Capítulo 6

Planificación de la expansión de la generación de múltiples barras.

6.1 Introducción
Como se detalla en el cap. 5, GEP es, de hecho, el proceso de determinar los requisitos
de generación de un sistema para que las cargas puedan satisfacerse de una manera
eficiente (generalmente la más económica) mientras se cumplen varias restricciones
técnicas o no técnicas. El enfoque presentado en el cap. 5 se basó en la representación
de una sola barra del sistema. En otras palabras, básicamente ignoramos el sistema de
transmisión y descubrimos los requisitos de generación total basados en un modelo de
optimización.
En una vida práctica, sin embargo, nos enfrentamos a la determinación de los requisitos
de generación nodal. En otras palabras, deberíamos, de alguna manera, asignar los
requisitos totales de generación entre las barras del sistema. La solución puede ser
simple si la resistencia del sistema de transmisión era infinita, los costos de combustible
eran los mismos para todos los autobuses, el costo del terreno también era similar y no
había otras limitaciones prácticas. En ese caso, podemos asignar arbitrariamente los
requisitos de generación total entre los autobuses de acuerdo con nuestros deseos.
Los supuestos citados anteriormente no son válidos en la práctica. Deberíamos, de
alguna manera, encontrar una solución que, aunque sea fácil de resolver, tenga una
sólida base de ingeniería. Si vamos a considerar todos los detalles, el problema termina
con un modelo que puede ser imposible o muy difícil de resolver. En cambio, vamos a
desarrollar un modelo con las siguientes observaciones.
 Suponemos que los requisitos de generación total, así como los tipos y las
capacidades de las unidades de generación se conocen a partir del Cap. 5.
 Suponemos que hay algunas limitaciones prácticas y datos disponibles para los
buses del sistema. Por ejemplo, algunos tipos de generaciones (por ejemplo,
generaciones de vapor) pueden asignarse en algunos buses específicos o se
conoce la generación máxima que se puede instalar en un bus específico.
 El objetivo es asignar las generaciones entre los buses de tal manera que se
minimicen los requisitos de mejora de la transmisión.
Nuevamente enfatizamos el punto de que el modelado del sistema de transmisión
utilizado aquí es aproximado en el sentido descrito en este capítulo. Los algoritmos
detallados de planificación del sistema de transmisión se describen en Chaps. 8 y 9, una
vez que se conocen los requisitos de la subestación del Capítulo. 7.
La descripción del problema se da en la Sect. 6.2 a través de un simple ejemplo. Un
enfoque de solución de programación lineal se proporciona en las sectas. 6.3 y 6.4. Allí,
ignoramos algunos aspectos prácticos del problema. Una solución simple, pero práctica,
basada en Algoritmo Genético (AG) se describe en Sects. 6.5 y 6.6.
6.2 Descripción del problema
El problema se describe más fácilmente a través de un ejemplo simple como se detalla a
continuación.
Supongamos que se sabe que el requisito total de generación de un sistema es de 500
MW (1 x 150, 1 x 250 y 1 x 100 MW unidades), a través del enfoque descrito en el Cap.
5. El sistema es el caso de prueba de Garver (Fig. 6.1) con los detalles que se
proporcionan en el Apéndice F. Sin embargo, suponga que las cargas de los autobuses
aumentan cada una en 100 MW (total 500 MW), de modo que se requieren 500 MW de
nueva generación. . En términos de nueva generación, se asumen tres escenarios como
sigue:
 Escenario 1. Todas las generaciones se instalarán en el bus 1.
 Escenario 2. Se instalarán 250 MW, 150 MW y 100 MW en los autobuses 1, 3 y
4, respectivamente.
 Escenario 3. 400 MW (1 9 250 y 1 9 150) y 100 MW se instalarán en los
autobuses 2 y 4, respectivamente.
Un resumen de algunos resultados de flujo de carga se muestra en la Tabla 6.1 [#
DCLF.m; Apéndice L: (L.5)]. Para nuestros propósitos, hemos incluido una suma de
sobrecargas de líneas (en condiciones normales) tanto en valores absolutos como
multiplicados por las respectivas longitudes de las líneas. Como se ve, si se utilizan
valores absolutos o los valores multiplicados por longitudes (de alguna manera
proporcional a los requisitos de mejora), el escenario 2 es la mejor opción. Sin embargo,
como en el escenario 3, solo dos ubicaciones están justificadas para las nuevas
generaciones, esto puede ser más atractivo en comparación con el escenario 2.

