1

EXPANSI ON DE SI STEMAS DE TRANSMI SI ON - PLANI FI CACI ON ESTTI CA,

VI A ALGORI TMOS GENETI COS

Armengol Blanco Benito
Ingeniera Elctrica, UTO


Resumen.- En esta investigacin, se enfoca, la expansin de
los sistemas de transmisin desde una perspectiva tcnica, se
desarroll un modelo de expansin esttico, -solo se
considera un periodo, se puede considerar que es una
planificacin de corto plazo-, es resuelto mediante la tcnica
de los algoritmos genticos. La herramienta desarrollada, se
aplic exitosamente a diferentes sistemas.

Palabras claves: Planificacin esttica, flujo DC, algoritmos
genticos, sistema de transmisin.


I Introduccin

La planificacin de la expansin de los sistemas elctricos es
uno de los aspectos muy importantes a la hora de satisfacer la
demanda de electricidad a costo mnimo.

El costo mnimo de la inversin, repercute tanto para los
inversores como para los consumidores finales. En el caso de
la energa elctrica, el costo de construccin de lneas de
transporte, es muy importante en el momento de las
decisiones del inversor.

Las empresas de electricidad tanto de generacin, transporte y
distribucin con el objetivo de satisfacer la demanda de
electricidad, deben invertir en nuevas centrales, lneas de
transporte y redes de distribucin, de tal modo, que las
inversiones asociadas a la expansin del sistema elctrico
sean las mnimas, satisfaciendo las restricciones de red y
operacin, como tambin con restricciones de tipo ambiental
y de tipo legal.

El problema de la expansin de las capacidades de generacin
y de transmisin de los sistemas de energa elctrica
constituye un problema de optimizacin de gran complejidad
en funcin de diversos factores, tales como: El crecimiento
sostenido de la demanda de electricidad, las variables
involucradas y su naturaleza estocstica.

El problema de la planificacin de las redes de transmisin a
corto plazo, consiste en decidir qu, cunto y dnde se deben
adicionar nuevos elementos de red, tomando en cuenta la red
actual y un conjunto de elementos candidatos pre-definidos
para cumplir con una demanda predeterminada, satisfaciendo
criterios tanto tcnicos como econmicos. Es una
planificacin esttica, debido a que involucra solo una etapa.

1.1 Revisin bibliogrfica

L. Garver [1], fue el primero en expresar el problema
matemticamente planteando un modelo de optimizacin
lineal utilizando el modelo de transporte con trasbordo y
valida las soluciones mediante un flujo de carga
convencional.

A. Escobar [2], presenta un metodologa basada en algoritmos
combinacionales para resolver el problema de la planificacin
dinmica de la expansin de los sistemas de transmisin.
Aplica la metodologa del planeamiento dinmico de la
expansin del sistema de transmisin, considerando
simultneamente, los costos de inversin en nuevas
instalaciones en todos los perodos del horizonte de largo
plazo. La demanda y la generacin han sido discretizadas para
permitir representar las variaciones que ocurren en el sistema
elctrico a lo largo del tiempo de planificacin. Realiza una
aplicacin a diversos sistemas de prueba.

E. Carreo [3], presenta conceptos de la teora de juegos y los
mtodos de distribucin de costos y se explica en detalla los
algoritmos de formacin de coaliciones basados en el Kernel
y en el valor Bilateral de Shapley. Se formula el problema del
planeamiento esttico utilizando el modelo DC, el modelo de
transportes y modelos hbridos y presenta las comparaciones
de los resultados con otros mtodos.

J. Ceciliano y R. Nieva [4], presentan un mtodo de
programacin evolutiva para la planeacin de redes de
transmisin en sistemas elctricos de potencia. Consideran un
problema entero mixto y no lineal, con una naturaleza
combinatoria que conduce a un nmero muy grande de
soluciones posibles para sistemas elctricos de mediana y
gran escala. Se describe brevemente el problema de
planeacin de transmisin y posteriormente se formula en
trminos matemticos. El algoritmo propuesto de
programacin evolutiva se aplica a una red elctrica de gran
escala que es representativa del sistema elctrico mexicano.

