Revista Ibérica de Sistemas e Tecnologias de Informação

Recebido/Submission: 02/11/2018
Iberian Journal of Information Systems and Technologies Aceitação/Acceptance: 06/01/2019

Integración de energías renovables en sistemas

de energía eléctrica convencionales basados en
confiabilidad computacional

Myriam Cumbajín1, Lourdes Ramírez2, Carlos Gordón3

myriamcumbajin@uti.edu.ec, lourdes.ramirez@ciemat.es, cd.gordon@uta.edu.ec

1
Universidad Tecnológica Indoamérica, 180103, Ambato, Ecuador.
2
Centro de Investigaciones Energéticas, Medioambientales y Tecnológicas, 28040, Madrid, España.
3
Universidad Técnica de Ambato, 180104, Ambato, Ecuador.
Pages:391–402

Resumen: Reportamos la exitosa confiabilidad computacional de la integración

de energía renovable en sistemas de energía eléctrica convencionales. De acuerdo
con los datos de recursos renovables obtenidos de la provincia de Imbabura, en
Ecuador, donde hay suficientes recursos renovables para generar energía limpia
con tres tipos de tecnología, como energía eólica, energía solar fotovoltaica y energía
termoeléctrica. Hemos podido realizar dos estudios de caso fundamentales, para
luego calcular los índices de confiabilidad gracias al uso del método Monte Carlo no
secuencial mediante la programación en Matlab. Los índices de confiabilidad nos
han permitido evaluar la confiabilidad del sistema. Debido al hecho de que cuanto
más bajo es el índice de confiabilidad, mayor es la confiabilidad del sistema. Como
resultado, el presente trabajo proporciona un método prometedor para aumentar
la confiabilidad de los sistemas de energía eléctrica y brindar soporte para la futura
integración de las energías renovables.
Palabras-clave: energía eléctrica; método Monte Carlo; índice de confiabilidad;
integración de energías renovables; Matlab.

Integration of Renewable Energies in Conventional Power Systems

based on Computational Reliability

Abstract: We report the successful computational reliability of integrating

renewable energy into conventional electric power systems. According to renewable
resources available in the province of Imbabura in Ecuador, where there are sufficient
renewable resources to generate clean energy with three types of technology, such
as wind energy, photovoltaic solar energy and thermoelectric energy. We have been
able to conduct two fundamental case studies, and then calculate reliability indices
using the non-sequential Monte Carlo method using Matlab programming. The
reliability indices allowed us to evaluate the reliability of the system. Due to the
fact that the lower the reliability index, the higher the reliability of the system. As

RISTI, N.º E19, 04/2019 391

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

a result, this paper provides a promising method for increasing the reliability of
electric power systems and supporting the future integration of renewable energies.
Keywords: electric power; Monte Carlo method; reliability index; renewable
energy integration; Matlab

1. Introducción
Las energías renovables tienen el propósito principal de obtener energía limpiamente,
debido al hecho de que este tipo de energía se obtiene de fuentes naturales prácticamente
inagotables (“The Importance of Alternative Energies”, s.f.). En los últimos años, la IEA
(Agencia Internacional de Energía) ha señalado constantemente que la energía renovable
ha crecido rápidamente en la última década, especialmente la energía solar y eólica
(André, De Castro & Cerdá, s.f.). Luego, la expansión proyectada actual de la energía
renovable pretende superar una cuarta parte de la producción total de electricidad
global para 2020 (“The most widely used renewable energy sources in the world”, s.f.).
Las energías renovables en América Latina, aunque ya han dado pasos importantes para
su desarrollo, aún se encuentran en una etapa incipiente en términos de la capacidad
instalada de tecnologías no convencionales. Pero de acuerdo con el estatuto de la OIE
(estrategia interbiética), todo parece indicar que la curva de crecimiento exponencial
que hemos visto en otras partes del mundo está a punto de cambiar la pendiente de esta
región. Por lo tanto, a mediano plazo, veremos avances significativos y la implementación
masiva de tecnologías renovables no convencionales para este grupo de países en
América Latina (“The Importance of Alternative Energies”, s.f.).
La matriz energética actual en el Estado ecuatoriano se basa básicamente en: fuentes de
generación eléctrica de origen fósil con aproximadamente 48.72% y con una contribución
del 49.67% de la energía de fuentes renovables, dentro de la cual la energía hidráulica
tiene su mayor contribución (47.68%), y el 1,61% corresponde a la interconexión por
importaciones (“National Energy Balance”, s.f.). Sin embargo, si agregamos las grandes
centrales hidroeléctricas, de las que depende más de la mitad del consumo de electricidad
de la región, se ubica como líder en energía renovable (“The most widely used renewable
energy sources in the world”, s.f.). Para lo cual, el gobierno y las administraciones están
comenzando a ver la importancia de satisfacer las necesidades energéticas con recursos
que no sean fósiles. De modo que, para el futuro, se espera que haga un uso extensivo
de energías alternativas: solar, eólica, geotérmica, hidroeléctrica y biomasa (“Ecuadorian
Initiative for Electrical Integration of the Andean Region advances with steady steps”, s.f.).
Frente a esta realidad, una alternativa es la integración de la energía de los recursos
renovables, que es un tipo de energía limpia y también permite satisfacer la creciente
demanda. El aumento en la penetración de fuentes renovables en el sistema de energía
puede afectar diferentes aspectos como: la confiabilidad del sistema, la calidad de la
energía y el funcionamiento de los sistemas de energía. Por lo tanto, se deben desarrollar
nuevas técnicas con el objetivo de evaluar el impacto de estos sistemas basados en
energías renovables (Ghaedi et al., 2013).
El objetivo del presente trabajo aborda el estudio de la confiabilidad de la generación de
electricidad con energías renovables y la integración con las fuentes convencionales en la
provincia de Imbabura, en Ecuador. Es importante destacar que los diferentes trabajos,

