Está en la página 1de 10

Aplicacin de los Algoritmos Genticos al Predespacho de

Carga


Jhonny Yucra Lpez Armengol Blanco Benito

Resumen

En el presente artculo se realiza la aplicacin de la
tcnica de los algoritmos genticos para determinar
el conjunto ptimo de unidades generadoras
termoelctricas a despachar en cada etapa del
horizonte de planificacin, minimizando los costos
totales de produccin de potencia para cubrir la
demanda y requerimientos de reserva, de modo de
brindar un esquema de operacin confiable que
satisfaga las restricciones tcnicas, fsicas y
operativas del sistema elctrico de potencia. La
metodologa desarrollada se aplic al sistema
elctrico de Bolivia, obtenindose resultados
satisfactorios.

Palabras Clave: Programacin de la generacin,
predespacho de carga, algoritmos genticos.

I INTRODUCCIN

El predespacho (Unit Commitment en ingles) se
encarga de la programacin horaria de la generacin
o seleccin de unidades. Es la etapa del control de la
generacin que vincula la coordinacin hidrotrmica
con el despacho econmico. El objetivo fundamental
del predespacho, es minimizar los costos totales de
produccin de potencia para cubrir la demanda, las
prdidas de transmisin y los requerimientos de
reserva, de modo de brindar un esquema de
operacin confiable que satisfaga las restricciones
tcnicas, fsicas y operativas del sistema de potencia.

Entre los mtodos para resolver el problema del
predespacho, estn el algoritmo Branch & Bound
con la implementacin de una tcnica en
programacin entera [2], la tcnica de la Red
Neuronal de Hopfield en los problemas de
optimizacin combinatorial en sistemas elctricos de
potencia [3], la metodologa de aproximacin
heurstica (Sistemas Expertos) [4], la relajacin
Lagrangiana [5, 6, 7], la tcnica tradicional de la
programacin dinmica (que es un mtodo
enumerativo que utiliza los resultados anteriores en
vez de recalcularlos, adems que padece de la bien
conocida maldicin de la dimensionalidad [8], y
los algoritmos genticos [9, 10].

II PLANTEAMIENTO DEL PROBLEMA

Uno de los aspectos que resulta prioritario en la
operacin de un sistema elctrico de potencia es el
uso eficiente de los recursos energticos. Por
ejemplo, en un sistema hidrotrmico, el suministro
de energa elctrica est supeditado a la
disponibilidad de recursos hdricos y a la capacidad
limitada de almacenamiento de energa, as como a
la dependencia de combustibles fsiles (gas, carbn
y petrleo), por tanto, es importante la programacin
de la generacin para lograr una administracin
eficiente de los recursos energticos disponibles.

La programacin de la generacin minimiza los
costos de operacin (principalmente el costo de
combustible), costos de transicin (costos de marcha
y parada) y costos de reserva (reserva en fro y
reserva rodante), adems de asegurar la
confiabilidad del suministro. La programacin de la
generacin para sistemas elctricos es un problema
estocstico que debe adaptarse a las caractersticas
particulares de cada sistema.

Actualmente, el predespacho de carga es realizada
usando listas de prioridad y criterios heursticos,
basndose en informacin histrica y a su propia
experiencia. Dado el enorme tamao del espacio de
bsqueda, las soluciones que se entregan
probablemente no estn cerca de la solucin ptima,
lo que redundara en mayores costos de operacin
para el sistema.

Los algoritmos genticos son tcnicas de resolucin
que pueden modelar cualquier tipo de restriccin y
cualquier no linealidad o no convexidad, por lo que
permitirn obtener la solucin ms cercana al ptimo
de este problema.

III FORMULACIN DEL MODELO
MATEMTICO

La programacin horaria es un problema de
programacin matemtica combinatoria, no lineal,
convexo, entero-mixto y de gran dimensin. La
funcin objetivo a minimizar est formada por los
costos totales: los costos de produccin (costos
variables y costos fijos), los costos de arranque y los
costos de parada. Este problema de optimizacin se
El i mi nado: a
caracteriza a su vez por dos conjuntos de
restricciones:

(i) Las restricciones de carga, que acoplan a las
unidades trmicas en cada perodo del horizonte
temporal; y
(ii) Las restricciones tcnicas propias de cada
unidad termoelctrica.

