Algoritmo de solucin

Este algoritmo est realmente basado en el comportamiento natural de las hormigas,

ya que estas tienen la capacidad de trazar la ruta ms corta entre una fuente de
alimento y su colonia, esto se debe a que son capaces de comunicarse y compartir
informacin entre ellas gracias a rastros de feromonas que dejan cada hormiga en su
camino al desplazarse. Cuando una hormiga descubre una fuente de alimento est
para retornar a su colonia sigue el rastro dejado por la feromona, reforzndolo al
regreso, ms hormigas seguirn este rastro concentrado y seguirn reforzndolo, si
existen ms caminos hacia la fuente de alimento las hormigas son capaces de
seleccionar el camino que van a recorrer. Para obtener la solucin a nuestro problema
basado en este algoritmo debemos seguir los siguientes pasos:

Paso 1: Se define el nmero de hormigas de la colonia y se ubican todas en los nodos

en los nodos iniciales de los alimentadores, adems se define la intensidad inicial para
la feromona de todos los ramales existentes del sistema.

Paso 2: Cada individuo escoge una ruta para seguir, considerando la intensidad de la
feromona y una funcin de mrito preestablecida, est definida en base a las
caractersticas fsicas y topolgicas (forma) de los sistemas de distribucin.

Paso 3: Despus de establecer las configuraciones, la funcin objetivo es evaluada

con las restricciones del problema de reconfiguracin, es decir se calcula un flujo de
carga y se debe analizar por separado el rendimiento de cada individuo de estudio.

Paso 4: En este punto se debe ajustar la intensidad de la feromona, ya que esta se

evapora con el paso del tiempo, perdiendo intensidad, para ciertas topologas el
incremento de la feromona est dada por una regla de transicin.

Paso 5: En este ltimo paso verifica la convergencia del algoritmo, realizando un

nmero mximo de interacciones hasta que todas las hormigas seleccionen la misma
configuracin.

A continuacin, la siguiente figura, muestra el diagrama de flujo para el algoritmo

descrito anteriormente en cada paso.
 Figura. Diagrama de flujo de algoritmo de reconfiguracin. [1]

Regla de transicin

Para el modelo propuesto, la transicin de la hormiga k desde la barra i, hasta la barra

j en la interaccin t, depende de los siguientes factores:

Si la hormiga k, ya ha visitado la barra j, la memoria para cada individuo es

representada por el conjunto Jk, este conjunto contiene todas las barras que la
k-sima hormiga visit. Cuando la hormiga k, visita le barra j, para conservar la
radialidad del sistema esta es aadida al conjunto, es necesario aclarar que un
principio el conjunto Jk, est formado nicamente por nodos iniciales.
La intensidad de la feromona notada como ij (t), presente en cada rama que
conecta dos barras. Como ya se ha mencionado esta intensidad se ajusta en
cada interaccin para reflejar las experiencias adquiridas en la construccin de
una topologa radial.
El parmetro de visibilidad nij, est definido como el inverso de la impedancia
entre las barras i y j.

La siguiente ecuacin muestra la probabilidad que tiene la hormiga k para ir de la barra

i a la barra j en la interaccin t.

{

[ ij (t )] [ nij ] sii J k y j J k

Pkij ( t )= [ ij ( t ) ] [ nij ]
k k
i J ; j J
0 sii J k y j J k

Donde y son parmetros ajustables que permiten controlar el peso relativo de la

feromona () y visibilidad (). La siguiente figura muestra el proceso transitivo para un
sistema de 16 barras y tres alimentadores principales. En un inicio el conjunto Jk como
ya se mencion anteriormente contiene nicamente nodos iniciales de los respectivos
alimentadores, donde Jk=[1 2 3]. En este punto se realiza la transicin para uno de los
nodos adyacentes, los cuales, en este caso, son los nodos [ 4 8 13], aplicando la regla
de transicin se encuentra que la hormiga debe desplazarse al nodo 4. En este caso,
el conjunto Jk es actualizado Jk=[1 2 3 4] considerando el nuevo conjunto de nodos
adyacentes a los cuales se debe aplicar nuevamente la regla transicin ya
mencionada siendo [5 6 8 13]. El proceso se ejecuta de manera repetitiva hasta que
todos los nodos formen una topologa radial.
 Figura. Proceso de transicin. [1]

