i
EVALUACIÓN DEL APLANAMIENTO DE LA CURVA DE CARGA EN EL ESTRATO
CUATRO (4) DE LA CIUDAD DE BOGOTÁ POR MEDIO DE PROGRAMAS DE
RESPUESTA A LA DEMANDA; CASO DE ESTUDIO: 100 USUARIOS CON ACCESO
A GENERACIÓN DISTRIBUIDA.
LAURA LUCIA FERNANDA CASTELLANOS CARDONA
SANDRA VIVIANA LÓPEZ CHAPARRO
PROYECTO DE GRADO PARA OPTAR EL TÍTULO DE:
INGENIERO ELÉCTRICO
DIRECTOR:
I.E., MSc. PhD. EDWIN RIVAS TRUJILLO
CODIRECTOR:
I.I., MSc. Candidata PhD. ADRIANA MARCELA VEGA ESCOBAR
Universidad Distrital Francisco José de Caldas
Facultad de Ingeniería
Proyecto curricular Ingeniería Eléctrica
Bogotá D.C., Colombia
Noviembre de 2016.
ii
AGRADECIMIENTOS
A Dios por permitirnos culminar este sueño y darnos las fuerzas para no desfallecer.
A la Universidad Distrital Francisco José de Caldas por ser hogar y formarnos bajo los criterios
requeridos para nuestra vida profesional.
A nuestras familias por su compañía, comprensión y ánimo no sólo en el desarrollo de este
proyecto sino en cada paso que dimos.
A los profesores Edwin Rivas Trujillo, Adriana Marcela Vega y Johan Hernández por ser guías,
trasmitirnos sus conocimientos y darnos luz para lograr culminar el objetivo propuesto.
A todos nuestros compañeros y amigos que nos permitieron hacer mediciones en sus viviendas,
además a todos aquellos que nos brindaron su apoyo incondicional en el desarrollo del proyecto.
iii
RESUMEN
La respuesta a la demanda (RD), se define como el cambio en los patrones o hábitos de consumo
de energía eléctrica por parte de los usuarios finales, como respuesta a la variación en el precio de
la electricidad en tiempo real, o a pagos de incentivos diseñados con el fin de introducir un menor
uso de la electricidad, cuando se presentan precios elevados en la tarifa de energía o cuando la
confiabilidad del sistema se encuentra en riesgo (Marulanda García, 2014). Existen al menos tres
acciones por las que el usuario puede optar: la primera es reducir su consumo durante las horas
pico y tener un ahorro lo que se refleja en su comodidad. La segunda trasladar su consumo habitual
a un horario en que el precio sea bajo, y la tercera es generar su propia energía a través de la
generación distribuida (Grajales Espinal & Figueroa Patiño, 2012).
En la revisión de la literatura científica en la ventana del 2009 al 2016 autores como Sheikh
(Shaikh & Dharme, 2009), Liao (Liao, Chen, & Chen, 2011), Yang (Peng, Yang. Gongguo, Tag.
Nehorai, 2012), Hussin (Hussin, Abdullah, Ali, Hassan, & Hussin, 2014), y Zhao Ahamed
Tizdhadam (Zhao & Ming, 2014), plantearon un caso de estudio bajo el programa de respuesta en
demanda de pago por tiempo de uso (TOU) que a través de funciones objetivo permiten maximizar
beneficios y minimizar riesgos, costos de generación y precios de consumo tanto para usuarios
finales residenciales como a las empresas prestadoras de servicio. De manera complementaria
buscando igual objetivo de maximizar beneficios, los autores Joo (Joo, Ahn, Yoon, & Choi, 2007),
Zhang (Zhang, Wang, & Fu, 2009), Herter (Herter & Wayland, 2010), Wang (Wang & Li, 2011),
y Mathaba (Mathaba, Xia, & Zhang, 2012) desarrollan un estudio en torno a la respuesta en
demanda de Precio Pico Critico (CPP), donde se encuentran a través de la predicción de precios,
elasticidad de la demanda y hábitos de consumo los días óptimos para aplicar los eventos pico.
iv
En Colombia durante las horas de alto consumo eléctrico, el sistema de distribución puede ser
llevado a los límites de operación y en la normatividad no se evidencian políticas regulatorias que
contemplen estrategias que incentiven a los usuarios finales residenciales a realizar desconexiones
de carga en estos periodos y que permitan un aplanamiento en su curva de carga (UPME, 2014),
por ende surge la pregunta “¿Se producirá variación en la curva de carga del usuario residencial
estrato 4 de la cuidad de Bogotá, al utilizar generación distribuida y programas de respuesta a la
demanda como Precio Pico Critico (CPP) y Precio por Tiempo de Uso (TOU)?”.
El proyecto de investigación se desarrolló en cuatro etapas: caracterización, diseño, determinación
de precios y simulaciones. La primera se realizó a través de mediciones puntuales en los tableros
de distribución de 18 viviendas estrato 4 ubicadas en las localidades de Suba y Usaquén de la
ciudad de Bogotá, en la segunda se diseñaron los sistemas fotovoltaicos en función de la energía
característica de la curva presente en las horas de alto consumo, en la siguiente a partir del diseño
y la inversión necesaria en los sistemas fotovoltaicos se determinaron los precios mínimo para el
retorno y el esquema de precios de respuesta en demanda adecuado para el mercado propuesto.
Finalmente en la etapa cuatro a través de la herramienta MATLAB se simuló un caso de estudio
de cien (100) usuarios residenciales estrato 4 de la ciudad de Bogotá, participantes en los
programas de respuesta a la demanda: precio por tiempo de uso (TOU) y precio pico crítico (CPP)
con acceso a generación distribuida a través de sistemas fotovoltaicos, que se dividen en dos grupos
según la capacidad del generador fotovoltaico instalado (Grupo 1 y Grupo 2) que suple un
porcentaje de su carga en distintas proporciones (50, 75 y 100%). En este se evalúan las cantidades
de energía ahorrada, el porcentaje de variación de la curva en función a esta y el equivalente
monetario.
v
Entre los aportes obtenidos están: en conjunto con el grupo de investigación GCEM se caracterizó
y determinó un modelo de la curva de carga estrato 4 de la ciudad de Bogotá. Adicionalmente, se
cuantificó para un usuario residencial estrato 4 ubicado en la ciudad de Bogotá el valor mínimo
del Wh fotovoltaico y tiempo de retorno de inversión con la exención del IVA propuesto por la
ley 1715. De manera complementaria se encontró la potencia Fotovoltaica mínima y esquema de
precios para tener un ahorro monetario en comparación con el consumo y regulación actual y para
dar cumplimiento al objetivo general se evaluó el aplanamiento en la curva de carga del estrato 4
de la ciudad de Bogotá al implementar RD y Generación distribuida.
Este proyecto de investigación se plasma en siete capítulos, en el primero se presentan las
generalidades del proyecto, una breve descripción de la problemática a abordar y los objetivos
planteados para el desarrollo del mismo. En el segundo capítulo se define la respuesta a la
demanda, beneficios, costos de la implementación, se abordan las principales características de la
generación distribuida y se destacan algunas experiencias internacionales de programas de
respuesta a la demanda.
En el capítulo tres se describe la construcción de la curva de carga, la fijación de los esquemas de
precios de: generación distribuida y de los programa de respuesta a la demanda. En el capítulo
cuatro se presenta el caso de estudio, los escenarios simulados y el análisis de resultados. En el
capítulo cinco se realiza comparación de precios con y sin la aplicación de programas de respuesta
en demanda. Finalmente, en el capítulo seis y siete se exponen las conclusiones, recomendaciones
y trabajos futuros.
En el apéndice A se documenta el dimensionamiento de los sistemas fotovoltaicos y la selección
de equipos realizada.
vi
Contenido
1. INTRODUCCIÓN ..................................................................................................................................... 1
1.1 Planteamiento del Problema ........................................................................................................ 1
1.2 Justificación. .................................................................................................................................. 2
1.3 Objetivos ....................................................................................................................................... 4
1.3.1 Objetivo Principal .................................................................................................................. 4
1.3.2 Objetivos Específicos ............................................................................................................. 4
1.4 Alcances y limitaciones ................................................................................................................. 5
2 MARCO TEORICO Y ESTADO DEL ARTE ................................................................................................. 6
2.1 Programas de Respuesta a la demanda: ....................................................................................... 6
2.1.1 Beneficios de la Respuesta a la demanda. .......................................................................... 10
2.1.2 Costos de implementar Respuesta a la demanda. .............................................................. 11
2.2 Generación Distribuida ............................................................................................................... 12
2.2.1 Sistemas Fotovoltaicos Autónomos. ................................................................................... 13
2.3 Estado del Arte ............................................................................................................................ 14
2.3.1 Antecedentes TOU .............................................................................................................. 14
2.3.2 Antecedentes CPP ............................................................................................................... 21
2.3.3 Otros Estudios ..................................................................................................................... 25
2.3.4 Antecedentes en Colombia de RD entre 2010 a 2016 ........................................................ 26
3 CARACTERIZACIÓN CURVA DE CARGA Y ESQUEMAS DE PRECIOS ...................................................... 30
3.1 Reunión de la Información. ......................................................................................................... 30
3.2 Metodología para la Caracterización Curva ................................................................................ 32
3.2.1 Instalación de Equipos ........................................................................................................ 32
3.2.2 Procedimiento de Medición. ............................................................................................... 32
3.2.3 Construcción Curva. ............................................................................................................ 33
3.3 Esquemas de Precios. .................................................................................................................. 38
3.3.1 Determinación de Precios de Generación Con Sistemas Fotovoltaicos ............................. 38
3.3.1 Estimación del Esquema de Precios CPP y TOU. ................................................................. 47
4 ESCENARIOS CON DIFERENTES PORCENTAJES DE PENETRACIÓN DE GD: CASO DE ESTUDIO............ 50
4.1 Descripción Código de decisión para la simulación de los escenarios........................................ 51
4.2 Escenarios de Simulación para el Caso de Estudio ..................................................................... 53
5 ANÁLISIS DEL AHORRO TRAS LA APLICACIÓN DEL PROGRAMA DE RESPUESTA EN DEMANDA. ........ 61
vii
5.1 Comparación Ahorro Monetario Curva con deslastre y Curva Base con la aplicación de RD (TOU
Y CPP). 61
5.2 Comparación Ahorro Monetario Curva con deslastre con la aplicación de RD (TOU Y CPP) y la
Curva Base (Precios Actuales). ................................................................................................................ 64
6 CONCLUSIONES ................................................................................................................................... 67
7 RECOMENDACIONES Y TRABAJOS FUTUROS ...................................................................................... 70
8 BIBLIOGRAFÍA ...................................................................................................................................... 71
APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS ..................................................................... 74
ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE BOGOTÁ ........................... 89
ANEXO 2. PROTOCOLO FLUKE 435 .............................................................................................................. 91
ANEXO 3. PROTOCOLO FLUKE 1730 ............................................................................................................ 98
ANEXO 4. PROTOCOLO PQA ...................................................................................................................... 111
ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS FOTOVOLTAICOS .......... 118
viii
Índice de Figuras.
Figura 1. Clasificación de los programas de Respuesta a la demanda. [2] .................................................. 9
Figura 2. Clasificación de las tecnologías en Generación Distribuida. Copyright 2012. [2] ..................... 13
Figura 3. Línea de tiempo Antecedentes TOU ........................................................................................... 20
Figura 4. Línea de tiempo Antecedentes CPP. ............................................................................................ 25
Figura 5. Línea de tiempo Antecedentes en Colombia ............................................................................... 29
Figura 6. Cantidad de Viviendas estrato 4 por localidades en Bogotá. Fuente SDP. ................................. 31
Figura 7. Conexión monofásica (izquierda), conexión trifásica (derecha). ................................................ 33
Figura 8. Curva final, desviación STC positiva y negativa. Copyright 2016 por [31]................................ 36
Figura 9. Relación de las curvas de carga diaria en Colombia para diferentes años. Copyright 2016 por
[32] .............................................................................................................................................................. 36
Figura 10. Ocupaciones población estrato 4 ciudad de Bogotá. Copyright 2016 por [33]. Reimpreso con
permiso. ....................................................................................................................................................... 37
Figura 11. Metodología para la estimación del precio mínimo de comercialización del kWh. .................. 41
Figura 12. Consolidado esquemas de precios RD. ...................................................................................... 48
Figura 13. Flujograma para simulación ...................................................................................................... 52
Figura 14. Escenarios de simulación ........................................................................................................... 53
Figura 15. Resumen Aplanamiento de la curva caso No. 1 para Escenario No. 1(Magenta), Escenario No.
2(verde) y Escenario No. 3(negro). ............................................................................................................. 54
Figura 16. Resumen Aplanamiento de la curva caso No. 2 para Escenario No. 1(magenta), Escenario No.
2(verde) y Escenario No. 3(negro). ............................................................................................................. 55
Figura 17. Resumen Aplanamiento de la curva caso No. 3 para Escenario No. 1(magenta), Escenario No.
2(Verde) y Escenario No. 3(negro). ............................................................................................................ 56
Figura 18. Resumen Aplanamiento de la curva caso No. 4 para Escenario No. 1(magenta), Escenario No.
2(verde) y Escenario No. 3(negro). ............................................................................................................. 57
Figura 19. Resumen Aplanamiento de la curva caso No. 5 para Escenario No. 1(magenta), Escenario No.
2(verde) y Escenario No. 3(negro). ............................................................................................................. 58
Figura 20. Resumen Aplanamiento de la curva caso No. 6 para Escenario No. 1(magenta), Escenario No.
2(verde) y Escenario No. 3(negro). ............................................................................................................. 59
Figura 21. Variación Porcentual del ahorro energético. ............................................................................. 60
Figura 22. Porcentaje de ahorro casos, escenario No. 1,2 y 3. .................................................................... 63
ix
Índice de Tablas.
Tabla 1: Relación de mediciones y equipos usados .................................................................................... 32
Tabla 2: Datos Curva Final, desviación estandar positiva y negativa ......................................................... 35
Tabla 3: Precios de Inversión diseño No. 1 y No. 2 .................................................................................... 39
Tabla 4: Precios de Inversión diseño No. 3 ................................................................................................ 40
Tabla 5: Precios de Inversión diseño No. 4 ................................................................................................ 41
Tabla 6: VPN Diseño No. 1 ........................................................................................................................ 43
Tabla 7: VPN Diseño No. 2 ........................................................................................................................ 44
Tabla 8: VPN Diseño No. 3 ........................................................................................................................ 45
Tabla 9: VPN Diseño No. 4 ........................................................................................................................ 46
Tabla 10: Resumen precio mínimo Wh fotovoltaico para los cuatro diseños realizados............................ 47
Tabla 11: Consolidado porcentual esquemas de precios RD. Fuente Propia .............................................. 48
Tabla 12: Esquema de precios para Colombia. Fuente Propia .................................................................... 49
Tabla 13: Resumen esquema de precios para Colombia y precios diseños Fotovoltaicos. Fuente Propia . 49
Tabla 14:Consolidado energía ahorrada Caso No. 1. Fuente Propia .......................................................... 54
Tabla 15:Consolidado energía ahorrada Caso No. 2. Fuente Propia .......................................................... 55
Tabla 16:Consolidado energía ahorrada Caso No. 3. Fuente Propia .......................................................... 56
Tabla 17:Consolidado energía ahorrada Caso No. 4. Fuente Propia .......................................................... 57
Tabla 18: Consolidado energía ahorrada Caso No. 5. Fuente Propia ......................................................... 58
Tabla 19: Consolidado energía ahorrada Caso No. 6. Fuente Propia ......................................................... 59
Tabla 20: Características curva base con los precios CPP y TOU propuestos ........................................... 61
Tabla 21:Consolidado ahorro monetario diario 100 Usuarios. Escenarios 1,2 y 3, seis casos. Fuente Propia
.................................................................................................................................................................... 62
Tabla 22: Características Curva base aplicando los precios actuales de red ............................................... 64
Tabla 23: Consolidado ahorro mensual por usuario ................................................................................... 64
Tabla 24: Cantidad de años de retorno de inversión por usuario: escenario 2: caso 1, escenario 3: Caso 1 y
6. Fuente Propia .......................................................................................................................................... 65
x
Apéndices:
APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS ..................................... 74
Anexos
ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE BOGOTÁ ........................... 89
ANEXO 2. PROTOCOLO FLUKE 435 .............................................................................................................. 91
ANEXO 3. PROTOCOLO FLUKE 1730 ............................................................................................................ 98
ANEXO 4. PROTOCOLO PQA ...................................................................................................................... 111
ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS FOTOVOLTAICOS .......... 118
1
1. INTRODUCCIÓN
En este capítulo se presenta la problemática a abordar, la justificación y los objetivos planteados
para el desarrollo del proyecto de investigación.
1.1 Planteamiento del Problema
Durante las horas de alto consumo eléctrico, el sistema de distribución puede ser llevado a los
límites de operación y en la normatividad Colombiana no se evidencian políticas regulatorias
que incentiven a los usuarios finales residenciales a realizar desconexiones de carga en estas
horas y que además permitan un aplanamiento en su curva de carga.
La respuesta a la demanda (RD), se define como el cambio en los patrones o hábitos de
consumo de energía eléctrica por parte de los usuarios finales, como respuesta a la variación
en el precio de la electricidad en tiempo real, o a pagos de incentivos diseñados con el fin de
introducir un menor uso de la electricidad, cuando se presentan precios elevados o cuando la
confiabilidad del sistema se encuentra en riesgo (Marulanda García, 2014). Hay al menos tres
acciones por las que el consumidor puede optar; la primera es reducir su consumo de energía
durante las horas pico, lo que implícitamente genera un ahorro monetario y pérdida de
comodidad. La segunda es trasladar su consumo habitual a un horario en que el precio sea bajo,
y la tercera optar por generar su propia energía a través de la generación distribuida (Grajales
Espinal & Figueroa Patiño, 2012) .
La curva de carga Colombiana a nivel de distribución se caracteriza por estar constituida en
su mayor parte por usuarios residenciales, quienes representan de acuerdo a la UPME
aproximadamente un 51% del total de usuarios (UPME, MINISTERIO DE MINAS Y
ENERGÍA, 2011), los patrones de consumo de dicho grupo determinan un porcentaje
2
significativo del comportamiento de la curva de carga, por lo que se plantea incursionar en este
grupo de usuarios implementando RD, con presencia de generación distribuida (GD).
La generación distribuida se define como el uso de forma integrada o segregada de recursos de
generación o almacenamiento cercano al centro de carga. Estas se dividen en generación o
almacenamiento, que a su vez se clasifican en convencionales y no convencionales. Las
primeras incluyen cogeneración, turbinas de gas, microturbina y motor de combustión interna,
y las segundas utilizan recursos renovables, entre estas están: turbinas eólicas, celdas
fotovoltaicas, de combustible y biomasa (Hernandez, 2012).
Este proyecto de investigación plantea la siguiente pregunta problema: ¿Se producirá variación
en la curva de carga del usuario residencial estrato 4 de la cuidad de Bogotá, al utilizar
generación distribuida y programas de respuesta a la demanda como Precio Pico Critico (CPP)
y Precio por Tiempo de Uso (TOU)?