J. Contreras [5], presenta una nueva estructura
descentralizada para estudiar el problema de la expansin de
la red de transmisin que usa la teora de juegos cooperativo.
Utiliza modelos de la teora de juegos para modelar las
interacciones estratgicas en un ambiente competitivo.
Primero, define los jugadores y las reglas del juego. Segundo,
desarrolla un esquema de formacin de coaliciones.
Finalmente, se asigna el costo de expansin optimizado
basado en la historia de la formacin de las coaliciones.

R. Serrano [6], presenta una metodologa que permite estudiar
mecanismos de expansin de los sistemas de transmisin
cuando los agentes del mercado actan competitivamente,
pero al tener que asumir los costos comunes del sistema de
transmisin, es muy probable que exista cooperacin entre
ellos. Plantea la tcnica de la teora de juegos cooperativos
2
como una alternativa para resolver el problema de la
planificacin de la expansin de los sistemas de transmisin.


II Modelo de Planificacin

El objetivo del modelo matemtico del problema de la
planificacin de la expansin del sistema transmisin, es
minimizar los costos de capital y operacin, asociados con la
expansin del sistema sobre el horizonte de planificacin [4,
5]. Las restricciones asociadas con el modelo son las
restricciones fsicas y econmicas que son importantes
cuando se decide expandir a costo mnimo.

El problema de la expansin de sistema de transmisin, puede
ser planteado mediante el siguiente modelo matemtico: [5]


e e
+ =
A j
0
j
j j
N i
i
G i
) Z (Z K P C min

donde:
i
C =Costo por unidad de potencia en el nodo i para
el periodo de planificacin,
i
P
G
=Potencia activa inyectada a la red por los
generadores en el nodo i
j
K =Costo de inversin en la construccin por
enlace paralelo de la lnea j
j
Z =Variable que representa el nmero de enlaces
paralelos a la lnea j
0
j
Z =Nmero inicial de enlaces paralelo de la lnea
j
G
N =Nmero de nodos con generadores
n
A =Conjunto de posibles lneas

Para simplificar el problema, se asume el modelo de flujo de
carga lineal (Flujo DC), el problema est sujeto a las
siguientes restricciones:

a) Balance de potencia nodal en cada nodo, por las leyes de
Kirchhoff:

P T A =
donde:
A =Matriz de incidencia nodal
T =Vector de flujos de potencia en las ramas
P =Vector de potencias inyectadas

b) Lmites de potencia en las ramas

) (
max j
Z T T s

donde: T
max
= Vector de lmites de flujos de potencia en las
ramas

En el modelo del flujo lineal, cada elemento del vector T,
puede describirse como:

) (
x
Z
T
l j
j
j
j
=
donde:

j
Z = Variable que representa el nmero total de
enlaces paralelos de la lnea j
j
x = Reactancia de un enlace de la rama j
j
y
l
=ngulos de tensin de los nodos terminales de la
rama j

sta restriccin puede ser escrito como:

P ) B(Z
j
=
donde:

) (
j
Z B = Matriz de susceptancias, cuyos elementos son:
kl
kl
x
1
B = ; Los elementos fuera de la diagonal y

O e
=
l
kl kk
B B ; para los elementos de la diagonal
kl
x = Reactancia total de la rama l) (k,
k
l e = Rama conectadas a la barra k
= Vector de ngulos de las tensiones nodales

La otra restriccin:

) (Z T A B
j max
t
L
s
donde: B
L
=Matriz diagonal cuyos elementos, son:
j
j
x
Z

El modelo de optimizacin, es:


) (Z T A B
P ) B(Z
: a . s
) Z (Z K P C min
j max
t
L
j
A j
0
j j j
N i
G i
i
s
=
+

e e


El nmero mnimo de enlaces que se pueden obtener en un
sistema de nb nodos, est dado por la siguiente expresin:

2
nb
) 1 nb (
3
III Algoritmos Genticos

Los algoritmos genticos inicialmente se conocieron como
planes reproductivos, y fueron introducidos por John H.
Holland a principios de los sesentas y fueron utilizados en el
aprendizaje de mquina. El algoritmo gentico es un
algoritmo evolutivo en el cual la cruza es el operador
principal, la mutacin es un operador secundario, el elitismo
es un operador terciario y se utiliza seleccin probabilstica.

