See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/322218686

Optimal programming of insulator washing in transmission lines and

substations

Conference Paper · October 2017

DOI: 10.1109/CHILECON.2017.8229557

CITATIONS READS
0 15

3 authors, including:

Marcelo Cortés Jessica Guevara

University of Antofagasta Universidad Tecnológica de Panamá
34 PUBLICATIONS   187 CITATIONS    29 PUBLICATIONS   30 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Optimal packaging of lithium-ion batteries View project

Atacamatec View project

All content following this page was uploaded by Marcelo Cortés on 12 February 2018.

The user has requested enhancement of the downloaded file.

 IEEE CHILECON2017 – ISSN 0719-6806, Págs. 445-451, Pucón, Chile, 18 al 20 Octubre 2017

Optimal Programming of Insulator Washing in

Transmission Lines and Substations
Marcelo Cortés-Carmona, Member; IEEE
Depto. Ingeniería Eléctrica
Universidad de Antofagasta
Antofagasta, Chile
marcelo.cortes@uantof.cl
Pablo Medina
Depto. Ingeniería Eléctrica
Universidd de Antofagasta
Antofagasta, Chile
pablo.medina@uantof.cl
Yessica Guevara-Cedeño Member; IEEE
Depto. Ingeniería Eléctrica
Universidad Tecnológica de Panamá
Ciudad de Panamá, Panamá
jessica.guevara@utp.ac.pa

Abstract— In this paper, we developed a mathematical model indicadores de energía no suministrada.

based on binary optimization that allows finding solutions of
minimum cost for the problem of resources allocation for the
insulators washing in transmission lines and substations. The
mathematical model proposed is binary linear type, and allows
obtaining an allocation plan of resources used for the insulator
washing of transmission lines and substations. Another
characteristic of the algorithm is that it is of the dynamic type,
where nE steps (months) and nT (sections of lines) are considered.
The proposed model was applied to several test cases, obtaining
optimal insulator washing programs, which fully complies with
the restrictions of human and physical resources availability.
Finally, the proposed model is applied to a real case that
corresponds to the southern part of the transmission system of
Antofagasta area, Chile. This system consists of 35 sections with a
horizon of 12 months. The obtained results allow to obtain an
annual insulators washing maintenance plan and to reduce the
costs with respect to the previous year in a 33.9%.
Keywords—Integer linear programming; Maintenance
engineering; Transmission lines
I. INTRODUCCIÓN
Las líneas de transmisión, como su nombre lo indica, son
aquellos conductores eléctricos que transportan grandes
cantidades de energía eléctrica dentro de los diferentes puntos
del Sistema Eléctrico de Potencia (SEP), suministrando
energía a grandes clientes y centros de consumo o ciudades.
Dado el impacto que implica la desconexión o salida de
servicio de las líneas de transmisión, es de gran importancia
mantener su disponibilidad, a través de la aplicación de
técnicas de mantenimiento preventivo y correctivo; energizado
o des-energizado.
Una de las principales actividades del mantenimiento
preventivo, la compone el lavado de aisladores, lo cual
permite eliminar o minimizar la ocurrencia de fallas
restringiendo así depósitos contaminantes que disminuyen la
capacidad aislante de las estructuras. El origen del lavado de
aisladores nace por la necesidad de mantener en buenas
condiciones de aislación los circuitos aéreos energizados con
la finalidad de disminuir la interrupción del suministro
eléctrico. De esta forma, se busca lograr mejorar los
This work was supported in part by the project CONICYT/FONDAP
15110019 Solar Energy Research Center” SERC-Chile.
Por las condiciones climatológicas del Norte Grande de
Chile, se hace necesario controlar los niveles de
contaminación de los aisladores dado que, a diferencia de la
zona central del país, en la zona norte no se cuenta con lavado
natural (precipitaciones).
La planificación del mantenimiento de lavado de aisladores
es una tarea compleja, ya que requiere resolver el problema de
asignar recursos humanos y físicos para el servicio que se
debe prestar a cada tramo de línea durante un horizonte de
tiempo. Esta actividad se debe resolver además tratando de
reducir los costos. Habitualmente este problema es resuelto en
forma empírica por ingenieros, en donde tiene alta relevancia
la experiencia. De la experiencia industrial se ha observado
que esta tarea es en pocas ocasiones resuelta completamente,
teniéndose habitualmente soluciones no factibles las cuales
son parchadas en tiempo real. En este escenario la calidad de
las soluciones encontradas en términos de costos es aún más
incierta, dado que el mayor esfuerzo se dedica a encontrar
soluciones factibles.
En este trabajo se propone una metodología basada en
modelamiento matemático que permite resolver el problema
planteado. El principal aporte de este trabajo consiste en el
modelo matemático desarrollado el cual busca considerar las
restricciones más relevantes del problema. Se realizó una
investigación bibliográfica sobre el tema, pero no se
encontraron propuestas que resolvieran el problema como se
plantea en este trabajo. El desarrollo de este artículo se
organizó de la siguiente forma: en la sección II se presentan
las técnicas de lavado de aisladores energizados. En la sección
III se plantea el modelo matemático que permite resolver el
problema. En la sección IV se presenta un problema ejemplo a
pequeña escala que ilustra el funcionamiento del modelo.
Posteriormente en la sección V se entregan los resultados
obtenidos para un caso real. Finalmente, en la sección VI se
presentan las conclusiones de esta investigación.
II. TÉCNICAS DE LAVADO UTILIZADAS EN AISLADORES
ENERGIZADOS
En las técnicas de lavado de aisladores con sistemas
energizados, se aplica sobre los aisladores un chorro de agua
desmineralizada a alta presión. Esto permite que los aisladores

