75
Víctor Lisandro Napoleón Zurita
1
, Débora Belén Malisani
2
, Claudio Guidi
3
, Juan López Meyer
4
Recibido: 22/04/2024 y Aceptado: 25/06/2024
ENERLAC. Volumen VIII. Número 1. Junio, 2024
ISSN: 2602-8042 (impreso) / 2631-2522(digital)
Análisis econométrico de la calidad del
servicio eléctrico de distribución: Un
enfoque en SAIDI y SAIFI
1. Víctor Napoleón Zurita
Consultora BA ENERGY SOLUTIONS, Argentina
ORCID: https://orcid.org/0000-0001-7335-2726
2. Débora Malisani
Consultora BA ENERGY SOLUTIONS, Argentina
ORCID: https://orcid.org/0009-0004-3191-1699
3. Claudio Guidi
Consultora BA ENERGY SOLUTIONS, Argentina
ORCID: https://orcid.org/0000-0002-6387-2143
4. Juan López Meyer
Consultora BA ENERGY SOLUTIONS, Argentina
ORCID: https://orcid.org/0009-0008-5563-7232
Econometric analysis of the quality of electric distribution
service: A focus on SAIDI and SAIFI.
76
77
Este estudio se centra en el análisis de la calidad del servicio eléctrico, utilizando modelos econométricos
para vincular SAIDI y SAIFI con los ingresos permitidos para la distribuidora (Valor Agregado de
Distribución, VAD), las pérdidas de energía eléctrica y la densidad de clientes. Con datos de 30
empresas distribuidoras de energía eléctrica de 8 países de Latinoamérica durante 2018-2022, los
resultados revelan relaciones signicativas. Un aumento en VAD del periodo anterior se asocia con
una disminución en SAIDI y SAIFI, mientras que un incremento en Pérdidas de energía eléctrica (%) se
relaciona con un aumento en SAIDI y SAIFI. La Densidad de clientes muestra una asociación inversa
en ambos indicadores. Destacando la relevancia de estos hallazgos para la toma de decisiones en
el sector eléctrico, se sugiere una atención especial a estrategias que minimicen pérdidas y mejoren
la gestión de la infraestructura en áreas con diferentes densidades de clientes. Este trabajo no solo
contribuye al entendimiento global de la calidad del servicio eléctrico, sino que también proporciona
conocimientos aplicables a empresas y formuladores de políticas a nivel internacional.
This study focuses on the analysis of electric service quality, using econometric models to link SAIDI
and SAIFI with the allowed revenues for the distributor (Value Added of Distribution, VAD), electric
energy losses, and customer density. With data from 30 electric utility companies from 8 Latin American
countries during 2018-2022, the results reveal signicant relationships. An increase in VAD from the
previous period is associated with a decrease in SAIDI and SAIFI, while an increase in electric energy
losses (%) is related to an increase in both SAIDI and SAIFI. Customer density shows an inverse
association in both indicators. Highlighting the relevance of these ndings for decision-making in the
electric sector, special attention is suggested towards strategies that minimize losses and improve
infrastructure management in areas with varying customer densities. This work not only contributes to
the global understanding of electric service quality but also provides insights applicable to companies
and policymakers internationally.
PALABRAS CLAVE: Servicios eléctricos; Econometría; Medidas de rendimiento; Pérdida de energía;
Industria eléctrica.
KEYWORDS: Electricity services; Econometrics; Performance measures; Energy loss; Electric industry
Resumen
Abstract
78
La calidad del servicio eléctrico desempeña un
papel crucial en el funcionamiento eciente de
las sociedades a nivel global. En un mundo cada
vez más dependiente de la energía, comprender
los factores que afectan la abilidad y eciencia
del suministro eléctrico permite considerar y
analizar nueva información clave para la toma de
decisiones.
Este estudio realiza un análisis econométrico de los
indicadores de calidad de servicio SAIDI (Tiempo
Total Promedio de Interrupción por usuario) y SAIFI
(Frecuencia Media de Interrupción por usuario)
con el n de analizar y cuanticar su relación con
el Valor Agregado de Distribución (VAD), el nivel
de Pérdidas Totales y la Densidad de clientes, los
cuales resultan aspectos de interés tanto para las
distribuidoras como para los entes reguladores.