1.2 Justificación.
En Colombia la curva de carga característica (compuesta por los sectores residencial, comercial
e industrial) presenta dos picos de demanda, uno comprendido entre las 8-13 horas con su
punto máximo alrededor de las 12 horas (punta No1) y el segundo entre las 18 y 21 horas del
día con su valor pico a las 19 horas (punta No 2). Durante éste último el sistema de potencia
tiene un alto porcentaje de transferencia y generación, lo que lo lleva ocasionalmente a trabajar
en sus límites técnicos de operación. Debido a que este comportamiento es altamente
influenciado por el sector residencial, ya que esta franja coincide con los hábitos de los
“usuarios finales residenciales” en los que éste finaliza su jornada laboral, prime time de la
TV, etc. (Rueda, 2011) , se propone realizar estudios e implementar estrategias que incidan
3
sobre dicho sector de forma tal que minimicen su consumo, con el objetivo de generar ventajas
como: aumentar la confiabilidad del sistema, reducción de costos en generación, transporte y/o
distribución, un aplanamiento de la curva de carga, además de mantener un “balance entre
generación y demanda” (Marulanda García, 2014).
A raíz de las ventajas que genera influir en el consumo de los usuarios finales residenciales, se
deben encontrar estrategias que si bien contribuyen a su bajo consumo de la red no lleven a la
total perdida de la comodidad del usuario, lo que abre el espacio a la autogeneración definida
en la ley 1715/14 como “aquella actividad realizada por personas naturales o jurídicas que
producen energía eléctrica, principalmente para atender sus propias necesidades”, entre las que
se encuentra la energía fotovoltaica (UPME, 2014).
Se pretende realizar la simulación del comportamiento de la curva de carga del estrato 4 en la
cuidad de Bogotá con la implementación de programas de respuesta a la demanda Precio Pico
Crítico (CPP) y precio por tiempo de uso (TOU) mediante un caso de estudio de 100 usuarios
residenciales con acceso a GD evaluando el beneficio económico del usuario y el aplanamiento
porcentual en los picos de la curva típica.
4
1.3 Objetivos
1.3.1 Objetivo Principal
Evaluar la variación de la curva de carga residencial del estrato 4 de la ciudad de Bogotá mediante
un caso de estudio de 100 (cien) usuarios con acceso a Generación Distribuida y bajo esquemas
de respuesta a la demanda como Precio Pico Crítico y Precio por Tiempo de Uso.
1.3.2 Objetivos Específicos
1. Simular el porcentaje de variación de la curva de carga al incluir tres (3) escenarios con
diferentes porcentajes de penetración de Generación Distribuida bajo programas de
respuesta a la demanda TOU y CPP.
2. Verificar el ahorro que se produce al utilizar programas de gestión activa de la demanda
con presencia de generación distribuida frente a los actuales precios de consumo de la
red.
5
1.4 Alcances y limitaciones
Dentro de los alcances del proyecto de investigación, se encuentra evaluar el porcentaje de
aplanamiento de la curva de carga del estrato 4 de la ciudad de Bogotá, representado en el ahorro
energético porcentual y cuantitativo presente tras la implementación de Generación Distribuida
fotovoltaica para autoconsumo, bajo los esquemas de respuesta a la demanda TOU y CPP, esto
partiendo que los participantes del caso de estudio cuentan con un sistema automático que al recibir
las señales del operador de red del cambio de precio desconecta parcialmente su carga. Del mismo
modo se calcula el equivalente monetario de las disminuciones presentadas en la curva
característica y se comparan con los precios actuales de red, para determinar si existe un ahorro
frente a la regulación y costos actuales.
Ya que el objetivo del estudio es aplanar la curva de carga en función del uso total de la energía
disponible en GD, no se analizan escenarios de traslados de carga, ni análisis de excedentes.
Debido a la limitada bibliografía encontrada respecto al esquema de precios colombianos en lo
que respecta a programas de respuesta en demanda, se tomaron como referencia los aplicados a
nivel internacional.
6
2 MARCO TEÓRICO Y ESTADO DEL ARTE
La gestión activa de la demanda (GAD), se define como el conjunto de medidas para influir en el
comportamiento del consumidor con el objetivo que éste modifique sus patrones de consumo
buscando generar ahorro monetario y eficiencia energética. Por otro lado, la respuesta a la demanda
nace como consecuencia de la GAD la cual se define como la respuesta activa del consumidor
frente a las señales externas del operador (Fundación de la Energía de la Comunidad de Madrid,
2007).
En este capítulo se define la respuesta a la demanda, costos, beneficios y clasificación y además
se definen las principales características de la generación distribuida.
2.1 Programas de Respuesta a la demanda:
Los programas de Respuesta a la demanda están diseñados para estimular la respuesta del usuario
incentivándolo a participar en el mercado de energía, en la medida en que él sea capaz de modificar
sus hábitos de consumo. Estos programas buscan otorgar beneficios a los usuarios que participen
aunque es de aclarar que la efectividad depende entre otras cosas de la disponibilidad de
infraestructura de medición inteligente(Rendón, 2013).
Existen tres tipos de respuesta por parte del consumidor:
En primer lugar los usuarios pueden reducir su consumo sólo en los periodos pico, es decir, cuando
los precios son elevados pero conservando los patrones de consumo habituales en las horas
restantes. En segundo lugar, estos pueden responder a los precios, trasladando algunos de sus
consumos de horas pico a horas no pico (viable en usuarios residenciales). En tercer lugar, los
consumidores optan por generar su propia energía (autogeneración). Este tipo de usuario no
7
presenta ningún cambio en los hábitos de consumo porque está en capacidad de suplir su propia
carga, lo que se presenta como una disminución en la curva de carga del sistema eléctrico. Esta
última respuesta del consumidor es el objeto de estudio del presente documento.
Los programas de Respuesta a la demanda se clasifican en dos categorías que a su vez se
subdividen:
Programas Basados en Incentivos (IBP)
Programas Basados en Precios (PBP)
IBP busca generar una disminución de carga de tal forma que se puedan enfrentar algunas
contingencias posibles del sistema eléctrico durante periodos específicos del día. Estos se
encuentran divididos en las siguientes categorías ( Figura 1):
Programas Clásicos: Los usuarios reciben incentivos particularmente económicos, representados
en créditos o disminuciones en sus cuentas, estos se clasifican en control directo de carga o
interrumpible/ corte de carga.
Programas Basados en Mercados: En este se recompensa el usuario en función de su desempeño
frente a las señales enviadas por el operador del sistema.
PBP plantea un sistema en el que las tarifas son dinámicas y estas representan los costos reales de
la electricidad. La finalidad de dicho programa es el aplanamiento de la curva de carga, porque
implementa un alto costo de la energía eléctrica en horas de alto consumo y bajas tarifas en
periodos con poca demanda de energía. se encuentran los siguientes programas (Grajales Espinal
& Figueroa Patiño, 2012):
- Tiempo de Uso (TOU)
8
- Precio Pico Crítico (CPP)
- Precio al día extremo (EDP)
- Día extremo CPP (EDP-CPP)
- Precio en tiempo real (RTP)
El programa más usado en el sector residencial es TOU, para su implementación se requieren
equipos de medida inteligentes con capacidad de almacenamiento y asistencia remota (Baratto,
2010). Este divide el día en varios periodos, en los que el precio de la electricidad varía, es
recomendable tener una división mínima de dos periodos (precio Valle y Precio Pico) o más
siempre que esta no sea elevada para evitar así confusión en los usuarios. Respecto al precio este
puede ser “del orden de 10 veces mayor que en un periodo valle”, para incentivar el consumo en
horas no pico (Cerezo, 2010).
El modelo CPP está basado en TOU, este presenta igual discriminación de franjas horarias (Precio
Valle y Precio Pico), su diferencia radica en la existencia de un evento crítico que es generado por
la alta demanda en un periodo de tiempo determinado, hecho que puede generar un alza en las
tarifas de generación, en algunos casos el precio de la electricidad puede ser “del orden de 2 o 3
de TOU” (Cerezo, 2010).
9
Figura 1. Clasificación de los programas de Respuesta a la demanda (Grajales Espinal &
Figueroa Patiño, 2012).
Programas de Respuesta de
Respuesta a Demanda.
Programas Basados en Incentivos (IBP)
Clásicos
Control directo de carga
Ininterrupibles/Corte de Carga
Basados en Mercados
Demanda por Licitación
Emergencia
Capacidad del Mercado
Servicios Auxiliares
Programas basados en precios (PBP)
Tiempo de Uso (TOU)
Precio Pirco Crítico (CPP)
Día Extremo de CPP (ED-CPP)
Precio de día Extremo (EDP)
Precio en tiempo real (RTP)
10
2.1.1 Beneficios de la Respuesta a la demanda.
La respuesta a la demanda consiste en programas que incentiven el ahorro y eficiencia en la
energía, lo que producen beneficios que se han clasificado por Grajales en “Programas de respuesta
a la demanda y su posible impacto en el sistema eléctrico Colombiano” en cuatro grupos:
Participantes, Mercado, Confiabilidad y funcionamiento del mercado (Grajales Espinal &
Figueroa Patiño, 2012).
Los participantes pueden obtener ahorros en su factura de electricidad tras la reducción de
consumos en horas pico. En algunos casos estos reciben grandes descuentos en sus cuentas sin
tener que variar en gran medida sus patrones de consumo (Grajales Espinal & Figueroa Patiño,
2012). Además, los participantes logran obtener un aumento en la confiabilidad del suministro de
energía eléctrica debido a que reducen el porcentaje de riesgo de exposición a cortes involuntarios
de energía.
Los usuarios que no participan en los programas de respuesta a la demanda consiguen recibir
algunos beneficios económicos, en consecuencia a que al disminuir el consumo global de energía,
el precio de la misma decae y estos recibirían descuentos en el costo de sus facturas.
En el mercado se pueden obtener beneficios respecto a generación, transporte y distribución de
energía eléctrica ya que existirá un uso eficiente de la estructura, lo que aplazará las inversiones
en la misma evitando así cualquier adición sobre las redes existentes y con ello un importante
ahorro en los cargos de generación de energía. Se presenta también una disminución en la demanda
pico del sistema que se puede traducir en un “menor flujo de potencia” lo que evitaría un desgaste
continúo en la vida útil en las líneas. Es de anotar que el mercado recibe también un beneficio
11
respecto a los precios de bolsa, pues al disminuir la demanda, se evita el poner en marcha las
generadoras de alto costo (térmicas) y reducen las pérdidas.
El funcionamiento del mercado es influenciado por la entrada de la competencia minorista además
que permite al participante gestionar su consumo y de esta forma contribuir con el movimiento del
mismo (Grajales Espinal & Figueroa Patiño, 2012).
Finalmente respecto a la confiabilidad, la red estaría expuesta a menor estrés en periodos de
demanda pico generando un aumento de confiabilidad global del mismo. (Marulanda García,
2014) Es de anotar que el operador de red se beneficiaría ampliamente de este aspecto pues tendría
la posibilidad de administrar de una forma más eficiente sus recursos y opciones, además podría
llegar a asegurar a las pequeñas industrias la ejecución continua de sus actividades en las que
requiera del suministro de energía eléctrica (Grajales Espinal & Figueroa Patiño, 2012) .
2.1.2 Costos de implementar Respuesta a la demanda.
Para la puesta en servicio de los programas de respuesta a la demanda es necesaria una inversión
inicial en diferentes ámbitos, tanto del operador de red como del usuario final, estos son:
La primera parte debe ser aportada por el usuario y será la tecnología e infraestructura necesaria
para el funcionamiento del mismo, en esta se incluye electrodomésticos inteligentes, medidores
bidireccionales, controladores de carga, transferencias y unidades de generación distribuida.
Respecto al operador de red, este debe contar con mediciones instantáneas de potencia para
conocer el consumo en real del usuario, además de invertir en la infraestructura necesaria para
establecer un camino de comunicación entre el usuario final y el operador de red, con lo cual se
logrará establecer una vía eficiente para notificar las variaciones de los precios (Grajales Espinal
& Figueroa Patiño, 2012).
12
Es de aclarar que para una implementación de los programas anteriormente descritos en Colombia,
se hace necesario un cambio en la regulación tarifaria por parte de la GREG pues actualmente por
la resolución 25 de 1995, existe un único precio para los usuarios regulados en Colombia (Rendón,
2013) y para la ejecución de programas RD es necesario la implementación de tarifas dinámicas
además de un cambio en la facturación, esta actividad implica una inversión en este caso por parte
del estado Colombiano.
Por último es un costo bajo la responsabilidad de los tres actores mencionados anteriormente la
capacitación de los usuarios para la correcta incursión y aceptación de los programas RD en el
mercado (Grajales Espinal & Figueroa Patiño, 2012).
2.2 Generación Distribuida
La generación distribuida (GD) se define como el uso de forma integrada o segregada de recursos
de generación o almacenamiento de energía cercano al centro de carga. Puede tener la opción de
comprarse o venderse a la red eléctrica además de generar beneficios con su uso al sistema
eléctrico.
Según Hernández en la Figura 2 las tecnologías de GD se dividen en generación y
almacenamiento, que a su vez se clasifican en convencionales y no convencionales. Las primeras
incluyen cogeneración, turbinas de gas, microturbinas y motor de combustión interna. Las
segundas utilizan recursos renovables entre estas están: turbinas eólicas, celdas fotovoltaicas, de
combustible y biogás (Hernandez, 2012).
13
Figura 2. Clasificación de las tecnologías en Generación Distribuida. Copyright 2012.
(Hernandez, 2012)
2.2.1 Sistemas Fotovoltaicos Autónomos.
Los Sistemas fotovoltaicos autónomos son instalaciones que carecen de conexión al sistema
interconectado nacional. Estos se caracterizan por tener un sistema de acumulación de energía o
conexión directa. Los primeros están conectados a baterías que permiten el suministro eléctrico en
presencia de poca o nula radiación solar y los segundos son aquellos que se encuentran conectados
TECNOLOGÍAS EN GENERACIÓN
DISTRIBUIDA (DG)
GENERACIÓN
Convencionales
Cogeneración
Turbinas de Gas
Motor de Combustión Interna
Microturbina
No Convencionales
Turbinas Eólicas
Fotovoltaico (solar)
Celdas de Combustible
Biogás
ALMACENAMIENTO
Baterías
Volantes de Invercia
Bobinas Superconductoras
A base de Hidrógeno
14
directamente a las cargas y sólo pueden ser utilizados en presencia de radiación («Fotovoltaica
aislada», 2016).
2.3 Estado del Arte
En este apartado se realiza una revisión de la literatura científica referente a políticas regulatorias
que contemplen estrategias de deslastre de carga por parte de los usuarios residenciales. En esta
misma revisión se exponen experiencias de la respuesta a la demanda en los continentes de Asia,
América del Norte y Europa.
2.3.1 Antecedentes TOU
En el año de 2009 Shaikh et. Al. Plantea un caso de estudio maximizando una función objetivo
para la generación óptima y ahorro máximo de energía bajo el esquema de respuesta a la demanda
por pago por tiempo de uso (TOU), clasificando a los consumidores en clientes que se mueven por
precios y beneficios inmediatos, los que analizan el consumo y aprovechan los incentivos para
maximizar su utilidad marginal y los consumidores reales afines al consumidor actual.
Para solucionar la función objetivo se ejecuta un flujo de carga que tiene en cuenta los parámetros
eléctricos, los tipos de consumidores y el precio de la energía. El estudio concluye que las curvas
de carga varían en función a la estación climática en la que encuentren, se confirma la dependencia
entre la carga y la tarifa de la energía, y propone variar el precio de la energía basándose en las
estaciones climáticas que se presentan en India (Shaikh & Dharme, 2009).
En 2011 se publica un caso de estudio en el estado de Connecticut Nueva Inglaterra de un mercado
minorista con presencia de TOU, evaluando el impacto al ingresar al mercado mayorista donde
existen varios tipos de contrato (pool, forward, call options, autoproducción y contratos de carga
interrumpible). En este se desarrolla una programación estocástica cuyo principal objetivo es
15
maximizar los beneficios esperados y minimizar de manera simultánea los riesgos, mediante una
función objetivo. Para ello se considera la elasticidad del consumidor y se modela la respuesta del
mismo a los cambios del precio de venta minorista. Además aplica un modelo de incertidumbre
que considera las fluctuaciones del precio de bolsa y la demanda minorista.
El modelo es validado con 160 escenarios y seis casos en los que en todos hay presencia de
comercialización con precios pool y se varía la presencia de forward, autogeneración etc.
El estudio concluye que el mercado minorista para ser óptimo debe utilizar los precios Spot y
opciones tales como auto-producción, contratos en firme, opciones de compra y contratos
interrumpibles de tal forma que se cubra la demanda y además minimice los riesgos, propone los
precios óptimos de venta para horas pico y no pico, además de identificar que se obtienen mayores
ganancias al realizar variaciones en el riesgo y aumentarlo progresivamente (Hatami, Seifi, &
Sheikh-El-Eslami, 2011).
En el 2011 Y. Liao et al. a través de la optimización de Pareto, proponen un modelo para la fijación
de precios en la forma de respuesta a la demanda TOU, basándose en el costo marginal de corto
plazo, las restricciones de la red y el efecto que puede tener en ella la respuesta de los usuarios en
la operación de carga. El objetivo es minimizar las perdidas en la red mientras el beneficio del
proveedor y el consumidor se mantiene. Se utiliza el sistema de 14 Nodos IEEE para validar el
modelo.
Para el cálculo de los precios de TOU se plantean los supuestos de: se divide el día en 3 periodos
cada uno de 8 horas que van a representar Periodo pico, periodo plano y periodo valle, el usuario
ajustara su tiempo y cambia su consumo para obtener el mayor beneficio.
16
Entre las conclusiones que presenta el estudio se encuentra que la respuesta del usuario respecto
al cambio de precios influye en el comportamiento del flujo de carga del sistema de potencia
además a través de los resultados. Se observa que la fijación de precios de TOU es una forma
efectiva para guiar a los clientes al cambio mientras que no afecte a los proveedores de energía
(Liao et al., 2011).
En el mismo año, con el fin de lograr una minimización en los costos de la factura a través de la
gestión de los diferentes electrodomésticos presentes en un hogar, Lee et Al, clasifican los
electrodomésticos en 4 grandes grupos de acuerdo con sus condiciones de operación, consumo de
energía, elasticidad y se dan modelos matemáticos para describir cada grupo.
Posterior se implementa un algoritmo que a partir de la característica de consumo de los
electrodomésticos, plantea un esquema TOU que modifica los horarios de consumo de forma tal
que minimizan los costos. El algoritmo tiene en cuenta variables como la energía máxima y mínima
consumida por cada electrodoméstico en un tiempo (t), los horarios en que se consume dicha
energía y el precio en ese instante. Ejecutando la minimización se concluye que el algoritmo
propuesto minimiza de forma adecuada el precio de la factura, pues organiza de forma efectiva el
tiempo y el consumo de energía para cada electrodoméstico (Lee & Lee, 2011).
En el año 2012 Yang et Al., plantean un estudio a través de teoría de juegos para encontrar el
precio óptimo por TOU, propone modelos y funciones para los costos de forma tal que contemple
el máximo beneficio para el usuario y la empresa prestadora del servicio.
La estrategia aplicada consiste en: dividir un día en N periodos y optimizar el precio para cada uno
de ellos. El objetivo es influir en el comportamiento de los usuarios, quienes están informados con
antelación de las variaciones de los precios TOU tal que la carga a lo largo del día se nivele.
17
La solución se plantea a través de un modelo multi-escenario que por métodos de iteración de
Newton Raphson encuentra el equilibrio de Nash y una minimización alternativa. Para finalizar el
estudio diseña funciones de utilidad tanto para la compañía generadora como para los usuarios que
se resuelve de igual forma por el equilibrio de Nash. Como conclusión, confirma que la estrategia
propuesta puede nivelar la demanda del usuario, aumentar las ganancias y reducir sus facturas de
electricidad, además que una curva de demanda nivelada aporta garantías de un sistema de energía
más confiable (Peng, Yang. Gongguo, Tag. Nehorai, 2012).