Actualizacin de la feromona
Para el ajuste de la feromona se implementa como se ha sugerido anteriormente.
Posteriormente ya encontrado el conjunto de m soluciones dado por las hormigas, se
ejecuta la subrutina de flujo de potencia para obtener la funcin objeto. Entonces las m
hormigas aaden una cierta cantidad de feromona dado por ij (t) a los ramos (i, j)
que hacen parte del conjunto Jk, haciendo esto que en futuras interacciones las nuevas
hormigas encuentren nuevas soluciones. La hormiga k, en la interaccin t, aade una
cantidad de feromona ij (t) en la rama (i, j) dado por la siguiente ecuacin:

{
K
si ( i , j ) Sk (t)
ij ( t ) = r ij
k
0 si (i , j ) S (t)

Donde es da el conjunto de circuitos energizados pertenecientes a la topologa radial

encontrada por la k-sima hormiga en la interaccin t, y rij es la resistencia de la rama
entre las barras i y j. Ahora se puede observar que k es el parmetro modificable para
determinar la tasa de feromona que se debe adicionar en cada lnea. En el transcurso
del tiempo la feromona se evapora, por lo tanto, se debe usar un coeficiente de
disminucin de la intensidad de feromona denominada cuyos valores se encuentran
en el rango de [0, 1]. La siguiente ecuacin que describe la regla de ajuste de la
feromona resultante.

(t+1)ij =(t )ij + (t)ij

Para este caso, ij ( t ) est dado por la siguiente expresin:

m
ij ( t ) = ij ( t )
k=1
Donde m representa el nmero de hormigas. Para un 0 , se establece una pequea
cantidad de feromonas para cada rama del sistema.

Caso de estudio (Pruebas y resultados)

Se ha implementado dos sistemas (14 barras y 33 barras) y se ha resuelto cada uno
utilizando el algoritmo planteado mediante el software de simulacin Matlab, cada uno
de los dos casos planteados se encuentra detallado a continuacin.

Sistema de 14 barras
El sistema est conformado por 14 barras, con una carga total de 28,9 MW y tres
interruptores de interconexin normalmente abiertos distribuidos en tres alimentadores
principales. Para diferenciar los interruptores de los nodos, a los primeros se los
denota con la letra s. La siguiente figura muestra el esquema de conexin inicial.

Figura. Sistema de 14 barras.

En este caso los parmetros usados en el algoritmo fueron =1, =1, =0,4, k=1 y
=0,1. El nmero de hormigas utilizadas fue diez y el nmero de interacciones fue
veinte. Para este caso, el tiempo de procesamiento fue pequeo y el algoritmo
convergi en un tiempo de simulacin de 1,54 segundos. Se puedo encontrar que para
esta topologa se tuvieron tres esquemas de reconfiguracin, en el que destaca con
asterisco la mejor solucin reportada, adems se puede observar que es posible
reducir las prdidas en un 8,86% con el simple hecho te intercambiar dos de los
interruptores del sistema.

Sistema de 14 barras
Interruptores Prdidas
Configuracin % Reduccin
abiertos [kW]
Inicial 14, 15, 16 511,44 ---
*Solucin 1 7, 8, 16 466,13 8,86
 Solucin 2 7, 8, 13 492,81 3,64
Solucin 3 4, 7, 8 479,27 6,29

Tabla . Resumen de resultados de reconfiguracin para el sistema de 14 barras.

Sistema de 33 barras
El sistema est conformado por 14 barras, con una carga total de 3.715 kW y cinco
interruptores de interconexin normalmente abiertos. En este caso los parmetros
usados en el algoritmo fueron =1, =2, =0,4, k=1 y =0,1. El nmero de
hormigas utilizadas fue veinte y el nmero de interacciones fue cien. La siguiente
figura muestra el esquema de conexin inicial.

Figura. Sistema de 33 barras.

Los resultados para este caso de estudio se muestran en la siguiente tabla a

continuacin:

Sistema de 14 barras
Interruptores Prdidas
Configuracin % Reduccin
abiertos [kW]
Inicial 33, 34, 35, 36, 37 202,676 ---
*Solucin 1 7, 9, 14, 32, 37 139,548 31,146
Solucin 2 7, 9, 14, 28, 32 139,976 30,936
Solucin 3 7, 10, 14, 32, 37 140,277 30,787
Solucin 4 7, 9, 14, 28, 32 140,704 30,577

Tabla . Resumen de resultados de reconfiguracin para el sistema de 14 barras.

