CODENSA S.

A ESP COLOMBIA Clasificacin segn temario: E NUEVOS MTODOS Y POLTICAS DE MANTENIMIENTO

MANTENIMIENTO PREVENTIVO BASADO EN LA CONFIABILIDAD DE LOS ELEMENTOS QUE COMPONEN LA RED DE DISTRIBUCIN Autor/es: ANDRS FELIPE CASTRO M. Ingeniero Electricista *
LESING CARDENAS. Ingeniero Electricista

Empresa u organismo: CODENSA S.A. ESP Cargo: * Profesional Programacin del Mantenimiento DATOS DE LA EMPRESA
Direccin: Cra 13 A 93-66 Localidad: Bogot D.C Cdigo Postal: 571 Pas: Colombia Telfono: 6016060 ext 5302 Fax: 3242115 E-Mail: acastro@codensa.com.co

Objetivo Implantar un modelo mejorado de mantenimiento para el sistema de distribucin de media tensin de CODENSA S.A ESP, basndose en el Modelo de Mantenimiento Centrado en la Confiabilidad de Energa, modelo premiado como el mejor trabajo de Distribucin en el SIMSE CIER 2003, a travs de nuevos desarrollos como lo es el anlisis de confiabilidad y probabilidades de falla en elementos que componen un tramo y as mismo un circuito. Tiempos de Falla Evaluar la probabilidad de falla de un elemento instalado en la red de distribucin, emplear esta informacin como herramienta de diagnstico y mantenimiento se convirti en tarea fundamental para los planeadores, pero esta no es una tarea sencilla, ya que dada la escasez de la informacin, aun ms, la mala calidad de sta, el desconocimiento de fechas de instalacin y la ausencia de hoja de vida de equipos, hace de esta tarea algo inalcanzable, al menos que analicemos el problema desde otro punto de vista. Empleando los Tiempos medios entre falla como herramienta para determinar la frecuencia de falla y no la vida de un equipo podemos analizar por sectores con caractersticas topogrficas y medio ambientales similares, la probabilidad de falla de un elemento. Se seleccionaron los elementos claves de los circuitos dado el historial de fallas presentado en CODENSA S.A. ESP, observando que estos en la mayora de casos son los que se encuentran involucrados en las fallas.

Estos elementos son: Postes Pararrayos Red area Cable subterrneo Aisladores Cortacircuitos Crucetas Y por ltimo, los rboles as no pertenezca a la infraestructura elctrica ni al sistema de distribucin, si ofrece una gran cantidad de entradas de fallas. La metodologa empleada al no conocer la fecha exacta de la instalacin de los elementos en la red, fue la de determinar los tiempos medios entre fallas de cada uno de los elementos. El inconveniente obtenido es que al ser Bogot una ciudad tan extensa, donde se observan diferentes fenmenos de microclima sectorizados, no se poda dar por cierto que los datos globales analizados fueran correctos para llevarlos un solo circuito en una zona X. Tampoco no podamos ir al otro extremo de seleccionar nicamente los datos del circuito en particular, ya que la informacin obtenida no sera la suficiente para lograr certeza probabilstica en un anlisis completo. Por estas razones se decidi encontrar sectores topogrficamente y climticamente similares, donde pudiramos dar un poco de certeza de que las fallas analizadas tienen un comportamiento equivalente y una probabilidad de falla cercana entre si dado las condiciones a los cuales los elementos del circuitos estn siendo sometidos. Datos analizados Se realiz el anlisis de la informacin histrica de CODENSA S.A. ESP de los aos 2000 a 2006, encontrando la siguiente distribucin:
FALLAS STN PROGRAMADO TOTAL 81669 284 26732 108685

De estos incidentes, las 81669 fallas encontradas no relacionaban directamente la causa atribuible, motivo por el cual se deba analizar una a una las causas de las observaciones emitidas por el centro de control o de los encargados de la zona, donde normalmente indican la real causa de falla y el elemento responsable de la misma. Para el presente documento se elabor esta tarea para una zona topogrficamente y climticamente similar, de la cual se concluye la siguiente informacin:
FALLAS STN PROGRAMADO TOTAL 8164 15 2514 10693

Se procedi a clasificar las fallas en los elementos anteriormente descritos como importantes en el sistema y se hizo el anlisis de probabilidad de falla de acuerdo a sus fallas histricas. Para cada tipo de elemento en la zona seleccionada se encontr la acumulacin de fallas.
AISLADORES CRUCETAS

PARARRAYOS

LINEAS AEREAS

SECCIONAMIENTOS

RBOLES

POSTES

LINEA SUBTERRANEA

Una vez definida la acumulacin de fallas en periodos de tiempo, se procedi a establecer la funcin de probabilidad de falla para cada uno de los elementos del sistema, encontrndose:
PROBABILIDAD DE FALLAS DE AISLADORES EN SABANA 100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 DIAS

