2267 13219.3511 - -

Prop 0.1836 0.4497 0.3667 - -
µ 769.5127 312.2148 - - -
10:30 σ 17649.2485 10475.869 - - -
Prop 0.3919 0.6081 - - -
µ 297.0104 718.9706 - - -
10:35 σ 8358.8026 22327.8117 - - -
Prop 0.5751 0.4249 - - -
µ 756.8695 307.7582 - - -
10:40 σ 16710.4165 10033.9619 - - -
Prop 0.3813 0.6187 - - -
µ 304.1721 761.5392 - - -
10:45 σ 9296.3135 21497.7903 - - -
Prop 0.5931 0.4069 - - -
µ 308.5867 767.5771 - - -
10:50 σ 10197.6613 23154.7325 - - -
Prop 0.6073 0.3927 - - -
µ 776.6732 308.7113 - - -
10:55 σ 18755.9572 10127.7324 - - -
Prop 0.3379 0.6621 - - -
µ 307.1942 779.0668 - - -
11:00 σ 8867.8615 23877.6529 - - -
Prop 0.6095 0.3905 - - -
µ 310.5515 814.9968 - - -
11:05 σ 9267.3081 19895.8359 - - -
Prop 0.6179 0.3821 - - -
µ 319.9099 830.3533 - - -
11:10 σ 10253.6445 17514.9924 - - -
Prop 0.6061 0.3939 - - -
µ 471.1017 278.3707 838.4278 - -
11:15 σ 4857.5842 5757.8575 14671.6027 - -
Prop 0.1763 0.4813 0.3424 - -
µ 839.4583 321.4378 - - -
11:20

datos medidos
σ 22936.3866 9833.6421 - - -
Prop 0.3635 0.6365 - - -
µ 854.4854 331.263 - - -
11:25 σ 16268.472 12389.1975 - - -
Prop 0.3476 0.6524 - - -
µ 331.6888 861.1816 - - -
11:30 σ 12048.1425 16243.9545 - - -
Prop 0.6243 0.3757 - - -
µ 441.2797 879.1052 283.0422 - -
11:35 σ 15963.4354 10600.2309 7691.6121 - -
Prop 0.2711 0.2938 0.4351 - -
µ 324.8571 898.7217 851.3025 - -
11:40 σ 11205.9062 1082.9765 27704.1941 - -
Prop 0.6734 0.085 0.2416 - -
µ 323.1931 844.3247 - - -
11:45 σ 12566.4493 14257.3414 - - -
Prop 0.6751 0.3249 - - -
µ 429.75 888.6789 274.3539 - -
11:50 σ 18533.7702 12857.9839 7879.2469 - -
Prop 0.2057 0.2969 0.4974 - -
µ 402.1424 883.6839 867.2468 257.0344 -
11:55 σ 14840.4402 263.2431 16561.0115 6482.7188 -
Prop 0.2986 0.0488 0.2622 0.3904 -
µ 297.7837 886.792 937.3839 589.2023 -
12:00 σ 9881.3225 6432.5066 18817.6383 4073.6216 -
Prop 0.6126 0.1815 0.1016 0.1042 -
µ 897.3866 282.4795 546.8017 895.571 -
12:05 σ 1167.0091 9333.4733 27104.332 26597.8334 -
Prop 0.0643 0.5354 0.2083 0.192 -
µ 313.4888 869.1109 - - -
12:10 σ 14017.2832 18560.5845 - - -
Prop 0.6958 0.3042 - - -
µ 309.9385 870.0548 - - -
12:15

datos medidos
σ 14076.5259 20201.5339 - - -
Prop 0.7122 0.2878 - - -
µ 864.9977 311.0633 - - -
12:20 σ 22975.1298 14238.379 - - -
Prop 0.2968 0.7032 - - -
µ 860.0684 305.3366 - - -
12:25 σ 17150.1537 13924.1843 - - -
Prop 0.3013 0.6987 - - -
µ 257.6774 874.3779 431.8885 - -
12:30 σ 8575.3768 14524.3589 10512.9812 - -
Prop 0.5185 0.2794 0.2021 - -
µ 300.5271 866.4092 859.0558 - -
12:35 σ 12629.967 30345.5341 3563.1249 - -
Prop 0.7009 0.188 0.1111 - -
µ 846.8033 390.6653 239.1578 911.0446 -
12:40 σ 3560.8374 16109.9622 7655.5503 20703.168 -
Prop 0.1163 0.3419 0.4028 0.139 -
µ 871.9746 251.0774 381.6536 - -
12:45 σ 14396.1115 8400.4293 17846.6295 - -
Prop 0.284 0.4284 0.2876 - -
µ 420.0816 236.4924 867.6323 - -
12:50 σ 9220.837 7657.8971 11614.6569 - -
Prop 0.2769 0.4783 0.2449 - -
µ 796.9899 233.1583 346.2965 854.3513 -
12:55 σ 36271.1689 8059.4442 11566.3581 2313.8613 -
Prop 0.1887 0.3887 0.3333 0.0893 -
µ 359.0842 219.8843 850.4506 - -
13:00 σ 13629.3778 5984.3828 22764.7346 - -
Prop 0.321 0.4228 0.2561 - -
µ 187.1292 859.7559 333.0222 639.8282 -
13:05 σ 4414.3555 7127.646 6728.1666 51777.3032 -
Prop 0.3103 0.1232 0.3398 0.2268 -
µ 249.546 446.4798 852.7926 - -
13:10

