1
Analisis de Confiabilidad en Sistemas de
Generación a Través del Método de Montecarlo
(19 Mayo 2017)
M. Angamarca, J. Chicaiza, D. González, G. Gutiérrez, D. Hernández, D. Manchay
Resumen— Este documento analiza la confiabilidad en los
sistemas de generación, a través de la evaluación de
condiciones de operación adecuadas y seguras. Las
simulaciones se desarrollan mediante un método estocástico,
por ende, se ha utilizado estados de simulación de
MONTECARLO para simular factores, probabilidad de falla,
tiempos de operación y reparación de generadores.
Ayudándonos de una herramienta de programación EXCEL
realizando análisis y comparación de resultados en ejercicios
propuestos.
Palabras Clave— Nivel Jerárquico Generación, Planificación de
Sistemas de Generación, Simulación de Montecarlo, Software Excel.
I. INTRODUCCION
L os sistemas eléctricos de generación representa un
importante pilar en el desarrollo económico y social de un
país, siendo el principal en el SEP, la planificación y
funcionamiento tiene que ser de forma óptima y confiable, la
operación y mantenimiento de los sistemas de generación deben
considerarse aspectos importantes ya que integran inversiones
muy altas. En sistema de generación está compuesto de un
numero N de estados que pueden tomar, al cual corresponde una
tasa de falla y reparación. [1]
La confiabilidad de los sistemas eléctricos de generación, se
subdivide en diferentes ares de investigación y que se
desarrollan en distintas formas, en la presente investigación se
procede a realizar un enfoque en el método probabilístico
tomando en cuenta la simulación de Monte Carlo para el
estudio, con la ayuda de programación en una herramienta
computacional como es los distintos softwares.
La valoración de la adecuación en el nivel jerárquico l es una
tarea que involucra dos aspectos del sistema, sus
consideraciones analíticas y prácticas en la selección de los
estados del sistema. Los análisis requeridos son los cálculos de
flujos de carga, análisis y clasificación de contingencias,
reprogramación de la generación, el alivio de sobrecargas y
Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador
filosofías de eliminación de carga. Las consideraciones
prácticas requeridas por el sistema para la selección de los
estados son desclasificaciones de estados de las unidades
generadoras, salidas de líneas por fallas comunes, los efectos
del clima y reglas de operación de las reservas. Para la
representación de estas consideraciones se emplean técnicas de
simulación de Montecarlo.
II. CONFIABILIDAD APLICADA AL SISTEMA DE
GENERACIÓN
Confiabilidad es la probabilidad de que una unidad realice su
función hasta un tiempo especificado bajo las condiciones de
uso encontradas sin fallar, por lo que representa la capacidad de
suministrar en todo lugar y en todo instante la demanda de los
consumidores con los adecuados niveles de calidad de energía.
La confiabilidad de sistemas de generación de energía eléctrica
puede ser descrita a través de los siguientes atributos esenciales.
A. Adecuación: Capacidad de satisfacer los requerimientos de
potencia y energía de los consumidores respetando los límites
técnicos de los componentes y teniendo en cuenta las salidas de
servicio planificadas e imprevistas de componentes.
B. Seguridad: Capacidad para soportar perturbaciones
imprevistas tales como cortocircuitos o pérdida de componentes
sin violar restricciones operativas. Un aspecto importante de la
seguridad se caracteriza a través de la integridad, definida como
la capacidad de preservar la Operación interconectada en caso
de ocurrencia de contingencias severas.
C. Integridad: Es la capacidad de un sistema para preservar la
operación interconectada.
D. Sistema: Es un grupo de componentes vinculados con
determinada configuración para cumplir una función
especificada.
E. Componente: Es un ítem con una función operativa
determinada que se considera como una unidad a los fines del

