EVALUACIÓN DEL APLANAMIENTO DE LA CURVA …repository.udistrital.edu.co/bitstream/11349/4568/1/Castellanos... · del Wh fotovoltaico y tiempo de retorno de inversión con la exención

i

EVALUACIÓN DEL APLANAMIENTO DE LA CURVA DE CARGA EN EL ESTRATO

CUATRO (4) DE LA CIUDAD DE BOGOTÁ POR MEDIO DE PROGRAMAS DE

RESPUESTA A LA DEMANDA; CASO DE ESTUDIO: 100 USUARIOS CON ACCESO

A GENERACIÓN DISTRIBUIDA.

LAURA LUCIA FERNANDA CASTELLANOS CARDONA

SANDRA VIVIANA LÓPEZ CHAPARRO

PROYECTO DE GRADO PARA OPTAR EL TÍTULO DE:

INGENIERO ELÉCTRICO

DIRECTOR:

I.E., MSc. PhD. EDWIN RIVAS TRUJILLO

CODIRECTOR:

I.I., MSc. Candidata PhD. ADRIANA MARCELA VEGA ESCOBAR

Universidad Distrital Francisco José de Caldas

Facultad de Ingeniería

Proyecto curricular Ingeniería Eléctrica

Bogotá D.C., Colombia

Noviembre de 2016.

ii

AGRADECIMIENTOS

A Dios por permitirnos culminar este sueño y darnos las fuerzas para no desfallecer.

A la Universidad Distrital Francisco José de Caldas por ser hogar y formarnos bajo los criterios

requeridos para nuestra vida profesional.

A nuestras familias por su compañía, comprensión y ánimo no sólo en el desarrollo de este

proyecto sino en cada paso que dimos.

A los profesores Edwin Rivas Trujillo, Adriana Marcela Vega y Johan Hernández por ser guías,

trasmitirnos sus conocimientos y darnos luz para lograr culminar el objetivo propuesto.

A todos nuestros compañeros y amigos que nos permitieron hacer mediciones en sus viviendas,

además a todos aquellos que nos brindaron su apoyo incondicional en el desarrollo del proyecto.

iii

RESUMEN

La respuesta a la demanda (RD), se define como el cambio en los patrones o hábitos de consumo

de energía eléctrica por parte de los usuarios finales, como respuesta a la variación en el precio de

la electricidad en tiempo real, o a pagos de incentivos diseñados con el fin de introducir un menor

uso de la electricidad, cuando se presentan precios elevados en la tarifa de energía o cuando la

confiabilidad del sistema se encuentra en riesgo (Marulanda García, 2014). Existen al menos tres

acciones por las que el usuario puede optar: la primera es reducir su consumo durante las horas

pico y tener un ahorro lo que se refleja en su comodidad. La segunda trasladar su consumo habitual

a un horario en que el precio sea bajo, y la tercera es generar su propia energía a través de la

generación distribuida (Grajales Espinal & Figueroa Patiño, 2012).

En la revisión de la literatura científica en la ventana del 2009 al 2016 autores como Sheikh

(Shaikh & Dharme, 2009), Liao (Liao, Chen, & Chen, 2011), Yang (Peng, Yang. Gongguo, Tag.

Nehorai, 2012), Hussin (Hussin, Abdullah, Ali, Hassan, & Hussin, 2014), y Zhao Ahamed

Tizdhadam (Zhao & Ming, 2014), plantearon un caso de estudio bajo el programa de respuesta en

demanda de pago por tiempo de uso (TOU) que a través de funciones objetivo permiten maximizar

beneficios y minimizar riesgos, costos de generación y precios de consumo tanto para usuarios

finales residenciales como a las empresas prestadoras de servicio. De manera complementaria

buscando igual objetivo de maximizar beneficios, los autores Joo (Joo, Ahn, Yoon, & Choi, 2007),

Zhang (Zhang, Wang, & Fu, 2009), Herter (Herter & Wayland, 2010), Wang (Wang & Li, 2011),

y Mathaba (Mathaba, Xia, & Zhang, 2012) desarrollan un estudio en torno a la respuesta en

demanda de Precio Pico Critico (CPP), donde se encuentran a través de la predicción de precios,

elasticidad de la demanda y hábitos de consumo los días óptimos para aplicar los eventos pico.

iv

En Colombia durante las horas de alto consumo eléctrico, el sistema de distribución puede ser

llevado a los límites de operación y en la normatividad no se evidencian políticas regulatorias que

contemplen estrategias que incentiven a los usuarios finales residenciales a realizar desconexiones

de carga en estos periodos y que permitan un aplanamiento en su curva de carga (UPME, 2014),

por ende surge la pregunta “¿Se producirá variación en la curva de carga del usuario residencial

estrato 4 de la cuidad de Bogotá, al utilizar generación distribuida y programas de respuesta a la

demanda como Precio Pico Critico (CPP) y Precio por Tiempo de Uso (TOU)?”.

El proyecto de investigación se desarrolló en cuatro etapas: caracterización, diseño, determinación

de precios y simulaciones. La primera se realizó a través de mediciones puntuales en los tableros

de distribución de 18 viviendas estrato 4 ubicadas en las localidades de Suba y Usaquén de la

ciudad de Bogotá, en la segunda se diseñaron los sistemas fotovoltaicos en función de la energía

característica de la curva presente en las horas de alto consumo, en la siguiente a partir del diseño

y la inversión necesaria en los sistemas fotovoltaicos se determinaron los precios mínimo para el

retorno y el esquema de precios de respuesta en demanda adecuado para el mercado propuesto.

Finalmente en la etapa cuatro a través de la herramienta MATLAB se simuló un caso de estudio

de cien (100) usuarios residenciales estrato 4 de la ciudad de Bogotá, participantes en los

programas de respuesta a la demanda: precio por tiempo de uso (TOU) y precio pico crítico (CPP)

con acceso a generación distribuida a través de sistemas fotovoltaicos, que se dividen en dos grupos

según la capacidad del generador fotovoltaico instalado (Grupo 1 y Grupo 2) que suple un

porcentaje de su carga en distintas proporciones (50, 75 y 100%). En este se evalúan las cantidades

de energía ahorrada, el porcentaje de variación de la curva en función a esta y el equivalente

monetario.

v

Entre los aportes obtenidos están: en conjunto con el grupo de investigación GCEM se caracterizó

y determinó un modelo de la curva de carga estrato 4 de la ciudad de Bogotá. Adicionalmente, se

cuantificó para un usuario residencial estrato 4 ubicado en la ciudad de Bogotá el valor mínimo

del Wh fotovoltaico y tiempo de retorno de inversión con la exención del IVA propuesto por la

ley 1715. De manera complementaria se encontró la potencia Fotovoltaica mínima y esquema de

precios para tener un ahorro monetario en comparación con el consumo y regulación actual y para

dar cumplimiento al objetivo general se evaluó el aplanamiento en la curva de carga del estrato 4

de la ciudad de Bogotá al implementar RD y Generación distribuida.

Este proyecto de investigación se plasma en siete capítulos, en el primero se presentan las

generalidades del proyecto, una breve descripción de la problemática a abordar y los objetivos

planteados para el desarrollo del mismo. En el segundo capítulo se define la respuesta a la

demanda, beneficios, costos de la implementación, se abordan las principales características de la

generación distribuida y se destacan algunas experiencias internacionales de programas de

respuesta a la demanda.

En el capítulo tres se describe la construcción de la curva de carga, la fijación de los esquemas de

precios de: generación distribuida y de los programa de respuesta a la demanda. En el capítulo

cuatro se presenta el caso de estudio, los escenarios simulados y el análisis de resultados. En el

capítulo cinco se realiza comparación de precios con y sin la aplicación de programas de respuesta

en demanda. Finalmente, en el capítulo seis y siete se exponen las conclusiones, recomendaciones

y trabajos futuros.

En el apéndice A se documenta el dimensionamiento de los sistemas fotovoltaicos y la selección

de equipos realizada.

vi

Contenido

1. INTRODUCCIÓN ..................................................................................................................................... 1

1.1 Planteamiento del Problema ........................................................................................................ 1

1.2 Justificación. .................................................................................................................................. 2

1.3 Objetivos ....................................................................................................................................... 4

1.3.1 Objetivo Principal .................................................................................................................. 4

1.3.2 Objetivos Específicos ............................................................................................................. 4

1.4 Alcances y limitaciones ................................................................................................................. 5

2 MARCO TEORICO Y ESTADO DEL ARTE ................................................................................................. 6

2.1 Programas de Respuesta a la demanda: ....................................................................................... 6

2.1.1 Beneficios de la Respuesta a la demanda. .......................................................................... 10

2.1.2 Costos de implementar Respuesta a la demanda. .............................................................. 11

2.2 Generación Distribuida ............................................................................................................... 12

2.2.1 Sistemas Fotovoltaicos Autónomos. ................................................................................... 13

2.3 Estado del Arte ............................................................................................................................ 14

2.3.1 Antecedentes TOU .............................................................................................................. 14

2.3.2 Antecedentes CPP ............................................................................................................... 21

2.3.3 Otros Estudios ..................................................................................................................... 25

2.3.4 Antecedentes en Colombia de RD entre 2010 a 2016 ........................................................ 26

3 CARACTERIZACIÓN CURVA DE CARGA Y ESQUEMAS DE PRECIOS ...................................................... 30

3.1 Reunión de la Información. ......................................................................................................... 30

3.2 Metodología para la Caracterización Curva ................................................................................ 32

3.2.1 Instalación de Equipos ........................................................................................................ 32

3.2.2 Procedimiento de Medición. ............................................................................................... 32

3.2.3 Construcción Curva. ............................................................................................................ 33

3.3 Esquemas de Precios. .................................................................................................................. 38

3.3.1 Determinación de Precios de Generación Con Sistemas Fotovoltaicos ............................. 38

3.3.1 Estimación del Esquema de Precios CPP y TOU. ................................................................. 47

4 ESCENARIOS CON DIFERENTES PORCENTAJES DE PENETRACIÓN DE GD: CASO DE ESTUDIO............ 50

4.1 Descripción Código de decisión para la simulación de los escenarios........................................ 51

4.2 Escenarios de Simulación para el Caso de Estudio ..................................................................... 53

5 ANÁLISIS DEL AHORRO TRAS LA APLICACIÓN DEL PROGRAMA DE RESPUESTA EN DEMANDA. ........ 61

vii

5.1 Comparación Ahorro Monetario Curva con deslastre y Curva Base con la aplicación de RD (TOU

Y CPP). 61

5.2 Comparación Ahorro Monetario Curva con deslastre con la aplicación de RD (TOU Y CPP) y la

Curva Base (Precios Actuales). ................................................................................................................ 64

6 CONCLUSIONES ................................................................................................................................... 67

7 RECOMENDACIONES Y TRABAJOS FUTUROS ...................................................................................... 70

8 BIBLIOGRAFÍA ...................................................................................................................................... 71

APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS ..................................................................... 74

ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE BOGOTÁ ........................... 89

ANEXO 2. PROTOCOLO FLUKE 435 .............................................................................................................. 91

ANEXO 3. PROTOCOLO FLUKE 1730 ............................................................................................................ 98

ANEXO 4. PROTOCOLO PQA ...................................................................................................................... 111

ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS FOTOVOLTAICOS .......... 118

viii

Índice de Figuras.

Figura 1. Clasificación de los programas de Respuesta a la demanda. [2] .................................................. 9

Figura 2. Clasificación de las tecnologías en Generación Distribuida. Copyright 2012. [2] ..................... 13

Figura 3. Línea de tiempo Antecedentes TOU ........................................................................................... 20

Figura 4. Línea de tiempo Antecedentes CPP. ............................................................................................ 25

Figura 5. Línea de tiempo Antecedentes en Colombia ............................................................................... 29

Figura 6. Cantidad de Viviendas estrato 4 por localidades en Bogotá. Fuente SDP. ................................. 31

Figura 7. Conexión monofásica (izquierda), conexión trifásica (derecha). ................................................ 33

Figura 8. Curva final, desviación STC positiva y negativa. Copyright 2016 por [31]................................ 36

Figura 9. Relación de las curvas de carga diaria en Colombia para diferentes años. Copyright 2016 por

[32] .............................................................................................................................................................. 36

Figura 10. Ocupaciones población estrato 4 ciudad de Bogotá. Copyright 2016 por [33]. Reimpreso con

permiso. ....................................................................................................................................................... 37

Figura 11. Metodología para la estimación del precio mínimo de comercialización del kWh. .................. 41

Figura 12. Consolidado esquemas de precios RD. ...................................................................................... 48

Figura 13. Flujograma para simulación ...................................................................................................... 52

Figura 14. Escenarios de simulación ........................................................................................................... 53

Figura 15. Resumen Aplanamiento de la curva caso No. 1 para Escenario No. 1(Magenta), Escenario No.

2(verde) y Escenario No. 3(negro). ............................................................................................................. 54

Figura 16. Resumen Aplanamiento de la curva caso No. 2 para Escenario No. 1(magenta), Escenario No.



2(Verde) y Escenario No. 3(negro). ............................................................................................................ 56







Figura 21. Variación Porcentual del ahorro energético. ............................................................................. 60

Figura 22. Porcentaje de ahorro casos, escenario No. 1,2 y 3. .................................................................... 63

ix

Índice de Tablas.

Tabla 1: Relación de mediciones y equipos usados .................................................................................... 32

Tabla 2: Datos Curva Final, desviación estandar positiva y negativa ......................................................... 35

Tabla 3: Precios de Inversión diseño No. 1 y No. 2 .................................................................................... 39

Tabla 4: Precios de Inversión diseño No. 3 ................................................................................................ 40

Tabla 5: Precios de Inversión diseño No. 4 ................................................................................................ 41

Tabla 6: VPN Diseño No. 1 ........................................................................................................................ 43




Tabla 10: Resumen precio mínimo Wh fotovoltaico para los cuatro diseños realizados............................ 47

Tabla 11: Consolidado porcentual esquemas de precios RD. Fuente Propia .............................................. 48

Tabla 12: Esquema de precios para Colombia. Fuente Propia .................................................................... 49

Tabla 13: Resumen esquema de precios para Colombia y precios diseños Fotovoltaicos. Fuente Propia . 49

Tabla 14:Consolidado energía ahorrada Caso No. 1. Fuente Propia .......................................................... 54




Tabla 18: Consolidado energía ahorrada Caso No. 5. Fuente Propia ......................................................... 58

Tabla 19: Consolidado energía ahorrada Caso No. 6. Fuente Propia ......................................................... 59

Tabla 20: Características curva base con los precios CPP y TOU propuestos ........................................... 61

Tabla 21:Consolidado ahorro monetario diario 100 Usuarios. Escenarios 1,2 y 3, seis casos. Fuente Propia

.................................................................................................................................................................... 62

Tabla 22: Características Curva base aplicando los precios actuales de red ............................................... 64

Tabla 23: Consolidado ahorro mensual por usuario ................................................................................... 64

Tabla 24: Cantidad de años de retorno de inversión por usuario: escenario 2: caso 1, escenario 3: Caso 1 y

6. Fuente Propia .......................................................................................................................................... 65

x

Apéndices:

APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS ..................................... 74

Anexos

ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE BOGOTÁ ........................... 89

ANEXO 2. PROTOCOLO FLUKE 435 .............................................................................................................. 91

ANEXO 3. PROTOCOLO FLUKE 1730 ............................................................................................................ 98

ANEXO 4. PROTOCOLO PQA ...................................................................................................................... 111

ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS FOTOVOLTAICOS .......... 118

1

1. INTRODUCCIÓN

En este capítulo se presenta la problemática a abordar, la justificación y los objetivos planteados

para el desarrollo del proyecto de investigación.

1.1 Planteamiento del Problema

Durante las horas de alto consumo eléctrico, el sistema de distribución puede ser llevado a los

límites de operación y en la normatividad Colombiana no se evidencian políticas regulatorias

que incentiven a los usuarios finales residenciales a realizar desconexiones de carga en estas

horas y que además permitan un aplanamiento en su curva de carga.

La respuesta a la demanda (RD), se define como el cambio en los patrones o hábitos de

consumo de energía eléctrica por parte de los usuarios finales, como respuesta a la variación

en el precio de la electricidad en tiempo real, o a pagos de incentivos diseñados con el fin de

introducir un menor uso de la electricidad, cuando se presentan precios elevados o cuando la

confiabilidad del sistema se encuentra en riesgo (Marulanda García, 2014). Hay al menos tres

acciones por las que el consumidor puede optar; la primera es reducir su consumo de energía

durante las horas pico, lo que implícitamente genera un ahorro monetario y pérdida de

comodidad. La segunda es trasladar su consumo habitual a un horario en que el precio sea bajo,

y la tercera optar por generar su propia energía a través de la generación distribuida (Grajales

Espinal & Figueroa Patiño, 2012) .

La curva de carga Colombiana a nivel de distribución se caracteriza por estar constituida en

su mayor parte por usuarios residenciales, quienes representan de acuerdo a la UPME

aproximadamente un 51% del total de usuarios (UPME, MINISTERIO DE MINAS Y

ENERGÍA, 2011), los patrones de consumo de dicho grupo determinan un porcentaje

2

significativo del comportamiento de la curva de carga, por lo que se plantea incursionar en este

grupo de usuarios implementando RD, con presencia de generación distribuida (GD).

La generación distribuida se define como el uso de forma integrada o segregada de recursos de

generación o almacenamiento cercano al centro de carga. Estas se dividen en generación o

almacenamiento, que a su vez se clasifican en convencionales y no convencionales. Las

primeras incluyen cogeneración, turbinas de gas, microturbina y motor de combustión interna,

y las segundas utilizan recursos renovables, entre estas están: turbinas eólicas, celdas

fotovoltaicas, de combustible y biomasa (Hernandez, 2012).

Este proyecto de investigación plantea la siguiente pregunta problema: ¿Se producirá variación

en la curva de carga del usuario residencial estrato 4 de la cuidad de Bogotá, al utilizar

generación distribuida y programas de respuesta a la demanda como Precio Pico Critico (CPP)

y Precio por Tiempo de Uso (TOU)?

1.2 Justificación.

En Colombia la curva de carga característica (compuesta por los sectores residencial, comercial

e industrial) presenta dos picos de demanda, uno comprendido entre las 8-13 horas con su

punto máximo alrededor de las 12 horas (punta No1) y el segundo entre las 18 y 21 horas del

día con su valor pico a las 19 horas (punta No 2). Durante éste último el sistema de potencia

tiene un alto porcentaje de transferencia y generación, lo que lo lleva ocasionalmente a trabajar

en sus límites técnicos de operación. Debido a que este comportamiento es altamente

influenciado por el sector residencial, ya que esta franja coincide con los hábitos de los

“usuarios finales residenciales” en los que éste finaliza su jornada laboral, prime time de la

TV, etc. (Rueda, 2011) , se propone realizar estudios e implementar estrategias que incidan

3

sobre dicho sector de forma tal que minimicen su consumo, con el objetivo de generar ventajas

como: aumentar la confiabilidad del sistema, reducción de costos en generación, transporte y/o

distribución, un aplanamiento de la curva de carga, además de mantener un “balance entre

generación y demanda” (Marulanda García, 2014).