Este ejemplo simple muestra el hecho de que, aunque el resultado del enfoque en el cap.
5 es una necesidad; se debe hacer un esfuerzo para asignar, de alguna manera, los
requisitos de generación entre los autobuses. Si el sistema es pequeño y el número de
alternativas (escenarios) es limitado, el enfoque presentado anteriormente puede ser
suficiente. En una vida práctica, en la que el sistema y el número de alternativas son
grandes, se deben seguir algunos algoritmos avanzados. Vale la pena mencionar aquí
que nuestro énfasis principal en este capítulo es GEP y no los requisitos reales de
mejora de la transmisión. En otras palabras, la aproximación mencionada anteriormente
de que el requisito de mejora de la transmisión es proporcional a las sobrecargas
basadas en la longitud no da como resultado la determinación de las rutas reales de
mejora de la transmisión. En Chaps. 8 y 9 volvemos a este paso importante, una vez que
las generaciones se asignan de acuerdo con el enfoque presentado en este capítulo y se
conocen los requisitos de expansión de la subestación de acuerdo con los algoritmos que
se analizan en el Cap. 7. La proporcionalidad de los requisitos de mejora de la
transmisión a las sobrecargas basadas en la longitud no es la única manera de observar
este punto y se pueden proponer y emplear otros criterios.
Un enfoque de programación lineal para la resolución de problemas se describe en las
sectas. 6.3 y 6.4. Allí, discutiríamos que aunque el enfoque propuesto es sólido en
términos de la formulación matemática, tiene inconvenientes en términos de algunos
problemas prácticos. Es por eso que un enfoque basado en Algoritmo Genético (AG) se
presenta en las Sectas. 6.5 y 6.6 en los que, si bien se observan consideraciones
prácticas, cualquier extensión adicional puede aplicarse fácilmente.
6.3 Un GEP basado en programación lineal (LP)
6.3.1 Principios básicos
Los flujos a través de líneas de transmisión son funciones tanto de las cargas en las
barras de carga como de las generaciones en las barras de generación. Se supone que las
cargas son conocidas y distribuidas entre las barras de carga. Se supone que se conoce la
generación total, pero se desconoce su distribución entre los buses de generación.
Si se utiliza DCLF para modelar el comportamiento del sistema (ver Apéndice A), los
flujos de línea serían una función lineal de las cargas y las generaciones. En ese caso, el
problema de optimización se puede formular de la siguiente manera, en el que el
objetivo es asignar los requisitos de generación totales entre los autobuses. Para una red
N-bus, M-line, las ecuaciones DCLF son:

dónde
PG Un vector de generaciones (N x1).
PD Un vector de cargas (o demandas) (N x 1)
ɵ Un vector de ángulos de bus (N x 1).
B La matriz de admitancia con R = 0 (N x N)
Los flujos de línea se calculan de la siguiente manera

dónde
PL Un vector de líneas de flujo (M x 1)
b Una matriz (M x M) en la que bii es la admitancia de la línea i y los elementos no
diagonales son cero
A La matriz de conexión (M x N) en la que aij es 1, si existe una línea desde el bus i al
bus j; de lo contrario cero. Además, para los buses de inicio y final, los elementos son 1
y -1, respectivamente
Desde (6.1) y (6.2), tenemos

Para una línea específica i, el flujo de línea (PLi) es

donde PGj y PDj son la generación y la demanda (carga) del bus j, respectivamente. Sij
es, de hecho, el elemento ijth de la matriz bAB21, que describe la sensibilidad de flujo
de línea i con respecto a la generación y la diferencia de carga del bus j.
Ahora hagamos la situación más práctica asumiendo que hay algunas áreas, cada una
compuesta de algunos buses de generación y de carga. Supongamos que la carga y la
generación del bus j en un área k, tal como están representadas por PGj y PDj,
respectivamente, son parte de la carga total y la generación del área k (PDk y PGk,
respectivamente). En otras palabras

donde Na es el número de áreas, mientras que aDj y aGj son los factores de
participación en la carga y generación jth en un área, respectivamente.
Supongamos que estamos interesados principalmente en las asignaciones de generación
entre las áreas y no en los autobuses. Además, los flujos a través de las líneas entre las
áreas son de interés.
La combinación de (6.4) a (6.8) da como resultado
donde AGik y ADik son la sensibilidad de flujo de línea i con respecto a la generación y
la carga del área k, respectivamente. En cuanto al horizonte de planificación, se supone
que la asignación de carga es fija, tenemos

donde ci es una constante.

