1

PLANIFICACIN DE POTENCIA REACTIVA VIA ALGORITMOS GENTICOS

J honny Rivero Contreras
Ingeniera Electromecnica
Universidad Nacional de Siglo XX
Armengol Blanco Benito
Ingeniera Elctrica y Electrnica
Universidad Tcnica de Oruro


Resumen- En este artculo, se propone una tcnica de
optimizacin basada en Algoritmos Genticos para
resolver problemas de compensacin reactiva en redes de
transmisin de energa elctrica. El programa
desarrollado, permite determinar cunta compensacin
agregar y donde ubicarla minimizando el costo de
inversin del equipo de compensacin y los costos de
operacin asociados a las prdidas de transmisin,
empleando una funcin que penaliza las violaciones de
los lmites operativos de voltaje. Las pruebas que se
reportan son para el Sistema Troncal Interconectado
Boliviano.

Palabras Clave: Algoritmos genticos, Flujo de potencia,
Potencia reactiva.

I Introduccin

En una red de energa elctrica existen lmites de
operacin de los equipos elctricos con el fin de asegurar
una determinada calidad en el abastecimiento de energa
elctrica a los centros consumidores.

Da a da la forma de resolver el problema de
planificacin de potencia reactiva es optimizada por
grandes investigadores, ya que una buena planificacin
conlleva a evitar varios inconvenientes de un sistema
elctrico, como ser: [1]

Por medio de la compensacin reactiva se puede
reducir los niveles de prdidas debido a la menor
circulacin de corriente por el sistema, lo cual
impacta en la economa en la operacin y hasta
puede permitir liberar capacidad de equipos.
Desde el punto de vista operativo, una adecuada
compensacin lleva a tener no slo un adecuado
perfil de voltaje, sino tener mrgenes de seguridad,
de estabilidad de voltaje, los cuales ayudan a su vez
a la estabilidad angular.
En los esquemas de manejo de la red por medio de
transacciones, muchas pueden cancelarse o aumentar
los precios de congestin por motivos de lmites de
voltaje.
En los esquemas de despacho por orden de mrito de
ofertas, la operacin se encarece debido a la
generacin de seguridad por soporte de voltaje.
La compensacin reduce las emisiones de dixido de
carbono (producidas por plantas trmicas).


En algunos problemas donde el espacio de bsqueda es
suficientemente pequeo y enumerable, se pueden usar
mtodos de bsquedas exhaustivas o enumerativas; se
examinan cada una de las soluciones posibles, y se da por
buena aquella que tenga el mximo valor de la funcin
objetivo.

El problema con la bsqueda exhaustiva no slo es que
no siempre sea factible, sino que su mal comportamiento
con respecto al aumento de tamao del espacio de
bsqueda y el hecho de que necesite una cantidad de
memoria de ordenador proporcional al tamao del
problema, hace que no se pueda aplicar en la mayor parte
de los casos. Sin embargo; en algunos casos puede ser
til, por ejemplo: en la fase final de la resolucin del
problema cuando el subespacio de bsqueda est
suficientemente acotado. [2]

II Formulacin del Modelo de Planificacin de la
Compensacin Reactiva

El problema a resolver es del tipo no-lineal y entero
mixto cuya solucin debe garantizar que el sistema opere
en condiciones normales y ante cualquier contingencia.

Los datos y las variables requeridos por el problema son:

2.1 Datos del problema [1]
nt
x
Costo de inversin anualizado ($), expresado en
valor presente de la unidad de compensacin de
tipo t, conectado al nodo n.
Costo unitario ($/MWh), a valor presente de las
prdidas de potencia activa en la transmisin.
Factor de penalizacin ($/p.u. V
2
) asignado a la
desviacin del voltaje.
Factor de penalizacin ($/p.u. MVA) de la solucin
de flujos de potencia.
h Nmero de horas en el ao en los cuales se
presenta la condicin de demanda analizada.
V
max
n
Voltaje mximo permitido en el nodo n.
V
min
n
Voltaje mnimo permitido en el nodo n.
Q
max
n
Potencia reactiva mxima del generador instalado
en el nodo n.
Q
min
n
Potencia reactiva mnima del generador instalado
en el nodo n.