392 RISTI, N.º E19, 04/2019

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

relacionados con la confiabilidad del funcionamiento de un sistema de energía eléctrica,

mencionan que a menudo se usan varios métodos deterministas y probabilísticos
(Fayazi, Eghtedari, Abdollahi & Behzadipour, 2012; Ghaedi et al., 2013; Maldonado &
Pachari, 2012). En este trabajo, hemos aplicado el enfoque de simulación Monte Carlo
no secuencial. Además, un sistema eléctrico moderno es complejo, altamente integrado
y muy grande. Afortunadamente, se puede dividir en subsistemas o áreas funcionales
que son: generación, transmisión y distribución, las mismas que se pueden analizar
por separado (Maldonado & Pachari, 2012; Zapata & Campos, 2005). Así, el presente
trabajo se centra en el subsistema de generación. Este es un aspecto importante en la
planificación de la capacidad futura del sistema de expansión, para garantizar suficiente
capacidad viable para satisfacer la demanda en cualquier momento. Para poder medir
la confiabilidad del funcionamiento de un sistema de energía eléctrica, se obtiene
calculando los diferentes índices de confiabilidad. Estos son: LOLE (pérdida de la
expectativa de carga), EDNS (energía demandada no suministrada), LOLP (pérdida
de la probabilidad de carga) y LOEE (pérdida de la expectativa de energía). Como se
han utilizado en trabajos relacionados con la confiabilidad de la generación de energía
eléctrica (Billington, Ringlee & Wood, 1973; Fayazi, Eghtedari, Abdollahi & Behzadipour,
2012; Ghaedi et al., 2013; Maldonado & Pachari, 2012; Zapata & Campos, 2005).
Además, el presente trabajo analiza la variación de la confiabilidad del sistema de energía
eléctrica a medida que agrega la generación eléctrica a partir de fuentes renovables de
tres tipos de tecnología (eólica, fotovoltaica y solar térmica) al sistema de generación
de electricidad ecuatoriano. Las centrales de energía renovable están ubicadas en la
provincia de Imbabura, en la parte norte de Ecuador. La importancia de este trabajo
radica en el hecho de que permite aplicar de manera socialmente responsable el aumento
de la participación de las energías renovables asegurando la generación de electricidad
sostenible a largo plazo. Además, la reducción de las emisiones de dióxido de carbono
se logrará resolviendo muchos de los problemas ambientales, como el cambio climático.
Además, ofrecerá oportunidades de empleo en áreas rurales y urbanas, promoviendo
el desarrollo de tecnologías locales. Finalmente, el principal objetivo de este trabajo es
estudiar el sistema de generación de electricidad ecuatoriano, para hacerlo más robusto,
más confiable y más seguro, capaz de satisfacer la creciente demanda en cualquier
momento.