El análisis se basa en un panel de datos que
abarca a 30 empresas distribuidoras de energía
La calidad de servicio puede denirse como
las características
5
que presenta el servicio
eléctrico brindado por las distribuidoras, la cual
generalmente se evalúa a través de una serie de
indicadores de desempeño que monitorean los
aspectos técnicos y comerciales de la prestación.
En general, las normas técnicas de calidad de
servicio suelen considerar los siguientes aspectos:
En esta sección se presenta una breve revisión
de la literatura sobre calidad de servicio, algunas
deniciones técnicas y se indaga sobre las
relaciones entre las variables consideradas.
1. INTRODUCCIÓN
2. MARCO TEÓRICO
eléctrica desde 2018 hasta 2022, desarrollando
dos modelos econométricos que vinculan SAIDI y
SAIFI con el Valor Agregado de Distribución (VAD),
Pérdidas y Densidad de clientes. El conjunto de
empresas latinoamericanas proporciona una
perspectiva regional sobre las dinámicas de
calidad del servicio eléctrico.
A medida que las empresas enfrentan desafíos
para mantener la calidad del servicio en un
entorno en constante cambio, entender las
complejas interconexiones entre factores técnico-
económicos y calidad del servicio eléctrico se
convierte en un imperativo.
2.1 Breve revisión de la literatura sobre calidad del servicio eléctrico.
• Calidad del Servicio Técnico (Frecuencia y
duración de las interrupciones)
• Calidad del Producto Técnico (Nivel de
tensión y perturbaciones)
• Calidad del Servicio Comercial (Tiempos de
respuesta para conectar nuevos usuarios,
emisión de facturación estimada, reclamos
por errores de facturación, restablecimiento
del suministro suspendido por falta de pago)
5.- Continuidad y calidad de la onda.
79
Este trabajo se enfoca en la calidad del servicio
técnico (continuidad del servicio) la cual se mide a
través de los indicadores SAIDI (System Average
Interruption Duration Index) y SAIFI (System
Average Interruption Frequency Index). Según
la Norma IEEE 1366 el indicador SAIDI reere a
la duración promedio de las interrupciones, y el
SAIFI (System Average Interruption Frequency
Index) a la frecuencia media de las interrupciones.
La calidad de servicio adquiere una relevancia
mayor en la actualidad debido a los desafíos que
presenta la transición energética a las distribuidoras
eléctricas y a los entes reguladores a medida que
se electrican consumos, se amplía la generación
distribuida y se incorporan nuevas tecnologías.
Es importante señalar que la calidad de servicio
se encuentra asociada a distintos niveles de
inversión y mantenimiento en infraestructura (Levy
& Carrasco, 2020) y por ende a los incentivos
que otorguen los marcos regulatorios. Si las
regulaciones se enfocan en minimizar los costos
de la distribución para cierto nivel de calidad de
servicio, menores inversiones pueden afectar los
niveles de conabilidad (ADELAT, 2023).
En este contexto, si bien América Latina avanzó en
la cobertura de la provisión eléctrica, también es
importante que el servicio eléctrico se encuentre
disponible y sea de buena calidad debido a que
niveles de calidad bajos tienen efectos negativos
no solo en la satisfacción del cliente sino también
en la productividad (Levy & Carrasco, 2020).
Un diagnóstico sobre la calidad de servicio
en América Latina es el realizado por (Levy
& Carrasco, 2020) donde comparan las
regulaciones de distintos países y analizan los
principales indicadores de calidad de servicio.
Como resultado general encuentran que, si bien
hubo avances regulatorios, no se evidenció una
tendencia clara de mejora en la duración de las
interrupciones o en la cantidad y que además
estos valores fueron muy superiores a los que se
encuentran en países fuera de la región.
Respecto al impacto de la regulación en la calidad
eléctrica, (Weiss, y otros, 2021) realizan un
ejercicio econométrico para analizar si cambios
regulatorios implementados para mejorar la
calidad del servicio tuvieron algún impacto en
SAIDI y SAIFI utilizando datos de distribuidoras
eléctricas de América Latina y el Caribe para el
período 2003-2019. Como resultado encuentran
que los niveles de SAIDI y SAIFI se reducen luego
de implementados los cambios regulatorios,
aunque habiendo diferencias entre empresas
públicas y privadas debido a que las primeras
presentan promedios más altos de SAIDI y SAIFI
mientras que las últimas valores más dispersos.