datos medidos
σ 9386.2327 17593.7177 12088.9605 - -

Prop 0.5941 0.1775 0.2284 - -
µ 268.377 814.7626 - - -
13:15 σ 12434.2656 22421.999 - - -
Prop 0.6807 0.3193 - - -
µ 265.2856 768.1181 - - -
13:20 σ 12070.8199 19259.9862 - - -
Prop 0.677 0.323 - - -
µ 268.9627 802.0194 - - -
13:25 σ 13367.6934 16327.6351 - - -
Prop 0.7139 0.2861 - - -
µ 234.9803 761.4427 363.2237 892.3104 559.5013
13:30 σ 9856.828 1491.5972 12637.3139 7280.6524 2204.0701
Prop 0.5741 0.0905 0.1284 0.1419 0.0652
µ 222.8178 827.9973 426.7095 - -
13:35 σ 8824.0728 12983.7582 15599.5662 - -
Prop 0.5677 0.2569 0.1754 - -
µ 324.2264 812.0378 186.1171 674.5093 -
13:40 σ 7055.5208 1701.3665 6172.611 37173.686 -
Prop 0.317 0.1049 0.3779 0.2002 -
µ 363.6413 798.1473 220.9532 - -
13:45 σ 17232.9385 6575.5231 7963.2231 - -
Prop 0.2425 0.2051 0.5524 - -
µ 187.528 774.6344 671.4215 317.73 -
13:50 σ 5604.5723 3442.9416 34186.7102 11058.2131 -
Prop 0.4255 0.142 0.1232 0.3094 -
µ 522.2473 169.1618 791.5894 327.6212 -
13:55 σ 1591.9232 4236.568 7536.1056 5110.0786 -
Prop 0.0476 0.4027 0.2053 0.3444 -
µ 159.5491 753.9524 312.6891 - -
14:00 σ 3944.3614 14166.6834 7405.175 - -
Prop 0.336 0.2296 0.4343 - -
µ 207.0379 771.0252 373.5928 651.9696 -
14:05

datos medidos
σ 7291.3492 3283.3544 989.1734 16019.7205 -

Prop 0.6346 0.1261 0.1023 0.137 -
µ 243.6916 61.4809 757.9938 578.4136 -
14:10 σ 9622.1993 149.4316 5003.6433 1377.8268 -
Prop 0.6906 0.0388 0.2256 0.0449 -
µ 702.1937 225.1636 757.7953 - -
14:15 σ 18720.2103 9034.779 55.8919 - -
Prop 0.2316 0.7271 0.0413 - -
µ 728.626 223.4244 - - -
14:20 σ 10622.5749 9224.6874 - - -
Prop 0.2536 0.7464 - - -
µ 476.4313 725.3001 205.4372 - -
14:25 σ 18967.9921 6049.581 7541.3453 - -
Prop 0.1634 0.162 0.6746 - -
µ 686.06 222.2223 - - -
14:30 σ 9352.3072 10000.4025 - - -
Prop 0.208 0.792 - - -
µ 207.9202 658.0599 - - -
14:35 σ 8962.9083 12690.3051 - - -
Prop 0.7158 0.2842 - - -
µ 104.7006 646.8362 701.6981 241.6146 500.1821
14:40 σ 1947.9144 3982.5868 13666.0509 6660.1462 132.8222
Prop 0.1884 0.1272 0.0905 0.5589 0.035
µ 236.8901 98.6609 696.8296 639.6175 -
14:45 σ 5972.8981 1684.1251 216.9589 13942.5967 -
Prop 0.5776 0.188 0.0436 0.1909 -
µ 228.6006 614.4458 106.1246 - -
14:50 σ 6458.8877 11006.3564 2261.3128 - -
Prop 0.5414 0.261 0.1976 - -
µ 236.4059 609.0645 113.4225 - -
14:55 σ 5366.2898 9957.9224 2642.8168 - -
Prop 0.4832 0.2639 0.2529 - -
µ 214.0579 79.2217 596.0547 - -
15:00

