1

Monitoreo y Predicción de Rayos. Aplicación a sistemas de transporte de energía.

(Resumen de la Tesis de Doctorado: Desempeño de Sensores de Campo Electrostático en Sistemas de

Alerta de Tormentas)

PreThor

Resumen—Este artículo describe la investigación e innovación

tecnológica realizados en Colombia durante los últimos años, en

relación con el monitoreo y predicción de tormentas eléctricas.

Dichos aspectos hacen parte de un proceso que involucró los

trabajos de pregrado y maestría del autor y que culmina con la

tesis de doctorado. Se describe el desarrollo de instrumentos, la

implementación de redes en diferentes lugares del país, el

desarrollo de métodos y algoritmos para la detección temprana de

tormentas eléctricas y la comparación con grandes sistemas de

monitoreo de tormentas en otros lugares del mundo. Los aportes

tienen aplicación en el nuevo concepto de Smart-Grids.

I. INTRODUCCIÓN

A investigación sobre la variación espacio-temporal de los

parámetros del rayo, realizada durante más de dos décadas

en Colombia [1-5], muestra que las magnitudes del fenómeno

son diferentes para zona tropical, con históricos que ratifican

que al menos la Amplitud de la Corriente de Retorno - I, el

Nivel Ceráunico - NC y la Densidad de Descargas a Tierra -

DDT, tienden a ser mayores que lo mostrado en latitudes

medias. La información proporcionada por los sistemas de

localización de rayos disponibles en el país, muestra

adicionalmente que la actividad de rayos viene aumentando en

los últimos años, con zonas que ya presentan valores de DDT

mayores a 60 rayos/km2año [6, 7]. Autores como MacGorman

and Rust [8] afirman que el comportamiento de las tormentas

eléctricas en zona tropical es aún un “enigma”.

Algunos de los efectos más notorios de la actividad

eléctrica atmosférica en el país se reflejan en el desempeño de

los sistemas de transporte de energía. A nivel de redes de

distribución, todos los reportes coinciden en que más del 80%

de las fallas transitorias en las redes aéreas son debidas a rayos

[9]. El número de transformadores de distribución fallados

anualmente a causa de rayos, para la mayoría de empresas,

varía entre 400 y 1200, lo que se traduce en decenas de

millones de dólares que se requieren cada año para su

sustitución [10]. En el nuevo marco regulatorio dado por la

resolución CREG097 de 2008 [11], se creó un esquema de

compensaciones en el que se da más peso a los usuarios “peor

servidos”, lo que ha generado pérdidas para las empresas que

están entre los 5000 y 9000 millones de pesos anualmente; en

la práctica, dichos usuarios peor servidos se encuentran en las

zonas rurales, en donde la principal fuente de interferencia

electromagnética para las redes de distribución es la actividad

de rayos. Empresas de explotación petrolera en el país,

muestran también que los rayos son la principal causa de salida

de redes de distribución y por consiguiente de paradas de

pozos de extracción y pérdidas de producción [12].

El desarrollo tecnológico de sistemas eficientes de

monitoreo y predicción de rayos es el enfoque principal del

presente trabajo; que hoy se ve reflejado en la disponibilidad

de tecnología de predicción de rayos en la mayor parte del

territorio colombiano. El proceso inicia desde el desarrollo de

los instrumentos de medida, la realización de campañas de

seguimiento de tormentas eléctricas con redes de sensores en

regiones de alta actividad de rayos y finalmente con el

desarrollo de métodos y algoritmos de detección temprana y

predicción de rayos. La experimentación realizada alcanzó el

punto de adelantar estudios comparativos con grandes sistemas

de monitoreo de tormentas en Estados Unidos, España y

Colombia.

II. GENERALIDADES

Desde hace cerca de 100 años muchos científicos han

usado la medida de campo electrostático para estudiar la

estructura eléctrica de la nube de tormenta, su ciclo de vida y

la carga eléctrica asociada al rayo. La gran mayoría de las

investigaciones se han realizado en Europa [13-15, 28],

Sudáfrica [16-18] y Estados Unidos [19-27]. El primer

experimento de medida de campo eléctrico asociado a la nube

de tormenta fue realizado por C.T.R. Wilson en Inglaterra en

1914; mediante estas observaciones se obtuvo la primera

caracterización de las variaciones de campo electrostático

asociadas al rayo en función de la distancia y el modelo de

carga puntual en la nube. Las investigaciones subsecuentes de

Wormell [15], Schonland and Craib [16], Schonland [17, 18],

Workman [19], Reynolds and Neil [20], Krehbiel et al. [21],

Jacobson and Krider [22], Maier and Krider [23], Koshak and

Krider [24], Krider [25], Murphy [26, 27], entre otros,

aportaron el conocimiento actual sobre el comportamiento

electrostático de las nubes de tormenta y las descargas

eléctricas atmosféricas.

La Tabla I resume los resultados de las principales

investigaciones realizadas en el mundo acerca de la estructura

eléctrica de las nubes de tormenta, mediante diferentes

técnicas. Se resaltan los recientes resultados obtenidos en la

tesis de doctorado del autor de este trabajo, usando sistemas de

monitoreo de tormentas en Florida - Estados Unidos, Navarra -

España y Bogotá - Colombia. Los resultados acerca de la

estructura eléctrica para Bogotá son relevantes, debido a que

dentro de todos los sitios incluidos en la Tabla I, es lugar en

zona tropical con menor latitud [29, 30].

