Planificación de la expansión

de redes de transporte de
energía eléctrica considerando
incertidumbre

Marcelo Alfredo Cortés Carmona

 UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
DEPARTAMENTO DE INGENIERÍA ELÉCTRICA

PLANIFICACION DE LA EXPANSIÓN DE REDES DE

TRANSPORTE DE ENERGÍA ELÉCTRICA
CONSIDERANDO INCERTIDUMBRE

TESIS PARA OPTAR AL GRADO DE DOCTOR EN

INGENIERÍA ELÉCTRICA

MARCELO ALFREDO CORTÉS CARMONA

PROFESOR GUÍA:
DR. RODRIGO PALMA BEHNKE

MIEMBROS DE LA COMISIÓN:
DR. HUGH RUDNICK VAN DE WYNGARD
DR. LUIZ AUGUSTO BARROSO
DR. LUIS VARGAS DÍAZ

SANTIAGO DE CHILE
ENERO 2012
 Resumen

Desde hace casi tres décadas, los sistemas de energía eléctrica han experimentado cambios
radicales desde el punto de vista de su organización industrial. Se pasó desde los sistemas centralizados,
con estructuras cerradas e integradas verticalmente a sistemas liberalizados con estructuras abiertas,
desintegradas y con acceso a la libre competencia. Este cambio de paradigma, ha obligado a replantear, en
general, los mecanismos con los que se planifica y opera un sistema eléctrico. Concretamente, la
reestructuración y liberalización de los mercados de energía eléctrica ha obligado a cambiar los objetivos
de la operación y planificación de los sistemas eléctricos, y nuevos elementos se incorporan conforme
pasa el tiempo. Uno de estos elementos es la incertidumbre. Se ha detectado que en los sistemas
liberalizados ésta ha aumentado, de manera que las decisiones hoy en día se toman en ambientes más
inciertos, aún en el caso de la planificación de la operación de mediano plazo.
Esta tesis aborda el problema de la operación y planificación de la expansión de redes de
transporte considerando la incertidumbre (PERTI). Primeramente, se desarrolla un algoritmo que permite
determinar el estado operativo de un sistema eléctrico considerando la incertidumbre. La incertidumbre se
modela mediante la teoría de conjuntos difusos, construyéndose a partir de esta, una novedosa herramienta
denominada flujo de potencia difuso DC (FPD). El algoritmo propuesto es una alternativa a las
metodologías existentes y los resultados obtenidos permiten concluir la validez de la metodología
propuesta. Uno de los aspectos novedoso de la propuesta es el desarrollo de una fórmula para restar
números difusos, la cual permite realizar operaciones entre números difusos dependientes. Este
conocimiento permitió crear dos algoritmos de FPD, uno orientado a redes radiales y otro aplicable a redes
radiales y anilladas. El desarrollo de estos algoritmos constituyen el principal aportes de esta tesis.
Validado el algoritmo de FPD, este se utiliza como plataforma para el desarrollo de una
metodología, que permite resolver el PERTI, a un bajo costo computacional. El problema supone
conocido el plan de obras de las centrales generadoras, de manera que sólo se analiza el tema de dónde y
cuántas líneas o transformadores deben ser instalados para cubrir las necesidades de energía y
confiabilidad del sistema. Primeramente, el problema se descompone en dos fases. En la primera, se
resuelve el problema de decidir que inversiones realizar, el que deriva en un problema de programación
entero mixto determinista. En la segunda, se resuelve un problema de operación óptima estocástico, en
donde se conocen las decisiones de inversión. Este subproblema se descompone a su vez en dos etapas. En
la primera, se resuelve un problema de despacho óptimo determinista con restricciones de red. De este
problema se obtienen las generaciones óptimas del sistema y la potencia total desprendida. Este último
valor, se utiliza como primer criterio de diseño para decidir las instalaciones de transmisión que son
aceptables para la solución del problema. En la etapa 2, se representan las incertidumbres del sistema. Para
esto, se toman las generaciones óptimas y demandas de la etapa 1 y se convirtieren variables difusas, con
las cuales se resuelve un FPD. Este último cálculo permite obtener funciones de posibilidad de los flujos
por las ramas, a partir de los cuales se obtiene un índice que representa la posibilidad de exceder la
capacidad de los tramos. Este índice, se utiliza como un segundo criterio de diseño. El procedimiento
expuesto, evita resolver el complejo problema de programación estocástica.
El proceso de interacción entre las fase I y la fase II se coordina a través de la metaheurística
simulated annealing, la que ha tenido un buen desempeño ya que permiten encontrar soluciones de buena
calidad en sistemas de tamaño reales. La metodología se aplica a dos sistemas de prueba, obteniéndose
resultados que indican que los planes de inversión considerando incertidumbre, son de mayor costo que
los planes deterministas. Sin embargo, estos son robustos frente a la incertidumbre que se pueda presentar
en el crecimiento de la demanda y generación. Se concluye además, que planificar considerando
incertidumbre en un sistema como el SIC, implica asumir un costo adicional de 125,36 MMUSD, lo que
equivalente a una línea de 2 x500 kV de 200 km. Finalmente, otra conclusión que se extrae de la
metodología propuesta, es que el tiempo adicional necesario para obtener un plan considerando
incertidumbre es tan sólo un 2.2% mayor que el requerido para obtener una solución determinista.

i
 Abstracts

For almost three decades, electric power systems have experienced radical changes from the point
of view of their industrial organization. These were altered from centralized systems with closed
structures, and integrated vertically to liberalized systems, with open structures, disintegrated with access
to free competition. This change in paradigm, has forced us to reconsider in general, the mechanisms by
which an electrical system is planned and operated. Specifically speaking; the restructuring and
liberalization of electric power markets, has forced us to change the objectives of the operation and
planning of electric systems, plus new elements were incorporated as time progressed. One of these
elements is uncertainty. It has been determined that in liberalized markets uncertainty has increased, so
that the decisions today are made in more uncertain conditions, even in the case of medium-term operation
planning.
This thesis addresses the problem of the operation and transmission network expansion planning
in uncertain environments (TNEPU). First; an algorithm to determine the operative state of an electric
system considering uncertainty has been developed. The uncertainty is modeled using the fuzzy sets
theory, and lead us to develop a novel tool called the DC fuzzy load flow (FPD). The algorithm proposed
is an alternative to the existing methodologies, and results obtained indicate the validity of the proposed
method. One novel aspect of the proposal, is the development of a formula to subtract fuzzy numbers,
which allows for carrying out operations among dependent fuzzy numbers. This knowledge allowed two
FPD algorithms to be created; one oriented to radial networks, and the other oriented to radial and meshed
networks. The development of these algorithms constitutes the main contribution of this thesis.
Once the FPD algorithm was validated, this was used as a support for the development of a
methodology that allows for solving the TNEPU, at a low computational cost. The problem supposes that
the generation planning problem be solved, so that only where and how many lines or transformers should
be installed, in order to meet the energy and reliability requirements of the system, is analyzed. First; the
problem is decomposed into two phases. First, is considered the problem of deciding what investments
should be made. This is a deterministic mixed-integer programming problem. Second, a stochastic
optimization problem in which investment decisions are known is solved. Additionally, this sub problem
is decomposed of two stages. In the first stage, we need to solve the deterministic DC optimal power flow.
This problem yields power system optimal generations and the total load shedding. This last value is used
as the first design criteria for deciding transmission facilities, which are acceptable for the problem
solution. In stage 2, the system uncertainties are represented. For this, we take demand and optimal
generations of stage 1, and turn them to fuzzy variables, and then the FPD is solved. This calculation
allows for obtaining power flow possibility functions for the branches, from which we obtain an index that
represents the possibility of exceeding the branches capacity. This index is used as a secondary design
criterion. The procedure described removes the necessity for implementing the complex stochastic
programming problem.
The interaction process among phases I and II is coordinated through the simulated annealing
metaheuristic. This algorithm has had good performance, because it has allowed for finding high quality
solutions in real size systems. This methodology was applied to two test systems, obtaining results that
indicate the plans that consider uncertainty are more expensive than plans without uncertainty. However,
these plans are robust when the uncertainty in the demand growth and generation occurs. It also concludes
that plans considering uncertainty as the SIC system, involves an increase in investment cost of 125.36
MMUSD. This value is equivalent to 2x500 kV, 200 km transmission line. Finally; another conclusion
that can be extracted from the proposed methodology, is that the additional time required to obtain the
plans considering uncertainty is only 2.2% greater than that required to obtain a deterministic solution.

ii
 Dedicatoria

A Jehová, el Dios eterno y auto existente

A mi familia, Luz, Paulina, Marcelo, Emilio y Pía
A mis padres
A los que creen en que los años no son un impedimento para seguir aportando a la sociedad

iii
 Agradecimientos

Quiero expresar mis más sinceros agradecimientos a todas las personas y entidades que
ha hecho posible el desarrollo del trabajo de investigación contenido en esta Tesis de Doctorado.
En particular, quisiera, expresamente, agradecer:

A la Universidad de Antofagasta por haberme brindado por segunda vez la oportunidad

de emprender este nuevo desafío y proporcionar el apoyo financiero para cubrir mi estadía
durante el periodo que duró el programa de Doctorado.

Al aporte otorgado por el proyecto MECESUP ANT 0102 de la Facultad de Ingeniería

de la Universidad de Antofagasta, que permitió financiar parte de los costos de este programa.

Al Dr. Rodrigo Palma Behnke, profesor guía de esta tesis por su constante contribución
a las ideas vertidas en este trabajo, su apoyo y ejemplo de compromiso por lo que hace, digno de
imitar.

A los miembros de la Comisión revisora; Dr. Hugh Rudnick, Dr. Luiz Barroso y Dr.
Luis Vargas, por el valioso tiempo dedicado a analizar, discutir y aportar con nuevas ideas y
visiones a esta tesis, que sin duda han enriquecido aún más las ideas que se han presentado en
esta investigación.

A los profesores de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de

Chile, por la excelente calidad de las asignaturas que tuve que cursar, que sin duda contribuyó a
enfrentar de mejor forma el desarrollo de esta tesis.

A los colegas del Departamento de Ingeniería Eléctrica de la Universidad de

Antofagasta, que de alguna manera han tenido que sustituirme en la realización de más de alguna
tarea de las que me correspondía realizar durante mi ausencia mientras realicé este doctorado. En
especial al colega Felipe Valdivia por su generosa disposición a apoyarme cuando solicité su
ayuda.

iv
 Tabla de Contenidos

CAPÍTULO 1. INTRODUCCIÓN ...................................................................................................... 1

1.1 FUNDAMENTOS GENERALES ................................................................................................ 1

1.2 MOTIVACIÓN .................................................................................................................. 3
1.3 DEFINICIÓN GENERAL DEL PROBLEMA .................................................................................... 4
1.4 OBJETIVOS ..................................................................................................................... 5
1.4.1 OBJETIVOS GENERALES ........................................................................................................... 5
1.4.2 OBJETIVOS ESPECÍFICOS .......................................................................................................... 6
1.4 ALCANCES DEL TRABAJO..................................................................................................... 7
1.5 CONTRIBUCIONES DE LA TESIS ............................................................................................. 7
1.6 ORGANIZACIÓN DEL DOCUMENTO ........................................................................................ 8

CAPÍTULO 2. VISIÓN GENERAL DE LA PLANIFICACIÓN DE LA EXPANSIÓN EN SISTEMAS DE

TRANSMISIÓN.............................................................................................................................. 10

2.1 INTRODUCCIÓN ............................................................................................................. 10

2.2 LA PLANIFICACIÓN TRADICIONAL DE LA EXPANSIÓN DEL SISTEMA DE TRANSMISIÓN ........................ 12
2.2.1 LA GENERACIÓN DE CANDIDATOS ............................................................................................ 14
2.2.2 ANÁLISIS FINANCIERO Y OTROS ............................................................................................... 14
2.2.3 EVALUACIÓN TÉCNICA........................................................................................................... 15
2.3 AMBIENTE DE CAMBIO Y NUEVOS DESAFÍOS ......................................................................... 15
2.3.1 CRITERIOS DE EXPANSIÓN ...................................................................................................... 16
2.3.2 RELACIONAMIENTO ENTRE LA GENERACIÓN Y LA DEMANDA......................................................... 16
2.3.3 TEMAS INSTITUCIONALES....................................................................................................... 17
2.4 EXPANSIÓN DE LA TRANSMISIÓN EN UN AMBIENTE REESTRUCTURADO ........................................ 17
2.4.1 INVERSIÓN EN TRANSMISIÓN.................................................................................................. 21
2.4.2 PLANIFICACIÓN EN TRANSMISIÓN ............................................................................................ 22
2.5 ALGUNAS EXPERIENCIAS INTERNACIONALES ......................................................................... 24
2.5.1 MERCADO DE ENERGÍA ELÉCTRICA EN CANADÁ ......................................................................... 24
2.5.1.1 Mercado de energía eléctrica en Alberta ..................................................................... 26
2.5.1.2 Mercado de energía eléctrica en Ontario .................................................................... 27
2.5.2 MERCADO DE ENERGÍA ELÉCTRICA EN NUEVA ZELANDA .............................................................. 29
2.5.3 MERCADO DE ENERGÍA ELÉCTRICA EN CHILE ............................................................................. 34
2.5.3.1 Proceso de planificación de la transmisión.................................................................. 38
2.5.3.2 Consideración de la incertidumbre en el proceso de planificación de la transmisión 41
2.5.3.3 Comentarios del proceso de planificación de la transmisión en Chile ........................ 43

v
CAPÍTULO 3. INCERTIDUMBRE E INFORMACIÓN ...................................................................... 49

3.1 INTRODUCCIÓN ............................................................................................................. 49

3.2 INCERTIDUMBRE BASADA EN INFORMACIÓN ......................................................................... 51
3.3 TEORÍA DE INFORMACIÓN GENERALIZADA ............................................................................ 52
3.4 TEORÍA DE INCERTIDUMBRE BASADA EN POSIBILIDAD CLÁSICA .................................................. 53
3.4.1 FUNCIONES DE POSIBILIDAD Y NECESIDAD ................................................................................. 53
3.4.2 MEDIDA DE INCERTIDUMBRE DE HARTLEY PARA CONJUNTOS FINITOS ............................................ 54
3.5 TEORÍA DE INCERTIDUMBRE BASADA EN PROBABILIDAD CLÁSICA ................................................ 55
3.5.1 FUNCIONES PROBABILISTAS .................................................................................................... 55
3.5.1.1 Funciones sobre conjuntos finitos ................................................................................ 55
3.5.1.2 Funciones sobre conjuntos infinitos ............................................................................. 57
3.5.2 MEDIDA DE INCERTIDUMBRE DE SHANNON PARA CONJUNTOS FINITOS .......................................... 59
3.6 MEDIDAS GENERALIZADAS ............................................................................................... 60
3.6.1 MEDIDAS MONÓTONAS ......................................................................................................... 60
3.7 CAPACIDADES DE CHOQUET ............................................................................................. 64
3.7.1 REPRESENTACIÓN DE MӧBIUS ................................................................................................ 64
3.8 PROBABILIDADES IMPRECISAS........................................................................................... 65
3.8.1 PROBABILIDADES SUPERIOR E INFERIOR ................................................................................... 65
3.8.2 FUNCIONES DE POSIBILIDAD GENERALIZADAS ............................................................................ 67
3.8.3. ALGUNAS INTERPRETACIONES DE POSIBILIDADES IMPRECISAS ..................................................... 71
3.8.4. MEDIDAS DE CREENCIA Y PLAUSIBILIDAD ................................................................................. 71
3.9 CONJUNTOS DIFUSOS ..................................................................................................... 76
3.9.1 INTRODUCCIÓN ................................................................................................................... 76
3.9.2 OPERACIONES BÁSICAS SOBRE CONJUNTOS DIFUSOS .................................................................. 77
3.9.3 ARITMÉTICA DE NÚMEROS DIFUSOS ........................................................................................ 82
3.9.3.1 Números difusos y el Teorema de Descomposición .................................................... 82
3.9.3.2 Suma y substracción de números difusos .................................................................... 84
3.9.4 VARIABLES INDEPENDIENTES .................................................................................................. 89
3.9.5 VARIABLES DEPENDIENTES ..................................................................................................... 90
3.10 INTERPRETACIÓN DE CONJUNTOS DIFUSOS EN BASE A TEORÍA DE POSIBILIDAD ............................. 92
3.11 LA INCERTIDUMBRE EN SISTEMAS DE ENERGÍA ELÉCTRICA ....................................................... 94
3.11.1 CLASIFICACIÓN GENERAL ..................................................................................................... 94
3.11.2 INCERTIDUMBRE EN PROCESOS DE PLANIFICACIÓN ................................................................... 96
4.11.3 FORMAS EN QUE LA INCERTIDUMBRE PUEDE SER TRATADA EN SISTEMAS ELÉCTRICOS...................... 97

CAPÍTULO 4. PROPUESTA DE UN MODELO DE PLANIFICACIÓN DE LA EXPANSIÓN DE

TRANSMISIÓN CONSIDERANDO INCERTIDUMBRE .................................................................... 99

4.1 INTRODUCCIÓN ............................................................................................................. 99

4.2 ESTADO DEL ARTE EN LA PLANIFICACIÓN DE LA EXPANSIÓN DE LA TRANSMISIÓN ............................. 99
4.2.1 MÉTODOS DE SOLUCIÓN PARA PROBLEMAS CON INCERTIDUMBRE EN SISTEMAS DE POTENCIA ............ 99

vi
4.2.2 PLANIFICACIÓN ESTÁTICA DE REDES DE TRANSPORTE ................................................................. 100
4.2.3 MODELOS PROBABILÍSTICOS O ESTOCÁSTICOS .......................................................................... 101
4.2.4 MODELOS QUE APLICAN CONJUNTOS DIFUSOS ......................................................................... 103
4.2.5 OPTIMIZACIÓN ROBUSTA ..................................................................................................... 104
4.2.6 MODELOS ENFOCADOS A LA TOMA DE DECISIONES ................................................................... 105
4.2.7 COMENTARIOS SOBRE LA REVISIÓN BIBLIOGRÁFICA ................................................................... 107
4.3 DEFINICIÓN GENERAL DEL PROBLEMA DE PLANIFICACIÓN DE TRANSMISIÓN CON INCERTIDUMBRE ..... 109
4.4 PROPUESTAS METODOLÓGICAS PARA PLANIFICACIÓN DE LA EXPANSIÓN DEL SISTEMA DE TRANSMISIÓN
CONSIDERANDO INCERTIDUMBRE ............................................................................................. 111
4.4.1 FORMULACIÓN MATEMÁTICA DEL ALGORITMO DE PLANIFICACIÓN............................................... 117
4.4.2 DESCRIPCIÓN DEL ALGORITMO SIMULATED ANNEALING ............................................................. 122
4.4.2.1 Construcción de una solución inicial.......................................................................... 123
4.4.2.2 Búsqueda de un elemento vecino .............................................................................. 124
4.5.2 ESTADO DEL ARTE EN FLUJO DE POTENCIA CON INCERTIDUMBRE ................................................ 125
4.5.3 FLUJO DE POTENCIA PROBABILÍSTICO ..................................................................................... 132
4.5.3.1 Flujo de potencia determinístico o convencional ...................................................... 132
4.5.3.2 Flujo de potencia probabilístico................................................................................. 133
4.5.3.3 Flujo de potencia acotado.......................................................................................... 135
4.5.4 FLUJO DE POTENCIA DIFUSO ................................................................................................. 137
4.5.4.1 Algoritmo de flujo de potencia difuso DC original ..................................................... 138
4.5.4.2 Análisis teórico del flujo de potencia difuso en un sistema pequeño ....................... 138
4.5.4.3 Análisis teórico del flujo de potencia difuso en redes en general ............................. 143
4.5.4.4 Flujo de potencia difuso usando operaciones aritméticas ........................................ 145
4.5.4.5 Dependencia entre los datos de entrada .................................................................. 147
4.5.4.6 Consideraciones acerca de la barra de referencia ..................................................... 149
4.5.4.7 Validación numérica y análisis de casos .................................................................... 149

CAPÍTULO 5. APLICACIÓN DE SISTEMAS DE PRUEBA A LA METODOLOGÍA DE PLANIFICACIÓN

................................................................................................................................................... 158

5.1 INTRODUCCIÓN ........................................................................................................... 158

5.2 MATLAB COMO HERRAMIENTA DE DESARROLLO .................................................................. 158
5.3 SISTEMA GARVER ........................................................................................................ 159
5.4 SISTEMA INTERCONECTADO CENTRAL ............................................................................... 163
5.4.1 PLANIFICACIÓN DETERMINISTA.............................................................................................. 165
5.4.2 PLANIFICACIÓN CON INCERTIDUMBRE .................................................................................... 168
5.5 COMENTARIOS FINALES ................................................................................................. 170

CAPÍTULO 6. CONCLUSIONES .................................................................................................. 172

6.1 PRINCIPALES CONCLUSIONES .......................................................................................... 172

6.2 PRINCIPALES APORTES DE LA TESIS ................................................................................... 174
vii
6.3 TRABAJOS FUTUROS ..................................................................................................... 175
6.4 RECOMENDACIONES PARA EL SISTEMA CHILENO .................................................................. 176

REFERENCIAS ........................................................................................................................... 177

ANEXO A. PROCESO DE ESTUDIO DEL SISTEMA DE TRANSMISIÓN TRONCAL: RESOLUCIONES

Y DECRETOS .............................................................................................................................. 189

A.1. INTRODUCCIÓN ......................................................................................................... 189

A.2. OBRAS URGENTES 2004-2006 ...................................................................................... 189
A.2.1. OBRAS DE TRANSMISIÓN TRONCAL QUE REQUIEREN CONSTRUCCIÓN INMEDIATA .......................... 189
A.3. PRIMER PROCESO 2007 -2010...................................................................................... 190
A.3.1. ESTUDIO SISTEMA TRANSMISIÓN TRONCAL PERIODO 2007-2010 ............................................ 190
A.3.2. REVISIÓN 2007 ................................................................................................................ 190
A.3.3. REVISIÓN 2008 ................................................................................................................ 192
A.3.4. REVISIÓN 2009 ................................................................................................................ 192
A.3.5. REVISIÓN 2010 ................................................................................................................ 192

ANEXO B. PROCESO DE ESTUDIO DEL SISTEMA DE TRANSMISIÓN TRONCAL: DETALLES DE

OBRAS NUEVAS Y DE AMPLIACIÓN. ........................................................................................ 193

B.1 INTRODUCCIÓN .......................................................................................................... 193

B.2 OBRAS URGENTES 2004-2006 ...................................................................................... 194
B.2.1 OBRAS DE TRANSMISIÓN TRONCAL QUE REQUIEREN CONSTRUCCIÓN INMEDIATA .......................... 194
B.3 PRIMER PROCESO 2007 -2010. ..................................................................................... 196
B.3.1 ESTUDIO SISTEMA TRANSMISIÓN TRONCAL PERIODO 2007-2010 ............................................. 196
B.3.2. REVISIÓN 2007 ................................................................................................................ 198
B.3.3. REVISIÓN 2008 ................................................................................................................ 201
B.3.4. REVISIÓN 2009 ................................................................................................................ 203
B.3.5. REVISIÓN 2010 ................................................................................................................ 204

ANEXO C. DEFINICIÓN DE ALGEBRA Y Σ-ALGEBRA ............................................................... 208

C.1. INTRODUCCIÓN.......................................................................................................... 208

C.2. DEFINICIÓN DE ÁLGEBRA ............................................................................................... 208
C.3 DEFINICIÓN DE Σ-ÁLGEBRA ............................................................................................. 208
C.4 ESPACIO DE MEDIDA ..................................................................................................... 208

ANEXO D. CÁLCULO ANALÍTICO DE UN FLUJO DE POTENCIA DIFUSO PARA RED ANILLADA210

viii
ANEXO E. CÁLCULO DE ÁNGULO DE FASE EN REDES DE TOPOLOGÍA RADIAL .................... 213

ANEXO F. CÁLCULO DE POSIBILIDAD DE EXCEDENCIA DEL SISTEMA .................................. 217

F.1. INTRODUCCIÓN .......................................................................................................... 217

F.2. FUNCIONES DE POSIBILIDAD EN FLUJOS POR LAS LÍNEAS......................................................... 217

ANEXO G. SISTEMAS DE PRUEBA Y RESULTADOS DE SIMULACIONES................................... 221

G.1 SISTEMA IEEE RTS DE 24 BARRAS .................................................................................. 221

G.2 SISTEMA INTERCONECTADO CENTRAL DE 101 NUDOS .......................................................... 225
G.3 SISTEMA GARVER ....................................................................................................... 232
G.4 SISTEMA INTERCONECTADO CENTRAL DE 53 NUDOS ............................................................ 234

ix
 Índice de Figuras

Fig. 2.1. Procedimiento de planificación de expansión de la transmisión tradicional. ................................ 13

Fig. 2.2. Procedimiento de planificación de expansión de la transmisión en un mercado desregulado. ..... 19
Fig. 2.3. Miembros del IRC......................................................................................................................... 26
Fig. 2.4. Organizaciones del sector eléctrico en Alberta ............................................................................. 26
Fig. 2.5. Proceso de planificación en la provincia de Alberta ..................................................................... 27
Fig. 2.6. Estructura del sector eléctrico en la provincia de Ontario ............................................................. 28
Fig. 2.7. Proceso de planificación en la provincia de Ontario ..................................................................... 29
Fig. 2.8. Proceso para definir inversión en transmisión. ............................................................................. 32
Fig. 2.9. Proceso de desarrollo de escenarios. ............................................................................................. 33
Fig. 2.10. Procedimiento utilizado por la CNE para determinar planes de obras ........................................ 37
Fig. 2.11. Distintas etapas involucradas en el ETT. .................................................................................... 41
Fig. 3.1. Clasificación de problemas en términos de su aleatoriedad y complejidad .................................. 50
Fig. 3.2 Significado de incertidumbre basada en información .................................................................... 51
Fig. 3.3 Marco de referencia para conceptualizar las teorías de incertidumbre en TGI. ............................. 53
Fig. 3.4 Representación gráfica de medidas de creencia y plausibilidad .................................................... 74
Fig. 3.4. Relaciones de inclusión de las medidas en la teoría de la evidencia. ............................................ 76
Fig. 3.5. Características básicas de un conjunto difuso trapezoidal. ........................................................... 80
Fig. 3.6. Ilustración de descomposición de un conjunto en sus cortes- α asociados. .................................. 81
Fig. 3.7. Gráfica de números difusos: (a) triangular; (b) trapezoidal. ....................................................... 83
Fig. 3.8. Gráfica de suma y substracción de números difusos. .................................................................... 87
Fig. 3.9. Grafica de la suma de un número difuso con su opuesto cuando se usa (3.80)............................. 88
Fig. 3.10. Grafica de resta de números difuso usando (3.79), (3.80) y su equivalente (3.84). ................... 88
Fig. 3.11. Ilustración de (a) ecuación (3.95); (b) ecuación (3.96). .............................................................. 93
Fig. 3.12: Clasificación de tipos de incertidumbre y funciones de medidas de esta.................................... 95
Fig. 4.1: Esquema de proceso de planificación de la expansión de un sistema de transmisión considerando
incertidumbre ................................................................................................................................... 111
Fig. 4.2. Diagrama de bloque de metodología propuesta para la PERTI .................................................. 116
Fig. 4.3: Pseudocódigo del algoritmo simulated annealing clásico ........................................................... 124
Fig. 4.4: Sistema de 3 nudos ..................................................................................................................... 141
Fig. 4.5. Red radial de cinco nudos con resultados teóricos ...................................................................... 150

x
Fig. 4.6. Red anillada de cinco nudos ........................................................................................................ 151
Fig. 4.7. Diagrama unilineal IEEE RTS de 24 barras................................................................................ 155
Fig. 5.1: Diagrama unilineal sistema Garver ............................................................................................. 160
Fig. D.1. Sistema de 3 barras .................................................................................................................... 210
Fig. E.1. Sistema radial de 3 nudos ........................................................................................................... 213
Fig. E.2. Sistema radial de 4 nudos ........................................................................................................... 214
Fig. E.3. Sistema radial de 5 nudos ........................................................................................................... 215
Fig. F.1. Función de posibilidad de flujo por línea f ................................................................................. 217
Fig. F.2. Función de posibilidad acumulada del flujo ............................................................................... 219
Fig. G.1. Diagrama unilineal sistema Garver ............................................................................................ 234

xi
 Índice de Tablas
Tabla 2.1. Seguimiento de obras nuevas periodo 2004 – 2006 ................................................................... 43
Tabla 2.2. Seguimiento de obras de ampliación periodo 2004 – 2006 ........................................................ 44
Tabla 2.3. Comparación entre obras nuevas establecidas en RE No 158 y las fijadas en revisiones .......... 46
Tabla 3.1(a). Teoría de probabilidad versus teoría de posibilidad. Comparación de propiedades
matemáticas sobre conjuntos finitos .................................................................................................. 70
Tabla 3.1(b). Teoría de probabilidad versus teoría de posibilidad. Comparación de propiedades
matemáticas sobre conjuntos finitos .................................................................................................. 71
Tabla 3.2. Fórmulas de conversión en la teoría de Dempster-Shafer .......................................................... 74
Tabla 4.1. Flujos por Líneas para sistema de 3 nudos ............................................................................... 142
Tabla 4.2. Resultados de ángulos para sistema radial de 5 nudos método A y B. ..................................... 150
Tabla 4.3. Flujos de potencia activa por líneas Método A y B. ................................................................. 150
Tabla 4.4. Parámetros de líneas para sistema anillado de 5 barras ............................................................ 152
Tabla 4.5: Resultados de potencias y ángulos para sistema anillado con metodología A y B .................. 152
Tabla 4.6: Flujos de potencia activa por líneas para sistema anillado con metodología A ....................... 152
Tabla 4.7: Flujos de potencia activa por líneas para sistema anillado con metodología B. ....................... 153
Tabla 4.8: Flujos de potencia activa para sistema IEEE RTS con metodología B. ................................... 153
Tabla 4.9: Flujos de potencia activa para sistema IEEE RTS con metodología Matos. ............................ 153
Tabla 4.10: Flujos de potencia activa para el SIC con método B. ............................................................. 156
Tabla 5.1: Datos líneas candidatas sistemas Garver .................................................................................. 160
Tabla 5.2: Flujos difusos por líneas existentes en sistema Garver ............................................................ 161
Tabla 5.3: Flujos difusos por nuevas líneas instalas en sistema Garver .................................................... 161
Tabla 5.4: Flujos difusos para red con nuevas líneas instaladas ................................................................ 162
Tabla 5.5: Flujos difusos para red optimizada con incertidumbre, líneas existentes ................................. 163
Tabla 5.6: Flujos difusos para red optimizada con incertidumbre, líneas nuevas ..................................... 163
Tabla 5.7: Líneas candidatas seleccionadas para la planificación ............................................................. 165
Tabla 5.8: Plan de obras en líneas a ejecutar en el periodo 2010 - 2020 ................................................... 166
Tabla 5.9: Plan de obras en transformadores a ejecutar en el periodo 2010 – 2020 .................................. 166
Tabla 5.10: Flujos difusos para líneas existentes sobrecargadas periodo 2010 – 2020 ............................. 167
Tabla 5.11: Flujos difusos para transformadores existentes sobrecargadas periodo 2010 – 2020 ............ 167
Tabla 5.12: Flujos difusos para líneas candidatas sobrecargadas periodo 2010 – 2020 ............................ 168
Tabla 5.13: Flujos difusos para transformadores candidatos sobrecargadas periodo 2010 – 2020 ........... 168
Tabla 5.14: Plan de obras en líneas a ejecutar con incertidumbre en el periodo 2010 - 2020 ................... 169
Tabla 5.14: Plan de obras en transformadores a ejecutar con incertidumbre en periodo 2010-2020 ........ 169

xii
Tabla 5.15: Flujos difusos para líneas existentes sobrecargadas periodo 2010 – 2020 ............................. 169
Tabla 5.16: Flujos difusos para transformadores existentes sobrecargadas periodo 2010 – 2020 ............ 170
Tabla 5.17: Flujos difusos para líneas candidatas sobrecargadas periodo 2010 – 2020 ............................ 170
Tabla 5.18: Flujos difusos para transformadores candidatos sobrecargadas periodo 2010 – 2020 ........... 170
Tabla B.1. Obras nuevas periodo 2004 – 2006 fijadas en decreto 231 de 2004 ........................................ 194
Tabla B.2. Obras de Ampliación periodo 2004 – 2006 fijadas en decreto 232 de 2004 ........................... 195
Tabla B.3. Obras nuevas expuestas en Resolución Exenta No 158 de la CNE ......................................... 196
Tabla B.4-A. Obras de ampliación expuestas en Resolución Exenta No 158 de la CNE .......................... 196
Tabla B.4-B. Obras de ampliación expuestas en Resolución Exenta No 158 de la CNE .......................... 197
Tabla B.5. Seguimiento para obras nuevas definidas en revisión 2007 y fijadas en decreto 282 de Nov.
2007 ................................................................................................................................................. 198
Tabla B.6-A. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de
Nov. 2007 ........................................................................................................................................ 198
Tabla B.6-B. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de
Nov. 2007 ........................................................................................................................................ 199
Tabla B.6-C. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de
Nov. 2007 ........................................................................................................................................ 200
Tabla B.7. Seguimiento para obras nuevas definidas en revisión 2008 y fijadas en decreto 642 de Mayo
2009 ................................................................................................................................................. 201
Tabla B.8. Seguimiento para obras de ampliación definidas en revisión 2008 y fijadas en decreto 642 de
Mayo 2009 ....................................................................................................................................... 202
Tabla B.9. Seguimiento para obras de ampliación definidas en revisión 2009 y fijadas en decreto 243 de
Feb. 2010 ......................................................................................................................................... 203
Tabla B.10. Seguimiento para obras nuevas definidas en revisión 2010 y expuestas en resolución 885 de
Dic. 2010 ......................................................................................................................................... 204
Tabla B.11-A. Seguimiento para obras ampliación definidas en revisión 2010 y expuestas en resolución
885 de Dic. 2010 .............................................................................................................................. 205
Tabla B.11-B. Seguimiento para obras ampliación definidas en revisión 2010 y expuestas en resolución
885 de Dic. 2010 .............................................................................................................................. 206
Tabla B.12. Comparación entre obras nuevas establecidas en RE No 158 y obras nuevas fijadas en
revisiones ......................................................................................................................................... 207
Tabla G.1. Parámetros de líneas y transformadores sistema IEEE RTS ................................................... 222
Tabla G.2. Valores centrales de potencias generadas y consumidas ......................................................... 222
Tabla G.3. Resultados de potencias y ángulos difusos obtenidos con método B en sistema IEEE RTS ... 223
Tabla G.4. Resultados de flujos con método B y método desarrollado por Matos .................................... 224

xiii
Tabla G.5. Parámetros de transformadores SIC ........................................................................................ 225
Tabla G.6. Parámetros de líneas SIC 101 barras ....................................................................................... 226
Tabla G.7. Valores centrales de potencias generadas y consumidas ......................................................... 227
Tabla G.8a. Resultados de potencias y ángulos difusos obtenidos con método B en sistema SIC ............ 228
Tabla G.8b. Resultados de potencias y ángulos difusos obtenidos con método B en sistema SIC ........... 229
Tabla G.9a. Resultados de flujos por ramas con método B sistema SIC ................................................... 230
Tabla G.9b. Resultados de flujos por ramas con método B sistema SIC .................................................. 231
Tabla G.9c. Resultados de flujos por ramas con método B sistema SIC ................................................... 232
Tabla G.10. Datos de barras y consumos sistema Garver ......................................................................... 232
Tabla G.11. Datos de generadores sistema Garver .................................................................................... 233
Tabla G.12. Datos de líneas existentes sistema Garver ............................................................................. 233
Tabla G.13. Datos de líneas candidatas sistema Garver ............................................................................ 233
Tabla G.14. Datos de barras y consumos sistema SIC 53 barras .............................................................. 235
Tabla G.15a. Datos de generadores sistema SIC 53 barras ....................................................................... 236
Tabla G.15b. Datos de generadores sistema SIC 53 barras ....................................................................... 237
Tabla G.15c. Datos de generadores sistema SIC 53 barras ....................................................................... 238
Tabla G.15d. Datos de generadores sistema SIC 53 barras ....................................................................... 239
Tabla G.16. Datos de líneas existentes sistema SIC 53 barras .................................................................. 240
Tabla G.17. Datos de transformadores existentes sistema SIC 53 barras.................................................. 241
Tabla G.18. Datos de transformadores candidatos sistema SIC 53 barras ................................................ 242
Tabla G.19. Datos de líneas candidatos sistema SIC 53 barras ................................................................. 243
Tabla G.20. Tasa crecimiento demanda .................................................................................................... 244

xiv
 Capítulo 1. Introducción

1.1 Fundamentos generales

Desde hace casi tres décadas, los Sistemas Eléctricos de Potencia han experimentado
grandes cambios, dado que han pasado desde estructuras cerradas e integradas verticalmente a
estructuras abiertas en donde se permite la libre competencia y un acceso abierto a las redes de
transporte (mercados liberalizados). En este nuevo régimen institucional ya no es posible operar y
desarrollar el sistema bajo una administración central, siendo esta tarea desarrollada por los
propietarios del mismo. Para evitar ineficiencias en la operación y desarrollo del sistema, ha sido
necesario crear innovadores esquemas de tarifas con las que se pretende entregar señales
económicas adecuadas para que la operación del sistema sea económica y segura, y además la
expansión se enmarque en una senda óptima en el largo plazo.

En un mercado de energía eléctrica liberalizado, la red de transporte es una de las

principales componentes de la industria. Esta provee las condiciones necesarias para que se
produzca la competencia entre los diferentes agentes. Por lo tanto, cuando la demanda crece se
debe contemplar la realización de planes de expansión de la red de manera de no obstaculizar la
competencia. Las metodologías adoptadas para encontrar estos planes de expansión es un tema en
permanente análisis, debido a las diferentes estructuras organizacionales de los mercados
energéticos y la complejidad del problema. Este tema será analizado en mayor profundidad durante
el desarrollo de esta tesis.

La planificación de la expansión de la red de transporte involucra determinar cuándo,

dónde y cuánto se deben reforzar los circuitos para abastecer los crecimientos de demanda en la
forma más económica, y bajo restricciones técnicas, financieras y de confiabilidad [1].
Matemáticamente, éste es un problema complejo, del tipo no lineal con variables reales y enteras.
Además, es no convexo, presentando un gran número de óptimos locales. Para este tipo de
problemas se tiene que en la medida en que el número de variables crece, el número de soluciones
posibles crece exponencialmente. A esta característica se le denomina comúnmente ―
maldición de
la dimensionalidad‖.

1
Dada la complejidad del problema, es práctica común dividirlo en estudios de dos tipos: [2]
 de largo plazo (horizonte de 10 a 30 años) y
 de mediano plazo (horizonte de 6 a 10 años)

Los estudios de largo plazo, tienen como objetivo fundamental, determinar las directrices
básicas del desarrollo de los principales ejes de transporte. Como resultado de estos estudios se
obtienen una o varias alternativas de expansión que servirán como datos de entrada a los estudios
de mediano plazo. Por su parte, los estudios de mediano plazo sirven para definir en forma más
precisa y concreta las nuevas componentes que deben instalarse. La metodología que mejor se
adecua para este rango de tiempo es la denominada estática.

Dependiendo de su formulación, los modelos de planificación de largo plazo se pueden

clasificar en estáticos o dinámicos. En los modelos estáticos, se define un único periodo, horizonte
o etapa de análisis, dentro del cual se determina el plan de expansión óptimo. En este enfoque, el
plan de inversión se supone que se ejecuta al comienzo del periodo [1]. Por otra parte, los modelos
dinámicos dividen el periodo de estudio en varias etapas, las que se encuentran temporalmente
acopladas. Las inversiones se realizan al comienzo de cada una de estas. El objetivo es minimizar
la suma del valor presente de las inversiones de cada etapa. Un enfoque ligeramente diferente al
dinámico, es el denominado multiperiodo; en este, se supone que no existe acoplamiento temporal
entre las etapas, de manera que cada etapa se trata como un subproblema estático. Así, las
decisiones de inversión se van tomando en forma secuencial desde el principio hasta la última
etapa, considerando fijas las decisiones de las etapas anteriores. También el proceso se puede
realizar desde la última etapa hasta la primera [1], [3], [4], [5]. Este método es el más usado en la
práctica, debido a su simplicidad.

El mayor interés de los investigadores en el campo de la planificación de la red de

transporte, se ha centrado en los modelos estáticos; dado que tienen menos complejidad y
permiten resolver problemas de mayor tamaño. También, pueden utilizarse en un contexto
multiperiodo. En relación a la situación latinoamericana, este tipo de modelos también puede ser
de gran apoyo en la definición de la red óptima que se requiere en los procesos regulatorios.
Particularmente, en el caso chileno la autoridad debe determinar la red óptima de los tramos
principales del sistema (red trocal y/o subtransmisión) [6]; para lo cual, este tipo de modelos
2
viene a ser de gran ayuda. Además, estos tipos de modelos pueden ser usados como
subproblemas de problemas más complejos tales como los que actualmente se plantean en
planificación en ambientes no centralizados [7] o la planificación de redes de transporte usando
teoría de juegos [8].

Por otra parte, la formulación de un modelo dinámico plantea un problema de gran

complejidad y extraordinaria dimensión. En la literatura técnica no aparecen muchos trabajos
relacionados en este campo. Sin embargo, aparecen descritas metodologías para utilizar modelos
estáticos en un contexto multiperiodo [1], [5].

Sin duda que la reestructuración y liberalización de los mercados de energía eléctrica ha

cambiado los objetivos de la planificación de la expansión de la red de transporte [9]. Debido a
estos cambios ha sido necesario desarrollar nuevos criterios y procedimientos para expandir la
red de transporte. En este sentido, un nuevo elemento que se ha ido incorporando es la
incertidumbre, básicamente por el desarrollo de nuevas teorías matemáticas tales como la teoría
generalizada de la información y el desarrollo de tecnologías que permiten realizar simulaciones
computaciones que años atrás sólo era posible con tecnologías muy sofisticadas. De esta manera,
en la actualidad el sector industrial y la comunidad científica, se ha centrado en el desarrollo de
procedimientos y metodologías que permitan planificar la expansión de redes de transporte
considerando la incertidumbre.

En la actualidad la incertidumbre se la puede clasificar como: aleatoria, no aleatoria y

cualitativa o vaga [10], [11] [11]. Las herramientas que se requieren para analizar cada tipo son
diferentes y su análisis conjunto es un tema en permanente desarrollo. La incertidumbre en los
problemas de operación y planificación de los sistemas eléctricos de potencia es el punto focal
de esta tesis.

1.2 Motivación
La nueva estructura organizacional que han adoptado los sistemas de energía eléctrica ha
traído ventajas y desventajas. Una de las desventajas es que los sistemas tienen que operar y
desarrollarse en ambientes más inciertos [9]. Adicional a esto, se ha podido determinar que la
incertidumbre puede originarse en diferentes fuentes. Particularmente, en los sistemas de
3
potencia se acepta que la incertidumbre puede tener tres orígenes: aleatoria, no aleatoria y vaga
[10]. Esta clasificación genera nuevos desafíos, debido a que el método tradicional con el que se
enfrenta la incertidumbre aleatoria, teoría de probabilidades, no se puede aplicar en casos donde
la incertidumbre es de origen no aleatoria o vaga. Sin embargo, en la actualidad se ha propuesto
que los problemas con variables vagas pueden ser analizados mediante la teoría de conjuntos
difusos. Esta metodología es más flexible, simple y permite abordar problemas de mayor tamaño
y complejidad. En desmedro de ella, se tiene que se pierde exactitud en los resultados. En
problemas de planificación de sistemas de transporte, existen no pocos trabajos en donde se
aborda el tema de considerar la incertidumbre de origen cualitativa [9], [10] y [12], sin embargo,
este sigue siendo un campo fecundo para la investigación. En particular, en los actuales sistemas
liberalizados, en donde la incertidumbre ha crecido y hay una mayor necesidad de disponer de
metodologías que permitan en forma simple, flexible y con bajo costo computacional, abordar el
tema de la incertidumbre en problemas de gran tamaño.

Respondiendo e esta necesidad, en esta tesis se desarrolla un algoritmo que permite

analizar la operación de un sistema eléctrico considerando incertidumbre en la demanda y
generación. Posteriormente, este algoritmo es utilizado como soporte en una propuesta
metodológica que permite resolver el problema de planificación de la expansión de una red de
transporte considerando incertidumbre. La perspectiva que subyace en la investigación que se
desarrolló es mantener la simplicidad, flexibilidad y bajo costo computacional al resolver este
problema.

1.3 Definición general del problema

El problema de la Planificación de la Expansión de la Red de Transporte considerando
Incertidumbre (PERTI), consiste en determinar cuándo, dónde y cuánto se deben reforzar los
elementos de un sistema eléctrico, de manera de abastecer los crecimientos de demanda en la
forma más económica y bajo restricciones técnicas y financieras. La incertidumbre puede
deberse, principalmente, a la indisponibilidad (por falla o atraso en las inversiones) de los
elementos del sistema (generadores, transformadores y líneas), hidrología, disponibilidad de
viento, variabilidad en los costos de inversión y crecimiento de la demanda. Usualmente, los
parámetros inciertos se representan matemáticamente mediante intervalos, variables aleatorias o
conjuntos difusos.
4
 En términos generales el problema que se intenta resolver para el caso de un periodo
tiene la siguiente estructura:


min cT x  d T y Ax  b, Ex  Fy  h  (c, d , A, E, F , b, h) U  (1.1)

donde:
x vector de variables enteras de diseño ( número de elementos)
y vector de variables reales de operación (generaciones, flujos)
c vector de costos de inversión
d vector de costos de operación
Ax ≤ b son las restricciones de inversión (normalmente restricciones
económicas/financieras)
Ex+Fy ≤ h son restricciones de operación del sistema eléctrico
U conjunto cerrado, acotado y convexo de incertidumbres

La situación más compleja se presenta cuando todo el conjunto de parámetros {c, d, A,

E, F, b, h} U, es incierto. En general, la situación más recurrente y simple es {h} U, esto es,
la demanda es incierta. Otro caso menos recurrente es {c, E, F, h} U, es decir, los costos de
inversión, la indisponibilidad de los equipos y la demanda son inciertos. La complejidad del
problema queda supeditada a la cantidad de parámetros inciertos; de manera que no todos los
algoritmos disponibles en la actualidad son aplicables al caso más general. En esta tesis, se
estudia el problema en que la demanda y la generación son inciertas. Se considera el hecho de
que la incertidumbre tiene un origen fundamentalmente cualitativa o vaga y no aleatoria.

La estructura matemática del problema planteado en (1.1) consiste de variables enteras y

reales con funciones de costos lineales y restricciones no lineales. Esto significa que el problema
es entero mixto no convexo [13].

1.4 Objetivos
1.4.1 Objetivos Generales
El desarrollo de esta tesis contempla los siguientes objetivos de carácter general:

5
 1. Desarrollar un algoritmo que permita determinar el estado operativo de un sistema
eléctrico de potencia considerando incertidumbre en la demanda y generación.
2. Utilizar el algoritmo de operación desarrollado como soporte para resolver el
problema de planificación de la expansión de la red de transporte, considerando
incertidumbre en la demanda y generación.
3. Aplicar la metodología de solución propuesta en sistemas de prueba nacionales e
internacionales.
4. Contribuir al perfeccionamiento de las metodologías que las industrias utilizan en
los estudios de planificación de los sistemas de transmisión.

1.4.2 Objetivos Específicos

Como parte de la investigación se consideran los siguientes objetivos específicos:
A. Objetivos específicos de propósito general
1. Adquirir el conocimiento necesario de los algoritmos de optimización existentes
que permiten resolver problemas de operación y planificación con
incertidumbres.
2. Adquirir una visión completa de las metodologías que se han aplicado al estudio
de la operación y planificación de la expansión de redes de transporte
considerando incertidumbre.
3. Desarrollar un algoritmo que permita calcular el flujo de potencia lineal (DC) de
un sistema eléctrico de potencia considerando incertidumbre en la demanda y
generación.
4. Validar el algoritmo de flujo de potencia con redes nacionales e internacionales.
5. Desarrollar una metodología que permita encontrar soluciones óptimas al
problema de PERTI y que tome como soporte el algoritmo de flujo de potencia
desarrollado.
6. Desarrollar un programa computacional que permita resolver el problema de
PERTI.
7. Validar la metodología propuesta con sistemas de pruebas nacionales e
internacionales.

B. Objetivos específicos de interés para el ámbito nacional

6
 8. Determinar para el Sistema Interconectado Central (SIC), planes de expansión
óptimos considerando incertidumbre.
9. Analizar el efecto que tiene la sobre/sub inversión obtenida con soluciones
deterministas en comparación con soluciones obtenidas usando incertidumbre.
10. Obtener señales que permitan conocer cómo la incertidumbre puede afectar la
planificación de los sistemas de transmisión chilenos.
11. Entregar un diagnóstico de lo que en la actualidad se realiza en los procesos de
planificación de la expansión del sistema de transmisión chileno.

1.4 Alcances del trabajo

En el desarrollo de esta tesis se consideran los siguientes alcances:

a) La red se modela en forma lineal, de manera que los algoritmos desarrollados para
el cálculo de flujo de potencia y planificación de la expansión son lineales, a los
que les conoce como DC. Esta aproximación es válida dado que el principal
problema que se quiere resolver es de planificación de la expansión.
b) Sólo se representan elementos pasivos en la red, de manera que no están
considerados en forma explícita en los modelos, elementos como FACTS, enlaces
HVDC y transformadores con desplazamiento de fases.
c) Por razones de simplicidad los análisis de casos y el planteamiento del problema
de PERTI se hace bajo un contexto de estudios estáticos. Sin embargo, la
herramienta desarrollada permite la realización de estudios multiperiodo.
d) El enfoque de análisis del problema se hace bajo la óptica de la teoría de
conjuntos difusos. Cuando se presentan variables de tipo aleatoria, estás se deben
transformar primero a funciones difusas o en su imposibilidad a escenarios. La
razón para esto que se quiere mantener la simplicidad y bajo costo computacional
al resolver el problema.

1.5 Contribuciones de la tesis

En el contexto del desarrollo de esta tesis se han realizado las siguientes contribuciones
materializadas en publicaciones ISI y presentaciones en conferencias internacionales.

7
a. Publicaciones en revistas ISI
 M. Cortés-Carmona, R. Palma-Behnke, and G. Jiménez-Estévez, ―Fuzzy arithmetic for
the DC load flow,‖ IEEE Transactions on Power Systems Vol. 25, no.1, pp: 206-214,
Feb. 2010.

b. Presentaciones en conferencias internacionales

 V. Calderaro, V.; Galdi, M. Cortes-Carmona and R.Palma-Behnke, ― Fuzzy load-
shedding strategy in distribution systems,‖ in 11th International Conference on
Intelligent Systems Design and Applications (ISDA), Cordova, Spain, November 2011.
 M. Cortes-Carmona, R. Palma-Behnke, O. Moya, ― Transmission Expansion Planning
by Hybrid Simulated Annealing Algorithm,‖ in ISAP’09 Intelligent System Application
to Power Systems, Curitiba, Brazil, November, 2009.
 M. Cortes-Carmona, G. Jiménez-Estévez, J. Guevara, ― Support Vector Machines for
On-line Security Analysis of Power Systems,‖ in IEEE Transmission and Distribution
Conference and Exposition Latin America, Bogota, Colombia, August, 2008.
 M. Cortes-Carmona, R. Palma-Behnke, G.Jiménez-Estévez, ― Fuzzy Load Flow Based
on α-Cuts Arithmetic,‖ in 39th North American Power Symposium, NAPS 2007,New
Mexico, EEUU, October, 2007.

1.6 Organización del documento

Esta tesis se ha organizado de la siguiente manera: En el capítulo 2, se presenta el
problema general de la planificación de la expansión de la red de transporte de energía eléctrica
considerando incertidumbre. El problema es analizado desde un punto de vista centralizado y
liberalizado. Se presentan algunas experiencias internacionales y se examina en profundidad la
situación del proceso de planificación de la transmisión troncal del sistema chileno.

En el capítulo 3 se presenta una revisión general de la teoría de incertidumbre basada en

información. Se muestra la evolución que ha tenido la teoría de medida en el tratamiento de la
incertidumbre en las últimas décadas. Adicionalmente, se exponen los principales aspectos
matemáticos de la teoría de conjuntos difusos. Finalmente, se vinculan ambas teorías para dar
una soporte teórico a las teorías de posibilidad y conjuntos difusos. Esta última herramienta es la
escogida en esta tesis para modelar la incertidumbre.

En el capítulo 4 se plantea una propuesta metodológica y matemática que permite

resolver el problema de planificación de la transmisión con incertidumbre. En la primera parte se

8
presenta el modelo matemático de planificación de la transmisión, mientras que en la segunda, se
desarrolla un algoritmo de flujo de potencia difuso, con el cual se modela la incertidumbre del
sistema. Finalmente, ambos modelos se combinan para resolver el PERTI.

El capítulo 5 muestra los resultados obtenidos al aplicar la metodología propuesta, en

dos sistemas de prueba. El primero es el conocido sistema de 6 nudos de Garver, mientras que el
segundo, es una red correspondiente al Sistema Interconectado Central Chileno (SIC) basada en
la fijación de precio de nudos de octubre de 2009.

En el capítulo 6 se señalan las conclusiones y aportes de esta investigación, y se sugieren

líneas de investigación futuras en el tema planteado.

Este informe incluye además 7 anexos. En el anexo A, se entrega una lista detallada de
los decretos de planes de obras en transmisión emitidos en Chile desde 2004 a 2011. En el anexo
B se entrega una lista detalla de cada obra decretada en el periodo 2004-2011 y sus periodos de
ejecución. El anexo C es un complemento de la teoría matemática de incertidumbre en la cual se
define el concepto de estructuras algebraicas. En el anexo D se desarrolla en forma analítica el
modelo matemático de un flujo de potencia difuso para un sistema de tres nudos. En el anexo E
se realiza una demostración que intenta mostrar la dependencia que existe entre los ángulos de
una red radial. En el anexo F se muestra la metodología para calcular los índices de posibilidad
de excedencia del sistema, finalmente en el Anexo G se entregan los datos utilizados en las
simulaciones.

9
Capítulo 2. Visión General de la Planificación de la Expansión
en Sistemas de Transmisión

2.1 Introducción
Las líneas de la transmisión de la energía eléctrica se construyeron inicialmente para
interconectar las plantas de generación que estaban alejadas de los centros de consumos,
permitiendo así, llegar con energía a las regiones más importantes. En la medida en que los
sistemas crecieron, emergieron redes de transmisión enmalladas, proporcionando trayectorias
alternativas para los flujos de energía desde los generadores a las cargas, lo que mejoró la
confiabilidad del suministro de energía. Asimismo, en regiones donde la disponibilidad de la
generación y/o los patrones de consumos son distintos, un sistema interconectado facilita el
acceso a diferentes fuentes de energía de manera de mantener un suministro continuo. Una red
de transmisión se justifica en la medida que se requiera tener acceso a una mayor diversidad de
fuentes de energía; más económicas, más limpias, más confiables, etc. Esto debiera también
mejorar la confiabilidad del sistema.

El planeamiento de la expansión de la transmisión ha sido siempre una tarea complicada.

En primer lugar, la demanda cambia en el tiempo y en el espacio. Los cambios en la demanda
son cubiertos mediante nueva inversiones en centrales generadoras ubicadas en diferentes áreas
del sistema. Por otra parte, debido a que los sistemas eléctricos operan mayoritariamente con
corriente alternada (CA), cualquier cambio en una parte de la red (cambios de demanda en un
nudo, aumento de generación en una central, o apertura/cierre de una línea o transformador) se
extenderá instantáneamente al resto del sistema, alterando los flujos de energía en todas las
líneas de sistema. Las consecuencias que puedan ocurrir en cada línea, dependerán de las
características de estas, la topología de la red y las condiciones operativas del sistema. De esta
forma, se tiene una capacidad muy limitada para controlar los flujos en una red, lo que aumenta
la complejidad de su análisis. No obstante, existen dispositivos tales como transformadores con
desplazamiento de fase, líneas de alto voltaje en corriente continua (HVDC), y dispositivos de
transmisión flexible en CA basados electrónica de potencia (FACTS) que pueden ejercer un
control más flexible de los flujos de energía por las líneas, pero que son de alto costo; y que por
lo tanto, su utilización ha sido todavía escasa. Al mismo tiempo, la red de transmisión se diseña,
10
para ser una infraestructura durable con varias décadas de vida útil, de este modo, durante su
vida útil la línea podrá experimentar cambios de pequeña a gran escala que impactarán a los
generadores y consumidores en diferente medida.

La reestructuración en la industria eléctrica, introdujo la competencia en el segmento

retail‖. La principal razón para
generación, y en algunos casos, en segmentos minoristas ―
introducir la competencia en los países desarrollados (ej. Norteamérica y Europa occidental) fue
mejorar la eficiencia de la industria. En los países en vías de desarrollo acelerado (ej. China y la
India), la razón típica fue crear un ambiente propicio para atraer inversión privada, de modo de
liberar a los gobiernos de la responsabilidad de financiar el crecimiento de la industria eléctrica;
aspecto fundamental para el desarrollo económico [14] [14]. Un elemento común de la
reestructuración fue la desintegración de los segmentos generación y transmisión, dejando este
último, bajo un régimen de acceso abierto a todos los participantes del mercado. Esto ha
transformado grandemente la industria de energía tradicional y ha introducido muchos nuevos
desafíos en todos los aspectos, tanto para expansión como para la operación de la generación y la
transmisión.

En ambientes reestructurados, las funciones del sistema de la transmisión se han

ampliado más allá de los roles históricos de interconectar la generación a la carga y de mejorar la
confiabilidad del sistema. La interconexión permite que más generadores puedan competir en un
mercado de mayor tamaño. Por otra parte, una capacidad inadecuada del sistema de transmisión
puede producir congestiones en determinadas sectores del sistema dando la oportunidad a que
generadores ubicados en sectores específicos ejerzan poder de mercado. Por lo tanto, en un
mercado reestructurado, un sistema de transmisión adecuadamente diseñado puede mejorar la
competencia y mitigar el ejercicio de poder de mercado.

En este capítulo se analiza el problema de la planificación de la expansión del sistema de

transmisión en su contexto tradicional o regulado como desregulado. Se discuten las
metodologías utilizadas en diferentes países y los desafíos que se plantean en el futuro.
Asimismo, se analiza en profundidad lo que ha sido el proceso de expansión de la transmisión en
el sistema eléctrico chileno desde la introducción de la denominada Ley Corta I [6].

11
2.2 La planificación tradicional de la expansión del sistema de transmisión
Bajo un ambiente de monopolio regulado, una empresa eléctrica que esté verticalmente
integrada tiene la obligación de servir la demanda de energía de todos los consumidores, tanto
presente como futura. Una empresa verticalmente integrada es responsable de todos los
segmentos de la industria; esto es, generación, transmisión, distribución y servicios al cliente.
Asimismo, debe cumplir con el objetivo de satisfacer la demanda en forma segura y confiable
con tarifas estables y razonables. Por otra parte, debe realizar los pronósticos de consumos
futuros y realizar los planes de expansión en generación y transmisión de modo de cubrir estos
pronósticos. Por este ejercicio, se le permite obtener una tasa de retorno que es definida por el
organismo regulador.

Las inversiones en capital se justifican normalmente en base a cumplir con ciertos

requisitos de confiabilidad. De esta manera, la expansión se planea con el enfoque de selección
de alternativas de menor costo. Debido a que los costos de inversión en generación son mucho
mayores que los de transmisión, el proceso de planificación se realiza típicamente en forma
secuencial, partiendo con la planificación de la generación y continuando posteriormente con la
expansión de la transmisión.

El objetivo de la planificación de la transmisión es que exista capacidad de transmisión

suficiente para cubrir los crecimientos de demanda y expansiones de generación, la que debe
proveerse en forma confiable y lo más económicamente posible. En situaciones en dónde la
expansión de la transmisión puede cubrir la demanda sin necesidad de expandir la generación, el
análisis del costo se puede justificar sin mucha dificultad. Sin embargo, para estar seguro sobre
la necesidad de realizar un plan de expansión en transmisión, este suele justificarse simplemente
por consideraciones de confiabilidad.

En un esquema regulado un plan de expansión de transmisión debe satisfacer

plenamente la restricción de confiabilidad para todo el horizonte de estudio. Luego, la selección
del mejor plan se hará utilizando criterios de costos, escogiendo de entre estos, los que cumplan
con las restricciones de confiabilidad. De esta manera, el problema de planificación de la
expansión de la transmisión se puede plantear formalmente como un problema de optimización,
con el objetivo de minimizar costos y con restricciones de confiabilidad. En algunos casos, este
12
se puede plantear como un problema multiobjetivo, dado que se debe conciliar para todo el
periodo de estudio dos atributos que son opuestos, como lo son, la valoración de la confiabilidad
y evaluación del costo.

La Fig. 2.1 muestra la planificación de la expansión de la transmisión bajo una estructura

regulada. Para mantener el problema de optimización en niveles manejable, se utiliza un
procedimiento convencional, el que consiste en descomponer el problema en tres pasos
principales: [14] [14]

 Generación de planes candidatos de expansión de transmisión usando modelos

heurísticos simples.
 Para cada alternativa realizar análisis financieros detallados y otros tipos de análisis que
permitan conducir a un plan final.
 Realizar análisis de impacto técnico para asegurar la viabilidad del plan escogido.

Fig. 2.1. Procedimiento de planificación de expansión de la transmisión tradicional.

Como se verá posteriormente, en una empresa integrada verticalmente, estos tres pasos
están claramente separados. Una vez que el primer paso está completado, los otros dos pasos se

13
realizan más o menos independientemente. A veces se requieren algunas iteraciones para refinar
un plan. No obstante, entre los tres pasos existe un acoplamiento muy pobre.

2.2.1 La generación de candidatos

En esta etapa interesa realizar un barrido por todas las alternativas que sea posible
explorar. Dado a que el número de combinaciones posibles entre alternativas crece
exponencialmente con el número de estas, se requiere un procedimiento para seleccionar los
planes que sean más prometedores. La generación de un conjunto reducido de planes de
expansión candidatos con el fin de someterlos a un análisis más detallado se puede hacer usando
alguna metodología; heurística, analítica, o una combinación de ambas. En algunos sistemas la
existencia de una variedad de restricciones prácticas, conduce a que un gran grupo de
potenciales candidatos se reduzcan a un conjunto no muy extenso de alternativas de interés
práctico. En estos procesos de selección la intuición y experiencia juegan un rol preponderante.
Debido a que en este proceso se han usado criterios empíricos, no se puede garantizar que los
planes seleccionados sean los mejores, ya que una evaluación exhaustiva de casos es inaceptable
por razones de tiempo. Como una forma de mejorar la selección de planes candidatos, a partir de
la década del 70 [15] se han desarrollados métodos de selección basados en optimización. Estas
metodologías han usado en la mayoría de los casos programación lineal con un modelo de red
lineal conocido como DC. Este modelo permite representar sin dificultad restricciones operativas
y de confiabilidad del sistema. Más recientemente el problema se ha formulado como de
programación entera-mixta, siendo los principales algoritmos utilizados: Branch and Bound,
simulated annealing, algoritmos genéticos, búsqueda tabú, PSO entre otros [3].

2.2.2 Análisis financiero y otros

Métodos de análisis financieros tales como Valor Actual Neto (VAN), Tasa interna de
Retorno (TIR), son habitualmente utilizados para este tipo de análisis. Un aspecto clave en un
régimen regulado es la capacidad que deben tener las empresas para financiar los costos de las
inversiones. Bajo un régimen de regulación con tasa de retorno, la tasa de descuento utilizada
para evaluar los proyectos, es una tasa de retorno sobre el capital definida por el regulador. En
este régimen la determinación del precio de la energía eléctrica y los ingresos netos de la
compañía son tratados en forma independiente de la operación de corto plazo del sistema, luego
el análisis financiero es realizado por el departamento de finanzas, sin tomar en consideración
14
los modelos técnicos detallados de la operación del sistema eléctrico. Estos análisis requieren
generalmente modelos operacionales de mediano plazo, los cuales representan la red en forma
simplificada, generalmente sólo considerando la potencia activa.

Sin embargo, cada proyecto de transmisión es sometido a un análisis de impacto

ambiental intenso. Como los procesos de planificación han evolucionado hacia procesos con
mayor participación ciudadana, el tema ambiental ha adquirido predominancia. El análisis
ambiental investiga aspectos que incluyen, ubicación, impacto de los derechos de servidumbre,
efectos de los campos electromagnéticos, aspectos visuales y estéticos.

2.2.3 Evaluación técnica

El impacto técnico de un plan de expansión en transmisión se evalúa usando modelos
técnicos detallados del sistema eléctrico. Usualmente se analizan escenarios con los peores
casos, de forma de asegurar la confiabilidad y seguridad del servicio del sistema. Se realizan
análisis en estado estacionario (flujos de potencia) y dinámico para las condiciones futuras del
sistema considerando condiciones de demanda alta y condición del sistema para el peor caso. El
caso más desfavorable es altamente dependiente de la topología del sistema y de la
incertidumbre de variables tales como hidrologías, vientos, atentados terroristas, entre otros. El
sistema se somete también a una serie de perturbaciones severas tales como cortocircuitos
trifásicos, bifásicos, salidas de generadores y rechazos de carga. Los análisis dinámicos tales
como estabilidad transitoria, estabilidad a pequeña perturbación y colapsos de voltaje se realizan
con modelos detallados del sistema de transmisión, consumos, generadores y reguladores.
Finalmente, también es necesario realizar análisis de seguridad en donde el criterio más utilizado
es el denominado N-x. En la mayoría de los países se usa x = 1.

2.3 Ambiente de cambio y nuevos desafíos

La desintegración de los segmentos generación, transmisión y distribución ha traído
como consecuencia la aparición de diferentes y nuevos negocios. Sin embargo, es sólo en el
segmento generación donde se ha podido introducir la competencia, esto debido básicamente a
la leve presencia de economía de escala. No obstante, en algunos países ha sido necesario
seccionar este segmento para que emerjan más compañías generadoras independientes, de esta
manera se busca reducir el ejercicio de poder de mercado y mejorar la competencia. Ahora, en
15
estos mercados desintegrados y desregulados, las empresas generadoras enfrentan diferentes
objetivos y en algunos casos, conflictivos. De esta manera, la presencia de nuevas estructuras
regulatorias, como la diversidad y cantidad de nuevos jugadores, ha ido invalidando algunas
suposiciones de los procesos de planificación tradicionales, trayendo nuevos desafíos al ya
complejo problema de planificación de la transmisión. Estos desafíos requieren que los
propietarios e inversionistas definan nuevos objetivos de planificación, re-examinen los
principios de planificación convencional, y desarrollen nuevos modelos y maneras de alcanzar
estos objetivos. Se discuten a continuación algunos de estos desafíos.

2.3.1 Criterios de expansión

El criterio que debe guiar un proceso de toma de decisiones en la expansión de la
transmisión en presencia de diferentes participantes debe ser redefinido, dado a que el tradicional
paradigma de planificación de la expansión a costo mínimo está dejando de ser viable. ¿Debería
este criterio basarse en beneficios ?. ¿Persiste la temática del interés público (bienestar social)
versus el interés privado?. ¿Cómo de debería incluir la confiabilidad, cuyo beneficio es difícil de
cuantificar como criterio de expansión?.

2.3.2 Relacionamiento entre la generación y la demanda

La planificación de la transmisión tradicional parte con una estimación de la demanda de
consumos y planes de centrales generadoras conocidos, procesos que son resueltos por la misma
compañía. En una industria desregulada, las decisiones de expansión en generación son hechas
por distintas compañías en forma individual. Algunas veces estas decisiones no son
completamente conocidas por la autoridad responsable de la planificación de la transmisión.
Además, escenarios de inversiones en generaciones con horizontes superiores a 5 o 10 años son
desconocidos o muy inciertos. La combinación de estos procesos presupone que las decisiones
en la expansión de la generación deben afectar las decisiones en la expansión de la transmisión y
viceversa. Por ejemplo un proyecto de transmisión puede tomas entre 5 a 10 años, lo que podría
ser superior en dos años con respecto a lo que podría tomar la construcción de una central
térmica. Por otra parte, un proyecto de generación podría atrasarse y entrar en operación
comercial mucho después que el proyecto de transmisión, alterando las suposiciones financieras
que justificaron el proyecto. Existe también el efecto de sustitución de transmisión por
generación local o programas de administración de carga y eficiencia energética. Todas estas
16
interacciones hacen que el proceso de planificación de la expansión de la transmisión no sea un
simple proceso secuencial.

