Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado ante la ilustre UNIVERSIDAD DE LOS ANDES como requisito parcial para
obtener el Título de INGENIERO DE SISTEMAS
Por
Mayo 2008
A Dios Todo Poderoso, a mis Padres y a mi Tía Isabel por ser quienes me han brindado su
amor y su apoyo incondicional durante toda mi carrera.
ii
AGRADECIMIENTOS
En primer lugar, agradezco a Dios por ser la luz y guiador de todos mis pasos, por
llenarme de fuerza y perseverancia en los momentos más cruciales de mi vida. Gracias Padre
por tu infinito Amor.
A mi Madre gracias por haberme dado la vida, siempre estarás en mis pensamientos. Mis
triunfos son tuyos.
Agradezco a mi Padre por su amor incondicional, su apoyo y sus sabios consejos, que me
ayudan a seguir cada día adelante.
Agradezco a mi familia, en especial a mi tía Isabel y a su esposo Luis Niño, por brindarme
su apoyo en las buenas y en las malas y por sobre todo la paciencia y la confianza depositada
en mí.
Al profesor Viloria y a Yván por permitirme el uso del Laboratorio Labidai durante la
realización de este Proyecto, y por todo el apoyo brindado.
A mis amigos y amigas en especial Melissa Medina por haberme acompañado y apoyado
durante la realización de este trabajo.
A José Manuel por hacerme saber que cuento con él en cualquier momento, agradezco
todo el apoyo brindado.
Finalmente agradezco a todas aquellas personas que de alguna manera han colaborado con
sus sabios consejos, me han brindado su apoyo y me han acompañado durante toda mi carrera.
Y especialmente en el desarrollo de este trabajo.
iii
Br. Maryury C. Hernández M. APLICACIÓN DE ALGORITMOS GENETICOS
PARA LA LOCALIZACIÓN ÓPTIMA DE CAPACITORES EN REDES PRIMARIAS
DE DISTRIBUCIÓN. Universidad de Los Andes. Tutor: Prof. Ernesto Mora. Mayo 2008.
Resumen
DEDICATORIA ii
AGRADECIMIENTOS iii
RESUMEN v
Capítulo pp
1 INTRODUCCIÓN 1
3 SISTEMAS DE DISTRIBUCIÓN 9
3.1 Definición 9
3.2 Clasificación y características de los sistemas de distribución 10
3.3 Efectos producidos por la circulación de potencia reactiva 13
3.4 Compensación de potencia reactiva en sistemas de distribución 14
3.5 Análisis de sensibilidad 17
3.6 Flujo de potencia 19
3.6.1 Método de Gauss-Seidel 20
4 ALGORITMOS GENÉTICOS 24
4.1 Definición 24
4.2 Terminología biológica asociada con los algoritmos genéticos 24
4.3 Funcionamiento de los algoritmos genéticos 26
4.4 Componentes de los algoritmos genéricos 27
4.5 Ventajas de los algoritmos genéticos con respecto a otros métodos 33
4.6 Algoritmos genéticos aplicados a los sistemas de distribución 33
4.7 Algoritmo de Nichos 36
4.7.1 Clasificación de los métodos de Nichos 38
4.7.2 Poblamiento Determinístico 39
5
ALGORITMO UTILIZADO PARA LA LOCALIZACIÓN OPTIMA DE
CAPACITORES EN SISTEMAS DE DISTRIBUCIÓN
43
5.1 Función objetivo a minimizar mediante algoritmo genético con nichos 43
5.2 Diagrama de flujo del programa para la localización de capacitores 47
5.2.1 Lectura de datos 49
5.2.2 Inserción de parámetros 49
v
5.2.3 Análisis de sensibilidad 49
5.2.4 Generación de la población inicial 50
5.2.5 Selección de pareja de padres aleatoriamente y sin reemplazo 50
5.2.6 Cruzamiento 51
5.2.7 Mutación 51
5.2.8 Evaluación 51
5.2.9 Actualizar datos 52
5.2.10 Actualizar gráfica 52
5.2.11 Resultado final 52
5.3 Interfaz gráfica 53
5.3.1 Ventana principal 53
5.3.2 Ventaja de configurar el sistema 54
5.3.3 Ventana de introducir parámetros 54
5.3.4 Ventana de localizar 55
6 RESULTADOS 57
6.1 Sistemas de cuatro barras 57
6.2 Sistemas de diez barras 60
6.3 Sistema de treinta barras 63
7 CONCLUSIONES Y RECOMENDACIONES 69
REFERENCIAS 71
ANEXO: MANUAL DEL USUARIO 75
vi
LISTA DE FIGURAS
Figura pp
3.1 Sistema eléctrico
3.2 Alimentador principal 9
3.3 Diagrama de un bajo factor de potencia 10
3.4 Representación de la Potencia Reactiva Grande 16
3.5 Corrección del factor de potencia 16
4.1 Representación de los Individuos de acuerdo a su fitness 28
4.2 Representación de los individuos por el método del ranking 29
5.1 Discretización de la curva en niveles de carga 44
5.2 Diagrama de flujo del sistema 48
5.3 Codificación del individuo 50
5.4 Ventana Principal 53
5.5 Ventana Configurar Sistema 54
5.6 Parámetros del sistema 55
5.7 Muestra de los resultados 56
Figura 6.1: Sistema de Tres Barras 57
6.2 Niveles de carga discretizada 58
Figura 6.3: Convergencia del Algoritmo Genético con Nichos 60
Figura 6.4: Sistema de Diez Barras 60
Figura 6.5: Convergencia del Algoritmo Genético 63
Figura 6.6: Sistema de Treinta Barras 63
Figura 6.7: Convergencia del Algoritmo Genético para 5 Barras a Compensar 67
Figura 6.8: Convergencia del Algoritmo Genético para 15 Barras a Compensar 67
Figura 6.9: Convergencia del Algoritmo Genético para 30 Barras a Compensar 68
vii
LISTA DE TABLAS
Tabla pp
4.1 Clasificación de los métodos de Nichos 39
4.2 Pseudocódigo del Algoritmo de Poblamiento Deterministico 42
6.1 Información general del sistema de cuatro barras 58
6.2 Parámetros usados por el Algoritmo Genético con Nichos 58
6.3 Compensación Óptima 58
6.4 Comparación de Pérdidas de Energía para el nivel de carga máximo 59
6.5 Resultados de Ahorros, de Costos del Sistema Sin y Con Compensación 59
6.6 Comparación de las Tensiones 59
6.7 Datos de Entrada 61
6.8 Resultados de Ahorros, de Costos Sin y Con Compensación 61
6.9 Compensación Óptima 62
6.10 Pérdidas de Energía Sin y Con Compensación para el mayor Nivel de Carga 62
6.11 Tensiones Sin y Con Compensación para el mayor Nivel de Carga 62
6.12a Datos de Entrada 64
6.12b Datos de Entrada 65
6.13 Compensación Óptima 65
6.14 Pérdidas de Energía Sin y Con Compensación en el mayor Nivel de Carga 65
6.15 Resultados de Ahorros, Costos Sin y Con Compensación 66
6.16 Tensiones Sin y Con Compensación para el mayor Nivel de Carga 66
viii
CAPITULO I
INTRODUCCIÓN
La compensación de la potencia reactiva tiene como objetivo generar dicha potencia cerca
de las cargas, es decir de una manera local, con el objetivo de reducir las corrientes en la red,
las pérdidas de potencia activa y mejorar el perfil de tensiones de la red. Para lograr esto es
necesaria la instalación de bancos de capacitores, o bien, la aplicación de motores sincrónicos
que finalmente actúan como fuentes de reactivos.