L

2

TABLA I

MEDIDAS DE LA ESTRUCTURA ELÉCTRICA DE LA NUBE DE TORMENTA

REALIZADAS EN EL MUNDO

Lugar Carga [C] Altura [km] Investigador

Inglaterra -11.5 a -43 7 Wilson (1916)

Inglaterra -20 2 Wilson (1920)

Inglaterra -10 a -40 4.5 a 5 Wormell (1939)

Sudáfrica -15 3 Schonland (1928)

Sudáfrica -4 a -40 2.5 a 8.7 Barnard (1951)

Sudáfrica -- 4 a 8.5 Malan (1951)

N. México-USA -24 4 a 7 Workman (1942)

N. México-USA -5 a -20 4.3 a 7.2 Reynolds (1955)

N. México-USA -5 a -60 3 a 8 Brook (1962)

N. México-USA -30 a -48 4.5 a 6 Krehbiel (1974)

N. México-USA -47 5.5 Krehbiel (1979)

Japón -50 a -150 4 a 8 Hatekeyama (1958)

Japón -6 a -55 6 a 8 Tamura (1954)

Japón -20 3.5 a 5.5 Takeuti (1966)

Hong Kong -25 4 Wang (1963)

Australia -17 3 Mackerras (1968)

Florida-USA -10 a -40 6 a 9.5 Jacobson (1976)

Florida-USA -5 a -33 5 a 10 Maier (1986)

Florida-USA -7 a -49 8 Koshak (1989)

Florida-USA -9 a -48.4 3.5 a 16.6 Krider (1989)

Florida-USA -- 8 Murphy (1996)

Cataluña-Esp. -4.5 a 45 6.7 Montanyà (2004)

Florida-USA -25.1; 5.55 8.98; 5.95 Aranguren (2011)

Navarra-Esp. -32.2 9.19 Aranguren (2011)

Bogotá-Col. -22; 6.8 8.42; 6.32 Aranguren (2011)

Los experimentos descritos en la Tabla I usaron diferentes

tipos de medidores de campo electrostático, todos ellos

derivados del primer instrumento de Wilson. En su momento,

el propósito de estos trabajos se centraba en la definición de la

estructura eléctrica de la nube de tormenta. Hoy en día la

investigación muestra un cambio de enfoque, orientándose

hacia el desarrollo de sistemas de detección temprana de

tormentas eléctricas o nowcasting.

Actualmente, el sensor de campo electrostático es uno de

los equipos más recomendados para implementar Sistemas de

Alerta de Tormentas – SAT. Normativas como EN50536

Protection against Lightning – Thunderstorm Warning

Systems [31] y ACRP report 8 Lightning Warning Systems for

use by Airports [32] recomiendan el uso de molinos de campo

eléctrico debido a su capacidad para monitorear el crecimiento

de la carga electrostática que antecede la ocurrencia de rayos.

En este nuevo enfoque de investigación, Colombia cuenta

actualmente con sistemas de monitoreo de tormentas que

empiezan a tener reconocimiento a nivel internacional, por su

extensión, localización y por los métodos de predicción de

rayos que allí se desarrollan. El trabajo de doctorado realizado

por el autor del presente artículo, reúne el desarrollo de estos

sistemas de monitoreo de tormentas, desde el desarrollo de

instrumentos de medida, el estudio de grandes volúmenes de

información para analizar patrones de calibración y el efecto

de la topografía, hasta el análisis de criterios de predicción.

Los aspectos más relevantes se describen a continuación.

III. DESARROLLO DE INSTRUMENTOS Y PRIMERAS

CAMPAÑAS DE MEDIDA EN COLOMBIA

El primer sistema de medida del campo eléctrico asociado

a la nube de tormenta fue construido por C.T.R. Wilson en

Inglaterra en 1914 [13, 14]. El dispositivo estaba conformado

por una placa de captación ubicada a nivel del suelo en terreno

abierto y, sobre esta, una pantalla móvil operada mediante

poleas; la carga eléctrica inducida por el campo eléctrico de la

nube sobre la placa de captación era medida por un

electrómetro capilar. Los anteriores son los componentes

básicos que han tenido desde entonces los “Molinos de Campo

Eléctrico”.

En 1976, Gordillo y Ortiz desarrollaron el primer prototipo

de sensor de campo electrostático en la Universidad Nacional

de Colombia, con el propósito de hacer estudios sobre

electricidad atmosférica [33]. El desarrollo de éste tipo de

instrumentos se retomó en 2004; en ese año y como parte de la

tesis de pregrado del autor de éste trabajo, se construyó un

nuevo prototipo de “Molino de Campo Eléctrico” con muchas

mejoras y se realizaron las primeras campañas de medida del

campo electrostático asociado a las tormentas eléctricas en el

país. El instrumento estaba conformado por un electrodo de

medida y un arreglo de pantallas con partes metálicas estáticas

y móviles, lo que lo convertía en una capacitancia variable;

dicho arreglo generaba una señal periódica con una amplitud

proporcional al campo eléctrico incidente [34, 35]. Los

componentes electrónicos de este prototipo conformaban

etapas de amplificación, acondicionamiento de señal, filtrado y

adecuación de offset. La Fig. 1 muestra un ejemplo de las

medidas de tormentas eléctricas realizadas por la primera

estación experimental ubicada en la Universidad Nacional.

a

b Fig. 1. Ejemplo de las primeras medidas de tormentas eléctricas

realizadas en Colombia (Bogotá, 25 de Octubre de 2004). a) Molino de

campo en la Universidad Nacional. b) Campo eléctrico medido en el que se

identifican fases de actividad de rayos nube-tierra C-G e intranube C-C.

A. Campañas de medida

Tres redes experimentales con un total de 18 sensores

fueron instaladas durante 2006 en Bogotá, Medellín y

Manizales. El propósito de estos primeros experimentos de

múltiples estaciones, además de estudiar la actividad de

E

3

tormentas eléctricas en los tres lugares, consistió en hacer los

desarrollos de software y hardware necesarios para que los

sensores operaran en forma continua, ante condiciones

ambientales reales y transmitieran la información en tiempo

real. Los instrumentos fueron ubicados en universidades de las

tres ciudades y los datos se transmitían hasta un servidor

central en la Universidad Nacional en Bogotá, a través de la

Red Nacional de Tecnología Avanzada – RENATA [36]. Cada

instrumento fue dotado con un SBC - Single Board Computer

para el procesamiento, almacenamiento y transmisión de datos.

Como resultado se creó el Sistema Colombiano de

Información de Tormentas Eléctricas - SCITE [36-38].

