Sistemas de Distribución Eléctrica

Capítulo 2
Stalin Banegas Dután

Trabajo individual 6
Stalin F. Banegas D.
stalin.banegasd@ucuenca.edu.ec


Resumen – En documento corresponde al sexto trabajo individual
de la asignatura Sistemas de Distribución el cual trata sobre algunos III. DESARROLLO
temas de interés tratados en clase, los cuales se irán desarrollando y
dando a conocer a lo largo del presente documento.
A. Para el caso de la Centro Sur, averiguar con corte al año
2017, ¿Cuál es la potencia en KVA resultado de la sumatoria
Índice de Términos – transformador, subestación.
de la potencia de los transformadores de Distribución,
monofásicos y trifásicos?
I. INTRODUCCIÓN
De acuerdo al documento publicado por la CENACE, llamado
La electricidad constituye una parte integral en la vida de “Estadística Anual y Multianual del Sector Eléctrico
Ecuatoriano 2017” (documento aún en borrador), en la sección
los seres humanos. En el Ecuador, el consumo energético
1.6 se presenta una tabla con el número y capacidad de
permite producir efectos luminosos, mecánicos, caloríficos,
transformadores monofásicos y trifásicos por empresa, dicha
químicos y otros, presentes en todos los aspectos de la vida
tabla se muestra a continuación:
cotidiana como en los electrodomésticos, el transporte, la
iluminación y la industria.
Tabla 1. Número y capacidad de transformadores de
Para abastecer la demanda de energía eléctrica, el Ecuador
Distribución
dispone de varias centrales de generación, priorizando la
producción de energía renovable no contaminante, es decir, que
ésta provenga de fuentes naturales como la hidráulica (energía
potencial del agua), fotovoltaica (sol), eólica (viento), biogás
(residuos orgánicos) y de aprovechamiento de la biomasa
(combustión de desechos de plantas o de seres vivos, tales como
el bagazo de caña). Tras el proceso de generación, esta energía
se transfiere a través del sistema de transmisión llegando hacia
la etapa de subtransmisión de donde se abastecen las distintas
empresas distribuidoras del país, quienes a su vez se encargan
de llevar energía a los clientes finales. En el presente trabajo se
procederá a realizar un análisis de los transformadores de
distribución y de las subestaciones de una de las empresas
distribuidoras más importantes del sur del país como es la
CENTROSUR.

II. OBJETIVOS

 Conocer el sistema de Distribución que usa la Empresa

eléctrica CENTRO SUR.
 Conocer la potencia de los trasformadores
monofásicos y trifásicos de la CENTRO SUR, así
como la potencia de los transformadores de las
Como se observa en la tabla 1, el número total de
Subestaciones que conforman la misma.
transformadores monofásicos para la CENTROSUR es de
 Conocer y entender el concepto del método para 18488, con una capacidad total de 310,15 MVA; para el caso
realizar proyección de la carga y calcular la proyección de transformadores trifásicos se tiene un total de 4256 con una
para un determinado número de datos.

Documento emitido el 15 de octubre de 2018, en la Facultad de Ingeniería de S. Banegas, (e-mail: stalin.banegasd@ucuenca.edu.ec).

la Universidad de Cuenca, Av. 12 de abril y Av. Loja (Cuenca – Ecuador).

1
06 – Noviembre - 2018
 Sistemas de Distribución Eléctrica
Capítulo 2
Stalin Banegas Dután

potencia total de 416,04 MVA. La suma total de la potencia de Tabla 3. Energía disponible en los sistemas de distribución
los transformadores tanto trifásicos como monofásicos es de
726,19 MVA, que expresados en KVA nos da una potencia de
726 190 KVA.

B. ¿Cuál es la potencia que tienen los transformadores en

las subestaciones de Distribución (Sumatoria total)?