2.3.3 Temas institucionales

No existe un delineamiento o definición clara de las responsabilidades de los diferentes
participantes involucrados en la planificación de la expansión de la transmisión. Por ejemplo,
¿quién debería proponer una expansión, quién debería revisar y analizar la expansión propuesta,
y quién debería tomar el rol de aprobar el plan ?. ¿Cómo se deberían reconciliar los conflictos de
intereses entre los participantes, y con qué mecanismos hacer esto?. Por ejemplo, en USA, las
Regional Transmission Organizations (RTOs) son supuestamente las responsables por la
planificación de la transmisión. Pero, ¿cuál es el rol de los comercializadores de red en esta
organización?. ¿Deberían las RTOs o inversionistas privados instalar sobrecapacidad para
anticiparse a las necesidades futuras?.

Mientras muchas dificultades en torno a este tema permanecen aún no resueltas, y

todavía continua el debate, la planificación de la transmisión en muchos países se está realizando
y probablemente se seguirá ejecutando por un buen tiempo, utilizando los procesos tradicionales
con algunas modificaciones.

2.4 Expansión de la transmisión en un ambiente reestructurado

El problema de planificación de la expansión de la transmisión en un ambiente
desregulado se puede dividir en dos subproblemas; inversión en transmisión y planificación de
la transmisión. Para la planificación de la transmisión la mayoría de los países posee una
institución que es responsable de este problema, así por ejemplo, en USA, es el operador
independiente del sistema (ISO), en Chile, la Comisión Nacional de Energía (CNE), etc.
Posteriormente, los inversionistas ejecutan los planes, los cuales se adjudican por algún
mecanismo, tal como una licitación. Existen también otras modalidades en donde los
inversionistas proponen un plan y los envían a la autoridad responsable de la planificación para
su aprobación. A continuación se definen en más detalle las dos funciones básicas de la
expansión de la transmisión en un ambiente desregulado:

17
  La inversión en transmisión implica considerar proyectos candidatos para la expansión
de la transmisión y ejecutar los correspondientes análisis financieros. En estos análisis
resulta significativo para el tomador de decisiones la relación entre costos e ingresos. El
problema de inversión debe ser analizado por la entidad que tomará la decisión de
invertir en el evento de que el proyecto de transmisión se materialice.
 La planificación de la transmisión incluye las tradicionales evaluaciones de impacto
técnico sobre la confiabilidad y costos y las evaluaciones de impacto ambiental. La
planificación de la transmisión está en el reino de la autoridad responsable de la
planificación, como por ejemplo, el ISO, CNE, cuya estructura se puede asimilar a la de
un planificador centralizado.

En la Fig. 2.2 se muestra la planificación de la expansión de la transmisión en un

ambiente descentralizado. En contraste a lo que se muestra en la Fig. 2.1 para un sistema
centralizado, la planificación de la expansión para un sistema desregulado es mucho más
compleja. En el caso desregulado se debe considerar por ejemplo, diferentes planes de
generación y programas de administración de la demanda como substitutos para los diferentes
candidatos de expansión en transmisión. Los procesos de generación de planes candidatos de
expansión deben además considerar la incertidumbre de los planes de generación, como así
mismo, la incertidumbre en el crecimiento de la demanda. Además, estos deben ser flexibles y
robustos.

En un ambiente desregulado, los ingresos futuros de una inversión en transmisión

dependen de cómo se opera el sistema. Así, para realizar los análisis financieros se requiere
simular la operación del sistema de potencia para el horizonte de estudio. La evaluación del
impacto de un nuevo plan de expansión en transmisión tiene dos dimensiones: una es la
evaluación técnica tradicional enfocada en la confiabilidad del sistema, la factibilidad técnica y
el impacto ambiental; la otra, es la evaluación económica del impacto que la nueva inversión
tiene sobre la sociedad. Ambas evaluaciones requieren simular la operación futura del sistema de
potencia y ambas requieren la aplicación de juicios subjetivos para alcanzar una decisión de
compromiso.

18
 Fig. 2.2. Procedimiento de planificación de expansión de la transmisión en un mercado desregulado.

Los incentivos que conducen una planificación de la expansión de la transmisión

dependen del modelo de negocio adoptado en los diferentes mercados eléctricos. El modelo de
negocio del sistema de transmisión expresa la relación entre tres funciones asociadas con la
provisión de los servicios de transmisión: operación del sistema, operación del mercado, y
propiedad de la red. Cada una de estas funciones se combinan entre si y han llevado a los países
a desarrollar diferentes organizaciones dependiendo de las condiciones particulares de estos. La
relación operación del sistema – operación del mercado implica definir el alcance del nivel de
combinación entre ambas funciones, como por ejemplo en los mercados de; tiempo real, del día
siguiente (day-ahead) o mercado de futuro (forward trading). Un ejemplo de un diseño que ha
tomado en cuenta esta relación, es el ISO de PJM en USA. (Pennsylvania-New Jersey-
Maryland). Este sistema opera un mercado de energía para el día siguiente, y ofrece servicios de
despacho económico y pre-despacho. Por otra parte está el operador del sistema del Texas -
Electric Reliability Council of Texas (ERCOT) - que sólo ofrece servicios relacionados a la
confiabilidad en tiempo real, incluyendo balance de energía, adquisición de servicios auxiliares
y manejo de congestión. La manera en que se combinan la operación del sistema con la
operación del mercado en general no produce un impacto significativo en las decisiones de
inversión en transmisión. [16] [16]

19
 Para la relación entre operación del sistema y propiedad de la red, la mayoría de los
sistemas reestructurados han adoptado modelos de negocios basados en la propiedad de la red.
Por ejemplo, en los Estados Unidos, donde una gran parte de la red es de propiedad de empresas
públicas, (utilities) se ha encontrado como mejor solución, la creación de ISOs sin fines de lucro
que controlan el sistema pero no poseen propiedad de la red. Esta estrategia permite reestructurar
el sistema sin que la empresa de servicio público sea vea obligada a desprenderse de la
propiedad de la red de transmisión. Por el contrario, en países como Inglaterra, Nueva Zelanda y
España, donde la red estaba en manos del gobierno o empresas privadas, se crearon compañías
de transmisión independientes con fines de lucro. Existen dos maneras en que se pueden
combinar las funciones de operación del sistema y propiedad de la red:

 Propiedad y control separados: las funciones de control e interacciones con los clientes
de la transmisión son manejados por un operador del sistema, mientras que la propiedad
de la transmisión son poseídos por entidades separadas.
 Posesión conjunta de la propiedad y control de la red. Ambas funciones están
combinadas en una entidad simple.

Asimismo, cada una de estas categorías produce 4 variantes, por lo que se tendrían en
total ochos situaciones. Las combinaciones se relacionan con los siguientes elementos:
i) Propiedad y control de la red combinada vs. separada
ii) Propiedad pública vs. privada
iii) Cuando la propiedad es privada, ¿la entidad debería ser con o sin fines de lucro?.
iv) ¿La propiedad de la red pertenece a entidades del mercado?

En general se tiene que la combinación que se realice entre operación del sistema y
propiedad de la red tiene un impacto importante sobre la expansión de la transmisión. Un
análisis detallado de los impactos de estos distintos modelos de negocios se encuentra en [16]
[16].

En lo que sigue de esta sección, se analiza en detalle el caso en que la operación del
sistema está separada de la propiedad de la red de transmisión, y ésta es independiente y con
propiedad privada.
20
2.4.1 Inversión en transmisión
Existen básicamente cuatro patrones de inversión en transmisión: (1) inversión pública;
(2) inversión privada regulada; (3) inversión de la transmisión impulsada por el mercado; y (4)
modelo híbrido de comercialización de la transmisión y transmisión regulada.

La inversión pública corresponde al caso cuando una institución pública, tal momo una
municipalidad o estado, ejecutan las inversiones. Este modelo impone una fuerte carga sobre las
responsabilidades del gobierno y ha sido criticada por algunos por inducir ineficiencia
económica y baja eficiencia operativa. No existe mucha literatura sobre este tipo de modelo en
industrias desreguladas.

El fundamento para la inversión impulsada por el mercado es la existencia de precios

marginales en los nudos o precios marginales posicionales – locational marginal pricing, LMP–.
Los LMP varían de acuerdo a las condiciones operacionales del sistema. Cada nudo tiene
diferentes precios los que son consecuencias de las pérdidas o congestiones. Debido a la
naturaleza de las redes de transmisión, los precios se extienden al resto del sistema, es decir los
precios nodales son variables completamente ligadas entre ellos. En un modelo impulsado por el
mercado, la diferencia de precios entre nudos, se utiliza para pagar el sistema de transmisión.
Además, se tiene la particularidad de que líneas congestionadas (líneas que alcanzan su
capacidad máxima de transmisión), presentan una mayor diferencia de precios lo cual se utiliza a
menudo como una señal económica para invertir en transmisión. En el mercado americano la
diferencia de precios LPM se la denomina comúnmente, ―
renta de congestión‖.

Para manejar el riesgo producto de la volatilidad de las congestiones, el mercado

americano ha creado un instrumento financiero denominado derechos de transmisión. Los
derechos de transmisión pueden ser físicos o financieros. Los derechos físicos le entregan poder
al poseedor de estos, para hacer uso de una porción de la capacidad de la red. Por otra parte, los
derechos financieros proveen a su poseedor un beneficio financiero igual a la renta de
congestión. En [17] Joskow y Tirole demuestran que los derechos financieros son superiores en
términos de eficiencia económica a los derechos físicos. El principio de inversión en transmisión
impulsada por el mercado se basa en la premisa de que; inversiones eficientes deben producir
21
ingresos suficientes. Los ingresos se obtienen de las ventas de los derechos de transmisión con el
objeto de cubrir las inversiones. Adicionalmente, la opinión de los expertos indica que la
inversión en transmisión impulsada por el mercado podría ser fácilmente implementada cuando
se requiere interconectar diferentes regiones usando líneas con dispositivos controlables, tales
como HVDC o FACTS. Este enfoque puede resultar de interés en el mercado chileno en donde
se está promoviendo fuertemente la interconexión del los sistemas SIC y SING con un enlace
DC [18].

La regulación de un monopolio es rara vez perfecta. El objetivo fundamental de la

regulación es lograr eficiencia y al mismo tiempo asegurar equidad. En lo que se refiere al
problema de inversión en sistemas de transmisión, la regulación debe proveer los incentivos
adecuados para la inversión, pero evitar la sobreinversión y además, alentar una operación
eficiente pero a la vez mantener la confiabilidad del sistema. Un régimen regulatorio apropiado
es importante, pero muy difícil de implementar debido a los conflictos de intereses de los
agentes que participan en este mercado (inversionistas, trabajadores, ambientalistas, clientes de
diferentes clases) dado que es imposible desarrollar un plan que sea óptimo para cada uno de
ellos [19] [19].

2.4.2 Planificación en transmisión

Además de las tradicionales evaluaciones de impacto técnico sobre la confiabilidad del
sistema, en un ambiente reestructurado se hace necesaria una evaluación del impacto económico
para todos los participantes del mercado. La evaluación económica, debería producir
información desde diferentes perspectivas (ej. local vs. regional) y ser capaz de proveer un
análisis de los beneficios individuales para los participantes del mercado, el comité de
supervisión, y agencias de interés público. Por otra parte, la evaluación de impacto técnico
permanece prácticamente sin cambios, pero en un ambiente desregulado, temas ocultos
comienzan a emerger.

Como se ha mencionado, una evaluación económica debe ser lo suficientemente

completa como para mirar el problema desde diferentes perspectivas. Por ejemplo, se ha
mostrado que la congestión contribuye al ejercicio de poder de mercado en un sistema eléctrico
[17]. También, reducir la congestión puede no ser el único objetivo a lograr en la expansión de la

22
transmisión. En [20] [20] se demuestra que una expansión en transmisión mal concebida puede
resultar en pérdida de ofertas hacia los consumidores e incremento de la congestión en alguna
parte de la red. También los beneficios de una expansión en transmisión pueden ayudar a
mejorar la competencia en el mercado y atenuar el ejercicio de poder de mercado. Por ejemplo,
una línea de transmisión que interconecte dos sistemas aislados que se abastecen en forma
autónoma en donde los proveedores locales están ejerciendo poder de mercado, mejorará la
competencia y reducirá los precios, aún cuando la línea tenga una tasa de uso muy reducida.

Las exigencias tradicionales usadas en los análisis de impacto técnico no han cambiado
sustantivamente en los sistemas desregulados con características de monopolio regulado. La
exigencia mínima consiste en que la red de transmisión debe resistir la pérdida o falla de un
elemento simple (ej. generador, línea o transformador) para alguna condición operativa. Este
criterio se denomina generalmente N-1. Este criterio está normado por la North American
Reliability Council (NERC) en USA y por la Norma Técnica de Seguridad y Calidad de Servicio
en Chile [21]. Los estudios parten primero con los análisis en estado estacionario, consistentes
en ejecutar flujos de potencia para cada una de las contingencias. Posteriormente, se analizan
estudios de estabilidad transitoria para condiciones de fallas trifásicas o bifásicas. Otros análisis
incluyen estabilidad de voltaje y análisis a pequeña perturbación.

Recientemente han surgido algunos cuestionamientos sobre las metodologías usadas en

la evaluación técnica. Una de estas inquietudes se relaciona con el criterio N-1, en el sentido de
que este es de naturaleza determinista, y no considera el aspecto probabilista de cada
contingencia. Algunos sugieren que metodologías probabilistas serían las más apropiadas [22]
[22]. Otro tema es la exactitud de los datos de entrada y como consecuencia la validez de los
resultados sería cuestionable. Un análisis técnico con modelos detallados requiere gran cantidad
de datos, la mayoría de los cuales son inciertos en especial en ambientes desregulados, luego los
resultados de los estudios requieren una dosis de fe. Otro tema no menos importante es la
evaluación de la confiabilidad, la cual supone que la demanda es fija. En ambientes desregulados
se ha incorporado la práctica de desprendimiento de carga voluntario por parte de los
consumidores como respuesta a una compensación económica. En Chile está práctica ha sido
impuesta por el operador del sistema sin compensación económica, sólo bajo el incentivo de

23
mantener la continuidad de servicio. Todos estos cuestionamientos indican que esta tarea está
aún en desarrollo.

2.5 Algunas experiencias internacionales

2.5.1 Mercado de energía eléctrica en Canadá

Canadá ocupa el tercer lugar del mundo en cuanto a la utilización de electricidad por
habitante. La capacidad instalada llegó a 125.0 GW en 2009 y se produjeron 575.2 TWh. El
63.2% de la energía eléctrica de Canadá es de origen hidráulico, el 17.4% de origen térmico, el
14.8% de origen nuclear, 4.1% de combustión interna y el 0.5% otros [23] [23]. Hoy en día, la
industria de energía eléctrica en Canadá es una mezcla de empresas de la Corona, (como es el
caso de provincias como Quebec, Saskatchewan y Manitoba) y privada de servicios públicos o
una mezcla de privado y de empresas de la Corona en provincias como el caso de Terranova,
Prince Edward Island, Nueva Escocia, Ontario, Alberta y Columbia Británica. Además, a través
de todo el país, existen industrias y organismos privados que generan electricidad para su propio
uso y para la venta a la red y a los servicios públicos. A estos generadores se les conoce
comúnmente como productores de energía independientes (IPP).

A través de Canadá, hay existe una gama de regímenes de reglamentación para el control
de los precios mayoristas y minoristas de la electricidad. En Alberta el mercado está
desregulado. En Ontario se ha establecido una desregulación parcial, con precios no regulados
para los grandes clientes y precios regulados para los pequeños clientes. En otros lugares, existe
una estructura de precios regulados para todos los clientes. El precio de la electricidad está
determinado por los costos y son determinados por el Consejo Regulador. En lo que sigue se
presenta un resumen de la estructura del mercado dentro de cada provincia:

Alberta: Pool Obligatorio. Libre acceso al mercado mayorista y minorista desde 2001. Tarifas
reguladas al mercado minorista hasta julio de 2006. Separación funcional de la generación,
transmisión y distribución. Un único sistema de transmisión. Un administrador independiente
para supervisar el mercado
British Columbia: Acceso al mercado mayorista y con acceso abierto a industriales, previstas
para finales de 2005. Sistemas de transmisión independientes.

24
Manitoba: Libre acceso al mercado mayorista. Separación funcional de la generación,
transmisión y distribución. Miembro del Midwest Independent System Operator (MISO),
Regional Transmission Organization (RTO)
New Brunswick: Acceso abierto al mercado mayorista y grandes industriales. Mercado bilateral
abierto y con Operador Independiente de Red (ISO) desde 2004.
Terranova: Las políticas energéticas se están examinando.
Nova Scotia: Acceso libre al mercado mayorista. Separación funcional de la generación,
transmisión y distribución.
Ontario: Industria desagregada en 1998. Libre acceso al mercado mayorista y minorista desde
2002. Cambios en la planificación de recursos, precios y licitaciones en 2005, incluida la
creación del Ontario Power Authority (OPA).
Isla Prince Edward: Sólo existe red de distribución.
Quebec: Libre acceso al mercado mayorista. Separación funcional de la generación, transmisión
y distribución. Competencia en el mercado mayorista para consumos mayores a 165 TWh.
Saskatchewan: El libre acceso al mercado mayorista. Separación funcional de la generación,
transmisión y distribución.

En las provincias en que existe competencia en el mercado mayorista, un operador de

mercado debe garantizar un abastecimiento adecuado la demanda. En Ontario, el operador del
mercado se llama el Operador Independiente del Sistema Eléctrico (IESO). En Alberta, el
operador del mercado se llama el Alberta Operador del Sistema Eléctrico (AESO). El AESO y
IESO pertenecen al IRC (ISO/RTO Council of North American), organización creada en 2003 a
la cual pertenecen nueve ISO, (siete de Estados Unidos y dos de Canadá) y RTO [24] [24]. Los
estándares para la planificación y operación de los sistemas eléctricos administrados por los ISO
que pertenecen al IRC son los definidos por la North American Electric Reliability Corporation
(NERC). La Fig. 2.3, muestra los ISO que pertenecen al IRC.

Se analizan a continuación los mercados de energía eléctrica en Alberta y Ontario que son los
más desregulados de Canadá y que además son miembros del IRC [24] [24].

25
 Alberta Electric System California Independent Electric Reliability Council
Operator System Operator of Texas
(AESO) (CAL-ISO) (ERCOT)

Independent System Independent System

Operator of the Province Midwest Independent
of Ontario Operator of New England System Operator
(IESO) (ISO-NE) (Midwest ISO)

New York Independent

System Operator PJM Interconnection Southwest Power Pool
(NYISO) (PJM) (SPP)

Fig. 2.3. Miembros del IRC

2.5.1.1 Mercado de energía eléctrica en Alberta

La política energética de la provincia de Alberta es administrada por el Departamento de
Energía. En lo que se relaciona con el sector energía eléctrica, existen cuatro organismos
destinados a cumplir con el objetivo de proveer energía en forma eficiente, equitativa y
sustentable. Estos organismos son: El operador del sistema ―Albe
rta Electric System Operator‖
(AESO), ―Albe
rta Energy and Utilities Board‖ (EUB), ―M
arket Surveillance Administrator‖
(MSA) y ―Bal
ancing Poll of Alberta‖. De estos, el AESO y el EUB son los que juegan un rol
importante en los procesos de planificación del sistema eléctrico. La Fig. 2.4 muestra la
estructura orgánica de las instituciones del sector eléctrico de Alberta.

Department of Energy

Alberta Electric System Alberta Energy and Market Surveillance Balancing Pool of
Operator Utilities Board Administrator Alberta
(AESO) (EUB) (MSA)

Fig. 2.4. Organizaciones del sector eléctrico en Alberta

26
 En Alberta, el operador de la red de transporte AESO, es el responsable del proceso de
planificar el sistema de transporte. El gobierno provincial realiza una planificación estratégica en
energía y sobre esta información más las decisiones de los generadores, el AESO debe
confeccionar estimaciones anuales de predicción de demanda, conducir los estudios necesarios
para definir las nuevas inversiones en generación, publicar cada cuatro años una planificación
para el sistema de transporte con un horizonte de 20 años y publicar cada dos años una
planificación para el sistema de transporte con un horizonte de 10 años. Estos planes son
stakeholders‖ y al EUB quien los aprueba. El
sometidos a consideración de los interesados ―
EUB también aprueba las tarifas que se aplicarán sobre el sistema de transporte para financiar
las inversiones. Finalmente, el AESO asigna la responsabilidad para que las empresas
transmisoras ejecuten las obras. La Fig. 2.5 muestra el proceso de planificación.

Alberta Government Alberta Energy and

“Provincial Energy Utilities Board
Strategic” (EUB)

- Provee supervisión regulatoria en

responsabilidades de planificación
- aprueba tarifas en transmisión

Alberta Electric System

Operator
(AESO)

Responsabilidad en planificación de transmisión

- prepara informe anual de estimación de demanda
- conduce estudios necesarios para nuevos generadores y cargas
- publica informe “20-Year Outlook” (cada 4 años)
- publica informe “10-Year Outlook” (cada 2 años)
- asigna responsabilidad directa de implementación a a transmisores

Fig. 2.5. Proceso de planificación en la provincia de Alberta

2.5.1.2 Mercado de energía eléctrica en Ontario

La política energética de la provincia de Ontario es administrada por el Ministro de
Energía quien reporta a la ―Leg
islature of Ontario‖. En el sector energía eléctrica existen tres
organismos destinados a cumplir con el objetivo de proveer energía en forma segura, de bajo
costo, equitativa y sustentable. Estos organismos son: El operador del sistema ―I
ndependent
System Operator of the Province of Ontario‖ (IESO), ―Onta
rio Power Authority‖ (OPA), y

27
―Onta
rio Energy Board‖ (OEB). La Fig. 2.6 muestra la estructura orgánica de las instituciones
del sector eléctrico de Ontario.

Legislature of Ontario

Energy Ministre

Independent System
Operator of the Province Ontario Power Authority Ontario Energy Board
of Ontario (OPA) (OEB)
(IESO)

Fig. 2.6. Estructura del sector eléctrico en la provincia de Ontario

En Ontario existen dos instituciones encargadas de la operación y planificación del

sistema eléctrico. El operador del sistema, IESO, es el responsable por la operación en tiempo
real del sistema y mantener la confiabilidad de mismo. Debe mantener relaciones con otras
instituciones externas a la provincia de Ontario, actuar como la ―Autor
idad de Planificación‖
frente a la NERC, publicar un informe cada 18 meses de las predicciones de demanda del
sistema y asignar la responsabilidad para que las empresas transmisoras ejecuten las obras de
inversión. Por otra parte, la OPA es el responsable de la planificación del sistema eléctrico. Este
organismo debe: realizar las estimaciones de demanda de mediano y largo plazo, conducir los
estudios de planificación de la generación, conducir los estudios de administración de la
demanda, conducir los estudios de planificación de la expansión de la red de transporte, y
proveer información para el OEB y el sector público de las necesidades de mediano y largo
plazo del sistema. Por mandato legal, el IESO y OPA deben trabajar en forma coordinada y
mantener un permanente flujo de información para lograr los objetivos que se les asigna. Por
otra parte, el OEB provee supervisión sobre los procesos de operación y planificación y aprueba
los planes de inversión. La Fig. 2.7 muestra el proceso de planificación en la provincia de
Ontario.

28
 Ontario Energy
Board
(OEB)

Provee supervisión regulatoria

en responsabilidades de operación y
planificación

Ontario Power Independent System

Authority Operator of the
(OPA) Province of Ontario
(IESO)

Responsabilidades de planificación
- estimar la demanda de electricidad de mediano y largo plazo
- conducir estudios de planificación de generación
- conducir estudios de administración de la demanda
- conducir estudios de expansión de la transmisión
- recolectar información para el OEB y público acerca de las
necesidades de mediano y largo plazo del sistema.

Responsabilidades de operación
- operar y mantener la confiabilidad del sistema
- trabajar con autoridades externas a Ontario
- producir el informe de estimación de demanda
“18-Month outlooks”
- Actuar como el “Planning Authority” por Ontario en la NERC
- asignar responsabilidades directas para implementación
a los transmisores

Fig. 2.7. Proceso de planificación en la provincia de Ontario

2.5.2 Mercado de energía eléctrica en Nueva Zelanda

La capacidad instalada en el sistema de Nueva Zelanda (NZ) es de alrededor de 9.100
MW con una demanda de punta en torno a los 6.500 MW. Más de la mitad de la energía
generada proviene de centrales hidráulicas, mientras que la restante proviene de centrales
térmicas, geotérmicas y eólica. Debido a que los lagos en NZ sólo pueden almacenar agua
durante pocos meses del invierno, la generación de energía hidráulica es sensible al nivel de
afluentes provenientes de lluvias y nevadas. Por esta razón, cuando hay periodos de sequía
prolongada, la producción de energía térmica desplaza la energía hidráulica. Durante el 2008, el
52% de la electricidad fue producida por centrales hidráulicas, el 24% por centrales de gas, 10,5
por centrales a carbón, 9,5 % por geotermia y 4,0 por viento y otros. La contribución hidráulica
ha estado entre el 52% y 65% en los últimos cinco años [25] [25].
29
 El sistema de transmisión tiene alrededor de 12.000 km de líneas de alta tensión. La
mayoría opera en corriente alterna, aunque existe un enlace en corriente continua que enlaza
Benmore ubicada en la isla sur y Haywards cerca de Wellington en la isla norte. La red nacional
transporta electricidad entre las 50 centrales generadoras y los centros de consumos a través de
200 nudos aproximadamente. Debido a la geografía de NZ, la red de transporte se compone
principalmente de un largo corredor troncal con pequeñas ramas laterales que sirven a las áreas
de consumo. El sistema de transmisión pertenece a ―
Transpower‖, empresa de propiedad del
estado.

La estructura de la industria eléctrica en NZ se compone de empresas generadoras,

transmisoras, distribuidoras y minoristas “retail”. Existen dos mercados; mayorista y minorista.
En el mercado mayorista las empresas generadoras compiten por vender electricidad a las
empresas minoristas y grandes consumidores industriales y comerciales. La compra y venta de
electricidad se hace mediante un ‗pool‘, donde los generadores ofrecen la electricidad al
mercado y los minoristas ofrecen comprar la electricidad. La asignación de montos a transar se
hace mediante un mecanismo de casación. En el mercado de minoristas, las empresas minoristas
compiten por vender electricidad a pequeños consumidores industriales, comerciales y
domiciliarios. Existen 5 principales compañías generadoras de las cuales tres pertenecen al
estado, estas cinco generadoras producen sobre el 90% de la energía eléctrica.

El mercado eléctrico de NZ posee además otras instituciones que velan por la operación
y desarrollo del mercado; las principales son la Comisión de Electricidad ―
Electricity
Commission‖ (CENZ) y el Operador del sistema. La CENZ supervisa y regula la operación de la
industria de electricidad y su mercado mayorista y minorista. También es responsable por
asegurar que el mercado opere eficientemente en el corto, mediano y largo plazo. La Comisión
monitorea el nivel de inversión en nuevas centrales generadoras y la tasa de crecimiento de la
demanda. Esta información se publica para alertar a los agentes del mercado en las necesidades
futuras del sistema. Para esto se emite el informe ―Ev
aluación de la Seguridad Anual‖ que
presenta una visión para la próxima década. Los factores que se evalúan son: planificación de la
generación, restricciones en la transmisión, predicción del crecimiento de la demanda, acopio de
combustible y requerimiento de reservas de energía. El operador de la red se denomina
30
―Tr
anspower NZ Ltda.‖, y tiene la responsabilidad de coordinar la seguridad en tiempo real.
Esto significa programar la operación de corto plazo. Además, debe realizar estudios que abarcar
desde las horas a años cubriendo temas de coordinación de fallas en transmisión y generación,
asignar nuevas instalaciones de generación y comprar los servicios complementarios para apoyar
la operación del sistema.

En el proceso de planificación de la expansión del sector eléctrico en NZ, son tres los
agentes que tienen la mayor relevancia; La Comisión de Electricidad, el Operador de la red
―Tr
anspower‖ y las empresas generadoras. Entre estos se produce un proceso iterativo en el cual
se ajustan las obras de centrales generadoras que se instalarán y las ampliaciones y refuerzos de
la red de transporte.

En el sistema de NZ se admite la competencia en el segmento de generación por lo que

estos deben asumir los riesgos por las decisiones que tomen al invertir en nuevas centrales. Sin
embargo, debido a que la Comisión tiene la responsabilidad de velar por el desarrollo eficiente,
justo, económico y sustentable del mercado de energía eléctrica, debe dar los lineamientos y
proveer la información necesaria a los interesados ―
stakeholders‖ para que tomen decisiones
informadas. Para lograr este objetivo la Comisión y Transpower deben publicar algunos
documentos entre los que destacan: Grid Reliability Standard (GRS), Grid Investment Test
(GIT), Grid Planning Assumptions (GPA), Centralized Data Set (CDS), Grid Upgrade Plans
(GUP) and Statement of Opportunity (SOO). El Statement of Opportunity (SOO) se publica cada
dos años y tiene como propósito identificar oportunidades para el manejo eficiente de la red,
incluyendo inversiones en refuerzos y nuevas instalaciones. Debido a que el SOO se publica
cada dos años, la Comisión publica anualmente el GPA para que Transpower pueda publicar los
informes que le demanda la ley. Después de cada publicación de los informes GPA o SOO los
participantes del mercado son invitados a enviar sus observaciones para mejorar las estimaciones
y modelos de predicción que se han utilizado en la definición los planes de inversión. Por su
parte Transpower debe emitir los informes; Grid Realiabiliy Report (GRR), Grid Economic
Investment Report (GEIR) y Annual Planning Report (APR). Para emitir estos informes,
Transpower debe disponer de los informes correspondientes que debe publicar la Comisión. Una
vez que Transpower determina el plan de inversiones en la red de transporte, este es sometido a
consideración de la Comisión para su aprobación. Por el contrario, las empresas generadoras
31
toman toda esta información como referencia para sus decisiones [26] [26]. La Fig. 2.8 muestra
el proceso para definir las inversiones en la red de transporte.

Fig. 2.8. Proceso para definir inversión en transmisión.

Para construir una visión de futuro coherente, la Comisión ha desarrollado

procedimientos y herramientas. La Fig. 2.9 muestra el procedimiento seguido para definir el
GPA y SOO. El procedimiento utiliza como plataforma para filtrar las alternativas futuras un

32
Modelo de Expansión de la Generación (GEM). De esta manera se analizan diferentes escenarios
con múltiples alternativas de tecnologías y tipos de combustibles y se seleccionan las que
superan los criterios de ser consistentes, razonables, creíbles y técnicamente factibles.

Fig. 2.9. Proceso de desarrollo de escenarios.

A partir del año 2009 la industria eléctrica en Nueva Zelanda inicia un proceso de
reforma de su regulación de manera que en el 2010 se aprueba la nueva ley que rige el sector.
Esta se denomina ―
Electricity Industry Act 2010‖ y sustituiría a la antigua ley denominada
―El
ectricity Governance Regulation 2003‖. Uno de los cambios introducidos por el nuevo
33
cuerpo legal es que sustituye a la ―E
lectricity Comission‖ por un nuevo órgano denominado
―El
ectricity Authority‖ [27] [27]. También se transfiere la responsabilidad de aprobar los planes
de transmisión propuestos por Transpower a la ―
Commerce Commission‖. Debido al proceso de
transición en que se encuentra esta industria, el año 2010 se aplicó el procedimiento definido en
esta sección.

2.5.3 Mercado de energía eléctrica en Chile

El mercado eléctrico en Chile está compuesto por las actividades de; generación,
transmisión y distribución de suministro eléctrico. Estas actividades son desarrolladas por
empresas que son controladas en su totalidad por capitales privados, mientras que el Estado sólo
ejerce funciones de regulación, fiscalización y de planificación indicativa de inversiones en
generación y transmisión, siendo esta última sólo una recomendación para las empresas.

Participan de la industria eléctrica nacional un total aproximado de 40 empresas

generadoras, 10 empresas transmisoras y 31 empresas distribuidoras, que en conjunto
suministran una generación agregada nacional que en el 2009 alcanzó los 57.020,8 gigawatts-
hora (GWh) para una capacidad instalada de 14,98 GW [28]. Esta generación se localiza
territorialmente en cuatro sistemas eléctricos (Sistema Interconectado del Norte Grande (SING),
Sistema Interconectado Central (SIC), Sistema de Aysén y Sistema de Magallanes).

Los principales organismos del Estado que participan en el sector eléctrico en Chile son
el Ministerio de Energía (ME) y la Comisión Nacional de Energía (CNE). El Ministerio de
Energía es el órgano superior de colaboración del Presidente de la República en las funciones de
gobierno y administración del sector de energía. El objetivo general del Ministerio de Energía es
elaborar y coordinar los planes, políticas y normas para el buen funcionamiento y desarrollo del
sector, velar por su cumplimiento y asesorar al Gobierno en todas aquellas materias relacionadas
con la energía. El sector energía comprende todas las actividades de estudio, exploración,
explotación, generación, transmisión, transporte, almacenamiento, distribución, consumo, uso
eficiente, importación y exportación, y cualquiera otra que concierna a la electricidad, carbón,
gas, petróleo y derivados, energía nuclear, geotérmica y solar, y demás fuentes energéticas. Por
su parte, la CNE es un organismo público y descentralizado, con patrimonio propio y plena
capacidad para adquirir y ejercer derechos y obligaciones, que se relaciona con el Presidente de
34
la República por intermedio del Ministerio de Energía. La Comisión es el organismo técnico
encargado de analizar precios, tarifas y normas técnicas a las que deben ceñirse las empresas de
producción, generación, transporte y distribución de energía, con el objeto de disponer de un
servicio confiable, seguro y de calidad, compatible con la operación más económica. Entre las
actividades habituales, la CNE fija los precios de nudos para las empresas distribuidos, fijación
que se realiza dos veces en el año (abril y octubre) y conduce el proceso de expansión del
sistema de transmisión troncal [29].

A continuación se presenta una breve descripción de los distintos participantes del

Mercado Eléctrico.

1. Generación: Este segmento está constituido por el conjunto de empresas eléctricas

propietarias de centrales generadoras de electricidad, la que es transmitida y distribuida
a los consumidores finales. Este segmento se caracteriza por ser un mercado
competitivo, con claras des-economías de escala en los costos variables de operación y
en el cual los precios tienden a reflejar el costo marginal de producción.

2. Transmisión: El sistema de transmisión corresponde al conjunto de líneas,

subestaciones y equipos destinados al transporte de electricidad desde los puntos de
producción (generadores) hasta los centros de consumo o distribución. En Chile se
considera como transmisión a toda línea o subestación con un voltaje o tensión superior
a 23.000 Volts (V). Por Ley, las tensiones menores se consideran como distribución. La
transmisión es de libre acceso para los generadores, es decir, éstos pueden imponer
servidumbre de paso sobre la capacidad disponible de transmisión mediante el pago de
peajes. Dada las modificaciones incorporadas por la ley 19.940 de Marzo de 2004 a la
Ley General de Servicio Eléctricos (LGSE) [30], el transporte de electricidad por el
sistema de transmisión troncal y los sistemas de subtransmisión es servicio público
eléctrico, por tanto el transmisor tiene obligación de servicio, siendo responsabilidad de
éste, invertir en nuevas líneas o en ampliaciones de las mismas. La LGSE clasifica el
sistema de transmisión en tres segmentos: el sistema troncal comprendido por el
conjunto de líneas y subestaciones que configuran el mercado común, el sistema de
subtransmisión compuesto por aquellos tramos que permiten retirar la energía desde el
35
 sistema troncal hacia los distintos puntos de consumo locales y el sistema adicional que
corresponde a los tramos de uso exclusivo para evacuar la energía desde las centrales o
abastecer un cliente no regulado.

3. El operador del mercado y sistema: La coordinación de la operación de las centrales

generadoras y las líneas de transmisión, es efectuada en cada sistema eléctrico por los
Centros de Despacho Económico de Carga (CDEC). Estos organismos no poseen
personalidad jurídica y están dirigidos por un directorio constituidos por representantes
de las principales empresas generadoras, transmisoras y clientes libres de cada sistema
eléctrico.

4. La distribución: Los sistemas de distribución están constituidos por las líneas,

subestaciones y equipos que permiten prestar el servicio de distribuir la electricidad
hasta los consumidores finales, localizados en cierta zona geográfica explícitamente
limitada. Las empresas de distribución operan bajo un régimen de concesión de servicio
público de distribución, con obligación de servicio y con tarifas reguladas para el
suministro a clientes regulados.

5. Los consumidores: Los consumidores se clasifican según la magnitud de su demanda

en: (1) Clientes regulados, cuya potencia conectada es inferior o igual a 2.000 kilowatts
(kW); (2) Clientes libres o no regulados, cuya potencia conectada es superior a 2.000
kW; y (3) Clientes con derecho a optar por un régimen de tarifa regulada o de precio
libre, por un período mínimo de cuatro años de permanencia en cada régimen. Estos
corresponden a consumidores cuya potencia conectada es superior a 500 kW e inferior o
igual a 2.000 kW, conforme a las modificaciones incorporadas a la Ley General de
Servicio Eléctricos por la ley 19.940, de Marzo de 2004.

En Chile se define al segmento de generación como un mercado competitivo, de manera

que los riesgos de las decisiones de inversión en centrales generadoras deben ser asumidos por
los inversionistas. Sin embargo, la CNE realiza ejercicios de planificación de obras de
generación como una forma de dar señales adecuadas sobre el futuro del sistema eléctrico, en
particular al tratar de definir la matriz energética y en la fijación semestral de los precios de
36
nudos. Adicional a esto, la CNE debe conducir el proceso de la planificación del sistema de
transmisión troncal, actividad que se realiza cada cuatro años y licitada a consultores externos.
En este proceso, la ley define que el horizonte de análisis debe ser a lo menos 10 años.

La CNE utiliza procedimientos y herramientas computacionales para determinar los

planes de obras y precios de nudos. Debido a la característica que posee el sistema chileno, cuya
producción de energía eléctrica tiene una fuerte componente hidráulica, y con capacidad de
regulación anual, los modelos que se han aplicado históricamente para resolver este problema se
han desarrollado en el país. La Fig. 2.10 muestra un diagrama de bloque del procedimiento
habitualmente utilizado por la CNE, para cálculo de programas de obras.

En este procedimiento, el motor de cálculo es el programa OSE2000, programa que

permite calcular la planificación operacional de mediano y largo plazo del sistema. Por las
características que tiene el sistema chileno, el problema que se soluciona es una coordinación
hidrotermal, la que se resuelve usando un algoritmo de programación dinámica dual estocástica
(SDDP) [31] [31].

Hidrología Demanda Combustible Mantenimeinto

OSE 2000 Parque y Red

Planes de expansión
Costo esperado Costo
Operación + Falla Inversión
En construcción
1 a 3 años ? Proyectos en construcción
Generación, Transmisión
Evaluación Selección de planes
(Valor esperado) de obra alternativos Indicativo
3 a 10 años ? Plantas “Estándar”
Líneas recomendadas
No

Costo
Operación + Inverisón + Falla
Min?

Si

Plan de obras
recomendado

Fig. 2.10. Procedimiento utilizado por la CNE para determinar planes de obras
37
2.5.3.1 Proceso de planificación de la transmisión
El proceso de planificación de la transmisión actualmente se encuentra regulado por el
texto refundido de la Ley General de Servicios Eléctricos (LGSE) [30], la cual incluye entre
otros, las modificaciones planteadas por la Ley Corta I [6], que modificaron los procesos de
planificación en transmisión.

Para definir los planes de expansión en transmisión, los estudios se realizan en dos
etapas:

1. Estudio del sistema de transmisión troncal (ETT). Se realiza cada 4 años, y es

coordinado y dirigido por la Comisión Nacional de Energía. El estudio entrega una
recomendación de las obras que se deben realizar en los próximos 4 años. Además, se
determina el ―v
alor anual de la transmisión por tramo‖, o ―
VATT‖, más los costos de
operación, mantenimiento y administración anuales por tramo, o ―CO
MA‖ del sistema
de transmisión troncal. El horizonte de análisis contempla un periodo de evaluación de
al menos 10 años. En efecto, para el primer estudio realizado el año 2006, se usó como
horizonte 10 años, mientras que para el segundo estudio, realizado el 2010 se usó 15
años. Las obras que recomiende el estudio se clasifican en dos tipos: nuevas y de
ampliación. Las obras nuevas se asignan mediante una licitación abierta e internacional,
dando la oportunidad a que nuevos operadores entren en este negocio y así mejorar la
competitividad del sector. Las obras de ampliación deben ser ejecutadas por la empresa
que tiene la concesión de las instalaciones que requieran refuerzos.

2. Revisión anual del estudio de transmisión troncal. Esta actividad es realizada todos los
años, y es ejecutada por la Dirección de Peajes del Centro de Despacho Económico de
Carga (CDEC) y validada por la CNE. Este estudio revisa las obras propuestas en el
ETT, pudiéndose también actualizar o proponer nuevas obras de ser esto necesario.
Definidas las obras, el ME emite un decreto para las obras de transmisión que deben
ejecutarse en los 12 meses siguientes.

38
 A continuación, se realiza una descripción más detallada de las etapas involucradas en el
proceso de ETT cuyo diagrama de bloques se muestra en la Fig. 2.11.

A. Estudio del sistema de transmisión troncal

i. La CNE elabora las bases técnicas y administrativas preliminares del ETT.
Durante un plazo de 15 días la CNE recibe las observaciones de los
participantes, usuarios e instituciones interesadas. Vencido el plazo y en un
periodo no superior a 15 días, la Comisión comunica las bases técnicas y
administrativas definitivas. Si persisten controversias de cualquiera de los
participantes, se dispondrá de un plazo máximo de 10 días para solicitar la
opinión del panel de expertos. El panel deberá emitir una resolución en un plazo
de 15 días. Resueltas las discrepancias, la Comisión formaliza y publicita las
bases definitivas. El estudio es licitado por la CNE y supervisado por un comité
donde participan: un representante del poder ejecutivo, dos de empresas
transmisoras, dos de generadoras, uno de las distribuidoras y uno de los clientes
libres. El estudio debe realizarse en un plazo máximo de 8 meses.
ii. Cumplido el plazo para realizar el estudio, y recibido este conforme, la
Comisión lo hace público y convoca a una audiencia pública en un plazo
máximo de 20 días. Después de realizada la audiencia pública, los participante
disponen de quince días para realizar observaciones. Asimismo, independiente
de las observaciones la Comisión dispone de 45 días para elaborar un informe
técnico considerando todas las observaciones realizadas desde la audiencia
pública.
iii. A partir de la recepción del informe técnico, los participantes dispondrán de diez
días para presentar sus discrepancias a la Comisión. Dichas discrepancias serán
resueltas por el panel de expertos dentro de treinta días. Transcurrido el plazo, la
CNE envía dentro de los siguientes quince días, el informe con las eventuales
correcciones producto del Dictamen del Panel de Expertos al Ministerio de
Economía, Fomento y Reconstrucción (MEFR) para su aprobación como
decreto. El MEFR dispone de 15 días para hacer efectivo la dictación del
decreto.

39
B. Revisión anual del estudio de transmisión troncal
i. Anualmente, la Dirección de Peajes del CDEC analizará la consistencia de las
obras de ampliación y nuevas del sistema de transmisión troncal contenidas en
el ETT. La DO emitirá una propuesta a la CNE 30 días después de finalizado el
ETT o antes del 31 de octubre de los demás años del cuatrienio. Además, la
Dirección de Peajes deberá acompañar la opinión que sobre las obras propuestas
expresen los operadores del sistema de transmisión troncal y los usuarios que
hacen o harán uso de dicho sistema.
ii. La Comisión, en un plazo de 30 días contado desde la recepción de la propuesta
de la DP, presentará el plan de expansión para los doce meses siguientes. Los
participantes y los usuarios dispondrán de diez días para presentar sus
discrepancias al panel de expertos, el que emitirá su dictamen en el plazo de
treinta días.
iii. Finalizada esta etapa, el Ministro de Economía, Fomento y Reconstrucción,
dentro de quince días de recibidos los informes, mediante decreto fijará las
expansiones del sistema de transmisión troncal para los doce meses siguientes.
Este plan rige una vez que hayan transcurrido quince días desde su publicación
en el Diario Oficial.

40
 Fig. 2.11. Distintas etapas involucradas en el ETT.

La importancia del esquema descrito radica en que el presente estudio tiene como
objetivo desarrollar criterios que sean utilizables en el proceso de ETT y en las revisiones
anuales que se realizan.

2.5.3.2 Consideración de la incertidumbre en el proceso de planificación de la transmisión

La LGSE [30] contempla que en el proceso de planificación del sistema de transmisión
troncal chileno se deba considerar la incertidumbre. Se reconoce en este cuerpo legal dos tipos
de incertidumbre; la que se origina en el plan de obras de generación, y la que proviene de la
demanda. La primera se trata mediante la consideración de escenarios, mientras que para la
segunda, no se especifica su metodología de análisis ni su obligatoriedad de inclusión en los
análisis. Se presentan a continuación los artículos de la LGSE que hacen referencia a tema de la
incertidumbre [32].
41
 a) En el artículo 74º, primer párrafo, se dice que el sistema troncal debe ser capaz de
abastecer la demanda bajo diferentes escenarios de disponibilidad de las
instalaciones de generación. La interpretación que se puede hacer de este artículo, es
que la incertidumbre mencionada está asociado a las centrales existentes.
b) En el artículo 84º, primer párrafo, se enfatiza que el ETT debe considerar distintos
escenarios de expansión de la generación.
c) En el artículo 84º, segundo y tercer párrafo, dice que al análisis debe considerar un
escenario de demanda y distintos escenarios de expansión de la generación, los
cuales son proporcionados por los distintos agentes y/o propuestos por el consultor.
Se deja libertad para considerar más de un escenario de demanda.
d) En el artículo 89º se estable que se debe determinar un plan de obra del sistema de
transmisión troncal por cada escenario considerado. De este artículo se infiere que el
ETT, es un estudio que sirve de referencia para los distintos agentes del sector
eléctrico, de manera de informar, cómo se debería expandir el sistema de
transmisión bajo los distintos escenarios.
e) En el artículo 99º, se menciona que la revisión anual que realiza el CDEC también
debe considerar distintos escenarios de generación. El plan de obras que se obtiene
de las revisiones anuales debe ser único, y es el que resulta de considerar distintos
escenarios futuros.

Del análisis de los artículos 74º, 84º, 89º y 99º, se concluye lo siguiente: a) desde el
punto de vista legal, existe una obligatoriedad de considerar la incertidumbre en los planes de
obras de generación. b) El ETT es sólo un conjunto de planes de referencia para distintos
escenarios, c) Las revisiones anuales que realiza el CDEC deben considerar en sus análisis los
diferentes escenarios y generar un único plan para el periodo inmediatamente siguiente (12
meses), d) No se impone la obligatoriedad de considerar distintos escenarios de proyecciones de
demanda, aunque en los estudios anteriores si se ha hecho.

42
2.5.3.3 Comentarios del proceso de planificación de la transmisión en Chile
En Chile se han realizado tres procesos de planificación de la expansión de la
transmisión. El primero en el año 2004, con motivo de la dictación de la ley corta I que permitió
resolver la urgente necesidad de reforzar el sistema de transmisión troncal. En esa oportunidad
se decretaron 6 obras de ampliación y tres obras nuevas. Las Tablas 2.1 y 2.2 muestran un
seguimiento a las obras decretadas, mostrando las fechas de fijación, adjudicación y puesta en
servicio.

Tabla 2.1. Seguimiento de obras nuevas periodo 2004 – 2006

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso
No Propietario Obra nuevas Decreto Decreto servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses
MUSD (A) Decreto MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fijada en Dcto 231 de sep
2004. Adjudicada con
Equipo de Compensacion estática de
1 Transelec 7,30 sep-04 mar-07 1,197 jun-05 jul-07 9 25 4 34 Dcto 162 Jun 2005. Fecha
reactivo, CER en Puerto Montt
operación en anuario
CDEC-SIC 2008

Fijada en Dcto 231 de sep

2004. Adjudicada con
2 Transchile Línea Charrúa - Nueva Temuco 2 x 220 kV 58,90 sep-04 abr-08 6,499 jun-05 dic-09 9 54 20 63
Dcto 163 Jun 2005. Fecha
operación rev DP 2009

Fijada en Dcto 231 de Sep

2004. Adjudicada con
3 Transelec Línea El Rodeo - Chena 2 x 220 kV, Cto 1 10,45 sep-04 oct-07 1,093 may-06 mar-10 20 46 29 66 Dcto 138 May 2006.
Fecha operación en
memoria Transelec 2009

En el anexo A se muestran detalle las resoluciones y decretos emitidos para los tres
procesos de expansión de la transmisión. Asimismo, en el anexo B se presentan las tablas en
mayor detalle de todos los procesos. Las tablas se han construidos usando principalmente la
información contenida en estos decretos, memorias de empresas transmisoras y anuarios del
CDEC-SIC.

Las obras del periodo 2004 – 2006 parten con las fijaciones establecidas en los decretos
231 de 2004 para obras nuevas y 232 de 204 para obras de ampliación. Según lo presentado en el
anexo A se requirieron 11 decretos durante este proceso. Quizás uno de los proyectos más
emblemáticos fue la obra ―
Línea El Rodeo – Chena‖, que tuvo un retraso de 29 meses. Esta línea
tuvo las siguientes modificaciones: cambio de estatus desde obra de ampliación a obra nueva
(decreto 227 de 2005), cambio de nombre (decreto 272 de 2005) y adjudicación (decreto 138 de
2006). El periodo de tramitación, desde fecha de decreto de fijación hasta adjudicación fue de 20
meses, mientras que el atraso en la ejecución de las obras fue 9 meses. Así, el atraso de este
proyecto puede atribuirse al regulador (CNE) y al contratista. El proyecto requirió sucesivos
43
ajustes en el valor de inversión (VI) de la obra. Básicamente este hecho ha sido una de las
fuentes de atrasos, dado que se pueden presentar licitaciones desiertas.

Otro proyecto que también tuvo un atraso de consideración fue la línea 2x220 kV
Charrua – Nueva Temuco. Este proceso se contempló en 63 meses; con 9 meses de tramitación y
11 meses de atraso en ejecución de obras, es decir 20 meses de retraso. Por otra parte, el
proyector de compensación de reactivos en Puerto Montt sólo tuvo un retraso de 4 meses. Las
estimaciones de atrasos se hacen tomando como fecha inicial el primer decreto de fijación de las
obras.

Tabla 2.2. Seguimiento de obras de ampliación periodo 2004 – 2006

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso
No Propietario Ampliaciones Decreto Decreto servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses
MUSD (A) Decreto MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fijada en Dcto 232. Fecha
operación en PNudo Oct
1 Transelec Ampliación barra 220 kV S/E Charrúa 9,10 sep-04 dic-05 15,62 oct-05 abr-08 13 30 28 43
2007; VI en Dcto 199 de
Oct 2009

Fijada en Dcto 232. Fecha

Seccionamiento línea 154 kV Itahue - Alto
2 Transelec 2,80 sep-04 dic-05 2,77 abr-05 ene-06 7 9 1 16 operación en anuario
Jahuel en Punta de Cortés
CEDC-SIC 2007; VI en
Dcto 199 de Oct 2009
Fijada en Dcto 232. Fecha
Ampliación de línea 154 kV Itahue - San operación en anuario
3 Transelec 4,41 sep-04 sep-06 10,38 feb-06 sep-07 17 19 12 36
Fernando CEDC-SIC 2008; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Seccionamiento de líneas 220 kV Temuco - operación en anuario
4 Transelec 10,90 sep-04 sep-06 11,40 may-05 abr-07 8 23 7 31
Ciruelos y Temuco - Puerto Montt CEDC-SIC 2007; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Energización en 500 kV del tramo Alto operación en anuario
5 Transelec 27,90 sep-04 mar-07 40,50 dic-05 sep-08 15 33 18 48
Jahuel - Polpaico CEDC-SIC 2009; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Seccionamiento de líneas 220 kV Nueva operación en anuario
6 Transelec 4,00 sep-04 sep-06 4,50 may-05 dic-06 8 19 3 27
Temuco - Puerto Montt en Valdivia CEDC-SIC 2007; VI en D
199 de Oct 2009

Para el caso de las obras de ampliación mostradas en la Tabla 2.2 se presentaron 3

proyectos con atrasos de importancia: ―Am
pliación barra 220 kV S/E Charrúa‖ con 28 mese de
retraso, ―Ener
gización en 500 kV del tramo Alto Jahuel - Polpaico‖ con 18 meses de retraso y
―Am
pliación de línea 154 kV Itahue – San Fernado‖ con 12 meses de retraso. Cabe destacar que
todos los proyectos de ampliación tuvieron que ser corregidos en sus VI, siendo determinado el
valor definitivo de inversión en octubre del 2009 mediante el decreto 199. Según la
reglamentación vigente [30], el propietario de las instalaciones que requieren ampliaciones es el
responsable por la ejecución de las obras, pero en la mayoría de las licitaciones que realizó el

44
propietario, estas quedaron desiertas. Por esta razón fue necesario ajustar los VI, tema que quedó
zanjado solo el 2009 con el decreto 199.

De esta manera podemos concluir que en el ejerció 2004 -2006, la constante fueron los
retrasos en la ejecución de las obras, las que se pueden atribuir a los siguientes problemas: mala
estimación de periodos de ejecución, mala clasificación de proyectos (nuevos declarados como
ampliaciones), mala estimación de los valores de inversión, retrasos en ejecución de obras
(servidumbre, nuevos operadores con poca experiencia en el mercado chileno). También se
puede atribuir como causa de los retrasos, la poca experiencia que existía en el sector eléctrico
para enfrentar este nuevo proceso de expansión de la red de transmisión.

Para el proceso 2007 – 2010, las obras nuevas y de ampliaciones definidas por el ETT
fueron finalmente expuestas en la Resolución Exenta de la CNE No 158 de marzo 2007. La
Tabla 2.3 muestra una comparación de las obras nuevas expuestas en la RE No 158 y las obras
fijadas en las revisiones 2007, 2008, 2009 y 2010. Las resoluciones y decretos correspondientes
a cada revisión se detallan en el anexo A. Asimismo, una presentación más detallada de esta
información se encuentra en el anexo B.

A diferencia del proceso 2004 – 2006, el proceso 2007 – 2010 no presenta atrasos de
mucha consideración para las obras nuevas. Se tiene que el proyecto con mayor retraso sería la
―Lí
nea Nogales – Polpaico 2x220 kV‖ con 10 meses. Por otra parte, el proyecto ―Lí
nea Ancoa –
Alto Jahuel 2x500 kV: primer circuito‖, tiene un retraso de 6 meses, si es que entra en operación
en enero de 2013. Sin embargo, aparecen nuevos elementos que no se presentaron el 2004. Para
el proceso 2004 – 2006, todas las obras nuevas y ampliaciones decretadas se ejecutaron. Para el
proceso 2007 – 2010, sólo se ejecuta una obra nueva, la línea Nogales – Polpaico.
Adicionalmente, aparecen nuevas obras de gran escala, que no estuvieron contempladas en el
estudio realizado por el consultor. En efecto, en la revisión 2008, la Dirección de peajes propuso
el tercer circuito de 500 kV entre Ancoa – Alto Jahuel. Esta propuesta es expuesta en la RE No
54 de la CNE y finalmente fijada a través del decreto 642 de mayo 2009. La pregunta que es
natural hacer es ¿porqué una obra de tal escala no fue vista por el consultor de ETT y si se
esperaría que una revisión anual con menos alcance proponga este tipo de obras?

45
 Tabla 2.3. Comparación entre obras nuevas establecidas en RE No 158 y las fijadas en revisiones
Fecha
VI Fecha Total
puesta VI Fecha Puesta Tramitación Duración Atraso
Resolución resolución Proceso Panel
No Propietario Obra nuevas servicio Adjudicado Adjudicación servicio meses Meses Meses Observaciones
CNE CNE Meses Expertos
original MUSD (C ) (D) (C-A) (D-C) (D-B)
MUSD (A) (D-A)
(B)
Obra establecida por CNE en RE 158.
1 S/E Polpaico 220 kV: Paño de línea 2,182 mar-07 abr-10 Posteriormente incluida en línea
Nogales - polpaico

Obra establecida por CNE en RE 158.

2 Línea Nogales - Polpaico 2x220 kV 41,67 mar-07 abr-10
Adjudicada con DS 118 de Jun 2008

Línea Pan de Azúcar - Los Vilos - Nogales Obra establecida por CNE en RE 158.
3 57,74 mar-07 ene-13
220 kV No se ejcuta proyecto
Línea Temuco - Valdivia 220 kV: Tercer Obra establecida por CNE en RE 158.
4 38,155 mar-07 jun-13
circuito No se ejcuta proyecto
Obra propuesta en revisión 2007.
5 Transelec Línea Nogales - Polpaico 2x220 kV 46,584 jun-07 abr-10 5,269 jun-08 feb-11 12 32 10 44 Fijada en DE 282 Nov 2007.
Adjudicada con DS 118 Jun 2008
Obra propuesta en revisión 2008,
Línea Ancoa - Alto Jahuel 2x5000 kV:
6 Elecnor 184,200 may-09 ene-13 18,635 abr-10 jul-13 11 39 6 50 fijada con DE 642 de May 2009 y
primer circuito
adjudicada con DS 34 de Abr 2010
Obra propuesta en revisión 2010,
Nueva Línea Cardones - Maitencillo 2x500
7 79,316 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Maitencillo - Pan de Azúcar
8 130,112 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x500 kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Pan de Azúcar - Polpaico
9 280,000 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x500 kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Charúa - Ancoa 2x500 kV:
10 140,408 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
tendido del primer circuito
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Ciruelos - Pichirropulli 2x220
11 45,494 ene-11 ene-17 expuesta por CNE en RE 13 de Enero
kV: tendido del primer circuito
2011. Falta decreto
Obra propuesta en revisión 2010,
Subestación Seccionadora Lo Aguirre:
12 69,018 ene-11 jul-14 expuesta por CNE en RE 13 de Enero
Etapa I
2011. Falta decreto
Obra propuesta en revisión 2010,
13 Instalación de CER en S/E Cardones 20,666 ene-11 ene-13 expuesta por CNE en RE 13 de Enero
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Cardones - Diego de Almagro
14 36,982 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x220 kV: tendido primer circuito
2011. Falta decreto

Por otra parte, para la revisión 2010, la DP ha propuesto una cantidad abundante de
nuevas obras, como lo son el nuevo corredor entre Polpaico y Cardones en 500 kV y la línea de
500 kV entre Charrúa y Ancoa. Estas obras han sido expuestas mediante la RE No 885 de la
CNE y su modificación, RE No 13 de enero de 2011. En este momento se espera la publicación
del decreto ministerial. Para exponer estás obras, la CNE tomó en consideración el informe de
avance del consultor, dato que durante el año 2010 se estuvo realizando el proceso de Estudio
del Sistema de Transmisión Troncal para el periodo 2011 – 2014.

En relación a las obras de ampliación para el periodo 2007 – 2010 la experiencia es

compleja. La RE No 158 expuso 15 obras de ampliación (ver Tabla B.4 del anexo B), la revisión
2007 decretó 17, agregándose dos. Es decir, se ejecutaron la totalidad de las obras. Sin embargo,
la ejecución de la obras ha sido compleja. Existe una gran cantidad de retrasos, entre los que se
destacan: ―
Línea Tinguiririca - Punta de Cortés 154 kV: Cambio de conductor‖, 40 meses de
retraso, ―
Línea Punta de Cortés - Tuniche 2x220 kV‖, ―
Línea Ancoa - Polpaico 1x500 kV:
46
Seccionamiento‖ y ―
Línea entrada a Alto Januel 2x500 kV‖ 30 meses de retraso. Los detalles se
encuentran a la Tabla B.6 del anexo B. La revisión 2007 ha sido un proceso difícil de sobrellevar
con muchas licitaciones desiertas, cambios de valores de inversión. La última fijación de VI se
define en el decreto No 199 de octubre de 2009. Para la revisión 2008 se propusieron tres
ampliaciones, dos de las cuales se encuentran en ejecución (ver Tabla B.8). La tercera es una
obra condicionada a la ejecución de otro proyecto (ampliación Metro). Este es un hito en el
proceso el cual incorpora la modalidad de ejecutar obras sujetas a la ampliación de otros
proyectos. Para la revisión 2009, no se fija la ejecución de obras nuevas y se adicionaron 6 obras
de ampliación. Nuevamente se perciben atrasos dado de a la fecha no se han adjudicado 5 de
estas obras (ver Tabla B.9). Finalmente, para la revisión 2010 se han anunciado 13 obras de
ampliación, para las cuales sólo se ha emitido la resolución No 885 de la CNE, faltando emitirse
el decreto de fijación. Este último proceso está fuertemente influenciado por el ETT 2011 –
2015, que está en su fase final.

La legislación vigente [30], establece que la ejecución de las obras de ampliación es de

responsabilidad de la empresa de transmisión propietaria de las instalaciones comprometidas.
Hasta la fecha la experiencia sobre este asunto no ha sido buena, debido a que se ha presentado
una gran cantidad de retrasos, ocacionados fundamentalmente por licitaciones desiertas y
cambios en los valores de referencia de las inversiones. Esto se puede acreditar mediente los
decretos emitidos, los que se detallan en el anexo A. Otro tema de importancia es el acceso a la
información. La LGSE establece que el proceso de licitación de las obras de ampliación debe ser
público, transparente y auditable por la Superintendencia de Electricidad (SEC). A diferencia de
las licitaciones de obras nuevas que son ejecutadas por la DP del CDEC, las licitaciones de
ampliaciones son gestionadas por la empresa transmisora y el acceso a la información sobre el
proceso es nulo. Sobre este punto, la sugerencia es legislar para que este proceso sea auditable en
forma pública o alternativamente, la SEC haga pública esta información. La mayoría de las
fechas usadas en las tablas del anexo B se han estimado en base a los decretos, sin embargo, esta
información no es suficiente. Se debe recordar que las licitaciones realizadas por la empresa
transmisora no se decretan, por lo que se desconoce la información relevante.

De lo expuesto en los párrafos anteriores, se tiene que la decisión de peso sobre qué obra
se ejecutará, se define en la revisión anual que realiza la DP del CDEC y que finalmente
47
modifica o ratifica la CNE. Adicionalmente, de lo observado en el proceso 2007 – 2010, se
concluye que para la primera revisión anual, esto es, 2007, y la cuarta, esto es, 2010, el informe
del consultor del ETT es gravitante. Sin embargo, en las revisiones intermedias, es decir, 2008 y
2009, la DP del CDEC y la CNE fueron gravitantes. Este hecho hace percibir algunas
recomendaciones que serían de utilidad para mejorar el proceso de expansión del sistema.

Dado que en la revisión anual se definen las obras que se ejecutarán en los 12 meses
siguientes, proceso que es finalmente vinculante, y que esta revisión debe tomar en
consideración las obras expuestas en el ETT para el periodo, más las propuestas que los
operadores de la red hagan, es de sentido común que la revisión anual debería realizarse con el
mayor alcance posible. Sobre este punto, la legislación no obliga a que en la revisión anual se
haga considerando diferentes escenarios de generación, situación que si está obligado a
considerar el consultor en el estudio cuatrienal. El CDEC realiza el estudio con un horizonte de
10 años considerando sólo los proyectos que son eficientes y que entren en el primer año. La
pregunta que es natural hacer es, si ¿no sería mejor mirar los dos primeros años?. Sin duda, que
la mayor responsabilidad de la revisión está en los años intermedios (2do y 3ro) por las razones
ya explicadas. De esta manera la propuesta sería dar mayor profundidad y atribución a la
revisión anual con la intención de reducir al máximo los posibles errores. Esto deja la puerta
abierta para que el próximo paso sea la planificación considerando la incertidumbre. Sobre este
punto, en el ETT 2011 – 2014 el consultor utilizó el principio de min-max arrepentimiento para
definir algunas obras. Lo más probable, es que este tipo de herramienta tenga que incorporarse
en las próximas revisiones anuales. La planificación de la expansión considerando incertidumbre
es una tarea titánica que está en pleno desarrollo, y esta tesis está orientada en lograr un avance
en esa dirección. En particular se aborda la consideración de la incertidumbre en la demanda,
aspecto que reforzaría lo que actualmente se hace en Chile.

48
 Capítulo 3. Incertidumbre e Información

3.1 Introducción
Es fácil reconocer que la incertidumbre juega un rol importante en los asuntos de la vida.
Cada vez que nos vemos enfrentados en un proceso de toma de decisiones, la incertidumbre
juega un rol importante. Naturalmente cualquier tomador de decisiones desearía no tener que
tratar con ella, no obstante, su permanente presencia ha obligado al mundo científico a
desarrollar teorías y herramientas que puedan tratar con ella.

Previo al siglo XX, el mundo científico veía la incertidumbre como el ideal por el cual la
ciencia debía luchar. De acuerdo a esta perspectiva, la incertidumbre es incompatible con la
ciencia y el ideal es eliminarla completamente. Visto de esta forma, la incertidumbre carecía de
rigor científico y su eliminación es una manifestación del progreso de la ciencia. El
conocimiento científico debía ser expresado en forma numéricamente precisa, de manera que la
imprecisión y otros tipos de incertidumbre no pertenecían a la ciencia.

Esta actitud hacia la incertidumbre comienza a cambiar a fines del siglo XIX, cuando
algunos físicos comienzan a estudiar procesos a nivel molecular. Debido a la complejidad de
estos procesos, la mecánica newtoniana resultó inapropiada para resolver estos problemas. Se
requirieron nuevos enfoques para enfrentar estos complejos problemas. La respuesta a este
desafío fue que los métodos estadísticos resultaban más apropiados para este tipo de problemas.
Se requería definir posición y momentos de conjunto de moléculas, los cuales fueron
caracterizados por sus promedios estadísticos. Los resultados obtenidos a nivel macroscópico de
variables como, temperatura y presión, respondían adecuadamente a las observaciones,
instaurándose así, un nuevo campo de la física, la mecánica estadística.

Los métodos estadísticos desarrollados originalmente para analizar movimientos de

moléculas de gases en espacios cerrados, han encontrado uso en otras áreas. En ingeniería han
sido útiles en el diseño de redes de telefonía, problemas de ingeniería de confiabilidad, entre
otros. En finanzas se han aplicado a problemas de marketing, seguros, inversiones, etc. En
general, estos métodos encuentran aplicación en sistemas de gran tamaño con componentes que

49
tienen un comportamiento altamente aleatorio. Mientras mayor es el tamaño del sistema, y más
alta la aleatoriedad, mejor son los resultados entregados.

Cuando la mecánica estadística fue aceptada por la comunidad científica como un área
legítima de la ciencia, la incertidumbre llega a ser reconocida como útil o aún esencial en ciertas
investigaciones científicas. Sin embargo, se consideró que la herramienta que por excelencia
debía ser utilizada para tratar la incertidumbre, era la teoría de probabilidad. Tomó más de la
mitad del siglo XX reconocer que el concepto de incertidumbre es mucho más amplio de lo que
puede capturar la teoría de probabilidad, dando paso así, al estudio de nuevas manifestaciones de
tipo no probabilistas.

Los métodos basados en el cálculo diferencial sólo son aplicables a sistemas con un
número pequeño de componentes que se relacionan entre sí en forma predecible (simplicidad
organizada). Por otra parte, los métodos estadísticos basados en teoría de probabilidad requieren
que el sistema tenga un gran número de componentes y un alto grado de aleatoriedad
(complejidad desorganizada). Estas dos clases de métodos son complementarios entre sí, sin
embargo, sólo pueden tratar dos clases muy reducidas de los problemas concebibles en el mundo
real. Si esta situación se grafica en un plano complejidad – aleatoriedad (complejidad
organizada), la mayoría de los problemas de interés, se encuentra en un punto intermedio [33].
La Fig. 3.1 muestra esta situación.

Fig. 3.1. Clasificación de problemas en términos de su aleatoriedad y complejidad

50
 El desarrollo de la tecnología computacional ha hecho posible tratar con problemas de
alta complejidad, alguno de los cuales comienzan a parecerse a los de complejidad organizada.
Sin embargo, esto no ha sido suficiente para hacer un progreso sustancial en este tipo de
problemas. Se ha requerido el desarrollo de nuevas teorías y derribar antiguos mitos, como el
paradigma probabilístico. Un concepto nuevo e importante ha sido la aceptación de la
incertidumbre como un concepto más amplio. Para lograr esto se han tenido que ampliar dos
importante teorías tradicionales: la primera es generalizar la teoría de medida clásica, mientras
que la segunda es la generalización de la teoría de conjuntos. Como consecuencia de esto, hoy se
puede concebir una teoría de incertidumbre distinta a la teoría de probabilidades clásica.

