1

Análisis del impacto de las fallas en el sistema de distribución de energía eléctrica

Felipe Murillo Arango

Hugo Alexander Orozco Correa

Asesor

Jorge Luis Quintero Lopez

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería ECBTI

Especialización Ciencia de Datos y Analítica

2025
 2

Resumen

El proyecto estudia el impacto de las fallas en el sistema de distribución de energía

eléctrica con el objetivo de optimizar los recursos operativos, reducir los tiempos de

desplazamiento y minimizar la no disponibilidad del servicio. La meta principal es garantizar el

cumplimiento de los indicadores de calidad establecidos por la regulación vigente en Colombia,

en particular la Resolución 015 de 2018 de la Comisión de Regulación de Energía y Gas (CRE

G) (Energía, 2018). Este análisis es esencial para asegurar que las empresas encargadas

de la distribución eléctrica puedan mantener la calidad del servicio dentro de los parámetros

exigidos, brindando así un servicio más confiable a los usuarios.

El marco normativo de la Resolución 015 de 2018 establece lineamientos precisos sobre

la calidad del servicio para los operadores de redes de distribución eléctrica en Colombia. Entre

los aspectos clave que contempla esta resolución se encuentran los tiempos máximos permitidos

de indisponibilidad del servicio, la frecuencia de las interrupciones, la actualización anual de

estos parámetros y los esquemas de compensación a los usuarios afectados por fallas en el

sistema. Además, se fijan metas de calidad que las empresas deben cumplir, las cuales son

revisadas periódicamente con el fin de ajustarlas a las necesidades actuales del mercado y las

condiciones de operación de las redes eléctricas.

Uno de los desafíos más importantes que enfrentan los operadores de redes eléctricas es

cumplir con estos indicadores de calidad en medio de condiciones adversas, como las fallas

provocadas por factores atmosféricos y la vegetación. Estas fallas, que se presentan con

frecuencia en distintas partes del país, generan altos tiempos de indisponibilidad del servicio, lo

que a su vez repercute negativamente en los indicadores de calidad que deben respetarse. A pesar

de que existen restricciones en las actividades programadas que implican cortes de servicio, la
 3

realidad es que las múltiples fallas diarias resultan difíciles de controlar y gestionar

eficientemente. Esto aumenta no solo la frecuencia de las interrupciones, sino también los

tiempos de indisponibilidad del sistema, lo que afecta tanto a los usuarios como a las empresas

responsables de la distribución eléctrica. (Energía, 2018)

El proyecto se enmarca en el desarrollo tecnológico y la investigación aplicada dentro de

la cadena de formación en el sector industrial. La tecnología juega un papel fundamental en la

mejora de la gestión de las fallas y en la optimización de los recursos disponibles para atender las

mismas. Al implementar soluciones tecnológicas avanzadas, se espera reducir significativamente

los tiempos de respuesta ante las fallas y mejorar la eficiencia operativa, lo cual permitiría a los

operadores de redes cumplir con los indicadores de calidad establecidos por la CREG (Energía,

2018) de manera más efectiva. De este modo, se busca no solo mejorar la calidad del servicio

eléctrico, sino también minimizar las compensaciones que las empresas deben otorgar a los

usuarios afectados por las interrupciones del servicio.

En conclusión, este proyecto se orienta a mejorar la gestión de las fallas en el sistema de

distribución de energía eléctrica en Colombia, mediante el uso de tecnologías que optimicen los

recursos operativos y reduzcan la frecuencia y duración de las interrupciones. Al abordar de

manera eficiente las causas de las fallas y aplicar soluciones innovadoras, se podrá mejorar la

calidad del servicio, cumpliendo con las exigencias regulatorias y beneficiando tanto a los

operadores como a los usuarios finales del servicio eléctrico.

Palabras claves: Fallas, Sistema de distribución, Calidad del servicio, Optimización de

recursos, Regulación energética.

 4

Abstract

The project focuses on studying the impact of failures in the electricity distribution

system with the goal of optimizing operational resources, reducing response times, and

minimizing service unavailability. The main objective is to ensure compliance with the quality

indicators established by current regulations in Colombia, particularly the Resolution 015 of

2018 issued by the Commission of Regulation of Energy and Gas (CREG). This analysis is

essential to ensure that companies responsible for electricity distribution can maintain service

quality within the required parameters, thereby providing a more reliable service to users.

The regulatory framework of Resolution 015 of 2018 sets precise guidelines regarding

service quality for electricity distribution network operators in Colombia. Key aspects of this

resolution include the maximum permitted service unavailability times, the frequency of

interruptions, the annual update of these parameters, and the compensation schemes for users

affected by system failures. Additionally, quality targets are established that companies must

meet, which are periodically reviewed to adjust them to current market needs and the operational

conditions of the electricity networks.

One of the most significant challenges faced by electricity network operators is

complying with these quality indicators amidst adverse conditions, such as failures caused by

weather factors and vegetation. These failures, which frequently occur in various parts of the

country, generate high service unavailability times, negatively impacting the quality indicators

that must be respected. Although there are restrictions on scheduled activities that require service

interruptions, the reality is that the multiple daily failures are difficult to control and manage

efficiently. This increases not only the frequency of interruptions but also the unavailability
 5

times of the system, affecting both users and the companies responsible for electricity

distribution. (Energía, 2018)

The project is embedded in technological development and applied research within the

training chain in the industrial sector. Technology plays a fundamental role in improving failure

management and optimizing the resources available to address them. By implementing advanced

technological solutions, it is expected to significantly reduce response times to failures and

improve operational efficiency, allowing network operators to more effectively meet the quality

indicators established by CREG (Energía, 2018). Thus, the aim is not only to enhance the quality

of electricity service but also to minimize the compensations that companies must provide to

users affected by service interruptions.

In conclusion, this project aims to improve the management of failures in the electricity

distribution system in Colombia by using technologies that optimize operational resources and

reduce the frequency and duration of interruptions. By efficiently addressing the causes of

failures and applying innovative solutions, it will be possible to enhance service quality, comply

with regulatory requirements, and benefit both operators and end users of the electricity service.

Keywords: Failures, Distribution system, Service quality, Resource optimization, Energy

regulation.
 6

Tabla de Contenido

Introducción ...................................................................................................................................11

Justificación ...................................................................................................................................12

Objetivos ........................................................................................................................................14

Objetivo General ....................................................................................................................... 14

Objetivo Específicos ................................................................................................................. 14

Planteamiento del Problema ..........................................................................................................15

Marco Conceptual ..........................................................................................................................16

Indicadores de Calidad .............................................................................................................. 16

Sistemas de Distribución........................................................................................................... 17

Qué son Fallas en la Energía Eléctrica ..................................................................................... 17

Causas Externas que Afectan el Suministro de Energía ........................................................... 17

Lluvias e Inundaciones ......................................................................................................... 18

Caída de Árboles u otros Elementos ..................................................................................... 18

Causas Internas que Afectan el Suministro de Energía ........................................................ 18

Falta de Mantenimiento en la Infraestructura Eléctrica ........................................................ 18

Estado de los Equipos y Red Empresarial ............................................................................ 19

Metodología ...................................................................................................................................20

Desarrollo Metodológico ...............................................................................................................24

Fase 1 ........................................................................................................................................ 24

Fase 2 ........................................................................................................................................ 25

Definicion de Variables a Mostrar ........................................................................................ 38

Definicion Visualizaciones Adecuadas ................................................................................ 39