2
P
max
n
Potencia activa mxima del generador instalado en
el nodo n.
P
min
n
Potencia activa mnima del generador instalado en
el nodo n.
P
d
n
Potencia activa (MW) de demanda en el nodo n.
Q
d
n
Potencia reactiva (MVAR) de demanda en el nodo
n.
A
max
nt
Nmero mximo de unidades de compensacin del
tipo t a instalar en el nodo n.
{C} Conjunto de contingencias predeterminadas, en
donde
1
c corresponde con el caso base.

2.2 Variables
nt
a Variable de decisin de tipo entero, que representa
el nmero de capacitores y/o inductores del tipo t,
que sern instalados en el nodo n.
nc
P Potencia activa (MW) inyectada en el nodo n en la
contingencia c.
nc
Q Potencia reactiva (MVAR) inyectada en el nodo n
en la contingencia c.
G
ijc
Corresponde a la parte real del elemento (i, j) de la
matriz de admitancia (
nodal
Y ) correspondiente a la
contingencia c.
ijc
B

Corresponde a la parte imaginaria del elemento (i,
j) de la matriz de admitancia (
nodal
Y )
correspondiente a la contingencia c.
q
L Representa las prdidas de potencia activa (MW)
en la transmisin para la rama q, durante el caso
base.
nc
V Voltaje en el nodo n en la contingencia c.

nc
ngulo de voltaje en nodo n en la contingencia c.
c
F Medida de cercana a la factibilidad de la corrida de
flujos de potencia (error residual) para la
contingencia c.
e
p
nc
Error residual en las ecuaciones de flujo de
potencia activa que resulta en el nodo n para la
contingencia c, una vez que se intentaron resolver
las ecuaciones de flujo.
e
q
nc
Error residual en las ecuaciones de flujo de
potencia reactiva que resulta en el nodo n para la
contingencia c, en las ecuaciones de flujo.





2.3 Funcin Aptitud

La determinacin de una adecuada funcin aptitud tiene
una gran importancia en un Algoritmo Gentico, ya que
este influye directamente en los resultados.

En el caso, la funcin a ser minimizada incluye
los costos de inversin asociados a las decisiones de
instalar capacitores y/o inductores; ms los costos de
operacin por prdidas de potencia activa en la
transmisin estimadas para el nmero de horas al ao,
que se presume se presentar la condicin de demanda
del caso considerado; ms las penalizaciones por
infactibilidad de voltaje y de ecuaciones de balance de
flujo de potencia que correspondan con la contingencia
que arroje los peores ndices [4]. El Algoritmo
Gentico nicamente maximiza, pero la minimizacin
puede realizarse fcilmente utilizando el recproco de la
funcin maximizante (debe cuidarse, por supuesto, que el
recproco de la funcin no genere una divisin por cero).
En este sentido se tiene:


Esta funcin maneja un enfoque basado en la
penalizacin, que guarda relacin con las restricciones
que una posible solucin la viola.

2.1.1 Costos de Operacin Asociados a las Prdidas
Activas

El coeficiente corresponde al costo asociado a las
prdidas de potencia activa en la transmisin para la
condicin de demanda analizada. Una forma de asignar
un valor a las prdidas, es a travs del costo marginal de
la energa en $/MWh, estimada para la condicin de
demanda en cuestin. El producto del costo marginal por
el nmero de horas al ao (h) en que se presenta esa
situacin, representa la magnitud del cambio del costo
total de operacin por cada MW de potencia activa que se
logre disminuir (o aumentar) de prdidas en transmisin
en la rama. Dichas prdidas se calculan con la siguiente
ecuacin:

q
L =
q
G [ )] cos( 2
2 2
j i j i j i
V V V V + (17)

Donde los subndices i, j corresponden a los nodos de los
extremos de la rama q.