En el año 2013 si bien en Ontario ya se encuentra instalado un programa de TOU, Adepetu et Al.
identifican las falencias que presenta y como se podría optimizar. El análisis se inicia con la
premisa que en Ontario el 92% de los usuarios cuenta con una infraestructura de medición
avanzada (AMI). En el sitio existen dos estaciones en el año (verano e invierno) y los parámetros
empleados como datos de entrada de la optimización son reales pues se usan las curvas TOU
actuales.
Para realizar la optimización los autores utilizan la técnica estadística estándar Bootstrapping, en
la que dividen el calendario en dos estaciones que tengan un comportamiento aproximado a las
curvas preestablecidas y realizan todas las posibles combinaciones de semanas para formar las
diferentes estaciones del año. Se concluye que se ha logrado el objetivo puesto que la forma en
que se ha implementado el TOU presenta inconvenientes porque no se obtuvo una reducción del
consumo de energía y por el contrario se ha incrementado con relación a los años anteriores. Se
compara con otro programa CPP donde se concluye que este es capaz de reducir la carga máxima
del 30% mientras que se espera que en un esquema de TOU sencillo se puedan lograr reducciones
de carga de hasta el 5%.Partiendo de dichas afirmaciones se recomienda utilizar un programa CPP
18
en Ontario y generar energía por medio de sol o viento para cubrir picos de carga (Adedamola
Adepetu, Lizotte, & Keshav, 2013).
En el año 2014 Hussin et Al., analizan los impactos que tendría incluir el esquema de respuesta en
demanda de pago por tiempo de uso TOU en Malasia pues en este lugar se cuenta con un único
precio para los usuarios residenciales. Se cuantifican monetariamente los impactos tanto para los
consumidores como para las empresas de servicios públicos en un escenario en el que existan 5
generadores y tres tipos de carga cargas (industrial, residencial y comercial).
Los autores proponen 2 picos horarios: 6:00 a.m. – 8:00 a.m. y 8:00 p.m-10:00p.m. además de dos
escenarios para realizar la simulación y una optimización lineal de ecuaciones. Para el primer
escenario se desplaza el consumo de las horas pico presentes entre las 7-9 am a las horas valles
comprendidas entre 22-23 o 6 am y en el segundo se divide el consumo pico en más fracciones
valle que existan en el día, como: 9-12 y 14.
Se concluye que los costos de generación se pueden reducir si los precios de electricidad TOU se
introducen en clientes residenciales con una adecuada selección de la hora pico además de una
disminución de costos de producción en el escenario número 1 (Hussin et al., 2014).
Durante el mismo año Zhao y Ming, con el objetivo de investigar un modelo de respuesta a la
demanda para conocer los precios óptimos de TOU modelan la demanda por medio del cálculo de
un coeficiente de desplazamiento de la carga. Para dicho coeficiente se construyen relaciones
cuantitativas entre el modelo de demanda basado en la psicología y la matriz elasticidad precio de
la demanda.
Proponen un método para calcular la matriz elasticidad precio que pueda ser evaluado en tiempo
real, en su solución se usan las expansiones de Taylor de primer orden. Este enfoque permite
19
calcular los cambios del consumo energético cuando los precios del TOU varían, por lo que se
puede predecir la demanda bajo los diferentes precios de TOU.
Se concluye que la respuesta al incentivo de TOU por parte de los usuarios debe ser la base para
tomar la decisión de implementarlo, además que considerando la respuesta de los usuarios frente
a los diferentes periodos de consumo es posible calcular un coeficiente que represente esta
probabilidad de cambio (Zhao & Ming, 2014).
En el mismo año Ahamed et Al, desarrollan un estudio alrededor de la creación de un algoritmo
capaz de solucionar la respuesta a la demanda bajo el esquema TOU con la particularidad que tome
en cuenta los horarios óptimos en que las cargas de un hogar puedan estar en funcionamiento.
Para su implementación se formula un problema a través de: MDP (MARKOV DECISION
PROCESS) que se soluciona empleando multiplicadores de Lagrange.
Entre los resultados obtenidos se encuentran que conforme la carga máxima disminuye, la curva
se aplana. Además a medida que la demanda máxima disminuye también los costos (Imthias
Ahamed & Borkar, 2015).
En el año 2015 Tizghadam et Al, realizan en EE.UU un estudio enfocado a examinar como un
prestador de servicios puede administrar el suministro de energía minimizando el gasto de
electricidad en un sistema multinodal partiendo que en cada nodo se dispone de un sistema
fotovoltaico compuesto por un panel y una batería.
El estudio se basó en un sistema de 12 nodos que representa una ciudad (Seattle, Denver,
Sunnyvale, Los Angeles, Houston entre otras), estas fueron escogidas ya que la radiación en cada
una de las ciudades es distinta mientras sus consumos son similares.
20
Se desarrolló un algoritmo que administra el almacenamiento de energía y se soluciona por medio
de optimización; para la toma de decisiones se tienen en cuenta la cantidad de energía demandada
por el usuario, la disponibilidad de la misma por parte del panel, la batería y la red, así como el
precio de producir con cada una de ellas. En adición, toma en cuenta el nivel de carga de la batería,
de potencia presente en el sistema fotovoltaico, la potencia demandada por el usuario y la potencia
entregada por la red.
Se concluye que la energía renovable y almacenamiento puede proveer hasta un 60% de los gastos
de electricidad. Además existe un impacto significativo (inversamente proporcional) en el tamaño
de los paneles usados frente al gasto de energía. También se comprueba que al aumentar
indefinidamente el tamaño del almacenamiento se tiene un impacto más tenue en la reducción de
los gastos de energía (Abji, Tizghadam, & Leon-Garcia, 2015).
En la Figura 3 se expone la línea de tiempo correspondiente a los estudios TOU.
Figura 3. Línea de tiempo Antecedentes TOU
21
2.3.2 Antecedentes CPP
A lo largo del 2007 Joo et Al, implementan un programa de respuesta a la demanda por precio
pico crítico (CPP) que maximiza el beneficio de una empresa prestadora de servicios (ESP) a través
de la selección adecuada de los días críticos en los que debe implementarse.
Para lograr el objetivo planteado los autores proponen dos metodologías para la determinación del
precio. La primera lo predice a partir de la relación encontrada en los datos históricos
documentados entre el precio y la carga, lo que a su vez determina la volatilidad del precio. El
segundo método es hallar los días pico críticos óptimos para el modelo.
Se validan las metodologías en un caso de estudio numérico que toma como datos de entrada la
carga y los precios de agosto de 2006 obtenidos de la página de la Organización Regional de
Transmisión PSM del distrito de Columbia, se simula por un periodo de 30 días, con 5 nodos de
decisión y un máximo de tres eventos CPP con una frecuencia de 24 horas. Frente a este estudio
se concluye que el programa de respuesta a la demanda por CPP es óptimo si se eligen de manera
adecuada los días en los que se va a presentar un evento pico, además que el precio propuesto debe
mantenerse constante en un intervalo mínimo de un mes y ser notificado con antelación a los
participantes (Joo et al., 2007).
En el año 2009 Zhang et Al valida a través de un caso de estudio en el mercado de Nueva Inglaterra
un programa de respuesta a la demanda CPP, que incluye la elasticidad precio de la demanda y la
selección adecuada de los días críticos de forma tal que genere altos beneficios. Se propone una
función objetivo a maximizar que considera los intereses del usuario y la empresa prestadora de
servicios. La función simula el mercado, durante un mes con 4 eventos picos e intervalos entre
22
ellos de mínimo 24 horas. Los datos base para el estudio son los consumos del mes de Agosto del
2002.
Los autores concluyen que si se aumentan considerablemente los días pico, los ahorros por parte
de los usuarios disminuyen, mientras que las ganancias de la empresa prestadora de servicio
aumentan. Para confirmarlo numéricamente documentan que la reducción en los gastos de
electricidad por parte de los usuarios es del orden de 1,58%, mientras en contraposición la empresa
prestadora de servicios ahorra un 8,57% en costos de comercialización e incrementa sus ganancias
en un 27,5% (Zhang et al., 2009).
En el año 2010 Herter desarrolla un estudio que tiene por objetivo proporcionar una mayor
comprensión de la respuesta de los usuarios participantes en el programa de respuesta a la demanda
CPP en el estado de California.
El documento analiza los datos de 483 hogares sin presencia de electrodomésticos gestionables
que formaron parte de un programa de CPP durante julio y septiembre de 2004.
Se usa una regresión específica por usuario para estimar la respuesta frente al programa CPP. Los
resultados iniciales mostraron que los usuarios si modificaron sus consumos y vislumbran empatía
con la nueva tarifa. En segundo lugar, se comprueba la eficacia de los eventos CPP en la reducción
de los picos de demanda y proporcionan evidencia que los usuarios desplazan la carga a antes y
después de las horas y días pico. Para finalizar, se concluye que existen diferencias marcadas entre
la respuesta de los usuarios en función de los tipos de vivienda y climas, por ejemplo, en las
viviendas con alta concentración familiar se obtuvieron reducciones de carga de 7,8%, en
apartamentos 2,9% y viviendas unipersonales 3,2% (Herter & Wayland, 2010).
23
En el año 2011 Wang et Al. realizan un estudio en Gran Bretaña para encontrar un diseño
apropiado de intervalo para el precio pico través del análisis estadístico de distribución de los
índices de mercado y volumen de los años 2009 y 2010.
El estudio concluye que no es necesario establecer un periodo pico en los días festivos ya que el
promedio más alto se presenta entre semana. En adición, se logra un ahorro de 2,4 libras por kWh
durante el periodo de un año y al final indican que CPP es usado para conservar el balance entre
el costo de suplir electricidad y los ingresos del mercado minorista (Wang & Li, 2011).
En año 2012 Mathaba et Al., evalúa el beneficio monetario en el costo de la electricidad tras aplicar
a una planta de cinta transportadora un modelo MPC en presencia del programa de respuesta a la
demanda CPP, variando el tamaño de almacenamiento en el perfil de carga así como el costo de
energía.
Entre las conclusiones que presentan los autores se encuentran que MPC es un modelo de control
adecuado para la programación de cintas transportadoras bajo CPP. A su vez, se comprueba que
MPC puede hacer la división de carga durante varios días a comparación del control óptimo que
solo lo puede lograr en un día. Para finalizar se comprueba que aunque se aumente
indeterminadamente el tamaño del almacenamiento tras cierto porcentaje el beneficio permanece
constante (Mathaba et al., 2012).
En el año 2014, Sakamoto et al, con el objetivo de proporcionar una perspectiva de análisis
integrado de la demanda de energía con los hábitos de consumo, evalúan a través de una encuesta
el efecto del programa de respuesta a la demanda CPP, y durante las horas pico se incentiva a los
integrantes del grupo familiar a abandonar sus viviendas.
24
El cuestionario indaga desde las características estructurales de la vivienda hasta los
electrodomésticos disponibles. Fue realizado por internet entre febrero y marzo de 2012 y se
obtuvieron 64000 respuestas. Las opciones propuestas en las preguntas eran: quedarse en casa con
el uso habitual de los electrodomésticos (TV y aire acondicionado),o salir y apagar todo, respecto
a los precios de CPP se establecen a 2, 3, 4, 6 y 10 veces al valor actual.
Se concluye que las personas tienen la tendencia de apagar los televisores cuando los precios de la
electricidad son altos, en especial en hogares con presencia de niños. Sin embargo en aquellos con
ingresos altos no surge el mismo efecto, al igual que los habitados por adultos mayores. Indica
además que el programa de respuesta a la demanda CPP tiene un impacto significativo no solo en
el ahorro energético sino también en los hábitos de los miembros del hogar pues los incentiva a
salir de sus viviendas. Esto quiere decir que el ahorro de energía reduce los costos directos pero
induce costos de oportunidad, por lo que afecta negativamente a las personas con limitaciones de
movilidad y de tercera edad (Kii, Sakamoto, Hangai, & Doi, 2014).
Durante el 2016 en Japón, Kato publica un estudio con el objetivo de investigar la naturaleza de
las decisiones de consumo basados en los datos obtenidos en un experimento de 176 hogares
ubicados en el área Kitakyushu bajo el esquema de precios CPP, partiendo además de las
características del hogar, tipo de vivienda, temperatura y cultura del ahorro.
Se concluye que la implementación del programa de respuesta a la demanda CPP efectivamente
reduce de manera significativa el consumo de la energía, que a su vez varía en función de las
características del hogar (el tipo de vivienda, la temperatura), además de la proporcionalidad entre
temperatura y consumo de energía. Finalmente concluye que el número de hogares que practican
el comportamiento del ahorro aumentan entre el 6,5% y el 8,8% siendo unas tasas un poco bajas
25
de lo esperado. En adición se define que el comportamiento máximo de ahorro se obtuvo en
respuesta al precio de 150 Yen/Kwh (Kato et al., 2016).
En la Figura 4 se presenta una línea de tiempo acerca de los artículos de CPP.
Figura 4. Línea de tiempo Antecedentes CPP.
2.3.3 Otros Estudios
En el año 2010, (Cerezo, 2010) a partir del análisis de proyectos internacionales en los que se
realizó un programa de respuesta a la demanda tanto en el sector residencial como en pequeños
comercios, donde se determinaron los impactos, formas de implantación y repercusiones en las
curvas de carga de los sistemas, plantea predecir el comportamiento y las posibles pautas para una
aplicación en el sistema eléctrico español.
La metodología que emplea es la siguiente:
Tras la caracterización de la tendencia de la curva de carga, se describen las principales
características de la zona residencial entre las que se encuentran las horas en las que se tienen
mayores consumos y cómo ésta responde a los hábitos culturales del sector. Posteriormente
caracteriza la curva en función del análisis de consumo por hora de cada electrodoméstico presente
en la vivienda para saber así en que franja se utilizan. Seguido a esto, plantea las características
específicas de los equipos a gestionar, los electrodomésticos como lavadoras, lavavajillas y
calefacción.
26
Posteriormente toma una curva de carga que tiene en cuenta todos los electrodomésticos posibles
gestionables, para simular así el escenario más crítico y aplicar allí la respuesta a la demanda. Esto
se implementa a través de una macro en Excel, a partir de los consumos de los electrodomésticos
los ubica en una franja, y de esta manera se arma la curva.
El autor ejecuta simulaciones de 3 escenarios donde se varían horarios, además se apoya en
encuestas con el fin de apoyar el último escenario de hábitos de consumo.
Entre las conclusiones se presentan que los cambios de la curva de carga dependen de variables
como las estaciones, temperatura y la situación económica. Además, se deben gestionar cargas que
sean susceptibles de ello, como por ejemplo las lavavajillas, lavadoras, calefacción y descartar
aquellos que son de consumo inmediato como la iluminación, pues estos afectan el confort del
usuario y se busca que los programas de respuesta a la demanda no generen dichos inconvenientes
o esto produciría aversión a la implementación de estos proyectos. Para finalizar, se indica que el
consumo promedio de un usuario residencial es proporcional a la cantidad de personas que se
encuentran de manera constante en la vivienda, al igual que el costo del consumo de la energía
(Cerezo, 2010).
2.3.4 Antecedentes en Colombia de RD entre 2010 a 2016
Para finalizar, en lo que respecta a Colombia, durante el año 2010 Baratto, (Baratto, 2010) evalúa
las consecuencias de trasladar los precios de energía desde el MEM al mercado minorista como
un mecanismo para promover cambios en los patrones de consumo. Realiza un caso de estudio de
un mercado de usuarios no regulados, donde mide los beneficios de cambiar el consumo de horas
pico a no pico.
27
La autora propone indicadores para hacer un seguimiento a los rendimientos reales de estos
programas. Los resultados concluyen que se tienen beneficios de 200 millones anuales y
reducciones en el pico de demanda del 1%.
Respecto a la metodología, se efectuaron las simulaciones en dos (2) periodos con condiciones de
precios diferentes: el primer caso en febrero con buenas condiciones de precio en bolsa
(moderados) y el mes de septiembre con condiciones desfavorables en el componente hídrico por
lo que los precios en bolsa eran aún más elevados, se proyecta la disminución o modificación de
la curva de demanda, sumando el factor de la elasticidad demanda de cada sector.
Se construye la curva de carga para determinar las horas pico en los que se puede lograr la
reducción, se estima el consumo y el precio en bolsa. Además, se proponen las nuevas horas en
las que se distribuya el consumo, se calcula del precio en bolsa, y con la elasticidad demanda de
cada sector, determinan la cantidad de energía a trasladar.
Para terminar se calcula el ahorro como la diferencia entre el valor de la energía inicial consumida
y el valor de la energía final a la hora pico. Este se calcula a través de un factor la demanda pico o
máxima.
Respecto a las conclusiones, Baratto indica que en Colombia el Mercado de Energía eléctrica no
es totalmente eficiente ya que no todos los agentes que participan en su cadena de valor, no
influyen ni participan de manera activa en la construcción del precio, lo que hace necesario buscar
estrategias que incentiven un cambio en dicho paradigma como son los programas de respuesta a
la demanda. Se observa que en función de la curva de carga del usuario, es eficiente o no la
implementación de un programa de respuesta a la demanda, es decir, si su consumo es muy plano
va a perder el sentido aplicarlos. Además concluye que el éxito de un programa de gestión activa
28
de la demanda depende de la participación que se tenga de los usuarios. Para el estudio se usaron
porcentajes de penetración del 60% en adelante.
A manera de conclusión propone que el programa de respuesta a la demanda debe ser coherente
con el tipo de usuario, analizar sus comportamientos y hábitos para diseñarle o aplicarle el que
mejor se acerque a sus necesidades (Baratto, 2010).
Rendón (Rendón, 2013) en el año 2013 propone un método que se adapta al sistema y al mercado
de energía de Colombia de tal forma que incentive a los grandes consumidores a trasladar los
consumos a horas de mínima carga, logrando así un aplanamiento en la curva y optimizar costos.
El estudio fue realizado en conjunto con la compañía expertos en mercados S.A. E.S.P (XM), y
desarrollaron la siguiente metodología:
Ejecutan la simulación de las transacciones realizadas en la bolsa de energía cubriendo el proceso
desde el despacho económico hasta la liquidación de las transacciones económicas del mercado.
Para ello se seleccionan los días 16 de febrero y 7 de julio de 2011. El primer día corresponde a
una temporada en que la hidrología es alta para generar con bajo costos, mientras en el segundo se
presenta hidrología baja.
Siguiendo la elasticidad de demanda de los diferentes sectores productivos se aplican estos
coeficientes a la curva de carga de un día específico y se evalúan los siguientes 2 escenarios:
Caso 1: flexibilidad real del sector productivo.
Caso 2: Triple flexibilidad.
• Curva de carga.
• Elasticidad de demanda de los sectores productivos.
29
• Datos estadísticos de los precios de las transacciones del mercado caso 2: Triple
flexibilidad.
Tras el estudio se concluye que durante el día 16 de febrero bajo el caso 1 se obtuvo una diminución
en los costos totales de producción del 0,4%, es decir 60 millones de pesos y en cuanto a carga de
483MW. Y bajo el caso 2 se obtuvo una disminución del 0,43% es decir 64 millones y en carga
664MW.
Durante el día 7 de julio en el caso 1: Los costos disminuyen 1,7%, es decir 193 millones de pesos
y en el caso 2: Los costos bajan 1,99% es decir 226 millones de pesos.
