IEEE 1366 Standar.en.Es

Guía de IEEE para la distribución de energía eléctrica Fiabilidad Índices

IEEE Potencia y Sociedad de Energía

Patrocinado por el Comité de Transmisión y Distribución

IEEE

3 Park Avenue Nueva York, NY 10016-5997 EE.UU.

31 de de mayo de 2012

IEEE Std 1366 ™ -2012 (Revisión de la norma IEEE 1366-2003)

IEEE Std 1366 ™ -2012 (Revisión de la norma IEEE 1366-2003)


Patrocinador

Comité de Transmisión y Distribución

del IEEE Potencia y Sociedad de Energía

Aprobada el 14 de mayo de 2012

Consejo de Normas IEEE-SA

Abstracto:í ndices y factores que afectan a sus cálculos de fiabilidad de distribución se definen en esta guía. Los índices están

destinadas a aplicarse a los sistemas de distribución, subestaciones, subestaciones, circuitos y regiones definidas. palabras clave:c ircuitos, los índices de confiabilidad de distribución, sistemas de distribución, energía eléctrica, IEEE 1366, los índices de confiabilidad

•

El Instituto de Ingenieros Eléctricos y Electrónicos, Inc. 3 Park Avenue, Nueva York, NY 10016-5997, EE.UU. Copyright © 2012 por el Instituto de Ingenieros Eléctricos y Electrónicos, Inc. Todos los derechos reservados. Publicado el 31 de mayo de 2012. Impreso en los Estados Unidos de América.

IEEE es una marca registrada en la Oficina de Patentes y Marcas de los Estados Unidos, propiedad del Instituto de Ingenieros Eléctricos y Electrónicos, Incorporated. PDF: Impresión:

ISBN 978-0-7381-7275-0 ISBN ISBN 978-0-7381-7381-8 97 978-0-7381-7381-8

STD97250 STDPD97250

. Ninguna parte de esta publicación puede ser reproducida en IEEE prohíbe la discriminación, el acoso y la intimidación. Para más información visite http://www.ieee.org/web/aboutus/whatis/policies/p9-26.html cualquier forma, en un sistema de recuperación electrónica o de otra manera, sin la previa autorización por escrito del editor.

Aviso y Exención de responsabilidad concerniente al uso de IEEE documentos: documentos IEEE Standards se desarrollan dentro de las Sociedades

de la IEEE y los Comités de Coordinación de Normas de la asociación de los estándares IEEE (IEEE-SA) Standards Board. IEEE desarrolla sus normas a través de un proceso de consenso, aprobado por el American National Standards Institute, que reúne a voluntarios que representan distintos puntos de vista e intereses para lograr el producto final. Los voluntarios no son necesariamente miembros del Instituto y sirven sin compensación. Mientras IEEE administra el proceso y establece normas para promover la equidad en el proceso de desarrollo de consenso, IEEE no evalúa de forma independiente, prueba o verificar la exactitud de la información o la solidez de los juicios contenidos en sus normas.

El uso de un estándar IEEE es totalmente voluntaria. IEEE se exime de toda responsabilidad en caso de lesiones personales, bienes u otros daños, de cualquier naturaleza, ya sean especiales, indirectos, consecuentes o compensatoria, lo que resulta directa o indirectamente de la publicación, uso o dependencia de cualquier documento estándar IEEE.

IEEE no garantiza ni la exactitud o el contenido de los materiales contenidos en sus normas, y expresamente renuncia a cualquier garantía expresa o implícita, incluyendo cualquier garantía implícita de comerciabilidad o aptitud para un propósito específico, o que el uso de los materiales contenidos en su normas, esté libre de OMO ES." violación de patentes. documentos IEEE Standards se suministran " C

La existencia de un estándar IEEE no implica que no hay otras maneras de producir, probar, medir, compra, mercado, o proporcionar otros bienes y servicios relacionados con el ámbito de la norma IEEE. Además, el punto de vista expresado en el momento se aprobó un estándar y emitió está sujeto a cambio producido a través de la evolución en el estado de la técnica y las observaciones recibidas de los usuarios de la norma. Cada estándar IEEE es sometido a revisión al menos cada diez años. Cuando un documento es más de diez años de edad y no ha sido sometido a un proceso de revisión, es razonable concluir que su contenido, aunque todavía de algún valor, no en su totalidad reflejar el estado actual de la técnica. Se advierte a los usuarios a comprobar para determinar que tienen la última edición de cualquier norma IEEE.

Con la publicación y hacer que sus estándares disponibles, IEEE no está sugiriendo o prestación de servicios profesionales o de otro tipo para, o en nombre de, cualquier persona o entidad. Tampoco está llevando a cabo IEEE para desempeñar cualquier trabajo debido por cualquier otra persona o entidad a otra. Cualquier persona que utilice cualquier documento IEEE Standards, debe confiar en su propio juicio independiente en el ejercicio de cuidado razonable en cualquier circunstancia o, en su caso, solicitar el asesoramiento de un profesional competente para determinar la idoneidad de un determinado estándar IEEE.

l proceso de consenso IEEE consiste en la revisión de documentos en Inglés solamente. En el caso de que un estándar IEEE se traduce, sólo traducciones:E la versión Inglés publicado por IEEE debería ser considerado como el estándar IEEE aprobado. Las declaraciones oficiales: Una declaración, escrita u oral, que no se procesa de acuerdo con el Manual de Operaciones de la Junta de normas IEEE-SA no se

considerará la posición oficial del IEEE o cualquiera de sus comités y no se considerará ser, ni ser invocada, como, una posición formal de IEEE. En conferencias, simposios, seminarios o cursos de formación, un individuo que presenta información sobre los estándares IEEE deberá dejar claro que sus opiniones deben ser consideradas las opiniones personales de ese individuo en lugar de la posición formal del IEEE.

Comentarios sobre Normas: Comentarios de revisión de documentos estándares IEEE son bienvenidos de cualquier parte interesada, sin importar la

afiliación de miembros con los estándares IEEE. Sin embargo, IEEE no proporciona información de consultoría o asesoramiento relativos a los documentos estándares IEEE. Sugerencias para cambios en los documentos deben estar en la forma de una propuesta de cambio de texto, junto con las observaciones de apoyo adecuados. Dado que los estándares IEEE representan un consenso de los intereses involucrados, es importante asegurarse de que las respuestas a las observaciones y preguntas también reciben la concurrencia de un equilibrio de intereses. Por esta razón, IEEE y los miembros de sus sociedades y comités de coordinación de las normas no son capaces de proporcionar una respuesta inmediata a los comentarios o preguntas excepto en aquellos casos en que el asunto ha sido previamente tratados. tratados. http://standards.ieee.org/develop/wg/ .

Los comentarios sobre las normas deben ser sometidos a la siguiente dirección:

Secretario, IEEE-SA Standards Board 445 Hoes Lane, Piscataway, NJ 08854 EE.UU.

fotocopias:L a autorización para fotocopiar partes de cualquier norma específica para el uso interno o personal es otorgada por el Instituto de Ingenieros Eléctricos y

Electrónicos, Inc., a condición de que la tarifa correspondiente se paga al Copyright Clearance Center. Para arreglar el pago de la cuota de licencia, por favor, póngase en contacto con Copyright Clearance Center, Servicio al Cliente, 222 Rosewood Drive, Danvers, MA 01923 EE.UU.; 1 978 750 8400. El permiso para fotocopiar porciones de cualquier norma individual para uso educacional clase también se puede obtener a través del Copyright Clearance Center.

Aviso a los usuarios

Leyes y regulaciones Los usuarios de los documentos estándares IEEE deben consultar a todas las leyes y regulaciones aplicables. El cumplimiento de las disposiciones de cualquier documento de estándares IEEE no implica el cumplimiento de todos los requisitos reglamentarios aplicables. Los ejecutores de la norma es responsable de observar o se refieran a los requisitos reglamentarios aplicables. IEEE no lo hace, por la publicación de sus normas, la intención de instar a la acción que no está en conformidad con las leyes aplicables, y estos documentos no se pueden interpretar como hacerlo.

Derechos de autor

Este documento es propiedad de la IEEE. Se hace disponible para una amplia variedad de usos tanto públicos como privados. Estos incluyen tanto el uso, por referencia, en las leyes y reglamentos, y su uso en la autorregulación privada, la estandarización y la promoción de prácticas y métodos de ingeniería. Al hacer este documento a disposición para s u uso y adopción por parte de las autoridades públicas y los usuarios privados, el IEEE no renuncia a ningún derecho sobre los derechos de autor de este documento.

Actualización Actualización de los documentos de IEEE

Los usuarios de los documentos estándares IEEE deben ser conscientes de que estos documentos pueden ser sustituidas en cualquier momento mediante la emisión de nuevas ediciones o pueden ser modificados de vez en cuando a través de la emisión de enmiendas, correcciones, o erratas. Un documento oficial del IEEE en cualquier punto en el tiempo consiste en la edición actual del documento junto con las modificaciones, correcciones o erratas vigentes en ese momento. Con el fin de determinar si un documento dado es la edición actual y si se ha modificado mediante la emisión de enmiendas, correcciones, o erratas, visite el sitio web del IEEE-SA a http://standards.ieee.org/index.html eee.org/index.htmlo ponerse en contacto con la IEEE en la dirección mencionada anteriormente. Para obtener más información acerca de la asociación de los estándares IEEE

IEEE proceso de desarrollo de normas, la visita

el sitio web del IEEE-SA a

http://standards.ieee.org/index.html .

Errata erratas,

Si alguna,

para esta y todas las demás normas se pueden consultar en

la siguiente URL:

http://standards.ieee.org/findstds/errata/index.html . Se anima a los usuarios a comprobar esta URL para erratas periódicamente.

patentes Se llama la atención a la posibilidad de que la aplicación de esta norma puede requerir el uso de la materia cubierta por derechos de patente. Por la publicación de esta norma, no posición es tomada por el IEEE con respecto a la existencia o validez de los derechos de patentes en relación con la misma. Si un solicitante titular de la patente o patente ha presentado una declaración de fiabilidad a través de una carta Aceptado de Aseguramiento, entonces la declaración aparece en el sitio web del IEEE-SA a http://standards.iee http://standards.ieee.org/about/sasb e.org/about/sasb/patcom/patents.html /patcom/patents.html . Cartas de garantía podrán indicar si el Peticionario está dispuesto o no está dispuesto a conceder licencias de acuerdo con los derechos de patente sin compensación o debajo de un precio razonable, con los términos y condiciones razonables razonables que puedan demostrarse exentas de cualquier discriminación injusta a los solicitantes que deseen obtener tales licencias.

iv

Copyright © 2012 IEEE. Todos los derechos reservados.

pueden existir reivindicaciones de patente esenciales para los cuales no se ha recibido una carta de garantía. El IEEE no es responsable de identificar demandas de patente para la que se puede requerir una licencia, para la realización de investigaciones sobre la validez jurídica o el alcance de las patentes de Reclamaciones, o determinar si alguno de los términos de licencia o condiciones previstas en relación con la presentación de una carta de garantía, si los hubiere, o en cualesquiera acuerdos de licencia son razonables o no discriminatorio. Los usuarios de esta norma se advierte expresamente que la determinación de la validez de los derechos de patente, y el riesgo de lesión de sus derechos, es enteramente su propia responsabilidad. Más información se puede obtener de la Asociación de Estándares del IEEE.

v


Participantes En el momento en que se completó la guía IEEE, el Grupo de Trabajo Confiabilidad Distribución tenía los siguientes miembros:

Rodney Robinson *, Silla (2011-presente) (2011-presente) Cheryl A. Warren *, Presidente (1991-2011) John McDaniel *, Vicepresidente

