TRABAJO DE GRADO

PROGRAMA DE INGENIER´IA EL´ECTRICA

Dimensionamiento y evaluaci´on de un sistema de bater´ıas para la mitigaci´on de los impactos operativos por alta penetraci´on fotovoltaica Juan Pablo Valencia Leon Pereira

20 de mayo de 2026

Dimensionamiento y evaluaci´on de un sistema de bater´ıas para la mitigaci´on de los impactos operativos por alta penetraci´on fotovoltaica Por:

Juan Pablo Valencia Leon Trabajo de grado para optar al titulo de Ingeniero Electricista Dirigida por:

Alejandro Garc´es Ruiz Grupo de investigaci´on en campos electromagn´eticos y fen´omenos energ´eticos Programa de Ingenier´ıa El´ectrica Universidad Tecnol´ogica de Pereira

20 de mayo de 2026

Resumen En este documento se eval´ua el uso de un sistema de almacenamiento por bater´ıas o BESS (battery energy storage system) para mitigar los problemas de sobrecarga y sobretensi´on causados por la alta inyecci´on de energ´ıa solar en un sistema a nivel de sub-transmisi´on. Mediante simulaciones cuasi-din´amicas en Digsilent PowerFactory, se demostr´o que un BESS de 74,37 MWh operado bajo una estrategia multi-uso puede absorber los excedentes de energ´ıa al mediod´ıa y controlar el voltaje simult´aneamente, permitiendo que esa misma energ´ıa guardada se inyecte en la noche para aplanar el pico de demanda. Esto comprueba que las bater´ıas constituyen una soluci´on t´ecnica robusta para maximizar la capacidad de alojamiento del sistema el´ectrico, ya que dotan a la red de la flexibilidad operativa necesaria para gestionar la variabilidad del recurso solar y garantizan una integraci´on masiva de energ´ıas renovables sin comprometer los l´ımites f´ısicos ni normativos de la infraestructura existente.

Agradecimientos A mi familia, por su apoyo y acompa˜namiento. De manera muy especial, quiero expresar mi m´as profundo agradecimiento a mi madre, por su inquebrantable fortaleza, su admirable resiliencia y la inmensa entrega con la que siempre nos ha cuidado y ha sido nuestro mayor pilar. Gracias por cada sacrificio, gracias por cada esfuerzo silencioso. De igual manera, a mis amigos quienes hicieron que este proceso fuera mucho m´as gratificante. Les agradezco por cada palabra de aliento, por la motivaci´on que me brindaron, por sus ense˜nanzas y por el invaluable tiempo compartido a lo largo de esta etapa.

Finalmente expresar mi m´as sincero agradecimiento a mi director de tesis, el profesor Alejandro Garc´es, por su pasi´on y dedicaci´on por el aprendizaje. Ha sido profundamente provechoso y enriquecedor poder compartir con ´el esta etapa de mi formaci´on.

´Indice general

1. Introducci´on

6

1.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . .

6

1.2. Justificaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8

1.3. Objetivos

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8

1.3.1.

Objetivo general

. . . . . . . . . . . . . . . . . . . . .

8

1.3.2.

Objetivos espec´ıficos . . . . . . . . . . . . . . . . . . .

9

1.4. Estado del arte . . . . . . . . . . . . . . . . . . . . . . . . . .

9

1.5. Estructura del documento . . . . . . . . . . . . . . . . . . . .

10

2. Modelizado de componentes

11

2.1. Generaci´on fotovoltaica . . . . . . . . . . . . . . . . . . . . . .

11

2.1.1.

Principio de conversi´on fotovoltaica . . . . . . . . . . .

11

2.1.2.

Impacto de la alta penetraci´on fotovoltaica . . . . . . .

12

2.1.3.

Capacidad de alojamiento . . . . . . . . . . . . . . . .

13

2.2. Modelizado de BESS . . . . . . . . . . . . . . . . . . . . . . .

14

2.3. Estrategias de control y operaci´on . . . . . . . . . . . . . . . .

16

3. Metodolog´ıa

18

3.1. Caso de estudio . . . . . . . . . . . . . . . . . . . . . . . . . .

18

3.2. Modelizado en powerfactory . . . . . . . . . . . . . . . . . . .

19

3.3. Condiciones operativas de simulaci´on . . . . . . . . . . . . . .

20

3.3.1.

Definici´on de escenarios

. . . . . . . . . . . . . . . . .

22

3.4. Dimensionamiento t´ecnico del BESS . . . . . . . . . . . . . . .

23

3.4.1.

Exceso de potencia activa

. . . . . . . . . . . . . . . .

23

3.4.2.

Control Volt-VAR y capacidad del inversor . . . . . . .

24

3.4.3.

Capacidad de energ´ıa y estrategia de despacho . . . . .

Cap´ıtulo 0

4. Resultados

26

4.1. An´alisis de capacidad de alojamiento . . . . . . . . . . . . . .

26

4.2. Capacidad requerida

. . . . . . . . . . . . . . . . . . . . . . .

28

4.3. Impacto operativo . . . . . . . . . . . . . . . . . . . . . . . . .

29

5. Conclusiones

33

Apendices

34

A. Par´ametros del sistema el´ectrico de estudio

Cap´ıtulo 1 Introducci´on La integraci´on fotovoltaica en los sistemas el´ectricos de potencia introduce retos operativos por la variabilidad del recurso y su inyecci´on localizada, causando desviaciones de tensi´on y sobrecargas t´ermicas. Asimismo, el desplazamiento de m´aquinas s´ıncronas por fuentes basadas en inversores reduce la inercia global, lo que compromete la estabilidad del sistema ante perturbaciones [Milano et al., 2018].

Para mitigar estos impactos, los sistemas de almacenamiento de energ´ıa en bater´ıas o BESS por sus siglas en ingl´es1 ofrecen una soluci´on integral al gestionar combinadamente la potencia activa y reactiva. Esta flexibilidad permite regular la tensi´on local y absorber excedentes energ´eticos para aliviar la congesti´on de la red [International Renewable Energy Agency, 2017]. Bajo este enfoque, el presente trabajo eval´ua la integraci´on de un BESS acoplado a una planta fotovoltaica en la subestaci´on Pavas, validando su operaci´on mediante simulaciones cuasi-din´amicas en DIgSILENT PowerFactory.

1.1

Planteamiento del problema El paso hacia una red el´ectrica m´as limpia depende en gran medida de la masificaci´on de los sistemas fotovoltaicos. Sin embargo, esto exige revisar la operaci´on de las redes actuales. Al conectar fuentes renovables que var´ıan con el clima y que se acoplan a trav´es de inversores, el comportamiento del sistema cambia frente al paradigma de las plantas de generaci´on convencionales, 1Battery energy storage system

Cap´ıtulo 1 comprometiendo la inercia y la estabilidad de la red [Milano et al., 2018]. En Colombia, los planes de expansi´on del Sistema Interconectado Nacional (SIN) proyectan que la tecnolog´ıa solar crecer´a de forma muy acelerada en los pr´oximos a˜nos [Unidad de Planeaci´on Minero Energ´etica, 2023]. Para los Operadores de Red, esto representa un reto significativo, ya que deben adaptar su infraestructura dise˜nada originalmente para un flujo de energ´ıa unidireccional con el fin de alojar los nuevos excedentes de generaci´on solar sin sobrepasar su capacidad f´ısica. En este sentido, el mismo plan de expansi´on nacional reconoce que sus modelos de simulaci´on a gran escala no logran evaluar de forma adecuada la viabilidad del BESS, debido a que estos requieren estudios locales con mayor resoluci´on temporal y espacial [Unidad de Planeaci´on Minero Energ´etica, 2023].