análisis de datos de fallas y de la modelación desde el punto de
vista de la confiabilidad.
F. Falla: Evento con el que termina la capacidad de un
componente para realizar su función.
G. Estado: Es la forma en que se encuentra un conjunto de
atributos en un instante determinado como, por ejemplo: estado
de disponibilidad, estado de servicio, estado de reserva, estado
fuera de servicio o indisponibilidad, estado fuera de servicio
parcial, estado con capacidad disminuida, salida de servicio
planificada, salida de servicio no planificada, salida de servicio
forzada, salida de servicio no planificada diferible, salida de
servicio de causa común.
Fig1. Clasificación de los estados de unidades Generadoras
Los niveles jerárquicos de confiabilidad son tres:
 Sistema de generación (nivel jerárquico 1).
 Sistema de generación y transmisión (nivel jerárquico
2).
 Sistema de generación, transmisión y distribución
(nivel jerárquico 3). [2]
Fig2. Niveles jerárquicos para la evaluación de confiabilidad en
sistemas de potencia.
Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador
2
III. TÉCNICAS DE EVALUACIÓN
Existen dos clases de métodos para evaluar la confiabilidad de
los sistemas:
 Métodos de Simulación Estocástica; de los cuales el
más conocido es el Método de Montecarlo.
 Métodos de Análisis; entre los cuales se tienen los
Procesos continuos de Markov.
IV. MÉTODO DE MONTECARLO
Es una técnica cuantitativa que hace uso de las estadísticas y los
computadores para imitar, mediante modelos matemáticos el
comportamiento aleatorio de un sistema real. La clave de la
simulación Monte Carlo consiste en crear un modelo
matemático del sistema que se quiere analizar identificando las
variables de entrada cuyo comportamiento aleatorio determina
el comportamiento de todo el sistema. [1] - [3].
A. Planteamiento del problema general
1.- Generar muestreos de una variable aleatoria X ({x(n)}) dada
su densidad de probabilidad P(x).
2.- Estimar el valor esperado de una función φ(x) bajo una
densidad de probabilidad P(x):
< 𝜑(𝑥) >= ∫ 𝜑(𝑥)𝑃(𝑥)𝑑 𝑥 (1)
B. ¿Por qué es difícil muestrear directamente de P(x)?
1.- Generalmente se desconoce Z = ∫ P ∗ (x)𝑑 𝑁 x
2.- Se debe evaluar la función P*(x) en todos o casi todos los
estados.
{𝑥 (𝑛) }𝑛 = 1, . . . , 𝑁 → ∑𝑛 𝛷{𝑥 (𝑛) } (2)
3.- Alto costo computacional en problemas de muchas
dimensiones.
 3

C. Ventajas y Desventajas del Método Montecarlo

Considerando los estados de cada elemento, el estado del
Ventajas Desventajas sistema de potencia se puede representar mediante un vector

-Es un método directo y -La simulación no genera 𝑋 = (𝑋1 , 𝑋2 , … , 𝑋𝑚 ) (3)

flexible. soluciones exactas, genera
soluciones óptimas Donde xi es el estado del i-ésimo elemento del sistema. Por
-Tiene una amplia globales. ejemplo, si el elemento está en operación, el valor de xi es uno.
variedad de programas y En cambio, si el elemento está fuera de operación, entonces el
lenguajes de simulación. -No toma decisiones, sino valor de xi es cero. Un generador, a su vez, podría estar en uno
que resuelve el problema de varios estados de capacidad, representados por la variable xi.
-Permite estudiar la mediante aproximaciones
interacción entre las para unas condiciones b) Probabilidad de Ocurrencia
diferentes variables del dadas inicialmente.
problema. Cada estado del i-ésimo elemento del sistema tiene asociada
-Una buena simulación una “probabilidad de ocurrencia”, P(xi). Por lo tanto, dado el
-Mediante la simulación puede resultar muy estado de cada componente del sistema, es posible calcular la
podemos “influir en el complicada por el gran probabilidad de ocurrencia del vector x, P(x). Si, por ejemplo,
tiempo” de los procesos. número de variables. las fallas de cada elemento son independientes entre sí, entonces
la probabilidad de ocurrencia del vector x, queda definida por
-Con la simulación se el producto de las probabilidades asociadas al estado de cada
pueden resolver componente, como se indica en la Ecuación 2.
problemas que
analíticamente son 𝑃(𝑥) = ∏𝑚
𝑖=1 𝑃(𝑥𝑖 ) (4)
imposibles de solucionar.

