Herramientas avanzadas para monitorización y operación de Redes MT/BT

Comunicación presentada al IV Congreso Smart Grids

Autores

• Antonio Gómez Expósito, Catedrático de Universidad, E.S.I. de la Universidad de Sevilla
• Daniel Morales Wagner, Director Técnico, Ingelectus Innovative Electrical Solutions
• Susana Carillo Aparicio, Head of Living Labs, Endesa Distribución Eléctrica
• Antonio de la Villa Jaén, Profesor Titular de Universidad, E.S.I. de la Universidad de Sevilla
• Esther Romero Ramos, Profesor Titular de Universidad E.S.I. de la Universidad de Sevilla
• Pedro Cruz-Romero, Profesor Titular de Universidad, E.S.I. de la Universidad de Sevilla
• Isidro Díaz Caballero, Project Manager, Ingelectus Innovative Electrical Solutions
• Adolfo Gastalver Rubio, CS Engineer, Ingelectus Innovative Electrical Solutions
• Francisco Javier Leiva Rojo, Living Labs Project Manager, Endesa Distribución Eléctrica

Resumen

El presente artículo muestra los fundamentos, detalles de implantación y resultados de campo de un estimador de estado (EE.) para redes de distribución MT/BT en el contexto del proyecto de investigación MONICA (Monitorización y control avanzado de redes de distribución en MT y BT), desarrollado en la red real de SmartCity Málaga y liderado por Endesa. Las redes de distribución se ven obligadas a acomodar cada vez más elementos activos, tales como generación distribuida, almacenamiento, operación descentralizada y bidireccional de la red, vehículos eléctricos, etc. El objetivo general del proyecto consiste en desarrollar una suite de herramientas de monitorización y diagnóstico para las redes de distribución, similares a las que tradicionalmente han existido en las redes de AT. La integración del EE. permitirá dar un salto cualitativo en el análisis de este tipo de redes: desagregación y localización de pérdidas técnicas y no técnicas de la red, solucionar problemas de tensiones, sobrecargas, desequilibrios, etc. en resumen, permitiendo hacer más eficiente todo el uso de la energía en MT y BT.

Introducción

Hasta hace escasos años no se consideraba factible, técnica ni económicamente, la posibilidad de implementar un EE. en este tipo de redes (MT y BT), pero el despliegue de las smart grids, en particular los contadores digitales telemedidos y los telemandos asociados a los sistemas de automatización de la distribución, están aportando nuevas fuentes de información que permiten abordar con garantías el objetivo de que las redes de distribución (MT y BT) estén dotadas de los mismos sistemas de supervisión y control que las de transporte (AT).

A la vista de todo lo anterior las empresas distribuidoras están tendiendo a desarrollar Sistemas de Gestión (DMS) cada vez más sofisticados y completos para la MT, y con incorporación gradual de la BT [1]. Las empresas eléctricas necesitan cada vez más elementos para optimizar sus sistemas de gestión de las redes y mejorar la propia operación. En este contexto surge la necesidad de desarrollar un EE. que utilice en tiempo real toda la información de la red inteligente para mejorar la operación del sistema, permitiendo además incorporar a los DMS aplicaciones que aprovechen al máximo toda la información proporcionada por el EE. El EE. desarrollado será pionero en estos niveles de tensión, y tendrá como objetivo poder ser extrapolado a otras distribuidoras en un contexto mundial.

En un entorno sin embargo con un alto grado de adquisición de medidas como el que se plantea, es esencial hablar de herramientas que aprovechen toda esta información, siendo mucho más apropiado hablar de estimadores de estado y no de repartos de cargas. El algoritmo de Estimación de Estado permite obtener de forma óptima el estado de operación de la red en un instante determinado utilizando toda la información suministradas por los instrumentos de medida instalados en la red. Con objeto de mostrar las principales diferencias entre el EE. y el método tradicional de reparto de cargas, se presenta la tabla I.

El Proyecto MONICA

En el proyecto MONICA, a diferencia de otros proyectos en el ámbito de redes de distribución [2], se aborda de forma global la monitorización de toda la red de distribución incorporando las redes de baja tensión con modelos trifásicos y haciendo uso de toda la información disponible, en particular los contadores inteligentes. En el proyecto se ha desarrollado y desplegado toda una red de sensores de medida en media y baja tensión, permitiendo registrar todas las magnitudes eléctricas necesarias con las que nutrir al EE. El EE. aprovechará toda la información recibida en tiempo real de los sensores desplegados y los contadores inteligentes para, a través del resto de aplicaciones, hacer un diagnóstico de las causas de los distintos problemas existentes en la red, para así poder evitarlos o mejorarlos según corresponda.