 7

Construcción Modelo de Datos............................................................................................. 40

Construcción Expresiones DAX ............................................................................................... 41

Construcción de Visualizaciones .............................................................................................. 41

Fase 5 ........................................................................................................................................ 44

Análisis de Resultados .......................................................................................................... 44

Conclusiones ..................................................................................................................................60

Recomendaciones del Trabajo Realizado ......................................................................................61

Referencias Bibliográficas .............................................................................................................62

 8

Lista de Tablas

Tabla 1 Cronograma de Actividades ........................................................................................... 21

Tabla 2 Recursos .......................................................................................................................... 22

Tabla 3 Resultados o Productos Esperados ................................................................................. 23

Tabla 4 Datos Objeto de Posteriores Análisis ............................................................................. 25

Tabla 5 Costo Unitario del kWh/mes............................................................................................ 26

 9

Lista de Figuras

Figura 1 Cargue Base de Datos ................................................................................................... 28

Figura 2 Base de Datos con las Columnas de Utilidad ............................................................... 29

Figura 3 Filtro para Identificar Datos Nulos .............................................................................. 29

Figura 4 Formula del Cálculo de la Energía Eléctrica en Función del Tiempo ......................... 30

Figura 5 Cambio de Formato Hora y Fecha ............................................................................... 31

Figura 6 Filtro Variable “IDE_CLASE_SUSPENSION” ........................................................... 32

Figura 7 Resumen Estadístico ...................................................................................................... 32

Figura 8 Tiempos de Duración de las Fallas ............................................................................... 33

Figura 9 Tiempo Duración de las Fallas ..................................................................................... 34

Figura 10 Energía no Suministrada Durante las Fallas.............................................................. 35

Figura 11 Matriz de Correlación ................................................................................................. 36

Figura 12 Relacón Equipo Pade y Tipos de Fallas ..................................................................... 37

Figura 13 Modelo Entidad Relación ............................................................................................ 40

Figura 14 Expresiones DAX ......................................................................................................... 41

Figura 15 Cantidad de Fallas por Municipio .............................................................................. 42

Figura 16 Tiempo de Interrupción por Tipo de Falla .................................................................. 42

Figura 17 Total Costo Energía no Servida .................................................................................. 43

Figura 18 Filtro Activo de Fechas ............................................................................................... 43

Figura 19 Zona Afectada por Fallas ............................................................................................ 44

Figura 20 Cantida de Fallas por Municipio ................................................................................ 45

Figura 21 Tipos de Fallas ............................................................................................................ 46

Figura 22 Tiempos de Falla por Municipios ............................................................................... 47

 10

Figura 23 Tiempo de Duración de Fallas .................................................................................... 48

Figura 24 Enegía no Suminstrada por Munucipio....................................................................... 49

Figura 25 Enería no Suministrada por Tipo de Falla ................................................................. 50

Figura 26 Costo de Enegía no Servida por Municipio ................................................................ 51

Figura 27 Costo de Energia no Servidad por Tipo de Falla ....................................................... 52

Figura 28 Zonas Afectadas .......................................................................................................... 53

Figura 29 Fallas Zonas ................................................................................................................ 54

Figura 30 Fallas Corta Duración ................................................................................................ 55

Figura 31 Fallas de Mediana Duración ...................................................................................... 55

Figura 32 Fallas de Larga Duración ........................................................................................... 56

Figura 33 Zonas con mas Afectaciones........................................................................................ 57

Figura 34 Tipos de Fallas en Zonas mas Afectadas .................................................................... 58

 11

Introducción

La calidad del servicio en la distribución de energía eléctrica es un aspecto crucial para

garantizar el bienestar de los usuarios y la sostenibilidad del sistema energético. En Colombia, la

Resolución 015 de 2018 de la Comisión de Regulación de Energía y Gas (CREG) establece

directrices que buscan mejorar la fiabilidad del servicio, fijando parámetros como los tiempos

máximos de indisponibilidad de los activos eléctricos y la frecuencia de interrupciones. A pesar

de estos esfuerzos, los operadores enfrentan desafíos significativos, como condiciones climáticas

adversas y el crecimiento de la vegetación, que provocan fallas recurrentes en el suministro.

Esto ha llevado a que las metas de calidad sean cada vez más exigentes y a la

implementación de esquemas de compensación más estrictos para los usuarios afectados. Sin

embargo, las restricciones en la ejecución de actividades programadas que requieren cortes de

servicio dificultan la realización de planes de expansión y mantenimiento. Por lo tanto, se vuelve

esencial analizar el impacto de estas fallas en el sistema eléctrico, lo que permitirá optimizar la

asignación de recursos y enfocar esfuerzos en el mantenimiento preventivo, contribuyendo así a

la reducción de tiempos de indisponibilidad y mejorando la calidad del servicio en general.

 12

Justificación

Actualmente, la presencia de fallas en las redes de distribución de energía eléctrica es una

problemática que enfrentan todos los operadores de red ya que estas afectan los indicadores de

calidad establecidos en la regulación vigente (CREG, Gestor normativo CREG, 2018),

adicionalmente, se afectan la prestación del servicio que tiene impacto sobre la imagen y las

finanzas de la organización. Por esta razón, es importante diseñar estrategias y metodologías que

permitan disminuir los impactos que generan estas fallas eléctricas. (Zuñiga J. J., Scielo, 2020)

Sin embargo, se aprecia que los trabajos relacionados con este tema abordan situaciones

puntuales de problemas en las redes de distribución de energía como fallas en transformadores de

potencia (Bjelić, 2022), fallas en sistemas fotovoltaicos (Akram, 2022) y fallas en motores, pero

no se trabajan metodologías que permitan a los operadores de red analizar los impactos

detallados generados por fallas en sus redes de energía de acuerdo con los datos de su operación

diaria.

Por lo tanto, el desarrollo de este trabajo permitirá conocer las zonas con más influencia

de fallas y la tipología de eventos más recurrente, lo cual ayuda a una óptima asignación de los

recursos operativos disponibles que minimicen los tiempos de reparación, además, permite

orientar de forma adecuada las intervenciones por mantenimiento preventivo en dichas zonas

para que estas sean más focalizadas y generen a futuro una reducción en la frecuencia de las

interrupciones. (Zuñiga J. d., 2020)

Esto trae beneficios positivos a la organización, ya que al estar por debajo de los límites

establecidos por la regulación vigente, minimiza las compensaciones económicas a los usuarios,

reduce los tiempos de indisposición que se traducen en mayor energía vendida y, permite que se

puedan ejecutar más actividades programadas que implican cortes del servicio, las cuales
 13

impactan las inversiones en expansión y reposición de activos eléctricos (CREG, Gestor

normativo CREG, 2018)

 14

Objetivos

Objetivo General

Construir un modelo descriptivo que permita la identificación de los impactos de las

fallas del sistema de distribución de energía eléctrica del departamento del Quindío a partir de

los registros históricos de la operación del sistema consignados en el sistema de supervisión,

control y adquisición de datos

Objetivo Específicos

Analizar los registros historicos de operación del sistema de distribucion de energia

electrica del departamento del Quindío para identificar patrones de fallas recurrentes, su

frecuencia y duración, utilizando datos obtenidos del sistema de supervisión, control y

adquisisiciones de datos (SCADA)

Clasificar y categorizar los tipos de fallas del sistema de distribución de energía eléctrica

con base en su impacto en los usuarios y en la infraestructura, determinando las zonas y los

equipos del sistema mas afectados

Construir un modelo descriptivo que integre minería de datos y técnicas estadísticas

como diagramas de cajas, histogramas, medidas de tendencia central, medidas de dispersión y

matrices de correlación para identificar los principales factores que influyen en la ocurrencia de

fallas, utilizando los datos históricos almacenados en el SCADA.