El flujo a través de una línea de transmisión i (PLi) debe estar dentro de sus límites de
capacidad térmica (PLi), es decir,

Además, la generación del área kth debe estar dentro de sus límites máximo (PGk) y
mínimo (PGk), es decir,

donde estos dos límites son especificados por el usuario de acuerdo con cualquier
observación técnica o no técnica.

Antes de pasar por la formulación matemática del problema, describamos una

observación gráfica del problema anterior en un caso de tres áreas como se muestra en
la Fig. 6.2.
Como se supone que se conoce la generación total, las generaciones de las tres áreas no
pueden ser independientes. Si se supone que PG1 y PG2 son variables independientes,
PG3 se determina como una variable dependiente. Volviendo a (6.12), para tres líneas
inter-área denotadas por 1, 2 y 3, tendríamos
Si estas ecuaciones se dibujan como se muestra en la figura 6.3 junto con las
limitaciones impuestas por (6.13) y (6.14), aparece una zona oscura que muestra los
puntos posibles.
Cualquier punto dentro de la zona muestra un punto factible en términos de cumplir con
las limitaciones de generación así como las restricciones de flujo de línea. Desde un
punto de operación actual mostrado como x, es evidente que si se aplica un aumento de
'' a '' a la generación del área 1 (es decir, PG1), mientras que PG2 es fijo (PG3 debería
reducirse en consecuencia), una línea alcanza Su límite térmico y debe ser reforzado. La
representación gráfica anterior no se puede aplicar a casos de prueba más grandes. Una
formulación matemática se da en la sec. 6.3.2.

6.3.2 Formulación matemática

En una situación práctica, el costo de inversión de una unidad de generación, además
del costo real costo del equipo, depende también de algunos factores técnicos o no
técnicos tales como el costo del terreno, el costo de suministro de combustible, el costo
de interconexión a la red principal cuadrícula, etc. Se supone que el efecto de todos los
términos se puede reflejar en bk (R = MW) mostrando el costo de generación en el área
k. Un problema de optimización matemática es luego desarrollado con los detalles que
se dan a continuación
6.3.2.1 Función objetiva
Como vimos anteriormente, el costo de inversión de una unidad de generación depende
del área, reflejado como bk. Además, una vez que se instala una unidad de generación
en un bus, cualquiera de las líneas existentes pueden necesitar ser mejoradas a una
mayor capacidad. Como resultado, la función objetivo considerada en este capítulo es

Donde el primer término es el costo de inversión de generación y el segundo término es

el costo de mejora de la transmisión (Li es la longitud de la línea i). Tenga en cuenta
que c es el costo de inversión (R = km) de una línea y bi es la carga de la línea i, si la
línea está sobrecargada. Tenga en cuenta que si la línea no está sobrecargada, bi se
establece en 1.0.
Las variables de decisión son PGks y bis. Vale la pena mencionar que en una caso
extremo, un área puede consistir en un solo bus para que, en lugar de un área, el
problema puede resolverse en bus.

6.3.2.2 Restricciones
Las restricciones a observar durante el proceso de optimización son las siguientes
(6.17) se deriva de (6.12) y (6.13) excepto que se verifica la desigualdad para las líneas
sobrecargadas (M es la suma del número de líneas entre el áreas). b es la capacidad
máxima que una línea puede expandirse (a ser especificada por el usuario). (6.19) es lo
mismo que (6.14) repetido aquí por conveniencia. PG0 es la capacidad de generación
total determinada por el enfoque presentado en el cap. 5.

6.3.2.3 Modelo Final

El problema de optimización a resolver es el siguiente Minimizar (6.16) Sujeto a (6.17)
a través de (6.20)
6.4 Resultados Numéricos

El algoritmo propuesto anteriormente se prueba en la cuadrícula de prueba que ya se

muestra en la Fig. 6.1. Se supone que el requisito de generación total es 5.0 p.u. Cinco
escenarios son asumido como sigue (Tabla 6.2) [# GEP2.m; Apéndice L: (L.2)].
• Escenario 1. Suponga que la generación adicional requerida (5.0 p.u.) está distribuida
Entre las unidades existentes y en proporción a sus generaciones existentes.
• Escenario 2. Supongamos que la asignación de generación es posible, con igual (y
despreciable) inversión geográfica costo por generación. Además, asume la El costo de
mejora de la transmisión es proporcional a la longitud de la línea.
• Escenario 3. Lo mismo que el escenario 2, excepto que el costo de inversión de
generación del bus 1 es mayor que el de los buses 2 y 3.
• Escenario 4. Lo mismo que el escenario 3 excepto que se considera la transmisión
costo de mejora para ser cero.
• Escenario 5. Lo mismo que el escenario 3, excepto ignorar la generación máxima
Capacidades de la barra.
En el escenario 1, la forma en que se distribuyen las generaciones resulta en una
sobrecarga de 0.13 p.u. Si se permite la asignación de generación con la ayuda del
modelado de optimización, esto la sobrecarga se elimina fácilmente como se muestra en
el escenario 2. En el escenario 3, las generaciones Se desplazan hacia autobuses menos
costosos (2 y 3) sin transmisión. costo de mejora. Si el costo de mejora de la
transmisión se considera cero

