Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUCCIÓN
La masificación en el uso de los automóviles particulares ha llevado a las grandes ciudades a enfrentar graves problemas de congestión vehicular y medioambientales. En el caso del Distrito Metropolitano de Quito, la municipalidad está trabajando en la implementación de medidas amigables con el medio ambiente que permitan mejorar la circulación vehicular mediante el uso masivo del transporte público [1] [2].
Bajo este antecedente, a partir del año 2012 se planificó la construcción del primer sistema de movilidad eléctrica subterráneo en Ecuador, denominado: “Metro de Quito” (MQ). La primera línea de este sistema cuenta con una distancia aproximada de 22 kilómetros desde Quitumbe (extremo sur) hasta El Labrador (extremo norte) [3]. Adicionalmente, la primera etapa del “Metro de Quito” contará con 15 estaciones de pasajeros equitativamente distribuidas a lo largo del recorrido. Se estima que el tiempo de movilización para un recorrido completo, desde el Sur al Norte, será de aproximadamente 34 minutos; lo cual representa un considerable ahorro de tiempo para los pasajeros en comparación con los actuales sistemas de transporte (alrededor de 2 horas) [3] [4].
El sistema eléctrico del “Metro de Quito” se constituye por subsistemas de fuerza, mecánico, eléctrico y electrónico de alta complejidad, que permiten integrar los sistemas de alimentación con el equipamiento de tracción y los controladores [5]. Generalmente, estos subsistemas son diseñados y/o adquiridos por separado, sin considerar una modelación integral que permita comprender la operación del sistema. La modelación de estos subsistemas constituye una forma confiable de evaluar su desempeño y minimizar riesgos frente a posibles escenarios de operación que podrían no cumplir con los índices de calidad y seguridad.
El modelamiento de los sistemas de movilidad en redes eléctricas presenta la particularidad del desplazamiento de la carga (tren eléctrico) a lo largo de un recorrido establecido. En la Fig.1 se muestra didácticamente el desplazamiento de un tren desde un punto inicial (P0) hasta un punto final (Pf), donde se observa la característica particular del tren eléctrico de moverse y conectarse en diferentes puntos de una red eléctrica, cambiando el punto de suministro de potencia/energía a lo largo de su recorrido. Además del desplazamiento del tren, es importante y necesario considerar la variación de la demanda de los trenes eléctricos, cuyo valor depende de: a) las condiciones de operación (aceleración, velocidad fija, frenado), b) las características de las vías (pendientes, peralte, entre otras), y c) el peso a transportar (número de pasajeros y horas de operación).
Estas características de la carga provocan cambios instantáneos en los flujos de potencia, nivel de armónicos y comportamiento dinámico de los sistemas eléctricos provocando, por ejemplo, cambios en los niveles de carga de los equipos, diminución de los voltajes en las barras, transitorios, entre otros. Por lo tanto, la estimación del consumo de energía de los sistemas eléctricos de movilidad constituye una de las variables de entrada más importantes para el análisis estacionario y dinámico del sistema eléctrico. Para ello, es necesario incluir las características físicas y eléctricas de los equipos que conforman los sistemas eléctricos de tracción.
Generalmente, el impacto de la inclusión de sistemas eléctricos de movilidad ha sido evaluado mediante flujos de potencia. En [6] se muestra un enfoque tradicional de evaluación de flujos de potencia y cargabilidad de la red, considerando a los trenes eléctricos como una carga estática invariante en el tiempo y el espacio. En este caso, los resultados son deterministas y no permiten evaluar el impacto real del desplazamiento de los trenes, ni el efecto de la variación de su demanda sobre el sistema eléctrico. Por otra parte, en [7], [8] y [9] se utilizan flujos de potencia probabilísticos resueltos mediante métodos matemáticos directos o iterativos como Montecarlo para la evaluación de sistemas eléctricos. No obstante, estas metodologías no son aplicadas en sistemas reales, ni tampoco evalúan posibles riesgos operativos de los sistemas.