Val Werner, Secretario

John Ainscough Razón Alvin Daniel Arden Greg Ardrey Ignacio Ares a Dave Asgharian John Banting Philip Barker Bill Becia Roy Billinton Chantal Bitton David Blankenheim James D. Bouford * James Bundren James Burke Thomas Callsen Marcos Carr Patrick Carroll Heide Caswell Bill Chisholm Richard D. Christie * Rob Christman

G. Larry Clark Mike Clodfelder James Cole Larry Conrad Betsy Coppock Ed Cortez Herve Delmas Chuck DeNardo Frank Doherty abril Dornbrook

R. Clay Doyle Jeff Duff Charlie Fijnvandratt Fredric amigo Keith heladas Anish Gaikwad David Gilmer Manuel González John Grisham Goodfellow Tom Tom Gutwin Donald Hall Keith Harley Harry Hayes

Charles Heising Richard James Hensel Hettrick Ray Hisayasu Alex Hoffman Tao Hong Ian Hyland Hoogendan Mike Cindy Janke Allan Jirges Joshua Jones Robert Jones Morteza Khodaie Marcos Koyna Frank Lambert a Dave Lankutis Larry Larson Jim Lemke Jack Leonard Giancarlo Leone génica Lindholm Ray Lings Nick Loehlein Ning Lu

JC Mathieson Ethan Matthes Ed Mayer Tom Tom McCarthy McDermott Marcos McGranaghan Kale Meade Tom Menten Mathieu Mougeot Terry Gregory Nielsen Obenchain Ray O'Leary Gregory Olson Jamie Ortega Anil Pahwa Milorad Papic Marc Patterson Dan Pearson Mike Pehosh Charles Perry Ray Piercy Jeff Pogue

vi


Steve Pullins Mike Rafferty Caryn Riley D. Tom Rizy Tim Rogelstad Ziolo Roldan Robert Rusch David Russo D. Daniel Sabin Robert San NDR Sarma Josh Schellenberg David J. Schepers * Steven Schott Andy Schwalm Ken Sedziol Matt Mike Seeley Pastor David Shibilia Tom Corto Cheong Siew Georges Simard Jeff Smith oxidado Soderberg John Stallings Spare Joshua Lee Taylor Mark Thatcher Casey Thompson Betty Tobin Tom Tobin

SS (Mani) Venkata José Viglietta * Marek Waclawiak Juli Wagner Reigh Walling David Wang Daniel J. Ward Greg Welch Charlie Williams * John Williams Taui Willis Mike Worden Bo Yang

* Agradecimientos: Los siguientes miembros fueron autores y analizadores de datos principal para el desarrollo de la Metodología 2.5 Beta que se utiliza para la identificación de los principales días de eventos: James D. Bouford Richard D. Christie Dan Kowalewski John McDaniel Rodney Robinson David J. Schepers

Joseph Viglietta Cheryl A. Warren Charlie Williams

Los siguientes miembros del comité de votación individuales votaron en esta guía. Balloters hayan votado para su aprobación, desaprobación o abstención. William Ackerman Michael Adams Ali Al Awazi Saleman Alibhay Robert Arno Thomas Basso Wallace Carpeta Robin Blanton James D. Gustavo Bouford Brunello William Bush W illiam Byrd Marcos Carr Robert James Christman Cleary James Cole Larry Conrad Timoteo Croushore Gary Donner abril Dornbrook Randall Dotson Neal Dowling Foda FredricBansi amigo David Gilmer Randall Groves AjitDonald Gwal Dunn Gary Engmann Rabiz Mirko Palazzo Mietek Glinkowski Waymon Goch Edwin Goodwin Thomas Grebe Donald Hall Dennis Hansen Patel Michael Roberts Jeffrey Hartenberger David Rodney Rogers Haynes Lee James Herron Robinson Charles Hettrick de Scott Hietpas Thomas Rozek Werner Hölzl José Jancauskas Jeffrey Jelzer D. Daniel Sabin Robert San Gael Kennedy Yuri Bartien Sayogo Dennis Khersonsky Morteza Schlender Robert Khodaie Joseph L. Schuerger Gil Shultz Koepfinger Jim Kulchisky Christine Siebenshuh Chung-Yiu Lam Paul Cheong Siew James Smith Lindemulder Greg Luri Jerry Smith John Stallings William McBride John Spare Joshua Gary McDaniel John McDonald Stoedter Lee Taylor Mark Gary Michel Thatcher Eric Udren John Walton Vergis Marcos Daniel J. Ward Lee Welch Kenneth White Jonathan Woodworth Jian Yu Francisc Zavoda

C. Michael Miller Joydeep Mitra Jerry Murphy Arthur Neubauer Michael S. Newman Joe Nims Lorena Padden

vii


Cuando el Consejo de Normas IEEE-SA aprobó esta guía el 14 de mayo de 2012, que tenía los siguientes miembros:

Richard H. Hulett, Silla John Kulick, Vicepresidente

Robert M. Grow, Antiguo presidente

Satish Aggarwal Masayuki Ariyoshi Peter Balma William Bartley Ted Burse Clint Chaplin Wael Diab

Alexander Gelman Paul Houzé Jim Hughes joven Kyun Kim Joseph L. Koepfinger * John Kulick David Law J. Thomas Lee Hung Ling

Jean-Philippe Faure

* miembro Emérito

También se incluyen los siguientes enlaces Consejo de Normas IEEE-SA sin derecho a voto:

Richard Blasio, DOE Representante Michael Janezic, Representante del NIST

Julie Alessi Normas IEEE Administrador de Programas, Desarrollo Documento

Matthew J. Ceglia IEEE Administrador de Servicios de Cliente, Servicios profesionales

viii


Oleg Logvinov Ted Olsen Gary Robinson Jon Walter Rosdahl Mike Seavey Yatin Trivedi Phil Winston Yu Yuan

Introducción Esta introducción no es parte de IEEE Std 1366-2012, IEEE Guía para la distribución de energía eléctrica Fiabilidad índices.

Esta guía se desarrolló originalmente en 1998 para crear índices diseñados específicamente para sistemas de distribución. Otros grupos han creado índices para los sistemas de transmisión e industriales, pero no había ninguna disponible para su distribución. Este grupo seguirá trabajando en esta área mediante el refinado de la información contenida en esta guía.

Esta guía se actualiza en la revisión de 2003 para aclarar las definiciones existentes e introducir una definición basada en la estadística para la clasificación de los principales días de eventos. El grupo de trabajo creado una metodología, 2.5 Beta Método para la determinación de los principales días de eventos. Una vez día se clasifican como normales o principales Días de eventos, análisis y presentación apropiada pueden llevarse a cabo.

Esta revisión de 2012 de la guía aclaró varias de las definiciones e introdujo dos nuevos índices. Los nuevos índices son CELID-s y CELID-t, los clientes que experimentan largos períodos de tiempo de interrupción (tanto individuales y totales). Una sección también se añadió para explicar la investigación de días catastróficos.

ix


Contenido

1. Información general gene ral ............................................... .................................................. .................................................. . 1

1.1 Introducción .......... .................................... ........................................ ................................... .................................................. ............... .................................. ....................................... ..... 1 1.2 Alcance ................................................ ................................................ .................................................. ................................................. 1 1.3 Propósito ................................................ ................................................ .................................................. .............................................. 1 2. Definiciones ............................................... ....... ........................................ .................................................. ................................................. 2 3. Definiciones de índices de fiabilidad ............................................ .............................. .................................................. ................... 4 3.1 Factores básicos ............................................... ............................................... .................................................. ....................................... 4 3.2 índices de interrupción sostenida .............................................. ................................ .................................................. .............. 5 índices basados 3.3 Carga .............................................. .............................................. .................................................. ............................... 8 3.4 Otros índices (momentáneo) ............................................ ............................................ .................................................. .................... 9 3.5 Clasificación Mayor Día Evento ................. ......................... ............................ ... .......................... ....................................... ........................ ........... ........... 10

4. Aplicación de los índices ................ ............................ ............................ ............................................... .................................................. ... ........................... ........................... 13 4.1 sistema de muestra ............................................... ............................................... .................................................. .................................. 14 4.2 Cálculo de los índices para un sistema sin días de grandes acontecimientos ...................................... ............. ................... 15

4.3 Ejemplos ......... ....................................... ....................................... .......................................... .................................................. ........ ......................................... ......................................... 17 5. La información sobre los factores que afectan el cálculo de los índices de confiabilidad ................... ............................. ............... ..... ... .... 19 5.1 Justificación de la selección de los índices proporcionados en esta guía ......................... ............... ................... 19 5.2 Los factores que causan la variación de los índices reportados ........................................ ............................................ ....................................... ....................................... 19

5.3 Mayor días de eventos catastróficos y días ........................................... ........................................... ................................................ 19

Anexo A Bibliografía (informativo) ............................................ ............................................ .................................................. ............ 21 Anexo B (informativo) ......................................... el desarrollo de grandes acontecimientos deportivos portivos definición ............................. 22

Anexo C (informativo) subconjunto de datos interna ............... ........................... ........................... ............................. ............................................ ..................... ...... ..... 31

X Copyright © 2012 IEEE. Todos los derechos reservados.


AVISO IMPORTANTE: documentos IEEE estándares no son necesarias para la seguridad, la salud o la protección del medio ambiente, ni asegura contra la interferencia o de otros dispositivos o redes. Los ejecutores de documentos estándares IEEE son responsables de determinar y cumplir con todas las de seguridad, la seguridad, las prácticas, salud y protección del medio ambiente interferencia apropiadas y todas las leyes y regulaciones aplicables.

Este documento IEEE se pone a disposición para su uso con sujeción a los avisos importantes y avisos legales. Estos avisos y renuncias aparecen en todas las publicaciones que contienen este documento y pueden encontrarse bajo el título “Aviso Importante” o “Avisos importantes y renuncia de responsabilidades relativas a los documentos de IEEE.” También pueden obtenerse a petición del IEEE o consultarse en http://standards.ieee.org/IPR/disclaimers.html .

1. Información general

1.1 Introducción Esta guía-pleno uso se ha actualizado para aclarar las definiciones existentes, introducir dos índices de confiabilidad adicionales, y añadir una discusión del Mayor los días del evento y los días catastróficos (véase 5.3).

1.2 Alcance

Esta guía identifica los índices y factores que afectan a su cálculo de fiabilidad de distribución. Incluye índices, que son útiles en la actualidad, así como los que pueden ser útiles en el futuro. Los índices están destinadas a aplicarse a los sistemas de distribución, subestaciones, circuitos y regiones definidas.

1.3 Propósito El propósito de esta guía es doble. En primer lugar, es presentar un conjunto de términos y definiciones que se pueden utilizar para fomentar la uniformidad en el desarrollo de índices de fiabilidad del servicio de distribución, para identificar los factores que afectan a los índices, y para ayudar en las prácticas de información consistentes entre los servicios públicos. En segundo lugar, es proporcionar una guía para el personal nuevo en la zona de fiabilidad y proporcionar herramientas para la interna, así como comparaciones externas. En el pasado, otros grupos han definido índices de fiabilidad para la transmisión, generación y

1 Copyright © 2012 IEEE. Todos los derechos reservados.

IEEE Std 1366-2012 Guía de IEEE para la distribución de energía eléctrica Fiabilidad Índices

distribución, pero algunas de las definiciones que ya están en uso no son suficientemente específicas como para ser totalmente aprobado para su distribución. Los usuarios de esta guía deben reconocer que no todas las empresas de servicios públicos tendrían los datos disponibles para calcular todos los índices.