- 445 -
estén limpios, logrando así aislar el conductor del brazo de la
torre que lo sujeta evitando fugas de corrientes eléctricas. De
esta forma, los aisladores de líneas de transmisión y
subestaciones eliminan la suciedad depositada en ellos y
evitan un alto número de desconexiones. De acuerdo a lo
expuesto anteriormente es importante destacar que dichos
trabajos se intensifican en las zonas costeras e industriales,
donde existe mayor cantidad de partículas contaminantes. Para
la ejecución de estos lavados, las empresas habitualmente
utilizan dos técnicas las que se denominan; a) Pitón en Mano y
b) Pitón Controlado a Distancia (pitón remoto).
El lavado de aisladores con pitón remoto consiste en
aplicar un chorro de agua desmineralizada a la cadena de
aisladores con el pitón montado en una grúa, cuya operación
se realiza desde una cabina instalada en el chasis del camión.
Para realizar esta tarea se requieren dos personas calificadas
en este tipo de trabajos. Esta clase de lavado se aplica en
líneas de transmisión con estructuras sobre los 25 m de altura,
por lo que su uso se restringe a líneas aéreas de transmisión en
configuración de doble circuito con un nivel de tensión de 110
kV ó 220 kV. En relación a la técnica de lavado con pitón en
mano, se requieren cuatro personas calificadas, quienes
realizan esta función sobre una canastilla montada en una grúa
hidráulica, la cual se encuentra instalada al chasis de un
camión. Por otra parte, para el lavado de subestaciones se
necesitan cinco personas calificadas, quienes deben
posicionarse a nivel de piso, o que trabajen en altura física
trepando la estructura metálica. Esta técnica es aplicable en
todas las instalaciones eléctricas y lleva consigo el riesgo de
exposición a puntos energizados y altura física. A modo de
ejemplo, las Figuras 1a, 1b y 1c muestran tres tipos de
camiones utilizados por las empresas en el norte de Chile para
el lavado de aisladores, [1].
(a) (b)
(c)
- 446 -
Fig. 1. (a) Camión para lavado de líneas con menos de 25 metros. (b) Camión
para lavado de líneas sobre 25 metros (pitón remoto). (c) Camión para lavado
en S/E.
III. PLANTEAMIENTO DE UN MODELO MATEMÁTICO
En muchas ocasiones, la organización o los procesos de
producción de las empresas funcionan adecuadamente, pero
hay una percepción de que estos son susceptibles de una
mejora, en particular si se aplican modelos matemáticos más
elaborados. Una de las herramientas disponibles hoy en día
para abordar los problemas de ingeniería es la optimización, la
cual se ha venido aplicando en forma masiva en una gran
cantidad de problemas industriales [2], [3].
En esta sección se plantea un modelo matemático que busca
dar solución al problema de asignación de recursos humanos
para el lavado de aisladores en líneas de transmisión y
subestaciones de una empresa transmisora. El problema
consiste en que se deben realizar lavados a los aisladores de
líneas de transmisión y SS/EE de una determinada área
geográfica durante un periodo de tiempo. Técnicamente, el
problema consiste en que dado un conjunto de tramos de líneas
de trasmisión se requiere determinar para cada etapa (meses),
los tramos que deben ser atendidos con lavados de aisladores.
Para cada tramo se debe respetar el programa de lavados que le
corresponde, el cual puede ser: cada una etapa, cada 2 etapas,
etc. Asimismo, se dispone de una cantidad de recursos
humanos específicos para cada etapa, y una cierta cantidad de
camiones lavadores. Los camiones lavadores deben estar
ubicados en puntos estratégicos de manera que se puedan
cumplir con el plan de mantenimiento minimizando así, los
costos de combustible de dichos móviles.
A. Función objetivo
La función objetivo del problema consiste en minimizar los
costos de combustibles utilizados para atender el servicio de
lavado de aisladores de líneas de transmisión y subestaciones
(SS/EE). La variable de decisión consiste en determinar si un
tramo de una línea debe ser o no lavado. Para esto se define
una variable binaria, “y”, la cual toma el valor “1” cuando se le
asigna recurso para lavado a un tramo de línea, y “0” cuando
no se le asigna. Para un sistema donde el subíndice k
corresponde al tramo k de una línea, y el subíndice t a la etapa t
dentro del periodo de análisis, la variable de diseño para un
problema general, queda definida de la siguiente manera.
1 si tramo k se lav a en el mes t
yk t  
0 en caso co n trario
Definida la variable de decisión, la función objetivo tiene la
siguiente forma:
 nT nE 
 Z  min   ckt  ykt   
 k 1 t 1 
donde:
nT : Número total de tramos
nE : Número total de etapas (meses)
k : Subíndice que identifica al tramo de línea k.
t : Subíndice que identifica a la etapa (mes) t.
ckt : Costo de combustible por atender el tramo k en el mes t HHtpi t : Horas hombre disponibles para camión tipo pitón
remoto en el mes t
El problema de minimización de los costos de Al incluir las restricciones (3) y (4), ya no es necesario
mantenimiento de líneas de transmisión y SS/EE se plantea considerar la restricción (2), ya que (2) se desdobla en las
como un problema de programación entera dinámico de nE restricciones (3) y (4).
etapas, donde en cada etapa se dispone de nT opciones D. Restricciones de mantenimiento
(tramos) sobre las que se debe decidir a cuales se les
asignarán recursos para lavado. Las decisiones tomadas en La restricción de mantenimiento tiene relación con la
una determinada etapa afectan las futuras determinaciones, cantidad de veces que se debe realizar mantenimiento a un
por lo que se deben modelar restricciones de acoplamiento tramo durante el período de análisis. La experiencia de los
entre etapas. Adicionalmente, en cada mes existen ingenieros permite determinar el período mínimo para realizar
limitaciones de recursos humanos, (RRHH), por lo que la lavados de los diferentes tramos. Los períodos en que cada
tramo debe ser atendido con lavados son los siguientes: todos
decisión óptima requiere un análisis de todo el período de
mantenimiento. La función definida en (1) minimiza la suma los meses, cada 2 meses, cada 3 meses, cada 4 meses, cada 6
de costos de combustible requerido para atender los tramos meses o cada 12 meses. Cada uno de los períodos de servicio
para todos los meses del periodo de análisis. prestados a las líneas debe ser modelado en forma particular.
Las siguientes ecuaciones representan las restricciones de
B. Restricciones de recursos humanos periodicidad de mantenimiento para los diferentes casos.
Una de las restricciones importante es la que se relaciona
con la disponibilidad del recurso humano. De esta manera se Período de lavado todos los meses (C1)
nE
tiene que para cada etapa t, se dispone de una cantidad
máxima de horas hombre (HH). Esta restricción se representa  y
t 1
kt  nE , k  1,...,nT  
a través de la siguiente ecuación:
Período de lavado cada 2 meses (C2)
n 
nT nE
  akt  ykt  HH t , t  1,...,nE    y
t 1
 ceil  E , k  1,...,nT 
kt
2