Bajo este contexto, y con el propósito de mejorar el enfoque de las propuestas antes mencionadas, el presente trabajo realiza una modelación en detalle del sistema eléctrico del Metro de Quito (sistema de movilidad real próximo a entrar en operación) desarrollada en PowerFactory de DIgSILENT. Posteriormente, se propone una metodología de simulación estocástica aplicando el método de Montecarlo (controlada a través de las opciones de Python scripting), cuyos resultados son finalmente analizados usando criterios de gestión de riesgo.
La modelación estructurada considera: 1) alimentación/conexión con el sistema de la Empresa Eléctrica Quito (EEQ), 2) modelación de las subestaciones de tracción y rectificación AC/DC, 3) modelación de las catenarias en corriente directa DC, y 4) sistema de rectificación y alimentación de material rodante. La metodología propuesta, basada en simulación de Montecarlo, para la generación aleatoria de escenarios de operación de sistemas eléctricos de transporte masivo, considera las características propias del desplazamiento de la carga y sus condiciones de operación. Ésta es aplicada al modelo desarrollado en PowerFactory para evaluar múltiples escenarios de demanda del Metro de Quito.
Los resultados presentados están enfocados en la evaluación de la calidad de voltaje y nivel de carga de los equipos del sistema eléctrico (cargabilidad de la red), cuyos datos se analizan probabilísticamente mediante PDFs e índices de gestión de riesgo.
El resto de este trabajo está estructurado de la siguiente manera: la sección II muestra el estado del arte detallado de la modelación estacionaria de sistemas eléctricos ferroviarios. En la sección III se describe la modelación del equipamiento eléctrico del Metro de Quito. La sección IV describe la metodología propuesta, mientras que en la sección V se usa el modelo desarrollado para evaluar la metodología propuesta. Finalmente, las conclusiones alcanzadas aparecen en la sección VI.
MODELACIÓN ESTACIONARIA DE SISTEMAS ELÉCTRICOS FERROVIARIOS
El estudio de flujo de potencia es un análisis matemático aplicado a sistemas eléctricos de potencia (SEP) en estado estacionario [10], cuyos resultados permiten estudiar acciones para asegurar niveles de voltaje y corriente dentro márgenes predefinidos ante la inclusión de ciertos tipos cargas [11]. Sin embargo, la inclusión de generación y cargas variables (cargas especiales) en los sistemas eléctricos ha cambiado el enfoque de estos estudios con la inclusión de modelos estocásticos que representen con la mayor exactitud posible este tipo de comportamientos [12] [13]. La resolución de estos modelos se realiza mediante un flujo de potencia probabilístico que constituye un método macro estadístico que puede integrar, mediante funciones de densidad de probabilidad, las variaciones de la demanda, fallas de generación y transmisión, entre otras variables con incertidumbre [7].
La evaluación de sistemas eléctricos ferroviarios mediante flujos de potencia ha sido ampliamente utilizado; por ejemplo, en [14] se propone una variación del flujo de potencia denominada forward/backward sweep (FBS), el cual evalúa los sistemas férreos (alimentados en AC) calculando el esfuerzo de tracción de cada tren y asociándolo a su consumo energético.
Por otro lado, en [8] se utiliza un flujo de potencia probabilístico para evaluar el nivel de carga de subestaciones de tracción aplicando un estimador de densidad variable tipo kernel. Adicionalmente, en [9] se aplican flujos de potencia probabilísticos en sistemas férreos considerando las posiciones de los trenes mediante la simulación de Montecarlo.