2. Definiciones A los efectos de este documento, se aplican los siguientes t ér minos minos y definiciones. los IEEE Diccionario Normas: Glosario de Términos y esta cláusula.

ebe ser consultado para los términos no definidos en Definiciones 1 d

carga conectada: transformador conectado o la demanda medida (a especificar claramente cuando informes) en el circuito o una parte de

circuito que está interrumpido. Cuando se informa, el informe debe indicar si se basa en un pico anual o en un pico período del informe.

n punto de servicio eléctrico medido para la cual se establece una cuenta factura activo en un lugar específico. cliente:U

número de clientes: El número de clientes, ya sea servido o interrumpirse, dependiendo del uso. sistema de distribución: La parte de un sistema eléctrico que suministra energía eléctrica a partir de puntos de transformación en el sistema de

transmisión para el cliente. NOTA-El sistema de distribución se considera generalmente ser cualquier cosa de la cerca de la subestación de distribución para el medidor del cliente. A menudo, la protección y la tensión reguladores de sobrecorriente iniciales son dentro de la cerca de la subestación y se consideran parte del sistema de distribución. 2

l estado de un componente cuando no está disponible para llevar a cabo su función prevista debido a un evento no planeado interrupción forzada:E directamente asociado con dicho componente. dispositivo de interrupción:U n dispositivo para detener el flujo de energía, generalmente en respuesta a un fallo. El funcionamiento del dispositivo se puede

lograr por métodos manuales, automáticos, u operados de manera remota. Los ejemplos incluyen disyuntores, reconectores de línea, fusibles de línea, interruptores de desconexión, seccionadores, y / u otros. interrupción:L a pérdida total de energía eléctrica en uno o más conductores normalmente energizados a uno o más clientes conectados a la

parte de distribución del sistema. Esto no incluye ninguno de los problemas de calidad de energía, tales como: crecidas, caídas, impulsos o armónicos. Ver también: c orte. duración de interrupción: E l período de tiempo desde el inicio de una interrupción hasta que el servicio se ha restablecido a los clientes afectados.

NOTA-El proceso de restauración puede requerir la reposición del servicio a pequeñas secciones del sistema hasta que el servicio se ha restablecido a todos los clientes. Ver 4.3.2 para un ejemplo paso a la restauración. Cada uno uno de estos pasos individuales deben ser rastreados, la recogida de la hora de inicio, hora de finalización, y el número de clientes interrumpido para cada paso.

interrupciones causadas por eventos fuera del sistema de distribución:L os cortes que se producen en las instalaciones de generación,

transmisión, subestaciones, o los clientes que dan lugar a la interrupción del servicio a uno o más clientes. Aunque por lo general una pequeña parte de la cantidad de eventos de interrupción, estas interrupciones pueden afectar a un gran número de clientes y pueden durar mucho tiempo.

cierre patronal: C uando un dispositivo de interrupción de reenganche está en la posición abierta y no hay más operaciones de ese dispositivo se permite

sin intervención manual. Definiciones e stá disponible en http://shop.ieee.org http://shop.ieee.org . L as notas en el texto, tablas y figuras de un estándar se dan a título indicativo y no contienen los requisitos necesarios para aplicar esta norma.

1 IEEE Diccionario Normas: Glosario de Términos y 2



esigna un evento que excede diseño razonable y o límites operacionales del sistema de energía eléctrica. Un importante evento Importante evento:D incluye al menos un día de grandes acontecimientos. Ver también: Mayor jornada. Día de Grandes Eventos (MED): U n día en el que el sistema diariamente Interrupción Promedio del Sistema Índice de Duración (SAIDI) supera un valor umbral Mayor jornada. A los efectos del cálculo diario del sistema SAIDI, cualquier interrupción que se extiende por varios días naturales se devenga a la fecha en que se inició la interrupción. Estadísticamente, Estadísticamente, los días de tener un sistema diaria SAIDI mayor que T M EDICINA s on días en que el sistema de suministro de energía experimentó tensiones más del normalmente esperado (como durante el mal tiempo). Las actividades que se producen en los días principales de eventos deben ser analizados y reportados por separado. NOTA: consulte la clasificación Major Día Evento en 3.5.

l breve pérdida de la entrega de potencia a uno o más clientes causado por la operación de apertura y cierre de interrupción momentánea: E un dispositivo de interrupción. interruptor NOTA de dos circuitos o las operaciones de recierre (siendo un abierta seguido de un cierre de cada operación) que interrumpir brevemente servicio a uno o más clientes se definen como dos interrupciones momentáneas. evento de interrupción momentánea:U na interrupción de duración limitada al tiempo requerido para restablecer el servicio por un dispositivo de interrupción.

NOTA 1- Tales operaciones de conmutación deben ser completado dentro de un tiempo especificado de cinco minutos o menos. Esta definición incluye todas las operaciones de reconexión que se producen dentro de los cinco minutos de la primera interrupción.

NOTA 2- Si un interruptor reconectador o circuito opera dos, tres, o cuatro veces y luego se mantiene (a menos de cinco minutos de la primera operación), esas interrupciones momentáneas se considerarán un evento interrupción momentánea.

n corte puede o no puede causar una interrupción del servicio a corte: La pérdida de la capacidad de un componente para entregar el poder. NOTA 1- U los clientes, dependiendo de la configuración del sistema.

NOTA 2- Esta definición se deriva de las aplicaciones de transmisión y distribución, y no se aplica a las interrupciones de suministro.

interrupción planificada: La pérdida de energía eléctrica a uno o más clientes que resulta de una interrupción planeada. NOTA 1-E sto se

deriva de las aplicaciones de transmisión y distribución y no se aplica a las interrupciones de generación.

NOTA 2- La prueba clave para determinar si una interrupción debe ser clasificado como una interrupción planificada o no planificada es la siguiente: Si es posible aplazar la interrupción, a continuación, la interrupción se produce una interrupción planificada; de lo contrario, la interrupción se produce una interrupción no planificada.

interrupción planeada:L a inhabilitación intencional de la capacidad de un componente para entregar el poder, hecho en un momento preseleccionado, por lo general a los efectos de la construcción, mantenimiento preventivo o de reparación.

período de información: El período de tiempo a partir del cual los datos de interrupción es para ser incluido en los cálculos del índice de fiabilidad. Las

fechas y horas de inicio y fin deben estar claramente indicados. Todos los eventos que comienzan dentro del periodo de tiempo indicado deben ser incluidos. Un período de información coherente se debe utilizar cuando se compara el rendimiento de los diferentes sistemas de distribución (típicamente un año calendario) o cuando se compara el rendimiento de un solo sistema de distribución durante un período prolongado de tiempo. El período de notificación se supone que es de un año, a menos que se indique lo contrario.

l proceso de restauración de todos los clientes interrumpidas de forma escalonada en el tiempo. restauración paso:E



ualquier interrupción no clasificado como parte de un evento momentáneo. Es decir, cualquier interrupción que dura interrupción sostenida:C más de cinco minutos.

l número medio de clientes atendidos durante el período del informe. Si se utiliza un total del cliente número total de clientes atendidos: E diferente, debe estar claramente definido dentro del informe. interrupción no planificada: La pérdida de energía eléctrica a uno o más clientes que no sea resultado de una interrupción planeada.

3. Definiciones de índices de fiabilidad

3.1 Los factores básicos

Los factores básicos definidos a continuación especifican los datos necesarios para calcular los índices de fiabilidad. NOTA-El subíndice 'i' significa un evento de interrupción.

CI

Los clientes interrumpido

CMI

Clientes minutos de interrupción

CN

Número total de clientes distintos que han experimentado una interrupción sostenida durante el período que se examina

CN (k ≥n)

Número total de clientes que han experimentado informe

CN ( k≥S)

Número total de clientes que experimentó S o más horas de duración

CN ( k≥T)

Número total de clientes que experimentó T o más horas de duración

CNT ( k≥n)

Número total de clientes que han experimentado norte o más interrupciones sostenidas y eventos interrupción momentánea durante el período del informe

mi

Evento

ESTOY yo

Número de interrupciones interrupciones momentáneas

ESTOY mi

Número de eventos de interrupción momentánea

k

Número de interrupciones experimentadas por un cliente individual en el período del informe

L yo

carga kVA Connected interrumpido para cada evento de interrupción

L T

carga kVA conectado total servida

norte yo

Número de clientes interrumpidas para cada evento de interrupción sostenida durante el período que se examina

norte mi

Número de clientes interrumpidas para cada evento de interrupción momentánea durante el período que se examina

interrupciones más sostenida durante el período del norte o



norte T

Número total de clientes atendidos por la zona

r yo

tiempo de restauración para cada evento de interrupción

T MEDICINA

gran umbral Día Evento

3.2 índices de interrupción sostenida

3.2.1 TIEPI: Índice de Frecuencia de Interrupción Promedio del Sistema

El Índice de Frecuencia de Interrupción Promedio del Sistema (TIEPI) indica con qué frecuencia el cliente promedio experimenta una interrupción sostenida durante un periodo de tiempo predefinido. Matemáticamente, esto se da en la ecuación. (1).

TIEPI =

Σ

Interrupte Número Total Los clientes de

d

(1)

clientes Total se sirven de Número Los Para calcular el índice, utilice la ecuación. (2).

Σ Ni

TIEPI =

CI norte

NT

T=

(2)

3.2.2 SAIDI: Índice Duración Interrupción Promedio del Sistema

El Sistema de Interrupción Promedio del Índice de Duración (SAIDI) indica la duración total de interrupción para el cliente promedio durante un período de tiempo predefinido. Se mide comúnmente en minutos u horas de interrupción. Matemáticamente, esto se da en la ecuación. (3).

Σ

en cliente las Actas de atención Interrupti al

clientes Total se sirven de Número Los

SAIDI =

(3)

Para calcular el índice, utilice la ecuación. (4).

SAIDI =

Σ N ir i

=

Tennesse

CMI

(4)

Tennesse

3.2.3 CAIDI: Cliente Índice de Duración media de Interrupción El cliente Interrupción Promedio Índice de Duración (CAIDI) representa el tiempo medio necesario para restablecer el servicio. Matemáticamente, Matemáticamente, esto se da en la ecuación. (5).

CMI

CAIDI =

Σ

en cliente las Actas de atenciónInterrupti al

Interrupte Número Total Los clientes de

= IC del

d


(5)



Σ ΣNi

= Rini

CAIDI =

SAIDI TIEPI

(6)

3.2.4 CTAIDI: Cliente Índice duración total media de Interrupción El cliente promedio total Interrupción Índice de Duración (CTAIDI) representa el tiempo total durante el periodo informativo que los clientes promedio que en realidad experimentaron una interrupción se quedaron sin electricidad. Este índice es un híbrido de CAIDI y se calcula de manera similar, excepto que aquellos clientes con múltiples interrupciones se cuentan sólo una vez. Matemáticamente, esto se da en la ecuación. (7).

de Interrupti Duraciones Cliente

Σ

CTAIDI =

Número InterrupteTotal distintos clientes del d

(7)


Σ RIN i CN

CTAIDI =

CMI

(8)

= CN

NOTA-En recuento número total de clientes interrumpido, cada cliente debe ser contado sólo una vez, independientemente del número de veces interrumpidas durante el período del informe. Esto se aplica a las definiciones establecidas en 3.2.4 y 3.2.5.

3.2.5 CAIFI: Cliente Índice de frecuencia media de interrupción

El índice de frecuencia media de interrupción al cliente (CAIFI) da l a frecuencia media de interrupciones sufridas por aquellos clientes que experimentan interrupciones sufridas. El cliente se contabiliza una vez, independientemente del número de veces interrumpidas para este cálculo. Matemáticamente, esto se da en la ecuación. (9).