Tab1a 1. Ventaja y Desventaja del Método Montecarlo
D. Conceptos Básicos
a) Estados
Teóricamente, se puede suponer que el sistema eléctrico de
potencia está compuesto por m elementos, entre los que se
incluye unidades generadoras, líneas de transmisión,
transformadores y cargas, pudiendo encontrarse cada elemento
en un “estado” de disponibilidad de entre un conjunto de ellos
se define una tasa de transición entre ambos estados de
operación de la línea, representados por λ y μ.
c) Función de Prueba
Considerando los conceptos de estado y probabilidad de
ocurrencia, el funcionamiento del sistema, dado el estado x, se
determina a través de lo que se denomina la “función de
prueba”, la que se representa genéricamente como F(x). El
objetivo de esta función de prueba es el de verificar si el sistema
es capaz de abastecer a toda la demanda dado el estado x, ya sea
considerando al sistema en forma agregada o en cada punto de
conexión de carga. [3]
La función de prueba toma distintas formulaciones,
dependiendo del índice de confiabilidad que se requiera calcular
y cuál es el nivel de agregación considerado para el sistema. Por
ejemplo, si se desea calcular la probabilidad de pérdida de carga
(LOLP) para todo el sistema, entonces F(x) queda definida por:

Fig3: Estados de disponibilidad de los elementos de un sistema de

potencia
No obstante, la modelación no necesariamente debe
comprender sólo dos estados. Por ejemplo, las unidades
generadoras pueden modelarse utilizando tres o más estados de
capacidad disponible.
Considerando la función de prueba, el índice de confiabilidad
corresponde al valor esperado de ésta sobre el espacio de los
estados. La ecuación 3 indica la formulación de valor esperado,
según la teoría estadística.
𝐸(𝐹) = ∑𝑥𝑒𝑋 𝐹(𝑥) ∗ 𝑃(𝑥) (5)

Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador

 4

Es decir, el índice de confiabilidad es igual a la suma de los B. Índices de confiabilidad

productos entre el valor de la función de prueba para el estado
x y su respectiva probabilidad de ocurrencia, sobre el espacio
de los estados. • LOLE (Loss of Load Expectation) o valor esperado de
pérdida de carga. Es el índice de confiabilidad de
generación más utilizado internacionalmente;
V. MODELAMIENTO corresponde al valor esperado de horas por año en que no
habrá reserva para atender la demanda.
A. Modelo de confiabilidad de los componentes Para una iteración: LOLE =H (6)

Para todos los componentes del SG se utiliza el modelo de Para una simulación: 𝐿𝑂𝐿𝐸 = ∑𝑁
𝑗=1 𝐻𝑗 /𝑁 (7)
dos estados mostrado en la Figura 1, el cual se define
mediante las distribuciones de probabilidad de los tiempos • LOLP (Loss of Load Probability) o probabilidad de
para salida y de los tiempos para restauración. La
pérdida de carga
construcción del modelo se hace ajustando los datos
operativos de tiempos para salida y tiempos para restauración
Para una iteración: LOLP = H /8760 (8)
del componente a una función de probabilidad dada [6].
Tiempo para salida ∑𝑁
𝑗=1 𝐻𝑗
Para una simulación: 𝐿𝑂𝐿𝑃 = (9)
𝑁∗8760

Disponible Indisponible
• EENS (Expected Energy Not Served) o valor esperado de
energía no servida por año
Tiempo para restauración

Fig4. Modelo de dos estados para los componentes Para una simulación: 𝐸𝐸𝑁𝑆 = ∑𝑁
𝑗=1 𝐸𝑁𝑆𝑗 /𝑁 (10)

Dos tipos de modelo de dos estados pueden implementarse

para cada uno de los componentes:
• Modelo para análisis de disponibilidad: Incluye salidas
planeadas (mantenimiento preventivo, inspecciones) y no
planeadas (fallas, vandalismo, accidentes, etc). Se habla
entonces de tiempos para salida y para restauración.
C. Dentro del método Montecarlo existen dos versiones
a) Método de Montecarlo “Secuencial”
Simula cronológicamente cada hora del año y el estado actual
depende de los estados anteriores, es decir, es un sistema con
memoria.