Bajo este antecedente, el sistema eléctrico del Metro de Quito ha sido previamente modelado en algunos trabajos con la finalidad de verificar la viabilidad técnica del proyecto y evaluar el impacto sobre las redes de distribución. En [4] se desarrolla una proyección del consumo energético del sistema ferroviario utilizando un software especializado usado previamente para la modelación de carga del Metro de Santiago. Con estos datos se determina la cantidad y características técnicas del equipamiento eléctrico, así como también la topología de la red eléctrica de la línea 1 del Metro de Quito. Sin embargo, en este trabajo aún no son consideradas las condiciones de explotación del Metro de Quito considerando la movilidad de los trenes eléctricos.
Complementariamente, en [6] se evalúa el impacto en la calidad de suministro de energía que provoca la inclusión del sistema eléctrico del Metro de Quito en la red eléctrica de la EEQ. Para ello, se realiza el análisis estático de flujos de potencia y flujo de armónicos del sistema considerando una demanda promedio para los trenes y servicios auxiliares. Si bien este trabajo presenta una buena aproximación a la topología real del Metro de Quito, no se contempla la modelación completa del material rodante considerando el movimiento de los trenes eléctricos. Además, el modelo desarrollado no considera el control electrónico sobre los motores de tracción de los trenes, el cual es muy importante para la posterior evaluación de la respuesta dinámica del sistema.
MODELACIÓN DEL SISTEMA ELÉCTRICO “METRO DE QUITO”
El sistema eléctrico del Metro de Quito es modelado en el software PowerFactory considerando información actualizada de diseño y construcción, cuyas características se detallan a continuación.
Subestaciones de interconexión con la EEQ
En la Tabla 1 se muestran los datos de las cuatro subestaciones de interconexión modeladas. Actualmente, las subestaciones Eugenio Espejo, Chilibulo y Vicentina se encuentran en operación; mientras que, la subestación Nuevo Bicentenario entrará en operación en el año 2019 para alimentar al Metro de Quito y futuras cargas del sector norte de la ciudad de Quito.
En la Tabla 2 se muestran las características de los alimentadores modelados, los cuales interconectan las subestaciones de la EEQ con las subestaciones de tracción (SET) del sistema eléctrico del Metro de Quito (Quitumbe, La Magdalena, Universidad Central y El Labrador).
Subestaciones de tracción
Las 11 subestaciones de tracción del Metro de Quito permiten reducir y rectificar el voltaje para suministrar energía a los dispositivos eléctricos y electrónicos del material rodante.
La Fig.2 muestra el esquema de una subestación de tracción modelada en PowerFactory, la cual consta de: transformador de tracción de 22,8 kV (AC) a 1,225 kV (AC), grupos transformadores-rectificadores de 1,225 kV (AC) a 1,5 kV (DC), barras de corriente continua y sistemas de puesta a tierra.
Las características técnicas de los transformadores y rectificadores modelados se muestran en las Tablas 3 y 4, respectivamente. Los transformadores de tracción modelados corresponden a transformadores de tres devanados de clase VI utilizados específicamente en aplicaciones ferroviarias, mientras que los grupos de trasformación-rectificación están formados por dos rectificadores conectados en paralelo del tipo puente de graetz.
Sistema de alimentación de trenes
En la Fig. 3 se muestran los elementos modelados en PowerFactory, donde se incluyen barras, seccionadores y cables para simular el sistema de catenaria rígida y el sistema de puesta a tierra que alimentan a los trenes eléctricos.
En las Tablas 5 y 6 se presentan los datos técnicos de los conductores de alimentación y catenaria, respectivamente.
Material rodante (trenes eléctricos)
La primera etapa de funcionamiento del metro planifica la incorporación de 18 trenes, de los cuales 16 estarán operativos en vía y los 2 restantes permanecerán en la zona de talleres y cocheras en Quitumbe. La configuración de los trenes consta de 6 vagones dispuestos de la siguiente manera:
Dónde: RCP es un vagón con cabina de conducción ubicado en los extremos, M representa a los coches remolque intermedios y M’ a los vagones motor intermedios. De estos seis vagones solo cuatro son motorizados (M y M’).
