proyecto de grado ingenierÍa elÉctrica la universidad …

Técnicas de análisis avanzado de calidad de la potencia en sistemas eléctricos

1

PROYECTO DE GRADO INGENIERÍA ELÉCTRICA

Presentado a

LA UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

Para Obtener el título de

INGENIERA ELÉCTRICA

Por

MARIA LOURDES CORREDOR LUNA

TÉCNICAS DE ANÁLISIS AVANZADO DE CALIDAD DE LA POTENCIA EN SISTEMAS

ELÉCTRICOS

Sustentado el 07 de diciembre de 2016 frente al jurado:

ASESOR: ING. GUSTAVO ANDRÉS RAMOS LÓPEZ, PH.D

JURADOS: ING. MARIO ALBERTO RÍOS, PH.D


2

Agradecimientos

En primer lugar quiero expresar mi agradecimiento a mi madre Maritza Corredor, que me ha

apoyado y acompañado incondicionalmente en todos los aspectos de mi vida.

En segundo lugar, agradecer a mi asesor Gustavo Andrés Ramos por estar pendiente y

brindarme una continua retroalimentación durante el desarrollo de este proyecto. También,

a Miguel Eduardo Hernández y a Juan Ramón Camarillo por acompañarme continuamente,

compartir conmigo sus conocimientos y permitirme construir las herramientas necesarias

para concluir con este proyecto de grado.


3

Contenido Agradecimientos ................................................................................................................................ 2

1. Introducción ............................................................................................................................... 4

2. Objetivos .................................................................................................................................... 5

2.1. Objetivo General ................................................................................................................. 5

2.2. Objetivos Específicos ........................................................................................................... 5

2.3. Resultados Esperados.......................................................................................................... 5

3. Descripción de la problemática y justificación del trabajo ........................................................... 5

4. Marco Teórico, Conceptual e Histórico ....................................................................................... 6

4.1 Marco teórico ........................................................................................................................... 6

4.2. Marco Conceptual.................................................................................................................... 8

4.3. Marco Histórico ......................................................................................................................10

5. Definición y especificación del trabajo .......................................................................................12

6. Metodología del trabajo ............................................................................................................13

6.1. Plan de trabajo ...................................................................................................................13

6.2. Búsqueda de la información ...............................................................................................14

7. Trabajo realizado .......................................................................................................................14

7.1. Descripción de la Metodología ...........................................................................................14

7.2. Aplicación al caso de estudio ..............................................................................................25

7.3. Trabajo computacional .......................................................................................................31

8. Validación del trabajo ................................................................................................................31

9. Discusión ...................................................................................................................................34

10. Conclusiones ..........................................................................................................................35

10.1. Trabajo Futuro ...............................................................................................................37

11. Referencias ............................................................................................................................37

12. Apéndices ..............................................................................................................................39

12.1 Resumen ejecutivo.................................................................................................................39

12.2 Apéndice B .............................................................................................................................42

Semana 2 (Septiembre 07 a 14 de 2016) ........................................................................................45

Semana 3 (Septiembre 15 a septiembre 21 de 2016) .....................................................................70

Propuesta ......................................................................................................................................97


4

1. Introducción

El desarrollo y uso de equipos electrónicos conectados al sistema de potencia ha ido en

aumento a medida que se han dado mayores avances tecnológicos y necesidades de

demanda. La cagas usadas para cumplir diferentes propósitos en la industria como

conversores estáticos de potencia, controladores basados en microprocesadores, motores,

entre otros, son equipos que tienen un comportamiento no lineal y que inducen

perturbaciones electromagnéticas al sistema. Por lo tanto, estos elementos provocan flujo

de corrientes armónicas que causan problemas y afectan a los consumidores y proveedores

del servicio. En vista de esta situación, se ha popularizado el estudio de los fenómenos de

calidad de la potencia, para lograr monitorear los fenómenos que afectan las señales de

tensión y corriente, y así detectar o prevenir la degradación del funcionamiento de los

dispositivos conectados a la red.

En Colombia para la prestación del servicio de energía eléctrica, se creó un nuevo esquema y

nuevas regulaciones a partir de la ley 143 de 1994 llamada la “Ley eléctrica”, que pretendía

un replanteamiento de la filosofía de la prestación del servicio dando más exigencias a las

empresas del sector energético en la relación proveedor-usuario. Era importante establecer

metodologías de evaluación constante del sistema y su comparación con los límites

permitidos, de acuerdo a las normas y estándares que reflejan las condiciones para el

suministro de energía con el fin de garantizar calidad de la potencia a nivel nacional. Así

mismo a nivel internacional existen estándares que proporcionan límites para el control de

fenómenos de calidad de la potencia y en específico para control de flujo de armónicos en el

sistema, tales como el Std. IEE 519-2014 , IEC 61000 4-7, 4-15 4-30 y en base a estos la

norma NTC 5001.

Para diagnosticar y monitorear los límites permitidos de calidad de la potencia, se debe

realizar el monitoreo del sistema, por lo que en las subestaciones de energía eléctrica se

cuentan con equipos que supervisan el sistema constantemente. El avance de los

instrumentos de medida ha ido evolucionando desde 1970, cuando se creó el primer equipo

que solo indicaba el evento y el tipo de magnitud, hasta los últimos equipos que permiten la

medición permanente para contar con mediciones y resultados de largo plazo. Los equipos

registradores de fallas registran en bases de datos las formas de onda permitiendo tener

acceso a la información de las características asociados a los eventos. [1]

Este documento presenta el desarrollo de una metodología basada en técnicas de

visualización e inferencia estadística para grandes cantidades de datos (Big Data) con el fin

de analizar calidad de la potencia, específicamente distorsión armónica. En la primera

sección del documento, se encontraran los objetivos y el alcance del proyecto, junto con la

contextualización y justificación del trabajo a realizar, en la segunda, el marco teórico,

contextual e histórico, la metodología y el plan de trabajo, posteriormente se encontrará la


5

metodología propuesta, y la aplicación a un caso real de estudio de la bahía Tunal hacia San

Mateo, y finalmente la conclusión acerca del trabajo realizado

2. Objetivos

2.1. Objetivo General Aplicar técnicas de análisis de grandes cantidades de datos a las mediciones de

calidad de la potencia, con el fin de mejorar el análisis de fallas en sistemas de

potencia.

2.2. Objetivos Específicos

Determinar cómo se aplica el método de Big Data Analytics en el análisis de

sistemas de potencia.

Plantear una metodología para agrupar la información proveniente de

diferentes puntos de medición de calidad de la potencia

Aplicación de la metodología en un caso de estudio base

Validación y análisis de los resultados

2.3. Resultados Esperados.

Al final de semestre se entregara un documento que reseña técnicas de visualización para el

análisis de grandes cantidades de datos (Big data), y una metodología para analizar

distorsión armónica en un sistema de potencia. También se presentara un caso base donde

se aplique la metodología diseñada y un análisis de los resultados obtenidos. Finalmente, se

realizará la validación de los resultados, se concluirá y se darán recomendaciones y

observaciones correspondientes.

3. Descripción de la problemática y justificación del trabajo La regulación CREG 024 de 2005 estableció que los sistemas de trasmisión regional (STR) y

sistemas de trasmisión local (SDL) deben contar con un sistema de medición y registro de la

Calidad de la Potencia, con el cual se debe hacer un seguimiento continuo de la calidad de la

señal bajo un esquema de autorregulación. Asimismo, la regulación también señala que los

operadores de red deben enviar semanalmente la información de calidad de la potencia de

su sistema a la comisión.

Posteriormente, la CREG crea la resolución 065 de 2012 que busca potencializar imponiendo

a los operadores de red y a los trasmisores nacionales, la obligación de consolidar y analizar

la información capturada, y en base a estos análisis generar acciones de mejora, por lo que

proponen pasar de un reporte semanal a un reporte mensual de los indicadores de calidad

de la potencia. También, propone un informe bimestral de la calidad de la potencia

suministrada en su sistema, el cual debe ser publicado en la página web de la empresa. [2]


6

Estos nuevos requerimientos de monitoreo permanente, traen consigo retos del manejo de

datos, ya que se pueden generar millones de datos que constantemente irán creciendo a

medida que transcurre el tiempo. Más aún, esta situación se puede tornar problemática si no

se cuentan con las herramientas, capacidad de almacenamiento y procesamiento para que

estos datos puedan ser analizados y así llegar a las tomar las acciones correctivas que exige la

norma. Debido a estas especificaciones y requerimientos, algunas las empresas no hacen

esta tarea por sí mismas, si no que delegan y pagan el desarrollo de esta actividad a otras

empresas con el fin de que les realicen los estudios e informes que deben entregar. Es decir,

a pesar de contar con los equipos necesarios para la recolección de información PQ, no los

utilizan o no saben qué información importante se puede obtener, por ende se pierde los

datos almacenados.

Debido a la problemática descrita anteriormente, en este proyecto se plantea realizar la

extracción de información a mediciones de calidad de la potencia, específicamente de

distorsión armónica, de datos PQ que no se habían explorado antes y que son recolectados

por el equipo registrador de fallas de la subestación Tunal, perteneciente a la Empresa de

Energía de Bogotá.

4. Marco Teórico, Conceptual e Histórico

4.1 Marco teórico

Estadística descriptiva:

Por lo general los datos son imperfectos, es decir por si solos no cuentan la historia

completa, es necesario aplicar métodos que permitan extraer información para poder así

comprender la situación que están representando. El tipo de método a seleccionar, depende

del tipo de recolección de información y del tipo de datos. La estadística descriptiva, permite

explorar y representar los datos de manera que se pueda observar su estructura u observar

características sobresalientes e inesperadas [3]. Para este trabajo se utilizó el diagrama de

cajas (Box Plot) y el grafico de dispersión (Scatter Plot) como fase de exploración de la

información. A continuación se listan las características principales de cada uno:

Diagrama de Cajas: Proporciona una visión general del conjunto de datos, describiendo

características importantes, tales como la mediana, la dispersión, la simetría y la

identificación de valores atípicos.

o El rectángulo delimita el rango intercuartílico (RI), da información acerca del valor

numérico de los cuartiles 1, 2 y 3, es decir el 25%, 50% o mediana, y 75% de los

datos, respectivamente.

o Los valores atípicos, son valores que se encuentran entre 1.5 a 3 veces el RI a

partir de las aristas del rectángulo


7

o La observaciones que están más allá de 3 veces el RI se conocen como valores

atípicos extremos y por lo general se grafican con círculos. [4]

Diagrama de dispersión: Los datos se muestran como un conjunto de puntos, permitiendo

observar la tendencia y la correlación de los valores a través del tiempo. Permite ver

características como causas y efectos que describen los datos y determinar objetivamente

causas particulares y efectos que están relacionados. [5]

Inferencia estadística:

Hace referencia a un conjunto de métodos que permiten hacer predicciones acerca de

características de un conjunto de información parcial de un fenómeno específico. Por

ejemplo, un escenario donde no se cuenta con toda la información y se debe realizar el

respectivo análisis y llegar a conclusiones, son los sistemas de potencia. En este contexto,

existen diferentes condiciones y múltiples factores de incertidumbre como los detalles de la

carga, el impacto de cada usuario, y las características de las líneas, entre otros.

De acuerdo a este marco, cada conjunto de datos de medición, son una muestra del sistema

y para lograr extraer información relevante se pueden aplicar métodos de inferencia

estadística. De acuerdo a este enfoque, se puede encontrar una estimación de la función de

densidad de probabilidad (PDF) que describe el comportamiento probable de los datos

medidos. Sin embargo, cuando no es un modelo conocido y la distribución no coincide como

una distribución normal, se deben estudiar y observar la tendencia de datos, para encontrar

el ajuste mas apropiado.

En consecuencia, para lograr una estimación de la información obtenida, se usa el método

kernel que toma un conjunto de datos univariables y desconocidos, y los aproxima

generando un estimación de la función de probabilidad. Los Kernels, son funciones que

asocian a cada uno de los datos. La suma ponderada de estas funciones da un estimador

para aproximar la función de densidad desconocida. Este método no paramétrico y se usa

para respaldar el proceso de inferencia de las distribuciones inciertas.

Sea (𝑥1, 𝑥2, … , 𝑥_𝑛) una muestra de una dsitribución desconocidad (f), la estimación de

densidad de n es:

𝑓ℎ̂(𝑥) =1

𝑛∑ 𝐾ℎ(𝑥 − 𝑥𝑖) =

1

𝑛ℎ

𝑛

𝑖=1

∑ 𝑘 (𝑥 − 𝑥𝑖

ℎ)

𝑛

𝑖=1

Donde h representa el ancho de banda es decir la semi-amplitud del kernel en el intervalo de

interés y K es la función kernel.


8

La selección del ancho de banda, tiene una influencia fuerte en el resultado y en las

propiedades asintóticas de la estimación. El criterio generalmente usado va derivado de la

minimización de la media integrada al error cuadrático

ℎ = (4�̂�5

3𝑛)

15

Donde �̂� es la desviación estándar de las muestras.

La estimación de la distribución Kernel es útil cuando se quieren encontrar condiciones de

interés, ya que permite validar información que puede ser útil para cada condición del

sistema [6]

Percentiles

Dan información de cómo se distribuyen los valores en la serie y permite conocer puntos

característicos de la distribución. Son 99 valores que se distribuyen en la serie de datos

dividida en 100 tramos iguales ordenados de menor a mayor, donde cada uno concentra el

1% de los resultados. El percentil “k” es el valor que deja por debajo el k% de los valores de la

variable. [7]

4.2. Marco Conceptual

Calidad de la potencia

El significado de calidad de la potencia varia constantemente dependiendo de quien realiza

la definición. El estándar IEEE 519 de 2014 define la calidad de la potencia como los

fenómenos electromagnéticos que caracterizan las señales de voltaje y corriente, en un

tiempo y lugar dentro del sistema de potencia. Por otro lado, en el estándar IEC 61000 4-30

define la calidad de la potencia como las características de la electricidad en un punto dado

de una red de energía eléctrica, evaluadas con relación a un conjunto de parámetros

técnicos de referencia. [8]

Y finalmente, en cuanto estándares de la legislación colombiana como la CREG y la NTC 2050,

la definen como una subdivisión del término calidad de la energía, en la que se tiene en

cuenta la continuidad y calidad del servicio haciendo referencia al conjunto de características

como amplitud, espectro en frecuencia y forma de onda respecto a una señal de referencia

[9].