Los algoritmos genéticos forman parte de las técnicas basadas en inteligencia artificial, los
cuales son capaces de localizar la solución óptima global de un conjunto de configuraciones
con el menor esfuerzo computacional a diferencia de otras técnicas entre ellas el método
simulated annealing.
combinatoria, además se muestran los componentes sobre los cuales se basa su aplicabilidad,
como son las distintas técnicas de selección y cruce, el método de mutación, entre otros
parámetros básicos y primordiales de él. Además se explica una de las variantes de los
Algoritmos Genéticos conocida con el nombre de método de Nichos la cual es desarrollada en
esta aplicación, cuenta tan solo con dos operadores genéticos: el cruzamiento y la mutación.
Además entrega a los Algoritmos Genéticos la capacidad de encontrar el óptimo global y un
conjunto de óptimos locales. Garantía que hasta ahora el resto de los Algoritmos Genéticos no
podían entregar.
La función objetivo a minimizar mediante los Algoritmos Genéticos con Nichos y sus
respectivas restricciones es desarrolla en el quinto capítulo, así como también se detallan las
funciones principales del programa, el funcionamiento y sus módulos componentes.
Adicionalmente se muestra el diseño de la interfaz grafica la cual permite observar los
resultados de la aplicación de una manera más sencilla.
Finalmente en el séptimo capitulo se muestran las conclusiones del trabajo y las posibles
recomendaciones para considerar a futuro.
CAPITULO II
2.1 Antecedentes
Este problema ha sido investigado por diferentes autores entre los cuales se destacan; N.M.
Neagle y D.R Samson (1956), R.F. Cook (1961), Schmill (1965), etc. quienes fueron los
pioneros en estudiar la asignación o colocación óptima de los capacitores. Ellos usaron un
enfoque analítico para maximizar de alguna forma una función de costo. Aunque se lograron
en algunos casos soluciones simples, estos métodos son basados en suposiciones que son poco
reales de alcanzar, ya que supusieron un conducto de tamaño constante y carga uniforme.
Posteriormente, algunos autores como son: Ponnavaikko, Prakasa Rao, Fawzi (1983), en
su formulación incluyeron la liberación de capacidad del sistema y el crecimiento de la carga.
Una amplia variedad de metodologías de solución ha sido propuesta para resolver este
problema. La mayoría de los trabajos anteriores utilizan métodos analíticos con alguna clase
de heurísticas. De esta forma algunas metodologías simplificadas realizan supuestos que
conllevan pérdidas de generalidad.
Este problema también ha sido formulado usando técnicas de la inteligencia artificial por
diferentes autores entre ellos Chiang (1990) el cual incluyo restricciones de cargas adicionales
en su modelo. Utilizó el método de Simulated Annealing con la capacidad de alcanzar el
óptimo global en una función objetivo.
Todos estos métodos excepto Simulated Annealing, entregan solamente soluciones que
corresponden a óptimos locales consumiendo requerimientos computacionales bajos. El
método de Simulated Annealing, tiene la capacidad de encontrar soluciones cercanas al
óptimo global pero los requerimientos computacionales son elevados.
La solución consiste en encontrar la mejor configuración posible que minimice los costos
del sistema, para ello se define la función a minimizar mediante el método de Nichos de los
Algoritmos Genéticos, la cual esta compuesta por tres términos que representan el costo de
energía, de potencia y de los capacitores que se instalaran en el Sistema de Distribución, ella
esta sujeta a ciertas restricciones que se deben cumplir, estas son: Flujo de potencia, rango de
tensión y el valor de los capacitores disponibles en el mercado. Para tal fin se utiliza un
Análisis de Sensibilidad el cual permite localizar las posibles barras candidatas a compensar
reduciendo de esta manera el espacio de búsqueda del Algoritmo Genético de Nichos, el cual
es capaz de determinar la solución correspondiente al óptimo global de una función
considerando requerimientos computacionales razonables.
8
2.3 Objetivos
SISTEMAS DE DISTRIBUCIÓN
3.1 Definición
Los sistemas de distribución son aquellos que llevan la potencia eléctrica hasta el
consumidor haciendo la transferencia desde los sistemas de transmisión o subestaciones.
10
En la mayoría de los casos los sistemas de distribución operan con tensiones de 13.8 KV ó
menores. Son típicamente radiales, significa que el flujo de potencia nace en un sólo nodo que
corresponde generalmente a la subestación que alimenta a toda la red a nivel de media tensión
(13.8KV).
En general se pueden mencionar que para llevar la energía eléctrica a los consumidores
desde el punto de vista de construcción se tienen dos tipos de instalaciones:
11
• Aéreas.
• Subterráneas.
Las instalaciones aéreas comparativamente con las subterráneas tienen costos iniciales
bajos y son los más usadas tanto en ciudades como en poblaciones rurales, son susceptibles en
fallas que pueden provocar un gran número de interrupciones en el servicio por períodos de
tiempo que acumulados anualmente pueden ser considerables esto se debe a están expuestos a
contingencias físicas como son: descargas atmosféricos, lluvias, granizo, viento, polvos,
temblores, gases contaminantes, y otras como contacto con cuerpos extraños como ramas de
árbol, vandalismo y choques de vehículos.
Por el contrario una red subterránea bien diseñada puede resultar mucho más confiable
debido a que la mayoría de las contingencias mencionadas anteriormente no son características
de este tipo de redes, lo que las hace más confiables, además de más estéticas particularmente
en las zonas urbanas, no obstante tienen la relativa desventaja de su alto costo ya que en
distribución pueden ser hasta 10 veces más costosa que una área equivalente.
especiales en cuanto a seguridad de las personas y de los bienes, por lo que generalmente
requieren de importantes fuentes de respaldo en casos de emergencia.