En la Fig. 4 se muestra la modelación del material rodante en PowerFactory que incluye un conversor tipo PWM (rectificador DC/AC), una carga de potencia constante que simula los consumos de servicios auxiliares dentro del tren (aprox. 106 kW) y los motores de tracción AC (tipo asíncrono, jaula de ardilla).
METODOLOGÍA DE SIMULACIÓN PROPUESTA
En la Fig. 5 se presenta el esquema de la metodología propuesta para el análisis estacionario y/o dinámico de la penetración de cargas rodantes en las redes de distribución. Esta metodología se sustenta en la interacción de las siguientes tres etapas:
Simulación de Montecarlo consiste en un procedimiento repetitivo, en el cual, para cada repetición, se evalúa la respuesta de un sistema a través de una función de incertidumbre, utilizando un conjunto de variables de entrada que se generan al azar mediante sus funciones de distribución de probabilidad (PDF), con el fin de obtener valores numéricos aleatorios de salida [15]. En este caso, es utilizado para la generación de escenarios de operación, mediante la variación aleatoria de la demanda (ubicación, velocidad y consumo de energía de los trenes eléctricos).
Simulación estacionaria y/o dinámica de cada escenario operativo generado. La simulación estacionaria por medio de flujos de potencia y/o flujos de armónicos permite el análisis de la calidad de energía; mientras que, la simulación dinámica permite el análisis del sistema en el dominio del tiempo ante eventos de aceleración y frenado de los trenes eléctricos.
Evaluación probabilística y gestión del riesgo mediante resultados de PDFs y cálculo de índices de gestión de riesgo.
La interacción entre las etapas antes descritas se realiza mediante una herramienta computacional, especialmente diseñada, que combina programación en Python con la modelación de sistemas eléctricos en PowerFactory de DIgSILENT.
A continuación, se detallan las etapas de la metodología propuesta para el análisis estático del sistema eléctrico del Metro de Quito.
Etapa 1: Simulación de Montecarlo
En esta etapa, mediante simulación de Montecarlo, se generan múltiples escenarios de operación que simulan los cambios aleatorios de la carga (trenes eléctricos) del sistema Metro de Quito. Para ello, se utiliza una matriz de datos de entrada que contiene la información de distancia recorrida versus la potencia consumida por un tren eléctrico a lo largo del recorrido completo (Sur-Norte-Sur).
Esta matriz de datos es obtenida mediante un software de simulación ferroviaria, propiedad de Construcciones y Auxiliares de Ferrocarriles (CAF) [16], misma que considera diferentes prestaciones de servicio, tales como: velocidad, número de pasajeros, desniveles de la vía, entre otras características.
Adicionalmente, y también como datos de entrada, es necesario contar con los sistemas eléctricos del “Metro de Quito” y la EEQ modelados en PowerFactory con sus respectivos escenarios de expansión y demanda.
Los datos descritos anteriormente son importados al programa Python, donde, por medio de programación, se realizan aleatoriamente cambios topológicos y de operación para cada escenario operativo “i” construido a partir del Montecarlo.
Python es un lenguaje de programación basado en intérpretes que no necesita ningún compilador para utilizar la API de C++. Los scripts de Python pueden usarse directamente en PowerFactory o utilizarse para ejecutar la aplicación en modo “engine” y controlarla desde una aplicación externa.
Luego, como se esquematiza en la Fig. 6, para cada escenario “i” se definen aleatoriamente los trenes en operación y sus posiciones a lo largo del recorrido. Con esta posición, dentro de la matriz distancia recorrida versus potencia se busca el consumo (MW) del tren eléctrico, cuyo valor es asignado a los motores de tracción.
En PowerFactory se ha modelado un tren eléctrico por cada tramo entre estaciones de pasajeros tanto en el sentido sur-norte como norte-sur; por lo tanto, el modelo cuenta con 28 trenes a fin de contemplar todas las posibles ubicaciones de los trenes a lo largo del recorrido.