A raíz de las ventajas que genera influir en el consumo de los usuarios finales residenciales, se

deben encontrar estrategias que si bien contribuyen a su bajo consumo de la red no lleven a la

total perdida de la comodidad del usuario, lo que abre el espacio a la autogeneración definida

en la ley 1715/14 como “aquella actividad realizada por personas naturales o jurídicas que

producen energía eléctrica, principalmente para atender sus propias necesidades”, entre las que

se encuentra la energía fotovoltaica (UPME, 2014).

Se pretende realizar la simulación del comportamiento de la curva de carga del estrato 4 en la

cuidad de Bogotá con la implementación de programas de respuesta a la demanda Precio Pico

Crítico (CPP) y precio por tiempo de uso (TOU) mediante un caso de estudio de 100 usuarios

residenciales con acceso a GD evaluando el beneficio económico del usuario y el aplanamiento

porcentual en los picos de la curva típica.

4

1.3 Objetivos

1.3.1 Objetivo Principal

Evaluar la variación de la curva de carga residencial del estrato 4 de la ciudad de Bogotá mediante

un caso de estudio de 100 (cien) usuarios con acceso a Generación Distribuida y bajo esquemas

de respuesta a la demanda como Precio Pico Crítico y Precio por Tiempo de Uso.

1.3.2 Objetivos Específicos

1. Simular el porcentaje de variación de la curva de carga al incluir tres (3) escenarios con

diferentes porcentajes de penetración de Generación Distribuida bajo programas de

respuesta a la demanda TOU y CPP.

2. Verificar el ahorro que se produce al utilizar programas de gestión activa de la demanda

con presencia de generación distribuida frente a los actuales precios de consumo de la

red.

5

1.4 Alcances y limitaciones

Dentro de los alcances del proyecto de investigación, se encuentra evaluar el porcentaje de

aplanamiento de la curva de carga del estrato 4 de la ciudad de Bogotá, representado en el ahorro

energético porcentual y cuantitativo presente tras la implementación de Generación Distribuida

fotovoltaica para autoconsumo, bajo los esquemas de respuesta a la demanda TOU y CPP, esto

partiendo que los participantes del caso de estudio cuentan con un sistema automático que al recibir

las señales del operador de red del cambio de precio desconecta parcialmente su carga. Del mismo

modo se calcula el equivalente monetario de las disminuciones presentadas en la curva

característica y se comparan con los precios actuales de red, para determinar si existe un ahorro

frente a la regulación y costos actuales.

Ya que el objetivo del estudio es aplanar la curva de carga en función del uso total de la energía

disponible en GD, no se analizan escenarios de traslados de carga, ni análisis de excedentes.

Debido a la limitada bibliografía encontrada respecto al esquema de precios colombianos en lo

que respecta a programas de respuesta en demanda, se tomaron como referencia los aplicados a

nivel internacional.

6

2 MARCO TEÓRICO Y ESTADO DEL ARTE

La gestión activa de la demanda (GAD), se define como el conjunto de medidas para influir en el

comportamiento del consumidor con el objetivo que éste modifique sus patrones de consumo

buscando generar ahorro monetario y eficiencia energética. Por otro lado, la respuesta a la demanda

nace como consecuencia de la GAD la cual se define como la respuesta activa del consumidor

frente a las señales externas del operador (Fundación de la Energía de la Comunidad de Madrid,

2007).

En este capítulo se define la respuesta a la demanda, costos, beneficios y clasificación y además

se definen las principales características de la generación distribuida.

2.1 Programas de Respuesta a la demanda:

Los programas de Respuesta a la demanda están diseñados para estimular la respuesta del usuario

incentivándolo a participar en el mercado de energía, en la medida en que él sea capaz de modificar

sus hábitos de consumo. Estos programas buscan otorgar beneficios a los usuarios que participen

aunque es de aclarar que la efectividad depende entre otras cosas de la disponibilidad de

infraestructura de medición inteligente(Rendón, 2013).

Existen tres tipos de respuesta por parte del consumidor:

En primer lugar los usuarios pueden reducir su consumo sólo en los periodos pico, es decir, cuando

los precios son elevados pero conservando los patrones de consumo habituales en las horas

restantes. En segundo lugar, estos pueden responder a los precios, trasladando algunos de sus

consumos de horas pico a horas no pico (viable en usuarios residenciales). En tercer lugar, los

consumidores optan por generar su propia energía (autogeneración). Este tipo de usuario no

7

presenta ningún cambio en los hábitos de consumo porque está en capacidad de suplir su propia

carga, lo que se presenta como una disminución en la curva de carga del sistema eléctrico. Esta

última respuesta del consumidor es el objeto de estudio del presente documento.

Los programas de Respuesta a la demanda se clasifican en dos categorías que a su vez se

subdividen:

Programas Basados en Incentivos (IBP)

Programas Basados en Precios (PBP)

IBP busca generar una disminución de carga de tal forma que se puedan enfrentar algunas

contingencias posibles del sistema eléctrico durante periodos específicos del día. Estos se

encuentran divididos en las siguientes categorías ( Figura 1):

Programas Clásicos: Los usuarios reciben incentivos particularmente económicos, representados

en créditos o disminuciones en sus cuentas, estos se clasifican en control directo de carga o

interrumpible/ corte de carga.

Programas Basados en Mercados: En este se recompensa el usuario en función de su desempeño

frente a las señales enviadas por el operador del sistema.

PBP plantea un sistema en el que las tarifas son dinámicas y estas representan los costos reales de

la electricidad. La finalidad de dicho programa es el aplanamiento de la curva de carga, porque

implementa un alto costo de la energía eléctrica en horas de alto consumo y bajas tarifas en

periodos con poca demanda de energía. se encuentran los siguientes programas (Grajales Espinal

& Figueroa Patiño, 2012):

- Tiempo de Uso (TOU)

8

- Precio Pico Crítico (CPP)

- Precio al día extremo (EDP)

- Día extremo CPP (EDP-CPP)

- Precio en tiempo real (RTP)

El programa más usado en el sector residencial es TOU, para su implementación se requieren

equipos de medida inteligentes con capacidad de almacenamiento y asistencia remota (Baratto,

2010). Este divide el día en varios periodos, en los que el precio de la electricidad varía, es

recomendable tener una división mínima de dos periodos (precio Valle y Precio Pico) o más

siempre que esta no sea elevada para evitar así confusión en los usuarios. Respecto al precio este

puede ser “del orden de 10 veces mayor que en un periodo valle”, para incentivar el consumo en

horas no pico (Cerezo, 2010).

El modelo CPP está basado en TOU, este presenta igual discriminación de franjas horarias (Precio

Valle y Precio Pico), su diferencia radica en la existencia de un evento crítico que es generado por

la alta demanda en un periodo de tiempo determinado, hecho que puede generar un alza en las

tarifas de generación, en algunos casos el precio de la electricidad puede ser “del orden de 2 o 3

de TOU” (Cerezo, 2010).

9

Figura 1. Clasificación de los programas de Respuesta a la demanda (Grajales Espinal &

Figueroa Patiño, 2012).

Programas de Respuesta de

Respuesta a Demanda.

Programas Basados en Incentivos (IBP)

Clásicos

Control directo de carga

Ininterrupibles/Corte de Carga

Basados en Mercados

Demanda por Licitación

Emergencia

Capacidad del Mercado

Servicios Auxiliares

Programas basados en precios (PBP)

Tiempo de Uso (TOU)

Precio Pirco Crítico (CPP)

Día Extremo de CPP (ED-CPP)

Precio de día Extremo (EDP)

Precio en tiempo real (RTP)

10

2.1.1 Beneficios de la Respuesta a la demanda.

La respuesta a la demanda consiste en programas que incentiven el ahorro y eficiencia en la

energía, lo que producen beneficios que se han clasificado por Grajales en “Programas de respuesta

a la demanda y su posible impacto en el sistema eléctrico Colombiano” en cuatro grupos:

Participantes, Mercado, Confiabilidad y funcionamiento del mercado (Grajales Espinal &

Figueroa Patiño, 2012).

Los participantes pueden obtener ahorros en su factura de electricidad tras la reducción de

consumos en horas pico. En algunos casos estos reciben grandes descuentos en sus cuentas sin

tener que variar en gran medida sus patrones de consumo (Grajales Espinal & Figueroa Patiño,

2012). Además, los participantes logran obtener un aumento en la confiabilidad del suministro de

energía eléctrica debido a que reducen el porcentaje de riesgo de exposición a cortes involuntarios

de energía.

Los usuarios que no participan en los programas de respuesta a la demanda consiguen recibir

algunos beneficios económicos, en consecuencia a que al disminuir el consumo global de energía,

el precio de la misma decae y estos recibirían descuentos en el costo de sus facturas.

En el mercado se pueden obtener beneficios respecto a generación, transporte y distribución de

energía eléctrica ya que existirá un uso eficiente de la estructura, lo que aplazará las inversiones

en la misma evitando así cualquier adición sobre las redes existentes y con ello un importante

ahorro en los cargos de generación de energía. Se presenta también una disminución en la demanda

pico del sistema que se puede traducir en un “menor flujo de potencia” lo que evitaría un desgaste

continúo en la vida útil en las líneas. Es de anotar que el mercado recibe también un beneficio

11

respecto a los precios de bolsa, pues al disminuir la demanda, se evita el poner en marcha las

generadoras de alto costo (térmicas) y reducen las pérdidas.

El funcionamiento del mercado es influenciado por la entrada de la competencia minorista además

que permite al participante gestionar su consumo y de esta forma contribuir con el movimiento del

mismo (Grajales Espinal & Figueroa Patiño, 2012).

Finalmente respecto a la confiabilidad, la red estaría expuesta a menor estrés en periodos de

demanda pico generando un aumento de confiabilidad global del mismo. (Marulanda García,

2014) Es de anotar que el operador de red se beneficiaría ampliamente de este aspecto pues tendría

la posibilidad de administrar de una forma más eficiente sus recursos y opciones, además podría

llegar a asegurar a las pequeñas industrias la ejecución continua de sus actividades en las que

requiera del suministro de energía eléctrica (Grajales Espinal & Figueroa Patiño, 2012) .

2.1.2 Costos de implementar Respuesta a la demanda.

Para la puesta en servicio de los programas de respuesta a la demanda es necesaria una inversión

inicial en diferentes ámbitos, tanto del operador de red como del usuario final, estos son:

La primera parte debe ser aportada por el usuario y será la tecnología e infraestructura necesaria

para el funcionamiento del mismo, en esta se incluye electrodomésticos inteligentes, medidores

bidireccionales, controladores de carga, transferencias y unidades de generación distribuida.

Respecto al operador de red, este debe contar con mediciones instantáneas de potencia para

conocer el consumo en real del usuario, además de invertir en la infraestructura necesaria para

establecer un camino de comunicación entre el usuario final y el operador de red, con lo cual se

logrará establecer una vía eficiente para notificar las variaciones de los precios (Grajales Espinal

& Figueroa Patiño, 2012).

12

Es de aclarar que para una implementación de los programas anteriormente descritos en Colombia,

se hace necesario un cambio en la regulación tarifaria por parte de la GREG pues actualmente por

la resolución 25 de 1995, existe un único precio para los usuarios regulados en Colombia (Rendón,

2013) y para la ejecución de programas RD es necesario la implementación de tarifas dinámicas

además de un cambio en la facturación, esta actividad implica una inversión en este caso por parte

del estado Colombiano.

Por último es un costo bajo la responsabilidad de los tres actores mencionados anteriormente la

capacitación de los usuarios para la correcta incursión y aceptación de los programas RD en el

mercado (Grajales Espinal & Figueroa Patiño, 2012).

2.2 Generación Distribuida

La generación distribuida (GD) se define como el uso de forma integrada o segregada de recursos

de generación o almacenamiento de energía cercano al centro de carga. Puede tener la opción de

comprarse o venderse a la red eléctrica además de generar beneficios con su uso al sistema

eléctrico.

Según Hernández en la Figura 2 las tecnologías de GD se dividen en generación y

almacenamiento, que a su vez se clasifican en convencionales y no convencionales. Las primeras

incluyen cogeneración, turbinas de gas, microturbinas y motor de combustión interna. Las

segundas utilizan recursos renovables entre estas están: turbinas eólicas, celdas fotovoltaicas, de

combustible y biogás (Hernandez, 2012).

13

Figura 2. Clasificación de las tecnologías en Generación Distribuida. Copyright 2012.

(Hernandez, 2012)

2.2.1 Sistemas Fotovoltaicos Autónomos.

Los Sistemas fotovoltaicos autónomos son instalaciones que carecen de conexión al sistema

interconectado nacional. Estos se caracterizan por tener un sistema de acumulación de energía o

conexión directa. Los primeros están conectados a baterías que permiten el suministro eléctrico en

presencia de poca o nula radiación solar y los segundos son aquellos que se encuentran conectados

TECNOLOGÍAS EN GENERACIÓN

DISTRIBUIDA (DG)

GENERACIÓN

Convencionales

Cogeneración

Turbinas de Gas

Motor de Combustión Interna

Microturbina

No Convencionales

Turbinas Eólicas

Fotovoltaico (solar)

Celdas de Combustible

Biogás

ALMACENAMIENTO

Baterías

Volantes de Invercia

Bobinas Superconductoras

A base de Hidrógeno

14

directamente a las cargas y sólo pueden ser utilizados en presencia de radiación («Fotovoltaica

aislada», 2016).

2.3 Estado del Arte

En este apartado se realiza una revisión de la literatura científica referente a políticas regulatorias

que contemplen estrategias de deslastre de carga por parte de los usuarios residenciales. En esta

misma revisión se exponen experiencias de la respuesta a la demanda en los continentes de Asia,

América del Norte y Europa.

2.3.1 Antecedentes TOU

En el año de 2009 Shaikh et. Al. Plantea un caso de estudio maximizando una función objetivo

para la generación óptima y ahorro máximo de energía bajo el esquema de respuesta a la demanda

por pago por tiempo de uso (TOU), clasificando a los consumidores en clientes que se mueven por

precios y beneficios inmediatos, los que analizan el consumo y aprovechan los incentivos para

maximizar su utilidad marginal y los consumidores reales afines al consumidor actual.

Para solucionar la función objetivo se ejecuta un flujo de carga que tiene en cuenta los parámetros

eléctricos, los tipos de consumidores y el precio de la energía. El estudio concluye que las curvas

de carga varían en función a la estación climática en la que encuentren, se confirma la dependencia

entre la carga y la tarifa de la energía, y propone variar el precio de la energía basándose en las

estaciones climáticas que se presentan en India (Shaikh & Dharme, 2009).

En 2011 se publica un caso de estudio en el estado de Connecticut Nueva Inglaterra de un mercado

minorista con presencia de TOU, evaluando el impacto al ingresar al mercado mayorista donde

existen varios tipos de contrato (pool, forward, call options, autoproducción y contratos de carga

interrumpible). En este se desarrolla una programación estocástica cuyo principal objetivo es

15

maximizar los beneficios esperados y minimizar de manera simultánea los riesgos, mediante una

función objetivo. Para ello se considera la elasticidad del consumidor y se modela la respuesta del

mismo a los cambios del precio de venta minorista. Además aplica un modelo de incertidumbre

que considera las fluctuaciones del precio de bolsa y la demanda minorista.

El modelo es validado con 160 escenarios y seis casos en los que en todos hay presencia de

comercialización con precios pool y se varía la presencia de forward, autogeneración etc.

El estudio concluye que el mercado minorista para ser óptimo debe utilizar los precios Spot y

opciones tales como auto-producción, contratos en firme, opciones de compra y contratos

interrumpibles de tal forma que se cubra la demanda y además minimice los riesgos, propone los

precios óptimos de venta para horas pico y no pico, además de identificar que se obtienen mayores

ganancias al realizar variaciones en el riesgo y aumentarlo progresivamente (Hatami, Seifi, &

Sheikh-El-Eslami, 2011).

En el 2011 Y. Liao et al. a través de la optimización de Pareto, proponen un modelo para la fijación

de precios en la forma de respuesta a la demanda TOU, basándose en el costo marginal de corto

plazo, las restricciones de la red y el efecto que puede tener en ella la respuesta de los usuarios en

la operación de carga. El objetivo es minimizar las perdidas en la red mientras el beneficio del

proveedor y el consumidor se mantiene. Se utiliza el sistema de 14 Nodos IEEE para validar el

modelo.

Para el cálculo de los precios de TOU se plantean los supuestos de: se divide el día en 3 periodos

cada uno de 8 horas que van a representar Periodo pico, periodo plano y periodo valle, el usuario

ajustara su tiempo y cambia su consumo para obtener el mayor beneficio.

16

Entre las conclusiones que presenta el estudio se encuentra que la respuesta del usuario respecto

al cambio de precios influye en el comportamiento del flujo de carga del sistema de potencia

además a través de los resultados. Se observa que la fijación de precios de TOU es una forma

efectiva para guiar a los clientes al cambio mientras que no afecte a los proveedores de energía

(Liao et al., 2011).

En el mismo año, con el fin de lograr una minimización en los costos de la factura a través de la

gestión de los diferentes electrodomésticos presentes en un hogar, Lee et Al, clasifican los

electrodomésticos en 4 grandes grupos de acuerdo con sus condiciones de operación, consumo de

energía, elasticidad y se dan modelos matemáticos para describir cada grupo.

Posterior se implementa un algoritmo que a partir de la característica de consumo de los

electrodomésticos, plantea un esquema TOU que modifica los horarios de consumo de forma tal

que minimizan los costos. El algoritmo tiene en cuenta variables como la energía máxima y mínima

consumida por cada electrodoméstico en un tiempo (t), los horarios en que se consume dicha

energía y el precio en ese instante. Ejecutando la minimización se concluye que el algoritmo

propuesto minimiza de forma adecuada el precio de la factura, pues organiza de forma efectiva el

tiempo y el consumo de energía para cada electrodoméstico (Lee & Lee, 2011).

En el año 2012 Yang et Al., plantean un estudio a través de teoría de juegos para encontrar el

precio óptimo por TOU, propone modelos y funciones para los costos de forma tal que contemple

el máximo beneficio para el usuario y la empresa prestadora del servicio.

La estrategia aplicada consiste en: dividir un día en N periodos y optimizar el precio para cada uno

de ellos. El objetivo es influir en el comportamiento de los usuarios, quienes están informados con

antelación de las variaciones de los precios TOU tal que la carga a lo largo del día se nivele.

17

La solución se plantea a través de un modelo multi-escenario que por métodos de iteración de

Newton Raphson encuentra el equilibrio de Nash y una minimización alternativa. Para finalizar el

estudio diseña funciones de utilidad tanto para la compañía generadora como para los usuarios que

se resuelve de igual forma por el equilibrio de Nash. Como conclusión, confirma que la estrategia

propuesta puede nivelar la demanda del usuario, aumentar las ganancias y reducir sus facturas de

electricidad, además que una curva de demanda nivelada aporta garantías de un sistema de energía

más confiable (Peng, Yang. Gongguo, Tag. Nehorai, 2012).

En el año 2013 si bien en Ontario ya se encuentra instalado un programa de TOU, Adepetu et Al.

identifican las falencias que presenta y como se podría optimizar. El análisis se inicia con la

premisa que en Ontario el 92% de los usuarios cuenta con una infraestructura de medición

avanzada (AMI). En el sitio existen dos estaciones en el año (verano e invierno) y los parámetros

empleados como datos de entrada de la optimización son reales pues se usan las curvas TOU

actuales.