G
1
G
2
G
m
D
1
D
2
D
n

Fig. 1 Diagrama esquemtico de sistema trmico

3.1 Restricciones

Las restricciones que se consideran son:
restricciones de carga, que son las que acoplan a las
unidades trmicas (restriccin de demanda y
restriccin de reserva rodante) en un mismo periodo.
Las restricciones tcnicas caractersticas de cada
unidad (potencia mxima nominal, mnimo tcnico,
tiempo mnimo de funcionamiento, tiempo mnimo
de parada, rampa de subida, rampa de bajada, rampa
de arranque y rampa de parada).

a) Restriccin de Demanda

La restriccin de demanda se modela de la siguiente
forma:

=
UGT
N
i
t i
Pt
1
,
=
t
Dem T te
donde:
t i
Pt
,
: Potencia de salida de la unidad i en la hora t.
t
Dem: Demanda en la hora t.

b) Restriccin de Reserva Rodante

La reserva rodante es la potencia que el sistema debe
ser capaz de proporcionar de forma rpida en caso
de fallo en alguna unidad. En realidad, es un margen
de seguridad sobre la potencia demandada para
asegurar que siempre se suministre la demanda,
incluso en el peor de los casos. Para que esto ocurra
se impone la restriccin de que la suma de las
potencias mximas disponibles de todas las unidades
acopladas sea mayor o igual a la demanda ms la
reserva rodante:
(

=
UGT
N
i
Pt
1
max t i,
)
t i
E
,
>
t t
RRG Dem+ ; T te
donde:
max
Pt
t i,
: Potencia de salida mxima disponible de
la unidad i.
t
RRG : Reserva rodante en la hora t.
t i
E
,
: Variable binaria que es igual a 1 si la
unidad i est acoplada en la hora t.

Se establece un margen de potencia para cada
intervalo del horizonte temporal analizado. Este
margen de potencia o reserva rodante
t
RRG , se
define como una fraccin de la demanda o como el
valor de la potencia mxima nominal de la mayor
unidad acoplada.

Como potencia mxima disponible no debe
considerarse la potencia mxima nominal que
caracteriza a cada unidad, sino la potencia mxima
que puede entregar cada unidad en cada hora, la cual
depender de las rampas de subida, arranque y/o
parada.

c) Potencia Mxima Nominal

Todas las unidades trmicas tienen una limitacin
mxima en la potencia que pueden producir, llamada
potencia mxima nominal. Esta limitacin se debe a
caractersticas de diseo de la unidad.
Matemticamente, sta restriccin se puede modelar
de la siguiente forma:
t i
Pt
,
s
max
P
t i i
E
,
i e
UGT
N , T te
donde:
max
P
i
: Potencia mxima nominal de la unidad i.

c) Mnimo Tcnico

Las unidades termoelctricas tambin tienen una
limitacin mnima sobre su potencia de salida. Esta
potencia mnima, llamada mnimo tcnico se debe a
criterios de diseo de la turbina y del propio
generador y a aspectos de estabilidad de la
combustin. Teniendo en cuenta que si la unidad
esta desacoplada su potencia de salida es 0, la
restriccin de mnimo tcnico se puede expresar
matemticamente como sigue:

t i
Pt
,
>
min
P
t i i
E
,
; i e
UGT
N , T te
donde:

min
P
i
: Mnimo tcnico de la unidad i.

d) Tiempos Mnimos de Funcionamiento y
Parada

El tiempo mnimo de funcionamiento es el nmero
mnimo de horas que una unidad debe permanecer
acoplada una vez que se pone en funcionamiento. De
forma anloga, el tiempo mnimo de parada
representa el nmero mnimo de horas que una
unidad debe mantenerse desacoplada una vez que
deje de funcionar. La formulacin matemtica de
estas restricciones es la siguiente:

(

enc
t i
T
1 , min
T
enc
) ( ) 0
, 1 ,
>
t i t i i
E E
i e
UGT
N , T te
(

enc
t i
T
1 , min
T
ap
) ( ) 0
, 1 ,
>
t i t i i
E E
i e
UGT
N , T te
donde:
enc
t i
T
1 ,
: Variable que indica el nmero de horas que
lleva acoplada/desacoplada la unidad i al final
de la hora t (positivo/negativo).
min
T
enc i
y
min
T
ap i
Tiempos mnimos de encendido
y apagado respectivamente de la unidad i.

La primera expresin representa la restriccin de
tiempo mnimo de encendido. Finalmente, la
restriccin de tiempo mnimo de apagado se formula
mediante la segunda expresin.

e) Rampas

La produccin de una unidad en una hora
determinada viene dada por el estado de
acoplamiento de las horas anterior y posterior. Este
lmite se representa mediante cuatro tipos de rampas:
rampa de subida, rampa de bajada, rampa de
arranque y rampa de parada. A continuacin se
describen estos tipos de rampas.

f) Rampa de Subida

Una unidad no puede aumentar bruscamente su
produccin de una hora a la siguiente. La rampa
mxima de subida es la mxima potencia que una
unidad puede aumentar su produccin en dos horas
sucesivas.

( )
i t i t i t i
RU Pt Y Pt s
1 , , ,
1
i e
UGT
N , T te
donde:
t i
Y
,
: Variable binaria igual a 1 si la unidad
generadora i arranca al principio de la hora t.
i
RU : Rampa de subida de la unidad i.

g) Rampa de Bajada

Al igual que con la rampa de subida, una unidad
generadora no puede disminuir bruscamente la
potencia producida en el intervalo de una hora. La
rampa de bajada es la mxima potencia que una
unidad puede disminuir su produccin al pasar a la
siguiente hora.