Por último, mediante código de programación en Python, de los 28 trenes modelados, se activan o se ponen en operación aleatoriamente solamente16 trenes, cumpliendo con las condiciones de explotación previstas en esta etapa del Metro de Quito. Por ejemplo, en la Fig. 6 se observa que, de Sur (Est. Quitumbe) a Norte (Est. El Labrador), los trenes activos son T1, T3 y T14 en las posiciones 0,5447 km, 4,8283 km y 20,931 km, respectivamente; en cambio, el tren T2 se encuentra desactivado.
Es importante destacar que, la programación de la simulación de Montecarlo permite combinar la operación de hasta 10 trenes en una sola dirección (Norte-Sur o Sur-Norte); es decir que en este caso en dirección opuesta se activarán únicamente 6 trenes con la finalidad de cumplir con las condiciones de operación actualmente previstas.
Etapa 2: Simulación estacionaria y/o dinámica
Una vez definidas las condiciones operativas tanto para la carga del sistema eléctrico “Metro de Quito” como para el sistema de la EEQ se realizan las simulaciones estacionarias y/o dinámicas del sistema mediante la ejecución de flujos de potencia, flujos de armónicos y/o simulaciones en el dominio del tiempo. En este trabajo se simulan y presentan solamente los resultados del comportamiento estacionario del sistema eléctrico; por lo tanto, para cada escenario operativo “i” se almacenan los datos para el análisis probabilístico de flujos de potencia, como: voltajes, corrientes, nivel de carga, potencia activa, entre otros.
Etapa 3: Evaluación probabilística y gestión del riesgo
La aplicación de la simulación de Montecarlo permite el análisis probabilístico de posibles riesgos operativos. Para ello, una vez completadas las “N” simulaciones de Montecarlo, se utilizan criterios de riesgo que permiten evaluar límites de operación del equipo eléctrico y la calidad de energía en barras de conexión entre el Metro de Quito y EEQ. A continuación, se describen los criterios de riesgo más utilizados [17].
Criterio 1: Basado en el criterio de desigualdad de Chebyshev considerando la media y desviación estándar[17].
Donde μ corresponde a la media y σ representa la desviación estándar.
Criterio 2: Valor del riesgo (Value at Risk - VaR)
Siendo 𝝓 −𝟏 𝟏−𝜶 el percentil 𝟏−𝜶 de la distribución normal estándar, (𝟏−𝜶) es el nivel de confianza y 𝜶 la pérdida esperada.
Criterio 3: Valor del riesgo condicional (Conditional Value at Risk - CVaR)
Siendo 𝝋(𝒛) denota la función de densidad normal estándar.
La desigualdad de Chebyshev mide la probabilidad de la cola de la distribución y su valor esperado; mientras que, el VaR mide la máxima pérdida esperada (o peor pérdida) dentro de un intervalo de confianza dado. Por otro lado, el CVaR, a un nivel de confianza dado, es la pérdida esperada entre las pérdidas que son mayores que el VaR y la desigualdad de Chebyshev, es decir, es la pérdida esperada más grande que el VaR y desigualdad de Chebyshev [18].
El grado de confianza para estimar las medidas de riesgo es un rango que depende de la aplicación o de la aversión al riesgo que el planificador desea o el nivel de pérdidas que debe ser cubierta [18]. En este trabajo se utiliza como medida de riesgo el CVaR puesto que representa los mínimos valores esperados, dado un grado de confianza del 99%.
APLICACIÓN DE LA METODOLOGÍA
El sistema eléctrico del Metro de Quito desarrollado en PowerFactory es incluido dentro del sistema de la EEQ. El modelo en conjunto incluye los cambios topológicos de expansión y la proyección de la máxima demanda coincidente de la EEQ, desde el año 2018 hasta el año 2026. En este trabajo, se utiliza como período de simulación el año 2019, puesto que corresponde con la puesta en operación de la primera línea del Metro de Quito.
