Análisis de la complementariedad energética en Colombia y su impacto en la confiabilidad del sistema eléctrico colombiano.

dc.contributor.advisorCarvajal Serna, Luis Fernando
dc.contributor.authorHidalgo Ospina, Julian
dc.contributor.orcidOspina, Julian [0000000185823265]
dc.coverage.temporalColombia
dc.date.accessioned2026-02-10T20:22:47Z
dc.date.available2026-02-10T20:22:47Z
dc.date.issued2025-02-10
dc.descriptionIlustraciones, mapas
dc.description.abstractEsta tesis analiza la complementariedad energética de fuentes de energía renovables -solar, eólica e hidroeléctrica- en Colombia, evaluada desde la estacionalidad del ciclo anual y el impacto del ENSO. Se regionaliza el potencial para el desarrollo de este tipo de proyectos en regiones definidas en 10 clústeres o clases por tecnología, hallados mediante el algoritmo de Clustering K-means, que agrupa zonas según la similitud de las magnitudes de radiación solar, velocidad del viento y precipitación y su estacionalidad anual. Mediante el modelo MPODE, se simula la generación esperada de proyectos de generación solar, eólica e hidroeléctrica a filo de agua, evaluando su impacto en el SIN en un horizonte de 20 años. Se encontró que los proyectos solares ubicados en la región Caribe y Centro sobre el Valle del Magdalena, los proyectos eólicos en La Guajira y zona Costera del Caribe y las plantas hidroeléctricas hacia el sur del país, en Nariño y Cauca, son los que mejor complementan la generación de las plantas hidroeléctricas existentes, al tener una mayor producción de energía cuando estas últimas se ven afectadas por sequias. Los bajos factores de planta de los proyectos solares, su alta variabilidad y el hecho que no generen las 24 horas del día, hacen que este tipo de energías tengan un bajo aporte en la confiabilidad del sistema, requiriéndose la construcción de gran cantidad de potencia instalada, comparada con fuentes más firmes como la termoeléctrica o hidráulica con embalse, para el cubrimiento de una demanda en crecimiento (texto tomado de la fuente).spa
dc.description.abstractThis thesis analyzes the energy complementarity of renewable energy sources—solar, wind, and hydroelectric—in Colombia, evaluated based on the seasonality of the annual cycle and the impact of ENSO. The potential for the development of these projects is regionalized into 10 clusters by technology, identified through the K-means clustering algorithm, which groups areas according to the similarity of solar radiation, wind speed, precipitation, and their annual seasonality. Using the MPODE model, the expected generation of run-of-river solar, wind, and hydroelectric projects is simulated, assessing their impact on the National Interconnected System (SIN) over a 20-year horizon. The results show that solar projects located in the Caribbean region and the Magdalena Valley, wind projects in La Guajira and the Caribbean coastal area, and hydroelectric plants in the south of the country, in Nariño and Cauca, provide the best complement to the generation of existing hydroelectric plants, as they produce more energy when the latter are affected by droughts. Nevertheless, the factors like low capacity of solar projects, their high variability, and their non-continuous generation limit their contribution to system reliability. This makes it necessary to install a large amount of additional capacity compared to firmer sources such as thermoelectric or reservoir-based hydroelectric plants, in order to meet growing demand.eng
dc.description.curricularareaMedio Ambiente.Sede Medellín
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería - Recursos Hidráulicos
dc.description.researchareaPlanificación de recursos Hidraúlicos
dc.description.researchareaEnergías Renovables
dc.description.technicalinfoSe utilizó el MPODE, Modelo de Planeación Operativa de Largo Plazo, con un algoritmo de programación estocástica dual utilizado en el modelo SSPD (Stochastic Dual Dynamic Programming), para la simulación de la generación esperada del parque generador actual y propuesto.spa
dc.format.extent1 recurso en línea (119 páginas)
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/89471