2.1.2 Penalizacin por Desviacin de Voltaje

El coeficiente de penalizacin por desviacin de voltaje
debe ajustarse a un valor lo suficientemente alto, de
tal forma que en cualquier momento la violacin de la
restriccin de voltaje se refleje en la funcin objetivo
como una solucin desfavorable para el problema [4]. La
funcin de saturacin del voltaje () Sat , en la funcin
objetivo est definida por:
1 2
} {
) 1 } )] ( [ { max ( 100

e
+ + + + =

n
c nc nc
n t n
C c
n nt nt
F V Sat V L h a x z Max

3

>
s s
<
=
max max
max min
min min
) (
n nc n
n nc n nc
n nc n
nc
V V si V
V V V si V
V V si V
V Sat

2.1.3 Penalizacin por Infactibilidad de las
Ecuaciones del Flujo de Potencia

En el caso de infactibilidad en la solucin para las
ecuaciones de flujos de potencia, el valor de los residuos
correspondientes ser diferente de cero. Este valor se
puede usar como una medida de tal infactibilidad, la cual
establece la cercana relativa de una solucin infactible
respecto a una solucin factible. Con base en lo anterior,
en la funcin objetivo se penaliza la infactibilidad de las
soluciones de flujos en proporcin al residuo de mayor
valor. Una solucin infactible implica una condicin de
inoperabilidad del sistema; por lo tanto, se debe asignar
un valor alto al factor de penalizacin , de esta forma,
las soluciones con infactibilidades se descartaran como
una opcin viable. Si la solucin de flujos de potencia
resulta factible, entonces los residuos correspondientes
sern aproximadamente cero, en este caso, la
penalizacin por infactibilidad queda sin efecto en la
funcin objetivo [4].

p
nc
q
nc c
e e Max F , =

III Algoritmos Genticos

Los algoritmos genticos AGs, son mtodos no
determinsticos inspirados en los procesos de la
Evolucin Natural y Evolucin Gentica, donde las
variables del problema son representadas como genes en
un cromosoma o denominado tambin individuo. Cada
coordenada de un punto en el espacio solucin puede ser
entendida como un gen. Dichos algoritmos utilizan
elementos como la sobrevivencia de los ms aptos. Los
AGs presentan un grupo de soluciones candidatas
denominada poblacin, a travs de mecanismos como la
seleccin natural y el uso de operadores genticos, tales
como la mutacin y el cruzamiento, los cromosomas con
mejor aptitud son encontrados. La seleccin natural
garantiza que los cromosomas ms aptos generen
descendientes en las poblaciones futuras. Usando un
operador de cruzamiento, el algoritmo combina genes de
dos cromosomas previamente seleccionados para formar
dos nuevos cromosomas.

Fig. 1 Diagrama de flujos de un AG simple.

Fig. 2 Diagrama de flujos del algoritmo desarrollado


4
5.1 Experiencia Computacional

Las pruebas se realizaron en una computadora PC
Pentium IV a 2.4 GHz de velocidad.

Las tres pruebas se realizaron con los mismos datos y
valores asignados a las penalizaciones que se describen a
continuacin:

- El nmero de horas al ao representativas de la
condicin de demanda es de 1300 horas.
- Penalizacin para la desviacin de voltaje de
10000 MUSD/(p.u. V
2
).
- La forma de penalizacin asignada para la
infactibilidad de las ecuaciones de flujo, es
directamente asignarle un valor de cero a la
funcin objetivo para cualquier infactibilidad de
los flujos de potencia.
- Costo de las prdidas de potencia activa de 65
USD/MWh.
- Los costos de inversin y anualizado con base a
una tasa de inters del 10% y una vida til de 30
aos se muestran en la tabla 5.1.