Para realizar la optimización los autores utilizan la técnica estadística estándar Bootstrapping, en

la que dividen el calendario en dos estaciones que tengan un comportamiento aproximado a las

curvas preestablecidas y realizan todas las posibles combinaciones de semanas para formar las

diferentes estaciones del año. Se concluye que se ha logrado el objetivo puesto que la forma en

que se ha implementado el TOU presenta inconvenientes porque no se obtuvo una reducción del

consumo de energía y por el contrario se ha incrementado con relación a los años anteriores. Se

compara con otro programa CPP donde se concluye que este es capaz de reducir la carga máxima

del 30% mientras que se espera que en un esquema de TOU sencillo se puedan lograr reducciones

de carga de hasta el 5%.Partiendo de dichas afirmaciones se recomienda utilizar un programa CPP

18

en Ontario y generar energía por medio de sol o viento para cubrir picos de carga (Adedamola

Adepetu, Lizotte, & Keshav, 2013).

En el año 2014 Hussin et Al., analizan los impactos que tendría incluir el esquema de respuesta en

demanda de pago por tiempo de uso TOU en Malasia pues en este lugar se cuenta con un único

precio para los usuarios residenciales. Se cuantifican monetariamente los impactos tanto para los

consumidores como para las empresas de servicios públicos en un escenario en el que existan 5

generadores y tres tipos de carga cargas (industrial, residencial y comercial).

Los autores proponen 2 picos horarios: 6:00 a.m. – 8:00 a.m. y 8:00 p.m-10:00p.m. además de dos

escenarios para realizar la simulación y una optimización lineal de ecuaciones. Para el primer

escenario se desplaza el consumo de las horas pico presentes entre las 7-9 am a las horas valles

comprendidas entre 22-23 o 6 am y en el segundo se divide el consumo pico en más fracciones

valle que existan en el día, como: 9-12 y 14.

Se concluye que los costos de generación se pueden reducir si los precios de electricidad TOU se

introducen en clientes residenciales con una adecuada selección de la hora pico además de una

disminución de costos de producción en el escenario número 1 (Hussin et al., 2014).

Durante el mismo año Zhao y Ming, con el objetivo de investigar un modelo de respuesta a la

demanda para conocer los precios óptimos de TOU modelan la demanda por medio del cálculo de

un coeficiente de desplazamiento de la carga. Para dicho coeficiente se construyen relaciones

cuantitativas entre el modelo de demanda basado en la psicología y la matriz elasticidad precio de

la demanda.

Proponen un método para calcular la matriz elasticidad precio que pueda ser evaluado en tiempo

real, en su solución se usan las expansiones de Taylor de primer orden. Este enfoque permite

19

calcular los cambios del consumo energético cuando los precios del TOU varían, por lo que se

puede predecir la demanda bajo los diferentes precios de TOU.

Se concluye que la respuesta al incentivo de TOU por parte de los usuarios debe ser la base para

tomar la decisión de implementarlo, además que considerando la respuesta de los usuarios frente

a los diferentes periodos de consumo es posible calcular un coeficiente que represente esta

probabilidad de cambio (Zhao & Ming, 2014).

En el mismo año Ahamed et Al, desarrollan un estudio alrededor de la creación de un algoritmo

capaz de solucionar la respuesta a la demanda bajo el esquema TOU con la particularidad que tome

en cuenta los horarios óptimos en que las cargas de un hogar puedan estar en funcionamiento.

Para su implementación se formula un problema a través de: MDP (MARKOV DECISION

PROCESS) que se soluciona empleando multiplicadores de Lagrange.

Entre los resultados obtenidos se encuentran que conforme la carga máxima disminuye, la curva

se aplana. Además a medida que la demanda máxima disminuye también los costos (Imthias

Ahamed & Borkar, 2015).

En el año 2015 Tizghadam et Al, realizan en EE.UU un estudio enfocado a examinar como un

prestador de servicios puede administrar el suministro de energía minimizando el gasto de

electricidad en un sistema multinodal partiendo que en cada nodo se dispone de un sistema

fotovoltaico compuesto por un panel y una batería.

El estudio se basó en un sistema de 12 nodos que representa una ciudad (Seattle, Denver,

Sunnyvale, Los Angeles, Houston entre otras), estas fueron escogidas ya que la radiación en cada

una de las ciudades es distinta mientras sus consumos son similares.

20

Se desarrolló un algoritmo que administra el almacenamiento de energía y se soluciona por medio

de optimización; para la toma de decisiones se tienen en cuenta la cantidad de energía demandada

por el usuario, la disponibilidad de la misma por parte del panel, la batería y la red, así como el

precio de producir con cada una de ellas. En adición, toma en cuenta el nivel de carga de la batería,

de potencia presente en el sistema fotovoltaico, la potencia demandada por el usuario y la potencia

entregada por la red.

Se concluye que la energía renovable y almacenamiento puede proveer hasta un 60% de los gastos

de electricidad. Además existe un impacto significativo (inversamente proporcional) en el tamaño

de los paneles usados frente al gasto de energía. También se comprueba que al aumentar

indefinidamente el tamaño del almacenamiento se tiene un impacto más tenue en la reducción de

los gastos de energía (Abji, Tizghadam, & Leon-Garcia, 2015).

En la Figura 3 se expone la línea de tiempo correspondiente a los estudios TOU.

Figura 3. Línea de tiempo Antecedentes TOU

21

2.3.2 Antecedentes CPP

A lo largo del 2007 Joo et Al, implementan un programa de respuesta a la demanda por precio

pico crítico (CPP) que maximiza el beneficio de una empresa prestadora de servicios (ESP) a través

de la selección adecuada de los días críticos en los que debe implementarse.

Para lograr el objetivo planteado los autores proponen dos metodologías para la determinación del

precio. La primera lo predice a partir de la relación encontrada en los datos históricos

documentados entre el precio y la carga, lo que a su vez determina la volatilidad del precio. El

segundo método es hallar los días pico críticos óptimos para el modelo.

Se validan las metodologías en un caso de estudio numérico que toma como datos de entrada la

carga y los precios de agosto de 2006 obtenidos de la página de la Organización Regional de

Transmisión PSM del distrito de Columbia, se simula por un periodo de 30 días, con 5 nodos de

decisión y un máximo de tres eventos CPP con una frecuencia de 24 horas. Frente a este estudio

se concluye que el programa de respuesta a la demanda por CPP es óptimo si se eligen de manera

adecuada los días en los que se va a presentar un evento pico, además que el precio propuesto debe

mantenerse constante en un intervalo mínimo de un mes y ser notificado con antelación a los

participantes (Joo et al., 2007).

En el año 2009 Zhang et Al valida a través de un caso de estudio en el mercado de Nueva Inglaterra

un programa de respuesta a la demanda CPP, que incluye la elasticidad precio de la demanda y la

selección adecuada de los días críticos de forma tal que genere altos beneficios. Se propone una

función objetivo a maximizar que considera los intereses del usuario y la empresa prestadora de

servicios. La función simula el mercado, durante un mes con 4 eventos picos e intervalos entre

22

ellos de mínimo 24 horas. Los datos base para el estudio son los consumos del mes de Agosto del

2002.

Los autores concluyen que si se aumentan considerablemente los días pico, los ahorros por parte

de los usuarios disminuyen, mientras que las ganancias de la empresa prestadora de servicio

aumentan. Para confirmarlo numéricamente documentan que la reducción en los gastos de

electricidad por parte de los usuarios es del orden de 1,58%, mientras en contraposición la empresa

prestadora de servicios ahorra un 8,57% en costos de comercialización e incrementa sus ganancias

en un 27,5% (Zhang et al., 2009).

En el año 2010 Herter desarrolla un estudio que tiene por objetivo proporcionar una mayor

comprensión de la respuesta de los usuarios participantes en el programa de respuesta a la demanda

CPP en el estado de California.

El documento analiza los datos de 483 hogares sin presencia de electrodomésticos gestionables

que formaron parte de un programa de CPP durante julio y septiembre de 2004.

Se usa una regresión específica por usuario para estimar la respuesta frente al programa CPP. Los

resultados iniciales mostraron que los usuarios si modificaron sus consumos y vislumbran empatía

con la nueva tarifa. En segundo lugar, se comprueba la eficacia de los eventos CPP en la reducción

de los picos de demanda y proporcionan evidencia que los usuarios desplazan la carga a antes y

después de las horas y días pico. Para finalizar, se concluye que existen diferencias marcadas entre

la respuesta de los usuarios en función de los tipos de vivienda y climas, por ejemplo, en las

viviendas con alta concentración familiar se obtuvieron reducciones de carga de 7,8%, en

apartamentos 2,9% y viviendas unipersonales 3,2% (Herter & Wayland, 2010).

23

En el año 2011 Wang et Al. realizan un estudio en Gran Bretaña para encontrar un diseño

apropiado de intervalo para el precio pico través del análisis estadístico de distribución de los

índices de mercado y volumen de los años 2009 y 2010.

El estudio concluye que no es necesario establecer un periodo pico en los días festivos ya que el

promedio más alto se presenta entre semana. En adición, se logra un ahorro de 2,4 libras por kWh

durante el periodo de un año y al final indican que CPP es usado para conservar el balance entre

el costo de suplir electricidad y los ingresos del mercado minorista (Wang & Li, 2011).

En año 2012 Mathaba et Al., evalúa el beneficio monetario en el costo de la electricidad tras aplicar

a una planta de cinta transportadora un modelo MPC en presencia del programa de respuesta a la

demanda CPP, variando el tamaño de almacenamiento en el perfil de carga así como el costo de

energía.

Entre las conclusiones que presentan los autores se encuentran que MPC es un modelo de control

adecuado para la programación de cintas transportadoras bajo CPP. A su vez, se comprueba que

MPC puede hacer la división de carga durante varios días a comparación del control óptimo que

solo lo puede lograr en un día. Para finalizar se comprueba que aunque se aumente

indeterminadamente el tamaño del almacenamiento tras cierto porcentaje el beneficio permanece

constante (Mathaba et al., 2012).

En el año 2014, Sakamoto et al, con el objetivo de proporcionar una perspectiva de análisis

integrado de la demanda de energía con los hábitos de consumo, evalúan a través de una encuesta

el efecto del programa de respuesta a la demanda CPP, y durante las horas pico se incentiva a los

integrantes del grupo familiar a abandonar sus viviendas.

24

El cuestionario indaga desde las características estructurales de la vivienda hasta los

electrodomésticos disponibles. Fue realizado por internet entre febrero y marzo de 2012 y se

obtuvieron 64000 respuestas. Las opciones propuestas en las preguntas eran: quedarse en casa con

el uso habitual de los electrodomésticos (TV y aire acondicionado),o salir y apagar todo, respecto

a los precios de CPP se establecen a 2, 3, 4, 6 y 10 veces al valor actual.

Se concluye que las personas tienen la tendencia de apagar los televisores cuando los precios de la

electricidad son altos, en especial en hogares con presencia de niños. Sin embargo en aquellos con

ingresos altos no surge el mismo efecto, al igual que los habitados por adultos mayores. Indica

además que el programa de respuesta a la demanda CPP tiene un impacto significativo no solo en

el ahorro energético sino también en los hábitos de los miembros del hogar pues los incentiva a

salir de sus viviendas. Esto quiere decir que el ahorro de energía reduce los costos directos pero

induce costos de oportunidad, por lo que afecta negativamente a las personas con limitaciones de

movilidad y de tercera edad (Kii, Sakamoto, Hangai, & Doi, 2014).

Durante el 2016 en Japón, Kato publica un estudio con el objetivo de investigar la naturaleza de

las decisiones de consumo basados en los datos obtenidos en un experimento de 176 hogares

ubicados en el área Kitakyushu bajo el esquema de precios CPP, partiendo además de las

características del hogar, tipo de vivienda, temperatura y cultura del ahorro.

Se concluye que la implementación del programa de respuesta a la demanda CPP efectivamente

reduce de manera significativa el consumo de la energía, que a su vez varía en función de las

características del hogar (el tipo de vivienda, la temperatura), además de la proporcionalidad entre

temperatura y consumo de energía. Finalmente concluye que el número de hogares que practican

el comportamiento del ahorro aumentan entre el 6,5% y el 8,8% siendo unas tasas un poco bajas

25

de lo esperado. En adición se define que el comportamiento máximo de ahorro se obtuvo en

respuesta al precio de 150 Yen/Kwh (Kato et al., 2016).

En la Figura 4 se presenta una línea de tiempo acerca de los artículos de CPP.

Figura 4. Línea de tiempo Antecedentes CPP.

2.3.3 Otros Estudios

En el año 2010, (Cerezo, 2010) a partir del análisis de proyectos internacionales en los que se

realizó un programa de respuesta a la demanda tanto en el sector residencial como en pequeños

comercios, donde se determinaron los impactos, formas de implantación y repercusiones en las

curvas de carga de los sistemas, plantea predecir el comportamiento y las posibles pautas para una

aplicación en el sistema eléctrico español.

La metodología que emplea es la siguiente:

Tras la caracterización de la tendencia de la curva de carga, se describen las principales

características de la zona residencial entre las que se encuentran las horas en las que se tienen

mayores consumos y cómo ésta responde a los hábitos culturales del sector. Posteriormente

caracteriza la curva en función del análisis de consumo por hora de cada electrodoméstico presente

en la vivienda para saber así en que franja se utilizan. Seguido a esto, plantea las características

específicas de los equipos a gestionar, los electrodomésticos como lavadoras, lavavajillas y

calefacción.

26

Posteriormente toma una curva de carga que tiene en cuenta todos los electrodomésticos posibles

gestionables, para simular así el escenario más crítico y aplicar allí la respuesta a la demanda. Esto

se implementa a través de una macro en Excel, a partir de los consumos de los electrodomésticos

los ubica en una franja, y de esta manera se arma la curva.

El autor ejecuta simulaciones de 3 escenarios donde se varían horarios, además se apoya en

encuestas con el fin de apoyar el último escenario de hábitos de consumo.

Entre las conclusiones se presentan que los cambios de la curva de carga dependen de variables

como las estaciones, temperatura y la situación económica. Además, se deben gestionar cargas que

sean susceptibles de ello, como por ejemplo las lavavajillas, lavadoras, calefacción y descartar

aquellos que son de consumo inmediato como la iluminación, pues estos afectan el confort del

usuario y se busca que los programas de respuesta a la demanda no generen dichos inconvenientes

o esto produciría aversión a la implementación de estos proyectos. Para finalizar, se indica que el

consumo promedio de un usuario residencial es proporcional a la cantidad de personas que se

encuentran de manera constante en la vivienda, al igual que el costo del consumo de la energía

(Cerezo, 2010).

2.3.4 Antecedentes en Colombia de RD entre 2010 a 2016

Para finalizar, en lo que respecta a Colombia, durante el año 2010 Baratto, (Baratto, 2010) evalúa

las consecuencias de trasladar los precios de energía desde el MEM al mercado minorista como

un mecanismo para promover cambios en los patrones de consumo. Realiza un caso de estudio de

un mercado de usuarios no regulados, donde mide los beneficios de cambiar el consumo de horas

pico a no pico.

27

La autora propone indicadores para hacer un seguimiento a los rendimientos reales de estos

programas. Los resultados concluyen que se tienen beneficios de 200 millones anuales y

reducciones en el pico de demanda del 1%.

Respecto a la metodología, se efectuaron las simulaciones en dos (2) periodos con condiciones de

precios diferentes: el primer caso en febrero con buenas condiciones de precio en bolsa

(moderados) y el mes de septiembre con condiciones desfavorables en el componente hídrico por

lo que los precios en bolsa eran aún más elevados, se proyecta la disminución o modificación de

la curva de demanda, sumando el factor de la elasticidad demanda de cada sector.

Se construye la curva de carga para determinar las horas pico en los que se puede lograr la

reducción, se estima el consumo y el precio en bolsa. Además, se proponen las nuevas horas en

las que se distribuya el consumo, se calcula del precio en bolsa, y con la elasticidad demanda de

cada sector, determinan la cantidad de energía a trasladar.

Para terminar se calcula el ahorro como la diferencia entre el valor de la energía inicial consumida

y el valor de la energía final a la hora pico. Este se calcula a través de un factor la demanda pico o

máxima.

Respecto a las conclusiones, Baratto indica que en Colombia el Mercado de Energía eléctrica no

es totalmente eficiente ya que no todos los agentes que participan en su cadena de valor, no

influyen ni participan de manera activa en la construcción del precio, lo que hace necesario buscar

estrategias que incentiven un cambio en dicho paradigma como son los programas de respuesta a

la demanda. Se observa que en función de la curva de carga del usuario, es eficiente o no la

implementación de un programa de respuesta a la demanda, es decir, si su consumo es muy plano

va a perder el sentido aplicarlos. Además concluye que el éxito de un programa de gestión activa

28

de la demanda depende de la participación que se tenga de los usuarios. Para el estudio se usaron

porcentajes de penetración del 60% en adelante.

A manera de conclusión propone que el programa de respuesta a la demanda debe ser coherente

con el tipo de usuario, analizar sus comportamientos y hábitos para diseñarle o aplicarle el que

mejor se acerque a sus necesidades (Baratto, 2010).

Rendón (Rendón, 2013) en el año 2013 propone un método que se adapta al sistema y al mercado

de energía de Colombia de tal forma que incentive a los grandes consumidores a trasladar los

consumos a horas de mínima carga, logrando así un aplanamiento en la curva y optimizar costos.

El estudio fue realizado en conjunto con la compañía expertos en mercados S.A. E.S.P (XM), y

desarrollaron la siguiente metodología:

Ejecutan la simulación de las transacciones realizadas en la bolsa de energía cubriendo el proceso

desde el despacho económico hasta la liquidación de las transacciones económicas del mercado.

Para ello se seleccionan los días 16 de febrero y 7 de julio de 2011. El primer día corresponde a

una temporada en que la hidrología es alta para generar con bajo costos, mientras en el segundo se

presenta hidrología baja.

Siguiendo la elasticidad de demanda de los diferentes sectores productivos se aplican estos

coeficientes a la curva de carga de un día específico y se evalúan los siguientes 2 escenarios:

Caso 1: flexibilidad real del sector productivo.

Caso 2: Triple flexibilidad.

• Curva de carga.

• Elasticidad de demanda de los sectores productivos.

29

• Datos estadísticos de los precios de las transacciones del mercado caso 2: Triple

flexibilidad.

Tras el estudio se concluye que durante el día 16 de febrero bajo el caso 1 se obtuvo una diminución

en los costos totales de producción del 0,4%, es decir 60 millones de pesos y en cuanto a carga de

483MW. Y bajo el caso 2 se obtuvo una disminución del 0,43% es decir 64 millones y en carga

664MW.

Durante el día 7 de julio en el caso 1: Los costos disminuyen 1,7%, es decir 193 millones de pesos

y en el caso 2: Los costos bajan 1,99% es decir 226 millones de pesos.

Para terminar, a través de las simulaciones de las transacciones del mercado de energía, el autor

explica que con la aplicación del programa de respuesta a la demanda TOU, que incentive la

participación de los usuarios en respuesta a una señal de los precios, haciendo que estos modifiquen

sus procesos productivos, se obtienen grandes beneficios para todos los actores del mercado y no

requiere modificaciones en la reglamentación actual ni inversión en la infraestructura, teniendo

que este estudio fue aplicado para usuarios no regulados (Rendón, 2013).