CAIFI =

Σ

Total complementos Interrupti del Número Cliente

Número InterrupteTotal distintos clientes del d

(9)


Σ Ni

CAIFI =

CN

CI

= CN

(10)

3.2.6 ASAI: Índice de disponibilidad media servicio

El servicio de disponibilidad media del índice (ASAI) representa la fracción de tiempo (a menudo en porcentaje) de que un cliente ha recibido el poder durante el período del informe definido. Matemáticamente, esto se da en la ecuación. (11).



Horas de servicio al cliente Disponibilidad demanda

ASAI =

(11)

Horas de servicio al cliente


×

ASAI =

de (Número TNhoras / año) - Σ

×

N ir i

de Número (TNhoras / año)

(12)

NOTA: hay 8 760 horas en un año no bisiesto y 8 784 horas en un año bisiesto.

3.2.7 CEMIn orte: E xperimentar clientes múltiples interrupciones

Los clientes Experimentar Índice de Interrupciones Múltiples (CEMI norte) i ndica la proporción de clientes individuales que experimentan más interrupciones sostenidas con el número total de clientes atendidos. Matemáticamente, esto se da en la ecuación. (13).

clientes interruptidesostenida Número más Totalo nd experiencia que losons

CEMI n =

norte o

(13)


CEMI n =

≥ (K CN norte)

(14)

Tennesse

NOTA: este índice se utiliza a menudo en una serie de cálculos con

norte i ncrementa desde un valor de 1 al

valor más alto de interés.

3.2.8 CELID: Los clientes en situación de interrupción larga duraciones

Los clientes que experimentan Índice duraciones de las interrupciones de largo (CELID) indica la proporción de clientes individuales que experimentan interrupciones con duraciones más largas o iguales a un tiempo dado. Ese tiempo es o bien la duración de una sola interrupción (s) o la cantidad total de tiempo (t) que un cliente ha sido interrumpida durante el período de notificación. Matemáticamente, la ecuación Duración sola interrupción se da en la ecuación. (15) y la ecuación Duración total de interrupción se da en la ecuación. (17). Sola interrupción Duración:

duración Número Total más o S d experiencia que loshoras clientes de de

CELID-t =

(15)

clientes Total se sirven de Número Los Para calcular el índice, utilice la ecuación. (dieciséis).

CELID-s =

≥ (K CN S)

(dieciséis)

Tennesse



Interrupción total Duración: Número duraciónTotal más o d T experiencia que loshoras clientes de de

CELID-t =

(17)


≥ (K CN T)

CELID-t =

(18)

Tennesse

3.3 índices basados carga

3.3.1 Asifi: Índice de Frecuencia Media de Interrupción Sistema

El cálculo del Índice de Frecuencia Media de Interrupción Sistema (Asifi) se basa en la carga en lugar de los clientes afectados. Asifi a veces se utiliza para medir el rendimiento de distribución en áreas que sirven relativamente pocos clientes cargar, predominantemente que tienen relativamente grandes concentraciones de clientes industriales / comerciales. Teóricamente, en un sistema con distribución de carga homogénea, Asifi sería el mismo que SAIFI. Matemáticamente, esto Asifi se da en la ecuación. (19).

Σ

Load conectada Interrupte de kVA total d

kVA total conectada Servido

Asifi =

(19)


Σ Li

Asifi =

LT

(20)

Índice de Duración media de Interrupción Sistema: 3.3.2 ASIDI

El cálculo de la Interrupción Promedio del Sistema Í ndice de Duración (ASIDI) se basa en la carga en lugar de los clientes afectados. Su uso, limitaciones, y la filosofía se indican en la definición Asifi en el apartado 3.3.1. Matemáticamente, ASIDI se da en la ecuación. (21).

Σ

Interrupte Duración conectado carga de kVA

d

kVA total conectada Servido

ASIDI =

(21)


Σ RILI

ASIDI =

LT

(22)



3.4 Otros índices (momentáneo)

3.4.1 MAIFI: Índice de frecuencia momentánea Interrupción Promedio

El índice de frecuencia momentánea Interrupción Promedio (MAIFI) indica la frecuencia media de interrupciones momentáneas. Matemáticamente, esto se da en la ecuación. (23).

Σ

momentánea del Número Cliente Total

Interrupti ons


MAIFI =

(23)


Σ

IM N

mi i

norteT

MAIFI =

(24)

3.4.2 MAIFI MI: M omentánea Índice de Frecuencia Media de Interrupción Evento

El índice de frecuencia de eventos de interrupción momentánea media (MAIFI MI) indica la frecuencia media de interrupción momentánea eventos. Este índice no incluye los acontecimientos inmediatamente anteriores a una interrupción sostenida. Matemáticamente, esto se da en la ecuación. (25).

MAIFI E =

Σ

Número en Interrupti Totalcliente momentáneo del Eventos clientes Total se sirven de Número Los

(25)


MAIFI E =

Σ

IM N

(26)

ES

millas

T

3.4.3 CEMSMIn orte: E xperimentar múltiples clientes y sostenida interrupción momentánea interrupción Eventos

Los clientes en situación de múltiple sostenida Índice de interrupción y la interrupción de eventos momentáneos (CEMSMI norte) e s la relación de los clientes individuales que experimentan norte o más de las dos interrupciones sufridas y eventos de interrupción momentánea a los clientes total servida. Su propósito es ayudar a identificar problemas de los clientes que no pueden ser observados mediante el uso de promedios. Matemáticamente, Matemáticamente, esto se da en la ecuación. (27). clientes complementos de Número Interrupti Totalo n ng experienci Los Más

CEMSMI n =


(27)


CEMSMI n =

CNT(K≥

norte)

(28)

Tennesse



Mayor clasificación 3.5 Día Evento El siguiente proceso de Beta Método-se utiliza para identificar Major Evento días (MED), a condición de que la transformación logaritmo natural de los resultados de los datos se parece mucho a una distribución gaussiana (normal). S u propósito es permitir que l os grandes eventos que se estudiarán por separado de la operación diaria, y en el proceso, para revelar mejor las tendencias en la operación diaria que se oculta por el gran efecto estadístico de grandes eventos. Para más detalles técnicos sobre la derivación de la metodología, véase el Anexo B. Una MED es un día en el que el sistema diariamente SAIDI supera un valor umbral, TM EDICINA. El índice SAIDI se utiliza como base de esta definición, ya que conduce a resultados consistentes independientemente del tamaño de la utilidad, y debido a SAIDI es un buen indicador de la tensión de funcionamiento y diseño. A pesar de que SAIDI se utiliza para determinar los medicamentos, todos los índices deben calcularse sobre la base de la eliminación de los días identificados.

En el cálculo diario del sistema SAIDI, cualquier interrupción que se extiende por varios días se devenga a la fecha en que comienza la interrupción. La identificación MED T M EDICINA v alor se calcula al final de cada período de referencia (típicamente un año) para su uso durante el siguiente período de notificación, como sigue:

un) Suma los valores de SAIDI al día durante cinco años consecutivos, que termina el último día del último completa período de información. Si menos de cinco años de datos históricos están disponibles, utilizar todos los datos históricos disponibles hasta cinco años de datos históricos están disponibles.

segundo) Sólo aquellos días que tienen un valor SAIDI / día se utilizará para calcular TM ED ( n o incluyen días que no tenían ningún tipo de interrupciones).

do) Tomar el logaritmo natural (ln) de cada valor SAIDI diario en el conjunto de datos. re)

Encontrar Encontrar α ( Alpha), Alpha), pha), la la media de de de los logaritmos logaritm logaritmos os (también (también conocido conocido conocido como como como el el registro registro registro de de de la media) media) a) del del conjunto conjunt conjuntoo de de datos. datos. datos.

mi)

Encontrar Encontrar β ( Beta), Beta), lala desviación desviaci desviación ón estándar estándar estándar de de los los logaritmos logaritmo logaritmoss (también (tambiénconocidos conocid conocidos oscomo comolaladesviación-log desviación desviación-log -logestándar) estándar) estándar)del del delconjunto conjunto conjuntode dedatos. datos.

F)

Calcular el umbral MED, MEDICINA

=

tilizando la Ec. (29). T MEDICINA, MEDICINA,u

(α + 2. 5 β )

(29)

eT

gramo) Cualquier día con SAIDI diaria mayor que el valor umbral T M EDICINA q ue se produce durante el subsiguiente el período de notificación está clasificado como un MED. Las actividades que se producen en los días clasificados como MED deben ser analizados y reportados por separado.



3.5.1 Un ejemplo del uso de la definición MED para identificar los principales eventos y posteriormente calcular los índices ajustados que reflejan el rendimiento normal de funcionamiento

El siguiente ejemplo ilustra el cálculo de la SAIDI diario, el cálculo del umbral de MED T M EDICINA, i dentificación de MEDs, y el cálculo de índices ajustados. La Tabla 1 proporciona proporciona datos seleccionados para todas las interrupciones que se producen en un día determinado para una utilidad que sirve 2 000 clientes.

La Tabla 1 -Interruption datos para 18 de marzo 1994 Fecha

Hora

Duración (min)

Numero de clientes

18 de Mar, de 1994

18:34:30 18:38:30 18:42:00

20.0 1.0 513,5

200 400 700

18 de Mar, de 1994 18 de Mar, de 1994

Tipo de interrupción

Sostenido Momentáneo

Sostenido

Tenga en cuenta que si bien la tercera interrupción (en 18:42:00) no fue restaurado hasta el día siguiente, sus recuentos totales de duración en el día en que comenzó la interrupción. Tenga en cuenta también que SAIDI considera solamente interrupciones sufridas.

Para 18 de marzo de 1994 SAIDI diaria (suponiendo una utilidad cliente 2 000) se da en la ecuación. (30).

( × ) + (513 . × 700 5) =200 20 SAIDI = 181 . 73min 2000

(30)

Un mes de datos históricos SAIDI diaria se utiliza en el ejemplo siguiente para calcular el umbral T MED M EDICINA. C inco años de datos históricos es preferible para este método, pero la impresión de que muchos de los valores en esta guía no es práctico, por lo que sólo un mes se utiliza para ilustrar el concepto. Los datos de ejemplo se muestra en la Tabla 2.



Tabla 2 -Un mes de SAIDI diaria y en los datos (SAIDI / día) Fecha

SAIDI / día (min)

ln (SAIDI / día)

Fecha

SAIDI / día (min)

01 de diciembre 1993

26.974

3.295


0,329


0,956

- 0,046


0

ln (SAIDI / día)

- 1.112 Este día no está incluido en los cálculos, ya no eran clientes interrumpido.


0,131

- 2,033


0,281

- 1,268


1.292

0,256


1.810

0,593


4.250

1,447


0,250


0,119


0,021


0,130

- 2.127 - 2.042

- 1.388 - 3,876


1,233

0,209


12.883

2,556


0,996


0,226

- 1,487


0,162

13.864

2,629


0,288

Dec 11, de 1993

0,015

- 4.232

Dec 27 de, de 1993

0,535


1.788

0,581


0,291


0,410

Dec 29 de, de 1993

0,600


0,007

- 0,891 - 4.967

- 0,004 - 1.818 - 1,244 - 0,626 - 1.234 - 0,511


1.750

0,560


1.124

0,117


3,622

1,287


1,951

0,668


NOTA-El SAIDI / día para el 18 de diciembre de, 1993 son cero, y el logaritmo natural de cero es indefinido. Por lo tanto 18 de diciembre de 1993 son no considerados durante el análisis.

El valor de α, el registro de la media, es la media de los logaritmos naturales, y es igual a -0,555 en este caso.