En 2007 se instaló una red conformada por 5 sensores en

La Palma – Cundinamarca, dedicada a monitorear la

incidencia de rayos sobre una red rural de distribución de

energía, con el propósito de desarrollar metodologías para la

mejora en sus indicadores de Calidad de Energía [9]. El

circuito de media tensión experimental fue instrumentado

adicionalmente con medidores de tensiones inducidas por

rayos, de forma tal que se pudieran correlacionar las

sobretensiones producidas en la red de distribución con la

actividad de tormentas eléctricas. Algunos de los resultados

relevantes son, por ejemplo, que entre 80 y 92% del total de

eventos en tensión, Sags y Swells, reportados por los

medidores de Calidad de Energía, coincidían con los

momentos de actividad de tormentas eléctricas sobre el

circuito; es decir, durante los meses de mayor actividad de

tormentas, semanalmente se registraban del orden de 50

eventos en tensión de los cuales 46 estaban asociados con

rayos. Se pudo determinar también que las interrupciones se

presentan en la etapa de disipación de la tormenta, cuando se

presentan los rayos de mayor corriente y mayor energía [9].

Campañas adicionales con sensores aislados se hicieron

posteriormente en Bogotá en 2010, Medellín en 2011 y

Montelibano-Córdoba en 2011 [30, 41].

Actualmente se encuentran en operación varias redes de

molinos de campo en Colombia como son:

Rubiales-Meta: 6 sensores.

Villavicencio-Meta: 5 sensores.

Melga-Tolima: 2 sensores.

Yopal-Casanare: 4 sensores.

Dichas redes se crearon con el propósito principal de

operar como Sistemas de Alerta de Tormentas para industrias

como campos petroleros; no obstante, para efectos de

investigación ya se cuenta con más de 200 episodios de

tormenta y decenas de miles de rayos medidos, que

representan el histórico más grande que existe para zona

tropical.

B. Descripción del Molino de Campo Eléctrico desarrollado

en Colombia

Cada campaña produjo mejoras en los instrumentos de

medida, lo que llevo a que se construyeran 8 prototipos

diferentes desde la primera versión de 2004. Las mejoras

consistían en el perfeccionamiento de las formas de los

electrodos para reducir las distorsiones en el campo eléctrico,

mejora de materiales para disminuir el deterioro asociado con

el ambiente, el uso de elementos electrónicos más apropiados

para el trabajo continúo y la reducción de fuentes de ruido,

entre muchas otras. La versión más reciente construida de

molino de campo eléctrico es mostrada en la Fig. 2.

El elemento de captación está conformado por 8 ventanas

de inducción que son periódicamente cubiertas por una

pantalla móvil girando a 2250 rpm. La amplitud de la señal de

salida V0(t) puede ser calculada usando la ecuación (1), donde

0 es la permitividad dieléctrica del aire, A(t) es el área de la

superficie de medida, C(t) es la capacitancia del sensor y E es

el campo electrostático incidente.

Fig. 2. Molino de campo eléctrico desarrollado en Colombia.

)(

)(0

)(0 tC

tEA

tV

(1)

La variación simultánea en el área de captación A(t) y la

capacitancia del sensor C(t) producen una señal de salida

periódica y asimétrica, es decir, con amplitudes diferentes en

los semiciclos positivo y negativo; dicha asimetría está

condicionada por la polaridad del campo electrostático

incidente. La señal de salida tiene una frecuencia entre 320 y

380 Hz, dada por la velocidad de giro de la pantalla móvil y

multiplicada por las 8 ventanas de inducción; esta señal es

digitalizada a 100 kS/s usando una resolución vertical de 14

bits. La amplitud y polaridad del campo electrostático

incidente son calculados mediante el procesamiento de la

amplitud y asimetría de la señal digitalizada; proporcionando

una salida final de 5 muestras por segundo, con los valores de

tiempo, amplitud y polaridad del campo electrostático. Las

principales características de operación del sensor se resumen

en la Tabla II. TABLA III

CARACTERÍSTICAS DEL MOLINO DE CAMPO

Parámetro

Sensibilidad 500 µV/V/m

Resolución 2,44 V/m

Resolución digital 14 bits con signo

Rango +/- 20 kV/m

Señal de salida +/- 10 V

Estampa de tiempo GPS

4

IV. CONCEPTOS SOBRE PREDICCIÓN DE TORMENTAS

ELÉCTRICAS

Para realizar la predicción de rayos, las diferentes

investigaciones se han basado en sistemas de medida como

son: i. Sistemas de detección de rayos nube-tierra, ii. Sistemas

de detección total de rayos, iii. Imágenes de radar

meteorológico y iv. Molinos de campo eléctrico [42-48]. Las

recientes investigaciones muestran que los sistemas de alto

desempeño para realizar la detección temprana de tormentas

eléctricas o nowcasting, son la detección total de rayos y la

medida de campo electrostático [42, 43, 45-48, 51]. Dichos

conceptos se han plasmado en normativas como EN50536

(IEC62793 en discusión) [31] y el reporte ACRP 8 de la FAA

de Estados Unidos [32].

A. Verificación de predicciones

La verificación de predicciones es el método de análisis

que permite comparar el desempeño de sistemas de medida y

criterios de predicción. Fenómenos como el rayo pueden ser

analizados mediante un análisis de dicotomía, considerando

estados “si” o “no”, que permiten crear una tabla de

contingencia (Tabla III) [30].

TABLA III

TABLA DE CONTINGENCIA

Eventos observados

Si No

Eventos

pronosticados

Si EA FA Pronost. SI

No FTW CNW Pronost. NO

Obs. SI Obs. NO TOTAL

De la tabla de contingencia se derivan los siguientes

parámetros:

EA (Effective Alarm): Eventos “si” observados que

fueron correctamente “si” pronosticados.

FTW (Failure To Warn): Eventos “si” observados

que fueron “no” pronosticados.

FA (False Alarm): Eventos “no” observados que

fueron “si” pronosticados.

CNW (Correct not warn): Eventos “no” observados

que fueron “no” pronosticados.

Varios estadísticos pueden ser derivados de la tabla de

contingencia, los más importantes son:

POD (Probability Of Detection): Fracción de eventos

observados que son correctamente pronosticados.

FTWEA

EAPOD

(2)

FAR (False Alarma Ratio): Fracción de alarmas

generadas que resultan en falsas alarmas.

EAFA

FAFAR

(3)

Ver también el BIAS y el Critical Success Index [29].