(escenario 4), las generaciones máximas posibles se instalan en los autobuses 2 y 3,

mientras que las líneas 2–3 y 3–5 están mejoradas en 9 y 39%, respectivamente. En el
escenario 5, donde no se impone un límite a las capacidades de generación, la
generación mínima es instalado en el bus 1 (el bus más caro), mientras que dos líneas
como se muestran deben ser mejorado suficientemente.
6.5 Un algoritmo genético (GA) basado en GEP

En la sec. 6.3, el área o las generaciones de buses como las variables de decisión fueron
asumidas a ser continuo. Este supuesto no es válido en la práctica, ya que la generación
Las capacidades disponibles son de naturaleza discreta. Además, la instalación de
algunos Las centrales eléctricas específicas pueden ser poco prácticas en algunos buses /
áreas específicas. Las razones puede ser técnico y / o no técnico (como consideraciones
ambientales). Es por eso que en esta sección se propone un algoritmo modificado para
el cual se usa GA como la herramienta de solución.
Supongamos que las centrales eléctricas de Ng con las capacidades y los tipos dados
están justificados Basado en los algoritmos discutidos en el cap. 5. El objetivo es
asignar las plantas entre los autobuses de tal manera que los requisitos de mejora de la
transmisión son minimos
Si Xm se introduce como la variable de decisión para la cual el elemento mth muestra el
número de bus en el que se instalará la central eléctrica, la función objetivo (ver (6.16))
y las restricciones (ver (6.17–6.20)) se modifican de la siguiente manera

Dónde
Bm (Xm) El costo de instalación de la planta de energía mth en el bus número Xm
Ng El número de centrales eléctricas, justificadas a partir del cap. 5
Zjm Una variable auxiliar; 1 si la planta de energía mth está instalada en el bus j; de lo
contrario cero
Nc El número de autobuses candidatos para las centrales eléctricas.
PGm La capacidad de generación de la unidad de generación mth candidata.
PGi0 la generación existente en el bus i
El modelo propuesto es de tipo no lineal para el cual se utiliza GA como herramienta de
solución.
6.6 Resultados numéricos para algoritmo basado en GA
Como se discutió en la Sect. 6.5, en el algoritmo propuesto, es posible definir las
capacidades estándar disponibles junto con sus costos de instalación dependientes de la
barra. Por
Por ejemplo, el costo de instalación de una planta de energía específica puede ser
diferente si la planta
Se instala en la barra 2 en lugar de la barra 3.
Para verificar el algoritmo, inicialmente se asume que las centrales eléctricas son
idénticas a 0.1 p.u. capacidad (similar a la sec. 6.4). Escenarios 3 y 4 de la tabla 6.2. se
repiten como se esperaba, los resultados son los mismos que antes. Ahora, repite lo
mismo pruebas; sin embargo, asumiendo 1.0 p.u. Capacidad para las plantas. Los
resultados se muestran en Tabla 6.3. Comparando los resultados con los de la Tabla 6.2,
es evidente que la las capacidades asignadas para los autobuses se redondean a valores
más altos o más bajos.
Consideremos un caso más realista. Supongamos que seis centrales eléctricas están
justificadas.
Basado en el algoritmo de cap. 5; Los detalles se dan en la tabla 6.4.
Además, supongamos que cinco autobuses de la figura 6.1 se consideran como la
generación
Autobuses candidatos con los detalles que figuran en la tabla 6.5.
Como las turbinas hidráulicas solo pueden instalarse en los autobuses 4 y 5, los factores
de costo de
Los autobuses 1–3 se asumen valores altos. Además, los factores de coste de las
turbinas de vapor son
Se asume que es idéntico para todos los autobuses. En términos de turbinas de gas, los
factores de costo para se supone que los autobuses 2 y 4 son más altos debido a los
requisitos de costo de las tuberías de gas.
Suponiendo que el costo de mejora de la transmisión sea R 20 / km, el GA basado en los
resultados del algoritmo se muestran en la Tabla 6.6. Las centrales eléctricas están tan
asignadas que no se requiere mejora de la transmisión mientras que no se observa
sobrecarga también