El valor de β, la desviación-registro estándar, es la desviación estándar de los logaritmos naturales, y es igual a 1,90 en este ejemplo.

El valor de α + 2.5 β es 4,20. El valor umbral T MEDICINA se calcula e (

4.20)

y es igual a 66,69 SAIDI minutos por día. Este valor se utiliza para evaluar el

período de tiempo futuro (por ejemplo, el siguiente año). La Tabla 3 muestra valores de ejemplo SAIDI / día durante los primeros meses de 1994.



Tabla de datos 3 -Daily SAIDI, Enero 1.994 mil SAIDI / día

Fecha

Fecha

SAIDI / día

1 jan, de 1994

0,240

Jan 17 de de 1994

5,700

Jan 2, de 1994

0,014

18 de jan, de 1994

0,109

Jan 3, de 1994

0,075

19 de jan, de 1994

0,259

4 jan, de 1994

2,649

20 jan, de 1994

1.142

5 jan, de 1994

0,666

21 de jan, de 1994

0,262

6 jan, de 1994

0,189

22 de jan, de 1994

0,044

7 jan, de 1994

0,009

23 de jan, de 1994

0,243

8 jan, de 1994

1.117

24 de jan, de 1994

5,932

9 jan, de 1994

0,111

25 de jan, de 1994

2.698

Jan 10, de 1994

8,683

26 de jan, de 1994

5,894

11 jan, de 1994

0,277

27 de jan, de 1994

0,408

12 jan, de 1994

0,057

28 de jan, de 1994

237.493

13 jan, de 1994

0,974

29 de jan, de 1994

2.730

14 jan, de 1994

0,150

30 de jan, de 1994

8.110

15 jan, de 1994

0,633

31 de jan, de 1994

0,046

16 de jan, de 1994

0,434

El SAIDI / día el 28 de enero, 1994 (237,49) excede el valor umbral de ejemplo (T MED = 6 6,69), lo que indica que el sistema de distribución experimentó tensiones más del normalmente esperado en ese día. Por lo tanto, 28 de Enero de 1994 se encuentra clasificado como un MED. El SAIDI / día para todos los otros días fue menor que T MEDICINA, lo que indica que las tensiones normales se experimentaron en esos días. Para completar el ejemplo, los índices deben ser calculados para dos condiciones: 1) Todos los eventos incluidos

2) MED removidos En la mayoría de los casos, los servicios públicos se calcular todos los índices que utilizan normalmente (por ejemplo, SAIFI, SAIDI, y / o Caidi). Para este ejemplo, sólo se mostrará SAIDI. El SAIDI para 1994 para la condición 1) anterior (todos los eventos incluidos) se da en la ecuación. 31.

SAIDI diaria = SAIDI=Σ 287,35

(31)

El SAIDI para 1994 para la condición 2) anterior (MEDs eliminados), para los informes y análisis separado, se da en la ecuación. 32.

MEDs Σ eliminan con el SAIDI diaria = SAIDI

= 49.86

(32)

4. Aplicación de los índices La mayoría de almacenar los datos de los servicios públicos de interrupción en grandes bases de datos informáticas. Algunas bases de datos están mejor organizados que otros para consultar y analizar datos de fiabilidad. La siguiente subcláusula mostrará una muestra de base de datos parcial y la metodología para calcular los índices basados en la información proporcionada.



sistema 4.1 Muestra La Tabla 4 4m uestra un extracto del sistema de información del cliente de una utilidad (CIS) de base de datos para alimentador de 7075, que sirve 2 000 a los clientes con una carga total de 4 MW. En este ejemplo, el circuito 7075 constituye el “sistema” para el que se calculan los índices. Más típicamente, típicamente, el “sistema” combina todos los circuitos juntos en una región o para toda una empresa.

Tabla 4 -Interruption datos para 1994 Fecha

Hora

Tiempo en

Circuito

código de evento

17 de Mar

15 Abr 5 de Mayo

12 Jun 6 Jul

20 aug 31 de aug

Sep 3 27 de Oct

12:12:20 18:23:56 00:23:10 23:17:00 09:30:10 15:45:39 08:20:00 17:10:00 10:15:00

12:20:30 18:24:26 01:34:29 23:47:14 09:31:10 20:12:50 10:20:00 17:20:00 10:55:00

7075 7075 7075 7075 7075 7075 7075 7075 7075

107 256 435 567 678 832 1 003 1 100 1 356

Numero de clientes

cargar

200 400 600 25 2 000 90 700 1 500 100

800 1 600 1 800 75 4 000 500 2 100 3 000 200

kVA

Interrupción

tipo S METRO

S S METRO

S S S S

NOTA 1- tipo de interrupción S = sostenido; M = Nota momentánea 2- El total de clientes servidos = 2 000

El número total de clientes que han experimentado una interrupción sostenida es de 3 215. El número total de clientes que experimentan una interrupción momentánea es de 2 400.

Tabla 5 clientes -Extracted que fueron interrumpidos Nombre

número de

Fecha

código de evento

circuito

Willis, J. Williams, J. Willis, J. Wilson, D. Willis, J. Willis, J. Wilson, D. Yattaw, S. Willis, J. Willis, J. Willis, J.

7075 7075 7075 7075 7075 7075 7075 7075 7075 7075 7075

17 de Mar, de 1994 Abr 15, de 1994 Abr 15, de 1994 5 de mayo de, de 1994 12 de junio 1994

20 aug, de 1994 20 aug, de 1994 20 aug, de 1994 31 de aug, de 1994 03 de septiembre 1994 27 de Oct, de 1994


107 256 256 435 567 832 832 832 1003 1100 1356

Duración (min)

8.17 0.5 0.5 71.3 30.3 267,2 267,2 267,2 120 10 40


La Tabla 6 -Interruption operaciones del dispositivo Número de

Dispositivo

Hora

Fecha

Número de operaciones

registro

Número de operaciones de cierre patronal

1 2 3 4 5 6 7 8 9 10 11

BRK 7075

ded 7075 BRK 7075 BRK 7075

ded 7075 ded 7075 BRK 7075

ded 7075 BRK 7075

ded 7075 ded 7075

15 Abr 6 Jul aug 2 aug 2 aug 2

18:23:56 09:30:10 12:29:02 12:30:50 13:25:40 08:00:00 04:06:53 11:53:22 15:25:10 17:15:19 00:00:05

25 de aug

Sep 2 Sep 5 8 Sep 2 Oct

12 Nov

2 3 1 2 2 2 2 3 1 1 1

3 4 3 3 4 4 3 4 3 4 4

A partir de la Tabla Tabla 6, se puede observar que hubo ocho operaciones del interruptor que afectaron a 2 000 clientes. Cada uno de ellos experimentaron ocho interrupciones momentáneas. Hubo 12 operaciones del reconectador que causaron 750 clientes la experiencia de 12 interrupciones momentáneas. Algunas de las operaciones se produjo durante una secuencia de reenganche. Para calcular el número de eventos de interrupción momentánea, contar sólo el número total de secuencias de reenganche. En este caso, hubo cinco eventos interruptor de circuito (registros 1, 3, 4, 7, y 9) que afectaron 2 000 clientes. Cada uno de ellos experimentaron cinco eventos de interrupción momentánea. Había seis eventos de recierre (registros 2, 5, 6, 8, 10, y 11) que afectaron a 750 clientes, y cada uno de ellos experimentaron seis eventos interrupción momentánea.

4.2 Cálculo de los índices para un sistema sin días de grandes acontecimientos deportivos

Las ecuaciones en 3.5, y las definiciones definiciones en la cláusula 2, se deben ut ilizar ilizar para calcular los índices anuales (véase la Ec. (33) a través de la Ec. (46), más adelante). En el siguiente ejemplo, los índices se calculan mediante el uso de las ecuaciones en 3,2 y y3 ,4 uti lizando lizando los datos en la Tabla 4 y la Tabla 5, 5,s upon iendo que no no hubiera MEDs en este conjunto de datos.

= SAIFI 200 + 600 + 25 + 90 + 700 + 1500 + 100 2000

1,61 =

(33)

× × × × × SAIDI = (8.17 200) + (71.3 600) + (30,3 25) + (267,2 90) + (120 700) + (10 1500) + (40 100) 2000

86 . 110 SAIFI SAIDI = CAIDI

=

×

×

= 8611 . min (34)

= 53 . 57min

1. 6075

(35)

Para calcular CTAIDI y CAIFI, se requiere que el número de clientes que experimentan una interrupción sostenida. sostenida. El número total de clientes afectados (CN) para este ejemplo puede ser no más de 2 000. Puesto que sólo se muestra una pequeña parte de la tabla de información del cliente, es imposible saber CN; Sin embargo, es probable que no todos los 2 000 clientes en este alimentador experimentaron una interrupción durante durante el año. se supondrá un número arbitrario de los clientes, 1 800, por CN (para sus cálculos, la información real se debe utilizar) desde la interrupción el 3 de septiembre muestra que al menos 1 500 clientes han sido interrumpidos durante el año.



CTAIDI (8,17 = × 200) +

(71,3 × 600 ) + 30 (. ×3 25 ) + 267 (. ×2 90 ) +

120×( 700

)+

10×( 1500

)+

40×( 100

1800

)

= 95 . 68min

(36) = CAIFI 200 + 600 + 25 + 90 + 700 + 1500 + 100 = 1. 79

1800

8760 = ASAI× 2000 -

(37)

× 200 + 600 × 71.3 + 30.3 × 25 + 267,2 × 90 + (8.17

× 700 + 120

10× 700 +

× 1500 + 40 × 100) / 60 10

× 2000 8760

=

0. 999836

(38) = Asifi 800 + 1800 + 75 + 500 + 2100 + 3000 + 200 = 2. 12 4000 ASIDI (800 = × 8.17) + (1800 × 71,3) + (75 × 30.3) + (500 × 267,2) + (2100 × 700) + 3000 (6) +

4000

(39) × 40 200

= 444 . 69

(40)

CTAIDI, CAIFI, CEMIn orte, CELID-s, CELID-t, y CEMSMI n orte requerir información sobre la interrupción detallada para cada cliente. La base de datos debe ser buscado para todos los clientes que han experimentado más de norte interrupciones que duran más de cinco minutos. Asumir norte norte s e elige para ser cinco. En la Tabla 5, el cliente J. Willis exp erimentó siete

interrupciones en un año, y es posible que otros clientes t ambién experimentaron más de cinco interrupciones, tanto momentánea y sostenida. Para este ejemplo, asumir valores arbitrarios de 350 para CN ( k≥n), 90 para CN ( k≥S), 40 para CN ( k≥T), y 750 para CNT ( k≥n). E l número de operaciones del dispositivo de interrupción se da en la Tabla 6 y se utiliza para calcular MAIFI y MAIFI MI. S upongamos que el número de clientes aguas abajo del reconectador es igual a 750. Estos números serían conocidos en un sistema sistema real.

350 = 2000 0.175

CEMI 5 =

(41)

CELID-s (4) =

0902000 = . 045

(42)

CELID-t (6) =

0402000 = . 02

(43)

8 2000 × 12 750 + ×

MAIFI =

2000

5 2000 × 6 750 + ×

MAIFI E =

CEMSMI 5 =

2000

= 12.5

(44) = 7.25

(45)

750 = 2000 0.375

(46)

Utilizando el sistema de ejemplo anterior debería ayudar a definir la metodología y el enfoque a la obtención de datos de los s istemas de información y ayudar a calcular los índices.

dieciséis Copyright © 2012 IEEE. Todos los derechos reservados.


4.3 Ejemplos Esta subcláusula ilustra dos conceptos-momentáneas interrupciones y restauración-a través de la etapa la utilización de ejemplos.