Tabla 5.1: Costos de inversin y anualizado con
base a una tasa de inters del 10% y una vida til de
30 aos
Compensador Capacidad
MVAR
Costo de
inversin
MUSD
Costo
anualizado
MUSD
Capacitivo o
inductivo
10 0.2 0.0148777
Capacitivo o
inductivo
5 0.1 0.0074388


5.4 Pruebas Realizadas

La primera prueba que se realiza, es considerando la
demanda mnima del ao 2008, y consiste en encontrar la
mejor opcin de instalar banco de inductores con el
principal fin de corregir el perfil de tensiones. La segunda
y tercera prueba tienen el mismo fin, sin embargo; estas
pruebas son realizadas considerando las demandas
mximas de los aos 2011 y 2014, por lo tanto, lo que se
requiere encontrar son las mejores opciones para instalar
un banco de capacitores.

Los perfiles iniciales de tensin para las tres condiciones
de carga consideradas se pueden apreciar en las
siguientes figuras:

0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
1,05
1,1
1 3 5 7 9 11 13 15 17 19 21 23
Nmer o de bus
T
e
n
s
i

n

[
p
.
u
]

Fig. 3 Perfil de tensiones referencial del ao 2008,
SIN.
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
1,05
1,1
1 3 5 7 9 11 13 15 17 19 21 23
NUMERO DE BUS
T
E
N
S
I
O
N

[
p
.
u
]

Fig.4 Perfil de tensiones referencial del ao 2011, SIN.

0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
1,05
1,1
1 3 5 7 9 11 13 15 17 19 21 23
Nmer o de bus
T
e
n
s
i

n

[
p
.
u
]


Fig. 5 Perfil de tensiones referencial del ao 2014, SIN.
a) Caso1; considerando el segundo valor ms alto de la funcin
objetivo:
0,5
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
0,95
1
1,05
1,1
1 3 5 7 9 11 13 15 17 19 21 23
Nmer o de bus
T
e
n
s
i

n

[
p
.
u
]

Figura 5.5: Perfil de tensiones resultante. Prueba1, Caso1.

5
Tabla 5.5: Instalacin de compensadores. Prueba1, Caso1.
#
NODO
NOMBRE
DEL
NODO # DE COMPENSADORES CAPACIDAD
4 OCURI 2 10 MVAR
18 SUCRE 1 5 MVAR

Tabla 5.6: Comparacin de resultados. Prueba1,
Caso1.
ASPECTOS
CONSIDERADOS
CASO DE
REFERENCIA
SOLUCION

FUNCIN APTITUD 10,82 71,18
PRDIDAS ACTIVAS 4,76784 MW 4,79092 MW
COSTO DE INVERSIN 0 0,3 MUSD
DESVIACIONES DE
VOLTAGE 21,74% 0%
INFAC. DE FLUJ OS 0 0
COSTO DE
PENALIZACIONES - -

6 Conclusiones

La experiencia adquirida durante el desarrollo de este
trabajo y especialmente los resultados obtenidos nos
llevan a mencionar las siguientes conclusiones:

El programa puede ser aplicado no solo en la
planificacin de potencia reactiva en sistemas
elctricos de potencia, sino tambin a sistemas de
distribucin y a otro tipo de problemas como el que
se muestra con el sistema de prueba.

Los algoritmos genticos tienen la gran ventaja de
ofrecer no solo una solucin ptima, sino varias
soluciones, y depender del buen criterio del
ingeniero escoger una de ellas.

El mtodo propuesto es insensible a la no
convexidad del problema y puede aplicarse a sistema
de gran escala, en contraste con los mtodos de
programacin matemtica tradicionales.