 15

Planteamiento del Problema

La resolución 015 de 2018 de la Comisión de Regulación de Energía y Gas establece los

lineamientos referentes a calidad del servicio que deben cumplir todos los operadores de redes de

distribución de energía eléctrica que prestan sus servicios en el territorio colombiano (CREG,

Gestor normativo CREG, 2018).

Dichos lineamientos hacen referencia específicamente a los tiempos máximos de

indisponibilidad de los activos eléctricos, frecuencia máxima de las interrupciones, actualización

de dichos tiempos y frecuencias año tras año, esquemas de compensación a los usuarios

afectados y las metas de calidad del servicio. (Superservicios, 2024)

En vista de que dichas metas e indicadores son cada vez más exigentes y los esquemas de

compensación más estrictos, han hecho que la operación del sistema de distribución tenga

restricciones y limite la ejecución de actividades programadas que requieren cortes del servicio,

lo que pone en riesgo la ejecución de los planes de expansión y reposición de los activos del

sistema eléctrico. (normativa, 2015)

Sin embargo, la limitación en la ejecución de actividades programadas que requieren

cortes del servicio no ha sido suficiente para dar cumplimiento a los indicadores de calidad, ya

que diariamente se presentan múltiples fallas principalmente por condiciones atmosféricas y

vegetación, generando que los tiempos de indisponibilidad y frecuencia de interrupción sean

altos. (Enel, Trabajamos por un servicio de calidad, conoce cómo lo hacemos, 2024)

Dado lo anterior, resulta de vital importancia poder analizar el impacto de las fallas en el

sistema eléctrico, ya que esto permite la adecuada asignación de recursos operativos que

contribuirán a la disminución de los tiempos de indisponibilidad y, poder enfocar actividades de

mantenimiento preventivo para disminuir la frecuencia de interrupción. (Sostenible, 2021)

 16

Marco Conceptual

Indicadores de Calidad

La Resolución CREG 015 de 2018 enmarca los parámetros de calidad para el servicio de

energía en Colombia, una base esencial para asegurar un abastecimiento eléctrico confiable y de

excelencia para los usuarios. Estos criterios fomentan la transparencia, la eficiencia y la

competitividad en el ámbito eléctrico, al tiempo que promueven la satisfacción del cliente y la

mejora en la calidad de vida de los usuarios (CREG, Gestor normativo CREG, 2018).

Los indicadores de calidad del servicio eléctrico abarcan diversos aspectos cruciales,

como la continuidad, la estabilidad de la tensión y la calidad general del suministro. Para evaluar

cada uno de estos aspectos, se utilizan indicadores específicos que ofrecen un análisis minucioso

del funcionamiento del sistema eléctrico y la satisfacción del usuario. ( (Verena Mercado Polo,

2017)

En esta introducción, nos adentraremos en los indicadores clave definidos por la

Resolución CREG 015, enfocándonos en su importancia, su influencia en la calidad del servicio

eléctrico y su significado para los diversos participantes del sector, desde los entes reguladores

hasta las empresas prestadoras de servicios públicos y los usuarios finales.

SAIDI: Este indicador representa la duración media por usuario de los eventos ocurridos

en el Sistema de Distribución Local (SDL) de la región j durante el año t, expresado en horas

anuales.

SAIFI: Este indicador representa la frecuencia media por usuario de los eventos ocurridos

en el Sistema de Distribución Local (SDL) del OR j durante el año t, expresado en cantidad de

eventos anuales.
 17

DUI: El indicador DIU mide la duración total de los eventos que experimenta cada

usuario en el Sistema de Distribución Local (SDL) de una Región Operativa (OR) durante un

año.

FIU: El indicador FIU refleja la cantidad total de eventos que experimenta cada usuario

en el Sistema de Distribución Local (SDL) de una Región Operativa (OR) durante un año.

(CREG, Gestor normativo CREG, 2018).

Sistemas de Distribución

Un sistema de distribución de energía eléctrica comprende un conjunto de equipos

diseñados para alimentar de manera segura y confiable una variedad específica de cargas,

distribuidas en diversos niveles de voltaje y ubicadas en distintas áreas. (CREG, Ariae, 2008)

Estos sistemas se clasifican en función de las características de las cargas, los niveles de energía

implicados y los estándares de fiabilidad y seguridad requeridos. Las categorías incluyen

sistemas industriales, comerciales, urbanos y rurales. (master, 2020)

Qué son Fallas en la Energía Eléctrica

Las fallas eléctricas se caracterizan por interrupciones imprevistas que impactan el

suministro de energía. Estas interrupciones pueden ocasionar cortocircuitos, sobrecargas,

pérdidas de energía, detenciones en la producción, necesidad de mantenimiento correctivo y

variaciones de voltaje. Existen numerosos factores tanto internos como externos que pueden

influir en la calidad del suministro eléctrico de tu empresa. A continuación, te detallamos los más

habituales. (Enel, 2023)

Causas Externas que Afectan el Suministro de Energía

Las condiciones climáticas extremas como fuertes lluvias, vientos intensos, la caída de

árboles y otros factores externos, son algunas de las causas principales que pueden desencadenar
 18

fallas en las redes eléctricas. (Enel, 2023) Estas fallas, a su vez, pueden resultar en posibles

interrupciones en el suministro de energía para tu empresa. (Santiago, 2019)

Lluvias e Inundaciones

Durante lluvias o inundaciones, es común que el servicio eléctrico se vea afectado.

Durante estos eventos climáticos, no podemos realizar intervenciones en las redes eléctricas

debido a que el agua es conductora de electricidad, lo que podría representar un riesgo para la

seguridad de nuestros trabajadores. (Enel, 2023)

Caída de Árboles u otros Elementos

En áreas rurales o con abundante vegetación, es común que el suministro eléctrico se vea

afectado por la caída de árboles u otros elementos en las redes. Esto ocurre principalmente

durante condiciones climáticas adversas.

Cuando este tipo de incidentes ocurren en zonas protegidas, no podemos intervenir hasta

obtener los permisos necesarios de las autoridades ambientales, como la Secretaría del Medio

Ambiente o las Corporaciones Autónomas Regionales (CAR).

Es importante tener en cuenta que estas situaciones pueden influir en los tiempos de

mantenimiento y en la recuperación del servicio eléctrico.

Causas Internas que Afectan el Suministro de Energía

Ciertos factores internos, como la falta de mantenimiento en la infraestructura eléctrica

de la empresa, el estado de los equipos o el problema de energía reactiva, pueden tener un

impacto directo en el servicio de energía de tu empresa. (Enel, 2023)

Falta de Mantenimiento en la Infraestructura Eléctrica

En ocasiones, las empresas experimentan fallas en su sistema eléctrico debido a la falta

de mantenimiento en su infraestructura interna. Esto ocurre porque muchos de los componentes

 19

de dicha infraestructura, como aisladores, conductores eléctricos, protecciones, premoldeados y

sistemas de puesta a tierra, tienden a deteriorarse con el tiempo. (Enel, 2023)

Por lo tanto, es recomendable que las empresas realicen revisiones periódicas de estos

componentes para prevenir fallas repentinas e inesperadas.