Un algoritmo gentico, es un mtodo probabilstico que
mantiene una poblacin de individuos P
t
para cada iteracin
t:

{ }
n
t
4
t
3
t
2
t
1
t t
x ,..., x , x , x , x P = .

Cada individuo representa una solucin potencial del
problema que se resuelve. Cada solucin
i
t
x es evaluada para
conocer su desempeo con respecto a la poblacin actual.

Una nueva poblacin, la t+1, es generada a travs de la
seleccin de los individuos con mejor aptitud, es decir, la
mejor solucin. Los individuos de la poblacin son alterador
por operadores, denominados operadores genticos.

El algoritmo bsico de AG es:

1. Generar una poblacin inicial.
2. Calcular aptitud de cada individuo.
3. Seleccionar, en base a aptitud.
4. Aplicar operadores genticos:
a. cruza, mutacin y elitismo.
5. Repetir los pasos 2 5 (hasta que cierta condicin se
satisfaga).

Los AGs tienen 5 componentes bsicos que son:

1. Representacin (soluciones potenciales),
2. Forma de crear una poblacin inicial,
3. Funcin de evaluacin (papel del ambiente) "Aptitud",
4. Operadores genticos,
5. Valores de los parmetros: tamao de la poblacin,
porcentaje de cruza, porcentaje de mutacin, nmero
mximo de generaciones, etc.

En los AGs usualmente se utiliza una representacin binaria
mediante una cadena binaria del tipo que se muestra
enseguida, donde cada cadena se conoce como cromosoma, a
cada posicin de la cadena se le llama gene y a los valores
que puede tomar cada gene se le llama alelo.

El genotipo es la codificacin (por ejemplo, binaria) de los
parmetros que representan una solucin del problema a
resolverse; el fenotipo es la decodificacin del cromosoma, es
decir los valores obtenidos de la representacin (binaria). Por
ejemplo, si se utiliza una representacin en base 2,
considerando un cromosoma 1010 (genotipo), su fenotipo
ser 10.

Un individuo es un miembro de la poblacin de soluciones
potenciales a un problema. La aptitud de un individuo es el
valor que se asigna, usualmente mediante una funcin de
aptitud, que nos dice qu tan bueno es el individuo.

Una generacin es cada poblacin de las iteraciones del AG.
Se habla de elitismo cuando en cada iteracin se selecciona al
individuo con mayor aptitud; el elitismo garantiza que
siempre se tenga una aptitud mxima creciente.

Los algoritmos genticos, no requieren de ningn
conocimiento previo del problema ni propiedades de las
funciones involucradas en una optimizacin, tales como:
continuidad, convexidad existencia de derivadas. Solo se
requiere la evaluacin de una funcin de aptitud asignada a
una solucin propuesta.

3.1 Representacin de los Algoritmos Genticos

En sta investigacin, se opta por la representacin binaria
para el nmero de enlaces entre nodos y un mximo de 7
enlaces representados por tres bits. La palabra est
representado por todos los enlaces posibles, es decir, que se
tiene un cromosoma de 3 veces el nmero de ramas.

Un ejemplo hipottico de la configuracin candidata en
codificacin binaria (genotipo), sera:



Significa que la rama 1-2, tiene 7 enlaces, la rama 1-3 tiene 2
enlaces, las rama 1-4, tiene 1 enlace, la rama 1-5, no tiene
enlaces, la rama 2-3, tampoco, la rama 2-4, tiene 5 enlaces, la
rama 3-4, tiene un enlace y la rama 4.5, tiene 3 enlaces.