• Sistemas de distribución urbana: El servicio de este tipo de alumbrado generalmente cubre
las necesidades que se presentan en centros urbanos y poblaciones relacionados con
alumbrado de calle y avenidas, parques y jardines y en general caminos y centros de
reunión exteriores. Son sistemas de gran consumo pero con una densidad de cargas
pequeñas. Por lo general este sistema de alumbrado está conectado en serie y puede ser
con lámparas de vapor de sodio, mercurial, incandescente o fluorescente dependiendo del
área por iluminar y la importancia de la misma, también dependiendo de esto puede
cambiar el tipo de conexión del sistema de alumbrado a paralelo.
• Sistemas de distribución rural: Estos sistemas de distribución se encargan del suministro
eléctrico a zonas de menor densidad de cargas, por lo cual requiere de soluciones
especiales en cuanto a equipos y tipos de red. Debido a las distancias largas y las cargas
pequeñas, es elevado el costo del KWh consumido. En muchos casos es justificado, desde
el punto de vista económico, la generación local, en una fase inicial, y sólo en una fase
posterior, puede resultar económica y práctica la interconexión para formar una red
grande.
Debido al aumento de cargas conectadas al sistema con bajo factor de potencia, líneas de
alimentación de grandes longitudes y al uso de transformadores de gran capacidad, se produce
un aumento en la demanda de potencia reactiva por los conductores que producen los
siguientes efectos [7]:
Las cargas alimentadas por un Sistema de Distribución consumen una potencia reactiva en
atraso, debido al efecto inductivo de las mismas, esto trae como consecuencia que ocurran
perdidas en los sistemas, para solucionar este problema se tiene que realizar una compensación
de potencia reactiva, razón por la cual se colocan condensares que suministran potencia
reactiva en adelanto, lográndose así la disminución de las pérdidas al disminuir la circulación
de potencia reactiva a través del sistema eléctrico.
Por esto las compañías eléctricas de distribución tienen una cláusula en su estructura de
tarifas, que reconoce un cargo por la alta demanda de potencia reactiva lo cual implica un bajo
factor de potencia a nivel de los consumidores, además de los cargos usuales por la utilización
y demanda máxima de energía. Con el fin de disminuir la circulación de potencia reactiva en
la red de distribución, las compañías eléctricas proponen a los consumidores una penalización
o bonificación sobre el coste de la factura en función del factor de potencia ( Cos θ ); si el
15
factor de potencia está por debajo de 0,9 se aumenta el coste de la factura aplicando un
coeficiente de recargo (Kr) que puede llegar al 47% ( Cos θ <0,5). En cambio, si el consumidor
logra mejorar el factor de potencia por encima de 0,9 ( Cos θ > 0,9) se aplica una bonificación
que puede llegar al 4% ( Cos θ =1). Por medio de los contadores de energía, la compañía sabe
la potencia activa consumida P (KW) y también la magnitud de potencia reactiva Q (KVARh).
A partir de estos datos se obtiene el factor de potencia [5]:
P P
Cos θ = = Ec. 3.1
S P +Q2
2
Un factor de potencia bajo implica un θ y una potencia reactiva grande, tal como se
deduce del triángulo de potencia para una potencia activa constante, se tiene [6]:
Para una potencia activa constante, lo anterior implica una componente reactiva mayor de
la corriente ó simplemente una corriente circulante mayor a través del sistema de distribución,
tal como se muestra en el siguiente diagrama fasorial [6]
Q
I × Senθ =
V
Debido al bajo factor de potencia, existe una demanda de potencia eléctrica muy elevada,
esto trae como consecuencia que los alimentadores estén sobrecargados a su máxima
capacidad térmica. Al instalar los bancos de condensadores el factor de potencia aumenta, por
lo tanto la demanda en KVA disminuye trayendo como beneficio una prolongación en la vida
útil del alimentador.
Un análisis de sensibilidad es utilizado para determinar las barras que se van a compensar.
En estudios anteriores se han definido las posibles localizaciones de los condensadores a
través de heurísticas o basándose en la experiencia de los ingenieros.
A partir de esta ecuación se pueden expresar las pérdidas de potencia activa como:
18
Donde Gij y Bij son la conductancia y la suceptancia de la línea entre los nodos i y j,
mientras que:
La relación entre las pérdidas de potencia activa y una inyección de potencia reactiva viene
dada por la siguiente expresión:
En donde a su vez:
∂θ j 1 ∂Vj 1
= y =
∂Q i ∂Q i ∂Q i ∂Q i Ec. 3.7
∂θ j ∂Vj
∂Qi
= − Vi V j (Gij cosθ ij + Bij sin θ ij ) ; i≠ j Ec. 3.8
∂θ j
∂Qi
= − Gii Vi 2 + Pi ; i= j Ec. 3.9
∂θ j
19
∂Qi
= Vi (Gij sinθij + Bij cosθij ) ; i≠ j Ec. 3.10
∂V j
∂Qi Q
= − Bii Vi + i ; i= j Ec. 3.11
∂V j Vi
∂PL
= − 2Vi ∑ V j (Gij sin θ ij )
n
Ec.3.12
∂θ i j =1
∂PL
= 2 ∑Vi (Gij cosθ ij + Bij sin θ ij )
n
Ec. 3.13
∂Vi j =1
la barra oscilante y en ella se especifica la potencia activa y la magnitud del voltaje, 3) la barra
de carga, la cual es la barra en donde está colocada la carga y la que se especifica la potencia
activa y la potencia reactiva. La barra mixta es una barra en donde están colocados
generadores (diferente al de la barra oscilante) y cargas. Esta barra se considera como barra de
generación especificando en ella la potencia activa neta (generación menos carga) que entra a
la barra y la magnitud del voltaje. A menudo en las barras de generación se coloca una
restricción adicional, la cual es los límites máximos y mínimos de la potencia reactiva.
Con este estado del sistema se calculan los flujos de corriente y de potencia entre todas
las barras [3].
PK − jQK
IK = = YK1 V1 + YK2 V2 +L + YKK VK + L+ YKN VN Ec. 3.14
VK*
N
I K = ∑ YKm Vm Ec. 3.15
m =1
1 ⎛ PK − jQ K ⎞
VK = ⎜⎜ *
− (YK1 V1 + YK2 V2 + L + YKN VN )⎟⎟ Ec. 3.16
YKK ⎝ VK ⎠
21
⎛ ⎞
1 ⎜ PK − jQ K N
⎟
VK = ⎜
YKK ⎜ VK*
− ∑ YKm Vm ⎟ Ec. 3.17
m =1 ⎟
⎝ m≠K ⎠
Por lo que
Siendo Ykm los valores de la matriz de admitancia de barra, los cuales dependen de las
impedancias de las líneas de transmisión entre las diferentes barras. Los tipos de barra en un
sistema radial de distribución son los siguientes:
ALGORITMOS GENÉTICOS
4.1 Definición
En la naturaleza, los miembros de una población compiten entre ellos por los recursos tales
como comida, agua, refugio. A su vez, los machos compiten entre ellos para atraer a las
hembras.