Distorsión armónica

De acuerdo al estándar IEEE 519, un armónico es una componente de frecuencia de orden

mayor a uno en la serie de Fourier de una cantidad periódica. Entre mayor sean las

componentes armónicas de una cantidad, mayor será la distorsión es decir se tendrá mayor


9

desviación de la onda sinusoidal y de la frecuencia fundamental. Las principales fuentes de

armónicos son: Conversores (6 pulsos-12pulsos), fuentes de alimentación de una sola fase,

AC drivers, DC drivers, moduladores de ancho de pulso, transformadores u Hornos de arco

eléctrico, entre otros.

Los principales efectos indeseables que pueden producir la presencia de armónicos son: Los

capacitores pueden tener una corriente excesiva y una caída permanente por el incremento

de las perdidas dieléctricas y calentamiento; los armónicos pueden interferir con el sistema

de comunicación, especialmente ruido en las líneas telefónicas; los transformadores,

motores y Switchgear pueden experimentar grandes pérdidas; los motores de inducción

pueden correr a una velocidad subsincrónica; los interruptores pueden fallar al interrumpir

corrientes dada a la operación inapropiada de las bobinas de interrupción; los relés y

equipos de protección pueden experimentar comportamientos inusuales como operaciones

errónea; y finalmente errores en los medidores de inducción (kilovatios/hora)

THD (Distorsión armónica total)

Corresponde al radio del valor rms de la suma de todas las componentes armónicas

sobre la componente fundamental

𝑇𝐻𝐷 =√∑ 𝐺𝑛

2ℎ𝑛=2

𝐺1∗ 100

TDD (Distorsión total de demanda)

Refleja la importancia de las distorsiones armónicas de corriente respecto a la carga

máxima del sistema medido, ya que podrían presentarse altas distorsiones de corriente,

es decir una medida de THDi elevada, con bajos niveles de carga que no afectarían al

sistema. [10]

𝑇𝐷𝐷 =√∑ 𝐼ℎ

𝑛ℎ=2

2

𝑰𝒍∗ 100

Archivos COMTRADE: (Common format for Transient Data Exchange for power systems):

Es un formato de configuración y definición de parámetros para registros oscilográficos de

fallas estandarizado por la norma internacional IEEE Std. C37.111 que define que los

archivos deberán ser generados en formato común y abierto para el intercambio de datos

transitorios. El formato COMTRADE crea dos tipos de archivos planos .cfg y .dat.

-Los archivos de configuración (.cfg) dan información adicional para la identificación clara del

registro y lo que hay en él. La información más relevante que contiene son los números de


10

canales tanto análogos como digitales que posee el registro, el nombre de los canales, los

valores de transformación (a y b) producto de una conversión A/D, las etiquetas

correspondientes al nombre de la subestación, las etiquetas de las bahías que posea este

registro, la frecuencia de muestreo y el número total de muestras.

-Los Archivos de datos (.dat) son archivos de texto plano que contienen la información o los

datos correspondientes al número de muestras, la marca de tiempo y a la conversión

análoga/digital y que se simbolizan como valores numéricos que son representaciones a

escala del evento almacenado por el registrador de fallas en los canales asignados y descritos

en el archivo de configuración.

-Los archivos de información (.inf) son opcionales, dado que estos contienen información

extra que puede ser útil para los usuarios

La información asociada a estos archivos es la base para lograr una posterior reconstrucción

de las señales almacenadas en el registro mediante cualquier software que permita leer y

correlacionar este tipo de archivos. Así, los archivos .cfg necesitan de los .dat y viceversa para

obtener la información contenida tanto en los canales análogos como en los digitales. [11].

4.3. Marco Histórico

Análisis de datos de calidad de la potencia

Las primeras investigaciones iniciaron en 1980, lo que ha permitido un desarrollo de

tecnologías e información que han permitido solucionar problemas, gracias a la definición,

clasificación, índices, protocolos de medición, métodos de estudio y formulación de

estándares, entre otros.

El análisis de datos es la ciencia de examinar datos con el propósito de extraer conocimiento

de ellos mismos. Es originado de la actividad de extraer “inteligencia” del mercado o de los

datos de los consumidores. El análisis de datos de calidad de la potencia tiene muchas áreas,

como por ejemplo en el diagnóstico de fallas, monitoreo de diferentes condiciones,

estimación de parámetros, y monitoreo de comportamientos, estos aplicados a la red de

PMU, SCADA AMI, etc. [12]

Uso de los datos de la perturbación de la energía

Se han realzado bastantes trabajos en los usos tradicionales en el monitoreo de la calidad de

la potencia, datos de la perturbación de la energía, sin embargo, el monitoreo en condición

de fallas presentan nuevas cuestiones sobre el uso de datos de la calidad de la potencia. Para

este fin se lleva el análisis de datos, en la que puede ser una cantidad pequeña o grande de

datos. [13]


11

Normativa

Medición de Armónicos de acuerdo a IEEE 519: Prácticas y requerimientos

recomendados para el control de armónicos en sistemas eléctricos de potencia

La medición de armónicos se debe realizar con instrumentos que cumplan con la normativa

IEC 61000 4-7 Y IEC 61000 4-30 con el objetivo de supervisar los niveles de armónicos en el

sistema y poder compararlos con los límites sugeridos por el estándar IEEE 519.

Ancho de ventana de las mediciones: debe ser de 12 ciclos (aproximadamente 200

ms) para sistemas de 60 Hz, el componente espectral estará disponible cada 5 Hz

Figura 1 Ancho de ventana de la medición

Mediciones de muy corta duración: se evalúa un intervalo de 3 segundos basados en

una agregación de 15 ciclos de ventanas consecutivos en función de un cálculo RMS.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Figura 2 Agregación de 15 ventanas de 200 ms

𝐹𝑛,𝑣𝑠 = √1

15∑ 𝐹𝑛,𝑖

2

15

𝑖=1

Mediciones de corta duración: Se evalúa un intervalo de 10 minutos basados en la

agregación de valores de muy coto tiempo en función de un cálculo RMS.

1 2 3 … 200

Figura 3. Agregación de 200 ventanas de 3s

𝐹𝑛,𝑠ℎ = √1

200∑ 𝐹(𝑛,𝑣𝑠),𝑖

2

200

𝑖=1

Evaluación estadística

Valores de muy corto y corto tiempo se deben acumular en periodos de un día y una

semana respectivamente. Para las mediciones de muy corto tiempo se mide el percentil


12

99 para un periodo de 24h y se realiza la comparación con 1.5 veces los límites dados en

la Tabla 1. Para mediciones de corta duración, se deben calcular los valores

correspondientes al percentil 95 y 99 para cada periodo de 7 días y comparar con los

límites dados en la Tabla 1. Estos cálculos estadísticos se deben realizar para los

armónicos de corriente y voltaje.

Tabla 1. Límites de distorsión armónica en tensión

Para los armónicos de corriente en el PCC en sistemas mayores a 161 kV, el percentil 99 de

las mediciones de muy corta duración se debe comparar con 2 veces los valores dados en la

Tabla 2. En cuanto al percentil 99 y 95 de las mediciones de muy corta duración se debe

comparar con 1.5 veces y 1 vez valores dados en la Tabla 2 respectivamente.

Tabla 2 Limites de distorsión armónica de corriente para sistemas > a 161kV

Todos los valores deben estar dados en porcentaje de la demanda máxima de corriente 𝐼𝐿.

5. Definición y especificación del trabajo Como se mencionó anteriormente, la medición de los fenómenos de la calidad de la potencia

y el respectivo informe son de carácter obligatorio de acuerdo a la resolución CREG 065 de

2012 para las empresas encargadas de la transmisión de la energía. Por ende, La Empresa de

Energía de Bogotá, segunda empresa más grande de transmisión de electricidad en

Colombia, debe recolectar información del estado de calidad de la energía en cada uno de

los puntos de medida designados en sus subestaciones y presentar el informe semestral ante

la entidad encargada de la regulación y eficiencia de la energía eléctrica. Actualmente, la

empresa contrata a un externo que se encarga de instalar monitores en cada una de las

subestaciones, realizar las respectivas mediciones y entregar el informe de la situación actual

de calidad de la energía.


13

De acuerdo a este contexto, para la realización de este trabajo de grado se planteó explorar

a fondo las mediciones de calidad de la potencia específicamente de distorsión armónica,

con el fin de convertir datos en información útil y descriptiva, dado que actualmente el

criterio para describir el estado de distorsión amónica se basa en el cálculo del THD y su

respectiva comparación con los límites recomendados por la norma IEEE 519 de 1992.

Actualmente, la empresa de energía de Bogotá cuenta en cada una de las subestaciones un

equipo registrador de fallas que es destinado a monitorear el comportamiento dinámico del

sistema de transmisión nacional durante alguna perturbación o maniobra. Estos son equipos

digitales capaces de registrar los eventos y señales que cambian cuando ocurre un evento. El

equipo instalado es un registrador REASON RPV-311 que cuenta con un módulo capaz medir

y almacenar armónicos hasta el orden 50 de acuerdo a la norma IEC 61000 4-7. Para efectos

de la obtención rápida y evitar la necesidad de programar una consignación para realizar las

mediciones de calidad de la potencia, se decidió considerar y estudiar los datos medidos del

equipo registrador de fallas instalado.

Para trabajar con este equipo, se debe tener en cuenta que existen restricciones que afectan

a las medidas. Después de un riguroso estudio del modo de conexión del registrador en la

subestación, se encontró que este toma las señales de corriente y voltaje de los

transformadores de tensión (PT) y de corriente (CT) instalados en cada bahía de la

subestación. Los PT instalados, son transformadores capacitivos por lo que el ancho de

banda de la frecuencia es limitada, y no dan una representación precisa de los componentes

de alta frecuencia acorde a la norma NTC-IEC 61000 4-30.

De acuerdo al artículo “Test and Analysis of Harmonic Responses of High Voltage Instrument

Voltage Transformers”, realizaron un estudio de la respuesta en frecuencia de un

transformador de tensión capacitivo mediante la inyección de frecuencias de 50 a 5000 Hz

para encontrar el rango aceptable para la confiabilidad de las mediciones. Las conclusiones

arrojan que el rango en frecuencia admisible va entre los 50hz a 1 kHz [14]. Por lo anterior,

aunque se desearía analizar a profundidad todos los armónicos hasta el 50, en este trabajo

se va a realizar el análisis la componente fundamental y los armónicos impares del 3 al 17 (60

hz-1.02 kHz) debido a las restricciones de frecuencia.

6. Metodología del trabajo

6.1. Plan de trabajo

A continuación en la Tabla 3 se presentas las tareas más relevantes para el desarrollo del

proyecto.


14

Tabla 3. Cronograma de actividades

Descripción Fecha Inicio Fecha Final Duración

1 Identificación del formato e información que contenían los archivos .zic del registrador de fallas

1/08/2016 1/09/2016 31

2 Estudio y restricción de la conexión del registrador de fallas en el caso base

1/08/2016 11/08/2016 10

3 Revisión de Big Data, Normativa aplicable y métodos de visualización

12/08/2016 25/08/2016 13

4 Desarrollo en Matlab para la visualización de los datos 26/08/2016 2/09/2016 7

5 Desarrollo de la metodología 3/09/2016 27/10/2016 54

6 Tratamiento de datos caso base 28/10/2016 6/11/2016 9

7 Obtención de resultados de la metodología aplicada al caso base

7/11/2016 18/11/2016 11

8 Elaboración de documento, conclusiones y resultados 19/11/2016 2/12/2016 13

6.2. Búsqueda de la información Para realizar la búsqueda de información y lograr dar solución a este proyecto, se consultó la

base de datos Scopus y IEEE Explorer donde se encuentran diferentes artículos investigativos

sobre el análisis de fenómenos de calidad de la potencia y el estándar internacional IEEE 519

versión 1992 y 2014. Así mismo, se consultaron las bases de datos del ICONTEC y la página de

la CREG, donde encuentra publicada la normativa Colombiana NTC 5001, y las resoluciones

que vigilan el cumplimiento de la calidad del servicio de energía.

7. Trabajo realizado

7.1. Descripción de la Metodología La metodología se diseña en base a las mediciones de 1 semana (del 1 al 7 de septiembre) de

la subestación Tunal bahía San Mateo y es validada mediante la prueba a las mediciones de

la semana 2 y 3 (del 8 al 21 de septiembre) del mismo circuito. A continuación en la Figura 4

se observa el diagrama de cajas que escribe la metodología planteada posteriormente.

Figura 4. Diagrama de Bloques: resumen de la metodoligía


15


16

La metodología diseñada se divide en 6 partes, la primera es el reconocimiento y tratamiento

de los datos, la segunda es la identificación del contenido y métodos de agregación, el tercero

el procesamiento de la información, el cuarto es el análisis y comparación de las mediciones

con los límites permitidos en el sistema que en este caso son los límites recomendados por el

estándar IEEE 519 de 2014, el quinto es extraer información útil mediante la visualización y

análisis de resultados de los indicadores construidos. Por último, es el reporte al operador. A

continuación se explica detalladamente las diferentes partes que la conforman:

1. Tratamiento de datos: Para iniciar, se debe identificar cual es el formato de los datos. Si los

datos vienen en formato COMTRADE comprimido, se debe utilizar el software Análise del

fabricante Reason para extraer los datos al formato COMTRADE compuesto por 3 archivos .inf,

.cfg y .dat. Posteriormente se debe exportar la carpeta .cfg al formato separado por comas

(.csv) con el software PQDiffractor del fabricante Electrotek Concepts.