Para este caso el algoritmo tambin ha encontrado una solucin viable (solucin 1). El
tiempo de simulacin fue aproximadamente 12,75 segundos, este tiempo es mucho
mayor que el anterior ya que se presenta un mayor espacio de bsqueda. Tambin se
puede observar que las soluciones encontradas son bastante similares y todas
presentan un importante porcentaje de reduccin de prdidas.

Conclusin:
Se concluye que utilizando este mtodo para sistemas de distribucin de tipo radial
basado en colonia de hormigas se utiliza el vector de memoria de cada individuo para
garantizar la radialidad del sistema, adems en los dos casos de estudio analizados se
han encontrado dos muy buenas soluciones, hay que recalcar que esto no se cumple
el 100% de los casos, pero que en general las soluciones encontradas son ptimas y
de muy buena calidad, permitiendo que la solucin nos permita plantear una
reconfiguracin del sistema confiable.
Referencias bibliogrficas

[1] M.E. Baran and F.F. Wu. Network reconfiguration in distribution systems for loss
reduction and load balancing. IEEE Transactions on Power Delivery, vol. 4, No 2, pp.
1401-1407, 1989.

[2] E.M. Carreo, N. Moreira and R.A. Romero. Distribution network reconfiguration
using an efficient evolutionary algorithm. IEEE Power Engineering Society, General
Meeting, 2007, pp. 1-6.

[3] C.S. Cheng and D. Shirmohammadi. A three-phase power flow method for realtime
distribution system analysis. IEEE Transactions on Power Systems, Vol. 10, No. 2,
1995, pp. 671-679.

[4] S. Civanlar, J. Grainger and S. Lee. Distribution feeder reconfiguration for loss
reduction. IEEE Transactions on Power Delivery, Vol. 3 No. 3, 1988, pp. 1217-1223.

[5] M. Dorigo, V. Maniezzo and A. Corloni A. Ant System: optimization by a colony of

cooperating agents. IEEE Transactions on Power Delivery, Vol. 7, 1992, pp. 1484-
.

[6] M. Dorigo, M. Birattari and T. Stutzle. Ant Colony Optimization. IEEE

Computational Intelligence Magazine, Vol. 1, 2006, pp. 28-39.

[7] K. Kim, Y. Ko and K.H. Hung. Artificial neural network based feeder reconfiguration
for loss reduction in distribution systems. IEEE Transactions on Power Delivery, Vol. 8,
1993, pp. 1356-1366.

[8] A. Merlin and G. Back Search for a mnimum loss operational spanning tree
configuration for an urban power distribution system. Proceedings of the fifth Power
System Conference (PSC). Cambridge, pp. 1-18.

[9] K. Nara, T. Satoh and M. Kitagawa. Distribution system loss minimum re-
configuration by genetic algorithm. Proceedings of the 3rd Symposium on Expert
Systems Application to Power System (ESAPS). Tokyo and Kobe, Japan, 1991, pp.
724-730.
[10] Shirmohammadi D. and Hong H.W. (1989). Reconfiguration of electric distribution
networks for resistive line losses reductions. IEEE Transactions on Power Apparatus
and Systems, vol. 4, No 2, pp. 1492-1498.

[11] T. Taylor and D. Lubkeman. Implementation of heuristic search strategies for

distribution feeder reconfiguration. IEEE Transactions on Power Delivery. Vol. 5, 1990,
pp. 239-246.

[12] M.S. Srinivas. Distribution load flows: a brief review. Proceedings of IEEE Winter
Meeting, Vol. 2, 2000, pp. 942-945.

[13] J.H. Teng. Modelling distributed generators in three-phase distribution load flow.
IET Generation Transmission and Distribution, Vol. 2, No 3, 2008, pp. 330-340.

[14] P.S. Waldemar, L.G. Da Silva, R. Romero and J.R. Mantovani. Reconfigurao de
sistemas de distribuio de energa eltrica radiais utilizando algoritmo baseado em
colnia de formigas. XXXIX Brasilian Symposium of Operational Research. Fortaleza
(Brasil), 2007, pp 1-11.