b) Método de Montecarlo “No Secuencial”

• Modelo para análisis de fallas: Solo considera las salidas
no planeadas que corresponden a fallas propias del
Simula aleatoriamente todas las horas del año y el estado actual
componente. En este caso se habla de tiempo para falla y no depende del anterior, es decir, es un sistema sin memoria.
tiempo para reparación.
La simulación es un proceso iterativo en el cual se observa para
Es necesario modelar como componentes independientes las un periodo de tiempo de interés, los estados operativos que
instalaciones de producción que sean compartidas por varias aparecen en el circuito primario debido a los eventos aleatorios
unidades de generación, pues una salida en estas instalaciones de salida y restauración de los componentes. En cada estado
produce la salida de todas las unidades. La Figura 2 presenta operativo se determinan los puntos de falla afectados por la
el ejemplo para una planta hidráulica de dos unidades. salida de un componente dado. [5]
Unidad
1
Instalaciones civiles
e hidráulicas

Unidad
2

Fig5. Unidades que comparten instalaciones de producción

Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador


Fig6. Clasificación del Modelo Montecarlo
VI. SIMULACIÓN DE MONTECARLO
Está basado en la generación de números aleatorios y el
procedimiento es simular el comportamiento aleatorio del
sistema para obtener en forma artificial los índices de
confiabilidad de los puntos de falla.
La simulación de Monte Carlo es usada tanto para procesos que
funcionan al azar como para problemas determinísticos. [3]
El método se realiza mediante modelos matemáticos y la
realización de experimentos con distintos escenarios creados
por la aleatoriedad misma del sistema, la imitación del proceso
evaluado, con el fin de estimar los parámetros del
comportamiento del proceso real. [2]
a) Simulación De Monte Carlo No Secuencial
Esta simulación se basa en el concepto que el estado de
operación de un conjunto de componentes depende del estado
de cada una de las variables que lo constituyen. En el caso de la
evaluación de confiabilidad del sistema de generación, depende
de cada unidad generadora que lo compone. Esta simulación no-
secuencial, también conocida como muestreo de estados,
considera tantas condiciones como la suma de los posibles
factores que afecten la operación de cada componente.
El muestreo de estados no es exclusivamente para la operación
del sistema de generación, sino que puede ser ocupado para
muchos de los factores que afectan el comportamiento del
sistema en una evaluación de confiabilidad.
Además este método no-secuencial se adapta fácilmente a
distintas ventanas de tiempo, lo cual trae ventajas a la
evaluación, ya que facilita la observación temporal no
Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador
5
necesariamente anual, ya que puede ser mensual, semanal,
diaria o de cualquier lapso arbitrario de tiempo, por ejemplo si
se desea analizar la confiabilidad del sistema en distintas épocas
del año, en donde estas pueden variar entre lluviosas o secas,
estudiar semanas que tengan una gran cantidad de generación
indisponible a causa mantenimientos programados, entre otro
tipo de evaluación de interés para la confiabilidad del sistema.
b) Simulación de Monte Carlo Secuencial
Este método implica tomar en orden cronológico los eventos en
el periodo de tiempo evaluado, normalmente realizado en pasos
horarios. Esta simulación también es conocida como muestreo
de la duración de eventos, debido a la generación aleatoria de
los tiempos de residencia en el estado actual del sistema o
componente, luego de transcurrido ese tiempo se realiza la
transición al siguiente estado. Lo anterior se logra mediante
tasas de transición, sustituyendo las probabilidades de estado
que se utilizan en el método no secuencial.
En este método se crean historiales artificiales de la secuencia
de operación del componente analizado, que están basadas en
las duraciones de los estados simulados. La secuencia de
eventos es producto de la generación de números aleatorios,
basados en las distribuciones de probabilidad de la duración de
cada estado, donde cada número aleatorio representará el
tiempo de duración de éste.
Asumiendo que los tiempos de operación y reparación estén
exponencialmente distribuidos, la generación de estos
aleatoriamente requerirá del tiempo medio de falla MTTF
(Mean Time To Failure) y tiempo medio de reparación MTTR
(Mean Time To Repair), ambos dados en horas. Estos tiempos
se obtienen del registro de funcionamiento de cada unidad
generadora.
VII. SECUENCIAL OPERATIVA DEL SISTEMA DE
GENERACIÓN
Para obtener la secuencia operativa del sistema de generación
en el método de simulación de Monte Carlo se realizan los
siguientes pasos
1. Especificar las condiciones iniciales de los
componentes. Para esto se asume que todos los
componentes están disponibles al inicio de la
simulación.
2. Encontrar la duración de residencia de estados de cada
componente, con su distribución de probabilidad
correspondiente. Se deben de tomar en cuenta todos
los estados posibles, en el caso más general los estados
de operación y reparación.
 6