2. Identificación del contenido: Se debe verificar el intervalo de agregación y la ventana de

tiempo durante la que se almacenaron los datos. Si las mediciones se realizaron cada 3

segundos basados en la agregación de 15 ventanas consecutivas de 12 ciclos (para una duración

de un día), corresponden a mediciones de muy corta duración y por lo tanto se debe realizar la

comparación del percentil 99 de los valores de voltaje y corriente con el límite permitido en el

sistema.

Si las mediciones se realizaron cada 10 minutos basados en la agregación de 200 mediciones

consecutivas de muy corto tiempo para una medición de 1 semana, corresponden a mediciones

de corta duración y por tanto se debe calcular el percentil 95 de voltaje y corriente y

únicamente el percentil 99 de corriente, para así, comparar los valores con los límites

permitidos en el sistema.

Si por el contrario, los datos no hacen parte de ninguna de las dos divisiones anteriores, y son

los percentiles 1, 10, 50, 90,95 y 99 de cada 10 min de las mediciones basados en la agregación

de 200 mediciones consecutivas de muy corto tiempo para una duración de un día, se deben

preparar los datos con los formatos que se describen en la sección del apéndice (tratamiento

de datos) para realizar el procesamiento con el software Matlab.

Figura 5. Diagrama de dispersión de los armónicos impares de tensión semana 1


17

Una vez seleccionado el tipo de medición, se procede a obtener una primera visión de los datos

medidos con un diagrama de dispersión como se ilustra en la Figura 5. Esta visualización permite

observar en que momentos algunos armónicos aumentan o disminuyen y empezar a detallar

diferentes tendencias temporales.

3. Procesamiento de la información: debido a que se va a trabajar con percentiles, cada grupo

de datos representa una muestra estadística del total de las mediciones, así que es necesario

aplicar inferencia estadística para obtener una estimación de la función de densidad de

probabilidad (PDF) y logar adquirir una idea del valor probable de los datos reales que no se

tienen.

Figura 6. Diagrama de cajas del percentil 99 (01-09-2016)

Mediante observaciones de los gráficos de diagramas de cajas evaluados por fase y para cada

armónico, se encontró no se puede generalizar que los datos son representados por una

distribución normal. En la Figura 6, se puede observar que la mediana o percentil 50 del

armónico fundamental está centrado en el rango intercuartílico, es decir su distribución es

simétrica. Mientras que para el armónico 5, el percentil 50 no se encuentra centrada dentro

rango, es decir tiende a ser una distribución asimétrica negativa debido a que la mediana se

acerca al tercer cuartil. Ahora bien, si se observa el armónico 3 se puede ver que las 3 fases

tienden a ser distribuciones asimétricas positivas dado que la mediana se acerca al primer

cuartil.

Dadas estas circunstancias, la mejor alternativa es realizar una aproximación tipo Kernel, que es

capaz de encontrar la distribución de densidad de probabilidad que mejor se adapta al conjunto

de datos. Sin embargo, como solo se cuentan con percentiles de las mediciones cada 10 min, no

es posible aplicar este método y se decide realizar una regresión Spline (posee menor

porcentaje de error comparada con una aproximación tipo Kernel) logrando así encontrar la

función acumulada de probabilidad para cada agregación de tiempo. En la sección de validación

de resultados se especifica el procedimiento para llegar a esta conclusión.

A partir de este punto, todos los valores se pasan a sistema P.U para un mejor entendimiento,

las mediciones de Voltaje se normalizan con el voltaje base de 230/√3 kV, y las mediciones de

corriente se normalizan con la máxima corriente de la demanda coincidente. Para efectos


18

prácticos, este valor se tomó como la máxima corriente coincidente de los datos que entrego la

Empresa de Energía de Bogotá.

Semana 1 Máx. Corriente: [238.6183 242.8408 218.9364] Suma: 700.3955 A



Teniendo en cuenta estos resultados, las mediciones de corriente se normalizan con la máxima

corriente de la semana 1. Para la fase A con 238.61 A, fase B 242.84A y fase C 218.93A.

El siguiente paso es derivar la función acumulada de probabilidad, para obtener la función de

densidad de probabilidad que describe los datos producto de la agregación de tiempo (10 min).

Esta acción se debe repetir para las mediciones de 1 día obteniendo el resultado de la Figura 7.

Posteriormente, se deben acumular estas PDF hasta completar los resultados para 1 semana

(7dias) y así obtener el grafico de evolución de la función de densidad de probabilidad que

permitirá ver en grandes rasgos el nivel de distorsión armónica de los datos medidos.

Figura 7. PDF basada en agregaciones de 10min acumuladas para un periodo de un día (01-09-2016)

Obtenido el grafico de evolución, se debe proceder a observar cuidadosamente si la región

amarilla de cada armónico (fases A, B, y C) se encuentra por debajo del límite permitido en el

sistema, correspondiente a la línea roja para las mediciones del percentil 95 y la morada para

las mediciones del percentil 99. En la Figura 8, se puede ver el ejemplo para los armónicos 3 y 5

de corriente, donde el primero se encuentra por debajo de los límites en sus 3 fases, lo que

indica que el nivel de distorsión armónica individual esta saludable. En contraste, la fase A y B

del armónico 5 cruza levemente el límite, sin embargo, se le debe prestar mucha atención a las

zonas amarillas, debido a que estas representan el rango probable del valor típico que tomo el


19

armónico durante ese periodo de tiempo. Si estas zonas cruzan el límite, se le debe prestar gran

atención al comportamiento de este armónico porque es probable que estén violando el límite

permitido.

Figura 8. Evolución de función de densidad de probabilidad en corriente h=3 y h=5 semana 1 (01-0-2016 a 07-09-2016)

Acto seguido, se procede a sumar las PDF de cada semana y cada fase, con el fin de obtener una

sola PDF total para cada armónico. Esta función de densidad de probabilidad se integra y se

obtiene la función acumulada de probabilidad con la cual se pueden obtener los percentiles 95

y 99 comparables con los límites del sistema, que en este caso son mismos de la norma IEEE

519, por lo que se procede a realizar el análisis .

Figura 9 se observan los resultados del percentil 95 y 99 de los datos de la semana 1 de prueba

para las mediciones de corriente, en el primer caso, los armónicos del 3 al 9 deben ser menores

a 3 p.u y del 11 al 17 menores a 1.5 p.u, y para el percentil 99 deben ser menores a 4.5 y 2.25

Figura 9. Percentiles 95 Y 99 de corriente semana 1 (01-0-2016 a 07-09-2016)


20

p.u respectivamente, el resultado de los límites se le debe informar al operador del sistema,

para que pueda tomar las decisiones de acuerdo a cada caso .

4. Comparación con los límites: La cuarta fase inicia calculando la corriente rms, la distorsión

total de demanda (TDD) y el THD de corriente para los percentiles 95 y 99. Con estos valores, se

debe proceder a comparar la corriente rms con la corriente fundamental, si el error entre estas

2 señales es muy grande es preocupante porque el nivel de armónicos de corriente en el

sistema prevalece. En la Figura 10 se observa el ejemplo de la semana 1, donde no existe una

gran diferencia por lo que es probable que el contenido armónico se encuentre bien.

Figura 10. Comparación Semana 1 P99 Corriente fundamental vs Irms.

De la misma manera, se debe calcular el voltaje rms y el THD de voltaje para las mediciones de

una semana, para realizar las respectivas comparaciones con el límite de THD y TDD permitidos

en el sistema. Como se explicó anteriormente, la relación de corto circuito vs corriente máxima

de demanda es mayor a 50 por lo que el límite del TDD que aplica es 3.75 para mediciones del

percentil 95 como se observa en la Figura 11. En el caso del THD de voltaje el límite es de 1.5

p.u también para el percentil 95. En el caso del percentil 99 los límites aplicables son 1.5 el valor

de P95. A continuación en las Figura 11 se ilustra la gráfica obtenida para el cálculo del TDD, la

fase A se encuentra en rojo, la b en verde y la c en azul. La línea negra intermitente representa

el límite para cada caso, por lo que se debe verificar que todas las mediciones se encuentren

por debajo de esta referencia. En cualquier caso que se presente, se le debe informar al

operador cual es el estado del sistema en este punto.


21

Figura 11. Gráfica P95 del TDD, THDi, e Irms Semana 1 (01-09-2016 a 07-09-2016)

5. Extracción de información: se proceden a evaluar los indicadores construidos. El primero

consiste en cuantificar cual es el nivel de riesgo de la relación entre la corriente y el TDD. El

nivel de riesgo es mayor cuando el TDD es alto y la corriente es alta en comparación a una

relación de TDD alto pero una corriente baja y viceversa. Para logar ilustrar esta idea, en la Tabla

4 se observan los niveles de riesgo que se crearon, a cada uno se le asignó un peso para lograr

cuantificar el nivel de preocupación.

Tabla 4. Divisiones y peso asignado para cada rango de Irms y TDD

En la Figura 12 se observa la relación entre los valores de corriente y TDD. Los valores que se

encuentran en diferentes tonos de azul, se consideran con un nivel de riesgo bajo, los valores

que se encuentran encerrados en el cuadro verde, tienen un nivel medio, los que se encuentran

dentro del cuadro magenta un nivel alto y en el cuadro rojo un riesgo muy alto.

Tabla 5. Regiones del indicador de peligro


22

Figura 12. Mapa de relación Irms y TDD

Con los pesos asignados, se realiza el producto entre ambos valores que conforman el

indicador, generándose varios niveles de criticidad, los posibles resultados de peligro se

encuentran entre 0 y 9. En la Tabla 5 se presentan los valores, niveles y colores que se

estandarizaron para el indicador.

Un ejemplo del indicador aplicado en los datos base de la semana 1 se ilustra en la Figura 13. La

mayor parte del tiempo el indicador se encuentra en nivel de riesgo bajo, menos el día 04-09-

2016 (Domingo) donde predomina un nivel de riesgo medio. También se observa una

peculiaridad en la fase C donde el día 07-09-2016 (miércoles) por un instante de 10 min

alrededor de las 18 horas pasó a tener un nivel de riesgo alto. Este resultado es de esperarse,

dado que el sistema durante este tiempo no sobrepasa el límite del TDD, sin embargo en el

momento donde pasa a tener riesgo alto, la corriente que pasa por el sistema se considera alta.

Figura 13. Indicador de peligro P95 Semana 1 (relación Irms vs TDD)


23

El segundo indicador tiene como objetivo alertar al operador, cuales medidas de armónicos

estuvieron próximos a violar el límite, para que este pueda revisar cuales cargas o cuales

condiciones del sistema pueden generar que se sobrepase los límites recomendados para los

armónicos tanto de corriente como de voltaje. Este indicador utiliza diferentes parámetros que

van a indicar la proximidad de las mediciones al límite, en la Tabla 6 se enumeran los 5

elementos que contribuyen a que la distribución sea más peligrosa y el peso que se le debe

asignar.

Tabla 6. Distribución de pesos para el indicador de proximidad al límite (Corriente)

Tabla 7. Distribución de pesos para el indicador de proximidad al límite (Tensión)

El primer elemento corresponde a la distancia entre el fin de la PDF al límite, entre más corta la

distancia se convierte en más preocupante, este factor contribuye al 50% del indicador. El

segundo elemento corresponde a la simetría de la distribución de probabilidad, es más

preocupante cuando la función es asimétrica negativa es decir la moda está a la derecha de la

mediana, este elemento posee el 20% del peso total del indicador. El tercer elemento

corresponde al valor de la mediana o percentil 50, es más preocupante cuando tiene valores

altos cercanos al límite. El cuarto elemento corresponde a la moda que es el valor con mayor

frecuencia, también se vuelve más preocupante cuando sus valores tienden al límite.

Finalmente el 5 elemento corresponde a la distancia entre el percentil 90 y 99, se debe tener

mayor precaución cuando la distancia el cociente de estos valores es más cercano a 1, porque

la evolución de un valor a otro se da con mayor rapidez. El 3, 4 y 5 factor tiene un peso del 10%

cada uno.

Por ejemplo, en la Figura 14 se observan 2 diferentes funciones de probabilidad, con la primera

se debe tener mayor precaución debido a que la distancia entre el final de la PDF y el límite

(que es 3) es muy corta, es asimétrica negativa ya que la moda está a la derecha del percentil

1 2 3 4 5 Peso Ind

50% Dist Lim-P95 [1 a inf) [0.5 a 1) [0.3 a 0.5) [0 a 0.3) (-inf a 0) 0.1

20% Asimetria (skewness) [ 0.2 a inf) [0 a 0.2) [-0.2 a 0) ( -inf a 0.2) N.A 0.05

10% Mediana o P50 [0 a 0.75) [0.75 a1.5) [1.5 a 2.25) [2.25 a inf) N.A 0.025

10% Moda [0 a 0.75) [0.75 a1.5) [1.5 a 2.25) [2.25 a inf) N.A 0.025

10% Dist P90-P99 [1.1 a inf) [1 a 1.1) N.A N.A N.A 0.05

Indicador de peligro THD de Corriente (individual)

1 2 3 4 5 Peso Ind

50% Dist Lim-P95 [0.9 a inf) [0.5 a 0.9) [0.3 a 0.5) [0 a 0.3) (-inf a 0) 0.1

20% Asimetria (skewness) [ 0.2 a inf) [0 a 0.2) [-0.2 a 0) ( -inf a 0.2) N.A 0.05

10% Mediana o P50 [0 a 0.25) [0.25 a0.5) [0.5 a 0.75) [0.75 a inf) N.A 0.025

10% Moda [0 a 0.25) [0.25 a0.5) [0.5 a 0.75) [0.75 a inf) N.A 0.025

10% Dist P90-P99 [1.1 a inf) [1 a 1.1) N.A N.A N.A 0.05

Indicador de peligro THD de Tensión (individual)


24

50, la mediana es 2.43, la moda es 2.6 y la distancia entre el P90 y P99 es 1.04; en contraste a la

segunda distribución que se aleja del límite, la moda y la mediana están más cerca a cero, es

asimétrica positiva y la distancia entre el P90 y P99 es 1.43.