2. Metodología de evaluación
La presente investigación se ha realizado considerando el siguiente proceso. Primero,
ubicar el área de estudio. Segundo, determinar el recurso renovable disponible. Tercero,
identificar la fuente convencional disponible. Cuarto, hacer el estudio de la demanda.
Quinto, emplear el método Monte Carlo para establecer los índices de fiabilidad; y por
último, realizar el análisis de los resultados.

2.1. Localización del área de estudio

El primer paso del estudio es la ubicación de un área específica, que corresponde a la
provincia de Imbabura, en Ecuador, debido a la alta disponibilidad de recursos eólicos y
solares renovables en esta área. El área de estudio está situada en la región intertropical
(zona tórrida), en el noroeste de América del Sur entre los meridianos 75 ° 11’E y 81 °

RISTI, N.º E19, 04/2019 393

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

02 ‘E y entre los paralelos 1 ° 21’ N y 5 ° S. La Figura 1 muestra el mapa de ecuador. En

el recuadro se representa la ubicación geográfica del área específica en el continente de
América del Sur.

Figura 1 – Mapa de Ecuador en América del Sur

En Ecuador, la provincia de Imbabura ha sido identificada como una de las provincias

con mayor capacidad para la generación de energía eólica y solar, según las campañas
de encuestas de viento en la provincia de Imbabura, llevadas a cabo por la empresa
española “Barlovento Natural Resources”. Esta compañía ha concluido que Ecuador
tiene características peculiares de viento con alto potencial eólico, las altas velocidades
promedio del viento lo hacen lo suficientemente grande como para el desarrollo de
parques eólicos, con factores de plantas por encima del 40%. Como resultado, se podrían
implementar nuevos parques eólicos (Fayazi, Eghtedari, Abdollahi & Behzadipour,
2012). Del mismo modo, según los datos proporcionados por la Asociación Europea de
la Industria Fotovoltaica (EPIA).

2.2. Características de la energía renovable

Es importante identificar el escenario total de la ubicación de las estaciones de energía
renovable según el recurso disponible en la zona. De acuerdo con la disponibilidad de
recursos renovables en el área de estudio, se identifica que existe una gran cantidad de
recursos eólicos y de radiación solar. Por eso, se ha propuesto realizar el estudio de la
confiabilidad de la generación eléctrica con tres tipos de tecnologías que son: eólica,
solar fotovoltaica y termoeléctrica solar.
El estudio del parque eólico se ha llevado a cabo en la parroquia de Salinas, cantón
Ibarra, en la provincia de Imbabura-Ecuador. Las coordenadas del lugar seleccionado
son: latitud: 0 ° 29’44,85 “N, longitud: 78 ° 07’59.24” O, elevación: 1733 msnm. El
estudio de la central solar fotovoltaica se llevó a cabo en la parroquia de Paragachi, en
el cantón de Pimampiro, en la provincia de Imbabura-Ecuador. Las coordenadas del
lugar seleccionado son las siguientes: latitud: 0 ° 23’56,31 “N, longitud: 77º56’36,57” W,
elevación: 2902 msnm. Luego, la central termoeléctrica de energía solar se ubicó en la
parroquia de Tambabiro en el cantón de Ibarra en la provincia de Imbabura-Ecuador.
Las coordenadas del lugar seleccionado son las siguientes: latitud: 0 ° 25’5,33 “N,
longitud: 78 ° 8’0,46” W, elevación: 557 msnm.

394 RISTI, N.º E19, 04/2019

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

La Figura 2 muestra el escenario de las tres plantas de energía renovable (eólica,

fotovoltaica y solar térmica). Así, la planta de energía eólica está ubicada en la parroquia
de Salinas, la planta de energía fotovoltaica está ubicada en la parroquia de Paragachi,
y la planta de energía solar térmica está ubicada en la parroquia de Tambabiro, en la
provincia de Imbabura - Ecuador.
Teniendo en cuenta los avances tecnológicos actuales, los sistemas de suministro de
electricidad están en condiciones de integrar cada vez más otras fuentes de energía
renovable, como la eólica y la solar. Como ya se mencionó, la penetración de nuevas
fuentes de electricidad crea impactos técnicos en el sistema de generación eléctrica
(“Renewable Energies”, s.f.). Para eso, es conveniente resolver los problemas de tal
integración en la red manteniendo la rentabilidad y confiabilidad del sistema.
Para el análisis de los índices de confiabilidad, se requieren los siguientes parámetros
del recurso renovable disponible en el área de estudio. Así tenemos:

Figura 2 – Ubicación de las tres plantas de energía renovable

Datos del recurso eólico:

•• Velocidad del viento.
•• Dirección del viento.
•• Presión.
•• Humedad relativa
Datos del recurso solar fotovoltaico:
•• Radiación global
•• Temperatura
Datos del recurso térmico solar:
•• Radiación directa
Los datos de recursos eólicos fueron proporcionados por el Instituto Nacional de
Meteorología e Hidrología (INAMHI) (s.f.), de Ecuador. Mientras, los datos de recursos
solares fueron proporcionados por la empresa SolarGis, a través de una solicitud realizada

RISTI, N.º E19, 04/2019 395

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

por el CIEMAT (Centro de Investigación de Energía, Medio Ambiente y Tecnología)

en Madrid-España. Es necesario mencionar que el trabajo para obtener los datos de
recursos renovables ha sido muy arduo debido a que los Institutos nos dieron datos sin
tratamiento. Por lo tanto, fue necesario realizar el proceso y la depuración, lo que ha
significado una tarea muy laboriosa. Pero finalmente, ha sido muy productivo realizar
el tratamiento de los datos desde cero, para tener un mejor criterio de gestión de datos.
La frecuencia temporal de los datos utilizados en el presente trabajo es el perfil de
carga por hora de un año completo, desde el 01 de enero hasta el 31 de diciembre de
2016. Luego, procedemos a simular la generación eléctrica utilizando herramientas
informáticas como: la simulación, el software HOMER -Optimización Híbrida de
Recursos Múltiples, por su traducción al español- (“HOMER-Hybrid Renewable and
Distributed Generation System Design Software”, s.f.) se utiliza para establecer de
manera coherente la producción de energía de los recursos eólicos y la producción de
energía a partir de recursos fotovoltaicos. Y, el software de simulación SAM (Modelo
de Asesor del Sistema) se utiliza para determinar la producción de energía en el recurso
solar termoeléctrico (“System Advisor Model [SAM]”, s.f.).

2.3. Fuente convencional

La generación de electricidad convencional en el estado ecuatoriano para 2016 se basa
principalmente en fuentes de energía fósil (petróleo), que actualmente representan el
90% de la producción total de energía primaria. Las fuentes de energía secundarias para
la generación de electricidad en Ecuador son principalmente diesel y fuel oil (búnker c),
especialmente este último.
Las plantas para generar energía eléctrica convencional se agrupan en:
•• Motores de combustión interna.
•• Motores diésel de alta velocidad.
•• Turbinas de gas.
•• Turbinas de vapor.
•• Ciclo combinado, que combina turbina de vapor y turbogas para aumentar la
eficiencia aprovechando el ciclo de calor.

Conexiones Nacionales
Nombre Central Potencia nominal MW Potencia efectiva MW
Ambi Hidroeléctrica 4 4
La Playa Hidroeléctrica 0,44 0,44
San Gabriel Hidroeléctrica 0,23 0,2
San Miguel Hidroeléctrica 2,95 2,95
San Francisco Térmica 2,5 1,8
Conexiones Internacionales
Colombia - Ibarra Hidroeléctrica 215 215
Ipiales - Ibarra Hidroeléctrica 25 25

Tabla 1 – Fuentes convencionales

396 RISTI, N.º E19, 04/2019

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

Según los datos proporcionados por el INAMHI, en el área de estudio, hay ocho plantas
de generación convencionales proporcionadas por la compañía eléctrica llamada el norte.
Asimismo, se puede afirmar que, en la provincia de Imbabura, existen 2 interconexiones
internacionales con el país vecino, Colombia. La Tabla 1 esboza la fuente convencional
disponible en el Ecuador, que es utilizada en el presente trabajo.

2.4. Demanda
Las tasas de crecimiento de la energía y la demanda de energía del sistema nacional
interconectado, registradas para el período enero 2016-diciembre 2016, en comparación
con el período anterior (enero 2015-diciembre 2015), en los terminales de generadores,
presentaron un crecimiento promedio de 5.94% para la energía y 4.91% para energía
como se muestra en la Tabla 2.