La figura 1 muestra un esquema de las herramientas de monitorización y diagnostico en tiempo real propuesto para redes de MT y BT en el proyecto MONICA.

Metodología

Estimador de estado para redes de distribución MT/BT

El EE. constituye el núcleo principal del proceso de monitorización de las redes incluidas en el proyecto MONICA. Los estimadores del estado determinan el estado más probable de un sistema de energía a partir de conjuntos de medidas adquiridas de forma remota que se recogen periódicamente por sistemas SCADA a través de unidades terminales remotas. Desde su introducción por Schweppe a finales de 1960, la herramienta de estimación de estado se ha beneficiado de un gran número de desarrollos teóricos y mejoras prácticas [3].

Para este proyecto se han desarrollado dos estimadores de estado, en función de las características de la red: un EE. monofásico para redes de MT y un EE. trifásico para redes de BT.

La red de media tensión se suele encontrar bastante más equilibrada que la red de baja y ese es el motivo principal para optar por la solución de un estimador monofásico. En las redes de BT, si los desequilibrios no son despreciables, se pueden producir distorsiones notables de la estimación. Los estimadores de estado trifásicos presentados en la literatura se refieren todos a sistemas a tres hilos, uno por cada fase. Puesto que el esquema más extendido en las instalaciones de baja tensión es un sistema trifásico a cuatro hilos, y con gran interés en estimar magnitudes como la intensidad de neutro y la caída de tensión entre neutros y tierra, se requiere replantear la estimación trifásica clásica para incorporar el conductor de neutro [4].

Además, debe estudiarse con cuidado las ecuaciones resultantes para buscar un EE. robusto que solvente los problemas ya comunes en redes de media tensión que se ven aún más acusados en la red de BT, a saber: cocientes R/X muy elevados, numerosas medidas de inyección, medidas con muy diferente peso, efectos capacitivos despreciables, tramos muy cortos, etc. Todo ello provoca problemas de mal condicionamiento en los modelos matemáticos que condicionan su planteamiento y resolución. Por todo lo anterior, se ha desarrollado un EE. con una nueva formulación desde el punto de vista matemático para solucionar el mal condicionamiento numérico en las matrices.

Entradas al estimador de estado

El EE. se basa en dos fuentes de información, la topología de red y las medidas disponibles. Las características de cables y transformadores se obtuvieron de la base de datos de Endesa. Una de las principales ventajas del EE. en comparación con otros métodos es que el estimador permite incorporar un mayor número de medidas (redundancia) y magnitudes eléctricas distintas (tensión, potencia, intensidad).

En media tensión, las siguientes medidas están disponibles cada 5 minutos:

• Tensión, potencia activa y reactiva en el alimentador de salida de la subestación AT / MT.
• Tensión, potencia activa y reactiva consumida por los clientes de media tensión.
• Tensión y potencia generada por generadores de media tensión.
•  Tensión, corriente, potencia activa y potencia reactiva en los centros de transformación.

Para la estimación del estado de baja tensión, con una frecuencia de quince minutos, las medidas disponibles son las siguientes:

• Tensión, potencia activa y reactiva en el lado de baja tensión del transformador y corriente en la cabecera de los alimentadores de baja tensión.
• Tensión, potencia activa y reactiva de todos los clientes conectados, obtenidos a través de los contadores inteligentes.

Un esquema genérico de la ubicación de los sensores en un alimentador de MT con varios centros de transformación y clientes se muestra en la figura 2. El límite entre la red de media tensión y la red de bajo voltaje es el bus de baja tensión del transformador; por lo tanto, el transformador pertenece a la red de media tensión. La figura 2 muestra la ubicación, la topología y las diferentes mediciones disponibles para ser usadas en el EE. balanceado de media tensión y el EE. trifásico de bajo voltaje.

La caracterización de las incertidumbres de las medidas utilizadas en un proceso de estimación de estado es un aspecto que afecta de manera muy relevante los resultados del algoritmo.