En la Figura 5 se expone la línea del tiempo de los artículos desarrollados en Colombia acerca del

tema.

Figura 5. Línea de tiempo Antecedentes en Colombia

30

3 CARACTERIZACIÓN CURVA DE CARGA Y ESQUEMAS DE PRECIOS

Para realizar las simulaciones es necesario conocer los datos de entrada que son: curva de carga

del estrato 4 de Bogotá y un esquema de precios definido. En este capítulo se describe el proceso

realizado para la obtención de esta información.

3.1 Reunión de la Información.

Durante la búsqueda de información para la construcción de la curva de carga del Estrato 4 en la

ciudad de Bogotá se realizaron las siguientes consultas:

1. A través del portal web de XM en la extensión Información Operativa y Comercial, se

consultó la “Demanda de Electricidad” donde se encontraron algunas curvas como: Pronóstico de

la demanda por departamento y nodo donde se observa el nivel de tensión, la energía activa,

reactiva y pérdidas. Pronóstico Operativo de demanda del Centro Nacional de Despacho, que

indica las subestaciones que van a estar en uso en todo el territorio nacional, un estudio final sobre

la cantidad de energía que se predice y la que realmente se suministra en Colombia. Sin embargo,

no se encontró un consolidado puntual del consumo del estrato 4 (XM, 2016).

2. La segunda buscaba a través del operador de red construir las curvas de carga de circuitos

puntuales de la Ciudad de Bogotá que pertenecieran a dicho estrato, por lo que a través de la página

de la Secretaría de Planeación Distrital (ANEXO 1) , se consultó y determinó que para el año 2011

(información más reciente encontrada) las localidades con mayor concentración de estrato 4, son

Suba y Usaquén con 54.191 y 49.545 viviendas respectivamente, (Secretaria Distrital de

Planeación. SDP, 2011) que corresponden a aproximadamente el 20 y 21% del total de viviendas

de dicho estrato en la ciudad de Bogotá. (Ver Figura 6).

31

Figura 6. Cantidad de Viviendas estrato 4 por localidades en Bogotá. Fuente SDP.

Con la información anterior, se solicitó a CODENSA S.A. E.S.P. a través de un oficio los datos de

consumo de las subestaciones y circuitos puntuales que pertenecieran a dichas localidades y así

construir la curva de carga, requerimiento al que el operador de red no brindó su apoyo.

Por lo anterior se toma la determinación que en conjunto con el grupo de investigación de

compatibilidad electromagnética (GCEM) al que pertenecen las autoras, estudiantes Kelly

Alexandra Hernández Hernández, Johan Sebastian Carrillo Cruz y la Docente candidata a

doctorado Adriana Marcela Vega E, de realizar las mediciones puntuales, para la construcción de

la curva de carga del estrato 4 de la ciudad de Bogotá.

0,000%

5,000%

10,000%

15,000%

20,000%

Concentración Viviendas Estrato 4, por Localidades en Bogotá.

32

3.2 Metodología para la Caracterización Curva

Para el desarrollo de esta etapa, se toma una muestra aleatoria del conjunto general “Estrato 4

residencial de la ciudad de Bogotá”, debido a que este cuenta con 253.877 viviendas y la

caracterización de un solo usuario debe hacerse por lo menos por 5 días lo que generaría un proceso

fuera del tiempo estimado para mediciones.

3.2.1 Instalación de Equipos

Se instalaron seis (6) equipos de manera simultánea durante ocho (8) semanas para medir la

potencia activa de dieciocho (18) usuarios residenciales estrato cuatro, La discriminación de

equipos es: cuatro (4) PQA 823 HT Instruments, Un (1) Fluke 435 y Un Fluke (1730).

Las mediciones en cada usuario fueron por un periodo de tiempo de 5 a 7 días completos (00:00

hasta 23:58) con un tiempo de muestreo de dos (2) minutos. En la Tabla 1 se identifica la relación

de mediciones y los equipos usados.

Tabla 1:

Relación de Mediciones y Equipos usados.

Equipo No. Mediciones

4- PQA823 13

Fluke435 1

Fluke1730 4

Total Mediciones 18

3.2.2 Procedimiento de Medición.

Los procedimientos empleados en cada medición, responden al protocolo exigido para cada

equipo. En los anexos 1, 2, y 3 se presentan los protocolos elaborados por Carrillo y Hernández

(Hernández Hernández & Carrillo Cruz, 2016), de los equipos PQA823, FLUKE435 y

FLUKE1730 respectivamente.

Las mediciones se realizaron en el tablero de distribución principal de cada una de las viviendas,

identificando previamente los puntos principales de alimentación con sus borneras o barrajes de

33

fase, neutro y tierra, en estas se conectaron (según protocolos anexos) las sondas correspondientes,

adicionalmente se verifica la línea de alimentación principal donde se enrollan la(s) sonda(s) de

corriente. (Una si la instalación es monofásica y tres si es trifásica).

Los datos registrados en cada medición fueron: Corriente, Tensión, Potencia (S, P, Q) y Factor de

Potencia.

Según el tipo de instalación domiciliaria (monofásica o trifásica) se conectaron los sensores de

tensión y corriente siguiendo lo expuesto en la Figura 7:

Adicionalmente se emplearon mediciones previas documentadas por el grupo de investigación

GCEM de 80 viviendas pertenecientes al mismo estrato.

Figura 7. Conexión monofásica (izquierda), conexión trifásica (derecha).

3.2.3 Construcción Curva.

Se realizó el siguiente procedimiento para la determinación de la curva base:

1. Se clasificaron los consumos de los diferentes días de la semana.

34

2. Posteriormente se calculó el promedio del consumo de cada hora, realizando la sumatoria desde

el minuto 00:00 hasta el 00:58 y diviéndolo por los 30 datos de cada hora; (se realizó igual

procedimiento para cada hora).

3. Los datos anteriores se promedian tomando cada uno de los consumos por hora de los usuarios

participantes del estudio, es decir, Promedio Hora 1 Casa 1, Promedio Hora 1 casa 2 etc, hasta

obtener los 24 datos que conforman un día y obtener la CURVA DIARIA.

4. A partir de la curva diaria, se promediaron los datos de cada día de la semana por horas y de

esta forma se llegó a la CURVA FINAL.

Una vez obtenida la curva final se observa una alta dispersión de datos. Por tanto, como se propone

en la tesis doctoral (Escobar., 2016) se aplica una desviación estándar a los datos. Esto se resume

en la Tabla 2:

35

Tabla 2:

Datos Curva final, desviación estándar positiva y negativa. T[H] Final [W] Desviación Stc[W] Positivo[W] Negativo

[W]

0:00 155,60 90,40 246,00 65,21

1:00 129,57 94,56 224,13 35,02

2:00 118,28 98,14 216,42 20,15

3:00 126,94 104,10 231,03 22,84

4:00 164,85 93,77 258,61 71,08

5:00 260,95 312,87 573,82 0,00

6:00 276,26 192,10 468,36 84,16

7:00 316,01 216,77 532,78 99,24

8:00 270,45 189,70 460,15 80,75

9:00 264,97 213,88 478,85 51,09

10:00 275,25 215,37 490,62 59,87

11:00 226,38 97,92 324,30 128,46

12:00 249,02 160,24 409,25 88,78

13:00 227,34 134,88 362,22 92,46

14:00 218,87 101,09 319,96 117,77

15:00 215,81 88,26 304,06 127,55

16:00 216,06 87,88 303,95 128,18

17:00 239,65 91,57 331,22 148,08

18:00 310,75 177,67 488,42 133,07

19:00 329,95 182,94 512,89 147,00

20:00 305,33 153,81 459,15 151,52

21:00 297,98 149,82 447,80 148,16

22:00 246,10 120,74 366,84 125,36

23:00 180,78 80,57 261,35 100,21

Arrojando un valor de un consumo diario aproximado de 5455Wh y mensual de 163650Wh.

Como se observa en Figura 8 la gráfica conserva la tendencia de la curva de carga Colombiana

presente en la

Figura 9 contando con dos picos, el primero entre las 6-9 horas y el segundo entre 18-21.

36

Figura 8. Curva final, desviación STC positiva y negativa. Copyright 2016 por (Escobar., 2016).

Figura 9. Relación de las curvas de carga diaria en Colombia para diferentes años. Copyright

2016 por (UMPE. Juan Carlos Aponte Gutiérrez, 2013)

Teniendo en cuenta la clasificación de ocupaciones propuesta por (Lozano Celiz & Guzman

Espitia, 2016) (ver Figura 10), este comportamiento puede ser consecuencia de:

0

100

200

300

400

500

600

700

0 5 10 15 20 25

Po

ten

cia

[W]

Tiempo [H]

Curva final, desviación estandar positiva y negativa.

Desv. Positiva

Desv. Negativa

Final

37

- Sobre las 5am se inicia el incremento de la curva debido a la alta concentración de usuarios

con ocupación de “empleados dependientes” quienes inician sus labores diarias en esta

franja horaria para dirigirse a sus lugares de trabajo.

- Posterior la curva inicia su decremento a las 9 horas debido a que los usuarios dependientes

han abandonado su hogar pero se mantiene un consumo entre las 9-17 horas por los

usuarios con ocupaciones de: amas de casa, desempleados, pensionados y estudiantes

presentes en este estrato social.

- El segundo incremento se inicia sobre las 17 horas y su punto máximo se encuentra a las

19 horas como consecuencia del retorno de la totalidad de los usuarios a sus hogares, lo

que provoca el uso en mayor medida de los electrodomésticos en especial de la iluminación

artificial (bombillos y lámparas), este periodo se mantiene hasta las 21 horas.

- El periodo restante del día presenta una disminución en el consumo como consecuencia

que en estas horas la actividad en las viviendas disminuye de forma significativa.

Figura 10. Ocupaciones población estrato 4 ciudad de Bogotá. Copyright 2016 por (Lozano

Celiz & Guzman Espitia, 2016). Reimpreso con permiso.

Ama de casa9%

Empleado dependiente

39%

Empleado independiente

15%

Estudiante27%

Pensionado8%

Sin Empleo2%

OCUPACIONES POBLACIÓN ESTRATO 4 C IUDAD DE BOG OTÁ

Ama de casa Empleado dependiente Empleado independiente

Estudiante Pensionado Sin Empleo

38

3.3 Esquemas de Precios.

3.3.1 Determinación de Precios de Generación Con Sistemas Fotovoltaicos

Debido a que una de las estrategias propuestas por diferentes autores para la aplicación de

programas de respuesta en demanda es la implementación por parte de los usuarios finales de

generación distribuida (Grajales Espinal & Figueroa Patiño, 2012), en este proyecto de

investigación se propone realizar la instalación de sistemas fotovoltaicos que suplan un porcentaje

de las cargas de un usuario. Para la determinación del valor mínimo comercial del Wh fotovoltaico

es necesario calcular el monto de la inversión total para el sistema de generación (equipos a usar,

valor de la instalación etc.). Para comodidad del lector, en el apéndice A se describe la

especificación técnica, metodología para la selección de equipos, las condiciones atmosféricas de

Bogotá según el IDEAM (a través del Atlas de Radiación Solar, Ultravioleta y Ozono de Colombia,

en la Opción Irradiación Global Horizontal) (IDEAM, 2015), y por tanto se procede a mostrar el

cálculo económico.

Con el fin de darle flexibilidad al monto de inversión y calcular el precio que tendrá el Wh

fotovoltaico, se analizaron 4 posibilidades: Las 3 primeras en función de la carga a suplir y la

última a partir de la inversión inicial fijada en un monto de $1.500.000 pues es el valor manifestado

por los usuarios pertenecientes al estrato 4 como máximo de inversión en sistemas de generación

distribuida (Escobar., 2016). Adicionalmente se parte del supuesto que los participantes del caso

de estudio cuentan con un sistema automático que al recibir las señales del operador de red del

cambio de precio desconecta parcialmente su carga.

39

- Diseño No.1 y Diseño No. 2:

De acuerdo a lo expuesto en el Apéndice A, la energía a generar en el diseño No. 1 es 980Wh*día

y en el diseño No. 2 es de 1425Wh*día, lo que hace necesario la inversión presentada en Tabla 3

para cada uno de los diseños.

Tabla 3:

Precios de inversión diseño No. 1 y No. 2.

Item Diseño 1: 980 Wh. Diseño 2: 1425 Wh.

Equipo Referencia Cantidad Precio Referencia Cantidad Precio

Inversor COTEK S150 - 24 1 $348.019 SAMLEX AMERICA PST

-300- 24 1 $439.817

Paneles AZM 726P 1 $705.915 AZM 726P 2 $1.411.830

Baterías TROJAN T-105-RE 4 $2.033.500 TROJAN T-105-RE 4 $2.033.500

Regulador SMARTHARVEST

SCCM10-100 1 $334.075

MORNINGSTAR PS-

MPPT-25 1 $906.651

Otros

Estructura* $278.369 Estructura* $383.344

Montaje* $278.369 Montaje* $383,344

Inversión ** (Exención IVA) $3.968.950 Inversión ** (Exención IVA) $5.558.485

*Los precios de estructura y montaje son equivalentes al 8% de la inversión total (Ortiz, 2013)

** De acuerdo al decreto 2143 expedido el 4 Noviembre de 2015, relacionado con la definición de los

lineamientos para la aplicación de los incentivos establecidos en el Capítulo 3 de la Ley 1715, sección 3 se

define la exención del IVA a la compra de equipos, elementos y maquinaria para ser utilizados para la

producción a partir de fuentes no convencionales de energía (Ministerio de minas y energía, 2015).

- Diseño No. 3

La energía a generar en el diseño No. 3 es 5455Wh*día (energía total de la curva de carga), lo que

hace necesario la inversión presentada en la Tabla 4:

40

Tabla 4:

Precios de inversión diseño No. 3.

Cantidad de energía a suplir 5455 Wh*día

Equipos

Inversor COTEK S600 $868.595

Paneles AZM 726P $4.235.490

Ocho (8) Baterías Rolls Modelo S-460 $6.873.462

Regulador MORNINGSTAR SS-MPPT-15L $660.190

Otros

Estructura* $1.011.019

Montaje* $1.011.019

Inversión (Exención IVA) ** $14.659.776

*Los precios de estructura y montaje son equivalentes al 8% de la inversión total (Ortiz, 2013)

** De acuerdo al decreto 2143 expedido el 4 Noviembre de 2015, relacionado con la definición de los

lineamientos para la aplicación de los incentivos establecidos en el Capítulo 3 de la Ley 1715, sección 3 se

define la exención del IVA a la compra de equipos, elementos y maquinaria para ser utilizados para la

producción a partir de fuentes no convencionales de energía (Ministerio de minas y energía, 2015).

- Diseño No. 4

El valor manifestado por los usuarios pertenecientes al estrato 4 para la inversión inicial es de un

monto máximo de $1.500.000 (Hernández Hernández & Carrillo Cruz, 2016), se realizó este

diseño con un kit solar portátil de la empresa Energía y Movilidad con un costo de $1.148.400 y

una energía de 28 Wh*hora con las características técnicas de la Tabla 5:

41

Tabla 5:

Precios de inversión diseño No. 4.

Cantidad de energía a suplir 28 Wh*hora

Equipos

Inversor 100W

Paneles 20W

Baterías 10Ah

Inversión $1.148.400

Con este monto total de inversión se hace una estimación del precio mínimo del Wh fotovoltaico

para retornar la inversión, a través del índice de viabilidad financiera valor presente neto (VPN),

por medio de la metodología propuesta en (Ortiz, 2013) representada en la Figura 11:

¿Cómo calcular el $/Wh de un Sistema Fotovoltaico?

Figura 11. Metodología para la estimación del precio mínimo de comercialización del Wh.

Para el cálculo del VPN se tienen en cuenta las siguientes consideraciones:

1. Determinación de costos asociados al cambio de baterías. Este se proyecta hacer cada cinco

(5) años con base en la información proporcionada por el fabricante.

Flujo de caja que contemple los precios de los equipos a usar en "n" años y traer dicho valor

a valor presente neto (VPN).

Determinar la energía (Wh) que va a suministrar dicha instalación en "n" años.

Proyectar el flujo de caja tomando como valores positivos el producto que resulta entre Wh y un precio que se itera, hasta

obtener un VPN positivo.

42

2. Estimación de la disminución anual en la cantidad de energía producida en los paneles

fotovoltaicos, se plantea una reducción del 5%, considerando las especificaciones del

fabricante.

3. Por otro lado se proyecta el VPN a 25 años pues en las especificaciones de los fabricantes

se aclara que en promedio la vida útil del panel es cercana a dicho valor.

4. Partiendo que la proyección se plantea durante varios años es necesario tener en cuenta la

variación en los precios anuales, por lo que se hace un incremento aplicando el índice de

precios al consumidor (IPC). Para el caso se tomaron los datos de julio 2016 suministrador

por el DANE (DANE, 2016)

5. La tasa interna de oportunidad ( TIO) se define como la tasa de interés más alta que un

inversionista sacrifica con el objeto de realizar un proyecto, en otras palabras es la tasa

mínima que el inversionista espera tener una ganancia (Guillermo, 2001).Tras consultas

con especialistas se determinó una TIO del 15%.

A partir de la metodología enunciada se calculó el VPN, y el precio mínimo de retorno para los

cuatro diseños, encontrando los resultados consignados en las Tabla 6 a Tabla 9:

43

Tabla 6: VPN diseño No. 1.

GRUPO 1

Año Egresos Flujo Neto.

0 -$3.968.950

1 $663.981

2 $690.785

3 $720.834

4 $752.191

5 $784.911

6 -$2.033.500 -$1.214.445

7 $854.683

8 $891.862

9 $930.658

10 $971.142

11 -$2.033.500 -$1.020.114

12 $1.057.469 VPN $51.813

13 $1.103.469 Precio[$/Wh] $1,485

14 $1.151.470 * Precio [$/kWh] $1 485

15 $1.201.558 ** kW-año 447,125

16 -$2.033.500 -$779.674

17 $1.308.368

18 $1.365.282

19 $1.424.671

20 $1.486.645

21 -$2.033.500 -$482.186

22 $1.618.796

23 $1.689.213

24 $1.762.694

25 $1.839.371

*El precio mínimo del kWh fotovoltaico para recuperar la inversión a una tasa interna de

retorno del 16% en un periodo de amortización de 25 años.

** Cantidad de energía generada con un generador fotovoltaico de 306,25Wp, durante un periodo

de 1 año con radiación diaria de 4kWh/m2

44

Tabla 7:

VPN diseño No. 2.

GRUPO 2

Año Egresos Flujo Neto

0 -$5.558.485

1 $850.123

2 $884.442

3 $922.915

4 $963.062

5 $1.004.955

6 -$2.033.500 -$984.829

7 $1.094.288

8 $1.141.889

9 $1.191.561

10 $1.243.394

11 -$2.033.500 -$736.018

12 $1.353.923 VPN $51.847,4

13 $1.412.818 Precio[$/Wh] $1,3072

14 $1.474.276 * Precio [$/kWh] $1 307,2

15 $1.538.407 ** kW-año 650,34

16 -$2.033.500 -$428.173

17 $1.675.159

18 $1.748.029

19 $1.824.068

20 $1.903.415

21 -$2.033.500 -$47.287

22 $2.072.614

23 $2.162.772

24 $2.256.853

25 $2.355.026



** Cantidad de energía generada con un generador fotovoltaico de 445,43Wp, durante un periodo

de 1 año con una radiación diaria de 4kWh/m2

45

Tabla 8:

VPN diseño No. 3.