De acuerdo con el mismo documento analizado en el punto A,

la sección 1.2.1.3 proporciona información referente a los
transformadores de las subestaciones de distribución, a
continuación una tabla con el resumen de las Subestaciones de
Elevación y Reducción de las distribuidoras:

Tabla 2. Subestaciones de elevación y reducción de las

distribuidoras

Tabla 4. Energía comprada por empresa Distribuidora

Para el caso de la Centrosur como se observa en la tabla 2, esta

dispone de 14 Subestaciones y un total de 24 transformadores
con una capacidad máxima total de 422,75 MVA. D. ¿Qué es la curva S o de Gompertz? ¿Es aplicable a
nivel de grandes áreas geográficas o micro-áreas?

C. ¿Cuál es la potencia en la subestación de transmisión que
alimenta la carga llamada Centrosur?
Como se observa en la tabla 3, la empresa eléctrica Centrosur
recibe una energía de 1123,61 GWh. La tabla 4 da un resumen
de la energía que cada empresa distribuidora compra, para el
caso de la Centrosur se tiene que la energía comprada es de
1118,66 GWh.
Si se compara ambos valores se tiene que son valores muy
aproximados, sumando ambos valores se tiene que la empresa
eléctrica Centrosur recibe una cantidad de energía igual a:
2242,27 GWh.
Es un modelo matemático para una serie de tiempo, llamada así
en honor a su creador Benjamín Gompertz. Es una función en
forma de sigma que sirve para describir el crecimiento como
más lento al inicio y final de un período de tiempo. Consta de
dos asíntotas una izquierda y una derecha, la derecha indica el
valor de la función y la izquierda el valor inferior. La asíntota
de la parte derecha de la gráfica se aproxima de manera más
gradualmente que la asíntota de la parte izquierda. Esto
contrasta con la función logística simple en la que ambas
asíntotas se acercan simétricamente a la curva. Es un caso
general de la función logística generalizada. La función fue
diseñada originalmente para describir la mortalidad humana,
actualmente se ha modificado para ser aplicada en otras áreas.

2
06 – Noviembre - 2018
 Sistemas de Distribución Eléctrica
Capítulo 2
Stalin Banegas Dután

E. Realizar la proyección de la carga para el siguiente

conjunto de datos proporcionados.

Tabla 5. Datos para el cálculo de la proyección de la carga

Tasa de Crecimiento (i)(%) = ?
Año Demanda Demanda
Actual Futura (kW)
(kW)
2009 3094 -
2010 2938 -
2011 2714 -
2012 3567 -
2013 4027 -
Figura 1. Representación gráfica de los parámetros del
2014 3591 -
modelo de Gompertz. Curva S. 2015 4579 -
2016 4436 -
Esta curva es aplicable tanto para zonas geográficas grandes 2017 - -
como para micro – áreas, para el caso de las micro – áreas el 2018 - -
modelo tiene una mejor aplicación, que se caracteriza por las 2019 - -
transiciones de crecimiento que se da tiempos cortos, con tres 2020 - -
períodos: Inicial: estado del sistema antes del crecimiento de 2021 - -
clientes en la micro área (consumo muy bajo); Rampa: se da la 2022 - -
mayor parte del crecimiento de la carga (se satura en muy corto 2023 - -
tiempo); y Saturación: la micro área es ocupada en su totalidad 2024 - -
(crecimiento vegetativo) . 2025 - -
2026 - -
2027 - -
2028 - -
2029 - -
2030 - -
2031 - -

Para realizar la regresión exponencial, se aplica la ecuación:

𝑦𝑡 = 𝑎𝑏 𝑥 (1)
Figura 2. Curva S para micro – áreas
Aplicando logaritmos en la ecuación (1):
Al aplicarse en áreas grandes, se puede observar que el
crecimiento es un tanto lineal, pues el incremento de la carga se 𝑙𝑜𝑔 = 𝑙𝑜𝑔(𝑎𝑏 𝑥 ) (2)
da en tiempos diferentes.
𝑙𝑜𝑔(𝑦𝑡 ) = 𝑙𝑜𝑔(𝑎) + 𝑙𝑜𝑔(𝑏 𝑥 ) (3)

𝑙𝑜𝑔(𝑦𝑡 ) = 𝑙𝑜𝑔(𝑎) + 𝑥 𝑙𝑜𝑔(𝑏) (4)