Año 2016
Variable Demanda Crecimiento (%)
Potencia (MW) 3.207 5.94
Energía (GWh) 19.593 4.91

Tabla 2 – Potencia y demanda energética

Figura 3 – a) Demanda de potencia; y (b) demanda de energía. Para el año 2016

2.5. Método Monte Carlo

Cualquier simulación estocástica basada en la generación de números aleatorios se
llama simulación Monte Carlo (Losilla, 1994). En los métodos Monte Carlo, los objetos
de la investigación son eventos aleatorios o pseudoaleatorios (Imbarack, 2006). El
método Monte Carlo se usa no solo para resolver problemas estocásticos, sino también
problemas probabilísticos en nuestro caso, el comportamiento aleatorio del sistema.
La simulación Monte Carlo consiste en repetir, a través de métodos computacionales,
el funcionamiento de los sistemas considerando sus aspectos aleatorios. Dada su
naturaleza estocástica, la simulación Monte Carlo no cumple con los niveles de precisión
de las técnicas analíticas en sus resultados, sino que solo proporciona estimaciones de
los resultados exactos (Billinton & Bagen, 2006).
Los métodos Monte Carlo se clasifican en dos tipos:

RISTI, N.º E19, 04/2019 397

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

•• Método Monte Carlo no secuencial.

•• Método Monte Carlo secuencial.
En el marco de este trabajo, hemos elegido el método no secuencial Monte Carlo debido
a que queremos evitar la dependencia cronológica para reducir la complejidad.

2.6. Cálculo de los índices de fiabilidad

El estudio de confiabilidad del sistema de potencia se realizó mediante el método no
secuencial Monte Carlo mediante programación en Matlab (“Products and Services-
MATLAB & Simulink,” s.f.). Para lo cual, se obtienen los siguientes parámetros:
•• Falta de disponibilidad (FU).
•• Tiempo medio hasta el fracaso (MTTF).
•• Tiempo medio de reparación (MTTR).
•• El número promedio de fallas por año (λ).
•• Número promedio de reparaciones por año (μ).
Además, los parámetros que son necesarios para identificar, que son 8 plantas
convencionales, 2 interconexiones y 3 centrales renovables. Para el método Monte Carlo
no secuencial, se analizan una gran cantidad de escenarios, lo que lo convierte en un
método más realista. Para este estudio, los índices que se deben tener en cuenta para
determinar la confiabilidad del sistema eléctrico son: LOLE, EDNS, LOLP y LOEE.
Los pasos necesarios para determinar la confiabilidad de la integración de energías
renovables en los sistemas de energía eléctrica convencionales son:
1. Conocer los componentes de la generación, su potencia disponible, su tasa de
fallos y sus períodos de mantenimiento preventivo. Tendrá en cuenta los tipos
de plantas que conforman el grupo generador del sistema eléctrico en estudio.
2. Para definir los posibles estados de cada componente de la generación, para
nuestro caso son: (0) si no está disponible, y (1) si está disponible. Entonces,
para cada grupo generador, se analizan dos estados posibles. Si “n” es el número
de generadores, el número de estados posibles del sistema de generación
será 2n.
3. Conocer la curva temporal de la demanda esperada.
4. Analizar los posibles estados de pérdida de carga y determinar si en cada caso se
cubre o no el pico de demanda.
5. Calcular los índices de fiabilidad mencionados anteriormente.
6. Analizar los resultados, determinando si el LOLE está dentro del límite de
confiabilidad. LOLE considera que un sistema eléctrico es confiable si la
demanda no está cubierta a lo sumo, 1 día en 10 años.
El método de simulación Monte Carlo estima los índices de confiabilidad, simulando el
proceso actual y el comportamiento aleatorio del sistema, tratando el problema como
una serie de experimentos. Para la investigación, se ha establecido un número máximo
de iteraciones igual a 8 000 y un límite de margen de error con un valor máximo del 5%.
Después de varias verificaciones con diferentes valores de repeticiones, se elige 8 000
como número máximo, ya que, con ese valor, nos aseguramos de que la convergencia sea
confiable y estamos satisfechos de que el error estará por debajo del valor establecido.