Al trasladar esta situaci´on al sistema el´ectrico de Pereira, la futura conexi´on de parques fotovoltaicos plantea un problema operativo claro. La literatura sobre capacidad de alojamiento advierte que las redes de distribuci´on presentan dos barreras principales para aceptar nueva generaci´on: la saturaci´on t´ermica y las violaciones a los l´ımites de voltaje [Fatima et al., 2020]. En la pr´actica, esto se manifiesta como un fuerte desajuste entre las horas de mayor radiaci´on solar y las de mayor consumo. Al mediod´ıa, el pico de generaci´on solar puede sobrecargar las l´ıneas y elevar la tensi´on en los barrajes por encima de los l´ımites normativos, mientras que por la noche el sistema se exige al m´aximo para poder cubrir la demanda residencial. A partir de esta problem´atica, surge la siguiente pregunta de investigaci´on:

¿De qu´e manera el dimensionamiento de un BESS, operado bajo una estrategia multi-uso, permite mitigar restricciones operativas diurnas, y aplanar el pico de demanda nocturno, garantizando as´ı la estabilidad de la red?

Este panorama constituye la base de la presente investigaci´on. Mediante estudios de capacidad de alojamiento y simulaciones de red a nivel nodal, se evaluar´a el impacto de integrar un BESS en la subestaci´on. As´ı, se analizar´a c´omo la flexibilidad que aporta una estrategia multi-uso ayuda a mantener el sistema operando dentro de sus l´ımites f´ısicos y regulatorios, llenando precisamente el vac´ıo de an´alisis local y horario que los planes de expansi´on a nivel nacional no pueden cubrir.

Cap´ıtulo 1

1.2

Justificaci´on La creciente penetraci´on de sistemas fotovoltaicos impone nuevos desaf´ıos operativos sobre la infraestructura el´ectrica debido a la naturaleza variable y temporal del recurso solar. Durante las horas de m´axima irradiancia, la generaci´on puede superar la demanda local y producir flujos de potencia inversos, este comportamiento incrementa el estr´es t´ermico de los activos y genera elevaciones de tensi´on que reducen progresivamente el margen operativo del sistema. Al alcanzarse este l´ımite de operaci´on, conocido como capacidad de alojamiento, la red pierde la capacidad de integrar nueva generaci´on renovable sin vulnerar sus restricciones t´ecnicas [Fatima et al., 2020]. Tradicionalmente, estas limitaciones se mitigan mediante la expansi´on f´ısica de la infraestructura o el recorte de la generaci´on renovable. Sin embargo, los BESS representan una alternativa t´ecnica que permite incrementar la flexibilidad operativa y diferir costosas inversiones en la red [Zidar et al., 2017, International Renewable Energy Agency, 2017]. A pesar de su potencial, gran parte de la literatura t´ecnica analiza estos sistemas bajo esquemas de operaci´on de uso ´unico, dejando un vac´ıo en la evaluaci´on de estrategias multiservicio aplicadas de manera simult´anea [Englberger et al., 2020]. Como respuesta a este vac´ıo en la literatura t´ecnica, la presente investigaci´on propone una metodolog´ıa de dimensionamiento y control en el software DIgSILENT PowerFactory basada en una estrategia operativa multi-uso. El valor de este enfoque radica en la gesti´on coordinada del equipo para resolver las restricciones de la red de forma integral: aprovechar la capacidad de energ´ıa para mitigar la congesti´on t´ermica diurna y aplanar la demanda nocturna, mientras el inversor regula simult´aneamente la tensi´on mediante un control Volt-VAr. Esta integraci´on de servicios busca establecer al almacenamiento de energ´ıa como una alternativa t´ecnica para maximizar la capacidad de alojamiento renovable, aplazando la necesidad de expansiones estructurales.

1.3

Objetivos

1.3.1

Objetivo general Dimensionar y evaluar t´ecnicamente la integraci´on de un sistema de almacenamiento de energ´ıa por bater´ıas en una subestaci´on del sistema el´ectrico

Cap´ıtulo 1 de Pereira, con el fin de mitigar impactos operativos y garantizar la estabilidad del sistema frente a escenarios cr´ıticos de generaci´on y carga.

1.3.2

Objetivos espec´ıficos

1. Identificar las limitaciones operativas de la red de Pereira mediante un

an´alisis de capacidad de alojamiento frente a incrementos de penetraci´on fotovoltaica.

2. Dimensionar t´ecnicamente un sistema de almacenamiento de energ´ıa

que permita mejorar la estabilidad del sistema y mitigar las violaciones operativas identificadas.

3. Evaluar el desempe˜no del sistema de almacenamiento mediante simu-

laciones cuasi-din´amicas en DIgSILENT PowerFactory.

4. Realizar recomendaciones t´ecnicas sobre el uso y la necesidad de alma-

cenamiento de energ´ıa en el sistema el´ectrico de Pereira.

1.4

Estado del arte La integraci´on masiva de generaci´on fotovoltaica (FV) en los sistemas el´ectricos ha sido ampliamente estudiada en la literatura reciente debido a su impacto directo sobre la operaci´on de las redes. Diversos estudios evidencian que una alta penetraci´on de generaci´on FV puede generar congesti´on t´ermica en los activos de red, flujos de potencia bidireccionales y desviaciones en los perfiles de tensi´on [Fatima et al., 2020, Eltawil and Zhao, 2010]. Tradicionalmente, estas problem´aticas se han mitigado mediante la expansi´on f´ısica de la infraestructura [International Renewable Energy Agency, 2017]; sin embargo, este enfoque resulta costoso y poco flexible, lo que ha impulsado el desarrollo de soluciones basadas en BESS para diferir dichas inversiones [Zidar et al., 2017].

En este contexto, los BESS han emergido como una alternativa viable para incrementar la flexibilidad operativa de la red. Investigaciones recientes demuestran que el aprovechamiento eficiente de estos sistemas requieren estrategias multiobjetivo, donde un mismo activo proporciona m´ultiples servicios de red de manera simult´anea [Englberger et al., 2020]. Esta metodolog´ıa

Cap´ıtulo 1 permite que el BESS gestione su capacidad de energ´ıa para mitigar la congesti´on t´ermica diurna y aplanar la demanda mediante estrategias de Peak Shaving, al mismo tiempo que emplea la capacidad de su inversor para la regulaci´on de tensi´on. Para evaluar este comportamiento operativo de forma precisa, las simulaciones cuasi-din´amicas se han consolidado como una herramienta fundamental, ya que logran representar la variabilidad temporal de la generaci´on renovable a la par de los ciclos de carga y descarga del almacenamiento.