Los individuos que están mejor preparados para la supervivencia y que a su vez consiguen
atraer a las hembras serán aquellos que conseguirán una mayor descendencia. Los individuos
24
con menos éxitos tendrán una descendencia menor o incluso nula. Esto significa que los genes
de los mejor adaptados irán siendo heredados por un número creciente de individuos en las
generaciones sucesivas. La combinación de las buenas características de las generaciones
pasadas suele producir individuos mucho mejor adaptados que sus predecesores, en este
sentido la especie evoluciona para convertirse en una especie mejor y más adaptada a su
entorno. Entonces, el problema con el que se enfrenta cada especie es el de la búsqueda de
mejoras para conseguir su propia adaptación al medio, que está en constante evolución. La
idea principal de los Algoritmos Genéticos es hacer lo que la naturaleza hace [10].
Todos los organismos vivientes consisten de células, y cada una de esas células contiene el
mismo conjunto de cromosomas (cadenas de ADN), que sirve como una “plantilla” que
describe por completo al organismo. Un cromosoma puede ser dividido en genes (bloques
funcionales de ADN), los cuales guardan (cada gen) una proteína en particular. Se podría decir
que cada gen guarda un rasgo del individuo, tales como color de los ojos, color del cabello,
etc., y está localizado en una posición particular dentro del cromosoma, el lugar que ocupa un
gen dentro de un cromosoma se denomina locus por consiguiente, la secuencia de locus, es
decir los loci tiene la longitud del cromosoma. Los posibles “escenarios” diferentes para un
25
Los organismos cuyos cromosomas están arreglados en pares son llamados diploides;
mientras que los organismos cuyos cromosomas no están apareados son llamados haploides.
Durante la reproducción sexual, ocurre el cruzamiento: en cada padre los genes son cambiados
entre cada par de cromosomas para formar un gameto (un solo cromosoma), y los gametos de
los dos padres se aparean para crear un conjunto completo de cromosomas diploides. En los
organismos haploides, los genes son cambiados entre el cromosoma que posee cada padre. Los
hijos están sujetos a sufrir alguna mutación, en la cual algún nucleótido (bits elementales del
ADN) es cambiado de los padres a los hijos; dichos cambios ocurren generalmente por errores
al copiarse el contenido genético.
Un alelo en un solo bit es cero (0) o un uno (1). El cruzamiento consiste en el intercambio
de material genético entre dos padres con cromosomas haploides. La mutación consiste en
cambiar el valor que posee el bit en una posición seleccionada aleatoriamente. La mayoría de
las aplicaciones de los AG emplean individuos haploides, particularmente individuos con un
solo cromosoma. El genotipo de un individuo en los AG es la configuración de los bits en cada
cromosoma [11].
El proceso cíclico que se sigue para implantar un algoritmo genético son los siguientes:
Los individuos que conforman la población inicial son escogidos aleatoriamente. Cada
ciclo genera una nueva generación de posibles soluciones al problema planteado, donde cada
elemento de la población es evaluado usando una funcional de costo o función criterio a
optimizar. De acuerdo a los valores arrojados por todos los individuos al ser evaluados, el
proceso de selección escoge a los mejores individuos de la población para reproducirlos
(mientras mayor sea la evaluación del individuo dentro de la función de costo, mayor será la
probabilidad de que sea reproducido).
• Función Objetivo: o funcional de costo, es la que se utiliza para medir a los individuos de
una población [11].
• Criterios de convergencia: los criterios más utilizados para determinar el fin de los AGs
son [11]:
o El valor arrojado por la función objetivo es más grande (o más pequeño) que un
valor predeterminado.
o Al cumplirse un número dado de iteraciones.
o La función objetivo no selecciona individuos diferentes en un número predefinido
de iteraciones.
• Mecanismos de Codificación: Consiste en la representación como cadenas de bits de las
diferentes posibles soluciones de algún problema. Depende de la naturaleza de las
variables del problema que se desea optimizar [11].
• Operadores Genéticos: Los operadores genéticos más utilizados son selección, cruce y
mutación, aunque existen otros como la inversión y dominación [11].
o Selección: Los algoritmos de selección serán los encargados de transmitir y conservar
aquellas características de las soluciones que se consideran valiosas a lo largo de las
generaciones. El principal medio para que la información útil se transmita es que
aquellos individuos mejor adaptados (mejor valor de la función de evaluación) tengan
mayores probabilidades de reproducirse. Sin embargo, es necesario también incluir un
factor aleatorio que permitan reproducirse a individuos que aunque no estén muy bien
adaptados, puedan contener alguna información útil para posteriores generaciones, con
el objeto de mantener así una cierta diversidad en cada población. Algunas de las
técnicas que se dispone de selección son las siguientes [12]:
• Selección por la regla de la ruleta: la selección de los padres se hace de
acuerdo a su fitness, los mejores individuos (de mayor fitness) son los que
tienen mayor posibilidad de ser elegidos. El método consiste en construir una
ruleta o un “tarta”en la que cada uno de las porciones representa a un individuo
y es proporcional a su fitness [12]. La ruleta contiene una casilla para cada
28
f (i )
ps = n
∑ f ( j)
j=1
Ec. 4.1
observa cómo se distribuyen los individuos por el método del ranking [12].
Ahora todos los cromosomas tienen igual oportunidad de ser seleccionados. Sin
embargo este método puede hacer que el algoritmo genético converja
lentamente a la solución. Ya que los mejores individuos se diferencian muy
poco de los peores. A este esquema se le pueden aplicar otros criterios; por
ejemplo, se crea la descendencia de uno de los paladines/amazonas, y esta
sustituye al más parecido entre los perdedores. Esto se denomina crowding, y
fue introducido por DeJong. Una variante de este es el muestreado estocástico
universal que trata de evitar que los individuos con mayor fitness copen la
población, además cuenta con n indicadores distribuidos uniformemente
alrededor de la ruleta, entonces con un solo intento se seleccionan los n
individuos necesarios [13].
por cada string, esta probabilidad por lo general es bastante elevada (típicamente es de
0,8). Los n strings elegidos son emparejados en forma aleatoria, generándose n/2
parejas. Para cada pareja el crossover puede como no puede ocurrir, con una
probabilidad 1- pc, el crossover no ocurre, y ambos individuos avanzan a la etapa de
mutación. En otro caso la pareja produce dos hijos producto del crossover y sólo ellos
continúan en la etapa de mutación [9].
Existen dos técnicas principales; intercambio a partir de un solo punto de cruce y a
partir de dos puntos de cruce [14].