k 1
donde: Período de lavado cada 3 meses (C3)
HHt : Horas hombres disponibles en el periodo t. nE
n 
akt : Horas hombre requeridas para atender el tramo k en el
 y
t 1
 ceil  E , k  1,...,nT 
kt
 3

mes t. Período de lavado cada 4 meses (C4)
Esta restricción indica que la suma de los recursos que se
n 
nE
pueden asignar en cada etapa t debe ser menor o igual a la
cantidad de horas hombres disponibles HHt en el mismo mes.
 y
t 1
 ceil  E , k  1,...,nT 
kt
4


En este modelo se supone que todos los recursos humanos Período de lavado cada 6 meses (C6)
n 
nE
estás disponibles al principio de cada etapa.
C. Restricciones de camión con pitón remoto
 
t 1
ykt  ceil  E , k  1,...,nT 
6


Los camiones con pitón remoto son utilizados para el Período de lavado cada 12 meses (C12)
n 
nE
lavado de aisladores de líneas de transmisión aéreas de 220 kV
y 110 kV en configuraciones doble circuito. Estas líneas son  t 1
ykt  ceil  E , k  1,...,nT 
 12

las de mayor longitud y por lo tanto, tienen un gran número de
estructuras. Esta restricción tiene como objetivo dar prioridad donde ceil() redondea al entero mayor más cercano del
a la asignación de recursos humanos a los tramos de líneas que argumento.
son mantenidas por este tipo de camión, debido a que se
requiere una menor cantidad de HH (dos personas) lo que hace Adicional a las restricciones (5) - (10), se deben incluir
que esta técnica sea la más eficiente. Las restricciones que restricciones de acoplamiento entre los meses para garantizar
modelan esta situación son: la continuidad de un período de lavado cuando éste se inicia.
nTpi t Por ejemplo, si el tramo k se inicia el proceso de lavado en el
 a kt  ykt  HH tpi t, t  1,...,nE   mes 4, y la periodicidad de lavado es cada dos meses,
k 1 entonces al mes siguiente, (mes 5) no se le debe asignar
nT
recursos para lavado. De esta manera la variable adquiere los
 a kt
k  nTpi t1
 ykt  HH t  HH tpi t, t  1,...,nE   siguientes valores: yk4 1, yk5  0, yk6 1. Se supone que el
donde: tiempo que toma realizar el lavado de cualquier tramo puede
ser cubierto dentro del mes. Las siguientes ecuaciones
nTpi t : Número total de tramos mantenidos con camión tipo
modelan este efecto:
pitón remoto