Figura 14. Ejemplo de una PDF preocupante y una PDF no preocupante.

Ahora bien si se sigue con el caso base de la semana 1, en la Figura 15 se observa el resultado

del indicador para la fase A de corriente. Se puede observar que el armónico 5 tiende acercarse

al final del día al límite pasando y aproximándose en varias ocasiones al nivel de riesgo alto. Si

se compara con las observaciones de la Figura 8 se comprueba que el valor típico que tomo

este armónico para la fase A esta peligrosamente cercana al límite permitido en el sistema. En

este caso es necesario avisarle al operador esta condición de criticidad de la proximidad al

límite para que él pueda tomar decisiones preventivas en el sistema.

Figura 15. Indicador de proximidad al límite fase A Semana 1.


25

7.2. Aplicación al caso de estudio El caso base corresponde al mismo circuito de la subestación Tunal bahía San Mateo, pero las

mediciones de las semana 2 (08/09/2016- 14/09/2016) y 3 (15/09/2016- 21/09/2016). A continuación,

se observa la tabla donde se obtiene el resultado de la metodología planteada junto al reporte del

operador de la situación del sistema.

Extracción de información semana 2 (07-09-2016 al 14-09-2016)

Tratamiento de Datos

Formato de Entrada

.zic

COMTRADE 12 Carpetas por día, armónicos pares e impares.

Formato .csv 2 Carpeta separadas (Pares e Impares) cada una con 6 archivos .csv

Identificación del Contenido

Intervalo de agregación y ventana de

tiempo

Percentiles de intervalos de 10 min basados en la agregación de 200 valores consecutivos de muy corta duración

Procesamiento de la

información

Procesamiento de datos

Construcción de los archivos csv: 2semanap95, 2semanap99, 2semp50oharmp, 2semp99oharmp, input2sem

1.Corriente 2.Tensión Figura

Primera visualización

Diagrama de

dispersión

h=5 tiende a ser alto en las horas de la noche (23-3h), el día con mayor magnitud fue el sábado 09 con 8 A. I1 posee picos altos a las 4,11 y 21 h.

h=5,11 y13 tienden a ser altos, varían entre 2 y 1.5 kV. El viernes el h13 a las 10 h posee su máximo valor. La máx. Magnitud de V1 es de 131.5 kV para el jue 8 de Sept.

1.Figura 22, 25, 27, 29, 31, 33, 35. 2. Figura 50, 53, 55, 57, 59, 61, 63.

Diagrama de cajas

h=5 tiene un rango 4 A (entre 4 y 8A), posee alta variabilidad, y en la mayor parte del tiempo es asimétrica +, el jueves 07 cuenta con outliers. Por otro lado I1, tiene una gran variabilidad, entre 7 y 210A

h5 posee alta variabilidad en general, pero el viernes 09 el h13 el rango fue de 1 kV ( entre 0.5 y 1.5 kV), la tendencia de este armónico es a ser asimétrico +

1. Figura 23, 26, 28, 30. 32, 34, 36. 2. Figura 51, 54, 56, 58,

60, 62, 64.

Suma de PDF (7 días) y

obtención de P95

(Limites I: de h3 a h9 ≤ 3, entre h11 a h15≤ 1.5, y h17≤1.15, Limites V: todos ≤1 )

Fase A Entre h3 a h9 El valor máx. fue h5= 2.9593 y entre h11 a h17 fue h13= 0.6029

Entre h3 a h17 El valor máx. fue h13= 0.9123

1. Figura 40 2. Figura 68

Fase B Entre h3 a h9 El valor máx. fue h5= 2.9363 y entre h11 a h17 fue h13= 0.5128


Fase C Entre h3 a h9 El valor máx. fue h5= 2.8230 y entre h11 a h17 fue h13= 0.8376

Entre h3 a h17 El valor máx. fue h13=1.0070


obtención de P99 (Limites I:

de h3 a h9 ≤ 4.5, entre h11 a h15≤

2.2, y h17≤1.5)



Fase C Entre h3 a h9 El valor máx. fue de h5= 2.8230 y entre h11 a h17 fue h13= 0.8376

Comparación con los

Análisis semanal

Fase A Los valores del p95 y p99 está por debajo del límite permitido

Los valores del p95 y p99 está por debajo del límite permitido


26

Límites Fase B en el sistema en el sistema

Fase C

El valor del p95 del h13 esta críticamente cercano a violar el límite, es necesario revisar esta condición.

Extracción de información

mediante visualización

Gráfico semanal de

evolución de densidad armónica

Fase A

h=3, 7, 9, 11, 13,15 y17 están por debajo del límite permitido, sin embargo h5 cruza la línea pero la zona amarilla no lo hace, este armónico se debe mantener en observación. En la Tabla 8 se encuentra en general el valor típico del armónico individual.

h13 cruza levemente el límite, sin embargo la zona amarilla permanece dentro del rango permitido.

1. Figura 36, 38, 39, 40. 2.Figura 64, 66, 67, 68.

Fase B Están por debajo del lím, el nivel de armónico ind es saludable.

Fase C h13 cruza el lím, se debe prestar atención la zona amarilla está cercana al limite

Gráfica del P95

TDD/ THD

El TDD está por debajo del límite, el sistema es saludable. Tener precaución vie 09 y sab 10 cerca al límite en las horas de la noche

El THD está por debajo, el sistema es saludable. Se debe tener precaución dado que el viernes 09 entre las 8 y 10 h el THD se acercó peligrosamente

1.Figura 41 2.Figura 72

Irms/Vrms

Irms varía entre 0.1 y 0.82 p.u. los momentos con mayor magnitud se presentan entre 4-5 h y a las 23 h.

Existe poca variabilidad en Vrms, se mantiene estable entre 0.96 y 0.99 p.u.

Corriente Figura

Gráfica del P99

TDD Se encuentra por debajo del límite, el nivel de TDD saludable.

Figura 44 THDi THDi alto especialmente el miércoles 15 (fase C) y el lunes en la tarde (fase b)

Irms Irms varía entre 0.1 y 0.85 p.u, el día de mayor magnitud es el Dom (20 h). En promedio Irms es menor a 0.6 p.u.

Comparación Irms vs I1

Existe una muy pequeña diferencia entre Irms y I1, es probable que el contenido armónico se encuentre saludable.

Figura 43 y Figura 46

Indicador de Peligro TDD vs

Irms

Fase A El peligro de que Irms y TDD tengan magnitudes altas al mismo tiempo es baja, el sábado a las 19 h crece un poco pero sigue sin ser preocupante. Figura 45

Fase B

Fase C El viernes de 4 a 5 h y 23 h, y el sábado a las 19 h el indicador crece en una pequeña proporción por lo que el estado sigue siendo poco preocupante.

Corriente Tensión Figura

Indicador de proximidad al

límite

Fase A El nivel de proximidad para el vie, sab y dom del h5 es alto en la madrugada (0-1h) para el resto de días el indicador es medio, y finalmente para los demás armónicos es bajo.

Para h5 el indicador es medio en la mañana de todos los días, para h13 el indicador es alto hacia el mediodía del vie y sab


Fase B Igual que la fase A para h5, y para los demás armónicos el indicador es de baja proximidad


Fase C

El indicador de h5 es medio para la mañana del dom, lun y mie. H13 es medio durante todos los días a excepción del vie y sab

1. Figura 49 2.Figura 71


27

Reporte al operador Semana 2

Corriente:

1. El contenido de los armónicos individuales no sobrepasan los límites permitidos en el

sistema, sin embargo, de acuerdo al gráfico de indicador de proximidad el armónico 5 se

encuentra un nivel alto de cercanía al límite. Se recomienda observar el comportamiento de la

carga dado que los días viernes 09, sábado 10 y miércoles 14 de septiembre entre las 23 a 3

horas del día presentaron los valores más altos del armónico donde se alcanzan los 7.5 A.

De acuerdo al diagrama de evolución de densidad de probabilidad, el valor típico de los

armónicos individuales se presenta a continuación: (ninguno supera el límite)

Tabla 8. Valor típico armónico individual de corriente semana 2

Corriente [p.u]

h 3 5 7 9 11 13 15 17

Fase A 0.1-1.3 0.2-2.98 0.5-1.25 0-0.13 0.2-0.53 0.1-0.62 0-0.15 0.1-0.23

Fase B 0-1-1.18 0.1-2.98 0.1-1.35 0.05-0.15 0.1-0.49 0.1-0.50 0.01-0.19 0.05-0.21

Fase C 0.1-0.84 0.1-2.87 0.1-1.30 0.01-0.1 0-0.47 0.1-0.92 0-0.11 0-0.17

2. El TDD se encuentra dentro del límite establecido, pero se debe tener mesura ya que los días

viernes 09 y sábado 10 en las horas de la noche y madrugada la medida se acercó bastante al

límite. A pesar de esta situación, el sistema tiene un nivel bajo para el indicador de peligro ya

que para estos valores de TDD, la corriente se encontró entre 0.4 y 0.6 p.u.

En general el contenido armónico de corriente para el sistema en la semana 2 es saludable.

Tensión:

1. Para la fase A y B los armónicos individuales no sobrepasan los límites, sin embargo para la

fase C el p95 del armónico 13 se acerca críticamente al límite. Se recomienda revisar que

ocurrió en el sistema en especial el viernes 09 entre las 5 y 15 horas debido a que el tercer

cuartil fue de 1.3 kV. De acuerdo al indicador de proximidad el h13 cruza en 2 oportunidades el

nivel alto para la fase A y en múltiples ocasiones para la fase C. El armónico 5 posee nivel de

proximidad medio en las 3 fases.

2. De acuerdo al grafico de evolución de densidad el armónico 13 cruza levemente el límite en

las fases A y C, sin embargo el valor típico que se presenta Tabla 8 no lo sobrepasa.

Tabla 9. Valor típico armónico individual de Tensión

Tensión [p.u]

h 3 5 7 9 11 13 15 17

Fase A 0.20-0.52 0.20-0.69 0.15-0.47 0-0.09 0.2-0.6 0.22-0.91 0.11-0.4 0.22-0.4

Fase B 0.18-0.34 0.2-0.82 0.2-0.5 0-0.01 0.14-0.63 0.15-0.61 0.2-0.43 0.17-0.53

Fase C 0.1-0.24 0.2-0.7 0.18-0.45 0-0.09 0.13-0.50 0.2-0.98 0-0.38 0.2-0.45


28

3. El THD está dentro de los límites, el día que estuvo más cercano fue el viernes 09 entre las 8 y

10 horas.

En general el contenido armónico de tensión es saludable, sin embargo se recuerda que es

preocupante el nivel del armónico 13.

Extracción de información semana 3 (15-09-2016 al 21-09-2016)


Formato de Entrada

.zic

COMTRADE 12 Carpetas por día, armónicos pares e impares

Formato .csv 2 Carpeta separadas (Pares e Impares) cada una con 6 archivos .csv

Identificación del

Contenido


tiempo

Percentiles de intervalos de 10 min basados en la agregación de 200 valores consecutivos de muy corta duración

Procesamiento de la

información


Construcción de los archivos csv: 3semanap95, 3semanap99, 3semp50oharmp, 3semp99oharmp, input3sem

1.Corriente 2.Tensión Figura


Diagrama de

dispersión

h=5 tiende a ser alto en las horas de la noche (23-3h), el día con mayor magnitud fue el lunes 19 con 6.8A. I1 posee picos altos a las 4,11 y 21 h, y la mayor magnitud de 210A.

h=5, 7,11 y13 tienden a ser altos, varían entre 0.2 y 1.5 kV. Todos los días entre 5 a 8h, el h11 y h13 presentan su pico de mayor magnitud. El máx. Valor que toma V1 es de 131.5 kV.

1. Figura 73, 74, 76, 78, 80, 82,84. 2.Figura 101, 102, 104, 106, 108, 110, 112

Diagrama de cajas

h=5 tiene un rango de 3.3A (entre 3.5 y 6.8A), posee alta variabilidad, tiene tendencia a ser asimétrica - , el 18,19 y 21 cuenta con outliers. Por otro lado I1, tiene una gran variabilidad, entre 7 y 210 A.

h5 y h13 poseen alta variabilidad y en general tienden a ser asimétrica + y - respectivamente, su p50 está por debajo de 0.9 kV. El p50 de h11 está por debajo de 0.6 kV. V1 tiene poca variabilidad.

1.Figura 74, 75, 79, 81, 83, 85 2.Figura 102, 103, 105, 107, 109, 111,113


obtención de P95

(Limites I: de h3 a h9 ≤ 3, entre h11 a h15≤ 1.5, y h17≤1.15, Limites V: todos ≤1 )






Fase C Entre h3 a h9 El valor máx. fue h5= 2.3011 y entre h11 a h17 fue h13= 0.4184

Entre h3 a h17 El valor máx. fue h5=0.7611


obtención de P99 (Limites I: de

h3 a h9 ≤ 4.5, entre h11 a h15≤

2.2, y h17≤1.5)



Fase C Entre h3 a h9 El valor máx. fue de h5= 2.5037 y entre h11 a h17 fue h13= 0.4631

Comparación con los

Análisis semanal

Fase A Los valores del p95 y p99 está por debajo del límite permitido

Los valores del p95 están por debajo del límite permitido en el Fase B


29

Límites Fase C en el sistema sistema.



Gráfico semanal de

evolución de densidad armónica

Fase A

Todos los armónicos están por debajo del límite permitido. En la tabla XXX se encuentra en general el valor típico del armónico individual.

Los armónicos están por debajo del límite, el nivel de armónico individual es saludable.

1.Figura 87, 86, 88, 89. 2.Figura 115, 115, 116, 117

Fase B

h5 cruza levemente el límite, sin embargo la zona amarilla permanece dentro del rango permitido.