Estado de los Equipos y Red Empresarial

La falta de un mantenimiento adecuado de los equipos o la infraestructura en condiciones

óptimas puede ocasionar interrupciones imprevistas que afecten la producción de una empresa.

Esta situación puede generar pérdidas económicas y provocar daños a corto y largo plazo.

Cuando se emprenden proyectos de construcción o instalaciones eléctricas dentro de las

empresas y estas no cumplen con las normativas necesarias, pueden surgir problemas que afecten

el funcionamiento de equipos sensibles. En estos casos, una solución viable sería contratar

servicios de instalaciones provisionales, ya que proporcionamos la energía necesaria para el

desarrollo de proyectos, obras o eventos en tu empresa. (S.A, 2018)

Cuando se emprenden proyectos de construcción o instalaciones eléctricas dentro de las

empresas y estas no cumplen con las normativas necesarias, pueden surgir problemas que afecten

el funcionamiento de equipos sensibles. En estos casos, una solución viable sería contratar

servicios de instalaciones provisionales, ya que proporcionamos la energía necesaria para el

desarrollo de proyectos, obras o eventos en tu empresa. (S.A, 2018)

 20

Metodología

Se adoptará la metodología CRISP-DM (Zuñiga J. J., DialnetPlus, 2020) que contempla

las siguientes etapas:

Fase 1: Identificación de variables requeridas

Fase 2: Obtención y consolidación de datos

Fase 3: Trasformación de las bases de datos

Fase 4: Construcción de modelos y visualizaciones

Fase 5: Aplicación y evaluación de resultados

En primera instancia, se requiere conocer cuáles son las variables que se tienen en cuenta

para definir los impactos para los sistemas de distribución de energía eléctrica en aspectos

económicos, técnicos, calidad del servicio y penalizaciones regulatorias; posteriormente, es

necesario identificar los reportes disponibles en el sistema SCADA que contengan dichas

variables para proceder con el descargue de estos en una ventana de tiempo acuerda para realizar

los respectivos análisis.

Luego de la extracción y consolidado de las bases de datos, es necesario la

transformación de las mismas para eliminar información incoherente y para garantizar que las

variables tengan las unidades y escalamientos adecuados, y la división de datos de las columnas

en caso de ser requerido.

Al finalizar el procesamiento y preparación de las bases de datos, se procede con la

definición de visualizaciones requeridas que permitan identificar, cuantificar y sectorizar los

impactos de las fallas en los sistemas de distribución de energía eléctrica; lo cual da paso a la

construcción del modelado de datos y visualizaciones que se aplicarán a la base de datos bajo

estudio.
 21

Finalmente, se aplican los modelos y visualizaciones definidos para conocer los tipos de

fallas más recurrentes, los sectores más afectados, la cantidad de clientes impactados, energía no

suministrada e ingresos dejados de percibir producto de las fallas eléctricas; resultados que se

confrontarán con el plan de mantenimiento para identificar si se debe replantear la priorización

algunas de sus actividades, A conticuacion en la tabla 1 se muestra el cronograma de actividades.

Tabla 1

Cronograma de Actividades

Actividad Mes
Fase 1 Identificacion de variables Septiembre semana 1
Fase 2 Identificacion de reportes Septiembre semana 2
Fase 2 Definicion ventana de tiempo Septiembre semana 3
Fase 2 Generacion de reportes Septiembre semana 4
Fase 3 Eliminacion de dato incoherentes Octubre semana 1
Fase 3 Division de columnas Octubre semana 2
Fase 3 Análisis exploratorio Octubre semana 3
Fase 4 Definicion de variables a mostrar Noviembre semana 1
Fase 4 Definicion visualizaciones adecuadas Noviembre semana 2
Fase 4 Construcción modelo de datos Noviembre semana 3
Fase 4 Construcción expresiones DAX Diciembre semana 1
Fase 4 Construcción de visualizaciones Diciembre semana 2
Fase 4 Pruebas y refinamientos Diciembre semana 3
Fase 5 Análisis de resultados Diciembre semana 1
Fase 5 Propuesta del plan de mantenimiento Diciembre semana
Nota. Esta tabla presenta un cronograma de actividades relacionadas con un proyecto de análisis

datos. Se divide en meses y se organiza por etapas o tareas específicas.

 22

Tabla 2

Recursos

Recurso Descripción Presupuesto

Equipo Humano Generación de reportes de SCADA, $ 2.000.000

construcción de modelos,

ejecución de pruebas y

documentación de resultados

Equipos y Software Power BI

Office $ 1.000.000

Anaconda

Computador personal

Viajes y Salidas de Campo No aplica $0

Materiales y suministros Conexión a internet $ 500.000

Energía eléctrica

Bibliografía No aplica $0

Nota.La tabla presenta los recursos necesarios para un proyecto de análisis de datos con una

planificación clara en la ejecución del proyecto.

 23

Finalmente, en la tabla 3 se listan los recurso requeridos para ejecutar dicho proyecto.

Tabla 3

Resultados o Productos Esperados

Resultado/producto esperado Indicador Beneficiario

Dashboard de análisis de fallas # Visualizaciones creadas/ Operador de red

# de visualizaciones planeadas

Propuesta de ajustes al plan de Ajuste de actividades de acuerdo Operador de red

mantenimiento con la priorización obtenida

de los resultados

Presentación del proyecto Aprobación proyecto Estudiantes

Nota. La tabla presenta los recursos necesarios para un proyecto de análisis de datos con una

planificación clara en la ejecución del proyecto.

 24

Desarrollo Metodológico

Fase 1

Teniendo en cuenta que se busca identificar los impactos de las fallas eléctricas sobre los

sistemas de distribución de energía en aspectos técnicos, económicos y de calidad del servicio, es

necesario contar con datos que muestren la siguiente información al momento de la ocurrencia de

una falla eléctrica:

• Indicador de la existencia de una falla

• Fecha y hora de ocurrencia de la falla

• Tiempo de duración de la falla

• Transformador de distribución afectado

• Cantidad de clientes afectados

• Potencia dejada de suministrar

• Energía no suministrada

• Causa de la falla

• Elemento encargado de despejar la falla

• Ingresos dejados de percibir durante la falla

• Con los cuales se realizan análisis detallados que permiten determinar las

siguientes variables:

• Top de fallas más recurrentes

• Zonas con más influencia de fallas eléctricas

• Equipos de despeje de fallas con mayor actuación

• Energía no suministrada

• Ingresos no percibidos a causa de las fallas

 25

• Cantidad de clientes afectadas

Estos resultados permitirán identificar si las acciones de mantenimiento preventivo están

bien enfocadas o si por el contrario se requieren ajustes para que las acciones correctivas sean

menores y se disminuyan los impactos negativos para la organización.