( )
i t i t i t i
RD Pt Z Pt s
, , 1 ,
1 i e
UGT
N ,
T te

donde:
t i
Z
,
: Variable binaria igual a 1 si la unidad i se
desacopla al principio de la hora t.
i
RD : Rampa de bajada de la unidad i.

e) Rampa de Arranque

Es la potencia mxima que puede generar una
unidad cuando pasa de estar desacoplada a estar
acoplada.

max , ,
P Y SU Pt
t i i t i
+ s ( )
t i i
Y
,
1
i e
UGT
N , T te

donde:

i
SU : Rampa de arranque de la unidad i.

f) Rampa de Parada

Es la potencia mxima que puede generar una
unidad termoelctrica para poder ser desacoplada en
la hora siguiente

max , 1 ,
P Z SD Pt
t i i t i
+ s

( )
t i i
Z
,
1
i e
UGT
N , T te
donde:

i
SD : Rampa de parada de la unidad i.

g) Limitaciones de Planta.

En centrales termoelctricas con ms de una unidad,
suelen existir restricciones en cuanto a que stas no
pueden ponerse en funcionamiento en forma
simultnea.

h) Limitaciones de Combustible

Algunas centrales termoelctricas tienen ciertas
limitaciones en cuanto a la disponibilidad de
combustible. Dentro de estas limitaciones se pueden
mencionar las centrales a gas natural con contratos
de suministro, o bien los contratos de tipo take-or-
pay (Tipo de contrato de compraventa o de
suministro de gas natural en el cual el comprador o
quien percibe el suministro se compromete a pagar
un porcentaje, o un volumen, del gas contratado,
independientemente de que ste sea consumido o
no).

3.2 Funcin Objetivo

El objetivo de la programacin horaria de unidades
termoelctricas es suministrar la demanda
minimizando los costos totales a lo largo del periodo
de planificacin. Los costos totales se dividen en:
Costo de produccin: que incluyen costos de
combustible, costos de operacin y mantenimiento.
Estos costos se dividen a su vez en costos fijos y
costos variables.

3.3 Costos de Produccin

Cada unidad generadora se caracteriza por unos
costos de produccin, que indican cunto cuesta
producir un MWh. Los costos de produccin estn
formadas principalmente por el costo de combustible
aunque tambin incluyen el costo de operacin y
mantenimiento, es decir, el costo de la mano de obra
que mantiene en funcionamiento la unidad como de
consumibles diversos distintos del combustible.

El costo total de produccin de una unidad i en la
hora t, se puede expresar como funcin de la
potencia generada por dicha unidad en esa hora
) (
, , t i t i
Pt Cp . La representacin grafica de costo de
produccin en funcin de la potencia generada se
denomina caracterstica de entrada-salida y se
obtiene a partir de datos empricos o clculos de
diseo. En realidad la caracterstica de entrada-salida
representa el consumo especfico (BTU/KWh),
donde el BTU es una unidad de calor que equivale
a 252 caloras, frente a la potencia generada. El
costo de la energa (expresado en USD/KWh) se
obtiene habitualmente multiplicando el consumo
especfico por el precio del combustible
(USD/BTU).

Hay muchas formas de representar la caracterstica
de entrada-salida de una unidad. Los datos obtenidos
de los ensayos pueden ajustarse mediante una curva
polinomial, una curva cuadrtica o incluso por una
curva lineal por tramos. Todas estas opciones son
aproximaciones igualmente vlidas para representar
la caracterstica de entrada-salida real. La Fig. 2
muestra una curva ideal de costo de produccin. Esta
curva es ideal porque es convexa, continua y
diferenciable.


Fig. 2 Aproximacin cuadrtica de los costos de
produccin.

La siguiente expresin formula matemticamente la
caracterstica de entrada-salida mediante una
aproximacin cuadrtica con la cual se ha de
trabajar.

2
, , , ,
3 2 1
t i i t i i t i i t i
Pt A Pt A E A Cp + + =

Como se ha mencionado anteriormente, los costos
de produccin se dividen en costos fijos y costos
variables y para esta aproximacin cuadrtica el
costo fijo llega a ser el coeficiente
i
A1,
i
A2 y
i
A3
representan respectivamente los coeficientes lineal y
cuadrtico del costo variable.

3.3.1 Costo de Arranque

El costo de arranque es el costo de poner en
funcionamiento una unidad termoelctrica, tras
haber estado desacoplada durante un determinado
periodo de tiempo. Debido a que la temperatura y
presin de la unidad trmica deben variar
lentamente, se necesita una determinada cantidad de
energa para acoplar la unidad a la red. Esta energa
no se convierte en ningn MWh de salida, sino en
alcanzar la presin y temperatura de funcionamiento,
y se modela en el problema de la programacin
horaria como el costo de arranque.