3.2 Incertidumbre basada en información

En este capítulo el concepto de incertidumbre estará fuertemente relacionado con la
información. Lo usual en esta conexión, es que la incertidumbre presente en un problema es el
resultado de alguna información deficiente. Existen diferentes manifestaciones de información
deficiente. La información puede ser, por ejemplo, incompleta, imprecisa, fragmentada, no
confiable, vaga, o contradictoria. En general, estas diferentes deficiencias en la información
determinan el tipo de incertidumbre asociada.

Para tratar el tema de incertidumbre basada en información, se asume que es posible

medir la cantidad de incertidumbre presente en una situación a través de una teoría matemática
particular. Se asume además, que esta cantidad de incertidumbre se puede reducir mediante
algún mecanismo que aporte información relevante, tal como un experimento, registros
históricos, etc. Luego la cantidad de información obtenida por una acción se puede medir a
través del monto en que se reduce la incertidumbre. Luego, la cantidad de información se
obtiene por la diferencia entre la incertidumbre a priori y la incertidumbre a posteriori. Este
mecanismo se muestra en la Fig. 3.2.

Fig. 3.2 Significado de incertidumbre basada en información

51
3.3 Teoría de Información Generalizada
El tratamiento formal de la incertidumbre basada en información requiere de dos
elementos clásicos; nociones de teoría de posibilidad y nociones de teoría de probabilidad. Cada
una de estas teorías clásicas ha sido generalizada y han dado paso a lo que en la actualidad se
conoce como ―Teor
ía Generalizada de Información‖ (TGI). En esta teoría, al igual que en las
teorías clásicas, el concepto primario es la incertidumbre, y la información se define en término
de la reducción de la incertidumbre. El objetivo de la TGI es desarrollar un tratamiento amplio
de la incertidumbre basada en información, y no restringido a sus nociones clásicas. El marco de
referencia empleado en la TGI se basa en la generalización de dos importantes teorías
matemáticas ocurridas en el siglo XX. Una de ellas es la generalización de la teoría clásica de
medida a la teoría de medidas monótonas. La segunda, es la generalización de la teoría clásica de
conjuntos a la teoría de conjuntos difusos. Estas dos generalizaciones expanden la teoría clásica
de incertidumbre en dos dimensiones. En una dimensión, la propiedad de aditividad se remplaza
por una menos restrictiva, la monotonía. El resultado es una teoría más amplia de medidas
monótonas. En la otra dimensión, el lenguaje de la teoría de conjuntos clásicos se expande a un
lenguaje más expresivo, el de la teoría de los conjuntos difusos. La Fig. 3.3 muestra la expansión
en dos dimensiones del marco de referencia de las teorías de incertidumbre. Las filas de esta
figura representan diferentes ramas de la teoría de medidas monótonas, mientras que las
columnas representan diferentes lenguajes formales. Una teoría de un tipo particular se
construye escogiendo un lenguaje formal particular y expresando la incertidumbre involucrada
en término de un tipo de medida monótona de algún tipo. Esto significa que cada entrada de la
tabla de la Fig. 3.3 representa una teoría de incertidumbre de un tipo particular. Las entradas
achuradas indican teorías de incertidumbre que actualmente se encuentran bien desarrolladas
[33].

52
 Lenguajes Formalizados
Conjuntos no Clásicos
Teorías de Incertidumbres Conjuntos Conjuntos Conjuntos Difusos no Normalizados
Clásicos Difusos Intervalo Basado
Tipo 2 Nivel 3 ●●●
Estándar Valuado Lattice
Probabilidad
Aditiva numérica
clásica
Posibilidad/
necesidad
Medida λ-
Sugeno
Creencia/
plausibilidad
Medidas Monótonas

(capacidades
de orden ∞)
Capacidades de
No aditiva

varios ordenes
finitos
Distribuciones
probabilidad
intervalo -
valuadas
●
●
Probabilidades
generales
superior e
inferior

Fig. 3.3 Marco de referencia para conceptualizar las teorías de incertidumbre en TGI.

3.4 Teoría de incertidumbre basada en posibilidad clásica

3.4.1 Funciones de posibilidad y necesidad
La teoría de posibilidad es la más simple y antigua. Podemos entenderla de una manera
simple a través de la siguiente formalización. Supongamos que X denota un conjunto finito de
alternativas mutuamente excluyentes que son de nuestro interés. De esta manera se tiene que
para alguna situación dada, sólo una de las alternativas es correcta. Para identificar la alternativa
correcta, necesitamos de alguna forma obtener información relevante (por ejemplo, realizar un
experimento). La clase más elemental y fundamental de información, es una demostración de
que alguna de las alternativas de X no es posible (tal como los resultados arrojados por un
examen médico que descartan una determinada enfermedad). Después de excluir estas
alternativas desde X, se obtiene un subconjunto E de X. Este subconjunto contiene sólo
alternativas, que de acuerdo a la información disponible, son posibles. Se dice entonces que las
alternativas pertenecientes a E se sustentan en la evidencia.

53
 Se define una función característica para el conjunto de todas las posibles alternativas, E,
denominada función de posibilidad básica y denotada por rE. Luego,

1 cuando x  E
rE   (3.1)
0 cuando x  E
Usando el sentido común, una función de posibilidad, PosE, definida sobre el conjunto potencia
(X ) , estaría dada por la fórmula
Pos E ( A)  max rE ( x) (3.2)
xA

Para todo A (X ) , donde (X ) es la familia de todos los subconjuntos obtenibles de X.
Adicionalmente, es bastante correcto decir que es posible que la alternativa verdadera pertenezca
al conjunto A, cuando A contiene al menos una alternativa posible. De esto se deduce que
Pos E ( A  B)  maxPosE ( A), Pos E ( B) (3.3)

Para algún par de conjuntos A, B ( X ) .

Dada la función de posibilidad PosE sobre (X ) , es útil definir otra función, NecE, para

describir por cada A (X ) la necesidad de que la alternativa correcta este en A. Claramente,

la alternativa correcta está es A si y sólo si no es posible que ella esté en A , esto es, el
complemento de A. De aquí se tiene,

NecE ( A)  1  Pos E ( A) (3.4)

Para todo A (X ) .

3.4.2 Medida de incertidumbre de Hartley para conjuntos finitos

La pregunta de cómo medir la cantidad de incertidumbre asociada a un conjunto finito E de
posibles alternativas fue propuesto por Hartley en 1928 [34]. El demostró que la única manera
significativa de medir esta cantidad de incertidumbre es usando una funcional de la siguiente
forma.
c log b  rE ( x)
xX

O alternativamente

54
 c log b  E ,
xX

donde E denota la cardinalidad del conjunto E; b y c son constantes positivas, con la salvedad de
que b ≠ 1. Cada elección del valor de b y c determina la unidad en la cual la incertidumbre será
medida. Si escogemos b = 2 y c = 1, la incertidumbre se mediría en bits. Un bit de incertidumbre
es equivalente a la incertidumbre en lo que respecta a la verdad o falsedad de una proposición
elemental. De esta forma se obtiene una única funcional, H, definida para una función de
posibilidad, rE, por la fórmula

H (rE )  log 2 E (3.5)

Esta funcional se conoce normalmente con el nombre de medida Hartley de

incertidumbre. La característica de esta funcional es la carencia de especificidad. Claramente,
mientras mayor es el conjunto de posibles alternativas, menos específicos son las predicciones o
diagnósticos. La especificidad completa se obtiene sólo cuando una de las alternativas es
posible. Por esta razón, este tipo de incertidumbre se la caracteriza con el término de no
especificidad.

3.5 Teoría de incertidumbre basada en probabilidad clásica

3.5.1 Funciones probabilistas
El estudio de la teoría de probabilidad tiene una larga historia cuyo resultado en una
teoría bien desarrollada y asentada. Debido a que existe abundante literatura sobre el tema, sólo
se presentarán los conceptos más relevantes sobre este tema.

3.5.1.1 Funciones sobre conjuntos finitos

Consideremos un conjunto finito X de alternativas mutuamente excluyentes que resultan
de interés en relación a una situación contextual. En general, alternativas en el conjunto X se
pueden interpretar como estados de una cierta variable X. Sólo una de las alternativas es

verdadera, pero no conocemos cuál de ellas. En teoría de probabilidad, esta incertidumbre acerca
de la alternativa verdadera se expresa a través de una función
p : X  [0,1] ,
para la cual

55
  p ( x)  1
xX
(3.6)

Esta función se denomina función distribución de probabilidad, y la secuencia ordenada

de valores asociada p(x) para todo x  X,

p  p ( x) x  X

se denomina una distribución de probabilidad. Para cada x  X, el valor p(x) expresa el grado
de evidencia de que x es la alternativa correcta. Una variable X cuyos estados x  X están

asociados con probabilidades p(x) se denomina variable aleatoria.

Dada una función de distribución de probabilidad p, la medida de probabilidad asociada,

Pro, para todo A (X ) se obtiene a través de la fórmula

Pro( A)   p( x) (3.7)
xX

A menudo no es necesario considerar todos los elementos de (X ) . En la mayoría de

los casos de interés, es suficiente contar con una familia de subconjuntos de X, C  (X ) ,
siempre que esta contenga a X y sea cerrada bajo complementación y uniones finitas. Los
miembros de C se denominan eventos. Para un par de eventos disjuntos A y B,
Pro( A  B)  Pro( A)  Pro( B) (3.8)
Esta propiedad básica de la función de medida de probabilidad se le conoce como
aditividad.

Dada una función de distribución de probabilidad p sobre X y una función real f sobre X,
la funcional
a(f, p)   f ( x) p( x) (3.9)
xX

se denomina un valor esperado de f. Claramente, a(f , p) es un promedio ponderado de valores de

f(x), donde las ponderaciones son las probabilidades p(x).

Consideremos ahora dos conjuntos de alternativas, X e Y, los que se pueden interpretar

como estados de las variables X e Y, respectivamente. Una probabilidad definida sobre X x Y se

56
denomina función de distribución de probabilidad conjunta. Las funciones de distribución de
probabilidad marginal, pX y pY, sobre X e Y, se determinan por las fórmulas
p X ( x)   p( x, y) , (3.10)
yY

para cada x  X, y
pY ( y)   p( x, y) (3.11)
xX

para cada y  Y. Las variables X e Y con funciones de distribución de probabilidad marginal pX,
pY, respectivamente, se denominan no interactivas si y sólo si
p( x, y)  p X ( x)  pY ( y) (3.12)
para todo x  X e y  Y. Las funciones de distribución de probabilidad condicional, p(x/y) y
p(y/x), se definen para todo x  X e y  Y tal que pX(x) ≠ 0 y pY(y) ≠ 0 por las fórmulas
p( x, y)
p X / Y ( x / y)  , (3.13)
pY ( y)
p( x, y)
pY / X ( y / x)  (3.14)
p X ( x)
Cuando pX/Y(x/y) = pX(x) para todo x  X, se dice que la variable X es independiente de

la variable Y. Similarmente, cuando pY/X(y/x) = pY(y) para todo y  Y, la variable Y se dice que
es independiente de la variable X.

Se puede demostrar sin mucha dificultad, que bajo el paradigma probabilístico, el

concepto de no interacción es equivalente a independencia probabilística [33].

3.5.1.2 Funciones sobre conjuntos infinitos

Cuando X es el conjunto de los números reales, o un intervalo acotado de números
_
reales, [ x, x] , el conjunto de alternativas es infinito, y la manera de cómo fue definida la medida
de probabilidad para X finito no se puede aplicar. No existe una forma de definir una medida
significativa de probabilidad para el conjunto potencia (X ) . De esta manera, para cada
aplicación particular, se debe escoger una familia relevante de subconjuntos de X (eventos), C, la

57
cual debe contener X, y ser cerrada bajo complementación y uniones contables (este requisito
implica además que C debe ser cerrado bajo intersecciones contables). Una familia de este tipo
que junto con las operaciones de unión, intersección y complemento se les denomina
normalmente una σ-algebra (ver apéndice C). En muchas aplicaciones, la familia C consiste de
todos los sub-intervalos acotados y abiertos por la derecha de X.

No se puede definir una función de distribución de probabilidad p para el caso de

conjuntos infinitos como se hizo para el caso finito. De esta manera se tiene que, para X   o
_
X = [ x, x] , la función p para todo x  X se define por la ecuación
p(x)  Pro({a  X a  x}) (3.15)

donde Pro denota una medida de probabilidad. Esta definición utiliza la propiedad de orden de
los números reales. La función p es claramente no decreciente, y se espera que sea continua para
cada x  X y diferenciable en todos los puntos, excepto en un número contable de puntos.

Conectada con la función distribución de probabilidad p, existe otra función, q, definida

para todo x  X como la derivada de p. Esta función es llamada función densidad de
probabilidad. Debido a que p es una función no decreciente, q(x) ≥ 0 para todo x  X.

Dada una σ-algebra definida sobre una familia C, y una función densidad de
probabilidad q sobre X, la probabilidad de algún conjunto A  C, Pro(A), se puede calcular por
la integral

Pro( A)   q( x)dx . (3.16)

A

Debido a que se requiere que Pro(X) = 1 (la alternativa verdadera debe pertenecer a X),
la función densidad de probabilidad está restringida por la ecuación

 q( x)dx  1 .
A
(3.17)

Dada una función de distribución de probabilidad sobre X y otra función de valores

reales f sobre X, la funcional

a( f , p)   f ( x)dp (3.18)
X

58
se denomina valor esperado de f. También es posible expresar a(f , p) en término de la función
densidad de probabilidad q asociada con p como

a( f , p)   f ( x)q( x)dx . (3.19)

X

_ _
Cuando una función q se define sobre el producto Cartesiano X  Y  [ x, x]  [ y, y ] ,

esta se denomina función de distribución de probabilidad conjunta. Las funciones de

distribución de probabilidad marginal asociadas respectivas, qX y qY, sobre X e Y, para cada x 
X, y para cada y  Y se determinan por las fórmulas

q X ( x)   q( x, y)dy , (3.20)
Y

qY ( y)   q( x, y)dx . (3.21)
X

Las funciones de distribución de probabilidades marginales se denominan no

interactivas si y sólo si
q( x, y)  q X ( x)  qY ( y) (3.22)
para todo x  X e y  Y. Las funciones de densidad de probabilidad condicional, qX/Y(x/y) y
qY/X(y/x), se definen para todo x  X e y  Y tal que qX(x) ≠ 0 y qY(y) ≠ 0 por las fórmulas
q( x, y)
q X / Y ( x / y)  , (3.23)
qY ( y)
q( x, y)
qY / X ( y / x)  (3.24)
q X ( x)
Similar al caso finito los conceptos de no interacción e independencia probabilista son
equivalentes en este caso.

3.5.2 Medida de incertidumbre de Shannon para conjuntos finitos

El asunto de cómo medir la cantidad de incertidumbre (y la información asociada) en
teoría de probabilidad clásica fue propuesta por Shannon en 1948 [35]. El estableció que la única
manera significativa de medir la cantidad de incertidumbre con evidencia expresada por una
función de distribución de probabilidad p sobre un conjunto finito, es usar una funcional de la
forma

 c p( x) log b p( x) ,
59
donde b y c son constantes positivas, y b ≠ 1. Cada elección de valores de b y c determinan la
unidad en la cual se medirá la incertidumbre. La elección más común es definir una unidad de
_
medida bajo el requerimiento de que la cantidad de incertidumbre sea 1 cuando X  [ x, x] y
p(x1) = p(x2) = ½. Este requisito, al cual se le conoce como requisito de normalización es
satisfecho cuando b = 2 y c = 1. La unidad de medida resultante se denomina bit. Es decir, 1 bit
es la cantidad de incertidumbre quitada (o información ganada) al aprender la respuesta a la
pregunta de cuál de las dos posibles respuestas fueron equiprobables. La funcional resultante,
S ( p)    p( x) log 2 p( x) , (3.25)
xX

se denomina medida de incertidumbre de Shannon o entropía de Shannon.

3.6 Medidas generalizadas

3.6.1 Medidas monótonas
En concepto de ―
Teoría de información clásica‖ se ha usado largamente para referirse a
una teoría basada en nociones de probabilidades. Las funciones de incertidumbre se expresan en
esta teoría en término de la teoría clásica de medida, la que a su vez se ha formalizado utilizando
teoría de conjuntos clásicos. La generalización del concepto de medida clásica es una forma de
ampliar el marco de referencia para el tratamiento del concepto de incertidumbre a un aspecto de
más cobertura de lo que permita la teoría clásica.

Dado el conjunto universal X y una familia no vacía C de subconjuntos de X con una

estructura apropiada (como por ejemplo, una σ-algebra), una medida clásica, μ, es una función
de la forma
 : C  [0, ]
que satisface los siguientes requisitos:

mc1) Si  C, entonces μ( ) = 0.
mc2) Para una secuencia de conjuntos pareados disjuntos de C, A1, A2, ….,

  
Si  Ai  C luego    Ai     ( Ai ) .
i 1  i1  i1

60
Se puede apreciar que la función de probabilidad es una medida clásica en donde C es una σ-
algebra y μ(X) = 1.

La propiedad (mc2), la que da la característica distintiva de una medida clásica, se

denomina aditividad contable. Una variante a esta propiedad se conoce como aditividad finita.
Esta es similar a (mc2), pero con la variante de que el ∞ se reemplaza por n, Es decir, se tiene
una secuencia finita de conjuntos disjuntos pareados de C, A1, A2, …. An. Por otra parte, es
también conocido que una medida aditiva contable es también aditiva finitamente, pero no a la
inversa.

El requisito de aditividad (contable o finito) de medidas clásicas se basa sobre la

suposición de que los conjuntos disjuntos son no interactivos con respecto a la propiedad de
medida. Esta propiedad resulta ser muy restrictiva en algunos casos. Por ejemplo, consideremos
un conjunto de trabajadores en un taller cuyo objetivo es fabricar productos de un determinado
tipo. Supongamos además, que el conjunto se divide en n subgrupos A1, A2, …. An, y denotemos
por μ(Ai) el número de productos hecho por cada grupo Ai (i  n) en una unidad de tiempo.
Luego, algunas de las siguientes situaciones podrían darse para dos grupos Ai, Aj:

 cuando los grupos Ai y Aj trabajan separadamente.

 cuando los grupos trabajan juntos y en forma cooperativa.
 cuando los grupos trabajan juntos y pero no
cooperativamente.

Existe una variada gama de otros problemas para los cuales el requerimiento de medida
clásica limita severamente su aplicabilidad. Dada esta fuerte limitación resulta natural buscar
una generalización de esta. Después de probar diferentes estrategias los investigadores llegaron a
la conclusión de que para un análisis de incertidumbre, debían reemplazar el requisito de
aditividad por un requerimiento débil de monotonía. Esta clase de medida generalizada se
denomina medida monótona, la que se define a continuación.

61
 Dado el conjunto universal X y una familia no vacía C de subconjuntos de X

(normalmente con una estructura apropiada), una medida monótona, μ, sobre X , C es una
función del tipo
 : C  [0, ]
que satisface los siguientes requisitos:

μ1)  ()  0 .
μ2) Para todo A, B  C, si A  B , entonces  ( A)   ( B) (monotonía).
μ3) Para una secuencia creciente A1  A2     de conjuntos en C,

 
Si  Ai  C , luego lim  ( Ai )     Ai  (continuidad desde abajo).
i 1
i
 i1 
μ4) Para una secuencia decreciente A1  A2     de conjuntos en C,

 
Si  Ai  C , luego lim  ( Ai )     Ai  (continuidad desde arriba).
i 1
i 
 i1 
Las funciones que satisfacen las condiciones (μ1), (μ2) y (μ3) o (μ4) son igualmente
importantes en teoría de medidas monótonas. En efecto, ellas son esenciales en la formalización
de probabilidades imprecisas. Cuando el conjunto universal X es finito, los requisitos (μ3) y (μ4)
se cumplen en forma trivial, pudiendo en estos casos omitirse. Si X  C y μ(X) = 1, μ se
denomina medida monótona regular (o medida monótona semicontinua regular). Las funciones
de incertidumbre de cualquier tipo siempre son medidas monótonas regulares. La condición (μ2)
define medidas que son monótonas crecientes. También es posible definir medidas monótonas
cambiando la desigualdad  ( A)   ( B) por  ( A)   ( B) , las que serán medidas monótonas
decrecientes. Ambos tipos de medidas son útiles, sin embargo, las medidas crecientes son más
útiles para tratar la incertidumbre.

Las siguientes desigualdades se cumplen para cada medida monótona μ: si A, B,

A  B  C , luego
  A  B  min ( A),  ( B) , (3.26)

  A  B  max ( A),  ( B), (3.27)

62
Estas desigualdades provienen de la monotonía de μ y del hecho de que A  B  A y
A  B  B , y similarmente, A  B  A y A  B  B . Si adicionalmente, la desigualdad
  A  B   ( A)   ( B) (3.28)
o la desigualdad
  A  B   ( A)   ( B) (3.29)
se cumple para todo A, B, A  B  C tal que A  B   , la medida monótona se denomina
superaditiva o subaditiva, respectivamente.

Es fácil ver que aditividad implica monotonía, pero no a la inversa. Para todo A, B,
A  B  C tal que A  B   , una medida monótona μ es capaz de capturar alguna de las
siguientes situaciones:
(a)   A  B    ( A)   ( B) , lo que expresa una acción cooperativa o sinergica entre A y
B en término de la propiedad de medida.
(b)   A  B   ( A)   ( B) , lo que expresa que A y B son no interactiva con respecto
propiedad de medida.
(c)   A  B    ( A)   ( B) , lo que expresa alguna incompatibilidad entre A y B en
término de la propiedad de medida.

Se puede apreciar que la teoría de probabilidad es capaz de capturar sólo la situación (b).
Esto demuestra que la teoría de medida monótona provee un marco de referencia más amplio
que el provisto por la teoría de probabilidad para tratar la incertidumbre.

Por algunas razones históricas de pequeña significancia, las medidas monótonas son
referenciadas a menudo en la literatura como medidas difusas. Este nombre genera confusión,
dado a que los conjuntos difusos no han sido considerados en la definición de medidas
monótonas.

Cuando el conjunto universal X es finito y C = (X ) , una medida monótona μ, queda

expresada por funciones de la forma
 : C  [0,1] ,
63
que satisface los siguientes requisitos:

μ1‘)  ()  0 y  ( X )  1
μ2‘) Para todo A, B  (X ) , si A  B , entonces  ( A)   ( B) .

3.7 Capacidades de Choquet

Las capacidades de Choquet es una familia especial de medida no aditiva. Esta medida se
formaliza de la siguiente manera. Dado un entero particular k > 2, una capacidad de Choquet de
orden k (o k-monótona capacidad de Choquet) es una medida monótona μ que satisface las
desigualdades

 k  K 1  
   A j    (1)    A j  (3.30)
 
 j 1  K  N k  kK 
K 

para todas las familias de k subconjuntos de X. Así se tiene que la capacidad de orden 2 más
general es la que satisface la desigualdad.
  A1  A2     A1     A2     A1  A2  (3.31)
Una capacidad de Choquet menos general, es la denominada capacidad de Choquet de
orden infinito (o ∞-monótona). Esta satisface la desigualdad
  A1  A2      Ak      Ai     Ai  A j  
i i j (3.32)
   (1) k 1
  A1  A2      Ak 
Para cada k > 2 y cada familia de subconjuntos de X. Notar que las medidas de probabilidad son
medidas ∞-monótona especiales de capacidades de Choquet en la cual la desigualdad (3.32)
colapsa en la igualdad.

3.7.1 Representación de Mӧbius

Se sabe que cada función de conjunto  :( X )   , donde X es un conjunto finito,

puede representarse en forma única por otra función m :( X )   , a través de la fórmula

m A   B 
A B

 (1) (3.33)
B B A

64
 
para todo A (X ) . Esta fórmula es denomina transformada de Mӧbius y la función m
representación Mӧbius de μ (o función Mӧbius).

La transformada de Mӧbius es una función uno a uno y por lo tanto tiene inversa. Su
inversa se define para todo A (X ) por la siguiente fórmula

  A    mB  (3.34)
B B A

Es posible demostrar que una función μ es una medida monótona si y sólo si su representación

Mӧbius m cumple las siguientes propiedades:

(m1) m()  0.

(m2)   m( A)  1.
A( X )

(m3)   m( B)  0 para todo A (X ) y todo x  A.

x B  A

3.8 Probabilidades imprecisas

En diferentes situaciones la disponibilidad de información es incompleta, para lo cual existe más
de una posible distribución de probabilidad que podría ajustarse a los datos disponibles. Para
tratar con información incompleta en forma correcta se requiere trabajar con un conjunto de
distribuciones y no escoger sólo una de ellas, como lo requiere la teoría de probabilidad clásica.
Esto significa que se requiere tratar con probabilidades imprecisas. En lo que sigue de esta
sección, se presentarán los tipos de probabilidades imprecisas de mayor uso.

3.8.1 Probabilidades superior e inferior

Sea X un conjunto universal de interés y D un conjunto de funciones de distribución de
D
probabilidades, p, sobre X. Luego, se define la función de probabilidad inferior,  , para todos

los conjuntos A (X ) por la siguiente fórmula

D
  A  inf  p x 
pD xA

(3.35)
65
 D
Similarmente, se define la función de probabilidad superior,  , para todos los conjuntos
A (X ) por la siguiente fórmula
D
  A  sup  p x  (3.36)
pD x A

De las ecuaciones (3.35) y (3.36) se extrae que la probabilidad inferior y superior son medidas
monótonas. Se puede demostrar sin mucha dificultad que
D
  A  1 D  A  (3.37)

D D
se cumple para todo A (X ) . Debido a esta propiedad, las funciones  y  se
denominan duales (o conjugadas), por el hecho de que con una de ellas es suficiente para
capturar información de D. Estas probabilidades también cumplen con las siguientes
propiedades;
D
D
  A   ( A) (3.38)

D
D
    ()  0
(3.39)
D
D
X   ( X )  1 (3.40)
D
  A  B  D
  A D  B , con A  B   , súper-aditividad (3.41)
D D D
 ( A  B)   ( A)  ( B), con A  B   , sub-aditividad (3.42)

para todo A, B ( X ) .

Debido a las propiedades mencionadas, las probabilidades inferior y superior constituyen para
D
cada conjunto A (X ) , un intervalo cerrado    A ,  ( A) de posibles probabilidades
D
 
D
para ese conjunto. Cuando
D
  A   ( A) para todo A (X ) , se obtiene la probabilidad
(precisa) clásica.

66
3.8.2 Funciones de posibilidad generalizadas
En esta sección se analiza una generalización de la teoría de posibilidad clásica vista en
la sección 3.4. La Teoría Clásica de Posibilidad (TCP) distingue dos estados; posible e
imposible, mientras que la Teoría Generalizada de Posibilidad (TGP) está diseñada para
distinguir grados de posibilidad. Esta teoría también califica dentro de lo que se conoce como
teoría de posibilidades graduadas. Ambas teorías se basan en dos medidas monótonas duales;
medida de posibilidad y medida de necesidad. En la TCP los conjuntos de valores de estas
medidas están en el conjunto {0,1}, mientras que en la TGP el conjunto de valores es el intervalo
[0,1].

Dada una medida de posibilidad generalizada, Pos, su medida de posibilidad dual, Nec, queda
definida para cada conjunto A, por la siguiente ecuación dual

Nec( A)  1  Pos ( A) . (3.43)

La familia de conjuntos C sobre la cual la medida de posibilidad es definida debe ser un campo
amplio. Esta es una familia de subconjuntos de X que son cerrados bajo uniones e intersecciones
arbitrarias, y bajo complementación en X. Cuando X es finito, C es todo el conjunto potencia de
X, (X ) .

La formalización de esta teoría es como sigue: Dado un conjunto universal finito X tal que C =
(X ) , una medida de posibilidad, Pos, es una función
Pos :( X )  [0,1]
Que satisface los siguientes requerimientos axiomáticos:
Axioma (Pos1). Pos ()  0 .

Axioma (Pos2). Pos ( X )  1 .

Axioma (Pos3). Para algún conjunto A, B ( X ) ,

Pos ( A  B)  maxPos ( A), Pos ( B). (3.44)

Los axiomas (Pos1) y (Pos2) son compartidos por todas las medidas monótonas. Sin embargo, el
axioma (Pos3) es el que distingue esta medida de cualquier otra medida monótona. Se aprecia

67
además, que (3.44) es el caso límite de la ecuación (3.27), la que se cumple en todas las medidas
monótonas.

Teorema 3.1. Cada medida de posibilidad, Pos, definida sobre los subconjuntos de un conjunto
finito X queda determinada para cada A (X ) por una función de posibilidad básica

r : X  [0,1]
a través de la fórmula
Pos ( A)  max r ( x). (3.45)
xA

Del axioma (Pos2) y (3.45) se obtiene fácilmente que,

maxr ( x)  1 , (3.46)
xA

Propiedad conocida como normalización posibilista.

En la literatura a la función r se le llama comúnmente función de distribución posibilista.

Sin embargo, este término induce a engaño, debido a que la función r no distribuye ningún valor
fijo entre los elementos de X. En el caso probabilístico, este término es plenamente vigente
debido a que cada elemento del conjunto X distribuye el valor 1, conforme a la ecuación

 p ( x)  1 .
xA

La propiedad que distingue una medida de necesidad de otras medidas monótonas puede ser
obtenida de la dualidad de las medidas de necesidad y posibilidad, conforme lo establece el
siguiente teorema.

Teorema 3.2. Sea Pos una medida de posibilidad particular definida sobre el conjunto finito X.
Si Nec es una medida de necesidad particular, la cual es la medida dual de Pos, según la
ecuación (3.43), luego para algunos conjuntos A, B ( X )

Nec( A  B)  minNec( A), Nec( B) (3.47)

Las medidas de posibilidad y necesidad se acomodan a lo establecido en las ecuaciones (3.26) y
(3.27) definidas para medidas monótonas generales. Esto significa que
Pos ( A  B)  minPos ( A), Pos ( B) (3.48)
y
68
 Nec( A  B)  maxNec( A), Nec( B) (3.49)

para todo A, B ( X ) . Sin embargo,


max Pos ( A), Pos ( A)  1 (3.50)
y


min Nec( A), Nec( A)  0  (3.51)
Una consecuencia directa de (3.50) es la desigualdad

Pos ( A)  Pos ( A)  1 , (3.52)

y aplicando la ecuación de dualidad (3.43), se obtiene la ecuación

Nec( A)  Nec( A)  1 . (3.53)

También no es difícil demostrar que
Nec( A)  Pos ( A) (3.41)

para todo A (X ) . Claramente, si Pos ( A)  1, luego Pos ( A)  1 por (3.50) y Nec ( A)  0

por (3.43). De esto se tiene que Nec( A)  Pos ( A) . Si Pos ( A)  1 , es trivial que

Nec( A)  Pos ( A) .

Producto de sus propiedades, las medidas de necesidad y posibilidad se pueden

interpretar como probabilidades inferior y superior respectivamente. En efecto, para algún
A (X ) , el intervalo de probabilidades tiene el rango
0, Pos ( A) cuando Pos(A)  1
Nec( A), Pos ( A)  
 Nec ( A),1 cuando Nec(A)  0
Es interesante notar que las medidas de probabilidad y posibilidad se representan
mediante una función única sobre X. Las Tablas 3.1(a) y 3.1(b) presentan una comparación entre
las propiedades de las teorías de probabilidad y la teoría de posibilidad.

69
 Tabla 3.1(a). Teoría de probabilidad versus teoría de posibilidad. Comparación de propiedades
matemáticas sobre conjuntos finitos
Teoría de Probabilidad Teoría de Posibilidad
Basada sobre medidas de un tipo: medida de Basada sobre medidas de dos tipos: medida
probabilidad, Pro de posibilidad, Pos, y medida de necesidad,
Nec
Cuerpo de evidencia consiste de unidades Cuerpo de evidencia consiste de una familia
de subconjuntos anidados
Representación única de Pro mediante una Representación única de Pos mediante una
distribución de probabilidad función de posibilidad
p : X  [0,1] mediente Pro( A)   p ( x) r : X  [0,1] mediente Pos ( A)  max r ( x)
xA
x A

Representación única de Pro mediante una Representación única de Pos mediante una
distribución de probabilidad función de posibilidad
p : X  [0,1] mediente Pro( A)   p ( x) r : X  [0,1] mediente Pos ( A)  max r ( x)
xA
x A

Normalización: Normalización:

 p ( x)  1 max r ( x)  1
x X
x X

Aditividad: Reglas Max/Min:

Pro( A  B)  Pro( A)  Pro( B)  Pro( A  B)
No aplicable
Pos ( A  B)  max Pos ( A), Pos ( B)
Pos ( A  B)  min Pos ( A), Pos ( B)
Nec ( A  B)  min Nec ( A), Nec ( B)
Nec ( A  B)  max Nec ( A), Nec ( B)
Dualidad:

Nec ( A)  1  Pos ( A)
Pos ( A)  1  Nec ( A)  0
Nec ( A)  0  Pos ( A)  1

70
 Tabla 3.1(b). Teoría de probabilidad versus teoría de posibilidad. Comparación de propiedades
matemáticas sobre conjuntos finitos

Pro( A)  Pro( A)  1 Pos ( A)  Pos ( A)  1

Nec ( A)  Nec ( A)  1
 
max Pos ( A), Pos ( A)  1
min Nec ( A), Nec ( A) 0
Ignorancia total: Ignorancia total:

p( x)  1 X para todo x  X r ( x)  1 para todo x  X

No interacción probabilista: No interacción posibilista:

p( x, y)  p X ( x)  pY ( y) (a) r ( x, y)  minrX ( x), rY ( y) ( )
Independencia probabilista: Independencia posibilista:
p X Y ( x y )  p X ( x) (b) rX Y ( x y)  rX ( x) ( )
pY X ( y x)  pY ( y ) rY X ( y x)  rY ( y )

(a) (b) y (b) (a) (β) (α) pero (α) (β)

3.8.3. Algunas interpretaciones de posibilidades imprecisas

Interpretar el par dual de medidas necesidad y posibilidad como probabilidades
imprecisas, es sólo una de las interpretaciones de la teoría de posibilidad. Existen otras
interpretaciones que no tienen relación con la teoría de probabilidad y que son aún más
populares. Quizás la interpretación más importante de la teoría de posibilidad, se basa sobre la
definición de grados de posibilidad en términos de grados de membrecía asociados a conjuntos
difusos. Esta interpretación será analizada en las secciones siguientes.

3.8.4. Medidas de creencia y plausibilidad

Esta teoría se le conoce normalmente como teoría de la evidencia de Dempter-Shafer
(TDS) Esta se basa en las medidas duales, creencia y plausibilidad. Dado un conjunto universal
X, el cual se supone finito, una medida de creencia, Bel, es una función Bel :( X )  [0,1] tal

que Bel ()  0, Bel ( X )  1, y

71
 Bel ( A1  A2      An )   Bel ( A j )   Bel ( A j  Ak )
j j k (3.42)
n 1
     (1) Bel ( A1  A2      An )
para todas las familias posibles de subconjuntos de X. Cuando X es infinito, el dominio de Bel es
una familia C de subconjuntos de X con alguna estructura algebraica apropiada (σ-algebra, etc.).

Para cada A (X ) , Bel se interpreta como el grado de creencia (basado en la

evidencia disponible) de que la alternativa correcta en X (predicciones, diagnósticos, etc.)
pertenezcan al conjunto A. También, es aceptable que la respuesta correcta esté dada por varios
subconjuntos de X. Podemos suponer que algunas respuestas son correctas, pero no conocemos
con certidumbre cuál de ellas es correcta. Cuando los conjuntos A1, A2,…,An en (3.42) son pares
disjuntos, el grado de creencia asociado a la unión de los conjuntos es mayor o igual que la suma
de los grados de creencias asociados a los conjuntos individuales. Esta propiedad de las medidas
de creencia es una versión débil de la propiedad aditiva de las medidas de probabilidad. De esta
manera se tiene que las medidas probabilísticas son un caso especial de las medidas de creencias.

Si consideramos ahora A1 = A y A2  A , se puede demostrar sin dificultad que

Bel ( A)  Bel ( A)  1 (3.43)

Una medida de plausibilidad, Pl, es una función Pl :( X )  [0,1] tal que

Pl ()  0, Pl ( X )  1 , y
Pl ( A1  A2      An )   Pl ( A j )   Pl ( A j  Ak )
j j k (3.44)
n 1
     (1) Pl ( A1  A2      An )
para todas las familias posibles de subconjuntos de X. Similar al caso de la creencia a partir de
(3.44) es posible demostrar que

Pl ( A)  Pl ( A)  1 (3.45)
Las medidas de creencia y plausibilidad son medidas duales, de manera que se cumple:

Pl ( A)  1  Bel ( A) (3.46)

para todo A (X ) .

72
 Una medida de creencia, Bel, puede también expresarse por su representación de
Möbius, m, la se obtiene para cada A (X ) por la fórmula usual

m A  Bel B 
A B
 (1) (3.47)
B B A

En TDS, se garantiza que m(A) ≥ 0. Debido a esta propiedad, la función m se denomina

usualmente asignación de probabilidad básica o función de masa. Para cada conjunto
A (X ) , el valor de m(A) expresa la proporción para la cual toda la evidencia relevante
disponible apoya el hecho de que un elemento particular de X, pertenece al conjunto A. Este
valor, m(A), es pertinente sólo a un conjunto, el conjunto A; Si existiera alguna evidencia
adicional que apoye la idea de que el elemento pertenece a un subconjunto de A, es decir,
B  A , esta debe ser expresada por otro valor de masa m(B).

La función de masa m(A), se parece a una función de distribución de probabilidad (fdp),

dado que es positiva y puede llegar a sumar 1. Sin embargo, la diferencia está en que la fdp está
definida sobre X, mientras que la función de masa está definida sobre (X ) . Debido a que no se
han impuestos las condiciones de medidas monótonas a las funciones de masa, estas no son
medidas. Para obtener una medida monótona se requiere realizar operaciones de agregación
adecuadas. Dos operaciones de agregación básicas son las que se presentan a continuación, las
que producen las medidas de credibilidad y plausibilidad.
Bel ( A)   m( B ) (3.48)
B B A

Pl ( A)   m( B ) (3.49)
B A B  

El valor de m(A) caracteriza el grado de evidencia de que la alternativa correcta está en

el conjunto A, pero no toma en cuenta alguna evidencia adicional proveniente de los diferentes
subconjuntos de A. El valor Bel(A) asociado representa la evidencia total (o creencia) de que la
alternativa correcta está en el conjunto A, lo que se obtiene sumando los grados de evidencia del
conjunto en sí mismo, como la de algunos de sus subconjuntos. Por otra parte, Pl(A) representa
no sólo la evidencia de que la alternativa correcta esta en el conjunto A, sino también la

73
evidencia parcial (plausible), de conjuntos asociados que se traslapan con el conjunto A. De
(3.48) y (3.49) se puede deducir además que,
Bel ( A)  Pl ( A) (3.50)

para todo A (X ) .

La ignorancia total expresada en término de las funciones de masa está dada por
m( X )  1 y m( A)  0 para todo A  X . Esto es, sabemos que el elemento está en el conjunto
universal, pero no tenemos evidencia acerca de su localización en alguno de los subconjuntos de
X. Por otra parte, la ignorancia total en término de las medidas de creencia es: Bel ( X )  1 y

Bel ( A)  0 para todo A  X . Sin embargo, la expresión de ignorancia total en términos de la

medida de plausibilidad es completamente diferente: Pl ()  0 y Pl ( A)  1 para todo A  0 .
La tabla 3.2, muestra un resumen de fórmulas de conversión en la TDS.

Tabla 3.2. Fórmulas de conversión en la teoría de Dempster-Shafer

m Bel Pl

m(A)  m(A)  (1)

A B
Bel B   (1)
A B
1  Pl B
B B A B B A

Bel (A)   m( B ) Bel (A) 1  Pl ( A)

B B A

Pl (A)   m( B ) 1  Bel ( A) Pl (A)

B AB  

En la Fig. 3.4 se muestra una representación gráfica de las medidas de plausibilidad y

necesidad de un suceso B sobre el intervalo unidad, propuesta en [36].

Fig. 3.4 Representación gráfica de medidas de creencia y plausibilidad

74
Haralick y Shapiro comentan que al ser Bel (A) y Bel (A) los grados de creencia en la

ocurrencia del suceso A y de su complemento A respectivamente, entonces

1  Bel ( A)  Bel ( A) representa el grado de desconocimiento acerca de la ocurrencia de A o de

A (por lo tanto, si Bel ( A)  Bel ( A)  1, el grado de desconocimiento es cero, no existiendo

evidencia que puedan avalar simultáneamente la ocurrencia de A y la de A ). La plausibilidad

Pl (A) es entonces la suma del grado de certeza de A con el grado de desconocimiento, siendo
por lo tanto una medida optimista de la ocurrencia del suceso A. Por el contrario, la plausibilidad

Pl (A) , se denomina también duda del suceso A y es la suma del grado de certeza A de con el
grado de desconocimiento, siendo una medida optimista de la no-ocurrencia del suceso A.

Adicionalmente, se puede decir que el intervalo Bel ( A), Pl ( A) acota el valor de la
probabilidad, esto es:
Bel ( A)  P( A)  Pl ( A)  A ( X ) (3.51)

Por otra parte se tiene que cuando los elementos focales (subconjuntos cuyas funciones
de masa son positivas) están anidados, se dice que el cuerpo de evidencia es consonante. En este
caso la medida de plausibilidad se denomina medida de posibilidad y la medida de creencia
medida de necesidad. Además, se sigue verificando el principio de que la probabilidad está
acotada por las medidas de necesidad y posibilidad, principio conocido como principio de
consistencia [37]:

Nec( A)  P( A)  Pos ( A)  A ( X ) (3.52)

La Fig. 3.4 muestra las relaciones de inclusión entre las diferentes medidas definidas en
el esquema de la teoría de la evidencia [37].

75
 Fig. 3.4. Relaciones de inclusión de las medidas en la teoría de la evidencia.

Hasta este punto se ha tratado una visión teórica e histórica de cómo las teorías
matemáticas han evolucionado desde la perspectiva de aditividad a monotonía para tratar de
mejor forma el tema de la incertidumbre. Junto con esto otro aspecto de la matemática que
evolucionó es la teoría de conjuntos, pasando desde la perspectiva clásica de los conjuntos
ordinarios ―c
rips‖ a la de los conjuntos difusos. En lo que sigue de este capítulo se analizará la
teoría de los conjuntos difusos.

3.9 Conjuntos Difusos

3.9.1 Introducción
A partir de los inicios de la década de los 70, la teoría de conjuntos difusos se ha ido
incorporando masivamente al mundo de los problemas de ingeniería eléctrica. Una de tales
aplicaciones, es la que se relaciona con el problema de la incertidumbre. En este capítulo se
presenta un desarrollo de esta teoría para posteriormente aplicarla en la representación de la
incertidumbre de un sistema eléctrico de potencia en régimen operativo estacionario.
Primeramente, se presentan los aspectos generales de la teoría, para posteriormente concentrarse
en la aritmética de números difusos. El tratamiento de esta última parte constituye uno de los
aportes de esta tesis.

76
3.9.2 Operaciones básicas sobre conjuntos difusos
Sea U el universo del discurso, o conjunto universal, el cual contiene todos los posibles
elementos de interés de cada contexto particular o aplicación. Un conjunto clásico u ordinario A,
al que comúnmente se le denomina crisp (debido a que sus fronteras son definidas, cerradas o
agudas), se puede definir por una lista de todos sus miembros (método de lista) o especificando
las propiedades que deben ser satisfechas por los miembros del conjunto (método de reglas). El
método de listado sólo se puede usar para conjuntos finitos, mientras que el método de reglas es
más general. En este último, un conjunto clásico A se representa como [38]
A  x U x satisface alguna condición (3.53)

Existe un tercer método para definir el conjunto, el método de la función de membrecía, para el
cual se introduce una función de membrecía (función discriminante, función característica, o
función indicador) para A, denotada por μA(x), tal que

1 si x  A
 A ( x)   (3.54)
0 si x  A
El conjunto A es matemáticamente equivalente a su función de membrecía μA(x) en el sentido de
que, conocida μA(x) es lo mismo que conocer A.

De las definiciones anteriores se extrae la conclusión de que en los conjuntos clásicos un

elemento pertenece o no pertenece al conjunto. De esa manera, una dificultad que presentan los
conjuntos clásicos, es que requieren que las propiedades de los elementos estén bien definidas,
por lo que no son aptos para representar elementos cuyas fronteras no estén bien definidas. Para
ejemplificar este problema consideremos el siguiente problema. Supongamos que se tiene como
conjunto universal a todos los autos dentro de una ciudad. Se desea construir un conjunto que
considere todos los autos americanos. Un criterio de selección sería considerar como auto
americano los que tengan como marca de fabricación, hecho en USA. Sin embargo, para algunas
personas el auto sólo será americano cuando todas sus componentes son fabricadas en USA.
Además, algunos autos americanos son fabricados fuera de USA. De esta manera, se tiene un
problema al tratar de determinar el conjunto. Para superar esta limitación, se introduce el
concepto de conjunto difuso. Dado que resolver esta limitante es fundamental, se desarrolló
entonces la teoría de conjuntos difusos.

77
 Un conjunto difuso A en el universo del discurso U se caracteriza por una función de
membrecía μA(x) que toma valores en el intervalo [0,1], es decir;
 A ( x) : U  [0,1] (3.55)
Por lo tanto, un conjunto difuso es una generalización de un conjunto clásico que permite que la
función de membrecía tome valores dentro del intervalo continuo [0,1]. La función de
membrecía de un conjunto clásico, sólo puede tomar los valores 1 ó 0, dependiendo si el
elemento pertenece o no al conjunto.

Un conjunto difuso en U puede representarse por un par ordenado compuesto por un

elemento genérico x y su valor de membrecía, es decir,

A  x,  A ( x) x U  (3.56)

Dados dos conjuntos difusos A, B definidos sobre el mismo conjunto universal U, se dice
que A es un subconjunto de B, si y sólo si
 A ( x)   B ( x), (3.57)

para todo x U . La relación usual A  B , se usa para establecer una relación de subconjunto
general. De acuerdo a la definición (3.57) el conjunto A es, o no es un subconjunto de B. Por lo
tanto, esta es una definición crisp de subconjuntos. El conjunto de todos los subconjuntos
difusos de U, definidos según (3.57) se denomina conjunto potencia difuso de U, y se denomina
por (U ) . Se puede apreciar que este conjunto es ordinario, a pesar de que sus elementos son
difusos. Este conjunto es infinito, aún cuando U sea finito.

Sea un conjunto difuso A definido sobre U. Se definen los siguientes conceptos básicos
asociados a conjuntos difusos:
 Singleton difuso: Es un conjunto difuso cuyo soporte es un único punto en U.
 Centro: Si el valor medio de todos los puntos para el cual la función de membrecía del
conjunto difuso alcanza su valor máximo es finito, luego este valor medio se define
como el centro del conjunto difuso. Si un valor medio positivo (negativo) es infinito, el
centro se define como el valor más pequeño (grande) de todos los puntos que alcanzan el
valor máximo de membrecía.

78
  Altura: La altura de un conjunto difuso es el mayor valor de membrecía obtenido por
algún punto.
 Corte-α: Sea un número particular α en el intervalo [0,1]. Un corte-α de un conjunto
difuso A es un conjunto ordinario Aα que contiene todos los elementos en U que tienen
valores de membrecía en A mayores o iguales a α, esto es,

A  x U  A (x)    (3.58)

 Corte-α fuerte: Tiene el mismo significado que el corte-α, pero con desigualdad estricta

A  x U  A (x)    (3.59)

 Soporte: El soporte de un conjunto difuso A es un conjunto ordinario que contiene todos

los elementos de U que tienen valor de membrecía distinto de cero en A. Este se define
como el corte-α fuerte A+0,

S ( A)  A 0  x U  A ( x)  0 (3.60)

 Núcleo: El núcleo de un número difuso está dado por el corte-α A1, esto es, α = 1.
 Conjunto difuso normal: Si el núcleo del conjunto difuso es distinto del conjunto vacio
este se denomina conjunto difuso normal.

De los conceptos definidos anteriormente se puede apreciar que, A1  A 2 y

A1  A 2 cuando 1   2 . Esto significa que distintos conjuntos corte-α y corte-α fuertes
son siempre familias anidadas de conjuntos ordinarios. Cuando α crece, el nuevo conjunto de
corte es siempre un subconjunto del previo. También es fácil deducir que A0 = U y que A+1 = Ø.

La Fig. 3.5 muestra una gráfica de un conjunto difuso de forma trapezoidal con los
conceptos introducidos.

79
 A

2 h=1
A es normal
1

x
núcleo
A 2
A 1

soporte

Fig. 3.5. Características básicas de un conjunto difuso trapezoidal.

Un conjunto difuso se puede representar en forma única por la familia de sus cortes- α a
través de la fórmula

 A ( x)  sup  A ( x)   [0,1] (3.61)

o por la familia asociada a sus cortes- α fuertes

 A ( x)  sup  A ( x)   [0,1] (3.62)

donde sup denota el supremo de los respectivos conjuntos. La Fig. 3.6 muestra un ejemplo en
donde se aplica el procedimiento que define la ecuación (3.61).

Cuando el universo del discurso es el espacio Euclidiano n-dimensional Rn, el concepto

de conjunto convexo se puede extender a los conjuntos difusos. Un conjunto difuso A se dice
que es convexo si y sólo si su corte-α, Aα, es un conjunto convexo para algún valor de α en el
intervalo (0,1]. El siguiente teorema da una definición equivalente de conjunto convexo difuso.

Teorema 3.1. Un conjunto difuso A en Rn es convexo si y sólo si

 A x1  1   x2   min  A ( x1 ),  A ( x2 ) (3.63)
n
para todo x1 , x2   y para todo   0,1 .

80
 0.3 A 

0.3

A x

1.0 0.6 A 

0.6 0.6

0.3

x x

A
1.0 A
A  1.0
A 

Fig. 3.6. Ilustración de descomposición de un conjunto en sus cortes- α asociados.

La igualdad, inclusión, complemento, unión e intersección de dos conjuntos difusos A y

B se define como sigue.
 Igualdad. A y B son iguales si y sólo si  A ( x)   B ( x) para todo x U .
 Inclusión. Se dice que B incluye A, denotado por A  B , si y sólo si  A ( x)   B ( x)
para todo x U .
 Complemento. El complemento de A es un conjunto difuso A en U cuya función de
membrecía está definida como  A ( x)  1   A ( x) .

 Unión. La unión de A y B es un conjunto difuso en U, denotado por A  B , cuya

función de membrecía se define como  AB ( x)  max  A ( x),  B ( x).

 Intersección. La intersección de A y B es un conjunto difuso en U, denotado por A B ,

cuya función de membrecía se define como  AB ( x)  min  A ( x),  B ( x).

El principio de extensión es una identidad básica que permite que el dominio de una
función se extienda desde un punto ordinario en U a un conjunto difuso en U. Más
específicamente, sea f : U  V una función que va desde el conjunto ordinario U al conjunto
ordinario V. Supongamos además, que se da un conjunto difuso A en U y que se quiere

81
determinar el conjunto difuso B  f (A) en V que es inducido por f. Si f es una función que
mapea uno-a-uno, luego se puede definir

 B ( y)   A  f 1 ( y), y V (3.64)

donde f
1
 
( y) es la inversa de f, esto es, f f 1 ( y)  y . Si f no es uno-a-uno, la identidad se
transforma en
 B ( y)  max  A ( x), y V (3.65)
x f 1 ( y )

3.9.3 Aritmética de números difusos

3.9.3.1 Números difusos y el Teorema de Descomposición

Un número difuso es un conjunto difuso en U; pero para poder realizar operaciones
aritméticas significativas es necesario agregar algunas restricciones. Específicamente, se tiene la
siguiente definición.

Definición 3.1. Sea A un conjunto difuso en U. A se denomina un número difuso si y sólo si:

(i) A es normal.
(ii) A es convexo.
(iii) A tiene un soporte acotado.
(iv) Todos los cortes-α de A son intervalos cerrados en U.

Dos clase especiales de números difusos se usan a menudo en la práctica; ellos son los números
difusos triangulares y trapezoidales. Un número difuso triangular A es un conjunto difuso en U
cuya función de membrecía se define por la función:

( x  a) /(b  a) si a xb

 A ( x)   A ( x; a, b, c)  (c  x) /(c  d ) si bxc (3.66)
 0 si x  c ó x  a


Similarmente, un número difuso trapezoidal tiene la siguiente función de membrecía:

82
  ( x  a) /(b  a) si a xb
 1 si b xc

 A ( x)   A ( x; a, b, c, d )   (3.67)
(d  x) /( d  c) si cxd
 0 si x  d ó x  a

Es fácil verificar que los números difusos triangular y trapezoidal satisfacen las
condiciones establecidas en la definición 3.1. La Fig. 3.7 muestra una gráfica de estos números.

 
A A
1 1

0 a b c x x
0 a b c d
(a) (b)

Fig. 3.7. Gráfica de números difusos: (a) triangular; (b) trapezoidal.

.
La representación en cortes-α de un número difuso triangular se logra construyendo una función
que depende de α para el eje izquierdo y derecho del número. De esta forma, los cortes- α
quedan definidos de las siguientes funciones

A  [a , a ] (3.68)

donde a  (b  a)  a (3.69)

a  (b  c)  c (3.70)

Asimismo, se pueden obtener las funciones que permiten obtener los cortes- α para un número
difuso trapezoidal

a  (b  a)  a (3.71)

a  (c  d )  d (3.72)

83
 Una aproximación útil para estudiar operaciones aritméticas de números difusos es hacer
uso de cortes-α de números difusos. Para hacer una representación más precisa, se define el
~
conjunto difuso A en U con la función de membrecía

 A~    I A ( x) (3.73)

donde I A (x) es una función indicadora del conjunto ordinario Aα, esto es, I A ( x)  1 si

x  A y I A ( x)  0 si x U  A . El siguiente teorema establece que un conjunto difuso A

~
es igual a la unión de los conjuntos difusos A para todo  [0,1] .

~ ~
Teorema 3.2. Teorema de Descomposición. Sean A y A conjuntos difusos en U con A

definida por (3.73). Luego,

A ~
A (3.74)

 
[ 0 ,1]

donde U denota la unión difusa estándar ( esto es, el supremo sobre  [0,1] ).

3.9.3.2 Suma y substracción de números difusos

Sean A y B dos números difusos y A  [a , a ] , B  [b , b ] sus cortes-α. Luego,

la adición de A y B, A + B, es un número difuso con sus cortes-α definidos por

 A  B 
 a  b , a  b  (3.75)

para cada  [0,1] . Debido a que un número difuso queda determinado por sus cortes-α
(Teorema 3.2), el número difuso A+B está correctamente definido por sus cortes-α según (3.75).
Consideremos ahora dos números difusos cualesquiera, con funciones de membrecía definidas
por  A ( x)   A ( x; a1, b1 , c1 ) y  B ( x)   B ( x; a2 , b2 , c2 ) . La función de membrecía para la
suma queda definida por
 A B ( x)   A B ( x; a1  a2 , b1  b2 , c1  c2 ) (3.76)

En este caso, el soporte del número difuso resultante tiene el valor (c1  a1 )  (c2  a2 ) , lo que
corresponde a la suma de los soportes de los números difusos originales.

84
 Para el caso de resta de números difusos, la situación es más compleja, ya que existe más de
una forma de realizar esta operación. La discusión sobre este punto y el desarrollo de la
metodología de cálculo constituye uno de los aportes de esta tesis.

La sustracción de dos números difusos A, B, es un número difuso cuyos cortes-α quedan

definidos por una de las funciones definidas en (3.77) o (3.78) [38], [39],

 A  B    
 min a  b , a  b , max a  b , a  b  (3.77)


( A  B)  a  b .a  b  (3.78)

para cada  [0,1] . Desarrollando en (3.77) las operaciones algebraicas necesarias, se puede
obtener una fórmula simple que permite obtener la función de membrecía de la resta [40].
 A  B ( x; a1  a2 , b1  b2 , c1  c2 ) if c1  a1  c2  a2
 A  B ( x)   (3.79)
 A  B ( x; c1  c2 , b1  b2 , a1  a2 ) if c1  a1  c2  a2

En este caso, el soporte resultante queda definido por (c1  a1 )  (c2  a2 ) , lo que corresponde

a la substracción de los soportes de los números difusos A, B.

Considerando ahora (3.78) y realizando las operaciones algebraicas necesarias, se obtiene la

expresión general
 AB ( x)   AB ( x; a1  c2 , b1  b2 , c1  a2 ) . (3.80)

A diferencia del caso anterior, el soporte resultante es (c1  a1 )  (c2  a2 ) , esto es, la suma de
los soportes de los números difusos A, B.

Otro tema de interés consiste en obtener el opuesto (aditivo inverso) de un número difuso. Para
lograr este resultado, supondremos que el numero difuso A, tiene la siguiente función de
membrecía:  A ( x)   A ( x;0;0;0) . Tomando (3.77), el número difuso A – B quedará
determinado por


( A  B)  min( b ,b ), max( b ,b ) .  (3.81)

Realizando algunos desarrollos se logra la siguiente expresión

 B  (1)  B  [b ,b ] . (3.82)

De (3.82) se deduce que la función de membrecía para el opuesto del número difuso B es
85
 (1) B ( x)  (1) B ( x;c2 ,b2 ,a2 ) (3.83)

El mismo resultado se obtiene si en vez de (3.82) se usa (3.78).

Por otra parte, si el numero difuso A se suma según (3.76) al opuesto del número difuso B
definido en (3.83) es posible obtener también una fórmula general que dé cuenta de la
substracción. En este caso la función de membrecía queda definida por la siguiente función
 A (1) B ( x)   A  (1) B ( x; a1  c2 , b1  b2 , c1  a2 ) . (3.84)

Este resultado es similar al obtenido en (3.80). Normalmente, cuando se resuelven sistemas de

ecuaciones con variables difusas se requiere realizar sumas de números con los opuestos de
otros. Es estos casos es importante recordar que el resultado se obtiene según la definición que
se da en (3.80) ó (3.84). Este aspecto tendrá un efecto significativo cuando los números difusos
se asocian con la incertidumbre de un sistema. Este asunto será analizado en las secciones que
siguen de este capítulo.

Las operaciones definidas en (3.76), (3.79) y (3.80) se pueden aplicar sin dificultad a números
difusos triangulares, trapezoidales simétricos y no simétricos. Sin embargo, cuando la resta es
calculada según (3.79), en ocasiones ocurre que el valor central del número difuso resultante
queda fuera de los rangos definidos por el nuevo soporte; en estos casos es necesario corregir
este valor a los límites máximos o mínimos del intervalo final.

A continuación se presentan dos ejemplos en donde se muestran las aplicaciones de las

relaciones (3.76), (3.79) y (3.80). Para esto consideremos dos números difusos A, B, cuyas
funciones de membrecía son:  A ( x)   A ( x;1,0,1) y  B ( x)   B ( x;1,1,3) . Para un

 [0,1] , los cortes-α de A y B son

A    1,1    , B  2  1,3  2 .

Luego,  A  B   3  2,4  3 . Dado a que 3α - 2 y 4 - 3α son funciones lineales de α,

A+B es también un número difuso triangular. Haciendo α = 0 y α = 1 se obtiene

 A B ( x)   A B ( x;2,1,4)
Consideremos ahora el caso de la resta. Primero realizaremos las operaciones para la sustracción
usando (3.80) y su equivalente (3.84). Luego, se tiene que
86
  A  B  3  4,3  2.
Haciendo α = 0 y α = 1 se obtiene finalmente
 A B ( x)   A B ( x;4,1,2) . (3.85)
La gráfica de la Fig. 3.8 muestra la suma y resta según (3.80) o (3.84) de los números difusos A
y B.

A+(-B) A B A+B

-4 -3 -2 -1 0 1 2 3 4 x

Fig. 3.8. Gráfica de suma y substracción de números difusos.

Otro cálculo que resulta de interés considerar es el del opuesto. Para esto consideremos
en número B y su opuesto –B. Realicemos ahora la suma de B y su opuesto –B, esto es, B+(– B).
El resultado que se obtiene para este caso cuando se usa (3.80) o (3.84) es como sigue:
 B  ( B) ( x)   B  ( B) ( x; a  c,0, c  a)   B  ( B) ( x;4,0,4) .
De esta manera se tiene que, aunque el valor central del número resultante es cero, su soporte es
distinto de cero, e igual al doble del soporte del número B. Esto podría interpretarse como que
las operaciones realizadas con (3.80) o (3.84) son no simétricas con respecto a la suma, de lo
cual se deduce que usando estas ecuaciones no es posible obtener en número difuso  (x;0,0,0)
Por otra parte, cuando se utiliza la relación (3.79), el resultado que se obtiene es
 B  B ( x)   B  B ( x;0,0,0) .
Este significa que operaciones realizadas con (3.79) son simétricas con respecto a la suma. Estos
resultados aparecen representados en la Fig. 3.9.

87
 

-B B+(-B) B

-4 -3 -2 -1 0 1 2 3 4 x

Fig. 3.9. Grafica de la suma de un número difuso con su opuesto cuando se usa (3.80).

Consideremos ahora la realización de la resta con la expresión (3.79). El resultado obtenido en

este caso es
 A B ( x)   A B ( x; c1  c2 , b1  b2 , a1  a2 )   A B ( x;2,1,0) . (3.86)

Comparando los resultados de (3.86) con (3.85) se aprecia claramente que son
diferentes. Esta diferencia en la forma de realizar los cálculos de la resta produce inquietud
acerca de cuál procedimiento debería usarse (3.79) ó (3.80) y su equivalente (3.84). La Fig. 3.10
presenta los resultados para la resta usando (3.79) y (3.80).

A+(-1)B A-B A B

-4 -3 -2 -1 0 1 2 3 x

Fig. 3.10. Grafica de resta de números difuso usando (3.79), (3.80) y su equivalente (3.84).

88
 En general, la relación (3.80) es de uso común en cálculos de restas de números difusos
[41], [42], no así, la (3.79) de la cual no se tiene reportes. Sin embargo, cuando los números
difuso se asocian con fenómenos reales es posible definir criterios para determinar cual
metodología de cálculo debería ser usada al realizar una resta. Uno de estos casos es cuando los
números difusos se asocian con la incertidumbre en un sistema. En este sentido se tiene, que la
relación (3.79) es consistente cuando los números difusos son dependientes, mientras que (3.80)
sería apropiada para tratar números difusos completamente independientes. Este tema se analiza
en mayor profundidad en la sección siguiente.

3.9.4 Variables independientes

El comportamiento de variables independientes es bastante conocido en teoría de
probabilidades. Por ejemplo, supongamos que se tienen dos variables aleatorias independientes
X1, X2 cuyas distribuciones de probabilidades tienen los siguientes parámetros (1 ,  12 ) y

( 2 ,  22 ) . Una nueva variable aleatoria obtenida de sumar o restar estas variables aleatorias;

X 1  X 2 tiene una distribución cuyos parámetros son [43]

(1  2 , 12  12 ) . (3.87)

De este ejercicio se observa que la varianza resultante de sumar o restar variables aleatorias
independientes es la suma de las varianzas. Si las variables aleatorias están representando la
incertidumbre de un sistema, se tendrá que cada vez que sumamos variables la incertidumbre
crecerá. Este es un fenómeno que se observa en sistemas reales, esto es, que la incertidumbre
observada en las variables de estado de un sistema, incluye la incertidumbre de todas las fuentes
de incertidumbre independientes con las cuales está ligada. A partir de este hecho, se puede
hacer una analogía con los números difusos. En este sentido cuando los números difusos
representan la incertidumbre de un sistema, y se realizan sumas entre estos, la ecuación (3.76)
indica que el número difuso resultante se obtiene sumando los valores centrales y los soportes de
cada número difuso. Este resultado es coherente con lo observado en (3.87).

Para el caso de restar números difusos, si se usa (3.80) ó (3.84), el resultado se obtiene
restando los valores centrales del número difuso y sumando los soportes. Esto también se
comporta de acuerdo a lo observado en (3.87). Sin embargo, cuando la resta se realiza con
(3.79), el soporte final es la resta de los soportes de los números originales. De lo expuesto, se
89
concluye que la relación (3.80) y (3.84) deben ser usadas cuando se tiene la certeza de que los
números difusos representan fuentes de incertidumbre independiente. Por otra parte, la relación
(3.79) no debe ser usada para restar números difusos que representen fuentes de incertidumbre
independientes.

3.9.5 Variables dependientes

Para determinar las variables de estado de un sistema se requiere realizar diferentes
cálculos, en el caso más simple, se requerirá resolver un sistema de ecuaciones lineales. Cuando
las variables básicas representan un estado de la naturaleza junto con su incertidumbre, las
variables de estado se obtendrán de realizar operaciones con las variables básicas. Las
operaciones más elementales que deberán ejecutarse finalmente serán sumas, restas,
multiplicaciones y divisiones. Lo importante rescatar aquí, es que las variables de estado serán
variables dependientes (o estarán correlacionadas) de las variables básicas. En lo que sigue de
esta sección, se analizan operaciones entre números difusos que son dependientes.

Sea  N el conjunto de los números difusos que representa la incertidumbre de un sistema,

consideremos ahora un elemento A   N , se desea calcular la siguiente suma, donde ,   0

C   A   A (3.88)

Utilizando la definición (3.80) para la suma, es fácil demostrar que C queda establecida por:
C  (   )  A . (3.89)

De esta manera se concluye que la operación suma responde adecuadamente aun cuando los
números difusos involucrados son dependientes. Esto significa que la propagación de la
incertidumbre sigue el comportamiento deseado. En este caso, existe una única fuente de
incertidumbre y esta se propaga en razón a los coeficientes de ponderación de los sumandos.

Consideremos ahora la obtención de una resta definida para dos números difusos que
son dependientes
D    A    A. (3.90)

90
Utilizando la definición para la resta establecida en (3.79), se puede demostrar que D queda
determinado de la siguiente manera.

(   )  A si   
D (3.91)
     (1)( A) si   

En (3.91), (1)  A opera de la misma forma que (3.83), es decir, como el opuesto de A.

De esta manera, cuando    , el soporte resultante es más pequeño que cuando los números
los números restados son independientes. Este resultado con lo reportado por la teoría de
probabilidades en la cual se establece que cuando existe dependencia entre las variables
involucradas se manifiesta una correlación. Esto queda definido en la siguiente ecuación [43]

Var ( X1, X 2 )  12  2 cov(X1, X 2 )  12 . (3.92)

Cuando la correlación entre las variables es negativa, covarianza cov( X 1 , X 2 ) es negativa, lo

cual implica que se tendrá una varianza más pequeña en comparación al caso de variables
independiente. Por lo tanto, se puede concluir que la operación resta realizada según (3.79)
entrega resultados satisfactorios cuando las variables restadas son dependientes.

Queda por analizar el caso de la resta de números dependientes realizada con (3.80). En
este caso el resultado se presenta en (3.93).
 D   D ( x;  a    c,[   ]  b,  c    a) (3.93)

La ecuación (3.93) muestra que (3.80) no opera adecuadamente con variables dependientes. De
lo expuesto en esta sección se puede concluir que cuando se tiene que operar variables difusas
dependientes se recomienda usar (3.79) y no (3.80).

Consideremos el ejemplo presentado en la sección 3.9.3.2, es natural pensar que el

opuesto de B es completamente dependiente de B. De aquí, que una substracción realizada entre
estos números debería ser en número difuso  (x;0,0,0) . En este sentido, la ecuación que mejor
se adecua para realizar esta operación es (3.79). Para el segundo ejemplo, la aplicación de (3.79)

91
implica suponer que los números difusos son dependientes, mientras que la aplicación de (3.80)
se realiza bajo el supuesto de que son independientes.

3.10 Interpretación de conjuntos difusos en base a teoría de posibilidad

La teoría de posibilidad generalizada vista en la sección 3.8.2 tiene varias
interpretaciones. Una de las más visibles y útiles es la que se vincula a los conjuntos difusos. En
esta interpretación, los perfiles de posibilidad provienen de información extraída de los
conjuntos difusos [33].