398 RISTI, N.º E19, 04/2019

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

3. Resultados
Los índices de confiabilidad LOLE, EDNS, LOLP y LOEE son los parámetros
determinantes que permiten establecer que un sistema de energía convencional con
penetración de energía renovable es fiable solo con el mero hecho de tomar una tendencia
de aumento o reducción.
Para el estudio de los índices de confiabilidad del sistema eléctrico, se han realizado dos
casos de estudio:
•• Caso 1: 100% convencional
•• Caso 2: 100% convencional y 100% renovable.
La Figura 4 (a), (b), (c) y (d) muestra las simulaciones de los índices de confiabilidad
LOLE, EDNS, LOLP y LOEE, respectivamente. Los índices muestran la confiabilidad
del sistema eléctrico, cuando la generación es 100% producida a partir de plantas
convencionales, sin inyección de recurso renovable.
También registramos la Figura 5 (a), (b), (c) y (d) que muestran los índices de
confiabilidad LOLE, EDNS, LOLP y LOEE, respectivamente. Los índices muestran la
confiabilidad del sistema de energía cuando la generación es 100%, producida a partir
de plantas de energía convencionales, ya con inyección de energía renovable en este caso
energía eólica, energía solar fotovoltaica y energía termoeléctrica.
Se puede observar que, con el apoyo de energías renovables en el sistema eléctrico
existente, principalmente el LOLE disminuye y la confiabilidad del sistema eléctrico
aumenta considerablemente. Como resultado, la confiabilidad del sistema de energía

Figura 4 – Simulación del índice de fiabilidad. Caso 1: 100% convencional (a) LOLE, (b) EDNS,
(c) LOLP, (d) LOEE

RISTI, N.º E19, 04/2019 399

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

aumenta significativamente cuando inyectamos la generación del recurso renovable en

el sistema de generación convencional.
La Tabla 3, muestra los resultados obtenidos de las simulaciones que corresponden a los
valores de convergencia de los índices de confiabilidad estudiados. En el estudio de caso
1, se puede observar que las centrales eléctricas convencionales en el área de estudio son
confiables debido a la interconexión internacional con Colombia, lo que proporciona
un valor de LOLE de 40964 (horas/año). luego, según el estudio de caso 2, dado que
el índice de confiabilidad disminuye considerablemente al aumentar la generación
renovable al sistema de generación de energía, se puede decir que el sistema es confiable
porque se ha obtenido un valor de LOLE 1,22 (horas/año). Si bien es cierto, todos los
índices de fiabilidad son determinantes, pero LOLE es un valor numérico que tiene
muchísimo significado, solo por el hecho de reducir el valor numérico se puede estimar
que la fiabilidad se ha incrementado. Pero, si se desea realizar un aporte más minucioso,
con alta penetración de energías renovables considerando los índices de confiabilidad
LOLE, EDNS, LOLP y LOEE, es necesario utilizar estrategias de aprendizaje automático
en lo general, e incluso técnicas de aprendizaje profundando en lo particular.

Figura 5 – Simulación del índice de fiabilidad. Caso 2: 100% convencional y 100% renovable. (a)
LOLE, (b) EDNS, (c) LOLP, (d) LOEE

Conexiones Nacionales

Casos \ Índices LOLE (h/y) EDNS LOLP LOE (MWh/y)

100% Convencional 4,0964 19,0984 4,6762 e-04 1,6703 e-05

100% Convencional + 1,2246 9,4978 1,3980 e-04 8,3201 e-04

100% Renovable

Tabla 3 – Índices de fiabilidad

400 RISTI, N.º E19, 04/2019

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

4. Conclusiones
En resumen, de acuerdo con los datos de recursos obtenidos de la provincia de Imbabura,
en Ecuador, se concluye que hay recursos renovables suficientes para generar energía
limpia con los tres tipos de tecnología, como energía eólica, energía solar fotovoltaica
y energía termoeléctrica. Se ha podido realizar dos estudios de caso fundamentales,
que son: el caso 1 (100% de generación convencional), y el caso 2 (100% convencional
+ 100% de generación renovable). Es importante recalcar que, si se desea realizar un
aporte más minucioso, con alta penetración de energías renovables considerando los
índices de confiabilidad LOLE, EDNS, LOLP y LOEE, es necesario utilizar estrategias
de aprendizaje automático en lo general, e incluso técnicas de aprendizaje profundando
en lo particular. Por lo que, el presente trabajo da a conocer que es posible estimar la
fiabilidad en base a un criterio numérico, pero no es una solución óptima ya que ello
demanda mayores estudios que actualmente se resuelve con técnicas de visión artificial,
que nuestro grupo de investigación plantea llevarlo a cabo en investigaciones futuras.
Agradecimientos: Los autores agradecen a la Universidad Tecnológica
Indoamérica y a la Facultad de Ingeniería y Tecnologías de la Información y
la Comunicación por su incansable apoyo en la realización de este trabajo de
investigación.