PROBABILIDAD DE FALLA DE CRUCETAS EN SABANA

100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 5 6 7 8 9 10 11 12 13 14 15 16 17 18 DIAS

PROBABILIDAD DE FALLA DE PARARRAYOS EN SABANA

100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 2 3 4 5 6 7 8

PROBABILIDAD DE FALLA DE LINEA AEREA EN SABANA

100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 0,2 0,3 0,4 0,5 0,6 DIAS 0,7 0,8 0,9 1

DIAS

PROBABILIDAD DE FALLAS DE SECCIONAMIENTOS EN SABANA

100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 10 12 14 16 18 20 DIAS 22 24 26 28 30

PROBABILIDAD DE FALLA EN ARBOLES DE SABANA

100% 95% 90% 85% 80% 75% 70% 0,4

0,5

0,6

0,7

0,8 DIAS

0,9

1,1

1,2

PROBABILIDAD DE FALLA DE POSTES EN SABANA 100% 95% 90% 85% 80% 75% 70% 8 9 10 11 12 13 14 DIAS 15 16 17 18 19 20
85% 95%

P R OB AB IL ID AD D E FALL A D E C AB LE S S U B TE R R AN E OS E N S AB AN A
100%

90%

80% 15 17 19 21 23 25 27 D IAS 29 31 33 35 37 39

Esta zona analizada tiene la siguiente cantidad de equipos:

ELEMENTOS ZONA LINEA AEREA (KM) LINEA SUBTERRANEA (KM) SECCIONAMIENTOS CRUCETAS PARARRAYOS AISLADORES POSTES ARBOLES

TOTAL 2.687 109 1.050 69.256 8.500 207.768 67.165 550.000

Definidas las probabilidades de falla de cada uno de los elementos asociados a un circuito de distribucin de la zona seleccionada, se procede a analizar la confiabilidad total de ste, ya que estos elementos vistos desde el punto de vista de la confiabilidad se encuentran en serie, ya que la falla en uno de esos elementos ocasiona la salida del resto.

CONFIABILIDAD ELEMENTO A

CONFIABILIDAD ELEMENTO B

CONFIABILIDAD ELEMENTO C

CONFIABILIDAD ELEMENTO N

A x B x C x ... x N

Para la zona analizada se encontr la siguiente grfica de probabilidad de falla:

PROBABILIDAD DE FALLA DE UN CIRCUITO EN LA ZONA SABANA
1 0,95 0,9 0,85 0,8 0,1 0,12 0,14 0,16 0,18 0,2 DIAS 0,22 0,24 0,26 0,28 0,3

Se observa que existe una alta probabilidad de falla cada 0.291 das, equivalente a que cada 7 horas en esta zona ocurre una falla en un circuito de media tensin, o sea 1251 incidentes por ao. Esta afirmacin puede sonar un poco exagerada, pero la realidad que se presenta en esta zona en la actualidad es de 1239 incidentes con afectacin del servicio para el ao 2006, que confirma que el ejercicio se aproxima de una manera bastante significativa. Ejercicio A manera de ejemplo se seleccion un circuito del parque de distribucin de CODENSA S.A. ESP, con las siguientes caractersticas: Este circuito pertenece a la zona anteriormente analizada, conociendo por consiguiente la
CARACTERISTICAS DEL CIRCUITO LONGITUD TOTAL DEL CIRCUITO m CANTIDAD DE CLIENTES CARGA INSTALADA KVA 30311 1279 5335

funcin de probabilidad de falla general, pero ahora requerimos es escalar las dimensiones analizadas para toda la zona a un solo circuito. Se hace el anlisis con el Modelo Optimo de Mantenimiento Centrado en Confiabilidad (Primer puesto en el SIMSE CIER 2003) Ortogonalizacin del circuito:

TF

TE

TB

S/E TD TC TA

Caracterizacin de los tramos:

Elementos Circuito Lnea area (mts) Linea Subterrnea (mts) Seccionamientos Crucetas Pararrayos Arboles Aisladores Postes Tramo A
2.970 788 2 110 42 350 330 110

Tramo B Tramo C Tramo D Tramo E

6415 161 1 228 78 650 684 228 3878 0 0 142 54 950 426 142 3375 0 1 124 33 250 372 124 5653 0 1 216 102 550 648 216

Tramo F

Total

7067 29.359 0 949 1 6 271 1094 93 402 750 3500 813 3282 271 1094

Para el tramo A se obtienen las siguientes curvas:

PROBABILIDAD DE FALLAS DE AISLADORES ENCIRCUITO SELECCIONADO 100% 80% 60% 40% 20% 0 5 10 15 20 25 30 35 40 45 DIAS
100% 80% 60% 40% 20% 0 5 10 15 20 DIAS 25 30 35