Efectivamente, el programa fue aplicado al Sistema
Interconectado Nacional, pero no fue posible
estudiar el mismo en un estado real y considerando
contingencias ya que el programa requiere trabajar
conjuntamente a un programa de despacho
econmico de carga y no se pudo contar con dichos
datos. Por este motivo, se trabaj con los datos de los
flujos mostrado en anexos pero manipulando la parte
reactiva.
La programacin evolutiva es una alternativa viable
para el tratamiento de la planificacin de la
compensacin reactiva, que se distingue por su
naturaleza lineal y entera mixta.
La base terica presentada en este trabajo puede ser
suficiente para introducirse al estudio de los
algoritmos genticos, ya que la experiencia nos
ensea que no es necesario conocer todos los
artificios de estos algoritmos, basta conocer un
algoritmo gentico simple y el resto dejarlo al final,
cuando las corridas y los resultados exijan realizar
algunos cambios y mejoras.

La programacin empleando algoritmos genticos
tiene un gran margen de aplicabilidad y es
relativamente sencillo

Referencias Bibliogrficas

[1] Jhonny Rivero, Planificacin de Potencia Reactiva
Mediante Algoritmos Genticos. Proyecto de
Grado, FNI UTO, 2005.
[2] J. J. Merelo, Tcnicas Heursticas de Resolucin
de Problemas: Computacin Evolutiva y Redes
Neuronales.
[3] Jose. R. S. Mantovani, A Heuristic Method for
Reactive Power Planning.
[4] Julio A. Hernndez G. y Rolando Nieva, Aplicacin
de un Algoritmo Evolutivo en la Planificacin de la
Compensacin Reactiva de Redes de Transmisin de
Energa Elctrica. IEE Instituto de
Investigaciones Elctricas, Mxico. 2003.
[6] Y. T. Hsiao, C. Liu, H. D. Chiang and Y. L. Chen,
A new approach for optimal VAR sources planning
in large scale electric power systems. IEEE Trans.
on Power Systems, Vol. 8, agosto. 1993.
[7] Y. C. Huang Yang and C.L. Huang, Solving the
capacitor placement in a radial distribution system
using a tabu search approach. IEEE Trans. on
Power Systems, Vol. 11, mayo. 1996.
[8] Benjamn Barn, Jos Vallejos, Rodrigo Ramos,
Multi-objetive Reactive Power Compensation.
IEEE. 2001.

Biografas

Jhonny Rivero Contreras, Ingeniero Elctrico, UTO,
2005. Docente de Ingeniera Electromecnica en la
Universidad Nacional de Siglo XX.

reas de inters: Anlisis de sistemas de potencia,
Algoritmos genticos y planificacin de potencia
reactiva.

Armengol Blanco Benito, Ingeniero Elctrico, UTO,
1989, Magster en Ciencias de la Ingeniera, PUC,
Santiago de Chile, 1992. Docente de Ingeniera Elctrica
y Electrnica en la Facultad Nacional de Ingeniera (FNI)
desde 1985.

reas de inters: Proteccin, control y operacin
econmica de SEP, educacin en ingeniera, colapsos de
tensin, programacin evolutiva, lgica difusa, redes
neuronales y sistemas expertos.


6
































Fig. 4
Diagrama unifilar reducido de 23 barras, SIN.


R
E
F
E
R
E
N
C
I
A










6
9

K
V










1
1
5

K
V










2
3
0

K
V










D
E
M
A
N
D
A










G
E
N
E
R
A
C
I

N
B
O
L
I
V
I
A

P
L
A
N

R
E
F
E
R
E
N
C
I
A
L

2
0
0
0

2
0
0
8
S
I
S
T
E
M
A

I
N
T
E
R
C
O
N
E
C
T
A
D
O

N
A
C
I
O
N
A
L

(
R
E
D
U
C
I
D
O
)
G
U
A
R
A
C
A
C
H
I
O
R
U
R
O
L
A

P
A
Z
P
O
T
O
S
I
A
R
A
N
J
U
E
Z
C
O
C
H
A
B
A
M
B
A
C
A
R
R
A
S
C
O
2
2
2
1
1
61
4
1
5
2
3
1
3
8
9
7
6
5
2
1
3
4
1
0
1
1
1
2
1
7
2
0
1
9
1
8