Referencias
André, F., De Castro, L., & Cerdá, E. (s.f.). Renewable energies in the International
Sphere. Madrid: Universidad Complutense de Madrid.
Billington, R., Ringlee, R., & Wood, A. (1973). Power system reliability calculations.
Cambridge: Massachusetts Institute of Technology.
Billinton, R., & Bagen. (2006). Reliability Considerations in the Utilization of Wind
Energy, Solar Energy and Energy Storage in Electric Power Systems. In 2006
International Conference on Probabilistic Methods Applied to Power Systems (pp.
1–6). Stockholm, Sweden: IEEE. DOI: 10.1109/PMAPS.2006.360204
Ecuadorian Initiative for Electrical Integration of the Andean Region advances with steady
steps. (s.f.). Ministerio de Energía. Recuperado de http://www.conocimiento.gob.
ec/la-energia-renovable-is-an-account-in-the-academy/
Fayazi, H., Eghtedari, M., Abdollahi, M., & Behzadipour, E. (2012). Calculation of
generation system reliability index: Loss of Load Probability. (s.f.). Life Science
Journal, 9(4), 4903-4908. Recuperado de https://www.researchgate.net/
publication/281590843 _Calculation_of_generation_system_reliability_index_
Loss_of_Load_Probability
Ghaedi, A., Abbaspour, A., Fotuhi-Firuzabad, M., Moeini-Aghtaie, M., & Othman,
M. (2013). Reliability evaluation of a composite power system containing wind
and solar generation. In 2013 IEEE 7th International Power Engineering and
Optimization Conference (PEOCO) (pp. 483–488). Langkawi Island, Malaysia:
IEEE. DOI: 10.1109/PEOCO.2013.6564597

RISTI, N.º E19, 04/2019 401

Integración de energías renovables en sistemas de energía eléctrica convencionales basados en confiabilidad computacional

HOMER - Hybrid Renewable and Distributed Generation System Design Software.

(s.f.). Homer Energy. Recuperado de https://www.homerenergy.com/
Imbarack, F. (2006). Elaboration of a Computational Tool for the Evaluation of the
Reliability of Electric Transmission Systems. Memoria para optar al título de
Ingeniero Civil, con Diploma en Ingeniería Eléctrica. Santiago de Chile: Pontificia
Universidad Católica de Chile.
Instituto Nacional de Meteorología e Hidrología. (s.f.). Inamhi. Recuperado de
http://www.serviciometeorologico.gob.ec/
Losilla, J. (1994). Tools for a statistical laboratory based on Monte Carlo techniques.
Tesis. Barcelona: Universidad Autónoma de Barcelona.
Maldonado, M., & Pachari, J. (2012). Evaluation of Reliability Indices of Generation
Systems. Universidad de Cuenca. Recuperado de dspace.ucuenca.edu.ec/
bitstream/123456789/711/1/te305.pdf
National Energy Balance. (s.f.). Subsecretaría de Regulación Eléctrica. Recuperado de
http://www.regulacionelectrica.gob.ec/estadistica-del-sector-electrico/balance-
nacional
Products and Services-MATLAB & Simulink. (s.f.). Math Works. Recuperado de
https://www.mathworks.com/products.html
System Advisor Model (SAM). (s.f.). SAM. Recuperado de https://sam.nrel.gov/
The Importance of Alternative Energies. (s.f.). Interbioestrategia. http://www.
interbioestrategia.com/ new/index.php/educacion/89-la-importancia-de-las-
energias-alternativas
The most widely used renewable energy sources in the world. (s.f.). Fieras de la
ingeniería. Recuperado de http://www.fierasdelaingenieria.com/las-fuentes-de-
energia-renovables-more-used-of-world
Renewable Energies. (s.f.). Ministerio de Energía Renovable. Recuperado de
https://www.energias-renovables.com/articulo/ecuador-has-placements-with-an-
potential-eolico-20130509-1
Zapata, C., & Campos, E. (2005). Reliability evaluation of generation systems with
limited energy resources using Monte Carlo simulation. Scientia et Technica, 29.

402 RISTI, N.º E19, 04/2019

 © 2019. This work is published under
https://creativecommons.org/licenses/by-nc-nd/4.0/(the
“License”). Notwithstanding the ProQuest Terms and
Conditions, you may use this content in accordance with the
terms of the License.