Para explicar esta interpretación se realizará cierta formalización. Sea X una variable
que toma valores en un conjunto universal X, y supongamos que el valor de la variable se
X es F‖, donde F, es en general un conjunto difuso sobre X. Esto
expresa por la proposición ―
también cubre el caso cuando F es un conjunto clásico o aún un valor único. Para expresar la
información capturada por esta proposición en término de teoría de medida, es natural interpretar
el grado de membrecía F(x) para cada x  X como el grado de posibilidad de que X = x. Esta
interpretación induce a un único perfil de posibilidad rF sobre X que se define para todo x  X
por la ecuación
rF ( x)  F ( x) . (3.94)
Dado este perfil de posibilidad, la correspondiente medida de posibilidad, PosF, se determina
para todo A (X ) por la fórmula

Pos F ( A)  supmin  A ( x), rF ( x) (3.95)

x X

donde  A es la función característica de A. Cuando A en un conjunto difuso, la función

característica de A en (3.95) se reemplaza por la función de membrecía de A, lo que resulta en
una fórmula más general
Pos F ( A)  supmin A( x), rF ( x). (3.96)
x X

El uso de las ecuaciones (3.95) y (3.96) se ilustra en la Fig. 3.11a y 3.11b, respectivamente.

92
 Fig. 3.11. Ilustración de (a) ecuación (3.95); (b) ecuación (3.96).

La interpretación de conjunto difusos de la teoría de posibilidad emerge en forma natural

de la similitud entre la estructura matemática de medidas de posibilidad (o alternativamente,
medidas de necesidad) y los conjuntos difusos. En ambos casos, las estructuras matemáticas
subyacentes son familias de conjuntos anidados. En teoría de posibilidad, estas familias
consisten de elementos focales; en conjuntos difusos, ellos consistes de cortes-α.

La ecuación (3.94) se referencia habitualmente como la interpretación de conjunto

difuso de la teoría de posibilidad. Esta interpretación es simple y natural, pero sólo se aplica a
conjunto difusos que son normales. Recordemos que un conjunto difuso F es normal cuando su
altura, hF, es igual a 1. Cuando un subconjunto difuso F subnormal es aplicado a (3.94), para el
cual hF < 1 por definición se tiene

93
 suprF ( x)  hF  1
x X
y por (3.96)
Pos ( X )  hF  1 .
Esto viola uno de los axiomas de la teoría de posibilidad. De esta forma la teoría pierde
coherencia. Es posible redefinir (3.94) de manera de incluir conjuntos subnormales, y así hacer
más general esta interpretación. La referencia [33] muestra la forma para realizar esto.

3.11 La incertidumbre en sistemas de energía eléctrica

3.11.1 Clasificación general
La incertidumbre ha sido incorporada en los problemas de la ingeniería eléctrica desde
bastantes décadas. Conforme ha pasado el tiempo se han ido elaborando conceptos más acabados
acerca de su naturaleza. Algunos autores la han clasificado en dos categorías: aleatoria y no
aleatoria [10]. La incertidumbre aleatoria se origina por la imposibilidad de conocer los
resultados de un determinado evento futuro. Sin embargo, esta se puede caracterizar debido a
que los eventos son repetibles en el tiempo. De esta manera, tomando observaciones pasadas, se
pueden obtener estadígrafos que permitirán construir funciones con las cuales se podrá inferir la
probabilidad de ocurrencia de un resultado para un determinado evento futuro. Un ejemplo para
este tipo de incertidumbre es la originada en un proceso de predicción de consumo de energía
eléctrica. Por otra parte, se tiene la incertidumbre no-aleatoria que se caracteriza porque los
resultados de determinados eventos no son repetibles en el tiempo, de manera, que no existe la
posibilidad de construir estadígrafos con el fin de construir funciones predictivas. La
incertidumbre que se origina en un proceso de expansión de centrales eléctricas pertenece a esta
categoría.

Otro enfoque que ha tomado fuerza en las pasadas décadas para analizar la
incertidumbre es la teoría general de información. Bajo esta perspectiva, la incertidumbre puede
ser de tipo vaga o ambigua [11] [11]. La incertidumbre de tipo vaga está asociada con la
dificultad de hacer una distinción clara o precisa de la realidad, es decir no se puede establecer
una frontera específica. En general, el uso de términos lingüísticos propios del lenguaje natural
del ser humano, conlleva un aspecto vago. Conceptos asociados a este tipo de incertidumbre son:
difuso, no nítido, poco claro. Por otra parte, la incertidumbre de naturaleza ambigua está
94
asociada a relaciones de uno a varios; es decir, situaciones en las cuales la elección entre dos o
más alternativas no es específica. Conceptos asociados a este tipo de incertidumbre son:
variedad, generalidad, diversidad, divergencia, relación uno a varios. La Fig. 3.12 muestra una
clasificación para la incertidumbre y las funciones de medidas utilizadas para cuantificarla [11]
[11].

La teoría de probabilidad ha sido una herramienta ampliamente aceptada para analizar

problemas con presencia de variables aleatorias e incertidumbre de naturaleza ambigua. Sin
embargo, esta herramienta no permite enfrentar problemas con presencia de variables vagas. No
obstante, a partir de la década de los 60 se empieza a desarrollar la teoría de conjuntos difusos, la
cual permite en la actualidad abordar problemas con incertidumbre de origen vago.

Fig. 3.12: Clasificación de tipos de incertidumbre y funciones de medidas de esta

95
3.11.2 Incertidumbre en procesos de planificación
En un proceso de planificación de la expansión de una red de transporte, además de las
variables aleatorias y no-aleatorias, existen las variables difusas (vagas); estas últimas utilizadas
para representar información cualitativa producida, generalmente, por opiniones o criterios de
expertos. Debido a que los métodos usados para analizar incertidumbre de naturaleza aleatoria,
no-aleatoria y vaga son diferentes; se requiere identificar previamente el tipo de incertidumbre
presente en el problema, antes de definir las herramientas a usar.

Se presentan a continuación algunos ejemplos de tipos de incertidumbres presentes en un

proceso de planificación de un sistema de potencia liberalizado [9]:

a) Fuentes que dan origen a incertidumbre aleatoria

 Consumos;
 Costos de generación y ofertas de centrales generadoras;
 Potencia y ofertas de fuentes de energía eólicas;
 Peajes por transacciones;
 Hidrología;
 Precio de combustibles;
 Disponibilidad de líneas, transformadores y otros equipos del sistema.
b) Fuentes que dan origen a incertidumbre no aleatoria:
 Expansión/cierre de proyectos de generación;
 Expansión/cierre de consumos;
 Instalación/cierre de equipos de transmisión;
 Reemplazo de componentes del sistema de transmisión;
 Costos de expansión del sistema de transmisión;
 Modificación de reglas del mercado.
c) Fuentes que dan origen a incertidumbre de naturaleza vaga:
 Nivel de importancia que los agentes del mercado asumen en la toma de decisiones;
 Nivel de importancia que se asigna a los criterios de planificación desde el punto de
vista de diferentes agentes;

96
  Expectativas acerca de la ocurrencia de posibles escenarios futuros.
 Posibilidad de ocurrencia de eventos definidas por expertos.
 Posibilidad de ocurrencia de valores de variables definidas por expertos

4.11.3 Formas en que la incertidumbre puede ser tratada en sistemas eléctricos

Tal como se ha mencionado en este capítulo, se identifican tres tipos de incertidumbres:
aleatoria, no aleatoria y vaga. Cuando la información disponible cuenta con registros históricos
suficientes en relación al periodo de análisis del problema, las variables inciertas se pueden
representar mediante variables aleatorias. En este caso la teoría más adecuada para enfrentar este
problema, es la teoría de probabilidad. Las herramientas más comunes que se suelen utilizar para
analizar problemas de sistemas eléctricos son: flujos de potencias probabilistas, simulaciones de
Montecarlo, programación estocástica. También es posible enfrentar este tipo de casos mediante
análisis de escenarios [44], un cuyo caso las funciones de densidad de probabilidad se
discretizan, obteniéndose problemas de gran dimensión. Otra alternativa es utilizar teoría de
conjuntos difusos. Para esto, se requiere previamente transformar las funciones de distribución
de probabilidades en funciones de posibilidades. De esta manera se pueden aplicar herramientas
propias de esta teoría, tales como, flujos de potencia difusos, optimización difusa, entre otros.

Por otra parte, cuando no se cuenta con registros históricos suficientes en relación al
periodo de análisis, no es posible construir funciones de probabilidad. Para este caso, el camino
obligado es el uso de escenarios. Se debe definir un escenario para cada evento discreto que se
desee incluir en al estudio. Por ejemplo, si se desea planificar la expansión de una red eléctrica,
pero se desconoce la decisión política del gobierno de promover la energía nuclear, será
necesario incluir al menos dos escenarios; uno con un plan de obras en generación que incluya
centrales nucleares y uno en que no se incluya. Otro tema parecido serían los cambios
legislativos en materia ambiental o regulatorios que podrían venir en el futuro.

Finalmente, cuando la incertidumbre es de tipo vaga, como la que se origina por la

percepción de los componentes de la sociedad (sindicatos, agrupaciones, inversionistas, etc) o la
opinión de expertos sobre el comportamiento de una determina variables, lo que se usa es la
teoría de conjuntos difusos. A la luz de esta teoría se han desarrollado diversas herramientas,

97
entre las que destacan; flujos de potencia difuso, optimización difusa, toma de decisiones
mediante lógica difusa, entre otros.

Considerando los aspectos mencionados en este capítulo y la vinculación que se puede

realizar entre funciones de probabilidad y funciones de posibilidad o difusas, en esta tesis se
intenta analizar el problema de la incertidumbre utilizando funciones difusas. La motivación es
sustituir los complejos y extensos problemas basados en programación estocástica y/o análisis de
escenarios por modelos basados en conjuntos difusos, los cuales son simples y de bajo costo
computacional. En general las operaciones entre funciones difusas son equivalentes a los
cálculos de convolución que se realizan con variables aleatorias, pero a un costo computacional
muy reducido. Hasta donde sea posible, se evitará el uso de técnicas propias de la teoría de
probabilidad, tales como análisis de escenarios o convolución con el objeto de lograr una
metodología simple y rápida.

En el capítulo siguiente, se realiza una revisión del estado del arte sobre las aplicaciones
de estas herramientas en el análisis operacional de los sistemas eléctricos de potencia, como en
los procesos de planificación de redes de transporte eléctricas.

98
 Capítulo 4. Propuesta de un Modelo de Planificación de la
Expansión de Transmisión considerando Incertidumbre

4.1 Introducción
En este capítulo se presenta la formulación matemática del problema de planificación de
la expansión de una red de transporte de energía eléctrica, considerando incertidumbre.
Considerando los alcances de esta tesis, se propone un procedimiento de planificación de la
expansión de la transmisión considerando la incertidumbre utilizando como herramienta base un
flujo de potencia difuso. Se desarrolla y valida además, un modelo que permite calcular un flujo
de potencia difuso, herramienta con la cual se representa la incertidumbre en el proceso de
planificación.

4.2 Estado del arte en la planificación de la expansión de la transmisión

Desde el punto de vista de los planificadores del sistema de transmisión, existen dos
grandes diferencias cuando se planifica en ambientes centralizados y liberalizados [9].

 Los objetivos de la planificación de la transmisión en ambientes liberalizados

difieren de los objetivos perseguidos en ambientes centralizados
 La incertidumbre en sistemas de potencia liberalizados es mucho mayor que en
sistemas con estructuras centralizadas.

En sistemas eléctricos liberalizados, el principal objetivo que se persigue cuando se planifica un

sistema de transmisión, es proveer un ambiente no discriminatorio y competitivo para los
agentes que operan en el sistema, en tanto que se mantienen la confiabilidad del sistema.

4.2.1 Métodos de solución para problemas con incertidumbre en sistemas de potencia

Desde el punto de vista de la incertidumbre existen dos formas de abordar el problema
de PERTI: a) usar métodos determinísticos, y b) utilizar métodos no-determinísticos. La
limitación de los métodos determinísticos es que consideran sólo los peores casos, sin tomar en
cuenta la probabilidad o grado de importancia de estos casos. Los métodos no-deterministas
toman en consideración la experiencia pasada, asignando probabilidades de ocurrencia o grados
99
de importancia a cada caso, o cuando es posible, la inclusión de funciones de distribución de
probabilidades. Adicionalmente, debido a la presencia de información de carácter vaga (difusa),
cada día es más frecuente utilizar métodos de toma de decisión que utilizan variables difusas, de
esta forma, la solución se obtiene mediante una combinación de metodologías probabilistas y
difusas.

Los principales métodos que se han usado para analizar problemas no-determinísticos en
problema de planificación de sistemas eléctricos son:

 Simulación de Monte-Carlo (SMC)

 Flujo de potencia probabilístico (FPP)
 Flujo de potencia óptimo probabilístico (FPOP)
 Criterios de confiabilidad probabilístico
 Aritmética de intervalos
 Flujo de potencia difuso
 Flujo de potencia óptimo difuso
 Programación estocástica (PE)
 Optimización robusta (OR)

En las siguientes secciones. se efectúa una revisión bibliográfica de los métodos usados
para resolver los problemas de PERT y PERTI. También, se incluye una revisión de
optimización robusta, metodología para la cual no se ha encontrado aplicaciones en el área de
PERTI. Para una mejor comprensión del tema, la revisión se presenta agrupando los trabajos por
temas afines.

4.2.2 Planificación estática de redes de transporte

Los métodos de planificación de la expansión estática de redes de transporte son los que
han tenido mayor atención en los últimos 40 años. Desde que a principios de la década del 70,
Garver [15] publicara un primer trabajo incipiente sobre el tema, las metodologías han
evolucionado considerablemente. A la fecha se pueden identificar tres familias de algoritmos
que han sido aplicados al problema de PERT:

100
 i) Métodos basados en sensibilidades. Fueron los primeros algoritmos y usaron
principalmente programación lineal en la solución del problema. Los principales
contribuciones fueron dadas por: Garver [15], Monticelli [45] y Pereira [46].
ii) Métodos basados en descomposición de Benders. Fue la segunda familia de
algoritmos utilizados, en donde las principales contribuciones estuvieron dadas por
Pereira [47] [47], Romero [48], Oliveira [49] y Binato [50].
iii) Métodos basados en metaheurísticas. Esta es la familia más reciente de métodos y
sobre la cual todavía se siguen realizando investigaciones. Las principales
contribuciones has sido desarrollados por: Romero en simulated annealing [51],
Gallego en algoritmos genéticos [52], Da Silva en Tabú Search [53] y Binato en
GRASP [54].

Dado lo abundante de la literatura en esta temática, sólo se han colocado los trabajos
más relevantes. En la tesis desarrollada por el mismo autor [13] se presenta una revisión más
detallada sobre este tipo de metodologías. La revisión bibliográfica realizada en esta sección
incluye sólo el tema de planificación estática de redes, que es la metodología que se usará en esta
tesis. Una revisión más amplia que cubre modelos de planificación estática, dinámica y sus
variantes se encuentra en el artículo publicado por Latorre et al. [3].

4.2.3 Modelos probabilísticos o estocásticos

En [55], se propone un método algebraico estocástico para evaluar la disponibilidad de
available transfer capability‖ (ATC), con el fin de usarla en
capacidad de transferencia ―
procesos de planificación de la expansión de sistemas de transmisión. La incertidumbre
considerada proviene de la demanda e indisponibilidad de líneas. El algoritmo propuesto se
compara con el método de Monte-Carlo, entregando resultados de calidad similar en tiempos
considerablemente menores. Lammintausta et al. [56], analizan el problema de planificación de
la expansión del sistema de transmisión combinando desde un punto de vista práctico, métodos
determinísticos y probabilísticos. Demuestran que, usando información probabilística tal como la
probabilidad de ocurrencia de fallas, se pueden obtener importantes ahorros en el sistema. En
[57], se propone un método para escoger el mejor plan de expansión de un sistema de
transmisión considerando criterios de confiabilidad probabilísticos. La incertidumbre
considerada corresponde a las tasas de falla de los elementos de la red. Se incorporan criterios de
101
confiabilidad probabilísticos (esperanza de pérdida de carga en la red de transmisión y esperanza
de pérdida de carga en nudos) como restricciones del modelo de optimización, el cual minimiza
los costos de inversión. Como técnica de solución se propone un algoritmo de tipo Branch and
Bound probabilista.

Alvarez et al. [58], resuelve el problema de expansión de la transmisión bajo riesgo

tomando en cuenta la incertidumbre en la demanda y en las capacidades de las líneas de
transporte. Se plantea un modelo con programación estocástica de dos etapas con recursos fijos y
diferentes escenarios de demanda. El riesgo se cuantifica usando la teoría de portafolio de
varianza mínima desarrollada por Markowitz. Se analizan además, los conceptos de valor
esperado de información perfecta y solución estocástica. Los resultados muestran que el usar un
modelo estocástico representa una buena opción, dado que los resultados logrados no se alejan
wait-and-see‖. Un trabajo
demasiado de la situación de conocimiento perfecto del futuro ―
similar es propuesto por Xiao y Song [59]. Ellos desarrollan una metodología que permite
determinar la ATC usando programación estocástica. Se considera la incertidumbre producto de
la indisponibilidad de generadores, elementos de la red y errores en la estimación de la demanda.
two-stage stochastic
La solución es obtenida por un algoritmo híbrido que combina los métodos ―
programming with recourse‖ con ―
chance constrained programming‖. Los resultados permiten
concluir que el no usar modelos estocásticos somete al sistema a riesgos innecesarios.

En [60] [60], se desarrolla un flujo de potencia probabilístico a.c. el que se aplica como
herramienta para planificación de la expansión de la red de transporte de Trinidad y Tobago. El
algoritmo considera incertidumbre en los consumos, generaciones y elementos de la red. Los
resultados obtenidos corresponden a funciones de distribución de voltajes en barras y flujos de
potencia en líneas

Tran et al. [61] [61], proponen un método que permite jerarquizar las opciones de
construcción de líneas de transmisión. El ordenamiento se hace considerando un índice basado
en confiabilidad probabilística. El problema se resuelve en dos etapas: en la primera se
determina el plan óptimo de inversión usando programación entera, mientras que en segunda
etapa se define sobre la base de un índice de confiabilidad probabilística, las líneas que se
construirán primero.
102
 En [62], Dimitrovski y Tomsovic analizan el comportamiento de los inversionistas en
relación con su predisposición a tomar o no tomar riesgo, y su impacto en la incertidumbre del
sistema. Utilizan una aproximación híbrida que combina modelos dinámicos de sistemas con
herramientas de planificación de redes. Los resultados indican que los inversionistas tomadores
de riesgo, incrementan la incertidumbre del sistema.

4.2.4 Modelos que aplican conjuntos difusos

En 1992 Miranda y Saraiva [63], proponen una metodología para solucionar el problema
de flujo de potencia óptimo difuso (FPOD). Las variables de entrada difusas corresponden a los
consumos, mientras que los resultados son distribuciones de posibilidad en los flujos de potencia
en líneas y potencias generadas. La red se modela en forma lineal, y para la solución del
problema de optimización se utiliza el método de descomposición de Danzing Wolfe. Utilizando
un modelo similar, Saraiva et al. [64], aplican el FPOD en la evaluación de alternativas de
expansión de un sistema de potencia. Se definen, además, índices de exposición y robustez que
permiten evaluar el riesgo de las alternativas de inversión. También el FPOD se ha aplicado en
el marco de simulación de Monte-Carlo para analizar la confiabilidad de largo plazo de un
sistema de potencia [12]. En este modelo, se utilizan variables aleatorias para describir el
comportamiento de los elementos del sistema y números difusos para representar la
incertidumbre de la carga. El modelo permite determinar la confiabilidad del sistema de
transmisión y/o generación de un sistema de potencia. Esta información puede utilizarse también
en estudios de planificación de largo plazo. La principal contribución de este trabajo es que
propone una estrategia para integrar modelos probabilistas y conceptos difusos.

En [65], se soluciona el problema planificación de redes de transporte con optimización

multiobjetivo. Los objetivos considerados son: costo de inversión, confiabilidad y
medioambiente. El problema de optimización se resuelve con algoritmos genéticos obteniéndose
diferentes alternativas de solución. La solución óptima se define mediante un procedimiento de
análisis de decisión difuso. Por su parte, Ramírez-Rosado y Domínguez-Navarro [66],
desarrollan una propuesta que soluciona el problema de planificación multiobjetivo de redes de
distribución. Los objetivos a optimizar son: costos de inversión difusos, nivel de confiabilidad
difusa y nivel de robustez de la red. Como algoritmo de optimización se usa Búsqueda Tabú.
Para comparar los valores de la función objetivo se usa el algoritmo de desfuzificación
103
removal‖, que permite ordenar números difusos. Las restricciones difusas se modelan aplicando
―
el índice de robustez definido por Saraiva et al. [64]. La selección del mejor plan multiobjetivo
se hace usando el criterio max-min.

En [67], [68] y [69] se muestran el desarrollo y aplicación de un algoritmo de

programación entera difusa utilizado para planificar la expansión de sistemas de transmisión. Se
considera la incertidumbre de los costos de construcción y margen de reserva de potencia, las
que se representan por niveles de satisfacción de los inversionistas. Se aplica el principio de
toma de decisiones en ambientes difusos propuesto por Bellman y Zadeh [70]. La red se modela
con métodos de transporte y se usa Branch and Bound como algoritmo de optimización.

En [9], [10], [71] y [72] presenta el desarrollo de un método orientado a mercados

liberalizados para planificar la expansión de la red de transporte. Se consideran incertidumbres
de naturaleza aleatoria, no aleatoria y vaga. La propuesta combina un algoritmo para flujo de
potencia probabilista óptimo, técnicas de escenarios y toma de decisión con variables difusas.
Los planes de expansión se valorizan según un índice difuso. Este índice toma en cuenta los
grados de importancia que los participantes del mercado asignan al proceso de toma de
decisiones, los criterios de planificación y el grado de conveniencia del plan de expansión. El
plan final se selecciona usando un método de evaluación de riesgo difuso.

4.2.5 Optimización robusta

La optimización robusta fue introducida en 1998 por Ben-Tal y Nemirovski para
solucionar problemas de optimización convexa [73]. Posteriormente, El-Ghaoui et al., la amplían
para aplicarla en programación semidefinida [74]. La solución robusta para un problema de
optimización con incertidumbre se define como la solución que tiene el mejor valor para un
escenario con incertidumbre de peor caso. La característica atractiva de una solución robusta, es
que para un escenario específico, su solución está cerca del valor óptimo, y además, se comporta
bien para todos los posibles resultados del resto del intervalo. Además, en muchas situaciones la
complejidad requerida para resolver un problema con incertidumbre, es similar a la que se
necesita para resolver un problema determinístico. La optimización robusta ha permitido
encontrar resultados de interés en aplicaciones de diseño estructural [75], optimización de

104
mínimos cuadrados [76], problemas de optimización de portafolios [77], programación entera y
flujo en redes [78] y diseño de redes de transporte [79].

La optimización robusta se ha aplicado en forma muy incipiente en problemas de

ingeniería eléctrica. Malcon y Zenios [80] desarrollan un modelo de optimización robusta para
planificar la expansión de capacidad de un sistema de potencia con incertidumbre en la
demanda. En [81] se propone el uso de optimización robusta para determinar la operación
óptima de una central térmica considerando la incertidumbre en la temperatura. El problema
tiene estructura de programación cuadrática convexa y es, posteriormente, transformado en un
problema de programación semidefinida con el fin de solucionarlo en forma eficiente.

4.2.6 Modelos enfocados a la toma de decisiones

Uno de los problemas que se ha tratado de resolver en el proceso de planificación de los
sistemas de potencia, es reducir el riesgo. Sobre este punto, diferentes investigadores han
realizado aportes para analizar el problema considerando este aspecto. En [82]se presenta un
informe del grupo 37.10 de la Cigre en el cual se hace una revisión de los métodos utilizados
para analizar problemas con incertidumbre. Se incluye análisis de riesgo basado en min-max
arrepentimiento, Laplace, entre otros. Se incluye además, un ejemplo detallado sobre arboles de
decisiones y levemente se analiza la programación estocástica. En [19] se analizan metodologías
para enfrentar problemas multiobjetivo y se plantean mecanismos de solución para este tipo de
problemas. Se analizan los casos de Costa Rica y Hungría. Adicionalmente, se propone el uso de
coberturas, ―h
edges‖ para viabilizar soluciones robustas. Por otra parte, V. Miranda [83], [84]
realiza un análisis crítico al uso del paradigma probabilístico (uso de valor esperado de costo) en
comparación al análisis de riesgo (análisis de arrepentimiento). Plantea que el criterio
probabilístico se centra en el valor de la función objetivo, mientras que el análisis de riesgo en la
toma de decisión. Se concluye que el criterio probabilístico recomienda soluciones más riesgosas
y blinda soluciones que pueden resultar de interés. El análisis se contrasta con un proceso de
decisiones en sistemas de distribución.

En [85], Burke, Merrill y otros proponen la metodología trade off/risk para resolver
problemas multiobjetivo con incertidumbre. La metodología permite identificar soluciones
robustas, aunque no necesariamente óptimas pero que representan con compromiso razonables
105
entre los objetivos. La incertidumbre se puede modelar en forma probabilista o con variables
acotadas sin una estructura desconocida. Esta metodología ha sido usada para resolver diferentes
problemas de planificación de transmisión tal como el que se presentan en [86] y [87]. En este
último caso se resuelve la planificación de la transmisión del sistema peruano. Uno de los énfasis
que se plantea en esta publicación son los cientos de casos que se requieren para obtener
soluciones robustas y confiables. También se plantea que en otros estudios realizados [86] no se
han considerados todos las escenarios que son necesarios.

Pedro Linares [88] propone una metodología de planificación multicriterio en la cual

trata de incorporar aspectos no incluidos en las teorías tradicionales. Su propuesta se basa en
optimización, considera las preferencias de los diferentes actores sociales, incluye criterios
múltiples, incorpora explícitamente medidas para administración de la demanda y modela la
incertidumbre a través de análisis de riesgo. Esta se aplicó en la planificación indicativa del
sistema eléctrico español.

Una forma distinta de enfrentar el problema de planificación es el propuesto por Oliveira

[44]. Se presenta en esta publicación un algoritmo para resolver la planificación de la
transmisión considerando incertidumbre hidrológica. Se utiliza formulación disyuntiva para
transformar el problema no lineal en lineal. Se consideran múltiples escenarios de generación
(hidrologías) y contingencias. De esta manera se plantea un algoritmo de optimización que
minimiza los costos de inversión y fallas para el conjunto de escenarios obtenibles de N
despachos y T+1 contingencias. Se propone además, un algoritmo que permite seleccionar en
forma criteriosa contingencias y circuitos candidatos. La formulación se aplica a la red sud-este
de Brasil y al sistema boliviano.

Otro enfoque de la planificación está en el concepto de planificación flexible. Uno de

estos enfoques es el planteado en [89], donde se propone un algoritmo para planificación de la
transmisión multiobjetivo con incertidumbre (PMOEM). Se utiliza evolución diferencial para
resolver el problema de PMOEM. Se imponen restricciones de confiabilidad y seguridad. Los
índices de confiabilidad se determinan usando Monte Carlo. El programa óptimo flexible se
obtiene como el de mínimo costo adicional requerido para pasar desde un plan óptimo a uno con
un escenario distinto para el cual fue diseñado, siendo este el aporte principal de este trabajo. Por
106
otra parte G. Blanco [90] presenta una metodología para planificación de la transmisión flexible
considerando incertidumbre. El problema se resuelve usando teoría de opciones reales junto con
Monte Carlo. Se demuestra la ventaja que presenta la metodología para enfrentar la
incertidumbre con planificación flexible utilizando dispositivos FACTS.

Otros esfuerzos más recientes, han retomado metodologías basadas en programación

estocástica. En [91], M. Carrión presenta un algoritmo basado en programación estocástica para
resolver el problema de planificación estática de la expansión de la red de transmisión
considerando ataques terroristas. Los ataques son considerados eventos no aleatorios por lo que
se modelan en base a escenarios. Se aplica un procedimiento especializado que determina los
escenarios y las probabilidades correspondientes. Finalmente, el problema no lineal entero mixto
se transforma en uno lineal entero mixto usando variables disyuntivas. Posteriormente esta
propuesta se replantea bajo un esquema de análisis de riesgo [92]. En esta, se minimiza el
máximo arrepentimiento. El problema es resuelto como un modelo de optimización entero mixto
en donde se minimiza el máximo arrepentimiento, los costos de inversión y los costos de falla.
El arrepentimiento se determina restando los desprendimientos de carga de un determinado plan
con respecto al mejor plan para un escenario dado. Con esto se intenta corregir el sesgo que se
da con paradigma probabilístico [83]. Por otra parte en [93], se propone un método para
planificas la transmisión considerando incertidumbre en demandas y generaciones eólicas (GO).
Las funciones de densidad de las GOs se determinan mediante Monte Carlo, mientras que los
flujos por las líneas a través de un flujo de potencia probabilístico. Finalmente estos modelos se
integran en un proceso de optimización tipo chance constrained. De interés es la propuesta en la
que para reducir la carga computacional se reemplaza el cálculo de desprendimiento de carga
mediante optimización por indicadores de restricciones de sobrecarga en las líneas. Estas
sobrecargas se determinan con un flujo de potencia.

4.2.7 Comentarios sobre la revisión bibliográfica

Finalizada esta revisión bibliográfica se pueden extraer las siguientes conclusiones con
relación a cómo enfrentar el desarrollo de esta tesis:
 Para la planificación estática sin incertidumbre, la metodología que ha entregado
buenos resultados en términos de calidad de la solución y factibilidad de analizar
sistemas de tamaño real, es el uso de técnicas basadas en heurísticas inteligentes o
107
 metaheurística. En estos últimos 40 años, se han aplicado diferentes metodologías
para resolver el problema de PEERT. Entre éstas las que destacan son:
programación lineal, programación entera, descomposición de Benders,
heurísticas simples y metaheurística. Considerando que, en los últimos 12 años las
heurísticas inteligentes son las que han tenido mayor éxito, en esta tesis se
trabajará con estos algoritmos para resolver el problema de planificación de la red
de transporte.
 Con relación al uso de herramientas probabilistas para el problema de PERTI los
principales métodos que se han aplicado son: programación estocástica de dos
etapas combinado con chance-constrained programming, cálculo estocástico de la
ATC, uso de criterios de confiabilidad en forma de restricciones y flujo de
potencia probabilístico. Por otra parte, en la determinación de la cantidad de
circuitos a instalar, la técnica más usada es Branch and Bound. En relación con
este último punto se presenta una oportunidad para hacer un aporte, el que
consistente en la aplicar alguna metaheurística. Esto permitiría analizar problemas
de tamaño más realistas.
 El uso de conjuntos difusos ha encontrado una buena aceptación como criterio
para toma de decisiones. Es común encontrar aplicaciones donde se mezclan
modelos probabilistas con modelos basados en lógica difusa y a partir de ellos
construir funciones para selección de alternativas. También se han realizado
aplicaciones usando programación lineal difusa en combinación con el principio
de Bellman-Zadeh [70]. Este método transforma el modelo difuso en uno
determinista. Como alternativa a este enfoque está la propuesta de Saraiva et al.
[64], en la que se usa un flujo de potencia óptimo difuso. En este modelo las
variables difusas se des-difusionan y se define el índice de exposición con el que
se mide el grado de vulnerabilidad del sistema. Esta técnica, también transforma
un problema de programación lineal difuso en un problema de programación
lineal determinista. Luego, ambos métodos transforman el problema difuso en un
equivalente determinístico.
 Para el proceso de toma de decisiones, la metodología que se ha ido imponiendo
es el análisis de riesgo (minimizar el máximo arrepentimiento), en desmedro del
paradigma probabilístico de minimizar los costos medios. También, la
108
 metodología trade off/risk ha sido usada ampliamente, pero tiene la desventaja
que no entrega valores óptimos por lo que se ha procurado desarrollar
metodologías que considerando todos los escenarios necesarios, minimicen los
costos de inversión y falla. Sin embargo, este problema no se ha resuelto bajo la
perspectiva multiobjetivo. Esto implicaría resolver un problema multiobjetivo
considerando todos los escenarios.
 La aplicación de conjuntos difusos está en plano desarrollo, por lo que en esta
tesis se ha adoptado el uso de conjuntos difusos para representar la incertidumbre
y aplicarlo en la solución del problema de PERTI. De alguna manera lo que se
busca al usar esta teoría, es reducir el esfuerzo que se requiere para resolver el
problema, producido fundamentalmente por la gran cantidad de escenarios que es
necesario considerar. La operatoria con funciones difusas permite de una manera
simple incluir los distintos escenarios.

4.3 Definición general del problema de planificación de transmisión con incertidumbre

El problema de la Planificación de la Expansión de la Red de Transporte considerando
Incertidumbre (PERTI), consiste en determinar cuándo, dónde y cuánto se deben reforzar los
circuitos, con el objetivo de abastecer el crecimiento de demanda en la forma más económica
tomando en cuenta las restricciones técnicas y financieras. La incertidumbre puede deberse,
principalmente, a la indisponibilidad (por falla o atraso en las inversiones) de los elementos del
sistema (generadores, transformadores y líneas), hidrología, disponibilidad de viento,
variabilidad en los costos de inversión y crecimiento de la demanda. Usualmente, los parámetros
inciertos se representan matemáticamente mediante intervalos, variables aleatorias o conjuntos
difusos.

En términos generales el problema que se intenta resolver para el caso de un periodo

tiene la siguiente estructura:


min cT x  d T y Ax  b, Ex  Fy  h (c, d , A, E, F , b, h) U  (4.1)

donde:
x vector de variables enteras de diseño ( número de elementos)
y vector de variables reales de operación (generaciones, flujos)

109
c vector de costos de inversión
d vector de costos de operación
Ax ≤ b son las restricciones de inversión (normalmente restricciones
económicas/financieras)
Ex+Fy ≤ h son restricciones de operación del sistema eléctrico
U conjunto cerrado, acotado y convexo de incertidumbres

La situación más compleja se presenta cuando todo el conjunto de parámetros {c, d, A,

E, F, b, h} Є U, es decir, todos los parámetros son inciertos. En general, la situación más
recurrente y simple es {h} Є U, esto es, la demanda es incierta. Otro caso menos recurrente es
{c, E, F, h} Є U, es decir, los costos de inversión, la indisponibilidad de los equipos y la
demanda son inciertos. La complejidad del problema queda supeditada a la cantidad de
parámetros inciertos; de manera que no todos los algoritmos disponibles en la actualidad son
aplicables al caso más general. En esta tesis, se enfrenta el problema en que la demanda e
hidrología son inciertas. Se considera además, incertidumbre cuyo origen es aleatoria y
cualitativa. Asimismo, se plantea el problema de planificación desde un punto de vista estático,
es decir, no se responde a la pregunta de cuándo deben ser instaladas las obras.

El problema planteado en (4.1), tiene variables enteras y reales. Las variables enteras
corresponden a la cantidad de circuitos a instalar, mientras que las variables reales son los flujos
en líneas, generación de centrales y ángulos en nudos. Adicionalmente, algunas variables reales
pueden ser inciertas. La función objetivo es lineal y la mayoría de las restricciones son lineales,
con excepción de una, en donde se producen multiplicaciones entre variables reales y variables
enteras. Esto conduce a que el problema sea no convexo. Por lo tanto, se tiene un problema
entero-mixto no convexo con restricciones no lineales [13]. Resolver este problema presenta una
alta complejidad por lo que es más conveniente usar la técnica de descomposición. Para esto el
problema (4.1), se descompone en dos subproblemas. El primer subproblema se denomina de
inversión y en éste se determina la cantidad de líneas/transformadores a instalar. El segundo, se
denomina de operación, y en éste se calcula la condición de operación del sistema cuando ya se
han tomado las decisiones de inversión.

110
 Consideremos el caso en que se ha encontrado una solución factible para el vector de
variables de inversión, que denominaremos x*. Para este caso, el problema de operación que se
debe resolver tiene la siguiente estructura:


min d T y Fy  h  Ex* (d , E, F , h) U  (4.2)

El problema (4.2) es de programación lineal con parámetros inciertos. Este problema

puede ser resuelto usando optimización difusa o flujo de potencia difuso. Debido a que x* es
sólo una solución factible y no necesariamente óptima, se requiere ejecutar un proceso de
búsqueda inteligente que permita obtener una solución de buena calidad (cercana al óptimo
global). Según lo presentado en la sección 4.2.2, el uso de metaheurística se plantea como una
alternativa válida para este tipo de problemas ya que permite obtener soluciones de alta calidad
en sistemas de tamaño real. La técnica que se usará para resolver este problema es simulated
annealing (SA), según lo reportado en [51], [52], [94], [13] y [95]. La Fig. 4.1 muestra un
diagrama de bloques general de la metodología propuesta.

Fig. 4.1: Esquema de proceso de planificación de la expansión de un sistema de transmisión considerando

incertidumbre

4.4 Propuestas metodológicas para planificación de la expansión del sistema de

transmisión considerando incertidumbre
En esta sección se propone una metodología que permiten resolver el problema de
planificación de la expansión de la transmisión en un sistema eléctrico considerando
111
incertidumbre en la demanda y generación. La propuesta se apoya sobre el hecho de que uno de
los principales aportes de esta tesis es el desarrollado un algoritmo novedoso que permite
determinar la operación del sistema considerando la incertidumbre. Este algoritmo se construyó
utilizando conjuntos difuso, al que le denominó flujo potencia difuso (FPD). La idea que
subyace en esta metodología, es utilizar la herramienta operativa desarrollada, (FPD) en un
proceso de planificación de la expansión de la red de transporte. Primeramente se describe la
metodología de planificación, para posteriormente presentar los detalles del algoritmo de FPD.

Las variables y parámetros que toman en cuenta en la solución del problema son:

 Horizonte del estudio.

 Demanda máxima en cada nudo de la red para el año base.
 Tasa de crecimiento de la demanda para el horizonte (variable incierta).
 Costos de inversión de los elementos de transmisión.
 Plan de obras en centrales generadoras para el horizonte de estudio.
 Generación óptima de cada central (variable incierta)
 Costos de combustibles para el horizonte de estudio.
 Circuitos candidatos (líneas y transformadores)

La metodología de planificación propuesta consiste en un procedimiento iterativo entre

la Fase I y la Fase II, en el cual se proponen planes de inversión para el sistema de transmisión
(Fase I), y se determinan los criterios de diseño sujeto a restricciones operacionales (Fase II). El
proceso de propuesta de planes se conduce de tal manera de minimizar los costos de inversión,
operación y falla respetando restricciones de confiabilidad. Para resolver este problema de
optimización se utiliza la metaheurística simulated annealing (SA). El problema que se resuelve
en esta fase es determinista, no lineal, no convexo y entero-mixto. Se ha usado la metodología
SA, en virtud a la experiencia que se tiene con este algoritmo en problemas de planificación
[95]. Además, son fáciles de implementar para cualquier tipo de problemas, y permiten el uso de
funciones con diferentes características, tales como: continuas, discontinuas, convexas, no
convexas, etc. Este tipo de algoritmos, (SA, algoritmos genéticos, búsqueda Tabú, etc) han
dominado durante los últimos 15 años, las aplicaciones a problemas complejos de ingeniería y
han permito encontrar soluciones de mejor calidad que las encontradas con métodos
112
convencionales [51]. Adicional a esto se han aplicado con éxito a problemas de tamaño grande
(87 barras, 183 variables de decisión) La desventaja es que costosos en tiempo computacional,
no garantizan óptimos globales y pueden resultar no eficientes con el uso de la información que
se produce durante las iteraciones. Por ejemplo, una búsqueda basada en SA, no mantiene
registros sobre soluciones visitadas, de manera que puede circular en forma reiterada por la
misma solución. Las alternativas a estos métodos son la descomposición jerarquizada de
Benders [48], la cual es más compleja de implementar, se ha aplicado sólo en sistemas de
tamaño medio (46 barras, 79 variables de decisión) y entrega soluciones de calidad inferior a las
obtenidas con meta heurísticas tipo SA o algoritmos genéticos [52]. Adicionalmente, existen los
métodos de programación entera mixta, usando técnicas Branch-and-Bound. En general está
técnica se ha aplicado con creciente éxito en problemas de planificación de redes. Sin embargo,
a la fecha sólo se ha llegado a resolver problemas de tamaño medio y se han tenido que
desarrollar técnicas especializadas (método de puntos interiores) para mejorar el desempeño del
algoritmo [96]. Esto constituye una barrera, puesto que se requiere desarrollar optimizadores
personalizados. Estos algoritmos todavía están en etapa de desarrollo, luego apostar por ellos
todavía constituye un riesgo.

En la Fase II se resuelve el problema operacional considerando la incertidumbre para un

plan de obras de transmisión definido. Este es un problema de optimización no determinista de
difícil solución. La estrategia que se quiere usar para conducir el proceso de búsqueda es utilizar
el nivel de sobrecarga de las líneas. Para esto se requiere encontrar la solución de un problema
de operación óptima no determinista en que las restricciones de capacidad de las líneas se relajan
(OONDR), (se ignoran estas restricciones). Resuelto este problema, se calculan índices de
sobrecarga para las líneas, información que es utilizada en el proceso de búsqueda de un plan
óptimo. La información de sobrecarga en las líneas se puede usar de dos formas en la Fase I;
como restricción o como parte de la función objetivo. Esta última situación requiere definir un
procedimiento para valorizar económicamente esta información. Dado que esta propuesta es una
primera aproximación a la solución del problema PERTI usando esta teoría, la información de
sobrecarga se usará como restricción, dejando la opción de valorizar esta información para
investigaciones futuras.

113
 El segundo problema que se debe resolver en la Fase II es el OONDR. A pesar de que
este es un problema relajado, sigue siendo difícil su solución, puesto que se requiere resolver una
optimización difusa con restricciones. Considerando, que uno de los objetivos y aportes de esta
tesis fue el desarrollo de un flujo de potencia considerando incertidumbre, se desarrolla una
propuesta metodológica para utilizar este flujo de potencia el proceso de determinar la solución
del PERTI. El desafío de crear una herramienta que resuelva el OONDR usando conjuntos
difusos se propone para investigaciones futuras.

La solución de la Fase II utilizando un flujo de potencia requiere primeramente resolver

el problema de asignación óptima de las generaciones de cada central, por lo que el problema se
dividirá en dos partes: en la primera se calcula la operación óptima del sistema para una
condición determinista de demanda. Esta se obtiene asignando a las potencias consumidas las
proyecciones de demanda que se tiene para el sistema. Por otra parte, la incertidumbre en la
generación (hidrológica, eólica) se puede capturar limitando la capacidad máxima de la central
de acuerdo al recurso disponible. Esto puede dar origen a considerar más de un escenario de
generación, por ejemplo, hidrología húmeda, media y seca. También, se podría usar como
capacidad máxima de la central el promedio histórico de generación, de manera de obtener un
despacho con el promedio histórico de generación. La incertidumbre hidrológica o eólica se
capturaría en la fase de cálculo de flujo de potencia difuso, donde los valores de demanda y
generación se deben transformar primeramente en valores difusos. El cálculo de operación
económica permite conocer entre otras variables, las generaciones óptimas de cada central y la
potencia en falla del sistema. Esta última información será utilizada en la Fase I para discriminar
las líneas que serán consideradas como candidatas para el plan de transmisión. La segunda parte
de la Fase II, es el cálculo de un flujo de potencia difuso. En este, se consideran como variables
inciertas los consumos y generaciones en los nudos. Este cálculo permite determinar los flujos
difusos por cada una de las líneas. Debido a que la función de posibilidad incluye mucha
información, se ha desarrollado un indicador que sintetiza esta información, al cual se le ha
denominado función de posibilidad acumulada. Esta función o índice, permite conocer la
posibilidad de exceder la capacidad del tramo. Considerando la gran cantidad de tramos que
existen en una red, y que varios de estos podrían estar saturados, se ha creado un indicador
global que dé cuenta del efecto que tiene un determinado plan de transmisión sobre la saturación
de los tramos. Este índice corresponde al promedio de los índices de cada línea saturada.
114
 Finalizada la Fase II, se toma la potencia total en falla del sistema y la posibilidad de
excedencia del sistema y se verifica si se satisfacen los criterios de diseño. Cuando los criterios
de diseño no se satisfacen, el plan propuesto se ignora y se vuelve a la Fase I para proponer un
nuevo plan de inversiones. Los criterios de diseño consisten en que los planes elegibles no deben
exceder una determinada potencia de falla sistémica y un determinado nivel de sobrecarga
promedio para el sistema. El proceso terminará después de varias iteraciones en donde se
conservarán los mejores planes visitados. La metodología SA es la encargada de seleccionar los
distintos planes a través del proceso iterativo, de manera de obtener finalmente un plan cercano
al óptimo global.

Un tema que resulta de interés, en especial en el caso chileno, es el manejo de la

incertidumbre hidrológica. Considerando la metodología propuesta, se pueden definir tres
formas de enfrentar este problema:
a) Considerar distintos escenarios, tantos como hidrologías se quiera representar. La
primera manera en que se puede analizar este problema es resolver el problema de
planificación para cada una de las hidrologías. El plan óptimo final se obtiene
aplicando la metodología de mínimo máximo arrepentimiento [82]. Una segunda
forma de tratar este caso, es resolver el problema de planificación considerando
simultáneamente las restricciones de pérdida de carga e índice de excedencia de
carga de todos los escenarios [44]. Esta metodología entregará un único plan que
cumple con todas las restricciones.
b) Considerando una serie histórica de generaciones para las centrales hidráulicas,
determinar el valor promedio y varianza de cada una de las centrales. Las
simulaciones de operación económica se realizan tomando como valor máximo de
generación los valores promedios. Posteriormente, cuando se ejecute el flujo de
potencia difuso, las funciones de generaciones difusa tomarán como valor central las
generaciones óptimas obtenidas y como soporte las varianzas históricas de cada
central. Alternativamente, la información de promedios y varianzas se puede obtener
mediante simulaciones computacionales usando herramientas tales como
programación estocástica multi-etapa [97]. Por esta vía, se obtiene también un único
plan de inversiones en transmisión.
115
 La Fig. 4.2 muestra un diagrama de bloques del proceso propuesto.

Fig. 4.2. Diagrama de bloque de metodología propuesta para la PERTI

La propuesta adolece de algunas debilidades en virtud a que han tenido que realizar
algunos supuestos. La primera debilidad es que puesto que la información de las sobrecargas en

116
las líneas no se ha incluido en la función objetivo, la solución obtenida será más costosa debido a
que las soluciones aceptables han tenido primero que cumplir la restricción impuesta, esto es, si
la posibilidad de excedencia es menor a un cierto valor, el plan se ignora. Si esta información se
utilizara en la función objetivo de la Fase I, la búsqueda se conduciría minimizando el efecto de
la sobrecargas, lo cual no necesariamente significa satisfacer la restricción.

La segunda debilidad se debe a la aproximación de reemplazar la OONDR por una

optimización determinista. En este caso la incertidumbre de la generación puede no transferirse
adecuadamente al problema de flujo de potencia, pudiéndose obtener soluciones que no
representen adecuadamente la realidad. En este caso existen variables que se calculan en forma
determinista, costos de operación, desprendimiento de carga que se mezclan con variables
calculada en forma no determinista; posibilidad de excedencia de carga, las que son usadas en la
Fase I para encontrar una solución. Dado esta situación, la solución encontrada puede diferir de
la solución óptima verdadera. A favor de esta propuesta está el hecho de que la solución es fácil
de implementar y se obtiene en tiempo similares a los que se requiere para encontrar una
solución determinista.

En la siguiente sección, se presenta una formulación matemática del algoritmo

propuesto.

4.4.1 Formulación matemática del algoritmo de planificación

El modelo de planificación utilizado en esta tesis se basa en investigaciones previas
desarrollados por el autor de esta tesis, cuyos detalles se encuentran en las referencias [13], [95].
Tomando en consideración esos trabajos, el problema de planificación estática de la expansión de
una red de transporte con incertidumbre (PERTI) se puede plantear de la siguiente forma:

Min z  c It x  c tg Pg  crt Pr
(4.3a)
sujeto a :
Pg  A1  f1  A2  f 2  Pd (4.3b)

f1   1  A1t  1  0 (4.3c)

x( f 2   2  A2t   2 )  0 (4.3d)

117
 
f1  f 1 (4.3e)

 
f2   f 2   x  0 (4.3f)
 

 
 f2   f 2   x  0 (4.3g)
 

Pgmin  Pg  Pgmax (4.3h)

0  Pr  Pd (4.3i)
x  N  0 (4.3j)

Pg , Pr , Pd , f1, f 2 , 1,  2 U (4.3k)

donde
cI vector de costos de inversión
x vector de decisión asociado a la construcción de elemento candidato
cg vector de costos de producción
cr vector con costo de falla asociado a los nudos
Pr vector con potencias a desprender, equivalente a generadores ficticios
A1 matriz incidencia nudo-elemento de red existente
A2 matriz incidencia nudo-elemento de red nueva
f1 vector de flujos por elementos de red existente
f2 vector de flujos por elementos de red nueva
Pd vector de potencias activas demandadas

γ1 matriz de susceptancias de red existente

θ1 vector de ángulos de las tensiones de nudos de red existente
γ2 matriz de susceptancias de elementos de red candidata
θ2 vector de ángulos de las tensiones de nudos de red candidata

f1 vector de capacidad máxima de flujos por elementos de red existente

f 2 vector de capacidad máxima de flujos por elementos de red nueva

Pgmin vector de potencia mínimas generadas por las centrales

Pgmax vector de potencias máximas generadas por las centrales

118
 La función objetivo del problema planteado en la ecuación (4.3a), corresponde a la
minimización de la suma de los costos de inversión por la construcción de nuevos equipos de
transmisión, tales como: líneas, transformadores, portales y componentes asociados, más los costos
de operación y falla para dicho plan de inversión. También, se puede incorporar a la función
objetivo los costos asociados por pérdidas de transmisión. Sin embargo, la función de pérdida es
cuadrática, lo que dificulta enormemente la solución del problema. Las pérdidas se han
considerado en algunos trabajos, pero éstas se incluyen en la restricción impuesta por la primera
ley de Kirchhoff [98], [99]. No obstante, se requiere el uso de algoritmos de optimización no
lineal o en su defecto, un modelo lineal para representar las pérdidas.

Las restricciones (4.3b), (4.3c) y (4.3d) corresponden a la primera ley de Kirchhoff y la ley
de Ohm para un modelo de red eléctrica lineal. Esta última, se aplica también en aquellos circuitos
candidatos sólo si éstos se construyen. Esto se condiciona por medio de la variable x, la cual tiene
el valor 0 (xk = 0) si el elemento no se construye y un valor entero (xk = 1, 2, ..) si éste se construye;
con la opción de más de un elemento en paralelo para el tramo k si es necesario.
Las restricciones (4.3e), (4.3f), (4.3g) y (4.3h) representan límites de capacidad para elementos de
transporte, (tanto para circuitos existentes como candidatos), y de los generadores. Las
restricciones de capacidad de los circuitos candidatos se descomponen en las ecuaciones (4.3f) y
(4.3g), debido a la necesidad de que las variables de diseño se ubiquen en el lado izquierdo del
conjunto de restricciones. La ecuación (4.3i) restringe la potencia en falla al máximo a la demanda
que tiene cada barra. Considerando que el desprendimiento de carga es un efecto económicamente
no deseado, las configuraciones aceptables serán aquellas en que la suma de los cortes de carga en

todas las barras sea menor a un cierto criterio ( PLS   Pr   r ). Este valor se constituye así, en
un criterio de diseño. Cuando  r   , el PERTI consistirá en la minimización del costo de
inversión, operación y falla, mientras que cuando  r  0 , el problema que se resolverá será la
minimización del costo de inversión, operación y falla, sujeto a la restricción de seguridad de que
no se permite potencia en falla. Esto sin duda implica imponer obras de mayor tamaño, lo que
resultará más costoso. La restricción (4.3j), corresponde a las variables de decisión enteras, las
cuales deben incluir el cero. Finalmente, (4.3k) establece que las potencias generadas, en falla y
la demanda son variables no deterministas.
119
 El problema (4.3) presenta dos grandes dificultades para su solución. La primera, está
relacionada con la restricción (4.3d). Esta sólo debe existir cuando el circuito candidato se
construye; en caso contrario esta restricción no debe estar activa. La segunda dificultad se
relaciona con las variables de inversión, las cuales son enteras, lo que obliga al uso de técnicas
combinatorias para la solución del problema. El problema queda clasificado como de
programación no lineal, no convexo y entero-mixto.

En la sección 4.3 se estableció que debido a la complejidad que presenta el problema,

resulta conveniente utilizar una estrategia de descomposición para resolverlo. De esta manera el
modelo planteado en (4.3) se redefine para considerar una descomposición en dos fases. En la
fase I, se propone un plan de inversiones, mientras que en la fase II se determina la factibilidad
del plan propuesto y se calculan las cifras de mérito para clasificar los circuitos.

Sea x̂ un plan de inversiones compuesto por un conjunto de líneas y transformadores a

instalar, el que se ha definido por algún mecanismo en la Fase I. Reemplazando este vector en el
problema planteado en (4.3), se define un nuevo problema de optimización el que resulta tener
una estructura de programación lineal. La naturaleza de este problema es de operación, es decir,
las decisiones de inversión ya fueron tomadas, en el cual se minimizan los costos de producción
y de desprendimiento de carga. El modelo de este problema se define en (4.4).

Min z  cot Pg  crt Pr

(4.4a)
sujeta a :

Pg  Pr  A1  f1  A2  f 2  Pd (4.4b)

f1   1  A1t  1  0 (4.4c)

f 2  xˆ   2  A2t   2  0 (4.4d)

   
  f 2   xˆ  f 2   f 2   xˆ (4.4e)
   

Pgmin  Pg  Pgmax (4.4f)

0  Pr  Pd (4.4g)

f1  f 1 (4.4h)
120
 Pg , Pr , Pd , f1, f 2 , 1,  2 U (4.4i)

El problema (4.4) es de programación lineal estocástico, dado que las potencias

generadas y consumidas son no deterministas.

Este no es un problema sencillo de resolver de manera que se define nuevamente la

estrategia de descomponer el problema en dos etapas para poder resolverlo de una manera más
amigable. En la primera etapa, se omite la naturaleza no determinista de los consumos, mientras
que la incertidumbre en fuentes de generación, tales como, hidráulicas o eólicas se representan
mediante escenarios. De esta manera, el problema (4.4) se transforma en uno determinista. Para
este problema se utilizan como consumos en las barras, la proyección de demanda que se tiene
para el sistema, la cual es información determinista. Adicionalmente, como fue explicado en el
último párrafo de la sección 4.4, se determinan los límites máximos de las centrales hidráulicas
y/o eólicas para considerar el efecto de este tipo de incertidumbre, según si se consideren varios
escenarios o un único escenario promedio. La solución de este problema entregará la condición
operativa óptima del sistema para el escenario de generación correspondiente, es decir, potencias
generadas por cada central, potencia desprendida de sistema, entre otros. Por otra parte, la
incertidumbre se incorpora en la segunda parte del problema operacional. En esta etapa, lo que
se hace es resolver un problema de flujo de potencia difuso DC (FPD), el que toma como valores
de entrada; las potencias óptimas generadas determinadas en el problema de optimización
determinista, la demanda y la topología de la red incluyendo las nuevas inversiones ya definidas.
Lo primero que se realiza en esta etapa es convertir a valores difusos (difusionar) las potencias
generadas y consumidas. El procedimiento es bastante simple. Suponiendo conocido el valor
central de una potencia P, y una incertidumbre c, la función de membrecía de la potencia para
una función trapezoidal queda definida por

 ( P)   ( P; (1  c) P, (1  c / 2) P, (1  c / 2), (1  c) P) .

La solución del FPD entrega los flujos de potencia difusos por cada línea del sistema.
Para cada uno de estos flujos se calcula una función de posibilidad acumulada de donde se
obtiene la posibilidad de exceder la capacidad de la línea. Considerando todas las líneas que

121
tienen sobrecarga se calcula el índice de excedencia promedio del sistema. Este índice se usa
como criterio de diseño de manera que las configuraciones que no cumplen con este criterio se
desechan. En el anexo F se muestran los detalles de cómo se determinan estos índices.

Por otra parte, de la solución determinista obtenida para problema definido en (4.4) se
obtienen dos variables de interés: la primera, es el vector de carga desprendida Pr. Una solución
es aceptable cuando la suma de todos los Pr es menor que un criterio  r . Todas las propuestas
de planes de inversión que entreguen soluciones no aceptables se rechazan; de esta manera, sólo
se someten a análisis soluciones aceptables. La otra información que es de interés rescatar, son
las variables duales (precios sombras) asociadas a las restricciones del problema de
programación lineal. Estas variables se pueden utilizar para clasificar circuitos, de manera de
seleccionar aquellos que se vean más prometedores para construir una solución de mínimo costo.
Esta información se usa en el algoritmo que construye una solución inicial para el problema. Una
explicación más detallada sobre este punto se encuentra en [13], [95].

Considerando ahora los dos elementos mencionados, posibilidad de excedencia en líneas

y la potencia desprendida del sistema, el criterio de diseño para el plan de obras del sistema
sería:

if PLS ≥  r or Iscav   2 or maxIsc   2

Ignorar plan
else
Seleccionar el plan x* como plan candidato
end

donde Iscav es el índice de excedencia promedio del sistema, maxIsc es el máximo índice de
excedencia obtenido para cualquier línea, y PLS es la potencia total despendida del sistema para
el plan x* analizado.

4.4.2 Descripción del algoritmo simulated annealing

La generación de propuestas de planes de inversión es una tarea ardua, debido a la
naturaleza discreta de las variables y a que el universo de soluciones crece exponencialmente
conforme crece el número de variables. Para superar este problema, las técnicas basadas en

122
metaheurísticas son de gran ayuda para mantener controlada la complejidad del problema. En
esta tesis, se usa SA para recorrer el universo de planes de inversión como una forma de hacer
una propuesta inteligente que se vaya acercando a la vecindad del óptimo global, conforme
avanzan las iteraciones.

El desarrollo y análisis del algoritmo SA es una tarea extensa, y fue motivo de una tesis
anterior desarrollada por el autor. En este trabajo sólo se presentarán los principales aspectos de
este algoritmo. Los detalles para la interpretación e implementación de este, se encuentran en
[13], [95]. La Fig. 4.3 presenta un pseudocódigo del algoritmo SA clásico.

En el pseudocódigo que se aprecia en la Fig. 4.3, se presentan dos funciones que son de
importancia para el desempeño del algoritmo y que de alguna manera lo singularizan con
respecto a otras propuestas: la función construye_solucion‖
― y la función
genera_punto_vecino‖. En lo que sigue se explica en mayor detalle la forma en que opera cada
―
una de estas funciones.

4.4.2.1 Construcción de una solución inicial

Para que el algoritmo SA inicie el proceso de búsqueda de una solución de mejor
calidad, es necesario partir de una solución factible. Construir una solución factible puede
resultar costoso, por lo que para lograr este objetivo al mínimo esfuerzo, se hará uso de un
greedy‖. Este tipo de métodos ha tenido un gran desarrollo y
algoritmo constructivo tipo voraz ―
particularmente se ha aplicado con elementos aleatorios a problemas de planificación de la
expansión de redes, en donde se le conoce como GRASP. [100], [54].

La fase de creación de una solución consiste de un procedimiento constructivo que

genera una solución factible para el problema (4.3), agregando un elemento candidato (línea o
transformador) a la red existente en cada etapa. El proceso termina cuando se alcanza la
factibilidad del problema, es decir, el desprendimiento de carga del sistema es inferior a una
tolerancia predefinida  r .

123
 funcion x opt  simulated _ annealing (c, F )
T  T0 ;
i  1;
xu  Construye _ Solucion( , parm);
C  eval _ cos t ( xu );
Mejor _ C  C ;
Mejor _ xu  xu ;
while T  T f
for k  1 : N
xu 2  genera _ vecino ( xu , rand );
C 2  eval _ cos t ( xu 2 );
if C 2  C
xu  xu 2
C  C2 ;
elseif C 2  C
if rand  e (C2 C ) T
xu  xu 2
C  C2 ;
end
end
if C  Mejor _ C
Mejor _xu  xu
Mejor _ C  C ;
end
end
T  T0
i  i  1;
end

Fig. 4.3: Pseudocódigo del algoritmo simulated annealing clásico

4.4.2.2 Búsqueda de un elemento vecino

El método SA se apoya en el hecho de que a partir de una solución factible se genera una
nueva solución cercana factible. La generación de esta nueva solución es aleatoria, siendo esta
cualidad la que permite al algoritmo recorrer regiones sin sesgo y evitar quedar atrapados en un
óptimo local como sucedería si se usara un criterio tipo voraz. El salto de una solución a otra se
puede realizar a través de operaciones simples tales como: intercambios swap entre un elemento
de la solución existente por uno candidato que no se haya ingresado aún, agregar un nuevo
124
elemento y eliminar un elemento de la solución existente. Todos estos cambios se realizan en
forma aleatoria en un algoritmo tipo SA. Existen otros tipos de movimientos más complejos
tales como intercambiar dos elementos en forma simultánea o agregar/eliminar más de un
elemento a la vez. Sin embargo, esto aumenta el tamaño de la vecindad haciendo que la nueva
solución se aleje más de la solución de partida. El algoritmo SA opera sobre la base de generar
una solución aleatoria cercana al punto donde se encuentre en ese momento el proceso. Para
efectos de esta tesis, y en base a la experiencia adquirida en diferentes simulaciones, se admiten
tres tipos de movimientos de primer orden, (distancia de Hamming entre soluciones es igual
uno) los que se definen a continuación:

Intercambio (swaping). Se elimina en forma aleatoria un elemento (línea o transformador) de la

solución actual y se agrega un elemento escogido en forma aleatoria de entre los candidatos que
no se encuentre en la solución actual.
Eliminación (1-flip). Se elimina en forma aleatoria un elemento (línea o transformador) de la
solución actual.
Agregación (1-flip). Se agrega un elemento escogido en forma aleatoria de entre los candidatos
que no se encuentre en la solución actual.

La secuencia aplicada a estos movimientos dará lugar a una serie de opciones, entre las
cuales, en base a la experiencia adquirida, se ha definido que la secuencia eliminar-intercambio-
agregar entrega resultados satisfactorios.

En la sección 4.4.1 se mostró que una de las estrategias para resolver el PERTI era
descomponer la Fase II, esto es, el problema de operación óptima en dos subetapas. La segunda
de estas etapas consistía en calcular un flujo de potencia difuso DC. El desarrollo de un
algoritmo FPF DC es parte de los aportes de esta tesis, de manera que en la siguiente sección se
presentan todas los detalles y alcances del algoritmo de FPD DC desarrollado, herramienta que
fue validada a nivel internacional [40].

4.5.2 Estado del arte en flujo de potencia con incertidumbre

Una de las primeras herramientas utilizada para analizar el flujo de potencia con
incertidumbre fue el flujo de potencia probabilístico. La primera noción de flujo de potencia
125
probabilístico aparece en la década del 70. Borkowska, Allan et al. [101], [102] proponen un
modelo simplificado cuyas principales suposiciones son: (1) el sistema eléctrico se representa a
través de un modelo lineal (DC), donde no se consideran los flujos de potencia reactiva, y (2) las
potencias activas demandadas se tratan como variables aleatorias independientes. Partiendo de
estas suposiciones, se resuelve un flujo de potencia convencional tomando como demanda los
valores esperados de éstas. Conocido el punto de operación del sistema, las ecuaciones de flujo
de potencia se linealizan en torno a este punto. Con este modelo, el despacho de la generación
se resuelve tomando una función arbitraria la cual permite ajustar las variaciones de la demanda
total en relación a las potencias de generación especificadas. Debido a que las demandas se han
considerado como variables independientes, las funciones de densidad de los flujos por los
circuitos se pueden determinar mediante convolución. Posteriormente, este método se extiende a
un modelo de red con corriente alterna (CA) [103], [104].

La suposición de independencia entre las demandas de los distintos nudos, en general,

no es realista. Allan et al. [105] desarrollan una teoría básica que permite incorporar dependencia
lineal entre las cargas. Da Silva et al. [106] proponen un método en que, usando dependencia
lineal entre consumos, junto con flujo de potencia linealizado resuelven el problema combinando
simulación de Monte Carlo y convolución. Incorporan además, las políticas operacionales de la
empresa. Dopazo et al. [107] usan correlaciones para considerar dependencia entre cargas.
Asumen que los flujos en líneas y magnitudes de voltajes en barras de generadores tienen
distribución Gaussiana; de manera que sólo se requiere calcular las varianzas. Posteriormente,
Allan et al. [108] demuestran que la premisa a priori de que las variables de salida tienen
distribución normal, aún en el caso en que todas las variables de entrada tengan distribución
normal es irrealizable. Esto se debe a la naturaleza no lineal de las ecuaciones de flujo de
potencia. Proponen además, un nuevo algoritmo para el FPP denominado flujo de potencia
acotado (FPA). Este permite obtener estimaciones de los flujos para múltiples puntos de
linealización resolviendo así, los errores introducidos por los modelos que utilizan un único
punto de linealización. El FPA permite encontrar rangos de valores para las variables de estado y
para las variables de salida a partir de los rangos que las variables de entrada pueden tomar. El
método usado en [108] para determinar los rangos de las variables es informal de manera que no
es eficiente. Dimistrovski [109] propone un algoritmo más eficiente que permite obtener los
valores fronteras de los intervalos de las variables. El problema en esencia corresponde a
126
ubicación de extremos restringidos de funciones implícitas. La mayor exactitud de la solución se
paga sin embargo con mayor cantidad de cálculos. Como una alternativa al método de FPA,
Leite da Silva [110] propone el uso combinado de simulación de Monte Carlo y ecuaciones de
flujo de carga con linealizaciones múltiples. El algoritmo usa como criterio, tomar la función de
distribución de la carga total del sistema para definir los diferentes puntos de linealización.

Uno de los problemas que presenta la mayor dificultad para la solución del FPP es el
cálculo de la convolución, dado a que se requieren complejos y pesados cálculos. Allan et al.,
proponen en [111] el uso de técnicas de convolución en el dominio de la frecuencia, para esto
hacen uso de la Transformada Rápida de Fourier, logrando mejorar la exactitud y aumentar la
velocidad de cálculo. El método de convolución entrega la función densidad de probabilidad
(FDP) de manera que para calcular la función de distribución acumulativa (FDA) se requiere
además de integración, lo que representa carga computacional adicional. Para superar este
problema, Zhang y Stephen [112] proponen el uso de la teoría de expansión de Gram-Charlier
combinada con el método de Acumulación. Este algoritmo permite generar la FDP junto con la
FDA usando operaciones aritméticas simples, logrando con esto una alta eficiencia. De esta
manera los FPP pueden eventualmente ser aplicados a problemas de tamaño más realista.

Por otra parte, Meliopoulos et al. [113] incorporan un detallado modelo que permite
determinar las funciones de distribución de la generación total a partir de las funciones de
distribución de las demandas, tomando en cuenta prácticas operativas de los despachos de carga
como las no linealidades de las ecuaciones. Las funciones de distribución de flujos en líneas y
voltajes en barras se expresan como una combinación lineal de las potencias inyectadas en barras
de generación. Otro aspecto que también ha sido considerado, es la inclusión de fallas forzadas
en líneas. En [114] se incorporan las fallas forzadas de la red, de manera que se representan
como variables aleatorias: las potencias demandas, las potencias generadas y las fallas forzadas
de la red. El problema se soluciona usando linealización en un punto y convolución.

Un tema que ha preocupado a los investigadores es la barra de referencia. En los

modelos tradicionales la existencia de una barra de referencia no representa mayor problema
cuando los datos están bien definidos. Sin embargo, cuando se incorpora incertidumbre en las
demandas, la barra de referencia debe tener una capacidad suficiente para cubrir toda la
127
incertidumbre del sistema. En ocasiones los resultados obtenidos no son de interés práctico, dado
que se excede la capacidad operativa del generador de referencia. En [115] se presenta un
procedimiento que permite obtener soluciones realistas para el problema con incertidumbre. Se
propone como alternativas de solución la conversión de la barra de referencia a PV y el uso de
barra de referencia distribuida.