DISEÑO 3


0 -$14.659.776

1 $2.465.415

2 $2.559.798

3 $2.671.149

4 $2.787.344

5 $2.908.593

6 -$6.873.462 -$3.838.345

7 $3.167.145

8 $3.304.916

9 $3.448.679

10 $3.598.697

11 -$6.873.462 -$3.118.222 VPN $701.888

12 $3.918.593 Precio[$/Wh] $1,013

13 $4.089.052 * Precio [$/kWh] $1 013

14 $4.266.926 ** kW-año 2433,53

15 $4.452.537

16 -$6.873.462 -$2.227.240

17 $4.848.333

18 $5.059.236

19 $5.279.312

20 $5.508.962

21 -$6.873.462 -$1.766.620

22 $5.328.990

23 $5.560.801

24 $5.802.696

25 $6.055.113



** Cantidad de energía generada con un generador fotovoltaico de 1 666 Wp, durante un periodo

de 1 año con una radiación diaria de 4kWh/m2

46

Tabla 9:

VPN diseño No. 4.

DISEÑO 4


0 -$ 1.148.400 -$ 1.148.400

1 $ 153.586

2 $ 159.466

3 $ 166.403

4 $ 173.641

5 $ 181.194

6 - $ 800.000 $ 989.076

7 $ 197.301

8 $ 205.884

9 $ 214.840

10 $ 224.185

11 - $ 800.000 $ 1.033.937 VPN $701.400

12 $ 244.114 Precio[$/Wh] $ 15,028

13 $ 254.733 * Precio [$/kWh] $15 028

14 $ 265.814 ** KW-año 10,22

15 $ 277.376

16 - $ 800.000 $ 1.089.442

17 $ 302.033

18 $ 315.171

19 $ 328.881

20 $ 343.188

21 - $ 800.000 $ 1.158.116

22 $ 373.694

23 $ 389.950

24 $ 406.913

25 $ 424.614



** Cantidad de energía generada con un generador fotovoltaico de 28Wp, durante un periodo de

1 año con una radiación diaria de 4Kwh/m2

Puesto que un proyecto se considera viable si el VPN es POSITIVO (para el caso 25 años), se

encuentra que el valor de mínimo del Wh fotovoltaico para que esto se cumpla en los diseños

realizados es de: $1.485 para el Diseño 1 y $1.307,2 para el Diseño 2.

47

Como ejercicio académico se realizó el VPN con una inversión de $1.140.400 los resultados se

aglomeran la Tabla 9, en esta se observa que dada la baja potencia instalada es necesario vender

a un precio de $15,028, valor elevado frente a los otros dos casos. De la Tabla 10, se puede concluir

la relación inversamente proporcional entre la potencia instalada y el precio mínimo del Wh para

recuperar la inversión. Es decir, a menor potencia pico del generador fotovoltaico el precio del Wh

fotovoltaico aumenta.

Tabla 10:

Resumen precio mínimo Wh fotovoltaico para los cuatro diseños realizados.

Diseño

Cantidad de Energía

Diaria Generada

[Wh*día]

Precio Mínimo

Wh Fotovoltaico

[COP]

1 980 $1,485

2 1425 $1,3072

3 5455 $1,013

4 28 $15,028

3.3.1 Estimación del Esquema de Precios CPP y TOU.

Durante la revisión bibliográfica se encontró esquemas de precios usados en Europa, América del

norte y Asia. Considerando que en estos continentes se tiene un ingreso per cápita superior al de

los países en vía de desarrollo, se aplica una media aritmética a estos esquemas para determinar

uno apropiado para Colombia. Para un mejor análisis se plantea dicha media en porcentaje

resumido en la Tabla 11 y Figura 12.

48

Figura 12. Consolidado esquemas de precios RD.

Tabla 11:

Consolidado porcentual esquemas de precios RD. Fuente Propia

Precio

Base

Precio

Valle

Precio

Pico

Precio

CPP

Variación

Porcentual 100% 162% 312% 799%

Con la variación porcentual presente en la Tabla 11 se propone el esquema de precios de la Tabla

12, tomando como valor base la tarifa del mes de Agosto del presente año (2016) que es: 445,38

para el estrato cuatro .(CODENSA, 2016)

0% 200% 400% 600% 800% 1000% 1200% 1400% 1600%

Costa Pacífica de Estados Unidos [11]

Wisconsin EEUU [11]

Misuri EEUU [11]

Ontario Canadá [11]

Francia [11]

Ontario Canadá (1) [18]

San Diego California [30]

China [20]

Seattle EEUU. [22]

Kinki Japón [28]

California EEUU [31]

Comparación Esquemas de Precios

Precio CPP

Precio Pico

Precio Valle

49

Tabla 12:

Esquema de Precios para Colombia. Fuente Propia

Variación

Porcentual

Esquema

Para

Colombia

Precio

Base 100% $445,38

Precio

Valle - -

Precio

Pico 312% $ 1.834

Precio

CPP 799% $ 4.002

A manera de resumen se presentan en la Tabla 13 los precios del esquema propuesto y de los

sistemas fotovoltaicos utilizados para las simulaciones.

Tabla 13:

Resumen Esquema de Precios para Colombia y precios diseños fotovoltaicos. Fuente Propia

ES

QU

EM

A D

E P

RE

CIO

S

PR

OP

UE

ST

O (

TO

U Y

CP

P)

Variación

Porcentual

Esquema

Para

Colombia

Precio

Base 100% $445,38

Precio

Valle - -

Precio

Pico 312% $1.834

Precio

CPP 799% $4.002

PR

EC

IOS

DIS

EÑ

OS

FO

TO

VO

LT

AIC

OS

Diseño

Cantidad de

Energía Diaria

Generada

[Wh*día]

Precio

Mínimo Wh

Fotovoltaico

[COP]

1 980 $1,485

2 1425 $1,307

50

4 ESCENARIOS CON DIFERENTES PORCENTAJES DE PENETRACIÓN DE GD:

CASO DE ESTUDIO.

Este proyecto de investigación comprende un caso de estudio de 100 usuarios residenciales estrato

4, los cuales se denominaran participantes, ubicados en la ciudad de Bogotá quienes cuentan con

sistemas de Generación Distribuida fotovoltaica.

Los participantes desconectan parcialmente su carga, empleando la energía almacenada de la GD

fotovoltaica, ante las señales de cambio de precio de las franjas horarias enviadas por el operador

de red.

Se realiza una simulación con 100 usuarios que tienen acceso a energía fotovoltaica y el sistema

de almacenamiento correspondiente, estos son divididos por energía fotovoltaica generada en dos

grupos, Grupo No. 1: 980Wh*día y Grupo No. 2: 1425Wh*día.

Tras desagregar los grupos, se traza un escenario de mercado que permite a los usuarios participar

de manera activa en la demanda, cumpliendo las siguientes hipótesis:

Los usuarios:

1. Tienen la tecnología necesaria para comunicarse con el operador.

2. Tras recibir las señales de cambio de precio por parte del operador de red, desconectan de

manera parcial su carga y la suplen a través de la energía almacenada en las baterías que

hacen parte del sistema fotovoltaico que cada usuario posee.

Para la evaluación del caso de estudio, se realizó la simulación de tres 3 escenarios en los que se

varía la penetración (cantidad de energía disponible) de generación distribuida en un 50, 75 y

100%, es decir, si un usuario cuenta con 980Wh*día al incursionar con el 50% sólo emplea

490Wh*día, esto a través del flujograma de la Figura 13 , el esquema de precios propuesto en la

51

Tabla 12 y tras la aplicación sistemática de cada una de las 6 combinaciones de los dos grupos

fotovoltaicos presentadas en la Figura 14.

La descripción del código de decisión se presenta a continuación.

4.1 Descripción Código de decisión para la simulación de los escenarios.

Teniendo como datos de entrada, la cantidad de energía disponible y demandada, el código ejecuta

desde la hora 0 una comparación de precios, eligiendo la opción más económica entre el estar

conectado a la red o consumir la energía almacenada, tras la elección, el algoritmo realiza la

diferencia entre la curva de demanda y la energía disponible en baterías obteniendo de esta forma

la nueva curva.

52

Figura 13. Flujograma para simulación

53

4.2 Escenarios de Simulación para el Caso de Estudio

Figura 14. Escenarios de simulación

54

Caso No. 1: Se presenta el mayor ahorro energético, contando con 100 usuarios de una capacidad

de generación fotovoltaica de 1425Wh*día (por usuario) y con el esquema de precios TOU Y CPP

propuesto, obteniendo un aplanamiento de la curva de carga de: Escenario 1: 71271Wh*día,

Escenario 2: 106907Wh*día y Escenario 3: 142542Wh*día (Tabla 14 y Figura 15).

Tabla 14:

Consolidado energía ahorrada Caso No. 1. Fuente Propia.

Ahorro Caso No. 1

Escenario % Penetración

GD

Energía

ahorrada

[Wh*día]

Variación [%]

1 50% 71.271 13,07%

2 75% 106.907 19,60%

3 100% 142.542 26,13%

Figura 15. Resumen Aplanamiento de la curva caso No. 1 para Escenario No. 1(Magenta),

Escenario No. 2(verde) y Escenario No. 3(negro).

55

Caso No. 2: Se realiza la simulación con 100 usuarios divididos de la siguiente manera 20 Usuarios

con capacidad de generación de 980Wh*día (por usuario) y 80 usuarios con 1425Wh*día, se

obtiene un aplanamiento de la curva de carga de: Escenario 1: 66813Wh*día, Escenario 2:

100221Wh*día y Escenario 3: 133628Wh*día ( Tabla 15 y Figura 16).

Tabla 15:


Ahorro Caso No. 2

Escenario % Penetración Caso No. 2

[Wh*día] Variación [%]

1 50% 66.813 12,25%

2 75% 100.221 18,37%

3 100% 133.628 24,50%

Figura 16. Resumen Aplanamiento de la curva caso No. 2 para Escenario No. 1(magenta),


56

Caso No. 3: El grupo de 100 usuarios se divide en 40 Usuarios con capacidad de generación de

980Wh*día (por usuario) y 60 usuarios con 1425Wh*día (por usuario), se genera un aplanamiento

de: Escenario 1: 62356Wh*día, Escenario 2: 93534Wh*día y Escenario 3: 124713Wh*día.(Tabla

16 y Figura 17).

Tabla 16:


Ahorro Caso No. 3

Escenario % Penetración Caso No. 3 [Wh*día] Variación [%]

1 50% 62.356 11,43%

2 75% 93.534 17,15%

3 100% 124.713 22,86%


Escenario No. 2(Verde) y Escenario No. 3(negro).

57

Caso No. 4: Se divide en dos grupos los 100 usuarios de la siguiente forma, 60 Usuarios con

capacidad de generación de 980Wh*día (por usuario) y 40 usuarios con 1425Wh*día, se obtiene

un aplanamiento de la curva de: Escenario 1: 57899Wh*día, Escenario 2: 86849Wh*día y

Escenario 3: 115799Wh*día (Tabla 17 y Figura 18).

Tabla 17:

Consolidado energía ahorrada Caso No. 4 Fuente Propia.

Escenario %

Penetración Caso No. 4 [Wh*día]

Variación

[%]

1 50% 57.899 10,61%

2 75% 86.849 15,92%

3 100% 115.799 21,23%



58

Caso No. 5: Se realizó una división de 80 Usuarios con capacidad de generación de 980Wh*día

(por usuario) y 20 usuarios con 1425Wh*día, se obtiene un aplanamiento de la curva de: Escenario

1: 53442Wh*día, Escenario 2: 80163Wh*día y Escenario 3: 106884Wh*día (Tabla 18 y Figura

19)

Tabla 18:


Ahorro Caso No. 5

Escenario % Penetración Caso No. 5[Wh*día] Variación [%]

1 50% 53.442 9,80%

2 75% 80.163 14,70%

3 100% 106.884 19,59%



59

Caso No. 6: Teniendo 100 usuarios se simulo el caso que todos los usuarios tienen una capacidad

de generación de 980Wh*día (por usuario), con ello se obtiene un aplanamiento de la curva de

carga de: Escenario 1: 48985Wh*día, Escenario 2: 73477Wh*día y Escenario 3: 97970Wh*día

(Tabla 19 y Figura 20)

Tabla 19:


Ahorro Caso No. 6

Escenario % Penetración Caso No. 5

[Wh*día] . Variación [%]

1 50% 48.985 8,98%

2 75% 73.477 13,47%

3 100% 97.970 17,96%



A partir de los resultados, se observa que el ahorro significativo en cada uno de los tres escenarios

se presenta en el caso No. 1, lo que es respuesta a la entrada de los 100 usuarios del Grupo 2

quienes cuentan con una cantidad de energía almacenada mayor para autoconsumo. En contraste,

la menor cantidad de energía ahorrada se presenta en cada uno de los escenarios en el caso 6 con

la entrada total de los usuarios del grupo 1.

60

Figura 21. Variación Porcentual del ahorro energético.

Por otra parte, se evidencia la correspondencia inversamente proporcional de ahorro frente al

aumento de entrada del Grupo 1 ( Figura 21 ) pues a pesar del caso 6 en el que se tiene una incursión

del 100% de la carga disponible y los 100 usuarios de dicho grupo, se tiene un ahorro de tan solo

17,96% valor menor si se compara con el 26,13% obtenido con 100 usuarios del Grupo 2 con

penetración del 100% (Caso 1).

A pesar que se esperaría que el escenario 3 sin importar el caso, tuviera el porcentaje de ahorro

mayor debido a sus condiciones de penetración, se observa que existe un ahorro mayor si se emplea

una penetración del 75% con 80 usuarios grupo 2 y 20 Usuarios Grupo 1 (ahorro: 18,37%), a sí se

incluyen 100 usuarios del grupo 1 con penetración del 100% ( ahorro : 17,96%).

Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 Caso 6

Penetración 50% 13,07% 12,25% 11,43% 10,61% 9,80% 8,98%

Penetración 75% 19,60% 18,37% 17,15% 15,92% 14,70% 13,47%

Penetración 100% 26,13% 24,50% 22,86% 21,23% 19,59% 17,96%

0,00%

5,00%

10,00%

15,00%

20,00%

25,00%

30,00%A

ho

rro

[%

]

Variación Porcentual Ahorro Energético.

61

5 ANÁLISIS DEL AHORRO TRAS LA APLICACIÓN DEL PROGRAMA DE

RESPUESTA EN DEMANDA.

En este apartado se presenta el ahorro monetario que tendría un participante del programa al

implementar un sistema de GD fotovoltaico que le permita aplanar parte de su carga durante las

horas de altos precios (Curva con deslastre) frente a el valor que se genera si se mantuviera

conectado con la totalidad de su consumo (Curva Base) a los precios de la red TOU/CPP del

operador de red, así como una comparación entre el nuevo precio de factura bajo el esquema

TOU/CPP con los precios y regulación actual de red.

5.1 Comparación Ahorro Monetario Curva con deslastre y Curva Base con la aplicación

de RD (TOU Y CPP).

La curva base tiene las características de energía y precios presentadas en la Tabla 20, Los datos

mostrados se analizan bajo la presencia del consumo total característico de los 100 usuarios estrato

4, participantes en el caso de estudio y aplicando los precios de la Tabla 13 (TOU: $1834,

CPP:$4002,Precio Base:$445,38)

Tabla 20:

Características Curva Base con los precios CPP y TOU propuestos.

Curva Base


[Wh *día ]

Precio Factura

Día [COP]

100 Usuarios

Precio Factura

Mes [COP]

100 Usuarios

Precio Factura

Día [COP]

1 Usuario

545.496 561.174 16.835.220 5 611,74

De las simulaciones se determina el nuevo precio diario global que pagarían los usuarios si

desconectan parcialmente su carga de la red y se compara con el precio producto de estar

consumiendo el 100% de su carga (545.496 Wh*día) bajo el esquema de precios TOU/CPP

planteado, el consolidado se presenta en la Tabla 21.

62

Tabla 21:

Consolidado ahorro monetario diario 100 usuarios. Escenarios 1,2 y 3, seis casos. Fuente

Propia.

Ahorro Caso No. 1

Escenario % Penetración Precio Diario [COP] Ahorro [COP] Ahorro [%]

1 50% $ 265.824 $ 295.350 52,63%

2 75% $ 233.533 $ 327.641 58,38%

3 100% $ 201.241 $ 359.933 64,14%

Ahorro Caso No. 2


1 50% $ 269.806 $ 291.368 51,92%

2 75% $ 239.506 $ 321.668 57,32%

3 100% $ 209.206 $ 351.968 62,72%

Ahorro Caso No. 3


1 50% $ 273.789 $ 287.385 51,21%

2 75% $ 245.480 $ 315.694 56,26%

3 100% $ 217.171 $ 344.003 61,30%

Ahorro Caso No. 4


1 50% $ 277.771 $ 283.403 50,50%

2 75% $ 251.454 $ 309.720 55,19%

3 100% $ 225.136 $ 336.038 59,88%

Ahorro Caso No. 5


1 50% $ 281.754 $ 279.420 49,79%

2 75% $ 257.427 $ 303.747 54,13%

3 100% $ 233.101 $ 328.073 58,46%

Ahorro Caso No. 6


1 50% $ 285.736 $ 275.438 49,08%

2 75% $ 263.401 $ 297.773 53,06%

3 100% $ 241.066 $ 320.108 57,04%

63

Los resultados mostrados en la Figura 22, indican que el escenario en que se presenta el mayor

ahorro monetario es en el No. 3, caso 1 (100 Usuarios del Grupo 2 y 0 Usuarios del grupo 1,

incursión del 100% de su energía fotovoltaica disponible), con un valor de $359.933 (64,14%).

Figura 22. Porcentaje de ahorro casos, escenario No. 1,2 y 3.

Este comportamiento responde a que existe una relación proporcional entre la cantidad de energía

ahorrada y la presencia mayoritaria del grupo 2, pues este cuenta con mayor cantidad de energía

para autoconsumo lo que aplana la curva y genera baja en la factura a pagar al operador de red

(OR). Adicionalmente, conforme este se va retirando para dar entrada al grupo 1, el ahorro presenta

decremento pues en consecuencia aumenta la cantidad de energía consumida de la red.

1 2 3 4 5 6

Escenario 1 52,63% 51,92% 51,21% 50,50% 49,79% 49,08%

Escenario 2 58,38% 57,32% 56,26% 55,19% 54,13% 53,06%

Escenario 3 64,14% 62,72% 61,30% 59,88% 58,46% 57,04%

25,00%

30,00%

35,00%

40,00%

45,00%

50,00%

55,00%

60,00%

65,00%

VA

RIA

CIÓ

N P

OR

CEN

TUA

L [%

]

PORCENTAJE DE AHORRO CASOS, ESCENARIO NO. 1,2 Y 3

64

5.2 Comparación Ahorro Monetario Curva con deslastre con la aplicación de RD (TOU

Y CPP) y la Curva Base (Precios Actuales).

Posterior se hace una comparación con la curva base caracterizada en el capítulo 3. Sus

características con los precios actuales de red se presentan en la Tabla 22.

