COMPENSACIN DE POTENCIA REACTIVA VIA ALGORITMOS GENTICOS

Jhonny Rivero Contreras

Ingeniera Electromecnica Universidad Nacional de Siglo XX
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. La herramienta desarrollada, 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 la compensacin de potencia reactiva es optimizada por grandes investigadores, ya que una buena planificacin de la compensacin 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).

Armengol Blanco Benito

Ingeniera Elctrica y Electrnica Universidad Tcnica de Oruro
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 del 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] Los datos necesarios para resolver el problema son:

xnt Costo de inversin anualizado ($), expresado en

valor presente de la unidad de compensacin de tipo t, conectado al nodo n.

h
Vn
max

Costo unitario ($/MWh), a valor presente de las prdidas de potencia activa en la transmisin. Factor de penalizacin ($/p.u. V2) asignado a la desviacin del voltaje. Factor de penalizacin ($/p.u. MVA) de la solucin de flujos de potencia. Nmero de horas en el ao en los cuales se presenta la condicin de demanda analizada. Voltaje mximo permitido en el nodo n. Voltaje mnimo permitido en el nodo n. Potencia reactiva mxima del generador instalado en el nodo n.

min Vn max Qn

Qn

min

Potencia reactiva mnima del generador instalado en el nodo n. Potencia activa mxima del generador instalado en el nodo n. Potencia activa mnima del generador instalado en el nodo n. Potencia activa (MW) de demanda en el nodo n. Potencia reactiva (MVAR) de demanda en el nodo n.

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.

max Pn min Pn d Pn d Qn max

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:
Max z = 100(

A nt Nmero mximo de unidades de compensacin del tipo t a instalar en el nodo n. {C} Conjunto de contingencias predeterminadas, en donde c1 corresponde con el caso base. 2.2 Variables Las variables empleadas en el planteamiento del modelo que representa el problema, son:

ant Variable de decisin de tipo entero, que representa Pnc Qnc

el nmero de capacitores y/o inductores del tipo t, que sern instalados en el nodo n. Potencia activa (MW) inyectada en el nodo n en la contingencia c. 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 ( Ynodal ) correspondiente a la contingencia c. Corresponde a la parte imaginaria del elemento (i, j) de la matriz de admitancia ( Ynodal ) correspondiente a la contingencia c. Representa las prdidas de potencia activa (MW) en la transmisin para la rama q, durante el caso base. Voltaje en el nodo n en la contingencia c. ngulo de voltaje en nodo n en la contingencia c. Medida de cercana a la factibilidad de la corrida de flujos de potencia (error residual) para la contingencia c.

x
n t

nt

a nt + hLn + max { [Vnc Sat (Vnc )] 2 + Fc } + 1) 1

n c{C } n

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

Bijc

Lq Vnc

Fc

nc

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:

Lq = Gq [ Vi 2 + V j2 2ViV j cos( i j )] (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

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.

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:

Sat (Vnc )

Vnmin = Vnc V max n

si

Vnc

< Vnmin

si Vnmin Vnc Vnmax si Vnc > Vnmax

de las

2.1.3

Penalizacin por Infactibilidad 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].

Fig. 1 Diagrama de flujos de un AG simple.

F c = Max
III Algoritmos Genticos

q p e nc , e nc

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. 2 Diagrama de flujos del algoritmo desarrollado

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/(pu V2). 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 10 5 Costo de inversin MUSD 0.2 0.1 Costo anualizado MUSD 0.0148777 0.0074388
T e n s i n[p .u ]

1,1 1,05 1 T e n s i n[p .u ] 0,95 0,9 0,85 0,8 0,75 0,7 0,65 0,6 0,55 0,5 1 3 5 7 9 11 13 15 17 19 21 23

Nm e ro de bus

Fig. 3 Perfil de tensiones referencial del ao 2008, SIN.

1,1 1,05 1 0,95 0,9 0,85 0,8 0,75 0,7 0,65 0,6 0,55 0,5 1 3 5 7 9 11 13 15 17 19 21 23

TENSION [p.u]

NUM ERO DE BUS

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

Capacitivo inductivo Capacitivo inductivo

o o

1,1 1,05 1 0,95 0,9 0,85 0,8 0,75 0,7 0,65 0,6 0,55 0,5 1 3 5 7 9 11 13 15 17 19 21 23 Nm e r o de bus

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:

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

Nm e r o de bus

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

Tabla 5.5: Instalacin de compensadores. Prueba1, Caso1. # NODO 4 18 NOMBRE DEL NODO OCURI SUCRE

# DE COMPENSADORES 2 1

CAPACIDAD 10 MVAR 5 MVAR

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

Tabla 5.6: Comparacin de resultados. Prueba1, Caso1.

ASPECTOS CONSIDERADOS FUNCIN APTITUD PRDIDAS ACTIVAS COSTO DE INVERSIN DESVIACIONES DE VOLTAGE INFAC. DE FLUJOS COSTO DE PENALIZACIONES CASO DE REFERENCIA 10,82 4,76784 MW 0 21,74% 0 SOLUCION 71,18 4,79092 MW 0,3 MUSD 0% 0 -

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. La herramienta fue aplicado satisfactoriamente al Sistema Troncal 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 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

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.