Professional Documents
Culture Documents
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