- 447 -
Periodo de lavado todos los meses
l
 y
t 1
kt  1, l  1,...,nE , k  C1 
Periodo de lavado cada 2 meses:
tramos: nT = 4, Número de tramos con camión pitón remoto:
nTpit = 1. Número de meses del periodo de análisis nE = 6.
 Según la restricción (6), para el tramo de línea 1 (TR1), el
que tiene una periodicidad de lavado de 2 meses (C2) se tiene:
n   6
nE

y
l 1
  ceil  E   ceil    3, k  1.  
 y
t l
kt  1, l  1,...,nE  1, k  C 2  
t 1
kt
 
2  2
Se determina que TR1 debe ser lavado 3 veces dentro de un
Periodo de lavado cada 3 meses:
período de 6 meses. La restricción (18) queda establecida
l 2 como:
 y
t l
kt  1, l  1,...,nE  2, k  C 3   y11  y12  y13  y14  y15  y16 3
Periodo de lavado cada 4 meses: Junto con (18), se debe considerar la restricción (12), la cual
l 3 escrita explícitamente se traduce en las siguientes
 y
t l
kt  1, l  1,...,nE  3, k  C 4   restricciones:

Periodo de lavado cada 6 meses: y11  y12 1; y12  y13 1; y13  y14 1; y14  y15 1; y15  y16 1.
l 5
Este conjunto de restricciones opera de la siguiente forma: Si
 y
t l
kt  1, l  1,...,nE  5, k  C 6   un plan asigna recursos al mes 1, entonces la asignación de
variables se hará de la siguiente forma:
Periodo de lavado cada 12 meses:
y11 1; y12 0; y13 1; y14 0; y15 1: y16 0.
l 11
 y
t l
kt  1, l  1,...,nE  1 1, k  C12   Por otra parte, si un plan asigna recursos al mes 2, la
asignación de variables será de la siguiente forma:
Periodo de lavado cada N meses:
y11 0; y12 1; y13 0; y14 1; y15 0: y16 1.
l  N 1
 y
t l
kt  1, l  1,...,n E  ( N  1), k  CN   Para el caso de la línea 2 (TR2) la cual tiene una
periodicidad de lavado cada 3 meses (C3), la restricción (7)
CN corresponde al conjunto de tramos de la clase k, donde k queda de la siguiente forma:
puede ser 1, 2, 3, 4, 6 ó 12.
n   6
nE
 y
 ceil  E   ceil    2, k  2 
kt
 3  3

IV. EJEMPLO DE APLICACIÓN t 1
Se determina que TR2 debe lavarse 2 veces dentro de un
Para comprender de mejor forma el modelo matemático, se período de 6 meses, Luego, (19) se expresa explícitamente
desarrolla un ejemplo ilustrativo el cual consiste en programar como:
los lavados de 4 tramos de líneas de transmisión dentro de un
período de 6 meses. Sólo para el tramo 1 se hará y21  y22  y23  y24  y25  y26 2
mantenimiento con camión tipo pitón remoto. En la Tabla I se Asimismo, la restricción (13) queda establecida como:
muestran las periodicidades de lavado de aisladores de cada y21  y22  y23  1; y22  y23  y24  1;
tramo de línea de transmisión, y además, las HH necesarias
y23  y24  y25  1; y24  y25  y26  1.
para cubrir el mantenimiento.
Este conjunto de restricciones opera como sigue: Si un plan
TABLA I asigna recursos al mes 1, entonces la asignación de variables
REQUERIMIENTOS PARA EL MANTENIMIENTO DE TRAMOS DE LÍNEAS DE se hará de la siguiente forma:
TRANSMISIÓN.
Periodo Cantidad y21 1; y22 0; y23 0; y24 1; y25 0: y26 0.
Personal Horas/ HH
Línea mantención
requerido día
de días de
requeridas Por otra parte, si el plan asigna recursos a partir del mes 2, se
[meses] faena tiene:
Tramo 1 2 2 5 10 100
Tramo 2 3 4 5 15 300 y21 0; y22 1; y23 0; y24 0; y25 1: y26 0.
Tramo 3 4 4 5 10 200 Finalmente, si el plan parte en el mes 3, se tiene:
Tramo 4 6 5 5 15 375 y21 0; y22 0; y23 1; y24 0; y25 0: y26 1.
Las HH son el resultado del producto entre el número de Existen por lo tanto, tres maneras de escoger un plan de
personas necesarias para el mantenimiento, las horas diarias asignación de recursos para una línea cuya periodicidad de
de trabajo y la cantidad que días que dura la faena. lavado es cada 3 meses.
En primera instancia se analizará la cantidad de veces que Para el tramo de línea 3 (TR3), según la restricción (8) con
se debe intervenir cada tramo de línea dentro de un período de una periodicidad de lavado de 4 meses (C4) se tiene:
6 meses. Los datos generales del problema son: Número de