Entonces se tiene una función lineal de la forma

𝑦 = 𝑚𝑥 + 𝑏, en

Donde 𝑙𝑜𝑔(𝑦𝑡 ) queda finalmente en función de x, donde se

tiene:
Figura 3. Curva S para grandes áreas
𝑃𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 = 𝑚 = 𝑙𝑜𝑔(𝑏)
El comportamiento de la curva en el caso de micro – áreas es
más similar a la curva S.
𝐼𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖𝑜𝑛 = 𝑙𝑜𝑔(𝑎)

3
06 – Noviembre - 2018
 Sistemas de Distribución Eléctrica
Capítulo 2
Stalin Banegas Dután

Ahora se tiene que el año 2009=0, 2010=1, 2011=2 y así ∑ x 2 = 0 + 1 + 4 + 9 + 16 + 25 + 36 + 49 = 140

sucesivamente para obtener pares ordenados como x, log(yt )),
entonces de la tabla anterior hasta el año 2016 y realizando los
logaritmos de todas las y se tiene: Entonces se tiene que:
28,4124 = 8 ∙ log(𝑎) + log(𝑏) ∙ 28
Tabla 6. Logaritmos de las yt 100,6817 = log(𝑎) ∙ 28 + log(𝑏) ∙ 140
Resolviendo se tiene que:
Año x yt log(yt)
𝑎 = 2807,8422 𝑏 = 1,070239
2009 0 3094 3,490520309
2010 1 2938 3,468051791
Tomando la ecuación 1:
𝑦𝑡 = 𝑎𝑏 𝑥 = 2807,8422(1,070239) 𝑥
2011 2 2714 3,433609843 Entonces esta ecuación es similar a:
2012 3 3567 3,552303109 𝑃𝑛 = 𝑃0 (1 + 𝑖)𝑛 (7)
𝑃𝑜 = 2845,533247
2013 4 4027 3,60498163
1 + 𝑖 = 1,070239, 𝑑𝑜𝑛𝑑𝑒 𝑖 = 0,070239
2014 5 3591 3,555215405
2015 6 4579 3,660770644
Entonces a partir de
𝑦𝑡 = 2807,8422(1,070239) 𝑥
2016 7 4436 3,646991537
Total 28,41244427 Se puede calcular la demanda para x=8, x=9, etc., entonces a
continuación se muestra una tabla con la proyección de la carga:

Tabla 8. Tabla de la proyeccion de la Carga

Se puede obtener a y b mediante el método de los mínimos
cuadrados, cuyas ecuaciones se muestran a continuación: Tasa de Crecimiento (i)(%) = ?

∑ log(𝑦𝑡 ) = 𝑁 ∙ log(𝑎) + log(𝑏) ∙ ∑ x (5) Demanda Actual Demanda Futura

Año
x (kW) (kW)
∑(𝑥 ∙ log(𝑦𝑡 )) = log(𝑎) ∙ ∑ x + log(𝑏) ∙ ∑ x 2 (6) 1 2009 3094 -
2 2010 2938 -
Donde:
3 2011 2714 -
∑ log(𝑦𝑡 ) = 28,4124 2012 3567 -
4
Que resulta de la suma total de los valores de la ultima columna 2013 4027 -
5
de la tabla 6.
N es igual a 8 que es el número de datos de demanda conocida. 6 2014 3591 -

∑ x = 0 + 1 + 2 + 3 + 4 + 5 + 6 + 7 = 28 7 2015 4579 -
8 2016 4436 -
Para obtener ∑(𝑥 ∙ log(𝑦𝑡 )), se empleó los valores de la tabla 6
y la herramienta excel: 9 2017 - 5266,847906
10 2018 - 5648,119766
Tabla 7. Determinación de la sumatoria de los x.log(yt)
11 2019 - 6056,992239
x log(yt) x.log(yt)
12 2020 - 6495,463359
0 3,490520309 0
13 2021 - 6965,675797
1 3,468051791 3,468051791
14 2022 - 7469,927338
2 3,433609843 6,867219687
15 2023 - 8010,6821
3 3,552303109 10,65690933
16 2024 - 8590,582587
4 3,60498163 14,41992652
17 2025 - 9212,462592
5 3,555215405 17,77607703 2026 - 9879,361051
18
6 3,660770644 21,96462386 2027 - 10594,53689
19
7 3,646991537 25,52894076 2028 - 11361,48495
20
Total 100,681749 21 2029 - 12183,95307
22 2030 - 13065,9604
Dando como resultado: ∑(𝑥 ∙ log(𝑦𝑡 )) = 100,681749
23 2031 - 14011,81703

4
06 – Noviembre - 2018

F. Explique en qué consiste cada uno de los siguientes
métodos utilizados para realizar el Pronóstico de la
Demanda en SD, y las razones por las cuales son preferidas
cada una de ellas: 1.Modelos de tendencia, 2. Series de
tiempo, 3. Distribución de probabilidad, 4. Micro áreas, 5.
Redes neuronales artificiales
a. Modelos de tendencia
Los modelos o métodos de regresión son una función
matemática que intenta modelar probabilísticamente a una
variable de estudio en relación a uno o más predictores de
interés. En el método de regresión simple hay solo una variable
independiente y dependiente, donde se puede emplear el
conocimiento de la variable independiente para pronosticar la
variable dependiente.
b. Series de tiempo
Dado que la demanda eléctrica varía de manera continua en el
tiempo, se considera que es una serie de tiempo. Esto permite
la aplicación de diferentes técnicas de series temporales y
metodologías para la predicción de la demanda futura basadas
en los datos históricos disponibles de demandas.
Este método requiere la menor información posible, dado que
la única variable independiente es el tiempo, básicamente se
pretende medir el consumo de energía eléctrica en el tiempo a
intervalos espaciados uniformemente. El objetivo de la
identificación de la información histórica es determinar un
patrón básico en el comportamiento del consumo de
electricidad que permita la proyección futura de la demanda de
energía eléctrica.
Para examinar a la serie de tiempo, se grafican sus valores, lo
que permite realizar un análisis completo de las misma. Una vez
graficados los datos, es posible detectar algunas irregularidades,
e incluso valores atípicos, en caso de que estén presentes; dentro
de los que se destaca la aparición de un nivel, cambios
periódicos y efectos estacionales. Los cambios o
discontinuidades dentro de la serie de tiempo, pueden ser
fundamentales para el análisis de los datos por intervalos.
Dentro del estudio de las series de tiempo, es primordial
analizar sus componentes y de ser necesario realizar
transformaciones para eliminarlas o modificarlas. Con esto se
obtienen series de tiempo estacionarias, siendo posible un
análisis más preciso.
c. Distribución de probabilidad
El modelo de pronóstico de demanda de energía eléctrica
basados en distribución de probabilidad se construye ajustando
los datos de cada subperiodo a una función de distribución de
probabilidad continua con la cual se puede calcular la
probabilidad de que la variable aleatoria sea menor igual a un
valor dado. Como antes se ha mencionado la demanda de
energía eléctrica es una variable aleatoria puesto que sus valores
no pueden predecirse en forma exacta ya que dichos valores se
ven influenciados por diversos factores descritos en el capítulo
1, por lo cual, la ocurrencia de ciertos valores solo puede
expresarse en términos de probabilidad.
06 – Noviembre - 2018
Sistemas de Distribución Eléctrica
Capítulo 2
Stalin Banegas Dután
d. Micro áreas
Este método propone que la zona de estudio sea dividida en
varias zonas pequeñas llamadas micro áreas y esta división debe
realizarse tomando en cuenta el sistema eléctrico existente.
Los métodos de proyección de demanda eléctrica con base en
micro áreas tienen dos etapas de análisis:
1. Uso de tierra
2. Tendencia (Demanda de energía eléctrica)
Uso de tierra.- La metodología planteada relaciona los datos
de oferta y demanda del suelo y la transforma en información
de demanda eléctrica, a través de curvas de carga
características. La diferencia entre la demanda estimada y la
demanda actual determinará la necesidad y ubicación de nuevas
subestaciones de distribución, cuyas características dependerán
del área geográfica de estudio, topología de la red y
herramientas disponibles. Este procedimiento es de suma
importancia, puesto que permite planificar el sistema de
distribución a largo plazo, estableciendo las prioridades para su
expansión ordenada y económica.
Tendencia (Demanda de energía eléctrica).- Estas técnicas se
caracterizan por extrapolar la carga basada en la información
histórica de la demanda de energía eléctrica y requieren un
mínimo de datos por lo que su implementación resulta muy
fácil. Entre los métodos de tendencia se encuentran
e. Redes neuronales artificiales
Están inspiradas en las redes neuronales biológicas del cerebro
humano, las cuales intentan interactuar con objetos del mundo
real del mismo modo que lo hace el sistema biológico. Una red
neuronal artificial es una estructura compuesta de un número de
unidades interconectadas (neuronas artificiales). Cada unidad
posee una característica de entrada/salida e implementa una
computación local o función. La salida de cualquier unidad está
determinada por su característica de entrada/salida, su
interconexión con otras unidades, y (posiblemente) de sus
entradas externas. Las redes neuronales, permiten aproximar
funciones no lineales, esto permite modelar fenómenos
complejos donde las variables no están correlacionadas.
Figura 4. Red Neuronal Artificial
IV. CONCLUSIONES
5
 Sistemas de Distribución Eléctrica
Capítulo 2
Stalin Banegas Dután