Fig. 1, Grafo de la configuracin candidata

En codificacin decimal, la misma configuracin candidata,
est representada por la siguiente estructura:

7 2 1 0 0 5 1 3
1-2 1-3 1-4 1-5 2-3 2-4 3-4 4-5

4
En la Fig. 1, se tiene el grafo de la configuracin candidata
(fenotipo).

3.2 Funcin de Evaluacin (Funcin "Aptitud")

El modelo de optimizacin del problema, se plantea como un
problema de minimizacin, por tanto, la funcin Aptitud
adecuada para este tipo de problema es la recproca de la
funcin objetivo considerando la penalizacin para las
soluciones no factibles.

j
Nc
1 j
j
pen * w fob
k
FF

=
+
=
) h ( H * h pen
j j j
=
donde:
fob = Funcin objetivo
H(.) = Funcin escaln unitario (Funcin de
Heaviside)
h
j
= Restriccin j violada
w
j
= Factor de penalizacin
k = Factor de escala
Nc = Nmero de restricciones de operacin

3.3 Operadores Genticos

Los operadores considerados, son:

1. Seleccin por torneo
2. Cruza de dos posiciones
3. Mutacin en dos posiciones

3.4 Valores de los Parmetros

Los valores de los parmetros considerados, depende de la
precisin deseada de la solucin.

3.4.1 Tamao de la Poblacin

De acuerdo a las simulaciones realizadas, se considera un
tamao de la poblacin de 200 individuos como suficiente
para lograr la solucin.

3.4.2 Porcentaje de Cruza

El operador cruza, es un operador extremadamente
importante. Es responsable para la recombinacin estructural
(intercambio de la informacin relevante de los padres a los
hijos) y la velocidad de convergencia del AG. Se considera
dos padres y dos puntos de cruza, dando lugar a dos hijos, y
se evala las aptitudes de los cuatro individuos (dos padres y
dos hijos), eliminando los individuos de menor aptitud.

3.4.3 Porcentaje de Mutacin

El operador mutacin, es responsable de la inyeccin de
nueva informacin. Se considera dos puntos de mutacin, si
el individuo resultante tiene mejor aptitud, se queda en la
poblacin caso contrario se lo descarta.

3.4.4 Nmero Mximo de Generaciones

Se consider un nmero mximo de generaciones de 50.

3.4.5 Factor de Escala

En el algoritmo gentico implementado, se considera un
factor de escala igual 1000.


IV Desarrollo del Software

Se desarrollo el software utilizando el lenguaje VISUAL
FORTRAN 5.0 de la Corporacin Microsoft. Se eligi el
lenguaje FORTRAN por el uso de memoria masiva y sobre
todo por ser eminentemente un lenguaje de programacin
cientfica. El software desarrollado, se valid con un sistema
de prueba.

4.1 Algoritmo Implementado

El algoritmo para resolver el problema de la planificacin
esttica, se resume en los siguientes pasos:

1.- Lectura de datos.
2.- Determinar las ramas originales.
3. Determinar las combinaciones mximas de ramas.
4.- Determinar la funcin aptitud.
5.- Codificacin binaria de las combinaciones.
6.- Aplicar el operador seleccin por torneo para
eliminar los individuos no aptos.
7.- Aplicar el operador cruza.
8.- Aplicar el operador mutacin.
9.- La nueva poblacin se vuelve la poblacin antigua.
10.- Ir al paso 6, hasta que se cumpla algn criterio de
parada.

El algoritmo se implement en un programa desarrollado en
lenguaje Fortran, tiene 539 lneas, ocupa 11 kb, el programa
ejecutable tiene 411 kb.

4.2 Sintonizacin del Algoritmo Gentico

Con la finalidad de emplear el algoritmo gentico
implementado, es necesario sintonizar los parmetros del
algoritmo gentico, tales como:

1. Nmero de individuos de la poblacin
2. Nmero de generaciones
3. El factor de escala de la funcin de aptitud

4.3 Sistema de Prueba

Con el objeto de verificar el algoritmo gentico
implementado, se utiliz el sistema ejemplo del libro de
Enrquez Harper, pag. 190 [9]. El sistema consta de 4 barras y
4 lneas. En la Fig. 2, se muestra el grafo del sistema.
5



Fig. 2, Grafo del sistema.

Caso 1.- Para n=200 (individuos) y m=2 (generaciones), la
combinacin ptima es:

5 0 2 0 0 1
1-2 1-3 1-4 2-3 2-4 3-4

Tiene un costo de 77.0 unidades monetarias.