Desde el punto de vista tecnol´ogico, la implementaci´on en la vida real de estas estrategias ha sido fuertemente impulsada por el desarrollo de inversores inteligentes y arquitecturas modulares. Sistemas comerciales actuales basados en topolog´ıas tipo string, como el LUNA2000 Smart String ESS de Huawei Digital Power [Huawei Digital Power, 2023], ya permiten una gesti´on independiente y flexible de la potencia activa y reactiva lo que hace que este avance facilita el soporte din´amico de tensi´on a la red e integrar mayores niveles de energ´ıa renovable.

1.5

Estructura del documento Este documento se divide en cuatro cap´ıtulos, adem´as de esta introducci´on: en el cap´ıtulo 2 se presenta el modelizado del sistema bajo estudio. El cap´ıtulo 3 presenta la metodolog´ıa utilizada. Posteriormente se presentan los resultados en el cap´ıtulo 4 y las conclusiones en el cap´ıtulo 5.

Cap´ıtulo 2 Modelizado de componentes En esta secci´on se presentan los fundamentos te´oricos y los modelos principales utilizados en la presente investigaci´on, con el fin de facilitar la comprensi´on de los componentes que integran el sistema el´ectrico de estudio. Se desarrollan conceptos asociados a la generaci´on fotovoltaica (FV), an´alisis de tensi´on, capacidad de alojamiento, l´ımites t´ermicos, BESS y estrategias operativas de flexibilidad, los cuales sustentan el modelizado y an´alisis realizados.

2.1

Generaci´on fotovoltaica

2.1.1

Principio de conversi´on fotovoltaica La generaci´on FV se fundamenta en el efecto fotovoltaico, donde la potencia de salida de un m´odulo depende din´amicamente de las condiciones meteorol´ogicas locales. Este comportamiento se aproxima matem´aticamente mediante la ecuaci´on 2.1 [Su et al., 2020]:

pfv = pstc ·  g gstc 

· [1 + γ (tc −tstc)] ,

(2.1)

donde:

pfv: Potencia activa de salida del arreglo fotovoltaico [W]. pstc: Potencia m´axima bajo Condiciones Est´andar de Medida (STC).

Cap´ıtulo 2 g: Irradiancia solar incidente sobre el plano del m´odulo [W/m2]. gstc: Irradiancia de referencia bajo STC (1000 W/m2). γ: Coeficiente de temperatura de potencia m´axima del m´odulo [1/◦C]. tc: Temperatura operativa de la celda fotovoltaica [◦C]. tstc: Temperatura de referencia de la celda bajo STC (25◦C). Dado que tanto la irradiancia como la temperatura fluct´uan a lo largo del d´ıa, esto hace que haya una alta variabilidad en la inyecci´on de potencia activa, condicionando directamente la estabilidad del perfil de tensi´on en los nodos locales[Eltawil and Zhao, 2010].

2.1.2

Impacto de la alta penetraci´on fotovoltaica La integraci´on de la generaci´on FV altera el balance f´ısico de los sistemas el´ectricos al inyectar potencia activa directamente en los nodos de consumo. Desde el punto de vista te´orico, el impacto de esta penetraci´on se modeliza a trav´es de tres fen´omenos:

Inversi´on del flujo de potencia En una red convencional, la potencia activa fluye predominantemente desde la subestaci´on hacia las cargas. El balance de potencia activa neta inyectada en un nodo se define como:

piny = pgen −pcarga.

(2.2)

Bajo condiciones operativas est´andar sin generaci´on pG = 0, el nodo act´ua como sumidero de energ´ıa piny < 0. Sin embargo, cuando la generaci´on local supera la demanda, el t´ermino piny se torna positivo. Este cambio algebraico indica que el excedente energ´etico invierte el sentido natural del flujo, dirigi´endose aguas arriba hacia la subestaci´on de cabecera. Elevaci´on del perfil de tensi´on El flujo inverso altera el gradiente de tensi´on del alimentador. Para un tramo de red con impedancia serie z = r+jx, la variaci´on de tensi´on entre el

Cap´ıtulo 2 nodo de env´ıo V1 y el nodo de recepci´on V2 se aproxima mediante la siguiente ecuaci´on:

∆v = v1 −v2 ≈r · pdem + x · qdem vnom

.

(2.3)

Considerando que la potencia activa demandada neta representa el valor opuesto de la inyecci´on definida previamente pdem = −piny y que los inversores fotovoltaicos operan t´ıpicamente con un factor de potencia unitario, una alta penetraci´on solar provoca que este t´ermino activo en la ecuaci´on se vuelva negativo sin alterar el componente reactivo. Esta condici´on revierte el comportamiento convencional del sistema haciendo que ∆v < 0 lo cual demuestra matem´aticamente que la tensi´on en el nodo de recepci´on supera a la del nodo de env´ıo v2 > v1 generando as´ı la elevaci´on del perfil de tensi´on. Congesti´on t´ermica La capacidad de una l´ınea est´a restringida por su l´ımite t´ermico para evitar la degradaci´on por p´erdidas Joule (i2 · r) de modo que los flujos inversos incrementan la corriente circulante elevando el estr´es t´ermico evaluado mediante la cargabilidad porcentual (i/inom × 100 %) y dado que la corriente nominal se ajusta a la temperatura ambiente normativa [Ministerio de Minas y Energ´ıa, 2013] los escenarios de alta irradiancia y m´ınima demanda provocan que los conductores alcancen r´apidamente su saturaci´on t´ermica operativa.

2.1.3

Capacidad de alojamiento La capacidad de alojamiento se define como la cantidad m´axima de generaci´on distribuida que un sistema el´ectrico puede integrar de forma segura sin requerir repotenciaci´on o refuerzos en la infraestructura existente [Fatima et al., 2020, Qamar et al., 2023]. Matem´aticamente, este l´ımite operativo se expresa como:

hc = m´ax {pg | vmin ≤v(pg) ≤vmax ∧i(pg) ≤inom} .

(2.4)

Para resolver esta frontera t´ecnica sin recurrir a algoritmos de optimizaci´on, la presente investigaci´on determina el valor de HC mediante un enfoque iterativo, donde se eval´ua el escenario operativo m´as cr´ıtico, definido por la coincidencia de la m´axima generaci´on FV con el periodo de menor consumo

Cap´ıtulo 2 local dentro de la ventana de horas de sol; dado que, bajo estas condiciones de valle de demanda diurna, se maximiza el flujo de potencia inverso, llevando a la red a su punto de m´axima exigencia operativa.

La capacidad m´axima iterada se fija en el instante previo a que el sistema vulnere alguno de los siguientes l´ımites regulatorios: Criterio de tensi´on: El perfil de voltaje en todos los nodos debe mantenerse dentro de la franja normativa de 0,95 ≤v ≤1,05 p.u. Criterio t´ermico: La corriente circulante no debe superar la corriente nominal del conductor en ninguna rama, garantizando que la cargabilidad m´axima sea del 100 %.