Para terminar, a través de las simulaciones de las transacciones del mercado de energía, el autor
explica que con la aplicación del programa de respuesta a la demanda TOU, que incentive la
participación de los usuarios en respuesta a una señal de los precios, haciendo que estos modifiquen
sus procesos productivos, se obtienen grandes beneficios para todos los actores del mercado y no
requiere modificaciones en la reglamentación actual ni inversión en la infraestructura, teniendo
que este estudio fue aplicado para usuarios no regulados (Rendón, 2013).
En la Figura 5 se expone la línea del tiempo de los artículos desarrollados en Colombia acerca del
tema.
Figura 5. Línea de tiempo Antecedentes en Colombia
30
3 CARACTERIZACIÓN CURVA DE CARGA Y ESQUEMAS DE PRECIOS
Para realizar las simulaciones es necesario conocer los datos de entrada que son: curva de carga
del estrato 4 de Bogotá y un esquema de precios definido. En este capítulo se describe el proceso
realizado para la obtención de esta información.
3.1 Reunión de la Información.
Durante la búsqueda de información para la construcción de la curva de carga del Estrato 4 en la
ciudad de Bogotá se realizaron las siguientes consultas:
1. A través del portal web de XM en la extensión Información Operativa y Comercial, se
consultó la “Demanda de Electricidad” donde se encontraron algunas curvas como: Pronóstico de
la demanda por departamento y nodo donde se observa el nivel de tensión, la energía activa,
reactiva y pérdidas. Pronóstico Operativo de demanda del Centro Nacional de Despacho, que
indica las subestaciones que van a estar en uso en todo el territorio nacional, un estudio final sobre
la cantidad de energía que se predice y la que realmente se suministra en Colombia. Sin embargo,
no se encontró un consolidado puntual del consumo del estrato 4 (XM, 2016).
2. La segunda buscaba a través del operador de red construir las curvas de carga de circuitos
puntuales de la Ciudad de Bogotá que pertenecieran a dicho estrato, por lo que a través de la página
de la Secretaría de Planeación Distrital (ANEXO 1) , se consultó y determinó que para el año 2011
(información más reciente encontrada) las localidades con mayor concentración de estrato 4, son
Suba y Usaquén con 54.191 y 49.545 viviendas respectivamente, (Secretaria Distrital de
Planeación. SDP, 2011) que corresponden a aproximadamente el 20 y 21% del total de viviendas
de dicho estrato en la ciudad de Bogotá. (Ver Figura 6).
31
Figura 6. Cantidad de Viviendas estrato 4 por localidades en Bogotá. Fuente SDP.
Con la información anterior, se solicitó a CODENSA S.A. E.S.P. a través de un oficio los datos de
consumo de las subestaciones y circuitos puntuales que pertenecieran a dichas localidades y así
construir la curva de carga, requerimiento al que el operador de red no brindó su apoyo.
Por lo anterior se toma la determinación que en conjunto con el grupo de investigación de
compatibilidad electromagnética (GCEM) al que pertenecen las autoras, estudiantes Kelly
Alexandra Hernández Hernández, Johan Sebastian Carrillo Cruz y la Docente candidata a
doctorado Adriana Marcela Vega E, de realizar las mediciones puntuales, para la construcción de
la curva de carga del estrato 4 de la ciudad de Bogotá.
0,000%
5,000%
10,000%
15,000%
20,000%
Concentración Viviendas Estrato 4, por Localidades en Bogotá.
32
3.2 Metodología para la Caracterización Curva
Para el desarrollo de esta etapa, se toma una muestra aleatoria del conjunto general “Estrato 4
residencial de la ciudad de Bogotá”, debido a que este cuenta con 253.877 viviendas y la
caracterización de un solo usuario debe hacerse por lo menos por 5 días lo que generaría un proceso
fuera del tiempo estimado para mediciones.
3.2.1 Instalación de Equipos
Se instalaron seis (6) equipos de manera simultánea durante ocho (8) semanas para medir la
potencia activa de dieciocho (18) usuarios residenciales estrato cuatro, La discriminación de
equipos es: cuatro (4) PQA 823 HT Instruments, Un (1) Fluke 435 y Un Fluke (1730).
Las mediciones en cada usuario fueron por un periodo de tiempo de 5 a 7 días completos (00:00
hasta 23:58) con un tiempo de muestreo de dos (2) minutos. En la Tabla 1 se identifica la relación
de mediciones y los equipos usados.
Tabla 1:
Relación de Mediciones y Equipos usados.
Equipo No. Mediciones
4- PQA823 13
Fluke435 1
Fluke1730 4
Total Mediciones 18
3.2.2 Procedimiento de Medición.
Los procedimientos empleados en cada medición, responden al protocolo exigido para cada
equipo. En los anexos 1, 2, y 3 se presentan los protocolos elaborados por Carrillo y Hernández
(Hernández Hernández & Carrillo Cruz, 2016), de los equipos PQA823, FLUKE435 y
FLUKE1730 respectivamente.
Las mediciones se realizaron en el tablero de distribución principal de cada una de las viviendas,
identificando previamente los puntos principales de alimentación con sus borneras o barrajes de
33
fase, neutro y tierra, en estas se conectaron (según protocolos anexos) las sondas correspondientes,
adicionalmente se verifica la línea de alimentación principal donde se enrollan la(s) sonda(s) de
corriente. (Una si la instalación es monofásica y tres si es trifásica).
Los datos registrados en cada medición fueron: Corriente, Tensión, Potencia (S, P, Q) y Factor de
Potencia.
Según el tipo de instalación domiciliaria (monofásica o trifásica) se conectaron los sensores de
tensión y corriente siguiendo lo expuesto en la Figura 7:
Adicionalmente se emplearon mediciones previas documentadas por el grupo de investigación
GCEM de 80 viviendas pertenecientes al mismo estrato.
Figura 7. Conexión monofásica (izquierda), conexión trifásica (derecha).
3.2.3 Construcción Curva.
Se realizó el siguiente procedimiento para la determinación de la curva base:
1. Se clasificaron los consumos de los diferentes días de la semana.
34
2. Posteriormente se calculó el promedio del consumo de cada hora, realizando la sumatoria desde
el minuto 00:00 hasta el 00:58 y diviéndolo por los 30 datos de cada hora; (se realizó igual
procedimiento para cada hora).
3. Los datos anteriores se promedian tomando cada uno de los consumos por hora de los usuarios
participantes del estudio, es decir, Promedio Hora 1 Casa 1, Promedio Hora 1 casa 2 etc, hasta
obtener los 24 datos que conforman un día y obtener la CURVA DIARIA.
4. A partir de la curva diaria, se promediaron los datos de cada día de la semana por horas y de
esta forma se llegó a la CURVA FINAL.
Una vez obtenida la curva final se observa una alta dispersión de datos. Por tanto, como se propone
en la tesis doctoral (Escobar., 2016) se aplica una desviación estándar a los datos. Esto se resume
en la Tabla 2:
35
Tabla 2:
Datos Curva final, desviación estándar positiva y negativa. T[H] Final [W] Desviación Stc[W] Positivo[W] Negativo
[W]
0:00 155,60 90,40 246,00 65,21
1:00 129,57 94,56 224,13 35,02
2:00 118,28 98,14 216,42 20,15
3:00 126,94 104,10 231,03 22,84
4:00 164,85 93,77 258,61 71,08
5:00 260,95 312,87 573,82 0,00
6:00 276,26 192,10 468,36 84,16
7:00 316,01 216,77 532,78 99,24
8:00 270,45 189,70 460,15 80,75
9:00 264,97 213,88 478,85 51,09
10:00 275,25 215,37 490,62 59,87
11:00 226,38 97,92 324,30 128,46
12:00 249,02 160,24 409,25 88,78
13:00 227,34 134,88 362,22 92,46
14:00 218,87 101,09 319,96 117,77
15:00 215,81 88,26 304,06 127,55
16:00 216,06 87,88 303,95 128,18
17:00 239,65 91,57 331,22 148,08
18:00 310,75 177,67 488,42 133,07
19:00 329,95 182,94 512,89 147,00
20:00 305,33 153,81 459,15 151,52
21:00 297,98 149,82 447,80 148,16
22:00 246,10 120,74 366,84 125,36
23:00 180,78 80,57 261,35 100,21
Arrojando un valor de un consumo diario aproximado de 5455Wh y mensual de 163650Wh.
Como se observa en Figura 8 la gráfica conserva la tendencia de la curva de carga Colombiana
presente en la
Figura 9 contando con dos picos, el primero entre las 6-9 horas y el segundo entre 18-21.
36
Figura 8. Curva final, desviación STC positiva y negativa. Copyright 2016 por (Escobar., 2016).
Figura 9. Relación de las curvas de carga diaria en Colombia para diferentes años. Copyright
2016 por (UMPE. Juan Carlos Aponte Gutiérrez, 2013)
Teniendo en cuenta la clasificación de ocupaciones propuesta por (Lozano Celiz & Guzman
Espitia, 2016) (ver Figura 10), este comportamiento puede ser consecuencia de:
0
100
200
300
400
500
600
700
0 5 10 15 20 25
Po
ten
cia
[W]
Tiempo [H]
Curva final, desviación estandar positiva y negativa.
Desv. Positiva
Desv. Negativa
Final
37
- Sobre las 5am se inicia el incremento de la curva debido a la alta concentración de usuarios
con ocupación de “empleados dependientes” quienes inician sus labores diarias en esta
franja horaria para dirigirse a sus lugares de trabajo.
- Posterior la curva inicia su decremento a las 9 horas debido a que los usuarios dependientes
han abandonado su hogar pero se mantiene un consumo entre las 9-17 horas por los
usuarios con ocupaciones de: amas de casa, desempleados, pensionados y estudiantes
presentes en este estrato social.
- El segundo incremento se inicia sobre las 17 horas y su punto máximo se encuentra a las
19 horas como consecuencia del retorno de la totalidad de los usuarios a sus hogares, lo
que provoca el uso en mayor medida de los electrodomésticos en especial de la iluminación
artificial (bombillos y lámparas), este periodo se mantiene hasta las 21 horas.
- El periodo restante del día presenta una disminución en el consumo como consecuencia
que en estas horas la actividad en las viviendas disminuye de forma significativa.
Figura 10. Ocupaciones población estrato 4 ciudad de Bogotá. Copyright 2016 por (Lozano
Celiz & Guzman Espitia, 2016). Reimpreso con permiso.
Ama de casa9%
Empleado dependiente
39%
Empleado independiente
15%
Estudiante27%
Pensionado8%
Sin Empleo2%
OCUPACIONES POBLACIÓN ESTRATO 4 C IUDAD DE BOG OTÁ
Ama de casa Empleado dependiente Empleado independiente
Estudiante Pensionado Sin Empleo
38
3.3 Esquemas de Precios.
3.3.1 Determinación de Precios de Generación Con Sistemas Fotovoltaicos
Debido a que una de las estrategias propuestas por diferentes autores para la aplicación de
programas de respuesta en demanda es la implementación por parte de los usuarios finales de
generación distribuida (Grajales Espinal & Figueroa Patiño, 2012), en este proyecto de
investigación se propone realizar la instalación de sistemas fotovoltaicos que suplan un porcentaje
de las cargas de un usuario. Para la determinación del valor mínimo comercial del Wh fotovoltaico
es necesario calcular el monto de la inversión total para el sistema de generación (equipos a usar,
valor de la instalación etc.). Para comodidad del lector, en el apéndice A se describe la
especificación técnica, metodología para la selección de equipos, las condiciones atmosféricas de
Bogotá según el IDEAM (a través del Atlas de Radiación Solar, Ultravioleta y Ozono de Colombia,
en la Opción Irradiación Global Horizontal) (IDEAM, 2015), y por tanto se procede a mostrar el
cálculo económico.
Con el fin de darle flexibilidad al monto de inversión y calcular el precio que tendrá el Wh
fotovoltaico, se analizaron 4 posibilidades: Las 3 primeras en función de la carga a suplir y la
última a partir de la inversión inicial fijada en un monto de $1.500.000 pues es el valor manifestado
por los usuarios pertenecientes al estrato 4 como máximo de inversión en sistemas de generación
distribuida (Escobar., 2016). Adicionalmente se parte del supuesto que los participantes del caso
de estudio cuentan con un sistema automático que al recibir las señales del operador de red del
cambio de precio desconecta parcialmente su carga.
39
- Diseño No.1 y Diseño No. 2:
De acuerdo a lo expuesto en el Apéndice A, la energía a generar en el diseño No. 1 es 980Wh*día
y en el diseño No. 2 es de 1425Wh*día, lo que hace necesario la inversión presentada en Tabla 3
para cada uno de los diseños.
Tabla 3:
Precios de inversión diseño No. 1 y No. 2.
Item Diseño 1: 980 Wh. Diseño 2: 1425 Wh.
Equipo Referencia Cantidad Precio Referencia Cantidad Precio
Inversor COTEK S150 - 24 1 $348.019 SAMLEX AMERICA PST
-300- 24 1 $439.817
Paneles AZM 726P 1 $705.915 AZM 726P 2 $1.411.830
Baterías TROJAN T-105-RE 4 $2.033.500 TROJAN T-105-RE 4 $2.033.500
Regulador SMARTHARVEST
SCCM10-100 1 $334.075
MORNINGSTAR PS-
MPPT-25 1 $906.651
Otros
Estructura* $278.369 Estructura* $383.344
Montaje* $278.369 Montaje* $383,344
Inversión ** (Exención IVA) $3.968.950 Inversión ** (Exención IVA) $5.558.485
*Los precios de estructura y montaje son equivalentes al 8% de la inversión total (Ortiz, 2013)
** De acuerdo al decreto 2143 expedido el 4 Noviembre de 2015, relacionado con la definición de los
lineamientos para la aplicación de los incentivos establecidos en el Capítulo 3 de la Ley 1715, sección 3 se
define la exención del IVA a la compra de equipos, elementos y maquinaria para ser utilizados para la
producción a partir de fuentes no convencionales de energía (Ministerio de minas y energía, 2015).
- Diseño No. 3
La energía a generar en el diseño No. 3 es 5455Wh*día (energía total de la curva de carga), lo que
hace necesario la inversión presentada en la Tabla 4:
40
Tabla 4:
Precios de inversión diseño No. 3.
Cantidad de energía a suplir 5455 Wh*día
Equipos
Inversor COTEK S600 $868.595
Paneles AZM 726P $4.235.490
Ocho (8) Baterías Rolls Modelo S-460 $6.873.462
Regulador MORNINGSTAR SS-MPPT-15L $660.190
Otros
Estructura* $1.011.019
Montaje* $1.011.019
Inversión (Exención IVA) ** $14.659.776
*Los precios de estructura y montaje son equivalentes al 8% de la inversión total (Ortiz, 2013)
** De acuerdo al decreto 2143 expedido el 4 Noviembre de 2015, relacionado con la definición de los
lineamientos para la aplicación de los incentivos establecidos en el Capítulo 3 de la Ley 1715, sección 3 se
define la exención del IVA a la compra de equipos, elementos y maquinaria para ser utilizados para la
producción a partir de fuentes no convencionales de energía (Ministerio de minas y energía, 2015).
- Diseño No. 4
El valor manifestado por los usuarios pertenecientes al estrato 4 para la inversión inicial es de un
monto máximo de $1.500.000 (Hernández Hernández & Carrillo Cruz, 2016), se realizó este
diseño con un kit solar portátil de la empresa Energía y Movilidad con un costo de $1.148.400 y
una energía de 28 Wh*hora con las características técnicas de la Tabla 5:
41
Tabla 5:
Precios de inversión diseño No. 4.
Cantidad de energía a suplir 28 Wh*hora
Equipos
Inversor 100W
Paneles 20W
Baterías 10Ah
Inversión $1.148.400
Con este monto total de inversión se hace una estimación del precio mínimo del Wh fotovoltaico
para retornar la inversión, a través del índice de viabilidad financiera valor presente neto (VPN),
por medio de la metodología propuesta en (Ortiz, 2013) representada en la Figura 11:
¿Cómo calcular el $/Wh de un Sistema Fotovoltaico?
Figura 11. Metodología para la estimación del precio mínimo de comercialización del Wh.
Para el cálculo del VPN se tienen en cuenta las siguientes consideraciones:
1. Determinación de costos asociados al cambio de baterías. Este se proyecta hacer cada cinco
(5) años con base en la información proporcionada por el fabricante.
Flujo de caja que contemple los precios de los equipos a usar en "n" años y traer dicho valor
a valor presente neto (VPN).
Determinar la energía (Wh) que va a suministrar dicha instalación en "n" años.
Proyectar el flujo de caja tomando como valores positivos el producto que resulta entre Wh y un precio que se itera, hasta
obtener un VPN positivo.
42
2. Estimación de la disminución anual en la cantidad de energía producida en los paneles
fotovoltaicos, se plantea una reducción del 5%, considerando las especificaciones del
fabricante.
3. Por otro lado se proyecta el VPN a 25 años pues en las especificaciones de los fabricantes
se aclara que en promedio la vida útil del panel es cercana a dicho valor.
4. Partiendo que la proyección se plantea durante varios años es necesario tener en cuenta la
variación en los precios anuales, por lo que se hace un incremento aplicando el índice de
precios al consumidor (IPC). Para el caso se tomaron los datos de julio 2016 suministrador
por el DANE (DANE, 2016)
5. La tasa interna de oportunidad ( TIO) se define como la tasa de interés más alta que un
inversionista sacrifica con el objeto de realizar un proyecto, en otras palabras es la tasa
mínima que el inversionista espera tener una ganancia (Guillermo, 2001).Tras consultas
con especialistas se determinó una TIO del 15%.
A partir de la metodología enunciada se calculó el VPN, y el precio mínimo de retorno para los
cuatro diseños, encontrando los resultados consignados en las Tabla 6 a Tabla 9:
43
Tabla 6: VPN diseño No. 1.
GRUPO 1
Año Egresos Flujo Neto.
0 -$3.968.950
1 $663.981
2 $690.785
3 $720.834
4 $752.191
5 $784.911
6 -$2.033.500 -$1.214.445
7 $854.683
8 $891.862
9 $930.658
10 $971.142
11 -$2.033.500 -$1.020.114
12 $1.057.469 VPN $51.813
13 $1.103.469 Precio[$/Wh] $1,485
14 $1.151.470 * Precio [$/kWh] $1 485
15 $1.201.558 ** kW-año 447,125
16 -$2.033.500 -$779.674
17 $1.308.368
18 $1.365.282
19 $1.424.671
20 $1.486.645
21 -$2.033.500 -$482.186
22 $1.618.796
23 $1.689.213
24 $1.762.694
25 $1.839.371
*El precio mínimo del kWh fotovoltaico para recuperar la inversión a una tasa interna de
retorno del 16% en un periodo de amortización de 25 años.
** Cantidad de energía generada con un generador fotovoltaico de 306,25Wp, durante un periodo
de 1 año con radiación diaria de 4kWh/m2
44
Tabla 7:
VPN diseño No. 2.
GRUPO 2
Año Egresos Flujo Neto
0 -$5.558.485
1 $850.123
2 $884.442
3 $922.915
4 $963.062
5 $1.004.955
6 -$2.033.500 -$984.829
7 $1.094.288
8 $1.141.889
9 $1.191.561
10 $1.243.394
11 -$2.033.500 -$736.018
12 $1.353.923 VPN $51.847,4
13 $1.412.818 Precio[$/Wh] $1,3072
14 $1.474.276 * Precio [$/kWh] $1 307,2
15 $1.538.407 ** kW-año 650,34
16 -$2.033.500 -$428.173
17 $1.675.159
18 $1.748.029
19 $1.824.068
20 $1.903.415
21 -$2.033.500 -$47.287
22 $2.072.614
23 $2.162.772
24 $2.256.853
25 $2.355.026
*El precio mínimo del kWh fotovoltaico para recuperar la inversión a una tasa interna de
retorno del 15% en un periodo de amortización de 25 años.