4.3.1 ejemplo interrupción momentánea Para ilustrar mejor los conceptos de interrupciones momentáneas e interrupciones sostenidos y los índices asociados, considere la figura 1 y la Ec. (45) a través de la ecuación. ecuac ión. (47). La La F igura 1 ilustra un circuito compuesto de u n interruptor d e circuito (B), un reconectador (R), y un seccionador (S).

Figura 1 -Muestra sistema de dos

Para este escenario, 750 clientes experimentarían un evento de interrupción momentánea (dos interrupciones momentáneas), y 250 clientes experimentarían una interrupción sostenida. Los cálculos para TIEPI, MAIFI y MAIFI mi sobre una base de alimentación se muestran en la Eq. (47) a través de la ecuación. (49) a continuación. Observe que el numerador de MAIFI se multiplica por dos, porque el reconectador dio dos disparos, sin embargo, MAIFI mi se multiplica por uno, ya que sólo cuenta el hecho de que se ha producido una serie de acontecimientos momentáneos.

TIEPI =

MAIFI =

MAIFI E =

(47)

= 0,125 2000 250

× 750 2 2000 × 750 1

2,000

= 0.75

(48)

(49)

0,375 =

ejemplo restauración 4.3.2 Paso El caso siguiente ilustra el proceso de restauración paso. Un alimentador porción de 1 000 clientes experimenta una interrupción sostenida. Se requieren medidas de restauración de múltiples para restaurar el servicio a todos los clientes. La Tabla 7 muestra los tiempos de cada paso, una descrip ción y los clientes asociados interrumpidas, y minutos se vieron afectados en un formato de línea de tiempo.



Tabla 7 -Ejemplo para un alimentador porción de 1 000 a los clientes una interrupción sostenida Tiempo de fallo inicial

Descripción

Los clientes

Los clientes

permanecen

(Min)

restaurados

interrumpidos

-

El fallo inicial ocurre, el interruptor de alimentación se abre, y los 1 000 clientes se interrumpió. Los interruptores se abren a lo largo del alimentador.

1 000

-

45

El interruptor de alimentación está cerrado, pero sólo 500 clientes se restauran.

500

500

60

A través de un interruptor de cierre, un 300 clientes adicionales se restauran.

200

800

70

Un incidente adicional se produce que hace que el interruptor de alimentación a abiertas, interrumpiendo los 800 clientes previamente restaurados.

1 000

-

90

El interruptor de alimentación está cerrado, y restaura 800 clientes.

200

800

-

1 000

N/A

1 800

120

Las reparaciones permanentes se han completado y los restantes 200 clientes se restauran. El evento de interrupción se concluye. Los totales

La Figura 2 2 ilustra el ejemplo descrito en la Tabla 7. Obsér vese que tanto t anto el bloque de 500 clientes y el bloque de 300 clientes experimentan dos interrupciones durante este evento.

Figura 2 -Step gráfico de tiempo de restauración

Tabla 8 enumera la CI y CMI para el ejemplo. Tabla 8 -Restauración pasos para el ejemplo Hora

duración de interrupción

CI

CMI

500 300 800 200 1 800

22 500 18 000 16 000 24 000 80 500

(Min) 00: 00-00: 45 00: 00-01: 00 01: 10-01: 30 00: 00-02: 00

45 60 20 120 Total

Ejemplo SAIFI = 1 800/1 000 = 1,8 interrupciones Ejemplo CAIDI = 80 500/1 800 = 44,7 min Ejemplo SAIDI = 80 500/1 000 = 80,5 min 18 Copyright © 2012 IEEE. Todos los derechos reservados.


5. La información sobre los factores que afectan el cálculo de los índices de confiabilidad

5.1 Justificación de la selección de los índices proporcionados en esta guía Un punto de vista del rendimiento del sistema de distribución puede ser obtenido mediante el uso de índices de fiabilidad. Para medir adecuadamente el desempeño, tanto en duración y frecuencia de las interrupciones de los clientes deben ser examinados en los distintos niveles del sistema. Los índices más utilizados son TIEPI, SAIDI, CAIDI y ASAI, todos los cuales proporcionan información sobre el rendimiento promedio del sistema. Muchas empresas de servicios también calculan los índices en una base de alimentación para proporcionar información más detallada para la toma de decisiones. Promedios dan las tendencias de rendimiento generales de la utilidad; Sin embargo, usando promedios dará lugar a la pérdida de detalle que podría ser crítica para la toma de decisiones. Por ejemplo, el uso de promedios del sistema por sí solo no proporcionará información acerca de la duración de interrupción experimentada por cualquier cliente específico. Es difícil para la mayoría de las empresas de servicios públicos para proporcionar información en una base de clientes. Este grupo cree que el seguimiento de los detalles específicos que rodean interrupciones, en lugar de los promedios, se puede lograr mediante la mejora de las capacidades de seguimiento. Con este fin, el grupo de trabajo ha incluido no sólo los índices más utilizados, sino también índices que analizan el rendimiento a nivel del cliente (por ejemplo, CEMIn orte y los CELIDs).

5.2 Los factores que causan la variación de los índices reportados

Muchos factores pueden causar variación en los índices reportados por diferentes empresas de servicios públicos. Algunos ejemplos son las diferencias en:

•

Ámbito de recopilación de datos automatizada

•

Geografía

•

Diseño de sistemas

•

La clasificación de datos (por ejemplo, son los principales acontecimientos en el conjunto de datos? interrupciones planificadas?) Para garantizar la

evaluación y comparación de resultados y de rendimiento tendencias absolutas en el tiempo precisa y equitativa, es importante clasificar el rendimiento para cada día en el conjunto de datos para ser analizados ya sea como el día a día o MED. No realizar este paso crítico puede conducir a la toma de decisiones falsa ya que el rendimiento MED menudo eclipsa y disfraza el rendimiento diario. Las interrupciones que se producen como consecuencia de las interrupciones en las instalaciones de propiedad del cliente, o la pérdida del suministro de otra utilidad, no deben incluirse en el cálculo del índice.

5.3 Mayor días de eventos catastróficos y día dí a

Cuando se utiliza SAIDI diario y el 2,5 β método, existe una suposición de que la distribución de los valores de registro naturales lo más probable parecerse a una distribución de Gauss, es decir, una curva en forma de campana. Dado que las empresas han utilizado este método, un cierto número de ellos han experimentado eventos a gran escala (como huracanes o tormentas de hielo) que resultan en los valores SAIDI diarias inusualmente considerables. Los eventos que dan lugar a estos días particulares, considerados “los eventos catastróficos,” tienen una baja probabilidad de que se produzcan. Sin embargo, los valores extremadamente grandes SAIDI diarias pueden tender a sesgar la distribución de rendimiento hacia la derecha, causando un cambio de la media del conjunto de datos y un incremento de su desviación estándar. Los valores grandes de SAIDI diarias causadas por eventos catastróficos que existirán en el conjunto de datos durante cinco años y podría causar un desplazamiento hacia arriba relativamente menor en las tendencias de métricas de fiabilidad resultantes.



servicios públicos, eventos catastróficos que ocurren demasiado a menudo a aceptar como razonable. Además, la eliminación de los eventos catastróficos desde el cálculo del umbral de evento importante causado, en algunos servicios públicos, en lugar de un gran aumento de días identificados como MED en los siguientes cinco años. Se recomienda que la identificación y el procesamiento de eventos catastróficos para los propósitos de fiabilidad deben determinarse sobre una base empresa individual por los reguladores y utilidades ya que ningún método objetivo se ha ideado que se puede aplicar universalmente para lograr resultados aceptables.



Anexo A

(informativo) Bibliografía Las referencias bibliográficas son recursos que proporcionan material adicional o útil, pero no necesitan ser entendidos o se utiliza para aplicar esta norma. Se hace referencia a estos recursos únicamente con fines informativos. [B1] Balijapelli, N., Venkata, SS, Christie, RD, “La predicción del rendimiento del sistema de distribución con los estándares de confiabilidad reguladoras.” IEEE Transactions on Power Delivery, vol. 19, no. 1, pp. 350-356, de enero de 2004. [B2] Billinton, R., Allan, RN, Evaluación fiabilidad de sistemas de energía, Plenum

Press, 1984. [B3] Billinton, R., Allan, R., Salvaderi, L., Evaluación de la fiabilidad aplicada en sistemas de energía eléctrica,

IEEE Press, 1991. [B4] Brown, RE,

Confiabilidad Eléctrica de Distribución de Energía,

M arcel Dekker, 2002. [B5] Capra, RA, Gangel, MW,

Lyon, SV, “Underground Diseño de Sistemas de Distribución para la confiabilidad,” IEEE Transactions on aparato de poder y sistemas, v ol. PAS-88: 6, junio 1969, pp 834-42.. [B6] Christie, RD, “Clasificación Estadística de Días Principales eventos en la distribución confiabilidad del sistema,” IEEE Transactions on Power Delivery,

vol. 18, no.4, pp. 1336-1341, octubre de 2003. [B7] EPRI RP-1356-1, EL-2018, “Desarrollo de la fiabilidad

del sistema de distribución y modelos de análisis de riesgos”, vol. 2, agosto de 1981. [B8] Grupo de trabajo de IEEE / PES del diseño del sistema. “Una encuesta nacional de distribución de confiabilidad prácticas de medición”, Documento No.98 WM 218. [B9] IEEE Std 859, Términos IEEE estándar para informes y análisis de Interrupción Ocurrencias y Interrupción Unidos de eléctricas Instalaciones de Transmisión. 3

[B10] Kottegoda, NT, Rosso, R., Estadística, Probabilidad y fiabilidad en lo Civil y ingenieros ambientales,M cGraw-Hill, 1997. [B11] Marinello, CA, “una encuesta nacional de prácticas de f iabilidad”, presentado en IEE T & D Reunión del Comité, Hershey, PA 20 de octubre., 1993

I EEE publicaciones están disponibles en el Instituto de Ingenieros Eléctricos y Electrónicos, 445 Hoes Lane, Piscataway, NJ 08854, EE.UU. ( http://standards. http://standards.ieee.org/ ieee.org/ ).

3



anexo B

(informativo) desarrollo importante de definición de evento

Justificación B.1 y el proceso para el desarrollo de la 2,5 β metodología Un enfoque estadístico para la identificación de MEDs fue elegido sobre las definiciones anteriores, debido a las dificultades experimentadas en la creación de una lista uniforme de tipos de grandes eventos, y porque la medida de criterio de impacto (es decir, porcentaje de clientes afectados) necesaria para utilizar tipos de evento dado lugar a identificación no uniforme. La metodología estadística debe identificar de manera más justa eventos importantes para todos los servicios públicos. Algunas cuestiones fundamentales debían abordarse con el fin de considerar este trabajo con éxito. Estos problemas incluyen:

•

Definición debe ser comprensible y fácil de aplicar.

•

Definición debe ser específica y calculada usando el mismo proceso para todas las utilidades.

•

Debe ser justo con todos los servicios públicos independientemente de su tamaño, la geografía o el diseño.

•

Entidades que adoptan la metodología se calculan índices de forma normalizada para tendencias y generación de informes. Se clasificarán aún más los medicamentos por separado e informar sobre esos días a través de un proceso separado.

SAIDI valores diarios son preferibles a los clientes Minutos diarios de los valores de interrupción (CMI) para la identificación MED porque la comparación antiguos permisos y la computación entre los años con diferentes números de clientes atendidos. Considere la fusión de dos empresas de servicios públicos con la misma fiabilidad y el mismo número de clientes. CMI después de la fusión se duplicaría, sin cambios en la fiabilidad, mientras que SAIDI permanecería constante.