2.2

Modelizado de BESS Un BESS integra tres subsistemas principales: el m´odulo de bater´ıas, el sistema de gesti´on de bater´ıa (BMS) o por sus siglas en ingles1 y el sistema de conversi´on de potencia (PCS)2.Adicionalmente, el sistema de control de planta (PPC)3 complementa esta arquitectura y gestiona el despacho de potencia activa y reactiva, tal como se ilustra en la figura 2.1. El modelizado energ´etico define la energ´ıa nominal requerida para entregar una energ´ıa ´util ereq considerando la profundidad de descarga o DOD por sus siglas en ingl´es 4 y la eficiencia de conversi´on η: enominal = ereq dod · η.

(2.5)

El PCS restringe la operaci´on del equipo a la potencia aparente nominal del inversor Smax como se detalla en la figura 2.2, esta restricci´on geom´etrica define una curva de cargabilidad circular que abarca los cuatro cuadrantes de operaci´on, modelada matem´aticamente como:

p2 bess + q2 bess ≤s2 max.

(2.6)

1Battery Management System 2Power Conversion System 3Power Plant Controller 4Depth of discharge

Cap´ıtulo 2 Figura 2.1: Arquitectura t´ıpica de un BESS conectado a red. Inyección de Potencia Activa Absorción de Potencia Activa +Q -Q Inyección Absorción Descarga Carga P -P Figura 2.2:

Curva de capabilidad P-Q del inversor.

Adaptado de [Saboori et al., 2025].

Cap´ıtulo 2 De esta frontera operativa se deriva un compromiso f´ısico directo: cualquier incremento en el intercambio de potencia activa reduce el margen disponible para el manejo de potencia reactiva. En consecuencia, al priorizar la operaci´on en la regi´on de carga, zona izquierda de la figura 2.2) para absorber excedentes y mitigar la congesti´on t´ermica, disminuye autom´aticamente la capacidad del inversor para proveer soporte de tensi´on de forma simult´anea.

2.3

Estrategias de control y operaci´on El control operativo de un BESS se estructura a partir de la gesti´on coordinada de sus variables el´ectricas para proveer servicios a la red. Entre estos, la regulaci´on de tensi´on local se rige por el intercambio din´amico de potencia reactiva. Te´oricamente, el esquema Volt-VAR se fundamenta en un control proporcional con banda muerta, donde la potencia reactiva de referencia qref se calcula en funci´on de la desviaci´on de la tensi´on medida Vmed:

qref =              −1 kq (vmed −vmax,db) si vmed > vmax,db,

0

si vmin,db ≤vmed ≤vmax,db, −1 kq (vmed −vmin,db) si vmed < vmin,db.

(2.7)

Esta funci´on de control local permite que el inversor brinde soporte de tensi´on sin intercambiar potencia activa, preservando el estado de carga de la bater´ıa para servicios adicionales [Balogun et al., 2024]. Para maximizar la utilizaci´on del activo, la literatura define la estrategia de operaci´on multi-uso como la provisi´on simult´anea de m´ultiples servicios de red, mejorando el aprovechamiento de los enfoques de uso ´unico. Matem´aticamente, el volumen de energ´ıa transado se divide seg´un el objetivo operativo:

Mitigaci´on de congesti´on t´ermica: El sistema se modela para absorber excedentes de generaci´on durante los periodos de alta irradiancia, evitando que las l´ıneas superen su l´ımite t´ermico. La energ´ıa te´orica

Cap´ıtulo 2 a absorber en el intervalo diurno [t1, t2] equivale a: eabs = Z t2 t1 m´ax  0, pfv(t) −plimite termico  dt.

(2.8)

Aplanamiento de demanda (Peak Shaving): Consiste en inyectar la energ´ıa previamente almacenada durante el periodo de m´axima exigencia del sistema. En la pr´actica, el BESS despacha un perfil de potencia activa piny(t) que reduce din´amicamente la curva de carga original. La energ´ıa total aportada en la franja nocturna [tini, tfin] corresponde al ´area de reducci´on del pico y se define como: eps = Z tfin tini piny(t)dt.

(2.9)

De este modo, el balance de potencia neta vista por la red disminuye pneta(t) = pdemanda(t) −piny(t), aliviando el estr´es sobre la infraestructura durante las horas cr´ıticas.

De igual forma, la literatura establece que las estrategias de despacho de energ´ıa suelen estar sujetas a una condici´on de neutralidad energ´etica o restricci´on de ciclado diario llamado estado de carga o SOC por sus siglas en ingles 5 (SOCt24 = SOCt0) en donde este principio te´orico asegura que la bater´ıa termine el d´ıa con el mismo nivel de carga con el que empez´o, garantizando su disponibilidad para la jornada siguiente [Polat et al., 2025]. Finalmente, el comportamiento del sistema a lo largo del d´ıa se eval´ua mediante una simulaci´on cuasi-din´amica cuyo enfoque consiste en ejecutar flujos de carga consecutivos para cada hora del horizonte de estudio. Matem´aticamente, permite observar c´omo evolucionan en el tiempo la generaci´on FV, la demanda y los ciclos del BESS.[DIgSILENT GmbH, 2020]. 5State of charge

Cap´ıtulo 3 Metodolog´ıa Este cap´ıtulo describe la metodolog´ıa implementada para evaluar el impacto t´ecnico de la integraci´on de generaci´on FV a gran escala y la posterior incorporaci´on de un BESS. Esta metodolog´ıa se divide en tres etapas consecutivas: la parametrizaci´on del caso de estudio, la evaluaci´on de sensibilidad ante la inyecci´on FV y finalmente, el dise˜no del sistema de almacenamiento.

3.1

Caso de estudio El caso de estudio se desarrolla en el sistema el´ectrico de Pereira que se estructura mediante redes de 115 kV y 33 kV, los cuales vinculan siete subestaciones, once l´ıneas, seis transformadores y siete cargas equivalentes, seg´un se ilustra en el diagrama unifilar de la figura 3.1. Todo el modelo de esta infraestructura fue implementado en PowerFactory.

En esta configuraci´on preexistente, la subestaci´on Dosquebradas ya cuenta con generaci´on fotovoltaica, mientras que la subestaci´on Pavas se seleccion´o como el punto de acoplamiento para la nueva planta solar y el BESS. Esta elecci´on se fundamenta en un an´alisis de sensibilidad comparativo que al evaluar incrementos graduales de inyecci´on FV en los nodos Dosquebradas, Cuba y Pavas, demostr´o que Pavas es la barra m´as cr´ıtica debido a su mayor vulnerabilidad ante problemas de congesti´on t´ermica y sobretensi´on.

Cap´ıtulo 3 Figura 3.1: Diagrama unifilar del sistema el´ectrico de Pereira.

3.2

Modelizado en powerfactory Para construir este modelo, primeramente se represent´o la infraestructura el´ectrica utilizando los modelos est´andar del software. Los siete barrajes principales se implementaron mediante elementos tipo terminal (ElmTerm), interconectados a trav´es de once l´ıneas, y acoplados por seis transformadores de potencia (ElmTr2). Por su parte, las siete cargas nodales del sistema se configuraron como cargas est´aticas (ElmLod) vincul´andolas directamente a perfiles de consumo horario.