Para el año 2019, se simulan tres escenarios de demanda del Metro de Quito considerando diferentes perfiles de consumo de energía de cada tren eléctrico, cuyos valores máximos y medios se muestran en la Tabla 7.
Tabla 7: Escenario de demanda de un tren eléctrico
En la Fig. 7 se muestra el perfil de demanda media simulado por CAF (para 5 estaciones de pasajeros, considerando los arranques y paradas), el cual corresponde a una carga de 294,3 Toneladas/Tren (Tara Alta AW4). A partir de este escenario, se construye la demanda mínima que corresponde al 60% de la demanda media; mientras que, el escenario de demanda máxima corresponde a un incremento del 40% de la demanda media. Estos escenarios de demanda son asumidos y aún no pueden ser considerados como consumos definitivos de los futuros trenes del Metro de Quito.
Para cada escenario de demanda del Metro de Quito (mínima, media y máxima) se simulan 1 800 iteraciones (simulación de Montecarlo), donde cada una de ellas activa 16 diferentes trenes eléctricos y cambia su desplazamiento físico a lo largo del trayecto.
A continuación, se realiza un análisis probabilístico enfocado al nivel de carga del equipamiento eléctrico y variaciones de voltaje en las barras del sistema eléctrico Metro de Quito y de la EEQ.
Análisis probabilístico del nivel de carga
En la Tabla 8 se muestran los valores del CVaR del nivel de carga de los transformadores de potencia de la EEQ, donde se observa que, en los tres escenarios de demanda, el transformador 1 de la subestación Eugenio Espejo (con los valores asumidos de carga de la Tabla 7) superaría el 100% de nivel de carga.
Tabla 8: CVaR del nivel de carga de transformadores de potencia - EEQ
En la Fig. 8 se muestra el histograma del transformador 1 Eugenio Espejo (Eu. Espejo_1) para el escenario de demanda máxima. En esta figura, la línea de color rojo muestra la probabilidad acumulada de ocurrencia donde se observa que existe una alta probabilidad de superar el nivel de carga máximo. Aproximadamente el 16% de los casos simulados no superan el nivel de carga del 100%; en otras palabras, el 84% de los casos simulados presentan sobrecarga en el transformador 1 de Eugenio Espejo.
Por otro lado, en la Tabla 9 se muestran los valores de CVaR del nivel de carga de los transformadores de tracción del Metro de Quito, donde se observan niveles de carga por encima de 100% en todos los escenarios de demanda. Sin embargo, es importante considerar que estos niveles de carga son temporales, puesto que el suministro de energía, al tren en movimiento, cambia durante el trayecto.
Es importante destacar que los transformadores de tracción están diseñados para soportar altas sobrecargas temporales en relación con su capacidad nominal. Por lo general, los clientes ordenan transformadores que pueden sobrecargarse 50% de su valor nominal por una duración de 15 minutos cada hora o transformadores con sobrecargas del 100% por períodos de 5 minutos cada hora [19] [20].
Los transformadores de tracción de Universidad Central y Carolina son los que presentan mayor nivel de carga. En la Fig. 9 se muestra el histograma del transformador Universidad Central denominado “SET_UCentral”, donde se observa que el 60% de los escenarios analizados presentan un nivel de carga menor al 200%. En este caso, el 40% de los escenarios excede el valor de 200%, cuyo valor de sobrecarga deberá ser verificado con los fabricantes.
Tabla 9: CVaR del nivel de carga transformadores de tracción - Metro de Quito
Análisis probabilístico del nivel de voltaje
La Agencia de Regulación y Control de Electricidad (ARCONEL) en la regulación No. CONELEC-004/01 “Calidad del Servicio Eléctrico de Distribución” establece los niveles de calidad de la prestación del servicio eléctrico de distribución. En esta regulación se establece que la variación admisible para sistemas de medio voltaje es de ±8%, el cual es considerado para el análisis probabilístico de los niveles de voltaje [21].