Fase 2

Los datos buscados son principalmente técnicos que provienen del registro de la falla al

momento de su ocurrencia y al momento de la normalización de esta, para su obtención, el

sistema SCADA del operador de red cuenta con un reporte llamado LAC_TRAFO que dispone

de una serie de datos de los cuales se destacan en la tabla 4 que serán objeto de los posteriores

análisis:

Tabla 4

Datos Objeto de Posteriores Análisis

Nombre del campo Descripción del campo

IDE_EVENTO Consecutivo de la existencia de una falla

FEC_DESENERGIZACION Fecha y hora de ocurrencia de la falla

FEC_ENERGIZACION Fecha y hora de restablecimiento del servicio

IDE_CIRCUITO Circuito de media tensión afectado con la falla

Transformador de distribución afectado con la

NUM_NODO_TRANSFORMADOR
falla

NUM_CLIENTES Cantidad de clientes afectados con la falla

NUM_KVA_NOSUMINISTRADOS Potencia dejada de suministrar durante la falla

VLR_CONSUMO_NO_SUMINISTRAD
Energía no suministrada durante la falla
O
 26

Nombre del campo Descripción del campo

NOM_CODIGO_APERTURA Causa de la falla

DUR_H Tiempo total de interrupción del servicio

EQUIPO_PADRE Elemento de despeje de la falla

IDE_CLASE_SUSPENSION Indica si la apertura fue programa a por falla

Nota. Ahora, los aspectos económicos se determinar a partir del costo unitario del kWh/mes de

cada uno de los meses del periodo bajo estudio, que para caso se selecciona desde enero de 2022

a octubre de 2023 como se muestra en la tabla 5

Tabla 5

Costo Unitario del kWh/mes

Periodo Valor

ene-22 $ 702,5128

feb-22 $ 701,2761

mar-22 $ 774,0074

abr-22 $ 721,7316

may-22 $ 733,5254

jun-22 $ 756,6915

jul-22 $ 755,0888

ago-22 $ 791,5260

sep-22 $ 766,0150

oct-22 $ 745,1925

nov-22 $ 785,6214
 27

Periodo Valor

dic-22 $ 781,3154

ene-23 $ 784,4165

feb-23 $ 838,8644

mar-23 $ 919,1992

abr-23 $ 898,8206

may-23 $ 812,2770

jun-23 $ 867,2306

jul-23 $ 833,0597

ago-23 $ 849,7496

sep-23 $ 853,1847

oct-23 $ 859,0759

Nota. Se realiza el cargue de las bases de datos para hacer la depuración y análisis exploratorio

inicial como se muestra en la Figura 1.

 28

Fase 3

Figura 1

Cargue Base de Datos

Después de realizar el cargue de la base de datos se observa que esta tiene 39 variables, y

varias de ellas son nulas o tienen tamaños diferentes al de la totalidad del dataframe, sin

embargo, como no todas las variables son requeridas, se procede con la construcción de la base

final con las columnas de utilidad antes de iniciar el análisis exploratorio y proceso de

depuración. Esta nueva base de datos dispone de 12 variables requeridas para el propósito

establecido como se ilustra en la figura 2:

 29

Figura 2

Base de Datos con las Columnas de Utilidad

Al obtener la nueva base de datos se observa una cantidad de campos nulos en la columna

"VLR_CONSUMO_NO_SUMINISTRO", por lo tanto, se realiza el filtrado para identificar los

datos que acompañan estos campos nulos como se muestra en la figura 3.

Figura 3

Filtro para Identificar Datos Nulos

 30

Se aprecia que los campos nulos no son coherentes ya que corresponden a eventos que

tienen una duración determinada, por lo tanto, deberían tener un valor diferente de cero. Para

imputar estos datos, se hace uso de las variables "NUM_KVA_NOSUMINISTRADOS" y

"DUR_H" para aplicar la fórmula del cálculo de la energía eléctrica en función del tiempo. Se

ejecuta nuevamente el resumen estadístico y ya no hay valores nulos como se muestra en la

figura 4.

Figura 4

Formula del Cálculo de la Energía Eléctrica en Función del Tiempo

Ahora, es necesario cambiar los formatos a las columnas que contienen fechas por lo

tanto, se toman las columnas "FEC_DESENERGIZACION" y "FEC_ENERGIZACION" para

separar las fechas de las horas como se muestra en la figura 5.

 31

Figura 5

Cambio de Formato Hora y Fecha

Teniendo en cuenta que la base de datos cuenta con eventos que corresponden a las

actividades programadas, estas se deben retirar para que solo queden aquellas que indican fallas,

por lo tanto, se filtra la "IDE_CLASE_SUSPENSION" por el indicador 1 como se muestra en la

figura 6.
 32

Figura 6

Filtro Variable “IDE_CLASE_SUSPENSION”

A partir de la depuración inicial se puede realizar el análisis exploratorio. Frente a las

fallas que afectan el servicio de energía eléctrica, los aspectos más representativos son su

duración y la energía no suministrada durante esta, por esta razón, se realiza un resumen

estadístico de estas variables el cual se ilustra en la figura 7.

Figura 7

Resumen Estadístico

De este resumen estadístico se observa que existe gran dispersión y distancias

considerables entre los valores máximos y mínimos, sin embargo, se aprecia que tanto para el
 33

tiempo de duración y energía no suministrada el 75% de los datos está en rangos pequeños, 0.024

horas y 0.01306kWh/mes respectivamente, lo cual indica que la mayor parte de las fallas es corta

duración y por consiguiente la energía no suministrada es poca.

Para continuar el análisis exploratorio se utilizan histogramas y gráficas de cajas para

visualizar la distribución de los datos, por lo tanto, se inicia con el tiempo de duración de las

fallas el cual se ilustra en la figura 8.

Figura 8

Tiempos de Duración de las Fallas

De estas visualizaciones se observa que la duración de las fallas se concentra en tiempos

pequeños y que existen algunas con tiempos considerablemente altos, por esta razón, para

obtener una mejor visualización se realiza un filtrado de los datos contenidos hasta el tercer

cuartil para entender la distribución de mejor manera como se visualiza en la figura 9.

 34

Figura 9

Tiempo Duración de las Fallas

Estas nuevas visualizaciones muestran lo indicado en el resumen estadístico, que la

mayoría de las fallas se encuentran con tiempos de restablecimiento pequeños, sin embargo, las

fallas de alta duración no se extraerán de la base de datos ya que estas también deben ser

analizadas porque pueden suministrar información importante para adecuar y direccionar

actividades de mantenimiento.

De manera similar, se realiza el análisis gráfico de la energía no suministrada relacionada

con los eventos ocurridos como se muestra en la figura 10.

 35

Figura 10

Energía no Suministrada Durante las Fallas

De estas visualizaciones se puede identificar que la energía no suministrada tiene relación

con el tiempo de duración de las fallas ya que esta también es pequeña en la mayoría de las

fallas.

Para profundizar el análisis se construye una matriz de correlación de la cual en primera

instancia se puede evidenciar que existe una relación importante de la variable

NUM_CLIENTES con las variables NUM_KVA_NOSUMINISTRADOS

y VLR_CONSUMO_NO_SUMINISTRADO, esto refleja que la energía y potencia no

suministrados dependen de la cantidad de usuarios de afectados durante las fallas; por otra parte,

se observa que la relación de la variable DUR_H con la

variable VLR_CONSUMO_NO_SUMINISTRADO es de 0.3, lo cual da a conocer que el tiempo

de duración de las fallas tiene impacto sobre la energía dejada de suministrar. Finalmente,

observa una relación completamente directa entre las variables

 36

NUM_KVA_NOSUMINISTRADOS y VLR_CONSUMO_NO_SUMINISTRADO, lo cual tiene

lógica ya que la energía es la potencia por unidad de tiempo, por lo tanto, la variación de una

siempre afecta la otra en la misma proporción como se muestra en la figura 11.

Figura 11

Matriz de Correlación

Finalmente se realiza una prueba chi-cuadrado para determinar la relación entre los

equipos padres del sistema de ditribución y los tipos de fallas que se presentan como se muestra

en la figura 12.
 37

Figura 12

Relacón Equipo Pade y Tipos de Fallas

Del resultado obtenido, se puede observar que al tener un resultado alto en la prueba chi-

cuadrado y un P-Valor inferior a 0.05, esto indica que existe una relación entre las variables

analizadas, ya que se puede identificar que algunos tipos de fallas tienen mas tendencia de

ocurrencia en unas zonas que en otras.