- 448 -
 Horas/día 5 5 5 5 5 5
n   6
nE
  ykt  ceil  E   ceil    ceil 1.5  2, k  3   Días hábiles por mes 20 20 20 20 20 20
t 1 4  4 HH disponible 600 600 600 600 600 600
Se determina que TR3 se debe lavar 2 veces dentro de un Luego de tener claridad sobre la fuerza de trabajo mensual
período de 6 meses, respetando la periodicidad asignada. La disponible, se asignarán las HH disponibles para el lavado de
restricción (20) queda establecida como: aisladores con el camión con pitón remoto. En la Tabla III se
y31  y32  y33  y34  y35  y36 2 muestra la disponibilidad de HH para el uso de este camión,
Asimismo, la restricción (14) queda establecida como: que para este ejemplo en particular, solo se podrá utilizar 15
días por mes.
y31  y32  y33  y34  1; y32  y33  y34  y35  1;
y33  y34  y35  y36  1. TABLA III
HORAS HOMBRES DISPONIBLES PARA EL USO DE CAMIÓN CON PITÓN REMOTO
En este caso, las posibilidades de escoger planes de
asignación de recursos son 2, donde algunos de estos planes Meses Ene Feb Mar Abr May Jun
son: Si un plan asigna recursos al mes 1, entonces la No de personas 2 2 2 2 2 2
asignación de variables se hará de la siguiente forma: Horas/día 5 5 5 5 5 5
y31 1; y32 0; y33 0; y34 0; y35 1: y36 0. Adicionalmen- Días disponibles
te, si un plan asigna recursos al mes 2, entonces la asignación para camión con 15 15 15 15 15 15
pitón remoto
de variables se hará de la siguiente forma: HH Disponibles
y31 0; y32 1; y33 0; y34 0; y35 0: y36 1. Finalmente, si para camión con 150 150 150 150 150 150
pitón remoto
un plan asigna recursos al mes 3, entonces la asignación de
variables se hará de la siguiente forma:
Las HH disponibles para el uso de camión con pitón remoto
y31 0; y32 0; y33 1; y34 0; y35 0: y36 0. Sin embargo,
son el resultado del producto entre el número de personas
este caso viola la restricción (20), lo que produce una necesarias para realizar este tipo de lavado, las horas diarias
infactibilidad en el problema. Existen dos alternativas para de trabajo y la cantidad de días con que se dispone de este
tratar esta infactibilidad. La primera, es no considerar este camión. Ahora que se tiene conocimiento de la fuerza de
caso. La segunda, modificar la restricción (20) a la forma (21), trabajo mensual y las HH disponibles para el uso de camión
n  E n 
n
con pitón remoto, se modelarán a continuación las

 4  t 1

floor E   ykt  ceil  E , k  3 
4
 restricciones (3) y (4).
donde floor() es el entero menor más cercano al argumento. 1

Finalmente, para el tramo de línea 4 (TR4), según la  1 0 0 y

k 1
1t  1 5 0, t  1,...,6  
restricción (9) con una periodicidad de lavado de 6 meses (C6)
4