En la Tabla 10 se muestran los índices de riesgo CVaR de los voltajes en las barras del sistema eléctrico de la EEQ. Se observa que, las barras Vicentina (Vicentna_23) y Eugenio Espejo 1 (Eu. Espejo_1_23) de 22,8 kV, presentan los niveles más bajos de voltaje, pero aún por encima de los límites exigidos en la regulación. Es importante resaltar que los valores de voltaje en barras de la EEQ (barras de alimentación aguas arriba), si consideran las cargas del Metro, se encuentran alrededor de 1,022 p.u.
Tabla 10: CVaR de voltajes en barras - EEQ
Las Fig. 10 y 11 muestran los histogramas de voltajes en las barras Vicentina y Eugenio Espejo de 22,8 kV, donde se observa que existe baja probabilidad de ocurrencia de alcanzar voltajes menores al valor admisible de operación de 0,92 p.u. Sin embargo, como se menciona anteriormente, la variación de los voltajes en las barras depende de la matriz de consumo de energía de los trenes eléctricos, la cual es ingresada como dato de entrada en la simulación de Montecarlo.
En la Tabla 11 se muestran los valores de CVaR de los voltajes de las barras de las subestaciones de tracción. Se observa que, para el escenario de demanda máxima, las barras de Morán Valverde (Mor_Valverde_23_MQ), Solanda (Solan_23_MQ) y La Carolina (Caro_23_MQ) presentan los niveles de voltaje más bajos, los cuales se encuentran dentro del rango admisible establecido en la regulación. Sin embargo, si el consumo de energía de los trenes eléctricos es mayor, el voltaje puede disminuir a valores fuera del rango permitido.
En la Fig. 12 se muestra el histograma de voltajes de la barra Solanda (Solan_23_MQ), donde se observa que existe una probabilidad muy baja de casos operativos con valores de voltaje menores al rango admisible de operación de 0,92 p.u.
Tabla 11. CVaR de voltajes en barras de subestaciones de tracción - Metro de Quito
CONCLUSIONES
Se propone una metodología basada en simulación de Montecarlo, para la generación aleatoria de escenarios de operación de sistemas eléctricos de transporte masivo considerando las características propias de desplazamiento de la carga (trenes eléctricos) y sus condiciones de operación. La aplicación de la metodología propuesta se realiza mediante una herramienta computacional que combina programación en Python con la modelación de sistemas eléctricos en PowerFactory de DIgSILENT.
Como resultados se obtienen funciones de densidad de probabilidad (PDF) del comportamiento de los voltajes, nivel de carga, potencia activa, entre otros, los cuales permiten:
Evaluar el riesgo de superar los límites de operación (cargabilidad) de equipo eléctrico y calidad de energía en barras de conexión entre el Metro de Quito y EEQ.
Tomar acciones de control y operación de la red para disminuir los riesgos asociados a la cargabilidad.
Planificar nuevas estrategias de operación del Metro de Quito.
Es importante destacar que los resultados obtenidos dependen de los datos de entrada ingresados al modelo; por ejemplo, en el análisis de flujos de potencia los resultados dependen del número de trenes eléctricos habilitados y de su matriz de consumo de energía. De esta manera, los resultados mostrados aún no pueden ser tomados como definitivos sino como ejemplos del comportamiento estocástico del sistema, debido a que la matriz de datos de consumo debe ser verificada.
Por otro lado, las variaciones de voltaje en las barras de alimentación del Metro de Quito dependen directamente de los valores de voltaje fijados en los puntos de interconexión con la EEQ. Es decir, si los voltajes en las barras de la EEQ son modelados en PowerFactory con valores mayores a 1 p.u., las variaciones en las barras de las SET del Metro de Quito no caen por debajo de los rangos admisibles.
Figura 12: Histograma barra de SET Solanda a 23 kV (Solan_23_MQ)