B. Medida del campo eléctrico

En condiciones de buen tiempo el campo electrostático

presenta promedios del orden de 120 V/m. El campo eléctrico

del ambiente es directamente afectado por la presencia y

movimiento de las cargas eléctricas dentro de nubes de

tormenta alcanzando valores, en terreno plano, de hasta 30

kV/m. Dependiendo de la magnitud de la carga y su altura, el

campo eléctrico producido por la nube puede ser detectado en

un rango cercano a los 20 km. Adicionalmente, cuando una

nube electrificada se acerca al lugar de medida, comúnmente

se observa un cambio de polaridad debido por la cercanía del

centro de carga negativo en la parte central de la nube. Dado lo

anterior, las amplitudes altas de campo eléctrico y los cambios

de polaridad son los principales indicadores de la evolución de

la tormenta, útiles para el desarrollo de metodologías de

predicción [8, 37]. La Fig. 3 muestra un ejemplo que describe

la aproximación de una celda de tormenta a un molino de

campo y la señal de campo eléctrico medida.

Fig. 3. Aproximación de una celda de tormenta y campo eléctrico medido.

Molino de campo experimental en Navarra-España [29]. Los puntos rojos

muestran la distancia de rayos nube-tierra. La línea azul muestra la medida de

campo eléctrico dada por el molino de campo.

Los principales criterios de predicción derivados de la

medida de campo eléctrico son:

Umbral de campo eléctrico.

Cambio de polaridad.

Derivada del campo eléctrico (Corrientes de

Maxwell).

EFAI: Electric Field Amplitude Index.

EFDI: Electric Field Differential Index.

La medida de campo eléctrico es la forma más directa de

detectar en forma temprana la formación de una tormenta

eléctrica, no obstante, es altamente sensible a factores como la

topografía, los errores de sitio y las condiciones del tiempo.

Las siguientes secciones muestran el desarrollo de estudios

enfocados en los aspectos mencionados:

Desarrollo de un sistema patrón, referenciado en la

red de 31 molinos de campo del Kennedy Space

Center en Florida – EE.UU.

Estudio de efecto topográfico, a partir de una red de

molinos de campo en Navarra-España.

Estudio de sistema patrón y estructura eléctrica

medida en Bogotá.

Desarrollo de criterios de predicción y verificación de

predicciones con los tres sistemas en Estados Unidos,

España y Colombia.

E

5

V. SISTEMAS PATRÓN REFERENCIADO EN EL LPLWS DEL

KENNEDY SPACE CENTER

El Launch Pad Lightning Warning System - LPLWS se

compone de 31 molinos de campo eléctrico usados para la

detección de tormentas eléctricas en el Kennedy Space Center-

KSC (Florida, EE.UU). La red fue instalada a comienzos de

los años 70 como respuesta a varios accidentes ocasionados

por rayos durante los lanzamientos [49]. Con base en las

medidas realizadas por los molinos de campo se desarrolló el

Lightning Launch Commit Criteria – LLCC, que son una serie

de criterios que permiten definir si es o no seguro hacer un

lanzamiento; estos criterios han sido desarrollados

sistemáticamente desde hace más de 30 años, por lo que son la

principal referencia para la detección temprana de tormentas

eléctricas. Actualmente, el LPLWS es el sistema más extenso y

preciso que existe en el mundo [49]. La Fig. 4 muestra

LPLWS y la forma de instalación de los sensores.

a

b c

Fig. 4. Launch Pad Lightning Warning System. a) Ubicación de cada

molino de campo. b) Elementos fijos y móviles del sensor. c) Instalación del

sensor invertido a 1 m de altura sobre plataforma de concreto y adecuación de

las cercanías para reducir el error de sitio.

Dentro de sus principales características, el LPLWS está

ubicado en una región costera y plana, sin efecto topográfico y

adicionalmente todos los molinos de campo están instalados de

la misma forma en lugares libres de vegetación y calibrados en

laboratorio y sitio [49].

De otro lado, el KSC está dotado con una red de

localización de rayos nube-tierra conocida como Cloud-to-

Ground Lightning Surveillance System – CGLSS [50] y una

red de mapeo de rayos en VHF que permite su reconstrucción

tridimensional, conocida como Lightning Detection And

Ranging – LDAR [51].

Por las anteriores características, el LPLWS es un sistema

único en el mundo para la definición de un sistema patrón.

Este sistema patrón es básicamente una distribución estadística

de las variaciones de campo eléctrico esperadas para un sensor

instalado en condiciones ideales, sin errores asociados al sitio

de instalación o a la topografía; de modo tal que un sensor que

sí presente estos errores, pueda referirse al sistema patrón para

su calibración.

Para realizar el análisis, en la tesis de doctorado del autor se

tomaron los registros hechos por los 31 molinos de campo del

KSC durante 9 episodios de tormenta en el verano de 2009.

Mediante la comparación de los registros del CGLSS y de los

molinos de campo, para cada sensor se obtuvo la variación de

campo eléctrico E en función de la distancia. Fig. 1 y Fig. 3

muestran ejemplos de las variaciones de campo eléctrico E

que son comúnmente detectadas en cada descarga.

La Fig. 5 describe el modelo físico mediante el cual es

posible representar los E medidos para rayos nube-tierra. En

la ecuación de Fig. 5, Q es una variación puntual de carga, H

es la altura de la carga puntual, xi y yi son las distancias entre

la ubicación de la carga puntual y el lugar de medida. Varios

investigadores [22-27] han usado el modelo de carga puntual

para caracterizar las descargas nube-tierra e intra-nube en el

KSC. Murphy [27] encontró que gran parte de las descargas

nube-tierra son mejor representadas por un modelo bipolar,

con una carga menor y de polaridad opuesta en la parte baja de

la nube.

Fig. 5. Modelo de carga puntual.

El modelo descrito anteriormente puede ser aplicado a

descargas con componentes intra-nube poco extensas. Las

detecciones del LDAR fueron usadas para analizar casos de

descargas con geometrías complejas. La Fig. 6 muestra un

ejemplo de una descarga nube-tierra que tiene asociada una

componente intra-nube de gran extensión con más de 10 km de

longitud. Adicionalmente se pudo encontrar que la mayoría de

estos eventos se presentaban después que la tormenta había

alcanzado la red de sensores y empezaba a alejarse.

2/3222

04

2

iy

ixH

QHE

6

Fig. 6. Detecciones de LDAR (cruces azules), localización realizada por

CGLSS (estrellas negras) para el rayo ocurrido en el tiempo 75585s, el 17 de

Julio de 2009. Los círculos negros muestran la ubicación de los 31 molinos de

campo.