La rama 1-2 (B1-B4) debe tener 5 enlaces adicionales, la
rama 1-4 (B1-B2) debe tener 2 enlaces adicionales y la rama
3-4 (B2-B3) debe tener 1 enlace adicional. Las otras ramas no
tienen enlaces adicionales.

Caso 2.- Cuando se aumenta el nmero de generaciones a m
= 10 y manteniendo constante n = 200, la combinacin
ptima, es:

2 1 0 0 0 0
1-2 1-3 1-4 2-3 2-4 3-4

Tiene un costo de 19.0 unidades monetarias.

Por supuesto que sta ultima combinacin es la ms
econmica y significa que la rama 1-2 (B1-B4) debe tener 2
enlaces adicionales y la rama 1-3 (B1-B3) debe tener 1 enlace
adicional. Las otras ramas no tienen enlaces adicionales. En la
Fig. 3, muestra el grafo solucin.


Fig. 3, Grafo Solucin

Esta combinacin, es razonable debido a que los costos de
estos enlaces son los ms bajos.

V Conclusiones

La aplicacin de los algoritmos genticos al problema de la
planificacin esttica de la expansin de los sistemas de
transmisin, es posible, debido a que es un algoritmo
heurstico que no requiere conocer las derivadas de la funcin
objetivo como de las restricciones del problema de
optimizacin.

Las principales conclusiones de la investigacin, son:

1. Es posible aplicar los algoritmos genticos a la
planificacin de sistemas de transporte de energa.
2. La herramienta desarrollada es promisoria.
3. El nmero de individuos, n, es el parmetro ms
sensible del algoritmo gentico.
4. El nmero de generaciones, m, es el parmetro
menos sensible del algoritmo gentico.

Referencias Bibliogrficas

[1] L. Garver, Transmission Network Estimation Using
Linear Programming. IEEE Trans. Power App.
Syst., Vol. PAS-89, pag. 1688-1697, September
October, 1970.
[2] A. Escobar, Planeamiento Dinmico de la Expansin
de Sistemas de Transmisin Usando Algoritmos
Combinatoriales. Tesis de maestra, Universidad
Tecnolgica de Pereira, Pereira, febrero, 2002.
[3] E. Carreo, Distribucin de Costos Considerando
Cargos por Uso en el Proceso de la Expansin de
Sistemas de Transmisin Aplicando Teora de
J uegos. Universidad Tecnolgica de Pereira. Tesis
de maestra, Pereira, noviembre, 2003.
[4] J. Ceciliano y R. Nieva, Planeacin de la expansin de
transmisin con programacin evolutiva. Boletn IIE,
pag. 174-180, julio/agosto de 1999
[5] J. Contreras, A Cooperative Game Theory Approach to
Transmission Planning in Power Systems. Tesis de
Doctorado, University of California, Berkeley, 1997.
[6] R. Serrano, Planificacin de la Expansin de la
Transmisin Desde la Perspectiva Privada Utilizando
Teora de Juegos Cooperativos. Tesis de Magster,
Pontificia Universidad Catlica de Chile, Santiago,
diciembre, 2004.
[7] M. Villalobos, Algoritmos Genticos: Algunos
Resultados de Convergencia. Mosaicos Matemticos,
No. 11. Diciembre, 2003.
[9] E. Harper, Anlisis de Sistemas Elctricos de
Potencia. Editorial Limusa, Mxico, 1989.
[10] A. Blanco, Aplicacin de Algoritmos Genticos en la
Planificacin de Sistemas Elctricos de Potencia.
Informe de investigacin, Febrero, 2007, Ingeniera
Elctrica e Ingeniera Electrnica, FNI, UTO.

Biografa

Armengol Blanco Benito, Ingeniero Elctrico, UTO, 1989,
Magster en Ciencias de la Ingeniera, PUC, Santiago de
Chile, 1992, Magster en Matemtica Aplicada a Ingeniera,
UTO, 2007. Docente de Ingeniera Elctrica en la Facultad
Nacional de Ingeniera (FNI) desde 1985. Investigador
principal del Grupo de investigacin en SEP, (GISEP), FNI.

reas de inters: Proteccin, control y operacin econmica
de SEP, educacin en ingeniera e inteligencia artificial.