El costo de arranque puede variar desde un valor
mximo (costo de arranque en fro) hasta un valor
menor si la unidad se desacoplo recientemente y aun
relativamente esta cerca de su temperatura de
operacin. El clculo del costo de arranque depende
del estado de la temperatura y presin de la turbina o
caldera. Se distinguen dos tipos de costo de arranque
dependiendo de cmo se trate la unidad durante su
periodo de desacoplamiento:

Costos de arranque cuando no se mantiene la
temperatura y presin de la turbina o caldera. En
este caso, se deja que la caldera o turbina se enfre
para calentarla despus hasta alcanzar la temperatura
de operacin en el momento del acoplamiento
planificado. Estos costos de arranque aumentan
exponencialmente con el tiempo que la unidad lleve
desacoplada, expresado mediante la variable
t i
S
,
, y
responden a la siguiente expresin:
ef t i
C Cu =
, i
S
i
Cf e
i
t i
+
|
|
.
|

\
|

|
|
.
|

\
|

1 ,
1
i e
UGT
N , T te
donde:

t i
Cu
,
: es el costo de arranque de la unidad i en la
hora t.
ef
C
i
: Costo de arranque en fro de la unidad i.
i
Cf : Trmino fijo de la funcin de costo de
arranque de la unidad i.
i
: es la constante de tiempo trmica de la funcin
de costo de arranque de la unidad i.

Costos de arranque cuando se mantiene la
temperatura y presin de la turbina. Son los costos
de arranque en los que se incurre cuando la unidad
se ha desacoplado pero se sigue manteniendo la
temperatura de trabajo. Estos costos dependen
linealmente del tiempo que la unidad lleva
desacoplada y responden a esta expresin:

i t i i t i
Cf S Cl Cu + =
1 , ,
i e
UGT
N , T te
donde:
i
Cl : Coeficiente lineal de la funcin lineal de costo
de arranque de la unidad i.

En el caso de no mantener la temperatura y presin
de la turbina o caldera, se puede llevar a cabo una
simplificacin para hacer ms sencillo todo el
proceso de clculo de los costos de arranque. Esta
simplificacin consiste en considerar dos estados y
sus correspondientes niveles de costo, aplicndose
uno u otro costo segn se haya sobrepasado un
tiempo critico de enfriamiento
i
caracterstico de
cada unidad.

La expresin general es pues:

=
ec
ef
t i
C
C
Cu
,
,
,
i
i

si
si

PF
enc
t i
PF
enc
t i
T T
T T
<
>
,
,
i
i

donde:
ef
C : Costo de arranque en fro.
ec
C : Costo de arranque si la unidad permanece
caliente y
PF
T
i
: Tiempo que lleva apagada la unidad trmica
i antes de ejecutar un arranque en fro.

3.3.2 Costo de Parada

Estos costos son tpicamente constantes para cada
unidad (
t i
Cd
,
) y representan el desaprovechamiento
de combustible, y la necesidad de mano de obra que
conlleva desacoplar una unidad y en general se
puede considerar independiente del tiempo en que la
unidad ha estado operando. Son generalmente
mucho ms pequeos que los costos de arranque.

Finalmente la Funcin Objetivo corresponder a la
minimizacin de los costos totales de operacin:
{ }
|
|
.
|

\
|
+ + =

= =
t i
T
t
t i t i t i
N
i
t i j
Z Cd Y Cu Cp Ct
UGT
,
1
, , ,
1
,
min

3.4 Formulacin Matemtica

El problema de la programacin horaria de unidades
termoelctricas se ha modelado tradicionalmente
como un problema de programacin matemtica
combinatorio, no lineal, entero-mixto, no convexo y
para sistemas elctricos de tamao realista de gran
dimensin. Las no linealidades aparecen tanto en la
funcin objetivo como en las restricciones.

La funcin objetivo, formada por los costos totales
de operacin, tiene dos fuentes de no linealidad: (i)
los costos variables de produccin, que se modelan
como una funcin no lineal de la potencia de salida;
y (ii) los costos de arranque, que se expresan como
una funcin no lineal (exponencial) del tiempo que
cada unidad lleva desacoplada.

{ }
|
|
.
|

\
|
+ + =

= =
t i
T
t
t i t i t i
N
i
t i j
Z Cd Y Cu Cp Ct
UGT
,
1
, , ,
1
,
min
Sujeto a:
min
Pt
t i ,
s
t i
Pt
,
s
max
Pt
t i ,
i e
UGT
N ,
T te
max
Pt
t i,
{
max
P Min =
i
) (
i t i t i t i
SD Z Z E +
+ + 1 , 1 , ,
,
i e
UGT
N , 1 = t 1 T
}
i t i i t i t i
SU Y RU E Pt + +
, 1 , 1 ,