a
se tiene:
 kt  yk t  6 0 0 1 0 0 5 0 0, t  1,...,6  
n   6
nE


k 2
 ykt  ceil  E   ceil    1, k  4  
t 1  
6  6 La primera ecuación demuestra que los recursos humanos
Se determina que TR4 debe lavarse una vez dentro de un asignados (100 HH) en los meses "t", son menores o iguales a
período de 6 meses. La restricción (22) queda establecida 150 HH. Mientras que la segunda ecuación indica que los
como: meses donde fueron asignadas las 100 HH, se descontarán del
y41  y42  y43  y44  y45  y46 1. total disponible, quedando así el resto de las HH para cubrir
Asimismo, la restricción (15) queda establecida como: los otros tres lavados. En forma explícita se tiene:
y41  y42  y43  y44  y45  y46 1. 1 0 0 y11  1 5 0, 1 0 0 y12  1 5 0, 1 0 0 y13  1 5 0;
En este caso se tiene que existen 6 posibilidades, las cuales
1 0 0 y14  1 5 0, 1 0 0 y15  1 5 0, 1 0 0 y16  1 5 0;
son: partir con la mantención en el mes 1, o partir con la
mantención en el mes 2, etc. 3 0 0 y 21  2 0 0 y31  3 7 5 y41   5 0 0;
Para dar cumplimiento a la restricción de camión con pitón 3 0 0 y22  2 0 0 y32  3 7 5 y42   5 0 0;
remoto, se necesita además, tener conocimiento de las HH 3 0 0 y23  2 0 0 y33  3 7 5 y 43   5 0 0;
disponibles cada mes, dando prioridad a esta técnica de lavado
de aisladores. La Tabla II muestra la fuerza de trabajo mensual 3 0 0 y24  2 0 0 y34  3 7 5 y44   5 0 0;
disponible, expresada en HH que se obtiene del producto entre 3 0 0 y 25  2 0 0 y35  3 7 5 y45   5 0 0;
el número de personal con la que cuenta el área de 3 0 0 y 26  2 0 0 y36  3 7 5 y 46   5 0 0;
mantenimiento, las horas diarias de trabajo y los días hábiles
mensuales. Para resolver este problema se creó un programa en Matlab.
TABLA II Debido a que se requiere resolver un problema binario, se usa
HORAS HOMBRES DISPONIBLES PARA REALIZAR EL MANTENIMIENTO
la rutina que dispone Matlab, denominada “intlinprog” [4].
Meses Ene Feb Mar Abr May Jun Ingresada la información requerida por el programa, se
Número de personas 6 6 6 6 6 6 obtienen los resultados que se presentan en la Tabla IV, donde

- 449 -
se indica que los meses codificados en valor 1, son utilizados asegurar la confiabilidad de las instalaciones que componen el
para la asignación de recursos, siendo cero en caso contrario. sistema eléctrico de E-CL.
El área de Explotación Transmisión Zona Antofagasta
TABLA IV
SOLUCIÓN ENTREGADA POR MODELO MATEMÁTICO
(ETZA), tiene como objetivo principal asegurar la
Línea Ene Feb Mar Abr May Jun disponibilidad de las Instalaciones que conducen la energía
Tramo 1 1 0 1 0 1 0 eléctrica desde la Central Térmica Mejillones hacia sus
Tramo 2 0 0 1 0 0 1 consumidores (área sur-oeste del sistema). Para cumplir con la
Tramo 3 1 0 0 0 1 0 disponibilidad del servicio, el área de ETZA cuenta con una
Tramo 4 0 1 0 0 0 0 serie de actividades, entre las que destaca el lavado de
aisladores. El área tiene a su cargo el mantenimiento de 6
Luego de obtener la información expresada en código líneas de 220 kV, 7 líneas de 110 kV, 4 líneas de 23 kV, lo
binario, los valores 1 son relacionados con las HH asignadas que totaliza 630 km de líneas. Asimismo, le corresponde
al tramo correspondiente. Por ejemplo, en el mes de enero se atender 9 SS/EE. Para efectos de la simulación, fue necesario
debe realizar el lavado de aisladores del tramo 1, donde fueron dividir algunas líneas en tramos con el fin de facilitar la
asignadas 100 HH. Una vez relacionados los cuatro tramos representación del problema. De esta manera se tiene que el
con sus respectivas HH, el programa de mantenimiento número total de tramos a considerar es 35. En estos, se incluye
entrega el resultado expuesto en la Tabla V. líneas y SS/EE.
Por otra parte, se tiene que se dispone de 12 operadores