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia
dc.publisher.branchUniversidad Nacional de Colombia - Sede Medellín
dc.publisher.facultyFacultad de Minas
dc.publisher.placeMedellín, Colombia
dc.publisher.programMedellín - Minas - Maestría en Ingeniería - Recursos Hidráulicos
dc.relation.referencesAguirre-Cárdenas, A. D., Almanza-Velasco, S., & Ivanova, Y. (2018). Influencia del fenómeno de oscilación cuasi-bienal en las afluencias del sistema sur de abastecimiento de Bogotá. Ingeniería Investigación y Desarrollo, 18(1), 16–24. https://doi.org/10.19053/1900771X.V18.N1.2018.7822
dc.relation.referencesÁngel-Sanint, E., García-Orrego, S., & Ortega, S. (2023b). Refining wind and solar potential maps through spatial multicriteria assessment. Case study: Colombia. Energy for Sustainable Development, 73, 152–164. https://doi.org/10.1016/J.ESD.2023.01.019
dc.relation.referencesAristizábal, S., & Ochoa, C. (2022). Complementariedad en el Mercado Eléctrico Colombiano. https://repository.eia.edu.co/handle/11190/4158
dc.relation.referencesBett, P. E., & Thornton, H. E. (2016). The climatological relationships between wind and solar energy supply in Britain. Renewable Energy, 87, 96–110. https://doi.org/10.1016/J.RENENE.2015.10.006
dc.relation.referencesBonilla Prado, G. A. (2020). Complementariedad energética entre los recursos eólico y solar para la región Caribe colombiana. Universidad Nacional de Colombia. https://repositorio.unal.edu.co/handle/unal/82168
dc.relation.referencesCanales, F. A., Jurasz, J., Kies, A., Beluco, A., Arrieta-Castro, M., & Peralta-Cayón, A. (2020). Spatial representation of temporal complementarity between three variable energy sources using correlation coefficients and compromise programming. MethodsX, 7, 100871. https://doi.org/10.1016/J.MEX.2020.100871
dc.relation.referencesCantor, D., Ochoa, A., Mesa, O., & Andr´, A. (2023). Total variation as a metric for complementarity in energy resources time series. Authorea Preprints, 13. https://doi.org/10.36227/TECHRXIV.14850258.V1
dc.relation.referencesCarmona Duque, A. M., & Poveda Jaramillo, G. (2011). Identificación de modos principales de variabilidad hidroclimática en Colombia mediante la transformada de Hilbert-Huang. https://repositorio.unal.edu.co/handle/unal/7762
dc.relation.referencesCarvajal, Y., & Marco, J. B. (2007). Hydrology Days Impact of El Niño Phenomenon, Southern Oscillation (ENSO on Hydrometeorology Variability at Valle del Cauca State, Colombia, Using Canonical Correlation Analysis. Hydrology Days.
dc.relation.referencesCastro Heredia, L. M., Carvajal Escobar, Y., & Ávila Días, L. J. (2012). Análisis Clúster como técnica de análisis exploratorio de registros múltiples en datos meteorológicos. Ingeniería de Recursos Naturales y Del Ambiente, (11), 11–20. https://www.redalyc.org/articulo.oa?id=231125817001
dc.relation.referencesChow, V. te;, Maidment, D. R. ;, & Mays, L. W. (1994). Hidrologia Aplicada (M. E. Suárez R, Ed.). McGraw-Hill. https://www.academia.edu/105588091/Ven_Te_Chow_Hidrologia_Aplicada
dc.relation.referencesEcheverri Puerta, J. A. (2021). Estudio del potencial eólico en Colombia y su complementariedad con fuentes de generación hidráulica. https://repositorio.unal.edu.co/handle/unal/79470
dc.relation.referencesFredricks, G. A., & Nelsen, R. B. (2007). On the relationship between Spearman’s rho and Kendall’s tau for pairs of continuous random variables. Journal of Statistical Planning and Inference, 137(7), 2143–2150. https://doi.org/10.1016/J.JSPI.2006.06.045
dc.relation.referencesGil Ruiz, S. A., Barriga, J. E. C., & Martínez, J. A. (2021). Wind power assessment in the Caribbean region of Colombia, using ten-minute wind observations and ERA5 data. Renewable Energy, 172, 158–176. https://doi.org/10.1016/J.RENENE.2021.03.033
dc.relation.referencesHan, S., Zhang, L. na, Liu, Y. qian, Zhang, H., Yan, J., Li, L., Lei, X. hui, & Wang, X. (2019). Quantitative evaluation method for the complementarity of wind–solar–hydro power and optimization of wind–solar ratio. Applied Energy, 236, 973–984. https://doi.org/10.1016/J.APENERGY.2018.12.059