** Cantidad de energía generada con un generador fotovoltaico de 445,43Wp, durante un periodo
de 1 año con una radiación diaria de 4kWh/m2
45
Tabla 8:
VPN diseño No. 3.
DISEÑO 3
Año Egresos Flujo Neto
0 -$14.659.776
1 $2.465.415
2 $2.559.798
3 $2.671.149
4 $2.787.344
5 $2.908.593
6 -$6.873.462 -$3.838.345
7 $3.167.145
8 $3.304.916
9 $3.448.679
10 $3.598.697
11 -$6.873.462 -$3.118.222 VPN $701.888
12 $3.918.593 Precio[$/Wh] $1,013
13 $4.089.052 * Precio [$/kWh] $1 013
14 $4.266.926 ** kW-año 2433,53
15 $4.452.537
16 -$6.873.462 -$2.227.240
17 $4.848.333
18 $5.059.236
19 $5.279.312
20 $5.508.962
21 -$6.873.462 -$1.766.620
22 $5.328.990
23 $5.560.801
24 $5.802.696
25 $6.055.113
*El precio mínimo del kWh fotovoltaico para recuperar la inversión a una tasa interna de
retorno del 15% en un periodo de amortización de 25 años.
** Cantidad de energía generada con un generador fotovoltaico de 1 666 Wp, durante un periodo
de 1 año con una radiación diaria de 4kWh/m2
46
Tabla 9:
VPN diseño No. 4.
DISEÑO 4
Año Egresos Flujo Neto
0 -$ 1.148.400 -$ 1.148.400
1 $ 153.586
2 $ 159.466
3 $ 166.403
4 $ 173.641
5 $ 181.194
6 - $ 800.000 $ 989.076
7 $ 197.301
8 $ 205.884
9 $ 214.840
10 $ 224.185
11 - $ 800.000 $ 1.033.937 VPN $701.400
12 $ 244.114 Precio[$/Wh] $ 15,028
13 $ 254.733 * Precio [$/kWh] $15 028
14 $ 265.814 ** KW-año 10,22
15 $ 277.376
16 - $ 800.000 $ 1.089.442
17 $ 302.033
18 $ 315.171
19 $ 328.881
20 $ 343.188
21 - $ 800.000 $ 1.158.116
22 $ 373.694
23 $ 389.950
24 $ 406.913
25 $ 424.614
*El precio mínimo del kWh fotovoltaico para recuperar la inversión a una tasa interna de
retorno del 15% en un periodo de amortización de 25 años.
** Cantidad de energía generada con un generador fotovoltaico de 28Wp, durante un periodo de
1 año con una radiación diaria de 4Kwh/m2
Puesto que un proyecto se considera viable si el VPN es POSITIVO (para el caso 25 años), se
encuentra que el valor de mínimo del Wh fotovoltaico para que esto se cumpla en los diseños
realizados es de: $1.485 para el Diseño 1 y $1.307,2 para el Diseño 2.
47
Como ejercicio académico se realizó el VPN con una inversión de $1.140.400 los resultados se
aglomeran la Tabla 9, en esta se observa que dada la baja potencia instalada es necesario vender
a un precio de $15,028, valor elevado frente a los otros dos casos. De la Tabla 10, se puede concluir
la relación inversamente proporcional entre la potencia instalada y el precio mínimo del Wh para
recuperar la inversión. Es decir, a menor potencia pico del generador fotovoltaico el precio del Wh
fotovoltaico aumenta.
Tabla 10:
Resumen precio mínimo Wh fotovoltaico para los cuatro diseños realizados.
Diseño
Cantidad de Energía
Diaria Generada
[Wh*día]
Precio Mínimo
Wh Fotovoltaico
[COP]
1 980 $1,485
2 1425 $1,3072
3 5455 $1,013
4 28 $15,028
3.3.1 Estimación del Esquema de Precios CPP y TOU.
Durante la revisión bibliográfica se encontró esquemas de precios usados en Europa, América del
norte y Asia. Considerando que en estos continentes se tiene un ingreso per cápita superior al de
los países en vía de desarrollo, se aplica una media aritmética a estos esquemas para determinar
uno apropiado para Colombia. Para un mejor análisis se plantea dicha media en porcentaje
resumido en la Tabla 11 y Figura 12.
48
Figura 12. Consolidado esquemas de precios RD.
Tabla 11:
Consolidado porcentual esquemas de precios RD. Fuente Propia
Precio
Base
Precio
Valle
Precio
Pico
Precio
CPP
Variación
Porcentual 100% 162% 312% 799%
Con la variación porcentual presente en la Tabla 11 se propone el esquema de precios de la Tabla
12, tomando como valor base la tarifa del mes de Agosto del presente año (2016) que es: 445,38
para el estrato cuatro .(CODENSA, 2016)
0% 200% 400% 600% 800% 1000% 1200% 1400% 1600%
Costa Pacífica de Estados Unidos [11]
Wisconsin EEUU [11]
Misuri EEUU [11]
Ontario Canadá [11]
Francia [11]
Ontario Canadá (1) [18]
San Diego California [30]
China [20]
Seattle EEUU. [22]
Kinki Japón [28]
California EEUU [31]
Comparación Esquemas de Precios
Precio CPP
Precio Pico
Precio Valle
49
Tabla 12:
Esquema de Precios para Colombia. Fuente Propia
Variación
Porcentual
Esquema
Para
Colombia
Precio
Base 100% $445,38
Precio
Valle - -
Precio
Pico 312% $ 1.834
Precio
CPP 799% $ 4.002
A manera de resumen se presentan en la Tabla 13 los precios del esquema propuesto y de los
sistemas fotovoltaicos utilizados para las simulaciones.
Tabla 13:
Resumen Esquema de Precios para Colombia y precios diseños fotovoltaicos. Fuente Propia
ES
QU
EM
A D
E P
RE
CIO
S
PR
OP
UE
ST
O (
TO
U Y
CP
P)
Variación
Porcentual
Esquema
Para
Colombia
Precio
Base 100% $445,38
Precio
Valle - -
Precio
Pico 312% $1.834
Precio
CPP 799% $4.002
PR
EC
IOS
DIS
EÑ
OS
FO
TO
VO
LT
AIC
OS
Diseño
Cantidad de
Energía Diaria
Generada
[Wh*día]
Precio
Mínimo Wh
Fotovoltaico
[COP]
1 980 $1,485
2 1425 $1,307
50
4 ESCENARIOS CON DIFERENTES PORCENTAJES DE PENETRACIÓN DE GD:
CASO DE ESTUDIO.
Este proyecto de investigación comprende un caso de estudio de 100 usuarios residenciales estrato
4, los cuales se denominaran participantes, ubicados en la ciudad de Bogotá quienes cuentan con
sistemas de Generación Distribuida fotovoltaica.
Los participantes desconectan parcialmente su carga, empleando la energía almacenada de la GD
fotovoltaica, ante las señales de cambio de precio de las franjas horarias enviadas por el operador
de red.
Se realiza una simulación con 100 usuarios que tienen acceso a energía fotovoltaica y el sistema
de almacenamiento correspondiente, estos son divididos por energía fotovoltaica generada en dos
grupos, Grupo No. 1: 980Wh*día y Grupo No. 2: 1425Wh*día.
Tras desagregar los grupos, se traza un escenario de mercado que permite a los usuarios participar
de manera activa en la demanda, cumpliendo las siguientes hipótesis:
Los usuarios:
1. Tienen la tecnología necesaria para comunicarse con el operador.
2. Tras recibir las señales de cambio de precio por parte del operador de red, desconectan de
manera parcial su carga y la suplen a través de la energía almacenada en las baterías que
hacen parte del sistema fotovoltaico que cada usuario posee.
Para la evaluación del caso de estudio, se realizó la simulación de tres 3 escenarios en los que se
varía la penetración (cantidad de energía disponible) de generación distribuida en un 50, 75 y
100%, es decir, si un usuario cuenta con 980Wh*día al incursionar con el 50% sólo emplea
490Wh*día, esto a través del flujograma de la Figura 13 , el esquema de precios propuesto en la
51
Tabla 12 y tras la aplicación sistemática de cada una de las 6 combinaciones de los dos grupos
fotovoltaicos presentadas en la Figura 14.
La descripción del código de decisión se presenta a continuación.
4.1 Descripción Código de decisión para la simulación de los escenarios.
Teniendo como datos de entrada, la cantidad de energía disponible y demandada, el código ejecuta
desde la hora 0 una comparación de precios, eligiendo la opción más económica entre el estar
conectado a la red o consumir la energía almacenada, tras la elección, el algoritmo realiza la
diferencia entre la curva de demanda y la energía disponible en baterías obteniendo de esta forma
la nueva curva.
54
Caso No. 1: Se presenta el mayor ahorro energético, contando con 100 usuarios de una capacidad
de generación fotovoltaica de 1425Wh*día (por usuario) y con el esquema de precios TOU Y CPP
propuesto, obteniendo un aplanamiento de la curva de carga de: Escenario 1: 71271Wh*día,
Escenario 2: 106907Wh*día y Escenario 3: 142542Wh*día (Tabla 14 y Figura 15).
Tabla 14:
Consolidado energía ahorrada Caso No. 1. Fuente Propia.
Ahorro Caso No. 1
Escenario % Penetración
GD
Energía
ahorrada
[Wh*día]
Variación [%]
1 50% 71.271 13,07%
2 75% 106.907 19,60%
3 100% 142.542 26,13%
Figura 15. Resumen Aplanamiento de la curva caso No. 1 para Escenario No. 1(Magenta),
Escenario No. 2(verde) y Escenario No. 3(negro).
55
Caso No. 2: Se realiza la simulación con 100 usuarios divididos de la siguiente manera 20 Usuarios
con capacidad de generación de 980Wh*día (por usuario) y 80 usuarios con 1425Wh*día, se
obtiene un aplanamiento de la curva de carga de: Escenario 1: 66813Wh*día, Escenario 2:
100221Wh*día y Escenario 3: 133628Wh*día ( Tabla 15 y Figura 16).
Tabla 15:
Consolidado energía ahorrada Caso No. 2. Fuente Propia.
Ahorro Caso No. 2
Escenario % Penetración Caso No. 2
[Wh*día] Variación [%]
1 50% 66.813 12,25%
2 75% 100.221 18,37%
3 100% 133.628 24,50%
Figura 16. Resumen Aplanamiento de la curva caso No. 2 para Escenario No. 1(magenta),
Escenario No. 2(verde) y Escenario No. 3(negro).
56
Caso No. 3: El grupo de 100 usuarios se divide en 40 Usuarios con capacidad de generación de
980Wh*día (por usuario) y 60 usuarios con 1425Wh*día (por usuario), se genera un aplanamiento
de: Escenario 1: 62356Wh*día, Escenario 2: 93534Wh*día y Escenario 3: 124713Wh*día.(Tabla
16 y Figura 17).
Tabla 16:
Consolidado energía ahorrada Caso No. 3. Fuente Propia.
Ahorro Caso No. 3
Escenario % Penetración Caso No. 3 [Wh*día] Variación [%]
1 50% 62.356 11,43%
2 75% 93.534 17,15%
3 100% 124.713 22,86%
Figura 17. Resumen Aplanamiento de la curva caso No. 3 para Escenario No. 1(magenta),
Escenario No. 2(Verde) y Escenario No. 3(negro).
57
Caso No. 4: Se divide en dos grupos los 100 usuarios de la siguiente forma, 60 Usuarios con
capacidad de generación de 980Wh*día (por usuario) y 40 usuarios con 1425Wh*día, se obtiene
un aplanamiento de la curva de: Escenario 1: 57899Wh*día, Escenario 2: 86849Wh*día y
Escenario 3: 115799Wh*día (Tabla 17 y Figura 18).
Tabla 17:
Consolidado energía ahorrada Caso No. 4 Fuente Propia.
Escenario %
Penetración Caso No. 4 [Wh*día]
Variación
[%]
1 50% 57.899 10,61%
2 75% 86.849 15,92%
3 100% 115.799 21,23%
Figura 18. Resumen Aplanamiento de la curva caso No. 4 para Escenario No. 1(magenta),
Escenario No. 2(verde) y Escenario No. 3(negro).
58
Caso No. 5: Se realizó una división de 80 Usuarios con capacidad de generación de 980Wh*día
(por usuario) y 20 usuarios con 1425Wh*día, se obtiene un aplanamiento de la curva de: Escenario
1: 53442Wh*día, Escenario 2: 80163Wh*día y Escenario 3: 106884Wh*día (Tabla 18 y Figura
19)
Tabla 18:
Consolidado energía ahorrada Caso No. 5. Fuente Propia.
Ahorro Caso No. 5
Escenario % Penetración Caso No. 5[Wh*día] Variación [%]
1 50% 53.442 9,80%
2 75% 80.163 14,70%
3 100% 106.884 19,59%
Figura 19. Resumen Aplanamiento de la curva caso No. 5 para Escenario No. 1(magenta),
Escenario No. 2(verde) y Escenario No. 3(negro).
59
Caso No. 6: Teniendo 100 usuarios se simulo el caso que todos los usuarios tienen una capacidad
de generación de 980Wh*día (por usuario), con ello se obtiene un aplanamiento de la curva de
carga de: Escenario 1: 48985Wh*día, Escenario 2: 73477Wh*día y Escenario 3: 97970Wh*día
(Tabla 19 y Figura 20)
Tabla 19:
Consolidado energía ahorrada Caso No. 6. Fuente Propia.
Ahorro Caso No. 6
Escenario % Penetración Caso No. 5
[Wh*día] . Variación [%]
1 50% 48.985 8,98%
2 75% 73.477 13,47%
3 100% 97.970 17,96%
Figura 20. Resumen Aplanamiento de la curva caso No. 6 para Escenario No. 1(magenta),
Escenario No. 2(verde) y Escenario No. 3(negro).
A partir de los resultados, se observa que el ahorro significativo en cada uno de los tres escenarios
se presenta en el caso No. 1, lo que es respuesta a la entrada de los 100 usuarios del Grupo 2
quienes cuentan con una cantidad de energía almacenada mayor para autoconsumo. En contraste,
la menor cantidad de energía ahorrada se presenta en cada uno de los escenarios en el caso 6 con
la entrada total de los usuarios del grupo 1.
60
Figura 21. Variación Porcentual del ahorro energético.
Por otra parte, se evidencia la correspondencia inversamente proporcional de ahorro frente al
aumento de entrada del Grupo 1 ( Figura 21 ) pues a pesar del caso 6 en el que se tiene una incursión
del 100% de la carga disponible y los 100 usuarios de dicho grupo, se tiene un ahorro de tan solo
17,96% valor menor si se compara con el 26,13% obtenido con 100 usuarios del Grupo 2 con
penetración del 100% (Caso 1).
A pesar que se esperaría que el escenario 3 sin importar el caso, tuviera el porcentaje de ahorro
mayor debido a sus condiciones de penetración, se observa que existe un ahorro mayor si se emplea
una penetración del 75% con 80 usuarios grupo 2 y 20 Usuarios Grupo 1 (ahorro: 18,37%), a sí se
incluyen 100 usuarios del grupo 1 con penetración del 100% ( ahorro : 17,96%).
Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 Caso 6
Penetración 50% 13,07% 12,25% 11,43% 10,61% 9,80% 8,98%
Penetración 75% 19,60% 18,37% 17,15% 15,92% 14,70% 13,47%
Penetración 100% 26,13% 24,50% 22,86% 21,23% 19,59% 17,96%
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%A
ho
rro
[%
]
Variación Porcentual Ahorro Energético.
61
5 ANÁLISIS DEL AHORRO TRAS LA APLICACIÓN DEL PROGRAMA DE
RESPUESTA EN DEMANDA.
En este apartado se presenta el ahorro monetario que tendría un participante del programa al
implementar un sistema de GD fotovoltaico que le permita aplanar parte de su carga durante las
horas de altos precios (Curva con deslastre) frente a el valor que se genera si se mantuviera
conectado con la totalidad de su consumo (Curva Base) a los precios de la red TOU/CPP del
operador de red, así como una comparación entre el nuevo precio de factura bajo el esquema
TOU/CPP con los precios y regulación actual de red.
5.1 Comparación Ahorro Monetario Curva con deslastre y Curva Base con la aplicación
de RD (TOU Y CPP).
La curva base tiene las características de energía y precios presentadas en la Tabla 20, Los datos
mostrados se analizan bajo la presencia del consumo total característico de los 100 usuarios estrato
4, participantes en el caso de estudio y aplicando los precios de la Tabla 13 (TOU: $1834,
CPP:$4002,Precio Base:$445,38)
Tabla 20:
Características Curva Base con los precios CPP y TOU propuestos.
Curva Base
Cantidad de Energía
[Wh *día ]
Precio Factura
Día [COP]
100 Usuarios
Precio Factura
Mes [COP]
100 Usuarios
Precio Factura
Día [COP]
1 Usuario
545.496 561.174 16.835.220 5 611,74
De las simulaciones se determina el nuevo precio diario global que pagarían los usuarios si
desconectan parcialmente su carga de la red y se compara con el precio producto de estar
consumiendo el 100% de su carga (545.496 Wh*día) bajo el esquema de precios TOU/CPP
planteado, el consolidado se presenta en la Tabla 21.
62
Tabla 21:
Consolidado ahorro monetario diario 100 usuarios. Escenarios 1,2 y 3, seis casos. Fuente
Propia.
Ahorro Caso No. 1
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 265.824 $ 295.350 52,63%
2 75% $ 233.533 $ 327.641 58,38%
3 100% $ 201.241 $ 359.933 64,14%
Ahorro Caso No. 2
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 269.806 $ 291.368 51,92%
2 75% $ 239.506 $ 321.668 57,32%
3 100% $ 209.206 $ 351.968 62,72%
Ahorro Caso No. 3
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 273.789 $ 287.385 51,21%
2 75% $ 245.480 $ 315.694 56,26%
3 100% $ 217.171 $ 344.003 61,30%
Ahorro Caso No. 4
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 277.771 $ 283.403 50,50%
2 75% $ 251.454 $ 309.720 55,19%
3 100% $ 225.136 $ 336.038 59,88%
Ahorro Caso No. 5
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 281.754 $ 279.420 49,79%
2 75% $ 257.427 $ 303.747 54,13%
3 100% $ 233.101 $ 328.073 58,46%
Ahorro Caso No. 6
Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]
1 50% $ 285.736 $ 275.438 49,08%
2 75% $ 263.401 $ 297.773 53,06%
3 100% $ 241.066 $ 320.108 57,04%
63
Los resultados mostrados en la Figura 22, indican que el escenario en que se presenta el mayor
ahorro monetario es en el No. 3, caso 1 (100 Usuarios del Grupo 2 y 0 Usuarios del grupo 1,
incursión del 100% de su energía fotovoltaica disponible), con un valor de $359.933 (64,14%).
Figura 22. Porcentaje de ahorro casos, escenario No. 1,2 y 3.
Este comportamiento responde a que existe una relación proporcional entre la cantidad de energía
ahorrada y la presencia mayoritaria del grupo 2, pues este cuenta con mayor cantidad de energía
para autoconsumo lo que aplana la curva y genera baja en la factura a pagar al operador de red
(OR). Adicionalmente, conforme este se va retirando para dar entrada al grupo 1, el ahorro presenta
decremento pues en consecuencia aumenta la cantidad de energía consumida de la red.