En años recientes, se ha seguido trabajando en el problema de flujo de potencia

probabilístico. Los esfuerzos se han centrado en desarrollo de nuevos métodos [116], [117],
mejorar metodologías existentes [118], [119], [120], [121], considerar generaciones eólicas
[122], [123], [124], [125]. Asimismo la aparición de generación distribuida y fuentes renovables
a impulsado el desarrollo de este tipo de tecnologías en sistemas de distribución [126], [127]

A nivel nacional E. López plantea un modelo teórico para resolver un problema de

planificación estocástica de redes eléctricas en el que se considera el costo de producción de
generadores, el costo de racionamiento y la tasa de falla de generadores [128]. En trabajos
posteriores aplica la teoría de estimación estadística para resolver el problema de un flujo de
carga estocástico. Desarrolla un modelo para analizar redes con convertidores estáticos de
frecuencia [129] y otro que incorpora la incertidumbre del voltaje en las barras de tensión
controlada [130]. La teoría de estimación estadística fue originalmente usada en el trabajo de
Dopazo [107]. Alternativamente, Friz et al. [131] resuelven el flujo de potencia estocástico para
el sistema eléctrico de la mina de Chuquicamata. Las variables aleatorias corresponden a las
cargas en las palas que poseen un comportamiento con variabilidad alta. Como metodología de
solución usan Monte Carlo.

Otra metodología que es frecuentemente mencionada para el análisis de problemas

estocásticos es la simulación de Monte Carlo (SMC). En general la SMC es la metodología más
ampliamente utilizada, debido a su simplicidad y flexibilidad para implementarla en cualquier
tipo de problemas. Sin embargo, la desventaja radica en el hecho de hacer un uso intensivo de
memoria y tiempo de procesos. A pesar de esto, existen trabajos en donde se la utiliza como
herramienta base [126], [110]. Sin embargo, donde esta herramienta tiene un uso masivo es para
generar resultados con fines de comparación [125], [121], [120], [123], [119], [117], entre otros.

128
 Otra familia de algoritmos de flujo de carga que incorporan incertidumbre, se ha
desarrollado más recientemente y utiliza teoría de conjuntos difusos. Este es un enfoque
cualitativamente diferente para representar la incertidumbre. Se representa un conocimiento
vago o impreciso, a diferencia de la incertidumbre relacionada a procesos estocásticos. Una
ventaja de esta aproximación es la facilidad para incorporar conocimiento de expertos del
sistema bajo estudio. En [132] V. Miranda propone modelar las potencias en las cargas y las
potencias activas inyectadas por los generadores como variables difusas, con la intención de
representar la incertidumbre de origen cualitativo o lingüístico, que los modelos probabilistas no
son capaces de representar. Las variables de entrada difusas son las potencias activas y reactivas
en los consumos junto con las potencias activas de los generadores. Las variables difusas de
salida corresponden a voltajes, ángulos en barras, flujos de potencia activa y reactiva en líneas y
pérdidas. Se plantean dos modelos para resolver el problema, flujo DC y flujo AC. La
metodología aplicada en [132] es similar a la utilizada en los modelos probabilistas. Como punto
estacionario inicial se resuelve un flujo de potencia determinístico en donde para las variables de
entrada se considerara el valor central del conjunto difuso. Las variables difusas de salida se
obtienen aplicando linealización en torno al punto estacionario inicial. La operatoria con
números difusos aunque no se menciona en el artículo se indica en [133] y consistiría en
convolución max-min. Es importante considerar que en [132] no se menciona la metodología
utilizada para la resta, lo cual hace difícil reproducir los resultados obtenidos en el ejemplo
presentado. Sin embargo, considerando lo expuesto en [41] se puede deducir que la resta se
determinó calculando la suma con el opuesto. La principal desventaja de la metodología es que
los resultados se obtienen a partir de una linealización en torno a los valores centrales de las
variables difusas.

En [134] Saraiva et. al., validan los resultados obtenidos en [132] comparándolos con
simulaciones realizadas con el método de Monte Carlo. Más recientemente, Bijwe et al. [135]
incorporan al FPD modelos con límites en la potencia reactiva de generadores, cargas con
dependencia del voltaje e incertidumbre en los parámetros de la red. Integran además, el
concepto de flujo de potencia acotado [109] para la solución del problema.

El problema de flujo de potencia óptimo difuso (FPOD) es resuelto en 1992 por Miranda
y Saraiva [63]. Las variables de entrada difusas son los consumos mientras que los resultados
129
son distribuciones de posibilidad para los flujos en líneas y potencias generadas junto con el
valor de costos de operación del sistema. La red se modela en forma lineal y para la solución del
problema de optimización se utiliza programación lineal con la técnica de Danzing Wolfe. Un
modelo de FPOD parametrizado es posteriormente utilizado para evaluar alternativas de
expansión de un sistema de potencia [64]. Se introducen además, los concepto de índices de
exposición y robustez extraídos de los modelos de análisis de riesgos. Posteriormente el
algoritmo de FPOD parametrizado se utiliza en el marco de simulación de Monte Carlo para
analizar la confiabilidad de largo plazo de un sistema de potencia [12].

El efecto de la correlación existente entre las potencias activas consumidas a través de

un modelo de flujo DC es tratado por Saraiva en [136]. Posteriormente, esta propuesta es
mejorada mediante la inclusión de un modelo de flujo AC, en donde se permite correlación entre
potencias activas, entre potencias reactivas y entre potencias activas y reactivas [137].
Recientemente, Matos y Gouveia [138] propusieron el uso de DC FPD para determinar la
suficiencia de un sistema de transmisión. Definen además nuevos conceptos de índices de riesgo
a los cuales denominaron, índices de severidad y represión. Estos índices se pueden utilizar en
estudios de seguridad o planificación de la expansión de redes.

Por otra parte, conforme las energías renovables empiezan a masificarse en los sistemas
de energías, las técnicas que modelan la incertidumbre han empezado también a aplicarse en
redes de distribución. En [139] se propone un método no iterativo para cálculo de flujo de
potencia difuso, que utiliza conjuntos difusos y aritmética de intervalos. Por otra parte, Bijwe
[140] resuelve el flujo de potencia de potencia difuso para redes de distribución débilmente
enmalladas. Se combina en este trabajo modelos de flujos de potencia determinísticos con los
conceptos de flujo de potencia acotado [109]. Sobre este mismo enfoque, en [141] se desarrolla
un algoritmo para calcular el flujo de potencia difuso en redes de distribución balanceadas y
desbalanceadas. Por otra parte, Hong [142] modela a través de conjuntos difusos las funciones
de probabilidad de las series de viento, las que permiten resolver el flujo de potencia difuso
mediantes sensibilidades.

Una alternativa diferente para analizar la incertidumbre en un flujo de carga es propuesta

por Wang y Alvarado [143]. En este caso se utiliza aritmética de intervalo (AI). La AI es un caso
130
particular de un número difuso en donde para cada valor dentro del intervalo, la función de
membresía vale uno. La propuesta permite encontrar un conjunto de soluciones denominada
hull‖. La metodología utilizada para encontrar este conjunto de soluciones permite
núcleo, ―
encontrar un extenso intervalo que contiene muchos puntos que no son soluciones. Esto genera
una dificultad para obtener soluciones que puedan ser usadas en forma práctica. Recientemente,
Saric y Stankovic [144], resuelven un flujo de potencia lineal considerando incertidumbre en
parámetros de la red y consumos. Utilizan una aproximación donde la incertidumbre se
circunscribe a elipsoides. Como resultado, se obtiene un intervalo más reducido para cada
variable (voltajes y ángulos). El método entrega valores de mejor calidad que el método de
aritmética de intervalos, los que se contrastan con simulaciones de Monte Carlo.

Otra aplicación de análisis de intervalo es la desarrollada en [145]. Se resuelve el

problema de operación en un mercado de energía eléctrica con operador independiente. Como
incertidumbre se considera la originada por los parámetros de la red y se proponen algoritmos
basados en programación lineal con intervalos para obtener la solución. Los resultados muestran
que existe una alta sensibilidad de la solución óptima encontrada con respecto a variaciones en
los valores de los parámetros. Los mismos autores [146], analizan el efecto de la incertidumbre
sobre la seguridad de sistemas de potencia. Se considera la incertidumbre de origen estructural
(ocasionada por fallas en líneas) y paramétrica (perturbaciones en parámetros del modelo). Se
aplica teoría de perturbación con programación lineal y métodos basados en sensibilidad.

En el ámbito nacional, Palma y Jeldres [147] [147] proponen resolver el problema de

FPD utilizando la aplicación directa de operaciones aritméticas de números difusos. El trabajo se
apoya en la metodología propuesta por Friedman et al. [148] que permite resolver sistemas de
ecuaciones lineales difusos. Esta forma de enfrentar el problema presenta la dificultad de que las
operaciones con número difusos en algunas ocasiones producen resultados no realistas.
Posteriormente, Cortés y Palma [40] presentan una variante para resolver un flujo difuso DC. Se
discute con profundidad la operación de resta difusa, principal problema que se presenta al
trabajar con aritmética difusa y se propone una formulación alternativa para resolver el problema
y obtener resultados que mantengan acotada la incertidumbre. Finalmente, en un trabajo más
reciente de los mismos autores [40], se descubre que el problema radica en la dependencia que

131
se produce al realizar operaciones aritméticas con números difusos. Se proponen mecanismos
para evitar que se produzca este problema y así mantener la incertidumbre acotada.

En lo que sigue de este capítulo se presenta una formulación analítica para el flujo de
potencia con incertidumbre. Se modela el caso probabilístico y difuso. Para el caso
probabilístico se realiza una modelación basada principalmente en el enfoque propuesto por R.
Allan. Se analiza en particular la principal dificultad de este tipo de herramienta consistente en el
cálculo de la convolución y exactitud de los resultados obtenidos. Finalmente, se presenta una
modelación novedosa del flujo de potencia difuso utilizando número difusos operados con cortes
alfa, siendo esta, uno de los aportes principales de esta tesis.

4.5.3 Flujo de potencia probabilístico

4.5.3.1 Flujo de potencia determinístico o convencional

El problema de flujo de potencia convencional se puede definir por los dos siguientes
sistemas de ecuaciones no lineales:
Y  g (X ) (4.5)

Z  h(X ) (4.6)
donde:
X vector de variables de estado, incógnitas (magnitudes de voltajes y ángulos en barras
PQ; y ángulo de voltajes y potencia reactiva generada en barras PV);
Y vector de variables predefinidas de entrada (potencias activas y reactivas consumidas en
barras PQ; y magnitudes de voltajes y potencia activa generada en barras PV);
Z vector de variables de salida, incógnitas (flujos de potencia activa y reactiva por ramas
de la red);
g, h funcionales del flujo de potencia.

El principal problema para solucionar el sistema de ecuaciones (4.5) es que la variable X

no se puede expresa explícitamente en términos de Y, requiriéndose por lo tanto un proceso
iterativo. Conocido el valor de X, la solución de (4.6) es directa. Para un flujo de potencia
convencional, dada una solución inicial de prueba X’, el error se calcula por:

132
  PPQ   V '    PPQ 
  PQ  
Q   '   
 PQ   Y  Y 'Y  g ( X ' )  Y  g    PQ    QPQ  (4.7)
 PPV   ' 
   PV    PPV 
   Q '   V 
 VPV    PV    PV 

Si se aplica el método de Newton-Raphson, (4.5) es linelizado en torno a X’ y una

actualización para una nueva solución se obtiene llevando el error de (4.7) a cero

X  K  Y   J g1  X '  Y (4.8)

Jg es el jacobiano de g. El proceso continua para obtener el nuevo punto

X ' '  X 'X ' (4.9)
La secuencia continua hasta que se satisfaga un error de convergencia o un número
máximo de iteraciones.

4.5.3.2 Flujo de potencia probabilístico

Un flujo de potencia probabilístico (FPP) se puede considerar como un sistema en donde
ingresa un conjunto de variables aleatorias y sale otro conjunto de variables aleatorias
modificadas. La aproximación más utilizada usa teoría de probabilidades y linealización [103],
[104] y será la que se considera en este punto.

Partiendo desde un punto determinístico para la variable de entrada Y0, el que se obtiene
desde los valores esperados de las variables aleatorias Y, se calcula primero una solución
crisp‖ para las variables de estado X0, de modo que se satisfaga (4.5)
determinista u ordinaria ―
Y0  g ( X 0 ) (4.10)

Linealizando (4.10) en torno al punto ( X 0 , Y0 ) se obtiene

X  X 0  J g1 ( X 0 )  Y  Y0   X 0  K  Y  Y0  (4.11)

Escribiendo (4.11) en forma explícita

133
 m

X i  X 0i   K ij Y j  Y0 j ,i=1,...,m  (4.12)
j 1

donde m es la dimensión de Y, X y Kij son los elementos de la matriz de sensibilidad K.

En (4.12), los Yj corresponden a las variables aleatorias de entrada, de manera que las
variables aleatorias de estado, Xi se obtienen de la suma ponderada de las variables aleatorias de
entrada. Los coeficientes de ponderación son las sensibilidades de la matriz jacobiana. La forma
más comúnmente usada para la obtención de Xi es convolución, siendo esta la parte más
compleja y onerosa de determinar desde el punto de vista computacional. De esta forma (4.12)
podría expresarse de la siguiente manera

f Xi (Xi )     f y ( y1 )  f y
1 2
( y2 )    f y m ( ym )dy1dy2    dym (4.13)
y1  y 2 ...  y m  X i

Las fyj corresponden a las funciones de densidad de probabilidad (fdp) asociadas a cada
variable aleatoria Yj. y f X i es la fdp de la variable aleatoria Xi. La aplicación del método de

convolución requiere que todas las variables aleatorias sean independientes. De esta manera
(4.13) se puede representar en la forma

f X i ( Xi )  f (Y1' )  f (Y2' )  ....  f (Ym' ) (4.14)

donde Yj‘ representa el término kij  (Y j  Y0 j ) y kij es un elemento de la matriz K. Existen varias

maneras para evaluar (4.14). La más tradicional consiste de usar métodos numéricos basados en
transformada de Laplace. Otros más eficientes, transforman la ecuación al dominio de la
frecuencia y usan Transformada Rápida de Fourier (TRF) [111].

A pesar de que el método de TRF mejora considerablemente la exactitud y velocidad de

cálculo, se han propuestos nuevos métodos de manera de poder aplicar el FPP en problemas de
tamaños más realistas. Una de las más recientes propuestas consiste en usar una combinación de
cumulants‖ y series Gram-Charlier [112], [120]. En este caso la
método de acumulación ―
función de distribución acumulativa F(x) y la función densidad de probabilidad f(x) se pueden
estimar de (4.15) y (4.16)

134
 c1 c c
F ( x)  ( x)  ' ( x)  2 ' ' ( x)  3  (3) ( x)     (4.15)
1! 2! 3!
c1 c c
f ( x)   ( x)   ' ( x)  2  ' ' ( x)  3  (3) ( x)     (4.16)
1! 2! 3!
donde Φ(x) y φ(x) representan las funciones de distribución acumulativa y densidad de
probabilidad de una distribución normal con media cero y desviación estándar 1.

En el caso de la variable de salida Z, se aplica un razonamiento similar requiriéndose una

linealización entre las variables Z e Y. La linealización de (4.5) y (4.6) en torno a los puntos
(X0,Y0) y (X0,Z0) produce
Z  Z 0  S   X  X 0   S  K  Y  Y0  (4.17)

y finalmente
Z  Z 0  L  Y  Y0  (4.18)

donde S es el Jacobiano invertido de h en torno a X0 y L = S∙K.

4.5.3.3 Flujo de potencia acotado

El flujo de potencia acotado (FPA) fue propuesto por Allan [108] con la intención de
mejorar la exactitud en la estimación de las funciones de densidad de las variables de salida en
las regiones de la cola de estas. FPA encuentra un rango de valores para las variables de estado X
y salida Z, conociendo un rango de valores para las variables de entrada Y. Los resultados se
utilizan para determinar múltiples puntos de linealización para las ecuaciones de flujos de
potencia y de esta manera mejorar las fdp de las variables de salida. Se entrega a continuación
una breve explicación del algoritmo.

Partiendo desde un punto determinístico para las variables de entrada Y0, se obtiene una
solución determinista para las variables de estado X0. Se define un rango de valores para la
variable de entrada Yj definida en (4.12) el que se puede representar por el intervalo [Yjmin, Yjmax].
Supongamos que se desea obtener el valor mínimo para Xi. Este se puede obtener a partir del
signo de Kij. Si Kij es positivo, Xi será mínimo cuando Yj es mínimo. Si Kij es negativo, Xi será
mínimo cuando Yj es máximo. Un razonamiento similar se aplica para determinar el valor
máximo de Xi [109].

135
 De esta manera dado un punto de linealización X0, existe un conjunto de valores frontera
para Y los cuales entregan los valores mínimos (máximos) de Xi. Si se denota este conjunto
particular con Yb, a través de (4.11) se pueden calcular los nuevos valores de X, Xb.
X b  X 0  K  Yb  Y0  (4.19)

El nuevo punto (Xb, Yb), no satisface (4.5), por lo que el nuevo valor Yb debe evaluarse
usando (4.5)
Yb  g ( X b ) (4.20)

Este proceso se debe repetir usando el nuevo punto (Xb, Yb) como un segundo punto de
linealización y obtener una nueva actualización para Xb. En el caso de la variable Z, se aplica un
procedimiento similar.

Esta propuesta es posteriormente mejorada por Dimitrovski [109] quien para encontrar
los valores máximos y mínimos de las variables de estado y salida aplica un procedimiento más
elaborado de optimización.

Un tema de interés en el FPP es el cálculo de la potencia generada por la barra de

referencia. En el modelo convencional, la barra de referencia absorbe todas las pérdidas de la red
y se ajusta para satisfacer la demanda faltante. Cuando los datos están ajustados adecuadamente,
los resultados obtenidos se adecuan a la realidad, es decir la potencia generada para la unidad de
referencia está dentro de los límites operacionales. En el cálculo de un FPP este fenómeno no es
tan claro debido a que toda la incertidumbre de las demandas debe ser compensada por la barra
de referencia. Si existen consumos con alta incertidumbre esto puede llevar a que el rango de la
función de distribución de la potencia generada en la barra de referencia sea tan amplio que
exceda los rangos operacionales de la unidad, entregando resultados no realistas. Para enfrentar
este problema Dimitrovski [115] propone dos estrategias; la primera consiste en convertir la
barra de referencia a una parra PV cuando esta exceda su límite operacional. Otra barra debe por
lo tanto relajarse para ajustar el equilibrio generación demanda aleatoria. La segunda opción

136
consiste tener una barra de referencia distribuida de manera que un conjunto de centrales
comparten la demanda aleatoria del sistema.

4.5.4 Flujo de potencia difuso

La incorporación de conjuntos difusos en el cálculo de un flujo de potencia fue
introducida en 1990 por V. Miranda et al. [132]. La intención era tomar en cuenta aspectos que
la teoría de probabilidades no puede considerar, tales como, la ambigüedad del lenguaje humano
y la experiencia de expertos expresada a través de un lenguaje más ambiguo que declarativo.
Considerando además, la simplicidad con que se pueden realizar operaciones aritméticas con
conjunto difusos, la aplicación de esta teoría puede en una primera aproximación reducir
considerablemente la carga computacional, permitiendo que para propósitos de estudios de
planificación de expansiones de redes, los cientos de cálculos que requiere este tipo de estudios
se reduzcan a unos pocos cálculos de flujos de potencia.

La propuesta de modelo hecha por Miranda es similar a la utilizada en los flujos de

potencia probabilísticas, en la que a partir de un punto de operación determinístico, se calculan
los resultados difusos mediante linealización en torno a dicho punto. Las variables difusas de
entrada son la demanda en barras y potencia generada en barras PV, mientras que las variables
difusas de salida son los flujos de potencia en líneas.

La aproximación propuesta por [132] usa ecuaciones lineales similares a las presentadas
en (4.11) y (4.18). Los puntos de linealización (X0,Y0) y (X0,Z0) se obtienen de un flujo de
potencia determinístico con variables de entrada ajustadas al punto medio de cada función de
membrecía (es decir, α = 1). Estas ecuaciones tienen ahora la forma
X~  X 0  K  Y~  Y0  (4.21)

Z~  Z  L  Y~  Y 
0 0 (4.22)

donde Y~ denota el vector de variables difusas de entrada, X~ y Z~ son vectores difusos de

resultados para las variables de estado y salida, respectivamente. Las matrices de sensibilidad K
y L son de valores ordinarios y tienen en mismo significado que las establecidas para el FPP. Se
presenta en lo que sigue un desarrollo más exhaustivo del FPD lineal.

137
4.5.4.1 Algoritmo de flujo de potencia difuso DC original
Esta aproximación fue propuesta por Miranda [132] y hace uso de un modelo lineal
(DC) incremental de la ecuaciones de flujo de potencia. Permite obtener funciones de de
posibilidades para los ángulos de las barras y flujos de potencia activa de las líneas. Se deben
considerar los siguientes pasos:

a) Calcular un flujo de potencia DC determinista usando como potencia activa inyectada el

punto medio de las funciones de posibilidades Pd. Se obtienen de esta forma vectores
deterministas para los ángulos en la barras θd y los flujos de potencia activa en las ramas
fd. .
b) Evaluar las funciones de posibilidades de las potencias incrementales activas inyectadas
P~i obtenidas a partir de las funciones de posibilidades de las potencias inyectas P~i y
las potencias inyectadas deterministas Pdi.
P~i  P~i  Pdi (4.23)

c) Evaluar considerando un modelo lineal (DC) las funciones de posibilidad de los

incrementos en los ángulos de voltajes y flujos de potencias activas en líneas.

~  B 1  P
~ (4.24)
~
f  A  P~ (4.25)
d) Obtener las funciones de distribución de posibilidades de los ángulos y flujos de
potencia activa sumando a los valores incrementales el valores determinístico
correspondiente.

~   d  ~ (4.26)
~ ~
f  f d  f (4.27)

Un procedimiento similar se aplica para el flujo de potencia difuso AC. En esta situación
las variables difusas de entrada corresponden a las potencias activas y reactivas inyectadas a las
barras, mientras que las variables de salida difusas son módulos de voltajes y ángulos en barras,
flujos de potencias activas y reactivas en las ramas, potencias reactivas generadas y pérdidas
activas y reactivas. Los detalles de esta formulación se encuentran en [132].

4.5.4.2 Análisis teórico del flujo de potencia difuso en un sistema pequeño

138
 En el capítulo 3 se presentaron dos fórmulas que permiten calcular la resta entre
números difusos. Asimismo, se demostró que los resultados entregados por éstas; (3.79) y
(3.80), son distintos y deben usarse según si los números a restar son dependientes (3.79) o
independientes (3.80).

En bien sabido que el estado de un sistema se determina conociendo las variables de

estados de este. Las variables de estado se obtienen mediante una seria de operaciones
algebraicas que involucran a las variables de entradas, las que deben ser independientes. De esta
manera se tiene que el conjunto de variables de estado, es el resultado de una combinación
ponderada de las variables de entrada. Visto de otra forma, una variable de estado es una
variable que depende de las variables de entrada. En el caso de un sistema lineal, diríamos que es
una combinación lineal de las variables independientes de entrada. Esto se expresa en la
siguiente ecuación
xi   aik yk (4.28)
k

donde, aik es un coeficiente de ponderación, yk son las variables independientes y xi es la variable

de estado dependiente. Este mismo concepto se extiende sin dificultad a los sistemas difusos. En
este sentido, se tiene que en un flujo de potencia difuso, las variables de estado serán los voltajes
complejos difusos en las barras de carga, mientras que las variables independientes serán las
potencias difusas netas inyectadas a los nudos. De esta manera se tiene que al operar dos
variables de estado, (sumar, restar, etc.) se estará realizando operaciones entre variables que son
dependientes de las variables de entrada. Este ha sido el eterno problema cuando se trabaja con
variables aleatorias o funciones de posibilidad. La estrategia utilizada para superar este problema
ha sido siempre expresar las variables en término de las variables independientes, de manera de
que cuando se desee realizar alguna operación entre variables de estados, primero se debe
realizar una factorización agrupándolas de acuerdo a las mismas variables independientes. A
través de este procedimiento, sólo se requiere modificar los factores de ponderación. El siguiente
ejemplo muestra en forma algebraica este procedimiento, en donde se suman dos funciones
difusas que dependen de variables independientes

139
 ~
x1  a11~
y1  a12 ~
y2     1n ~
yn
~
x a y a ~
~ y    ~
y
2 21 1 22 2 2n n
~
x1  ~
x2  (a11  a21) ~
y1  (a12  a22 ) ~
y2      (a1n  a2n ) ~
yn

Claramente, este procedimiento es válido en la medida que todos los coeficientes son
positivos. Cuando alguno de los coeficientes es negativo, se requiere tomar cuidados especiales
ya que se estaría en presencia de una resta, la cual requiere un tratamiento especial. Sin duda,
que este procedimiento es complejo, ya que requiere acomodar todas las ecuaciones en forma
previa para evitar operar variables que tengan dependencias de las variables básicas del
problema. En especial, esto se dificulta cuando se requiere resolver sistemas no lineales.

En esta sección se analiza un sencillo problema de flujo de potencia difuso para mostrar
el efecto que tienen sobre los resultados el uso de las metodologías definida por (3.79) y (3.80).
Para esto, se considera un sistema radial de 3 nudos, con datos en p.u. sobre una base 100 MVA.
Este se muestra en la Fig. 4.4. La función de membrecía para la demanda en la barra 3 es

 ( Pd 3 )   ( Pd 3 ; pa , pb , pc )   ( Pd 3 ;0.8,1.0,1.2) (4.29)

a‖, con a  [0,1] .

Las reactancias de las líneas están en función del parámetro ―
Considerando un modelo DC, la solución teórica para el flujo de potencia difuso debiera ser
consistente con:
~ ~ ~ ~
Pg1  f12  f 23  Pd 3 (4.30)

140
 Fig. 4.4: Sistema de 3 nudos

Esto implicaría que la función de membrecía de los flujos por las líneas debe tener los
mismos valores y forma que la de la demanda.

Consideremos ahora la solución usando operaciones difusas, con la barra 1 como

referencia. El conjunto de ecuaciones algebraicas que resuelven el problema es:

~
 ~

 2  x12  Pd 3  ax  Pd 3  ~
 (4.31)
~
 ~
 
 3  x12  x23   Pd 3  x  Pd3
~
 (4.32)
~
~ 2 ~
f12    Pd 3 (4.33)
x12

~
f 23 
~ ~ ~
 ~
 2   3 ax  Pd 3 x  Pd 3
 
   (4.34)
x23 (1  a) x (1  a) x

En las ecuaciones (4.31) - (4.33) no se requiere realizar operaciones de diferencia, por lo

que estas no están sujetas a eventuales errores de cálculo. Sin embargo, en (4.34) se requiere
operar una diferencia. Tomando (3.80) y aplicándola en (4.34) se obtiene la función de
membrecía del flujo f23.
pa  apc p  apa
 ( f 23 )   ( f 23; , pb , c ) (4.35)
1 a 1 a

La expresión (4.35) no coincide con el resultado teórico de (4.30). Básicamente, el

problema se origina al usar (3.80) para calcular el flujo f23. Como se aprecia en (4.34), el cálculo
~
de f23 requiere la resta de dos números difusos que dependen de la variable básica Pd 3 , esto es,
~ ~ ~ ~
 2  3 . Se puede deducir fácilmente que  2  a  3 , esto significa que adicionalmente, los
ángulos son dependientes entre sí. Esta es una propiedad que no se presenta en todos los
sistemas eléctricos, sino, sólo en los sistemas radiales. Esto se discutirá en mayor profundidad en
la sección 4.5.4.3. Por otra parte, al aplicar (3.79) para determinar (4.34) se obtiene:

141
  ( f 23 )   ( f 23; pa , pb , pc ) (4.36)

En este caso el resultado es concordante con lo esperado en términos teóricos y

prácticos. De esta manera se demuestra en forma práctica que (3.80) no se debe aplicar para
restar variables de estado. Por otra parte, se puede inferir que (3.79) se podría aplicar para restar
variables de estado para redes con topología radial. Como se mencionó anteriormente, este
asunto se discutirá en más detalle en la sección 4.5.4.3.

Con el fin de ejemplificar el comportamiento del uso de la resta difusa a base de (3.80),
la tabla 4.1 muestra los resultados obtenidos para los flujos difusos por las líneas cuando el
parámetro a toma los valores: 0.5, 0.9 y 0.99.

Tabla 4.1. Flujos por Líneas para sistema de 3 nudos

a f 12 (a ) f 12 (b ) f 12 (c ) f 23 (a ) f 23 (b ) f 23 (c )
0.50 0.80 1.00 1.20 0.40 1.00 1.60
0.90 0.80 1.00 1.20 -2.80 1.00 4.80
0.99 0.80 1.00 1.20 -38.80 1.00 40.80

Una primera observación general de estos resultados muestra que independiente del
valor de a que se use, el flujo f12 corresponde al esperado teóricamente en (4.30). Lo anterior es
consistente con el hecho de que para el cálculo de f12 no se requiere de operaciones de resta. Sin
embargo, para el caso de f23, donde la operación resta está presente, el resultado depende
directamente del valor de a elegido. En particular, si bien el valor central pb  1,0 de
 ( f 23 )   ( f 23; pa , pb , pc ) corresponde al esperado teóricamente en (4.30), el soporte del número

difuso resultante crece conforme a se acerca a la unidad, llegando a valores extremos de

pa  38,8 y pc  40.8 para a = 0,99. Sin duda, este resultado se aleja considerablemente de lo

esperado. Los extremos de la base del triángulo son los que dan cuenta de la incertidumbre de la
potencia, de manera que los resultados obtenidos indicarían un aumento exagerado de ésta, lo
que carece de interés práctico. El caso cuando el parámetro a tiende a 1, corresponde a tramos
con muy baja impedancia, luego este tipo de situaciones generaría una gran distorsión en los
resultados. Este fenómeno es lo que se observó en las simulaciones realizadas en [147] [147].

142
Para complementar estos análisis, en el anexo D se desarrolla el caso de una red de 3 nudos en
anillo.

4.5.4.3 Análisis teórico del flujo de potencia difuso en redes en general

En la sección anterior se demostró la aplicabilidad de la relación (3.79) para una
pequeña red radial de 3 nudos. En esta sección se extiende este análisis para una red radial de
tamaño general, es decir con n nudos.

Consideremos la red de topología radial analizada en la sección 4.5.4.2. Para esta red se
demostró que los ángulos en las barras están dados por las siguientes relaciones:
~ ~
 2  x12 P3 (4.37)
~ ~
3  x12  x23 P3 , (4.38)
~ ~
donde P3   Pd es la potencia neta inyectada al nudo 3. La ecuación (4.38) se puede escribir
3

también de la siguiente forma

~ ~ ~ ~ ~
3  x12P3  x23P3   2  x23P3 , (4.39)

por lo tanto, el ángulo de la barra 3 es dependiente del ángulo en la barra 2.

Consideremos ahora un caso más general. En el Anexo E se demuestra que el ángulo en

cualquier barra de una red de topología radial sin ramas laterales está dado por
~ ~ n ~
 k   k 1  xk 1, k i  k Pi , (4.40)
~
donde n es el número de nudos de la red y Pi son las potencias netas aguas abajo del nudo k. En
~
este análisis se ha supuesto que el nudo 1 es el de referencia, por lo tanto 1  0 .

La ecuación (4.40) muestra que existe dependencia entre los ángulos de fase de una red
con topología radial. Considerando que la relación (3.79) es apropiada para realizar restas entre
variables que son dependientes, se puede concluir que esta relación es apta para realizar el
cálculo de flujo de potencia mediante la resta de los ángulos de voltajes en las barras, como
ocurrió en (4.34).

143
 Por otra parte, no se pudo demostrar que en redes de topología anillada, se presente este
tipo de dependencia entre los ángulos. En base a lo expuesto se puede establecer el siguiente
procedimiento de cálculo.

a) Los flujos por las ramas en redes de topología radial se podrán calcular según la
siguiente fórmula.

~
f pq 
~

 p q
~
 (4.41)
x pq

La resta en (4.41) se deberá realizar con la relación (3.79).

b) En redes de topología anillada, el cálculo de los flujos se hará mediante una relación que
exprese los flujos en función de las variables básicas independientes, esto es, las
potencias netas inyectadas en los nudos. La siguiente es una de tales relaciones
~ ~ ~ ~
f  Y  At   Y  At  X  P  T  P , (4.42)

donde Y es la matriz admitancia primitiva de la red y A la matriz incidencia nudo-rama.

La ventaja en el uso de (4.41), es la facilidad para estimar el flujo por las ramas, a
diferencia de (4.42) en donde se requiere realizar una serie de sumas. Este proceso se hace aún
más visible al realizar cálculos no lineales como las pérdidas. Efectivamente, para calcular las
pérdidas se requiere evaluar,
~ ~ ~
PL pq  g pg ( p   q ) 2 , (4.43)

Cuando esta ecuación puede ser usada, como en el caso de redes radiales, el cálculo resultará
bastante simple. Sin embargo, para el caso de redes anilladas será necesario utilizar la siguiente
relación
~ ~
PL pq  k pq f pq 2 , (4.44)

~ n ~
donde, k pq  g pq x 2pq , y f pq   j 1 tij Pj
.
i( p , q )

Finalmente

144
 2
~  n ~ 
PL pq  k pq   j 1 tij Pj  , (4.45)
 i( p, q ) 
 

Claramente el uso de (4.45) resulta mucho más complejo que (4.43). Sin embargo, como se ha
venido diciendo, (4.43) sólo se puede usar en redes radiales en conjunto con (3.79), mientras que
(4.45) se usará en redes anilladas en conjunto con (3.80).

4.5.4.4 Flujo de potencia difuso usando operaciones aritméticas

Considerando los resultados previos, en esta tesis se propone una metodología
alternativa para resolver el flujo de potencia difuso, la que consiste a usar operaciones
aritméticas difusas en forma directa en vez de realizar una linealización en torno al valor central.
Esta metodología fue propuesta el 2001 por Palma y Jeldres [147] [147], y se apoya fuertemente
en un procedimiento para resolver sistemas de ecuaciones lineales difusos desarrollado por
Friedman [148]. Los resultados obtenidos generaron suspicacias debido al exesivo aumento de la
incertidumbre que se presentaba en algunos tramos. El problema que se presentó en [147] [147],
es que se aplicó (3.80) a números difusos dependientes, lo que produce que los números difusos
que representan flujos por las líneas no sigan las leyes de la propagación de la incertidumbre.
Como se demostró en la sección 4.5.4.2, el uso de (3.80) para restar números difusos
dependientes puede llevar a resultados irrealistas, sobre todo cuando las líneas tienen
impedancias muy pequeñas.

En lo que sigue de esta sección, se desarrollan dos metodologías para resolver el flujo de
potencia lineal (DC) difuso, las que hacen uso de aritmética difusa basada en cortes alfa. En la
primera, los flujos en las líneas se calculan aplicando (3.79), esto significa que se trabaja con
variables dependientes, lo que la hace apta para redes radiales, como son los alimentadores de
media tensión en sistemas de distribución. En la segunda, los flujos en las líneas se calculan
usando (3.80), lo que implica operar sobre variables difusas independientes. Esta metodología
sería apta para redes radiales y anilladas. Para ambos modelos, se ha supuesto que las potencias
demandas y generadas son independientes.

A) Metodología A. Flujo de carga DC con variables dependientes

145
 Esta metodología corresponde a la formulación clásica del flujo DC y consiste de los
siguientes pasos:
a) Calcular la potencia difusa activa neta inyectada en cada nudo
~ ~ ~
P  PG  PD (4.46)

donde P~G corresponde al vector de potencia generada difusa, P~D es el vector de potencia
~ es el vector potencia neta inyectada difusa. Se supone que existe
demandada difusa y P
completa independencia entre las fuentes de incertidumbre de las generaciones y las
cargas. El cálculo se realiza utilizando (3.80) puesto que se ha supuesto que existe
~ ~
independencia entre PGi y Pdi  i .

b) Determinar el ángulo difuso en cada barra utilizando la aproximación DC difusa.

~ ~ ~
  B 1  P  X  P (4.47)
~
La solución de (4.47) requiere algunos cuidados. Las potencias netas difusas Pi son

independientes  i  j , puesto que se ha supuesto independencia en las fuentes de

incertidumbre entre las distintas barras. Por lo tanto, cuando todos los Xij son positivos,
la suma se hará utilizando (3.76). En forma explícita se tiene

~i   ~ ~  X P ~ ~
n
X P  X i1  P i 2 2      X in  Pn (4.48)
j 1 ij j 1

Si alguno de los coeficientes fuera negativo, la resta se hará utilizando (3.80), por cuanto
se están restando funciones difusas independientes.

c) Calcular los flujos de potencia activas difusos por las ramas

~ ~ ~
f pq  ( p   q ) x pq (4.49)

donde x pq es la reactancia serie de la rama p-q. En (4.49), la resta se calcula utilizando

(3.79) debido a que los ángulos son variables dependientes.

B) Metodología B. Flujo de carga DC con variables independientes

Esta metodología consiste de los siguientes pasos:
a) Calcular la potencia difusa activa neta inyectada en cada nudo

146
 ~ ~ ~
P  PG  PD (4.50)

Se supone que existe completa independencia entre de la fuente de incertidumbre de las

generaciones y las cargas. El cálculo se realiza utilizando (3.80) puesto que se ha
~ ~
supuesto que existe independencia entre PGi y Pdi  i .

b) Determinar el ángulo difuso en cada barra utilizando la aproximación DC difusa.

~ ~ ~
  B 1  P  X  P (4.51)
Se toman las mismas consideraciones que el punto (b) de la metodología A.

c) Los flujos de potencia difusos de las ramas se calculan de la siguiente expresión

~ ~ ~ ~
f  Y  At   Y  At  X  P  T  P (4.52)
donde Y es la matriz admitancia primitiva de la red y A la matriz incidencia rama-nudo.
Para determinar (4.52) se debe utilizar (3.80) debido que las potencias inyectadas son
independientes. Se deben tener los mismos cuidados establecido en el punto (b) de la
metodología A. Esta metodología también es apta para aplicarla en redes de topología
radial.

4.5.4.5 Dependencia entre los datos de entrada

Cuando se detecta que existe dependencia entre los datos de entrada, el problema se
puede enfrentar definiendo una matriz de dependencia D, la cual relaciona las dependencias que
podría existir entre los distintos datos de entrada. Luego se tiene,
~ ~ ~ ~
P  PG  PD  D  Pb (4.53)

La dimensión de D es (n - 1) x m, donde m es el número de variables de entrada

independientes, n el número total de variables de entrada y Pb es el vector base de potencias
netas independientes. Por ejemplo, supongamos que se tiene un sistema con 4 barras en donde la
potencia generada en la barra 2 depende un 20% de la demanda de la barra 2, y la potencia
consumida en la barra 3 depende un 50% de la potencia consumida en la barra 4. De esta
manera, la matriz de dependencias D queda definida de la siguiente forma

147
 ~
 P2  0.2  1 0  ~
~ ~    ~  Pd 2 
P   P3 ; D   0  0.5; Pb   ~  (4.54)
~
 P4   0  1   Pd 4 
   

Se ha supuesto que la barra de referencia es la 1. Esta no se modela, debido a que la

potencia neta de la barra de referencia depende de las potencias netas restantes.

Es necesario además, modificar las ecuaciones (4.47), (4.51) y (4.52) para que el
problema quede expresado sólo en función de las variables de entrada independientes.
~ ~ ~
  X  D  Pb  Xˆ  Pb (4.55)
~ ~ ~
f  T  D  Pb  Tˆ  Pb (4.56)

Este mecanismo se puede aplicar indistintamente a las metodologías A y B definidas

previamente.

Alternativamente, existe una segunda vía para resolver el problema. En esta opción no se
requiere definir la matriz de dependencias D. La ecuación (3.79) se puede aplicar en forma
directa en la operación con variables independientes. Sin embargo, se requiere mantener
identificadas las variables que son independientes. El procedimiento se explica de mejor forma a
través de un ejemplo. Consideremos nuevamente el ejemplo del párrafo anterior de esta sección
y supongamos que los valores de las funciones de membrecía de las potencias generadas y

consumidas en las barras son las siguientes:  ( Pg 2 ;1,1.25,1.5) ,  ( Pd 2 ;5,6.25,7.5) ,

 ( Pd 3 ;7 / 2,6 / 2,5 / 2) ,  ( Pd 4 ;7,6,5) . Supongamos además, que las operaciones que
se requieran para calcular el ángulo del voltaje de una determinada barra están definidas por la
siguiente expresión:
  0.08  ( Pg 2  Pd 2 )  0.06  Pd 3  0.04  Pd 4
 ( Pd 2 ;0.48,0.40,0.32)   ( Pd 4 ;0.56,0.48,0.40)
  ( f ;1.04,0.88,0.72)
~ ~
En este caso la resta entre Pg 2 y Pd 2 se realiza con (3.79), debido a que son
dependientes. Finalmente el resultado obtenido en esta resta se suma a las otras variables. Lo
148
interesante acerca de este método es que no se requiere conocer el nivel de dependencia de las
variables. Es suficiente saber que existe dependencia entre ellas. En el cálculo de flujo de
potencia difuso sería necesario saber cuáles son las variables de entrada de las que se sospecha
que son independientes, de manera de realizar las operaciones en forma separada del resto de las
variables.

4.5.4.6 Consideraciones acerca de la barra de referencia

El tratamiento de la barra de referencia en el FPD involucra el análisis de dos aspectos.
El primero, requiere definir como será tratado el ángulo de fase de la barra de referencia. El
segundo, se refiere a la forma como se considera la potencia neta inyectada a la barra de
referencia. Para el ángulo de fase, en este trabajo se ha supuesto que no existe incertidumbre
asociado a esta variable de estado, mientras que para la potencia inyectada se supone que toda la
incertidumbre del sistema se aloja en esta variable. En este sentido, la barra de referencia debe
absorber toda la incertidumbre de las variables independientes de entrada. Para el caso de
sistemas reales, donde existe un límite en la capacidad de generación de las centrales, los datos
de las incertidumbres de las generaciones se debe ajustar de manera que si el generador de
referencia no tiene capacidad suficiente, el exceso de incertidumbre se debe distribuir entre los
generadores que tienen capacidad de generación. Este mecanismo es similar a lo propuesto por
Dimitrovski en [115].

4.5.4.7 Validación numérica y análisis de casos

En esta sección se presentan los resultados obtenidos mediante simulaciones
computacionales. Los cálculos se realizaron para ambos métodos con redes radiales y anilladas
de pequeña y gran escala con el fin de validar las hipótesis planteadas en la sección 4.5.4.3.

A. Sistema radial de 5 nudos

Este sistema consiste en una red radial de cinco nudos con ramas laterales. Se supone una
demanda difusa para las barras 2, 3, 4 y 5 con idénticas funciones de membrecía dadas por
 ( P)   ( P;0.4,0.5,0.6) y generaciones en la barra 4 con  ( Pg 4 )   ( Pg 4 ;0.55,0.65,0.75)
pu, y en la barra 5 de  ( Pg 5 )   ( Pg 5 ;0.35,0.40,0.45) pu. La reactancia de cada línea es 0.1

149
pu con base 100 MVA. La Fig. 4.5 muestra la red con resultados teóricos, obtenidos de la
aplicación del modelo propuesto.

Fig. 4.5. Red radial de cinco nudos con resultados teóricos

Las Tablas 4.2 y 4.3 muestran los resultados obtenidos para las metodologías A y B. Los
valores de ángulos están expresados en grados, mientras que las potencias en pu. La Tabla 4.2
muestra los ángulos difusos de los voltajes en las barras. El argumento a1, a2, a3 indican los
puntos de quiebre de los triángulos, en donde a1 es el menor valor, a2 el valor central y a3 el valor
máximo de la variable. La Tabla 4.3 muestra los resultados obtenidos para los flujos por las
líneas.

Tabla 4.2. Resultados de ángulos para sistema radial de 5 nudos método A y B.

BUS PG(a1) PG(a2) PG(a3) PD(a1) PD(a2) PD(a3) Ang(a1) Ang(a2) Ang(a3)
1 0,4000 0,9500 1,5000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0000 0,0000 0,0000 0,4000 0,5000 0,6000 -8,5944 -5,4431 -2,2918
3 0,0000 0,0000 0,0000 0,4000 0,5000 0,6000 -12,3186 -7,4485 -2,5783
4 0,5500 0,6500 0,7500 0,4000 0,5000 0,6000 -12,6051 -6,5890 -0,5730
5 0,3500 0,4000 0,4500 0,4000 0,5000 0,6000 -10,0268 -6,0161 -2,0054
Tabla 4.3. Flujos de potencia activa por líneas Método A y B.
Line Node 1 Node 2 F(a) F(b) F(c) Support
1 1 2 0,4000 0,9500 1,5000 1,1000
2 2 3 0,0500 0,3500 0,6500 0,6000
3 3 4 -0,3500 -0,1500 0,0500 0,4000
4 2 5 -0,0500 0,1000 0,2500 0,3000

150
 De las tablas 4.2 y 4.3 se observa que ambos métodos entregan los mismos resultados.
Asimismo, estos resultados son idénticos a los resultados teóricos inferidos desde la Fig. 4.5. De
esta manera se concluye que para redes radiales, las metodologías A y B entregan resultados
que son consistentes con las propiedades físicas del problema.

B. Sistema anillado de 5 nudos

El sistema mostrado en la Fig. 4.6 consiste de una red anillada de cinco nudos [143]. Se
supone una demanda difusa en pu para las barras 2, 4 y 5 con las siguientes funciones de
membrecía:  ( Pd2 )   ( Pd2 ;1.15,1.175,1.2) ,  ( Pd4 )   ( Pd4 ;0.8,0.825,0.85) ,
 ( Pd5 )  5 ( Pd5 ;1.0,1.025,1.05) y generación difusa en la barra 1 y 3, en donde la función de
membrecía de la barra 3 es  ( Pg3 )   ( Pg3 ;1.150,1.175,1.200) . Las reactancias para cada línea
se muestran en la Tabla 4.4 en base 100 MVA.

Fig. 4.6. Red anillada de cinco nudos

151
 Tabla 4.4. Parámetros de líneas para sistema anillado de 5 barras
Line Node 1 Node 2 R (pu) X (pu)
1 1 2 0,0428 0,1785
2 1 5 0,0326 0,1336
3 3 2 0,0326 0,1336
4 3 4 0,0867 0,3570
5 3 5 0,0531 0,2238
6 5 4 0,0643 0,2678

La Tabla 4.5 muestra las potencias generadas y consumidas en cada barra, como los
ángulos de los voltajes en barras para las metodologías A y B. Se aprecia y como era de esperar
un mismo resultado para ambas metodologías.

Tabla 4.5: Resultados de potencias y ángulos para sistema anillado con metodología A y B
BUS PG(a1) PG(a2) PG(a3) PD(a1) PD(a2) PD(a3) Ang(a1) Ang(a2) Ang(a3)
1 1,7500 1,8500 1,9500 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,0000 0,0000 0,0000 1,1500 1,1750 1,2000 -8,1962 -7,7489 -7,3016
3 1,1500 1,1750 1,2000 0,0000 0,0000 0,0000 -5,1444 -4,5536 -3,9628
4 0,0000 0,0000 0,0000 0,8000 0,8250 0,8500 -14,6813 -13,9628 -13,2443
5 0,0000 0,0000 0,0000 1,0000 1,0250 1,0500 -8,7941 -8,3634 -7,9326

Por otra parte las Tablas 4.6 y 4.7 muestran los flujos de potencia por las líneas
obtenidas para las metodologías A y B. En este caso se aprecia que existe diferencia entre los
resultados de ambas metodologías. Asimismo se observa que los soportes obtenidos por la
metodología B, (uso de (3.80) para variables de estado independientes) son mayores que los de
la metodología A. Tal como fue previsto en la sección 4.5.4.3, la aplicación de la metodología A
entrega resultados distintos a los predichos teóricamente, conformándose así la hipótesis de que
en sistemas anillados, se debe utilizar la metodología B.

Tabla 4.6: Flujos de potencia activa por líneas para sistema anillado con metodología A
Line Node 1 Node 2 F(a) F(b) F(c) Support
1 1 2 0,7139 0,7577 0,8014 0,0875
2 1 5 1,0361 1,0923 1,1486 0,1125
3 3 2 0,3986 0,4173 0,4361 0,0375
4 3 4 0,4538 0,4600 0,4662 0,0125
5 3 5 0,2852 0,2977 0,3102 0,0250
6 5 4 0,3462 0,3650 0,3838 0,0375

152
 Tabla 4.7: Flujos de potencia activa por líneas para sistema anillado con metodología B.
Line Node 1 Node 2 F(a) F(b) F(c) Support
1 1 2 0,7139 0,7577 0,8014 0,0875
2 1 5 1,0361 1,0923 1,1486 0,1125
3 3 2 0,3840 0,4173 0,4507 0,0667
4 3 4 0,4432 0,4600 0,4768 0,0337
5 3 5 0,2771 0,2977 0,3182 0,0411
6 5 4 0,3434 0,3650 0,3866 0,0433

C. Sistema de prueba IEEE de 24 nudos

Como una manera de realizar comparaciones de los resultados obtenidos con las
metodologías propuestas y los resultados obtenidos con otros métodos propuestos en la literatura
internacional, se analiza el sistema de prueba IEEE RTS de 24 barras. Este sistema se compone
de 24 nudos y 38 ramas. Los datos utilizados se obtuvieron de [138], en donde se seleccionó la
barra 23 como referencia. Se ha considerado la presencia de un 5% de incertidumbre para cada
potencia generada y consumida y se usan funciones trapezoidales para modelar la incertidumbre.
Se supone independencia entra cada par de potencias consumidas y generadas. En la Fig. 4.7 se
muestra un diagrama unilineal de este sistema, mientras que detalles de los datos y simulaciones
obtenidas se encuentran en el anexo G.

Dado que este sistema es enmallado, sólo se trabajará con el método B. La Tabla 4.8
muestra los flujos de potencia por las líneas 11,23 y 34 obtenidos con el método B. Asimismo, la
Tabla 4.9 presenta los resultados obtenidos en el trabajo de Matos [138], ambos resultados
expresados en MW.

Tabla 4.8: Flujos de potencia activa para sistema IEEE RTS con metodología B.
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
11 7 8 428,8 463,4 486,6 521,3 92,5
23 14 16 -511,6 -443,9 -398,8 -331,1 180,5
34 19 20 -623,3 -456,9 -346,1 -179,7 443,5

Tabla 4.9: Flujos de potencia activa para sistema IEEE RTS con metodología Matos.
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
11 7 8 428,75 463,4375 486,5625 521,25 92,5
23 14 16 -511,3 -443,8 -398,8 -332,3 180,0
34 19 20 -504,7 -427,2 -375,4 -297,8 206,9

153
 En este sistema las funciones de posibilidad son trapezoidales, y los términos F(a1),

F(a2), F(a3) y F(a4) corresponden a los cortes   0,1,1,0 respectivamente. Los resultados
mostrados en las tablas 4.8 y 4.9 son similares con excepción de la línea 34. El modelo que
propone Matos consiste en encontrar los valores extremos de las variables de salida, conocidos
los rangos de las variables de entrada, similar a lo propuesto por Dimitrovsky [109] para el flujo
AC, y que se explicó en la sección 4.5.3.3.

El modelo propuesto por Matos tiene la siguiente estructura:

 n
Max f k   i 1t ki Pi 
~
s.a. Pi  Pi (4.57)
n
i 1 Pi  0

donde los tij son los elementos de la matriz de sensibilidad definida en (4.42), Pi la potencia netas
~
inyectadas al nudo i, Pi es la potencia difusa inyectada al nudo i ,y fk en el flujo de la línea k.
n
Cuando en el modelo (4.57) se omite la restricción de balance de potencia i 1 Pi  0 , este es
equivalente al método A o B definido en esta tesis. De esta manera se tiene que la solución de un
flujo de potencia difuso DC tiene un modelo equivalente desde el punto de vista de
optimización. Cuando se ejecuta el modelo (4.57) sin considerar la restricción de balance de
potencia, los resultados obtenidos son completamente iguales a los entregados por el método B.
Los resultados completos de estas simulaciones se muestran en el apéndice G.

154
 Fig. 4.7. Diagrama unilineal IEEE RTS de 24 barras

C. Sistema Interconectado Central

Como una forma de validar aún más las metodologías propuestas y a petición expresa de
los revisores internacionales del artículo [40], se incluyen una simulación de un sistema de

155
tamaño real. Para esto se escogió una versión intermedia de Sistema Interconectado Central de
Chile (SIC). La red a simular tiene 101 nudos, 35 generadores, 110 líneas y 27 transformadores.
La condición operativa simulada corresponde a una hidrología húmeda con una demanda central
de 6849 MW. Se ha considerado la presencia de un 2,5% de incertidumbre para cada potencia
generada y consumida y se usan funciones trapezoidales para modelar la incertidumbre. Se
supone independencia entra cada par de potencias consumidas y generadas. Los datos del
sistema junto con resultados de las simulaciones se muestran en el anexo G.

La Tabla 4.10 muestra a modo de muestra los resultados para tres líneas del sistema. La
línea 18 corresponde al tramo Carrera Pinto – Diego de Almagro, ubicado en la parte norte del
sistema. Dado a que la línea tiene una capacidad de 208 MW, la simulación indica que existe
una permanente sobrecara en el tramo. Los resultados muestran que con posibilidad 1 en flujo
que circulará por la línea estará en el rango 297 – 314 MW, esto es con la más alta posibilidad la
línea tendrá una sobrecara mayor al 43%. El rango de incertidumbre para esta línea, dada por el
soporte es 33,7 MW.

Tabla 4.10: Flujos de potencia activa para el SIC con método B.

Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
18 CP220 DA220 -3,2314 -3,1472 -2,9788 -2,8946 0,3369
49 QU220 SL220 -8,3760 -8,2170 -7,8990 -7,7400 0,6360
96 CN220 La220 -4,2895 -4,1044 -3,7344 -3,5494 0,7401

Por otra parte se tiene la línea 49 que cubre el tramo Quillota – San Luis en la zona
centro costera del sistema. La capacidad de este tramo es 1568 MW. La simulación indica que el
flujo por la línea estará en el rango 774 – 837 MW, lo que es inferior a la capacidad de la línea.
Con posibilidad uno se puede decir que la línea no presentará sobrecarga, y que el flujo de
potencia irá desde San Luis a Quillota. Finalmente, esta la línea 96 que considera el tramo Cerro
Navia – Los Almendros, ubicada cercana al centro de carga del sistema (Santiago, capital del
país). El flujo en este tramo variará entre los valores de 354 – 429 MW, en tanto que la
capacidad de la línea es de 390 MW. Existe un rango para el cual la línea experimentará
sobrecarga, debido a que con posibilidad uno la línea tendrá flujo que superen los 390 MW. El
valor central de la línea es 391 MW, lo que significa que si se hubiera realizado una simulación
determinista se tendría la seguridad de que la línea se saturaría. Sin embargo, una simulación
156
difusa muestra además que el mayor flujo puede llegar a 429 MW, implicando una sobrecarga de
25,6%. Esto muestra la ventaja de realizar simulaciones difusas, y en particular, utilizando
tiempos de proceso que son del mismo orden que un flujo de potencia convencional. El anexo
muestra los resultados completos de esta simulación.

157
Capítulo 5. Aplicación de sistemas de prueba a la metodología
de planificación

5.1 Introducción
En este capítulo se muestran los resultados obtenidos al aplicar la metodología propuesta
para la planificación de la expansión de la transmisión considerando incertidumbre, a dos
sistemas de prueba. El primer sistema es la conocida red de 6 nudos de Garver [15], mientras
que el segundo es la red correspondiente al Sistema Interconectado Central Chileno (SIC).

Se presentan los resultados obtenidos con el algoritmo propuesto sin considerar y

considerando la incertidumbre. Se analiza desde el punto de vista de la casuística, el efecto que
tiene la incorporación de la incertidumbre en un proceso de planificación.

Para probar el algoritmo propuesto, se desarrolló un programa computacional en

lenguaje MATLAB, versión 7.4. Se utilizó como herramienta base el programa de planificación
estática de redes de transporte desarrollado en una tesis de maestría del mismo autor [13]. Este
programa fue adaptado para incluir la incertidumbre en la demanda, y adicionalmente, la
planificación estática se extendió a un contexto multeperiodo. Se utilizó además, el paquete
linprog para resolver el problema de programación lineal.

5.2 Matlab como herramienta de desarrollo

Matlab se ha convertido, con el correr del tiempo, en la herramienta estándar para la
solución de problemas de ingeniería tanto en el mundo industrial como en la investigación.
Básicamente, su éxito consiste en la flexibilidad que presenta para realizar desarrollos de
aplicaciones y la disponibilidad de herramientas de trabajo conocidas como Toolbox. En esta
Optimization
tesis, se utilizó el ambiente de programación y la herramienta de optimización ―
Toolbox 3.1.1‖ disponible en la versión R2007a.

La herramienta de optimización ―
linprog‖ dispone de tres rutinas para resolver la
programación lineal, las que se describen a continuación:

158
 a) Algoritmo Simplex. Se utiliza en problemas de tamaño mediano, sin embargo, no es
robusta dado que habitualmente aborta el proceso. En esta tesis se detectó que esta rutina
es incapaz de trabajar con redes inconexas. Luego el rango de aplicación es limitado en
contextos de planificación de redes. El tiempo de proceso es 3,6 veces mayor que el
algoritmo de puntos interiores.
b) Algoritmo proyección de conjuntos activos [149]. Se utiliza en problemas de tamaño
mediano, es robusta y permite trabajar con redes inconexas. Sin embargo, es
extremadamente lenta. Su tiempo de proceso puede llegar hasta 70 veces el tiempo
utilizado por el algoritmo de puntos interiores.
c) Algoritmo de puntos interiores (versión desarrollada en el paquete LIPSOL [150]). Se
utiliza en problemas de gran tamaño. Es una variante del algoritmo predictor-corrector
de Mehrotra‘s [151], un método de punto interior tipo primal-dual. Es una rutina
inestable, que habitualmente diverge. Permite trabajar con algunos nudos inconexos (2 o
tres). Su uso en problemas de planificación de redes estará limitado a redes que tengan
pocos nudos inconexos.

Considerando el alto tiempo que toma el algoritmo de proyección para realizar las
simulaciones, (para un problema de 3 etapas se requieren alrededor de 11 horas de proceso), se
han preparado sistemas de prueba con pocos nudos inconexos. Esto permite analizar mayor
cantidad casos.

5.3 Sistema Garver

El primer sistema que será analizado corresponde a la red, inicialmente, propuesta por
Garver [15] y que ha sido ampliamente usada por los investigadores. Esta red está compuesta de
6 nudos, 3 generadores, 6 líneas existentes y 15 líneas candidatas. El nudo 6 corresponde a una
nueva central por lo que inicialmente la red es inconexa. Su diagrama unilineal se muestra en la
Fig. 5.1, en donde las líneas sin flechas corresponden a los circuitos candidatos. En la tabla 5.1
se entregan los datos de los circuitos candidatos. En el Anexo G se entregan los parámetros del
sistema.

159
 Fig. 5.1: Diagrama unilineal sistema Garver

Tabla 5.1: Datos líneas candidatas sistemas Garver

No Node 1 Node 2 R [pu] X [pu] Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL
10 BARRA_1 BARRA_2 0,1000 0,4000 1,00 220,0 4 40,000 0,000 30
11 BARRA_1 BARRA_3 0,0900 0,3800 1,00 220,0 4 38,000 0,000 30
12 BARRA_1 BARRA_4 0,1500 0,6000 0,80 220,0 4 60,000 0,000 30
13 BARRA_1 BARRA_5 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
14 BARRA_1 BARRA_6 0,1700 0,6800 1,00 220,0 4 68,000 0,000 30
15 BARRA_2 BARRA_3 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
16 BARRA_2 BARRA_4 0,1000 0,4000 1,00 220,0 4 40,000 0,000 30
17 BARRA_2 BARRA_5 0,0800 0,3100 1,00 220,0 4 31,000 0,000 30
18 BARRA_2 BARRA_6 0,0800 0,3000 1,00 220,0 4 30,000 0,000 30
19 BARRA_3 BARRA_4 0,1500 0,5900 0,82 220,0 4 59,000 0,000 30
20 BARRA_3 BARRA_5 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
21 BARRA_3 BARRA_6 0,1200 0,4800 1,00 220,0 4 48,000 0,000 30
22 BARRA_4 BARRA_5 0,1600 0,6300 0,75 220,0 4 63,000 0,000 30
23 BARRA_4 BARRA_6 0,0800 0,3000 1,00 220,0 4 30,000 0,000 30
24 BARRA_5 BARRA_6 0,1500 0,6100 0,78 220,0 4 61,000 0,000 30

La ventaja de usar esta red, consiste en que se conoce la solución óptima global, la que
fue primeramente encontrada por Romero [48]. En este caso, cuando se permite redespachar la
potencia entregada por los generadores la solución determinista consiste en instalar tres nuevos
circuitos entre las barras 4 – 6 y un circuito adicional entre las barras 3 – 5. El costo de la
solución óptima es 110 MUSD. Los parámetros utilizados para el algoritmo de simulated
annealing (SA) fueron los siguientes: Tfinal = 1x10-4Tinicial , tasa de enfriamiento 0.90, número de
iteraciones por estado energético 3/2nv, donde nv es el número de circuitos candidatos, que para
160
este caso es 15. Los proyectos candidatos se evaluaron con una tasa de retorno de10% para la
vida útil económica (VUE) de cada proyecto. El criterio de desprendimiento de carga para el
sistema es no permitir una pérdida de carga superior al 1% de la demanda total.

Considerando esta red óptima se ejecuta a continuación un flujo de potencia difuso para
analizar esta solución frente a una incertidumbre en la demanda que puede variar en el rango de
± 5% para los consumos y ± 0.5% para los generadores. Para esto se supone una función de
posibilidad triangular para representar esta incertidumbre, cuyo valor central es la solución
óptima determinista encontrada para esta red.

Las tablas 5.2 y 5.3 muestran los resultados del FPD para los flujos circulantes por las
líneas existentes y las nuevas líneas instaladas.

Tabla 5.2: Flujos difusos por líneas existentes en sistema Garver

Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
1 1 2 0,2880 0,4000 0,5120 0,2240 1,0000 0,0000 0,0000
2 1 4 -0,4828 -0,4000 -0,3172 0,1656 0,8000 0,0000 0,0000
3 1 5 0,4908 0,6667 0,8425 0,3517 1,0000 0,0000 0,0000
4 2 3 -1,1085 -1,0000 -0,8915 0,2171 1,0000 0,4999 0,0000
5 2 4 -1,0811 -1,0000 -0,9190 0,1621 1,0000 0,5003 0,0000
6 3 5 0,8082 0,8667 0,9252 0,1170 1,0000 0,0000 0,0000

Tabla 5.3: Flujos difusos por nuevas líneas instalas en sistema Garver
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
20 3 5 0,8082 0,8667 0,9252 0,1170 1,0000 0,0000 0,0000
23 4 6 -3,0151 -3,0000 -2,9850 0,0300 3,0000 0,5031 0,0000

De la Tabla 5.2 se aprecia que la línea 4 presenta una posibilidad de exceder la

capacidad máxima de 0,4999, lo que significa que de todos los casos analizados, en el 50% de
las veces la línea está sobrecargada. La misma conclusión se puede extraer de la línea de 5.
Asimismo, la nueva línea instalada 23, presenta un índice de 50%. A pesar de que el sistema
esta recientemente diseñado, este no resiste incertidumbre en la demanda. Se puede apreciar de
la Tabla 5.3 que la capacidad del corredor está completamente ocupada.

161
 En primera instancia se puede inferir que para solucionar este problema se debería
ampliar la capacidad de los corredores (2 ─ 3), (2 ─ 4) y (4 ─ 6). El costo de esta solución es
MUSD 210. Para verificar esta solución, se simuló un nuevo FPD en donde se agregaron estas
líneas, cuyos resultados se muestran en la tabla 5.4.

Tabla 5.4: Flujos difusos para red con nuevas líneas instaladas
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
1 1 2 -0,2219 -0,1091 0,0036 0,2255 1,0000 0,0000 0,0000
2 1 4 -0,7360 -0,6546 -0,5732 0,1627 0,8000 0,0000 0,0000
3 1 5 0,2183 0,4000 0,5817 0,3634 1,0000 0,0000 0,0000
4 2 3 -0,4469 -0,3818 -0,3167 0,1301 1,0000 0,0000 0,0000
5 2 3 -0,4469 -0,3818 -0,3167 0,1301 1,0000 0,0000 0,0000
6 2 4 -0,9234 -0,8728 -0,8221 0,1014 1,0000 0,0000 0,0000
7 2 4 -0,9234 -0,8728 -0,8221 0,1014 1,0000 0,0000 0,0000
8 3 5 0,9332 1,0000 1,0669 0,1337 1,0000 0,0000 0,5002
9 3 5 0,9332 1,0000 1,0669 0,1337 1,0000 0,0000 0,5002
10 4 6 -1,0050 -1,0000 -0,9950 0,0100 1,0000 0,5050 0,0000
11 4 6 -1,0050 -1,0000 -0,9950 0,0100 1,0000 0,5050 0,0000
12 4 6 -1,0050 -1,0000 -0,9950 0,0100 1,0000 0,5050 0,0000
13 4 6 -1,0050 -1,0000 -0,9950 0,0100 1,0000 0,5050 0,0000

La Tabla 5.4 muestra los nuevos flujos por la líneas, en donde se detecta nuevamente
congestión por los corredores (3 ─ 5) y (4 ─ 6). El sentido común diría que se debería ampliar
nuevamente la capacidad de los corredores con congestión, entrando así, en un nuevo proceso
iterativo que puede resultar largo. Habitualmente este fenómeno de redistribución de flujos cada
vez que se amplía la capacidad ocurre en redes enmalladas, requiriéndose para estos casos
evaluar una gran cantidad de configuraciones.

Para ayudar a determinar una configuración óptima que respete la restricción de

congestión derivada de la incertidumbre, se aplica la estrategia simulated annealing, la cual
entregará la mejor solución después de visitar una gran cantidad de configuraciones. Utilizando
este algoritmo se determina que la solución óptima es: 4 líneas en el tramo (2 – 6); 2 líneas en el
tramo (3 – 5) y 3 líneas en el tramo (4 – 6), con un costo de inversión de MUSD 250. La tabla
5.5 muestra los resultados del flujo de potencia difuso para las líneas existentes, mientras que la
Tabla 5.6, los flujos para las líneas nuevas instaladas.

162
 Tabla 5.5: Flujos difusos para red optimizada con incertidumbre, líneas existentes
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
1 1 2 -0,7361 -0,6193 -0,5024 0,2337 1,0000 0,0000 0,0000
2 1 4 -0,5875 -0,5070 -0,4266 0,1608 0,8000 0,0000 0,0000
3 1 5 0,1456 0,3263 0,5070 0,3615 1,0000 0,0000 0,0000
4 2 3 0,7539 0,8736 0,9932 0,2393 1,0000 0,0000 0,0000
5 2 4 -0,1713 -0,1413 -0,1113 0,0600 1,0000 0,0000 0,0000
6 3 5 0,6489 0,6912 0,7336 0,0847 1,0000 0,0000 0,0000

Tabla 5.6: Flujos difusos para red optimizada con incertidumbre, líneas nuevas
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
18 2 6 -3,8373 -3,7515 -3,6658 0,1715 4,0000 0,0000 0,0000
20 3 5 1,2978 1,3825 1,4671 0,1694 2,0000 0,0000 0,0000
23 4 6 -2,3238 -2,2484 -2,1729 0,1509 3,0000 0,0000 0,0000

En este caso se observa que no se presentan congestiones por las líneas, sin embargo, el
costo de inversión de elevó 2,27 veces con respecto al caso determinista. En el diseño se empleo
el criterio de no permitir corredores con posibilidad de excedencia superior a 30%. Una forma de
interpretar este procedimiento de diseño de redes sería que el plan obtenido es robusto, ya que
este soporta cualquier escenario en donde la demanda en cualquier parte del sistema varié entre
un ± 5% para los consumos y ± 0.5% para los generadores.