Al analizar literatura que relacione los indicadores
SAIDI y SAIFI con otros indicadores técnicos se
encuentran los trabajos de Guitiérrez Moya (2003)
y Acevedo Wogl (2018). En el primero la autora
construye un modelo econométrico para estudiar
los factores que contribuyen a explicar la calidad
del servicio de suministro eléctrico en España,
utilizando el índice de continuidad del suministro
de energía eléctrica (TIEPI) y encuentra que los
factores principales que inuyen en la disminución
del TIEPI serían la potencia instalada en las
centrales eléctricas, el número de empleados de
las compañías y el número de clientes a quienes
en potencia podrían dejar sin suministro eléctrico.
Por su lado, Acevedo Wogl (2018) también
realiza un modelo econométrico para estudiar la
inuencia del VAD, el pago por compensaciones a
los usuarios y el tipo de propiedad de la empresa
regulada en la calidad del suministro eléctrico.
Como resultado general encuentra que mayores
valores de VAD ayudan a disminuir el SAIFI y
SAIDI.
80
Si bien en el punto 5.1 se analiza estadísticamente
la relación entre variables utilizando los datos
recopilados, en este punto se indaga sobre las
vinculaciones que se encontrarían a priori entre
las variables seleccionadas.
Como se menciona en la sección 3.1 la calidad
de servicio se dene como las características que
presenta el servicio eléctrico brindado por las
distribuidoras. Por su lado, en el sector eléctrico
el concepto de Valor Agregado de Distribución
(VAD) se reere a la remuneración que reciben las
distribuidoras eléctricas por poner a disposición
el uso de sus instalaciones de distribución en su
área de concesión. Estas instalaciones incluyen
redes de distribución, transformadores, sistemas
de medición y otros componentes. Además,
el VAD cubre los costos de administración,
comercialización, operación y mantenimiento de
dichas instalaciones.
La relación negativa entre indicadores de calidad
de servicio y el VAD puede estar vinculada a:
• CAPEX/OPEX: bajos niveles de VAD
podrían generar falta de recursos para
realizar las inversiones en actualización
de la red eléctrica y realizar acciones de
mantenimiento preventivo y predictivo.
• Gestión del talento: Menores ingresos
podrían afectar la incorporación y retención
del personal idóneo y la formación del
personal. La falta de personal capacitado y
la incapacidad actualizarse con las mejores
prácticas puede impactar en el nivel de
desempeño.
Un indicador clave para evaluar la eciencia y
la economía de la distribución eléctrica en una
determinada área es el indicador de densidad de
clientes con relación a la infraestructura de red,
el cual reere al número de clientes o usuarios
conectados a la red eléctrica por unidad de
longitud (generalmente kilómetro) de la red. Una
mayor densidad de clientes por kilómetro de
red eléctrica generalmente implica un uso más
eciente de los recursos de la distribuidora.
2.2 Explicación de relación entre variables seleccionadas
La relación negativa entre los indicadores de
calidad de servicio y la densidad de clientes puede
atribuirse a:
• Menor posibilidad de redundancia en la
infraestructura eléctrica: La baja densidad
podría no justicar la existencia respaldos
para el suministro de energía, lo que podría
aumentar la vulnerabilidad de la red ante
fallas.
• Incentivos económicos: En áreas con
menor densidad, podrían presentarse
menos incentivos económicos para invertir
adecuadamente.
• Tiempos de respuesta más lentos: En
regiones con baja densidad de clientes, es
probable que existan áreas remotas con
difícil acceso y por consiguiente tiempos de
respuesta mayores
Por su lado, las pérdidas de energía eléctrica
técnicas (PT) y no técnicas (PNT) representan la
diferencia entre la cantidad de electricidad que
ingresa a la red y aquella que es entregada y
facturada para consumo nal. De esta manera, un
menor nivel de pérdidas contribuye a la eciencia
y la sostenibilidad nanciera de las distribuidoras.