Después de identificar los eventos con patrones complejos,

fue posible construir curvas de E contra distancia que

mostraban la comportamiento esperado, el cual consiste en una

distribución log-normal en el E, independiente de la

distancia. Lo anterior es debido a que el parámetro Q del

modelo de carga es de naturaleza log-normal, mientras que el

parámetro H es normal.

El análisis estadístico de las distribuciones fue realizado

mediante el cálculo de los intervalos de predicción PI y de

confianza CI para toda la distribución, en todo el rango de

distancia, usando una probabilidad de 95%. Lo anterior

significa que para una distancia dada, el valor del E tiene una

probabilidad de 95% de ubicarse dentro del PI, mientras que el

valor medio de E tiene una probabilidad de 95 % de ubicarse

dentro del CI. Para distancias menores a 5 km, el CI de 95% se

vuelve más ancho, lo que evidencia la incertidumbre

introducida por el error de localización del CGLSS y debida a

que la representación del rayo como una carga puntual deja de

ser válida para distancias tan cortas.

Dado que los 31 sensores en el KSC son iguales y están

calibrados mediante los mismos métodos; sus distribuciones e

intervalos CI y PI son semejantes, lo que permite unificar sus

curvas en una única serie de datos (Fig. 7), de este modo se

obtiene una distribución única con 35529 E.

La distribución unificada puede considerarse como 35529

E medidos por un único molino de campo. Lo que se puede

concluir al estudiar las principales referencias [13-28], es que

se trata de la distribución de datos más grande que se ha

analizado en el mundo. La principal característica de esta

distribución se encuentra en el gran número de datos y en la

definición precisa de los intervalos CI y PI. Se observa que el

ancho del intervalo CI es 10 menor que cuando se analiza la

distribución de un sensor aislado.

Fig. 7. Distribución unificada para 31 molinos de campo en el KSC con

35529 E e intervalos de predicción y confianza.

Adicionalmente, es posible definir un modelo físico para

representar la distribución patrón; un procedimiento de

mínimos cuadrados no-lineal fue usado para encontrar los

modelos puntual y bipolar que mejor la describen. La Fig. 8

muestra la distribución unificada nuevamente y las curvas

resultantes de los modelos de carga ajustados.

Fig. 8. Distribución unificada para 31 molinos de campo en el KSC y

modelos físicos y matemático ajustados.

En este caso el número de parámetros conocidos es 35529,

mientras que los parámetros desconocidos son 4 para el

modelo de carga puntual y 8 para el modelo bipolar. La

solución de carga puntual es: Q = -20.73 C y H = 10681 m; y

7

para carga bipolar es: Q1 = -25.07 C y H1 = 8976 m, Q2 =

5.55 C y H1 = 5946 m; que corresponden con los valores dados

en la Tabla I. Igualmente se presenta una regresión polinómica

como ajuste matemático de la distribución patrón. Esta

aproximación no tiene una relación analítica con los modelos

de carga, sin embargo, el error en el E medio para el ajuste

polinómico con respecto al E medio del modelo físico es

menor a 4% en el rango de distancia entre 3 y 21 km.

VI. EFECTO TOPOGRÁFICO

Con el propósito de realizar aplicaciones de predicción de

tormentas eléctricas para la protección de parques eólicos, en

Navarra – España, a comienzos de 2010 se conformó una red

de 11 molinos de campo eléctrico distribuidos por diferentes

parques de la comunidad (Fig. 9). La instalación de estas 11

estaciones hizo parte del trabajo de doctorado del autor. Las

estaciones más cercanas a la frontera entre España y Francia se

encuentran en el pre-Pirineo, en región montañosa, mientras

que las estaciones ubicadas hacia el interior de España se

encuentran en terreno plano [29]. La red de Navarra fue, para

el momento de su instalación, el laboratorio natural más

completo para estudiar el desempeño de sensores de campo

electrostático en condiciones reales de operación. A diferencia

del LPLWS, los sensores en Navarra se encuentran afectados

por los errores de sitio, al estar inmersos en medio de

elementos como aerogeneradores y grandes distorsiones dadas

por la topografía. En la actualidad ya se cuenta con redes

semejantes funcionando en varias regiones de Colombia.

Fig. 9. Red de molinos de campo de Navarra – España.

En la práctica se suele asociar el efecto del lugar de

instalación de un molino de campo con un factor k de

amplificación o atenuación; sin embargo es de esperarse que el

efecto topográfico tenga un comportamiento no-lineal. El

análisis experimental en este caso se basa nuevamente en el

estudio de los E y su dependencia con la distancia.

Para el estudio se analizaron 19 episodios de tormenta en el

verano de 2010; en total se obtuvieron 31094 E para todas

las estaciones de medida. La Fig. 10 describe el análisis

experimental usado para evaluar el efecto topográfico. Si se

considera un sensor en terreno plano y otro en montaña; y

adicionalmente se considera que para un mismo episodio de

tormenta, los E medidos por los dos sensores son debidos a

la misma fuente de carga puntual, con la misma distribución

log-normal de Q y normal en H; la diferencia entre las curvas

E contra distancia de ambos equipos representará la

distorsión producida por la topografía.

Fig. 10. Sensores en terreno plano y montaña afectados por la misma

fuente de carga puntual con la misma distribución estadística. Los

histogramas a la izquierda muestran el comportamiento log-normal de Q y

normal en H.

Los sensores 8 y 9 están ubicados en una región plana a

aproximadamente 428 msnm, mientras que el sensor no. 1 se

ubica en una montaña a 1107 msnm. La Fig. 11 muestra la

localización de los tres sensores y un perfil del terreno. La Fig.

11 muestra adicionalmente un ejemplo de un episodio de

tormenta en el que los sensores en terreno plano y montaña

midieron E asociados a los mismos eventos.

Fig. 11. Caso de tormenta del 5 de mayo de 2010. Aproximación de una

celda de tormenta al sensor no. 1 y perfil del terreno.

La reconstrucción de las trayectorias de los episodios de

tormenta fue hecha a partir de los datos de la red de detección

total de rayos LINET, que es el sistema más preciso y eficiente

que opera actualmente en Europa [52].