Fase C Los armónicos están por debajo del límite, el nivel de armónico individual es saludable

Gráfica del P95

TDD/ THD

El TDD está por debajo del límite, el sistema es saludable. Se observa que el TDD tiende a ser más alto en las horas de la noche.

El sistema es saludable, el THD está por debajo del límite. Se debe tener precaución el domingo de 8-9h dado que el THD se acercó peligrosamente al límite.


Irms/Vrms

Irms varía entre 0.1 y 0.9 p.u. El dom es el día de mayor valor entre las 5-9 h y 20-22 h.

Existe poca variabilidad en Vrms, se mantiene estable entre 0.965 y 0.99 p.u.

Corriente Figura

Gráfica del P99

TDD Se encuentra por debajo del límite, el nivel de TDD saludable. Nota: el mie 21 se presenta un acercamiento de la fase c hacia las 12h, pero puede ser un error ya que no se aprecia en el p95 Figura 95

THDi El THDi es alto en especial los días entre semana.

Irms Irms varía entre 0.1 y 0.9 p.u. En promedio la Irms es menor a 0.6 p.u.


Existe una muy pequeña diferencia entre Irms y I1, es probable que el contenido armónico se encuentre saludable.

Figura 93 y Figura 96


Irms

Fase A El peligro de que Irms y TDD tengan magnitudes altas al mismo tiempo es baja, el domingo y lunes a las 21 h crece a nivel de peligro a medio, aun así sigue sin ser preocupante.

Figura 97 Fase B El indicador de peligro es bajo para la mayor parte de tiempo.

Fase C Hacia el final de todos los días y durante la tarde del dom 18 el indicador tiene un nivel de peligro medio, para los otras horas es bajo, por lo anterior no es preocupante el sistema.



límite

Fase A El nivel de proximidad para el dom, lun y mar del h5 es medio en horas de la noche (24h), para el resto de días y armónicos el indicador es bajo.

Para h5, el indicador tiene nivel medio en la madrugada (24-1h) y el domingo en gran parte del día. Para h7 y 11 el mar y mie también se presenta alto nivel.


Fase B Igual que la fase A para h5 y h7, para los demás armónicos el nivel de proximidad es bajo.


Fase C h5 y h7 presentan un nivel medio el lun, mar y Mier entre las 0-2 h y El dom hacia las 12 h



30

Reporte al operador semana 3

Corriente:

1. Los armónicos individuales no sobrepasan los límites permitidos en el sistema. De acuerdo al

gráfico de indicador de proximidad el armónico 5 fases A y B se encuentra un nivel medio hacia

el final del día (24h) y de resto para los demás días y armónicos se mantienen en un nivel bajo

de proximidad.

2. De acuerdo al diagrama de evolución de densidad de probabilidad, el armónico con mayor

cercanía al límite es el 5, sin embargo, la franja amarilla (valor probable) de este se encuentra

lejana al valor de referencia. En la Tabla 10 se observa el rango del valor típico del amónico

individual. Tabla 10. Valor típico armónico individual de corriente semana 3

Corriente [p.u]

h 3 5 7 9 11 13 15 17

Fase A 0.1-0.8 0.2-2.5 0.1-1.1 0-0.10 0.11-0.4 0.05-0.4 0-0.10 0-0.09

Fase B 0.1-0.9 0.2-2.3 0.12-1.1 0-0.12 0.1-0.34 0.05-0.4 0-0.09 0-0.2

Fase C 0.2-0.8 0.15-2.2 0.1-1 0-0.08 0.02-0.35 0.1-0.48 0-0.09 0-0.1

El TDD también se encuentra dentro del límite establecido y tiende a ser superior en las horas

de la noche. De acuerdo al indicador de peligro, hay bajo nivel de preocupación en encontrar un

TDD y una Irms alta. Se observa que en el percentil 99 ocurre una condición de alto TDD a las 12

h, pero a pesar de ello, esta medición no se observa en el p95 por lo que puede ser un error de

medición.

Finalmente, después de este análisis, se concluye que el contenido armónico de corriente para

el sistema en la semana 3 es saludable. Se recomienda mantener en observación el armónico 5,

por el momento no es preocupante pero puede tender a crecer ante alguna situación de carga.

Tensión:

1. Los armónicos individuales no sobrepasan los límites. De acuerdo al indicador de proximidad

los armónicos 5, 7, 11 en las horas de la madrugada (entre las 24 a 1h) tienen un nivel medio de

proximidad, siendo más preocupante el armónico 5 debido a que permanece mayor tiempo en

esta zona. Los armónicos restantes posee un nivel bajo de proximidad.

2. De acuerdo al grafico de evolución de densidad el armónico 5 cruza levemente el límite en la

fase B, sin embargo el valor típico que se presenta Tabla 11 no lo sobrepasa. Tabla 11. Valor típico armónico individual de tensión semana 3

Tensión [p.u]

h 3 5 7 9 11 13 15 17

Fase A 0.1-0.4 0.15-0.85 0.2-0.71 0-0.12 0.17-0.71 0.10-0.53 0.1-0.16 0.2-0.38

Fase B 0.17-0.37 0.2-0.89 0.15-0.72 0-0.13 0.2-0.59 0.2-0.37 0.1-0.16 0.2-0.36

Fase C 0.2-0.48 0.2-0.7 0.2-0.66 0-0.12 0.18-0.47 0.15-0.67 0.1-0.20 0.17-0.39


31

3. El THD está dentro de los límites.

En general el contenido armónico de tensión es saludable. Se recomienda observar el

comportamiento de los armónicos 7 y 11 y en especial el 5 dado que tienen nivel de criticidad

de tendencia media a cruzar el límite.

7.3. Trabajo computacional

El desarrollo computacional se realizó con Excel y con Matlab. El trabajo en Excel consistió en la

importación y manejo de los datos de medición, se crearon diferentes formas de agrupar los

datos de tal manera que se pudieran tener herramientas de exploración de la información para

los datos suministrados. Se crearon 5 archivos de concentración en formato separado por

comas, para lograr reunir los percentiles 50, 95, 99 y todos los datos en general hasta el

armónico 50. Posteriormente, se realizó la parte de análisis de datos: visualización y diseño de

formatos en el software Matlab, donde se crearon 6 funciones que permiten observar la

información en forma de gráficos de dispersión, de cajas, índices, y gráficos 3D que ilustran la

evolución de información de densidad de probabilidad en el tiempo. Cada grafico resume la

mayor información posible, en algunos se encuentran comprendidos el resultado de las 3 fases

y el neutro diferenciados por colores, el resultado de los 17 armónicos agrupados en subplot´s,

el cálculo del THD y TDD, entre otros.

8. Validación del trabajo Relación de Percentiles 99 calculados de forma diferente

Figura 16. Diagrama de flujo validación percentiles agregados


32

La primera validación del trabajo consistió en verificar si los datos de percentil 99 que

entregaba el registrador de fallas, era comparable con el percentil 99 que sugiere la norma, el

cual debe ser calculado al final de la semana cuando ya se cuenta con el total de las

agregaciones.

El procedimiento que se desarrolló fue construir un caso con 6000 datos aleatorios controlados,

los cuales representaban la agregación de valores de muy corto tiempo. Posteriormente se

dividieron en ventanas de 200 números representando la agregación de 10 minutos, a estos

datos se les calculo la función de probabilidad acumulada, para encontrar el percentil 99 de

cada ventana separada representando los datos que entrego el registrador de fallas de la

Empresa de Energía de Bogotá. A este vector de resultados de percentil 99, se le cálculo

diferentes medidas estadísticas, entre ellas la media, el máximo e incluso el percentil 99 de esos

datos. Paralelamente, como se observa en la Figura 16 se calculó el percentil 99 de todos los

datos, representando la forma correcta que sugiere la norma y se comparó con los resultados

obtenidos.

En la Tabla 12 se observan los resultados, cuando se generan 6000, 8000, y 10000 datos

aleatorios, y un caso especial donde se introducían datos extremos simulando las condiciones

adversas del sistema.

Tabla 12. Relación P99 Directavs agregación por ventanas de 10 min

No. de datos 6000 8000 10000 *6000

P99 3.6157 3.614 3.614 4.8744

Ventanas

Max P99 3.629 3.629 3.7222 4.8861

Mean P99 2.7787 2.7787 2.7787 2.8995

P99 3.6026 3.6026 3.6026 4.8409

Error (P99 vs Media P99) 23.15% 23.11% 23.11% 40.52%

Se encontró que no hay relación entre estos dos valores. El error entre la media y el valor real

es acerca del 23% y en el caso especial es cercano al 40%.

Mejor estimación entre la regresión Spline y la regresión polinómica

La media esta desalineada con respecto a la desviación estándar por lo que la distribución

normal no es una buena estimación de los datos. De acuerdo a esta observación, se procede

entender el fenómeno que está ocurriendo, por lo que crea un programa que genere datos

controlados con características similares a las observadas en los diagramas de cajas. Para lograr

este resultado, se generan 1000 datos aleatorios con distribución Weibull, la cual recibe como

parámetros un ∝ que representa el parámetro de escala, y un 𝛽 que corresponde al parámetro

de forma. Con estos datos se procede a calcular la función de probabilidad que mejor se ajusta,

por lo que se usa la función de distribución tipo “Kernel”. Paralelamente, a los datos


33

controlados “reales” se les calcula el percentil 1, 10, 50, 90, 95 y 99. Con estos puntos, se

procede a calcular una función acumulada de probabilidad aproximada mediante una regresión

polinómica de grado 5 y una regresión Spline cúbica, para determinar cuál se ajusta mejor y

tiene menor error.

Figura 17. Diagrama de flujo validación mejor estimación PDF

La función de densidad de probabilidad (PDF) se relaciona directamente con la función de

probabilidad acumulada (CDP). La relación entre estas dos curvas consiste en derivar la CDF

para encontrar la PDF, y viceversa, integrar la PDF para encontrar la CDF. Obteniendo la curva

“real” calculada por la “kernel” y la “estimada” calculada a partir de las regresiones, se puede

estimar cual aproximación es mejor. Con estos resultados se compara que tan precisa es la

estimación basada en los percentiles con los datos reales, y determinar cual es la mejor

aproximación entre la regresión polinomial y la regresión Spine de la CDF. En las Figura 124 y

Figura 125 se observa el resultado. Posteriormente, se calcula el error entre la curva “real” y “estimada” por la regresión Spline y

polinómica de grado 5 de la PDF, y la CDF y se encuentra que la mejor estimación corresponde

a la spline en la mayoria de los casos, en especial a mayores valores de 𝛽 cuando la PDF tiende

a tener un comportamiento asimetrico negativo.

Relación P99 calulado como indica la norma vs la calculado a partir de PDF

Para validar si el resultado del percentil 99 calculado con la suma de todas las PDF

estimadas era comparable con el percentil 99 que se calcula la norma IEEE 519 de 2014, se


34

creo un caso base donde se generaban 4 funciones de densidad de probabilidad weibull,

estas se sumaron para representar el caso real, donde ser realiza este procedimiento con

las 1008 PDF que conforman una semana. En la Figura 18 (a) se observa el resultado de la

suma de PDF. El siguiente paso consistió en intergrar para obtener al función acumulada de

probabilidad. Paralelamente, se calcularon los percentiles 1, 10, 50, 90, 95 y 99 de todos los

datos que formaban las 4 distribuciones Weibull y en la Figura 18(b) se observan en circulos

los valores encontrados.

Figura 18. Percentil 99 a partir de suma de PDF vs Percentil 99 calculado por la norma

De la figura anterior, se puede concluir que el cálculo del percentil 99 si es comparable con el de la

norma, dado que los 2 valores coinciden bajo las diferentes formas de deducción.

9. Discusión El trabajo realizado en este proyecto, consistió en construir una metodología que permitiera

pasar de una gran acumulación de datos de distorsión armónica, a información útil que

posibilitara describir el estado actual y del nivel de contenido armónico del sistema. Los datos

que se tomaron para el estudio, son provenientes del módulo de medición de calidad de la

potencia de un registrador de fallas instalado en la subestación Tunal bahía San Mateo de la


La metodología diseñada permite tratar el formato de recolección de datos (.zic) y pasarlo a

formato separado por comas para un mejor manejo de la información, identificar la forma de

agregación y la ventana de tiempo en la que se realizó la medida, y así facilitar el análisis

recomendado por el estándar IEEE 519 DE 2014. Adicionalmente, la metodología permite

agrupar los resultados de la medición en diferentes formas para logar procesar la mayor

información posible del sistema, mediante los diagramas de cajas y diagramas de dispersión.

Por otro lado, permite que los datos que no cumplen con los métodos de agregación


35

planteados por el estándar IEEE 519 puedan ser analizados y con métodos de inferencia

estadística puedan ser comparables con los datos “correctamente” agregados de acuerdo a las

sugerencias del estándar internacional.

También, en la metodología se desarrollaron indicadores que permitieran dar un estado de

preocupación del operador en cuanto a la proximidad del armónico a sobrepasar el límite y un

nivel de criticidad de que una alta corriente rms coincidiera con un TDD alto. Estos indicadores

se realizaron con el fin de que las conclusiones, y métodos de acción ante un nivel de alta

criticidad en el contenido armónico del sistema, se basaran en el resultado del indicador junto

al valor de distorsión armónica individual y total que sugiere calcular la norma IEEE519 de 2014.

Se debe recordar que este estudio tiene una limitación en cuanto al rango en frecuencia de

medición, debido a la configuración de conexión del registrador de fallas proviene de un

trasformador de tensión capacitivo y la frecuencia admisible se encuentra entre los 50hz a 1

kHz. Este problema se puede solucionar a futuro instalando un sistema llamado PQ Sensor, el

cual soluciona los problemas de medición de armónicos de alta frecuencia ya que mejora el

nivel de precisión, o también en el momento que sea necesario sustituir el PT se puede

considerar instalar uno de la marca ABB que ya trae el modulo instalado. Con este dispositivo,

ya se podría aplicar la metodología diseñada hasta el armónico 50 como sugiere la resolución.