PROBABILIDAD DE FALLA DE CRUCETASCIRCUITO SELECCIONADO

PROBABILIDAD DE FALLA DE PARARRAYOS EN CIRCUITO SELECCIONADO

100%

100% 90%

PROBABILIDAD DE FALLADE LINEAAEREAEN CIRCUITO SELECCIONADO

80%

80% 70% 60% 50% 0,00

0 1 2 3 4 5 6 7

60%

40%

20%

0,50

1,00

1,50

2,00 DIAS

2,50

3,00

3,50

4,00

DIAS

PROBABILIDAD DE FALLAS DE SECCIONAMIENTOS EN CIRCUITO SELECCIONADO 100% 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% 0 5 10 15 20 25 DIAS 30 35 40 45

PROBABILIDAD DE FALLA EN ARBOLES EN CIRCUITO SELECCIONADO

100% 90% 80% 70% 60% 50% 0,2

0,7

1,2

1,7

2,2

2,7 DIAS

3,2

3,7

4,2

4,7

PROBABILIDAD DE FALLA DE POSTES EN CIRCUITO SELECCIONADO 100% 90% 80% 70% 60% 50% 40% 30% 20% 0 5 10 15 DIAS 20 25 30 35
100% 95% 90% 85% 80% 75% 70% 65% 60% 0 1

PROBABILIDAD DE FALLA DE CABLES SUBTERRANEOS EN CIRCUITO SELECCIONADO

9 10 11 12 13 14 15 16 17

DIAS

Lo que para el tramo A se transforma en una curva de probabilidad de falla como la que a continuacin se muestra, donde existe alta probabilidad de falla cada 176 das, o sea 2 fallas al ao.
PROBABILIDAD DE FALLA DE EN EL TRAMO A DEL CIRCUITO SELECCIONADO
1 0,95 0,9 0,85 0,8 50 60 70 80 90 100 110 120 130 140 150 160 170 180 DIAS

Repitiendo este mismo ejercicio para cada uno de los tramos adicionales, lo que nos da como resultado:

PROBABILIDAD DE FALLA EN EL TRAMO B DEL CIRCUITO SELECCIONADO

1 0,9 0,8 0,7

PROBABILIDAD DE FALLA EN EL TRAMO C DEL CIRCUITO SELECCIONADO

1 0,9 0,8 0,7 0,6

0,6 20 30 40 50 60 70 DIAS 80 90 100 110

40

50

60

70

80

90

100

110

120

130

140

150

DIAS

PROBABILIDAD DE FALLA DEL TRAMO D EN EL CIRCUITO SELECCIONADO

1 0,9 0,8 0,7

PROBABILIDAD DE FALLA EN EL TRAMO E DEL CIRCUITO SELECCIONADO

1 0,9 0,8 0,7

0,6 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 DIAS

0,6 40 50 60 70 80 DIAS 90 100 110 120

PROBABILIDAD DE FALLA DEL TRAMO F EN EL CIRCUITO SELECCIONADO

1 0,95 0,9 0,85 0,8 40 50 60 70 DIAS 80 90 100

Una vez obtenido el resultado para cada uno de los tramos que componen el circuito de MT, determinamos la configuracin final del sistema, ya que podemos tener tramos que se comporten en sistema serie o en sistema paralelo, llegando as a una funcin de transferencia nica que nos dar la clave para analizar la probabilidad de falla del circuito, herramienta clave para la definicin de ciclos de mantenimiento y presupuestos en empresas del sector elctrico. Se encuentra que para el circuito seleccionado la probabilidad de ocurrencia de falla se hace crtica para un ciclo de 33 das, lo que implica que el circuito a lo largo del ao tiene una elevada probabilidad de tener cerca de 11 fallas. Lo anterior coincide con los histricos obtenidos de este circuito, los cuales reportaban indicadores de averas que oscilaban entre 10 y 13 fallas por ao.

PROBABILIDAD DE FALLA DEL CIRCUITO ANALIZADO

1 0,95 0,9 0,85 0,8 13 15 17 19 21 23 25 27 29 31 33 35 DIAS

Resultados

Se determin la frecuencia de falla de los diversos elementos que componen la red de MT de acuerdo a diferentes caractersticas topogrficas Se estableci las caractersticas de falla de los circuitos con mayores problemticas en el sistema de distribucin Este modelo se convierte en pieza complementaria al Modelo Optimo de Mantenimiento Centrado en la Confiabilidad, ya que permite un mejor anlisis de las causas y probabilidades de falla en los circuitos.

Conclusiones

Con este modelo se determina claramente que parte de la red es la que realmente tiene mayor susceptibilidad a fallar, ya que estadsticamente y probabilsticamente se establece una fecha posible de fallo. Se logra disponer de una lista de prioridades a atacar en los mantenimientos y se determina la programacin para periodos de tiempos futuros. Los resultados obtenidos, son comprobados con la informacin histrica obtenida del sistema, lo que nos esta entregando una certeza del 91% para los indicadores de averas del circuito, y en la zona analizada de un 98%. Una vez se tiene determinado la probabilidad de falla del circuito, seguimos reaslizando la modelacin del ciclo de mantenimiento a traves del Modelo Optimo de Mantenimiento Centrado en la Confiabilidad