datos medidos
σ 6060.0655 1317.4949 8022.581 - -

Prop 0.6064 0.1363 0.2573 - -
µ 180.0311 577.2321 - - -
15:05 σ 6729.9989 10703.5253 - - -
Prop 0.746 0.254 - - -
µ 191.1933 637.4657 68.5453 464.1479 -
15:10 σ 3705.5812 3436.9813 1053.3674 12559.3387 -
Prop 0.5466 0.1242 0.1418 0.1874 -
µ 574.699 61.3946 172.3203 313.1529 -
15:15 σ 5404.3021 889.946 3247.0977 10411.8754 -
Prop 0.2294 0.1187 0.4903 0.1616 -
µ 249.7553 122.7548 559.7126 - -
15:20 σ 6380.0615 3071.6571 7282.6218 - -
Prop 0.3176 0.4451 0.2374 - -
µ 119.6506 233.5824 546.88 - -
15:25 σ 3058.3095 6254.6533 4890.6769 - -
Prop 0.4338 0.3538 0.2125 - -
µ 107.331 495.7396 227.5177 - -
15:30 σ 2411.1033 6904.965 1975.7064 - -
Prop 0.4461 0.246 0.3079 - -
µ 66.5291 454.7846 165.1671 - -
15:35 σ 1068.6962 9162.4423 3116.7707 - -
Prop 0.1613 0.2941 0.5446 - -
µ 76.4336 417.8242 167.9595 - -
15:40 σ 1239.8698 11172.9868 2998.5223 - -
Prop 0.2316 0.3138 0.4546 - -
µ 322.2151 83.9595 163.8251 471.9024 -
15:45 σ 6473.7086 1330.4285 1849.3967 3501.4905 -
Prop 0.1956 0.3286 0.2958 0.18 -
µ 76.7951 404.3504 161.4951 - -
15:50 σ 1045.4627 7068.1771 3058.9253 - -
Prop 0.2818 0.2947 0.4235 - -
µ 141.3941 63.5892 398.7341 - -
15:55

datos medidos
σ 2577.8444 710.4236 4634.0395 - -

Prop 0.4931 0.2033 0.3037 - -
µ 362.6338 111.2557 - - -
16:00 σ 7458.4873 2549.1195 - - -
Prop 0.3141 0.6859 - - -
µ 342.346 109.617 - - -
16:05 σ 5167.8774 2648.9017 - - -
Prop 0.3053 0.6947 - - -
µ 225.2758 57.0883 117.6383 383.7177 -
16:10 σ 3551.2869 684.9283 687.772 1569.5573 -
Prop 0.2439 0.2797 0.3275 0.1489 -
µ 305.5146 118.0326 51.797 - -
16:15 σ 5113.2888 1080.7344 594.8823 - -
Prop 0.3096 0.431 0.2595 - -
µ 73.2761 326.5802 152.7102 - -
16:20 σ 1235.1174 2985.9261 2669.5523 - -
Prop 0.4865 0.2204 0.2931 - -
µ 35.8189 289.3899 83.9515 129.9709 -
16:25 σ 293.6873 3340.1846 244.4412 1850.6845 -
Prop 0.1827 0.2177 0.2199 0.3797 -
µ 281.314 30.6847 174.9467 91.9781 -
16:30 σ 2935.9972 241.1324 421.4217 883.4607 -
Prop 0.25 0.1478 0.0637 0.5386 -
µ 83.1639 27.0068 351.3138 212.4145 -
16:35 σ 982.7147 173.9407 442.8929 3907.1664 -
Prop 0.5572 0.1256 0.0372 0.2801 -
µ 54.2244 222.5884 114.9111 - -
16:40 σ 689.9987 5376.5168 228.29 - -
Prop 0.5392 0.3089 0.1519 - -
µ 184.1065 74.8173 35.8217 - -
16:45 σ 5509.3767 694.1684 303.114 - -
Prop 0.383 0.3159 0.3011 - -
µ 26.0728 219.7746 164.1037 66.1235 -
16:50

datos medidos
σ 160.002 5119.68 2735.9027 534.381 -

Prop 0.2213 0.1235 0.2191 0.4362 -
µ 86.5879 182.1781 309.0969 38.0557 -
16:55 σ 929.1029 1754.2912 214.7832 372.59 -
Prop 0.3027 0.2214 0.0194 0.4566 -
µ 153.2784 78.7353 32.8675 - -
17:00 σ 3061.5965 480.038 261.7201 - -
Prop 0.2939 0.2537 0.4524 - -
µ 64.8637 144.974 30.0948 - -
17:05 σ 567.1568 2322.2607 226.3816 - -
Prop 0.2751 0.2776 0.4473 - -
µ 50.5767 21.3694 138.3534 - -
17:10 σ 360.0664 115.0388 1600.6972 - -
Prop 0.4394 0.3105 0.2501 - -
µ 57.0779 117.0876 23.1902 - -
17:15 σ 385.7486 1746.8214 138.3827 - -
Prop 0.298 0.2161 0.486 - -
µ 16.4241 98.6432 38.9706 - -
17:20 σ 76.9768 1426.9985 233.1348 - -
Prop 0.3578 0.2587 0.3835 - -
µ 32.5437 12.4102 81.2209 - -
17:25 σ 155.8764 59.6457 945.4108 - -
Prop 0.4097 0.3362 0.2541 - -
µ 48.763 7.6393 22.9988 77.5253 -
17:30 σ 19.7336 33.8271 99.0449 711.4394 -
Prop 0.0815 0.2556 0.4699 0.1929 -
µ 9.9707 29.5723 123.6803 63.6884 -
17:35 σ 59.9082 176.5672 5.6234 545.4383 -
Prop 0.5125 0.3443 0.0127 0.1304 -
µ 12.1626 46.2462 - - -
17:40 σ 109.3126 643.5226 - - -
Prop 0.7753 0.2247 - - -
µ 3.6531 23.4671 - - -
17:45

