Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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:
x
n t
nt
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:
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 )
si
Vnc
< Vnmin
2.1.3
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].
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
TENSION [p.u]
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
Tabla 5.5: Instalacin de compensadores. Prueba1, Caso1. # NODO 4 18 NOMBRE DEL NODO OCURI SUCRE
# DE COMPENSADORES 2 1
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
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.