El desempeño en el desarrollo del proyecto fue el adecuado, ya que semana a semana se

fueron dando las retroalimentaciones al trabajo realizado, permitiendo al final cumplir con

todos los objetivos que se plantearon desde un principio en la propuesta inicial. Los tiempos de

desarrollo de cada parte cumplieron permitiendo cumplir con todas las tareas asignadas y retos

propuestos.

10. Conclusiones

Para un trabajo de análisis de grandes datos, es necesario como primer paso reconocer que

información se va a trabajar, caracterizar el formato de las mediciones que entrega el equipo,

identificar qué información contiene, el periodo muestreo, el formato de fecha y hora, y la

nomenclatura que se usa en cada archivo. Este punto fue clave para iniciar el desarrollo de este

trabajo de grado, ya que el formato de estos datos, no era el convencional de las mediciones de

calidad de la potencia.

No es recomendable tomar decisiones en base a los percentiles que entrega el equipo, ya que

son mediciones sesgadas y parciales, puesto que por sí solos no representan la condición de

contenido armónico de un día ni de una semana. Se debe aplicar el procedimiento desarrollado

en la metodología para obtener una representación visual de lo que sucedió aproximadamente

en el sistema a través del tiempo.


36

La metodología desarrollada, realiza aproximaciones que fueron validadas mediante casos

controlados generados en Matlab donde simulaba la “situación real”, esto permitió llegar a

resultados comparables con los valores límite permitidos en el sistema, y la propuesta de 2

indicadores de criticidad del estado actual del sistema. Además el resultado obtenido permite

resumir las principales características que poseen los datos, como medidas estadísticas,

características de las distribuciones, valores máximos y mínimos, etc.

Cuando se logra detectar un armónico con alto nivel de criticidad, es recomendable verificar los

valores extremos del diagrama de cajas para obtener una idea del valor máximo del armónico

durante la medición. Para este caso estos valores son representativos estadísticamente dado

que ya están separados por percentiles y se han recortado los valores que pueden representar

ruido. Así mismo, se puede verificar el diagrama de evolución de densidad donde la región

amarilla representa la probabilidad que el armónico se encontrara alrededor de ese valor.

La estimación de los datos mediante la función de densidad probabilidad, es útil porque es una

abstracción de valores, que mediante la manipulación matemática se pueden comparar con los

valores de referencia propuestos la norma IEEE 519.

Se debe tener en cuenta que el cálculo del THD y TDD es un valor indicativo de la condición real

del sistema, dado que para el computo de estos indicadores, se toma el valor de los armónicos

pares e impares del 2 al 50, y como se mencionó anteriormente, de acuerdo a la literatura la

precisión de medición a partir del armónico 17 no es la adecuada. Sin embargo, este error no es

tan preocupante, puesto que para sistemas de trasmisión no se espera tener armónicos de esta

magnitud.

Si se desea realizar el estudio de armónicos, con mayor precisión y con los rangos de frecuencia

como lo exige la norma usando los datos del módulo de medición del registrador de fallas RPV

311, es necesario que la Empresa de Energía de Bogotá considere cambiar los transformadores

de potencial (PT) o instalar algún equipo que mejore la precisión y el ancho de banda de

medición del PT.

También se recomienda verificar si el equipo es capaz de evaluar los ángulos de las

componentes armónicas con respecto al fundamental, para así determinar el sentido del flujo

armónico y facilitar las alternativas de solución y definición de responsabilidades cuando se

detectan problemas en el contenido armónico del sistema.

El resultado del caso de estudio de este proyecto es una buena aproximación del

comportamiento de distorsión armónica de una subestación, sin embargo no se pueden

generalizar los resultados encontrados a todo el sistema. Para lograr un análisis total del

sistema anillado se debe continuar con el estudio del estado PQ ya que la calidad de la potencia


37

depende tanto del nivel de perturbaciones inducidas, como de la capacidad de corto que se

permite en el sistema.

10.1. Trabajo Futuro En cuanto al trabajo futuro, se debe trabajar en el estudio de los límites de distorsión armónica

para un sistema anillado dado que los estudios y estándares actuales aplican para los sistemas

radiales, también se debe trabajar en estimar métodos para encontrar la causa subyacente de

los problemas de distorsión armónica en sistemas de trasmisión.

11. Referencias

[1] IEEE-SA Standards Board , «IEEE Recommended Practice and Requirements for Harmonic Control in

Electric Power Systems,» IEEE Power and Energy Society , New York, 2014.

[2] Comisión de Regulación de Energía y Gas, «Apolo creg,» 25 Junio 2012. [En línea]. Available:

http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/c2dae01dccebf05105

257a4c00719a8f?OpenDocument. [Último acceso: 7 Noviembre 2016].

[3] L. Orellana, 1 Marzo 2001. [En línea]. Available:

http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva.pdf. [Último

acceso: 7 Noviembre 2016].

[4] «Leon, Gudberto,» [En línea]. Available:

http://webdelprofesor.ula.ve/economia/gudberto/materias/metodos_estadisticos1/guias_apuntes

/diagramas_de_caja.pdf. [Último acceso: 7 Noviembre 2016].

[5] ASQ, «ASQ.org,» 2005. [En línea]. Available: http://asq.org/learn-about-quality/cause-analysis-

tools/overview/scatter.html. [Último acceso: 7 Noviembre 2016].

[6] M. Hernandez, G. Ramos, H. Padullaparti y S. Santoso, «Visualization and Analytics for Utility Power

Distribution Systems,» Bogotá, 2016.

[7] E. Ginzález, «Tema 1 Estadística descriptiva,» 13 Enero 2010. [En línea]. Available:

http://www2.dis.ulpgc.es/~ii-pest/Estadistica%20Descriptiva.pdf. [Último acceso: 19 Noviembre

2016].

[8] Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC) , «Compatibilidad

electromagnética (CEM). Parte 4-30: técnicas de ensayo y de medida. Métodos de medida de la

calidad de potencia,» Icontec, 2012.

[9] Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC) , «Calidad de la Potencia

Eléctrica. Límites y metodología de evaluación en punto de conexión común,» Icontec, 2008.


38

[10] ICONTEC, «NTC5001 Calidad de la potencia eléctrcia. límites y metodologia de evaluación en punto

de conexión común,» Bogotá, 2008.

[11] D. N. Ballesteros López, «Clasificación procesamiento de los registros de perturbaciones de la red

de trasmisión de ISA,» Pereira, 2008.

[12] W. Xu, «Power Quality Data Analytics: An Emerging Direction of PQ Research,» IEEE, Canada.

[13] X. Wilsun, «Working Group on Power Quality Data Analytics,» Canada, 2014.

[14] Z. Senpeng, L. Haiyu, C. Peter y G. Forooz, «Test and Analysis of Harmonic Responses of High

Voltage Instrument Voltage Transformers,» UK, 2014.

[15] Universidad el Atlántico; Universidad Autónoma de Occidente, «Calidad de la Energía Eléctrica,»

Colciencias, UPME, Bogotá.

[16] J. R. Baquero y L. E. Cárdenas, «Diseño de una metodología para realizar estudios de sisteas

eléctricos bajo conceptos de calidad de la potencia eléctrica,» Bogotá, 2003.

[17] A. E. Tautiva, «Metodologia de analisis de calidad de la potencia en un sistema de distribucion de

prueba basada en un modelo computacional,» Bogotá, 2012.

[18] J. C. Cabrera Trujillo y J. D. Taboada Velásquez, «Generación de patrones de fenómenos asociados a

la calidad e la potencia utilizando la transformada de Wavelet y redes neuronales,» Bogotá, 2003.

[19] Centro de despacho económico de carga del sistema interconectado del Nortegrande, «CDEC-

SING,» Julio 2013. [En línea]. Available: file:///C:/Users/Lourdes/Downloads/1305_UIS_GT_V1.pdf.

[20] Universidad el Atlántico, «Calidad de la Energía Eléctrica,» Colciencias, Bogotá.


39

12. Apéndices

12.1 Resumen ejecutivo

TÉCNICAS DE ANÁLISIS AVANZADO DE CALIDAD DE LA POTENCIA EN SISTEMAS

ELÉCTRICOS

Estudiante: Maria Lourdes Corredor Luna

Asesor: ING. Gustavo Andrés Ramos López, PH.D

Objetivos del proyecto de grado

El objetivo del proyecto de grado consiste en Aplicar técnicas de análisis de grandes cantidades

de datos a las mediciones de calidad de la potencia, con el fin de mejorar el análisis de fallas en

sistemas de potencia. Los objetivos específicos se listan a continuación:

Determinar cómo se aplica el método de Big Data Analytics en el análisis de

sistemas de potencia.

Plantear una metodología para agrupar la información proveniente de diferentes

puntos de medición de calidad de la potencia



Contexto y desarrollo

De acuerdo a la resolución CREG 024 de 2005 los sistemas de trasmisión regional y sistemas de

trasmisión local deben contar con un sistema de medición y registro permanente de la Calidad

de la Potencia. Adicionalmente, con la resolución CREG 065 de 2012, los operadores de red y

los trasmisores nacionales deben consolidar y analizar la información. Estos nuevos

requerimientos de monitoreo permanente, traen consigo retos en el manejo y procesamiento

de datos, ya que se generan millones de datos que constantemente irán creciendo con el

transcurso del tiempo.

Debido a la problemática descrita anteriormente, en el desarrollo del proyecto de grado se

construyó una metodología que permitiera pasar de una gran acumulación de datos de

distorsión armónica, a información útil que posibilitara describir el estado actual y el nivel de

contenido armónico del sistema a estudiar. Para el desarrollo de este trabajo, se utilizaron

mediciones que no se habían explorado antes y que son recolectados por el módulo de calidad

de la potencia del equipo registrador de fallas de la subestación Tunal, perteneciente a la


La metodología diseñada permite tratar el formato de recolección de datos (.zic), identificar la

forma de agregación y la ventana de tiempo en la que se realizó la medida, y así facilitar el


40

análisis recomendado por el estándar IEEE 519 DE 2014. Adicionalmente, la metodología

permite agrupar los resultados de la medición en diferentes formas para logar procesar la

mayor información posible del sistema, mediante los diagramas de cajas y diagramas de

dispersión. Por otro lado, permite que los datos que no cumplen con los métodos de agregación

planteados por el estándar IEEE 519 puedan ser analizados y con métodos de inferencia

estadística puedan ser comparables con los datos “correctamente” agregados de acuerdo a las

sugerencias del estándar internacional.

También, en la metodología se desarrollaron indicadores que permitieran dar un estado de

preocupación del operador en cuanto a la proximidad del armónico a sobrepasar el límite y un

nivel de criticidad de que una alta corriente rms coincidiera con un TDD alto. Estos indicadores

se realizaron con el fin de que las conclusiones, y métodos de acción se basaran en el resultado

del indicador junto al valor de distorsión armónica individual y total que sugiere calcular la

norma IEEE519 de 2014.

Para el desarrollo del trabajo de grado, se utilizaron como referencia los estándares

internacionales IEC 61000 4-7, 4-30, IEEE 519 de 2014 y la NTC5001, y el desarrollo

computacional se llevó a cabo usando el software Matlab, PQDiffractor y Analisé.

Resultados

En base a las mediciones de 1 semana (del 1 al 7 de septiembre) de la subestación Tunal bahía

San Mateo, se diseñó una metodología que sigue el procedimiento que se ilustra en la Figura

19:

Figura 19. Diagrama de Bloques: resumen de la metodoligía

Este procedimiento fue aplicado a las mediciones de la semana 2 y 3 (del 8 al 21 de septiembre)

del mismo circuito, obteniendo para las mediciones de corriente, que el contenido de los

armónicos individuales y el TDD no sobrepasan los límites permitidos en el sistema, pero que se

recomienda observar el comportamiento del armónico 5 dado que el indicador de proximidad

muestra un nivel alto de cercanía en ciertos días de la semana. Adicionalmente, para las

mediciones de tensión, el contenido de los armónicos individuales y el THD, también se

encuentra dentro de los límites, pero el armónico 13 es preocupante debido a que en la fase C

se acerca críticamente al límite, por lo que se recomienda revisar que ocurrió en el sistema en

especial el viernes 09 entre las 5 y 15 horas debido a que el tercer cuartil fue de 1.3 kV.


41

La validación del procedimiento se realizó mediante la creación de casos controlados generados

en Matlab donde simulaba la “situación real”, permitiendo llegar a conclusiones y determinar

cuando los resultados eran comparables con los valores límite permitidos en el sistema.

El resultado del caso de estudio de este proyecto es una buena aproximación del

comportamiento de distorsión armónica de una subestación, sin embargo no se pueden

generalizar los resultados encontrados a todo el sistema. Para lograr un análisis total del

sistema anillado se debe continuar con el estudio del estado PQ ya que la calidad de la potencia

depende tanto del nivel de perturbaciones inducidas, como de la capacidad de corto que se

permite en el sistema.

El cumplimiento de los objetivos planteados al inicio del trabajo de grado se llevó a cabo en su

totalidad, se analizaron cerca de 7’535.428 datos con el método de análisis de gran cantidad de

datos: visualización e inferencia estadística, se diseñó una metodología completa y estructurada

y se aplicó a las semanas 2 y 3 de las mediciones suministradas por la empresa de Energía de

Bogotá.

Visto bueno del asesor

ING. Gustavo Andrés Ramos López, PH.D


42

12.2 Apéndice B

Tratamiento de los datos

1. El registrador de fallas (REASON RPV 311) perteneciente a la subestación Tunal de la

Empresa de Energía de Bogotá entrega un reporte de calidad de la potencia en formato

COMTRADE comprimido (.zic). Cada archivo está separado por día y percentil

independientemente para armónicos pares e impares. Para extraer las carpetas COMTRADE

(.inf, .dat, .cfg) se usa el programa Analisé:

1. Dirigirse a la carpeta del día que se quiere obtener información y abrir cada archivo

.zic con el software Análise.

2. Dirigirse a la carpeta C:\Reason\Analise\temp donde automáticamente se guardara

el formato COMTRADE.

3. Copiar la carpeta en el nuevo formato y guardarla en la carpeta donde se trabajara el

análisis completo.

2. Exportar manualmente los datos a formato separado por comas (.csv) para facilitar el uso de

la información. Para este paso se utiliza el programa PQDiffractor de Electrotek Concepts.

4. Abrir el software PQDiffractor

5. Dar clic en File, open, y seleccionar la carpeta del día a estudiar, abrir el archivo

eharmp01. Esperar a que carguen los datos y seleccionar el icono de exportar tabla

de datos a Microsoft Excel.

6. Guardar el archivo de Excel en la carpeta creada para el análisis completo con el

nombre “eharmp01.csv”. El nombre asignado depende si es armónico par (eharmp)

o armónico impar (oharmp), y el número que lo acompaña depende del percentil

medido 01, 10, 50, 90, 95, 99.

7. Repetir hasta tener todos los archivos en tablas de Excel.

3. Preparar los archivos para el posterior análisis en Matlab.

Archivos csv

- P99TODO: contiene todos los armónicos pares e impares correspondientes a la

medición del percentil 99:

1. Copiar en una sola carpeta los archivos oharmp99 y eharmp99

2. En la dirección de la carpeta colocar “cmd” y en el archivo de texto plano escribir

“copy *.csv p99TODO.csv”

3. Copiar los armónicos impares desde la celda 2 hasta el final y pegarlos en una nueva

hoja de Excel, en la celda b1, clic derecho, pegado especial, trasponer.

Posteriormente repetir para los armónicos pares en la mimas hoja, debajo de los

datos copiados inicialmente.


43

4. Copiar del archivo “p99TODO números” la columna A y pegarla en el archivo que se

está editando, seleccionar todos los datos y en la opción ordenar y filtrar, dar clic en

ordenar de menor a mayor.

5. Copiar todos los valores desde la columna B y pegarlos transpuestos en una nueva

hoja iniciando en la celda B3, copiar la columna B del archivo “p99TODO números” y

pegarla en la columna A del nuevo archivo.

6. Guardar el archivo.

-Input: contiene la compilación de los percentiles 1, 10, 50, 90, 95 y 99 para los armónicos

impares del 0 al 17

1. Entrar a la carpeta impares y escribir en la dirección de la carpeta “cmd” y en el

archivo de texto plano escribir “copy *.csv input.csv”

2. Abrir el archivo input y en una nueva hoja pegar los primeros datos de armónicos

traspuestos en la columna B, siguiendo el procedimiento anteriormente descrito.

Repetir esta acción 6 veces completado la selección de todos los datos en orden.

3. Cuando se termine, se debe copiar la columna A del archivo “input números” y pegar

en la columna A del archivo.

4. Seleccionar todos los datos y en la opción ordenar y filtrar, dar clic en ordenar de

menor a mayor. Copiar todos los datos desde la columna B en una nueva hoja

iniciando desde la celda b3.

5. Copiar la columna B del archivo “input números” y pegarla en la columna A del

nuevo archivo.

6. Guardar el archivo.

Los datos en este formato permiten ser importados a Matlab mediante la función creada

“importfile”.

Como se trata de un problema de manejo y extracción de información de grandes cantidades

de datos (Big data), se empieza a trabajar en formas de visualizar los datos con el fin de poder

observar la mayor cantidad de estos en diferentes formas y así lograr para conclusiones

relacionadas a esta información. El reporte de calidad de la potencia de 1 día, se conforma de

13 carpetas cada una con datos (144X209) de las mediciones de armónicos pares e impares

para la fase A, B C y Neutro.

-2semp99oharmp: Contiene el percentil 99 para los armónicos impares del 3 al 17

1. En una carpeta copiar los archivos .csv del percentil 99 de cada uno de los 7 días

2. En la dirección de la carpeta “cmd” y en el archivo de texto plano escribir “copy

*.csv 2semp99oharmp.csv”

3. Eliminar las columnas correspondientes a los armónicos 0 y 1, y de 19 a 49


44

Formatos de los archivos de medición del registrador de fallas

Carpetas formato .zic y formato COMTRADE:

Figura 20. Formato de información de las carpetas COMTRADE

Formato archivo .cfg:

Figura 21. Formato de información archivo .cfg


45

Semana 2 (Septiembre 07 a 14 de 2016)

Corriente análisis diario (semana 2)

Figura 22. Diagrama de dispersión p99 Amónicos de corriente (08-09-2016)

Figura 23. Diagrama de cajas p99 Amónicos de corriente (08-09-2016)


46




47




48




49




50




51




52

Análisis semanal corriente (semana 2)

Figura 36. Evolución función de densidad de probabilidad Amónicos de corriente h=3 y h=5 semana 2

Figura 37. Evolución de función de densidad de probabilidad Amónicos de corriente h=7 y h=9 semana 2


53




54

Figura 40. Percentiles 95 y 99 de Amónicos de corriente comparables con los límites del sistema. Semana 2.

Percentil 95 armónicos de corriente (semana 2)

Figura 41. Gráfica P95 del TDD, THDi, Y Irms Semana 2(Fase A-rojo, Fase B-verde, Fase C-azul)


55

Figura 42. Indicador de peligro P95 (relación Irms vs TDD)



56


Figura 44. Gráfica P99 del TDD, THDi, Y Irms Semana 2 (Fase A-rojo, Fase B-verde, Fase C-azul)

Figura 45. Indicador de peligro P99 semana 2(relación Irms vs TDD)


57


Figura 47. Indicador de proximidad al límite fase A amónicos de corriente semana 2


58

Figura 48. Indicador de proximidad al límite fase B amónicos de corriente semana 2

Figura 49. Indicador de proximidad al límite fase c amónicos de corriente semana 2


59

Tensión análisis diario (semana 2)

Figura 50. Diagrama de dispersión Armónicos de tensión p99 (08-09-2016)

Figura 51. Diagrama de cajas Armónicos de tensión p99 (08-09-2016)


60




61




62




63




64




65




66

Tensión Análisis semanal (semana 2)

Figura 64. Evolución función de densidad de probabilidad. Armónicos de tensión h=3 y h=5 semana 2



67


Figura 67. Evolución de función de densidad de probabilidad. Armónicos de tensión h=15 y h=17 semana 2


68

Figura 68. Percentil 95 comparable con los límites del sistema. Armónicos de tensión semana 2

Figura 69. Indicador de proximidad al límite fase A Armónicos de tensión semana 2

Figura 70. Indicador de próximidad al limite Fase B Armónicos de tensión semana 2


69

Figura 71. Indicador de próximidad al limite Fase C Armónicos de tensión semana 2

Percentil 95 armónicos de tensión (semana 2)



70

Semana 3 (Septiembre 15 a septiembre 21 de 2016)

Corriente análisis diario

Figura 73.Diagrama de dispersión Armónicos de corriente p99 (15-09-2016)

Figura 74. Diagrama de cajas Armónicos de corriente p99 (15-09-2016)


71




72


Figura 78.Diagrama de cajas Armónicos de corriente p99 (17-09-2016)


73


Figura 80.Diagrama de cajas Armónicos de corriente p99 (18-09-2016)


74

Figura 81. Diagrama de dispersión Armónicos de corriente p99 (19-09-2016)



75




76




77

Análisis semanal Corriente (semana 3)

Figura 87. Evolución de función de densidad de probabilidad. Armónicos de corriente h=3 y h=5 semana 3

Figura 88. Evolución de función de densidad de probabilidad. Armónicos de corriente h=7 y h=9 semana


78

Figura 89. . Evolución de función de densidad de probabilidad. Armónicos de corriente h=11 y h=13 semana 3

Figura 90. Evolución de función de densidad de probabilidad. Armónicos de corriente h=13 y h=15 semana 3


79

Figura 91. Percentiles 95 y 99 comparables con los límites del sistema. Semana 3




80




81





82


Figura 98. Indicador de próximidad al limite Fase A. Armónicos de corriente semana 3


83

Figura 99. Indicador de proximidad al límite Fase B. Armónicos de corriente semana 3

Figura 100. Indicador de proximidad al límite Fase C


84

Tensión análisis diario (semana 3)

Figura 101.Diagrama de dispersión Armónicos de Tensión p99 (15-09-2016)

Figura 102.Diagrama de cajas Armónicos de tensión p99 (15-09-2016)


85

Figura 103.Diagrama de dispersión Armónicos de tensión p99 (16-09-2016)

Figura 104.Diagrama de cajas Armónicos de tensión p99 (16-09-2016)


86




87




88




89




90


Figura 114.Diagrama de dispersión Armónicos de tensión p99 (21-09-2016)


91

Analisis semanal de Tensión (semana 3)


Figura 116. . Evolución de función de densidad de probabilidad. Armónicos de tensión h=7 y h=9 semana 3


92


Figura 118. Evolución de función de densidad de probabilidad. Armónicos de tensión h=15 y h=17 semana


93

Figura 119. Percentil 95 comparable con el límite del sistema. Semana 3

Figura 120.Indicador de proximidad al límite Fase A. Armónicos de tensión semana 3

Figura 121.Indicador de proximidad al límite Fase B. Armónicos de tensión semana 3


94

Figura 122.Indicador de proximidad al límite Fase C. Armónicos de tensión semana 3

Percentil 95 armónicos de tensión (semana 3)

Figura 123. Gráfica P95 del THDv, Y Vrms Semana 3 (Fase A-rojo, Fase B-verde, Fase C-azul)


95

Figura 124. PDF Y CDF datos controlados a=1, b=5

Figura 125. PDF Y CDF datos controlados a=1, b=5

PDF

Error cuadrático medio

Polinómica 5.6498 e -4

Spline 0.0026

CDF


Polinómica 5.65E-04

Spline 1.79E-04

PDF


Polinómica 0.0142

Spline 0.0047

CDF


Polinómica 4.04E-04

Spline 2.70E-05


96

Formato para el Análisis de la semana x (fechas)


Formato de Entrada

COMTRADE

Formato .csv

Identificación del

Contenido


tiempo

Procesamiento de la

información




Diagrama de dispersión

Diagrama de cajas

Suma de PDF durante 7 días y

obtención de P95 Y P99

Fase A

Fase B

Fase C

Comparación con los Límites

Gráfico semanal de evolución de

densidad armónica

Fase A

Fase B

Fase C



Análisis semanal

Fase A

Fase B

Fase C

Gráfica del P95

TDD/ THD

THDi -

Irms/Vrms

Corriente Figura

Gráfica del P99

TDD/ THD

THDi

Irms



Irms

Fase A

Fase B

Fase C



límite

Fase A

Fase B

Fase C

Reporte al Operador


97

Propuesta


Justificación

El estudio de la calidad de la potencia de la energía eléctrica radica en la necesidad de mitigar

los fenómenos electromagnéticos que afectan la competitividad de los usuarios.

Aproximadamente el 55% de la energía eléctrica en Colombia es consumida por el sector

comercial e industrial, por lo que es de gran relevancia saber administrar la energía eléctrica ya

que es el sustento para el continuo funcionamiento del sector y de la economía actual.

La presencia eventos y disturbios electromagnéticos como interrupciones, sobre tensiones,

deformaciones producidas por armónicos en la red y variaciones de voltaje RMS etc. pueden

presentarse frecuentemente y afectar procesos críticos llevando perturbar negativamente la

economía de una empresa. [15] Normalmente las causas de la mayoría de los fenómenos que

afectan los equipos se encuentran dentro de las empresas o sus alrededores, o simplemente el

aumento de cargas en los sistemas de distribución degrada la calidad de la energía eléctrica.

También, es común que se presenten problemas por fallas en el sistema eléctrico, como

perturbaciones, operaciones anormales y fallas en sí. Sin embargo, a pesar de esta situación

existe una ventaja, y es que estos fenómenos, se pueden medir, cuantificar, y más importante

se pueden evitar y controlar, logrando así cuidar el tiempo de vida de los equipos, el tiempo

entre fallas y evitar el daño de los equipos o interrupciones que deterioran la economía o el

bienestar del usuario [16].

Si se cuenta con los equipos adecuados para el monitoreo de los eventos y se realiza una

adecuada evaluación y validación de los datos, se puede realizar un análisis y seguimiento de las

anomalías llevando a que se solucione el origen de las perturbaciones. Así mismo, se puede

prevenir que se desencadenen otro tipo de problemas y se pueden adquirir recomendaciones

para no recaer de nuevo en las anomalías.

Por las razones expresadas anteriormente, es de gran importancia analizar la información

disponible, ya que mediante el análisis de los datos se pueden encontrar soluciones para

prevenir, mitigar o evitar en gran medida el impacto producto de la falta de calidad en la

potencia.

Marco Teórico

Calidad de la potencia

El significado de calidad de la potencia varia constantemente dependiendo de quien realiza la

definición. Por lo que se ha hecho necesario crear diferentes estándares para la mejor

comprensión de este término. El estándar IEEE 519, por ejemplo, hace referencia a las


98

practicas recomendadas de monitoreo de problemas de PQ, definiendo la calidad de la potencia

como fenómenos electromagnéticos que caracterizan las señales de voltaje y corriente, en un

tiempo y determinado lugar dentro del sistema de potencia. Ahora bien, en el estándar

IEC61000 define la calidad de la potencia como una característica física del suministro de

energía, la cuales debe entregar normalmente sin perturbaciones en los procesos de los

clientes.