La Fig. 12 compara los resultados experimentales y teóricos

(simulados a partir del perfil del terreno) para los sensores en

terreno plano y montaña. Las curvas de referencia de terreno

8

plano (líneas discontinuas) teórica y experimental (obtenida

del sensor no. 9) son similares. Las curvas para el sensor en

montaña, coinciden en el rango entre 6 y 21 km. A partir de

estas curvas es posible calcular el factor de distorsión

producido por la topografía; dicho factor, teórico y

experimental, es mostrado igualmente en Fig. 12. La

comparación permite observar la dependencia del factor de

distorsión con la distancia.

Fig. 12. Comparación entre curvas experimentales y teóricas de E contra

distancia para sensores en terreno plano y montaña.

VII. MODELO ELECTROSTÁTICO EN COLOMBIA

Partiendo de las mismas bases conceptuales usadas en los

dos anteriores casos de sensores en Florida y Navarra, se usó

un molino de campo en Bogotá ubicado en uno de los edificios

de la Universidad Nacional. La estación utilizada fue instalada

desde 2004 y sobre ella se han hecho la gran mayoría de

desarrollos acerca del instrumento y estudios sobre los errores

de medida [37]. Dado lo anterior, para 2010 se logró realizar

una campaña con datos de muy buena calidad, con una ventaja

en comparación con los demás instrumentos operativos en el

momento, y es que se encontraba en condiciones de terreno

plano, con errores de sitio conocidos [37].

El análisis estuvo conformado por 16 episodios de tormenta

en los que se obtuvieron 491 E producidos por rayos nube-

tierra que pudieron ser correlacionados sin ambigüedad con la

red de detección de rayos Sistema de Información de

Descargas - SID [6]. La mayoría de los episodios

correspondieron con celdas aisladas en la Sabana de Bogotá.

La distribución de E contra distancia para todos los

episodios de tormenta es mostrada en la Fig. 13. En términos

generales, los resultados obtenidos en Bogotá son consistentes

con estudios previos hechos para estaciones aisladas en otros

lugares [15, 22]. La distribución en Fig. 13 fue ajustada a los

modelos de carga mediante el mismo procedimiento de

mínimos cuadrados no-lineal usado en las secciones anteriores.

El modelo de carga puntual ajustado fue Q = -15.4 C y H =

7103 m y el modelo de carga bipolar Q1 = -22 C, H1 = 5862

m, Q2 = 6.8 C y H2 = 3761 m; todas las anteriores alturas son

dadas con respecto a la altura local de 2555 msnm (Tabla I).

Los anteriores resultados conforman la primera distribución de

referencia construida en Colombia para medidas de campo

electrostático.

Fig. 13. E contra distancia para Bogotá. a. Distribución en escala lineal.

b. Distribución en escala logarítmica.

Actualmente ya existen al menos 15 estaciones con molinos

de campo, con medidas de excelente calidad, en condiciones

de terreno plano en los Llanos Orientales de Colombia; los

cuales van a permitir revalidar esta distribución de referencia

con un volumen de datos históricos mucho mayor.

VIII. VERIFICACIÓN DE PREDICCIONES EN LOS LUGARES DE

ESTUDIO

Los criterios descritos en la sección IVB son usados para

desarrollar algoritmos de detección temprana de tormentas

eléctricas. Aranguren [37] y Aranguren et al. [47, 48] hacen el

análisis de algunos de los criterios de predicción citados.

Para este trabajo se usaron principalmente los dos primeros:

umbral de campo eléctrico y cambio de polaridad. Para los

tres casos, un evento “si” observado, consiste en un rayo nube-

tierra en un radio de 5 km alrededor de un sensor específico.

Adicionalmente se analizó el parámetro Lead-time, dado por el

tiempo transcurrido entre el momento de activación de la

alarma y el momento de observación del evento [31].

La Fig. 14 muestra el resultado obtenido para los 31

sensores en Florida, en 2009. En total se presentaron 7503

eventos “si” observados. La Fig. 14 muestra el cambio en los

parámetros POD y FAR en función del umbral de campo

eléctrico usado en el algoritmo. Como es de esperarse, el POD

y el FAR presentan valores altos con umbrales bajos y se

9

reducen a medida que se aumenta el umbral. La Fig. 14b.

muestra como a medida que se aumenta el umbral de campo

eléctrico, los rayos asociados con alarmas efectivas EA, se

convierten en FTW, es decir, eventos “si” observados y “no”

pronosticados. Para el caso del criterio basado en cambios de

polaridad, se obtuvo POD = 37.4% y FAR = 32.8%.

a b

Fig. 14. a) POD y FAR para Florida. b) Relación entre rayos

pronosticados y fallos de alarma.

En el caso de Bogotá, se detectaron un total de 69 eventos

“si” observados durante la campaña de 2010. La Fig. 15

muestra el comportamiento del POD y el FAR en función del

umbral de campo eléctrico; cuando el umbral es inferior a 500

V/m el POD es 100%, sin embargo el FAR también presenta

valores altos. El valor óptimo de umbral de campo eléctrico se

encontró alrededor de los 1200 V/m donde el POD es 92% y el

FAR 57%. Para el caso del criterio basado en cambios de

polaridad, se obtuvo un POD = 75% y FAR = 55%.

a b

Fig. 15. a) POD y FAR para Bogotá. b) Relación entre rayos

pronosticados y fallos de alarma.

El FAR mostrado en Fig. 15 corresponde con el caso en el

que ocurra un rayo nube-tierra 5 km alrededor del sensor; sin

embargo el hecho de que no ocurra el rayo, no implica que no

exista el riesgo por la presencia de la nube electrificada. Si se

considera este riesgo como el evento “si” observado, los

valores de FAR se vuelven menores a 10% en todos los casos.