5.4 Sistema Interconectado Central

Como una forma de validar la metodología propuesta en sistemas de tamaño real, se
incluye una planificación para el Sistema Interconectado Central de Chile (SIC). La red a
simular tiene 53 nudos, 214 generadores, 51 líneas existentes, 23 transformadores existentes, 46
líneas candidatas y 14 transformadores candidatos. Los principales antecedentes se tomaron de
las base de datos de la fijación de precios de nudos de octubre de 2009 [152]. De esta fijación, se
utilizó la versión optimizada de la red que usa el programa OSE2000, la demanda, el plan de
obras de generación y la tasa de crecimiento de la demanda. Por otra parte, de los informes
emanados por el ETT periodo 2011-2014 se extrajeron antecedentes de líneas y transformadores
candidatos. Se prepararon así 46 candidatos en líneas y 14 en transformadores (60 variables de
decisión). Las opciones de inversión son a criterio de esta investigación, por lo que los
resultados no necesariamente serán similares de los del ETT 2011-2014. Adicionalmente, las
capacidades de los tramos en 110 kV tanto de líneas y transformadores, se ajustaron a valores
suficientemente altos con el fin de evitar saturaciones. Este ajuste se hizo con la intención de
163
concentrarse en el diseño de la red troncal del sistema y no en el área de subtramisión. La
condición operativa simulada corresponde a una hidrología húmeda (se considera que no se
presentan limitaciones de agua en los embalses) con una demanda central de 6301 MW a
comienzos del año 2009. Tal como se explicó en el capítulo 4, esta condición equivale a tener un
único escenario. Para el sistema SIC es más significativo evaluar un caso con hidrología húmeda
en vez de seca o media, dado que con mayor frecuencia los flujos van desde el sur a la región
metropolitana, por lo que es altamente deseable evitar que el diseño tenga congestiones en el
tramo sur – región metropolitana. Sin embargo, esto no descarta el hecho que sería más
ventajoso analizar más de un escenario. Pero en esta sección lo que se intenta validar es la
metodología en presencia de incertidumbre y sin incertidumbre. El horizonte de análisis es el
periodo 2009 – 2020. Se ha considerado la presencia de un 5% de incertidumbre para la tasa de
crecimiento en la demanda y un 0,5% para las potencias generadas. Estos valores son sólo
referenciales para propósito de evaluar el algoritmo propuesto, de manera que no representan
tendencias históricas o percepción de algún experto. Para representar la incertidumbre se usan
funciones triangulares. Se supone independencia total entra cada par de potencias consumidas y
generadas. Los datos del sistema junto con resultados de las simulaciones se muestran en el
anexo G. Asimismo, la Tabla 5.7 muestra una versión reducida de las 46 líneas candidatas
preparadas.

Como metodología de análisis, se ejecutarán dos casos, el primero consiste en una

planificación determinista de una etapa. El segundo caso consiste en una planificación con
incertidumbre para las mismas condiciones.

5.4.1 Planificación determinista

Como primer punto se sintonizan los parámetros del algoritmo de simulated annealing
(SA). Después de realizadas varias simulaciones se determinó que con los siguientes parámetros
se obtienen los mejores resultados: Tfinal = 1x10-3Tinicial , tasa de enfriamiento 0.85, número de
iteraciones por estado energético 3/2nv, donde nv es el número de circuitos candidatos, que para
este caso es 60. Los proyectos candidatos se evaluaron con una tasa de retorno de10% para la
vida útil económica (VUE) de cada proyecto. El criterio de desprendimiento de carga para el
sistema es no permitir una pérdida de carga superior al 1% de la demanda total. Este valor es
bastante exigente y prácticamente implica que no se permite fallas en el sistema. Si este valor se
164
relajara, por ejemplo 30%, los planes que se obtendrían serían más económicos. Esto está más de
acuerdo a la legislación chilena, en donde se minimiza el costo de inversión, operación y falla.
Sin embargo, en este caso se usó un criterio exigente para forzar al algoritmo a realizar
búsquedas más exhaustivas.

Tabla 5.7: Líneas candidatas seleccionadas para la planificación

No Node 1 Node 2 R [pu] X [pu] Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL km
101 Maitencillo500 Cardones500 0,0013 0,0145 13,80 500,0 2 39,660 0,571 50 132,4
102 PandeAzucar500 Cardones500 0,0031 0,0356 13,80 500,0 2 97,323 1,401 50 324,9
103 PandeAzucar500 Maitencillo500 0,0020 0,0229 13,80 500,0 2 62,665 0,902 50 209,2
104 PandeAzucar500 Nogales500 0,0032 0,0358 13,80 500,0 2 97,862 1,409 50 326,7
105 LosVilos500 Nogales500 0,0009 0,0100 13,80 500,0 2 27,259 0,392 50 91,0
106 Nogales500 Polpaico500 0,0007 0,0082 13,80 500,0 2 22,496 0,324 50 75,1
107 AltoJahuel500 Polpaico500 0,0008 0,0088 13,80 500,0 2 24,084 0,347 50 80,4
108 LoAguirre500 Polpaico500 0,0003 0,0033 13,80 500,0 2 9,106 0,131 50 30,4
109 LoAguirre500 AltoJahuel500 0,0005 0,0055 13,80 500,0 2 14,977 0,216 50 50,0
110 Ancoa500Aux AltoJahuel500 0,0025 0,0283 13,80 500,0 2 77,283 1,113 50 258,0
111 Charrua500 Ancoa500 0,0019 0,0215 13,80 500,0 2 58,861 0,847 50 196,5
112 Charrua500 Cautin500 0,0019 0,0210 13,80 500,0 2 57,393 0,826 50 191,6
113 Cautin500 Valdivia500 0,0015 0,0167 13,80 500,0 2 45,531 0,656 50 152,0
114 DiegodeAlmagro220 Cardones220 0,0313 0,1224 2,90 220,0 4 22,730 0,471 50 151,9
115 PandeAzucar220 LosVilos220 0,0469 0,1837 2,90 220,0 4 34,117 0,707 50 228,0
116 LosVilos220 Nogales220 0,0187 0,0733 2,90 220,0 4 13,617 0,282 50 91,0
117 Nogales220 Quillota220 0,0069 0,0270 2,90 220,0 4 5,013 0,104 50 33,5
118 Quillota220 Polpaico220 0,0087 0,0342 2,90 220,0 4 6,360 0,132 50 42,5
119 Polpaico220 ElSalto220 0,0103 0,0402 2,90 220,0 4 7,467 0,155 50 49,9
120 Ancoa220 Itahue220 0,0134 0,0524 2,90 220,0 4 9,726 0,202 50 65,0
121 Valdivia220 Cautin220 0,0313 0,1225 2,90 220,0 4 22,745 0,471 50 152,0
122 PuertoMontt220 Valdivia220 0,0412 0,1612 2,90 220,0 4 29,928 0,620 50 200,0
123 PuertoMontt220 BarroBlanco220 0,0206 0,0806 2,90 220,0 4 14,964 0,310 50 100,0
124 PuertoMontt220 Temuco220 0,0648 0,2538 2,90 220,0 4 47,136 0,977 50 315,0
125 Temuco220 Cautin220 0,0021 0,0081 2,90 220,0 4 1,496 0,031 50 10,0
126 Itahue220 AltoJahuel220 0,0321 0,1257 2,90 220,0 4 23,344 0,484 50 156,0
127 Cardones220 Maitencillo220 0,0136 0,0794 5,80 220,0 4 31,851 0,650 50 132,6
128 Maitencillo220 PandeAzucar220 0,0202 0,1177 5,80 220,0 4 47,223 0,963 50 196,6
129 PandeAzucar220 LosVilos220 0,0202 0,1177 5,80 220,0 4 47,223 0,963 50 196,6
130 LosVilos220 Nogales220 0,0234 0,1365 5,80 220,0 4 54,766 1,117 50 228,0
131 Nogales220 Quillota220 0,0034 0,0201 5,80 220,0 4 8,047 0,164 50 33,5
132 Quillota220 Polpaico220 0,0044 0,0254 5,80 220,0 4 10,209 0,208 50 42,5
133 Itahue220 AltoJahuel220 0,0160 0,0934 5,80 220,0 4 37,471 0,764 50 156,0
134 Charrua220 Cautin220 0,0197 0,1147 5,80 220,0 4 46,022 0,939 50 191,6
135 Cautin220 Valdivia220 0,0156 0,0910 5,80 220,0 4 36,510 0,745 50 152,0
136 Valdivia220 PuertoMontt220 0,0205 0,1197 5,80 220,0 4 48,040 0,980 50 200,0
137 PuertoMontt220 BarroBlanco220 0,0103 0,0599 5,80 220,0 4 24,020 0,490 50 100,0
138 PuertoMontt220 Temuco220 0,0323 0,1885 5,80 220,0 4 75,663 1,544 50 315,0
139 Temuco220 Cautin220 0,0010 0,0060 5,80 220,0 4 2,402 0,049 50 10,0
140 AltoJahuel220 Chena220 0,0042 0,0216 5,20 220,0 4 3,563 0,084 50 26,8
141 LosAlmendros220 ElSalto220 0,0034 0,0129 2,12 220,0 4 2,298 0,029 50 12,0
142 Chena220 CerroNavia220 0,0026 0,0099 1,97 220,0 4 2,316 0,059 50 12,1
143 Quillota220 Polpaico220 0,0020 0,0242 10,00 220,0 4 10,570 0,233 30 42,5
144 SanLuis220 Quillota220 0,0004 0,0043 11,76 220,0 4 6,766 0,166 30 4,5
145 AguaSanta220 Polpaico220 0,0054 0,0413 5,78 220,0 4 14,471 0,323 30 58,0
146 CerroNavia220 Lampa220 0,0028 0,0110 3,10 220,0 4 2,263 0,083 30 13,2

5.4.1 Planificación determinista

Como primer punto se sintonizan los parámetros del algoritmo de simulated annealing
(SA). Después de realizadas varias simulaciones se determinó que con los siguientes parámetros

165
se obtienen los mejores resultados: Tfinal = 1x10-3Tinicial , tasa de enfriamiento 0.85, número de
iteraciones por estado energético 3/2nv, donde nv es el número de circuitos candidatos, que para
este caso es 60. Los proyectos candidatos se evaluaron con una tasa de retorno de10% para la
vida útil económica (VUE) de cada proyecto. El criterio de desprendimiento de carga para el
sistema es no permitir una pérdida de carga superior al 1% de la demanda total. Este valor es
bastante exigente y prácticamente implica que no se permite fallas en el sistema. Si este valor se
relajara, por ejemplo 30%, los planes que se obtendrían serían más económicos. Esto está más de
acuerdo a la legislación chilena, en donde se minimiza el costo de inversión, operación y falla.
Sin embargo, en este caso se usó un criterio exigente para forzar al algoritmo a realizar
búsquedas más exhaustivas.

Las Tablas 5.8 y 5.9 presentan el plan de obras en transmisión que debe ser ejecutado
para cumplir con los requerimientos del sistema entre el periodo 2010 - 2020.

Tabla 5.8: Plan de obras en líneas a ejecutar en el periodo 2010 - 2020

No Node 1 Node 2 Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL km Conductor
102 PandeAzucar500 Cardones500 13,80 500,0 1 97,323 1,401 50 324,9 4xACAR 700 MCM
111 Charrua500 Ancoa500 10,00 500,0 1 58,861 0,847 50 196,5 4xACAR 700 MCM
114 DiegodeAlmagro220 Cardones220 2,90 220,0 1 22,730 0,471 50 151,9 1xAAAC FLINT 740.8 MCM
119 Polpaico220 ElSalto220 2,90 220,0 2 7,467 0,155 50 49,9 1xAAAC FLINT 740.8 MCM
120 Ancoa220 Itahue220 2,90 220,0 2 9,726 0,202 50 65,0 1xAAAC FLINT 740.8 MCM
122 PuertoMontt220 Valdivia220 2,90 220,0 1 29,928 0,620 50 200,0 1xAAAC FLINT 740.8 MCM
129 PandeAzucar220 LosVilos220 5,80 220,0 1 47,223 0,963 50 196,6 2xAAAC FLINT 740,8 MCM
134 Charrua220 Cautin220 5,80 220,0 1 46,022 0,939 50 191,6 2xAAAC FLINT 740,8 MCM
142 Chena220 CerroNavia220 1,97 220,0 1 2,316 0,059 50 12,1 CNE OCT2009
145 AguaSanta220 Polpaico220 5,78 220,0 1 14,471 0,323 30 58,0 CNE OCT2009

Tabla 5.9: Plan de obras en transformadores a ejecutar en el periodo 2010 – 2020

No Node 1 Node 2 Max [pu] Ncirc Inv MUSD O&M MUSD VUET
202 PandeAzucar500 PandeAzucar220 7,50 1 20,45 0,294 30
206 LoAguirre500 LoAguirre220 7,50 2 20,45 0,294 30
207 AltoJahuel500 AltoJahuel220 7,50 2 20,45 0,294 30
209 Charrua500 Charrua220 7,50 1 20,45 0,294 30
213 AltoJahuel220 AltoJahuel154 3,00 1 13,70 0,206 30
214 Itahue220 Itahue154 3,00 1 13,70 0,206 30

Se aprecia en la Tabla 5.8 que en el nivel de 500 kV, se requiere instalar una torre de 2 x
500 kV con el tendido del primer circuito en los tramos Pan de Azúcar – Cardones, y Charrúa –
Ancoa. Para el sector norte y en un nivel de 220 kV, se debe instalar una torre de 2 x 220 kV con
166
el tendido del primer circuito entre el tramo Diego de Almagro – Cardones y en el tramo Pan de
Azúcar - Los Vilos. En el área centro del sistema se reforzarán los siguientes tramos: Polpaico
– El Salto con una torre de 2 x 220 kV con el tendido de los dos circuitos, el tramo Chena –
Cerro Navia con el tendido del primer circuito y el enlace Agua Santa – Polpaico también con el
tendido del primer circuito. Hacia el sur de la región metropolitana, se reforzará el enlace Ancoa
– Itahue en 220 kV con una torre con doble circuito con los dos circuitos tendidos. Finalmente,
en el extremo sur del sistema se instalará una torre de doble circuito con el tendido del primer
circuito entre los tramos Charrúa – Cautín y Valdivia – Puerto Montt.

Por el lado de los transformadores se realizarán los siguientes refuerzos: a) nivel

500/220 kV; en S/E Pan de Azúcar una unidad de 7.5 MVA, en S/E Lo Aguirre 2 unidades de
7,5 MVA, en S/E Alto Jahuel 2 unidades de 7,5 MVA y en S/E Charrúa 1 unidad de 7,5 MVA.
b) en el nivel de 220/154 kV, 1 unidad en S/E Alto Jahuel y 1 unidad en S/E Itahue.

El costo de inversión total de esta solución es 503,67 millones de dólares (MUSD).

Para la solución determinista se analizan a continuación las líneas que podrían exceder
el nivel de sobrecarga permitido. En razón a esto se ejecuta un flujo de potencia difuso con el
cual se determinan las funciones de posibilidad de los flujos. Las Tablas 5.10 a 5.14, presentan
los resultados de los flujos para los tramos que presentarían sobrecarga en presencia de
incertidumbre en la demanda y generación.

Tabla 5.10: Flujos difusos para líneas existentes sobrecargadas periodo 2010 – 2020
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
1 DiegodeAlmagro220 CarreraPinto220 -3,8438 -0,9129 2,0179 5,8616 2,2000 0,1573 0,0000
2 CarreraPinto220 Cardones220 -4,1916 -1,2696 1,6524 5,8440 2,2000 0,2323 0,0000
4 Maitencillo220 PandeAzucar220 -4,5492 -2,5537 -0,5582 3,9910 2,5900 0,4820 0,0000
5 PandeAzucar220 LosVilos220 -5,7470 -2,7412 0,2647 6,0117 2,7400 0,5004 0,0000
6 LosVilos220 Nogales220 -5,0980 0,1908 5,4796 10,5775 3,2000 0,0644 0,0929
7 Nogales220 Quillota220 0,5441 2,5964 4,6488 4,1047 3,2000 0,0000 0,2492
12 AltoJahuel220 Chena220 2,1059 2,5783 3,0507 0,9448 2,6000 0,0000 0,4552
27 Polpaico220 ElSalto220 2,7323 3,0651 3,3979 0,6656 3,2300 0,0000 0,1273
39 Itahue220 AltoJahuel220 3,5513 3,8003 4,0494 0,4981 4,0000 0,0000 0,0196

Tabla 5.11: Flujos difusos para transformadores existentes sobrecargadas periodo 2010 – 2020

167
Tranf Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
6 Polpaico500 Polpaico220 6,6392 7,3899 8,1405 1,5014 7,7126 0,0000 0,1625
7 Polpaico500 Polpaico220 6,6392 7,3899 8,1405 1,5014 7,7126 0,0000 0,1625
21 Charrua500 Charrua220 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000
22 Charrua500 Charrua220 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000
23 Charrua500 Charrua220 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000

Tabla 5.12: Flujos difusos para líneas candidatas sobrecargadas periodo 2010 – 2020
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
114 DiegodeAlmagro220 Cardones220 -3,9178 -1,0625 1,7927 5,7105 2,9000 0,0635 0,0000

Tabla 5.13: Flujos difusos para transformadores candidatos sobrecargadas periodo 2010 – 2020
Tranf Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper
207 AltoJahuel500 AltoJahuel220 14,1489 14,7893 15,4298 1,2809 15,0000 0,0000 0,2251

Considerando un criterio de diseño de 30% de posibilidad de excedencia para el sistema,

se observa que las líneas: Maitencillo – Pan de Azúcar, Pan de Azúcar – Los Vilos y Alto Jahuel
– Chena exceden este criterio por lo que se requiere ejecutar una planificación con
incertidumbre. El uso de un criterio de 30% para la posibilidad de excedencia, tiene un sentido
práctico, puesto que realizó consultas con expertos que han participado en los ETT, quienes
opinan que cuando un corredor tiene una probabilidad de excedencia superior al 20%, la línea
habitualmente se justifica económicamente. En este estudio se usó 30% para asegurarse de que
los corredores elegibles habrían sido considerados en el caso de que algún experto hubiese
analizado el problema.

5.4.2 Planificación con incertidumbre

Para el diseño de la red con incertidumbre, se considerará que existe incertidumbre en
los consumos de ±5% y en los generadores de ±0.5%. El criterio de diseño será que el flujo
promedio de las líneas tenga una posibilidad de excedencia menor al 30% y que la máxima
posibilidad de excedencia de cualquier línea sea menor al 30%. Los parámetros utilizados para el
algoritmo de SA son los mismos que se utilizaron en la sección 5.4.1 para la planificación
determinista.

Las Tablas 5.14 y 5.15 muestran los resultados obtenidos para la planificación con
incertidumbre. Los nuevos circuitos que aparecen son: Maitencillo – Pan de Azúcar 1 x 220 kV,
Pan de Azúcar – Nogales en 1 x 500 kV, Los Vilos - Nogales 1 x 220 kV, (estas últimas 2 líneas
168
reemplazan la línea Pan de Azúcar – Los Vilos 1 x 220 kV del caso determinista), línea Itahue –
Alto Jahuel 1 x 220 kV, y línea Alto Jahuel – Chena 1 x 220 kV. Para los transformadores, no se
incluye el transformador de 500/220 kV de la S/E Pan de Azúcar. El costo de esta solución es
628.71 MUSD, esto es, 125.36 MUSD más que la solución determinista, lo que equivale a un
24.9% más caro que el plan determinista. El sobre costo que hay que pagar por tener un plan
robusto frente a incertidumbre en la demanda es equivalente a una línea de 2 x 500 kV de 200
km, tal como la que existe entre las subestaciones Ancoa y Alto Jahuel.

Tabla 5.14: Plan de obras en líneas a ejecutar con incertidumbre en el periodo 2010 - 2020
No Node 1 Node 2 Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL km Conductor
102 PandeAzucar500 Cardones500 13,80 500,0 1 97,323 1,401 50 324,9 4xACAR 700 MCM
104 PandeAzucar500 Nogales500 13,80 500,0 1 97,862 1,409 50 326,7 4xACAR 700 MCM
111 Charrua500 Ancoa500 10,00 500,0 1 58,861 0,847 50 196,5 4xACAR 700 MCM
114 DiegodeAlmagro220 Cardones220 2,90 220,0 1 22,730 0,471 50 151,9 1xAAAC FLINT 740.8 MCM
116 LosVilos220 Nogales220 2,90 220,0 1 13,617 0,282 50 91,0 1xAAAC FLINT 740.8 MCM
119 Polpaico220 ElSalto220 2,90 220,0 2 7,467 0,155 50 49,9 1xAAAC FLINT 740.8 MCM
120 Ancoa220 Itahue220 2,90 220,0 3 9,726 0,202 50 65,0 1xAAAC FLINT 740.8 MCM
122 PuertoMontt220 Valdivia220 2,90 220,0 1 29,928 0,620 50 200,0 1xAAAC FLINT 740.8 MCM
126 Itahue220 AltoJahuel220 2,90 220,0 1 23,344 0,484 50 156,0 1xAAAC FLINT 740.8 MCM
128 Maitencillo220 PandeAzucar220 5,80 220,0 1 47,223 0,963 50 196,6 2xAAAC FLINT 740,8 MCM
134 Charrua220 Cautin220 5,80 220,0 1 46,022 0,939 50 191,6 2xAAAC FLINT 740,8 MCM
140 AltoJahuel220 Chena220 5,20 220,0 1 3,563 0,084 50 26,8 CNE OCT2009
145 AguaSanta220 Polpaico220 5,78 220,0 1 14,471 0,323 30 58,0 CNE OCT2009

Tabla 5.14: Plan de obras en transformadores a ejecutar con incertidumbre en periodo 2010-2020
No Node 1 Node 2 Max [pu] Ncirc Inv MUSD O&M MUSD VUET
206 LoAguirre500 LoAguirre220 7,50 2 20,45 0,294 30
207 AltoJahuel500 AltoJahuel220 7,50 2 20,45 0,294 30
209 Charrua500 Charrua220 7,50 1 20,45 0,294 30
213 AltoJahuel220 AltoJahuel154 3,00 1 13,70 0,206 30
214 Itahue220 Itahue154 3,00 1 13,70 0,206 30

Para verificar si este plan cumple con las exigencias de sobrecargas exigidas, en las
Tablas 5.15 a 5.18 se muestran las funciones de posibilidad de los flujos por líneas y
transformadores, tanto existentes como candidatos.

Tabla 5.15: Flujos difusos para líneas existentes sobrecargadas periodo 2010 – 2020

169
 Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper Node 1 Node 2
1 1 2 -3,8438 -0,9129 2,0179 5,8616 2,2000 0,1573 0,0000 DiegodeAlmagro220 CarreraPinto220
2 2 3 -4,1916 -1,2696 1,6524 5,8440 2,2000 0,2323 0,0000 CarreraPinto220 Cardones220
4 5 7 -3,1767 -1,8790 -0,5814 2,5953 2,5900 0,1022 0,0000 Maitencillo220 PandeAzucar220
5 7 9 -4,0448 -2,2721 -0,4994 3,5454 2,7400 0,2709 0,0000 PandeAzucar220 LosVilos220
7 11 13 0,4530 2,5060 4,5590 4,1060 3,2000 0,0000 0,2191 Nogales220 Quillota220
12 34 30 1,9943 2,3569 2,7195 0,7252 2,6000 0,0000 0,0543 AltoJahuel220 Chena220

Tabla 5.16: Flujos difusos para transformadores existentes sobrecargadas periodo 2010 – 2020
Tranf Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper Node 1 Node 2
6 20 19 6,5714 7,3189 8,0664 1,4951 7,7126 0,0000 0,1120 Polpaico500 Polpaico220
7 20 19 6,5714 7,3189 8,0664 1,4951 7,7126 0,0000 0,1120 Polpaico500 Polpaico220
21 44 45 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000 Charrua500 Charrua220
22 44 45 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000 Charrua500 Charrua220
23 44 45 -6,5270 -6,1254 -5,7237 0,8033 6,5000 0,0023 0,0000 Charrua500 Charrua220

Tabla 5.17: Flujos difusos para líneas candidatas sobrecargadas periodo 2010 – 2020
Line Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper Node 1 Node 2
114 1 3 -3,9178 -1,0625 1,7927 5,7105 2,9000 0,0635 0,0000 DiegodeAlmagro220 Cardones220

Tabla 5.18: Flujos difusos para transformadores candidatos sobrecargadas periodo 2010 – 2020
Tranf Node 1 Node 2 F(a) F(b) F(c) Support F Max Ind Lower Ind Upper Node 1 Node 2
207 32 34 13,8677 14,4933 15,1189 1,2513 15,0000 0,0000 0,0181 AltoJahuel500 AltoJahuel220

De las líneas presentadas en las Tablas 5.15 a 5.18, la que presenta la mayor sobrecarga
es Pan de Azúcar – Los Vilos, con una posibilidad de excedencia de 27,09%, esto responde
plenamente al criterio de diseño que se impuso al plan, por lo que se puede concluir que la
metodología desarrollada cumple satisfactoriamente con el objetivo perseguido.

5.5 Comentarios finales

El tiempo de proceso utilizado por el algoritmo de planificación para obtener los
resultados para el caso determinista fue 1067 segundos (17,8 minutos), mientras que para el caso
con incertidumbre fue 1090 segundos (18,2 minutos). Esto muestra la potencialidad de la
metodología propuesta ya que sólo se requiere de algunos segundos más, para procesar un
complejo problema como es el de la incertidumbre. En el enfoque planteado, las funciones de
posibilidad de los flujos en las líneas se han modelado como restricciones, lo cual impone una
exigencia alta al plan de inversiones, puesto que se obliga a que todas las líneas satisfagan el

170
criterio de diseño. Una alternativa a este enfoque consistes en incorporar el índice de posibilidad
de sobrecarga en la función objetivo, de esta manera se minimizarían los costos de inversión,
operación, falla y sobrecargas. Sin embargo, bajo esta metodología se requeriría valorar el efecto
de las sobrecargas, lo cual no es un problema fácil de resolver. Este puede ser un interesante
enfoque para enfrentar el problema, el cual puede ser explotado en investigaciones futuras.

171
 Capítulo 6. Conclusiones

En esta tesis se ha presentado una metodología que permite resolver el problema de

cálculo de la operación de un sistema de potencia incluyendo incertidumbre, y su aplicación al
problema de planificación de la expansión de sistemas de transmisión. En la herramienta
desarrollada para la operación del sistema, se utilizó teoría de conjuntos difusos, generándose un
algoritmo denominado flujo de potencia difuso DC. Este algoritmo se usa como soporte en el
desarrollo de un segundo algoritmo con el que se resuelve la planificación de la expansión de la
red de transmisión considerando incertidumbre. De la investigación realizada, y de los
desarrollos y simulaciones ejecutadas para este trabajo, se pueden extraer las siguientes
conclusiones.

6.1 Principales conclusiones

1. De la revisión de la teoría de incertidumbre se puede decir que en la actualidad la
teoría de posibilidad cuenta con suficiente respaldo matemático como para ser
aceptada como una herramienta para el análisis de incertidumbre, constituyéndose
de esta manera en una alternativa más amplia que la teoría de probabilidad para
analizar la incertidumbre. Su similitud matemática con las funciones de membrecía
permiten construir un puente con la teoría de conjunto difusos. Esto ha permitido
que la incertidumbre tipo vaga, la que ha sido principalmente representada a través
de conjuntos difusos, tenga una interpretación matemática, además de la ya
conocida interpretación lingüística.

2. En el capítulo 3 se presentaron dos ecuaciones que permiten realizar restas de

números difusos, (3.79) y (3.80). En esta tesis se ha demostrado que (3.79) se debe
aplicar cuando los números difusos involucrados tienen un grado de dependencia,
mientras que (3.80) se debe aplicar sólo cuando los números difusos son
absolutamente independientes. El hecho de disponer de una fórmula que permita
realizar restas de números difusos dependientes, se constituye en una herramienta
poderosa que ayudará a reducir extensos y complejos cálculos que se requieren al
operar con variables no deterministas.

172
3. Considerando la existencia de dos métodos para calcular restas de números difusos,
se han desarrollado dos algoritmos para calcular flujos de potencia difusos: La
metodología 1, que usa (3.79) para calcular los flujos por las líneas, y la
metodología 2 que usa (3.80). Estas metodologías se aplicaron a diferentes sistemas
de prueba concluyéndose que: i) La metodología 1 es apta para redes de topología
radial y no debería ser aplicada en redes de topología anillada. ii) la metodología 2
es útil para ser aplicada en redes anilladas y radiales.

4. En el capítulo 4 se demostró que en redes de topología radial los ángulos de voltajes

en los nudos son consecutivamente dependientes, esto es, el ángulo en una
determinada barra es dependiente de todos los ángulos aguas abajo de esa barra.
Esta puede ser la razón de porque la metodología 1 opera adecuadamente en redes
de topología radial. Esta conclusión es válida para redes modeladas en forma lineal
(DC). Para redes en corriente alterna, esto efecto debe ser estudiado.

5. Los métodos de flujos de potencia desarrollados se probaron en diferentes sistemas

de pruebas; pequeños y reales. Los resultados permiten concluir que no existen
limitaciones de tamaño de red en su aplicación. Sin embargo, el elemento que debe
ser mantenido bajo control es la incertidumbre total del sistema, la que depende del
número total de fuentes independientes. Esta limitante se debe a que la barra de
referencia debe asumir toda la incertidumbre del sistema, de manera que si esta es
muy grande, pueden obtenerse resultados inconsistentes, tales como, exceder la
capacidad del generador de la barra de referencia.

6. Tomando como base el flujo de potencia difuso, se desarrolló una metodología para
planificar la red de transmisión considerando la incertidumbre. Las principales
conclusiones sobre esta materia son:

i) La metodología desarrollada es una primera aproximación para incorporar la

incertidumbre en un proceso de planificación de la transmisión. Se han
realizado algunas suposiciones que limitan los alcances de los resultados. Una
173
 de ellas es el uso de escenarios para modelar incertidumbre hidrológica o
eólica. Este hecho aumenta la complejidad del problema y los tiempos de
procesos, lo que limita la ventaja de la propuesta, la que intenta reducir estos
atributos. Basado en este hecho, los dos casos analizados consideraron un
único escenario de generación, por lo que las conclusiones obtenidas son
válidas en este contexto.
ii) Mediante la metodología propuesta, es posible obtener un plan óptimo de las
obras de transmisión considerando la incertidumbre en tiempos muy similares
a los requeridos por una metodología determinista. Se requiere tan sólo de
alrededor de un 2.2% más de tiempo del que se requiere para resolver el
problema determinista para un sistema como el SIC.
iii) Los planes de inversión en transmisión obtenidos considerando incertidumbre
son más costosos que los obtenidos con la metodología determinista. Esto se
debe a que la incertidumbre se ha modelado como una restricción en el proceso
de toma de decisiones, de manera que el plan obtenido satisface todos los
escenarios de incertidumbre de demanda y generación impuestos. Desde este
punto de vista el plan obtenido es robusto frente a la incertidumbre en la
demanda y generación.
iv) Para el caso del sistema SIC analizado, la planificación considerando
incertidumbre implica un aumento de inversión de 125.36 MUSD (24.9%) con
respecto al caso sin considerar la incertidumbre. Esto equivalente al costo de
una línea de doble circuito de 500 kV de 200 km de longitud
v) La planificación considerando incertidumbre implica un aumento de costo en
las obras del sistema. A cambio de esto se tienen redes más robustas. La
metodología desarrollada permite cuantificar esta alternativa, de manera de
evaluar con mayor certeza la conveniencia de tomar este tipo de decisiones.

6.2 Principales aportes de la tesis

Los principales aportes entregados por esta tesis son:

1. Se ha deducido una nueva fórmula que permite realizar operaciones de restas entre
números difusos dependientes.
174
 2. Se han formulado y desarrollado dos nuevas metodologías para el cálculo de flujos
de potencia difuso. La primera, metodología A, permite trabajar con redes de
topología radial de manera eficiente. La segunda, metodología B permite trabajar
con redes de topología anillada y radial [40]. La metodología B requiere de más
cálculos que la metodología A, y es una alternativa al algoritmo propuesto por
Miranda [132], que se basa en linealización, y a lo propuesto por Matos [138], que
está basado en optimización. Adicionalmente, esta metodología fue sometida a
revisión internacional

3. Se ha demostrado que en redes representadas en forma lineal (DC), y con topología

radial, los ángulos de los voltajes en las barras son consecutivamente dependientes
a los ángulos de las barras vecinas, es decir, el ángulo en una barra depende de
todos los ángulos de las barras aguas abajo. Este hecho es el que permite que se
pueda usar la metodología A en este tipo de redes, la cual es más eficiente.

4. Se ha desarrollado una nueva metodología que permite considerar la incertidumbre

en el proceso de planificación de redes de transmisión. Esta metodología tiene la
ventaja de ser muy simple de implementar computacionalmente, fácil de
comprender, y con costos de procesamiento computacional muy reducido.

6.3 Trabajos futuros

Las futuras investigaciones que se perciben como continuación de estas tesis son las
siguientes:

1. Incluir pérdidas en modelos de flujos de potencia difusos y realizar comparaciones

entre metodologías A y B.

2. Extender la metodología de flujo de potencia difuso DC a redes de corriente alterna.

175
 3. En esta tesis se ha usado como estrategia descomponer el problema de operación en
un problema de optimización determinista y un problema de flujo de potencia
difuso. El próximo paso sería extender el algoritmo para resolverlo como de
programación lineal difusa. La comparación de este algoritmo con la metodología
propuesta podría validar aún más la propuesta hecha en esta tesis.

4. Representar de manera distinta la incertidumbre. Para esto una alternativa sería

incluir en la función objetivo el tema de la incertidumbre. Esto podría implicar
valorar económicamente el índice de excedencia.

6.4 Recomendaciones para el sistema chileno

En el capítulo 2 se hizo una revisión extensa de los procesos de planificación que se
han realizado en el sistema de transmisión troncal en Chile. De esta revisión se concluyó que si
bien el ETT realizado por el consultor se ha ido perfeccionando (se aumentó el horizonte de
estudio a 15 años, se incorporaron más escenarios de generación, se usó criterio de min-max
arrepentimiento en la decisión de algunos proyectos), la decisión final de que obras se realizarán
emana de la revisión anual que hace el CDEC. La perspectiva que tiene el CDEC es más
limitada ya que las revisiones anuales no hacen un análisis explicito de escenarios, no consideran
horizonte de análisis tan extendido como el ETT, no se incluye análisis de incertidumbre en la
demanda. De esta manera, para perfeccionar el proceso de toma de decisiones se recomienda
aumentar las atribuciones y obligaciones del CDEC en lo siguiente:

i) Tomar como horizonte de análisis a lo menos los 15 años que se consideraron en

ETT.
ii) Realizar un análisis explícito de los escenarios de generación para el periodo de
estudio.
iii) Aplicar criterio de toma de decisiones bajo riesgo cuando corresponda.
iv) Considerar la posibilidad de incluir incertidumbre en la demanda para obtener
planes más robustos. Aunque esto no es parte del procedimiento definido en la ley,
se podría iniciar un debate en torno al tema.

176
 Referencias

[1] A. Escobar, R. Gallego and R. Romero, "Multistage and coordinated planning of the
expansion of transmission systems," IEEE Transactions on Power Systems, vol. 19, no. 2, pp.
735-744, May 2004.

[2] G. Latorre-Bayona, «Modelos estáticos para la planificación a largo plazo de la red de

transporte de energía eléctrica,» Madrid, España, 1993.

[3] G. Latorre, D. Cruz, J. Areiza and A. Villegas, "Classification of publications and model on
transmission expansion planning," IEEE Transactions on Power Systems, vol. 18, no. 2, pp.
938-945, May 2003.

[4] H. Rudnick, R. Palma, R. Cura and C. Silva, "Economically adapted transmission systems in
open access schemes – Application of genetic algorithms," IEEE Transactions on Power
Systems, vol. 11, no. 3, pp. 1427-1440, August 1996.

[5] A. Sharifnia and H. Aashitieni, "Transmission network planning: a method for synthesis of
minimum-cost secure networks," IEEE Transactions on Power Apparatus and Systems, Vols.
PAS-104, no. 8, pp. 2026-2034, August 1995.

[6] M. d. E. F. y. R. República de Chile, Ley 19.940: Regula sistemas de transporte de energía

eléctrica, establece un nuevo régimen de tarifas para sistemas eléctricos medianos e
introduce las adecuaciones que indica a la Ley General de Servicios Eléctricos, 2004.

[7] R. Fang and D. Hill, "A new strategy for transmission expansion in competitive electricity
markets," IEEE Transactions on Power Systems, vol. 18, no. 1, pp. 374-380, February 2003.

[8] J. Contreras and F. Wu, "A kernel-oriented algorithm for transmission expansion planning,"
IEEE Transactions on Power Systems, vol. 15, no. 4, pp. 1434-1440, November 2000.

[9] M. Buygi, G. Balzer, H. Shanechi and M. Shahidehpour, "Market-Based Transmission

Expansion Planning," IEEE Transactions on Power Systems, vol. 19, no. 4, pp. 2060-2067,
November 2004.

[10] M. Buygi, O. Shanechi, H. Balzer, G. Shahidehpour and N. Pariz, "Network planning in

unbundled power systems," IEEE Transactions on Power Systems, vol. 21, no. 3, pp. 1379-
1387, August 2006.

[11] G. J. Klir and T. Folder, Fuzzy sets, Uncertainty, and Information, Prentice-Hall, 1998, p.
354.

[12] J. Saraiva, V. Miranda and L. Pinto, "Generation/transmission power system reliability

eveluation by Monte-Carlo simulation assumming a fuzzy load description," IEEE
Transaction on Power Systems, vol. 11, no. 2, pp. 690-695, May 1996.

177
[13] M. Cortés, «Expansión de redes de transporte de energía eléctrica a través de un algoritmo
híbrido de Simulated Annealing.,» Santiago, Chile, 2005.

[14] F. Wu, F. Zheng and F. Wen, "Transmission planning and investment under competitive
electricity market environment," Energy, vol. 31, no. 6-7, pp. 954 - 966, 2006.

[15] L. Gaver, "Transmission network estimation using linear programming," IEEE Transactions
on Power Apparatus and Systems, Vols. PAS-87, no. 7, pp. 1688-1697, 1970.

[16] S. Oren, G. Gross and F. Alvarado, "Alternative business models for transmission investment
and operation," 2002.

[17] P. Joskow and J. Tirole, "Transmission right and market power on electric power nwtwork,"
Rand J Econ, vol. 31, pp. 450-487, 2000.

[18] M. Salinas, «Siemens ve viable unión del SIC y SING,» Revista Nueva MInería & Energía,
vol. Año 2, nº 20, pp. 88-90, Octubre 2010.

[19] E. Crousillat, P. Dorfner, P. Alvarado and H. Merrill, "Conflicting objetives and risk in
power system planning," IEEE Transaction on Power Systems, vol. 8, no. 3, pp. 887-893,
1993.

[20] F. Alvarado and S. Oren, "Transmission system operation and interconnection," 2002.

[21] M. d. E. F. y. R. República de Chile, RE No 9: Norma técnica de seguridad y calidad de

servicio, 2005.

[22] A. Meliopoulus, G. Cokkinides and X. Chao, "A new probabilistic power flow analysis
method," IEEE transaction on Power Systems, vol. 5, no. 1, pp. 182-190, February 1990.

[23] P. Patel, "Canadian Electricity Association," 2010. [Online]. Available:

http://www.electricity.ca/students-teachers.php. [Accessed 14 Febrero 2011].

[24] I. Planning Committe, "ISO/RTO Electric System Planning Current Practices, Expansion
Plans, and Planning Issues," 2006.

[25] E. Commission, 2008. [Online]. Available: www.electricitycommission.govt.nz. [Accessed

30 enero 2009].

[26] N. Zealand, Electricity Governace Rules: Part F Section III, 2008.

[27] E. Authority, "Electricity in New Zealand," 2010.

[28] «Gobierno de Chile, Comisión Nacional de Energía,» 2011. [En línea]. Available:
www.cne/cnewww/opencms/06_Estadisticas/Energia/Electricidad.html. [Último acceso: 15
Febrero 2011].

178
[29] «Gobierno de Chile, Ministerio de Energía,» 2011. [En línea]. Available:
www.minenergia/minwww/opencms/01_Institucioanal/Quienes_Somos/quienes_somos.html.
[Último acceso: 15 Febrero 2011].

[30] M. d. E. F. y. R. República de Chile, DFL No 4, Fija texto refundido, coordinado y

sistematizado del DFL No 1 de Minería de 1982, Ley General de Servicios Eléctricos, 2006.

[31] M. Pereira and L. Pinto, "Multi-stage stochastic optimization applied to energy planning,"
Mathematica Programming, vol. 52, pp. 359-375, 1991.

[32] C. d. Energía, «Definición de criterios técnicos y económicos para la identificación de

necesidades de expansión del sistema de transmisión troncal,» Santiago, 2010.

[33] G. J. Klir, Uncertainty and Information. Foundations of Generalized Information Theory,

New Jersey: John Wiley & Sons, 2006.

[34] R. V. L. Hartley, "Transmission of information," The Bell System Technical Journal, vol. 7,
no. 3, pp. 535-563, 1928.

[35] C. E. Shanon, "The mathematical theory of communication," The Bell System Technical
Journal, vol. 27, no. 3&4, pp. 379-423, 623-656, 1948.

[36] R. Haralick and L. Shapiro, Computer and robot vision, vol. 2, Boston, MA: Addison-
Wesley Longman Publishing Co., 1992.

[37] A. Campos Fernández, «Modelo posibilista del mercado de energía a mediano plazo en un
entorno liberalizado,» Madrid, 2005.

[38] W. Lin-Xin, A course in fuzzy systems and control, Prentice Hall PTR, 1997, p. 420.

[39] L. Stefanini, L. Sorini and M. Letizia, "Parametric representation of fuzzy numbers and
application to fuzzy calculus," vol. 157, pp. 2423-2455, 2006.

[40] M. Cortés-Carmona, R. Palma-Behnke and G. Jiménez-Estévez, "Fuzzy arithmetic for the

DC load flow," IEEE Transactions on Power Systems, vol. 25, no. 1, pp. 206-214, February
2010.

[41] L. M. Proenca, "Towards a comprehensive methodology for power system planning," Porto,
1993.

[42] G. J. Klir, U. Clair and B. Yuan, Fuzzy set theory: foundations and applications, Prentice
Hall PTR, 1997.

[43] T. T. Soong, Fundamentals of probability and statistics for engineers, John Willey & Sons
Ltd, 2004.

179
[44] G. C. Oliveira, S. Binato and M. V. F. Pereira, "Value-based transmission expansion
planning of hydrothermal systems under uncertainty," IEEE Transactions on Power Systems,
vol. 22, no. 4, pp. 1429-1435, Nov. 2007.

[45] A. Monticelli, J. Santos, M. V. F. Pereira, S. H. A. Cunha, B. J. Parker and J. C. G. Praca,

"Interactive transmission network planning using a least effort criterion," IEEE Transactions
on Power Apparatus and Systems, Vols. PAS-101, no. 10, pp. 3919-392, October 1982.

[46] M. Pereira and L. Pinto, "Application of sensitivity analysis of load supplying capability to
interactive transmission expansion planning," IEEE Transactions on Power Apparatus and
Systems, Vols. PAS-104, no. 2, pp. 381-389, February 1985.

[47] M. Pereira, L. Pinto, S. Cunha and G. Oliveira, "A decomposition approach to automated
generation/transmission expansion planning," IEEE Transactions on Power Apparatus and
Systems, Vols. PAS-104, no. 11, pp. 3074-3081, November 1985.

[48] R. Romero and A. Monticelli, "A hierarchical decomposition approach for transmission
network expansion planning," IEEE Transactions on Power Systems, vol. 9, no. 1, pp. 373-
380, February 1994.

[49] G. Oliveira, A. Costa and S. Binato, "Large scale transmission network planning using
optimization and heuristic techniques," IEEE Transactions on Power Systems, vol. 10, no. 4,
pp. 1828-1834, November 1995.

[50] S. Binato, M. V. F. Pereira and S. Granville, "A new Benders decomposition approach to
solve power transmission network design problems," IEEE Transactions on Power Systems,
vol. 16, no. 2, pp. 235-240, May 2001.

[51] R. Romero, R. Gallego and A. Monticelli, "Transmission system expansion planning by

Simulated Annealing," IEEE Transactions on Power Systems, vol. 11, no. 1, pp. 364-369,
February 1996.

[52] R. Gallego, A. Monticelli and R. Romero, "Transmission system expansion planning by an

extended genetic algorithm," Proceedings IEE C Generation, Transmission and Distribution,
vol. 145, no. 3, pp. 516-522, May 1998.

[53] E. Da Silva, J. Areiza, G. De Oliveira and S. Binato, "Transmission network expansion

planning under a Tabu Search approach," IEEE Transactions on Power Systems, vol. 16, no.
3, pp. 62-68, February 2001.

[54] S. Binato, G. Couto de Oliveira and J. Lizardo de Araújo, "A greedy randomized adaptive
search procedure for transmission expansion planning," IEEE Transactions on Power
Systems, vol. 16, no. 2, pp. 247-253, May 2001.

[55] J. Stahlhut, G. Heydt, B. Westendorf, M. Mani, P. Sauer and G. Sheblé, "Uncertain power
flow and transmission planning," May 2007.

180
[56] M. Lammintausta, R. Hirvonen and M. Lehtonen, "Transmission capacity assessment by
using simple probabilistic planning," in IEEE Bologna Power Tech Conference, Bologna,
Italy, June 2003.

[57] J. Choic, T. Tran, A. El-Keib, R. Thomas, H. Oh and R. Billinton, "A method for
transmission system expansion planning considering probabilistic reliability criteria," IEEE
Transactions on Power Systems, vol. 20, no. 3, pp. 1606-1615, August 2005.

[58] J. Alvarez, K. Ponnambalam and V. H. Quintana, "Transmission expansion under risk using
stochastic programming," in 9th International Conference on Probabilistic Methods Applied
to Power Systems, Stockholm, Sweden, June 11-15 2006.

[59] Y. Xiao and Y. H. Song, "Available transfer capability (ATC) evaluation by stochastic
programming," IEEE Power Engineering Review, vol. 20, no. 9, pp. 50-52, September 2000.

[60] S. Baharrysingh and C. Sharma, "Development and application of a probabilistic simulation

program for long term system planning," in 9th International Conference on Probabilistic
Methods Applied to Power Systems, Stockholm, Sweden., June 11-15 2006.

[61] T. Tran, J. Choi and R. Thomas, "Determination of construction priority of transmission lines
based on probabilistic reliability evaluation," in IEEE Power Engineering Society General
Meeting, San Francisco, EEUU., June 12-16 2005.

[62] A. Dimitrovski and K. Tomsovic, "Market feedback for bounding future uncertainties in
power system planning," in Proceedings of the 13th International Conference on Intelligent
Systems Application to Power Systems, November 6-10 2005.

[63] V. Miranda and J. T. Saraiva, "Fuzzy modeling of power system optimal power flow," IEEE
Transactions on Power Systems, vol. 7, no. 2, pp. 843-849, May 1992.

[64] J. Saraiva, V. Miranda and L. Pinto, "Impact on some planning decisions from a fuzzy
modeling," IEEE Transactions on Power Systems, vol. 9, no. 2, pp. 819-825, May 1994.

[65] T. Chung, C. K. Li, G. Xie and G. Tang, " Multi-objective transmission network planning by
a hybrid GA approach with fuzzy decision analysis," Electrical Power and Energy Systems,
vol. 25, pp. 187-192, 2003.

[66] I. Ramírez-Rosado and J. Domínguez-Navarro, "Possibilistic model based on fuzzy sets for
the multiobjective optimal planning of electric power distribution networks," IEEE
Transactions on Power Systems, vol. 19, no. 4, pp. 1801-1810, November 2004.

[67] H. Kim, S. Moon, J. Choi, C. Lee, J. Wang and R. Billiton, "Transmission system expansion
planning of KEPCO system (Youngnam area) using fuzzy set theory," in IEEE Power
Engineering Society Summer Meeting, Chicago, IL, EEUU, July 21-25 2002.

[68] J. Choi, A. El-Keib and T. Tran, "A fuzzy branch and bound-based transmission system
expansion planning for the highest satisfaction level of the decision maker," IEEE
181
 Transactions on Power Systems, vol. 20, no. 1, pp. 476-484, February 2005.

[69] A. A. El-Keib, J. Choi and T. Tran, "Transmission expansion planning considering

ambiguities using fuzzy modeling," in IEEE PES Power Systems Conference and Exposition,
PSCE 06, Atlanta, Georgia, EEUU., October 29 – November 1 2006.

[70] H. J. Zimermann, Fuzzy set theory and its applications, 2nd ed. ed., Indian. Kluwer
Academic Plublishers, 1996, p. 400.

[71] M. O. Buygi, G. Balzer, H. M. Shanechi and M. Shahidehpour, "Market based transmission

expansion planning fuzzy risk assessment," in IEEE International Conference on Electric
Utility Deregulation, Restructuring and Power technologies DRPT2004, Hong Kong, April
2004.

[72] M. O. Buygi, M. Shahidehpour, H. M. Shanechi and G. Balzer, "Market based transmission

planning under uncertaities," in 8th International Conference on Probabilistic Methods
Applied to Power Systems, Ames, Iowa, USA, September 12-16 2004.

[73] A. Ben-Tal and A. Nemirovski, "Robust convex optimization," Mathematics of Operations

Research, vol. 23, no. 4, pp. 769-805, 1998.

[74] L. El-Ghaoui, F. Oustry and H. Ledret, "Robust solutions to uncertain semidefinite

programs," SIAM Journal , vol. 9, no. 1, pp. 33-52, 1998.

[75] A. Ben-Tal and A. Nemirovski, "Robust truss topology design via semidefinite
programming," SIAM Journal on Optimization, vol. 7, no. 4, pp. 991-1016, 1997.

[76] L. El-Ghaoui and H. Lebret, "Robust solutions to least-square problems to uncertain data
matrices," SIAM Journal on Matrix Applications, vol. 18, pp. 1035-1064, 1997.

[77] L. El-Ghaoui, M. Oks and F. Oustry, "Worst-case value-at-risk and robust portfolio
optimization: A conic programming approach," Operations Research, vol. 51, no. 4, pp. 543-
556, 2003.

[78] D. Bertsimas and M. Sim, "Robust discrete optimization and network flows," Mathematics
Programming, vol. 98, no. 1-3, pp. 49-71, 2003.

[79] S. Mudchanatongsuk, F. Ordoñez and J. Liu, " Robust solutions for network design under
transportation cost and demand uncertainty," Journal of the Operational Research Society,
vol. 59, pp. 652-662, 2008.

[80] S. Malcon and S. Zenios, "Robust optimization for power systems capacity expansion under
uncertainty," Journal of the Operational Research Society, vol. 45, no. 9, pp. 1040-1049,
1994.

[81] Y. Wakasa, M. Nishimura, T. Uedo and K. Tanaka, "Application of robust optimization to

power systems," in SICE Annual Conference in Hokkaido in Supporo, Japan, Institute of
182
 Tecnology, August 4-6 2004.

[82] E. V. Geert, I. Glende, N. Halberg, R. Juseret, E. Mathieu and C. O'riordan, "Methods for
planning under uncertainty. Towards flexibility in power system development," Electra, no.
161, pp. 143-163, August 995.

[83] V. Miranda and M. Proenga, "Why risk analysis outperforms probabilistic choice as the
effective decision support paradigm for power system planning," IEEE Transactions on
Power Systems, vol. 13, no. 2, pp. 643-648, May 1998.

[84] V. Miranda and M. Proenga, "Probabilistic choice vs. risk analysis - conflicts and synthesis
in power system planning," IEEE Transactions on Power Systems, vol. 13, no. 3, pp. 1038-
1043, August 1998.

[85] W. Burke, H. Merril, F. Schweppe, B. Lovell and M. McCoy, "Trade off methods in system
planning," IEEE Transactions on Power Systems, vol. 3, no. 3, pp. 1284-1290, August 1988.

[86] T. De la Torre, J. Feltes, T. G. San Román and H. Merrill, "Deregulation, privatization, and
competition: transmission planning under uncertainty," IEEE Transactions on Power
Systems, vol. 14, no. 2, pp. 460-465, May 1999.

[87] D. Camac, R. Bastidas, R. Nadira, C. Dortolina and H. M. Merril, "Transmission planning

criteria and their application under uncertainty," IEEE Transactions on Power Systems, vol.
25, no. 4, pp. 1996-2003, November 2010.

[88] P. Linares, "Multiple criteria decision making and risk analysis as risk management tools for
power systems planning," IEEE Transactions on Power Systems, vol. 17, no. 3, pp. 895-900,
August 2002.

[89] J. H. Zhao, Z. Y. Dong, P. Lindsay and K. P. Wong, "Flexible transmission expansion

planning with uncertainties in an electricity market," IEEE Transactions on Power Systems,
vol. 24, no. 1, pp. 479-488, Feb. 2009.

[90] G. A. Blanco, F. G. Olsina, O. A. Ojeda and F. F. Garcés, "Transmission expansion planning

under uncertainty – The role of FACTS in proving strategic flexibility," in IEEE Bucharest
Power Tech Conference, Bucharest, Romania, 2009.

[91] M. Carrión, J. M. Arroyo and N. Alguacil, "Vulnerability-constrained transmission

expansion planning: A stochastic programming approach," IEEE Transactions on Power
Systems, vol. 22, no. 4, pp. 1436-1445, November 2007.

[92] J. M. Arroyo, N. Alguacil and M. Carrión, "A risk-based approach for transmission network
expansion planning under deliberate outages," IEEE Transactions on Power Systems, vol. 25,
no. 3, pp. 1759-1766, August 2010.

[93] H. Yu, C. Y. Chung, K. P. Wong and J. H. Zhang, "A chance constrained transmission
network expansion planning method with consideration of load and wind farm uncertainties,"
183
 IEEE Transactions on Power Systems, vol. 24, no. 3, pp. 1568-1576, August 2009.

[94] E. Da Silva, A. Gil and J. Areiza, "Transmission network expansion planning under an
improved Genetic Algorithm," IEEE Transactions on Power Systems, vol. 15, no. 3, pp.
1168-1175, August 2000.

[95] M. Cortés, R. Palma and O. Moya, "Transmission Expansion Planning by Hybrid Simulated
Annealing Algorithm," in ISAP’09 Intelligent System Application to Power Systems,
Curitiba, Brazil, November 2009.

[96] M. J. Rider, A. V. Garcia and R. Romero, "Transmission system expansion planning by a

branch-and-bound algorithm," IET Gener. Transm. Distrib., vol. 2, no. 1, pp. 90-99, 2008.

[97] M. V. F. Pereira and L. M. V. G. Pinto, "Multi-stage stochastic optimization applied to

energy planning," Mathematical Programming, vol. 52, pp. 359-375, 1991.

[98] N. Alguacil, A. Motto and A. Conejo, "Transmission Expansion planning: A mixed-integer

LP approach.," IEEE Transactions on Power Systems, vol. 18, no. 3, pp. 1070-1077, August
2003.

[99] G. Latorre-Bayona and I. Perez-Arriaga, "CHOPIN, A heuristic model for long term
transmission expansion planning," IEEE Transactions on Power Systems, vol. 9, no. 4, pp.
1886-1894, November 1994.

[100] S. Binato and G. De Oliveira, "Transmission network expansion planning by a reactive

GRASP approach," in XIII Congreso Brasileiro de Automática – CBA 2000, Florianópolis,
SC, Brasil, 11 al 14 de septembro de 2000.

[101] B. Borkowska, "Probabilistic load flow," IEEE Trans. on Power Apparatus and Systems,
Vols. PAS-93, pp. 752-759, May/June 1974.

[102] R. N. Allan and C. Grigg, "Probabilistic analysis of power flow," Proceedings IEE C
Generation, Transmission and Distribution, vol. 121, no. 12, pp. 1551-1556, December
1974.

[103] R. N. Allan and M. R. G. Al-Shakarchi, "Probabilistic A.C. load flow," Proceedings IEE C
Generation, Transmission and Distribution, vol. 123, no. 6, pp. 531-536, June 1976.

[104] R. N. Allan and M. R. G. Al-Shakarchi, "Probabilistic techniques in A.C. load flow

analysis," Proceedings IEE C Generation, Transmission and Distribution, vol. 124, no. 2, pp.
154-160, February 1977.

[105] R. N. Allan and M. R. G. Al-Shakarchi, "Linear dependence between nodal powers in

probabilistic A.C. load flow," Proceedings IEE C Generation, Transmission and
Distribution, vol. 124, no. 6, pp. 529-534, June 1977.

184
[106] M. Leite da Silva, V. L. Arienti and R. N. Allan, "Probabilistic load flow considering
dependence between input nodal powers," IEEE Trans. on Power Apparatus and Systems,
Vols. PAS-103, no. 6, pp. 1524-1530, June 1984.

[107] J. F. Dopazo, O. A. Klitin and A. M. Sasson, "Stochastic load flow," IEEE Trans. on Power
Apparatus and Systems, Vols. Vol. PAS-94, no. 2, pp. 229-309, March/April 1975.

[108] R. N. Allan and A. M. Leite da Silva, "Probabilistic load flow using multilinearisations,"
Proceedings IEE C Generation, Transmission and Distribution, vol. 128, no. 5, pp. 280-287,
September 1981.

[109] A. Dimitrovski, "Boundary load flow solutions," IEEE Trans. on Power Systems, vol. 19, no.
1, pp. 448-355, February 2004.

[110] M. Leite da Silva and V. L. Arienti, "Probabilistic load flow by a multilinear simulation
algorithm," Proceedings IEE C Generation, Transmission and Distribution, vol. 137, no. 4,
p. 276 – 282, July 1990.

[111] R. N. Allan, A. M. Leite da Silva and R. C. Burche, "Evaluation methods and accuracy in
probabilistic load flow solutions," IEEE Trans. on Power Apparatus and Systems, Vols.
PAS-100, no. 5, pp. 2539-2546, May 1981.

[112] P. Zhang and S. T. Lee, "Probabilistic load flow computation using the method of combined
Cumulants and Gram-Charlier expansion," IEEE Trans. on Power Systems, vol. 19, no. 1, pp.
676-682, February 2004.

[113] P. S. Meliopoulos, G. J. Cokkinides and X. Y. Cha, "A new probabilistic power flow analysis
method," IEEE Trans. on Power Systems, vol. 5, no. 1, pp. 182-190, February 1990.

[114] M. Leite da Silva, R. N. Allan and V. L. Arienti, "Probabilistic load flow considering
network outages," Proceedings IEE C Generation, Transmission and Distribution, vol. 132,
no. 3, pp. 139-145 , May 1985.

[115] A. Dimitrovski, "Slack bus treatment in load flow solutions with uncertain nodal powers,"
Electrical Power Energy Systems, vol. 27, pp. 614-619, 2005.

[116] S. Chun-Lien, "Probabilistic load-flow computation using point estimate method," IEEE
Trans. on Power Systems, vol. 20, no. 4, p. 1843 – 1851, Nov 2005.

[117] J. Morales and J. Perez-Ruiz, "Point estimate schemes to solve the probabilistic power flow,"
IEEE Trans. on Power Systems, vol. 22, no. 4, p. 1594 – 1601, Nov 2007.

[118] Z. Hu and X. Wang, "A probabilistic load flow method considering branch outages," IEEE
Trans. on Power Systems, vol. 21, no. 2, p. 507 – 514, 2006.

[119] X. Li, Y. Li and S. Zhang, "Analysis of Probabilistic Optimal Power Flow Taking Account
of the Variation of Load Power," IEEE Trans. on Power Systems, vol. 23, no. 3, p. 992 –
185
 999, August 2008.

[120] A. Tamtum, A. Schellenberg and W. Rosehart, "Enhancements to the cumulant method for
probabilistic optimal power flow studies," IEEE Trans. on Power Systems, vol. 24, no. 4, p.
1739 – 1746, Nov 2009.

[121] J. Morales, L. Baringo, A. Conejo and R. Minguez, "Probabilistic power flow with correlated
wind sources," IET Generation, Transmission & Distribution, vol. 4, no. 5, p. 641 – 651,
2010.

[122] Y. Hong and Y. Luo, "Optimal VAR control considering wind farms using probabilistic
load-flow and gray-based genetic algorithms," IEEE Trans. on Power Delivery, vol. 24, no.
3, p. 1441 – 1449, July 2009.

[123] J. Usaola, "Probabilistic load flow in systems with wind generation," IET Generation,
Transmission & Distribution, vol. 3, p. 1031 – 1041, 2009.

[124] J. Vlachogiannis, "Probabilistic constrained load flow considering integration of wind power
generation and electric vehicles," IEEE Trans. on Power Systems, vol. 24, no. 4, p. 1808 –
1817, Nov 2009.

[125] D. Villanueva, J. Pazos and A. Feijóo, "Probabilistic load flow including wind power
generation," IEEE Trans. on Power Systems, vol. 26, no. 3, p. 1659 – 1667, August 2011.

[126] P. Caramia, G. Carpinelli, M. Pagano and P. Varilone, "Probabilistic three-phase load flow
for unbalanced electrical distribution systems with wind farms," IET Renewable Power
Generation, vol. 1, p. 115 – 122, 2007.

[127] C. Su, "Stochastic evaluation of voltages in distribution networks with distributed generation
using detailed distribution operation models," IEEE Trans. on Power Systems, vol. 25, no. 3,
p. 786 – 795, May 2010.

[128] E. López, «Solución bidimensional al flujo de carga estocástico en la planificación de redes

eléctricas de energía,» de Anales del VI Congreso Chileno de Ingeniería Eléctrica, Santiago,
Noviembre 1985.

[129] E. López, H. Rovegno, V. Marín, S. Torres y H. Rudnick, «Flujo de carga estocástico en

redes 50/60 Hz con convertidores estáticos de frecuencia,» de Anales Congreso Chileno de
Ingeniería Eléctrica.

[130] E. López y G. Mardones, «Flujo de carga estocástico, un modelo con incertidumbre en la

tensión regulada,» de Anales del XI Congreso Chileno de Ingeniería Eléctrica, Punta Arenas,
Noviembre 1995.

[131] R. Friz, P. García, M. Iraola y H. Martínez, «Modelo estocástico para determinar los niveles
de tensión del sistema eléctrico mina de Chuquicamata,» de Anales del VIII Congreso

186
 Chileno de Ingeniería Eléctrica, Santiago, Noviembre 1987.

[132] V. Miranda, M. A. Matos and J. T. Saraiva, "Fuzzy load flow—new algorithms incorporating
uncertain generation and load representation," in Proceedings of the 10th PSCC, Graz,
Austria, 1990.

[133] V. Miranda, "Fuzzy flow simulation in gas and electric networks," in Proceedings of EMS
91-European Simulation Multicongress, Copenhagen, Denmark, 1991.

[134] J. T. Saraiva, V. Miranda and M. Matos, "Generation and load uncertainties incorporated in
load flow studies," in Proceedings 6th Mediterranean Electrotechnical Conference, 22-24
Mayo 1991.

[135] P. R. Bijwe, M. Hanmandlu and V. N. Pande, "Fuzzy power flow solutions with reactive
limits and multiple uncertainties," Electric Power Systems Research, vol. 76, pp. 145-152,
2005.

[136] J. T. Saraiva and F. Duarte, "Enhanced fuzzy power flow models integrating correlation
between nodal injections," in Proceedings 8th Mediterranean Electrotechnical Conference
MELENON , May 1996.

[137] J. T. Saraiva, N. Fonseca and M. A. Matos, "Fuzzy power flow – An AC model addressing
correlated data," in 8th International Conference on Probabilistic Methods Applied to Power
systems, Iowa State University,Ames, Iowa, 12-16 September 2004.

[138] M. Matos and E. M. Gouveia, "The fuzzy power flow revisited," IEEE Trans. on Power
Systems, vol. 23, no. 1, pp. 213-218, February 2008.

[139] D. Das, "A noniterative load flow algorithm for radial distribution network using fuzzy set
approach and interval arithmetic," Electric Power Components and Systems, vol. 33, pp. 59-
72, 2005.

[140] P. R. Bijwe and G. K. Viswanadha-Raju, "Fuzzy distribution power flow for weakly meshed
systems," IEEE Transaction on Power Systems, vol. 21, no. 4, pp. 1645-1652, November
2006.

[141] B. Kalesar and A. R. Seifi, "Fuzzy load flow in balanced and unbalanced radial distribution
systems incorporating composite load model," Int. J. Electric Power Energy Syst., vol. 32, p.
17–23, 2010.

[142] L. Hong and e. al, "Study on Fuzzy Load Flow with Consideration of Wind Generation
Uncertainties," in IEEE Transmission & Distribution Conference & Exposition: Asia and
Pacific, 2009.

[143] Z. Wang and F. L. Alvarado, "Interval arithmetic in power flow analysis," IEEE
Transactions on Power Systems, vol. 3, pp. 1341-1349, Aug 1992.

187
[144] A. Saric and A. Stankovic, "Ellipsoidal approximation to uncertainty propagation in
boundary power flow," in IEEE PES Power Systems Conference and Exposition, PSCE 06,
Atlanta, Georgia, EEUU, October 29 – November 1 2006.

[145] A. Saricand and A. Stankovic, "An application of interval analysis and optimization to
electric energy markets," IEEE Transactions on Power System, vol. 21, no. 2, pp. 515-523,
May 2006.

[146] A. Saricand and A. Stankovic, "Model uncertainty in security assessment of power systems,"
IEEE Transactions on Power System , vol. 20, no. 3, pp. 1398-1407, August 2005.

[147] R. Palma y C. Jeldres, «Flujo de potencia DC con modelación de incertidumbre aplicado al

caso chileno,» de INGELECTRA Congreso Estudiantil en Ingeniería Eléctrica y Electrónica,
Universidad de Antofagasta, Antofagasta, Chile, 23 de Noviembre 2001.

[148] M. Friedman, M. Mingand and A. Kandel, "Fuzzy linear systems," Fuzzy Sets and Systems,
vol. 96, pp. 201-209, 1998.

[149] G. B. Danzing, A. Orden and P. Wolfe, "The generalized simplex method for minimizing a
linear form under linear inequality restraints," Pacific Journal of Mathematics, vol. 5, no. 2,
pp. 183-195, June 1955.

[150] Y. Zhang, "Solving large-scale linear programs by interior-point methods under the Matlab
environment," Baltimore Country Baltimore, MD, 1995.

[151] S. Mehrotra, "On the implementantion of the primal-dual interior point method," SIAM
Journal on Optimization, vol. 2, pp. 575-601, 1992.

[152] G. Chile, «Fijación de precio de nudos. Sistema Interconectado Central,» Santiago, Octubre
2009.

[153] D. Williams, Probability with martingales, New York: Cambridge University Press, 1991, p.
251.

188
 Anexo A. Proceso de Estudio del Sistema de Transmisión
Troncal: Resoluciones y Decretos

A.1. Introducción
En este anexo se desarrolla un seguimiento al proceso de expansión del sistema de
transmisión troncal (STT) en término de resoluciones emitidas por la Comisión Nacional de
Energía (CNE) y decretos emitidos por el Ministerio de Economía Fomento y Reconstrucción
(MEFR) desde el inicio de la ley corta I. Las fechas que se asignan a cada acto administrativo
corresponden a las de publicación en el diario oficial.

A.2. Obras Urgentes 2004-2006

A.2.1. Obras de transmisión troncal que requieren construcción inmediata

1. Decreto No 231 del MEFR, 10 Septiembre 2004. Determina obras nuevas del sistema
interconectado central que requieren construcción inmediata para preservar la seguridad
del suministro eléctrico.
2. Decreto No 232 del MEFR, 10 Septiembre 2004. Determina obras de ampliación del
sistema interconectado central que requieren construcción inmediata para preservar la
seguridad del suministro eléctrico.
3. Decreto No 309 del MEFR, 21 Enero 2005. Modifica decreto 231. Cambia plazos
proyecto CER Puerto Montt y otros.
4. Decreto No 198 del MEFR, 6 Agosto 2005. Llama a una nueva Licitación del proyecto
―Am
pliación barra 220 kV de S/E Charrúa y fija nuevas condiciones técnicas y
administrativas.
5. Decreto No 227 del MEFR, 24 Agosto 2005. Modifica decreto 231 y 232 y determina
como obra nueva la línea Alto Jahuel – Chena 2x220 kV, circuito 1. Asigna un nuevo
valor de inversión (V.I).
6. Decreto No 230 del MEFR, 6 Octubre 2005. Modifica decreto 232 y dispone un nuevo
llamado a licitación para el proyecto ―Ener
gización en 500 kV del tramo Alto Jahuel –
Polpaico‖ y fija nuevas condiciones técnicas y administrativas.

189
 7. Decreto No 272 del MEFR, 12 Noviembre 2005. Modifica decreto 231 y sus
modificaciones. Cambia nombre al proyecto ―Nuev
a línea Alto Jahuel – Chena 1x220
kV‖ por ―Nuev
o tramo de línea El Rodeo – Chena 1x220 kV‖. Modifica además V.I.
8. Decreto No 290 del MEFR, 20 Diciembre 2005. Llama a una nueva Licitación del
proyecto ―Am
pliación de línea 154 kV Itahue – San Fernando‖ y fija nuevas
condiciones técnicas y administrativas.
9. Decreto No 162 del MEFR, 16 Junio 2005. Adjudica derechos de explotación y
ejecución de obra nueva denominada ―Equi
po de compensación estática de reactivos‖ y
fija condiciones y términos para su ejecución y explotación.
10. Decreto No 163 del MEFR, 16 Junio 2005. Adjudica derechos de explotación y
ejecución de obras nuevas denominadas ―Lí
nea de transmisión Charrúa – Nueva
Temuco 2x220 kV‖, y fija condiciones y términos para su ejecución y explotación.
11. Decreto No 138 del MEFR, 30 Mayo 2006. Adjudica derechos de explotación y
ejecución de obra nueva denominada ―Nuev
o tramo de línea El Rodeo – Chena 1x220
kV‖ y fija condiciones y términos para su ejecución y explotación.