 38

Fase 4

Definicion de Variables a Mostrar

Después de llevar a cabo la depuración y transformación de los datos utilizando el

software Python, y considerando el objetivo principal de este trabajo, se seleccionaron aquellas

variables que tienen un impacto significativo tanto en el ámbito técnico como económico del

sistema de distribución de energía eléctrica. La elección de estas variables se basa en su

capacidad para ofrecer información clave sobre el comportamiento y el rendimiento del sistema,

permitiendo una evaluación precisa de los efectos de las fallas.

En este sentido, se seleccionaron las siguientes variables para su análisis detallado:

Cantidad de fallas: Refleja el número total de incidentes que ocurren en el sistema de

distribución, lo cual es fundamental para evaluar la frecuencia y la magnitud de los problemas

técnicos.

Tiempos de interrupción: Representa la duración de las interrupciones en el servicio, lo

cual tiene un impacto directo tanto en la calidad del servicio como en la satisfacción de los

usuarios.

Energía no suministrada: Mide la cantidad de energía que no se distribuye debido a las

fallas, lo cual es crucial para entender las pérdidas operativas y la eficiencia del sistema.

Costo de la energía no suministrada: Estima el valor económico asociado a la energía no

suministrada debido a las fallas, lo que es esencial para evaluar las implicaciones financieras de

las interrupciones y para el análisis de costos.

Zonas afectadas: Indica las áreas geográficas impactadas por las fallas, lo que permite

identificar patrones en la distribución de los problemas y facilita la toma de decisiones

estratégicas para mejorar la resiliencia del sistema.

 39

El análisis de estas variables proporcionará una visión más clara y detallada del impacto

de las fallas sobre el sistema eléctrico, permitiendo identificar las áreas más vulnerables y

optimizar las estrategias de mantenimiento y reparación. Además, permitirá tomar decisiones

informadas sobre posibles inversiones en infraestructura y en mejoras en los protocolos

operativos, con el objetivo de reducir tanto los costos económicos como las interrupciones del

servicio.

Definicion Visualizaciones Adecuadas

En esta etapa, con la ayuda del software Power BI, se crearon visualizaciones interactivas

que permitirán a la persona encargada de analizar los datos obtener un mejor entendimiento de la

información. Estas visualizaciones están diseñadas para facilitar la interpretación de los

resultados y, en caso necesario, apoyar la toma de decisiones tanto operativas como financieras.

De esta manera, el análisis visual de los datos no solo proporcionará claridad sobre el estado del

sistema, sino que también brindará una herramienta útil para la planificación y gestión eficiente

de los recursos.

En ocasión a lo anterior, se realiza la contrucicon de diagramas de barras que permiten

comparar y visualizar la siguiente información:

Cantidad de fallas por municipio, tipo de fallas, tiempo de duración por tipo de falla,

tiempo de falla por municipio, energia no servida por tipo de falla, energia no servida por

municipio, costo de energia no servida por tipo de falla y costo energia no servida por municipio.

Además, se acompaña de etiquetas que permite totalizar los tiempos de falla, la cantidad de

fallas, la energía no servida y el costo de la energía no servida. Finalmente, se utiliza un mapa

con información georreferencia para visualizar la ubicación de los equipos más afectados en

campo debido a las fallas.

 40

Construcción Modelo de Datos

El modelo de datos está conformado por 3 tablas, “Datos_finales” que contiene la

información operativa de las fallas ocurridas en el sistema eléctrico y que fue depurado en el

software Python; “Transformadores” que contiene la información de ubicación georreferenciada

y distribución por municipios de los equipos de red en campo; y “Tarifas” contiene la

información del costo de la tarifa del servicio de energía eléctrica para mes del periodo bajo

análisis. Estas 3 tablas se importan al software Power BI y para aprovechar su contenida se

relacionando en un modelo entidad-relación de la siguiente forma:

Relación uno a muchos entre las tablas Transformadores y Datos_finales a través de la

variable NUM_NODO_TRANSFORMADOR

Relación uno a muchos entre las tablas Tarifas y Datos_finales a través de la variable

FECHA TARIFA

Dicho entidad-relación se presenta en la Figura 13.

Figura 13

Modelo Entidad Relación

 41

Construcción Expresiones DAX

En esta estapa, se crean las expresiones DAX quereridas para el cálculo de las variables

objeto de visualización antes mencionadas. Estas expresiones se muestran en la figura 14.

Figura 14

Expresiones DAX

Cantidad de fallas = distinctCOUNT(Datos_finales[IDE_EVENTO]).

Costo energía no servida = sum(Datos_finales[Costo energía]).

Energía no servida = sum(Datos_finales[VLR_CONSUMO_NO_SUMINISTRADO]).

Tiempo de falla =

CALCULATE(SUMX(DISTINCT(Datos_finales[DUR_H]),Datos_finales[DUR_H]),Datos_fina

les[IDE_EVENTO])

Además de las expresiones DAX para el cálculo de medidas, al interior de la tabla

Datos_finales se crean columnas calculadas para ayudar con la construcción de las medidas.

Construcción de Visualizaciones

En esta estapa, se crean las visualizaciones para mostrar el comportamiento de las

variables, las cuales se ayudan de filtros activos de fechas de ocurrencia de fallas y tipo de
 42

duración con los cuales se pueden observar diferentes comportamientos del sistema eléctrico.

Algunas de dichas visualizaciones se muestran en las figuras 15 a 19.

Figura 15

Cantidad de Fallas por Municipio

Figura 16

Tiempo de Interrupción por Tipo de Falla

 43

Figura 17

Total Costo Energía no Servida

Figura 18

Filtro Activo de Fechas

 44

Figura 19

Zona Afectada por Fallas

Fase 5

Análisis de Resultados

Para el análisis del impacto de las fallas en el sistema de distribución de energía eléctrica,

se utilizó una base de datos proveniente del sistema de supervisión, control y adquisición de

datos (SCADA). Esta base de datos contiene 1.6 millones de registros, con un rango de fechas

que abarca desde el 1 de enero de 2022 hasta el 23 de octubre de 2023.

El análisis se centró en los siguientes aspectos: cantidad de fallas, tiempo de

interrupciones, energía no suministrada, costo de la energía no suministrada y zonas afectadas. A

partir de estos datos, se obtuvieron los siguientes resultados:

 45

Cantidad de fallas En esta etapa, se pudo evidenciar que, para el rango de fechas

mencionado, se registraron un total de 12,308 fallas, las cuales se distribuyen en los diferentes

municipios, como se muestra en la Figura 20.

Figura 20

Cantida de Fallas por Municipio

De la gráfica anterior se puede determinar que los municipios que presentaron más fallas

fueron Armenia, Calarcá, Montenegro y Quimbaya. Además, se observa que el corregimiento de

Barcelona fue el menos afectado.

Con el fin de identificar la causa de estas fallas, se realizó un agrupamiento de los datos

para clasificar los tipos de fallas, lo que permitió obtener una mayor claridad sobre la causa raíz

de las interrupciones, de este agrupamiento se obtuvo la información registrada en la figura 21.