max
Pt
T i,
{
max
P Min =
i T i
E
,
,
}
i T i i T i T i
SU Y RU E Pt + +
, 1 , 1 ,
i e
UGT
N
min
Pt
t i,
{
min
P Max =
i t i
E
,
, ) ( }
t i i t i
E RD Pt
, 1 ,


i e
UGT
N , T t ... 2 =

=
UGT
N
i
t i
Pt
1
,
=
t
Dem T te
(

=
UGT
N
i
Pt
1
max t i,
)
t i
E
,
>
t t
RRG Dem+ T te
(

enc
t i
T
1 , min
T
enc
) ( ) 0
, 1 ,
>
t i t i i
E E i e
UGT
N ,
T te
(

enc
t i
T
1 , min
T
ap
) ( ) 0
, 1 ,
>
t i t i i
E E
i e
UGT
N , T te
( ) { } ( ) { } ( )
t i t i
enc
t i j i t i
enc
t i
enc
t i
E Z T E Y T T
, , 1 , , , 1 , ,
1 1 1 1 1 + + =

i e
UGT
N , T te
1 , , , ,
=
t i t i t i t i
E E Z Y i e
UGT
N , T te
1
, ,
s +
t i t i
Z Y i e
UGT
N , T te
t i
Y
,
,
t i
E
,
y
t i
Z
,
e( ) 1 , 0 i e
UGT
N , T te

IV ALGORITMOS GENTI COS

Los algoritmos genticos son un logro ms de la
inteligencia artificial en su intento de replicar
comportamientos biolgicos, con los avances
cientficos que ello implica, mediante la
computacin.

La eleccin de un algoritmo gentico para resolver
el problema de la programacin horaria de unidades
termoelctricas, se debe a dos motivos principales:

La programacin horaria de unidades trmicas es un
problema de programacin matemtica no lineal,
convexo, entero-mixto, combinatorio y de gran
dimensin. Por lo tanto, no hay actualmente una
tcnica capaz de resolver de forma exacta este
problema para sistemas de energa elctrica de
tamao realista. La tcnica del algoritmo gentico
permite modelar cualquier tipo de no linealidad y no
convexidad y por lo tanto, es capaz de obtener
soluciones factibles del problema a resolver.

La adaptacin de cualquier tcnica de computacin
evolutiva a un problema general de optimizacin no
es, en general trivial, perdindose en esa adaptacin
gran parte del potencial ganado en la flexibilidad de
modelado que caracteriza a estas tcnicas. Sin
embargo, la aplicacin de un algoritmo gentico al
problema de la programacin horaria es directa
debido a la naturaleza combinatoria y discreta de
este problema.

El algoritmo gentico de Holland era un mtodo
para desplazarse, de una poblacin de cromosomas a
una nueva poblacin, utilizando un sistema similar a
la seleccin natural junto con los operadores de
cruce, mutacin e inversin inspirados en la
gentica. En este primitivo algoritmo, cada
cromosoma consta de genes (bits), y cada uno de
ellos es una muestra de un alelo particular (0 o 1).
La mayor innovacin de Holland fue la de introducir
un algoritmo basado en poblaciones con cruces,
mutaciones e inversiones. Es ms, Holland fue el
primero en intentar colocar la computacin evolutiva
sobre una base terica firme (Holland, 1975). Hasta
hace poco, esta base terica, fundamentada en la
nocin de esquemas, fue la estructura sobre la que
se edificaron la mayora de los trabajos tericos
sobre algoritmos genticos en las dcadas siguientes.

En estos ltimos aos se ha generado una amplia
interaccin entre los investigadores de varios
mtodos de computacin evolutiva, rompindose las
fronteras entre algoritmos genticos, estrategias
evolutivas y programacin evolutiva. Como
consecuencia, en la actualidad, el trmino
algoritmo gentico se utiliza para designar un
concepto mucho ms amplio del que concibi
Holland.

4.1 Estrategias Evolutivas

Los algoritmos genticos, o ms generalmente las
estrategias evolutivas, se han convertido en una
herramienta muy utilizada para optimizacin,
problemas de diseo, problemas de redes neuronales
y otros campos de la Matemtica y la Ingeniera. En
general, estos algoritmos simulan la evolucin
natural para encontrar soluciones a problemas
complejos. Charles Darwin, defini la seleccin
natural o supervivencia del ms adaptado como el
proceso de preservacin de las diferencias y
variaciones favorables en cada individuo, as como
la destruccin de aquellas variaciones perjudiciales.
En la naturaleza, los individuos han de adaptarse a
su entorno para sobrevivir mediante el proceso que
denominamos evolucin, en el cual aquellos
aspectos o cambios que favorecen su competitividad
son preservados, y aquellos aspectos que debilitan su
adaptacin son eliminados. Estas caractersticas,
favorables o desfavorables, se almacenan y
controlan desde unas unidades llamadas genes, que a
su vez se agrupan formando unos conjuntos
llamados cromosomas.