Resultados

Simulación en red real de BT

En esta sección se presenta un ejemplo de aplicación del EE. en una red real de BT. La red utilizada se corresponde con un centro de distribución, propiedad de Endesa Red, objeto de estudio en el proyecto MONICA. En primer lugar, se construye un modelo eléctrico con la topología de la red, incluyendo todos los parámetros eléctricos de los elementos que la forman. El centro de distribución da suministro a 395 clientes (1500 kW de potencia contratada), cada uno de ellos con su correspondiente contador inteligente telegestionado, repartidos entre 32 puntos de conexión a red (PCR). La longitud total de la red es de 2052 metros, los cuales incluyen las líneas generales de alimentación (LGA) de cada PCR.

Una vez ejecutado el EE. es posible conocer cualquier magnitud de la red, por ejemplo:

• Tensiones de todos los nudos.
• Flujos de potencia activa y reactiva por todos los tramos de la red. Desagregados entre las fases y el neutro.
• Consumos o generaciones en todos los puntos de la red.
• Pérdidas de potencia en todos los elementos de la red. Desagregados entre fases y neutro.
• Corrientes por todos los tramos de la red.

En la figura 3 se muestran las pérdidas en los cables de la red, desagregadas por fase y neutro, durante un día completo. Se observa cómo la fase B se encuentra más cargada durante la mayor parte del día, provocando unas significativas pérdidas en el neutro.

Como se muestra en la tabla I, otra de las posibilidades que ofrece el EE. es la detección e identificación de medidas erróneas. Con el objetivo de mostrar esta capacidad, para uno de los 24 escenarios simulados del día 23 de marzo, se ha realizado el siguiente ensayo:

1. 1. Se ejecutó el EE. eliminando las medidas de dos contadores ubicados en el PCR 2865XX, las cuales no se introdujeron de forma intencionada con el propósito de simular una pérdida de comunicación, una medida errónea o una conexión fraudulenta. El consumo de estas dos medidas era de 8098 W. En la Figura 4 se muestra el resultado del EE. en esta simulación. Se observa como la estimación de consumo en el PCR 2865XXX, obtenida por el estimador, de 12644 W difiere bastante de la medida introducida de 8100 W. El EE., mediante un algoritmo específico, bajo determinadas condiciones permite identificar esta medida como medida errónea y eliminarla.

      

   2. Se elimina la medida identificada como errónea y se vuelve a ejecutar el estimador. Como puede apreciarse en la Figura 5, el estimador calcula un consumo en el PCR muy próximo al consumo real aun sin disponer de las medidas suprimidas de los 2 contadores.

      

Conclusiones

Los resultados de las simulaciones realizadas demuestran el potencial del EE. de cara a optimizar la operación y planificación de las redes de distribución de media y baja tensión, con las siguientes funcionalidades:

• Identificación/detección de medidas erróneas. Esta medida errónea puede deberse a un fallo en el sensor de medida, por problema en comunicaciones, por la existencia de un fraude, etc.
• Mejorar los balances de energía, permitiendo una mejor detección de pérdidas no técnicas.
• Desagregación de las pérdidas totales técnicas y no técnicas.
• Evaluar las sobretensiones y subtensiones de la red.
• Evaluar las sobrecargas en la red.
• Analizar los desequilibrios. Intensidades a través del neutro.
• Optimizar la planificación de la red.

Referencias

• [1] Gomez-Quiles, C.; Gomez-Exposito, A.; de la Villa Jaen, A.; “State Estimation for Smart Distribution Substations” IEEET Trans. on Smartgrids, Special Issue on “Applications of Smart Grid Technologies on Power Distribution Systems”, vol.3 (2), pp. 986-995, June 2012.
• [2] “Proyecto Price-Gdi: Gestión de la generación distribuida” (Ref.: IT-2011-1501-920000). Convocatoria INNPACTO. 2011-2014.
• [3] A. Abur and A. Gómez-Expósito, Power System State Estimation: Theory and Implementation. New York: Marcel Dekker, 2004.
• [4] de la Villa-Jaen A.; Cruz Romero, P.; Gómez Expósito, A.; “Substation data validation by a local three-phase generalized state estimator”, IEEE Transactions on Power System, Vol 20 (1), pp. 264-271, Feb. 2005.
• [5] “Proyecto Integración Efectiva de Recursos en la Gestión Distribuida de Redes MT/BT” (Ref.: ENE2014-54115-R) financiado por el Ministerio de Economía y Competitividad y con fondos Feder.