SAIDI valores diarios son preferibles a los valores SAIFI diarias porque los valores de SAIDI son una mejor medida del costo total de eventos de confiabilidad, confiabilidad, incluyendo los costos de reparación de utilidad y pérdida de clientes. El coste total de la falta de f iabilidad sería una mejor medida del tamaño de un evento importante, pero la recopilación de estos datos no es práctico.

El enfoque seleccionado para el ajuste del umbral de identificación MED, conocido como el “Two Point Five Beta” (2,5 β) método (ya que es el uso de los valores SAIDI log-normal en lugar de los valores SAIDI primas), se prefiere el uso de múltiplos fijos de desviación estándar (por ejemplo, “Three Sigma”) para establecer el umbral de identificación porque los primeros resultados en más uniforme MED identificación entre los servicios públicos de diferentes tamaños y fiabilidades medias. los β multiplicador de 2,5 fue elegido porque, en teoría, se clasificaría a 2,3 días por año como grandes eventos. Si significativamente más días que este se identifican, representan eventos que han ocurrido fuera del proceso aleatorio que se asume para controlar la distribución fiabilidad del sistema. El proceso y el valor del multiplicador fueron evaluados por un número de utilidades con diferentes sistemas de tamaño de diferentes partes de los Estados Unidos y se encontró que se correlacionan razonablemente bien a los principales resultados actuales de identificación de suceso de los servicios públicos. Se consideró una serie de enfoques alternativos. Se encontró Ninguno para ser claramente superior al método 2.5β.

Cuando se produce un acontecimiento importante que dura hasta la medianoche (por ejemplo, una de huracanes de seis horas, que comienza a las 9:00 pm), el impacto fiabilidad de la prueba se puede dividir entre dos días, ninguno de los cuales excederían el T MEDICINA y por lo tanto ser clasificado como un MED. Esta es una inexactitud conocido en el método, que es aceptado a cambio de la simplicidad y facilidad de cálculo del método. El número preferido de años de datos (cinco) utiliza para calcular se estableció el umbral de identificación MED por la negociación fuera entre el deseo de reducir la variación estadística en el umbral (para el que más datos es mejor) y el deseo de ver la



efectos de los cambios en las prácticas de fiabilidad en los resultados informados, y para limitar la cantidad de datos que debe ser archivada.

Observaciones B.1.1

Para generar los datos de ejemplo utilizados en 3.5.1, los los valores valores de α y β f ueron tomados de un conjunto de datos utilidad real, y luego SAIDI diaria valores / día fueron generados artificialmente mediante una distribución logarítmica normal con estos valores de

α y β. Los valores SAIDI diarias se ajustaron para ilustrar todos los aspectos del cálculo (por ejemplo, un día en la Tabla 2 se le asignó un valor SAIDI S AIDI de cero, y un día en la Tabla 3 se le asignó un valor SAIDI m ayor qu e el umbral calculado). Este anexo proporciona una descripción técnica y análisis del método 2.5β de identificar MEDs en datos de fiabilidad de distribución. El método 2.5β es un método estadístico basado en la teoría de la probabilidad y la estadística. conceptos fundamentales como Distribución de probabilidad y valor esperado s e señalan en cursiva cuando se utilizó por primera vez y siempre con una breve definición. Una probabilidad de grado y estadísticas de libros de texto puede ser consultado para las definiciones que son más completos.

B.2 Descripción 2.5β método Véase Véase el a partado 3.5 de esta guía para el procedimiento detallado para la identificación de medicamentos. La versión corta se presenta aquí. Un umbral de SAIDI diaria se calcula una vez al año de la siguiente manera:

un) Montar los últimos cinco años de los valores históricos de SAIDI / día. Si hay menos de cinco años de se dispone de datos, utilice tanto como esté disponible. segundo) Descarte cualquier día en el conjunto de datos que tiene una SAIDI / Día de cero. do)

Encuentra Encuentra el logarit logaritmo mo natural natural de cada cada valor valor en el el conjunto conjunto de datos. datos.

re) Calcular el promedio (α, o Alpha) y desviación estándar (β o Beta) de los logaritmos naturales calculado en el paso a).

mi) Calcular el umbral T MED = e xp (α + 2,5 * β). F) Cualquier día en el próximo año con SAIDI> T MEDICINA e s un MED.

la naturaleza aleatoria B.3 de la fiabilidad de distribución

La fiabilidad de los sistemas de distribución de energía eléctrica es una proceso aleatorio, es decir, un proceso que produce valores aleatorios de una específica variable aleatoria. Un ejemplo simple de un proceso aleatorio está rodando un dado. La variable aleatoria es el valor en la cara superior de la matriz después de un rollo, que puede tener valores enteros entre uno y seis.

En eléctrica la fiabilidad del sistema de distribución de energía, las variables aleatorias son los índices de fiabilidad definidos en esta guía. Estos son evaluados sobre una base diaria o anual y asumen los valores de cero a infinito.

B.4 Elección de SAIDI para identificar Días importante evento

Cuatro índices de fiabilidad de uso común son: un)

Interrupción Promedio del Sistema Índice de Duración (SAIDI)

segundo)Índice de Frecuencia de Interrupción Promedio del Sistema (TIEPI)



do) Interrupción Promedio del Cliente Índice de Duración (CAIDI) re) Índice de servicio promedio de disponibilidad (ASAI)

Estos índices son en realidad medidas de falta de fiabilidad, ya que aumentan la fiabilidad cuando se vuelve peor. Una medida ideal de la falta de fiabilidad sería el costo de la falta de fiabilidad del cliente: el costo en dólares de los cortes de energía a los clientes de un servicio público. Este coste es una combinación del coste inicial de un corte de luz y los costes acumulados durante la interrupción. Por desgracia, el costo de la falta de fiabilidad del cliente ha demostrado hasta ahora imposible estimar con precisión. Por el contrario, los índices de fiabilidad anteriores se calculan de forma rutinaria y con precisión a partir de los datos de fiabilidad históricos. La capacidad de un índice para reflejar el coste al cliente de la falta de fiabilidad indica la mejor a utilizar para la identificación MED.

los costos relacionados con la duración de las interrupciones, son más altos que los costos iniciales, especialmente para grandes eventos, que normalmente tienen cortes de larga duración. Por lo tanto, un índice relacionado con la duración, será un mejor indicador de los costos totales que un índice relacionado con la frecuencia como TIEPI o MAIFI. Debido CAIDI es un valor por cliente, que no refleja el tamaño de los eventos de interrupción. Por lo tanto, SAIDI refleja mejor el coste de la falta de fiabilidad del cliente, y es el índice que se utiliza para identificar medicamentos. SAIDI en minutos / día es la variable aleatoria utilizado para la identificación MED. El uso de la CMI por día también se consideró. Al igual que SAIDI, CMI es una buena representación de coste al cliente de la falta de fiabilidad. De hecho, se acaba de SAIDI CMI dividido por el número de clientes en la utilidad. El número de clientes puede variar de un año a otro, especialmente en el caso de las fusiones, y varios años de datos se utilizan para encontrar medicamentos. El uso de SAIDI da cuenta de la variación en el número de clientes, mientras que el uso del CMI no lo hace. Por lo tanto, se prefiere SAIDI.

Distribución de probabilidad B.5 de la fiabilidad del sistema de distribución

funciones y probabilidad de exceder un valor umbral de densidad de probabilidad B.5.1

MED serán días con valores más grandes de SAIDI. Esto sugiere el uso de un valor umbral para SAIDI diaria. El valor umbral se llama T M EDICINA. Los días con SAIDI mayor que TM EDICINA s on medicamentos. A medida que aumenta umbral, habrá un menor número de días con valores SAIDI por encima del umbral. La relación entre el umbral y el número de días con SAIDI por encima del umbral viene dado por la la función de densidad de probabilidad d e SAIDI / día.

La función de densidad de probabilidad da la probabilidad de que aparecerá un valor específico de una variable aleatoria. Por ejemplo, para un dado de seis caras, la probabilidad de que un uno aparecerá en un rollo dado es una sexta parte, y el valor de la función de densidad de probabilidad de uno es una sexta parte de este proceso aleatorio. La probabilidad de que ocurra un valor mayor que uno es la suma de las densidades de probabilidad para todos los valores mayores que uno. Puesto que cada valor tiene una densidad de probabilidad de una sexta parte para el ejemplo, esta suma es simplemente cinco sextas partes. A medida que aumenta de umbral, la probabilidad disminuye. Por ejemplo, para un umbral de cuatro, sólo hay dos valores mayor que cuatro, y la probabilidad de sacar uno de ellos tiene dos sextas partes, o un tercio. En el ejemplo de matriz de laminación, la variable aleatoria sólo puede tener valores enteros discretos. SAIDI / día es una variable continua. En este caso, la suma se sustituye por una integral. La probabilidad pag que cualquier día dado tendrá un valor SAIDI / día mayor que un valor umbral T es la integral de la función de densidad de probabilidad a partir del umbral hasta el infinito, como se muestra en la Ec. (B.1):

(SAIDI >

) =pdf∫Tp ∞

(

)d SAIDI SAIDI (B.1)

T



Gráficamente, la probabilidad es el área bajo la función de densidad de probabilidad por encima del umbral, como se muestra en la Figura B.1.

pdf ( S AIDI)

p (SAIDI> T)

T

SAIDI / día Figura B.1-El área bajo la densidad de probabilidad de la función pdf (SAIDI) Si un día cualquiera tiene una probabilidad pag d e ser un MED, entonces la valor esperado [ v er Ec. (B.2)] del número de MEDs en un año es la probabilidad probabilidad multiplicado por el número de días en un año, como se muestra en la Ec. (B.2):

( años / E MED

)=

365 ⋅ (SAIDI

>

) Tp MEDICINA

(B.2)

Por ejemplo, si p = 0,1, entonces el número esperado de MEDs en un año es 36,5. Esto no quiere decir que exactamente se producirán 36,5 medicinas. El número real variará debido a la aleatoriedad del proceso. Usando el ejemplo de matriz de laminación, la probabilidad de obtener un máximo de seis en una votación es una sexta parte. Por lo tanto, el número esperado de sixes en seis rollos es uno. Sin embargo, si la matriz se enrolla seis veces, podría ser de seis sixes, o cero seis, o cualquier número en el medio. A medida que el número de ensayos aumenta, el número de seises se aproximará a una sexta parte de la cantidad de rollos, pero para un pequeño número de rollos, habrá alguna variación del valor esperado.

B.5.2 gaussiana, o normal, distribución

El número esperado de MEDs por año puede calcularse para cualquier umbral dado si se conoce la forma de la función de densidad de probabilidad. La forma de la función de densidad de probabilidad se denomina Distribución de probabilidad.L os tipos específicos de formas tienen nombres específicos. El más conocido es el Distribución gaussiana,t ambién llamado distribución normal,o curva de campana, que se muestra en la Figura B.2.



0.5

0.4

0.3 p (r)

0.2

0.1

0 -4

0

-2

4

2

r

Figura B.2-Gaussian, o normal, distribución distribución de probabilidad probabilidad

La distribución gaussiana está completamente descrito por su media, o valor medio, (μ o Mu) y su promedio se encuentra en el centro de la distribución (en 0 en el X- eje en la figura B.2), B.2),y la desviación estándar es una medida de la dispersión de la distribución.

desviación estándar ( σ o Sigma). El valor

Una propiedad importante de la distribución de Gauss es que la probabilidad de exceder un umbral dado es una función del número de desviaciones estándar del umbral es de la media. Eq. (B.3) expresa este concepto en términos matemáticos:

MEDICINA T MEDICINA

=

μ

+

n

σ

(B.3)

MEDICINA),e El umbral es norte d esviaciones estándar mayores que la media, y la probabilidad de exceder el umbral, pag( SAIDI> T MEDICINA), s una función sólo de norte,y no de la media y la desviación estándar. Los valores para esta función se encuentran en las tablas en l as espaldas de los libros de texto de probabilidad y, por ejemplo, funciones de hoja de cálculo estándar. B.1 Tabla da la probabilidad de exceder el umbral para diferente número de desviaciones desviaciones estándar norte. norte.