1 2 3 4 5 6
Escenario 1 52,63% 51,92% 51,21% 50,50% 49,79% 49,08%
Escenario 2 58,38% 57,32% 56,26% 55,19% 54,13% 53,06%
Escenario 3 64,14% 62,72% 61,30% 59,88% 58,46% 57,04%
25,00%
30,00%
35,00%
40,00%
45,00%
50,00%
55,00%
60,00%
65,00%
VA
RIA
CIÓ
N P
OR
CEN
TUA
L [%
]
PORCENTAJE DE AHORRO CASOS, ESCENARIO NO. 1,2 Y 3
64
5.2 Comparación Ahorro Monetario Curva con deslastre con la aplicación de RD (TOU
Y CPP) y la Curva Base (Precios Actuales).
Posterior se hace una comparación con la curva base caracterizada en el capítulo 3. Sus
características con los precios actuales de red se presentan en la Tabla 22.
Tabla 22:
Características Curva Base aplicando los precios actuales de red. Fuente Propia
Curva Base 100 Usuarios
Cantidad de Energía
Diaria [Wh]
Precio
Diario por Usuario [COP]
Precio Factura
Mes Por Usuario [COP]
5.454 $ 2.429 72.819
Se hace una comparación entre el escenario de mayor y menor ahorro (casos 1 y 6) y el precio
promedio mensual actual de una factura calculado con el valor dado por la CREG para mes de
Agosto ($445,38) (CODENSA, 2016), se efectúa la diferencia entre estos dos precios y se
cuantifica en pesos y porcentualmente el ahorro. Los resultados se resumen en la Tabla 23.
Tabla 23:
Consolidado ahorro por usuario Mensual. Fuente Propia
Escenario No.
Caso
Usuarios
Grupo 1
Usuarios
Grupo 2
Factura
Nueva Por un
Usuario
Mensual
Factura Actual
por un Usuario
Mensual
Ahorro sobre
el precio
actual
Mensual
%
Ahorro
sobre el
precio
Actual.
Ahorro
Anual
No. 1,
50%
1 0 100 $79.747,20 $72.819,80 -$6.927,40
6 100 0 $85.720,80 $72.819,80 -$12.901,00
No. 2,
75%
1 0 100 $70.059,90 $72.819,80 $2.759,90 3,79% $82.797
6 100 0 $79.020,30 $72.819,80 -$6.200,50
No. 3,
100%
1 0 100 $60.372,30 $72.819,80 $12.447,50 17,09% $373.425
6 100 0 $72.319,80 $72.819,80 $500,00 0,69% $15.000
Solo tres (3) de los seis casos extremos generan un ahorro en el programa de RD propuesto en
comparación con los precios actuales de la red. Estos son: los escenario 2 caso 6, y escenario 3
casos 1 y 6, siendo el mejor escenario consecuente con los otros análisis el de mayor presencia del
65
grupo 2 y con el mayor porcentaje de penetración de GD para el caso escenario 3 caso 1, donde se
obtiene 17,09% de ahorro.
Adicionalmente, se evidencia ahorro sólo cuándo se tiene un 100% de incursión de la energía FV
almacenada por parte de los usuarios tanto del grupo 1 como Grupo 2, lo que responde a la relación
proporcional entre el ahorro y la cantidad de energía deslastrada pues es en este escenario donde
existe un mayor aplanamiento de la curva (26,13% de aplanamiento “ Figura 21”). Del mismo
modo se presenta ahorro cuando se tiene mínimo el 75% de la incursión de la energía FV
disponible en baterías de los 100 participantes del grupo 2, que son quienes aporta más energía.,
Para conocer el punto mínimo de penetración que genere ahorro se hizo el análisis frente a la curva
característica del estrato 4, la cual cuenta con 5455 W*día, encontrando que en el Escenario 2:
caso 1 se presenta dicho punto. El escenario descrito anteriormente equivale al 26,12% del
consumo la curva total.
Por otra parte, con los posibles ahorros anuales, discriminando la inversión que el usuario de cada
grupo realiza (Grupo 1: $3.968.950, Grupo 2 $5.558.485) y obviando el valor que anualmente se
tendría que pagar por el sistema fotovoltaico, se presentan los tiempos de recuperación presentados
en la Tabla 24.
Tabla 24
Cantidad de año de retorno de inversión por usuario en: Escenario 2:Caso1, Escenario 3:
Caso 1 y 6. Fuente Propia
Ahorro Anual Tiempo de Retorno de
Inversión [año]
$82.797 56,39
$373.425 12,50
$15.000 222,26
66
Finalmente, a pesar de los esfuerzos en conseguir sistemas fotovoltaicos de baja inversión, estos
implican altos precios de implementación, y por su tiempo de retorno estos no son rentables, pues
si se quisiera recuperar la inversión sólo con los ahorros producto de ellos, se tardaría para el peor
escenario 222 años y 3 meses.
67
6 CONCLUSIONES
De 18 escenarios simulados se compararon los escenarios extremos, encontrando que en el
escenario 3 caso 1 aplicando respuesta a la demanda se consigue un aplanamiento del 26.13% en
la curva de carga residencial estrato 4, sin que el usuario pierda su comodidad y generando un
ahorro de energía 142.542 Wh*día para el sistema en horas pico, en contraste con el escenario 1
caso 6 donde se consigue solo una variación del 8,98% equivalente 48.985 Wh*día.
Durante el desarrollo de la investigación se encontró una relación inversamente proporcional entre
cantidad de energía generada y el precio de Wh fotovoltaico óptimo para recuperar la inversión,
es decir a mayor capacidad de generación fotovoltaica, el precio disminuye.
El escenario 3 con una penetración de la energía FV disponible en un 100%, en todos los casos
simulados aporta un aplanamiento entre el 17.96 % y 26.13%, confirmando que entre mayor sea
la capacidad del usuario de deslastrar su carga mayor cantidad de ahorro a nivel energético y
monetario.
Se pudo observar que el tiempo de retorno de la inversión se encuentra entre 12 y 222 años,
teniendo en cuenta la rentabilidad del sistema fotovoltaico, haciendo ver que la adquisición de este
tipo de sistemas no resulta viable financieramente ni atractiva para los Colombianos pues es una
tecnología que por encontrarse en crecimiento en el país, tiene costos muy elevados.
Existe ahorro 6.38%, 3,36% y 19,32% en comparación con los precios y regulación actuales,
siempre y cuando se excluya el costo que se debe amortizar mensualmente para cubrir la inversión
del SVF.
Finalmente se logró el objetivo general del proyecto pues se evaluó la variación de la curva de
carga característica del estrato 4 de la ciudad de Bogotá mediante la aplicación de esquemas de
68
respuesta a la demanda TOU y CPP en un caso de estudio de 100 usuarios residenciales con acceso
a generación distribuida.
En la actualidad la regulación Colombiana no cuenta con mecanismos que incentiven a los usuarios
a realizar deslastres de carga en horas de alto consumo energético a nivel nacional. Por ende,
implementar programas de respuesta a la demanda, representa una oportunidad para que los
usuarios no consuman energía en horarios de alto precio de generación, proponiendo franjas
horarias con esquemas de precios como TOU Y CPP en lo que los mismos se elevan entre 312%
y 700% del precio base.
69
APORTES
De acuerdo a la bibliográfica consultada a la fecha no se encontraron políticas regulatorias en
Colombia que contemplen estrategias que incentiven al usuario a realizar desconexiones de la red
generando aplanamiento en la curva de carga residencial estrato 4 de la ciudad de Bogotá, por lo
que este trabajo de grado contribuye a investigaciones posteriores.
En adición los aportes de este trabajo son:
En conjunto con el grupo de investigación GCEM se caracterizó y determinó una
aproximación al modelo de la curva de carga estrato 4 de la ciudad de Bogotá, 2que
conserva la misma tendencia de la Curva de Carga Colombiana a nivel de distribución.
Se cuantifico para un usuario residencial estrato 4 ubicado en la ciudad de Bogotá el valor
mínimo del Wh fotovoltaico y tiempo de retorno de inversión con la exención del IVA
propuesto por la ley 1715.
Se encontró la potencia Fotovoltaica mínima y esquema de precios para tener un ahorro
monetario en comparación con el consumo y regulación actual.
Se evaluó aplanamiento en la curva de carga del estrato 4 de la ciudad de Bogotá al
implementar RD y Generación distribuida.
70
7 RECOMENDACIONES Y TRABAJOS FUTUROS
Se propone implementar un algoritmo que además de evaluar el aplanamiento de la curva, costos
y beneficios de tener un sistema fotovoltaico, permita realizar un intercambio bidireccional de
energía con la red bajo esquemas de precios TOU Y CPP.
Se propone un estudio en el que el esquema de precios TOU Y CPP refleje los costos reales de
generación que se presentan en Colombia durante las puntas de la curva de carga, teniendo en
cuenta que durante esta franja se debe generar por medio de termoeléctricas.
Hacer un programa que evalúe el punto óptimo de conexión y desconexión del sistema fotovoltaico
en función del precio de red y la cantidad de energía a ahorrar.
71
8 BIBLIOGRAFÍA
Abji, N., Tizghadam, A., & Leon-Garcia, A. (2015). Energy storage management in core
networks with renewable energy in time-of-use pricing environments. IEEE International
Conference on Communications, 2015-Septe, 135-141.
http://doi.org/10.1109/ICC.2015.7248311
Adedamola Adepetu, R. E., Lizotte, D., & Keshav, S. (2013). Critiquing time-of-use pricing in
Ontario. 2013 IEEE International Conference on Smart Grid Communications,
SmartGridComm 2013, 223-228. http://doi.org/10.1109/SmartGridComm.2013.6687961
Baratto, P. (2010). Implementación de un programa de respuesta de la demanda de energía
eléctrica en un mercado de clientes no regulados en Colombia. Rev. maest. derecho econ., 6,
259-292. http://doi.org/10.1017/CBO9781107415324.004
Cerezo, M. Á. (2010). Gestión activa de la demanda de energía eléctrica Ingeniería Industrial, 1,
102.
CODENSA. (2016). Tarifas de Energía Eléctrica ( $ / kWh ) Reguladas por la Comisión de
Regulación de Energía y Gas ( CREG ) AGOSTO DE 2016, 1(12), 1.
DANE. (2016). DANE, Índice de precios al consumidor, informe mensual Julio 2016 (Vol. 53).
Escobar., A. V. (2016). Gestión de la energía eléctrica domiciliaria con base en la Gestión Activa
de la Demanda. Tesis Doctoral. Universidad Distrital Francisco José de Caldas., 1.
http://doi.org/10.1017/CBO9781107415324.004
Fotovoltaica aislada. (2016). Recuperado a partir de http://es.krannich-
solar.com/es/autoconsumo/fotovoltaica-aislada.html
Fundación de la Energía de la Comunidad de Madrid. (2007). Guía Básica de la Gestión de la
Demanda Eléctrica. Fundación de la Energía de la Comunidad de Madrid - España. Energy
Management Agency, 66. Recuperado a partir de www.fenercom.com
Grajales Espinal, C. D., & Figueroa Patiño, L. F. (2012). Programas de Respuesta en Demanda y
su Posible Impacto en el Sistema Eléctrico Colombiano. Universidad Tecnológica de
Pereira. Facultad de Ingenierías: Eléctrica, Electrónica, Física y Ciencias de la
Computación. Programa de Ingeniería Eléctrica., 82. Recuperado a partir de
file:///C:/Users/SATELLITE/Google Drive/Referencias Doctorado/Grajales Espinal,
Figueroa Pati?o - 2012 - Programas de respuesta en demanda y su posible impacto en el
sistema el?ctrico colombiano.pdf
Guillermo, B. (2001). Ingenieria-Economica.
Hatami, A., Seifi, H., & Sheikh-El-Eslami, M. K. (2011). A stochastic-based decision-making
framework for an electricity retailer: Time-of-use pricing and electricity portfolio
optimization. IEEE Transactions on Power Systems, 26(4), 1808-1816.
http://doi.org/10.1109/TPWRS.2010.2095431
Hernández Hernández, K. A., & Carrillo Cruz, J. S. (2016). Estimación de la demanda eléctrica
para usuarios residenciales estrato 4 en la ciudad de Bogotá.
Hernandez, J. A. (2012). Metodologia para el analisis técnico de la masificación de
72
sistemasfotovoltaicos como opción de generación distribuida en redes de baja tensión.
Herter, K., & Wayland, S. (2010). Residential response to critical-peak pricing of electricity:
California evidence. Energy, 35(4), 1561-1567. http://doi.org/10.1016/j.energy.2009.07.022
Hussin, N. S., Abdullah, M. P., Ali, A. I. M., Hassan, M. Y., & Hussin, F. (2014). Residential
electricity time of use (ToU) pricing for Malaysia. 2014 IEEE Conference on Energy
Conversion, CENCON 2014, 429-433. http://doi.org/10.1109/CENCON.2014.6967542
IDEAM. (2015). Mapa Brillo Solar De Colombia Multianual.
Imthias Ahamed, T. P., & Borkar, V. S. (2015). An efficient scheduling algorithm for solving
load commitment problem under Time of Use Pricing with bound on Maximum Demand.
2014 IEEE International Conference on Power Electronics, Drives and Energy Systems,
PEDES 2014. http://doi.org/10.1109/PEDES.2014.7041986
Joo, J. Y., Ahn, S. H., Yoon, Y. T., & Choi, J. W. (2007). Option valuation applied to
implementing demand response via critical peak pricing. 2007 IEEE Power Engineering
Society General Meeting, PES, 1-7. http://doi.org/10.1109/PES.2007.385559
Kato, T., Tokuhara, A., Ushifusa, Y., Sakurai, A., Aramaki, K., & Maruyama, F. (2016).
Consumer responses to critical peak pricing: Impacts of maximum electricity-saving
behavior. The Electricity Journal, 29(2), 12-19. http://doi.org/10.1016/j.tej.2016.02.002
Kii, M., Sakamoto, K., Hangai, Y., & Doi, K. (2014). The effects of critical peak pricing for
electricity demand management on home-based trip generation. IATSS Research, 37(2), 89-
97. http://doi.org/10.1016/j.iatssr.2013.12.001
Lee, J. W., & Lee, D. H. (2011). Residential electricity load scheduling for multi-class
appliances with Time-of-Use pricing. 2011 IEEE GLOBECOM Workshops, GC Wkshps
2011, 1194-1198. http://doi.org/10.1109/GLOCOMW.2011.6162370
Liao, Y., Chen, L., & Chen, X. (2011). An efficient time-of-use pricing model for a retail
electricity market based on pareto improvement. Asia-Pacific Power and Energy
Engineering Conference, APPEEC, (2), 2-5. http://doi.org/10.1109/APPEEC.2011.5748684
Lozano Celiz, J. P., & Guzman Espitia, W. C. (2016). Evaluación de Demanda de Energía
Eléctrica Según Hábitos de Consumo Actuales en la Ciudad de Bogotá.
Marulanda García, G. A. (2014). Impacto de un programa de respuesta de la demanda eléctrica
en el Sector de Gas Natural, 1-72.
Mathaba, T., Xia, X., & Zhang, J. (2012). Optimal Scheduling of Conveyor Belt Systems under
Critical Peak Pricing, 315-320.
Ministerio de minas y energía. (2015). Promoción, Desarrolo y Utilización De Las Fuentes No
Convencionales De Energía-FNCE, 8. Recuperado a partir de
http://wp.presidencia.gov.co/sitios/normativa/decretos/2015/Decretos2015/DECRETO 2143
DEL 04 DE NOVIEMBRE DE 2015.pdf
Ortiz, J. D. (2013). Viabilidad técnico-económica de un sistema fotovoltaico de pequeña escala,
103-117.
73
Peng, Yang. Gongguo, Tag. Nehorai, A. (2012). OPTIMAL TIME-OF-USE ELECTRICITY
PRICING USING GAME THEORY., 3081-3084.
Rendón, E. C. (2013). Método para Opyimizar los Costos del Servicio de Energía Eléctrica de
Grandes Usuarios en Colombia, incorporando flexivilidad de la demanda. Journal of
Chemical Information and Modeling (Vol. 53).
http://doi.org/10.1017/CBO9781107415324.004
Rueda, V. (2011). Predicción del Consumo de Energía en Colombia con Modelos no Lineales,
21-30.
Secretaria Distrital de Planeación. SDP. (2011). Estadísticas Viviendas, Hogares y Personas por
Estrato. Secretaría Distrital de Planeación. Recuperado a partir de
http://www.sdp.gov.co/PortalSDP/InformacionTomaDecisiones/Estadisticas/ProyeccionPob
lacion
Shaikh, S. K. M., & Dharme, A. A. (2009). Time of Use pricing - India, a case study. 2009
International Conference on Power Systems, 1-6.
http://doi.org/10.1109/ICPWS.2009.5442760
UMPE. Juan Carlos Aponte Gutiérrez, J. F. A. M. (2013). Proyección de Demanda de Energía
Eléctrica en Colombia. Unidad de Planeación Minero Energética. Recuperado a partir de
http://www1.upme.gov.co/sites/default/files/proyeccion_demanda_ee_Abr_2013.pdf
UPME, M. D. M. Y. E. (2014). LEY 1715,May 2014, (May), 2014.
UPME, MINISTERIO DE MINAS Y ENERGÍA, A. (2011). upme (p. 128). Recuperado a partir
de http://www.upme.gov.co/Docs/Asocodis_2010.pdf
Wang, Z., & Li, F. (2011). Critical peak pricing tariff design for mass consumers in Great
Britain. IEEE Power and Energy Society General Meeting, D(October 2010), 1-6.
http://doi.org/10.1109/PES.2011.6039603
XM. (2016). Demanda de Electricidad. Recuperado a partir de
http://www.xm.com.co/Pages/DemandadeElectricidad.aspx
Zhang, Q., Wang, X., & Fu, M. (2009). Optimal implementation strategies for critical peak
pricing. 2009 6th International Conference on the European Energy Market, EEM 2009.
http://doi.org/10.1109/EEM.2009.5207139
Zhao, S., & Ming, Z. (2014). Modeling demand response under time-of-use pricing.
POWERCON 2014 - 2014 International Conference on Power System Technology:
Towards Green, Efficient and Smart Power System, Proceedings, (Powercon), 1948-1955.
http://doi.org/10.1109/POWERCON.2014.6993842
74
APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS
El sistema fotovoltaico suple en el primer diseño 980Wh y el segundo el 1425 Wh, de la carga
total característica de 5.455Wh, es decir el 26,12% y 17,97%, correspondiente a un usuario
residencial estrato 4 de la ciudad de Bogotá.
Metodología:
La metodología que se desarrolla en este apéndice responde a la teoría impartida en la catedra de
Sistemas Fotovoltaicos por el Ingeniero Johan Hernández en la Universidad Distrital Francisco
José de Caldas.
Figura. A 1 Diagrama de Flujo Metodología para el diseño de Sistemas Fotovoltaicos Aislados.
75
1. Determinar la energía solar disponible en el lugar.
Se determina las horas de sol estándar o por sus siglas en Inglés Hour Solar Standar (Hss) de la
ciudad de Bogotá (dada en kWh/m2/día) a través de la herramienta en línea del IDEAM (Atlas de
Radiación Solar, Ultravioleta y Ozono de Colombia, en la Opción Irradiación Global Horizontal).
Figura. A 2 Radiación Promedio (Hss) Bogotá.
Con base en el atlas de radiación solar (Ver Figura. A 2) en las convenciones se identifica que el
valor de HSS está en el rango de 4- 4,5 [kWh/m2/día], pero se diseña con el valor más bajo,
garantizando que a pesar de la peor condición de radiación se va a tener el suministro de energía
para el usuario. Por ende se toma la medida de 4.0 [kWh/m2/día].