La relación positiva entre los indicadores de calidad
de servicio y las pérdidas de energía (PT y PNT)
podría estar vinculada a los siguientes factores:
• Hurtos de energía: a menudo están
asociados con conexiones ilegales o
manipulación de medidores, lo que puede
provocar interrupciones no planicadas y
afectar los indicadores de calidad de servicio.
• Infraestructura: un nivel elevado de
pérdidas eléctricas generalmente sobrecarga
las instalaciones, en particular en redes
antiguas, obsoletas o con problemas de
mantenimiento. Esto podría resultar en
indicadores de calidad de servicio más
elevados.
• Asignación ineciente de costos: Las
pérdidas eléctricas generan costos
adicionales de O&M lo que podría llevar a
menor mantenimiento preventivo e inversión
en infraestructura.
81
Esta sección tiene como objetivo principal
caracterizar la metodología empleada en el
presente estudio. En este sentido, se aborda la
caracterización de la base de datos utilizada, se
lleva a cabo un análisis estadístico descriptivo
de las variables consideradas, y se detallan
las fuentes consultadas. Posteriormente, se
La investigación se basa en un extenso panel de
datos recopilados de 30 empresas distribuidoras
de energía eléctrica de 8 países de Latinoamérica,
abarcando el período comprendido entre 2018
y 2022. La información se obtuvo de diversas
fuentes públicas y conables, como estados
contables, memorias anuales e informes ociales,
asegurando la robustez y validez de los datos
Donde:
• SAIDI: Tiempo Total Promedio de
Interrupción por usuario (hr/año)
• SAIFI: Frecuencia Media de Interrupción
por usuario (#/año)
• VAD: Valor Agregado de Distribución
(US$/MWh-año)
Para evaluar la calidad del servicio eléctrico se
plantearon dos modelos econométricos de datos
de panel:
3.1 Datos
3.2 Modelos econométricos
3. METODOLOGÍA
describen los modelos econométricos propuestos
y ajustes estadísticos realizados, ofreciendo así
un contexto adecuado para su comprensión.
También se detalla la metodología de cálculo
del Valor Agregado de Distribución, Pérdidas de
energía y Densidad de clientes.
analizados. El listado de países y empresas que
integran el panel de datos se encuentra en la
sección 7 Anexos (pág. 12).
Tabla 1. Estadísticos descriptivos del panel de datos
• Pérdidas: Diferencia entre la compra y
venta de energía eléctrica (%)
• Densidad de los clientes: Clientes por
unidad de medida de la longitud de red de
media tensión (Clientes/km red MT).
82
corrección por heterocedasticidad asegura que
la estimación de los parámetros sea consistente,
considerando posibles cambios en la dispersión
de los errores a lo largo del tiempo o entre
las empresas analizadas. Por otra parte, la
autocorrelación implica la existencia de patrones
temporales en los errores del modelo, indicando
que las observaciones en momentos sucesivos
están correlacionadas. En este contexto, corregir
la autocorrelación es esencial para evitar sesgos
en las estimaciones y garantizar la validez de las
inferencias realizadas a partir de los modelos
econométricos.
Como conclusión de las pruebas realizadas resultó
que ambos modelos sean de efectos jos ajustado
por heterocedasticidad y autocorrelación. Estos
ajustes no solo mejoran la calidad de los modelos
econométricos, sino que también permiten una
interpretación más precisa de las relaciones entre
las variables, contribuyendo así a la validez y la
robustez de la investigación sobre la calidad del
servicio eléctrico en la región latinoamericana.
Para implementar los modelos econométricos y
realizar ajustes estadísticos, se empleó el software
estadístico Stata. Esto garantiza la precisión y la
replicabilidad de los análisis realizados.
Estos modelos permiten analizar cómo las
variables explicativas (VAD, Pérdidas y Densidad
de los clientes) inuyen en los indicadores de
calidad del servicio eléctrico (SAIDI y SAIFI) para
cada empresa en el tiempo .
La aplicación de ajustes estadísticos desempeña
un papel crucial en garantizar la solidez y la
abilidad de los resultados obtenidos a partir de
los modelos econométricos propuestos. Estos
ajustes responden a la necesidad de abordar
posibles desafíos y complejidades inherentes
a los datos recopilados de las 30 empresas
distribuidoras en un periodo de 5 años.