Como se ha mencionado anteriormente, un
algoritmo gentico es una tcnica estocstica de
optimizacin cuyo mtodo de bsqueda simula
algunos fenmenos naturales tales como la herencia
gentica y la lucha por la supervivencia.

Los algoritmos genticos utilizan un vocabulario
prestado de la biologa y la gentica, logrando de
esta forma definir los individuos (genotipos,
estructuras) como representaciones codificadas de
las soluciones del problema que se ha de resolver.
Tambin son llamados cadenas o cromosomas. En
cada iteracin o generacin se mantiene un conjunto
de estos individuos llamado poblacin. Los
cromosomas o individuos estn formados por
unidades elementales, llamadas genes, ordenadas de
cierta forma (sucesin lineal, en forma matricial,
etc.). Los genes se localizan en posiciones
determinadas del cromosoma. Cada una de estas
posiciones se llama locus (en plural, loci). Cada uno
de los valores o estados que puede presentar un gen
se llama alelo. Cada genotipo o cromosoma
representa una solucin potencial del problema en
cuestin. El fenotipo es su significado, el cual es
determinado externamente por el usuario.

Sistema
Natural
Algoritmo Gentico
Cromosoma String o cadena
Gen Caracterstica, carcter o detector
Alelo Valor caracterstico del gen
Locus Ubicacin dentro del string
Genotipo Estructura
Fenotipo Conjunto de parmetros, estructura
decodificada
Epstasis No linealidad

Tabla I. Comparacin entre los sistemas naturales y
la terminologa de los algoritmos genticos [10].

En el caso de programacin horaria de unidades
termoelctricas, un gen es el elemento que
caracteriza el estado de acoplamiento de un grupo
trmico en una hora determinada. Su locus es el
lugar que ocupa en la matriz de acoplamiento y el
alelo sera el valor de dicho estado (0 si est
desacoplado y 1 si est acoplado). El cromosoma o
genotipo es el conjunto de genes que representa una
solucin del problema. El fenotipo de ese conjunto
de genes es la matriz de acoplamiento, es decir, la
secuencia de arranques y paradas de los distintos
grupos trmicos que forman el sistema a lo largo del
horizonte temporal.

Un algoritmo gentico representa una bsqueda a
travs de un espacio de soluciones potenciales. Una
bsqueda de este tipo requiere establecer un balance
entre dos objetivos opuestos: explotar la informacin
proporcionada por las mejores soluciones
encontradas y explorar el espacio de bsqueda. La
tcnica de bsqueda miope es un ejemplo de
estrategia que explota las mejores soluciones
encontradas. La bsqueda aleatoria es, por el
contrario, un ejemplo de tcnica orientada a explorar
el espacio de soluciones sin hacer uso de la
informacin de las mejores soluciones halladas. Los
algoritmos genticos son un tipo de algoritmos de
bsqueda de propsito general que llevan a cabo un
compromiso entre estos dos objetivos.

Los algoritmos genticos estn orientados a la
resolucin de problemas que no son resolubles
mediante tcnicas de optimizacin convencionales.
Los algoritmos genticos pertenecen a la clase de
algoritmos probabilistas pero, a diferencia de los
algoritmos aleatorios, combinan elementos de
bsqueda conducida y estocstica. Debido a esto, los
algoritmos genticos son ms eficaces que las
tcnicas de bsqueda conducida.

Otra propiedad importante es que mantienen un
conjunto de soluciones potenciales en lugar de
obtener un nico punto del espacio de bsqueda. A
diferencia de lo que ocurre con las tcnicas de
bsqueda miope, los algoritmos genticos llevan a
cabo una bsqueda multi-direccional manteniendo
una poblacin de soluciones potenciales del
problema. La poblacin experimenta una evolucin
simulada: en cada generacin los individuos
buenos tienden a reproducirse, mientras que los
individuos malos desaparecen. Para distinguir
entre las distintas soluciones se usa una funcin de
medida de la calidad basada en la funcin objetivo
del problema a resolver.

Los algoritmos genticos se diferencian de las
tcnicas de optimizacin convencionales en cuatro
aspectos:

1. Los algoritmos genticos emplean informacin
de la funcin objetivo (evaluacin de una
funcin determinada usando la estructura
codificada de cada solucin) para guiar la
bsqueda, en lugar de sus derivadas primeras y/o
segundas, o cualquier otra informacin auxiliar.
2. Para realizar la bsqueda, los algoritmos
genticos usan una codificacin de las variables
que sirven para calcular la funcin objetivo, en
lugar de hacer uso de las propias variables.
3. Los algoritmos genticos analizan
simultneamente muchos puntos en el espacio
de bsqueda, no un nico punto.
4. Los algoritmos genticos utilizan reglas
probabilistas para pasar de un conjunto de
soluciones (poblacin) al siguiente.

