L'industrie de l'électricité peut être caractérisée par plusieurs risques: la réglementation, la capacité, l'erreur humaine, etc. L'un des aspects les plus remarquables, en raison de leur impact, est lié à ne pas répondre à la demande (DNS).Pour éviter les défaillances en cascade, des critères déterministes comme la N-1 ont été appliquées, ce qui permet d'éviter la défaillance initial. Après une défaillance en cascade, des efforts considérables doivent être faits pour analyser les défauts afin de minimiser la possibilité d'un événement similaire.En dépit de tous ces efforts, des blackouts peuvent encore se produire. En effet, il est un défi, en raison du grand nombre d'interactions possibles et de leur diversité et complexité, pour obtenir une bonne prédiction d'une situation.Dans notre travail, une nouvelle méthodologie est proposée pour estimer le risque de blackout en utilisant des modèles de systèmes complexes. Cette approche est basée sur l'utilisation de variables qui peuvent être des précurseurs d'un événement DNS. Il est basé sur l'étude de la dépendance ou de corrélation entre les variables impliquées dans le risque de blackout, et la caractéristique d’auto-organisation critique (SOC) des systèmes complexes.La VaR est calculé en utilisant les données du système colombien et le coût du rationnement, y compris les variables économiques dans les variables techniques. Traditionnellement le risque augmente avec la racine carrée du temps, mais avec des séries de données que présente un comportement complexe, le taux de croissance est plus élevé.Une fois que les conditions de SOC sont déterminées, un Model de Flux de Puissance Statistique SPFM a été exécuté pour simuler le comportement du système et de ses variables pour les performances du système électrique. Les simulations ont été comparées aux résultats du comportement de fonctionnement réel du système de puissance électrique.Le flux de puissance DC est un modèle simplifié, ce qui représente le phénomène complexe de façon simple, néglige cependant certains aspects des événements de fonctionnement du système qui peut se produire dans les blackouts. La représentation des défaillances en cascade et de l'évolution du réseau électrique dans un modèle simple, permet l'analyse des relations temporaires dans l'exploitation des réseaux électriques, en plus de l'interaction entre la fiabilité à court terme et à long terme (avec un réseau d'amélioration). Cette méthodologie est axée sur la planification opérationnelle du lendemain (jour d'avance sur le marché), mais il peut être appliqué à d'autres échelles de temps.Les résultats montrent que le comportement complexe avec une loi de puissance et l'indice de Hurst est supérieur à 0,5. Les simulations basées sur notre modèle ont le même comportement que le comportement réel du système.En utilisant la théorie de la complexité, les conditions SOC doivent être mis en place pour le marché analysé du lendemain. Ensuite, une simulation inverse est exécutée, où le point final de la simulation est la situation actuelle du système, et permet au système d'évoluer et de répondre aux conditions requises par la caractéristique d’auto-organisation critique en un point de fonctionnement souhaité.Après avoir simulé le critère de fiabilité utilisé dans l’exploitation du système électrique pour les défaillances en cascade, ils sont validés par des défaillances historiques obtenues à partir du système électrique. Ces résultats, permettent l'identification des lignes avec la plus grande probabilité de défaillance, la séquence des événements associés, et quelles simulations d'actions d’exploitation ou d'expansion, peuvent réduire le risque de défaillance du réseau de transmission.Les possibles avantages attendus pour le réseau électrique sont l'évaluation appropriée du risque du réseau, l'augmentation de la fiabilité du système, et un progrès de la planification du risque du lendemain et connaissance de la situation