En una primera etapa, con base en la prueba
de Hausman se evaluó si los modelos debían
ser de efectos jos o aleatorios (Wooldridge,
2010). Tal prueba determinó la correspondencia
de efectos jos
6
; los cuales sirven para modelar
adecuadamente las particularidades individuales
de cada empresa, permitiendo una interpretación
más precisa de las relaciones entre las variables.
Seguidamente, se evaluó en ambos modelos la
presencia de heterocedasticidad (Test modicado
de Wald) y autocorrelación (Test Wooldridge)
para su posterior corrección (Wooldridge, 2010).
La heterocedasticidad consiste en la presencia
de variaciones no constantes en la varianza de
los errores en los modelos econométricos. La
Se determinó un VAD global de cada distribuidora
en cada año, sobre la base de información pública
mediante la siguiente ecuación matemática:
Ajustes Estadísticos
Software Utilizado
3.3 Valor agregado de distribución
6.- Este modelo supone que el error puede descomponerse en dos partes, una parte ja constante en el tiempo para cada distribuidora y
una parte aleatoria que cumple los supuestos de mínimos cuadrados ordinarios (Montero, 2011).
83
Se debe tener en cuenta que esta metodología es
una aproximación al VAD ya que las pérdidas de
energía eléctrica podrían distorsionar el resultado
obtenido. Especícamente, si las pérdidas reales
En caso de que las pérdidas globales de
energía eléctrica que no estuvieron explicitadas
directamente, las mismas se determinaron sobre
La variable Densidad de clientes se construye
para cuanticar la concentración de usuarios
servidos por kilómetro de red de media tensión.
Esta métrica es esencial para evaluar cómo la
Donde:
• : Energía total anual comprada por
la distribuidora, es decir la energía ingresada
a sus redes (en MWh)
• : Energía total anual vendida a los
clientes (en MWh)
El %PE se ha referido a la energía ingresada a las
redes de la distribuidora.
Donde:
• : Facturación total anual
por venta de energía u potencia a clientes
nales en US$.
• : Gasto total anual de
abastecimiento por compras de energía y
potencia (Incluyendo Transporte) en US$.
• : Energía total anual
vendida a los clientes (en MWh).
de una distribuidora superan las reconocidas en
las tarifas, el VAD estimado resultará subestimado,
lo que no reeja completamente los costos
operativos reales soportados por la distribuidora
para mantener y operar la red eléctrica.
3.4 Pérdidas de energía
3.5 Densidad de clientes
la base de información pública mediante la
siguiente ecuación matemática:
distribución geográca de los clientes afecta
la eciencia operativa y la calidad del servicio
eléctrico.
84
4. RESULTADOS Y ANÁLISIS
En esta sección se presentan los resultados
obtenidos a partir de la aplicación de modelos
econométricos diseñados para explorar la
relación entre las variables explicativas y las
variables objetivo. A través de grácos de
dispersión y análisis estadísticos, se evalúan
cómo estas variables inuyen en la calidad del
servicio eléctrico en Latinoamérica. Este análisis
no solo busca vericar hipótesis especícas
La comprensión de las interacciones entre las
variables explicativas (VAD, Pérdidas, y Densidad
de clientes) y las variables explicadas (SAIDI
y SAIFI) es fundamental para desentrañar los
factores que inciden en la calidad del servicio
eléctrico. A continuación, presentamos una serie
de grácos de dispersión con ajustes lineales que
sobre los determinantes de la calidad del servicio
(ver 3.2 Explicación de relación entre variables
seleccionadas) sino también identicar patrones
y tendencias que aporten a la comprensión del
sector eléctrico en la región.
4.1 Exploración de relaciones entre variables
ilustran la naturaleza de estas relaciones. Estos
grácos permiten visualizar tendencias, identicar
patrones y anticipar el comportamiento de las
variables bajo estudio.
Gráco 1. VAD y SAIDI /SAIFI
Gráco 2. Pérdidas y SAIDI /SAIFI
85
5.2 Modelo SAIDI
El modelo SAIDI revela relaciones signicativas
entre las variables explicativas y el tiempo total
De los resultados hallados se deducen las
siguientes interpretaciones de los coecientes:
• El incremento en una unidad de VAD
(US$/MWh) del periodo anterior se relaciona
con una disminución de 0,0819 horas
anuales (4:54 minutos) del SAIDI.