datos medidos
σ 22.2618 257.9882 - - -
Prop 0.4414 0.5586 - - -
µ 20.0197 4.0133 - - -
17:50 σ 196.7693 22.0601 - - -
Prop 0.3839 0.6161 - - -
µ 5.3589 - - - -
17:55 σ 56.5095 - - - -
Prop 1 - - - -
Interpolación de Splines Cúbicas 103
A.3. Interpolación de Splines Cúbicas
Tabla A.3: Polinomios cúbicos de interpolación de la

temperatura en función de la irradiancia
INTERVALO
a3 x3 a2 x2 a1 x a0
IRRADIANCIA
[0 − 10] -0.000520 0.023761 -0.198496 65.763622
[10 − 20] -0.000520 0.008160 0.120711 65.634729
[20 − 30] 0.000384 -0.007442 0.127885 67.137737
[30 − 40] -0.000515 0.004091 0.094369 68.056791
[40 − 50] 0.000982 -0.011362 0.021652 68.894446
[50 − 60] -0.001109 0.018110 0.089130 68.957144
[60 − 70] -0.000013 -0.015174 0.118496 70.550002
[70 − 80] 0.001379 -0.015576 -0.189005 70.204168
[80 − 90] -0.001173 0.025801 -0.086761 68.135717
[90 − 100] 0.000306 -0.009395 0.077301 68.675002
[100 − 110] 0.000258 -0.000223 -0.018870 68.814287
[110 − 120] -0.000710 0.007524 0.054142 68.861540
[120 − 130] 0.000737 -0.013773 -0.008346 69.445455
[130 − 140] -0.000312 0.008352 -0.062551 68.722224
[140 − 150] 0.000271 -0.001006 0.010914 68.620001
[150 − 160] -0.000567 0.007137 0.072228 68.900002
[160 − 170] 0.000162 -0.009866 0.044942 69.769233
[170 − 180] 0.000959 -0.005016 -0.103872 69.393751
[180 − 190] -0.001777 0.023756 0.083527 68.812501
[190 − 200] 0.001701 -0.029544 0.025641 70.246668
[200 − 210] -0.001075 0.021496 -0.054840 69.250002
[210 − 220] 0.000443 -0.010754 0.052577 69.776191
[220 − 230] 0.000234 0.002550 -0.029467 69.670000
[230 − 240] -0.000938 0.009569 0.091721 69.864287
[240 − 250] 0.000935 -0.018582 0.001585 70.800001
[250 − 260] 0.000126 0.009475 -0.089490 69.892858
[260 − 270] -0.001552 0.013254 0.137803 70.071430
[270 − 280] 0.002244 -0.033300 -0.062655 71.223079
104 Interpolación de Splines Cúbicas

INTERVALO
a3 x3 a2 x2 a1 x a0
IRRADIANCIA
[280 − 290] -0.001830 0.034021 -0.055452 69.510528
[290 − 300] 0.001066 -0.020864 0.076110 70.528573
[300 − 310] -0.000517 0.011116 -0.021378 70.269231
[310 − 320] 0.000094 -0.004395 0.045830 70.650002
[320 − 330] 0.000121 -0.001584 -0.013962 70.762502
[330 − 340] -0.000029 0.002054 -0.009268 70.585714
[340 − 350] -0.000123 0.001178 0.023053 70.669231
[350 − 360] 0.000158 -0.002507 0.009762 70.894738
[360 − 370] -0.000151 0.002244 0.007129 70.900001
[370 − 380] 0.000175 -0.002277 0.006801 71.045001
[380 − 390] -0.000185 0.002964 0.013668 71.060001
[390 − 400] 0.000013 -0.002578 0.017527 71.308335
[400 − 410] 0.000484 -0.002199 -0.030239 71.238462
[410 − 420] -0.001408 0.012316 0.070929 71.200002
[420 − 430] 0.002268 -0.029910 -0.105015 71.733335
[430 − 440] -0.002219 0.038125 -0.022868 69.960001
[440 − 450] 0.001743 -0.028439 0.073987 71.325000
[450 − 460] -0.001599 0.023842 0.028013 70.963637
[460 − 470] 0.001790 -0.024140 0.025035 72.028572
[470 − 480] -0.002301 0.029548 0.079121 71.654548
[480 − 490] 0.002315 -0.039469 -0.020090 73.099998
[490 − 500] -0.001252 0.029966 -0.115125 71.266670
[500 − 510] -0.000306 -0.007595 0.108589 71.860001
[510 − 520] 0.001051 -0.016787 -0.135231 71.880002
[520 − 530] 0.000042 0.014744 -0.155664 69.900002
[530 − 540] -0.001280 0.016011 0.151887 69.860002
[540 − 550] 0.001358 -0.022388 0.088115 71.700001
[550 − 560] -0.001411 0.018342 0.047653 71.700000
[560 − 570] 0.001219 -0.023980 -0.008726 72.600002
[570 − 580] -0.000189 0.012577 -0.122750 71.333336
[580 − 590] -0.000339 0.006920 0.072224 71.175001

INTERVALO
a3 x3 a2 x2 a1 x a0
IRRADIANCIA
[590 − 601] -0.000140 -0.003257 0.108853 72.250000
[601 − 610] 0.001274 -0.007884 -0.013698 72.866666
[610 − 620] -0.002523 0.026507 0.153911 73.033335
[620 − 630] 0.002648 -0.049188 -0.072894 74.700005
[630 − 640] -0.000801 0.030244 -0.262334 71.700005
[640 − 650] -0.000777 0.006213 0.102230 71.300003
[650 − 660] 0.001309 -0.017094 -0.006586 72.166667
[660 − 670] -0.001808 0.022164 0.044113 71.700005
[670 − 680] 0.002238 -0.032062 -0.054866 72.550003
[680 − 690] -0.001495 0.035084 -0.024648 71.033335
[690 − 700] -0.000607 -0.009773 0.228458 72.799999
[700 − 711] 0.002275 -0.027991 -0.149184 73.500000
[711 − 720] -0.003444 0.047082 0.060815 71.500000
[720 − 730] 0.002179 -0.045917 0.071299 73.350002
[730 − 740] 0.000140 0.019444 -0.193427 71.650002
[740 − 750] -0.001938 0.023639 0.237410 71.800003
[750 − 760] 0.001287 -0.034502 0.128785 74.599998
[760 − 771] -0.000149 0.004118 -0.175051 73.725002
[771 − 782] 0.000727 -0.000784 -0.138379 72.100000
[782 − 790] -0.001024 0.023192 0.108111 71.450001
[790 − 800] -0.001396 -0.001380 0.282613 73.275002
[800 − 810] 0.002800 -0.043275 -0.163930 74.566666
[810 − 820] -0.000679 0.040728 -0.189393 71.400002
[820 − 830] -0.002251 0.020361 0.421502 72.900002
[830 − 840] 0.001808 -0.047173 0.153383 76.900002
[840 − 852] -0.000332 0.007081 -0.247535 75.525002
[852 − 860] 0.001201 -0.004883 -0.221157 73.000000
[860 − 872] -0.000497 0.023950 -0.068621 71.533335
[872 − 880] -0.002318 0.006061 0.291507 73.300003
[880 − 890] 0.003054 -0.049561 -0.056499 74.833336
[890 − 900] -0.001560 0.042073 -0.131387 72.366669
106 Interpolación de Splines Cúbicas

INTERVALO
a3 x3 a2 x2 a1 x a0
IRRADIANCIA
[900 − 911] -0.001195 -0.004729 0.242048 73.700005
[911 − 920] 0.004030 -0.044158 -0.295710 74.200005
[920 − 931] -0.003232 0.064663 -0.111160 70.900002
[931 − 941] 0.001916 -0.041986 0.138294 73.200001
[941 − 950] -0.000430 0.015483 -0.126730 72.300003
[950 − 960] -0.000161 0.003869 0.047444 72.100002
[960 − 970] -0.000367 -0.000972 0.076419 72.800003
[970 − 980] 0.000829 -0.011982 -0.053120 73.099998
[980 − 991] -0.000509 0.012900 -0.043938 72.200005
[991 − 1001] 0.000639 -0.003900 0.055063 72.599998
[1001 − 1010] -0.002583 0.015281 0.168876 73.400002
[1010 − 1020] 0.003706 -0.054448 -0.183620 74.275002
[1020 − 1030] -0.002365 0.056731 -0.160783 70.700005
[1030 − 1040] 0.000280 -0.014228 0.264251 72.400002
[1040 − 1051] 0.000152 -0.005820 0.063777 73.900002
[1051 − 1061] -0.000630 -0.000796 -0.008994 74.099998
[1061 − 1071] 0.002811 -0.019709 -0.214049 73.300003
[1071 − 1081] -0.005015 0.064633 0.235192 72.000000
[1081 − 1093] 0.005428 -0.085824 0.023283 75.800003
[1093 − 1100] -0.010576 0.109578 0.308326 73.100002
[1100 − 1110] 0.006525 -0.112520 0.287730 77.000000
[1110 − 1120] -0.005220 0.083221 -0.005258 75.150002
[1120 − 1132] 0.002920 -0.073365 0.093302 78.200005
[1132 − 1142] -0.000512 0.031738 -0.406221 73.800003
[1142 − 1150] -0.001268 0.016389 0.075057 72.400002
[1150 − 1160] 0.000667 -0.014050 0.093773 73.400002
[1160 − 1170] -0.000126 0.005968 0.012952 73.599998
[1170 − 1180] -0.001062 0.002179 0.094421 74.200005
[1180 − 1191] 0.002388 -0.029685 -0.180635 74.300003
[1191 − 1204] -0.002519 0.049130 0.033259 71.900002
[1204 − 1214] 0.002380 -0.049130 0.033255 75.099998

INTERVALO
a3 x3 a2 x2 a1 x a0
IRRADIANCIA
[1214 − 1221] 0.000159 0.022284 -0.235207 72.900002
[1221 − 1230] -0.002300 0.025623 0.100140 72.400002
[1230 − 1241] 0.001943 -0.036477 0.002450 73.700001
[1241 − 1253] -0.000838 0.027658 -0.094562 71.900002
[1253 − 1261] -0.001167 -0.002508 0.207233 73.300003
[1261 − 1272] 0.003018 -0.030509 -0.056902 74.200005
[1272 − 1283] -0.006465 0.069099 0.367583 73.900002
[1283 − 1290] 0.012477 -0.144232 -0.458886 77.700005
[1290 − 1303] -0.003656 0.117783 -0.644031 71.700005
[1303 − 1317] -0.000889 -0.024813 0.564578 75.200005
[1317 − 1327] 0.008849 -0.062172 -0.653206 75.800003
[1327 − 1333] -0.041517 0.203305 0.758129 71.900002
[1333 − 1335] 0.131026 -0.544009 -1.286090 74.800003
[1335 − 1355] -0.007558 0.242148 -1.889810 71.099998
[1355 − 1357] 0.173999 -0.211325 -1.273344 69.700005
[1357 − 1360] -0.122297 0.832666 -0.030662 67.700005
[1360 − 1363] 0.015632 -0.268005 1.663323 71.800003
[1363 − 1371] 0.004744 -0.127313 0.477369 74.800003
[1371 − 1385] 0.004744 -0.013450 -0.648733 72.900002
Anexo B
Modelo alimentador Rurales
B.1. Modelado de los tipos de conductores
Tabla B.1: Modelo de tipos de conductores alimentador Rurales

NOMBRE CONDUCTOR RED TIPO CALIBRE NORMA R1 [W/Km] R0 [W/Km] X1 [W/Km] W
X0 [ /Km]
2/0 ACSR DESNUDO AER ACSR 2/0 LAR102 0.51526933 0.69291133 0.41671139 1.9212234
2-0 ACSR SEMIAISLADO AER ACSR 2/0 LAR102 0.51526933 0.69291133 0.41671139 1.9212234
2/0 AL DESNUDO AER AAAC 2/0 LAR102 0.54576219 0.72340419 0.42112222 1.92563423
266.8 ACSR DESNUDO AER ACSR 266.8 LAR102 0.26842845 0.44607045 0.36831851 1.87283052
266,8 KCMIL ACSR SEMIAISL AER ACSR 266.8 LAR102 0.26842845 0.44607045 0.36831851 1.87283052
4/0 AAAC MONOPOLAR AER AAAC 4/0 LAR102 0.34391285 0.52155485 0.40368448 1.90819649
4-0 ACSR DESNUDO AER ACSR 4/0 LAR102 0.32433095 0.50197295 0.39921387 1.90372589
4-0 AL DESNUDO AER AAAC 4/0 LAR102 0.34391285 0.52155485 0.40368448 1.90819649
185 MM2 AL TRIPOLAR XLPE SUB XLPE 350 CS212 0.20484371 0.20291753 0.12443793 2.48310742
2/0 CU TRIPLEX 34.5 SUB XLPE 2/0 CS212 0.32683385 0.80298963 0.14219088 2.54292123
300 ASC KCMIL TRIPLEX 34.5 SUB XLPE 300 CS212 0.23920739 0.69623051 0.12608878 2.47606041
300 CU KCMIL TRIPLEX 34.5 SUB XLPE 300 CS212 0.14590494 0.60420072 0.12608866 2.47687534
4-0 AL TRIPLEX SUB XLPE 4/0 CS212 0.33866688 0.77224504 0.13346594 2.48820318
4-0 CU TRIPOLAR ACEITE SUB XLPE 4/0 CS212 0.20604355 0.64084071 0.13346582 2.48886765
108
Modelado de los tramos de red 109
B.2. Modelado de los tramos de red
Tabla B.2: Modelo de lı́neas alimentador Rurales

TRAMO N. INICIAL N. FINAL TIPO RED NOMBRE CONDUCTOR LONGITUD [m]
LINEA 01 RURALES MT N1 SUB 300 CU KCMIL TRIPLEX 1067.00000
LINEA 02 N1 N2 AER 2-0 ACSR SEMIAISLADO 461.06790
LINEA 03 89127 MT 89127 BT SUB 185 MM2 AL TRIPOLAR XLPE 112.93946
LINEA 04 89127 MT 92618 MT SUB 185 MM2 AL TRIPOLAR XLPE 55.01659
LINEA 07 N4 46386 MT SUB 300 ASC KCMIL TRIPLEX 34.10905
LINEA 09 N5 N6 AER 266.8 ACSR DESNUDO 446.92312
LINEA 10 N6 N7 AER 4-0 ACSR DESNUDO 249.69775
LINEA 11 N7 79249 MT SUB 2-0 CU TRIPLEX 70.01205
LINEA 14 N9 N10 SUB 2-0 CU TRIPLEX 74.12825
LINEA 15 N10 N11 AER 2-0 AL DESNUDO 225.62808
LINEA 16 N11 N12 AER 2-0 AL DESNUDO 1.64660
LINEA 17 N12 54887 MT SUB 2-0 CU TRIPLEX 71.44502
LINEA 19 N13 N14 AER 4-0 AAAC MONOPOLAR 316.49227
LINEA 20 N14 75222 MT AER 2-0 ACSR DESNUDO 750.90647
LINEA 21 75222 MT N15 AER 2-0 ACSR DESNUDO 20.39502
LINEA 23 N16 75222-3 MT AER 2-0 ACSR DESNUDO 53.07424
LINEA 24 N16 75222-4 MT AER 2-0 ACSR DESNUDO 211.01454
LINEA 26 N17 75222-1 MT SUB 2-0 CU TRIPLEX 34.04328
LINEA 27 75222-1 MT 75222-2 MT SUB 2-0 CU TRIPLEX 34.04171
LINEA 29 N18 N19 SUB 2-0 CU TRIPLEX 8.64984
LINEA 30 N19 75222-5 MT SUB 2-0 CU TRIPLEX 10.64726
LINEA 31 N19 PCH CORONA SUB 4-0 AL TRIPLEX 6.11572

B.3. Modelo circuito Rurales - participación del 25 % 110
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
N1
PV89127 92618_L
LINEA_02
2-0_ACSR_SEMIAISLADO 89127_L
89127_BT
92618_BT TR75222-4 75222-4_MT
1250 kVA
TR89127
N2 4000 kVA TR54887 75222-4_L
46386_L TR92618
54887_MT
500 kVA
2500 kVA
89127_MT 54887_L 75222-4_BT
92618_MT
LINEA_03
54887_BT
46386_BT LINEA_05 185_MM2_TRIPOLAR_XLPE LINEA_24
LINEA_17
2500 kVA
N3 75222-3_L
TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4 75222-5_L
N16
LINEA_08
LINEA_22

LINEA_21
N6 N13 N14
N11 N15 LINEA_31
LINEA_25
TR75222
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249
1000 kVA 75222_L N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
LINEA_26
2-0_CU_TRIPLEX
PV79249
PV75222-1
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
75222-2_MT
TR75222-2 75222-2_BT
2500 kVA
75222-2_L
Figura B.1: Diagrama de sistema modelado para determinar la máxima penetración de generación solar fotovoltaica en
el alimentador Rurales con participación del 25 %
Modelo circuito Rurales - participación del 25 %
B.4. Modelo alimentador Rurales - participación 50 %
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
N1
PV89127 92618_L
LINEA_02
89127_BT
92618_BT TR75222-4 75222-4_MT
1250 kVA
TR89127
N2 4000 kVA TR54887 75222-4_L
46386_L TR92618
54887_MT
500 kVA
2500 kVA
89127_MT 54887_L 75222-4_BT
92618_MT
LINEA_03
54887_BT
LINEA_17
2500 kVA PV75222-5
N3 75222-3_L TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4
N16 75222-5_L
LINEA_08
Modelo alimentador Rurales - participación 50 %
LINEA_22

LINEA_21
N6 N13 N14
N11 N15 LINEA_31
LINEA_25
TR75222
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249
1000 kVA 75222_L N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
LINEA_26
2-0_CU_TRIPLEX
PV79249
PV75222-1
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
75222-2_MT
TR75222-2 75222-2_BT
2500 kVA
75222-2_L
PV75222-2
111
B.5. Modelo alimentador Rurales - participación 75 % 112
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
N1
PV89127 92618_L
LINEA_02
89127_BT PV75222-4
92618_BT PV54887 TR75222-4 75222-4_MT

1250 kVA
TR89127
N2 4000 kVA TR54887
TR92618
54887_MT
500 kVA 75222-4_L
PV46386 2500 kVA
89127_MT 75222-4_BT
46386_L 92618_MT 54887_L
LINEA_03
54887_BT
LINEA_17
5000 kVA TR75222-3
2-0_ACSR_DESNUDO
2500 kVA PV75222-5
N3 75222-3_L TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4
N16 75222-5_L
LINEA_08
LINEA_22

LINEA_21
N6 N13 N14
N11 N15 LINEA_31
LINEA_25
TR75222
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249
1000 kVA 75222_L N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
LINEA_26
2-0_CU_TRIPLEX
PV79249
PV75222-1
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
75222-2_MT
TR75222-2 75222-2_BT
2500 kVA
75222-2_L
PV75222-2
B.6. Modelo alimentador Rurales - participación 100 %
RED AT
R1 S/E TERMOZIPA
30 MVA
RURALES_MT
CTO QUALA
LINEA_01
N1
PV89127
LINEA_02
2-0_ACSR_SEMIAISLADO 89127_L PV92618
89127_BT PV75222-4
92618_L
92618_BT PV54887 TR75222-4 75222-4_MT
1250 kVA
TR89127
N2 4000 kVA TR54887
TR92618
54887_MT
500 kVA 75222-4_L
PV46386 2500 kVA
89127_MT 75222-4_BT
46386_L 92618_MT 54887_L
LINEA_03
54887_BT
LINEA_17
2500 kVA PV75222-5
N3 75222-3_L TR75222-5
75222-5_MT 1000 kVA
46386_MT N12 75222-3_BT 75222-3_MT
N4
N16 75222-5_L
LINEA_08
LINEA_22

LINEA_21
N6 N13 N14
N11 N15 LINEA_31
LINEA_25
TR75222
5000 kVA
2-0_CU_TRIPLEX
TR_PCH_CORONA
TR79249 75222_L
1000 kVA N17 5 MVA
79249_L
75222_BT
79249_BT 79249_MT
PV75222 LINEA_26
2-0_CU_TRIPLEX
PV79249
PV75222-1
75222-1_MT CORONA
TR75222-1
2500 kVA
75222-1_L
LINEA_27
75222-2_MT
TR75222-2 75222-2_BT
2500 kVA
75222-2_L
PV75222-2
113

Garzón Zamora, Juan Sebastián-2022

Cargado por

Copyright:

Formatos disponibles

Garzón Zamora, Juan Sebastián-2022

Cargado por

Información del documento

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

Garzón Zamora, Juan Sebastián-2022

Cargado por

Copyright:

Formatos disponibles

Escuela Colombiana de Ingenierı́a Julio Garavito

Maestrı́a en Ingenierı́a Eléctrica

Bogotá D.C, Colombia

Juan Sebastián Garzón Zamora

Bogotá D.C, Colombia

El Trabajo de grado de Maestrı́a titulado Determinación de la máxima penetración

Director(a): Agustı́n Rafael Marulanda Guerra, PhD

Jurado: Javier Andrés Ruiz Garzón, MSc

Jurado: Carlos Daniel Vera Silva, MSc

Bogotá D.C, Colombia

El uso de fuentes de generación distribuida ha incrementado en los últimos años en especial

A.3. Interpolación de Splines Cúbicas . . . . . . . . . . . . . . . . . . . . . . . . . 103

B. Modelo alimentador Rurales 108

2.1. Sistema de distribución con configuración radial. . . . . . . . . . . . . . . . . 13

3.1. Diagrama de flujo para determinar la capacidad máxima permitida de pene-

4.1. Curva de carga alimentador Rurales según tipo de dı́a . . . . . . . . . . . . . 33

5.1. Tensión (a), corriente (b) en la subestación para el caso base . . . . . . . . . 50

5.6. Gráfico de bigotes de potencia reactiva en la subestación para el caso base . 53

5.24.Gráficos de bigotes de tensión (a) y corriente (b) en los transformadores de

B.1. Diagrama de sistema modelado para determinar la máxima penetración de

1.1. Lı́mites de ı́ndices técnicos de rendimiento para determinar máxima penetra-

2.1. Niveles de tensión definidos por la CREG 070 [75] . . . . . . . . . . . . . . . 12

A.2. Modelos ajustados de irradiancia para los datos medidos . . . . . . . . . . . 100

B.1. Modelo de tipos de conductores alimentador Rurales . . . . . . . . . . . . . 108

1.1. Planteamiento del problema

garantizar energı́a firme, debido a su comportamiento estocástico (incrementa en ciudades

1.2. Estado del arte

Tabla 1.1: Lı́mites de ı́ndices técnicos de rendimiento

ÍNDICE LÍMITE PAÍS AÑO REFERENCIA

PI1 ±10 % Vn Estados Unidos 2012 [27]

PI1, PI4 PI1 = ±3 % Vn; PI4 = 1 % VUF Australia 2014 [45]

PI1 PI1 ≤+10 % Italia 2015 [36]

PI1 PI1 = ± 10 % Vn Dinamarca 2016 [46]

PI1, PI2, PI3 PI1 ≤+10 % Finlandia 2017 [39]

PI1 PI1 = 0.95 p.u–1.06 p.u. Australia 2018 [47]

PI1 PI1 = 0. 95 p.u.–1.05 p.u. China 2019 [48]

De igual manera, en el 2016 Palmintier [52] estudiando el impacto de la alta penetración

Tabla 1.2: Exigencias de conexión de generación dis-

PAÍS LÍMITES TÉRMICOS LÍMITES CORTO CIRCUITO

Canadá PGD < 0, 6(Ptr + PminSub No hay registro

Potencia del interruptor, Pminsub : Potencia mı́nima en la SE

Tabla 1.3: Casos de estudio de hosting capacity realiza-

HC ESTIMADO ÍNDICE PAÍS AÑO REFERENCIA

28.57 % Consumo energético Suiza 2011 [69]

95 % Carga mı́nima Estados Unidos 2012 [27]

30 % Carga máxima Estados Unidos 2013 [11]

31.9 % (63.81 kW) Capacidad instalada Australia 2014 [45]

40 % Carga máxima Australia 2014 [28]

BT 120 %, MT 70 % Carga máxima Italia 2015 [36]

86 % Carga máxima Australia 2015 [63]

43 % (1.258 GWh) Consumo energético Suiza 2016 [38]

40 % Capacidad instalada Sri Lanka 2017 [68]

70 % Carga total del circuito Sudáfrica 2017 [31]

100 % (8.8 MW) Carga del alimentador Indonesia 2018 [47]

38.2 % Capacidad instalada Brasil 2018 [41]

35.65 % Capacidad instalada Estados Unidos 2018 [47]

35 % Capacidad instalada Australia 2018 [47]

88 % Consumo energético Irlanda 2018 [71]

15.5 % (2.6 MW) Capacidad instalada Estados Unidos 2018 [32]

Tabla 1.3: Casos de estudio de hosting capacity realiza-