TABLA V
SOLUCIÓN ENTREGADA POR EL MODELO MATEMÁTICO EN HH para atender las tareas. La Tabla VI muestra la cantidad de HH
disponibles para el lavado en donde se han considerado
Línea Ene Feb Mar Abr May Jun aspectos como vacaciones y horas de trabajos diarias.
Tramo 1 100 0 100 0 100 0 En lo que se refiere a los requerimientos de horas hombres
Tramo 2 0 0 300 0 0 300
para atender cada tramo de línea y SS/EE, en el apéndice A se
Tramo 3 200 0 0 0 200 0
Tramo 4 0 375 0 0 0 0 entrega la tabla que incluye esta información. Finalmente,
HH Total 300 375 400 0 300 300 existen 19 tramos que deben ser atendidos con camión con
pitón remoto, los que corresponden a los primeros 19
De acuerdo a la Tabla V se obtiene como resultado la elementos de la tabla presentada en el Apéndice A
efectividad del algoritmo desarrollado, ya que logra cumplir
con cada una de las restricciones, las cuales son las siguientes: TABLA IV (a)
HORAS H OMBRES MENSUALES DISPONIBLES PARA LAVADO DE AISLADORES
a) Restricción de recurso humano: Donde las HH que fueron
asignadas por mes no superan las HH Disponibles para el Meses Ene Feb Mar Abr May Jun
mismo mes. b) Restricción de mantenimiento: Donde se Número de personas 12 12 12 12 12 12
respeta la periodicidad de lavado de cada tramo. c) Restricción Horas/Día 8 8 8 8 8 8
de camión con pitón remoto: Donde las HH programadas con Días Hábiles por mes 22 20 20 22 21 20
Horas hombre mes (HH) 2112 1920 1920 2112 2016 1920
esta técnica de lavado, no superan HH disponibles. Vacaciones (HH) 1032 648 360 0 0 0
En este ejemplo, no se consideraron costos reales por HH disponible (HH) 1080 1272 1560 2112 2016 1920
servicios a los tramos. Luego, para los costos se supuso un
valor de 1 UM por servir cualquiera de los tramos. Sin TABLA IV (b)
embargo, debido a la gran cantidad de restricciones que tiene HORAS H OMBRES MENSUALES DISPONIBLES PARA LAVADO DE AISLADORES
el problema, no cambia la solución para el caso en que se
Meses Jul Ago Sep Oct Nov Dic
incluyen diferentes costos a los tramos. Por lo tanto, la Número de personas 12 12 12 12 12 12
solución está fuertemente condicionada por las restricciones. Horas/Día 8 8 8 8 8 8
Días Hábiles por mes 22 21 18 22 20 21
V. APLICACIÓN A SISTEMA REAL Horas hombre mes (HH) 2112 2016 1728 2112 1920 2016
Vacaciones (HH) 104 0 32 24 0 72
Engie (ex E-CL) es una empresa que participa en la HH disponible (HH) 2008 2016 1696 2088 1920 1944
generación, transmisión y suministro de electricidad en Chile.
Es el cuarto mayor generador de electricidad en el país y el Considerando todos los antecedentes presentados en esta
mayor generador de electricidad en el Sistema Interconectado sección y tomando en cuenta además, que el periodo de
del Norte Grande (SING), con una potencia bruta instalada de análisis del problema es 12 meses, se tiene un modelo que
2.129 MW que representa cerca del 51% de la oferta de tiene 35 x 12 = 420 variables binarias, 24 restricciones de
energía del SING. Considerando la gran cantidad de activos desigualdad y 283 restricciones de igualdad.
físicos que posee la empresa, entre los que se encuentran una El problema se resuelve utilizando la rutina de Matlab,
parte del sistema de transmisión del SING, es de gran “intlinprog”. Debido a la cantidad de variables del problema
importancia mantener la disponibilidad de los componentes en la Tabla VII sólo se presenta la solución para los tramos
del sistema de transmisión a su cargo [5]. Por su parte, la que son atendidos con camión con pitón remoto. La tabla VII
Gerencia de Transmisión tiene como propósito principal, presenta también las HH totales por mes que se requieren para
cubrir el lavado de todos los tramos a través del año.