• El incremento de un punto porcentual de
Cada gráco de dispersión viene acompañado de
una línea de ajuste lineal, la cual ha sido calculada
mediante el método de mínimos cuadrados. Este
ajuste proporciona una representación visual de
la relación promedio entre variables, permitiendo
apreciar de manera clara y directa la dirección y
fuerza de la asociación entre ellas.
• Relación entre VAD-1
7
y SAIDI/SAIFI: A
mayores niveles de VAD, mejora la calidad
del servicio eléctrico, reejada en valores
más bajos de SAIDI y SAIFI (gráco 1).
Tabla 2. Especicación del modelo SAIDI
**signicatividad al 5% de conanza. ***signicatividad al 2% de conanza.
Gráco 3. Densidad y SAIDI /SAIFI
• Relación entre Pérdidas y SAIDI/SAIFI:
A mayor porcentaje de pérdidas, mayores
serán los valores de SAIDI y SAIFI, sugiriendo
una relación directa entre la eciencia en
la gestión de la energía y la abilidad del
suministro eléctrico (gráco 2).
• Relación entre Densidad de clientes
y SAIDI/SAIFI: Una mayor densidad de
clientes está asociada con menores valores
de SAIDI y SAIFI, lo cual implicaría una mayor
eciencia en la operación y mantenimiento
de la red de distribución (gráco 3).
7.- En esta primera instancia de exploración gráca de los datos se presume que la vinculación de los indicadores de calidad podría darse
con los ingresos permitidos del año anterior, reejando de este modo el efecto rezagado que podrían tener las inversiones y tareas de
mantenimiento en el desempeño de tales indicadores.
promedio de interrupción por usuario. Los
coecientes estimados son los siguientes:
Pérdidas (%) se relaciona con un incremento
de 0,7364 horas anuales (44:11 minutos)
de SAIDI.
• El incremento de una unidad de Densidad
de clientes (cliente/kmMT) se relaciona con
una disminución de 0,0355 horas anuales
(2:07 minutos) de SAIDI.
86
5.3 Modelo SAIFI
El modelo SAIFI muestra relaciones
estadísticamente signicativas entre las variables
De los resultados hallados se deducen las
siguientes interpretaciones de los coecientes:
• El incremento en una unidad de VAD
(US$/MWh) de dos periodos anteriores se
relaciona con una disminución de 0,0497
en la frecuencia anual del SAIFI.
• El incremento de un punto porcentual de
Pérdidas (%) se relaciona con un incremento
de 0,3465 en la frecuencia anual del SAIFI.
Este estudio ha explorado cómo el Valor
Agregado de Distribución (VAD), las Pérdidas, y
la Densidad de Clientes afectan los indicadores
de calidad del servicio eléctrico, SAIDI y SAIFI, en
empresas distribuidoras de energía eléctrica en
Latinoamérica.
El análisis realizado coincide con los análisis y
resultados que encuentra la literatura mencionada
en la sección 3, respaldando la relación inversa
entre el Valor Agregado de Distribución (VAD) y
la frecuencia y duración de las interrupciones
(SAIDI y SAIFI). De esta manera, los resultados
encontrados aportan evidencia empírica de que
inversiones insucientes o bajos ingresos pueden
afectar negativamente la continuidad del servicio.
Por otra parte, se conrma que la densidad
independientes y la frecuencia media de
interrupción por usuario:
Tabla 3. Especicación del modelo SAIFI
***signicatividad al 2% de conanza.
• El incremento de una unidad de Densidad
de clientes (cliente/kmMT) se relaciona con
una disminución de 0,0216 en la frecuencia
anual del SAIFI.
5. CONCLUSIONES
de clientes y las pérdidas de energía son
determinantes. Menor densidad implica una
mayor vulnerabilidad ante fallas, mientras que
altas pérdidas se asocian con interrupciones y
mantienen una relación positiva con SAIDI y SAIFI.
Estos resultados destacan la importancia
de inversiones adecuadas y ecientes en
infraestructura eléctrica. La relación signicativa
entre variables nancieras y la calidad del
servicio subraya la necesidad de estrategias
que minimicen pérdidas y planiquen la red
maximizando la densidad de clientes con relación
a la infraestructura de red.