La estructura de un algoritmo gentico simple es
idntica a la de cualquier tcnica evolutiva. Durante
cada iteracin o generacin, el algoritmo gentico
mantiene una poblacin de soluciones. Cada
solucin se evala para obtener una medida de su
calidad. A continuacin, se crea una nueva
poblacin mediante la seleccin aleatoria de los
mejores individuos. Algunos miembros de la nueva
poblacin experimentan alteraciones aleatorias en su
estructura por medio de operadores como el cruce o
la mutacin. El objetivo de estas alteraciones es la
obtencin de nuevos individuos, de forma que la
exploracin del espacio de bsqueda sea lo ms
exhaustiva posible. Los operadores seleccin, cruce
y mutacin sern descritos posteriormente. En la
Fig. 3, se muestra el flujograma del algoritmo
gentico propuesto.



Fig. 3 Flujograma del algoritmo gentico propuesto.

4.2 CARACTERI STICAS DEL ALGORITMO
GENETI CO DESARROLLADO.

La principal caracterstica de este trabajo est en el
empleo de un algoritmo gentico de reparacin, que
permite que la bsqueda sea ms eficiente, ya que el
espacio a explorar se reduce al conjunto de
soluciones factibles, evitando as los problemas de
convergencia de los algoritmos genticos basados en
penalizaciones, adems de la implementacin de un
operador de cruce bastante novedoso (Cruzamiento
tipo ventana) desarrollado por Valenzuela [8]
Adems este algoritmo propuesto preserva la
factibilidad de todos los individuos en todas las
generaciones. A diferencia de otros algoritmos de
reparacin, este algoritmo restaura la factibilidad no
slo en carga sino tambin en tiempos mnimos de
funcionamiento y parada, llegando as a tener la gran
ventaja de que este algoritmo no trabaja sobre un
espacio de bsqueda amplio, lleno de soluciones
infactibles, sino mas bien en espacios de bsqueda
ms reducidos compuestos de soluciones factibles,
aumentando as la eficiencia del algoritmo.V
DESARROLLO COMPUTACI ON AL

La herramienta computacional esta desarrollado en
el lenguaje de programacin C++Builder, que es un
lenguaje con cualidades de aplicabilidad en
problemas matemticos y es capaz de soportar la
carga computacional tpica de los estudios en el
campo de la ingeniera. Adems que este presenta
caractersticas bastante ilustrativas para la
presentacin, cosa que en aos anteriores los
programas slo centraban su enfoque sobre la
necesidad de resolver el problema y no as el diseo
a la facilidad de su uso.

Las simulaciones presentadas en el presente trabajo
se llevaron a cabo en una computadora con
procesador Pentium IV de 2.4 GHz, con 512 Mb de
memoria RAM y con sistema operativo Windows
XP Service Pack 2. El nombre asignado a esta
herramienta computacional es PRHOUNT
(programacin horaria de unidades termoelctricas).

Para validar la metodologa implementada se utiliz
tres sistemas de pruebas [1], los que dieron
resultados satisfactorios.

5.1 Aplicacin al Sistema I nterconectado
Nacional (SIN)

Se consider el SIN con 31 unidades trmicas con
funciones de costos cuadrticas. [1]

Tras varias corridas con un nmero de generaciones
e individuos diferentes, el costo total de explotacin
de la mejor solucin conseguida por el algoritmo
gentico propuesto es de 124.492,87 USD, que en
comparacin del costo de 125.706,515 USD (valor
conseguido con el programa NCP empleado por el
CNDC), el resultado del algoritmo gentico es
mejor en un 0.97%.
La mejor solucin conseguida, se logro con un
nmero de 50 generaciones y 50 individuos, pero
adems de las corridas realizadas con estos
parmetros, tambin se hicieron varias pruebas con
distintos parmetros. Los resultados conseguidos
con parmetros de generacin e individuos mayores,
en ningn caso mejoraban los resultados
conseguidos con los parmetros iniciales,
debindose su principal motivo a la dimensin del
Con formato: Color de fuente:
Negro, Espaol (Espaa - alfab.
tradicional)
Con formato: Fuente: Negrita,
Espaol (Espaa - alfab.
tradicional)
Con formato: Fuente: 11 pt,
Espaol (Espaa - alfab.
internacional)
Con formato: Fuente: 11 pt
Con formato: Fuente: 11 pt,
Espaol (Espaa - alfab.
internacional)
Con formato: Fuente: 11 pt
Con formato: Fuente: 11 pt,
Espaol (Espaa - alfab.
internacional)
Con formato: Fuente: 11 pt,
Color de fuente: Negro,
Espaol (Espaa - alfab.
tradicional)
El i mi nado:

El i mi nado:
espacio de soluciones, que por motivos de seguridad
en el sistema interconectado nacional (seguridad de
reas y regulacin de tensin) ya se tienen definidas
la mayor parte de las unidades a ser acopladas,
quedando slo definir las unidades que se acoplaran
en las horas de mayor demanda.



Figura 4 Convergencia del algoritmo gentico en el
SIN.