IX. CONCLUSIONES Y TRABAJO FUTURO

Durante cerca de 8 años se ha adelantado en Colombia un

proceso continuo de investigación e innovación tecnológica en

predicción de tormentas eléctricas, partiendo del desarrollo de

instrumentos prototipo y llegando a la implementación de

grandes sistemas de monitoreo de tormentas. Dicho proceso se

ha realizado como parte de los trabajos de pregrado, maestría y

doctorado del autor de este artículo. Dentro de la realización

de campañas de medida, la obtención de grandes volúmenes de

información y el desarrollo de algoritmos y métodos, se

destacan, en el trabajo de doctorado, la definición de

distribuciones de referencia estadísticas con sistemas en

Estados Unidos, España y Colombia; tales patrones

construidos involucraron 43 molinos de campo, 4 redes de

localización de rayos de buena y alta eficiencia y cerca de

67000 medidas de variaciones de campo eléctrico producidas

por rayos. Igualmente es relevante la abstracción que se logró

realizar acerca del efecto de la topografía, y cómo es posible

extraer de las distribuciones estadísticas las distorsiones

producidas. Un aporte importante es igualmente el desarrollo

de la primera distribución estadística de referencia para

Colombia, usando señales de muy buena calidad en Bogotá.

Finalmente, dichos aportes apuntan al desarrollo de algoritmos

para la detección temprana de tormentas eléctricas o

nowcasting; en donde se hacen aportes importantes en la

definición de los criterios y las metodologías de predicción.

El trabajo futuro se sustenta por un lado en las nuevas redes

de monitoreo de tormentas, operativas desde hace más de un

año en varias regiones de Colombia, para proteger personas,

sistemas de transporte de energía e instalaciones. La calidad y

el volumen de los datos permitirán a futuro obtener resultados

mucho más amplios que los presentados en este artículo.

Un resultado adicional fue la puesta en operación, en

septiembre de 2011, de la primera red de detección total de

rayos en Colombia, compuesta por 9 sensores de LF/VLF

LINET (Fig. 16) [52]. Actualmente, LINET es el sistema de

mayor cobertura, más preciso y eficiente que opera en el país.

Las capacidades para la detección de tiempo severo y

seguimiento de celdas de tormenta de LINET, ya permiten que

al integrarse con redes de molinos de campo, se alcancen los

niveles más altos de desempeño en sistemas de predicción.

Fig. 16. Red LINET en Colombia. Los sensores son ilustrados con puntos

negros. Los puntos de colores muestran la ubicación de rayos.

La aplicación más importante de los resultados está en el

nuevo concepto de los Smart-Grids, en donde mediante

predicciones de rayos con POD mayores a 90% y tiempos que

pueden superar 1 h, se puedan definir acciones inteligentes

para evitar salidas de sistemas de distribución, perdidas de

producción, afectaciones causadas por distorsiones de Calidad

de Potencia, entre muchos otros. Dichas aplicaciones ya se

realizan en redes de distribución de campos petroleros, en

donde sistemas auxiliares de energía y suplencias se coordinan

con la predicción de rayos. A futuro tales aplicaciones tienen

el potencial de ser escaladas a grandes sistemas de distribución

y transmisión de energía.

10

X. REFERENCIAS

[1] L. Barreto, H. Torres. “The lightning parameters and its spatial and

temporal dependence”. Work Document CIGRE, 1996.

[2] H. Torres. “Variation of Lightning Parameter Magnitudes within Space

and Time”. 24th. ICLP, England, 1998.

[3] C. Younes. “Evaluación de parámetros del rayo con mediciones

terrestres y satelitales para Colombia”. Tesis de Maestría. Universidad

Nacional de Colombia, 2002.

[4] H. Torres. “El Rayo. Mitos, Leyendas, Ciencia y Tecnología”.

Universidad Nacional de Colombia. UNIBIBLOS, 2002.

[5] H. Torres. “Protección contra Rayos”. 2da. edición, ICONTEC, 2010.

[6] J. Gallego. “Parámetros de las Descargas Eléctricas Atmosféricas en

Colombia”. Tesis de Pregrado. Universidad Nacional de Colombia,

Medellín, 2011.

[7] www.keraunos.co

[8] D.T. MacGorman, W.D. Rust, “The electrical nature of storms”, Oxford

University Press, New York, 1998.

[9] Informe Final Proyecto: “Mejoramiento de índices de calidad de los

circuitos de distribución rural de CODENSA en zonas de alta actividad

eléctrica atmosférica”. Colciencias, Codensa, Universidad Nacional de

Colombia, julio de 2010.

[10] H. Torres, et al. “Contribución a la solución del problema de la falla de

transformadores de distribución en Colombia”. ALTAE, Cuba, 2001.

[11] Resolución CREG 097 de 2008.

[12] “Estudio de Coordinación de Aislamiento para las líneas de distribución

Apiay – SOA”. Ecopetrol, 2012.

[13] C.T.R. Wilson, “On some determinations of the sign and magnitude of

electric discharges in lightning flashes”. Proc. Roy. Soc., (A92), 1916.

[14] C.T.R. Wilson, “Investigations on lightning discharges and on the

electric field of thunderstorm”. Philos. Trans. A., (221):73–117, 1920.

[15] T.W. Wormell “The effects of thunderstorms and lightning discharges

on the earth’s electric field”. Proc. Roy. Soc., (A238):249–303, 1939.

[16] B.F.J. Schonland and M.A Craib, “The electric fields of South African

thunderstorms”. Proc. Roy. Soc., (A114):229–243, 1927.

[17] B.F.J. Schonland, “The polarity of thunderclouds”. Proc. Roy. Soc.,

(A118):233–251, 1928.

[18] B.F.J. Schonland, “The interchange of electricity between thunderclouds

and the earth”. Proc. Roy. Soc., (A118):252–262, 1928.

[19] E.J. Workman, R.E. Holzer, G.T. Pelsor, “The electrical structure of

thunderstorms”, NASA Tech. Note 864, 1942.

[20] S.E. Reynolds, H.W. Neill, “The distribution and discharge of

thunderstorm charge centres”, J. Meteor., 12 (1955) 1-12.

[21] P. Krehbiel, M. Brook, R. McCrory, “An analysis of the charge structure

of lightning discharges to ground”, J. Geophys. Res., 84, 1979.

[22] E.A. Jacobson, E.P. Krider, “Electrostatic field changes produced by

Florida lightning”. Journal of the Atmospheric Sciences, 1976.

[23] L.M. Maier, E.P. Krider, “The charges that are deposited by cloud-to-

ground lightning in Florida”. J. Geophys. Res. 91:13271–13289, 1986.

[24] W. Koshak, E.P Krider, “Analysis of lightning field changes during

active Florida thunderstorm”. J. Geophys. Res., 94 D1, 1989.