Sobre esta topolog´ıa base, se incorpor´o la planta fotovoltaica proyectada en el nodo PV 115, as´ı como la generaci´on preexistente en DQ 115. Ambos recursos se representaron mediante el elemento Static Generator (ElmGenstat), operando como nodos PQ asumiendo un factor de potencia unitario y sin participaci´on en la regulaci´on de tensi´on local.

Cap´ıtulo 3 Finalmente, para gestionar los impactos operativos de dicha inyecci´on solar se integr´o el BESS en el mismo barraje PV 115 utilizando un segundo elemento ElmGenstat, el cual emula la operaci´on de un inversor de fuente de voltaje. La operaci´on del inversor se restringi´o a su curva de capabilidad circular, definida por su potencia aparente nominal. A nivel de control, el inversor fue configurado con una estrategia Volt-VAR tipo droop para proporcionar soporte din´amico de tensi´on de forma aut´onoma y de manera simult´anea, el despacho de potencia activa se gobern´o mediante un perfil predefinido, calculado externamente para absorber los excedentes y mitigar la congesti´on t´ermica del sistema.

3.3

Condiciones operativas de simulaci´on Los perfiles de inyecci´on FV se modelan a partir de datos climatol´ogicos hist´oricos (2019-2025) extra´ıdos de la base satelital NASA POWER para la subestaci´on Pavas [NASA Langley Research Center, 2024], en el cual se eval´ua el escenario de mayor estr´es utilizando la variable de cielo despejado para garantizar la m´axima inyecci´on te´orica, de modo que los registros horarios procesados en Python generan una curva promedio de 24 horas normalizada respecto a las condiciones est´andar de medida STC por siglas en ingl´es1[Masters, 2013]:

firr(h) = gcs(h) gstc

,

(3.1)

donde:

firr(h): factor de irradiancia horario en p.u.

gcs(h): irradiancia de cielo despejado a la hora h [W/m2] gstc: irradiancia de referencia STC, 1000 W/m2 h: hora del d´ıa (1–24) El firr(h) se implementa en powerfactory como una Time Characteristic, cuya forma resultante se presenta en la figura 3.2.

1Standard test conditions

Cap´ıtulo 3

0

4

8

12

16

20

24

Tiempo [h]

0.2000

0.4000

0.6000

0.8000

0.9866

firr(h) Factor de Irradiación Figura 3.2: Curva promedio horaria de irradiancia normalizada firr(h). pfv(h) = pbase × k × firr(h),

(3.2)

con pbase = 6,75 MW que corresponde al 5 % de la demanda m´axima del sistema y k el factor de escala que define cada escenario de penetraci´on. El comportamiento temporal del consumo se integra mediante la parametrizaci´on de las cargas del sistema, las cuales se configuran ingresando la Potencia Activa y un Factor de Potencia inductivo constante. Para representar su evoluci´on horaria, se define un perfil de demanda normalizado fdem(h) basado en los registros de cada nodo, donde este factor adimensional se calcula relacionando la potencia exigida en la hora h con la demanda m´axima diaria pm´ax garantizando as´ı un valor pico de 1.0 p.u: fdem(h) = p(h) pm´ax

.

(3.3)

En PowerFactory, la Pm´ax se asigna como la potencia nominal de cada carga, mientras que el fdem(h) se implementa a trav´es de una Time Characteristic, por lo que el software calcula la demanda en cada instante temporal mediante la expresi´on:

pdem(h) = pm´ax × fdem(h).

(3.4)

Cap´ıtulo 3 Los perfiles resultantes presentan un valle de consumo en las horas centrales del d´ıa (11:00 a 14:00) y un incremento progresivo hasta su pico m´aximo en la franja nocturna, tal como ilustra la figura 3.3. La coincidencia de este valle de demanda con el pico m´aximo de irradiancia solar configura el escenario operativo m´as cr´ıtico para la red, maximizando los flujos de potencia inversos y el riesgo de sobretensi´on.

1

4

8

12

16

20

24

Hora del día

10

15

20

25

30

Demanda (MW)

CENTRO

DOSQUEBRADAS

CUBA

PAVAS

VENTORILLO

NARANJITO

Figura 3.3: Perfiles horarios de demanda para las subestaciones del sistema.

3.3.1

Definici´on de escenarios Para evaluar el impacto de la generaci´on FV, se implement´o un barrido param´etrico incrementando iterativamente k bajo un doble prop´osito metodol´ogico, el cual busca, identificar la capacidad de alojamiento del sistema al registrar la primera violaci´on operativa, para posteriormente extender la inyecci´on hasta forzar una segunda restricci´on, estableciendo as´ı el escenario cr´ıtico que define los requerimientos de dise˜no del BESS, cuyo despacho se orienta a mitigar simult´aneamente las siguientes violaciones operativas:

1. Criterio de tensi´on: Determinar el valor de k para el cual se registra

vPV 115 > 1,05 p.u.

2. Criterio t´ermico: Identificar el punto de inyecci´on exacto que provoca

la sobrecarga en las l´ıneas adyacentes a la subestaci´on Pavas.

Cap´ıtulo 3

3.4

Dimensionamiento t´ecnico del BESS El dimensionamiento del sistema de almacenamiento se fundamenta en el excedente de generaci´on registrado durante el escenario cr´ıtico. Este procedimiento tiene un doble objetivo: mantener la tensi´on en el nodo de conexi´on dentro de un margen de seguridad operativo de 1.048 p.u. y reducir la cargabilidad de las l´ıneas asociadas por debajo del 95 % de su capacidad t´ermica nominal.

Para cuantificar los requerimientos del BESS, el proceso metodol´ogico inicia con la extracci´on de las variables horarias (h) de la simulaci´on del caso base (sin almacenamiento): potencia activa p(h), potencia reactiva q(h), tensi´on nodal vpu(h) y potencia aparente s(h). A partir de estos registros, se ejecuta un c´alculo secuencial estructurado en tres etapas: la determinaci´on del exceso de potencia activa en las l´ıneas, la definici´on de la estrategia de soporte de tensi´on y el c´alculo de la capacidad de almacenamiento del las bater´ıas.

3.4.1

Exceso de potencia activa El l´ımite f´ısico de un conductor el´ectrico est´a determinado por su capacidad t´ermica, la cual depende estrictamente de la corriente circulante. La cargabilidad t´ermica horaria c(h) de la l´ınea evaluada se expresa inicialmente como:

c(h) = s(h) vpu(h)Slinea max × 100 %,

(3.5)

donde Slinea max representa la capacidad nominal del conductor. Dado que la tensi´on nodal vpu(h) experimenta variaciones a lo largo del d´ıa, se formula un l´ımite de potencia aparente din´amico sobj(h) para restringir la cargabilidad al 95 %:

sobj(h) = 0,95 · vpu(h) · slinea max .