Tabla 22:

Características Curva Base aplicando los precios actuales de red. Fuente Propia

Curva Base 100 Usuarios


Diaria [Wh]

Precio

Diario por Usuario [COP]

Precio Factura

Mes Por Usuario [COP]

5.454 $ 2.429 72.819

Se hace una comparación entre el escenario de mayor y menor ahorro (casos 1 y 6) y el precio

promedio mensual actual de una factura calculado con el valor dado por la CREG para mes de

Agosto ($445,38) (CODENSA, 2016), se efectúa la diferencia entre estos dos precios y se

cuantifica en pesos y porcentualmente el ahorro. Los resultados se resumen en la Tabla 23.

Tabla 23:

Consolidado ahorro por usuario Mensual. Fuente Propia

Escenario No.

Caso

Usuarios

Grupo 1

Usuarios

Grupo 2

Factura

Nueva Por un

Usuario

Mensual

Factura Actual

por un Usuario

Mensual

Ahorro sobre

el precio

actual

Mensual

%

Ahorro

sobre el

precio

Actual.

Ahorro

Anual

No. 1,

50%

1 0 100 $79.747,20 $72.819,80 -$6.927,40

6 100 0 $85.720,80 $72.819,80 -$12.901,00

No. 2,

75%

1 0 100 $70.059,90 $72.819,80 $2.759,90 3,79% $82.797

6 100 0 $79.020,30 $72.819,80 -$6.200,50

No. 3,

100%

1 0 100 $60.372,30 $72.819,80 $12.447,50 17,09% $373.425

6 100 0 $72.319,80 $72.819,80 $500,00 0,69% $15.000

Solo tres (3) de los seis casos extremos generan un ahorro en el programa de RD propuesto en

comparación con los precios actuales de la red. Estos son: los escenario 2 caso 6, y escenario 3

casos 1 y 6, siendo el mejor escenario consecuente con los otros análisis el de mayor presencia del

65

grupo 2 y con el mayor porcentaje de penetración de GD para el caso escenario 3 caso 1, donde se

obtiene 17,09% de ahorro.

Adicionalmente, se evidencia ahorro sólo cuándo se tiene un 100% de incursión de la energía FV

almacenada por parte de los usuarios tanto del grupo 1 como Grupo 2, lo que responde a la relación

proporcional entre el ahorro y la cantidad de energía deslastrada pues es en este escenario donde

existe un mayor aplanamiento de la curva (26,13% de aplanamiento “ Figura 21”). Del mismo

modo se presenta ahorro cuando se tiene mínimo el 75% de la incursión de la energía FV

disponible en baterías de los 100 participantes del grupo 2, que son quienes aporta más energía.,

Para conocer el punto mínimo de penetración que genere ahorro se hizo el análisis frente a la curva

característica del estrato 4, la cual cuenta con 5455 W*día, encontrando que en el Escenario 2:

caso 1 se presenta dicho punto. El escenario descrito anteriormente equivale al 26,12% del

consumo la curva total.

Por otra parte, con los posibles ahorros anuales, discriminando la inversión que el usuario de cada

grupo realiza (Grupo 1: $3.968.950, Grupo 2 $5.558.485) y obviando el valor que anualmente se

tendría que pagar por el sistema fotovoltaico, se presentan los tiempos de recuperación presentados

en la Tabla 24.

Tabla 24

Cantidad de año de retorno de inversión por usuario en: Escenario 2:Caso1, Escenario 3:

Caso 1 y 6. Fuente Propia

Ahorro Anual Tiempo de Retorno de

Inversión [año]

$82.797 56,39

$373.425 12,50

$15.000 222,26

66

Finalmente, a pesar de los esfuerzos en conseguir sistemas fotovoltaicos de baja inversión, estos

implican altos precios de implementación, y por su tiempo de retorno estos no son rentables, pues

si se quisiera recuperar la inversión sólo con los ahorros producto de ellos, se tardaría para el peor

escenario 222 años y 3 meses.

67

6 CONCLUSIONES

De 18 escenarios simulados se compararon los escenarios extremos, encontrando que en el

escenario 3 caso 1 aplicando respuesta a la demanda se consigue un aplanamiento del 26.13% en

la curva de carga residencial estrato 4, sin que el usuario pierda su comodidad y generando un

ahorro de energía 142.542 Wh*día para el sistema en horas pico, en contraste con el escenario 1

caso 6 donde se consigue solo una variación del 8,98% equivalente 48.985 Wh*día.

Durante el desarrollo de la investigación se encontró una relación inversamente proporcional entre

cantidad de energía generada y el precio de Wh fotovoltaico óptimo para recuperar la inversión,

es decir a mayor capacidad de generación fotovoltaica, el precio disminuye.

El escenario 3 con una penetración de la energía FV disponible en un 100%, en todos los casos

simulados aporta un aplanamiento entre el 17.96 % y 26.13%, confirmando que entre mayor sea

la capacidad del usuario de deslastrar su carga mayor cantidad de ahorro a nivel energético y

monetario.

Se pudo observar que el tiempo de retorno de la inversión se encuentra entre 12 y 222 años,

teniendo en cuenta la rentabilidad del sistema fotovoltaico, haciendo ver que la adquisición de este

tipo de sistemas no resulta viable financieramente ni atractiva para los Colombianos pues es una

tecnología que por encontrarse en crecimiento en el país, tiene costos muy elevados.

Existe ahorro 6.38%, 3,36% y 19,32% en comparación con los precios y regulación actuales,

siempre y cuando se excluya el costo que se debe amortizar mensualmente para cubrir la inversión

del SVF.

Finalmente se logró el objetivo general del proyecto pues se evaluó la variación de la curva de

carga característica del estrato 4 de la ciudad de Bogotá mediante la aplicación de esquemas de

68

respuesta a la demanda TOU y CPP en un caso de estudio de 100 usuarios residenciales con acceso

a generación distribuida.

En la actualidad la regulación Colombiana no cuenta con mecanismos que incentiven a los usuarios

a realizar deslastres de carga en horas de alto consumo energético a nivel nacional. Por ende,

implementar programas de respuesta a la demanda, representa una oportunidad para que los

usuarios no consuman energía en horarios de alto precio de generación, proponiendo franjas

horarias con esquemas de precios como TOU Y CPP en lo que los mismos se elevan entre 312%

y 700% del precio base.

69

APORTES

De acuerdo a la bibliográfica consultada a la fecha no se encontraron políticas regulatorias en

Colombia que contemplen estrategias que incentiven al usuario a realizar desconexiones de la red

generando aplanamiento en la curva de carga residencial estrato 4 de la ciudad de Bogotá, por lo

que este trabajo de grado contribuye a investigaciones posteriores.

En adición los aportes de este trabajo son:

En conjunto con el grupo de investigación GCEM se caracterizó y determinó una

aproximación al modelo de la curva de carga estrato 4 de la ciudad de Bogotá, 2que

conserva la misma tendencia de la Curva de Carga Colombiana a nivel de distribución.

Se cuantifico para un usuario residencial estrato 4 ubicado en la ciudad de Bogotá el valor

mínimo del Wh fotovoltaico y tiempo de retorno de inversión con la exención del IVA

propuesto por la ley 1715.

Se encontró la potencia Fotovoltaica mínima y esquema de precios para tener un ahorro

monetario en comparación con el consumo y regulación actual.

Se evaluó aplanamiento en la curva de carga del estrato 4 de la ciudad de Bogotá al

implementar RD y Generación distribuida.

70

7 RECOMENDACIONES Y TRABAJOS FUTUROS

Se propone implementar un algoritmo que además de evaluar el aplanamiento de la curva, costos

y beneficios de tener un sistema fotovoltaico, permita realizar un intercambio bidireccional de

energía con la red bajo esquemas de precios TOU Y CPP.

Se propone un estudio en el que el esquema de precios TOU Y CPP refleje los costos reales de

generación que se presentan en Colombia durante las puntas de la curva de carga, teniendo en

cuenta que durante esta franja se debe generar por medio de termoeléctricas.

Hacer un programa que evalúe el punto óptimo de conexión y desconexión del sistema fotovoltaico

en función del precio de red y la cantidad de energía a ahorrar.

71

8 BIBLIOGRAFÍA

Abji, N., Tizghadam, A., & Leon-Garcia, A. (2015). Energy storage management in core

networks with renewable energy in time-of-use pricing environments. IEEE International

Conference on Communications, 2015-Septe, 135-141.

http://doi.org/10.1109/ICC.2015.7248311

Adedamola Adepetu, R. E., Lizotte, D., & Keshav, S. (2013). Critiquing time-of-use pricing in

Ontario. 2013 IEEE International Conference on Smart Grid Communications,

SmartGridComm 2013, 223-228. http://doi.org/10.1109/SmartGridComm.2013.6687961

Baratto, P. (2010). Implementación de un programa de respuesta de la demanda de energía

eléctrica en un mercado de clientes no regulados en Colombia. Rev. maest. derecho econ., 6,

259-292. http://doi.org/10.1017/CBO9781107415324.004

Cerezo, M. Á. (2010). Gestión activa de la demanda de energía eléctrica Ingeniería Industrial, 1,

102.

CODENSA. (2016). Tarifas de Energía Eléctrica ( $ / kWh ) Reguladas por la Comisión de

Regulación de Energía y Gas ( CREG ) AGOSTO DE 2016, 1(12), 1.

DANE. (2016). DANE, Índice de precios al consumidor, informe mensual Julio 2016 (Vol. 53).

Escobar., A. V. (2016). Gestión de la energía eléctrica domiciliaria con base en la Gestión Activa

de la Demanda. Tesis Doctoral. Universidad Distrital Francisco José de Caldas., 1.

http://doi.org/10.1017/CBO9781107415324.004

Fotovoltaica aislada. (2016). Recuperado a partir de http://es.krannich-

solar.com/es/autoconsumo/fotovoltaica-aislada.html

Fundación de la Energía de la Comunidad de Madrid. (2007). Guía Básica de la Gestión de la

Demanda Eléctrica. Fundación de la Energía de la Comunidad de Madrid - España. Energy

Management Agency, 66. Recuperado a partir de www.fenercom.com

Grajales Espinal, C. D., & Figueroa Patiño, L. F. (2012). Programas de Respuesta en Demanda y

su Posible Impacto en el Sistema Eléctrico Colombiano. Universidad Tecnológica de

Pereira. Facultad de Ingenierías: Eléctrica, Electrónica, Física y Ciencias de la

Computación. Programa de Ingeniería Eléctrica., 82. Recuperado a partir de

file:///C:/Users/SATELLITE/Google Drive/Referencias Doctorado/Grajales Espinal,

Figueroa Pati?o - 2012 - Programas de respuesta en demanda y su posible impacto en el

sistema el?ctrico colombiano.pdf

Guillermo, B. (2001). Ingenieria-Economica.

Hatami, A., Seifi, H., & Sheikh-El-Eslami, M. K. (2011). A stochastic-based decision-making

framework for an electricity retailer: Time-of-use pricing and electricity portfolio

optimization. IEEE Transactions on Power Systems, 26(4), 1808-1816.

http://doi.org/10.1109/TPWRS.2010.2095431

Hernández Hernández, K. A., & Carrillo Cruz, J. S. (2016). Estimación de la demanda eléctrica

para usuarios residenciales estrato 4 en la ciudad de Bogotá.

Hernandez, J. A. (2012). Metodologia para el analisis técnico de la masificación de

72

sistemasfotovoltaicos como opción de generación distribuida en redes de baja tensión.

Herter, K., & Wayland, S. (2010). Residential response to critical-peak pricing of electricity:

California evidence. Energy, 35(4), 1561-1567. http://doi.org/10.1016/j.energy.2009.07.022

Hussin, N. S., Abdullah, M. P., Ali, A. I. M., Hassan, M. Y., & Hussin, F. (2014). Residential

electricity time of use (ToU) pricing for Malaysia. 2014 IEEE Conference on Energy

Conversion, CENCON 2014, 429-433. http://doi.org/10.1109/CENCON.2014.6967542

IDEAM. (2015). Mapa Brillo Solar De Colombia Multianual.

Imthias Ahamed, T. P., & Borkar, V. S. (2015). An efficient scheduling algorithm for solving

load commitment problem under Time of Use Pricing with bound on Maximum Demand.

2014 IEEE International Conference on Power Electronics, Drives and Energy Systems,

PEDES 2014. http://doi.org/10.1109/PEDES.2014.7041986

Joo, J. Y., Ahn, S. H., Yoon, Y. T., & Choi, J. W. (2007). Option valuation applied to

implementing demand response via critical peak pricing. 2007 IEEE Power Engineering

Society General Meeting, PES, 1-7. http://doi.org/10.1109/PES.2007.385559

Kato, T., Tokuhara, A., Ushifusa, Y., Sakurai, A., Aramaki, K., & Maruyama, F. (2016).

Consumer responses to critical peak pricing: Impacts of maximum electricity-saving

behavior. The Electricity Journal, 29(2), 12-19. http://doi.org/10.1016/j.tej.2016.02.002

Kii, M., Sakamoto, K., Hangai, Y., & Doi, K. (2014). The effects of critical peak pricing for

electricity demand management on home-based trip generation. IATSS Research, 37(2), 89-

97. http://doi.org/10.1016/j.iatssr.2013.12.001

Lee, J. W., & Lee, D. H. (2011). Residential electricity load scheduling for multi-class

appliances with Time-of-Use pricing. 2011 IEEE GLOBECOM Workshops, GC Wkshps

2011, 1194-1198. http://doi.org/10.1109/GLOCOMW.2011.6162370

Liao, Y., Chen, L., & Chen, X. (2011). An efficient time-of-use pricing model for a retail

electricity market based on pareto improvement. Asia-Pacific Power and Energy

Engineering Conference, APPEEC, (2), 2-5. http://doi.org/10.1109/APPEEC.2011.5748684

Lozano Celiz, J. P., & Guzman Espitia, W. C. (2016). Evaluación de Demanda de Energía

Eléctrica Según Hábitos de Consumo Actuales en la Ciudad de Bogotá.

Marulanda García, G. A. (2014). Impacto de un programa de respuesta de la demanda eléctrica

en el Sector de Gas Natural, 1-72.

Mathaba, T., Xia, X., & Zhang, J. (2012). Optimal Scheduling of Conveyor Belt Systems under

Critical Peak Pricing, 315-320.

Ministerio de minas y energía. (2015). Promoción, Desarrolo y Utilización De Las Fuentes No

Convencionales De Energía-FNCE, 8. Recuperado a partir de

http://wp.presidencia.gov.co/sitios/normativa/decretos/2015/Decretos2015/DECRETO 2143

DEL 04 DE NOVIEMBRE DE 2015.pdf

Ortiz, J. D. (2013). Viabilidad técnico-económica de un sistema fotovoltaico de pequeña escala,

103-117.

73

Peng, Yang. Gongguo, Tag. Nehorai, A. (2012). OPTIMAL TIME-OF-USE ELECTRICITY

PRICING USING GAME THEORY., 3081-3084.

Rendón, E. C. (2013). Método para Opyimizar los Costos del Servicio de Energía Eléctrica de

Grandes Usuarios en Colombia, incorporando flexivilidad de la demanda. Journal of

Chemical Information and Modeling (Vol. 53).

http://doi.org/10.1017/CBO9781107415324.004

Rueda, V. (2011). Predicción del Consumo de Energía en Colombia con Modelos no Lineales,

21-30.

Secretaria Distrital de Planeación. SDP. (2011). Estadísticas Viviendas, Hogares y Personas por

Estrato. Secretaría Distrital de Planeación. Recuperado a partir de

http://www.sdp.gov.co/PortalSDP/InformacionTomaDecisiones/Estadisticas/ProyeccionPob

lacion

Shaikh, S. K. M., & Dharme, A. A. (2009). Time of Use pricing - India, a case study. 2009

International Conference on Power Systems, 1-6.

http://doi.org/10.1109/ICPWS.2009.5442760

UMPE. Juan Carlos Aponte Gutiérrez, J. F. A. M. (2013). Proyección de Demanda de Energía

Eléctrica en Colombia. Unidad de Planeación Minero Energética. Recuperado a partir de

http://www1.upme.gov.co/sites/default/files/proyeccion_demanda_ee_Abr_2013.pdf

UPME, M. D. M. Y. E. (2014). LEY 1715,May 2014, (May), 2014.

UPME, MINISTERIO DE MINAS Y ENERGÍA, A. (2011). upme (p. 128). Recuperado a partir

de http://www.upme.gov.co/Docs/Asocodis_2010.pdf

Wang, Z., & Li, F. (2011). Critical peak pricing tariff design for mass consumers in Great

Britain. IEEE Power and Energy Society General Meeting, D(October 2010), 1-6.

http://doi.org/10.1109/PES.2011.6039603

XM. (2016). Demanda de Electricidad. Recuperado a partir de

http://www.xm.com.co/Pages/DemandadeElectricidad.aspx

Zhang, Q., Wang, X., & Fu, M. (2009). Optimal implementation strategies for critical peak

pricing. 2009 6th International Conference on the European Energy Market, EEM 2009.

http://doi.org/10.1109/EEM.2009.5207139

Zhao, S., & Ming, Z. (2014). Modeling demand response under time-of-use pricing.

POWERCON 2014 - 2014 International Conference on Power System Technology:

Towards Green, Efficient and Smart Power System, Proceedings, (Powercon), 1948-1955.

http://doi.org/10.1109/POWERCON.2014.6993842

74

APÉNDICE A. DETERMINACIÓN SISTEMAS FOTOVOLTAICOS

El sistema fotovoltaico suple en el primer diseño 980Wh y el segundo el 1425 Wh, de la carga

total característica de 5.455Wh, es decir el 26,12% y 17,97%, correspondiente a un usuario

residencial estrato 4 de la ciudad de Bogotá.

Metodología:

La metodología que se desarrolla en este apéndice responde a la teoría impartida en la catedra de

Sistemas Fotovoltaicos por el Ingeniero Johan Hernández en la Universidad Distrital Francisco

José de Caldas.

Figura. A 1 Diagrama de Flujo Metodología para el diseño de Sistemas Fotovoltaicos Aislados.

75

1. Determinar la energía solar disponible en el lugar.

Se determina las horas de sol estándar o por sus siglas en Inglés Hour Solar Standar (Hss) de la

ciudad de Bogotá (dada en kWh/m2/día) a través de la herramienta en línea del IDEAM (Atlas de

Radiación Solar, Ultravioleta y Ozono de Colombia, en la Opción Irradiación Global Horizontal).

Figura. A 2 Radiación Promedio (Hss) Bogotá.

Con base en el atlas de radiación solar (Ver Figura. A 2) en las convenciones se identifica que el

valor de HSS está en el rango de 4- 4,5 [kWh/m2/día], pero se diseña con el valor más bajo,

garantizando que a pesar de la peor condición de radiación se va a tener el suministro de energía

para el usuario. Por ende se toma la medida de 4.0 [kWh/m2/día].

2. Carga del usuario

Ya que la curva de carga presenta 2 grandes picos (Figura. A 3) se plantea aplanarlos, estos se

encuentran en los periodos de tiempo comprendidos entre las horas 6-9 y 18-21 lapso durante el

76

que se activarán los sistemas de almacenamiento (baterías) cargados previamente por los sistemas

fotovoltaicos para suplir parte de la carga.

Figura. A 3 Curva de Carga Final Estrato 4 Ciudad de Bogotá. Copyright 2016 por (Escobar.,

2016).