- 450 -
 La solución encontrada muestra que se cumplen todas las VII. APÉNDICE A. TABLA DE DATOS DE TRAMOS
restricciones. Además, se determina que existe una gran TABLA A.1 (a)
cantidad de HH no asignadas, lo cual abre una oportunidad PERIODICIDADES DE LAVADO Y HH ASIGNADAS A LOS TRAMOS DE LÍNEAS DE
para reasignar esos recursos en otras actividades. Por otra TRANSMISIÓN Y S/E
Periodo Duración HH
parte, se calculó el costo de combustible requerido para Instalaciones lavado
N°
lavado requerid
operadores
implementar esta solución, el que asciende a 42.320 USD y se [meses] [días] as
comparó con los costos del año anterior cuyo valor fue de Laberinto-El Cobre 12 2 1 16
El Cobre-Gaby (tramo 1) 6 2 1 16
64.120 USD, de lo que se deduce que se obtiene un ahorro de El Cobre-Gaby (tramo 2) 12 2 13 208
un 33,9%. Chacaya-El Cobre (tramo 1) 6 2 11 176
Chacaya-El Cobre (tramo 2) 12 2 3 48
Chacaya-El Cobre (tramo 3) 12 2 8 128
TABLA VII (a) Chacaya-El Cobre (tramo 4) 6 2 12 192
SOLUCIÓN ENTREGADA POR EL MODELO MATEMÁTICO EXPRESA EN HH Chacaya-El Cobre (tramo 5) 12 2 13 208
Chacaya-El Cobre (tramo 6) 12 2 20 320
Tramo Ene Feb Mar Abr May Jun Chacaya-Crucero (tramo 1) 4 2 6 96
Laberinto-El Cobre 0 0 0 0 0 0 Chacaya-Crucero (tramo 2) 12 2 3 48
El Cobre-Gaby (tramo 1) 0 0 0 16 0 0 Chacaya-Crucero (tramo 3) 12 2 20 320
El Cobre-Gaby (tramo 2) 0 0 0 208 0 0 Chacaya-Crucero (tramo 4) 12 2 11 176
Chacaya-Crucero (tramo 5) 6 2 14 224
Chacaya-El Cobre (tramo 1) 0 0 176 0 0 0 Chacaya-M Blancos (tramo 1) 4 2 7 112
Chacaya-El Cobre (tramo 2) 0 0 0 0 0 0 Chacaya-M Blancos (tramo 2) 4 2 11 176
Chacaya-El Cobre (tramo 3) 0 0 0 0 0 0 Chacaya-M Blancos (tramo 3) 3 2 4 64
Chacaya-El Cobre (tramo 4) 0 0 0 0 192 0 Capricornio-A Norte (tramo 4) 2 2 2 32
Chacaya-El Cobre (tramo 5) 0 0 0 0 0 0 Capricornio-Afta (tramo 1) 3 2 5 80
Chacaya-El Cobre (tramo 6) 0 0 0 0 0 0 Capricornio-A Norte (tramo 2) 3 4 4 128
Otros tramos 208 400 440 904 616 704 Capricornio-Afta (tramo 2) 3 4 2 64
Chacaya-GNLM + S/E 4 4 5 160
Total HH asignadas 208 400 616 1128 808 704
Total HH disponibles 1080 1272 1560 2112 2016 1920
TABLA A.1 (b)
Total HH no asignadas 872 872 944 984 1208 1216 PERIODICIDADES DE LAVADO Y HH ASIGNADAS A LOS TRAMOS DE LÍNEAS DE
TRANSMISIÓN Y S/E
Instalaciones Periodo N° Duración HH
TABLA VII (b) lavado operadores lavado requeridas
SOLUCIÓN ENTREGADA POR EL MODELO MATEMÁTICO EXPRESA EN HH [meses] [días]
Mejillones-Chacaya 4 4 1 32
Tramo Jul Ago Sep Oct Nov Dic Mejillones-Lince 2 4 1 32
Mejillones-Afta (tramo 1) 6 4 6 192
Laberinto-El Cobre 0 0 0 0 16 0
Mejillones-Afta (tramo 2) 4 4 3 96
El Cobre-Gaby (tramo 1) 0 0 0 16 0 0 Mejillones-Afta (tramo 3) 3 4 3 96
El Cobre-Gaby (tramo 2) 0 0 0 0 0 0 Mejillones-Afta (tramo 4) 4 5 1 40
Chacaya-El Cobre (tramo 1) 0 0 176 0 0 0 Afta-Altonorte (tramo 1) 4 5 1 40
Chacaya-El Cobre (tramo 2) 48 0 0 0 0 0 Afta-Altonorte (tramo 2) 4 4 5 160
Chacaya-El Cobre (tramo 3) 0 0 128 0 0 0 Negro-SQMSalar (tramo 1) 2 4 1 32
Chacaya-El Cobre (tramo 4) 0 0 0 0 192 0 S/E Capricornio 2 5 1 40
S/E El Cobre 4 5 4 160
Chacaya-El Cobre (tramo 5) 208 0 0 0 0 0
S/E Antofagasta 3 5 1 40
Chacaya-El Cobre (tramo 6) 0 0 0 320 0 0
Otros tramos 688 896 280 408 776 976
Total HH asignadas 944 896 584 744 984 976 AGRADECIMIENTOS
Total HH disponibles 2008 2016 1696 2088 1920 1944 Los autores agradecen a la empresa EC-L por facilitar la
Total HH no asignadas 1064 1120 1112 1344 936 968
información para las simulaciones del caso real y el apoyo
VI. CONCLUSIONES financiero entregado por el proyecto CONICYT/
FONDAP/15110019 “Solar Energy Research Center” SERC-
En este trabajo se ha desarrollado un modelo matemático Chile.
que permite resolver el problema de minimización de la
asignación de recursos humanos en el lavado de tramos de REFERENCES
líneas de transmisión y SS/EE. El modelo se aplicó en un [1] Alejandro Miranda and Christian Hidalgo, private communication,
"Propuesta de un modelo predictivo para la gestión del lavado de
sistema de prueba y en un sistema real. En ambos casos se aislación en área de explotación de Antofagasta en E-CL S.A.,"
obtienen soluciones factibles de costo mínimo. Basado en los Antofagasta, 2010, pp.
resultados obtenidos se concluye que el modelo propuesto es [2] Frederick Hillier and Gerald Lieberman, Introducción a la Investigación
confiable ya que entrega soluciones realistas. Además, es de operaciones. 9na ed., Mexico D.F.: McGraw-Hill/Interamericana
escalable a problemas de mayor tamaño. Por otra parte, de Editores, 2010, pp. 428-495.
simulaciones realizadas se concluye que la solución es [3] Laurence Wolsey, “Integer Programming. Canada: John Wiley & sons,
insensible a los valores de costos de los tramos, por lo que se Inc, 1998.
infiere que el principal aporte del modelo es encontrar [4] Matlab, Optimization Toolox. User’s guide. Mathworks, Inc. R2017a.
soluciones factibles. Finalmente, la aplicación del modelo a un [5] ENGIE. (2012) E-CL Memoria anual. [Online]. Available http://www.e-
cl.cl/prontus_ecl/site/artic/20130405/pags/20130405114335.php.
caso real permite encontrar una solución que reduce los costos
en un 33,9%.

- 451 -

View publication stats