(3.6)

La adopci´on de este l´ımite optimiza la evaluaci´on de la red: cuando el nodo presenta sobretensiones (vpu > 1,0 p.u.), la l´ınea incrementa su capacidad de transporte de MVA sin superar la corriente l´ımite del conductor. Con esta frontera definida y considerando que el control de tensi´on de la planta solar inyecta o absorbe una potencia reactiva q(h), el margen de potencia activa

Cap´ıtulo 3 admisible pmax(h) se deduce trigonom´etricamente mediante el tri´angulo de potencias:

pmax(h) = q sobj(h)2 −q(h)2.

(3.7)

Finalmente, la diferencia entre la generaci´on FV y la capacidad admisible del conductor determina el excedente exacto de potencia activa que debe absorber el BESS, este exceso horario se calcula mediante la funci´on m´aximo asegurando que el almacenamiento act´ue ´unicamente ante condiciones de sobrecarga:

∆p(h) = m´ax p(h) −pmax(h), 0

.

(3.8)

3.4.2

Control Volt-VAR y capacidad del inversor Para estabilizar el voltaje en el nodo se incorpora una estrategia de control proporcional Volt-VAR; sin embargo, debido a que este esquema requiere una desviaci´on de tensi´on para activarse, establecer el inicio de la absorci´on de reactivos exactamente en el l´ımite operativo provocar´ıa una respuesta tard´ıa, por lo que se aplica un desplazamiento anticipado (offset) en la banda muerta superior, fijando un umbral m´as restrictivo que fuerza la convergencia del sistema. Posteriormente, para determinar el requerimiento de potencia reactiva m´axima (qreq), se eval´ua el escenario de mayor estr´es configurando el inversor en modo de control de tensi´on estricto, identificando as´ı la capacidad de absorci´on necesaria y de este modo, al combinar los requerimientos de potencia activa (∆p(h)) con el soporte reactivo (qreq(h)) entregado por el controlador, la potencia aparente nominal del inversor se dimensiona bajo la condici´on de m´axima exigencia:

sreq BESS = m´ax h q ∆p(h)2 + qreq(h)2 

.

(3.9)

3.4.3

Capacidad de energ´ıa y estrategia de despacho La energ´ıa ´util eutil necesaria para eliminar la congesti´on t´ermica resulta de la integraci´on horaria del perfil de excesos de potencia activa calculado previamente:

Cap´ıtulo 3 eutil = X h|∆p>0 ∆p(h) · ∆t.

(3.10)

Para establecer la capacidad nominal f´ısica a instalar enom, se incorporan par´ametros de dise˜no asociados η y a DOD de 90 % y 80 % respectivamente. Adicionalmente a la mitigaci´on de excedentes, la energ´ıa almacenada se restituye a la red mediante la estrategia de peak shaving durante el pico de demanda nocturna. Este despacho se programa de forma horaria en Power- Factory, configurando un bloque escalonado que inyecta la potencia disponible de manera controlada y garantiza que el soc del BESS retorne a su condici´on inicial al finalizar el ciclo diario.

Cap´ıtulo 4 Resultados

4.1

An´alisis de capacidad de alojamiento En esta secci´on se eval´ua el flujo de carga del sistema ante distintos niveles de penetraci´on FV, este an´alisis permite identificar las limitaciones operativas y determinar la capacidad de alojamiento de la red. La Tabla 4.1 resume los escenarios evaluados para cuantificar la inyecci´on progresiva de potencia activa y su impacto en el nodo Pavas.

Cuadro 4.1: Escenarios de penetraci´on fotovoltaica evaluados en la subestaci´on Pavas.

Factor de Escala (k) Potencia Instalada [MW]

0

0,00

3

20,25

6

40,50

9

60,75

12

81,00

15

101,25

La figura 4.1 presenta la evoluci´on horaria de la cargabilidad de la l´ınea Dosquebradas-Pavas bajo distintos niveles de penetraci´on FV. Durante las horas de m´axima irradiancia, la utilizaci´on del conductor aumenta progresivamente debido a que la generaci´on FV excede la demanda neta local y como consecuencia, se produce un flujo inverso de potencia hacia la subesta-

Cap´ıtulo 4

00

02

04

06

08

10

12

14

16

18

20

22

Tiempo [h]

20

40

60

80

100

120

Cargabilidad [%] k = 0 k = 3 k = 6 k = 9 k = 12 k = 15 Límite operativo (95 %) Figura 4.1: Cargabilidad t´ermica horaria de la l´ınea Dosquebradas-Pavas para diferentes factores de penetraci´on k.

ci´on Dosquebradas que incrementa el estr´es t´ermico sobre la l´ınea. En el escenario cr´ıtico correspondiente a un factor de escala k = 14, equivalente a una inyecci´on fotovoltaica de 94.5 MW, la cargabilidad de la l´ınea alcanza un valor m´aximo de 104.54 % que supera el l´ımite operativo permitido. Este comportamiento evidencia el agotamiento de la capacidad de alojamiento t´ermica de la red y justifica la necesidad de incorporar un sistema BESS para mitigar la congesti´on.

00

02

04

06

08

10

12

14

16

18

20

22

Tiempo [h]

1.040

1.042

1.044

1.046

1.048

1.050

Tensión [p.u.] k = 0 k = 3 k = 6 k = 9 k = 12 k = 15 Límite superior Figura 4.2: Evoluci´on del perfil de tensi´on en la barra Pavas 115 kV para diferentes factores.

Cap´ıtulo 4 De acuerdo con la figura 4.2, el an´alisis temporal de la tensi´on en la barra Pavas evidencia que durante las horas de mayor inyecci´on solar el voltaje se eleva de forma proporcional al nivel de penetraci´on fotovoltaica. F´ısicamente, este comportamiento ocurre debido a que la inyecci´on de potencia activa supera el consumo local, generando un flujo de potencia inverso. Al transitar en este sentido, la interacci´on con la impedancia equivalente del sistema provoca una elevaci´on de tensi´on en el nodo y en consecuencia, se superan los limites normativos permitidos lo que restringe la capacidad de alojamiento y hace indispensable la compensaci´on de potencia reactiva mediante el BESS para restablecer el voltaje a niveles seguros.

4.2

Capacidad requerida Para mitigar las restricciones operativas del escenario cr´ıtico, la capacidad del BESS se dimensiona evaluando simult´aneamente la regulaci´on de tensi´on y el l´ımite t´ermico. As´ı, durante la m´axima inyecci´on fotovoltaica (12:00 h), fijar la tensi´on del nodo Pavas en 1.048 p.u. exige un soporte reactivo te´orico de qreq = −4,055 MVAr, valor que define el l´ımite de dise˜no del inversor. Sin embargo, debido a la naturaleza del control proporcional, el sistema se estabiliza en un punto de equilibrio seguro antes de alcanzar dicho valor exacto, requiriendo un esfuerzo reactivo menor al calculado. Finalmente, este an´alisis se complementa con la evaluaci´on t´ermica de la l´ınea para determinar la potencia activa, integrando ambos componentes para establecer la capacidad definitiva del inversor y de la bater´ıa.