A.3. Primer Proceso 2007 -2010.

A.3.1. Estudio Sistema Transmisión Troncal periodo 2007-2010

1. Resolución Exenta No 158 de la CNE, 15 Marzo 2007. Aprueba Estudio del Sistema de
Transmisión Troncal (ETT) periodo 2007 – 2011. Incluye: instalaciones del Sistema de
Transmisión Troncal (STT), valor anual de la transmisión por tramo (VATT) y
planificación de la expansión del STT (PESTT).
2. Decreto Exento No 207 del MEFR, 15 Enero 2008. Fija instalaciones del STT, área de
influencia común, valor anual de la transmisión por tramo (VATT) y cálculo de los
pagos por peajes para el periodo 2007 - 2010.

A.3.2. Revisión 2007

1. Resolución Exenta No 368 de la CNE, 18 Junio 2007. Expone el plan de expansión del
sistema de transmisión troncal para los 12 meses siguientes.

190
2. Decreto Exento No 282 del MEFR, 8 Noviembre 2007. Fija plan de expansión para el
STT del SIC periodo 2007 – 2008.
3. Decreto Exento No 312 del MEFR, 7 Enero 2008. Modifica Decreto Exento No 282.
Introduce cambio en especificaciones técnicas de los proyectos.
4. Decreto Exento No 259 del MEFR, 13 Septiembre 2008. Llama a un nuevo proceso de
licitación para proyectos ―
Línea Maitencillo Cardones 1x220 kV: Barra de transferencia
en Cardones‖, ―S/
E Chena 220 kV: Paño de línea‖, ―L
ínea Ancoa – Polpaico 1x500 kV:
Seccionamiento‖, ―Línea entrada a Alto Jahuel 2x500 kV‖ y ―Lí
nea Alto Jahuel – Chena
2x220 kV: segundo circuito‖ y fija nuevas condiciones técnicas y administrativas.
5. Decreto Exento No 316 del MEFR, 16 Octubre 2008. Llama a un nuevo proceso de
licitación del proyecto ―S
/E Cerro Navia 220 kV: Instalación de equipos de control de
flujos‖ y fija nuevas condiciones técnicas y administrativas.
6. Decreto Exento No 357 del MEFR, 17 Diciembre 2008. Fija valor de inversión
referencial para nuevo proceso de licitación del proyecto ―Lí
nea Alto Jahuel – Cerro
Navia 2x220 kV, tramo Chena – Cerro Navia: cambio de conductor‖ y fija nuevas
condiciones técnicas y administrativas.
7. Decreto Exento No 942 del MEFR, 22 Junio 2009. Deja sin efecto decreto No 126, de
30 abril de 2009 de MEFR y fija valores de inversión (V.I.) referencial para nuevo
proceso de licitación de los proyectos ―S/
E Seccionadora Punta de Cortés 220 kV
energizada en 154kV‖, ―
Línea Tinguiririca – Punta de Cortés 154 kV: Cambio de
conductor‖, ―L
ínea Pinta de Cortés – Tuniche 2x220 kV‖ y fija nuevas condiciones
técnicas y administrativas.
8. Decreto Exento No 1403 del MEFR, 2 Octubre 2009. Modifica Decreto Exento No 942
y fija valores de inversión referencial para nuevo proceso de licitación de los proyectos
―S/
E Seccionadora Punta de Cortés 220 kV energizada en 154kV‖, ―Línea Tinguiririca –
Punta de Cortés 154 kV: Cambio de conductor‖, ―
Línea Pinta de Cortés – Tuniche
2x220 kV‖ y fija nuevas condiciones técnicas y administrativas.
9. Decreto Exento No 199 del MEFR, 20 Octubre 2009. Fija valores de inversión
definitivos de las obras de ampliación de los decretos No 232 de 2004 y No 282 de
2007, sus modificaciones, decretos supremos No 198 y No 290 ambos de 2005 y decreto
supremo No 259 de 2008.

191
 10. Decreto No 118 del MEFR, 16 Junio 2008. Adjudica derechos de explotación y
ejecución de obra nueva denominada ―L
ínea Nogales – Polpaico 2x220 kV‖ y fija
condiciones y términos para su ejecución y explotación.

A.3.3. Revisión 2008

1. Resolución Exenta No 54 de la CNE, 13 Enero 2009. Expone el plan de expansión del

sistema de transmisión troncal del SIC para los 12 meses siguientes.
2. Decreto Exento No 642 del MEFR, 9 Mayo 2009. Fija plan de expansión para el STT
del SIC para los 12 meses siguientes.
3. Decreto Exento No 1063 del MEFR, 11 Julio 2009. Modifica Decreto Exento No 642.
Cambio plazo de adjudicación proyecto ―Lí
nea Ancoa – Alto Jahuel 2x500 kV: primer
circuito‖.
4. Decreto Exento No 1349 del MEFR, 9 Septiembre 2009. Modifica Decreto Exento No
642. Modifica condiciones de bases técnicas y administrativas.
5. Decreto No 34 del MEFR, 13 Abril 2010. Adjudica derechos de explotación y ejecución
de obra nueva denominada ―Lí
nea Ancoa – Alto Jahuel 2x500 kV: Primer circuito‖ y
fija condiciones y términos para su ejecución y explotación.

A.3.4. Revisión 2009

1. Resolución Exenta No 1550 de la CNE, 15 Diciembre 2009. Expone el plan de

expansión del sistema de transmisión troncal del SIC para los 12 meses siguientes.
2. Decreto Exento No 243 del MEFR, 3 Febrero 2010. Fija plan de expansión para el STT
del SIC para los 12 meses siguientes.

A.3.5. Revisión 2010

1. Resolución Exenta No 885 de la CNE, 31 Diciembre 2010. Expone el plan de expansión

del sistema de transmisión troncal del SIC para los 12 meses siguientes.
2. Resolución Exenta No 13 de la CNE, 6 Enero 2011. Modifica Resolución Exenta No
885.

192
 Anexo B. Proceso de Estudio del Sistema de Transmisión
Troncal: Detalles de Obras Nuevas y de Ampliación.

B.1 Introducción
En este anexo se presentan los detalles de las obras nuevas y de ampliación que se han
propuesto desde que se inicio el nuevo marco legal para el desarrollo de sistema de transmisión
en Chile, esto es, desde la dictación de la ley corta I en el 2004 [6]. A la fecha se han realizado
tres ejercicios de planificación: Obras urgentes para periodo 2004 – 2006, Primer proceso de
Estudio del Sistema de Transmisión Troncal (ETT) para periodo 2007 – 2010 y Segundo proceso
de ETT para periodo 2011 – 2014. Para cada uno de estos ejercicios, se presentan detalles de
fechas de fijación de cada obra, fechas de adjudicación, fechas de puesta en servicio y valores de
inversión.

193
B.2 Obras Urgentes 2004-2006

B.2.1 Obras de transmisión troncal que requieren construcción inmediata

Tabla B.1. Obras nuevas periodo 2004 – 2006 fijadas en decreto 231 de 2004

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso
No Propietario Obra nuevas Decreto Decreto servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses
MUSD (A) Decreto MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fijada en Dcto 231 de sep
2004. Adjudicada con
Equipo de Compensacion estática de
1 Transelec 7,30 sep-04 mar-07 1,197 jun-05 jul-07 9 25 4 34 Dcto 162 Jun 2005. Fecha
reactivo, CER en Puerto Montt
operación en anuario
CDEC-SIC 2008

Fijada en Dcto 231 de sep

2004. Adjudicada con
2 Transchile Línea Charrúa - Nueva Temuco 2 x 220 kV 58,90 sep-04 abr-08 6,499 jun-05 dic-09 9 54 20 63
Dcto 163 Jun 2005. Fecha
operación rev DP 2009

Fijada en Dcto 231 de Sep

2004. Adjudicada con
3 Transelec Línea El Rodeo - Chena 2 x 220 kV, Cto 1 10,45 sep-04 oct-07 1,093 may-06 mar-10 20 46 29 66 Dcto 138 May 2006.
Fecha operación en
memoria Transelec 2009

194
 Tabla B.2. Obras de Ampliación periodo 2004 – 2006 fijadas en decreto 232 de 2004

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso
No Propietario Ampliaciones Decreto Decreto servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses
MUSD (A) Decreto MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fijada en Dcto 232. Fecha
operación en PNudo Oct
1 Transelec Ampliación barra 220 kV S/E Charrúa 9,10 sep-04 dic-05 15,62 oct-05 abr-08 13 30 28 43
2007; VI en Dcto 199 de
Oct 2009

Fijada en Dcto 232. Fecha

Seccionamiento línea 154 kV Itahue - Alto
2 Transelec 2,80 sep-04 dic-05 2,77 abr-05 ene-06 7 9 1 16 operación en anuario
Jahuel en Punta de Cortés
CEDC-SIC 2007; VI en
Dcto 199 de Oct 2009
Fijada en Dcto 232. Fecha
Ampliación de línea 154 kV Itahue - San operación en anuario
3 Transelec 4,41 sep-04 sep-06 10,38 feb-06 sep-07 17 19 12 36
Fernando CEDC-SIC 2008; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Seccionamiento de líneas 220 kV Temuco - operación en anuario
4 Transelec 10,90 sep-04 sep-06 11,40 may-05 abr-07 8 23 7 31
Ciruelos y Temuco - Puerto Montt CEDC-SIC 2007; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Energización en 500 kV del tramo Alto operación en anuario
5 Transelec 27,90 sep-04 mar-07 40,50 dic-05 sep-08 15 33 18 48
Jahuel - Polpaico CEDC-SIC 2009; VI en D
199 de Oct 2009
Fijada en Dcto 232. Fecha
Seccionamiento de líneas 220 kV Nueva operación en anuario
6 Transelec 4,00 sep-04 sep-06 4,50 may-05 dic-06 8 19 3 27
Temuco - Puerto Montt en Valdivia CEDC-SIC 2007; VI en D
199 de Oct 2009

195
B.3 Primer Proceso 2007 -2010.

B.3.1 Estudio Sistema Transmisión Troncal periodo 2007-2010

Tabla B.3. Obras nuevas expuestas en Resolución Exenta No 158 de la CNE

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Obra nuevas RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
1 S/E Polpaico 220 kV: Paño de línea 2,182 mar-07 abr-10
2 Línea Nogales - Polpaico 2x220 kV 41,67 mar-07 abr-10
Línea Pan de Azúcar - Los Vilos - Nogales
3 57,74 mar-07 ene-13
220 kV
Línea Temuco - Valdivia 220 kV: Tercer
4 38,155 mar-07 jun-13
circuito

Tabla B.4-A. Obras de ampliación expuestas en Resolución Exenta No 158 de la CNE

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
S/E Seccionadora Punta de Cortés 220 kV
1 2,634 mar-07 may-08
Transelec energizada en 154 kV
Línea Alto Jahuel - Cerro Navia 2x220 kV,
2 Transelec Tramo Chena - Cerro Navia: Cambio 2,632 mar-07 oct-08
conductor
Línea Maitencillo - Cardones 1x220 kV:
3 CTNC 8,221 mar-07 ene-09
Tercer circuito
S/E Punta de Cortés 220 kV: Ampliación
4 Transelec 2,328 mar-07 may-09
transformación y paños
Línea Tinguiririca - Punta de Cortés 154
5 Transelec 2,982 mar-07 may-09
kV: Cambio de conductor
Línea Alto Jahuel - Tuniche 220 kV:
6 Transelec 1,873 mar-07 may-09
Cambio de aislación

196
 Tabla B.4-B. Obras de ampliación expuestas en Resolución Exenta No 158 de la CNE

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)

7 Transelec Línea Punta de Cortés - Tuniche 2x220 kV 2,668 mar-07 may-09

S/E Alto Jahuel 220 kV: Paño Línea 2x220
8 Transelec 2,182 mar-07 may-09
kV
9 Transelec S/E Chena 220 kV: Paño de línea 1,091 mar-07 jul-09
S/E Polpaico 220 kV: Instalación de 2
10 Transelec 17,917 mar-07 jul-09
transformadores defasadores
Línea Ancoa - Polpaico 1x500 kV:
11 Transelec 6,116 mar-07 jul-09
Seccionamiento
12 Transelec Línea entrada a Alto Januel 2x500 kV 5,054 mar-07 jul-09
Línea Alto Jahuel - Chena 2x220 kV:
13 Transelec 892 mar-07 jul-09
Segundo circuito
S/E Punta de Cortés 220 kV: Paños de
14 Transelec 2,182 mar-07 oct-09
línea a Tinguiririca
Línea Alto Jahuel - Chena 220 kV:
15 Transelec 5,843 mar-07 ene-09
Reemplazo conductor circuito 1
Línea Tinguiririca - Teno 220 kV: Cambio
16 Transelec 1,787 mar-07 feb-09
de aislación
S/E Seccionadora Nogales 220 kV: Barra
17 Transelec 10,882 mar-07 abr-10
principal y transferencia
S/E Itahue 220 kV: Normalización patio 220
18 Transelec 4,302 mar-07 jun-10
kV
Línea Itahue - Teno 2x220 kV: Cambio de
19 Transelec 2,015 mar-07 jun-10
aislación
Línea Alto Jahuel - Chena 220 kV:
20 Transelec 5,843 mar-07 jul-10
Reemplazo de conductor circuito 2
S/E Polpaico 220 kV: Instalación Segundo
21 Transelec 20,151 mar-07 feb-11
autotranformador750 MVA

197
B.3.2. Revisión 2007

Tabla B.5. Seguimiento para obras nuevas definidas en revisión 2007 y fijadas en decreto 282 de Nov. 2007

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Obra nuevas RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Obra fijada en DE 282
1 Transelec Línea Nogales - Polpaico 2x220 kV 46,584 jun-07 abr-10 5,269 jun-08 feb-11 12 32 10 44 Nov 2007. Adjudicada
con DS 118 Jun 2008

Tabla B.6-A. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de Nov. 2007

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fechas adjudicación y
S/E Quillota 220 kV: Reemplazo operación en DE 282 de
1 Transelec 0,3641 jun-07 dic-08 0,424 feb-08 dic-08 8 10 0 18
interreuptor barra 52JR 2007; VI en DE 199 de
2009
Fecha adjudicación y
Línea Maitencillo - Cardones 1x220 kV: puesta servicio en
2 CTNC 8,221 jun-07 abr-09 8,768 ene-08 ene-09 7 12 -3 19
Tercer circuito Memoria CTNC 2009;
VI en DE 199 de 2009
S/E Seccionadora Punta de Cortés 220 kV Fechas y VI en DE 942
4 Transelec 2,634 jun-07 mar-09 6,176 mar-10 feb-12 33 23 35 56
energizada en 154 kV y 1403 de 2009
S/E Punta de Cortés 220 kV: Ampliación Fechas y VI en DE 942
5 Transelec 2,328 jun-07 dic-10 mar-10 feb-12 33 23 14 56
transformación y paños y 1403 de 2009
S/E Punta de Cortés 220 kV: Paños de Fechas y VI en DE 942
6 Transelec 2,182 jun-07 oct-09 mar-10 feb-12 33 23 28 56
línea a Tinguiririca y 1403 de 2009

198
 Tabla B.6-B. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de Nov. 2007

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fechas y VI en DE 942
7 Transelec Línea Punta de Cortés - Tuniche 2x220 kV 2,668 jun-07 dic-10 4,098 mar-10 jun-13 33 39 30 72
y 1403 de 2009
Línea Tinguiririca - Punta de Cortés 154 Fechas y VI en DE 942
8 Transelec 2,982 jun-07 oct-09 11,746 mar-10 feb-13 33 35 40 68
kV: Cambio de conductor y 1403 de 2009
S/E Alto Jahuel 220 kV: Paño Línea 2x220
9 Transelec 2,182 jun-07 dic-10 -1289 0 -1331 -1289 Licitación Desierta
kV
Línea Alto Jahuel - Tuniche 220 kV:
10 Transelec 1,873 jun-07 dic-10 -1289 0 -1331 -1289 Licitación Desierta
Cambio de aislación
Línea Tinguiririca - Teno 220 kV: Cambio
11 Transelec 1,787 jun-07 feb-10 -1289 0 -1321 -1289 Licitación Desierta
de aislación
Línea Itahue - Teno 2x220 kV: Cambio de
12 Transelec 2,015 jun-07 jun-10 -1289 0 -1325 -1289 Licitación Desierta
aislación
S/E Itahue 220 kV: Normalización patio 220
13 Transelec 4,302 jun-07 jun-10 -1289 0 -1325 -1289 Licitación Desierta
kV
Fechas en DE 259 de
Línea Maitencillo - Cardones 1x220 kV:
3 Transelec 1,565 jun-07 abr-09 3,482 ene-09 jul-10 19 18 15 37 2008; VI en DE 199
Barra de transferencia en Cardones
2009
Fechas en DE 259 de
14 Transelec S/E Chena 220 kV: Paño de línea 1,091 jun-07 jul-09 2,076 ene-09 jul-10 19 18 12 37 2008; VI en DE 199
2009
S/E Cerro Navia 220 kV: Instalación de 2 Fechas y VI en DE 316
15 Transelec transformadores defasadores línea Polpaico 17,917 jun-07 jul-09 30,960 feb-09 abr-12 20 38 33 58 de 2008; VI en DE 199
- Cerro Navia 2009
Fechas en DE 259 de
Línea Ancoa - Polpaico 1x500 kV:
16 Transelec 6,116 jun-07 jul-09 15,301 ene-09 ene-12 19 36 30 55 2008; VI en DE 199
Seccionamiento
2009
Fechas en DE 259 de
17 Transelec Línea entrada a Alto Januel 2x500 kV 5,054 jun-07 jul-09 9,326 ene-09 ene-12 19 36 30 55 2008; VI en DE 199
2009
Fechas en DE 259 de
Línea Alto Jahuel - Chena 2x220 kV:
18 Transelec 0,892 jun-07 jul-09 1,428 ene-09 jul-10 19 18 12 37 2008; VI en DE 199
Segundo circuito
2009
Fecha adjudicación en
Línea Alto Jahuel - Chena 220 kV: DE 282 de 2007, inicio
19 Transelec 2,922 jun-07 ene-10 3,906 feb-08 nov-10 8 33 10 41
Reemplazo conductor circuito 1 operación DP 2010, VI
en DE 199 2009

199
 Tabla B.6-C. Seguimiento para obras de ampliación definidas en revisión 2007 y fijadas en decreto 282 de Nov. 2007

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
Fecha adjudicación en
Línea Alto Jahuel - Chena 220 kV: DE 282 de 2007, inicio
20 Transelec 2,922 jun-07 jul-10 3,624 feb-08 may-11 8 39 10 47
Reemplazo de conductor circuito 2 operación DP 2010, VI
en DE 199 2009
Fechas en Memoria
S/E Seccionadora Nogales 220 kV: Barra
21 Transelec 8,883 jun-07 oct-09 10,682 mar-08 oct-09 9 19 0 28 Transelec 2009, VI en
principal y transferencia
DE 199 de 2009
Fecha adjudicación en
S/E Polpaico 220 kV: Instalación Segundo DE 282 de 2007, inicio
22 Transelec 20,151 jun-07 feb-11 25,588 feb-08 feb-11 8 36 0 44
autotranformador750 MVA operación DP 2010, VI
en DE 199 2009
Fecha adjudicación y VI
Línea Alto Jahuel - Cerro Navia 2x220 kV,
en DE 357 de 2008.
23 Transelec Tramo Chena - Cerro Navia: Cambio 2,632 jun-07 ene-09 4,33 ago-09 dic-10 26 16 23 42
Fecha operación Rev DP
conductor
2010

200
B.3.3. Revisión 2008

Tabla B.7. Seguimiento para obras nuevas definidas en revisión 2008 y fijadas en decreto 642 de Mayo 2009

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Obra nuevas RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
RE CNE 54, no
S/E Diego de Almagro: Instalación CER - contemplada ETT,
1 13,000 ene-09 oct-11 0
40/60 MVAR finalmente no se
decreta
Obra fijada con DE
Línea Ancoa - Alto Jahuel 2x5000 kV: 642 de May 2009 y
2 Elecnor 184,200 may-09 ene-13 18,635 abr-10 jul-13 11 39 6 50
primer circuito adjudicada con DS 34
de Abr 2010

201
 Tabla B.8. Seguimiento para obras de ampliación definidas en revisión 2008 y fijadas en decreto 642 de Mayo 2009

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
RE CNE 54, no
contemplada ETT,
1 Transelec S/E Seccionadora Lo Aguirre: Etapa 1 50,900 ene-09 mar-13 -1308 0 -1358 -1308
finalmente no se
decreta
RE CNE 54, no
Línea Lo Aguirre - Cerro Navia 2x220 kV: contemplada ETT,
2 Transelec 9,900 ene-09 mar-13 -1308 0 -1358 -1308
Aumento de capacidad finalmente no se
decreta
Obra no contemplada
ETT. Fecha
Bancos de Condensadores 50 MVAr en adjudicación y V.I: en
4 Transelec 4,600 may-09 sep-10 4,600 sep-09 oct-10 4 13 1 17
S/E Alto Jahuel y Cerro Navia DE 642. Fecha
operación memoria
Transelec 2009
Obra fijada con DE
Normalización S/E Chena por conexión de 642, no contemplada
5 Transelec 4,400 may-09 mar-11 -1312 0 -1334 -1312
S/E Neptuno ETT. Condicionada a
proyecto Metro S.A.
Fecha adjudicación y
V.I: en DE 642. Fecha
6 Transelec Seccionamiento en Barro Blanco 3,900 may-09 may-11 3,900 jul-10 abr-12 14 21 11 35
operación Revisión
ETT DP 2010

202
B.3.4. Revisión 2009

Tabla B.9. Seguimiento para obras de ampliación definidas en revisión 2009 y fijadas en decreto 243 de Feb. 2010

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real (C-A) (D-C) (D-B)
(D-A)
(B) (D)
No contemplada en
1 Transelec Ampliación S/E Alto Jahuel 5,837 dic-09 jun-12 ETT. Licitación en
proceso
No contemplada en
2 Transelec Ampliación S/E Ancoa 9,943 dic-09 jun-12 ETT. Licitación en
proceso
No contemplada en
3 Transelec Redundancia equipos MAIS 1,200 dic-09 ene-13 ETT. Licitación en
proceso
No contemplada en
4 Transelec Cambio Interruptores S/E Charrúa 220 kV 2,317 dic-09 abr-13 ETT. Licitación en
proceso
No contemplada en
5 Transelec Cambio Interruptores S/E Ancoa 220 kV 1,737 dic-09 jul-12 ETT. Licitación en
proceso
Banco Autotransformador S/E Charrúa Fecha operación en
6 Transelec 30,331 dic-09 jun-13 abr-13 -1319 1359 -2 40
500/220 kV, 730 MVA Revisión 2010 DP

203
B.3.5. Revisión 2010

Tabla B.10. Seguimiento para obras nuevas definidas en revisión 2010 y expuestas en resolución 885 de Dic. 2010

Fecha Fecha
Total
VI Fecha puesta VATT Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Obra nuevas RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses (C- Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real A) (D-C) (D-B)
(D-A)
(B) (D)
Obra definida con RE
Nueva Línea Cardones - Maitencillo 2x500
1 79,316 ene-11 jul-16 13 de Enero 2011. Falta
kV
decreto
Obra definida con RE
Nueva Línea Maitencillo - Pan de Azúcar
2 130,112 ene-11 jul-16 13 de Enero 2011. Falta
2x500 kV
decreto
Obra definida con RE
Nueva Línea Pan de Azúcar - Polpaico
3 280,000 ene-11 jul-16 13 de Enero 2011. Falta
2x500 kV
decreto
Obra definida con RE
Nueva Línea Charúa - Ancoa 2x500 kV:
4 140,408 ene-11 jul-16 13 de Enero 2011. Falta
tendido del primer circuito
decreto
Obra definida con RE
Nueva Línea Ciruelos - Pichirropulli 2x220
5 45,494 ene-11 ene-17 13 de Enero 2011. Falta
kV: tendido del primer circuito
decreto
Obra definida con RE
Subestación Seccionadora Lo Aguirre:
6 69,018 ene-11 jul-14 13 de Enero 2011. Falta
Etapa I
decreto
Obra definida con RE
7 Instalación de CER en S/E Cardones 20,666 ene-11 ene-13 13 de Enero 2011. Falta
decreto
Obra definida con RE
Nueva Línea Cardones - Diego de Almagro
8 36,982 ene-11 jul-16 13 de Enero 2011. Falta
2x220 kV: tendido primer circuito
decreto

204
 Tabla B.11-A. Seguimiento para obras ampliación definidas en revisión 2010 y expuestas en resolución 885 de Dic. 2010

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses (C- Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real A) (D-C) (D-B)
(D-A)
(B) (D)
Obra definida con RE
1 Colbún Interconexión S/E Caolbún . Ancoa 220 kV 3,671 ene-11 sep-12 13 de Enero 2011. Falta
decreto
Obra definida con RE
2 Transelec Normalización S/E Chena 220 kV 18,070 ene-11 jul-13 13 de Enero 2011. Falta
decreto
Obra definida con RE
Ampliación de la S/E Ciruelos: Barra de
3 Transelec 6,502 ene-11 jul-13 13 de Enero 2011. Falta
Transfernecia y Paño Acoplador 220 kV
decreto
Obra definida con RE
4 Transelec S/E Seccionadora Rahue 220 kV 12,700 ene-11 jul-13 13 de Enero 2011. Falta
decreto
Obra definida con RE
Cambio interruptores S/E Alto Jahuel y
5 Transelec 5,308 ene-11 mar-13 13 de Enero 2011. Falta
Polpaico 220 kV
decreto
Obra definida con RE
Incorporación de Barra de Transferencia
6 Transelec 7,074 ene-11 nov-13 13 de Enero 2011. Falta
en 220 kV en la S/E Diego de Almagro
decreto
Obra definida con RE
Incorporación de Barra de Transferencia
7 Transelec 5,191 ene-11 jul-13 13 de Enero 2011. Falta
en 220 kV en la S/E Carrera Pinto
decreto
Obra definida con RE
Incorporación de Barra de Transferencia
8 Transelec 7,569 ene-11 nov-13 13 de Enero 2011. Falta
en 220 kV en la S/E Los Vilos
decreto
Obra definida con RE
Incorporación de Barra de Transferencia
9 Transelec 5,628 ene-11 jul-13 13 de Enero 2011. Falta
en 220 kV en la S/E Valdivia
decreto
Obra definida con RE
Incorporación de equipos de maniobra para
10 Transelec 1,267 ene-11 nov-12 13 de Enero 2011. Falta
reactores de 500 kV en S/E Polpaico
decreto

205
 Tabla B.11-B. Seguimiento para obras ampliación definidas en revisión 2010 y expuestas en resolución 885 de Dic. 2010

Fecha Fecha
Total
VI Fecha puesta VI Fecha Puesta Tramitación Duración Atraso
Proceso Panel
No Propietario Ampliaciones RE CNE RE CNE servicio Adjudicado Adjudicación servicio meses (C- Meses Meses Observación
Meses Expertos
MUSD (A) RE CNE MUSD (C ) real A) (D-C) (D-B)
(D-A)
(B) (D)
Obra definida con RE
Incorporación de equipos de maniobra para
11 Transelec 1,426 ene-11 nov-12 13 de Enero 2011. Falta
reactores de 500 kV en S/E Alto Jahuel
decreto
Obra definida con RE
S/E Pueto Montt: respaldo de los SS/AA
12 Transelec 0,309 ene-11 feb-12 13 de Enero 2011. Falta
del equipo CER
decreto
Obra definida con RE
Instalación CCEE en Pan de Azúcar 220
13 Transelec 0,366 ene-11 ene-13 13 de Enero 2011. Falta
kV
decreto

206
 Tabla B.12. Comparación entre obras nuevas establecidas en RE No 158 y obras nuevas fijadas en revisiones

Fecha
VI Fecha Total
puesta VI Fecha Puesta Tramitación Duración Atraso
Resolución resolución Proceso Panel
No Propietario Obra nuevas servicio Adjudicado Adjudicación servicio meses Meses Meses Observaciones
CNE CNE Meses Expertos
original MUSD (C ) (D) (C-A) (D-C) (D-B)
MUSD (A) (D-A)
(B)
Obra establecida por CNE en RE 158.
1 S/E Polpaico 220 kV: Paño de línea 2,182 mar-07 abr-10 Posteriormente incluida en línea
Nogales - polpaico

Obra establecida por CNE en RE 158.

2 Línea Nogales - Polpaico 2x220 kV 41,67 mar-07 abr-10
Adjudicada con DS 118 de Jun 2008

Línea Pan de Azúcar - Los Vilos - Nogales Obra establecida por CNE en RE 158.
3 57,74 mar-07 ene-13
220 kV No se ejcuta proyecto
Línea Temuco - Valdivia 220 kV: Tercer Obra establecida por CNE en RE 158.
4 38,155 mar-07 jun-13
circuito No se ejcuta proyecto
Obra propuesta en revisión 2007.
5 Transelec Línea Nogales - Polpaico 2x220 kV 46,584 jun-07 abr-10 5,269 jun-08 feb-11 12 32 10 44 Fijada en DE 282 Nov 2007.
Adjudicada con DS 118 Jun 2008
Obra propuesta en revisión 2008,
Línea Ancoa - Alto Jahuel 2x5000 kV:
6 Elecnor 184,200 may-09 ene-13 18,635 abr-10 jul-13 11 39 6 50 fijada con DE 642 de May 2009 y
primer circuito
adjudicada con DS 34 de Abr 2010
Obra propuesta en revisión 2010,
Nueva Línea Cardones - Maitencillo 2x500
7 79,316 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Maitencillo - Pan de Azúcar
8 130,112 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x500 kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Pan de Azúcar - Polpaico
9 280,000 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x500 kV
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Charúa - Ancoa 2x500 kV:
10 140,408 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
tendido del primer circuito
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Ciruelos - Pichirropulli 2x220
11 45,494 ene-11 ene-17 expuesta por CNE en RE 13 de Enero
kV: tendido del primer circuito
2011. Falta decreto
Obra propuesta en revisión 2010,
Subestación Seccionadora Lo Aguirre:
12 69,018 ene-11 jul-14 expuesta por CNE en RE 13 de Enero
Etapa I
2011. Falta decreto
Obra propuesta en revisión 2010,
13 Instalación de CER en S/E Cardones 20,666 ene-11 ene-13 expuesta por CNE en RE 13 de Enero
2011. Falta decreto
Obra propuesta en revisión 2010,
Nueva Línea Cardones - Diego de Almagro
14 36,982 ene-11 jul-16 expuesta por CNE en RE 13 de Enero
2x220 kV: tendido primer circuito
2011. Falta decreto

207
 Anexo C. Definición de algebra y σ-algebra

C.1. Introducción
En este anexo se definen las estructuras algebraicas básicas que se requiere definir para
comprender de mejor forma los elementos de teoría de medida, que se presentan en el capítulo 3.

C.2. Definición de álgebra

Sea S un conjunto, una colección  0 de subconjuntos de S es un álgebra sobre S si [153]
[153]
(i) ,
(ii) ,
(iii) .

Notar que y que dados .

De esta manera se tiene que, un álgebra sobre S es una familia de subconjuntos de S que
es estable para una gran cantidad de operaciones finitas.

C.3 Definición de σ-álgebra

Una colección Σ de subconjuntos de S es una σ-álgebra sobre S si Σ es un álgebra sobre
S tal que siembre que , se cumple
.

Notar que si Σ es una un σ-álgebra sobre S y para , entonces

.

Así, una σ-álgebra sobre S es una familia de subconjuntos de S que es estable para una
colección contable de operaciones de conjuntos.

C.4 Espacio de medida

208
 Un par (S, Σ), donde S es un conjunto y Σ es una σ-álgebra sobre S, se denomina un
espacio de medida. Un elemento de Σ se denomina un subconjunto Σ-medible de S.

Sea (S, Σ) un espacio de medida, donde Σ es una σ-álgebra sobre S. Un mapeo

,
se denomina una medida sobre (S, Σ) si μ es aditiva contable. La tripleta (S, Σ, μ) se denomina
espacio de medida.

209
Anexo D. Cálculo analítico de un flujo de potencia difuso para
red anillada

En este anexo se desarrolla analíticamente al cálculo de flujo de potencia difuso para un

pequeño sistema anillado de 3 barras. Los datos del sistema son los siguientes:

Pg 1
Pg 2
G1 [0.30; 0.50; 0.70] G2
[0.4; 0.5, 0.6]
1 2
f 12
x12

x13 x23

f 13 f 23

Pd 3 [0.9; 1.0, 1.1]

Fig. D.1. Sistema de 3 barras

x12 = x23 = x13 =0.1 pu ;
~ ~
Pg 2  0.4 0.5 0.6 ; Pd 3  0.9 1.0 1.1

Referencia barra 1, luego, θ1= 0

La matriz susceptancia del sistema y los vectores de potencia son:

2  20  10 1 2 1 
B   ; X  B -1   ;
3  10 20  30 1 2
~ 0.4 0.5 0.6 ~ 0.0 0.0 0.0
Pg    ; Pd   0.9 1.0 1.1 
0.0 0.0 0.0  

El vector de potencia neta inyectada se obtiene aplicando (3.80), dado a que las
potencias son variables independientes, luego
210
 ~ ~ ~ 0.4 0.5 0.6 0.0 0.0 0.0  0.4 0.5 0.6 
P  Pg  Pd     
0.0 0.0 0.0  0.9 1.0 1.1   1.1  1.0  0.9

El ángulo en las barras se obtiene a través de la siguiente ecuación

~ ~ ~ ~
 2  1 2 1  P2  1 2 P2  P3  1  [0.3 0.0 0.3] 
~     ~   ~ ~   rad
3  30 1 2  P3  30  P2  2 P3  30 [1.8  1.5  1.2]

Debido a que sólo se requieren sumas, la ecuación que se aplicó fue (3.76). Por otra
parte, los flujos por las líneas se calculan de las siguientes relaciones

~
~
f13 
 3
x13
~
 103  
10 ~
30
 ~

1
P2  2 P3    1.8  1.5  1.2  0.4 0.5 0.6
3
~
~
f12 
 2
x12
~
 10 2  
30

10 ~ ~
1
2 P2  P3    0.3  0.0 0.3   0.1 0.0 0.1
3
~ ~
~
f 23 
 2  3
x23
 
~ ~ 10 ~ ~ ~
 10  2  3 
30
  
~ 1 ~ ~

2 P2  P3  P2  2 P3  P2  P3  0.433 0.5 0.566
3

En los cálculos anteriores se aplicó la ecuación (3.80) debido a que las ecuaciones se
arreglaron de manera que quedarán en función de las variables independientes.

Finalmente, la potencia en la barra de referencia se obtiene de:

~ ~ ~
Pg1  Pd 3  Pg 2  0.9 1.0 1.1  0.4 0.5 0.6  0.3 0.5 0.7

Una forma alternativa de realizar los cálculos de flujo de potencia por las líneas es usar
métodos matriciales, tal como lo define la metodología B del capítulo 4. En este caso la
metodología es la siguiente:

211
1. Determinar la matriz incidencia nudo-rama
f12 f13 f 23
1 1 0 1
A
 1 0 1  2
 0  1  1 3

2. Calcular matriz admitancia primitiva

1 / x12  10 

Y  1 / x13   10 
 
 1 / x23   10

3. Ampliar la matriz X para incluir la barra de referencia

0 0 0 
1 
Xa   0 2 1
30
0 1 2

4. Calcular la matriz de transformación T

10 0 0  1  1 0  0 0 0 0  2 / 3  1 / 3 
1
T  Y  A  X a   0 10 0  1 0  1 0 2 1  0  1 / 3  2 / 3
t
30
 0 0 10 0 1  1 0 1 2 0 1 / 3  1 / 3 

Finalmente los flujos por las líneas estará dado por

~ ~ ~
0  2 / 3  1 / 3   P1   1 / 3(2 P2  P3 )   0.1 0 0.1 
~ ~ ~   ~ ~ 
f  T  P  0  1 / 3  2 / 3  P2    1 / 3( P2  2 P3 )   0.4 0.5 0.6 
~ ~ ~
0 1 / 3  1 / 3   P3   1 / 3( P2  P3 )  0.433 0.5 0.566

En todas las operaciones anteriores se usó (3.76) para la suma y (3.80) para la resta.

212
 Anexo E. Cálculo de Ángulo de fase en redes de topología
radial

En este anexo se realiza una deducción analítica del ángulo del voltaje de barras para
redes con topología radial. El objetivo es demostrar que los ángulos de fases en este tipo de redes
son dependientes.

Consideremos una red radial de 3 nudos, tal como se muestra en la en Fig. E.1.
[0.8; 1.0, 1.2] [0.8; 1.0, 1.2] [0.4; 0.5, 0.6]

1 f12 2 f23 3
Pg 1
x12 x23
G1

Pd 2 Pd 3

[0.4; 0.5, 0.6] [0.4; 0.5, 0.6]

Fig. E.1. Sistema radial de 3 nudos

La matriz susceptancia de nudos está dada por

1 / x  1 / x23  1 / x23 
B   12
  1 / x23 1 / x23  ,
Los ángulos en las barras se obtienen de la siguiente manera
~ ~
  B 1P , (E.1)
~ ~ ~
donde P  Pg  Pd es el vector de potencias netas difusas inyectadas a los nudos. Realizado

este cálculo, las expresiones para los ángulos quedan definidas por:
~ ~ ~
2  x12P2  x12P3 (E.2)
~ ~ ~
3  x12P2  x12  x23 P3 , (E.3)

La ecuación (E.3) se puede escribir también de la siguiente forma

213
 ~ ~ ~ ~ ~ ~
3  x12P2  x12P3  x23P3  2  x23P3 , (E.4)

Consideremos ahora una red de topología radial de 4 nudos, tal como se muestra en la
Fig. E.2.

[1.2; 1.5, 1.8]

1 2 3 4
[1.2; 1.5, 1.8] [0.8; 1.0, 1.2] [0.4; 0.5, 0.6]
Pg 1 f12 f23 f34
G1
x12 x23 x34

Pd 2 Pd 3 Pd 4

[0.4; 0.5, 0.6] [0.4; 0.5, 0.6] [0.4; 0.5, 0.6]

Fig. E.2. Sistema radial de 4 nudos

Para esta red, la matriz de susceptancia está dada por

1 / x12  1 / x23  1 / x23 0 


B    1 / x23 1 / x23  1 / x34  1 / x34 
 0  1 / x34 1 / x34 

Aplicando (E.1), los ángulos en las barras quedan establecidos por

~ ~ ~ ~
2  x12P2  x12P3  x12P4 (E.5)
~ ~ ~ ~
3  x12P2  x12  x23 P3  x12  x23 P4 (E.6)
~ ~ ~ ~
4  x12P2  x12  x23 P3  x12  x23  x34 P4 (E.6)

Las ecuaciones (E.6) y (E.7) se pueden escribir de la siguiente forma

~ ~ ~ ~
3  2  x23P3  x23P4 , (E.7)
~ ~ ~
 4  3  x34P4 (E.8)

214
 Consideremos ahora una red de topología radial de 5 nudos, tal como se muestra en la
Fig. E.3.

[1.6; 2.0, 2.4] 1 2 3 4 5

[1.6; 2.0, 2.4] [1.2; 1.5, 1.8] [0.8; 1.0, 1.2] [0.4; 0.5, 0.6]
Pg 1 f12 f23 f34 f45
G1
x12 x23 x34 x45

Pd 2 Pd 3 Pd 4 Pd 5

[0.4; 0.5, 0.6] [0.4; 0.5, 0.6] [0.4; 0.5, 0.6] [0.4; 0.5, 0.6]

Fig. E.3. Sistema radial de 5 nudos

Para esta red, la matriz de susceptancia está dada por

1 / x12  1 / x23  1 / x23 

 1/ x 1 / x23  1 / x34  1 / x34 
B  23 
  1 / x34 1 / x34  1 / x45  1 / x45 
 
  1 / x45 1 / x45 

Aplicando (E.1), los ángulos en las barras quedan establecidos por

~ ~ ~ ~ ~
2  x12P2  x12P3  x12P4  x12P5 (E.9)
~ ~ ~ ~ ~
3  x12P2  x12  x23 P3  x12  x23 P4  x12  x23 P5 (E.10)
~ ~ ~ ~ ~
4  x12P2  x12  x23 P3  x12  x23  x34 P4  x12  x23  x34 P5 (E.11)
~ ~ ~ ~ ~
5  x12P2  x12  x23 P3  x12  x23  x34 P4  x12  x23  x34  x45 P5 (E.12)

Las ecuaciones (E.6) y (E.7) se pueden escribir de la siguiente forma

~ ~ ~ ~ ~
3  2  x23P3  x23P4  x23P5 , (E.13)
~ ~ ~ ~
4  3  x34P4  x34P5 (E.14)

215
 ~ ~ ~
5   4  x45P5 (E.15)

Sin dificultad el proceso se puede extender para en caso de una red radial de n nudos.
Tomando las ecuaciones (E.13) – (E.15) y extendiendo para el caso de una red n nudos, se puede
deducir una ecuación general para calcular el ángulo de fase en las barras, el que estadía
establecido por la siguiente relación;
~ ~ n ~
 k   k 1  xk 1, x i  k Pi (E.16)

con k  2,  , n y 1  0 .

216
 Anexo F. Cálculo de posibilidad de excedencia del sistema

F.1. Introducción
En este anexo se explica el procedimiento para calcular la posibilidad de excedencia del
sistema ante la presencia de incertidumbre en la demanda y generación del sistema eléctrico.

F.2. Funciones de posibilidad en flujos por las líneas

Consideremos el flujo de potencia difuso de una línea de transmisión, obtenido desde la
solución de un flujo de potencia difuso, como el definido en el capítulo 4. Matemáticamente
este flujo podría estar definido por la siguiente función de posibilidad o membrecía triangular
, (F.1)
cuya figura se muestra en Fig. F.1.


f
1

0 fa fb fc x
Fig. F.1. Función de posibilidad de flujo por línea f

La función de membrecía de este flujo se puede escribir matemáticamente de la

siguiente forma:

217
  ( f  fa )
( f  f ) si f a  f  fb
 b a
 ( fc  f )
 f ( f )   f ( f ; f a , fb , fc )   si fb  f  fc (F.2)
( fc  fd )
 0 si f  fc ó f  fa



Para la función de posibilidad definida en (F.2) se puede calcular una función de

posibilidad acumulada, la que se obtiene integrando esta función, de manera que se obtiene

(F.3)

 ( f 2  f a2 ) ( f  fa )
  fa si f a  f  fb
 2 ( f b  f a ) fb  f a
 2
 f  f a ( f  fb )
2
( f  fb )
F( f )   b   fc si fb  f  fc (F.4)
 2 2( f c  f b ) fc  fb
 fc  fa
 si f  fc
 2


La Fig. F.2 muestra la función de posibilidad acumulada para una línea de capacidad
máxima Fmax de 1.0 pu y flujo dado por la función de posibilidad

La función de posibilidad acumulada nos entrega para la cantidad de casos evaluados, la

posibilidad de exceder un determinado valor del flujo en la línea. Para el ejemplo bajo análisis,
se aprecia en la Fig. F.2 que con posibilidad 0.5 la línea superará la capacidad máxima de
transmisión, es decir, el 50% de la veces la línea estará sobrecargada.

218
 -0.8

-0.85

F(f)
-0.9
F(Fmax) Fmax
Flujo en linea [pu]

-0.95

-1

-1.05

-1.1

-1.15
0 0.2 0.4 0.6 0.8 1
Posibilidad excedencia

Fig. F.2. Función de posibilidad acumulada del flujo

Considerando este punto se define un índice que permite determinar la condición

operativa de una línea para todos los escenarios de incertidumbre de demanda y generación del
sistema. Este índice se define de la siguiente forma

si f es un número difuso positivo y mayor a Fmax (F.5)

si f es un número difuso negativo y menor a -Fmax (F.6)

donde A es el área del número difuso y F(Fmax) es la posibilidad de exceder el flujo Fmax, dado
por (F.4). Iup da cuenta de las saturaciones para los flujos positivos, mientras que Ilb de los flujos
negativos. Puede darse que los dos índices sean distintos de cero, esto podría ocurrir cuando la
línea tenga flujos bidireccionales y estos exceden la capacidad máxima.

El índice de excedencia para el sistema se obtiene calculando el promedio de los índices

de cada línea, esto es,
(F.7)

219
 (F.8)

El otro índice que se calcula es el máximo de los máximos, es decir,

(F.9)

De esta manera se tiene que el criterio de diseño que se aplicará para aceptar una
configuración es que esta cumpla con ser menor o igual a

. (F.10)
Para el caso de funciones trapezoidales las fórmulas son las siguientes:

 ( f  f a ) /( f b  f a ) si f a  f  fb
 1 si fb  f  fc

 f ( f )   f ( x; f a , f b , f c , f d )   (F.11)
( f d  f ) /( f d  f c ) si fc  f  fd

 0 si f  f d ó f  fa

 ( f 2  f a2 ) ( f  fa )
  fa si f a  f  fb
 2( f b  f a ) fb  f a
 fb  f a
 f  fb si fb  f  f c
 2
F( f )   2 2
(F.12)
 fb  f a  f  f  ( f  fc )  f ( f  f c ) si fc  f  fd
 2 c b d
2( f d  f c ) fd  fc
 fb  f a f  fc

  fc  fb  d si f  fd
2 2

La idea de utilizar la probabilidad de excedencia de un corredor para identificar circuitos

candidatos, ha sido habitualmente usada en los ETT en Chile. En esta tesis lo que se busca es
automatizar este proceso, de manera de explorar una cantidad abundante de configuraciones de
configuraciones y así tener una mayor certeza de haber encontrado una solución de buena
calidad. En el caso del los ETT en Chile, esta exploración de configuraciones se realiza en forma
heurística, y para cada una de ellas se ejecuta una coordinación hidrotermal de mediano plazo.
Por los tiempos que esto toma, las configuraciones que se exploran son limitadas.

220
 Anexo G. Sistemas de Prueba y resultados de simulaciones

En este anexo se muestran los datos y resultados de simulaciones de los sistemas de

prueba utilizados para validar los métodos propuestos. Los sistemas en análisis son: Sistema
estándar IEEE RTS de 24 barras , una versión del Sistema Interconectado Central de 101 barras
y una versión de SIC de 54 barras extraída de la fijación de precio de nudos del SIN de octubre
de 2009.

G.1 Sistema IEEE RTS de 24 barras

Se presentan a continuación los datos utilizados en las simulaciones de flujo de potencia
difuso para el sistema IEEE RTS de 24 barras. Este es un sistema que posee 24 nudos y 38
ramas. Los datos de potencia están expresados en MW, mientras que los parámetros de las líneas
están en por unidad (pu) sobre la base de 500 MVA.

Para las potencias generadas y consumidas difusas se supone una incertidumbre de 5%.
Los valores difusos de las potencias generadas y consumidas se calculan tomando los valores
centrales de la Tabla G2. Así por ejemplo, para cualquier potencia generada se tendrá:
Pg (a1 )  0.95Pg ; Pg (a2 )  0.9875Pg ; Pg (a3 )  1.025Pg ; Pg (a2 )  1.055Pg ;

221
 Tabla G.1. Parámetros de líneas y transformadores sistema IEEE RTS
Line Node 1 Node 2 X [pu] Line Node 1 Node 2 X [pu]
1 1 2 0,0695 20 12 13 0,2380
2 1 3 1,0560 21 12 23 0,4830
3 1 5 0,4225 22 13 23 0,4325
4 2 4 0,6335 23 14 16 0,1945
5 2 6 0,9600 24 15 16 0,0865
6 3 9 0,5950 25 15 21 0,2450
7 3 24 0,4195 26 15 21 0,2450
8 4 9 0,5185 27 15 24 0,2595
9 5 10 0,4415 28 16 17 0,1295
10 6 10 0,3025 29 16 19 0,1155
11 7 8 0,3070 30 17 18 0,0720
12 8 9 0,8255 31 17 22 0,5265
13 8 10 0,8255 32 18 21 0,1295
14 9 11 0,4195 33 18 21 0,1295
15 9 12 0,4195 34 19 20 0,1980
16 10 11 0,4195 35 19 20 0,1980
17 10 12 0,4195 36 20 23 0,1080
18 11 13 0,2380 37 20 23 0,1080
19 11 14 0,2090 38 21 22 0,3390

Tabla G.2. Valores centrales de potencias generadas y consumidas

No Pg [MW] Pd [MW] No Pg [MW] Pd [MW]
1 260,0 194,4 13 700,0 477,0
2 300,0 174,6 14 0,0 349,2
3 0,0 324,0 15 300,0 570,6
4 0,0 133,8 16 270,0 180,0
5 0,0 127,8 17 0,0 0,0
6 0,0 244,8 18 300,0 599,4
7 700,0 225,0 19 0,0 325,8
8 0,0 307,8 20 0,0 230,4
9 0,0 315,0 21 700,0 0,0
10 0,0 351,0 22 400,0 0,0
11 0,0 0,0 23 1.200,0 0,0
12 0,0 0,0 24 0,0 0,0

222
Tabla G.3. Resultados de potencias y ángulos difusos obtenidos con método B en sistema IEEE RTS
BUS PG(a1) PG(a2) PG(a3) PG(a4) PD(a1) PD(a2) PD(a3) PD(a3) Ang(a1) Ang(a2) Ang(a3) Ang(a4)
1 0,49 0,51 0,53 0,55 0,37 0,38 0,39 0,41 -40,36 -32,61 -27,44 -19,69
2 0,57 0,59 0,61 0,63 0,33 0,34 0,35 0,37 -40,26 -32,50 -27,32 -19,55
3 0,00 0,00 0,00 0,00 0,62 0,64 0,66 0,68 -39,91 -33,18 -28,68 -21,94
4 0,00 0,00 0,00 0,00 0,25 0,26 0,27 0,28 -42,73 -35,63 -30,90 -23,80
5 0,00 0,00 0,00 0,00 0,24 0,25 0,26 0,27 -43,21 -35,96 -31,14 -23,89
6 0,00 0,00 0,00 0,00 0,47 0,48 0,50 0,51 -46,38 -39,35 -34,67 -27,65
7 1,33 1,38 1,42 1,47 0,43 0,44 0,46 0,47 -17,82 -8,05 -1,54 8,23
8 0,00 0,00 0,00 0,00 0,58 0,61 0,62 0,65 -32,90 -24,35 -18,65 -10,10
9 0,00 0,00 0,00 0,00 0,60 0,62 0,64 0,66 -36,39 -30,14 -25,97 -19,72
10 0,00 0,00 0,00 0,00 0,67 0,69 0,71 0,74 -39,39 -32,92 -28,61 -22,14
11 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 -27,74 -22,37 -18,80 -13,43
12 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 -23,32 -18,93 -16,01 -11,63
13 1,33 1,38 1,42 1,47 0,91 0,94 0,97 1,00 -18,26 -13,97 -11,11 -6,81
14 0,00 0,00 0,00 0,00 0,66 0,69 0,71 0,73 -25,95 -20,63 -17,09 -11,77
15 0,57 0,59 0,61 0,63 1,08 1,13 1,16 1,20 -17,17 -11,48 -7,68 -1,99
16 0,51 0,53 0,55 0,57 0,34 0,36 0,36 0,38 -16,10 -11,13 -7,81 -2,83
17 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 -13,10 -7,40 -3,60 2,10
18 0,57 0,59 0,61 0,63 1,14 1,18 1,21 1,26 -12,91 -6,88 -2,87 3,15
19 0,00 0,00 0,00 0,00 0,62 0,64 0,66 0,68 -12,40 -9,45 -7,48 -4,53
20 0,00 0,00 0,00 0,00 0,44 0,46 0,47 0,48 -5,35 -4,27 -3,55 -2,47
21 1,33 1,38 1,42 1,47 0,00 0,00 0,00 0,00 -10,18 -4,11 -0,07 5,99
22 0,76 0,79 0,81 0,84 0,00 0,00 0,00 0,00 -2,34 3,93 8,12 14,39
23 1,50 2,17 2,63 3,31 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
24 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 -25,86 -19,77 -15,71 -9,61

223
Tabla G.4. Resultados de flujos con método B y método desarrollado por Matos
Metodo B Método Matos
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support F(a1) F(a4) Support
1 1 2 -48,145 -23,022 -6,273 18,851 66,997 -48,145 18,851 66,997
2 1 3 -21,871 0,132 14,800 36,802 58,673 -21,871 36,802 58,673
3 1 5 46,854 66,300 79,263 98,709 51,854 46,854 98,709 51,854
4 2 4 25,526 41,013 51,337 66,823 41,297 25,526 66,823 41,297
5 2 6 45,381 59,779 69,377 83,775 38,394 45,381 83,775 38,394
6 3 9 -75,425 -50,474 -33,840 -8,889 66,536 -75,425 -8,889 66,536
7 3 24 -330,598 -288,432 -260,322 -218,157 112,441 -330,598 -218,157 112,441
8 4 9 -110,019 -93,224 -82,026 -65,231 44,789 -110,019 -65,231 44,789
9 5 10 -82,318 -61,843 -48,193 -27,719 54,600 -82,318 -27,719 54,600
10 6 10 -206,008 -186,669 -173,776 -154,437 51,571 -206,008 -154,437 51,571
11 7 8 428,750 463,438 486,563 521,250 92,500 428,750 521,250 92,500
12 8 9 31,636 59,861 78,678 106,904 75,268 31,636 106,904 75,268
13 8 10 61,099 88,722 107,138 134,762 73,662 61,099 134,762 73,662
14 9 11 -189,573 -163,935 -146,843 -121,205 68,368 -189,573 -121,205 68,368
15 9 12 -272,951 -233,331 -206,917 -167,296 105,655 -272,951 -167,296 105,655
16 10 11 -257,743 -223,276 -200,299 -165,833 91,910 -257,743 -165,833 91,910
17 10 12 -334,430 -290,999 -262,046 -218,616 115,814 -334,430 -218,616 115,814
18 11 13 -376,254 -315,349 -274,745 -213,840 162,414 -376,254 -213,840 162,414
19 11 14 -160,050 -94,110 -50,150 15,790 175,840 -160,050 15,790 175,840
20 12 13 -220,058 -190,723 -171,167 -141,832 78,226 -220,058 -141,832 78,226
21 12 23 -421,260 -342,091 -289,312 -210,143 211,117 -421,260 -210,143 211,117
22 13 23 -368,526 -281,875 -224,108 -137,458 231,068 -368,526 -137,458 231,068
23 14 16 -511,594 -443,896 -398,764 -331,065 180,529 -511,594 -331,065 180,529
24 15 16 -112,709 -36,768 13,858 89,799 202,507 -112,709 89,799 202,507
25 15 21 -298,505 -274,697 -258,825 -235,017 63,488 -298,505 -235,017 63,488
26 15 21 -298,505 -274,697 -258,825 -235,017 63,488 -298,505 -235,017 63,488
27 15 24 218,157 260,322 288,432 330,598 112,441 218,157 330,598 112,441
28 16 17 -333,127 -283,590 -250,566 -201,028 132,099 -333,127 -201,028 132,099
29 16 19 -286,606 -128,432 -22,982 135,192 421,798 -286,606 135,192 421,798
30 17 18 -129,177 -89,293 -62,704 -22,821 106,356 -129,177 -22,821 106,356
31 17 22 -203,951 -194,297 -187,861 -178,208 25,743 -203,951 -178,208 25,743
32 18 21 -212,105 -193,801 -181,598 -163,294 48,810 -212,105 -163,294 48,810
33 18 21 -212,105 -193,801 -181,598 -163,294 48,810 -212,105 -163,294 48,810
34 19 20 -311,639 -228,475 -173,032 -89,868 221,770 -311,639 -89,868 221,770
35 19 20 -311,639 -228,475 -173,032 -89,868 221,770 -311,639 -89,868 221,770
36 20 23 -431,922 -344,946 -286,961 -199,985 231,938 -431,922 -199,985 231,938
37 20 23 -431,922 -344,946 -286,961 -199,985 231,938 -431,922 -199,985 231,938
38 21 22 -225,321 -213,021 -204,821 -192,521 32,800 -225,321 -192,521 32,800

224
G.2 Sistema Interconectado Central de 101 nudos
. El Sistema Interconectado Central de Chile (SIC) tiene 101 nudos, 35 generadores, 110
líneas y 27 transformadores. La condición operativa simulada corresponde a una hidrología
húmeda con una demanda central de 6849 MW. Se ha considerado la presencia de un 2,5% de
incertidumbre para cada potencia generada y consumida y se usan funciones trapezoidales para
modelar la incertidumbre. Se supone independencia entra cada par de potencias consumidas y
generadas. En las Tablas G5 – G7 se presentan los parámetros de líneas y transformadores junto
con los datos de potencias generadas y consumida en las barras. Por otra parte las Tablas G8 y
G9 muestran los resultados de las simulaciones para un flujo de potencia difuso usando la
metodología B.

Tabla G.5. Parámetros de transformadores SIC

No Node 1 Node 2 R [pu] X [pu] S max [pu]
1 4 45 0,0052 0,1536 0,7500
2 5 46 0,0052 0,1536 0,7500
3 6 65 0,0026 0,0768 1,5000
4 34 49 0,0000 0,0419 4,0000
5 8 9 0,0008 0,0467 3,0000
6 11 50 0,0004 0,0163 7,3500
7 13 77 0,0001 0,0098 17,5000
8 14 78 0,0003 0,0217 8,7500
9 13 23 0,0002 0,0320 4,0000
10 76 24 0,0002 0,0320 4,0000
11 25 39 0,0069 0,1547 0,5000
12 13 36 0,0005 0,0261 5,2000
13 32 70 0,0000 0,2280 0,6000
14 28 27 0,0005 0,0300 3,4800
15 30 29 0,0002 0,0320 4,0000
16 16 42 0,0005 0,0280 5,2000
17 66 67 0,0020 0,0800 1,2000
18 38 72 0,0184 0,4470 0,6000
19 25 79 0,0000 0,1350 1,1000
20 42 84 0,0073 0,1888 0,8000
21 14 78 0,0003 0,0217 8,7500
22 17 16 0,0001 0,0098 13,0000
23 10 92 0,0003 0,0217 8,7500
24 5 46 0,0052 0,1536 0,7500
25 6 65 0,0052 0,1536 0,7500
26 6 65 0,0052 0,1536 0,7500
27 4 45 0,0052 0,1536 0,7500

225
 Tabla G.6. Parámetros de líneas SIC 101 barras
No Node 1 Node 2 R [pu] X [pu] Max [pu] No Node 1 Node 2 R [pu] X [pu] Max [pu]
1 39 36 0,0364 0,1062 1,5000 56 18 54 0,0011 0,0040 2,4600
2 23 40 0,0061 0,0283 1,7900 57 73 72 0,1630 0,1791 0,4700
3 37 23 0,0217 0,0976 1,7900 58 22 19 0,1063 0,3059 1,6600
4 13 12 0,0021 0,0108 3,8300 59 20 19 0,0315 0,1245 1,7400
5 13 10 0,0018 0,0203 4,8000 60 51 31 0,0079 0,0289 2,4600
6 35 11 0,0059 0,0232 6,4000 61 21 20 0,0220 0,0870 1,8200
7 56 58 0,0078 0,0286 2,9400 62 48 49 0,0144 0,0539 3,5000
8 22 21 0,0227 0,0942 1,7400 63 48 9 0,0144 0,0539 3,2900
9 62 66 0,0004 0,0015 2,9400 64 13 75 0,0018 0,0078 7,1000
10 4 3 0,0155 0,0619 2,2000 65 75 15 0,0077 0,0327 7,1000
11 22 63 0,0061 0,0253 3,5800 66 76 14 0,0029 0,0277 8,0000
12 61 24 0,0274 0,0987 2,9800 67 79 80 0,0450 0,0605 0,4000
13 50 58 0,0085 0,0313 2,9400 68 80 81 0,0205 0,0275 0,4000
14 12 11 0,0013 0,0050 3,6200 69 81 82 0,0115 0,0161 0,4500
15 11 57 0,0014 0,0052 6,2000 70 82 83 0,0482 0,0597 0,4500
16 18 27 0,0037 0,0098 3,1000 71 84 85 0,3306 0,2181 0,2000
17 68 69 0,0582 0,0596 0,7600 72 14 86 0,0010 0,0097 10,2400
18 3 2 0,0149 0,0593 2,0800 73 87 16 0,0035 0,0254 3,5000
19 42 41 0,0322 0,1005 1,0500 74 1 16 0,0029 0,0266 8,7800
20 41 26 0,0361 0,1132 1,2600 75 1 88 0,0020 0,0184 4,3900
21 16 14 0,0055 0,0470 14,1200 76 88 89 0,0076 0,0698 5,2400
22 64 16 0,0146 0,0748 2,2500 77 89 90 0,0050 0,0480 5,0100
23 19 64 0,0166 0,0852 2,2200 78 88 16 0,0037 0,0349 6,5000
24 55 62 0,0030 0,0114 2,2100 79 16 90 0,0061 0,0586 5,0100
25 43 29 0,0049 0,0185 2,1000 80 91 13 0,0037 0,0178 4,5000
26 32 24 0,0239 0,0747 1,0500 81 37 25 0,0080 0,0324 1,2300
27 24 60 0,0091 0,0331 2,4600 82 37 51 0,0048 0,0174 2,4600
28 10 57 0,0018 0,0066 6,2000 83 51 31 0,0079 0,0289 2,4600
29 67 68 0,0063 0,0064 1,0600 84 78 17 0,0010 0,0066 13,0000
30 7 6 0,0203 0,0931 2,2400 85 42 41 0,0322 0,1005 2,0000
31 45 93 0,2647 0,3734 0,4700 86 78 77 0,0022 0,0282 4,9500
32 46 47 0,0210 0,0296 1,4700 87 16 28 0,0148 0,0574 3,0000
33 43 55 0,0028 0,0105 2,1000 88 16 30 0,0133 0,0681 2,7300
34 38 32 0,0237 0,0742 1,0500 89 4 5 0,0265 0,1074 2,0000
35 5 4 0,0137 0,0556 2,2000 90 5 6 0,0405 0,1659 2,3500
36 65 74 0,4240 0,7156 0,2900 91 6 7 0,0405 0,1659 2,3000
37 52 53 0,0035 0,0201 3,7200 92 16 19 0,0313 0,1600 2,7000
38 46 94 0,3166 0,4467 0,7800 93 78 77 0,0026 0,0307 4,5500
39 26 38 0,0205 0,0640 1,0500 94 13 12 0,0021 0,0108 3,9000
40 25 40 0,0148 0,0700 2,1100 95 12 11 0,0013 0,0050 3,6000
41 2 33 0,0094 0,0724 3,9200 96 11 57 0,0014 0,0050 3,9000
42 6 5 0,0202 0,0830 1,9000 97 57 10 0,0018 0,0066 3,9000
43 54 29 0,0012 0,0046 2,1000 98 4 5 0,0265 0,1074 2,0000
44 53 56 0,0154 0,0564 2,9400 99 5 6 0,0405 0,1659 2,3500
45 9 49 0,0270 0,0455 1,1500 100 6 7 0,0405 0,1659 2,3000
46 9 52 0,0044 0,0245 3,7200 101 93 46 0,0643 0,0907 0,4700
47 8 7 0,0128 0,0507 2,6000 102 45 95 0,0322 0,0454 0,4700
48 10 8 0,0029 0,0190 10,0000 103 94 65 0,0742 0,1047 0,7800
49 8 44 0,0002 0,0021 15,6800 104 65 96 0,0173 0,0244 0,7800
50 59 35 0,0059 0,0231 6,4000 105 65 97 0,0470 0,0663 0,7800
51 60 31 0,0066 0,0243 2,4600 106 97 98 0,1336 0,1884 0,7800
52 72 71 0,5556 0,7713 0,2900 107 98 99 0,3166 0,4467 0,7800
53 34 44 0,0034 0,0194 3,9200 108 99 100 0,1237 0,1745 0,7800
54 70 73 0,0134 0,0129 1,0600 109 100 101 0,1534 0,2163 0,7800
55 18 29 0,0023 0,0087 2,0900 110 101 9 0,1212 0,1710 0,7800

226
 Tabla G.7. Valores centrales de potencias generadas y consumidas
No Pg [MW] Pg [MW] Nombre No Pg [MW] Pg [MW] Nombre
1 0,0000 0,0000 Antu220 52 0,0000 1,2440 Pach110
2 2,1000 1,8370 DA220 53 1,2000 1,9100 LV110
3 0,0000 0,4770 CP220 54 0,0000 1,2360 Pe154
4 0,0000 1,6470 Car220 55 0,0000 0,3530 Fo154
5 2,5000 0,1740 Ma220 56 0,0000 0,5270 PP110
6 0,0000 0,0740 PAz220 57 0,0000 0,4360 La220
7 0,0000 0,0910 LV220 58 0,0000 0,7670 Ba110
8 0,0000 1,6220 Qu220 59 3,1000 0,3950 Ra220
9 0,0000 1,3330 Qu110 60 0,0000 0,2070 Te154
10 10,0000 2,3150 Po220 61 2,2000 0,2790 Ci154
11 0,0000 0,0410 CN220 62 1,0000 0,0000 Bo154
12 0,0000 1,4310 Che220 63 1,1000 0,0170 Can220
13 2,0000 10,4280 AJ220 64 0,0000 0,0170 Es220
14 0,0000 0,1320 An220 65 0,1000 1,8290 Paz110
15 4,0000 0,8060 Cb220 66 0,0000 0,7090 Cor154
16 0,0000 2,4700 Cha220 67 0,0000 0,0910 Loa66
17 0,0000 0,0000 Cha500 68 0,0000 0,0080 Coa66
18 0,0000 0,0000 SV154 69 0,2500 0,6760 CAo66
19 0,0000 1,5310 Te220 70 0,0000 0,0500 SMl66
20 1,0000 1,4320 Va220 71 0,2000 0,3950 Coi66
21 0,4300 1,2690 BB220 72 0,0000 0,1070 SJr66
22 0,0000 1,6800 PM220 73 0,0000 0,3370 Taa66
23 0,0000 0,0000 AJ154 74 0,1000 0,1740 EI110
24 0,4400 1,3500 It154 75 0,0000 0,0000 Cand220
25 0,0000 1,3020 Ra154 76 0,0000 0,0000 Ita220
26 0,0000 0,3200 Pr154 77 0,0000 0,0000 AJPM500220a
27 0,0000 0,0000 Co154 78 0,0000 0,0000 AnPM500220
28 0,0000 2,0370 Co220 79 0,0000 0,0000 Ran66
29 0,5100 0,8390 Hu154 80 0,0000 0,0000 Dole66
30 0,0000 0,0000 Hu220 81 0,0000 0,0000 Ind66
31 0,0000 0,8390 SF154 82 0,0000 0,0000 Gra66
32 0,0000 0,0580 Mau154 83 0,2000 0,0000 Most66
33 2,8000 0,0000 Pap220 84 0,0600 0,0000 Charrua66
34 0,0000 0,0080 AS220 85 0,1300 0,0000 Chol66
35 0,0000 1,0540 AM220 86 5,1000 0,0000 Pehu220
36 1,1500 0,2400 AJ110 87 2,6000 0,0000 Rucu220
37 0,0000 0,7090 PC154 88 0,0000 0,0000 Tru220
38 0,0000 0,2960 Lin154 89 0,0000 0,0000 Pan220
39 0,7000 2,1490 Sa110 90 0,0000 0,0000 Cho220
40 0,0000 0,5600 Pa154 91 1,5000 0,0000 Alfa220
41 0,0000 0,6260 Chi154 92 0,0000 0,0000 Po500
42 1,0000 1,6470 Ch154 93 0,0000 0,0000 PtaToro
43 0,0000 0,1980 Map154 94 0,0000 0,0000 Romeral
44 9,0000 0,0000 SL220 95 0,0000 0,0000 Copiapo
45 0,0000 1,3990 Ca110 96 0,0000 0,0000 Sjoaquin
46 0,0000 0,3040 Ma110 97 0,0000 0,0000 AndaCollo
47 0,6000 0,7010 Hu110 98 0,0000 0,0000 Ovalle
48 2,7000 1,0210 Ve110 99 0,0000 0,0000 Illapel
49 0,4500 1,1620 Mi110 100 0,7000 0,0000 Choapa
50 4,0000 7,0170 CN110 101 0,0000 0,0000 Cabildo