2. Carga del usuario
Ya que la curva de carga presenta 2 grandes picos (Figura. A 3) se plantea aplanarlos, estos se
encuentran en los periodos de tiempo comprendidos entre las horas 6-9 y 18-21 lapso durante el
76
que se activarán los sistemas de almacenamiento (baterías) cargados previamente por los sistemas
fotovoltaicos para suplir parte de la carga.
Figura. A 3 Curva de Carga Final Estrato 4 Ciudad de Bogotá. Copyright 2016 por (Escobar.,
2016).
Para ello se toma el punto mínimo de la curva [118,28W], y se le resta a cada uno de los datos
pertenecientes a la franja horaria de interés, el resultado de esta operación permite hallar el valor
de la potencia necesaria a implementar [PNI] en los sistemas fotovoltaicos y su área bajo la curva
indica la energía que se sistema va a suministrar.
Se desagregan los 100 usuarios en dos grupos de consumidores dando así variación en los precios,
dicha clasificación dependerá del porcentaje de potencia que se vaya a suplir con la instalación
fotovoltaica.
A. Grupo 1: El sistema fotovoltaico instalado podrá suplir el 68,7% de PNI., lo equivalente a
980Wh.
B. Grupo 2: El sistema fotovoltaico instalado podrá suplir el 100% de PNI, es decir, 1425Wh.
118,2835132
0 5 10 15 20 25
Curva de Carga final Estrato 4 Ciudad de Bogotá.
77
Para el diseño se tendrá en cuenta un nivel de tensión de 120 VAC para la instalación del usuario
y 24 VDC para el diseño fotovoltaico.
DISEÑO GRUPO 1.
1. Energía total a suministrar y selección del Inversor.
Para el cálculo de la energía total a suministrar es necesario conocer la eficiencia del inversor a
utilizar y que éste además cumpla con los requerimientos eléctricos de potencia instalada en el
Grupo 1 (137,83 W); por tal motivo se elige un equipo que cuenta con las siguientes características:
Tensión Entrada: 24 VDC.
Potencia de Salida: 150W.
Tensión de salida 120 VAC
Frecuencia: 60 HZ.
Eficiencia: 88%
Bajo precio.
Se revisaron las marcas COTEK S150 – 24, COTEK S150 - 124 que cumplen las características
descritas pero por precio se toma un inversor COTEK S150 - 24.
Para el cálculo de la Energía Total (𝐸𝑡), se emplea la ecuación ( 1):
𝐸𝑡 =E[Wh ∗ dia]
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝐼𝑛𝑣𝑒𝑟𝑠𝑜𝑟 ( 1)
Donde,
𝐸= Energía necesaria a suministrar [Wh*d]
𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝐼𝑛𝑣𝑒𝑟𝑠𝑜𝑟= Eficiencia dada por las especificaciones del fabricante (datasheet)
𝐸𝑡= Energía total [Wh*d]
𝐸𝑡 =980[Wh ∗ dia]
0.88= 1113,64𝑊ℎ ∗ 𝑑
78
2. Especificación del nivel de tensión nominal.
Con base al inversor seleccionado se toma una Tensión Nominal de 24 VDC.
3. Corrección por temperatura de energía a suministrar y potencia del generador
fotovoltaico.
Se requiere hallar un factor de seguridad, con el fin de incluirlo en el cálculo de las pérdidas de
potencia que presentan los paneles solares por temperatura ambiente máxima del sitio donde se va
a ubicar la instalación. De acuerdo al mapa de distribución de la temperatura máxima media anual
del IDEAM se tomó 20°C para la ciudad de Bogotá (ver Figura. A 4). 20°C es la temperatura a la
cual se tendrá el valor mínimo de potencia solo por temperatura.
Figura. A 4 Mapa de distribución de la temperatura máxima media anual de IDEAM.
Para el factor de seguridad se tomarán las especificaciones técnicas de un panel base (Tabla A 1.)
y las ecuaciones ( 2)( 3)( 4).
79
Tabla A 1.
Especificaciones Técnicas Panel Violin-CHSM6610P
VIOLIN –CHSM6610P
A condiciones STC, 1000W/m2, T=25°C
POTENCIA NOM 270 w
VOC 38,91 v
ISC 8,79 A
VPM 31,78 V
IPM 8,52 A
A condiciones NOCT 800W/m2, T=20°C
NOCT 43 °C
POTENCIA NOM 202,5 W
VOC 35,55 V
ISC 7,40 A
VMP 28,71 V
Coeficientes de Temperatura
Pmax -0,407 %/K
Voc -0,310 %/K°
Isc 0,049 %/K°
80
𝑇𝐶 = 𝑇𝐴 +𝑁𝑂𝐶𝑇 − 20
800 𝑊/𝑚2∗ 1000 𝑤/𝑚2 ( 2)
Donde,
𝑇𝐴=Temperatura Ambiente [°C].
NOCT =(Normal Operating Cell Temperature).Temperatura a la que operan las celdas en un
módulo solar bajo condiciones de operación estándar (SOC). Estas condiciones son: la radiación
de 0,8 kW / m2, a 20 º C de temperatura ambiente.[°C]
𝑇𝐶=Temperatura de la Celda.[°C]
𝑇𝐶 = 20° +43 − 20
800∗ 1000 = 48,75°
∆𝑇𝐶 = 𝑇𝑐 − 25°𝐶 ( 3)
Donde,
∆𝑇𝐶=Delta de la temperatura de la celda.
25°C=Es una constante de la temperatura de la celda.
∆𝑇𝐶 = 48,75 − 25°𝐶 = 23,75 °𝐶
Ya que los coeficientes de pérdida por temperatura se encuentran en Kelvin se va a convertir de
grados centígrados a Kelvin.
∆𝑇𝐶 = 321,9 𝑘 − 298,15𝑘 = 23,75 °𝐶
𝐹𝑆 = Coeficiente Temperatura por potencia (Pmax) ∗ ∆𝑇𝐶 ( 4)
Donde,
𝐹𝑆=Factor de Seguridad.[%]
81
Pmax= Coeficiente Temperatura por potencia dado por el fabricante [%/C]
𝐹𝑆 = −0,407 %/C° ∗ 23,75 °𝐶
𝐹𝑆 = 9,66% = 10%
Con dicho factor de seguridad se calcula la Energía Total Suministrada corregida, ecuación ( 5) :
𝐸𝑠𝑢𝑚 = 𝐸𝑡 (1 + 𝐹𝑆) ( 5)
Donde,
𝐸𝑠𝑢𝑚= Energía a suministrar por el sistema fotovoltaico. [Wh*d]
𝐸𝑠𝑢𝑚 = 1113,64 (1 + 0,1) = 1225 𝑊ℎ ∗ 𝑑
A partir de dicho factor de seguridad y la corrección de energía, se calcula la potencia del generador
fotovoltaico (Pg) con la ecuación ( 6) y usando el dato de las horas de sol estándar (Hss) dadas por
el IDEAM Figura. A 2.
𝑃𝑔 =𝐸𝑠𝑢𝑚
𝐻𝑠𝑠 ( 6)
Donde,
𝑃𝑔= Potencia del generador fotovoltaico [Wp]
𝑃𝑔 =1225 𝑊ℎ/𝑑
4,0 𝐾𝑤ℎ/𝑚2/𝑑= 306,25 𝑊𝑝
82
4. Selección de los módulos fotovoltaicos.
Para la selección del panel se buscan diferentes fabricantes (Tabla A 2) que permitan
comparar como primer criterio los precios del mercado y posterior la elección de la
cantidad de paneles en función de sus características técnicas.
Tabla A 2
Especificaciones Técnicas paneles.
Precio COP $944.000,00 $868.595,00 $705.915,00
Fabricante Poly Series Canadian Solar Azmut
Referencia UP -M315P CS6X-320P AZM 726P
Potencia Nom.[W] 315 320 305
Voc [V] 46 45,3 45,3
Ics [A] 8,82 9,26 8,7
Vmp [V] 36,3 36,8 37,29
Imp [A] 8,54 8,69 8,18
Coeficientes Temperatura
Pmax[%/°c] -0,43 -0,43 -0,42
Voc [%/°c] -0,3 -0,34 -0,32
Ics [%/°c] 0,05 0,065 0,08
NOCT [°c] 45 45 43
Con la potencia, se determina la cantidad de paneles de acuerdo a la ecuación ( 7):
𝑁° 𝑃á𝑛𝑒𝑙𝑒𝑠 =𝑃𝑔
𝑃𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑃𝑎𝑛𝑒𝑙 ( 7)
A través de la herramienta Excel se realiza la comparación entre los 3 paneles en donde se
encuentra que se necesita sólo un (1) panel en todos los casos, por lo que los precios son $944.000,
$868.595, $705.915 respectivamente.
A partir del número de paneles se elige la configuración serie/paralelo de los mismos, teniendo en
cuenta las siguientes consideraciones:
83
a. Corrección de voltaje por temperatura ambiente (VM,T°A)).
Debido a que los paneles tienen un comportamiento similar a un diodo semiconductor,
estos se ven afectados de manera negativa por la temperatura, por lo tanto es necesario
realizar una corrección del voltaje de circuito abierto del panel teniendo en cuenta la
temperatura ambiente máxima del lugar en el cual se va a instalar el sistema (Bogotá).
De la Tabla A 2 se toman los valores Vmp y coeficiente de corrección de temperatura a
Voc además del valor de ∆𝑇𝐶 calculado en la ecuación ( 3).
∆𝑉[%] = ∆𝑇𝐶 ∗ CoefV ( 8)
Donde,
CoefV= VOC dado por el fabricante del panel fotovoltaico.
∆𝑉[%] = 23,75 ∗ −0,32 = 7,6%
𝑉𝑀,𝑇°𝐴 = 𝑉𝑀𝑃 (1 − ∆𝑉[%]) ( 9)
Donde,
𝑉𝑀𝑃= Voltaje máximo dado por fabricante.[V]
𝑉𝑀,𝑇°𝐴= Voltaje máximo, corrección por temperatura.[V]
𝑉𝑀,𝑇°𝐴 = 37,29 (1 − 7,6[%]) = 34,45 [𝑉]
En concordancia a la ecuación ( 9) y partiendo que sólo es necesario instalar un panel se hace una
evaluación de las condiciones de Voc, Isc y VMTA de lo que se concluye que por sólo implementar
un equipo su Voc e Isc son igual a los nominales dados por el fabricante mostrados en la Tabla A
2, estas se resumen en la Tabla A 3.
84
Tabla A 3
Evaluación de las condiciones Eléctricas generador fotovoltaico panel 3.
Serie Paralelo Voc [V] Isc [A] VMTA
1 1 45,3 8,7 34,45
Ya que el voltaje máximo a temperatura ambiente (VMTA) debe ser mayor al voltaje nominal del
sistema (para el caso 24V) y de acuerdo a la Tabla A 3 se cumple dicha restricción se conserva
esta configuración.
5. Corriente de carga y selección del regulador.
Para el cálculo de la corriente de carga se tiene en cuenta la potencia que esta demanda,
además de la tensión DC del sistema.
𝐼 𝐶𝑎𝑟𝑔𝑎[𝐴] =Potencia Total Grupo 1[W]
𝑉𝑜𝑙𝑡𝑎𝑗𝑒 𝐷𝐶 𝑠𝑖𝑠𝑡𝑒𝑚𝑎[𝑉] ( 10)
𝐼 𝐶𝑎𝑟𝑔𝑎[𝐴] =137,83 [w]
24[𝑉]= 5,74 [𝐴]
Por lo anterior se debe seleccionar un Regulador MPPT que tenga las siguientes características:
a. Tensión de Entrada Mayor al VOC calculado en el arreglo es decir 45,3V.
b. Tensión de Salida: 24VDC.
c. Corriente de Salida: Mayor a la demandada por la carga en este caso particular mayor a
5,74 [A].
Por lo tanto se elige el regulador SMARTHARVEST SCCM10-100 que cuenta con las siguientes
especificaciones técnicas:
Máxima Tensión de Entrada: 100 [VDC]
Tensión Nominal para Carga de Baterías: 24 [VDC]
85
Corriente de Salida: 10 [A].
6. Dimensionamiento de las baterías.
Para el dimensionamiento del banco de baterías se deben tener en cuenta las siguientes
consideraciones dadas por el fabricante: Profundidad de Descarga según el número de ciclos,
Voltaje Nominal de baterías.
a. Calcular la capacidad necesaria de la batería a través de la ecuación
𝐶𝐼 =𝐸𝑠𝑢𝑚
𝑉𝑆𝑖𝑠𝑡𝑒𝑚𝑎 ( 11)
Donde,
𝐶𝐼= Capacidad de la batería [Ah].
𝐶𝐼 =1225𝑊ℎ/𝑑
24𝑉 = 51,04 [𝐴ℎ]
b. Determinar a criterio del diseñador cuántos días de Autonomía va a tener el sistema, con
el fin de hallar la capacidad nominal, Por tanto se desea tener un sistema que cuente con 2
días de autonomía por lo que la Capacidad Nominal será:
𝐶𝑛𝑜𝑚 = (𝐶𝐼
𝐴ℎ
𝑑) ∗ 𝑑í𝑎𝑠 𝑑𝑒 𝐴𝑢𝑡𝑜𝑛𝑜𝑚í𝑎 ( 12)
Donde,
𝐶𝑛𝑜𝑚=Capacidad nominal de la batería [Ah].
𝐶𝑛𝑜𝑚 = (51,04𝐴ℎ
𝑑) 2𝑑 = 102,08𝐴ℎ
86
Para el diseño del proyecto se determina que se tendrá una descarga a diario de baterías y tendrán
una vida útil de 10 años (según fabricante), por lo que se tienen 912,5 Ciclos, al seleccionar las
baterías Trojan T-105-RE que cuentan con una capacidad a C20 de 225Ah, se encuentra que la
profundidad de descarga a dicha cantidad de ciclos es de aproximadamente 0,8. Con lo anterior se
desarrolla la siguiente metodología:
Se debe realizar una corrección a la capacidad nominal del sistema en función de la profundidad
de descarga siguiendo la ecuación ( 13):
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎 =𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑡𝑒𝑟í𝑎
𝑃𝑟𝑜𝑓𝑢𝑛𝑑𝑖𝑑𝑎𝑑 𝑑𝑒 𝐷𝑒𝑠𝑐𝑎𝑟𝑔𝑎
Donde,
Profundidad de descarga= Dado por el fabricante (Datasheet)
( 13)
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎 =102,08 [𝐴ℎ]
0,8= 127,6[𝐴ℎ]
Por tanto se seleccionan dichas baterías ya que la capacidad nomina corregida no supera la nominal
de 225Ah.
c. Determinar el número de Ramas en Serie, ecuación ( 14):
𝑁° 𝐵𝑎𝑡𝑒𝑟í𝑎𝑠 𝑒𝑛 𝑆𝑒𝑟𝑖𝑒 =𝑉𝑜𝑙𝑡𝑎𝑗𝑒𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒𝑙 𝑆𝑖𝑠𝑡𝑒𝑚𝑎
𝑉𝑜𝑙𝑡𝑎𝑗𝑒𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒𝑙 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 ( 14)
𝑁° 𝐵𝑎𝑡𝑒𝑟í𝑎𝑠 𝑒𝑛 𝑆𝑒𝑟𝑖𝑒 =24[𝑉]
6[𝑉]= 4 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 𝑒𝑛 𝑠𝑒𝑟𝑖𝑒
d. Determinar el número de ramas en Paralelo, ecuación ( 15):
87
Finalmente el Número de Ramas en Paralelo es:
𝑁° 𝑅𝑎𝑚𝑎𝑠 𝑒𝑛 𝑃𝑎𝑟𝑎𝑙𝑒𝑙𝑜 =𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝐵𝑎𝑡𝑒𝑟í𝑎 ( 15)
𝑁° 𝑅𝑎𝑚𝑎𝑠 𝑒𝑛 𝑃𝑎𝑟𝑎𝑙𝑒𝑙𝑜 =127,60[𝐴ℎ]
225[𝐴ℎ]= 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 1 𝑅𝑎𝑚𝑎
Tabla A 4
Relación equipos seleccionados diseño Grupo 1.
Cantidad de energía a suplir 980 WH*día
Equipos
Inversor COTEK S150 $406.119
Paneles AZM 726P $705.915
Cuatro (4) Baterías TROJAN T-105-RE $2.033.500
Regulador SMARTHARVEST SCCM10-100 $334.075
DISEÑO GRUPO 2.
Siguiendo la metodología del Grupo 1 se seleccionan los equipos de la Tabla A 5:
Tabla A 5
Relación equipos seleccionados diseño Grupo 2.
Cantidad de energía a suplir 1425 WH*día
Equipos
Inversor SAMLEX AMERICA PST – 300- 24 $439.817
Dos (2) Paneles AZM 726P $1.411.830
Cuatro (4) Baterías TROJAN T-105-RE $2.033.500
Regulador MORNINGSTAR PS-MPPT-25 $906.651
88
DISEÑO GRUPO 3.
Tabla A 6
Relación equipos seleccionados diseño Grupo 3.
Cantidad de energía a suplir 5455 Wh*día
Equipos
Inversor COTEK S600 $868.595
6 Paneles AZM 726P $4.235.490
Ocho (8) Baterías Rolls Modelo S-460 $6.873.462
Regulador MORNINGSTAR SS-MPPT-15L $660.190
DISEÑO GRUPO 4.
Tabla A 7
Relación equipos seleccionados diseño Grupo 4.
Cantidad de energía a suplir 28 Wh*día
Equipos
Inversor 100W
Paneles 20W
Baterías 10Ah
Inversión $1.148.400
89
ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE
BOGOTÁ
SECRETARÍA DISTRITAL DE
PLANEACIÓN
SUBSECRETARÍA DE INFORMACIÓN Y
ESTUDIOS ESTRATÉGICOS
DIRECCION DE INFORMACIÓN,
CARTOGRAFÍA Y ESTADÍSTICA
INVENTARIO DE INFORMACIÓN EN
MATERIA ESTADÍSTICA SOBRE
BOGOTÁ
2. POBLACIÓN, VIVIENDAS Y HOGARES
POR ESTRATO SOCIOECONOMICO
NOM_LOC NOM_UPZ
Hogares por estrato
socioeconómico
Viviendas por
estrato
socioeconómico
Hogares
4. Medio
Viviendas
4. Medio
Usaquén Verbenal 1.499 1.412
Usaquén La Uribe 2.381 2.418
Usaquén Toberin 12.026 12.023
Usaquén Los Cedros 30.214 32.133
Usaquén Usaquen 1.456 1.476
Usaquén Country Club 0 0
Usaquén Santa Barbara 0 0
Usaquén UPR Usaquén 84 87
Chapinero Pardo Rubio 10.939 10.512
Chapinero Chicó Lago 1.061 1.096
Chapinero Chapinero 7.023 6.944
Chapinero UPR Chapinero 4 4
Santa Fe Sagrado Corazón 1.591 1.747
Santa Fe La Macarena 1.558 1.527
Santa Fe UPR Santa Fe 108 123
Usme UPR Usme 1 1
Kennedy Américas 2.875 2.685
Kennedy Bavaria 4.456 4.045
Fontibón Fontibón 632 610
Fontibón
Ciudad Salitre
Occidental 9.184 9.652
Fontibón Granjas de Techo 8.510 9.040
Fontibón Modelia 16.304 16.993
Fontibón Capellanía 3.031 2.933
Engativá Las Ferias 2.373 1.993
Engativá Santa Cecilia 7.547 7.294
Suba Guaymaral 10 10
Suba San Jose de Bavaria 9.388 9.364
Suba Britalia 4.433 4.329
Suba El Prado 17.339 17.038
Suba La Alhambra 96 96
90
Suba Casa Blanca 10.026 9.790
Suba Niza 3.431 3.458
Suba La Floresta 7.721 7.680
Suba Suba 2.681 2.420
Suba UPR Suba 7 6
Barrios Unidos Los Andes 7.090 6.251
Barrios Unidos Doce de Octubre 16.310 13.794
Barrios Unidos Los Alcázares 4.480 3.915
Teusaquillo Galerias 9.238 9.647
Teusaquillo Teusaquillo 10.678 11.060
Teusaquillo
Parque Simón Bolivar -
Can 943 977
Teusaquillo La Esmeralda 9.913 10.236
Teusaquillo Quinta Paredes 9.124 9.406
Teusaquillo Ciudad Salitre Oriental 5.089 5.461
Los Mártires La Sabana 2.294 2.127
Ciudad Bolívar UPR Ciudad Bolívar 0 1
Sumapaz UPR Sumapaz 61 63
Total Bogotá D.C. 255.209 253.877
Fuente: DANE - SDP
91
ANEXO 2. PROTOCOLO FLUKE 435
Tabla 25:
Datos Básicos de la medida. Datos Básicos de la medida
Nombre De Quien Realiza La
Medición
Dirección De Domicilio
Localización Física (CAJA DE
BREAKERS)
Tipo de conexión utilizada
Topología Seleccione
Monofase
Fase dividida
3φ – en estrella
3φ – en triangulo
3φ – en triangulo de dos elementos
(aron)
Temperatura Ambiente
Fecha de Medición
Intervalos de medición 5 minuto
Hora de inicio
Hora de finalización
Día de inicio
Día de finalización
Pasos para conexión ANALIZADOR DE RED FLUKE 1730
92
¡Advertencia!