La figura 4.3 presenta la evoluci´on horaria de la cargabilidad de la l´ınea Dosquebradas-Pavas en el escenario cr´ıtico donde el ´area sombreada representa el excedente de potencia que supera el l´ımite operativo del 95 % identificando el perfil de congesti´on a mitigar. Los resultados muestran que para eliminar esta sobrecarga el inversor debe absorber un excedente m´aximo de potencia activa de ∆pmax = 17,65 MW que al evaluarse simult´aneamente con la demanda reactiva define una potencia aparente nominal de smax = 18,11 MVA. Por lo que, la integraci´on horaria de los excedentes de activa determina una energ´ıa ´util de eutil = 53,55 MWh que al considerar una eficiencia del 90 % y una profundidad de descarga del 80 % t´ıpicas de iones de litio establece la capacidad nominal para el banco de bater´ıas en enom = 74,37 MWh.

Cap´ıtulo 4

04

06

08

10

12

14

16

18

Tiempo [h]

0

20

40

60

80

100

120

Cargabilidad [%] Sobrecarga a mitigar Límite operativo de seguridad (95 %) Figura 4.3: Cargabilidad t´ermica de la l´ınea Dosquebradas-Pavas en el escenario cr´ıtico e identificaci´on de la sobrecarga.

4.3

Impacto operativo La respuesta din´amica del sistema se eval´ua inicialmente mediante el perfil horario de potencia activa y reactiva intercambiada por el inversor durante el ciclo de 24 horas. La figura 4.4 presenta el comportamiento simult´aneo del equipo durante las etapas de absorci´on e inyecci´on.

El an´alisis de esta respuesta permite confirmar que durante el periodo de alta penetraci´on fotovoltaica entre las 09:00 y las 14:00 h el equipo absorbe potencia activa alcanzando un m´aximo de 17.65 MW a las 12:00 h. Simult´aneamente el control gestiona el intercambio de potencia reactiva con un m´aximo de -2.83 MVAr a las 13:00 h lo cual valida que la estrategia proporcional requiere un esfuerzo reactivo inferior al valor te´orico obtenido durante el dimensionamiento.

Para cuantificar el beneficio sobre la red se presenta la figura 4.5 donde se contrasta la curva de demanda total original frente al perfil modificado por la acci´on del almacenamiento.

Esta comparativa evidencia que el despacho escalonado nocturno entre las 18:00 y las 22:00 h reduce el pico m´aximo de demanda mediante la inyecci´on de la energ´ıa almacenada. La redistribuci´on de carga prioriza las horas de mayor exigencia lo que mitiga el estr´es t´ermico y habilita una mayor capacidad de alojamiento de recursos renovables en el sistema.

Cap´ıtulo 4

06

08

10

12

14

16

18

20

22

Tiempo [h]

15

10

5

0

5

10

15

Potencia [MW / MVAR] BESS: Potencia Reactiva BESS: Potencia Activa Figura 4.4: Perfil de inyecci´on y absorci´on de potencia activa y reactiva del

BESS.

La acci´on combinada del inversor mitiga la congesti´on en la red, restringiendo la cargabilidad de la l´ınea Dosquebradas-Pavas al l´ımite operativo del

95 % (figura 4.6) y manteniendo la tensi´on del nodo Pavas dentro de la franja

regulatoria (figura 4.7).

Finalmente la viabilidad operativa y el balance energ´etico del dise˜no se verifican a trav´es de la evoluci´on del nivel de carga de las bater´ıas ilustrada en la figura 4.8.

Para validar la viabilidad operativa se simul´o la evoluci´on horaria del Estado de Carga del banco de bater´ıas y se calcul´o el balance energ´etico resultante de los 53.55 MWh ´utiles. Durante el ciclo operativo ocurri´o que la reserva energ´etica ascendi´o hasta el l´ımite superior del 90 % a las 14:00 h y posteriormente se despach´o en la franja nocturna. Como resultado se obtuvo el retorno exacto del sistema al valor inicial del 10 % al finalizar la jornada, lo cual asegura el cierre del ciclo diario y protege la vida ´util de las bater´ıas.

Cap´ıtulo 4

00

02

04

06

08

10

12

14

16

18

20

22

Hora del día [h]

0

20

40

60

80

100

120

MW Reducción por BESS Carga Total (MW) Carga con BESS (MW) Figura 4.5: Aplanamiento de la curva de demanda total del sistema mediante la estrategia de peak shaving

.

00

02

04

06

08

10

12

14

16

18

20

22

Tiempo [h]

20

40

60

80

100

120

Cargabilidad [%] Escenario crítico Escenario mitigado Límite operativo (95 %) Figura 4.6: Comparativa de la cargabilidad t´ermica en la l´ınea Dosquebradas- Pavas

Cap´ıtulo 4

00

02

04

06

08

10

12

14

16

18

20

22

Tiempo [h]

1.040

1.042

1.044

1.046

1.048

1.050

Tensión [p.u.] Escenario crítico Escenario mitigado Límite superior (1.05 p.u.)

Figura 4.7: Comparativa del perfil de tensi´on en el nodo Pava

00

02

04

06

08

10

12

14

16

18

20

22

24

Tiempo [h]

10

30

50

70

90

Estado de Carga SOC [%] Reposo (SOC Constante) Carga (SOC Sube) Reposo (SOC Constante) Descarga (SOC Baja) Final (SOC Inicial) Límite SOC Figura 4.8: Evoluci´on horaria del soc del sistema de almacenamiento.

Cap´ıtulo 5 Conclusiones El objetivo principal de este trabajo fue dimensionar un BESS para mitigar los impactos operativos de la generaci´on FV en Pereira ya que mediante simulaciones se identific´o que la inyecci´on masiva en la subestaci´on Pavas agota la capacidad de alojamiento provocando flujos inversos. El sistema alcanza su l´ımite cr´ıtico con una penetraci´on de 94.5 MW sobrecargando la l´ınea Dosquebradas-Pavas al 104.54 % y superando la tensi´on normativa de

1.05 p.u. lo cual hace necesario instalar un BESS de 17.65 MW/74.37 MWh

para proporcionar la flexibilidad operativa requerida al gestionar los excedentes diurnos de generaci´on y eliminar las restricciones t´ecnicas de la red. Adicionalmente se valid´o la efectividad de operar el BESS adoptando una estrategia multi-uso donde el control Volt-var logr´o estabilizar la tensi´on en un valor muy cercano a 1.048 p.u. exigiendo una absorci´on de -2.83 MVAr gracias a la respuesta del control droop. De manera complementaria la estrategia de peak shaving inyect´o los 53.55 MWh almacenados durante la franja de mayor exigencia entre las 18:00 y las 22:00 aplanando significativamente el pico nocturno de demanda al mismo tiempo que el ciclo mantuvo la neutralidad energ´etica operando el estado de carga entre el 10 % y el 90 % hasta retornar a su valor inicial al finalizar la jornada para minimizar la degradaci´on de las celdas.