227
 Tabla G.8a. Resultados de potencias y ángulos difusos obtenidos con método B en sistema SIC
BUS PG(a1) PG(a2) PG(a3) PG(a4) PD(a1) PD(a2) PD(a3) PD(a3) Ang(a1) Ang(a2) Ang(a3) Ang(a4)
1 0,2338 1,9014 5,2366 6,9042 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 2,0475 2,0738 2,1263 2,1525 1,7911 1,8140 1,8600 1,8829 18,8414 25,9940 40,2994 47,4521
3 0,0000 0,0000 0,0000 0,0000 0,4651 0,4710 0,4830 0,4889 9,0066 15,8732 29,6063 36,4728
4 0,0000 0,0000 0,0000 0,0000 1,6058 1,6264 1,6676 1,6882 0,4747 7,0215 20,1149 26,6617
5 2,4375 2,4688 2,5313 2,5625 0,1697 0,1718 0,1762 0,1784 1,3809 7,7373 20,4501 26,8065
6 0,0000 0,0000 0,0000 0,0000 0,0722 0,0731 0,0749 0,0759 -1,0168 4,9376 16,8465 22,8010
7 0,0000 0,0000 0,0000 0,0000 0,0887 0,0899 0,0921 0,0933 0,4796 5,9337 16,8418 22,2959
8 0,0000 0,0000 0,0000 0,0000 1,5815 1,6017 1,6423 1,6626 2,4801 7,3525 17,0974 21,9699
9 0,0000 0,0000 0,0000 0,0000 1,2997 1,3163 1,3497 1,3663 -2,0806 2,9393 12,9791 17,9991
10 9,7500 9,8750 10,1250 10,2500 2,2571 2,2861 2,3439 2,3729 -1,5468 2,8606 11,6752 16,0826
11 0,0000 0,0000 0,0000 0,0000 0,0400 0,0405 0,0415 0,0420 -4,0176 0,2957 8,9223 13,2356
12 0,0000 0,0000 0,0000 0,0000 1,3952 1,4131 1,4489 1,4668 -4,6707 -0,4374 8,0292 12,2625
13 1,9500 1,9750 2,0250 2,0500 10,1673 10,2977 10,5584 10,6887 -5,6276 -1,5727 6,5373 10,5923
14 0,0000 0,0000 0,0000 0,0000 0,1287 0,1304 0,1337 0,1353 -3,7438 -1,2594 3,7094 6,1938
15 3,9000 3,9500 4,0500 4,1000 0,7859 0,7959 0,8161 0,8262 1,5052 5,6995 14,0883 18,2827
16 0,0000 0,0000 0,0000 0,0000 2,4083 2,4391 2,5009 2,5318 -6,7470 -5,1174 -1,8581 -0,2285
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -5,7535 -3,5761 0,7786 2,9559
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -17,2876 -15,4107 -11,6570 -9,7801
19 0,0000 0,0000 0,0000 0,0000 1,4927 1,5119 1,5501 1,5693 -23,3335 -21,2188 -16,9893 -14,8745
20 0,9750 0,9875 1,0125 1,0250 1,3962 1,4141 1,4499 1,4678 -32,6262 -30,1148 -25,0922 -22,5809
21 0,4193 0,4246 0,4354 0,4408 1,2373 1,2531 1,2849 1,3007 -36,6633 -34,0264 -28,7526 -26,1157
22 0,0000 0,0000 0,0000 0,0000 1,6380 1,6590 1,7010 1,7220 -36,2770 -33,6188 -28,3023 -25,6441
23 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -9,6452 -5,7000 2,1903 6,1355
24 0,4290 0,4345 0,4455 0,4510 1,3163 1,3331 1,3669 1,3838 -9,0987 -6,0925 -0,0801 2,9262
25 0,0000 0,0000 0,0000 0,0000 1,2695 1,2857 1,3183 1,3346 -15,0200 -11,1891 -3,5274 0,3034
26 0,0000 0,0000 0,0000 0,0000 0,3120 0,3160 0,3240 0,3280 -14,9678 -12,5517 -7,7194 -5,3033
27 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -16,9172 -15,0568 -11,3360 -9,4756
28 0,0000 0,0000 0,0000 0,0000 1,9861 2,0115 2,0625 2,0879 -15,7833 -13,9734 -10,3535 -8,5436
29 0,4973 0,5036 0,5164 0,5228 0,8180 0,8285 0,8495 0,8600 -17,2832 -15,4011 -11,6369 -9,7548
30 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -13,9150 -12,1136 -8,5108 -6,7094
31 0,0000 0,0000 0,0000 0,0000 0,8180 0,8285 0,8495 0,8600 -13,6467 -10,1821 -3,2529 0,2118
32 0,0000 0,0000 0,0000 0,0000 0,0566 0,0573 0,0587 0,0595 -13,3663 -10,5368 -4,8777 -2,0481
33 2,7300 2,7650 2,8350 2,8700 0,0000 0,0000 0,0000 0,0000 30,1660 37,4639 52,0596 59,3574
34 0,0000 0,0000 0,0000 0,0000 0,0078 0,0079 0,0081 0,0082 2,2790 7,2132 17,0816 22,0158
35 0,0000 0,0000 0,0000 0,0000 1,0277 1,0408 1,0672 1,0804 -1,9741 2,4147 11,1925 15,5814
36 1,1213 1,1356 1,1644 1,1788 0,2340 0,2370 0,2430 0,2460 -6,5174 -2,4304 5,7434 9,8304
37 0,0000 0,0000 0,0000 0,0000 0,6913 0,7001 0,7179 0,7267 -14,2764 -10,5806 -3,1889 0,5070
38 0,0000 0,0000 0,0000 0,0000 0,2886 0,2923 0,2997 0,3034 -15,2684 -12,6347 -7,3675 -4,7338
39 0,6825 0,6913 0,7088 0,7175 2,0953 2,1221 2,1759 2,2027 -15,4633 -11,3521 -3,1298 0,9814
40 0,0000 0,0000 0,0000 0,0000 0,5460 0,5530 0,5670 0,5740 -11,8553 -7,9350 -0,0943 3,8260
41 0,0000 0,0000 0,0000 0,0000 0,6104 0,6182 0,6338 0,6417 -12,3088 -10,3033 -6,2923 -4,2869
42 0,9750 0,9875 1,0125 1,0250 1,6058 1,6264 1,6676 1,6882 -9,2810 -7,4804 -3,8791 -2,0784
43 0,0000 0,0000 0,0000 0,0000 0,1931 0,1955 0,2005 0,2030 -18,2023 -16,2767 -12,4254 -10,4998
44 8,7750 8,8875 9,1125 9,2250 0,0000 0,0000 0,0000 0,0000 3,4131 8,3038 18,0852 22,9759
45 0,0000 0,0000 0,0000 0,0000 1,3640 1,3815 1,4165 1,4340 -5,2301 1,3644 14,5534 21,1479
46 0,0000 0,0000 0,0000 0,0000 0,2964 0,3002 0,3078 0,3116 -1,5736 4,8446 17,6809 24,0991
47 0,5850 0,5925 0,6075 0,6150 0,6835 0,6922 0,7098 0,7185 -1,8001 4,6457 17,5372 23,9829
48 2,6325 2,6663 2,7338 2,7675 0,9955 1,0082 1,0338 1,0465 1,3333 6,4290 16,6205 21,7163
49 0,4388 0,4444 0,4556 0,4613 1,1330 1,1475 1,1765 1,1911 -0,1507 4,8772 14,9331 19,9610
50 3,9000 3,9500 4,0500 4,1000 6,8416 6,9293 7,1047 7,1924 -7,8058 -3,2895 5,7430 10,2593
51 0,0000 0,0000 0,0000 0,0000 0,0965 0,0978 0,1002 0,1015 -13,9783 -10,4082 -3,2680 0,3020
52 0,0000 0,0000 0,0000 0,0000 1,2129 1,2285 1,2596 1,2751 -5,7660 -0,7588 9,2557 14,2630
53 1,1700 1,1850 1,2150 1,2300 1,8623 1,8861 1,9339 1,9578 -7,3211 -2,3421 7,6157 12,5947
54 0,0000 0,0000 0,0000 0,0000 1,2051 1,2206 1,2515 1,2669 -17,4408 -15,5596 -11,7973 -9,9161
55 0,0000 0,0000 0,0000 0,0000 0,3442 0,3486 0,3574 0,3618 -18,6019 -16,6530 -12,7553 -10,8065
56 0,0000 0,0000 0,0000 0,0000 0,5138 0,5204 0,5336 0,5402 -9,1389 -4,3651 5,1827 9,9565
57 0,0000 0,0000 0,0000 0,0000 0,4251 0,4306 0,4415 0,4469 -2,9776 1,3771 10,0865 14,4413
58 0,0000 0,0000 0,0000 0,0000 0,7478 0,7574 0,7766 0,7862 -9,1756 -4,5165 4,8017 9,4608
59 3,0225 3,0613 3,1388 3,1775 0,3851 0,3901 0,3999 0,4049 1,4904 5,9371 14,8305 19,2771
60 0,0000 0,0000 0,0000 0,0000 0,2018 0,2044 0,2096 0,2122 -11,8917 -8,6191 -2,0738 1,1988

228
 Tabla G.8b. Resultados de potencias y ángulos difusos obtenidos con método B en sistema SIC
BUS PG(a1) PG(a2) PG(a3) PG(a4) PD(a1) PD(a2) PD(a3) PD(a3) Ang(a1) Ang(a2) Ang(a3) Ang(a4)
61 2,1450 2,1725 2,2275 2,2550 0,2720 0,2755 0,2825 0,2860 1,4142 4,5957 10,9586 14,1401
62 0,9750 0,9875 1,0125 1,0250 0,0000 0,0000 0,0000 0,0000 -18,7993 -16,8282 -12,8859 -10,9147
63 1,0725 1,0863 1,1138 1,1275 0,0166 0,0168 0,0172 0,0174 -34,7476 -32,0691 -26,7122 -24,0337
64 0,0000 0,0000 0,0000 0,0000 0,0166 0,0168 0,0172 0,0174 -14,5410 -12,6841 -8,9702 -7,1133
65 0,0975 0,0988 0,1013 0,1025 1,7833 1,8061 1,8519 1,8747 -4,3792 1,6392 13,6761 19,6945
66 0,0000 0,0000 0,0000 0,0000 0,6913 0,7001 0,7179 0,7267 -18,9091 -16,9361 -12,9901 -11,0170
67 0,0000 0,0000 0,0000 0,0000 0,0887 0,0899 0,0921 0,0933 -21,4330 -19,4013 -15,3377 -13,3060
68 0,0000 0,0000 0,0000 0,0000 0,0078 0,0079 0,0081 0,0082 -21,6007 -19,5647 -15,4926 -13,4566
69 0,2438 0,2469 0,2531 0,2563 0,6591 0,6676 0,6845 0,6929 -23,1345 -21,0589 -16,9078 -14,8322
70 0,0000 0,0000 0,0000 0,0000 0,0488 0,0494 0,0506 0,0513 -19,7708 -16,8879 -11,1221 -8,2392
71 0,1950 0,1975 0,2025 0,2050 0,3851 0,3901 0,3999 0,4049 -30,3305 -27,1241 -20,7113 -17,5049
72 0,0000 0,0000 0,0000 0,0000 0,1043 0,1057 0,1083 0,1097 -21,0556 -18,1779 -12,4225 -9,5448
73 0,0000 0,0000 0,0000 0,0000 0,3286 0,3328 0,3412 0,3454 -20,0953 -17,2099 -11,4390 -8,5535
74 0,0975 0,0988 0,1013 0,1025 0,1697 0,1718 0,1762 0,1784 -7,6942 -1,5353 10,7824 16,9413
75 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -4,2539 -0,1721 7,9916 12,0734
76 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -6,2284 -3,5019 1,9511 4,6776
77 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -5,4103 -1,9589 4,9440 8,3954
78 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -5,0844 -2,5382 2,5543 5,1005
79 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -13,5117 -9,6615 -1,9611 1,8891
80 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -12,8357 -8,9769 -1,2591 2,5997
81 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -12,5285 -8,6657 -0,9401 2,9227
82 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -12,3486 -8,4835 -0,7533 3,1118
83 0,1950 0,1975 0,2025 0,2050 0,0000 0,0000 0,0000 0,0000 -11,6816 -7,8079 -0,0606 3,8130
84 0,0585 0,0593 0,0608 0,0615 0,0000 0,0000 0,0000 0,0000 -7,2771 -5,4508 -1,7981 0,0283
85 0,1268 0,1284 0,1316 0,1333 0,0000 0,0000 0,0000 0,0000 -5,6932 -3,8466 -0,1532 1,6934
86 4,9725 5,0363 5,1638 5,2275 0,0000 0,0000 0,0000 0,0000 -0,9802 1,5396 6,5792 9,0990
87 2,5350 2,5675 2,6325 2,6650 0,0000 0,0000 0,0000 0,0000 -3,0578 -1,3809 1,9730 3,6500
88 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -2,6116 -1,9808 -0,7192 -0,0884
89 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -4,2480 -3,2219 -1,1699 -0,1438
90 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -5,3732 -4,0754 -1,4798 -0,1819
91 1,4625 1,4813 1,5188 1,5375 0,0000 0,0000 0,0000 0,0000 -4,1361 -0,0620 8,0862 12,1604
92 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -1,5468 2,8606 11,6752 16,0826
93 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -2,2882 4,1644 17,0697 23,5223
94 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -3,8465 2,2478 14,4365 20,5308
95 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -5,2301 1,3644 14,5534 21,1479
96 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -4,3792 1,6392 13,6761 19,6945
97 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -3,4637 2,5125 14,4650 20,4412
98 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 -0,8620 4,9942 16,7067 22,5630
99 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 5,3065 10,8783 22,0220 27,5938
100 0,6825 0,6913 0,7088 0,7175 0,0000 0,0000 0,0000 0,0000 7,7162 13,1769 24,0983 29,5590
101 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 2,2449 7,4594 17,8885 23,1030

229
 Tabla G.9a. Resultados de flujos por ramas con método B sistema SIC
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
1 39 36 -1,5780 -1,5201 -1,4044 -1,3465 0,2314
2 23 40 1,2628 1,3282 1,4591 1,5246 0,2618
3 37 23 -1,0818 -0,9996 -0,8351 -0,7529 0,3289
4 13 12 -2,6991 -2,4109 -1,8346 -1,5465 1,1526
5 13 10 -4,7203 -4,4174 -3,8115 -3,5086 1,2117
6 35 11 1,5373 1,5941 1,7079 1,7647 0,2275
7 56 58 -0,0293 0,0666 0,2584 0,3543 0,3836
8 22 21 0,0174 0,0485 0,1105 0,1415 0,1241
9 62 66 1,1906 1,2123 1,2557 1,2774 0,0867
10 4 3 -2,7664 -2,6762 -2,4958 -2,4057 0,3607
11 22 63 -1,1109 -1,0970 -1,0690 -1,0551 0,0559
12 61 24 1,8590 1,8900 1,9520 1,9830 0,1240
13 50 58 0,4017 0,5031 0,7060 0,8074 0,4057
14 12 11 -3,4024 -3,1203 -2,5562 -2,2741 1,1283
15 11 57 -4,1245 -3,9466 -3,5907 -3,4128 0,7117
16 18 27 -0,6887 -0,6448 -0,5571 -0,5133 0,1754
17 68 69 0,4029 0,4144 0,4376 0,4492 0,0463
18 3 2 -3,2314 -3,1472 -2,9788 -2,8946 0,3369
19 42 41 0,3792 0,4169 0,4924 0,5301 0,1509
20 41 26 0,1427 0,2130 0,3537 0,4240 0,2813
21 16 14 -2,3849 -2,0675 -1,4326 -1,1152 1,2696
22 64 16 -1,8186 -1,7656 -1,6595 -1,6065 0,2121
23 19 64 -1,8014 -1,7484 -1,6426 -1,5897 0,2117
24 55 62 0,1656 0,1998 0,2682 0,3023 0,1367
25 43 29 -0,8671 -0,8261 -0,7439 -0,7029 0,1643
26 32 24 -1,2284 -1,1540 -1,0053 -0,9310 0,2974
27 24 60 0,8406 1,0162 1,3673 1,5429 0,7023
28 10 57 3,7012 3,8816 4,2425 4,4229 0,7217
29 67 68 0,4106 0,4223 0,4457 0,4573 0,0467
30 7 6 -0,0953 -0,0012 0,1870 0,2812 0,3765
31 45 93 -0,1463 -0,1353 -0,1132 -0,1022 0,0441
32 46 47 0,0685 0,0847 0,1173 0,1335 0,0651
33 43 55 0,5098 0,5484 0,6256 0,6642 0,1544
34 38 32 -0,6623 -0,6009 -0,4782 -0,4169 0,2454
35 5 4 0,0450 0,1050 0,2250 0,2850 0,2400
36 65 74 0,0672 0,0706 0,0774 0,0809 0,0137
37 52 53 1,1999 1,2997 1,4993 1,5991 0,3992
38 46 94 0,0823 0,0982 0,1300 0,1459 0,0636
39 26 38 -0,1760 -0,1063 0,0330 0,1027 0,2787
40 25 40 -0,9583 -0,8960 -0,7713 -0,7090 0,2493
41 2 33 -2,8700 -2,8350 -2,7650 -2,7300 0,1400
42 6 5 -0,8423 -0,7578 -0,5887 -0,5042 0,3382
43 54 29 -0,6561 -0,6306 -0,5796 -0,5541 0,1020
44 53 56 0,5020 0,5957 0,7832 0,8769 0,3749
45 9 49 -0,8117 -0,7791 -0,7138 -0,6812 0,1306

230
 Tabla G.9b. Resultados de flujos por ramas con método B sistema SIC
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
46 9 52 2,4336 2,5385 2,7484 2,8533 0,4197
47 8 7 -0,1134 0,0874 0,4890 0,6898 0,8032
48 10 8 -5,4174 -4,9855 -4,1216 -3,6897 1,7277
49 8 44 -8,3760 -8,2170 -7,8990 -7,7400 0,6360
50 59 35 2,6176 2,6613 2,7487 2,7924 0,1748
51 60 31 0,6350 0,8099 1,1596 1,3345 0,6994
52 72 71 0,1801 0,1876 0,2024 0,2099 0,0298
53 34 44 -1,0562 -0,9991 -0,8849 -0,8278 0,2284
54 70 73 0,4062 0,4192 0,4450 0,4580 0,0518
55 18 29 -0,0661 -0,0480 -0,0118 0,0063 0,0724
56 18 54 0,5785 0,6047 0,6570 0,6832 0,1046
57 73 72 0,0729 0,0840 0,1062 0,1173 0,0444
58 22 19 -0,7385 -0,7075 -0,6455 -0,6145 0,1240
59 20 19 -1,3027 -1,2471 -1,1359 -1,0803 0,2224
60 51 31 -0,2469 -0,1599 0,0141 0,1011 0,3480
61 21 20 -0,8347 -0,7971 -0,7220 -0,6844 0,1503
62 48 49 0,4576 0,4910 0,5578 0,5913 0,1336
63 48 9 1,0805 1,1175 1,1916 1,2286 0,1481
64 13 75 -3,3141 -3,2541 -3,1339 -3,0738 0,2403
65 75 15 -3,3142 -3,2541 -3,1339 -3,0739 0,2403
66 76 14 -1,5791 -1,4197 -1,1011 -0,9417 0,6373
67 79 80 -0,2050 -0,2025 -0,1975 -0,1950 0,0100
68 80 81 -0,2050 -0,2025 -0,1975 -0,1950 0,0100
69 81 82 -0,2050 -0,2025 -0,1975 -0,1950 0,0100
70 82 83 -0,2050 -0,2025 -0,1975 -0,1950 0,0100
71 84 85 -0,1333 -0,1316 -0,1284 -0,1268 0,0065
72 14 86 -5,2275 -5,1637 -5,0362 -4,9725 0,2550
73 87 16 2,5350 2,5675 2,6325 2,6650 0,1300
74 1 16 0,1499 1,2192 3,3577 4,4270 4,2771
75 1 88 0,0839 0,6822 1,8789 2,4772 2,3934
76 88 89 0,0139 0,1127 0,3103 0,4092 0,3953
77 89 90 0,0139 0,1127 0,3103 0,4092 0,3953
78 88 16 0,0700 0,5695 1,5686 2,0681 1,9981
79 16 90 -0,4092 -0,3103 -0,1127 -0,0139 0,3953
80 91 13 1,4625 1,4813 1,5188 1,5375 0,0750
81 37 25 0,0499 0,1525 0,3577 0,4603 0,4104
82 37 51 -0,3948 -0,2208 0,1273 0,3013 0,6962
83 51 31 -0,2469 -0,1599 0,0141 0,1011 0,3480
84 78 17 1,7694 2,7449 4,6957 5,6712 3,9018
85 42 41 0,3792 0,4169 0,4924 0,5301 0,1509
86 78 77 -2,0393 -1,4790 -0,3585 0,2017 2,2410
87 16 28 2,5283 2,5832 2,6928 2,7476 0,2193
88 16 30 1,6610 1,7050 1,7930 1,8371 0,1761
89 4 5 -0,1475 -0,1165 -0,0543 -0,0233 0,1242
90 5 6 0,2522 0,2945 0,3791 0,4214 0,1692

231
 Tabla G.9c. Resultados de flujos por ramas con método B sistema SIC
Line Node 1 Node 2 F(a1) F(a2) F(a3) F(a4) Support
91 6 7 -0,1578 -0,1050 0,0007 0,0535 0,2113
92 16 19 1,5976 1,6506 1,7564 1,8093 0,2117
93 78 77 -1,8732 -1,3586 -0,3293 0,1853 2,0585
94 13 12 -2,6991 -2,4109 -1,8346 -1,5465 1,1526
95 12 11 -3,4024 -3,1203 -2,5562 -2,2741 1,1283
96 11 57 -4,2895 -4,1044 -3,7344 -3,5494 0,7401
97 57 10 -4,4229 -4,2425 -3,8816 -3,7012 0,7217
98 4 5 -0,1475 -0,1165 -0,0543 -0,0233 0,1242
99 5 6 0,2522 0,2945 0,3791 0,4214 0,1692
100 6 7 -0,1578 -0,1050 0,0007 0,0535 0,2113
101 93 46 -0,1463 -0,1353 -0,1132 -0,1022 0,0441
102 45 95 0,0000 0,0000 0,0000 0,0000 0,0000
103 94 65 0,0823 0,0982 0,1300 0,1459 0,0636
104 65 96 0,0000 0,0000 0,0000 0,0000 0,0000
105 65 97 -0,2599 -0,2393 -0,1982 -0,1777 0,0822
106 97 98 -0,2599 -0,2393 -0,1982 -0,1777 0,0822
107 98 99 -0,2599 -0,2393 -0,1982 -0,1777 0,0822
108 99 100 -0,2599 -0,2393 -0,1982 -0,1777 0,0822
109 100 101 0,4327 0,4570 0,5055 0,5297 0,0970
110 101 9 0,4327 0,4570 0,5055 0,5297 0,0970

G.3 Sistema Garver

El sistema Garver [15] ha sido ampliamente utilizado por la mayoría de los
investigadores involucrados en problemas de planificación. Se ha asumido una base de 100
MVA, los datos son los siguientes:

Tabla G.10. Datos de barras y consumos sistema Garver

No Pd [pu] Tipo Barra kV Cf [$/pu]

1 0,80 3 BARRA_1 220,0 335,00
2 2,40 1 BARRA_2 220,0 335,00
3 0,40 2 BARRA_3 220,0 335,00
4 1,60 1 BARRA_4 220,0 335,00
5 2,40 1 BARRA_5 220,0 335,00
6 0,00 2 BARRA_6 220,0 335,00

232
 Tabla G.11. Datos de generadores sistema Garver
No Barra Pg [pu] PgMin [pu] PgMax [pu] CO [$/pu] AñoIng AñoRet NombreCentral
1 BARRA_1 0,00 0,00 1,50 10,00 1995 3000 Central_B1_1995
2 BARRA_3 0,00 0,00 3,60 4,00 1995 3000 Central_B3_1995
3 BARRA_6 0,00 0,00 6,00 3,00 1995 3000 Central_B6_1995

Tabla G.12. Datos de líneas existentes sistema Garver

No Node 1 Node 2 R [pu] X [pu] Max [pu] kV AñoEnt AñoSal
1 BARRA_1 BARRA_2 0,1000 0,4000 1,00 220,0 1900 3000
2 BARRA_1 BARRA_4 0,1500 0,6000 0,80 220,0 1900 3000
3 BARRA_1 BARRA_5 0,0500 0,2000 1,00 220,0 1900 3000
4 BARRA_2 BARRA_3 0,0500 0,2000 1,00 220,0 1900 3000
5 BARRA_2 BARRA_4 0,1000 0,4000 1,00 220,0 1900 3000
6 BARRA_3 BARRA_5 0,0500 0,2000 1,00 220,0 1900 3000

Tabla G.13. Datos de líneas candidatas sistema Garver

No Node 1 Node 2 R [pu] X [pu] Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL
10 BARRA_1 BARRA_2 0,1000 0,4000 1,00 220,0 4 40,000 0,000 30
11 BARRA_1 BARRA_3 0,0900 0,3800 1,00 220,0 4 38,000 0,000 30
12 BARRA_1 BARRA_4 0,1500 0,6000 0,80 220,0 4 60,000 0,000 30
13 BARRA_1 BARRA_5 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
14 BARRA_1 BARRA_6 0,1700 0,6800 1,00 220,0 4 68,000 0,000 30
15 BARRA_2 BARRA_3 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
16 BARRA_2 BARRA_4 0,1000 0,4000 1,00 220,0 4 40,000 0,000 30
17 BARRA_2 BARRA_5 0,0800 0,3100 1,00 220,0 4 31,000 0,000 30
18 BARRA_2 BARRA_6 0,0800 0,3000 1,00 220,0 4 30,000 0,000 30
19 BARRA_3 BARRA_4 0,1500 0,5900 0,82 220,0 4 59,000 0,000 30
20 BARRA_3 BARRA_5 0,0500 0,2000 1,00 220,0 4 20,000 0,000 30
21 BARRA_3 BARRA_6 0,1200 0,4800 1,00 220,0 4 48,000 0,000 30
22 BARRA_4 BARRA_5 0,1600 0,6300 0,75 220,0 4 63,000 0,000 30
23 BARRA_4 BARRA_6 0,0800 0,3000 1,00 220,0 4 30,000 0,000 30
24 BARRA_5 BARRA_6 0,1500 0,6100 0,78 220,0 4 61,000 0,000 30

233
 Fig. G.1. Diagrama unilineal sistema Garver

G.4 Sistema Interconectado Central de 53 nudos

El Sistema Interconectado Central de Chile que se considera en esta sección es para
propósitos de planificación de la transmisión. La red tiene 53 nudos, 214 generadores, 50 líneas
existentes, 23 transformadores existentes, 46 líneas candidatas y 14 transformadores candidatos.
Las siguientes tablas muestran los antecedentes de este sistema.

234
 Tabla G.14. Datos de barras y consumos sistema SIC 53 barras
No Pd [pu] Tipo Barra kV Cf [$/pu] No Pd [pu] Tipo Barra kV Cf [$/pu]
1 1,112 3 DiegodeAlmagro220 220,0 50000,00 28 0,000 1 ElSalto220 220,0 50000,00
2 0,201 1 CarreraPinto220 220,0 50000,00 29 3,558 1 ElSalto110 110,0 50000,00
3 2,150 1 Cardones220 220,0 50000,00 30 0,000 1 Chena220 220,0 50000,00
4 0,000 1 Cardones500 500,0 50000,00 31 4,547 1 Chena110 110,0 50000,00
5 0,485 1 Maitencillo220 220,0 50000,00 32 0,000 1 AltoJahuel500 500,0 50000,00
6 0,000 1 Maitencillo500 500,0 50000,00 33 0,000 1 AltoJahuel500Aux 500,0 50000,00
7 1,761 1 PandeAzucar220 220,0 50000,00 34 3,517 1 AltoJahuel220 220,0 50000,00
8 0,000 1 PandeAzucar500 500,0 50000,00 35 2,322 1 AltoJahuel154 154,0 50000,00
9 0,388 1 LosVilos220 500,0 50000,00 36 3,070 1 AltoJahuel110 110,0 50000,00
10 0,000 1 LosVilos500 220,0 50000,00 37 0,000 1 LosAlmendros220 220,0 50000,00
11 0,000 1 Nogales220 220,0 50000,00 38 5,151 1 LosAlmendros110 110,0 50000,00
12 0,000 1 Nogales500 500,0 50000,00 39 0,000 1 Ancoa500 500,0 50000,00
13 1,253 1 Quillota220 220,0 50000,00 40 0,000 1 Ancoa500Aux 500,0 50000,00
14 0,000 1 AguaSanta220 220,0 50000,00 41 0,032 1 Ancoa220 220,0 50000,00
15 0,000 1 SanLuis220 220,0 50000,00 42 0,000 1 Itahue220 220,0 50000,00
16 1,207 1 Quillota110 110,0 50000,00 43 3,022 1 Itahue154 154,0 50000,00
17 2,069 1 AguaSanta110 110,0 50000,00 44 0,000 1 Charrua500 500,0 50000,00
18 1,815 1 LasVegas110 110,0 50000,00 45 8,626 1 Charrua220 220,0 50000,00
19 2,216 1 Polpaico220 220,0 50000,00 46 0,000 1 Esperanza220 220,0 50000,00
20 0,000 1 Polpaico500 500,0 50000,00 47 1,631 1 Temuco220 220,0 50000,00
21 0,000 1 Polpaico500Aux 500,0 50000,00 48 0,000 1 Cautin220 220,0 50000,00
22 0,000 1 PolpaicoDesf220 220,0 50000,00 49 0,000 1 Cautin500 500,0 50000,00
23 0,000 1 LoAguirre220 220,0 50000,00 50 0,662 1 Valdivia220 220,0 50000,00
24 0,000 1 LoAguirre500 500,0 50000,00 51 0,000 1 Valdivia500 500,0 50000,00
25 1,116 1 CerroNavia220 220,0 50000,00 52 0,854 1 BarroBlanco220 220,0 50000,00
26 5,615 1 CerroNavia110 110,0 50000,00 53 1,534 1 PuertoMontt220 220,0 50000,00
27 0,387 1 Lampa220 220,0 50000,00

235
 Tabla G.15a. Datos de generadores sistema SIC 53 barras
No Barra Pg [pu] PgMin [pu] PgMax [pu] CO [$/pu] AñoIng AñoRet NombreCentral
1 PuertoMontt220 0,000 0,000 1,690 0,000 2000 3000 Canutillar
2 Itahue154 0,000 0,000 1,050 0,000 2000 3000 Cipreses
3 AltoJahuel220 0,000 0,000 4,600 0,000 2000 3000 Colbun
4 Charrua220 0,000 0,000 4,500 0,000 2000 3000 ElToro
5 AltoJahuel220 0,000 0,000 0,970 0,000 2000 3000 Machicura
6 Charrua220 0,000 0,000 4,720 0,000 2000 3000 Pangue
7 Ancoa220 0,000 0,000 5,600 0,000 2000 3000 Pehuenche
8 Charrua220 0,000 0,000 6,600 0,000 2000 3000 Ralco
9 CerroNavia220 0,000 0,000 3,500 0,000 2000 3000 Rapel
10 Charrua220 0,000 0,000 3,200 0,000 2000 3000 Antuco
11 Charrua220 0,000 0,000 1,360 0,000 2000 3000 Abanico
12 Charrua220 0,000 0,000 1,690 0,000 2000 3000 Rucue
13 Itahue154 0,000 0,000 0,680 0,000 2000 3000 Isla
14 Itahue154 0,000 0,000 0,890 0,000 2000 3000 Curillinque
15 Ancoa220 0,000 0,000 0,380 0,000 2000 3000 LomaAlta
16 Itahue154 0,000 0,000 0,370 0,000 2000 3000 SanIgnacio
17 AltoJahuel220 0,000 0,000 0,190 0,000 2000 3000 Chiburgo
18 Charrua220 0,000 0,000 0,700 0,000 2000 3000 Quilleco
19 Charrua220 0,000 0,000 0,320 0,000 2000 3000 Palmucho
20 PandeAzucar220 0,000 0,000 0,190 0,000 2000 3000 LosMolles
21 LasVegas110 0,000 0,000 0,010 0,000 2000 3000 SauceAndes
22 LasVegas110 0,000 0,000 0,550 0,000 2000 3000 Hornitos
23 Polpaico220 0,000 0,000 0,820 0,000 2000 3000 Aconcagua
24 Polpaico220 0,000 0,000 0,250 0,000 2000 3000 Chacabuquito
25 Polpaico220 0,000 0,000 0,400 0,000 2000 3000 LosQuilos
26 LosAlmendros220 0,000 0,000 1,960 0,000 2000 3000 Alfalfal
27 LosAlmendros110 0,000 0,000 0,280 0,000 2000 3000 Florida
28 LosAlmendros110 0,000 0,000 0,310 0,000 2000 3000 Maitenes
29 LosAlmendros110 0,000 0,000 0,630 0,000 2000 3000 Volcan
30 LosAlmendros110 0,000 0,000 0,140 0,000 2000 3000 Puntilla
31 LosAlmendros110 0,000 0,000 0,020 0,000 2000 3000 Eyzaguirre
32 AltoJahuel110 0,000 0,000 0,020 0,000 2000 3000 LosMorros
33 AltoJahuel110 0,000 0,000 0,900 0,000 2000 3000 Sauzal
34 AltoJahuel110 0,000 0,000 0,110 0,000 2000 3000 Coya-Pangal
35 Itahue154 0,000 0,000 0,090 0,000 2000 3000 OjosdeAgua
36 Temuco220 0,000 0,000 0,490 0,000 2000 3000 Pullinque
37 BarroBlanco220 0,000 0,000 0,350 0,000 2000 3000 Pilmaiquen
38 BarroBlanco220 0,000 0,000 0,100 0,000 2000 3000 Capullo
39 Charrua220 0,000 0,000 0,770 0,000 2000 3000 Peuchen
40 Charrua220 0,000 0,000 0,490 0,000 2000 3000 Mampil
41 PandeAzucar220 0,000 0,000 0,060 0,000 2000 3000 Puclaro
42 Itahue154 0,000 0,000 0,190 0,000 2000 3000 Lircay
43 Temuco220 0,000 0,000 0,050 0,000 2000 3000 ElManzano
44 DiegodeAlmagro220 0,000 0,000 1,220 16806,100 2000 2013 Taltal01Diesel
45 DiegodeAlmagro220 0,000 0,000 1,230 16806,100 2000 2013 Taltal02Diesel
46 DiegodeAlmagro220 0,000 0,000 0,460 21907,800 2000 3000 DiegodeAlmagroTG
47 Cardones220 0,000 0,000 1,520 16443,800 2009 3000 TierraAmarilla
48 Cardones220 0,000 0,000 0,170 12062,400 2000 3000 Cenizas
49 Maitencillo220 0,000 0,000 1,430 3266,600 2000 3000 Guacolda01
50 Maitencillo220 0,000 0,000 1,430 3266,600 2000 3000 Guacolda02
51 Maitencillo220 0,000 0,000 1,370 2186,500 2000 3000 Guacolda03
52 Maitencillo220 0,000 0,000 0,580 19255,800 2000 3000 HuascoTG
53 LosVilos220 0,000 0,000 0,180 770,000 2000 3000 EolicaCanela01
54 LosVilos220 0,000 0,000 1,220 17426,600 2000 3000 Espinos
55 LosVilos220 0,000 0,000 0,920 17589,800 2000 3000 Olivos

236
 Tabla G.15b. Datos de generadores sistema SIC 53 barras
No Barra Pg [pu] PgMin [pu] PgMax [pu] CO [$/pu] AñoIng AñoRet NombreCentral
56 LasVegas110 0,000 0,000 1,320 17488,700 2000 3000 LosVientos
57 LasVegas110 0,000 0,000 0,020 16599,800 2000 3000 LasVegas
58 SanLuis220 0,000 0,000 3,100 10819,500 2000 2020 Nehuenco01Diesel
59 SanLuis220 0,000 0,000 3,920 10803,200 2000 2020 Nehuenco02Diesel
60 SanLuis220 0,000 0,000 0,920 18208,000 2000 3000 Nehuenco9B01Diesel
61 SanLuis220 0,000 0,000 0,160 20574,300 2000 3000 Nehuenco9B02Diesel
62 SanLuis220 0,000 0,000 3,050 12143,500 2000 2010 SanIsidroDiesel
63 SanLuis220 0,000 0,000 3,500 11136,300 2000 2009 SanIsidro02CCDiesel
64 SanLuis220 0,000 0,000 2,400 15538,800 2009 2010 Quintero01CADiesel
65 Quillota110 0,000 0,000 1,130 4716,200 2000 3000 Ventanas01
66 Quillota110 0,000 0,000 2,080 4441,100 2000 3000 Ventanas02
67 Quillota110 0,000 0,000 0,020 16465,800 2000 3000 ConCon
68 SanLuis220 0,000 0,000 0,580 18003,900 2000 3000 Colmito
69 AguaSanta110 0,000 0,000 0,530 11439,100 2000 3000 LagunaVerde
70 AguaSanta110 0,000 0,000 0,180 16989,700 2000 3000 LagunaVerdeTG
71 AguaSanta110 0,000 0,000 0,030 16322,500 2000 3000 Placilla
72 AguaSanta110 0,000 0,000 0,030 16383,400 2000 3000 Quintay
73 AguaSanta110 0,000 0,000 0,030 16495,200 2000 3000 Totoral
74 CerroNavia110 0,000 0,000 0,300 12693,300 2000 2014 NuevaRencaFAGLP
75 CerroNavia110 0,000 0,000 3,120 11649,500 2000 2014 NuevaRencaDiesel
76 CerroNavia110 0,000 0,000 0,920 23625,100 2000 3000 Renca
77 Itahue154 0,000 0,000 0,250 20754,200 2000 3000 EV25
78 Itahue154 0,000 0,000 0,190 23658,100 2000 3000 Esperanza01
79 Itahue154 0,000 0,000 0,020 17019,000 2000 3000 Esperanza02
80 Itahue154 0,000 0,000 0,020 17294,000 2000 3000 Esperanza03
81 AltoJahuel220 0,000 0,000 1,250 17997,300 2000 2014 CandelariaCA01Diesel
82 AltoJahuel220 0,000 0,000 1,290 17997,300 2000 2019 CandelariaCA02Diesel
83 Itahue154 0,000 0,000 0,580 16159,600 2009 3000 Teno
84 Itahue154 0,000 0,000 0,060 20389,300 2000 3000 Maule
85 Itahue154 0,000 0,000 0,030 1000,000 2000 3000 Celco01
86 Itahue154 0,000 0,000 0,020 8265,000 2000 3000 Celco02
87 Itahue154 0,000 0,000 0,030 16578,000 2000 3000 Celco03
88 Itahue154 0,000 0,000 0,070 0,000 2000 3000 Constitucion
89 Itahue154 0,000 0,000 0,090 20389,300 2000 3000 ConstitucionElektragen
90 Itahue154 0,000 0,000 0,010 2900,000 2000 3000 licanten00
91 Itahue154 0,000 0,000 0,030 23500,000 2000 3000 licanten01
92 Charrua220 0,000 0,000 0,140 2500,000 2000 3000 NuevaAldea01
93 Charrua220 0,000 0,000 0,100 18762,300 2000 3000 NuevaAldea02Diesel
94 Charrua220 0,000 0,000 0,370 0,000 2000 3000 NuevaAldea03
95 Charrua220 0,000 0,000 0,560 18223,900 2000 3000 Campanario01Diesel
96 Charrua220 0,000 0,000 0,560 17327,300 2000 3000 Campanario02Diesel
97 Charrua220 0,000 0,000 0,560 17237,000 2000 3000 Campanario03Diesel
98 Charrua220 0,000 0,000 0,090 3065,000 2000 3000 cholguan00
99 Charrua220 0,000 0,000 0,040 17686,000 2000 3000 cholguan01
100 Charrua220 0,000 0,000 1,040 12617,600 2000 3000 LosPinos
101 Charrua220 0,000 0,000 1,390 16983,900 2009 3000 SantaLidia
102 Charrua220 0,000 0,000 0,070 0,000 2000 3000 Laja
103 Charrua220 0,000 0,000 0,120 3835,000 2000 3000 Fopaco01
104 Charrua220 0,000 0,000 0,540 390,000 2000 3000 Petropower
105 Charrua220 0,000 0,000 0,130 16151,000 2009 3000 Newen
106 Charrua220 0,000 0,000 1,210 4154,200 2000 3000 Bocamina
107 Charrua220 0,000 0,000 0,470 15755,400 2000 3000 CoronelTGDiesel
108 Charrua220 0,000 0,000 0,030 10999,000 2000 2010 Arauco01
109 Charrua220 0,000 0,000 0,070 16116,000 2000 2010 Arauco02
110 Charrua220 0,000 0,000 0,240 22469,900 2000 3000 HorconesTGDiesel

237
 Tabla G.15c. Datos de generadores sistema SIC 53 barras
No Barra Pg [pu] PgMin [pu] PgMax [pu] CO [$/pu] AñoIng AñoRet NombreCentral
111 Valdivia220 0,000 0,000 0,110 0,000 2000 3000 valdivia01
112 Valdivia220 0,000 0,000 0,260 1800,000 2000 3000 valdivia02
113 Valdivia220 0,000 0,000 0,240 17369,000 2000 3000 valdivia03
114 Valdivia220 0,000 0,000 0,500 15950,000 2000 3000 AntilhueTG01
115 Valdivia220 0,000 0,000 0,510 15950,000 2000 3000 AntilhueTG02
116 PuertoMontt220 0,000 0,000 0,360 17036,000 2000 3000 Degan
117 PuertoMontt220 0,000 0,000 0,030 18473,600 2000 3000 Ancud
118 PandeAzucar220 0,000 0,000 0,810 15979,100 2009 3000 TGPenon
119 PuertoMontt220 0,000 0,000 0,100 17750,900 2000 3000 Quellon02
120 PuertoMontt220 0,000 0,000 0,810 16865,800 2000 3000 Trapen
121 PuertoMontt220 0,000 0,000 0,090 21523,000 2000 3000 Chiloe
122 Charrua220 0,000 0,000 0,000 16492,000 2000 3000 Linares
123 Charrua220 0,000 0,000 0,000 16492,000 2000 3000 SanGregorio
124 Charrua220 0,000 0,000 0,020 3835,000 2000 3000 Fopaco02
125 Ancoa220 0,000 0,000 1,500 0,000 2016 3000 LosCondores
126 BarroBlanco220 0,000 0,000 0,170 0,000 2010 3000 Lican
127 Itahue154 0,000 0,000 1,530 0,000 2010 3000 LaHiguera
128 AltoJahuel220 0,000 0,000 0,050 0,000 2010 3000 SanClemente
129 Itahue154 0,000 0,000 1,590 0,000 2010 3000 Confluencia
130 PandeAzucar220 0,000 0,000 0,050 0,000 2010 3000 LaPaloma
131 AltoJahuel110 0,000 0,000 1,060 0,000 2011 3000 Chacayes
132 Ancoa220 0,000 0,000 0,370 0,000 2012 3000 LajaI
133 Valdivia220 0,000 0,000 1,440 0,000 2012 3000 SanPedro
134 PandeAzucar220 0,000 0,000 0,040 0,000 2011 3000 HidroelectricaIVRegion01
135 Itahue154 0,000 0,000 0,310 0,000 2011 3000 HidroelectricaVIRegion01
136 BarroBlanco220 0,000 0,000 0,600 0,000 2011 3000 Rucatayo
137 BarroBlanco220 0,000 0,000 0,090 0,000 2011 3000 HidroelectricaXRegion02
138 BarroBlanco220 0,000 0,000 0,150 0,000 2011 3000 HidroelectricaXRegion01
139 Itahue154 0,000 0,000 0,300 0,000 2011 3000 HidroelectricaVIRegion02
140 Ancoa220 0,000 0,000 1,360 0,000 2012 3000 HidroelectricaVIIIRegion01
141 Ancoa220 0,000 0,000 0,300 0,000 2013 3000 HidroelectricaVIIRegion03
142 Charrua220 0,000 0,000 0,200 0,000 2014 3000 HidroelectricaVIIIRegion03
143 Ancoa220 0,000 0,000 0,200 0,000 2014 3000 HidroelectricaVIIRegion04
144 Charrua220 0,000 0,000 0,200 0,000 2015 3000 HidroelectricaVIIIRegion04
145 Ancoa220 0,000 0,000 0,200 0,000 2019 3000 HidroelectricaVIIRegion05
146 LoAguirre500 0,000 0,000 3,600 0,000 2016 3000 Modulo05
147 Valdivia220 0,000 0,000 1,390 0,000 2017 3000 HidroelectricaXIVRegion02
148 LoAguirre500 0,000 0,000 4,600 0,000 2017 3000 Modulo03
149 LoAguirre500 0,000 0,000 5,000 0,000 2018 3000 Modulo02
150 LoAguirre500 0,000 0,000 6,600 0,000 2019 3000 Modulo01
151 LoAguirre500 0,000 0,000 7,700 0,000 2020 3000 Modulo04
152 DiegodeAlmagro220 0,000 0,000 1,220 16965,000 2013 2014 Taltal01GNL
153 DiegodeAlmagro220 0,000 0,000 1,230 16965,000 2013 2014 Taltal02GNL
154 DiegodeAlmagro220 0,000 0,000 3,600 7507,800 2014 3000 TaltalCCGNL
155 SanLuis220 0,000 0,000 3,400 8619,600 2019 3000 Nehuenco01GNL
156 SanLuis220 0,000 0,000 0,210 10232,600 2019 3000 Nehuenco01FAGNL
157 SanLuis220 0,000 0,000 3,840 7734,500 2019 3000 Nehuenco02GNL
158 SanLuis220 0,000 0,000 3,500 7281,400 2010 3000 SanIsidroGNL
159 SanLuis220 0,000 0,000 0,200 11710,300 2010 3000 SanIsidroFAGNL
160 SanLuis220 0,000 0,000 3,500 7281,400 2009 3000 SanIsidro02GNL
161 SanLuis220 0,000 0,000 0,190 11710,300 2009 3000 SanIsidro02FAGNL
162 SanLuis220 0,000 0,000 2,400 11805,700 2010 2014 Quintero01CAGNL
163 SanLuis220 0,000 0,000 3,500 6966,400 2013 3000 Quintero01CCGNL
164 SanLuis220 0,000 0,000 0,350 9300,800 2013 3000 Quintero01CCFAGNL
165 CerroNavia110 0,000 0,000 3,200 8339,000 2014 3000 NuevaRencaGNL
166 CerroNavia110 0,000 0,000 0,500 9837,700 2014 3000 NuevaRencaIntGNL

238
 Tabla G.15d. Datos de generadores sistema SIC 53 barras
No Barra Pg [pu] PgMin [pu] PgMax [pu] CO [$/pu] AñoIng AñoRet NombreCentral
167 AltoJahuel220 0,000 0,000 1,250 12476,400 2014 3000 CandelariaCA01GNL
168 AltoJahuel220 0,000 0,000 1,290 12476,400 2019 3000 CandelariaCA02GNL
169 Charrua220 0,000 0,000 0,210 4030,000 2010 3000 Arauco01a
170 Charrua220 0,000 0,000 0,060 19350,000 2010 3000 Arauco02a
171 DiegodeAlmagro220 0,000 0,000 0,600 23836,500 2009 3000 SanLorenzo
172 PandeAzucar220 0,000 0,000 0,160 12062,400 2009 3000 PuntaColorada01Fuel
173 Cardones220 0,000 0,000 0,960 15686,800 2009 3000 Termopacifico
174 Charrua220 0,000 0,000 0,420 18378,600 2009 3000 Campanario04CADiesel
175 Charrua220 0,000 0,000 0,600 12934,600 2010 3000 Campanario04CCDiesel
176 LosVilos220 0,000 0,000 0,380 770,000 2009 3000 MonteRedondo
177 LosVilos220 0,000 0,000 0,600 770,000 2009 3000 EolicaCanela02
178 LosVilos220 0,000 0,000 0,460 770,000 2009 3000 EolicaTotoral
179 Valdivia220 0,000 0,000 0,200 17040,000 2010 3000 Calle-Calle
180 Nogales220 0,000 0,000 2,420 4375,000 2010 3000 NuevaVentanas
181 PandeAzucar220 0,000 0,000 0,200 770,000 2010 3000 EolicaPuntaColorada
182 Maitencillo220 0,000 0,000 1,390 4194,800 2010 3000 Guacolda04
183 BarroBlanco220 0,000 0,000 0,200 16760,100 2009 3000 Chuyaca
184 DiegodeAlmagro220 0,000 0,000 0,720 18957,900 2009 3000 Emelda
185 Charrua220 0,000 0,000 3,420 3824,000 2010 3000 Bocamina02
186 Charrua220 0,000 0,000 3,430 3824,000 2011 3000 SantaMaria
187 Temuco220 0,000 0,000 0,200 3835,000 2011 3000 Lautaro
188 Nogales220 0,000 0,000 2,420 4375,000 2012 3000 Campiche
189 LosVilos220 0,000 0,000 0,500 770,000 2011 3000 EolicaIVRegion01
190 LosVilos220 0,000 0,000 0,500 770,000 2011 3000 EolicaIVRegion02
191 LosVilos220 0,000 0,000 0,500 770,000 2011 3000 EolicaIVRegion03
192 Charrua220 0,000 0,000 0,500 770,000 2011 3000 EolicaConcepcion01
193 Charrua220 0,000 0,000 0,090 1600,000 2011 3000 CentralDesForVIIIRegion01
194 Charrua220 0,000 0,000 0,080 5200,000 2011 3000 CentralDesForVIIIRegion02
195 Itahue154 0,000 0,000 0,150 1400,000 2011 3000 CentralDesForVIIRegion01
196 Itahue154 0,000 0,000 0,100 5000,000 2011 3000 CentralDesForVIIRegion02
197 Charrua220 0,000 0,000 0,500 770,000 2011 3000 EolicaConcepcion02
198 LosVilos220 0,000 0,000 0,500 770,000 2013 3000 EolicaIVRegion04
199 PandeAzucar220 0,000 0,000 0,500 770,000 2014 3000 EolicaIVRegion05
200 Charrua220 0,000 0,000 0,500 770,000 2014 3000 EolicaConcepcion03
201 Charrua220 0,000 0,000 0,500 770,000 2016 3000 EolicaConcepcion04
202 Ancoa220 0,000 0,000 0,400 200,000 2016 3000 GeotermicaCalabozo01
203 Charrua220 0,000 0,000 0,250 200,000 2016 3000 GeotermicaChillan01
204 Maitencillo220 0,000 0,000 1,390 3849,800 2016 3000 CarbonMaitencillo01
205 PandeAzucar220 0,000 0,000 0,500 770,000 2017 3000 EolicaIVRegion06
206 Ancoa220 0,000 0,000 0,400 200,000 2017 3000 GeotermicaCalabozo02
207 Charrua220 0,000 0,000 0,250 200,000 2017 3000 GeotermicaChillan02
208 PandeAzucar220 0,000 0,000 2,000 4090,600 2017 3000 CarbonPandeAzucar01
209 PandeAzucar220 0,000 0,000 0,500 770,000 2017 3000 EolicaIVRegion07
210 Ancoa220 0,000 0,000 0,400 200,000 2018 3000 GeotermicaCalabozo03
211 Charrua220 0,000 0,000 0,250 200,000 2018 3000 GeotermicaChillan03
212 Charrua220 0,000 0,000 0,500 770,000 2018 3000 EolicaConcepcion05
213 Ancoa220 0,000 0,000 0,400 200,000 2019 3000 GeotermicaCalabozo04
214 Charrua220 0,000 0,000 0,250 200,000 2019 3000 GeotermicaChillan04

239
 Tabla G.16. Datos de líneas existentes sistema SIC 53 barras
No Node 1 Node 2 R [pu] X [pu] Max [pu] kV AñoEnt AñoSal
1 DiegodeAlmagro220 CarreraPinto220 0,0151 0,0611 2,20 220 1900 3000
2 CarreraPinto220 Cardones220 0,0144 0,0585 2,20 220 1900 3000
3 Cardones220 Maitencillo220 0,0091 0,0363 4,90 220 1900 3000
4 Maitencillo220 PandeAzucar220 0,0200 0,0795 2,59 220 1900 3000
5 PandeAzucar220 LosVilos220 0,0235 0,0919 2,74 220 1900 3000
6 LosVilos220 Nogales220 0,0097 0,0386 3,20 220 2009 3000
7 Nogales220 Quillota220 0,0031 0,0121 3,20 220 2009 2012
8 Nogales220 Polpaico220 0,0010 0,0122 15,00 220 2010 3000
9 Lampa220 PolpaicoDesf220 0,0018 0,0066 6,20 220 2012 3000
10 CerroNavia220 Lampa220 0,0014 0,0052 4,60 220 1900 3000
11 Chena220 CerroNavia220 0,0013 0,0050 3,95 220 1900 3000
12 AltoJahuel220 Chena220 0,0021 0,0108 2,60 220 1900 3000
13 AltoJahuel220 Polpaico220 0,0018 0,0204 5,38 220 1900 3000
14 LoAguirre220 CerroNavia220 0,0003 0,0039 18,00 220 2014 3000
15 AltoJahuel500Aux LoAguirre500 0,0004 0,0042 14,00 500 2014 3000
16 LoAguirre500 Polpaico500Aux 0,0003 0,0037 14,00 500 2014 3000
17 AltoJahuel500 AltoJahuel500Aux 0,0000 0,0000 14,00 500 2008 3000
18 Polpaico500 Polpaico500Aux 0,0000 0,0000 14,00 500 2008 3000
19 AltoJahuel500 Polpaico500 0,0007 0,0077 14,00 500 2012 2016
20 Ancoa500Aux AltoJahuel500 0,0026 0,0133 10,00 500 1900 3000
21 Ancoa500Aux AltoJahuel500 0,0025 0,0133 10,00 500 2012 3000
22 Ancoa500Aux AltoJahuel500 0,0025 0,0133 10,00 500 2013 3000
23 Ancoa500 Ancoa500Aux 0,0000 0,0000 38,00 500 1900 3000
24 Quillota220 Polpaico220 0,0010 0,0121 11,45 220 1900 3000
25 SanLuis220 Quillota220 0,0002 0,0022 15,20 220 1900 3000
26 AguaSanta220 SanLuis220 0,0034 0,0194 3,21 220 1900 3000
27 Polpaico220 ElSalto220 0,0017 0,0162 3,23 220 1900 3000
28 LosAlmendros220 AltoJahuel220 0,0025 0,0174 4,23 220 1900 3000
29 AguaSanta110 Quillota110 0,0172 0,0431 8,00 110 1900 3000
30 LasVegas110 Quillota110 0,0080 0,0446 7,32 110 1900 3000
31 CerroNavia110 LasVegas110 0,0316 0,1162 6,48 110 1900 3000
32 LosAlmendros110 ElSalto110 0,0069 0,0257 6,32 110 1900 3000
33 ElSalto110 CerroNavia110 0,0207 0,0545 6,32 110 1900 3000
34 Chena110 LosAlmendros110 0,0100 0,0311 7,21 110 1900 3000
35 Chena110 CerroNavia110 0,0053 0,0189 6,40 110 1900 3000
36 AltoJahuel110 Chena110 0,0092 0,0302 6,32 110 1900 3000
37 AltoJahuel110 LosAlmendros110 0,0212 0,0673 6,48 110 1900 3000
38 Ancoa220 Itahue220 0,0029 0,0278 4,00 220 1900 3000
39 Itahue220 AltoJahuel220 0,0072 0,0599 4,00 220 2014 3000
40 Charrua220 Esperanza220 0,0146 0,0747 2,25 220 1900 3000
41 Charrua500 Ancoa500 0,0020 0,0128 10,00 500 1900 3000
42 Charrua500 Ancoa500 0,0020 0,0128 10,00 500 1900 3000
43 Charrua220 Cautin220 0,0103 0,0624 5,00 220 2009 3000
44 Esperanza220 Temuco220 0,0167 0,0853 2,25 220 1900 3000
45 Valdivia220 Temuco220 0,0315 0,1245 1,79 220 1900 3000
46 BarroBlanco220 Valdivia220 0,0220 0,0870 1,82 220 1900 3000
47 PuertoMontt220 BarroBlanco220 0,0227 0,0942 1,74 220 1900 3000
48 PuertoMontt220 Temuco220 0,1063 0,3059 1,66 220 1900 3000
49 Temuco220 Cautin220 0,0013 0,0040 3,32 220 2006 3000
50 PuertoMontt220 Valdivia220 0,0637 0,1707 1,66 220 2006 3000
51 Valdivia220 Cautin220 0,0177 0,0559 3,32 220 2006 3000

240
 Las líneas achuras corresponden a líneas a las que se aumento artificialmente la
capacidad.

Tabla G.17. Datos de transformadores existentes sistema SIC 53 barras

No Node 1 Node 2 R [pu] X [pu] Max [pu] AñoEnt AñoSal
1 Cardones500 Cardones220 0,0002 0,0195 7,71 2014 3000
2 Maitencillo500 Maitencillo220 0,0002 0,0195 7,71 2014 3000
3 PandeAzucar500 PandeAzucar220 0,0002 0,0195 7,71 2014 3000
4 LosVilos500 LosVilos220 0,0002 0,0195 7,71 2014 3000
5 Nogales500 Nogales220 0,0002 0,0195 7,71 2014 3000
6 Polpaico500 Polpaico220 0,0002 0,0195 7,71 2008 3000
7 Polpaico500 Polpaico220 0,0002 0,0195 7,71 2011 3000
8 LoAguirre500 LoAguirre220 0,0002 0,0195 7,71 2014 3000
9 AltoJahuel500 AltoJahuel220 0,0002 0,0195 7,71 1900 3000
10 Ancoa500 Ancoa220 0,0002 0,0195 7,71 1900 3000
11 Polpaico220 PolpaicoDesf220 0,0000 0,0001 7,71 2012 3000
12 AguaSanta220 AguaSanta110 0,0000 0,0419 11,76 1900 3000
13 Quillota220 Quillota110 0,0006 0,0485 11,76 1900 3000
14 CerroNavia220 CerroNavia110 0,0002 0,0163 14,56 1900 3000
15 Chena220 Chena110 0,0026 0,0261 15,68 1900 3000
16 ElSalto220 ElSalto110 0,0026 0,0261 15,68 1900 3000
17 LosAlmendros220 LosAlmendros110 0,0026 0,0261 15,68 1900 3000
18 AltoJahuel220 AltoJahuel110 0,0003 0,0155 16,42 1900 3000
19 AltoJahuel220 AltoJahuel154 0,0002 0,0320 3,00 1900 3000
20 Itahue220 Itahue154 0,0002 0,0320 3,00 1900 3000
21 Charrua500 Charrua220 0,0001 0,0098 6,50 1900 3000
22 Charrua500 Charrua220 0,0001 0,0098 6,50 1900 3000
23 Charrua500 Charrua220 0,0001 0,0098 6,50 2013 3000

Las celdas achuras corresponden a transformadores a los que se aumento artificialmente

la capacidad.

241
 Tabla G.18. Datos de transformadores candidatos sistema SIC 53 barras
No Node 1 Node 2 R [pu] X [pu] Max [pu] Ncirc Inv MUSD O&M MUSD VUET
201 Cardones500 Cardones220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
202 PandeAzucar500 PandeAzucar220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
203 LosVilos500 LosVilos220 0,0002 0,0195 7,71 2 20,45 0,294 30,00
204 Nogales500 Nogales220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
205 Polpaico500 Polpaico220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
206 LoAguirre500 LoAguirre220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
207 AltoJahuel500 AltoJahuel220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
208 Ancoa500 Ancoa220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
209 Charrua500 Charrua220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
210 Cautin500 Cautin220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
211 Valdivia500 Valdivia220 0,0002 0,0195 7,50 2 20,45 0,294 30,00
212 Polpaico220 PolpaicoDesf220 0,0000 0,0001 7,00 2 17,92 0,325 30,00
213 AltoJahuel220 AltoJahuel154 0,0002 0,0320 3,00 4 13,70 0,206 30,00
214 Itahue220 Itahue154 0,0002 0,0320 3,00 4 13,70 0,206 30,00

242
 Tabla G.19. Datos de líneas candidatos sistema SIC 53 barras
No Node 1 Node 2 R [pu] X [pu] Max [pu] KV Ncirc Inv MUSD O&M MUSD VUEL km r ohm/km r ohm/km MUSD/km O&M/km Conductor Circuitos
101 Maitencillo500 Cardones500 0,0013 0,0145 13,80 500,0 2 39,660 0,571 50 132,4 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
102 PandeAzucar500 Cardones500 0,0031 0,0356 13,80 500,0 2 97,323 1,401 50 324,9 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
103 PandeAzucar500 Maitencillo500 0,0020 0,0229 13,80 500,0 2 62,665 0,902 50 209,2 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
104 PandeAzucar500 Nogales500 0,0032 0,0358 13,80 500,0 2 97,862 1,409 50 326,7 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
105 LosVilos500 Nogales500 0,0009 0,0100 13,80 500,0 2 27,259 0,392 50 91,0 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
106 Nogales500 Polpaico500 0,0007 0,0082 13,80 500,0 2 22,496 0,324 50 75,1 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
107 AltoJahuel500 Polpaico500 0,0008 0,0088 13,80 500,0 2 24,084 0,347 50 80,4 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
108 LoAguirre500 Polpaico500 0,0003 0,0033 13,80 500,0 2 9,106 0,131 50 30,4 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
109 LoAguirre500 AltoJahuel500 0,0005 0,0055 13,80 500,0 2 14,977 0,216 50 50,0 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
110 Ancoa500Aux AltoJahuel500 0,0025 0,0283 13,80 500,0 2 77,283 1,113 50 258,0 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
111 Charrua500 Ancoa500 0,0019 0,0215 13,80 500,0 2 58,861 0,847 50 196,5 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
112 Charrua500 Cautin500 0,0019 0,0210 13,80 500,0 2 57,393 0,826 50 191,6 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
113 Cautin500 Valdivia500 0,0015 0,0167 13,80 500,0 2 45,531 0,656 50 152,0 0,0242 0,2739 0,2995 0,0043 4xACAR 700 MCM 1
114 DiegodeAlmagro220 Cardones220 0,0313 0,1224 2,90 220,0 4 22,730 0,471 50 151,9 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
115 PandeAzucar220 LosVilos220 0,0469 0,1837 2,90 220,0 4 34,117 0,707 50 228,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
116 LosVilos220 Nogales220 0,0187 0,0733 2,90 220,0 4 13,617 0,282 50 91,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
117 Nogales220 Quillota220 0,0069 0,0270 2,90 220,0 4 5,013 0,104 50 33,5 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
118 Quillota220 Polpaico220 0,0087 0,0342 2,90 220,0 4 6,360 0,132 50 42,5 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
119 Polpaico220 ElSalto220 0,0103 0,0402 2,90 220,0 4 7,467 0,155 50 49,9 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
120 Ancoa220 Itahue220 0,0134 0,0524 2,90 220,0 4 9,726 0,202 50 65,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
121 Valdivia220 Cautin220 0,0313 0,1225 2,90 220,0 4 22,745 0,471 50 152,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
122 PuertoMontt220 Valdivia220 0,0412 0,1612 2,90 220,0 4 29,928 0,620 50 200,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
123 PuertoMontt220 BarroBlanco220 0,0206 0,0806 2,90 220,0 4 14,964 0,310 50 100,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
124 PuertoMontt220 Temuco220 0,0648 0,2538 2,90 220,0 4 47,136 0,977 50 315,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
125 Temuco220 Cautin220 0,0021 0,0081 2,90 220,0 4 1,496 0,031 50 10,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
126 Itahue220 AltoJahuel220 0,0321 0,1257 2,90 220,0 4 23,344 0,484 50 156,0 0,0996 0,3900 0,1496 0,0031 1xAAAC FLINT 740.8 MCM 1
127 Cardones220 Maitencillo220 0,0136 0,0794 5,80 220,0 4 31,851 0,650 50 132,6 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
128 Maitencillo220 PandeAzucar220 0,0202 0,1177 5,80 220,0 4 47,223 0,963 50 196,6 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
129 PandeAzucar220 LosVilos220 0,0202 0,1177 5,80 220,0 4 47,223 0,963 50 196,6 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
130 LosVilos220 Nogales220 0,0234 0,1365 5,80 220,0 4 54,766 1,117 50 228,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
131 Nogales220 Quillota220 0,0034 0,0201 5,80 220,0 4 8,047 0,164 50 33,5 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
132 Quillota220 Polpaico220 0,0044 0,0254 5,80 220,0 4 10,209 0,208 50 42,5 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
133 Itahue220 AltoJahuel220 0,0160 0,0934 5,80 220,0 4 37,471 0,764 50 156,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
134 Charrua220 Cautin220 0,0197 0,1147 5,80 220,0 4 46,022 0,939 50 191,6 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
135 Cautin220 Valdivia220 0,0156 0,0910 5,80 220,0 4 36,510 0,745 50 152,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
136 Valdivia220 PuertoMontt220 0,0205 0,1197 5,80 220,0 4 48,040 0,980 50 200,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
137 PuertoMontt220 BarroBlanco220 0,0103 0,0599 5,80 220,0 4 24,020 0,490 50 100,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
138 PuertoMontt220 Temuco220 0,0323 0,1885 5,80 220,0 4 75,663 1,544 50 315,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
139 Temuco220 Cautin220 0,0010 0,0060 5,80 220,0 4 2,402 0,049 50 10,0 0,0497 0,2897 0,2402 0,0049 2xAAAC FLINT 740,8 MCM 1
140 AltoJahuel220 Chena220 0,0042 0,0216 5,20 220,0 4 3,563 0,084 50 26,8 0,0759 0,3901 0,1329 0,0031 CNE OCT2009 1
141 LosAlmendros220 ElSalto220 0,0034 0,0129 2,12 220,0 4 2,298 0,029 50 12,0 0,1382 0,5183 0,1915 0,0024 CNE OCT2009 1
142 Chena220 CerroNavia220 0,0026 0,0099 1,97 220,0 4 2,316 0,059 50 12,1 0,1040 0,3960 0,1914 0,0049 CNE OCT2009 1
143 Quillota220 Polpaico220 0,0020 0,0242 10,00 220,0 4 10,570 0,233 30 42,5 0,0228 0,2756 0,2487 0,0055 CNE OCT2009 1
144 SanLuis220 Quillota220 0,0004 0,0043 11,76 220,0 4 6,766 0,166 30 4,5 0,0430 0,4625 1,5036 0,0369 CNE OCT2009 1
145 AguaSanta220 Polpaico220 0,0054 0,0413 5,78 220,0 4 14,471 0,323 30 58,0 0,0448 0,3448 0,2495 0,0056 CNE OCT2009 1
146 CerroNavia220 Lampa220 0,0028 0,0110 3,10 220,0 4 2,263 0,083 30 13,2 0,1027 0,4033 0,1714 0,0063 CNE OCT2009 1

243
 Sólo se han seleccionado torres de doble circuito para los distintos tipos de de
conductores. Cada opción consiste en instalar una torre de doble circuito con el tendido de sólo
un circuito. De esta manera cuando la solución obtenida es 1, se instalaría una torre de doble
circuito con un tendido de un circuito. Si la solución es 2, se instalaría la torre con los dos
circuitos. Esta modalidad es muy utilizada en Chile, en donde generalmente se instalan torres de
doble circuito para las cuales se van tendiendo conductores según la necesidad de crecimiento.
El costo de cada opción es la mitad del costo total del proyecto, esto es, cuando están tendidos
los dos circuitos. A pesar de que en la práctica, el costo de instalar una torre con el tendido del
primer circuito corresponde al 81,5% del costo total, este valor no se puede ingresar como datos,
ya que el programa escogería primero instalar el circuito 2 que cuesta sólo el 18,5% del
proyecto, lo cual es una contradicción. Esta es la razón por la cual se promedian los costos.

Tabla G.20. Tasa crecimiento demanda

Año [%] Simular

2009 -0,75 0
2010 4,1 0
2011 5,33 0
2012 5,39 0
2013 5,89 0
2014 5,9 0
2015 5,81 0
2016 5,72 0
2017 5,62 0
2018 5,44 0
2019 5,33 0
2020 5,14 0
2021 5,14 0
2022 5,14 0
2023 5,14 0
2024 5,14 0
2025 5,14 0

244