[25] E.P. Krider, “Electric field changes and cloud electrical structure.

Journal of Geophysical Research”, 94(D11), 1989.

[26] M. Murphy E. Krider M. Maier, “Lightning charge analyses in small

convection and precipitation electrification (CAPE) experiment storm”.

Journal of Geophysical Research, 101(D23), 1996.

[27] M. Murphy, “The electrification of Florida thunderstorm”. PhD. Thesis,

Department of Atmospheric Sciences, University of Arizona, 1996.

[28] J. Montanyà, “Estudio de la Carga Eléctrica asociada al Rayo:

Caracterización de las tormentas en Cataluña”. Tesis de Doctorado,

Universidad Politécnica de Cataluña, Barcelona, 2004.

[29] D. Aranguren. “El campo eléctrico asociado a la nube de tormenta.

Estudio operacional de molinos de campo”. Tesis de Doctorado.

Universidad Politécnica de Cataluña, Barcelona, octubre, 2011.

[30] D. Aranguren. “Desempeño de sensores de campo electrostático en

sistemas de alerta de tormentas”. Tesis de Doctorado. Universidad

Nacional de Colombia, Bogotá, junio, 2012.

[31] EN50536 “Protection against Lightning - Thunderstorm Warning

Systems”, CENELEC, 2011.

[32] ACRP Report 8. “Lightning-Warning Systems for use by Airports”.

Federal Aviation Administration, USA, 2008.

[33] G. Gordillo, M. Ortiz “Diseño y construcción de un equipo para medir el

Campo Eléctrico Atmosférico en la Superficie Terrestre”. Universidad

Nacional de Colombia, Departamento de Física, Bogotá, 1976.

[34] D. Aranguren, “Registro del Campo Eléctrico Ambiental en la

Superficie Terrestre”. Tesis de Pregrado, Universidad Nacional de

Colombia, Departamento de Ingeniería Eléctrica, Bogotá, 2004.

[35] D. Aranguren, J. Aponte, J. Romero, M. Guevara, H. Torres, G.

Baquero, E. Pérez, D. Rondón. “Design, construction and calibration of

two e-field machines used to measure tropical thundercloud e-field on

the ground and aloft”. VIII SIPDA, Sao Paulo, Brazil, November 2005.

[36] Informe Final Proyecto: “Red Colombiana de Información de Tormentas

Eléctricas. Fase I: Sistema Piloto Bogotá, Medellín y Manizales”.

Colciencias, Cintel, Universidad Nacional de Colombia, agosto de 2009.

[37] D. Aranguren. “Estudio del fenómeno eléctrico atmosférico a través del

campo eléctrico ambiental” Tesis de Maestría. Universidad Nacional de

Colombia, Bogotá, 2006.

[38] E. Olarte, I. Santoyo. “Elección y Adaptación de Hardware para la

Adquisición y Procesamiento de Señales proporcionadas por Molinos de

Campo Eléctrico.”. Tesis de Pregrado. Universidad Nacional de

Colombia, Bogotá, 2007.

[39] D. Aranguren, D. Rondón, E. Pérez, C. Younes, H. Torres. “Red de

medición de actividad eléctrica atmosférica para Bogotá. Conceptos”. III

Simposio Internacional sobre Calidad de la Energía Eléctrica SICEL,

Bogotá, 2005.

[40] D. Aranguren, A. Delgadillo, M. Vargas, E. Pérez, H. Torres.

“Estimation of lightning electrostatic parameters based on atmospheric

electric field measurements and genetic algorithms”. ILDC/ILMC,

Tucson, Arizona, USA, 24th-27th April 2006.

[41] J. López. “Metodología para predicción de tormentas eléctricas a partir

de mediciones de campo electrostático ambiental y sistemas de

localización de rayos en zona montañosa”. Tesis de Maestría.

Universidad Nacional de Colombia, Bogotá, 2011.

[42] M. Murphy, N. Demetriades, K. Cummins “The value of cloud lightning

in probabilistic thunderstorm warning”. 16th Conference on Probability

and Statistics in the Atmospheric Sciences, 2002.

[43] M. Murphy, N. Demetriades. “The role of total lightning in

thunderstorm nowcasting”. Int. Lightning Detection Conference, 2006.

[44] M. Murphy, R. Holle. “A warning method for the risk of cloud-to-

ground lightning based on total lightning and radar information”.

International Conference on Lightning and Static Electricity, 2005.

[45] M. Murphy, R. Holle, N. Demetriades. “Cloud-to-ground lightning

warnings using total lightning mapping and electric field mill

observations”. Third Conference on Meteorological Applications of

Lightning Data, Amer. Meteorol. Soc., 2008.

[46] M. Murphy, R. Holle, N. Demetriades. “Cloud-to-ground lightning

warnings using electric field mill and lightning observations”.

International Lightning Detection Conference, 2008.

[47] J. Montanyà, D. Aranguren, N. Pineda and G. Solà, “Total lightning,

electrostatic field and meteorological radar applied to lightning hazard

warning”, Intl. Lightning Detection Conf., Tucson, AZ, 2008.

[48] D. Aranguren, J. Montanyà. G Solà, D. Romero, V. March, H. Torres.

“On the lightning hazard warning using electrostatic field: Analysis of

summer thunderstorms in Spain”. Journal of Electrostatics, (67), 2009.

[49] F.J. Merceret, J.C. Willett, H.J. Christian, J.E. Dye, E.P. Krider, J.T.

Madura, T.P O´Brien, W.D. Rust, R.L. Walterscheid. “A History of the

Lightning Launch Commit Criteria and the Lightning Advisory Panel

for America’s Space Program”. NASA/SP—2010–216283, 2010.

[50] J.G. Ward, K.L. Cummins, E.P Krider. “Comparison of the KSC-ER

Cloud-to-Ground Lightning Surveillance System (CGLSS) and the U.S.

National Lightning Detection Network (NLDN)”. International

Lightning Detection Conference, Tucson, AZ, 2008.

[51] W.P. Roeder, J.M. Saul. “Four Dimensional Lightning Surveillance

System: Status and Plans”. International Lightning Detection

Conference, 2012.

[52] H.D. Betz “Lightning Location with LINET in Europe”, 30th ICLP,

Cagliari, Italy, 13-17 Sept. 2010.