Padres Hijos
0000000000000000 0000000000001111
1111111111111111 1111111111110000
Crossover
• El crossover de doble punto: dos segmentos son elegidos en forma aleatoria y los
padres intercambian el segmento que se encuentra entre los dos puntos de corte. Por
ejemplo:
Padres Hijos
1010000101101001 1000100101010010
1000101000010010 Crossover 1010001000101001
31
Padres Hijos
1010000101101001 1000000101111011
1010101000000000
1000101000010010
Crossover
0101010001
Mutación
0100010001
• Número Máximo de Generaciones: La filosofía usada por los algoritmos genéticos hace
que los cambios más grandes en la calidad de las respuestas se dé en las primeras
generaciones; así, que se debe indicar un número máximo de generaciones a considerar,
para tener otro criterio de parada diferente a la convergencia absoluta a la solución del
problema [11].
Algunas de las ventajas que presentan los AGs respecto a otras técnicas de optimización
33
Los sistemas de distribución son los encargados de llevar la energía eléctrica a los
consumidores finales en forma eficiente y bajo estándares de calidad de servicio. Este proceso,
realizado vía redes de alimentación y subestaciones, debe ser continuamente modificado con
el fin de mantener el sistema permanentemente adaptado, producto de los constantes cambios
de la demanda. Se tienen distintas configuraciones de los alimentadores dependiendo de los
requerimientos, siendo los de tipo radial los más utilizados debido principalmente a la
facilidad de modificarlas y de controlarlas mediante la abertura y cierre de interruptores, y son
simples en sus esquemas de protección [15].
La planificación tanto de la operación y expansión de los sistemas de distribución
eléctrica a largo plazo es una tarea altamente compleja que involucra altos costos de inversión
y una gran diversidad de alternativas posibles. Existen numerosos algoritmos matemáticos y
computacionales capaces de resolver problemas de estas magnitudes, muchos de los cuales
34
son modelos estáticos que generan una solución para un conjunto fijo de datos y que
consideran un período simple. Por otra parte existe el planteamiento dinámico que considera la
evolución de la demanda a través del tiempo y los consecuentes cambios topológicos en la red.
Los modelos que se pueden realizar son suficientemente flexibles como para considerar
características realistas y condiciones naturales de operación como:
La modelación de las redes de distribución debe contemplar los diversos aspectos técnicos
y económicos de éstas y además entregar información con respecto a la topología. En este
35
ámbito, se distinguen dos modelos, siendo el primero el eléctrico compuesto por las
estructuras, es decir, conductores, subestaciones, y transformadores. Mientras que el segundo
es el modelo económico, donde se tienen los costos de construcción, instalación, operación y
mantenimiento de los sistemas de distribución [16].
para cada nivel de carga que deben ser colocados en el sistema de distribución, considerando
los límites de caída de voltaje en los nodos como también una posible expansión de la red ante
los requerimientos de demanda futura.
encontrar una única solución final, sin importar si estas soluciones poseen igual fitness o
diferentes. Además debe ser capaz de mantener estas soluciones durante un período infinito de
tiempo, con respecto al tamaño de la población.
Existen otras técnicas de nichos que requieren múltiples ambientes ya sean espaciales
(múltiples funciones de adaptación) o temporales (funciones de adaptación no estacionarias).
Competición Restrictiva
Fitness Sharing
Las técnicas temporales en un sólo ambiente, son más adecuadas para funciones de
optimización multimodales. Técnicas espaciales en un solo ambiente son apropiadas para
funciones de optimización multimodales, funciones de optimización multiobjetivo, y para
clasificación. Técnicas espaciales en múltiples ambientes son ventajosas para resolver
funciones de optimización multiobjetivo. Finalmente técnicas temporales en múltiples
ambientes son apropiadas para resolver problemas de optimización adaptativa [9].
El algoritmo en vez de trabajar con toda la población sólo lo hace con los padres de los
nuevos elementos. Cada par de hijo es insertado simultáneamente a la población de la
siguiente manera. Existen dos métodos posibles para reemplazar dos padres por sus dos hijos:
DO n/2 veces
1. Seleccionar dos padres p1 y p2 aleatoriamente y sin reemplazo. Este algoritmo no
aplica ningún método de selección. Todo individuo tiene derecho a reproducirse.
2. Cruzarlos, generando c1 y c2
3. Aplicar mutación, generando c'1 y c'2
42
A continuación se explica la función de costo la cual consta de tres términos que son: el
costo de los condensadores, el costo total de las pérdidas de energía y de potencia en el
sistema de distribución. Se consideran restricciones de flujo de potencia, restricciones de
voltajes en cada uno de los nodos del sistema y restricciones de la cantidad de condensadores
disponibles.
44
• Costo de los capacitores: En este costo se incluye el costo del condensador y su costo
de instalación. Por lo general este costo depende de la capacidad de los condensadores.
Entonces si Cj es la capacidad de los condensadores localizados en el nodo j y Kc es el
costo KVAR incluyéndose el costo de instalación, el costo total fijo viene dado por:
M
Ccond = K c ∑C
j =1
j Ec. 5.1
• Costo de las pérdidas de energía: Para calcular las pérdidas de energía del sistema, es
necesario considerar las variaciones de la carga durante un período de tiempo T. La carga
de un sistema varía continuamente durante el día y como no se conoce su comportamiento,
entonces, es discretizada en un número determinado de niveles de carga para que pueda ser
resuelto usando técnicas de optimización ya existentes. Así toda la carga varía en forma
proporcional según el nivel de carga que se trate. Entonces la curva de duración de carga
está compuesta por segmentos lineales y el período de tiempo T es dividido en intervalos
durante los cuales los niveles de carga son constantes.
n
C E − loss = K e ∑T
i =1
i Pi Ec. 5.3
• Costos de las pérdidas de potencia: Existe otro efecto de las pérdidas que corresponde a la
ganancia marginal de la capacidad de distribución, como resultado de la compensación
reactiva. En este modelo esto se calcula como función del valor máximo de las pérdidas
(P0) obtenidas para una configuración dada, en el valor peak de la curva de carga. Si Kp es
la constante del costo de la potencia máxima, entonces a continuación se muestra los
costos debido a las pérdidas de potencia.
• Costo total: Viene dado por la suma de los tres costos anteriores, es decir, por los costos
asociados a las pérdidas de potencia, energía y por el costo de los condensadores que
incluye además el costo de instalación de estos equipos.
Sujeto a:
Donde Kp, Ke, Kc son las constantes de costos de potencia de punta, de energía y de kVAr
respectivamente. Pi corresponde a las pérdidas de potencia para cualquier nivel de carga i,
mientras que P0 corresponde a las pérdidas de potencia de punta. Además se considera que
hay n niveles de carga y M posibles localizaciones [9,10].
En el siguiente esquema se hace una descripción del diagrama de flujo para proceder a
explicar el funcionamiento, la metodología y todas las tareas y facilidades que ofrece el
programa implementado.