A modo de recomendaci´on final y dado que los estudios de capacidad de alojamiento proyectan que la red enfrentar´a severas limitaciones al conectar futuros parques solares se sugiere planificar desde ahora la integraci´on de tecnolog´ıa BESS como una medida preventiva. Resulta estrat´egico instalar estos equipos en nodos vulnerables como la subestaci´on Pavas para operarlos bajo esquemas multi-servicio que coordinen la potencia activa y reactiva de

Cap´ıtulo forma simult´anea de modo que al evaluar el almacenamiento de energ´ıa como primera l´ınea de acci´on se dote al sistema de la flexibilidad necesaria para gestionar la transici´on energ´etica logrando diferir las altas inversiones que implicar´ıa repotenciar f´ısicamente la red en en los pr´oximos a˜nos.

Ap´endice A Par´ametros del sistema el´ectrico de estudio Este anexo detalla los par´ametros t´ecnicos y el´ectricos de los componentes modelados en powerFactory para el caso de estudio. Cuadro A.1: Datos de los generadores Generador S V F.P.

Impedancias

[MVA]

[kV] [p.u.] [p.u.] Solar Belmonte

5,06

33,0

1,00

– Menor Belmonte

4,70

13,8

0,80

X0 = 0, 05; X2 = 0, 14 Nuevo Libare

6,25

13,8

0,90

X0 = 0, 09; X2 = 0, 17 Cuadro A.2: Datos de las redes externas Red Externa Tipo de Nodo P Q Qm´ın Qm´ax [MW] [MVAr] [MVAr] [MVAr] Pavas SL – –

-148,88

148,88

Cartago PV

28,1

1,2

-103,19

103,19

Cap´ıtulo A Cuadro A.3: Datos de las l´ıneas Nombre de la L´ınea Longitud R1 X1 R0 X0 Inom [km] [Ω] [Ω] [Ω] [Ω] [kA] Cartago - Pavas

15.35

2.917

7.640

6.894

24.312

0.530

Cuba - Dosquebradas

4.27

0.811

2.124

1.917

6.761

0.200

Cuba - Naranjito

1.70

0.323

0.845

0.763

2.691

0.527

Dosquebradas - Pavas

11.98

2.276

5.961

5.379

18.971

0.530

Dosquebradas - Ventorrillo

5.38

0.655

2.114

2.148

9.036

0.600

Dosquebradas - Centro

2.72

0.331

1.069

1.086

4.568

0.600

Dosquebradas - La Rosa

4.36

0.828

2.171

1.958

6.908

0.530

La Rosa - Centro

3.30

0.401

1.297

1.318

5.542

0.600

La Rosa - Cuba

7.80

1.482

3.881

2.867

11.974

0.400

La Rosa - Ventorrillo

4.12

0.782

1.671

1.514

6.325

0.527

Ventorrillo - Naranjito

5.24

0.638

2.059

2.092

8.802

0.530

Cuadro A.4: Datos de los transformadores Subestaci´on Trafo S V Impedancia Conexi´on

[MVA]

[kV] X0 = X1 = X2 La Rosa T1

60

115 / 33

0,0980

Ynyn0 T2

60

115 / 33

0,0937

Ynyn0 Dosquebradas T1

75 / 75 / 25

115 / 8,65

0,12 / 0,0192 Dyn11 Belmonte T1

5

13,2 / 2,4

0,0682

Dyn11 Libare T1

25

33 / 13,8

0,1320

Dyn11 Cuba T1

75

115 / 33

0,1250

Dyn5

Bibliograf´ıa [Balogun et al., 2024] Balogun, O. A., Sun, Y., and Gbadega, P. A. (2024). Coordination of smart inverter enabled distributed energy resources for optimal PV-BESS integration and voltage stability in modern power distribution networks: A systematic review and bibliometric analysis. ePrime Advances in Electrical Engineering, Electronics and Energy, 10:100800. [DIgSILENT GmbH, 2020] DIgSILENT GmbH (2020). DIgSILENT Power- Factory 2020 User Manual. DIgSILENT GmbH, Gomaringen, Germany. Version 2020.

[Eltawil and Zhao, 2010] Eltawil, M. A. and Zhao, Z. (2010). Grid-connected photovoltaic power systems: Technical and potential problems—a review. Renewable and Sustainable Energy Reviews, 14(1):112–129. [Englberger et al., 2020] Englberger, S., Jossen, A., and Hesse, H. (2020). Unlocking the potential of battery storage with value stacking. Applied Energy, 273:115232.

[Fatima et al., 2020] Fatima, S., P¨uvi, V., and Lehtonen, M. (2020). Review on the pv hosting capacity in distribution networks. Energies, 13(18):4756. [Huawei Digital Power, 2023] Huawei Digital Power (2023).

LUNA2000

Smart String Energy Storage System – Technical Datasheet. Technical report, Huawei Technologies Co., Ltd.

[International Renewable Energy Agency, 2017] International Renewable Energy Agency (2017).

Electricity storage and renewables: Costs and markets to 2030. Report, IRENA.

[Masters, 2013] Masters, G. M. (2013). Renewable and Efficient Electric Power Systems. Wiley, Hoboken, NJ, 2nd edition.

Cap´ıtulo A [Milano et al., 2018] Milano, F., D¨orfler, F., Hug, G., Hill, D. J., and Verbiˇc, G. (2018). Foundations and challenges of low-inertia systems. Proceedings of the IEEE, 106(9):1637–1659.

[Ministerio de Minas y Energ´ıa, 2013] Ministerio de Minas y Energ´ıa (2013). Reglamento t´ecnico de instalaciones el´ectricas – RETIE. Technical report, Ministerio de Minas y Energ´ıa de Colombia. Resoluci´on 90708 de 2013. [NASA Langley Research Center, 2024] NASA Langley Research Center (2024). Power data access viewer.

[Polat et al., 2025] Polat, S., Biyik, E., and S¸ekerci ¨Oztura, H. (2025). Optimal active and reactive power scheduling for inverter-integrated PV and BESS under inverter current constraints. Electric Power Systems Research, 245:111629.

[Qamar et al., 2023] Qamar, N., Arshad, A., Mahmoud, K., and Lehtonen, M. (2023). Hosting capacity in distribution grids: A review of definitions, performance indices, determination methodologies, and enhancement techniques. Energy Science & Engineering, 11:1536–1559.

[Saboori et al., 2025] Saboori, H., Pishbahar, H., Dehghan, S., Strbac, G., Amjady, N., Novosel, D., and Terzija, V. (2025). Reactive power implications of penetrating inverter-based renewable and storage resources in future grids toward energy transition—a review. Proceedings of the IEEE. Early access.

[Su et al., 2020] Su, D., Li, K., and Shi, N. (2020). Research on renewable energy planning considering the flexible region of the microgrid. Applied Sciences, 10(21):7544.

[Unidad de Planeaci´on Minero Energ´etica, 2023] Unidad de Planeaci´on Minero Energ´etica (2023). Plan de expansi´on de referencia generaci´on y transmisi´on 2022-2036. Reporte T´ecnico UPME-G-2022, Ministerio de Minas y Energ´ıa, Bogot´a, Colombia.

[Zidar et al., 2017] Zidar, M., Georgilakis, P. S., Hatziargyriou, N. D., Capuder, T., and ˇSkrlec, D. (2017). Review of energy storage allocation in power distribution networks: applications, methods and future research. Renewable and Sustainable Energy Reviews, 79:1412–1423.