VI CONCLUSI ONES

Las principales conclusiones, son:

1. En la simulacin hecha del SIN, se demostr
que el algoritmo gentico propuesto es capaz de
entregar buenos programas de generacin en
tiempos razonables. En consecuencia, los
resultados obtenidos avalan la validez del
modelo propuesto y el uso de los algoritmos
genticos como tcnica de solucin para el
problema del predespacho de carga.

2. Gracias a los operadores genticos inteligentes y
procesos de restauracin implementados (fruto
de las referencias [1], [10]), el algoritmo
gentico propuesto en trminos de funcin de
calidad (mejores resultados) y rapidez en la
convergencia, llega a ser ms eficiente a los
propuestos por Esteban Gil [10].

3. Para poder realizar un buen predespacho de
carga, no slo se debe preocupar en decidir que
operadores y con qu parmetros se ha de
implementar el programa o que mtodo ser el
adecuado para dicha tarea, sino tambin se trata
de elegir un buen mtodo de despacho de carga,
ya que slo gracias a este (que hace la
asignacin de potencias y consecuentemente
calcula los costos de produccin) se puede
determinar la calidad de las soluciones en
trminos de funcin objetivo.

4. Se verific de que el programa no slo trabaja
con funciones de costo cuadrtico, sino que en
este tambin se pueden utilizar funciones de
costo lineal, con la recomendacin de reducir el
coeficiente del trmino cuadrtico a un valor tal
que no afecte de gran manera el resultado final
(en ningn caso igual a cero) y que le permita
al programa realizar los clculos.

5. La caracterstica aleatoria de generacin de las
poblaciones del algoritmo gentico y al operador
cruce implementado, pueden hacer de que en
ocasiones nos conduzcan a ptimos locales, ya
que los individuos generados puedan no ser de
gran diversidad.

6. Se presenta un modelo matemtico completo y a
partir de este, el programa se puede adecuar ante
cualquier modificacin de las normas operativas
que pueda tener el CNDC.

Referencias Bibliogrficas

[1] J. Yucra Lpez, Predespacho de Carga
Mediante Algoritmos Genticos. Proyecto de
Grado, UTO, febrero 2008.
[2] Daniel Cmac y Hugh Rudnick, Un
Algoritmo Branch & Bound para el
Predespacho ptimo de Carga. I ngeniera,
Pontificia Universidad Catlica de Chile.
[3] H. Sasaki, et al., A Solution Method of Unit
Commitment by Artificial Neural Networks.
IEEE Transactions on Power System, Vol.
7, N. 3, August 1992.
[4] S. Li et al., Promoting the Application of
Expert Systems in Short-Term Unit
Commitment. I EEE Transactions on Power
System, Vol. 3, N. 1, March 1993.
[5] Xiaohong Guan, et al., Nonlinear
Approximation Method in Lagrangian
Relaxation-Based Algorithms For
Hydrothermal Scheduling. I EEE
Transactions on Power System, Vol. 10, N.
2, May 1995.
[6] J. A. Muckstadt y S. A. Koenig, An
Application of Lagrangian Relaxation to
Scheduling in Power-Generation Systems.
Operations Research, Vol. 25, N3, Mayo-
Junio 1977.
[7] C.-P. Cheng, et al., Unit Commitment by
Lagrangian Relaxation and Genetic
Algorithms. I EEE Transactions on Power
Systems, Vol. 15, N 2, Mayo 2000.
[8] Z. Ouyang and S. M. Shahidehpour, A
Hybrid Artificial Neural Network-Dynamic
Programming Approach To Unit
Con formato: Fuente: 11 pt,
Sin Cursiva, Espaol (Espaa -
alfab. internacional)
Con formato: Color de fuente:
Automtico, Espaol (Espaa -
alfab. internacional)
commitment, IEEE Transactions on Power
Systems, Vol. 7, N 1, February 1992.
[9] Tim T. Maifeld and Gerald B. Sheble,
Genetic-Based Unit Commitment Algorithm.
I EEE Transactions on Power Systems, Vol.
11, N 3, August 1996.
[10] Esteban M. Gil Sags, Programacin de la
Generacin de Corto Plazo en Sistemas
Hidrotrmicos Usando Algoritmos
Genticos. Tesis de Magister, UTFSM,
Valparaiso, 2001.

BI OGRAF AS

J honny Yucra Lpez, Ingeniero Elctrico, UTO,
2008. Ingeniero de proyectos de la empresa
INESCO SA.

rea de inters: Aplicacin de la programacin
evolutiva a problemas de sistemas de potencia,
generacin de energa, control y automatizacin de
subestaciones.

Armengol Blanco Benito, Ingeniero Elctrico,
UTO, 1989. Magster en Ciencias de la Ingeniera,
PUC, Santiago de Chile, 1992. Magster en
Matemtica Aplicada a la Ingeniera, 2007. Docente
de Ingeniera Elctrica e Ingeniera 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.