Tabla B.1-probabilidad de exceder un umbral para la distribución gaussiana norte

1 2 3 6

pag

0.15866 0.02275 0.00135 9.9x10- 10

B.5.3 tres sigma El termino tres sigmas se utiliza a menudo sin apretar para designar un evento raro. Proviene de la distribución de probabilidad gaussiana. Como muestra la Tabla B.1, la probabilidad probabilida d de exceder un umbral que es tres desviaciones estándar más de la media es 0,00135, o alrededor de uno y medio décimas de uno por ciento. Si diaria SAIDI tenía una distribución de probabilidad gaussiana, sería relativamente fácil ponerse de acuerdo sobre una definición de tres sigma para el umbral MED, T MEDICINA. MEDICINA. SAIDI no tiene una distribución de Gauss. Tiene aproximadamente una distribución logarítmica normal.



distribución B.6 log-normal La variable aleatoria de la distribución gaussiana tiene un rango de -∞ a ∞. En la vida real, muchas cantidades, incluyendo la fiabilidad de distribución, sólo pueden ser cero o positivo. Esto hace que la distribución de probabilidad para sesgar, agrupamiento hasta cerca del valor cero y que tiene una cola larga a la derecha. El grado de inclinación depende de la relación de la media de la desviación estándar. Cuando la desviación estándar es pequeña en comparación con la media, la distribución logarítmica normal se parece a la distribución gaussiana, como se muestra en la Figura B.3 (b). Cuando es grande en comparación con la media, no lo hace, tal como se muestra en la Figura B.3 (a). fiabilidad de los datos a diario por lo general tien e valores de desviación desviación estándar mucho más grandes que la media.

0.2 0.1

0.15

) r (

p ) r (

0.05

0.1

p

0.05

0 0

4

8

12

dieciséis

20

24

28

32

36

40

0

r

0

4

8

12

dieciséis

20

24

28

32

36

r

(un)

(segundo)

Figura B.3-log-normales distribuciones: (a) La media de menos de desviación estándar (B) La media mayor que la desviación estándar La manera habitual de determinar si un conjunto de datos tiene una distribución de probabilidad log-normal es tomar el logaritmo natural de cada valor en el conjunto de datos y examinar el histograma. Si el histograma se parece a una distribución de Gauss, a continuación, los datos tienen una distribución logarítmica normal. Figura B.4 muestra un histograma de los logaritmos naturales de datos SAIDI SAIDI diarias para una una utilidad anónimo. El histograma se una distribución aproximadamente normal, por lo que los datos se aproximadamente log-distribuye normalmente. Aproximadamente una docena de conjuntos de datos de utilidad han sido examinados, y todas están aproximadamente log-normalmente distribuido. No hay datos de utilidad no-log-normalmente distribuido hasta el momento se ha encontrado. Además, los modelos de s imulación de Monte Carlo del proceso de fiabilidad distribución producen log- datos distribuidos normalmente. Por lo tanto, la utilidad fiabilidad diaria se distribuye aproximadamente log-normalmente. log-normalmente.

120 100 s a i D

80 60 40 0 20 - 15

- 10

-5

0

5

- 20 ln (SAIDI / día)

Figura B.4-histograma de los logaritmos naturales de tres años de datos SAIDI diaria de utilidad anónimo dos suministrada por el diseño distribución Grupo de Trabajo Sistema


40


Una consecuencia de la log-normalidad de los datos fiabilidad diaria es que l as tres condiciones sigma ya no tienen. En particular, la probabilidad de exceder un umbral dado ya no es independiente de los valores de la media y la desviación estándar de la distribución. Esto significa que el uso de un método tal como tres sigma resultaría en significativamente diferentes números de MEDs para los servicios públicos con diferentes valores medios de fiabilidad, o con diferentes valores de desviación estándar. Esto parece desigual.

Afortunadamente, los logaritmos de los datos log-normal tienen una distribución de Gauss. Si la media de los logaritmos de los datos se denomina α, o Alpha, y la desviación estándar de los logaritmos de los datos se denomina β, o beta, a continuación, α y β son la media y la desviación estándar de una distribución gaussiana, y una umbral en el registro de los datos se puede establecer que es independiente de los valores de α y β. Eq. (B.4) y la Ec. (B.5) muestran estos conceptos matemáticamente.

En (T

MEDICINA MEDICINA

MEDICINA T MEDICINA

) = α +

k β

= exp (α +

(B.4)

k β )

(B.5)

La probabilidad de exceder T MEDICINA s una función de k, como lo fue en función de MEDICINAe probabilidades, probabilidades, así como el número esperado de MEDs para varios valores de k.

norte En el ejemplo de Gauss. B.2 Tabla da estas

Tabla B.2-probabilidad de exceder T M EDICINA c omo una función de múltiplos de β k

1 2 2.4 2.5 3 6

pag

0.15866 0.02275 0.00822 0.00621 0.00135 9.9x10- 10

MED / año

57.9 8.3 3.0 2.3 0.5 3.6E-07

B.6.1 ¿Por qué 2.5?

Dado un número permitido de MED por año, por un valor k se calcula fácilmente. Sin embargo, no existe un método analítico de la elección de un número permitido de MED / año. El valor elegido de k = 2.5 se basa en el consenso alcanzado entre los miembros de distribución Fiabilidad Grupo de Trabajo sobre el número apropiado de días que deben clasificarse como medicamentos. Como muestra la Tabla B.2, el número esperado de días de k = 2 ,5 es de 2,3 MEDs / año. En la práctica, la experiencia de los miembros del comité, que representan una amplia gama de empresas de distribución, fue que más de 2,3 días por lo general se clasifican como MED, pero que los días que fueron clasificados como MED eran generalmente aquellos que han sido elegidos por razones cualitativas . El rendimiento de los diferentes valores de k f ueron examinados, y se alcanzó un consenso sobrek = 2.5.

B.7 equidad del método 2.5β Es probable que los datos de fiabilidad de las diferentes empresas de servicios públicos se compararon mediante la gestión de servicios públicos, comisiones de servicios públicos y otras partes interesadas. Un método de clasificación MED justo clasificaría, en promedio, el mismo número de MED por año para diferentes utilidades. Las dos formas básicas que los servicios públicos pueden diferir en términos de fiabilidad son en la desviación media y estándar de sus datos fiabilidad. Las diferencias en los medios son atribuibles a diferencias en el medio ambiente entre los servicios públicos, y las diferencias en las prácticas de operación y mantenimiento. Las diferencias en la desviación estándar son atribuibles principalmente a su tamaño. utilidades más grandes tienen desviaciones estándar inherentemente más pequeños.



Como se discutió anteriormente, el uso de la media y la desviación estándar de los registros de los datos (α y ß) para establecer el umbral hace que el número esperado de MEDs depende sólo del multiplicador y por lo tanto debe clasificar el mismo número de medicinas por utilidades grandes y pequeños , y por los servicios públicos con fiabilidad media baja y alta. Este no es el caso para el uso de la media y la desviación estándar de los datos sin tomar logaritmos primero. El número esperado de MEDs varía con la media y la desviación estándar. Esta variación se produce debido a la naturaleza logarítmica normal de la distribución de probabilidad fiabilidad.

La experiencia con el método 2.5β ha demostrado que es mejor que usar media y desviación estándar, pero no es perfecto. El número de MEDs identificados identificados por años es significativamente significativamente mayor de lo esperado, y el número medio de MEDs varía algo de utilidad a la utilidad, con un tamaño que afecta el valor. Estos efectos aparecen debido a que la distribución de probabilidad de la fiabilidad del sistema de distribución es sólo aproximadamente aproximadamente log-normal. Las diferencias significativas aparecen en la cola derecha de la distribución, que en general contiene más probabilidad que una distribución distribución logarítmica normal perfecto. representa este efecto “cola gorda” para el número más grande de lo previsto de MED identificados. El efecto del tamaño de utilidad se entiende menos claramente. A pesar de estas cuestiones, el 2. método 5β de identificación identificación MED es mucho más cerca del proceso justo ideal que el uso de una distribución gaussiana, usando las definiciones heurísticas heurísticas que precedieron, o cualquier otro método propuesto hasta la fecha. Ha sido cuidadosamente probado y ha sido ampliamente aceptado por los servicios públicos en la distribución teórica del Grupo de T rabajo, y muchas otras utilidades y reguladores que han adoptado esta guía.

B.8 cinco años de datos Desde un punto de vista estadístico, más datos utilizados para calcular un umbral, el mejor. Sin embargo, el proceso aleatorio producir los cambios de datos más de tiempo que el sistema de distribución se expande y los procedimientos de operación son variados. Utilizando datos históricos demasiado sería suprimir los efectos de estos cambios. La adición de otro año de datos debe tener una baja probabilidad de cambiar la clasificación MED de años anteriores. Un resultado de estadísticas de orden da la probabilidad de que el muestras F v eces en

=

pag | , , nkmf

uestras futuras. Se da en la ecuación. (B.6): norte m

••• •• ••• •• ••• ••• fnkm

k

+

k t h valor más grande de metro s e rebasen

-

+

fkn

+

Minnesota

• ••• •

-

••• fkn

(B.6)

Por ejemplo, si M = 3 años de datos, entonces m = 1 095 muestras. Si f = 3 MED / año, entonces el más grande no es el MED k = 1 095-9 = 1 086 º muestra ordenada. La probabilidad de la f = 3 días en el próximo año de n = 365 muestras que exceden el tamaño de la más grande no-MED se encuentra a partir de la ecuación para ser 0.194 (19,4%). En la Figura B.5, pag se representa frente METRO para varios valores de F.



f = 3

0.2 ) D E M

f ( p

f = 5

0.15

f = 10

0.1 0.05 0

10

5

15

M, años

Figura B.5-Probabilidad de exactamenteF m edicamentos nuevos en el próximo año de datos utilizando METRO a ños de datos históricos

El consenso de los miembros del grupo de trabajo de diseño fue que cinco años era la cantidad apropiada de datos para recoger. El grupo consideró que el sistema de distribución cambiaría lo suficiente como para invalidar cualquier precisión adicional de más de cinco años de datos.



anexo C

(informativo) subconjunto de datos interna

Cálculo de los índices de confiabilidad C.1 para subconjuntos de datos para uso interno de la compañía

rendimiento de fiabilidad puede ser evaluada para diferentes propósitos. Puede ser ventajoso para el cálculo de los índices de confiabilidad y sin interrupciones planificadas con el fin de revisar el desempeño durante los eventos no planificados. En otro caso, puede ser ventajoso para revisar las interrupciones sufridas única. Evaluación de las tendencias de rendimiento y la fijación de objetivos debe basarse en los días de eventos normales (despreciando el impacto de MED). Utilidades y reguladores determinan los datos más apropiados a utilizar para la supervisión del rendimiento fiabilidad. Cuando índices se calculan utilizando conjuntos de datos parciales, la base debe estar claramente definido para los usuarios de los índices. Como mínimo, índices de fiabilidad basado en todos los datos recogidos para un período de notificación y se analizaron como a normal frente clasificaciones MED debe proporcionarse.


IEEE 1366 Standar.en.Es

Recommend Documents