dc.relation.referencesHenao, F., Viteri, J. P., Rodríguez, Y., Gómez, J., & Dyner, I. (2020). Annual and interannual complementarities of renewable energy sources in Colombia. Renewable and Sustainable Energy Reviews, 134, 110318. https://doi.org/10.1016/J.RSER.2020.110318
dc.relation.referencesHugo, V., Builes, R., Álvaro, ;, & Robledo, J. (2015). Relación entre índices de el niño la niña ENSO y el brillo solar en la zona cafetera colombiana. Cenicafé, 63(2), 90–97. https://biblioteca.cenicafe.org/handle/10778/538
dc.relation.referencesIRENA. (n.d.). World Energy Transitions Outlook 2022. Retrieved July 18, 2024, from https://www.irena.org/Digital-Report/World-Energy-Transitions-Outlook-2022
dc.relation.referencesJaramillo Geóloga, M. U., Hidráulicos, R., Ignacio Vélez, J. U., & Victoria Vélez, M. O. (2004). Estimación de caudales mínimos usando un modelo distribuido de tanques. https://repositorio.unal.edu.co/handle/unal/7961
dc.relation.referencesKendall, M. G. (1938). A New Measure of Rank Correlation. Biometrika, 30(1/2), 81. https://doi.org/10.2307/2332226
dc.relation.referencesKim, Y., Kim, T. H., & Ergün, T. (2015). The instability of the Pearson correlation coefficient in the presence of coincidental outliers. Finance Research Letters, 13, 243–257. https://doi.org/10.1016/J.FRL.2014.12.005
dc.relation.referencesMacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. University of California Press, 281–298. https://projecteuclid.org/ebook/Download?urlId=bsmsp/1200512992&isFullBook=false
dc.relation.referencesParedes, J. R., & Ramírez C, J. C. (2017). Energías renovables variables y su contribución a la seguridad energética: Complementariedad en Colombia. https://publications.iadb.org/en/publications/spanish/viewer/Energ%C3%ADas-renovables-variables-y-su-contribuci%C3%B3n-a-la-seguridad-energ%C3%A9tica-Complementariedad-en-Colombia.pdf
dc.relation.referencesPereira, M. V. F., & Pinto, L. M. V. G. (1991). Multi-stage stochastic optimization applied to energy planning. Mathematical Programming, 52(1–3), 359–375. https://doi.org/10.1007/BF01582895
dc.relation.referencesPoveda, G. (2004a). La hidroclimatología de Colombia: una síntesis desde la escala inter-decadal hasta la escala diurna. Revista de La Academía Colombiana de Ciencias, 28, 201–222.
dc.relation.referencesPoveda Jaramillo, G. (1998). Retroalimentación dinámica entre el fenómeno el niño-oscilación del sur y la hidrología de Colombia. https://repositorio.unal.edu.co/handle/unal/51284
dc.relation.referencesRicardo, A., & Castellanos, E. (2016). Estudio de la variabilidad espacio temporal de la precipitación en Colombia [Universidad Nacional de Colombia]. https://repositorio.unal.edu.co/handle/unal/57664
dc.relation.referencesSimovici, D. A., & Djeraba, C. (2014). Mathematical Tools for Data Mining. Springer London. https://doi.org/10.1007/978-1-4471-6407-4
dc.relation.referencesSinergox - XM. (2025). Páginas - Demanda de energía del SIN y DNA. https://sinergox.xm.com.co/dmnd/Paginas/Informes/DemandaEnergiaSIN-DNA.aspx
dc.relation.referencesUmargono, E., Suseno, J. E., & Vincensius Gunawan, S. K. (2020). K-Means Clustering Optimization Using the Elbow Method and Early Centroid Determination Based on Mean and Median Formula. https://doi.org/10.2991/ASSEHR.K.201010.019
dc.relation.referencesUPME. (2006). Atlas de viento y energía eólica de Colombia. https://repositoriobi.minenergia.gov.co/handle/123456789/2249
dc.relation.referencesUPME. (2015). Atlas potencial Hidroenergético de Colombia. https://www1.upme.gov.co/Paginas/Primer-Atlas-hidroenergetico-revela-gran-potencial-en-Colombia.aspx
dc.relation.referencesUPME. (2025b). Inscripción de proyectos de generación. https://www1.upme.gov.co/siel/Pages/Inscripcion-proyectos-generacion.aspx
dc.relation.referencesUPME), Colombia. M. de M. y Energía. U. de P. M. E. (2005). Atlas de radiación solar de Colombia. 175. https://repositoriobi.minenergia.gov.co/handle/123456789/2414
dc.relation.referencesVelez U, J., Velez, J. I., & Fracés, F. (2002). Modelo distribuido para la simulación hidrológica de crecidas en grandes cuencas. Congreso Latinoamericano de Hidráulica, October, 10.