 46

Figura 21

Tipos de Fallas

De esta gráfica se puede determinar que los tipos de falla que más afectan el sistema de

distribución de energía eléctrica son las condiciones atmosféricas y los árboles o ramas sobre la

línea. Entre estos dos tipos de fallas suman el 59.55% de las afectaciones totales.

Tiempos de interrupción: En esta etapa se realizó una agrupación de datos con el fin de

identificar el municipio con más tiempo de falla y el tipo de falla que lo causó. A partir de este

análisis, se pueden determinar los siguientes resultados:

Se identificó que los municipios con más tiempo de interrupciones son Calarcá, Génova,

Armenia, Montenegro y Quimbaya, como se muestra en la Figura 22.

 47

Figura 22

Tiempos de Falla por Municipios

De esta misma manera, se realizo la segmentación de los datos con el fin de identificar

cuales son los tipos de fallas que tiene mas participación por su tiempo de interrupción, de este

análisis se obtuvo la figura 23.

 48

Figura 23

Tiempo de Duración de Fallas

De la imagen anterior, se puede concluir que los principales tipos de fallas que afectan el

suministro de energía eléctrica son: condiciones atmosféricas, presencia de árboles o ramas sobre

la línea, fallas en el nivel 1 del sistema activo y causas de fuerza mayor. Estas fallas representan

el 90% de las afectaciones al sistema.

Energia no Suministrada En esta fase se realizo una agrupación de datos, con el fin de

conocer cual es el municipio que cuenta con mayor cantidad de energia no suministrada, después

de realizar este análisis se obtuvo la información relacionada en la figura 24.

 49

Figura 24

Enegía no Suminstrada por Munucipio

De la imagen anterior, se puede determinar que el municipio con la mayor cantidad de

energía no servida es Armenia, con un total de 189,443 kWh/mes. Por otro lado, se observa que

el corregimiento de Barcelona es el menos afectado. Es importante aclarar que estos datos son

variables, ya que dependen de la cantidad de habitantes en cada municipio.

Con el fin de identificar el tipo de falla que representa un mayor impacto sobre la energía

no suministrada, se realizó una segmentación de los datos según el tipo de falla, y la información

obtenida se presenta en la figura 25.

 50

Figura 25

Enería no Suministrada por Tipo de Falla

De este análisis, se observó que los tipos de fallas que tienen mayor impacto en la energía

no servida son: fuerza mayor, árboles o ramas sobre las líneas, y condiciones atmosféricas. Estos

factores representan el 69% de los 607,923 kWh/mes que no fueron vendidos.

Costo energia no suministrada Con el fin de tener un panorama con relación al costo de la

energia no suministrada, se realizo un análisis a la base de datos y se cruzo con el costo de la

tarifa para cada periodo de tiempo, donde se obtuvo la información relacionada en la figura 26.
 51

Figura 26

Costo de Enegía no Servida por Municipio

Del análisis realizado, se evidenció que el municipio con el costo de energía no servida

más elevado es Armenia. Este valor corresponde al 32% de los $493,562,807, que es el total del

costo de la energía no servida.

Por otra parte, se realizo un análisis con el fin de identificar cual es el tipo de falla que

tiene una mayor participación en relación con el costo de a energia no servida, de este análisis se

obtuvo los resultados relacionados en la figura 27.

 52

Figura 27

Costo de Energia no Servidad por Tipo de Falla

De esta figura se puede determinar que los tipos de falla asociados al mayor costo de

energía no servida son: fuerza mayor, caída de árboles o ramas sobre las líneas y condiciones

atmosféricas. Estas fallas son las más representativas en términos financieros.

Zonas con Afectación En esta fase, se realizó una segmentación de datos con el objetivo

de identificar los equipos principales con mayor cantidad de fallas registradas. Una vez

identificados los elementos con más afectaciones, se distribuyeron geográficamente utilizando

sus coordenadas. Como resultado de este ejercicio, se obtuvo la Figura 28.

 53

Figura 28

Zonas Afectadas

Además, se realizo un filtro con el que es posible identificar los tipos de fallas que

afectan cada uno de los elementos padres, para este caso, se tomo el equipo padre S-1350, del

cual se identifico que las fallas que afectan esta zaon a son las relacionadas en la figura 29.
 54

Figura 29

Fallas Zonas

De esta manera, se pudo identificar que la falla que más afecta la zona del S-1320 son las

descargas atmosféricas, con una duración de 202,47 horas. En segundo lugar, se encuentra la

falla por transformador quemado, con un tiempo de 128,56 horas. La tercera falla más

representativa corresponde a la asociada a fuerza mayor, con un total de 108,04 horas.

Finalmente, se realizó una agrupación por tipo de duración de las fallas, definiendo los

siguientes criterios: los eventos de corta duración corresponden a las fallas con tiempos

inferiores a 10 minutos; los eventos de media duración son aquellas fallas con tiempos mayores a

10 minutos y menores a 1 hora; por último, se definieron las fallas de larga duración como

aquellas registradas con tiempos superiores a 1 hora.

Para la zona del S-1350, se obtuvo como fallas de corta duración, las fallas registradas en

la figura 30.
 55

Figura 30

Fallas Corta Duración

De igual manera, se identificaron las falla sde mediana duración para la zona del S-1350

y se obtuvo la información relacionada en la figura 31.

Figura 31

Fallas de Mediana Duración

 56

Finalmente , se realizo la agrupación de las fallas de larga duración asociadas a la zona del S-

1350 y se obtuvo la información ilustrada en la figura 32.

Figura 32

Fallas de Larga Duración

De este análisis se concluye que las fallas con mayor impacto en la prestación del

servicio son las causadas por condiciones atmosféricas y la caída de árboles o ramas sobre las

líneas. En cambio, los transformadores quemados y los casos de fuerza mayor son situaciones

más fortuitas y de menor incidencia.

 57

Propuesta del Plan de Mantenimiento

Después de realizar diversos análisis y agrupaciones en la base de datos de estudio, se

identificaron varias condiciones clave que serán fundamentales para la toma de decisiones

operativas y financieras. Estas condiciones servirán como base para la propuesta del plan de

mantenimiento.

A partir de este análisis, se presenta la siguiente información como parte de la propuesta

para el plan de mantenimiento: el Top 10 de las zonas del sistema eléctrico con mayor número de

afectaciones, que se muestran en la figura 33.

Figura 33

Zonas con mas Afectaciones

Esta información facilita el trabajo al permitirnos identificar las zonas en las que

concentramos nuestros esfuerzos operativos para mejorar la calidad del servicio. A continuación,
 58

se detallan los tipos de fallas que tienen un mayor porcentaje de incidencia en las zonas

mencionadas. Los resultados de este análisis se presentan en la figura 34.

Figura 34

Tipos de Fallas en Zonas mas Afectadas

A partir de la información anterior, podemos concluir que los tipos de fallas más

frecuentes son las condiciones atmosféricas, la presencia de árboles o ramas sobre la línea, y las

fallas de nivel 1 en propiedad particular, las cuales representan el 79 % de la duración total de las

fallas. Esto resalta la necesidad de desarrollar estrategias operativas que contribuyan a reducir la

frecuencia con la que estas fallas ocurren. Al implementar estas estrategias, se logrará disminuir

la brecha de la energía no servida, lo que beneficiará financieramente a la empresa. En este

contexto, se propone el siguiente plan de mantenimiento:

Falla, condiciones atmosféricas: Para este caso, se propone realizar un diagnóstico

eléctrico mediante el uso de drones, lo que nos permitirá obtener un estado detallado de las

estructuras. Con esta información, será posible tomar decisiones sobre la instalación de cables de
 59

guarda y DPS de línea. Esta modificación contribuirá a apantallar las redes de distribución,

reduciendo de manera significativa las salidas de servicio causadas por este factor.