48
49
En esta parte se da lectura a los archivos de datos necesarios para configurar el sistema de
distribución, como son las impedancias de línea, la potencia activa y reactiva, los valores
disponibles de capacitores todos almacenados en matrices. Así como también el número de
barras del sistema.
En este bloque se definen los parámetros del sistema, que son los que permiten la
ejecución de las distintas funciones o subrutinas del programa y así alcanzar los objetivos que
se esperan mediante esta aplicación. Entre estas variables se definen, el número de iteraciones
para el cálculo de las tensiones, número máximo de barras a compensar, tensión base, tensión
mínima y máxima aceptable, los niveles de carga, intervalos de duración de la carga, el costos
asociado a la energía, a la potencia de punta y el valor de los kvar instalados, el número
máximo de generaciones, tamaño de la población, y la probabilidad de ocurrencia de la
mutación.
En esta etapa es donde se determinan las barras cuya pérdida de potencia activa son más
sensibles a una inyección de potencia reactiva, entonces estas barras son las candidatas a ser
compensadas. De esta manera se reduce el espacio de búsqueda del Algoritmo Genético.
Para su determinación es necesario calcular los voltajes en cada barra mediante el método
50
de Gauss Seidel y luego las admitancias de las líneas. Estos valores son almacenados en vector
ordenándolos desde el valor negativo más pequeño si existe y los siguientes en orden
ascendentes.
Cada individuo de la población está compuesto por una cadena de bits, que se determina
por el número de barras a compensar (M), el número de niveles de carga (n) y por el número
de tipos de capacitores disponibles (NTC), donde su capacidad de potencia se expresa en
KVAR, es decir, el tamaño del individuo es de M * n* NTC. Por ejemplo si se han definido
cuatro tamaños de capacitores (C1, C2, C3, C4), tres niveles de carga y dos posibles
localizaciones, entonces el tamaño del individuo es de 24 bits como se muestra a continuación:
Todos los individuos de la población pasan por el proceso de cruce y mutación, es decir,
51
todos tienen la misma posibilidad de reproducirse. Por lo cual se generan N/2 parejas
aleatoriamente y sin reemplazo, a quienes se les aplica el Algoritmo Genético hasta alcanzar el
máximo de generaciones.
5.2.6 Cruzamiento
5.2.7 Mutación
Los dos individuos creados en la etapa anterior son sometidos al proceso de mutación,
donde se cambia el valor de un gen de cada cromosoma en forma aleatoria. En este caso se
genera un número aleatorio y si es menor que la probabilidad de mutación se cambia el valor
del bit (por 1 si es 0 de lo contrario por 0 si es 1).
5.2.8 Evaluación
Después que los individuos han sido mutados tanto los padres como los hijos son
evaluados en la función de costos, para ello es necesario que cada uno de ellos cumplan con
las siguientes restricciones:
Una vez que se obtienen los costos se procede a calcular las medidas de similitud para ver
52
que hijo reemplaza a que padre. El método utilizado es conocido como Distancia Hamming y
el reemplazo utilizado es el que entrega la menor suma de distancias absolutas entre un hijo y
el padre reemplazado, luego se comparan los costos de ambos pasando a la siguiente
generación el que tenga costo mínimo. Este proceso se hace para cada pareja de individuos,
hasta alcanzar el máximo de generaciones.
Los hijos que reemplazan a sus padres son colocados en la misma posición de sus
antecesores almacenando sus respectivos costos, para luego determinar cual de ellos obtiene el
costo mínimo.
En esta etapa se grafica el costo mínimo encontrado en cada generación, esto se logra
guardando cada valor en un vector para luego representarlo gráficamente.
En esta última etapa se despliega una pantalla que muestra los siguientes resultados:
con compensación para cada nivel de carga. Además de los resultados antes mencionados.
Las herramientas y funciones que brinda Matlab 7.0 son utilizadas para la creación de la
interfaz grafica, la cual permite al usuario la interacción con el programa SLOC (Sistema de
Localización Óptima de Capacitores) de una manera más fácil ya que simplifica el
procedimiento para la localización de las barras del sistema a compensar.
La función principal recibe el nombre de Sloc.m la cual contiene el código que permite la
funcionalidad de la interfaz. Además se crea otro archivo Sloc.fig en este se encuentra la
estructura de la interfaz.
A continuación se explicaran cada una de las ventanas que forman parte de la interfaz
gráfica de usuario.
El botón Aceptar que hace que la ventana se cierre para de esta manera poder continuar
con el proceso.
56
RESULTADOS
En este capítulo se muestra el desempeño del modelo propuesto frente a diversos sistemas,
esto se hace a través de un análisis comparativo entre los resultados obtenidos con el programa
desarrollado y el software NEPLAN el cual es un programa que permite obtener los valores de
las pérdidas de energía de un Sistema de Distribución sin y con compensación de potencia
reactiva, y la capacidad de los capacitores a instalar.
Los operadores utilizados por el Algoritmo Genético de Nichos son los siguientes:
Los costos del sistema, con y sin compensación de potencia reactiva se pueden observar en
la siguiente tabla.
Tabla 6.5: Resultados de Ahorros, de Costos del Sistema Sin y Con Compensación
Costo Sin Compensación (UM) 140563.5999
Costo Con Compensación (UM) 135911.4443
Ahorros (UM) 4652.1555
La tabla 6.6 muestra las tensiones con y sin compensación en el nivel de carga máximo
para cada una de las barras del Sistema de Distribución.
Después de una revisión de los valores obtenidos producto de las simulaciones con
NEPLAN y el Programa Sloc, se observa que los resultados de las perdidas de energía y de
tensiones en ambos métodos son aproximadamente iguales, esto implica que se pueden
obtener mejoras económicas sustanciales en el sistema producto del ahorro en función de la
disminución de las pérdidas de reactivos. Con los resultados obtenidos se satisface el principal
objetivo del programa que es minimizar los costos sujetos a las restricciones de calidad de
suministro de la energía eléctrica.
En cuanto a la convergencia del método de solución se puede ver que a partir de la
generación 14 en adelante el algoritmo se estabiliza y se mantiene constante encontrando el
60
En la figura 6.4 se tiene el Sistema de Distribución de 10 barras que se va a someter a estudio con
el software Sloc para 3 diferentes localizaciones, los datos de entrada se observan en la tabla 6.7. La
curva de carga utilizada para estudiar la compensación de este sistema es igual a la utilizada en el
sistema anterior dada por la figura 6.2.
De los resultados anteriores se encuentra que los ahorros sustanciales en el Sistema de Distribución
se logran cuando se compensan 7 barras. Por lo cual se muestran los resultados de las pérdidas de
energía, de tensiones, al igual que los valores de capacitores necesarios a instalar en las barras a
compensar.