Para evitar el riesgo de sufrir una descarga eléctrica o dañar el equipo, y antes de realizar
ninguna conexión al instrumento, lea y siga las advertencias y precauciones de seguridad
incluidas en el Manual de uso del instrumento.
1. Configuración del analizador
Al encender el analizador por primera vez, tras un ajuste predeterminado de fábrica, o si se ha
desconectado de todas las fuentes de alimentación, deberá ajustar varios valores generales que
serán necesarios para esta medida. En la Tabla 26 siguiente se presenta la información inicial a
ajustar:
Tabla 26:
Configuración inicial analizador. Ajuste Valor predefinido
Idioma de la información Español
Frecuencia nominal 60 Hz
Tensión nominal 120 V
Identificación de fase A, B, C
Colores de fase A/L1-B/L2-C/L3-N-Puesta a tierra Negro-Rojo-Azul-Gris-Verde
Fecha + Formato de fecha Mes/día/año
Fecha + Hora 1 de enero de 2010 + 00:00:00
Cuando termine de configurar los parámetros de la Tabla 26, aparecerá la pantalla mostrada en
la Figura 23. Esta pantalla permite acceder a todos los ajustes del analizador.
93
Figura 23. Pantalla de entrada a las configuraciones del analizador.
La tecla de función F1 permite acceder a una pantalla donde se observa detalladamente cómo
conectar las sondas de tensión y corriente al sistema de alimentación que se va a examinar. En la
Figura 24 se presenta un ejemplo. Pulse F1 de nuevo para volver a la pantalla de bienvenida.
Figura 24. Pantalla para la configuración del cableado real
94
Pulse la tecla para acceder a los menús que incluyen todas las configuraciones del
analizador. Por medio de las flechas se selecciona la opción correspondiente al sistema que se va
a medir.( Figura 25)
Figura 25. Configuración tipo de conexión.
Para configurar la forma de conexión se pulsa f4 y se selecciona por medio de los cursores la
opción adecuada
Antes de realizar medidas, configure el analizador según la tensión de línea, la frecuencia y la
configuración del cableado del sistema de alimentación que desee medir.
95
CONFIGURACIÓN DE LA CONEXIÓN
La conexión de un sistema trifásico (Figura 26).
Figura 26. Conexión del analizador a una instalación trifásica.
Primero, ponga las pinzas amperimétricas alrededor de los conductores de fase A (L1), B (L2), C
(L3) y N(neutro). Las pinzas están marcadas con una flecha que indica la polaridad de señal
correcta, luego realice las conexiones de tensión: comience por la conexión a tierra y, después, en
sucesión N, A (L1), B (L2) y C (L3). Para obtener resultados de medida correctos, conecte siempre
la entrada de conexión a tierra. Para medidas monofásicas, utilice la entrada de corriente A (L1)
y las entradas de tensión de conexión a tierra, N (neutro) y fase A (L1).
Las pantallas de osciloscopio y fasor son útiles para comprobar si los cables de tensión y las pinzas
amperimétricas están conectados correctamente. En el diagrama de vectores, las tensiones de fase
y las corrientes A (L1), B (L2) y C (L3) deben aparecer en secuencia al observarlas en el sentido
de las agujas del reloj como el ejemplo se presenta en la Figura 27.
96
Figura 27. Diagrama de vectores correspondiente al analizador correctamente conectado.
2. Configuración del Registrador
Para acceder al menú de inicio del analizador, se pulsa la tecla . (Figura 28)
Figura 28. Menú de configuración del registrador.
97
El juego de lecturas que debe registrarse se puede seleccionar en el menú situado bajo la tecla de
función F1 – SETUP READINGS.
Con las teclas de flecha arriba/abajo puede seleccionar la categoría de las lecturas que se vayan a
registrar. Estas categorías se enumeran en la columna 1: voltios, amperios, potencia, energía,
armónico de voltios, armónico de amperios, armónico de vatios, frecuencia, parpadeo,
desequilibrio y transmisión de señales.
Con las teclas de flecha puede seleccionar la columna 2 donde se enumeran las lecturas que
pertenecen a la categoría seleccionada. Las lecturas indicadas con están activas y también se
imprimen en la columna 3.
Las lecturas indicadas con no están activas. Las lecturas inactivas se pueden seleccionar con
las teclas de flecha arriba/abajo. A continuación, si pulsa F3 – ADD, la lectura se añadirá a la
columna 3 de lecturas seleccionadas. Tenga en cuenta que en la columna 2, el símbolo aparece
ahora delante de la lectura que se acaba de seleccionar.
Con las teclas de flecha puede seleccionar una lectura activa en la columna 3. A continuación, si
pulsa F4 – REMOVE, la lectura se eliminará de la lista de lecturas activas. Con F3 – MOVE, puede
desplazar una determinada lectura a una posición superior en la lista de lecturas seleccionadas.
Para continuar pulse F5 – OK.
Una vez terminada la configuración de la ventana de la Figura 28, se pulsa START y se da
comienzo a la medición.
98
ANEXO 3. PROTOCOLO FLUKE 1730
Tabla 27:
Datos Básicos de la medida. Datos Básicos de la medida
Nombre De Quien Realiza La
Medición
Dirección De Domicilio
Localización Física (CAJA DE
BREAKERS)
Tipo de conexión utilizada
Topología Seleccione
Monofase
Fase dividida
3φ – en estrella
3φ – en triangulo
3φ – en triangulo de dos elementos
(aron)
Temperatura Ambiente
Fecha de Medición
Intervalos de medición 1 minuto
Hora de inicio
Hora de finalización
Día de inicio
Día de finalización
Pasos para conexión ANALIZADOR DE RED FLUKE 1730
¡Información de seguridad!
99
Recuerde que está trabajando con niveles de tensión peligrosos, tome las medidas necesarias
para realizar la instalación del equipo para evitar posibles descargas eléctricas, fuego o
lesiones personales.
3. Configuración de la sesión de registro
Encienda el equipo. Si no hay ninguna sesión de registro activa, pulse para abrir la
pantalla Resumen de la configuración (Setup Summary) correspondiente al registro. Esta pantalla
contiene todos los parámetros de registro, como: (Figura 29)
• Nombre de la sesión.
• Duración.
• Intervalo del cálculo promedio.
• Intervalo de demanda
• Costes energéticos
• Descripción.
100
Figura 29. Ventana logger (parámetros del registro)
A CONTINUACIÓN SE DARA UNA BREVE EXPLICACIÓN DE LOS PARÁMETROS EN
LA SESIÓN DE REGISTRO
Nombre de la sesión: El Registrador genera automáticamente el nombre del archivo utilizando el
formato ES.xxx. ES ... Estudio de energía xxx ... Número de archivo consecutivo
Duración: Seleccione la duración de la medición en la lista. La sesión de registro se detiene
automáticamente cuando transcurre el tiempo de la duración seleccionada. La sesión de registro
también se puede parar manualmente.
Intervalo del cálculo promedio: Seleccione el intervalo de tiempo cada cual debe añadirse un
nuevo valor promedio a la sesión de registro. Están disponibles los siguientes intervalos: 1 seg., 5
seg., 10 seg., 30 seg., 1 min., 5 min., 10 min., 15 min. y 30 min.
101
Intervalo de demanda: Los proveedores eléctricos utilizan este intervalo para medir la demanda
de los clientes. Seleccione un intervalo para obtener el coste energético y el valor de la demanda
máxima (potencia promedio medida a lo largo del intervalo de demanda). Lo más habitual es
utilizar un valor de 15 minutos. Si no conoce el intervalo promedio, seleccione 5 minutos.
Costes energéticos: Introduzca el coste/kWh correspondiente a la energía demandada.
Descripción: Utilizando el teclado virtual, introduzca más información sobre la medición, como
por ejemplo el cliente, la ubicación y los datos de la placa de características.
CONFIGURACIÓN DEL REGISTRADOR PARA LA MEDIDA
Para modificar los parámetros, pulse Edit Setup (Editar configuración). La
configuración se conservará al apagar el instrumento.
102
Figura 30. Ventana de edición para la configuración del registrador para la medición.
En la Figura 30 se presenta la ventana de configuración para la realización de la medición, cada
uno se puede modificar dando click sobre cada parámetro o moviéndose con las flechas que están
a la derecha del equipo y pulsando Enter.
Para el cambio del nombre del nuevo registro, al ingresar a la ventana se escribe el nombre
que se le quiere dar y se pulsa Enter. (Figura 31)
Figura 31. Ventana de configuración del nombre.
Para la opción duración, que para este estudio se tomara de una semana, se selecciona esta
opción dando click sobre la opción “1 semana”. En la opción Definir fecha y hora de
inicio se cambia a "ON" para poder editar y por medio de la pantalla táctil se selecciona
la fecha y hora de inicio de la medición, de igual forma para la fecha de finalización,
finalmente se pulsa Enter dos veces.(Figura 32 y Figura 33)
103
Figura 32. Ventana configuración duración.
Figura 33. Ventana configuración fecha y hora.
Para la opción calcular medida, al ingresar a la ventana, se selecciona cada “1 minuto”,
que será el tiempo de muestreo para esta medición Y Enter. (Figura 34)
104
Figura 34. Ventana configuración del cálculo de la medida cada 1 minuto.
La especificación del intervalo de demanda no será objeto de esta medida, por lo que se
dejara como predeterminado en "apagado". (Figura 35)
Figura 35. Ventana configuración intervalo demanda.
Para la opción coste de la energía, se escogerá el predeterminado o un valor arbitrario.
(Figura 36)
105
Figura 36. Ventana configuración coste de energía.
Finalmente se dará click en Hecho o F4 para grabar el nuevo registro.
4. Configuración de la conexión y tipo de estudio
Seleccione el sistema pertinente. En el Registrador se visualizará un esquema de conexiones para
los cables de prueba de tensión y los sensores de corriente. También puede accederse a un esquema
a través de (Esquema de conexiones) (Connection diagram) en el menú Cambiar
configuración (Change Configuration).
A CONTINUACIÓN SE PRESENTAN LOS TIPOS DE CONEXIONES DISPONIBLES JUNTO
CON EL DIAGRAMA DE CONEXIÓN. Tabla 28 (SU SELECCIÓN DEPENDE DE LA
TOPOLOGÍA EN SU HOGAR )
107
Triángulo 2 elementos
(Aron/Blondel)
TIPO DE ESTUDIO
Dependiendo de la aplicación, seleccione " Estudio de carga " (Load Study) o " Estudio de energía
" (Energy Study).
Estudio de energía: seleccione este tipo de estudio si necesita los valores de potencia y energía,
incluida la potencia activa (W) y el factor de potencia (PF).
Estudio de carga: por comodidad, algunas aplicaciones requieren que únicamente se mida la
corriente de la conexión en el punto de medición.
CONFIGURACIÓN DEL TIPO DE CONEXIÓN Y TIPO DE ESTUDIO
Para la configuración de la topología y tipo de estudio, vaya a Meter (Multímetro)
> Cambiar configuración (Change Configuration) Figura 37.
108
Figura 37. Ventana Meter
Al ingresar a la opción , se presentan las opciones de tipo de estudio y topología
del sistema que se quiere medir.
De igual forma para ingresar a las opciones se puede dar click sobre cada opción o con las flechas,
pulsando Enter. (Figura 38)
109
Figura 38. Ventana cambiar configuración
Al ingresar a la ventana de estudio de energía, se selecciona estudio de energía, que es el
requerido para esta medida. Y Enter. (Figura 39)
Figura 39. Ventana cambiar configuración de tipo de estudio
Para la configuración de la topología como ya se mencionó, depende de la instalación donde
se realizará la medida, una vez identificada la topología se selecciona una opción y se pulsa
Enter. (Figura 40)
110
Figura 40. Ventana cambiar configuración de la topología
Las demás opciones se dejan como las predeterminadas.
5. Conexión del equipo
Luego de identificar la topología que presenta en su hogar proceda a realizar la conexión en la caja
de Breakers como se observa en la Tabla 28, tome las medidas de seguridad necesaria para su
seguridad.
6. inicio de registro
Para iniciar el registro de clic en el botón con lo cual se dará inicio a la medida,
con los parámetros anteriormente establecidos.
Nota: recuerde que el equipo debe estar conectado (cargando) durante TODA la medición
SIN INTERRUPCION.
111
ANEXO 4. PROTOCOLO PQA
Tabla 29:
Datos Básicos de la medida.
Datos Básicos de la medida
Nombre De Quien Realiza La
Medición
Dirección De Domicilio
Localización Física (CAJA
DE BREAKERS)
Tipo de conexión utilizada Topología Seleccione
Monofase
Fase dividida
3φ – en estrella
Temperatura Ambiente
Fecha de Medición
Intervalos de medición 2 minuto
Hora de inicio
Hora de finalización
Día de inicio
Día de finalización
Pasos para conexión
112
¡ CAUTION !
Para evitar el riesgo de sufrir una descarga eléctrica o dañar el equipo, y antes de realizar
ninguna conexión al instrumento, lea y siga las advertencias y precauciones de seguridad
incluidas en el Manual de uso del instrumento.
7. Interfaz inicial
Al encender el equipo lo primero que verán será el menú general. (Figura 29)
Figura 41. Pantalla menú principal
Con la selección actual se muestra con el fondo de color rojo en la pantalla y su título en la parte
inferior de la pantalla. En las secciones siguientes se encuentran disponibles en el medidor:
- La sección Configuración general permite configurar los parámetros del sistema de
medida, como la fecha / hora, idioma, brillo de la pantalla, la protección de contraseña,
claves de sonido en el poder de auto presión y el tipo de memoria.
- La sección de valores de tiempo real permite ver los valores de medición del tiempo real
en la pantalla bajo diversos formatos.
113
- La sección de configuración del analizador permite definir las configuraciones simples y
avanzadas relativas a la conexión del medidor a la instalación.
- La sección de configuración de la grabadora que permite seleccionar los parámetros para
cada grabación y ver la información sobre la autonomía del metro durante el
funcionamiento.
- La sección Resultados de la grabación, permite ver la lista de todas las grabaciones
guardadas en la memoria interna, para la memoria cancelar las operaciones y la
transferencia de la fecha en la externa USB Pen Driver.
- La sección de información del medidor que permite acceder a la información general sobre
la medición (número de serie, versión de firmware y software interno, etc ...).
8. Configuración del analizador
Figura 42. Configuración del analizador.
114
Dentro de esta sección se realizan las configuraciones relacionadas con el tipo de instalación
eléctrica en la que se está midiendo, en general es posible seleccionar el tipo de sistema y la
frecuencia.(Figura 43)
Figura 43. Pantalla Configuración del analizador.
En la pantalla de configuración del analizador, en la opción system se selecciona el sistema, en
concordancia con el sistema a medir, posteriormente se selecciona la opción frecuencia y se
modifica a 60Hz, finalmente se selecciona mediante la pantalla táctil en el chulo verde .
A CONTINUACIÓN SE PRESENTAN LOS TIPOS DE CONEXIONES DISPONIBLES JUNTO
CON EL DIAGRAMA DE CONEXIÓN. Tabla 30 (SU SELECCIÓN DEPENDE DE LA
TOPOLOGÍA EN SU HOGAR)
116
9. Configuración de la grabación
Figura 44. Configuración de la grabación.
En esta sección se define cualquier detalle relativo al inicio y parada de las grabaciones, realizar
la selección de los parámetros para la grabación, el tipo de análisis que se lleva a cabo muy
fácilmente gracias a la "pantalla táctil" pantalla. (Figura 45)
Figura 45. Pantalla Configuración de la grabación.
En la opción comments se fija el nombre de la medición, pulsando sobre la opción. en el
parámetro start:manu se define la fecha y la hora de inicio de la grabación y stop:manu la fecha
y hora de terminación de la grabación, la opción general parameters permite la selección de
117
parámetros a grabar, voltaje, corriente, potencia y factor de potencia, por último la opción
integration period permite fijar el tiempo de la toma de muestras que será para esta medición 2
minutos . Se da click en el culo verde al terminar la configuración.
10. Inicio de la grabación
El medidor está diseñado para iniciar una grabación en modo manual o automático pulsando la
tecla de GO / STOP. Una operación de grabación puede iniciarse exclusivamente bajo las
siguientes pantallas:
GENERAL MENÚ (con cualquier icono seleccionado).
VENTANA DE VISUALIZACIÓN EN TIEMPO REAL (en cualquier pantalla interna).
Para activar y desactivar las grabaciones con medidor. Las opciones posibles son:
- Manu: Cada grabación está activado / desactivado en el modo manual pulsando la tecla
GO / STOP.
- Auto: Cada grabación está activado / desactivado en modo automático, a partir de un medio
y válida la fecha / hora mediante prensado preliminar de tecla GO / STOP.
La configuración por defecto es siempre el modo manual para cambiar del modo manual al modo
AUTO se lleva a cabo los siguientes pasos:
1. Mover el cursor con las teclas de flechas en el campo relativo a "Inicio: Manu" o
"Stop: Manu", marcado con el fondo azul.
2. Pulse la tecla F4 (o bien tocar el modificar en pantalla). En la parte inferior de la pantalla se
imprime una barra de comandos con "Manu".
118
3. Pulse la tecla F3 (MOD (+)) o F4 (MOD (-)) y seleccionar "Auto".
4. Use las teclas de flechas izquierda o derecha para moverse en los campos de fecha y hora.
Utilizando la tecla de flecha hacia arriba o la tecla (MOD (+)) F3 para aumentar el valor y la tecla
de flecha hacia abajo o F4 (MOD (-)) clave para reducir el valor.
5. Pulse GUARDAR o la tecla ENTER (o el icono inteligente) para guardar las configuraciones.
El modo automático y de la fecha / hora se imprimen en la pantalla.
ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS
FOTOVOLTAICOS
Top Related