3. Repetir el paso 2 para el periodo de tiempo a evaluar.
Con esto obtendríamos la secuencia de estados para un
componente como se muestra en la figura 3.
4. Crear el historial de estados de todo el sistema, esto
sumando todas las secuencias de cada uno de los
componentes del sistema como se muestra en la figura
4.
VIII. PROCEDIMIENTO Y DIAGRAMA DE FLUJO PARA LA
SIMULACIÓN MONTECARLO
El programa de simulación a forjar tendrá como objetivo
realizar el análisis de confiabilidad para las unidades
generadoras. Los resultados obtenidos para cada unidad
generadora pueden acumularse para hallar los índices globales
del sistema.

5. Se evalúa el comportamiento de cada estado del

sistema para determinar si la demanda puede ser OPCIONES DEL USUARIO
suministrada y se calculan los índices de confiabilidad.  Tiempo de estudio en meses (T)
La secuencia operativa obtenida para el periodo
 Numero de Iteraciones (N)
evaluado sigue la cronología de los eventos, para lo
cual es necesaria una demanda que también siga la
secuencia de eventos cronológicamente. [5]-[6]

BASES DE DATOS

Programa De simulación
Montecarlo

Resultados

Fig9. Procedimiento para la simulación Montecarlo

Fig7. Secuencia de operación y reparación de dos unidades

generadoras.

Fig8. Combinación de estados de todo el sistema de generación

Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador

 7

[2] D. Mayorga, “ANALISIS DE CONFIABILIDAD DEL

SISTEMA DE DISTRIBUCIÓN DEL AREA RURAL
(SAN GIL-SANTANDER) UTILIZANDO
SIMULACION MONTECARLO SECUENCIAL,”
2014.
[3] A. Garces Ruiz, Go, and O. mez Carmona, “Solución al
problema del despacho hidrotérmico mediante
simulación de Monte Carlo y punto interior,” Rev. Fac.
Ing., no. 45, pp. 132–147, 2008.
[4] F. Imbarack, “Elaboracion De Una Herramienta
Computacional Para Evaluacion De La Cofiabilidad De
Sistemas De Transmision Electricos,” p. 149, 2006.
[5] H. A. D Gutierrez, “Diseño E Implementación De Una
Herramienta De Software Para El Análisis De
Confiabilidad De Sistemas Eléctricos De Potencia
Basado En El Método De Simulación De Montecarlo.”
[6] L. Alexander and C. Gonz, “Programa Para El Análisis
De Confiabilidad En Sistemas De Generación.”

Fig10. Diagrama de flujo para la simulación Montecarlo de dos

generadores.

IX. CONCLUSIONES
 Se pudo conocer que para sistemas donde un periodo de
tiempo evaluado tiene repercusiones en el siguiente
periodo, del método no-secuencial se obtendrían resultados
erróneos, dentro de esta dependencia cronológica se
encuentran la evaluación de centrales hidroeléctricas, esto
se debe a que dependiendo del periodo de tiempo afectara
el siguiente o el caso de la cantidad de lluvia y los influjos
en el aprovechamiento hidroeléctrico, y el caso de la
evaluación de cada punto de demanda pronosticada.

REFERENCIAS

[1] R. Romero and M. Espinoza, “Evaluación de

confiabilidad en las unidades generadoras de CELEC
EP - Hidropaute (Mazar & Molino) utilizando el
método de simulación de Montecarlo,” p. 265, 2013.

Facultad de Ingeniería Eléctrica, Campus Kennedy, Quito - Ecuador