Falla, Árbol o rama sobre líneas: Con respecto a esta falla, se propone realizar un

diagnóstico forestal mediante el uso de drones, lo que nos permitirá identificar los tramos de la

red que están en contacto con vegetación. De esta manera, podremos programar de manera

eficiente actividades de poda o tala, según las necesidades específicas de cada tramo, para evitar

futuros inconvenientes.

Falla, fallas de nivel 1 en propiedad particular: Para este caso, se propone crear un

procedimiento en la página web que permita al titular de estos activos solicitar la reposición del

transformador, autorizando la modificación en la tarifa conforme a la resolución correspondiente.

 60

Conclusiones

Se puede apreciar que del top 10 de las fallas más recurrentes la mayoría son de origen

externo, es decir, que no están relacionadas con las condiciones u operación del sistema de

distribución de energía sino con la ubicación del mismo, por lo tanto, las acciones de mitigación

deben estar más enfocadas en poda de especies forestales y blindaje para evitar el acercamiento

de la fauna.

El mantenimiento del sistema de distribución de energía eléctrica debe priorizar aquellas

zonas que representen un mayor costo de energía no suministrada, ya que esto indica que son las

áreas donde la empresa experimenta pérdidas significativas debido a la incapacidad de

suministrar energía y, por ende, dejar de percibir el ingreso correspondiente. Al focalizar los

esfuerzos de mantenimiento en estas zonas, se puede reducir el impacto económico asociado a la

interrupción del servicio, mejorar la eficiencia operativa y optimizar los ingresos de la empresa.

A partir del análisis de la información recopilada, se ha determinado que el tipo de falla

que tiene mayor incidencia son aquellas relacionadas con las condiciones atmosféricas, este tipo

de fallas afecta significativamente la continuidad del servicio y los indicadores de calidad, por lo

tanto, es fundamental enfocar los esfuerzos operativos y las inversiones financieras en este

aspecto, con el objetivo de mitigar su impacto. Para lograrlo, se deben priorizar acciones como la

mejora de la infraestructura, específicamente mediante la implementación de cables guarda y

dispositivos de protección (DPS) en las líneas, lo que contribuirá a mejorar la resiliencia del

sistema y garantizar la estabilidad del servicio frente a condiciones climáticas adversas.

 61

Recomendaciones del Trabajo Realizado

Dado que los indicadores de calidad establecidos por la Comisión de Regulación de

Energía y Gas CREG son cada vez más exigentes, es importante que los operadores de redes de

distribución de energía eléctrica implementen metodologías para analizar los impactos que

generan las fallas sobre sus sistemas de distribución, de tal forma que les permitan implementar

estrategias de mitigación que optimicen costos y energía dejada de suministrar en aras de mejorar

la calidad del servicio que perciben los usuarios.

El estudio realizado muestra que los sistemas de distribución de energía eléctrica

presentan fallas no solo por sus condiciones técnicas, también tienen una fuerte influencia de

aspectos externos como condiciones atmosféricas, la presencia de individuos forestales y la

intrusión de terceros, por lo tanto, es importante considerar estos aspectos al momento de realizar

el diseño y el planeamiento de los nuevos sistemas de distribución para que estos tengan menor

incidencia en las fallas de las redes de energía.

En los sistemas de distribución de energía eléctrica se presentan fallas de corta duración

(inferiores a 10 minutos) que pueden parecer sin importancia, sin embargo, se puede evidenciar

que dichas fallas tienen una participación importante en cuanto a la cantidad de eventos que se

presentan, por lo que es necesario hacer gestión sobre estas ya que pueden llegar a generar

incumpliento a los indicadores de calidad los cuales tienen impactos financieros en la

organización, tanto por ingresos dejados de percibir por energía no suministrada como por

penalizaciones económicas debido a cortes de energía repetitivos sobre los clientes.

 62

Referencias Bibliográficas

Academía, U. (10 de 02 de 2024). Universidad Nacional Abierta y a Distancia. Obtenido de

Universidad Nacional Abierta y a Distancia:

https://academia.unad.edu.co/investigacion-y-productividad-ecbti/lineas

Akram, M. W. (2022). Failures of Photovoltaic modules and their Detection: A Review.

Applied Energy.

Bjelić, M. (2022). Machine learning for power transformer SFRA based fault detection.

International Journal of Electrical Power & Energy Sistems.

CREG. (05 de 2008). Ariae. Obtenido de Ariae: https://www.ariae.org/sites/default/files/2017-

05/distribucion_energ_electrica.pdf

CREG. (2018 de 01 de 2018). GESTOR NORMATIVO - ALEJANDRIA. Obtenido de

https://gestornormativo.creg.gov.co/gestor/entorno/docs/resolucion_creg_0015_2018.ht

CREG. (29 de 01 de 2018). Gestor normativo CREG. Obtenido de Gestor normativo CREG:

https://gestornormativo.creg.gov.co/gestor/entorno/docs/resolucion_creg_0015_2018.ht

Enel. (07 de 06 de 2023). Obtenido de https://www.enel.com.co/es/historias/a202306-fallas-

redes-electricas-causas-y-soluciones.html

Enel. (22 de 01 de 2024). Trabajamos por un servicio de calidad, conoce cómo lo hacemos.

Obtenido de Trabajamos por un servicio de calidad, conoce cómo lo hacemos:

master, t. f. (23 de 03 de 2020). biblus.us.es. Obtenido de biblus.us.es: chrome-

extension://efaidnbmnnnibpcajpcglclefindmkaj/https://biblus.us.es/bibing/proyectos/abr

eproy/70003/fichero/Trabajo+Fin+Master.pdf
 63

normativa, S. u. (26 de 05 de 2015). Suinjuriscol. Obtenido de Suinjuriscol: https://www.suin-

juriscol.gov.co/viewDocument.asp?ruta=Decretos/30019920

S.A, E. (2018). ENEL. Obtenido de ENEL: https://www.enel.com.co/es/historias/a202306-

fallas-redes-electricas-causas-y-soluciones.html

Santiago, E. (01 de 2019). Scielo. Obtenido de

https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0250-71612019000100259

Sostenible, M. d. (07 de 10 de 2021). miniambiente. Obtenido de miniambiente:

https://www.minambiente.gov.co/documento-normativa/resolucion-1060-de-2021/

Superserviicios. (14 de 05 de 2024). Superintendencia de servicios publicos domiciliarios.

Obtenido de Superintendencia de servicios publicos domiciliarios:

https://www.superservicios.gov.co/Normativa

UNAD, E. (10 de 01 de 2024). Universidad Nacional Abierta y a Distancia. Obtenido de

Universidad Nacional Abierta y a Distancia: https://estudios.unad.edu.co/opcion-de-

grado-especializacion

UNAD. (s.f.). Obtenido de https://academia.unad.edu.co/investigacion-y-productividad-

ecbti/lineas

Verena Mercado Polo, o. B. (2017). Ciencia ingenieria. Obtenido de Ciencia ingenieria:

https://www.redalyc.org/journal/5075/507555007009/html/

Zuñiga, J. d. (22 de 01 de 2020). Dialnet Plus. Obtenido de Dialnet Plus:

https://dialnet.unirioja.es/servlet/articulo?codigo=8263451