62
Tabla 6.10: Pérdidas de Energía Sin y Con Compensación para el mayor Nivel de Carga
Pérdidas de Energía Sin Compensación (MW) Pérdidas de Energía Con Compensación (MW)
0.74345 0.65861
Tabla 6.11: Tensiones Sin y Con Compensación para el mayor Nivel de Carga
Tensiones Sin Compensar (KV) Tensiones Con Compensación (KV)
1 23 23
2 22.8459 22.9033
3 22.7147 22.8637
4 22.1728 22.5062
5 21.827 22.2574
6 21.1273 21.7066
7 20.9001 21.5372
8 20.4846 21.1847
9 19.7915 20.5963
10 19.3057 20.1756
De los resultados obtenidos se observa que las tensiones se encuentran entre el rango establecido
cumpliendo con las restricciones establecidas de tensiones, con el fin de garantizar una mejor
distribución para el suministro de energía eléctrica. Además se logra minimizar los costos y reducir las
pérdidas de energía al compensar el sistema en 7 barras respectivamente. En la figura 6.5 se muestra
detalladamente que el Algoritmo Genético de Nichos aproximadamente comienza a ser constante a
partir de la generación 30 hasta encontrar el mínimo de la función objetivo, satisfaciéndose así el
objetivo principal.
63
El sistema de distribución mostrada en la figura 6.6 presenta treinta ramas de las cuales son laterales.
La información correspondiente a la resistencia y reactancia de cada sección se muestra en la tabla
6.12.
Tabla 6.14: Pérdidas de Energía Sin y Con Compensación en el mayor Nivel de Carga
Pérdidas de Energía Sin Compensación (MW) Pérdidas de Energía Con Compensación (MW)
0.14768 0.11489
Los resultados de costos y de ahorros obtenidos mediante las simulaciones realizadas en Sloc para
66
los distintos casos son los que se muestran en la tabla 6.15. De los cuales se puede observar que el
sistema presenta los mejores ahorros cuando se compensan solo 5 barras. En los casos de 15 o de todas
las barras a compensar no se encuentra una configuración que minimice los costos o que cumplan con
las restricciones del problema. Para ello es necesario un mayor número de generaciones, ya que
permite explorar el espacio de búsqueda hasta encontrar la mejor solución.
Tabla 6.16: Tensiones Sin y Con Compensación para el mayor Nivel de Carga
Tensiones Sin Compensar (KV) Tensiones Con Compensación (KV)
1 23 23
2 22.9983 22.9983
3 22.9937 22.9937
4 22.8534 22.8947
5 22.7745 22.8443
6 22.6942 22.7897
7 22.6569 22.7808
8 22.6303 22.7399
9 22.5925 22.692
10 22.5827 22.6789
11 22.5680 22.6614
12 22.5494 22.6406
13 22.5329 22.6235
14 22.5181 22.6084
15 22.5053 22.5956
16 22.5459 22.6447
17 22.5299 22.6283
18 22.5207 22.6191
19 22.5803 22.7137
20 22.5098 22.6568
21 22.4994 22.6588
22 22.6518 22.7757
23 22.7865 22.8442
24 22.7227 22.7964
25 22.6446 22.7456
26 22.5996 22.7058
27 22.5735 22.684
28 22.5596 22.6702
29 22.9832 22.9832
30 22.9542 22.9542
31 22.9329 22.9329
Luego para ser más ilustrativa la convergencia se muestran las gráficas correspondientes a los tres
67
casos considerados.
CONCLUSIONES
• Mediante el desarrollo del software Sloc, basado en los Algoritmos Genéticos de Nichos,
se simularon diversos Sistemas de Distribución Radiales, determinando de manera óptima
la ubicación de los capacitores para realizar la compensación de reactivos en el sistema.
Esto se logra debido a que son métodos capaces de formar y mantener múltiples soluciones
óptimas, con la finalidad de obtener una solución final única.
• Esta aplicación se puede extender aplicando otras variantes de los Algoritmos Genéticos
como son el Algoritmo Genético Clásico y el Algoritmo Genético SUS, con la finalidad de
que el usuario pueda seleccionar alguno según su conveniencia, como también de hacer
comparaciones entre ellos para ver cual obtiene mejores resultados.
• También se puede considerar a futuro el desarrollo de una Heuristica basada en la
Sensibilidad el cual permitirá mejorar la convergencia de la solución entregada por el
Algoritmo Genético, es decir relocalizar condensadores que ya fueron instalados por el
Algoritmo siempre y cuando se logre una mejor solución. Y luego localizar condensadores
que no hayan sido instalados en el sistema. De esta manera se logra mejorar el rendimiento
del programa.
REFERENCIAS BIBLIOGRÁFICAS
11. Álvarez Concepción, Maroto, Alcaraz Soria Javier, Ruiz García Rubén. Publicado en 2002
Editorial Universidad de Valencia. pp. 375-376
13. Melanie Mitchell. An Introduction to Genetic Algorithms, MIT Press, Cambridge, MA.
(1996),
14. Schmitt, Lothar M Theory of Genetic Algorithms, Theoretical Computer Science (259),
pp. 1-61 (2001).
16. Galarza Espín Marco, Riofrío Reyes Carlos. Localización Óptima de Capacitores en Redes
Primarias de Distribución Mediante Técnicas Heurísticas. pp 6- 11.
17. Gallego Ramón, Escobar Z. Antonio H y Rodas Rendón Darío E. Algoritmo genético
especializado para la localización óptima de capacitores en Sistemas de Distribución de
73
energía eléctrica. pp. 71- 76. Scientia et Technica Año, No 25, Agosto 2004. UTP. ISSN
0122-1701.
19. De Jong, K.A., Analysis of the behaviour of a class of genetic adaptive systems. (Doctoral
dissertation, University of Michigan). Dissertation abstracts international, 36(10), 5140B.
(University Microfilms Nº 76-9381). 1925.
20. S. W. Mahfoud, Niching Methods for Genectic Algorithms, llliGAL Report Nº 95001,
lllinois Genetic Algorithms Laboratory (llliGAL), University of lllinois, May 1995.
ANEXO
MANUAL DEL USUARIO
A continuación se explica detalladamente los aspectos básicos para el uso del programa de
Localización Óptima de Capacitores en un Sistema de Distribución Eléctrico.
Cabe destacar que para el funcionamiento de esta aplicación es necesario contar con el
software Matlab 7.0, con un PC Pentium IV y que tenga como mínimo 512 MB de memoria
Ram.
Para ejecutar la aplicación se debe abrir Matlab 7.0 al igual que todos los archivos del
programa, luego se ejecuta la aplicación Sloc, tal y como se muestra en la siguiente figura:
Esta interfaz se muestra el menú grafico que consta de cuatro botones de acceso directo,
cada uno con su respectivo nombre: Configurar sistema, Introducir parámetros, Localizar y
Acerca de. Se puede acceder a ellos haciendo click sobre el botón.