Con este trabajo se pudo conocer la potencia total de los

transformadores de distribución de la CENTROSUR, así como
también la potencia de los transformadores en las subestaciones
de Distribución. También se pudo determinar la cantidad de
energía total que alimenta a la Centrosur, en base al total de la
energía comprada y la energía que el Sistema Nacional
Interconectado brinda a dicha empresa eléctrica.
También se pudo entender el concepto de la Curva S de
Gompertz la cual es una herramienta útil que permite analizar
el crecimiento de las demanda de carga, se pudo constatar que
este método es aplicable en áreas geográficas grandes y micro
áreas, obteniendo una mejor aplicación en esta última.
También este trabajo permitió entender el concepto de
proyección de carga mediante la realización de un ejercicio,
este aspecto resulta ser muy importante debido a que ayuda al
diseño de una red de distribución con perspectiva hacia el
futuro. Se conoció el procedimiento para realizar la proyección
y la aplicación pese a ser un poco demorada resultó ser de fácil
aplicación.
Por último se conoció algunos de los métodos para realizar
pronósticos de demanda y las características que poseen cada
uno de ellos, así como sus ventajas que poseen para su
aplicación.

REFERENCIAS

[1] Agencia Nacional de Regulación y Control (ARCONEL): “Estadística

Anual y Multianual del sector eléctrico Ecuatoriano 2017”.
http://www.regulacionelectrica.gob.ec/wp-
content/uploads/downloads/2018/07/Est_2017_borrador_publicado.pdf

[2] ARIAS, Luis Fernando. Programa digital para el pronóstico de carga

eléctrica espacial. Trabajo de grado Ingeniero Eléctrico. Quito, Pichincha:
Escuela Politécnica Nacional. Facultad de Ingeniería Eléctrica, 2000.

[3] Andrade, C. G. (2010). Pronóstico de la demanda en los sistemas de

distribución de energía eléctrica: aplicando la teoría de valores extremos.
Veracruz: Universidad Veracruzana

V. BIOGRAFÍA

Stalin Fernando Banegas Dután, (Cuenca, 18 de

Febrero de 1995), realizó sus estudios primarios
en la Unidad Educativa Octavio Díaz L.
posteriormente sus estudios secundarios los
realizó en la Unidad Educativa Particular «Fe y
Alegría – Cuenca », obteniendo el título de
bachiller en Ciencias Básicas, actual estudiante de
la carrera de Ingeniería Eléctrica en la facultad de
Ingeniería de la Universidad de Cuenca.

6
06 – Noviembre - 2018