Para ello se toma el punto mínimo de la curva [118,28W], y se le resta a cada uno de los datos

pertenecientes a la franja horaria de interés, el resultado de esta operación permite hallar el valor

de la potencia necesaria a implementar [PNI] en los sistemas fotovoltaicos y su área bajo la curva

indica la energía que se sistema va a suministrar.

Se desagregan los 100 usuarios en dos grupos de consumidores dando así variación en los precios,

dicha clasificación dependerá del porcentaje de potencia que se vaya a suplir con la instalación

fotovoltaica.

A. Grupo 1: El sistema fotovoltaico instalado podrá suplir el 68,7% de PNI., lo equivalente a

980Wh.

B. Grupo 2: El sistema fotovoltaico instalado podrá suplir el 100% de PNI, es decir, 1425Wh.

118,2835132

0 5 10 15 20 25

Curva de Carga final Estrato 4 Ciudad de Bogotá.

77

Para el diseño se tendrá en cuenta un nivel de tensión de 120 VAC para la instalación del usuario

y 24 VDC para el diseño fotovoltaico.

DISEÑO GRUPO 1.

1. Energía total a suministrar y selección del Inversor.

Para el cálculo de la energía total a suministrar es necesario conocer la eficiencia del inversor a

utilizar y que éste además cumpla con los requerimientos eléctricos de potencia instalada en el

Grupo 1 (137,83 W); por tal motivo se elige un equipo que cuenta con las siguientes características:

Tensión Entrada: 24 VDC.

Potencia de Salida: 150W.

Tensión de salida 120 VAC

Frecuencia: 60 HZ.

Eficiencia: 88%

Bajo precio.

Se revisaron las marcas COTEK S150 – 24, COTEK S150 - 124 que cumplen las características

descritas pero por precio se toma un inversor COTEK S150 - 24.

Para el cálculo de la Energía Total (𝐸𝑡), se emplea la ecuación ( 1):

𝐸𝑡 =E[Wh ∗ dia]

𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝐼𝑛𝑣𝑒𝑟𝑠𝑜𝑟 ( 1)

Donde,

𝐸= Energía necesaria a suministrar [Wh*d]

𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝐼𝑛𝑣𝑒𝑟𝑠𝑜𝑟= Eficiencia dada por las especificaciones del fabricante (datasheet)

𝐸𝑡= Energía total [Wh*d]

𝐸𝑡 =980[Wh ∗ dia]

0.88= 1113,64𝑊ℎ ∗ 𝑑

78

2. Especificación del nivel de tensión nominal.

Con base al inversor seleccionado se toma una Tensión Nominal de 24 VDC.

3. Corrección por temperatura de energía a suministrar y potencia del generador

fotovoltaico.

Se requiere hallar un factor de seguridad, con el fin de incluirlo en el cálculo de las pérdidas de

potencia que presentan los paneles solares por temperatura ambiente máxima del sitio donde se va

a ubicar la instalación. De acuerdo al mapa de distribución de la temperatura máxima media anual

del IDEAM se tomó 20°C para la ciudad de Bogotá (ver Figura. A 4). 20°C es la temperatura a la

cual se tendrá el valor mínimo de potencia solo por temperatura.

Figura. A 4 Mapa de distribución de la temperatura máxima media anual de IDEAM.

Para el factor de seguridad se tomarán las especificaciones técnicas de un panel base (Tabla A 1.)

y las ecuaciones ( 2)( 3)( 4).

79

Tabla A 1.

Especificaciones Técnicas Panel Violin-CHSM6610P

VIOLIN –CHSM6610P

A condiciones STC, 1000W/m2, T=25°C

POTENCIA NOM 270 w

VOC 38,91 v

ISC 8,79 A

VPM 31,78 V

IPM 8,52 A

A condiciones NOCT 800W/m2, T=20°C

NOCT 43 °C

POTENCIA NOM 202,5 W

VOC 35,55 V

ISC 7,40 A

VMP 28,71 V

Coeficientes de Temperatura

Pmax -0,407 %/K

Voc -0,310 %/K°

Isc 0,049 %/K°

80

𝑇𝐶 = 𝑇𝐴 +𝑁𝑂𝐶𝑇 − 20

800 𝑊/𝑚2∗ 1000 𝑤/𝑚2 ( 2)

Donde,

𝑇𝐴=Temperatura Ambiente [°C].

NOCT =(Normal Operating Cell Temperature).Temperatura a la que operan las celdas en un

módulo solar bajo condiciones de operación estándar (SOC). Estas condiciones son: la radiación

de 0,8 kW / m2, a 20 º C de temperatura ambiente.[°C]

𝑇𝐶=Temperatura de la Celda.[°C]

𝑇𝐶 = 20° +43 − 20

800∗ 1000 = 48,75°

∆𝑇𝐶 = 𝑇𝑐 − 25°𝐶 ( 3)

Donde,

∆𝑇𝐶=Delta de la temperatura de la celda.

25°C=Es una constante de la temperatura de la celda.

∆𝑇𝐶 = 48,75 − 25°𝐶 = 23,75 °𝐶

Ya que los coeficientes de pérdida por temperatura se encuentran en Kelvin se va a convertir de

grados centígrados a Kelvin.

∆𝑇𝐶 = 321,9 𝑘 − 298,15𝑘 = 23,75 °𝐶

𝐹𝑆 = Coeficiente Temperatura por potencia (Pmax) ∗ ∆𝑇𝐶 ( 4)

Donde,

𝐹𝑆=Factor de Seguridad.[%]

81

Pmax= Coeficiente Temperatura por potencia dado por el fabricante [%/C]

𝐹𝑆 = −0,407 %/C° ∗ 23,75 °𝐶

𝐹𝑆 = 9,66% = 10%

Con dicho factor de seguridad se calcula la Energía Total Suministrada corregida, ecuación ( 5) :

𝐸𝑠𝑢𝑚 = 𝐸𝑡 (1 + 𝐹𝑆) ( 5)

Donde,

𝐸𝑠𝑢𝑚= Energía a suministrar por el sistema fotovoltaico. [Wh*d]

𝐸𝑠𝑢𝑚 = 1113,64 (1 + 0,1) = 1225 𝑊ℎ ∗ 𝑑

A partir de dicho factor de seguridad y la corrección de energía, se calcula la potencia del generador

fotovoltaico (Pg) con la ecuación ( 6) y usando el dato de las horas de sol estándar (Hss) dadas por

el IDEAM Figura. A 2.

𝑃𝑔 =𝐸𝑠𝑢𝑚

𝐻𝑠𝑠 ( 6)

Donde,

𝑃𝑔= Potencia del generador fotovoltaico [Wp]

𝑃𝑔 =1225 𝑊ℎ/𝑑

4,0 𝐾𝑤ℎ/𝑚2/𝑑= 306,25 𝑊𝑝

82

4. Selección de los módulos fotovoltaicos.

Para la selección del panel se buscan diferentes fabricantes (Tabla A 2) que permitan

comparar como primer criterio los precios del mercado y posterior la elección de la

cantidad de paneles en función de sus características técnicas.

Tabla A 2

Especificaciones Técnicas paneles.

Precio COP $944.000,00 $868.595,00 $705.915,00

Fabricante Poly Series Canadian Solar Azmut

Referencia UP -M315P CS6X-320P AZM 726P

Potencia Nom.[W] 315 320 305

Voc [V] 46 45,3 45,3

Ics [A] 8,82 9,26 8,7

Vmp [V] 36,3 36,8 37,29

Imp [A] 8,54 8,69 8,18

Coeficientes Temperatura

Pmax[%/°c] -0,43 -0,43 -0,42

Voc [%/°c] -0,3 -0,34 -0,32

Ics [%/°c] 0,05 0,065 0,08

NOCT [°c] 45 45 43

Con la potencia, se determina la cantidad de paneles de acuerdo a la ecuación ( 7):

𝑁° 𝑃á𝑛𝑒𝑙𝑒𝑠 =𝑃𝑔

𝑃𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑃𝑎𝑛𝑒𝑙 ( 7)

A través de la herramienta Excel se realiza la comparación entre los 3 paneles en donde se

encuentra que se necesita sólo un (1) panel en todos los casos, por lo que los precios son $944.000,

$868.595, $705.915 respectivamente.

A partir del número de paneles se elige la configuración serie/paralelo de los mismos, teniendo en

cuenta las siguientes consideraciones:

83

a. Corrección de voltaje por temperatura ambiente (VM,T°A)).

Debido a que los paneles tienen un comportamiento similar a un diodo semiconductor,

estos se ven afectados de manera negativa por la temperatura, por lo tanto es necesario

realizar una corrección del voltaje de circuito abierto del panel teniendo en cuenta la

temperatura ambiente máxima del lugar en el cual se va a instalar el sistema (Bogotá).

De la Tabla A 2 se toman los valores Vmp y coeficiente de corrección de temperatura a

Voc además del valor de ∆𝑇𝐶 calculado en la ecuación ( 3).

∆𝑉[%] = ∆𝑇𝐶 ∗ CoefV ( 8)

Donde,

CoefV= VOC dado por el fabricante del panel fotovoltaico.

∆𝑉[%] = 23,75 ∗ −0,32 = 7,6%

𝑉𝑀,𝑇°𝐴 = 𝑉𝑀𝑃 (1 − ∆𝑉[%]) ( 9)

Donde,

𝑉𝑀𝑃= Voltaje máximo dado por fabricante.[V]

𝑉𝑀,𝑇°𝐴= Voltaje máximo, corrección por temperatura.[V]

𝑉𝑀,𝑇°𝐴 = 37,29 (1 − 7,6[%]) = 34,45 [𝑉]

En concordancia a la ecuación ( 9) y partiendo que sólo es necesario instalar un panel se hace una

evaluación de las condiciones de Voc, Isc y VMTA de lo que se concluye que por sólo implementar

un equipo su Voc e Isc son igual a los nominales dados por el fabricante mostrados en la Tabla A

2, estas se resumen en la Tabla A 3.

84

Tabla A 3

Evaluación de las condiciones Eléctricas generador fotovoltaico panel 3.

Serie Paralelo Voc [V] Isc [A] VMTA

1 1 45,3 8,7 34,45

Ya que el voltaje máximo a temperatura ambiente (VMTA) debe ser mayor al voltaje nominal del

sistema (para el caso 24V) y de acuerdo a la Tabla A 3 se cumple dicha restricción se conserva

esta configuración.

5. Corriente de carga y selección del regulador.

Para el cálculo de la corriente de carga se tiene en cuenta la potencia que esta demanda,

además de la tensión DC del sistema.

𝐼 𝐶𝑎𝑟𝑔𝑎[𝐴] =Potencia Total Grupo 1[W]

𝑉𝑜𝑙𝑡𝑎𝑗𝑒 𝐷𝐶 𝑠𝑖𝑠𝑡𝑒𝑚𝑎[𝑉] ( 10)

𝐼 𝐶𝑎𝑟𝑔𝑎[𝐴] =137,83 [w]

24[𝑉]= 5,74 [𝐴]

Por lo anterior se debe seleccionar un Regulador MPPT que tenga las siguientes características:

a. Tensión de Entrada Mayor al VOC calculado en el arreglo es decir 45,3V.

b. Tensión de Salida: 24VDC.

c. Corriente de Salida: Mayor a la demandada por la carga en este caso particular mayor a

5,74 [A].

Por lo tanto se elige el regulador SMARTHARVEST SCCM10-100 que cuenta con las siguientes

especificaciones técnicas:

Máxima Tensión de Entrada: 100 [VDC]

Tensión Nominal para Carga de Baterías: 24 [VDC]

85

Corriente de Salida: 10 [A].

6. Dimensionamiento de las baterías.

Para el dimensionamiento del banco de baterías se deben tener en cuenta las siguientes

consideraciones dadas por el fabricante: Profundidad de Descarga según el número de ciclos,

Voltaje Nominal de baterías.

a. Calcular la capacidad necesaria de la batería a través de la ecuación

𝐶𝐼 =𝐸𝑠𝑢𝑚

𝑉𝑆𝑖𝑠𝑡𝑒𝑚𝑎 ( 11)

Donde,

𝐶𝐼= Capacidad de la batería [Ah].

𝐶𝐼 =1225𝑊ℎ/𝑑

24𝑉 = 51,04 [𝐴ℎ]

b. Determinar a criterio del diseñador cuántos días de Autonomía va a tener el sistema, con

el fin de hallar la capacidad nominal, Por tanto se desea tener un sistema que cuente con 2

días de autonomía por lo que la Capacidad Nominal será:

𝐶𝑛𝑜𝑚 = (𝐶𝐼

𝐴ℎ

𝑑) ∗ 𝑑í𝑎𝑠 𝑑𝑒 𝐴𝑢𝑡𝑜𝑛𝑜𝑚í𝑎 ( 12)

Donde,

𝐶𝑛𝑜𝑚=Capacidad nominal de la batería [Ah].

𝐶𝑛𝑜𝑚 = (51,04𝐴ℎ

𝑑) 2𝑑 = 102,08𝐴ℎ

86

Para el diseño del proyecto se determina que se tendrá una descarga a diario de baterías y tendrán

una vida útil de 10 años (según fabricante), por lo que se tienen 912,5 Ciclos, al seleccionar las

baterías Trojan T-105-RE que cuentan con una capacidad a C20 de 225Ah, se encuentra que la

profundidad de descarga a dicha cantidad de ciclos es de aproximadamente 0,8. Con lo anterior se

desarrolla la siguiente metodología:

Se debe realizar una corrección a la capacidad nominal del sistema en función de la profundidad

de descarga siguiendo la ecuación ( 13):

𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎 =𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑡𝑒𝑟í𝑎

𝑃𝑟𝑜𝑓𝑢𝑛𝑑𝑖𝑑𝑎𝑑 𝑑𝑒 𝐷𝑒𝑠𝑐𝑎𝑟𝑔𝑎

Donde,

Profundidad de descarga= Dado por el fabricante (Datasheet)

( 13)

𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎 =102,08 [𝐴ℎ]

0,8= 127,6[𝐴ℎ]

Por tanto se seleccionan dichas baterías ya que la capacidad nomina corregida no supera la nominal

de 225Ah.

c. Determinar el número de Ramas en Serie, ecuación ( 14):

𝑁° 𝐵𝑎𝑡𝑒𝑟í𝑎𝑠 𝑒𝑛 𝑆𝑒𝑟𝑖𝑒 =𝑉𝑜𝑙𝑡𝑎𝑗𝑒𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒𝑙 𝑆𝑖𝑠𝑡𝑒𝑚𝑎

𝑉𝑜𝑙𝑡𝑎𝑗𝑒𝑁𝑜𝑚𝑖𝑛𝑎𝑙 𝑑𝑒𝑙 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 ( 14)

𝑁° 𝐵𝑎𝑡𝑒𝑟í𝑎𝑠 𝑒𝑛 𝑆𝑒𝑟𝑖𝑒 =24[𝑉]

6[𝑉]= 4 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 𝑒𝑛 𝑠𝑒𝑟𝑖𝑒

d. Determinar el número de ramas en Paralelo, ecuación ( 15):

87

Finalmente el Número de Ramas en Paralelo es:

𝑁° 𝑅𝑎𝑚𝑎𝑠 𝑒𝑛 𝑃𝑎𝑟𝑎𝑙𝑒𝑙𝑜 =𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝐶𝑜𝑟𝑟𝑒𝑔𝑖𝑑𝑎

𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝐵𝑎𝑡𝑒𝑟í𝑎 ( 15)

𝑁° 𝑅𝑎𝑚𝑎𝑠 𝑒𝑛 𝑃𝑎𝑟𝑎𝑙𝑒𝑙𝑜 =127,60[𝐴ℎ]

225[𝐴ℎ]= 𝐴𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 1 𝑅𝑎𝑚𝑎

Tabla A 4

Relación equipos seleccionados diseño Grupo 1.

Cantidad de energía a suplir 980 WH*día

Equipos


Paneles AZM 726P $705.915

Cuatro (4) Baterías TROJAN T-105-RE $2.033.500

Regulador SMARTHARVEST SCCM10-100 $334.075

DISEÑO GRUPO 2.

Siguiendo la metodología del Grupo 1 se seleccionan los equipos de la Tabla A 5:

Tabla A 5


Cantidad de energía a suplir 1425 WH*día

Equipos

Inversor SAMLEX AMERICA PST – 300- 24 $439.817

Dos (2) Paneles AZM 726P $1.411.830

Cuatro (4) Baterías TROJAN T-105-RE $2.033.500

Regulador MORNINGSTAR PS-MPPT-25 $906.651

88

DISEÑO GRUPO 3.

Tabla A 6



Equipos


6 Paneles AZM 726P $4.235.490

Ocho (8) Baterías Rolls Modelo S-460 $6.873.462

Regulador MORNINGSTAR SS-MPPT-15L $660.190

DISEÑO GRUPO 4.

Tabla A 7



Equipos

Inversor 100W

Paneles 20W

Baterías 10Ah

Inversión $1.148.400

89

ANEXO 1. INVENTARIO DE INFORMACIÓN EN MATERIA ESTADÍSTICA SOBRE

BOGOTÁ

SECRETARÍA DISTRITAL DE

PLANEACIÓN

SUBSECRETARÍA DE INFORMACIÓN Y

ESTUDIOS ESTRATÉGICOS

DIRECCION DE INFORMACIÓN,

CARTOGRAFÍA Y ESTADÍSTICA

INVENTARIO DE INFORMACIÓN EN

MATERIA ESTADÍSTICA SOBRE

BOGOTÁ

2. POBLACIÓN, VIVIENDAS Y HOGARES

POR ESTRATO SOCIOECONOMICO

NOM_LOC NOM_UPZ

Hogares por estrato

socioeconómico

Viviendas por

estrato

socioeconómico

Hogares

4. Medio

Viviendas

4. Medio

Usaquén Verbenal 1.499 1.412

Usaquén La Uribe 2.381 2.418

Usaquén Toberin 12.026 12.023

Usaquén Los Cedros 30.214 32.133

Usaquén Usaquen 1.456 1.476

Usaquén Country Club 0 0

Usaquén Santa Barbara 0 0

Usaquén UPR Usaquén 84 87

Chapinero Pardo Rubio 10.939 10.512

Chapinero Chicó Lago 1.061 1.096

Chapinero Chapinero 7.023 6.944

Chapinero UPR Chapinero 4 4

Santa Fe Sagrado Corazón 1.591 1.747

Santa Fe La Macarena 1.558 1.527

Santa Fe UPR Santa Fe 108 123

Usme UPR Usme 1 1

Kennedy Américas 2.875 2.685

Kennedy Bavaria 4.456 4.045

Fontibón Fontibón 632 610

Fontibón

Ciudad Salitre

Occidental 9.184 9.652

Fontibón Granjas de Techo 8.510 9.040

Fontibón Modelia 16.304 16.993

Fontibón Capellanía 3.031 2.933

Engativá Las Ferias 2.373 1.993

Engativá Santa Cecilia 7.547 7.294

Suba Guaymaral 10 10

Suba San Jose de Bavaria 9.388 9.364

Suba Britalia 4.433 4.329

Suba El Prado 17.339 17.038

Suba La Alhambra 96 96

90

Suba Casa Blanca 10.026 9.790

Suba Niza 3.431 3.458

Suba La Floresta 7.721 7.680

Suba Suba 2.681 2.420

Suba UPR Suba 7 6

Barrios Unidos Los Andes 7.090 6.251

Barrios Unidos Doce de Octubre 16.310 13.794

Barrios Unidos Los Alcázares 4.480 3.915

Teusaquillo Galerias 9.238 9.647

Teusaquillo Teusaquillo 10.678 11.060

Teusaquillo

Parque Simón Bolivar -

Can 943 977

Teusaquillo La Esmeralda 9.913 10.236

Teusaquillo Quinta Paredes 9.124 9.406

Teusaquillo Ciudad Salitre Oriental 5.089 5.461

Los Mártires La Sabana 2.294 2.127

Ciudad Bolívar UPR Ciudad Bolívar 0 1

Sumapaz UPR Sumapaz 61 63

Total Bogotá D.C. 255.209 253.877

Fuente: DANE - SDP

91

ANEXO 2. PROTOCOLO FLUKE 435

Tabla 25:

Datos Básicos de la medida. Datos Básicos de la medida

Nombre De Quien Realiza La

Medición

Dirección De Domicilio

Localización Física (CAJA DE

BREAKERS)

Tipo de conexión utilizada

Topología Seleccione

Monofase

Fase dividida

3φ – en estrella

3φ – en triangulo

3φ – en triangulo de dos elementos

(aron)

Temperatura Ambiente

Fecha de Medición

Intervalos de medición 5 minuto

Hora de inicio

Hora de finalización

Día de inicio

Día de finalización

Pasos para conexión ANALIZADOR DE RED FLUKE 1730

92

¡Advertencia!