Para correr el programa es necesario que el usuario introduzca los valores de forma
secuencial; por ejemplo si presiona el botón Introducir parámetros antes de el botón
Configurar sistema aparece en pantalla el siguiente mensaje de error, el cual es mostrado en la
figura siguiente.
Esta ventana permite al usuario ingresar los datos que definen las características del
sistema, es decir, introducir el número de barras del sistema, las impedancias de cada tramo de
línea según sea el caso pueden ser introducidas en valores en p.u., en Ohm ó conociendo los
valores de L(Km) (longitud), R(Ohm/Km) y X(Ohm/Km). Los valores de las impedancias se
crean en un archivo (xxxx.txt) con un editor de texto plano (block de notas, ultra edit, etc.) en
forma de matriz, el cual es guardado en cualquier unidad de almacenaje de datos (Disco duro,
disco extraíbles, etc.).
Para realizar los cálculos del sistema, se deben cargar los datos creados como se menciono
78
Esta ventana está compuesta por cuatro paneles que permite al usuario introducir los datos
de información general del sistema, los cuales son:
sea conveniente, comúnmente las unidades de tensión base que se usa es MVA ó KVA,
si la tensión se encuentra en KVA es necesario que el usuario la transforme en MVA
para obtener correctamente los resultados, ya que en la aplicación se encuentra
definido en MVA.
o Tensión base (KV): al igual que en el caso anterior, el usuario puede definir la tensión
base que le sea conveniente, se recomienda introducir este valor en KV ya que en la
aplicación se define en esta unidad, por lo general la unidad de la tensión base casi
siempre son KV.
o Tensión mínima (p.u.): este valor es definido por el usuario pero comúnmente se
utiliza como límite mínimo 0.9.
o Tensión máxima (p.u): también es definido por el usuario, por lo general se usa como
límite máximo 1.1
• Niveles de carga (p.u.): en esta subvetana se introducen los valores de los niveles de carga
en por unidad y el período de tiempo T el cual es dividido en intervalos durante los cuales
los niveles de carga son constantes.
o Niveles de carga (p.u.): el usuario puede definir el número de niveles de carga, estos
valores se introducen en forma de fila donde cada elemento es separado por un espacio.
o Intervalos de duración (Hrs): el intervalo de tiempo es dividido dependiendo de los
niveles de carga, para cada nivel de carga corresponde un intervalo de tiempo, estos se
introducen de igual forma que los niveles de carga.
• Costos: en esta sección se introducen las constantes de costos de energía, de potencia y de
capacitores, los cuales se expresan en UM/KWh, UM/KW, UM/KVAR respectivamente.
Permite al usuario definir en que unidades monetarias desea trabajar.
• Algoritmo genético: permite al usuario introducir los valores de los parámetros que va a
utilizar el Algoritmo Genético. Se definen el número máximo de generaciones, el tamaño
de la población y la probabilidad de mutación.
o Número máximo de generaciones: este valor puede variar, permite que el algoritmo
realice la búsqueda de la mejor solución un número de iteraciones máximas, se
recomienda utilizar un mínimo de 50 generaciones y un máximo de 300 generaciones.
o Tamaño de la población: al igual que en el caso anterior, este valor es definido por el
usuario, dependiendo del tamaño puede que haya o no variabilidad dentro de la
83
población, esto depende al tamaño que se defina. Si es muy pequeño hace que haya
muy poca diversidad dentro de la población y puede hacer que el algoritmo converja
más rápidamente, sin embargo puede que no encuentre la mejor solución, ahora si el
tamaño de la población se define muy grande permite que exista mucha diversidad y
puede localizar la solución óptima pero requiere de mucho trabajo de computo.
o Sin embargo en la literatura un tamaño de población de 100 es un valor significativo
que abarca efectivamente el problema de la localización óptima de capacitores en un
sistema de distribución.
o Probabilidad de mutación: este parámetro genera diversidad dentro de la población,
mientras mayor sea la probabilidad definida mayor variabilidad se promueve dentro de
la población.
• Aceptar: Una vez que se introducen todos los parámetros se hace click sobre este botón
para pasar al próximo paso el cual es Localizar. Si los datos se insertan de manera
incorrecta inmediatamente se arroja un mensaje de error. Por ejemplo si el número de
barras a compensar es mayor al número de barras del sistema se muestra la siguiente
figura.
84
Figura 13: Mensajes de error por mala introducción del número de barras a compensar
VENTANA LOCALIZAR
Se activa una vez que se ha configurado y se han introducido los parámetros al sistema,
presionando el botón Localizar. Esta ventana muestra los resultados de la aplicación, se
observa la gráfica del costo mínimo por cada generación, el costo mínimo sin compensación,
con compensación y los ahorros del sistema, también se muestran las barras a compensar con
sus respectivos valores de capacitores para cada nivel de carga. Además presionando el botón
Finalizar el usuario puede culminar la aplicación antes de ejecutarse el máximo de
generaciones, bien sea porque a partir de una generación determinada el costo mínimo es
constante ó porque requiere de mayor tiempo de ejecución para alcanzar el máximo de
generaciones, de lo contrario hasta que alcance el máximo de generaciones. Por ejemplo si el
máximo de generaciones es de 50, los resultados obtenidos se muestran en la siguiente figura.
85
En el archivo creado se muestra detalladamente los resultados de los cálculos del sistema
generados por el programa. El cual se puede observar a continuación.
140563.5999 UM
135934.163 UM
AHORRO:
4629.4368 UM
Nivel = 1 (p.u):
114.1645 MWh
72.008 MWh
40.2807 MWh
107.4789 MWh
67.2619 MWh
87
37.7879 MWh
Barra 1: 23 KV
Barra 2: 22.7437 KV
Barra 3: 22.611 KV
Barra 4: 22.6395 KV
Barra 1: 23 KV
Barra 2: 22.7966 KV
Barra 3: 22.6909 KV
Barra 4: 22.7135 KV
Barra 1: 23 KV
Barra 2: 22.8479 KV
Barra 3: 22.7688 KV
Barra 4: 22.7857 KV
TENSIONES CON COMPENSACION:
Nivel = 1 (p.u):
Barra 1: 23 KV
Barra 2: 22.7504 KV
Barra 3: 22.6311 KV
Barra 4: 22.6462 KV
88
Barra 1: 23 KV
Barra 2: 22.8033 KV
Barra 3: 22.7108 KV
Barra 4: 22.7202 KV
Barra 1: 23 KV
Barra 2: 22.8523 KV
Barra 3: 22.7821 KV
Barra 4: 22.7902 KV
COMPENSACION OPTIMA:
BARRA 3:
Nivel = 1 (p.u):
300 Kvar
200 Kvar