Con base en los resultados y análisis presentados,
se sugieren las siguientes orientaciones para
87
las distribuidoras eléctricas, las cuales deberían
ser consideradas como puntos de partida para
estudios más profundos y especícos:
1. Gestión eciente del Valor Agregado de
Distribución (VAD): Niveles bajos de VAD están
vinculados a problemas de infraestructura y
presupuestarios, impactando negativamente
la calidad del servicio. Las empresas
eléctricas deben asegurarse de contar con
los ingresos permitidos necesarios para
realizar inversiones adecuadas y ecientes
en infraestructura eléctrica, garantizando un
equilibrio entre ingresos y gastos. En este
sentido se vuelve fundamental el rol de los
entes reguladores en jar tarifas acordes a
las necesidades de inversión. Estrategias
que minimicen pérdidas y optimicen el Valor
Agregado de Distribución (VAD) contribuirán
signicativamente a mejorar la calidad del
servicio, permitiendo que las inversiones
no solo se realicen, sino que también se
alineen con los objetivos de eciencia y
sostenibilidad.
2. Enfoque en reducción de pérdidas: Altas
pérdidas de energía están positivamente
relacionadas con interrupciones y afectan
negativamente los indicadores de calidad del
servicio. En este contexto, las conclusiones
del análisis refuerzan la necesidad conocida
de que las distribuidoras implementen
medidas para reducir las pérdidas de
energía, abordando problemas como
conexiones ilegales o manipulación de
medidores. Esto no solo mejora la calidad
del servicio, sino que también optimiza los
costos operativos.
3. Optimización de infraestructura: La baja
densidad de los clientes en relación con
la infraestructura se asocia con mayores
interrupciones, sugiriendo problemas de
redundancia en la infraestructura eléctrica.
Según estos resultados se sugiere que las
empresas enfocarse en mejorar la densidad
de la red, asegurando la existencia de rutas
alternativas para el suministro de energía.
Esto puede reducir la vulnerabilidad ante
fallas y mejorar la continuidad del servicio.
Estas conclusiones no solo se orientan a guiar
a las distribuidoras eléctricas hacia prácticas y
estrategias que mejoren la calidad del servicio,
sino que también optimicen la eciencia operativa
y la sostenibilidad nanciera.
Sin perjuicio de lo antedicho, se reconocen ciertas
limitaciones que podrían inuir en la interpretación
de los resultados:
• Generalización a otras regiones: Los
resultados y conclusiones se basan en datos
especícos de empresas latinoamericanas.
La aplicabilidad directa a otras regiones
debe abordarse con precaución, dada
la variabilidad en las infraestructuras y
prácticas de distribución de energía.
• Variables no consideradas: A pesar de la
inclusión de variables signicativas, existen
otros factores que podrían inuir en la
calidad del servicio eléctrico y que no se
han considerado en este análisis. Explorar
estas variables adicionales podría ofrecer
una visión más completa.
88
6. REFERENCIAS BIBLIOGRÁFICA
Acevedo Wogl, J. (2018). Inuencia de la tarifa, el pago de compensaciones y el tipo de empresa sobre la calidad
del suministro eléctrico por interrupciones en el sistema de distribución de media tensión urbano. Ponticia
Universidad Católica del Perú.
ADELAT. (2023). Desafíos y perfeccionamientos regulatorios. ADELAT.
Guitiérrez Moya, E. (2003). Un modelo explicativo de la continuidad del servicio eléctrico en España. V Congreso
de Ingeniería de Organización Valladolid-Burgos.
Levy, A., & Carrasco, J. (2020). Calidad y conabilidad de los servicios eléctricos en América Latina. Banco
Interamericano de Desarrollo.
Montero, R. (2011). Efectos jos o aleatorios: test de especicación. Documentos de Trabajo en Economía
Aplicada. Universidad de Granada. España.
Weiss, M., Ravillard, P., Sanin, M., Carvaja, F., Daltro, Y., Chueca, E., & Hallack, M. (2021). Impacto de la regulación
en la calidad del servicio de distribución de la energía eléctrica en América Latina y el Caribe. Banco Iterameriano
de Desarrollo.
Wooldridge, J. (2010). Econometric analysis of cross section and panel data.
89
7. ANEXOS