En cuanto estándares de la legislación colombiana, como la CREG y la NTC, la definen como una

subdivisión del término calidad de la energía, en la que se tiene en cuenta la continuidad y

calidad del servicio haciendo referencia al conjunto de características como amplitud, espectro

en frecuencia y forma de onda respecto a una señal de referencia. [17]

Características de los fenómenos que afectan la calidad de la potencia

Sag: decremento en el voltaje o la corriente (rms) a la frecuencia de potencia por una duración

de 0.5 ciclos a 1 minuto. Valores típicos entre 0.1 y 0.9

Swell: Incremento en el voltaje o la corriente (rms) a la frecuencia de potencia por una duración

de 0.5 ciclos a 1 minuto. Valores típicos entre 1.1 y 1.8

Armónico: la componente de mayor orden que uno en la serie de Fourier de una cantidad

periódica.

Corte: Desaparición del suministro de voltaje en una o más fases. Usualmente calificado por un

término adicional indicando al duración de la interrupción.

Transiente: Fenómeno que varía entre dos estados estables consecutivos durante un intervalo

de tiempo corto comparada con la escala de tiempo de interés [18]

Efectos provocados asociados por problemas en la calidad de la energía son:

1. Incremento en las pérdidas de energía

2. Daños en la producción, a la economía y la competitividad empresarial

3. Incremento del costo, deterioro de la confiabilidad, de la disponibilidad y del confort

Se hace de gran importancia el estudio de la calidad de la energía para aumentar la

productividad y la competitividad de las empresas ya que influencia en la eficiencia y

productividad de estas. Por lo que tratan de usar equipos de alta eficiencia, automatizan sus

procesos mediante dispositivos electrónicos, reducen costos por sobredimensionamiento y

tarifas y evitando el envejecimiento prematuro de los equipos.

Sin embargo los equipos de automatización son fuentes de perturbaciones para la calidad de

energía eléctrica ya que se distorsionan las ondas de tensión y corriente. [15]


99

Análisis de datos de calidad de la potencia

Las primeras investigaciones iniciaron en 1980, lo que ha permitido un desarrollo de

tecnologías e información que han permitido solucionar problemas, gracias a la definición,

clasificación, índices, protocolos de medición, métodos de estudio y formulación de estándares,

entre otros.

El análisis de datos es la ciencia de examinar datos con el propósito de extraer conocimiento de

ellos mismos. Es originado de la actividad de extraer “inteligencia empresarial” del mercado o

de los datos de los consumidores. El análisis de datos de calidad de la potencia tiene muchas

áreas, como por ejemplo en el diagnóstico de fallas, monitoreo de diferentes condiciones,

estimación de parámetros, y monitoreo de comportamientos, estos aplicados a la red de PMU,

SCADA AMI, etc. [12]

Uso de los datos de la perturbación de la energía

Se han realzado bastantes trabajos en los usos tradicionales en el monitoreo de la calidad de la

potencia, datos de la perturbación de la energía, sin embargo, el monitoreo en condición de

fallas presentan nuevas cuestiones sobre el uso de datos de la calidad de la potencia. Para este

fin se lleva el análisis de datos, en la que puede ser una cantidad pequeña o grande de datos.

[13]

Caracterización del proyecto

Objetivo General

Aplicar técnicas de análisis de grandes cantidades de datos a las mediciones de calidad de la

potencia, con el fin de mejorar el análisis de fallas en sistemas de potencia.

Objetivos Específicos

Determinar cómo se aplica el método de Big Data Analytics en el análisis de sistemas de

potencia.

Plantear una metodología para agrupar la información proveniente de diferentes puntos

de medición de calidad de la potencia



Alcance

Al final de semestre se entregara un documento que reseña técnicas de análisis de grandes

cantidades de datos (Big data), y una metodología para analizar fallas en un sistema de

potencia. También se presentara un caso base donde se aplique la metodología diseñada y con


100

ayuda del programa PQview un análisis de los resultados obtenidos de la calidad de la potencia

del sistema. Finalmente, se realizará la validación de los resultados, se concluirá y se las darán

recomendaciones y observaciones correspondientes.

Contexto del proyecto y tratamientos

Suposiciones

Los datos que se van a analizar en el caso base son obtenidos de equipos confiables y medidos

de manera correcta en un sistema de potencia real.

Restricciones

La capacidad computacional puede verse limitada por la cantidad de datos a analizar.

Factores de Riesgo

Para el desarrollo del proyecto de grado, se utilizara el software PQview que permite construir y

analizar bases de datos de sistemas de potencia, calidad de la potencia y medida de datos de

energía. Por lo que se convierte en un factor de riesgo es no conseguir la licencia o tener

problemas para conseguir el software

1. Cronograma

Actividad Descripción Fecha de inicio

Duración

Fecha de terminación

1 Métodos de análisis de grande datos (Big data)

01/08/2016 10 11/08/2016

1,1 Estudio e investigación de métodos de análisis de Big Data

01/08/2016 10 11/08/2016

2 Reconocimiento del programa PQview 11/08/2016 10 21/08/2016

2,1 Adquisición del programa 11/08/2016 2 13/08/2016

2,2 Reconocimiento del programa PQview 13/08/2016 7 20/08/2016

2,3 Manejo del programa 20/08/2016 1 21/08/2016

3 Estudio de estándares dela calidad de la potencia

21/08/2016 8 29/08/2016

3,1 Norma IEEE 519 21/08/2016 2 23/08/2016

3,2 Código eléctrico Colombiano 23/08/2016 2 25/08/2016

3,3 Noma CREG 25/08/2016 2 27/08/2016

3,4 Estándares de calidad de la potencia 27/08/2016 2 29/08/2016

4 Estudio de características que afectan la calidad de la potencia

29/08/2016 7 05/09/2016


101

5 Identificación de medición de datos de calidad de la potencia

05/09/2016 7 12/09/2016

5,1 Estudio de técnicas de medición 06/09/2016 5 11/09/2016

5,2 Identificación del formato de datos 11/09/2016 2 13/09/2016

6 Planeación de ítems para la metodología 12/09/2016 15 27/09/2016

6,1 Planteamiento de la metodología 12/09/2016 15 27/09/2016

7 Estudio de caso base 27/09/2016 15 12/10/2016

8 Desarrollo de datos en el software PQview 12/10/2016 10 22/10/2016

9 Aplicación de la metodología al caso base 22/10/2016 15 06/11/2016

10 Validación y análisis de resultados 06/11/2016 7 13/11/2016

11 Socialización del Proyecto de Grado 13/11/2016 1 14/11/2016

12 Entrega del documento de proyecto de grado 26/11/2016 1 27/11/2016

13 Sustentación de proyecto de grado 01/12/2016 0 01/12/2016

Trabajos citados

[1] IEEE-SA Standards Board , «IEEE Recommended Practice and Requirements for Harmonic Control in

Electric Power Systems,» IEEE Power and Energy Society , New York, 2014.

[2] Comisión de Regulación de Energía y Gas, «Apolo creg,» 25 Junio 2012. [En línea]. Available:

http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/c2dae01dccebf05105

257a4c00719a8f?OpenDocument. [Último acceso: 7 Noviembre 2016].

[3] L. Orellana, 1 Marzo 2001. [En línea]. Available:

http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva.pdf. [Último

acceso: 7 Noviembre 2016].

[4] «Leon, Gudberto,» [En línea]. Available:

http://webdelprofesor.ula.ve/economia/gudberto/materias/metodos_estadisticos1/guias_apuntes

/diagramas_de_caja.pdf. [Último acceso: 7 Noviembre 2016].

[5] ASQ, «ASQ.org,» 2005. [En línea]. Available: http://asq.org/learn-about-quality/cause-analysis-

tools/overview/scatter.html. [Último acceso: 7 Noviembre 2016].

[6] M. Hernandez, G. Ramos, H. Padullaparti y S. Santoso, «Visualization and Analytics for Utility Power

Distribution Systems,» Bogotá, 2016.

[7] E. Ginzález, «Tema 1 Estadística descriptiva,» 13 Enero 2010. [En línea]. Available:

http://www2.dis.ulpgc.es/~ii-pest/Estadistica%20Descriptiva.pdf. [Último acceso: 19 Noviembre


102

2016].

[8] Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC) , «Compatibilidad

electromagnética (CEM). Parte 4-30: técnicas de ensayo y de medida. Métodos de medida de la

calidad de potencia,» Icontec, 2012.

[9] Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC) , «Calidad de la Potencia

Eléctrica. Límites y metodología de evaluación en punto de conexión común,» Icontec, 2008.

[10] ICONTEC, «NTC5001 Calidad de la potencia eléctrcia. límites y metodologia de evaluación en punto

de conexión común,» Bogotá, 2008.

[11] D. N. Ballesteros López, «Clasificación procesamiento de los registros de perturbaciones de la red

de trasmisión de ISA,» Pereira, 2008.

[12] W. Xu, «Power Quality Data Analytics: An Emerging Direction of PQ Research,» IEEE, Canada.

[13] X. Wilsun, «Working Group on Power Quality Data Analytics,» Canada, 2014.

[14] Z. Senpeng, L. Haiyu, C. Peter y G. Forooz, «Test and Analysis of Harmonic Responses of High

Voltage Instrument Voltage Transformers,» UK, 2014.

[15] Universidad el Atlántico; Universidad Autónoma de Occidente, «Calidad de la Energía Eléctrica,»

Colciencias, UPME, Bogotá.

[16] J. R. Baquero y L. E. Cárdenas, «Diseño de una metodología para realizar estudios de sisteas

eléctricos bajo conceptos de calidad de la potencia eléctrica,» Bogotá, 2003.

[17] A. E. Tautiva, «Metodologia de analisis de calidad de la potencia en un sistema de distribucion de

prueba basada en un modelo computacional,» Bogotá, 2012.

[18] J. C. Cabrera Trujillo y J. D. Taboada Velásquez, «Generación de patrones de fenómenos asociados a

la calidad e la potencia utilizando la transformada de Wavelet y redes neuronales,» Bogotá, 2003.

[19] Centro de despacho económico de carga del sistema interconectado del Nortegrande, «CDEC-

SING,» Julio 2013. [En línea]. Available: file:///C:/Users/Lourdes/Downloads/1305_UIS_GT_V1.pdf.

[20] Universidad el Atlántico, «Calidad de la Energía Eléctrica,» Colciencias, Bogotá.


103

1/08/2016 21/08/2016 10/09/2016 30/09/2016 20/10/2016 9/11/2016 29/11/2016

1

2

2.2

3

3.2

3.4

5

5.2

6.1

8

10

12

11.122.12.22.333.13.23.33.4455.15.266.178910111213

Fecha de inicio 1/08/1/08/11/0811/0813/0820/0821/0821/0823/0825/0827/0829/085/09/6/09/11/0912/0912/0927/0912/1022/106/11/13/1126/111/12/

Duración 10101027182222775215151510157110


Fecha de inicio

Duración

Diagrama de Gantt:


104

UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

PRESENTACIÓN DE PROPUESTA DE PROYECTO DE GRADO

SEMESTRE: 2016-1 FECHA: Mayo 20 de 2016 PROYECTO O TESIS DE GRADO PARA OPTAR EL TÍTULO DE: Ingeniera Eléctrica ESTUDIANTE: Maria Lourdes Corredor Luna CÓDIGO: 201216908 TÍTULO DE LA TESIS O PROYECTO: Técnicas de análisis avanzado de calidad de la potencia en sistemas eléctricos DECLARACIÓN: Soy consciente que cualquier tipo de fraude en esta Tesis es considerado como una falta grave en la Universidad. Al firmar, entregar y presentar esta propuesta de Tesis o Proyecto de Grado, doy expreso testimonio de que esta propuesta fue desarrollada de acuerdo con las normas establecidas por la Universidad. Del mismo modo, aseguro que no participé en ningún tipo de fraude y que en el trabajo se expresan debidamente los conceptos o ideas que son tomadas de otras fuentes. Soy consciente de que el trabajo que realizaré incluirá ideas y conceptos del autor y el Asesor y podrá incluir material de cursos o trabajos anteriores realizados en la Universidad y por lo tanto, daré el crédito correspondiente y utilizaré este material de acuerdo con las normas de derechos de autor. Así mismo, no haré publicaciones, informes, artículos o presentaciones en congresos, seminarios o conferencias sin la revisión o autorización expresa del Asesor, quien representará en este caso a la Universidad. _____________________________________ Firma (Estudiante) Código: CC:

_____________________________________ __________________________________

Vo.Bo. ASESOR (Firma) Vo.Bo. COASESOR (Firma)

Nombre: Nombre:


105

TRABAJO DE GRADO AUTORIZACIÓN DE SU USO A FAVOR DE LA

UNIVERSIDAD DE LOS ANDES

Yo Maria Lourdes Corredor Luna

, mayor de edad, vecino de Bogotá D.C., identificado con la

Cédula de Ciudadanía N° 101365205

de Bogotá

, actuando en nombre propio, en mi calidad de autor del trabajo de tesis, monografía o trabajo de grado denominado:

haré entrega del ejemplar respectivo y de sus anexos del ser el caso, en formato digital o electrónico (CD-ROM) y autorizo a LA UNIVERSIDAD DE LOS ANDES, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión Andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use en todas sus formas, los derechos patrimoniales de reproducción, comunicación pública, transformación y distribución (alquiler, préstamo público e importación) que me corresponden como creador de la obra objeto del documento. PARÁGRAFO: La presente autorización se hace extensiva no sólo a las facultades y derechos de uso sobre la obra en formato o soporte material, sino también para formato virtual, electrónico, digital, óptico, usos en red, internet, extranet, intranet, etc., y en general para cualquier formato conocido o por conocer.

EL AUTOR - ESTUDIANTES, manifiesta que la obra objeto de la presente autorización es original y la realizará sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de su exclusiva autoría y tiene la titularidad sobre la misma. PARÁGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL ESTUDIANTE - AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la Universidad actúa como un tercero de buena fe.

_________________________________ EL AUTOR - ESTUDIANTE.

(Firma) .................................................................

Nombre Maria Lourdes Corredor Luna

C.C. N° 101365205de

Bogotá

proyecto de grado ingenierÍa elÉctrica la universidad …

Documents