Para evitar el riesgo de sufrir una descarga eléctrica o dañar el equipo, y antes de realizar

ninguna conexión al instrumento, lea y siga las advertencias y precauciones de seguridad

incluidas en el Manual de uso del instrumento.

1. Configuración del analizador

Al encender el analizador por primera vez, tras un ajuste predeterminado de fábrica, o si se ha

desconectado de todas las fuentes de alimentación, deberá ajustar varios valores generales que

serán necesarios para esta medida. En la Tabla 26 siguiente se presenta la información inicial a

ajustar:

Tabla 26:

Configuración inicial analizador. Ajuste Valor predefinido

Idioma de la información Español

Frecuencia nominal 60 Hz

Tensión nominal 120 V

Identificación de fase A, B, C

Colores de fase A/L1-B/L2-C/L3-N-Puesta a tierra Negro-Rojo-Azul-Gris-Verde

Fecha + Formato de fecha Mes/día/año

Fecha + Hora 1 de enero de 2010 + 00:00:00

Cuando termine de configurar los parámetros de la Tabla 26, aparecerá la pantalla mostrada en

la Figura 23. Esta pantalla permite acceder a todos los ajustes del analizador.

93

Figura 23. Pantalla de entrada a las configuraciones del analizador.

La tecla de función F1 permite acceder a una pantalla donde se observa detalladamente cómo

conectar las sondas de tensión y corriente al sistema de alimentación que se va a examinar. En la

Figura 24 se presenta un ejemplo. Pulse F1 de nuevo para volver a la pantalla de bienvenida.

Figura 24. Pantalla para la configuración del cableado real

94

Pulse la tecla para acceder a los menús que incluyen todas las configuraciones del

analizador. Por medio de las flechas se selecciona la opción correspondiente al sistema que se va

a medir.( Figura 25)

Figura 25. Configuración tipo de conexión.

Para configurar la forma de conexión se pulsa f4 y se selecciona por medio de los cursores la

opción adecuada

Antes de realizar medidas, configure el analizador según la tensión de línea, la frecuencia y la

configuración del cableado del sistema de alimentación que desee medir.

95

CONFIGURACIÓN DE LA CONEXIÓN

La conexión de un sistema trifásico (Figura 26).

Figura 26. Conexión del analizador a una instalación trifásica.

Primero, ponga las pinzas amperimétricas alrededor de los conductores de fase A (L1), B (L2), C

(L3) y N(neutro). Las pinzas están marcadas con una flecha que indica la polaridad de señal

correcta, luego realice las conexiones de tensión: comience por la conexión a tierra y, después, en

sucesión N, A (L1), B (L2) y C (L3). Para obtener resultados de medida correctos, conecte siempre

la entrada de conexión a tierra. Para medidas monofásicas, utilice la entrada de corriente A (L1)

y las entradas de tensión de conexión a tierra, N (neutro) y fase A (L1).

Las pantallas de osciloscopio y fasor son útiles para comprobar si los cables de tensión y las pinzas

amperimétricas están conectados correctamente. En el diagrama de vectores, las tensiones de fase

y las corrientes A (L1), B (L2) y C (L3) deben aparecer en secuencia al observarlas en el sentido

de las agujas del reloj como el ejemplo se presenta en la Figura 27.

96

Figura 27. Diagrama de vectores correspondiente al analizador correctamente conectado.

2. Configuración del Registrador

Para acceder al menú de inicio del analizador, se pulsa la tecla . (Figura 28)

Figura 28. Menú de configuración del registrador.

97

El juego de lecturas que debe registrarse se puede seleccionar en el menú situado bajo la tecla de

función F1 – SETUP READINGS.

Con las teclas de flecha arriba/abajo puede seleccionar la categoría de las lecturas que se vayan a

registrar. Estas categorías se enumeran en la columna 1: voltios, amperios, potencia, energía,

armónico de voltios, armónico de amperios, armónico de vatios, frecuencia, parpadeo,

desequilibrio y transmisión de señales.

Con las teclas de flecha puede seleccionar la columna 2 donde se enumeran las lecturas que

pertenecen a la categoría seleccionada. Las lecturas indicadas con están activas y también se

imprimen en la columna 3.

Las lecturas indicadas con no están activas. Las lecturas inactivas se pueden seleccionar con

las teclas de flecha arriba/abajo. A continuación, si pulsa F3 – ADD, la lectura se añadirá a la

columna 3 de lecturas seleccionadas. Tenga en cuenta que en la columna 2, el símbolo aparece

ahora delante de la lectura que se acaba de seleccionar.

Con las teclas de flecha puede seleccionar una lectura activa en la columna 3. A continuación, si

pulsa F4 – REMOVE, la lectura se eliminará de la lista de lecturas activas. Con F3 – MOVE, puede

desplazar una determinada lectura a una posición superior en la lista de lecturas seleccionadas.

Para continuar pulse F5 – OK.

Una vez terminada la configuración de la ventana de la Figura 28, se pulsa START y se da

comienzo a la medición.

98

ANEXO 3. PROTOCOLO FLUKE 1730

Tabla 27:

Datos Básicos de la medida. Datos Básicos de la medida


Medición


Localización Física (CAJA DE

BREAKERS)

Tipo de conexión utilizada

Topología Seleccione

Monofase

Fase dividida

3φ – en estrella

3φ – en triangulo

3φ – en triangulo de dos elementos

(aron)


Fecha de Medición


Hora de inicio


Día de inicio


Pasos para conexión ANALIZADOR DE RED FLUKE 1730

¡Información de seguridad!

99

Recuerde que está trabajando con niveles de tensión peligrosos, tome las medidas necesarias

para realizar la instalación del equipo para evitar posibles descargas eléctricas, fuego o

lesiones personales.

3. Configuración de la sesión de registro

Encienda el equipo. Si no hay ninguna sesión de registro activa, pulse para abrir la

pantalla Resumen de la configuración (Setup Summary) correspondiente al registro. Esta pantalla

contiene todos los parámetros de registro, como: (Figura 29)

• Nombre de la sesión.

• Duración.

• Intervalo del cálculo promedio.

• Intervalo de demanda

• Costes energéticos

• Descripción.

100

Figura 29. Ventana logger (parámetros del registro)

A CONTINUACIÓN SE DARA UNA BREVE EXPLICACIÓN DE LOS PARÁMETROS EN

LA SESIÓN DE REGISTRO

Nombre de la sesión: El Registrador genera automáticamente el nombre del archivo utilizando el

formato ES.xxx. ES ... Estudio de energía xxx ... Número de archivo consecutivo

Duración: Seleccione la duración de la medición en la lista. La sesión de registro se detiene

automáticamente cuando transcurre el tiempo de la duración seleccionada. La sesión de registro

también se puede parar manualmente.

Intervalo del cálculo promedio: Seleccione el intervalo de tiempo cada cual debe añadirse un

nuevo valor promedio a la sesión de registro. Están disponibles los siguientes intervalos: 1 seg., 5

seg., 10 seg., 30 seg., 1 min., 5 min., 10 min., 15 min. y 30 min.

101

Intervalo de demanda: Los proveedores eléctricos utilizan este intervalo para medir la demanda

de los clientes. Seleccione un intervalo para obtener el coste energético y el valor de la demanda

máxima (potencia promedio medida a lo largo del intervalo de demanda). Lo más habitual es

utilizar un valor de 15 minutos. Si no conoce el intervalo promedio, seleccione 5 minutos.

Costes energéticos: Introduzca el coste/kWh correspondiente a la energía demandada.

Descripción: Utilizando el teclado virtual, introduzca más información sobre la medición, como

por ejemplo el cliente, la ubicación y los datos de la placa de características.

CONFIGURACIÓN DEL REGISTRADOR PARA LA MEDIDA

Para modificar los parámetros, pulse Edit Setup (Editar configuración). La

configuración se conservará al apagar el instrumento.

102

Figura 30. Ventana de edición para la configuración del registrador para la medición.

En la Figura 30 se presenta la ventana de configuración para la realización de la medición, cada

uno se puede modificar dando click sobre cada parámetro o moviéndose con las flechas que están

a la derecha del equipo y pulsando Enter.

Para el cambio del nombre del nuevo registro, al ingresar a la ventana se escribe el nombre

que se le quiere dar y se pulsa Enter. (Figura 31)

Figura 31. Ventana de configuración del nombre.

Para la opción duración, que para este estudio se tomara de una semana, se selecciona esta

opción dando click sobre la opción “1 semana”. En la opción Definir fecha y hora de

inicio se cambia a "ON" para poder editar y por medio de la pantalla táctil se selecciona

la fecha y hora de inicio de la medición, de igual forma para la fecha de finalización,

finalmente se pulsa Enter dos veces.(Figura 32 y Figura 33)

103

Figura 32. Ventana configuración duración.

Figura 33. Ventana configuración fecha y hora.

Para la opción calcular medida, al ingresar a la ventana, se selecciona cada “1 minuto”,

que será el tiempo de muestreo para esta medición Y Enter. (Figura 34)

104

Figura 34. Ventana configuración del cálculo de la medida cada 1 minuto.

La especificación del intervalo de demanda no será objeto de esta medida, por lo que se

dejara como predeterminado en "apagado". (Figura 35)

Figura 35. Ventana configuración intervalo demanda.

Para la opción coste de la energía, se escogerá el predeterminado o un valor arbitrario.

(Figura 36)

105

Figura 36. Ventana configuración coste de energía.

Finalmente se dará click en Hecho o F4 para grabar el nuevo registro.

4. Configuración de la conexión y tipo de estudio

Seleccione el sistema pertinente. En el Registrador se visualizará un esquema de conexiones para

los cables de prueba de tensión y los sensores de corriente. También puede accederse a un esquema

a través de (Esquema de conexiones) (Connection diagram) en el menú Cambiar

configuración (Change Configuration).

A CONTINUACIÓN SE PRESENTAN LOS TIPOS DE CONEXIONES DISPONIBLES JUNTO

CON EL DIAGRAMA DE CONEXIÓN. Tabla 28 (SU SELECCIÓN DEPENDE DE LA

TOPOLOGÍA EN SU HOGAR )

106

Tabla 28:

Topologías del sistema a medir.

Monofásico

Fase dividida

3-Ф estrella

3-Ф triángulo

107

Triángulo 2 elementos

(Aron/Blondel)

TIPO DE ESTUDIO

Dependiendo de la aplicación, seleccione " Estudio de carga " (Load Study) o " Estudio de energía

" (Energy Study).

Estudio de energía: seleccione este tipo de estudio si necesita los valores de potencia y energía,

incluida la potencia activa (W) y el factor de potencia (PF).

Estudio de carga: por comodidad, algunas aplicaciones requieren que únicamente se mida la

corriente de la conexión en el punto de medición.

CONFIGURACIÓN DEL TIPO DE CONEXIÓN Y TIPO DE ESTUDIO

Para la configuración de la topología y tipo de estudio, vaya a Meter (Multímetro)

> Cambiar configuración (Change Configuration) Figura 37.

108

Figura 37. Ventana Meter

Al ingresar a la opción , se presentan las opciones de tipo de estudio y topología

del sistema que se quiere medir.

De igual forma para ingresar a las opciones se puede dar click sobre cada opción o con las flechas,

pulsando Enter. (Figura 38)

109

Figura 38. Ventana cambiar configuración

Al ingresar a la ventana de estudio de energía, se selecciona estudio de energía, que es el

requerido para esta medida. Y Enter. (Figura 39)

Figura 39. Ventana cambiar configuración de tipo de estudio

Para la configuración de la topología como ya se mencionó, depende de la instalación donde

se realizará la medida, una vez identificada la topología se selecciona una opción y se pulsa

Enter. (Figura 40)

110

Figura 40. Ventana cambiar configuración de la topología

Las demás opciones se dejan como las predeterminadas.

5. Conexión del equipo

Luego de identificar la topología que presenta en su hogar proceda a realizar la conexión en la caja

de Breakers como se observa en la Tabla 28, tome las medidas de seguridad necesaria para su

seguridad.

6. inicio de registro

Para iniciar el registro de clic en el botón con lo cual se dará inicio a la medida,

con los parámetros anteriormente establecidos.

Nota: recuerde que el equipo debe estar conectado (cargando) durante TODA la medición

SIN INTERRUPCION.

111

ANEXO 4. PROTOCOLO PQA

Tabla 29:

Datos Básicos de la medida.

Datos Básicos de la medida


Medición


Localización Física (CAJA

DE BREAKERS)

Tipo de conexión utilizada Topología Seleccione

Monofase

Fase dividida

3φ – en estrella


Fecha de Medición


Hora de inicio


Día de inicio


Pasos para conexión

112

¡ CAUTION !

Para evitar el riesgo de sufrir una descarga eléctrica o dañar el equipo, y antes de realizar

ninguna conexión al instrumento, lea y siga las advertencias y precauciones de seguridad

incluidas en el Manual de uso del instrumento.

7. Interfaz inicial

Al encender el equipo lo primero que verán será el menú general. (Figura 29)

Figura 41. Pantalla menú principal

Con la selección actual se muestra con el fondo de color rojo en la pantalla y su título en la parte

inferior de la pantalla. En las secciones siguientes se encuentran disponibles en el medidor:

- La sección Configuración general permite configurar los parámetros del sistema de

medida, como la fecha / hora, idioma, brillo de la pantalla, la protección de contraseña,

claves de sonido en el poder de auto presión y el tipo de memoria.

- La sección de valores de tiempo real permite ver los valores de medición del tiempo real

en la pantalla bajo diversos formatos.

113

- La sección de configuración del analizador permite definir las configuraciones simples y

avanzadas relativas a la conexión del medidor a la instalación.

- La sección de configuración de la grabadora que permite seleccionar los parámetros para

cada grabación y ver la información sobre la autonomía del metro durante el

funcionamiento.

- La sección Resultados de la grabación, permite ver la lista de todas las grabaciones

guardadas en la memoria interna, para la memoria cancelar las operaciones y la

transferencia de la fecha en la externa USB Pen Driver.

- La sección de información del medidor que permite acceder a la información general sobre

la medición (número de serie, versión de firmware y software interno, etc ...).

8. Configuración del analizador

Figura 42. Configuración del analizador.

114

Dentro de esta sección se realizan las configuraciones relacionadas con el tipo de instalación

eléctrica en la que se está midiendo, en general es posible seleccionar el tipo de sistema y la

frecuencia.(Figura 43)

Figura 43. Pantalla Configuración del analizador.

En la pantalla de configuración del analizador, en la opción system se selecciona el sistema, en

concordancia con el sistema a medir, posteriormente se selecciona la opción frecuencia y se

modifica a 60Hz, finalmente se selecciona mediante la pantalla táctil en el chulo verde .

A CONTINUACIÓN SE PRESENTAN LOS TIPOS DE CONEXIONES DISPONIBLES JUNTO

CON EL DIAGRAMA DE CONEXIÓN. Tabla 30 (SU SELECCIÓN DEPENDE DE LA

TOPOLOGÍA EN SU HOGAR)

115

Tabla 30:

Topologías del sistema a medir.

Monofásico

ARON

Trifásica

116

9. Configuración de la grabación

Figura 44. Configuración de la grabación.

En esta sección se define cualquier detalle relativo al inicio y parada de las grabaciones, realizar

la selección de los parámetros para la grabación, el tipo de análisis que se lleva a cabo muy

fácilmente gracias a la "pantalla táctil" pantalla. (Figura 45)

Figura 45. Pantalla Configuración de la grabación.

En la opción comments se fija el nombre de la medición, pulsando sobre la opción. en el

parámetro start:manu se define la fecha y la hora de inicio de la grabación y stop:manu la fecha

y hora de terminación de la grabación, la opción general parameters permite la selección de

117

parámetros a grabar, voltaje, corriente, potencia y factor de potencia, por último la opción

integration period permite fijar el tiempo de la toma de muestras que será para esta medición 2

minutos . Se da click en el culo verde al terminar la configuración.

10. Inicio de la grabación

El medidor está diseñado para iniciar una grabación en modo manual o automático pulsando la

tecla de GO / STOP. Una operación de grabación puede iniciarse exclusivamente bajo las

siguientes pantallas:

GENERAL MENÚ (con cualquier icono seleccionado).

VENTANA DE VISUALIZACIÓN EN TIEMPO REAL (en cualquier pantalla interna).

Para activar y desactivar las grabaciones con medidor. Las opciones posibles son:

- Manu: Cada grabación está activado / desactivado en el modo manual pulsando la tecla

GO / STOP.

- Auto: Cada grabación está activado / desactivado en modo automático, a partir de un medio

y válida la fecha / hora mediante prensado preliminar de tecla GO / STOP.

La configuración por defecto es siempre el modo manual para cambiar del modo manual al modo

AUTO se lleva a cabo los siguientes pasos:

1. Mover el cursor con las teclas de flechas en el campo relativo a "Inicio: Manu" o

"Stop: Manu", marcado con el fondo azul.

2. Pulse la tecla F4 (o bien tocar el modificar en pantalla). En la parte inferior de la pantalla se

imprime una barra de comandos con "Manu".

118

3. Pulse la tecla F3 (MOD (+)) o F4 (MOD (-)) y seleccionar "Auto".

4. Use las teclas de flechas izquierda o derecha para moverse en los campos de fecha y hora.

Utilizando la tecla de flecha hacia arriba o la tecla (MOD (+)) F3 para aumentar el valor y la tecla

de flecha hacia abajo o F4 (MOD (-)) clave para reducir el valor.

5. Pulse GUARDAR o la tecla ENTER (o el icono inteligente) para guardar las configuraciones.

El modo automático y de la fecha / hora se imprimen en la pantalla.

ANEXO 5 . ESPECIFICACIONES TECNICAS, EQUIPOS SELECCIONADOS DISEÑOS

FOTOVOLTAICOS

Documents

EVALUACIÓN DEL APLANAMIENTO DE LA CURVA …repository.udistrital.edu.co/bitstream/11349/4568/1/Castellanos... · del Wh fotovoltaico y tiempo de retorno de inversión con la exención