dc.relation.referencesWidén, J. (2011). Correlations between large-scale solar and wind power in a future scenario for Sweden. IEEE Transactions on Sustainable Energy, 2(2), 177–184. https://doi.org/10.1109/TSTE.2010.2101620
dc.relation.referencesXM. (2025a). Análisis energético de largo plazo mpode - base de datos. https://www.xm.com.co/planeaci%C3%B3n/planeaci%C3%B3n-largo-plazo/analisis-energetico-de-largo-plazo-mpode-base-de-datos
dc.relation.referencesXM. (2025b). Mapa de Ruta para la Transición Energética 2030. https://www.xm.com.co/nuestra-empresa/informes/informes-corporativos/mapa-de-ruta-para-la-transicion-energetica-2030
dc.relation.referencesXu, L., Wang, Z., & Liu, Y. (2017). The spatial and temporal variation features of wind-sun complementarity in China. Energy Conversion and Management, 154, 138–148. https://doi.org/10.1016/J.ENCONMAN.2017.10.031
dc.relation.referencesXu, W., Hou, Y., Hung, Y. S., & Zou, Y. (2013). A comparative analysis of Spearman’s rho and Kendall’s tau in normal and contaminated normal models. Signal Processing, 93(1), 261–276. https://doi.org/10.1016/J.SIGPRO.2012.08.005
dc.relation.referencesZuluaga Arias, M. D., & Poveda Jaramillo, G. (2004). Diagnóstico de sistemas convectivos de mesoescala sobre Colombia y el océano Pacífico Oriental durante 1998-2002. https://repositorio.unal.edu.co/handle/unal/9276
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.licenseReconocimiento 4.0 Internacional
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/
dc.subject.ddc620 - Ingeniería y operaciones afines
dc.subject.ddc620 - Ingeniería y operaciones afines::627 - Ingeniería hidráulica
dc.subject.lembIndustria energética
dc.subject.lembEnergía solar
dc.subject.lembEnergía eolica
dc.subject.lembRecursos hídricos
dc.subject.proposalComplementariedad energéticaspa
dc.subject.proposalOptimización de sistemas energéticosspa
dc.subject.proposalEstacionalidad climáticaspa
dc.subject.proposalENSOspa
dc.subject.proposalConfiabilidad de sistemas eléctricosspa
dc.subject.proposalPotencial solarspa
dc.subject.proposalPotencial hidroeléctricospa
dc.subject.proposalPotencial eólicospa
dc.subject.wikidataEnergía renovable
dc.titleAnálisis de la complementariedad energética en Colombia y su impacto en la confiabilidad del sistema eléctrico colombiano.spa
dc.title.translatedAnalysis of energy complementarity and its impact on the reliability of the Colombian power systemeng
dc.typeTrabajo de grado - Maestría
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dcterms.audience.professionaldevelopmentPúblico general
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
Análisis de la complementariedad Energética en Colombia y su impacto en la confiabilidad del sistema eléctrico colombiano.pdf
Tamaño:
6.76 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Ingeniería Recursos Hidráulicos

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
5.74 KB
Formato:
Item-specific license agreed upon to submission
Descripción: