Mejoramiento de La Confiabilidad en Sistemas de Distribucion Mediante Reconfiguración de Circuitos Primarios PDF

MEJORAMIENTO DE LA CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN
MEDIANTE RECONFIGURACIÓN DE CIRCUITOS PRIMARIOS
ALFONSO GONZALEZ ARIAS
UNIVERSIDAD TECNOLÓGICA DE PEREIRA

FACULTAD DE INGENIERIAS
PROGRAMA DE INGENIERIA ELÉCTRICA
PEREIRA
2007
MEJORAMIENTO DE LA CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN
MEDIANTE RECONFIGURACIÓN DE CIRCUITOS PRIMARIOS
ALFONSO GONZALEZ ARIAS
Trabajo de grado para optar al titulo de

Ingeniero Electricista
Director:
Ing. Oscar Gómez Carmona
Docente Escuela de Tecnología Eléctrica
UNIVERSIDAD TECNOLÓGICA DE PEREIRA

FACULTAD DE INGENIERIAS
PROGRAMA DE INGENIERIA ELÉCTRICA
PEREIRA
2007
Calificación:
__________________________________
__________________________________
__________________________________
__________________________________
__________________________________
__________________________________
__________________________________
__________________________
MSc. Alejandro Garcés Ruiz.
Jurado.
__________________________
Ing. Oscar Gómez Carmona.
Director.
A Dios, Quien da sabiduría
hasta que sobre y abunde, dador
de vida y vida en abundancia.
A mi esposa, ayuda idónea

y mujer virtuosa. A mi hijo, regalo
divino y motor que impulsa mi
caminar.
A mis padres, ejemplo de

vida y a quienes debo en gran
parte lo que hoy puedo ser.
AGRADECIMIENTOS
Al ingeniero Oscar Gómez Carmona director del proyecto, quien estuvo siempre
dispuesto a orientar la correcta ejecución de este trabajo bridando acertados
consejos que facilitaron la comprensión del problema planteado y la solución del
mismo.
TABLA DE CONTENIDO
RESUMEN ........................................................................................................................... xi
OBJETIVOS ....................................................................................................................... xii
INTRODUCCIÓN................................................................................................................. 1
2. SISTEMA DE DISTRIBUCIÓN .................................................................................. 3
2.1 CARACTERÍSTICAS GENERALES DEL SISTEMA DE DISTRIBUCIÓN .. 4
2.2 ASPECTOS LEGALES Y ECONOMICOS ....................................................... 6
2.2.1 Distribuidores. ................................................................................................ 6
2.3 ANÁLISIS DE LOS SISTEMAS DE DISTRIBUCIÓN ..................................... 6
3. CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN......................................... 7
3.1 ÍNDICES DE CONFIABILIDAD .......................................................................... 7
3.1.1 Parámetros Básicos ...................................................................................... 8
3.1.2 Índices orientados al consumidor ............................................................... 8
3.2 TECNICAS DE MODELACIÓN Y EVALUACIÓN ......................................... 10
3.2.1 Simulación de Monte Carlo........................................................................ 10
3.2.2 El método de Markov. ................................................................................. 10
3.2.3 Técnica de Frecuencia y Duración. .......................................................... 13
3.2.4 Método de cortes mínimos. ....................................................................... 15
4. RECONFIGURACIÓN DE LOS SISTEMAS DE DISTRIBUCIÓN. ................... 16
4.1 EJEMPLO DE RECONFIGURACIÓN ............................................................. 16
4.2 FINALIDAD DE LA RECONFIGURACIÓN ..................................................... 21
4.3 METODOS UTILIZADOS EN LA RECONFIGURACIÓN [9] ....................... 21
4.4 EFECTO DE LA RECONFIGURACIÓN EN LA CONFIABILIAD ................ 22
5. ALGORITMOS GENÈTICOS .................................................................................. 26
5.1 MÉTODOS HEURÍSTICOS .............................................................................. 26
5.2 MÉTODOS EVOLUTIVOS ................................................................................ 27
5.3 METODOLOGÍA DE LOS ALGORITMOS GENÉTICOS ............................. 27
5.4 ESTRUCTURA DE LOS ALGORITMOS GENÉTICOS. .............................. 29
5.4.1 Generación de la población inicial. ........................................................... 30
5.4.2 Proceso de selección.................................................................................. 30
5.4.3 Crossover. .................................................................................................... 32
5.4.4 Mutación. ...................................................................................................... 34
6. MÉTODO EVOLUTIVO APLICADO A LA MINIMIZACIÓN DE ÍNDICES DE
CONFIABILIDAD MEDIANTE RECONFIGURACIÓN................................................. 35
6.1 DESCRIPCIÓN DEL PROBLEMA. .................................................................. 35
6.2 MODELAMIENTO MATEMÁTICO. .................................................................. 37
6.3 CODIFICACIÓN DEL PROBLEMA .................................................................. 41
6.4 RADIALIDAD DE LA CODIFICACIÓN ............................................................ 42
6.5 ORDENAMIENTO NODAL ............................................................................... 43
6.6 FLUJO DE CARGA DE BARRIDO ITERATIVO ............................................ 48
6.6.1 Barrido de corrientes (barrido hacia delante) ......................................... 48
vi
6.6.2 Barrido de voltajes....................................................................................... 49
6.7 SOLUCIÓN DEL PROBLEMA. ......................................................................... 51
6.7.1 Datos del sistema y parámetros del AG. ................................................. 51
6.7.2 Generación de la población inicial. ........................................................... 53
6.7.3 Seleccionar población. ............................................................................... 54
6.7.4 Cruzamiento ..................................................................................................... 55
6.7.5 Mutación. .......................................................................................................... 54
7. RESULTADOS ........................................................................................................... 56
7.1 SISTEMA IEEE 14 NODOS, 16 LÍNEAS Y 1 SUBESTACIÓN (S 14). ...... 56
7.2 SISTEMA PROPUESTO DE 29 NODOS, 45 LÍNEAS Y 3
SUBESTACIONES (S 29). ........................................................................................... 62
7.3 SISTEMA IEEE DE 33 NODOS, 37 LÍNEAS Y 1 SUBESTACIÓN (S 33). 73
SUBESTACIONES (S 15.)........................................................................................... 83
8. CONCLUSIONES ...................................................................................................... 90
8.1 FUTUROS TRABAJOS. .................................................................................... 91
BIBLIOGRAFÍA .................................................................................................................. 92
ANEXOS ............................................................................................................................. 96
A.1 Datos sistema IEEE 14 nodos: ............................................................................ 96
A.2 Datos sistema IEEE de 33 nodos. ....................................................................... 97
A.3 Datos sistema propuesto de 29 nodos. .............................................................. 99
A.4 Datos sistema de 15 nodos. ............................................................................... 101
vii
LISTA DE TABLAS
Tabla 2.1 Niveles de Tensión ............................................................................................ 3

Tabla 2.2 Niveles de Tensión según NTC 1340. ........................................................... 3
Tabla 4.1 Valores de ɉ y de la figura 4.10 .................................................................. 23
Tabla 4.2 Resultados para la figura 4.10....................................................................... 24
Tabla 5.1 Valores para el ejemplo de selección........................................................... 30
Tabla 6.1 Valores del ejemplo para calcular ͵ ........................................................... 40
Tabla 6.2 Valores ͵ asignado a cada individuo .......................................................... 40
Tabla 6.3 Ordenamiento por niveles de la figura 6.3................................................... 43
Tabla 6.4 Matriz B para el ejemplo de ordenamiento nodal. ...................................... 44
Tabla 6.5 Primer paso del ordenamiento nodal. .......................................................... 44
Tabla 6.6 A. Segundo paso del ordenamiento nodal. ................................................. 45
Tabla 6.6 B. Segundo paso del ordenamiento nodal. ................................................. 45
Tabla 6.7 A. Tercer paso del ordenamiento nodal. ...................................................... 46
Tabla 6.7 B. Tercer paso del ordenamiento nodal. ...................................................... 46
Tabla 6.8 A Cuarto paso del ordenamiento nodal. ...................................................... 47
Tabla 6.8 B Cuarto paso del ordenamiento nodal. ...................................................... 48
Tabla 6.10 Matriz B del sistema...................................................................................... 50
Tabla 6.9 A. Quinto paso del ordenamiento nodal. ..................................................... 47
Tabla 6.9 B Quinto paso del ordenamiento nodal........................................................ 48
Tabla 6.10 Matriz B del sistema...................................................................................... 51
Tabla 8.1 Resultados sistemas de prueba. ................................................................... 89
Tabla A1 Datos sistema IEEE 14 nodos ....................................................................... 96
Tabla A1.1 Datos sistema IEEE 14 nodos .................................................................... 96
Tabla A3.1 Datos sistema propuesto de 29 nodos .................................................... 100
viii
LISTA DE FIGURAS
Figura 2.1 Topología radial del sistema de distribución ................................................ 4

Figura 2.2 Tipo de conexiones. ......................................................................................... 5
Figura 2.3 Consumo de energía eléctrica por sectores ................................................ 5
Figura 3.1 Diagrama del espacio de estados de un sistema de dos elementos. ... 13
Figura 3.2 Diagrama de espacio de estados de un componente y representación
del ciclo operación-falla-reparación-operación. ........................................................ 14
Figura 4.1 Topología inicial del ejemplo gráfico ........................................................... 16
Figura 4.2 Primera reconfiguración del ejemplo gráfico ............................................ 17
Figura 4.3 Segunda reconfiguración del ejemplo gráfico .......................................... 17
Figura 4.4 Tercera reconfiguración del ejemplo gráfico............................................. 18
Figura 4.5 Cuarta reconfiguración del ejemplo gráfico .............................................. 18
Figura 4.6 Quinta reconfiguración del ejemplo gráfico............................................... 19
Figura 4.7 Sexta reconfiguración del ejemplo gráfico ................................................ 19
Figura 4.8 Séptima reconfiguración del ejemplo gráfico ............................................. 20
Figura 4.9 Octava reconfiguración del ejemplo gráfico .............................................. 20
Figura 4.10 Efecto de la reconfiguración en la confiabilidad (red1). ......................... 22
Figura 5.1 Comparación de un string con un cromosoma .......................................... 28
Figura 5.2 Esquema básico de un algoritmo genético. ............................................... 29
Figura 5.3 Ejemplo de selección usando ranking......................................................... 31
Figura 5.4 Ejemplo de selección usando ruleta............................................................ 31
Figura 5.5 Crossover de punto simple. .......................................................................... 32
Figura 5.6 Crossover multipunto ..................................................................................... 33
Figura 6.1. Representación del sistema de distribución ............................................. 41
Figura 6.2 Ejemplo de las estructuras Árbol y Coárbol ............................................... 42
Figura 6.3 Ejemplo de ordenamiento nodal del sistema de distribución. ................. 43
Figura 6.4 Diagrama de flujo del algoritmo de flujo de carga..................................... 51
Figura 6.5 Diagrama de flujo del algoritmo de solución .............................................. 52
Figura 6.6 forma de la red por medio del conjunto de nodos..................................... 53
Figura 6.7 Proceso de cruzamiento ............................................................................... 55
Figura 7.1 Sistema IEEE de 14 nodos ........................................................................... 56
Figura 7.2 Gráfico de SAIDI y SAIFI en función del número de iteraciones para S
14 en la opción 1 ........................................................................................................... 57
14 en la opción 2. .......................................................................................................... 58
29 en la opción 1. .......................................................................................................... 59
ix
14 en la opción 4. .......................................................................................................... 60
Figura 7.6 Gráfico de SAIDI y SAIFI en función del número de iteraciones para la
opción 5. ......................................................................................................................... 61
Figura 7.7 Red propuesta para S14 en todas las opciones. ...................................... 61
Figura 7.8 Sistema propuesto de 29 nodos .................................................................. 62
Figura 7.9 red propuesta en la opción 1 para S 29. .................................................... 63
Figura 7.10 SAIDI y SAIFI en función del número de iteraciones para S29 en la
opción 1........................................................................................................................... 64
Figura 7.11 red propuesta en la opción 2 para S 29. .................................................. 66
Figura 7.12 Gráfico de SAIDI y SAIFI en función del número de iteraciones para
S29 en la opción 1......................................................................................................... 67
opción 3. ......................................................................................................................... 68
opción 4. ......................................................................................................................... 70
Figura 7.17 red propuesta en la opción 5 para S 29 ................................................... 71
Figura 7.18 Gráfico de SAIDI y SAIFI en función del número de iteraciones para
S29 en la opción 5......................................................................................................... 72
Figura 7.19 Sistema IEEE de 33 nodos......................................................................... 73
Figura 7.20 Red propuesta en la opción 1 para S 33.................................................. 74
opción 1........................................................................................................................... 75
opción 2. ......................................................................................................................... 76
Figura 7.23 Red propuesta para S33 en la opción 3. .................................................. 77
opción 3. ......................................................................................................................... 78
opción 4........................................................................................................................... 80
Figura 7.27 Red propuesta para S33 en la opción 5. .................................................. 81
opción 5. ......................................................................................................................... 82
Figura 7.29 Sistema propuesto de 15 nodos ................................................................ 83
opción 1........................................................................................................................... 84
opción 2........................................................................................................................... 85
opción 3. ......................................................................................................................... 86
opción 4........................................................................................................................... 87
x
opción 5. ......................................................................................................................... 88
Figura 7.35 Red propuesta en todas las opciones para S15. .................................... 89
xi
RESUMEN
La confiabilidad en sistemas de distribución, es una forma de brindar seguridad y

tranquilidad a todos los que de una u otra manera se benefician del consumo de
energía eléctrica, ya que establece estándares en la continuidad del servicio que
hacen que los agentes distribuidores se preocupen cada vez mas por el servicio
que están suministrando, tratando de prever y corregir oportunamente todo aquello
que interrumpa el correcto funcionamiento del sistema.
Para cuantificar la confiabilidad del sistema de distribución se puede recurrir a los

índices de confiabilidad los cuales brindan suficiente información acerca del
servicio suministrado, el desempeño de la red eléctrica, el comportamiento de sus
componentes y suministran información útil para tomar decisiones que afecten el
futuro de la red.
Una manera eficiente de minimizar estos índices de confiabilidades es la

reconfiguración de alimentadores de circuitos primarios, permitiendo encontrar
redes con topologías en las que la confiabilidad es el factor más importante.
En este trabajo se presenta un algoritmo genético que permite reconfigurar el

sistema de distribución para minimizar los índices de confiabilidad, en el que la
función objetivo pude ser minimizar SAIFI, minimizar SAIDI o minimizar
SAIFI+SAIDI y la selección puede realizarse por torneo o por ruleta.
Se presenta también un método para generar la población del algoritmo genético,

en el que las redes obtenidas son radiales y además todos los nodos de la red
están conectados, reduciendo de esta manera el tiempo de ejecución ya que no se
tendrá que recurrir a otros programas para evaluar la radialidad y conectividad de
la red generada, además se hace uso del mismo algoritmo para realizar el
cruzamiento, garantizando que las nuevas poblaciones sean radiales y que tengan
las características de sus padres.
También se introduce un nuevo algoritmo que realiza el ordenamiento nodal de

una red de distribución sin importa cuantas subestaciones tenga, entregando el
sistema completamente ordenado por subastaciones.
xii
OBJETIVOS
OBJETIVO GENERAL
Desarrollar un algoritmo de optimización para la minimización de índices de

confiabilidad utilizando reconfiguración del sistema de distribución.
OBJETIVOS ESPECÍFICOS
• Estudiar los índices de confiabilidad más representativos del sistema de

distribución.
• Estudiar los métodos para valorar la confiabilidad en sistemas de distribución.
• Estudiar los métodos de reconfiguración en sistemas de distribución.
• Explicar la relación existente entre la configuración de un sistema de

distribución y los índices de confiabilidad.
• Plantear un modelo matemático de optimización para el mejoramiento de la

confiabilidad en sistemas de distribución.
• Desarrollar un algoritmo de optimización para solucionar el modelo planteado.
xiii
INTRODUCCIÓN
El sistema de distribución, es el conjunto de subestaciones, transformadores y

alimentadores de distribución, que se encuentran interconectados de tal forma que
pueden suministrar la energía eléctrica al nivel de tensión requerido por los
usuarios finales. A la habilidad de este sistema para realizar su función, se le
denomina confiabilidad.
Cuando se habla del consumo de energía eléctrica es casi imposible no hablar de

confiabilidad, pues es ésta la que le asegura al consumidor qué tan bueno es el
servicio que le están prestando y le permite conocer al agente distribuidor en que
nivel se encuentra su empresa con respecto a la calidad del servicio que
suministra.
Mas exactamente, la confiabilidad en sistemas eléctricos de distribución es

definida por el IEEE (Institute of Electrical and Electronics Engineers) como la
capacidad del sistema para cumplir su función, sin fallas, dentro de un período de
tiempo especificado.
La confiabilidad ha sido un tema que en la historia de la energía eléctrica ha sido

muy documentado, pero este estudio se ha centrado principalmente en los
sistemas de generación y transmisión, sin prestar mucha atención al sistema de
distribución. En los últimos años el interés por la valoración de la confiabilidad en
los sistemas de distribución ha aumentado debido a las nuevas normas que
cubren el sector eléctrico y fuertes sanciones que debe afrontar las empresas
distribuidoras cuando incurren en fallas o interrupciones del suministro. Además,
es en el sistema de distribución donde realmente cobra mayor importancia este
término (confiabilidad), pues es allí donde ocurren la mayoría de las fallas (mas del
90%) que hacen que el sistema de potencia salga de su correcto funcionamiento.
Además, desde el punto de vista investigativo, la confiabilidad en sistemas de

distribución, es un campo en el cual no se ha profundizado totalmente y permite
con cada nuevo acercamiento encontrar mejoras al sistema, reflejadas en nuevos
programas para calcular mejores topologías, mejores diseños en la planificación
del sistema de distribución, elementos del sistema de potencia que brindan mayor
confianza en su funcionamiento, nuevos índices que representan con mayor
claridad la realidad del suministro y consumo de la energía eléctrica, nuevas
metodologías para calcular los índices de confiabilidad, etc.
Es indispensable que continuamente se realicen estudios cuyos resultados lleven

siempre a un mejoramiento del sistema de distribución actual, representado en la
operación económica del sistema con alto grado de calidad del servicio.
1
En vista de lo planteado, en este trabajo se aborda el problema de la minimización
de índices de confiabilidad en sistemas de distribución y para esto se recurre a la
reconfiguración de circuitos primarios como alternativa para mejorar la
confiabilidad del sistema.
La reconfiguración del sistema de distribución consiste básicamente en cambiar la

topología existente, por una nueva en la que el sistema tenga un mejor
comportamiento y para encontrar esta nueva topología existen varias
metodologías, entre estas están los métodos estocásticos y los métodos
heurísticos.
En el grupo de los métodos heurísticos se encuentran los algoritmos evolutivos,

que se basan en las teorías evolucionistas para encontrar las soluciones a los
problemas planteados. A este grupo pertenecen los algoritmos genéticos, los
cuales se han convertido en una potente herramienta en el campo de la ingeniería
para hallar soluciones a problemas altamente complejos.
Son precisamente los algoritmos genéticos la herramienta utilizada en este trabajo

para darle solución al problema de la minimización de índices de confiabilidad en
el sistema de distribución a través de la reconfiguración de circuitos primarios, ya
que por sus características en cuanto a la forma de representar las soluciones se
adaptan de forma eficiente para resolver problemas concernientes al sistema de
distribución.
2
2. SISTEMA DE DISTRIBUCIÓN
Un sistema eléctrico comprende un conjunto de elementos que permiten llevar la

energía eléctrica desde la fuente primaria (hidráulica, térmica, nuclear, etc.) hasta
el consumidor final.
Este proceso se puede definir por tres grandes etapas:

• Generación.
• Transmisión.
• Distribución.
En el proceso de generación se toman los diferentes tipos de energía que pueden

provenir de recursos hídricos, térmicos, nucleares o de la gran variedad de
energías renovables, para luego ser transformados en energía eléctrica. Luego se
pasa al proceso de transmisión, que permite llevar la energía eléctrica desde el
punto de generación hasta los grandes centros de consumo. En este proceso se
pueden encontrar diferentes niveles de tención como los siguientes [12]:
NIVEL TENSIÓN
IV 57.5 kV < 220 kV
III 30kV < 57.5 kV
II 1 kV < 30 kV
I > 1 kV
Tabla 2.1 Niveles de Tensión
Otra clasificación muy utilizada es definida en la NTC 1340 de la siguiente manera:
CLASIFICACIÓN TENSIÓN
Extra alta tensión (EAT) Corresponde a tensiones superiores a 230 kV.
Corresponde a tensiones mayores o iguales a 57,5
Alta tensión (AT)
kV y menores o iguales a 230 kV.
Los de tensión nominal superior a 1000 V e inferior
Media tensión (MT)
a 57,5 kV.
Los de tensión nominal mayor o igual a 25 V y
Baja tensión (BT)
menor o igual a 1000 V.
Muy baja tensión Tensiones menores de 25 V
Tabla 2.2 Niveles de Tensión según NTC 1340.
3
La Unidad de Planeamiento Minero Energética (UPME) define distribución como la
actividad de transportar energía eléctrica a través de un conjunto de líneas y
subestaciones, con sus equipos asociados, que operan a tensiones menores de
220 kV que no pertenecen a un sistema de transmisión regional por estar
dedicadas al servicio de un sistema de distribución municipal, distrital o local.
En conclusión, el sistema de distribución está conformado por un conjunto de

elementos, que permiten conectar satisfactoriamente el sistema de transmisión
con el usuario final, para suministrarle la energía eléctrica que este requiere, con
las características de calidad y confiabilidad apropiadas.
2.1 CARACTERÍSTICAS GENERALES DEL SISTEMA DE DISTRIBUCIÓN
• Topología: en la práctica los sistemas de distribución son en forma radial,

debido a que se obtiene mayor economía en las protecciones, es mas fácil
el diseño, se reduce la dificultad de ubicar las fallas, se mejora el perfil de
tensión del sistema y en general se simplifica la operación de la red de
distribución.
Figura 2.1 Topología radial del sistema de distribución
• Relación entre reactancia inductiva y resistencia: en el sistema de

distribución la relación entre la reactancia inductiva y la resistencia es
pequeña, es decir, XL es comprable con R, a diferencia del sistema de
transmisión, en donde XL>>R.
• Conexiones: se pueden encontrar diferentes tipos de conexiones. Las más
comunes se muestran a continuación:
4
d/WK
KEy/KE^
dZ/&^/ DKEK&^/
dZ/&/>Z ddZ&/>Z dZ/&/>Z /&/>Z
Figura 2.2 Tipo de conexiones.
• Naturaleza de la carga: el sistema de distribución suministra energía a

cargas de diferente naturaleza entre los que se pueden
pue contar:
Residencial.
Comercial.
Industrial.
Alumbrado Publico.
Oficial.
En el siguiente grafico se puede apreciar lla diferencia en el consumo de energía

en
en cada sector:
ϰй ϯй ϭй
ZĞƐŝĚĞŶĐŝĂů
ϰϯй ŽŵĞƌĐŝĂů
ϯϭй
/ŶĚƵƐƚƌŝĂů
KĨŝĐŝĂů
ϭϴй
ůƵŵďƌĂĚŽƉƵďůŝĐŽ
KƚƌŽƐ
Figura 2.3
3 Consumo de energía eléctrica por sectores
(Fuente CREG Febrero 8 de 2006)
• Transposición: a diferencia del sistema de transmisión en el sistema de

distribución no se realiza transposición.
5
2.2 ASPECTOS LEGALES Y ECONOMICOS
En 1994, se promulgaron las Leyes 14230 y 14331, las cuales determinaban la

reducción del monopolio estatal del servicio de electricidad en Colombia e
implementaban un nuevo esquema de prestación del servicio, cuyos principales
alcances se resumen en los siguientes aspectos:
• Separación de las actividades del sector eléctrico

• Estímulo a la participación privada
• Creación y entrega del control y la regulación del servicio al Estado
Colombiano
• Libre acceso a las redes de transmisión
• Introducción de la competencia en las actividades en que ella fuera posible;
• Regulación para las actividades de transporte y distribución de energía
2.2.1 Distribuidores.
Son los agentes que desarrollan la actividad del transporte de la energía en los
sistemas de distribución, correspondientes con el sistema de transmisión regional
(STR) y el sistema de distribución local (SDL) [14].
Actualmente, todas las empresas distribuidoras son a la vez comercializadoras,

pero no todas las empresas comercializadoras son distribuidoras. Los
distribuidores de energía eléctrica deben permitir libre acceso indiscriminado a los
STR y a los SDL, por parte de cualquier usuario, comercializador o generador que
lo solicite, en las mismas condiciones de confiabilidad, calidad y continuidad
establecidas en las disposiciones legales y reglamentarias [13]. Los Ingresos que
perciben los Transmisores Regionales o Distribuidores Locales, se originan en el
cobro a los agentes que acceden a la red, de dos conceptos: cargos por conexión
y cargos por uso de la red diferenciados por nivel de tensión.
2.3 ANÁLISIS DE LOS SISTEMAS DE DISTRIBUCIÓN
El los últimos años se han aumentado los estudios realizados al sistema de

distribución debido a que este es una parte fundamental del sistema de eléctrico al
que no se le prestaba la misma importancia que a los otros dos grandes sistemas
(generación y transmisión). Entre los análisis mas importantes se encuentran:
• Reducción de pérdidas.
• Reconfiguración de alimentadores primarios.
• Balance de fases.
• Confiabilidad.
6
3. CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN
Durante los últimos años la confiabilidad en los sistemas de distribución se ha

convertido en un tema de gran importancia para el sistema de potencia, ya que el
correcto funcionamiento de este último, se ve afectado en gran medida por las
fallas ocurridas en el sistema de distribución. Otra razón para que la importancia
en este tema haya aumentado, es la nueva normatividad que cubre el sector
eléctrico, debido a que hace que se preste mayor atención en el campo de la
confiabilidad ya que penaliza con fuertes sanciones a las empresas distribuidoras
cuando no suministran un servicio confiable, es decir, cuando incurren en fallas o
interrupciones del suministro de energía eléctrica.
La confiabilidad en sistemas de distribución se relaciona con la habilidad o

capacidad que tiene este sistema de proveer un adecuado suministro de energía
eléctrica, por esta razón es considerada una propiedad cualitativa más que
cuantitativa. Sin embargo, en la práctica de la ingeniería eléctrica se hace
necesario tener un índice cualitativo que permita tener una idea sobre el
comportamiento del sistema y que guíe en la toma de decisiones sobre diseño y
planificación de la red de suministro eléctrico. Para esto existen una gran variedad
de índices que permiten expresar la confiabilidad según el objetivo que se tenga.
3.1 ÍNDICES DE CONFIABILIDAD
El objetivo principal de los índices de confiabilidad es representar

cuantitativamente la calidad del servicio suministrado a todos los usuarios del
sistema de distribución. Estos se pueden separar en dos grupos: índices del
usuario e índices del sistema. Según el usuario se tiene todos aquellos que
representan los momentos sin suministro eléctrico y según el sistema se puede
identificar aquellos que indican la capacidad del sistema para reponerse de una
anomalía y entregar toda la energía presupuestada.
En Colombia, la CREG en su resolución 070 de 1998, estableció los índices de

confiabilidad DES y FES como normas para verificar la calidad de la prestación del
servicio de energía. Estos indicadores se evalúan de la siguiente forma:
• DES: Cantidad total del tiempo en horas de las interrupciones del servicio
en un circuito, acumuladas mes a mes durante el tiempo transcurrido en
cada trimestre.
୒୘୍
ൌ ෍ ୧ ሺ͵Ǥͳሻ

୧ୀଵ
7
NTI : Número total de interrupciones en el tiempo establecido.
: Interrupción i-ésima.
t : Tiempo en horas de la interrupción i-ésima.
• FES: Cantidad total del número de veces que el servicio es interrumpido en

un circuito, acumuladas mes a mes durante el tiempo transcurrido en cada
trimestre.
ൌ ሺ͵Ǥʹሻ
Los indicadores DES y FES se calculan a nivel de subestación esto se debe a que
solo existe un equipo de medida localizado en la subestación el cual mide
solamente las fallas que se presentan en el tramo principal hasta el primer
seccionamiento.
A nivel mundial se maneja una gran cantidad de índices de confiabilidad

reconocidos por la IEEE, algunos de ellos son los siguientes [25]:
3.1.1 Parámetros Básicos
• Tasa de fallas promedio:
ɉ ൌ σ ɉ (3.3)
• Tiempo de salida promedio anual (indisponibilidad):
ൌ ෍ ɉ ሺ͵ǤͶሻ

• Tiempo de salida promedio:
ୱ σ ɉ୧ ୧
ୱ ൌ ൌ ሺ͵Ǥͷሻ
ɉୱ σ ɉ୧
Donde:
ɉ : Tasa de falla del elemento i.
: tiempo de reparación del elemento i.
3.1.2 Índices orientados al consumidor
• SAIFI, índice de frecuencia de interrupción media del sistema (System

Average Interruption Frecuency Index):
8
~
ൌ ሺ͵Ǥ͸ሻ
~
σ ɉ୧ ୧
ൌ ሺ͵Ǥ͹ሻ
σ ୧
Donde:
Ni : es el número de usuarios del punto de carga i.
ɉ : es la tasa de fallas del punto de carga i.
• SAIDI, índice de duración de interrupción media del sistema (System

Average Interrupción Duration Index):

ൌ ሺ͵Ǥͺሻ
~
σ ୙౟ ୒౟
ൌ σ ୒౟
ሺ͵Ǥͻሻ
Donde:
: es el tiempo de interrupción anual del punto de carga i.
• CAIFI, índice de frecuencia de interrupción media de los usuarios

(Customer Average Interruption Frecuency Index):
~
ൌ ሺ͵ǤͳͲሻ
~
σ ஛౟ ୒౟
ൌ σ୑
ሺ͵Ǥͳͳሻ
Donde:
ɉ : es la tasa de fallas del punto de carga i.
M : es el número total de usuarios afectados.
• CAIDI, índice de duración de interrupción media de los usuarios (Customer

Average Interruption Duration Index):

ൌ ሺ͵Ǥͳʹሻ
~
σ ୧ ୧
ൌ ሺ͵Ǥͳ͵ሻ
σ
9
Donde:
: es el tiempo de interrupción anual del punto de carga i.
M : es el número total de usuarios afectados.
3.2 TECNICAS DE MODELACIÓN Y EVALUACIÓN
Los índices de confiabilidad establecidos anteriormente, son útiles para evaluar la

confiabilidad de un sistema del cual se conoce su historial de funcionamiento, pero
en la practica es necesario predecir el comportamiento futuro del sistema para
tomar decisiones rápidas y acertadas.
Para evaluar los índices de confiabilidad se reconocen varios métodos:
3.2.1 Simulación de Monte Carlo.

Es el más conocido dentro de los métodos estocásticos. Consiste en la simulación
de una gran cantidad de situaciones, generadas en forma aleatoria, donde los
valores de los índices de confiabilidad corresponden a los valores de los
momentos de las distribuciones de probabilidad [33]. Existen dos formas de este
método:
• Método de Monte Carlo secuencial: simula cada hora del año y el estado
actual depende de los estados anteriores.
• Método de Monte Carlo no secuencial: simula aleatoriamente todas las

horas del año y el estado actual no depende del anterior.
3.2.2 El método de Markov.

Se encuentra en el grupo de los métodos de análisis, Una cadena de Markov, que
recibe su nombre del matemático ruso Andrei Markov, es una serie de eventos, en
los cuales la probabilidad de que ocurra un evento depende del evento
inmediatamente anterior. Por lo tanto, las cadenas de este tipo tienen memoria.
Recuerdan el último evento y esto condiciona las posibilidades de los eventos
futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov
de las series de eventos independientes, como tirar una moneda al aire o un dado
[1].
Este tipo de proceso, introducido por Markov en un artículo publicado en 1907,

presenta una forma de dependencia simple, pero muy útil en muchos modelos,
entre las variables aleatorias que forman un proceso estocástico.
Una cadena de Markov es una secuencia X1, X2, X3,... de variables aleatorias. El
rango de estas variables, es llamado espacio estado, el valor de Xn es el estado
10
del proceso en el tiempo n. Si la distribución de probabilidad condicional de Xn+1 en
estados pasados es una función de Xn por sí sola, entonces:
P ( X n +1 = xn +1 X n = xn , X n −1 = xn −1 ,..., X 2 = x2 , X 1 = x1 ) = P ( X n +1 = xn +1 X n = xn ) (3.14)
Donde xi es el estado del proceso en el instante i. La identidad mostrada es la

propiedad de Markov.
Si en lugar de considerar una secuencia discreta X1, X2,..., Xi. Con i indexado en el
conjunto de números naturales, se consideran las variables aleatorias Xt con t
que varía en un intervalo continuo del conjunto de números reales, tendremos
una cadena en tiempo continuo. Para este tipo de cadenas en tiempo continuo la
propiedad de Markov se expresa de la siguiente manera:
P ( X (t n +1 ) = x n +1 X (t n ) = x n ,..., X (t 1 ) = x1 ) = P ( X (t n +1 ) = x n +1 X (t n ) = x n ) (3.15)
Tal que t n +1 > t n > t n −1 > ... > t1
A continuación se demuestra la propiedad de Markov:
Una cadena de Markov se puede caracterizar por la probabilidad de ir al estado

n+1 condicionada a que antes estaba en el estado n, que es la probabilidad de
transición del proceso:
P ( X n +1 X n ) (3.16)
La propiedad de las cadenas de Markov es que las transiciones entre los estados,
sólo puede producirse entre estados vecinos. Solo se puede llegar al estado i
desde el estado i-1 o bien de i+1.
Este tipo de estadística se suele encontrar en la distribución exponencial, cuya

función de densidad de probabilidad se expresa así:
fτ (t ) = λe − λt , t > 0 (3.17)
Se comprobará que un proceso definido por esta función de densidad de

probabilidad no tiene memoria. La probabilidad de que haya una transición entre 0
y un tiempo t cualquiera es:
t
P(0 < τ < t ) = P(τ < t ) = ³ λe − λτ dτ (3.18)
0
11
Integrando se obtiene:
P(τ < t ) = e− λ ⋅0 − e−λt = 1 − e −λt (3.19)
Ahora se calculará la probabilidad para el mismo intervalo t, pero con instante de

inicio diferente t0. Se determina la probabilidad de tener una transición en el
intervalo t, (de t0 hasta t0+t) condicionado a que antes de t0 no ha habido ninguna
transición:
P (t 0 < τ < t 0 + t )
P (t 0 < τ < t 0 + t τ > t 0 ) = (3.20)
P (τ > t0 )
Sustituyendo por las funciones de densidad de probabilidad y operando se

obtiene:
t0 +t
³ λe
− λτ
dτ
P (t 0 < τ < t 0 + t τ > t 0 ) =
t0
∞
= 1 − e − λt (3.21)
³ λe
− λτ
dτ
t0
Con lo que queda demostrado que la probabilidad de tener una transición en un

estado, no depende del tiempo anterior.
En un sistema de distribución o transmisión, cada uno de sus elementos se puede

reemplazar o reparar al momento de fallar, dependiendo de la naturaleza de dicho
elemento. De esta manera se restablece la condición de operación normal del
sistema o parte de la red afectada. Esta característica del sistema, lo hace
continuo en el tiempo, con estados discretos finitos y según lo visto anteriormente,
se ajusta muy bien a una representación mediante los procesos continuos de
Markov.
Por ejemplo, considerando un sistema compuesto por dos elementos (dos

alimentadores o dos líneas de transmisión) y suponiendo que cada uno de los
componentes puede estar operando o en falla (2 estados posibles), el sistema
puede ser representado por la figura 2.1, donde se muestra el espacio de estados,
en el cual las transiciones de un estado a otro se logran cambiando el estado de
un elemento a la vez.
12
ʄ2
1 ON 1 ON
2 ON 2 OFF
ȝ2
ʄ1 ȝ1
ʄ1 ȝ1
ʄ2
1 OFF 1 OFF
2 ON 2 OFF
ȝ2
Figura 3.1 Diagrama del espacio de estados de un sistema de dos elementos.
En la figura anterior, Ȝi es la tasa de falla del componente i expresada en

fallas/unidad de tiempo, ȝi es la tasa de reparación expresada en 1/horas. Para
realizar un análisis, debe tenerse un criterio de éxito para el sistema, por lo que es
necesario definir las condiciones de trabajo de los elementos y sus características
generales.
El método de Markov permitirá obtener con excelente precisión, la probabilidad de

que el sistema resida en cualquiera de sus estados posibles, sin embargo, el
método puede tornarse obsoleto, debido a que la cantidad de estados de un
sistema crece conforme aumenta el número de elementos que lo conforman. Por
ejemplo, si al modelar los componentes se consideran solo dos estados
(operación y falla), el diagrama de espacio de estados tendrá 2n estados posibles.
En el caso de tener, por ejemplo 20 elementos, se tienen 220 = 1.048.576 posibles
estados, lo que demuestra una clara dificultad de análisis.
3.2.3 Técnica de Frecuencia y Duración.

Con el método anterior se obtiene la probabilidad de que el sistema resida en
cualquiera de sus estados posibles, pero no la frecuencia y duración de estos
estados, datos que le muestran al usuario una mejor información sobre la
confiabilidad del suministro eléctrico. Con la técnica de frecuencia y duración se
busca relacionar esta información. En la figura 3.2 se representa el proceso de
operación-falla-reparación-operación de un elemento, en donde ρ es la tasa de
reparación y Ȝ es la tasa de fallas. Se puede observar que la frecuencia de este
ciclo es f = 1/T, [1].
13
Operación
ON
ȝ Ȝ
Falla
OFF
m r
T
Figura 3.2 Diagrama de espacio de estados de un componente y representación del ciclo
operación-falla-reparación-operación.
La probabilidad de que un elemento esté en operación está dada por la relación:

ሺ୭୮ሻ ൌ ሺ͵Ǥʹʹሻ
൅
Donde:
ͳ
ൌ ሺ͵Ǥʹ͵ሻ
ɉ
es el tiempo promedio de operación.
ͳ
ൌ ሺ͵ǤʹͶሻ
ρ
es el tiempo promedio de reparación.
Como
ൌ ൅ ሺ͵Ǥʹͷሻ
se tiene:
ͳ
ሺ୭୮ሻ ൌ ൌ ൌ ሺ͵Ǥʹ͸ሻ
ɉ ɉ
De donde se deduce:
ൌ ሺ୭୮ሻ ‫ כ‬ɉሺ͵Ǥʹ͹ሻ
Por lo tanto, la frecuencia de encuentro en un estado determinado está dada por la

probabilidad de encontrarse en el estado, por la tasa de partida desde dicho
estado. La técnica de frecuencia y duración puede resumirse en los siguientes
pasos:
14
• Evaluar las probabilidades límites de estado.
• Evaluar la frecuencia de encuentro en un estado.
• Evaluar la duración media de cado estado.
Para saber la duración media en cada estado de los estados acumulados, se

emplea la siguiente ecuación:

ୡ ൌ ሺ͵Ǥʹͺሻ

Es decir, evaluando las probabilidades límites de estado, la frecuencia de

encuentro en un estado y la duración media de cada estado, se establece la
duración media de residencia en cada estado de los estados acumulados.
3.2.4 Método de cortes mínimos.

Cuando se evalúa la confiabilidad del sistema de distribución, es de gran
importancia conocer los eventos de falla (cortes mínimos) que puedan
desconectar los nodos de carga de los nodos de suministro.
El método de cortes mínimos es muy utilizado en procesos de evaluación de la

confiabilidad de redes eléctricas y es la aplicación de los conjuntos de cortes para
obtener índices de confiabilidad (frecuencia y duración de fallas).
El criterio de éxito de este método, será la continuidad del servicio para los puntos
de interés. Se dice que un sistema está conectado si existe un camino entre la
fuente y cada uno de los elementos que componen dicho sistema. La salida de los
elementos que pertenecen al conjunto de corte mínimo produce la separación del
sistema en dos subsistemas conectados, uno que contiene las entradas (fuentes)
y otro que contiene el punto en estudio (normalmente este punto corresponde a un
nodo de carga).
Este método hace una representación serie-paralelo de la red bajo estudio, que
puede tener cualquier configuración. Un conjunto de corte es un grupo de
elementos que al ser retirados del sistema (red eléctrica) produce su partición. Se
dice que un corte es mínimo cuando no tiene un subconjunto que pueda producir
el mismo efecto sobre el sistema.
Al fallar todos los elementos de un grupo de corte, fallará el sistema, por lo tanto,
en el grupo de corte los elementos deben conectarse en paralelo y los cortes
deben conectarse en serie [1], [7].
15
4. RECONFIGURACIÓN DE LOS SISTEMAS DE DISTRIBUCIÓN.
La reconfiguración de un sistema de distribución consiste en encontrar nuevas

topologías y adaptarlas al sistema para observar su comportamiento, para esto
existen varias metodologías que van desde técnicas manuales hasta los más
sofisticados algoritmos que utilizan métodos estocásticos y heurísticos.
El objetivo principal al reconfigurar un sistema de distribución es encontrar una

topología en la que se reflejen mejoras que permitan suministrar un excelente
servicio desde el punto de vista de la seguridad, la confiabilidad y la rentabilidad
tanto para la empresa distribuidora como para el consumidor final.
El tema de la reconfiguración de circuitos fue propuesto por primera vez por Merlín
y Back en 1975, cuando se proponen como función objetivo la minimización de
pérdidas de potencia sin incluir restricciones operativas [2].
4.1 EJEMPLO DE RECONFIGURACIÓN
Como ejemplo gráfico se propone el siguiente sistema ficticio, compuesto por 16

nodos, 2 subestaciones y las respectivas líneas que los unen. Como se observa
en la topología inicial, las líneas que unen los nodos 2–11, 9–10 y 6–7, se pueden
conectar y desconectar (rojo si están desconectadas y negro si están conectadas).
En este ejemplo lo único a considerar será que no se formen trayectorias cerradas
(anillos):
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.1 Topología inicial del ejemplo gráfico
16
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.2 Primera reconfiguración del ejemplo gráfico
En la primera reconfiguración se unen los dos sistemas con la línea que une los
nodos 2 y 11 y dejando inactivas las líneas que unen los nodos 7-6 y 9-10.
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.3 Segunda reconfiguración del ejemplo gráfico
En la segunda reconfiguración se activa la línea que une los nodos 9 – 10 y se

dejan inactivas las líneas que unen los nodos 7 – 6 y 2 – 11.
17
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.4 Tercera reconfiguración del ejemplo gráfico
En esta reconfiguración se desactiva una línea que inicialmente estaba conectada

(la línea que une los nodos 6 – 3) y se activa la línea que une los nodos 7 – 6,
dejando dos sistemas separados.
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.5 Cuarta reconfiguración del ejemplo gráfico
La cuarta reconfiguración es similar a la anterior, en la que se permiten dos

sistemas separados y se desactiva una línea que originalmente estaba en
funcionamiento para permitir el ingreso de una nueva línea.
18
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.6 Quinta reconfiguración del ejemplo gráfico
Nuevamente se unen los dos sistemas con el ingreso de la línea que une los
nodos 2 – 11, y se desactiva una línea que originalmente estaba en
funcionamiento.
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.7 Sexta reconfiguración del ejemplo gráfico
Esta reconfiguración es similar a la anterior pero se cambia la línea activa por la

línea que une los nodos 6 – 3.
19
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.8 Séptima reconfiguración del ejemplo gráfico
SE1
16
1
8
11
7 2 15
9 13
10 12
6
3
SE2
14
4
Figura 4.9 Octava reconfiguración del ejemplo gráfico
En la octava reconfiguración se activan dos de las líneas que originalmente

estaban desactivadas y se forma un solo sistema.
Del ejemplo anterior se puede concluir que son muchas las posibles topologías
que se pueden encontrar en un sistema real, ya que de este sencillo ejemplo se
muestran solo ocho configuraciones de todas las que se pueden hallar.
20
Pero la reconfiguración del sistema de distribución no es tan sencilla como el
ejemplo anterior, debido a que en un sistema real son muchas los variables que se
deben tener en cuenta, entre estas están:
• Niveles de tensión adecuados.

• Perdidas mínimas.
• Capacidad de líneas y subestaciones.
• Radialidad del sistema.
• Abastecimiento de la demanda.
• Confiabilidad del suministro.
Todos estos variables hacen que la reconfiguración del sistema de distribución no

sea un problema de fácil solución, por lo tanto se hace necesario recurrir a
sofisticadas herramientas de cálculo que faciliten la búsqueda de la mejor
topología que cumpla con todas variables planteadas.
4.2 FINALIDAD DE LA RECONFIGURACIÓN
Desde el momento en que se planteó la reconfiguración de circuitos, fueron

muchas las aplicaciones en las que se pudo observar su efectividad. Las primeras
aplicaciones y las de más uso, son aquellas que buscan reducir las perdidas en el
sistema de distribución y minimiza los costos operativos. Otros campos en los que
se ha utilizado la reconfiguración, aunque en menor medida que los anteriores han
sido para mejorar la cargabilidad de las líneas y mejorar la confiabilidad, como se
mostrará en el siguiente numeral.
Los índices de confiabilidad se logran mejorar por medio de la reconfiguración del

sistema de distribución, debido a que cuando se encuentra la red apropiada que
cumpla con las condiciones propuestas, se reduce su probabilidad de fallar.
4.3 METODOS UTILIZADOS EN LA RECONFIGURACIÓN [9]
La reconfiguración de una red de distribución se ha realizado empleando diversos

métodos de acuerdo a su finalidad. Para esto se ha recurrido a sofisticadas
herramientas de cálculo como se muestra a continuación:
En 1989 en [23] se presenta un método que considera inicialmente la red

completamente conectada y los interruptores son abiertos selectivamente hasta
eliminar cualquier ciclo en la red y obtener una configuración radial de mínimas
pérdidas en las líneas, luego en 1992 en [6] se presenta un algoritmo para
minimizar las pérdidas totales calculando en cada etapa los flujos de potencia.
López en1994 utilizó en [26] la programación dinámica para minimizar las pérdidas
de una red de distribución. En 1998 es propuesto en [10] un conjunto de índices
asociados a grupos de interruptores y un algoritmo de cálculo que resulta eficiente
21
y numéricamente preciso, cuando minimiza las pérdidas en las líneas y el tiempo
de restauración del servicio. En 1999 en [8] se utilizó una función de costo no
lineal que minimiza las pérdidas eléctricas y un algoritmo de revisión una vez
encontrado un mínimo local, mientras que en [11] se propuso un algoritmo
jerárquico multiobjetivo que reduce la complejidad del problema, y a la vez,
permite emplear múltiples funciones que consideran pérdidas eléctricas, índices
de confiabilidad y la ENS a las cargas. Durante el 2002 se presentó en [36] un
resumen teórico sobre métodos heurísticos aplicados al problema de restauración
de servicio, en [27] López usa nuevamente la programación dinámica para
minimizar las pérdidas de una red de distribución y en [29] se estudia la
confiabilidad de una red eléctrica industrial utilizando la energía no suministrada
(ENS) como función de optimización. En el 2003 en [24] se propone el uso de una
red difusa de causa−efecto y la transformación, por medio de factores
ponderadores, de un proceso de optimización multiobjetivo en una función simple
que minimiza el tiempo de restauración del servicio, un año mas tarde (2004) se
introduce en [32], un algoritmo basado en lógica difusa y teoría de probabilidades
que les permite minimizar la ENS promedio, y durante el 2005 en [20] se emplea
un algoritmo que calcula el flujo de carga y toma decisiones de reconfiguración
minimizando las pérdidas totales del sistema, similarmente en [34] se propone un
nuevo método heurístico que también usa lógica difusa y minimiza el tiempo de
restauración del servicio.
4.4 EFECTO DE LA RECONFIGURACIÓN EN LA CONFIABILIAD
Cuando se reconfigura una red de distribución esta puede cambiar drásticamente

en cuanto a los valores de los índices de confiabilidad ya que la red varia su
topología. Este efecto se puede observar mas claro con el siguiente ejemplo:
1 2
A B
SE
C D E
F G
3 4 5
Figura 4.10 Efecto de la reconfiguración en la confiabilidad (red1).
La figura 4.10 representa una red que opera en forma radial, con líneas A, B, C, D,
E, F, G y puntos de carga 1, 2, 3, 4 y 5. La topología actual se representa por las
líneas continuas. Las tasas de fallas y los tiempos de reparación asumidos en
cada una de las líneas se muestran en la tabla 4.1.
22
Línea ɉ (fallas/año) (horas)
A 0.15 5.0
B 0.20 6.0
C 0.10 7.0
D 0.30 4.0
E 0.15 6.0
F 0.25 5.0
G 0.20 8.0
Tabla 4.1 Valores de ɉ y de la figura 4.10
La tasa de falla promedio en cada punto de carga aplicando la ecuación 3.3 es:
ɉ ൌ σ ɉ ሺ͵Ǥ͵ሻ
ɉଵ ൌ ͲǤͳͷ
ɉଶ ൌ ͲǤͳͷ ൅ ͲǤʹͲ ൌ ͲǤ͵ͷ
ɉଷ ൌ ͲǤͳͲ
ɉସ ൌ ͲǤͳͲ ൅ ͲǤʹͷ ൌ ͲǤ͵ͷ
ɉହ ൌ ͲǤͳͲ ൅ ͲǤʹͷ ൅ ͲǤʹͲ ൌ ͲǤͷͷ
Los tiempos anuales fuera de servicio en cada punto de carga según la ecuación
3.4 son:

ൌ ෍ ɉ ሺ͵ǤͶሻ

ଵ ൌ ͲǤͳͷ ‫ כ‬ͷǤͲ ൌ ͲǤ͹ͷ
ଶ ൌ ͲǤͳͷ ‫ כ‬ͷǤͲ ൅ ͲǤʹ ‫ כ‬͸ǤͲ ൌ ͳǤͻͷ
ଷ ൌ ͲǤͳͲ ‫ כ‬͹ǤͲ ൌ ͲǤ͹Ͳ
ସ ൌ ͲǤͳͲ ‫ כ‬͹ǤͲ ൅ ͲǤʹͷ ‫ כ‬ͷǤͲ ൌ ͳǤͻͷ
ହ ൌ ͲǤͳͲ ‫ כ‬͹ǤͲ ൅ ͲǤʹͷ ‫ כ‬ͷǤͲ ൅ ͲǤʹ ‫ כ‬ͺǤͲ ൌ ͵Ǥͷͷ
Los tiempos de salida promedio en cada punto de carga utilizando la ecuación 3.5
son:
ୱ σ ɉ୧ ୧
ୱ ൌ ൌ ሺ͵Ǥͷሻ
ɉୱ σ ɉ୧
ͲǤ͹ͷ
ଵ ൌ ൌͷ
ͲǤͳͷ
ͳǤͻͷ
ଶ ൌ ൌ ͷǤͷ͹
ͲǤ͵ͷ
23
ͲǤ͹Ͳ
ଷ ൌ ൌ ͹ǤͲ
ͲǤͳͲ
ͳǤͻͷ
ସ ൌ ൌ ͷǤͷ͹
ͲǤ͵ͷ
͵Ǥͷͷ
ହ ൌ ൌ ͸ǤͶͷ
ͲǤͷͷ
Los resultados anteriores se muestran en la tabla 4.2:
Punto de carga ɉ (fallas/año) (horas) (horas/año)

1 0.15 5.00 0.75
2 0.35 5.57 1.95
3 0.10 7.00 0.70
4 0.35 5.57 1.95
5 0.55 6.45 3.55
Tabla 4.2 Resultados para la figura 4.10
Si se reconfigura la red se puede obtener la topología mostrada en la figura 4.11
1 2
A B
SE
C D E
F G
3 4 5
En este caso los únicos valores que cambiarán son los que corresponden al punto
de carga 5 ya que se conecta con la línea E en lugar de la línea G. Para esta
configuración los valores de ɉ, yen el punto 5disminuyen permitiendo observar
un efecto positivo de la reconfiguración al disminuir los índices de confiabilidad.
Los nuevos valores serán:
ɉହ ൌ ͲǤͳͷ ൅ ͲǤʹͲ ൅ ͲǤͳͷ ൌ ͲǤͷͲ ൏ ͲǤͷͷ
ହ ൌ ͲǤͳͷ ‫ כ‬ͷǤͲ ൅ ͲǤʹͲ ‫ כ‬͸ǤͲ ൅ ͲǤͳͷ ‫ כ‬͸ǤͲ ൌ ʹǤͺͷ ൏ ͵Ǥͷͷ
24
ʹǤͺͷ
ହ ൌ ൌ ͷǤ͹ ൏ ͸ǤͶͷ
ͲǤͷͲ
En el ejemplo anterior se pudo disminuir el valor de los índices primarios de

confiabilidad y por ende, los índices orientados al consumidor que se encuentran
expresados en función de los mismos.
La configuración anterior fue apropiada para disminuir los índices de confiabilidad,

pero también es posible encontrar redes que tengan un efecto contrario y en lugar
de reducirlos, los aumenten como en el siguiente caso:
1 2
A B
SE
C D E
F G
3 4 5
ɉହ ൌ ͲǤͳͷ ൅ ͲǤ͵Ͳ ൅ ͲǤʹͷ ൌ ͲǤ͸ͷ ൐ ͲǤͷͷ
ହ ൌ ͲǤͳͷ ‫ כ‬ͷǤͲ ൅ ͲǤ͵Ͳ ‫ כ‬ͶǤͲ ൅ ͲǤʹͲ ‫ כ‬ͺǤͲ ൌ ͵Ǥͷͷ ൐ ʹǤͺͷ
͵Ǥͷͷ
ହ ൌ ൌ ͷǤͶ͸ ൏ ͷǤ͹
ͲǤ͸ͷ
Comparando la red 3 con la red 2 en el punto de carga 5, se observa que tanto la

tasa de fallas como la indisponibilidad anual aumentaron, mientras que la tasa de
reparación disminuyó, lo que permite demostrar que en una red se pueden
encontrar topologías que pueden ser optimas para algunos índices de
confiabilidad mientras que para otros puede ser deficiente.
De lo anterior se puede concluir que de acuerdo a la configuración que presenta

una red, los índices de confiabilidad asociados a ésta pueden aumentar o
disminuir y teniendo una topología como la que presentan los sistemas de
distribución en la que el número de posibles configuraciones es tan alto, el
problema de hallar una red con los mejores índices de confiabilidad se torna
altamente dificultoso.
25
5. ALGORITMOS GENÈTICOS
5.1 MÉTODOS HEURÍSTICOS
El término heurístico se deriva de la palabra griega heuriskein (İ ȡ!ıțİȚȞ) que

significa encontrar o descubrir y se usa en el campo de la optimización para
describir una clase de algoritmos de resolución de problemas.
Según el diccionario de la real academia española, optimizar es simplemente

buscar la mejor manera de realizar una actividad y en el contexto científico esa
actividad se refiere a solucionar un problema.
En un problema de optimización se busca el valor máximo o mínimo de una

función objetivo, cuyas variables de decisión pueden estar sujetas a un conjunto
de restricciones que determinan su valor final.
En el campo científico existe una gran cantidad de problemas de optimización, de

los cuales algunos son relativamente sencillos, debido a que son problemas
lineales y para estos existen diferentes algoritmos de solución, como el método
Simplex, pero en la práctica existen también aquellos que son muy difíciles de
resolver (la gran mayoría) y a los que no se les puede garantizar una solución
exacta en un tiempo apropiado, estos reciben el nombre de NP-hard debido a su
complejidad matemática. Debido a este tipo de problemas, en los que importa
tanto la calidad, como la rapidez de la respuesta, es que se han desarrollado
métodos para encontrar soluciones óptimas y no necesariamente exactas, los
cuales reciben el nombre de heurísticos.
Un método heurístico es un procedimiento para resolver un problema de

optimización bien definido mediante una aproximación intuitiva, en la que la
estructura del problema se utiliza de forma inteligente para obtener una buena
solución. [15]
Existen otras razones para utilizar métodos heurísticos [28]:
• El problema es de una naturaleza tal que no se conoce ningún método

exacto para su resolución.
• Aunque existe un método exacto para resolver el problema, su uso es

computacionalmente muy costoso.
26
• El método heurístico es más flexible que un método exacto, permitiendo,
por ejemplo, la incorporación de condiciones de difícil modelización.
• El método heurístico se utiliza como parte de un procedimiento global que

garantiza el óptimo de un problema. Existen dos posibilidades:
o El método heurístico proporciona una buena solución inicial de

partida.
o El método heurístico participa en un paso intermedio del

procedimiento, como por ejemplo las reglas de selección de la
variable a entrar en la base en el método Simplex.
5.2 MÉTODOS EVOLUTIVOS
Los métodos evolutivos hacen parte de la gran familia de los procedimientos

heurísticos y están basados en la teoría de la selección natural propuesta por
Darwin en 1858. Este tipo de algoritmos se encargan de generar, seleccionar,
combinar y reemplazar un conjunto de soluciones en cada iteración y así, como en
la teoría de Darwin, solo los mejores sobreviven en la naturaleza, así también en
los algoritmos genéticos solo la mejor respuesta quedará al final.
En la naturaleza, cada individuo enfrenta su día a día con la idea de sobrevivir y

para esto recurre a todo aquello que encuentre a su alrededor, además, cuenta
con las cualidades que haya heredado en la información genética almacenada en
sus cromosomas. Es allí precisamente, en los cromosomas, donde se almacena
todo el conocimiento que cada individuo puede obtener del contacto con el medio
en el cual se mueve, para ser transmitido nuevamente a sus descendientes y así
contar con nuevas generaciones más fuertes e inteligentes. Esta información que
se transmite en los cromosomas en el transcurso de una generación a otra
depende tanto de los progenitores como de mutaciones que modifiquen el material
genético heredado.
5.3 METODOLOGÍA DE LOS ALGORITMOS GENÉTICOS
Los algoritmos genéticos fueron desarrollados inicialmente en el libro Adaptation in

Natural and Artificial Systems [22], donde aparecieron tratados de una forma
sistemática por primera vez. Son análogos a la evolución biológica, ya que están
basados en un conjunto de soluciones o población que tiene dos representaciones
denominadas fenotipo (solución potencial) y genotipo (codificación de dicha
solución). Estos algoritmos codifican la información de cada solución en strings
(vectores binarios) en forma similar a los cromosomas, que contienen toda la
información genética heredada, como se muestra en la figura 5.1. Estos
cromosomas (strings) son evaluados en una función de calidad (fitnes) basada en
27
la función objetivo del problema y así los cromosomas con mejor función de
calidad (fitnes) son escogidos para generar nuevas poblaciones (para evolucionar)
a las que se le hacen transformaciones simples para mejorarlos y para evitar que
en el transcurso de las iteraciones (de la evolución) se generen individuos cada
vez más homogéneos centrandocen en un mínimo local.
Figura 5.1 Comparación de un string con un cromosoma
Para que la anterior evolución simulada pueda ser un algoritmo se deben

identificar los siguientes elementos:
• Representación apropiada.
• Población inicial (fenotipo).
• Función de calidad (fitnes).
• Criterios de selección.
• Operaciones de cruce (crossover).
• Operaciones de mutación.
28
5.4 ESTRUCTURA DE LOS ALGORITMOS GENÉTICOS.
La figura 5.2 muestra el esquema básico de un algoritmo genético, en el que se

aprecian los operadores más importantes.
Generar la población inicial
Evaluar la población inicial
Seleccionar
Tasa de cruzamiento
Cruzar
Tasa de mutación
Mutar
Evaluar el fitnes del nuevo

cromosoma
Reemplazar población inicial

por los hijos
Figura 5.2 Esquema básico de un algoritmo genético.
29
La forma básica como está estructurado un algoritmo genético se compone de dos
partes, en la primera se forma la población y en la segunda se modifica
genéticamente por medio de los operadores de selección, crossover y mutación.
5.4.1 Generación de la población inicial.

Normalmente se generan aleatoriamente. Sin embargo, últimamente se están
utilizando métodos heurísticos para obtener poblaciones iniciales de buena
calidad. En este caso, es importante garantizar la diversidad estructural de estas
soluciones para tener una representación de la mayor parte de población posible o
al menos evitar la convergencia prematura [28]. El tamaño de la población
depende de cada problema en particular, pero debe ser de tal forma que se pueda
garantizar la diversidad de las soluciones.
Es posible introducir soluciones predeterminadas en la población inicial ya que

aseguran una convergencia más rápida, pero se corre el riesgo de perder
diversidad en la población. En esta etapa es importante considerar que la
población tenga la suficiente diversidad, para poder explorar zonas más amplias
del espacio de búsqueda. Así se pueden obtener soluciones más cercanas al
óptimo global y evitar la convergencia prematura [18].
5.4.2 Proceso de selección.

En este proceso se busca seleccionar los individuos que han alcanzado mayor
perfeccionamiento para crear nuevas descendencias, teniendo en cuenta la
función de calidad (fitnes) que ha obtenido según la función objetivo. Para realizar
la selección se emplean diferentes técnicas, entre ellas están:
• Selección por ranking [5]: en esta selección se busca clasificar la

población según el valor que obtuvo de la función de calidad (fitnes),
seleccionando aquellos de mayor o menor valor según sea el problema.
Por ejemplo, si al evaluar la función de calidad de seis soluciones a un

determinado problema se obtienen los valores de la tabla 5.1, el ranking
quedará determinado como se muestra en la figura 5.2
SOLUCIÓN VALOR FUNCIÓN DE CALIDAD

1 5
2 7
3 4
4 2
5 3
6 4
Tabla 5.1 Valores para el ejemplo de selección
30
Figura 5.3 Ejemplo de selección usando ranking
• Selección por ruleta: es un método aleatorio también llamado estocástico con

reemplazo [5], que consiste en asignar a cada individuo una porción de una
ruleta proporcional al valor que hallan obtenido en la función de calidad
(fitnes), luego se realiza una operación similar al lanzar una bola en la ruleta,
eligiendo el individuo correspondiente al lugar don
donde cayó
ayó la bola.
Probabilidad de ser elegido
4; 16%
5; 20%
Función de calidad solución 1 = 5
3; 12% Función de calidad solución 3 = 4

2; 8% Función de calidad solución 6 = 4
7; 28%
4; 16%
Figura 5.4 Ejemplo de selección usando ruleta.
31
• Selección por torneo [19]: en este proceso los individuos a seleccionar se
determinan de forma aleatoria para luego ponerlos a competir escogiendo
aquellos con mayor valor de acuerdo a la función de calidad (fitnes).
5.4.3 Crossover.
En el proceso de cruzamiento (crossover), se toma información de dos individuos
en porcentajes controlables, para obtener un tercer individuo con características
similares a ambos. Se han desarrollado diferentes maneras para realizar el
cruzamiento, entre las que se cuentan:
• Crossover de punto simple: dado dos cromosomas (strings), cada uno de

largo N, se determina aleatoriamente un punto de quiebre en el cual estos se
dividirán para formar dos nuevos cromosomas, como se ilustra a continuación
con dos cromosomas de largo N = 15:
String1 (padre1) 110000110101001

String2 (padre2) 011110001101001
Luego se determina el punto de quiebre aleatoriamente, por ejemplo 8, para

formar los nuevos individuos:
String1 (padre1) 11000011 | 0101001

String2 (padre2) 01111000 | 1101001
Al realizar el cruce los nuevos individuos serán:
Hijo1 110000111101001
Hijo2 011110000101001
La figura 5.4 ilustra el proceso anterior:
Padres Hijos
Figura 5.5 Crossover de punto simple.
• Crossover multipunto: este proceso es similar al anterior, pero en lugar de

escoger un puno de quiebre, se determinan M puntos de forma aleatoria y
creciente sin repetir punto, luego se intercambian las particiones para obtener
32
los nuevos hijos como se ilustra a continuación con los mismos cromosomas
del ejemplo anterior
String1 (padre1) 110000110101001

String2 (padre2) 011110001101001
Con M = 3 los puntos de quiebre obtenidos aleatoriamente son 3, 5 y 10
String1 (padre1) 110 | 00 | 01101 | 01001

String2 (padre2) 011 | 11 | 00011 | 01001
Al realizar el cruce los nuevos individuos serán:
Hijo1 110110110101001
Hijo2 011000001101001
La figura 5.5 ilustra el proceso anterior:
Padres Hijos
Figura 5.6 Crossover multipunto
• Crossover uniforme: este proceso generaliza los dos anteriores

superponiendo a cada uno de los padres una mascara de estructura aleatoria
e igual tamaño N, en donde el nuevo individuo (hijo1) se formará, por ejemplo
tomando un bit del padre 1 si el bit correspondiente de la mascara 1 es 1 y un
bit del padre 2 si el bit correspondiente de la mascara 1 es 0, a continuación se
ilustra este proceso con el ejemplo anterior:
String1 (padre1) 110000110101001

String2 (padre2) 011110001101001
Las mascaras generadas aleatoriamente son:
Mascara1 111011001000101
Mascara2 010011010010001
Aplicando la mascara 1:
33
String1 (padre1) 1 1 0 0 0 0 1 1 0 1 0 1 0 0 1
Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ
Mascara1 1 1 1 0 1 1 0 0 1 0 0 0 1 0 1
Ļ Ļ Ļ Ļ Ļ Ļ Ļ
String2 (padre2) 0 1 1 1 1 0 0 0 1 1 0 1 0 0 1
Aplicando la mascara 2 en forma similar a la mascara 1 los nuevos individuos

serán:
Hijo1 110100000101001
Hijo2 011100011101001
Este operador (crossover) esta controlado por una tasa de cruzamiento que define
en que momento aplicarlo.
5.4.4 Mutación.
La mutación es el proceso por el cual una variable del cromosoma puede cambiar
su valor (0-1 o 1-0). La mutación tiene un papel importante ya que introduce al
algoritmo un factor de diversidad, permitiendo así que el algoritmo no se quede
estancado rápidamente en óptimos locales.
Los individuos a mutar se eligen de forma aleatoria, siendo la tasa de mutación un

valor no determinado, algunos autores [3] y [31] sugieren que la tasa de mutación
debe ser 1/N, siendo N el número de variables o dimensión de los individuos ya
que esta tasa ha entregado buenos resultados.
34
6. MÉTODO EVOLUTIVO APLICADO A LA MINIMIZACIÓN DE ÍNDICES DE
CONFIABILIDAD MEDIANTE RECONFIGURACIÓN
Los métodos evolutivos han demostrado ser una útil herramienta para resolver
problemas complejos, (como lo es la reconfiguración de alimentadores en el
sistema de distribución), y en particular los algoritmos genéticos por las
características enunciadas en el capitulo anterior se hacen adecuados para
solucionar el problema de la minimización de índices de confiabilidad, como se
mostrará en los siguientes capítulos.
6.1 DESCRIPCIÓN DEL PROBLEMA.
La confiabilidad en sistemas de distribución es un tema relativamente nuevo en

comparación con los demás componentes del sistema de potencia (transmisión y
generación) y a su vez es un tema de gran importancia, debido a que el sistema
de distribución es el ultimo eslabón que conecta el sistema de potencia con el
usuario final, el cual requiere de un servicio continuo y seguro.
Para cuantificar la confiabilidad del sistema de distribución se puede recurrir a los

índices de confiabilidad los cuales brindan suficiente información acerca del
servicio suministrado, permiten modelar y comprender el desempeño de la red
eléctrica, evaluar sus componentes y servir de base para decisiones de inversión y
automatización [4].
Para mejorar la confiabilidad del sistema eléctrico de distribución, se ha recurrido a

diferentes métodos, entre los que se destacan [35]:
A. La reducción de la tasa de fallos.

B. La reducción del tiempo de afectación.
C. La reducción de número de clientes afectados.
A. Reducción de la tasa de fallos:

La reducción de la frecuencia de las interrupciones se puede conseguir a través
del mejoramiento del sistema y sus componentes. Dichas medidas aumentan la
confiabilidad, reduciendo la tasa de fallos y en consecuencia reduciendo todos los
índices de continuidad global de la zona. Las medidas a tomar en las instalaciones
para reducir la tasa de fallos pueden ser las siguientes:
• Mantenimiento preventivo y monitorización.

• Reposición preventiva de componentes que han alcanzado su vida útil.
• Cables aislados o semiaislados en líneas aéreas.
35
• Recorte de la vegetación cerca y debajo de las líneas aéreas.
• Protecciones contra la invasión de animales en instalaciones.
B. La reducción del tiempo de afectación:

El tiempo de afectación representa principalmente el tiempo necesario para
restablecer el suministro en la zona afectada por la interrupción. Debido a la
configuración de la red, la zona afectada por la falta producida se puede aislar de
la parte sana, desconectando la sección de la red que englobe esta zona. Esta
medida no reduce el tiempo de afectación de la sección afectada, pero introduce
una mejora substancial en tiempo para las partes de la red no afectadas
directamente por la falla, sobre todo, si la operación de la reconfiguración de la red
está automatizada. Además, si la reconfiguración se produce en un tiempo menor
de tres minutos, la interrupción experimentada por el cliente no se considera una
interrupción de larga duración. Estas medidas afectan principalmente a los índices
que dependen del tiempo de interrupción.
Dicha reducción se puede conseguir actuando sobre las siguientes medidas:
• Automatización de las redes.

• Reconfiguración del sistema tras el fallo.
• Sistema de localización de fallos.
• Reducción del tiempo de respuesta.
C. La reducción de número de clientes afectados:

Por último, con la reducción de número de clientes o potencia interrumpida por
cada falla se puede conseguir la disminución de todo tipo de índices de la zona.
Esta reducción se puede lograr a través de las siguientes medidas:
• Reconfiguración permanente de la red.

• Más elementos de protección.
• Régimen de puesta a tierra del neutro resonante.
Como se observa en los puntos planteados anteriormente, la reconfiguración es

una alternativa para mejorar la confiabilidad de un sistema, y es necesario, por lo
tanto, estudiar métodos que permitan seleccionar la mejor configuración de un
sistema de distribución desde el punto de vista de la confiabilidad.
Se propone realizar un algoritmo evolutivo de optimización (algoritmo genético)

que mejore la confiabilidad del sistema de distribución mediante la reconfiguración
de alimentadores primarios, es decir, encontrar la topología más conveniente para
el sistema desde el punto de vista de la confiabilidad sin violar los límites
operativos del sistema. Para esto, se planteará un modelo matemático de
optimización que incorpore en la función objetivo la confiabilidad del sistema y en
las restricciones la operación del mismo dentro de sus límites operativos. La
36
solución se buscará mediante un proceso de descomposición que incorpora la
generación de la configuración, la evaluación de confiabilidad y la evaluación de la
operación del sistema.
6.2 MODELAMIENTO MATEMÁTICO.
El problema de la minimización de los índices de confiabilidad en el sistema de

distribución por medio de la reconfiguración, requiere encontrar una nueva
topología altamente confiable que cumpla con todas las características propias de
una red de distribución.
Como se observó en el capitulo dos, existe una gran variedad de índices que le
brindan al usuario del sistema de distribución información suficiente para
interpretar cómo es el servicio que le están brindando. De estos, los que mejor
información suministran son SAIFI y SAIDI pues indican la frecuencia y la duración
de las interrupciones respectivamente. Por lo tanto, por ser SAIFI y SAIDI los
índices mas representativos para el usuario, serán estos los que se minimizarán
en este trabajo.
La topología encontrada debe cumplir con las restricciones del sistema de

distribución, estas son:
• Radialidad del sistema: debido a que el sistema de distribución opera en

forma radial, las topologías obtenidas deben cumplir con esta restricción
que se puede expresar de la siguiente manera:
ෑ ߚ௜ ൌ ͳሺ͸Ǥͳሻ
Donde ȕi se define para cada nodo e indica el número de trayectorias para

llegar desde este hasta la subestación.
• Límites de voltaje: el voltaje en todos los nodos del sistema debe cumplir
con la regulación impuesta, esto quiere decir que se debe mantener dentro
de un valor máximo y un valor mínimo:
ܸ௠௜௡ ൑ ܸ௜ ൑ ܸ௠௔௫ ‫ܰ א ݅׊‬ሺ͸Ǥʹሻ

Donde:
Vmin : Mínimo valor de tensión permitido.

Vmax : Máximo valor de tensión permitido.
N : Conjunto de nodos de la red.
• Límites térmicos de las líneas de distribución: El límite térmico tiene que ver
con la capacidad máxima de potencia que la línea puede transportar:
37
หܵ௜௝ ห ൑ ܵ௜௝௠௔௫ ሺ͸Ǥ͵ሻ
Donde:
Sij : potencia transmitida entre los nodos j-i.

Sijmax : potencia máxima que se puede transmitir entre los nodos j-i.
• Balance de potencia en los nodos: se debe cumplir que la demanda en

cada nodo sea suministrada:
෍ ܵ௜௝ ൌ ‫ܦ‬௜ ሺ͸ǤͶሻ

௝‫א‬ఠ
Donde:
Sij : Flujo de potencia en el tramo i-j.

Di : demanda en el nodo i.
Ȧ : conjunto de alimentadores conectados al nodo i.
• Conexión de todos los nodos de la red: la topología encontrada debe

conectar todos los nodos sin dejar porciones aisladas:
ෑ ‫ן‬௜ ൌ ͳ‫ܰ א ݅׊‬ሺ͸Ǥͷሻ

Donde:
Įi : 1 si el nodo i está energizado.

Įi : 0 si el nodo está desenergizado.
N : Conjunto de todos los nodos de la red.
Para encontrar esta red es necesario plantear una función objetivo que se
convertirá en la función de calidad para el algoritmo genético. En términos simples
la función objetivo debe determinar cuales topologías sirven, teniendo en cuenta
las restricciones del sistema. Esta puede expresarse de la siguiente manera:
Minimizar (SAIFI + SAIDI)
σ ߣ௜ ܰ௜ σ ܷ௜ ܰ௜
ൌ ቆ ൅ ቇሺ͸Ǥ͸ሻ
σ ܰ௜ σ ܰ௜
Donde:
: número de usuarios del punto de carga i.

ɉ : tasa de fallas del punto de carga i.

: tiempo de interrupción anual del punto de carga i.
Sujeto a:
38
ෑ ߚ௜ ൌ ͳሺ͸Ǥ͹ሻ
ܸ௠௜௡ ൑ ܸ௜ ൑ ܸ௠௔௫ ‫ܰ א ݅׊‬ሺ͸Ǥͺሻ
൑ሺ͸Ǥͻሻ
෍ ܵ௜௝ ൌ ‫ܦ‬௜ ሺ͸ǤͳͲሻ

௝‫א‬ఠ
ෑ ‫ן‬௜ ൌ ͳ‫ܰ א ݅׊‬ሺ͸Ǥͳͳሻ
Como se explico en el capitulo 3, en Colombia los principales índices de

confiabilidad se calculan a nivel de subestación, por lo tanto solo se toman en
cuenta las fallas que hacen actuar el interruptor principal de la subestación.
Teniendo en cuenta lo anterior, la función objetivo puede tomar la siguiente forma
para este caso específico:
൭ ෍ ߣ௜ ൅ ෍ ܷ௜ ൱ሺ͸Ǥͳʹሻ
௜‫א‬ஐ஺ ௜‫א‬ஐ஺
Sujeto a las restricciones.
Donde:
A : conjunto de líneas activas.
Debido a que en la generación de poblaciones y en general en todo el proceso

realizado por el algoritmo genético se pueden encontrar redes con buenos índices
de confiabilidad pero que no cumplen con la regulación de voltaje planteada o
redes con muy buena regulación pero con pobres índices de confiabilidad, se
introduce la regulación de voltaje en la función objetivo y se asigna un peso a cada
parámetro de la función para no descartar buenas redes que en el proceso guíen a
la red buscada. La función objetivo adopta la siguiente forma:
σ ߣ௜ ܰ௜ σ ܷ௜ ܰ௜
ቆ‫ݓ‬ଵ ‫כ‬ ൅ ‫ݓ‬ଶ ‫כ‬ ൅ ‫ݓ‬ଷ ‫ܲܨ כ‬ቇሺ͸Ǥͳ͵ሻ
σ ܰ௜ σ ܰ௜
Y en el caso particular planteado por la ecuación 6.7 la función objetivo puede ser:
ቀ‫ݓ‬ଵ ‫ כ‬෍ ߣ௜ ൅ ‫ݓ‬ଶ ‫ כ‬෍ ܷ௜ ൅ ‫ݓ‬ଷ ‫ܲܨ כ‬ቁሺ͸ǤͳͶሻ
39
Donde es una función que calcula el número de nodos de la red que cumplen
con la regulación de voltaje. Los pesos ͳ,ʹ y͵ son valores proporcionales al
número de individuos de la población, al número de nodos que tengan los
individuos y a cada parámetro con el que está relacionado en la función objetivo.
Por ejemplo, si una población está compuesta de 10 individuos (10 redes) de 20

nodos cada uno, y la regulación de voltaje en cada nodo es como se muestra en la
tabla 6.1, 3 se calculará de la siguiente manera:
Individuo Cantidad de nodos que cumplen la regulación

1 20
2 18
3 17
4 15
5 14
6 19
7 20
8 20
9 19
10 18
Tabla 6.1 Valores del ejemplo para calcular ͵Ǥ
Primero se ordena de mayor a menor valor la columna de nodos que cumplen la

regulación sin repetir valores y se enumeran empezando por el mayor:
Orden de mayor a menor 20 19 18 17 15 14

Valor asignado 1 2 3 4 5 6
Luego el valor de ͵ para cada individuo será el asignado de acuerdo al número

de nodos que cumplen con la regulación como se muestra en la tabla 6.2.
Individuo Cantidad de nodos que cumplen la regulación ͵

1 20 1
2 18 3
3 17 4
4 15 5
5 14 6
6 19 2
7 20 1
8 20 1
9 19 2
10 18 3
Tabla 6.2 Valor de ͵ asignado a cada individuo.
40
Se puede notar que las redes que cumplen con la regulación de voltaje en todos
los nodos obtienen el menor peso (͵ = 1), mientras que las redes con mayor
número de nodos fuera de la regulación son penalizadas con el mayor peso (͵ =
6). Los demás valores (ͳ y ʹ) se calculan de forma similar pero en lugar de la
regulación de voltaje, se tiene en cuenta los índices SAIFI y SAIDI obtenidos por
cada individuo.
6.3 CODIFICACIÓN DEL PROBLEMA
De acuerdo al método evolutivo empleado en este trabajo, la configuración del

sistema de distribución se realizará a través de vectores binarios (cromosomas)
que contengan la información de las líneas. Las líneas pueden o no estar
presentes en la configuración, en el caso de que la línea exista, el valor que le
corresponderá en su posición en el vector binario será “1” de lo contrario se le
asignará el valor “0”. El tamaño del vector binario será igual al número de líneas
existentes en el sistema y de esta manera quedará correctamente representada la
topología de la red. En la figura 6.1 se ilustra la codificación empleada.
En el ejemplo las líneas 6, 7, 8, 9 y 15 están inactivas, por lo tanto en las

posiciones del vector se tiene un “0”, como las demás líneas están activas, la
posición correspondiente en el vector tendrán un valor de “1”.
1 2 3 4
S1
5 6 7 8 9
10 11 12
13 14 15 16
S2
17 18
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 1 1 1 1 0 0 0 0 1 1 1 1 1 0 1 1 1
Figura 6.1. Representación del sistema de distribución
41
6.4 RADIALIDAD DE LA CODIFICACIÓN
Al codificar el sistema de distribución se debe tener en cuenta que los individuos

deben ser factibles desde el punto de vista topológico, es decir, se debe conservar
la radialidad de la red, por lo tanto en la reconfiguración solo se debe contar con
líneas que conecten un nodo ya conectado con uno no conectado. No se pueden
emplear líneas que conecten nodos conectados o un nodo conectado con una
subestación debido a que se produciría una trayectoria cerrada (anillo). Debido a
lo anterior y para facilitar el cálculo de la reconfiguración se limita el número de
individuos a ser evaluados, por medio de dos estructuras:
• Árbol: contiene las líneas activas del sistema. Estas líneas se conocen
como las ramas del sistema.
• Coárbol: contiene las líneas inactivas del sistema, tales que si entran al
sistema, este dejaría de ser radial. Estas líneas que producen anillos en la
estructura topológica del sistema se denominan enlaces.
Las estructuras anteriores permiten que el sistema conserve la propiedad de

radialidad de la configuración y que se mantengan todos los nodos conectados.
En la figura 6.2 se muestra un ejemplo de las estructuras árbol y coárbol:
S1 S2
Árbol: [1, 3, 5, 6, 7, 8]
Coárbol: [2, 4]
1 2 3
4 5
6 7 8
Figura 6.2 Ejemplo de las estructuras Árbol y Coárbol
La suma de los elementos de las dos estructuras es igual al número de líneas del
sistema, el árbol y el coárbol no tienen elementos en común, es decir, si una línea
pertenece al coárbol no pertenece al árbol y viceversa.
42
6.5 ORDENAMIENTO NODAL
Para facilitar la aplicación del algoritmo empleado, es necesario que la red se

encuentre completamente identificada y para esto se hace necesario un
ordenamiento nodal como se muestra en la figura 6.3. En este trabajo se propone
un algoritmo que facilita las operaciones y ordena el sistema por subestaciones.
Solo se necesita una matriz (matriz B) de tres columnas que contenga las líneas
del sistema en la primera y los nodos que las conectan en las columnas restantes,
sin importar el orden en que se encuentren, además es necesario saber cuáles
nodos corresponden a las subestaciones. La información del sistema organizado
se entregará en dos matrices, una para los nodos (matriz N) y otra para las líneas
(matriz R). Para explicar el funcionamiento del algoritmo se realizará el
ordenamiento nodal del siguiente sistema:
S1 S2
Nivel 1 13
1 { 1 2 3 12 13 14
2 3 4 14 15 16
2 { 4 5 15 1
5 6 17 18
3 { 6 7 8 9 17 18 19
7 10 19 20 21
4 { 1
11
8 9
11
12
20
22
Figura 6.3 Ejemplo de ordenamiento nodal del sistema de distribución.
Con los niveles fijados, el ordenamiento de las líneas aparece en la tabla 6.1.
Nivel Líneas
1 1, 2, 3, 12, 13, 14
2 4, 5, 15, 16
3 6, 7, 8, 9, 17, 18, 19
4 10, 11, 20
Tabla 6.3 Ordenamiento por niveles de la figura 6.3
43
La matriz B para el ejemplo de la figura 6.3 será:
Línea Nodo 1 Nodo 2

1 1 2
2 1 3
3 1 4
4 2 5
5 4 6
6 5 7
7 5 8
8 5 9
9 6 10
10 7 11
11 10 12
12 13 14
13 13 15
14 13 16
15 14 17
16 16 18
17 17 19
18 17 20
19 18 21
20 21 22
Tabla 6.4 Matriz B para el ejemplo de ordenamiento nodal.
Y las subestaciones para el ejemplo se encuentran en los nodos 1 y 13.
El primer paso consiste en crear las matrices N y R que tendrán tantas columnas
como subestaciones tenga el sistema (en este caso 2) en la primera fila de N se
agregan los nodos correspondientes a las subestaciones:
N R
1 13
Tabla 6.5 Primer paso del ordenamiento nodal.

En el segundo paso se observa en la matriz B cuáles líneas tienen entre sus
nodos la subestación que aparece en la primera columna de N (en este caso el
nodo 1), luego se agregan estas líneas a la primera columna de R (líneas 1,2 y 3)
y el otro nodo que conecta la línea se agrega a N (nodos 2,3 y 4), las filas de la
matriz B que contienen las líneas agregadas a R se pueden marcar o eliminar
pues ya no es necesario buscar mas en estas. De esta forma se habrá ordenado
el primer nivel de la primera subestación:
44
Línea Nodo 1 Nodo 2 N R
1 1 2 1 1
2 1 3 2 2
3 1 4 3 3
4 2 5 4
5 4 6
6 5 7
7 5 8
8 5 9
9 6 10
10 7 11
11 10 12
12 13 14
13 13 15
14 13 16
15 14 17
16 16 18
17 17 19
18 17 20
19 18 21
20 21 22
Tabla 6.6 A. Segundo paso del ordenamiento nodal.
Luego se hace lo mismo para la segunda columna de N y R:

4 2 5 1 13 1 12
5 4 6 2 14 2 13
6 5 7 3 15 3 14
7 5 8 4 16
8 5 9
9 6 10
10 7 11
11 10 12
12 13 14
13 13 15
14 13 16
15 14 17
16 16 18
17 17 19
18 17 20
19 18 21
20 21 22
Tabla 6.6 B. Segundo paso del ordenamiento nodal.
45
En el tercer paso se busca de nuevo en la matriz B las líneas que tienen entre sus
nodos los agregados anteriormente (primer nivel) en la primera columna de N y se
realiza el mismo procedimiento para ordenar el segundo nivel:

4 2 5 1 13 1 12
5 4 6 2 14 2 13
6 5 7 3 15 3 14
7 5 8 4 16 4
8 5 9 5 5
9 6 10 6
10 7 11
11 10 12
15 14 17
16 16 18
17 17 19
18 17 20
19 18 21
20 21 22
Tabla 6.7 A. Tercer paso del ordenamiento nodal.
Se hace lo mismo para la segunda columna de N:

6 5 7 1 13 1 12
7 5 8 2 14 2 13
8 5 9 3 15 3 14
9 6 10 4 16 4 15
10 7 11 5 17 5 16
11 10 12 6 18
15 14 17
16 16 18
17 17 19
18 17 20
19 18 21
20 21 22
Tabla 6.7 B. Tercer paso del ordenamiento nodal.
46
El cuarto paso se realiza igual que el anterior para obtener el tercer nivel:

6 5 7 1 13 1 12
7 5 8 2 14 2 13
8 5 9 3 15 3 14
9 6 10 4 16 4 15
10 7 11 5 17 5 16
11 10 12 6 18 6
17 17 19 7 7
18 17 20 8 8
19 18 21 9 9
20 21 22 10
Tabla 6.8 A Cuarto paso del ordenamiento nodal.

10 7 11 1 13 1 12
11 10 12 2 14 2 13
17 17 19 3 15 3 14
18 17 20 4 16 4 15
19 18 21 5 17 5 16
20 21 22 6 18 6 17
7 19 7 18
8 20 8 19
9 21 9
10
Tabla 6.8 B Cuarto paso del ordenamiento nodal.
Y por ultimo en el quinto paso se obtendrá el cuarto nivel:

10 7 11 1 13 1 12
11 10 12 2 14 2 13
20 21 22 3 15 3 14
4 16 4 15
5 17 5 16
6 18 6 17
7 19 7 18
8 20 8 19
9 21 9
10 10
11 11
12
Tabla 6.9 A. Quinto paso del ordenamiento nodal.
47
20 21 22 1 13 1 12
2 14 2 13
3 15 3 14
4 16 4 15
5 17 5 16
6 18 6 17
7 19 7 18
8 20 8 19
9 21 9 20
10 22 10
11 11
12
Tabla 6.9 B Quinto paso del ordenamiento nodal.
6.6 FLUJO DE CARGA DE BARRIDO ITERATIVO
Para encontrar el punto de operación de un sistema eléctrico, normalmente se

emplea un flujo de potencia que utiliza el método de Newton-Raphson, capaz de
resolver topologías tanto radiales como enmalladas. Sin embargo, en sistemas
radiales de gran tamaño, este método se hace ineficiente, debido a que se
conforman matrices Jacobianas de gran tamaño (2n x 2n, donde n es el número
de nodos) altamente dispersas en cada iteración del proceso. Por lo tanto se hace
necesario un método que tenga en cuenta las características del sistema de
distribución.
Un método que facilita el flujo de carga es el de barrido iterativo, que

aprovechando la radialidad del sistema y aplicando la primera y segunda ley de
Kirchhoff encuentra el punto de operación. Este método se realiza en dos etapas
consecutivas. En la primera etapa (barrido de corrientes) se aplica la primera ley
de Kirchhoff a todos los nodos, empezando por los terminales hasta llegar a la
subestación, en la segunda etapa (barrido de voltajes) se aplica la segunda ley de
Kirchhoff para obtener las caídas de tención en la red, comenzando desde la
subestación hasta los nodos terminales y utilizando los datos encontrados en la
primera etapa.
6.6.1 Barrido de corrientes (barrido hacia delante)

Para realizar este proceso, se requiere que las ramas del sistema se encuentren
jerarquizadas por niveles, de tal manera que al calcular la corriente en una rama
ya se conozcan las corrientes de las ramas de los niveles inferiores, se considera
un perfil de tensión inicial, generalmente y por facilidad se consideran voltajes
planos (1 Ŀ0º en p.u.), además las líneas se modelan a través de su equivalente
48
serie [17]. Teniendo en cuenta lo anterior, las inyecciones de corriente se calculan
con la expresión 6.10 y los flujos de corrientes por las líneas con la expresión 6.11:
ܲ ൅ ݆ܳ ‫כ‬
݅ൌ൬ ൰ ሺ͸ǤͳͲሻ
ܸ
‫ܫ‬௞ ൌ ‫ܫ‬ௗೖ ൅ ෍ ‫ܫ‬௝௞ ሺ͸Ǥͳͳሻ

௝‫א‬ஐ௞
Donde:
: corriente por la línea k.

: corriente demandada en el nodo de recibo de la línea k.
: corriente de la línea j que está conectada al nodo de recibo de la línea k.
π : conjunto de líneas conectadas al nodo de recibo de la línea k.
6.6.2 Barrido de voltajes

En este proceso primero se realiza el ordenamiento nodal y luego se aplica la
expresión 6.12 para calcular la tensión en todos los nodos partiendo del nodo
fuente [17].
ܸ௞ೝ೐೎೔್೚ ൌ ܸ௞೐೙ೡÀ೚ െ ‫ܫ‬௞ ‫ כ‬ሺܴ௞ ൅ ݆ܺ௞ ሻሺ͸Ǥͳʹሻ
Donde:
ܸ௞ೝ೐೎೔್೚ : Tensión en el nodo de recibo de la línea k.

ܸ௞೐೙ೡÀ೚ : Tensión en el nodo de envío de la línea k.
: Corriente por la línea k.
: Resistencia de la línea k.
: Reactancia de la línea k.
En la figura 6.4 se muestra un diagrama de flujo del algoritmo del flujo de carga en
donde:
I : Corriente por las líneas.

Inet : Corriente inyectada en los nodos.
V : Voltaje en los nodos.
L, i, j, k : Contador de iteraciones.
49
Datos del sistema
Ordenamiento nodal
y tolerancia del FC
Ordenar nodos envío-recibo
I=0, Inet=0, V=0,
L=0
i=0
Terminar y entregar
resultados ୧ ൅ ୧ ‫כ‬
୧ ൌ ൬ ൰
୧
i=i+1
L = L+1
No
i>#
No
nodos?
Si
L > # iter. Si
máx
k=0
No
Si ୩ ൌ ୢౡ ൅ ෍ ୨୩
୨‫א‬୩
Vj-Vj-1 <
tolerancia
Si k=k+1
No
No
j=j+1 j>#
k > # líneas
nodos?
activas?
Si
୨౨౛ౙ౟ౘ౥ ൌ ୨౛౤౬t౥ െ ୨ ‫ כ‬൫୨ ൅ ୨ ൯ j=0
Figura 6.4 Diagrama de flujo del algoritmo de flujo de carga
50
6.7 SOLUCIÓN DEL PROBLEMA.
En la figura 6.5 se puede observar un diagrama de flujo del algoritmo de solución,

en el cual se pueden identificar las partes básicas del algoritmo genético, estas
son:
• Generación de la población inicial.
• Selección de la población.
• Cruzamiento.
• Mutación.
6.7.1 Datos del sistema y parámetros del AG.

Esta etapa representa la información que necesita el algoritmo de solución para su
correcto funcionamiento. Los datos del sistema hacen referencia a la información
de la red, que es introducida al algoritmo de la siguiente manera:
• Matriz B: contiene los parámetros físicos de la red y la demanda de cada

nodo. Se compone de ocho columnas y de un número de filas igual al
número de líneas de la red, de la siguiente manera:
Línea Envío Recibo R[Ohm] X[Ohm] P[kW] Q[kVAr] Top

1
:
:
:
n
Tabla 6.10 Matriz B del sistema.
Donde:
Línea : Número de la línea de la red.

Envío : Nodo de envío de la línea.
Recibo : Nodo de recibo de la línea.
R : Impedancia de la línea.
X : Reactancia inductiva de la línea.
P : Potencia activa del nodo de envío de la línea.
Q : Potencia reactiva del nodo de envío de la línea.
Top : Indica si la línea está activa (1) o inactiva (0).
51
'DWRVGHOVLVWHPD\
*HQHUDUSREODFLyQLQLFLDO 6HOHFFLRQDUSREODFLyQ
SDUiPHWURVGHO$*
M
*XDUGDULQFXPEHQWH
7HUPLQDU\HQWUHJDU 6L
M!LWHUPD[" M M
UHVXOWDGRV
1R
6L
3REODFLyQFRQYHUJH"
1R
[ UDQG
6L
[WDVDGH
5HDOL]DUFUX]DPLHQWR
FUX]DPLHQWR"
1R
\ UDQG
6L
1R
0HMRUD 6HOHFFLRQDUQXHYD \WDVDGH
LQFXPEHQWH" SREODFLyQ PXWDFLyQ"
6L
1R
5HDOL]DUPXWDFLyQ
Figura 6.5 Diagrama de flujo del algoritmo de solución
52
• Vector SE: este vector contiene el número de los nodos en donde existen
subestaciones.
• BLR: es una matriz con la información de cada línea sobre la rata de fallas
(Ȝ), el tiempo de salida (r) y el tiempo de salida anual (U).
• reg: se refiere a la regulación de voltaje dada en porcentaje que se debe
cumplir en red.
Los parámetros del algoritmo genético son los siguientes valores:

• n: es el número de individuos que formarán la población inicial.
• m: es el valor que indica cuantos individuos de la población deben ser
iguales para que el algoritmo converja. Este valor esta dado en porcentaje
con respecto a la, es decir cuando el m% de la población es igual, entonces
el algoritmo a convergido.
• iter: es el número máximo de iteraciones que debe realizar el algoritmo.
• opc: indica la función objetivo y el método de selección donde:
opc =1 realiza selección por torneo y encuentra la red con menor SAIDI.
opc =2 realiza selección por ruleta y encuentra la red con menor SAIDI.
opc =3 realiza selección por torneo y encuentra la red con menor SAIFI.
opc =4 realiza selección por ruleta y encuentra la red con menor SAIFI.
opc =5 realiza selección por torneo y encuentra la red con menor SAIFI y menor
SAIDI.
6.7.2 Generación de la población inicial.

Para generar la población inicial se utiliza un algoritmo capaz de generar
individuos con topologías radiales sin importar cuantas subestaciones tiene la red,
tomando como base el algoritmo propuesto en [21] para representar arboles de
mínima expansión.
El algoritmo propuesto empieza creando un supernodo con todas las

subestaciones para garantizar de esta forma que los individuos generados no
tendrán caminos que unan las subestaciones. Luego aprovechando la forma de la
matriz B, se representa la red como un conjunto de nodos, es decir cada línea es
representada por el par de nodos que la conectan, como se muestra en la figura
6.5:
6
2
1 {(1,6), (4,6), (8,5), (2,3),
(7,6), (5,7), (3,7)}
3
7
4
5
Figura 6.6 forma de la red por medio del conjunto de nodos
53
Luego se forman las nuevas topologías escogiendo un nodo aleatoriamente y este
se empieza a unir con otros nodos hasta que todos queden conectados.
Si se representa el conjunto de nodos como V, el conjunto de líneas como E, y las

subestaciones como SE, el algoritmo propuesto (gpob) será de la siguiente
manera:
gpob (V, E, SE)

Crear supernodo con SE
Tĸ Ø;
Se escoge un nodo aleatorio para empezar s ‫ א‬V;
Cĸ {s}; (conjunto de nodos conectados).
Aĸ {e ‫ א‬E | e = (s, v), v ‫ א‬V}; (nodos elegibles).
Mientras CV haga
Escoger un par (u, v) ‫ א‬A, u ‫ א‬C aleatoriamente
Aĸ A-{(u, v)};
Si v no pertenece a C entonces
(Conectar v a la red parcial)
Tĸ T U (u, v);
C ĸ C U {v};
Aĸ A U {e ‫ א‬E | e =(v, w) y w no pertenece a C};
Con este algoritmo también se garantiza que todos los nodos quedan conectados.
6.7.3 Seleccionar población.

El proceso de la selección se realiza teniendo en cuenta la función objetivo que
depende de la opción elegida en la etapa inicial del algoritmo y las restricciones
del problema, se puede realizar de dos formas: cruzamiento por torneo o
cruzamiento por ruleta. En esta etapa se realiza para cada red un flujo de carga
radial y se analizan los índices de confiabilidad con la técnica de frecuencia y
duración, seleccionando los mejores individuos de acuerdo con el valor obtenido
en la función de calidad.
6.7.4 Cruzamiento
En este proceso se forman las parejas para realizar el cruzamiento, pero este se
realiza o no dependiendo de la tasa de cruzamiento elegida. Si se determina
cruzar las parejas, este proceso se realiza haciendo un conjunto con las líneas de
la pareja (padres) y generando dos nuevos individuos (hijos) con el algoritmo gpob
desarrollado en el numeral 6.7.2. De esta manera se garantiza que los nuevos
individuos comparten las características de sus padres además de cumplir con las
restricciones del problema. En la figura 6.7 se explica este proceso, donde Padre 1
y Padre 2 son dos redes obtenidas con el algoritmo gpob a partir de las 18 líneas
de la red y seleccionadas para el cruzamiento.
54
Para completar el proceso de cruzamiento se vuelve a aplicar el algoritmo gpob
pero ya no con las 18 líneas sino con la unión de las líneas activas de las redes
seleccionadas, permitiendo de esta manera que las nuevas topologías obtenidas
(hijos) tengan solo las mejores características de sus padres.
1 1
1 2 2 3 3 4 4 1 2 2 3 3 4 4
S1 5 S1 5
5 6 7 8 9 5 6 7 8 9
9 9
10 11 12 10 11 12
6 7 8 10 6 7 8 10
13 14 15 16 13 14 15 16
14 14
11 12 13 S2 11 12 13 S2
17 18 17 18
15 15
Padre1 Padre 2
Línea 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Padre 1 0 1 1 1 1 1 0 0 1 0 1 1 1 1 0 1 1 1
Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ Ļ
Unión 2 3 4 5 6 8 9 11 12 13 14 16 17 18
Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ Ĺ
Padre 2 0 1 1 0 1 1 0 1 1 0 1 1 1 1 0 1 1 1
Línea 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Figura 6.7 Proceso de cruzamiento.
6.7.5 Mutación.
La mutación en un algoritmo genético es una forma de garantizar diversidad en la
población y se realiza cambiando parte de un individuo, pero una forma de
garantizar mayor diversidad es introducir a la población un individuo
completamente nuevo que permita en el caso de los sistemas de distribución,
retomar líneas que en el proceso se pudieron eliminar de la población y que
podrían llevar a buenas soluciones además de salir de óptimos locales. Realizar
este proceso en cada nueva población depende de la tasa de mutación escogida.
Si se determina hacer, esta se realizará cambiando el peor individuo por uno
nuevo creado con el algoritmo gpob.
55
7. RESULTADOS
El algoritmo de solución propuesto fue aplicado a cuatro redes de distribución, de

las cuales dos son redes IEEE desarrollados en diferentes trabajos especializados
[17], y las otras dos son nuevas redes propuestas. Los datos correspondientes a la
rata de fallas (Ȝ), el tiempo de salida (r) y el tiempo de salida anual (U) son ficticios
debido a la falta de esta información en la literatura especializada pero útiles para
comprobar la efectividad del algoritmo de solución.
Los parámetros utilizados para los sistemas de prueba fueron:
• Número máximo de iteraciones: 201.

• Número de individuos en la población: 20.
• Tasa de convergencia: 70%.
• Tasa de cruzamiento: 90%.
• Tasa de mutación: 20%.
• Regulación de voltaje: 5%
El coarbol mostrado en los resultados de cada opción, hace referencia a las líneas
que no pertenecen a la red propuesta. La regulación indica cuantos nodos de la
red propuesta cumplen con esta restricción.
7.1 SISTEMA IEEE 14 NODOS, 16 LÍNEAS Y 1 SUBESTACIÓN (S 14).
15
9
12 11 1 6 7 9
11 10 5 6 8
1 7
12
2 4 5 8
16
13
13 2
14 3
14 3
Figura 7.1 Sistema IEEE de 14 nodos
56
Los datos de todos los sistemas se encuentran en el anexo 1. A continuación se
presentan los resultados obtenidos para cada una de las opciones del algoritmo de
solución:
• Minimizando SAIDI y selección por torneo:
o Tiempo: 8.091806 segundos

o Iteraciones:13
o SAIDI: 18.425 horas/año
o SAIFI: 5.8 fallas/año
o Regulación: 14 nodos
o Coárbol: [14 15 16]
Minimizando SAIDI con Torneo
5.98 18.85
5.96 18.8
5.94 18.75
SAIFI
5.92 18.7
5.9 18.65
SAIFI
SAIDI
5.88 18.6
5.86 18.55
5.84 18.5
SAIDI
5.82 18.45
5.8 18.4
0 2 4 6 8 10 12 14
Iteraciones
Figura 7.2 Gráfico de SAIDI y SAIFI en función del número de iteraciones para S 14 en la opción 1
El algoritmo encontró el óptimo rápidamente (en 4 iteraciones) y la población

convergió a este óptimo en 13 iteraciones aproximadamente 8.1 segundos. Todos
los nodos cumplen con la restricción de regulación de voltaje.
• Minimizando SAIDI y selección por ruleta:

o Iteraciones:201
57
o Coárbol: [14 15 16]

7 19.5
6.5 19
SAIDI
6 18.5
SAIFI
SAIDI
SAIFI
5.5 18
5 17.5
4.5 17
0 50 100 150 200 250
Iteraciones
Figura 7.3 Gráfico de SAIDI y SAIFI en función del número de iteraciones para S 14 en la opción 2.
Con esta opción también se buscó minimizar SAIDI pero se cambio el operador de
selección (de torneo a ruleta) y se encontró el mismo óptimo que con la opción
anterior. Se puede observar que el algoritmo encontró el óptimo en la primera
iteración pero se superó el número máximo de iteraciones permitidas para este
caso (201), por lo tanto la población no convergió al valor estipulado para el
ejercicio (70%).
• Minimizando SAIFI y selección por torneo:

o Iteraciones:23
58
o Coárbol: [14 15 16]
Minimizando SAIFI con Torneo
6 18.9
5.95 18.8
5.9 18.7
SAIFI
SAIDI
5.85 18.6
SAIFI
5.8 18.5
SAIDI
5.75 18.4
0 5 10 15 20 25
Iteraciones
Con esta opción se cambia la función objetivo y se busca minimizar SAIFI, sin
embargo se obtuvo el mismo optimo que en las dos opciones anteriores, lo que
supone que la topología encontrada es óptima para ambos índices de
confiabilidad. El algoritmo convergió en la iteración 23 y encontró el óptimo en la
iteración 3.
• Minimizando SAIFI y selección por ruleta:

o Iteraciones:201
o Coárbol: [14 15 16]
59
Minimizando SAIFI con Rleta
6.4 19.6
6.3 19.4
6.2 19.2
SAIFI
SAIFI
SAIDI
6.1 19
6 18.8
5.9 18.6
SAIDI
5.8 18.4
0 50 100 150 200 250
Iteraciones
Al minimizar SAIFI utilizando el operador de la ruleta para la selección, se

encuentra nuevamente el mismo óptimo. Se puede observar que el algoritmo
encontró el óptimo rápidamente y alcanzó el número máximo de iteraciones sin
converger.
• Minimizando SAIFI + SAIDI y selección por torneo:

o Iteraciones:16
o Coárbol: [14 15 16]
60
Minimizando SAIFI+SAIDI con Torneo
6.3 19.6
6.2 19.4
6.1 19.2
SAIFI
SAIDI
6 19
5.9 18.8
SAIFI
5.8 18.6
SAIDI
5.7 18.4
0 2 4 6 8 10 12 14 16
Iteraciones
Figura 7.6 Gráfico de SAIDI y SAIFI en función del número de iteraciones para la opción 5.
15
9
12 11 1 6 7 9
11 10 5 6 8
1 7
12
2 4 5 8
16
13
13 2
14 3
14 3
4
Figura 7.7 Red propuesta para S 14 en todas las opciones
En este caso la función objetivo involucra ambos índices (SAFI y SAIDI) y utiliza el
torneo como operador de selección. De nuevo se encuentra el óptimo rápidamente
y además el algoritmo converge a este en la iteración 17. Se puede notar que la
topología encontrada (Figura 7.7) entrega los mejores valores para SAIFI y para
SAIDI además de cumplir con las restricciones planteadas en el capitulo anterior.
61
SUBESTACIONES (S 29).
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 1
26 17 9
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
Figura 7.8 Sistema propuesto de 29 nodos
Con esta red propuesta en este trabajo se puede observar el correcto

funcionamiento del algoritmo cuando se encuentra con redes de varias
subestaciones.
62
o Tiempo: 79.748067 segundos.
o Iteraciones: 75.
o SAIDI: 31.975 horas/año.
o SAIFI: 11.00 fallas/año.
o Regulación: 29 nodos.
o Coárbol: [3 7 8 10 11 13 14 16 19 23 24 26 28 32 33 37 40 41 45]
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 19
26 17
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
Figura 7.9 red propuesta en la opción 1 para S 29.
63
Minimizando SAIDI con torneo
13 40
12.5 38
12 36
SAIFI
SAIDI
SAIDI
11.5 34
11 32
SAIFI
10.5 30
0 10 20 30 40 50 60 70 80
Iteraciones
Figura 7.10 SAIDI y SAIFI en función del número de iteraciones para S29 en la opción 1.
La red propuesta se muestra en la figura 7.8. En esta se puede observar que la

topología es radial y que no hay caminos que unan las subestaciones. Se puede
notar también que el valor de SAIFI puede aumentar y disminuir mientras que el
valor de SAIDI continua disminuyendo con cada iteración, debido a que la función
objetivo para esta opción solo minimiza SAIDI. El algoritmo encontró el optimo en
la iteración 41 y convergió en la iteración 75.
64
o Iteraciones:201
o Coárbol: [3 7 8 10 12 16 17 19 22 23 24 30 32 33 37 39 41 44]
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 19
26 17
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
65
Minimizando SAIDI con Ruleta
12.8 40
12.6 39
12.4 38
SAIFI
SAIDI
12.2 37
SAIFI
12 36
SAIDI
11.8 35
11.6 34
0 50 100 150 200 250
Iteraciones
Figura 7.12 Gráfico de SAIDI y SAIFI en función del número de iteraciones para S29 en la opción 1
Nuevamente se observa que al utilizar la ruleta como operador para realizar la

selección el algoritmo no converge en el número máximo de iteraciones. El optimo
encontrado con esta opción se aleja un poco del encontrado con la opción anterior
66
o Iteraciones:164
o Coárbol: [4 7 8 10 12 13 16 19 22 23 24 26 28 32 33 37 40 41 45]
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 19
26 17
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
67
14 50
SAIFI
SAIFI
SAIDI
12 40
SAIDI
10 30
0 20 40 60 80 100 120 140 160 180
Iteraciones
Se puede observar nuevamente que al utilizar el torneo como operador de

selección, el algoritmo converge antes de superar el número máximo de
iteraciones permitidas, además de obtener buenos resultados. El óptimo se obtuvo
en la iteración 60 y el algoritmo convergió en la iteración 164.
68
o Iteraciones:201
o Coárbol: [3 7 8 10 12 14 15 16 17 19 23 24 26 28 32 33 38 40 43 45]
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 19
26 17
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
69
Minimizando SAIFI Ruleta
13.5 39
13 38
12.5 37
SAIFI
SAIDI
12 36
11.5 35
SAIDI
11 34
SAIFI
10.5 33
0 50 100 150 200 250
Iteraciones
En esta opción el algoritmo obtuvo un resultado cercano al de la opción anterior.

Nuevamente se alcanzó el número máximo de iteraciones y por lo tanto algoritmo
no convergió.
70
o Iteraciones: 59.
o Coárbol: [3 7 8 10 12 13 14 16 19 23 24 26 28 32 33 38 40 41 45]
1
2 3 4 5
1 2 3 4
S1
5 6 7 8 9
7 8 9
10 11 12 13
6 10
14 15 16 17 18
13 14
11 12 S2
19 20 21
15
22 23 24 25
18 19
26 17
16 20
27 28 29
31
30 32 33 34
23 24
35 36 37 38
S3 25
22
21
40 41 42
39
43 44 45
26 27 28 29
Figura 7.17 red propuesta en la opción 5 para S 29
71
Minimizando SAIFI+SAIDI con torneo
13 38
12 36
SAIFI
SAIFI
SAIDI
11 34
SAIDI
10 32
0 10 20 30 40 50 60
Iteraciones
Figura 7.18 Gráfico de SAIDI y SAIFI en función del número de iteraciones para S29 en la opción 5
La red obtenida en esta opción presenta buenas características tanto para SAIFI
como para SAIDI sin ser necesariamente los valores de estos índices los mas
bajos, pero si la mejor combinación de los dos.
72
7.3 SISTEMA IEEE DE 33 NODOS, 37 LÍNEAS Y 1 SUBESTACIÓN (S 33).
29 29 30
37
28 30
25 28 31
24 27 31
1 1 2 3 22 23 23 24 27 32
2
18 3 26 32
4 5 5 6
4 25 26 33
19
19 6 36
21 33 8 18
20 7 7
20
21 8 17
9 15 15 16 16 17
34
22
9 14
10 14
35
10 13
12 13
11
11 12
Figura 7.19 Sistema IEEE de 33 nodos
Este sistema tiene solo una subestación en el nodo 1, lo que dificulta que se
cumpla la regulación en los nodos mas apartados.
73
o Iteraciones:201
o Coárbol: [7 10 14 27 36]
29 29 30
37
28 30
25 28 31
24 27 31
1 1 2 3 22 23 23 24 27 32
2
18 3 26 32
4 5 5 6
4 25 26 33
19
19 6 36
21 33 8 18
20 7 7
20
21 8 17
9 15 15 16 16 17
34
22
9 14
10 14
35
10 13
12 13
11
11 12
Figura 7.20 Red propuesta en la opción 1 para S 33.
74
50 150
49 145
S A IF I
S A ID I
48 140
SAIDI
47 135
SAIFI
46 130
0 50 100 150 200 250
Iteraciones
Figura 7.21 SAIDI y SAIFI en función del número de iteraciones para S33 en la opción 1
En esta red se puede observar que no todos los nodos cumplen con la regulación
de voltaje debido a la topología de la misma. En estos casos el algoritmo penaliza
lar redes que menos restricciones cumplan y al final entrega una red óptima en
función de los índices de calidad.

o Iteraciones:201
o Coárbol: [7 10 14 27 36]
75
Minimizando SAIFI con torneo
55 160
S A IF I
S A ID I
50 SAIDI 140
SAIFI
45 120
0 50 100 150 200 250
Iteraciones
En este caso la red encontrada es la misma que se de la opción anterior donde se

realizo la selección por medio del torneo.

o Iteraciones:201
o Coárbol: [7 10 14 27 36]
76
29 29 30
37
28 30
25 28 31
24 27 31
1 1 2 3 22 23 23 24 27 32
2
18 3 26 32
4 5 5 6
4 25 26 33
19
19 6 36
21 33 8 18
20 7 7
20
21 8
9 15 15 16 16 17
34
22
9 14
10 14
35
10 13
12 13
11
11 12
Figura 7.23 Red propuesta para S33 en la opción 3.
77
Minimizando SAIFI con torneo
50 148
49.5 146
SAIFI
49 144
48.5 142
SAIFI
SAIDI
48 140
47.5 138
47 SAIDI 136
46.5 134
0 50 100 150 200 250
Iteraciones
La red obtenida no tiene diferencia con las anteriores aunque la función a

minimizar era diferente.

o Iteraciones:201
o Coárbol: [6 9 14 26 36]
78
29 29 30
37
28 30
25 28 31
24 27 31
1 1 2 3 22 23 23 24 27 32
2
18 3 26 32
4 5 5 6
4 25 26 33
19
19 6 36
21 33 8 18
20 7 7
20
21 8
9 15 15 16 16 17
34
22
9 14
10 14
35
10 13
12 13
11
11 12
79
Minimizando SAIFI con Ruleta
50 144
49 142
S A IF I
S A ID I
48 140
47 SAIFI 138
SAIDI
46 136
0 50 100 150 200 250
Iteraciones

o Iteraciones: 201
o Coárbol: [7 10 14 27 36]
80
29 29 30
37
28 30
25 28 31
24 27 31
1 1 2 3 22 23 23 24 27 32
2
18 3 26 32
4 5 5 6
4 25 26 33
19
19 6 36
21 33 8 18
20 7 7
20
21 8
9 15 15 16 16 17
34
22
9 14
10 14
35
10 13
12 13
11
11 12
81
Minimizando SAIDI+SAIDI con Torneo
51 144
50 142
49 140
S A IFI
S A IDI
48 138
47 SAIDI 136
SAIFI
46 134
0 50 100 150 200 250
Iteraciones
Esta red presenta una buena combinación de ambos índices de confiabilidad sin
alejarse demasiado de los obtenidos en las opciones anteriores.
82
SUBESTACIONES (S 15.)
1
1 2 2 3 3 4 4
5
S1
5 6 7 8 9
9
10 11 12
6 7 8 10
13 14 15 16
14
11 12 13 S2
17 18
15
Figura 7.29 Sistema propuesto de 15 nodos

o Iteraciones: 27
o Coárbol: [4 7 8 10 12]
83
6 17
5.5 16
SAIFI
SAIDI
SAIDI
5 15
SAIFI
4.5 14
0 5 10 15 20 25 30
Iteraciones
El algoritmo convergió rápidamente encontrando el óptimo en la iteración 10 y

convergió en la iteración 27. La red propuesta cumple con todas las restricciones
del problema.

o Iteraciones: 201
o Coárbol: [4 7 8 10 12]
84
Minimizando SAIDI con Ruleta
6 17
5.5 16
S A IFI
S A IDI
SAIDI
5 15
SAIFI
4.5 14
0 50 100 150 200 250
Iteraciones
El óptimo encontrado es el mismo que en la opción anterior. En esta opción se

alcanzó el número máximo de iteraciones permitidas sin converger.

o Iteraciones: 15
o Coárbol: [4 7 8 10 12]
85
5.4 17
5.2 16
SAIFI
SAIDI
SAIDI
5 SAIFI 15
4.8 14
0 5 10 15
Iteraciones
Aunque en esta opción se minimiza un índice diferente al de las opciones

anteriores, se obtuvo la misma red, lo que indica que tal vez esta es la red óptima
para ambos índices.

o Iteraciones: 201
o Coárbol: [4 7 8 10 12]
86
Minimizando SAIFI con Ruleta
5.3 15.8
5.2 15.6
5.1 15.4
SAIFI
SAIDI
5 15.2
SAIFI
4.9 15
SAIDI
4.8 14.8
0 50 100 150 200 250
Iteraciones
Nuevamente se obtuvo la misma red de las opciones anteriores aunque el

algoritmo no convergió dentro del número máximo de iteraciones permitidas.

o Iteraciones: 45
o Coárbol: [4 7 8 10 12]
87
Minimizando SAIFI+SAIDI con Torneo
6 16
5.5 15.5
SAIDI
5 15
SAIFI
SAIDI
SAIFI
4.5 14.5
4 14
3.5 13.5
0 5 10 15 20 25 30 35 40 45
Iteraciones
Al minimizar ambos índices con la opción 5, se obtuvo la misma red de todas las
opciones anteriores, lo que determina que esta es la red optima tanto para SAIDI
como para SAIFI, además cumple con todas las restricciones planteadas en el
capitulo anterior. La red propuesta se muestra en la figura 7.34.
88
1
1 2 2 3 3 4 4
5
S1
5 6 7 8 9
9
10 11 12
6 7 8 10
13 14 15 16
14
11 12 13 S2
17 18
15
Figura 7.35 Red propuesta en todas las opciones para S15.
El siguiente cuadro resume los resultados descritos anteriormente:
OPCIÓN 1 OPCIÓN 2 OPCIÓN 3 OPCIÓN 4 OPCIÓN 5

SAIFI SAIDI SAIFI SAIDI SAIFI SAIDI SAIFI SAIDI SAIFI SAIDI
S 14 5.8 18.425 5.8 18.425 5.8 18.425 5.8 18.425 5.8 18.425
S 33 11.0 31.975 11.75 34.125 10.55 33.3 10.85 33.9 10.7 32.15
S 29 46.45 134.925 46.45 134.925 46.45 134.925 47.55 137.15 46.45 134.925
S 15 4.85 14.9 4.85 14.9 4.85 14.9 4.85 14.9 4.85 14.9
Tabla 8.1 Resultados sistemas de prueba.
De lo anterior se puede observar que el algoritmo obtiene menores índices de

confiabilidad cuando la selección se realiza por torneo además de converger más
rápido.
89
8. CONCLUSIONES
En este trabajo se desarrolló un algoritmo para la minimización de los índices de

confiabilidad en el sistema de distribución, utilizando reconfiguración de circuitos
primarios, planteando una función objetivo dirigida solamente a mejorar la
confiabilidad del sistema.
Los métodos para valorar la confiabilidad en sistemas de distribución fueron

estudiados y se determinó que la técnica de frecuencia y duración es la más
apropiada para este trabajo debido a que sus resultados brindan una mejor
información al usuario final.
Se planteo un modelo matemático de optimización dirigido a la minimización de los

índices de confiabilidad de sistemas de distribución.
Un algoritmo genético fue desarrollado con el fin de resolver el problema

planteado, debido a las excelentes respuestas que han tenido esta clase de
algoritmos para resolver problemas de alta complejidad como la que representa la
reconfiguración de los sistemas de distribución.
Se implementó un algoritmo para la creación de las poblaciones que garantiza la

radialidad y conectividad de todos los individuos generados, reduciendo de esta
forma el tiempo de ejecución del algoritmo de solución al no tener que recurrir a
otros programas para revisar la topología de los individuos, además este algoritmo
se puede emplear en el cruzamiento y la mutación de los individuos, facilitando de
esta forma la ejecución del algoritmo genético.
Se desarrolló un algoritmo para realizar el ordenamiento nodal por niveles del

sistema de distribución, capaz de entregar rápidamente el sistema ordenado sin
importar cuantas subestaciones tenga e informando cuales nodos y cuales líneas
pertenecen a cada subestación.
Los resultados de los sistemas de prueba demostraron la efectividad del algoritmo

al encontrar la red óptima con los menores índices de confiabilidad.
Los mejores índices de confiabilidad así como los menores tiempos de

convergencia se obtuvieron haciendo la selección de los individuos por medio del
torneo, mientras que al realizarse con la ruleta se encontraron los óptimos pero el
algoritmo superaba el número máximo de iteraciones permitidas sin converger.
90
8.1 FUTUROS TRABAJOS.
Implementar la metodología propuesta a un modelo trifásico que represente

adecuadamente el sistema de distribución.
Utilizar el algoritmo de solución propuesto con funciones objetivos diferentes a la

planteada, como reducción de pérdidas o ubicación de condensadores.
Implementar la función objetivo planteada con otras técnicas de solución como

simulated anneling o búsqueda tabú.
91
BIBLIOGRAFÍA
[1] ARRIAGADA MASS, Aldo Gary. Evaluación de confiabilidad en sistemas

eléctricos de distribución. Santiago de Chile, 1994, 108 p. Tesis de maestría
(Magíster en ciencias de la ingeniería). Pontificia Universidad Católica de
Chile. Escuela de Ingeniería. Departamento de Ingeniería Eléctrica.
[2] BACK, H y MERLIN, A. Search for Minimum-Loss Operating Spanning Tree

Configuration for an Urban Power Distribution System. 5th Power System
Comp. Con., Cambridge, U.K. Sept. 1-5 (1975).
[3] BÄCK, T. Optimal Mutacion Rates in Genetic Search, S. Forrest, editor.

Procedings of the Fifth Internacional Conference on Genetic Algorithms, pp.
2-8. Morgan Kaufmann. San Mateo CA, 1993.
[4] BAEZA, R.; HERNÁNDEZ, J. y RODRÍGUEZ, J. “Evaluación De

Confiabilidad De Sistemas De Distribución Eléctrica En Desregulación”.
Revista facultad de ingeniería, U.T.A (Chile), Vol. 11, número 1, pp. 33 –
39.
[5] BAKER. J. E. Reducing Bias and Inefficiency in the Selection Alorithm.

Procedins of the Secod Internacional Conference on Genetic Algorthms
pp.14-21 July 1987 Lawrence Erlbaum.
[6] BASU, S.K. y GOSWAMI, S.K. A new algorithm for the reconfiguration of
distribution feeders for loss minimization. IEEE Trans. on Power Delivery,
vol. 7, Nº3, págs. 1484−1491, Julio 1992.
[7] BILLINTON, Roy. Reability evaluation in distribution and transmisión

systms, M.S. Groven, Proc. IEEE, Vol. 122, Nº. 5, May 1975.
[8] BROADWATER, R; DREZGA, I y MCDERMOTT, T. A heuristic nonlinear

constructive method for distribution system reconfiguration. IEEE Trans. on
Power System, vol.14, Nº2, págs. 478−483, Mayo 1999.
[9] CÁRCAMO-GALLARDO, Angely; GARCÍA SANTANDER, Luís y PEZOA

Jorge E. Reconfiguración de Redes Eléctricas de Media Tensión Basada en
el Algoritmo de Prim. Ingeniare. Revista chilena de ingeniería, vol. Nº ,
200X, pp.
92
[10] CHAN, H y MIN, W. A new approach for distribution feeder reconfiguration
for loss reduction and service restoration. IEEE Trans. on Power Delivery,
vol.13, págs. 870−875, Julio 1998.
[11] CIRIC, R y POPOVIC, D. A multi−objective algorithm for distribution

network restoration. IEEE Trans. On Power Delivery, vol.14, págs.
1134−1141, Julio 1999.
[12] COLOMBIA. UNIDAD DE PLANEACION MINERO ENERGETICA. Una

Visión del Mercado Eléctrico Colombiano : UPME Mayo 2004.
[13] COMISIÓN REGULADORA DE ENERGIA Y GAS (Colombia). Resolución

070: CREG 1998.
[14] COMISIÓN REGULADORA DE ENERGIA Y GAS (Colombia). Resolución

082: CREG 2002.
[15] DÍAZ, A. et al. (1996), Optimización Heurística y Redes Neuronales,

Paraninfo, Madrid.
[16] FRANCO BAQUERO, John Fredy. Planeamiento De Sistemas De

Distribución Usando Búsqueda Tabú. Pereira, 2006, 99 p. Tesis de
maestría (Magíster en ingeniería eléctrica). Universidad Tecnológica de
Pereira. Maestría en ingeniería eléctrica. Área de planeamiento.
[17] GARCÉS RUIZ, Alejandro. Reconfiguración De Alimentadores Primarios

Usando Una Metodología Combinatorial Bajo Un Modelamiento Trifásico.
Pereira, 2005, 140p. Tesis de maestría (Magíster en ingeniería eléctrica).
Universidad Tecnológica de Pereira. Maestría en ingeniería eléctrica. Área
de planeamiento.
[18] GIL SAGÁS, Esteban. Programación De La Generación De Corto Plazo En

Sistemas Hidrotérmicos Usando Algoritmos Genéticos. 2001, 142 p. Tesis
de maestría (Magister en ingeniería). Universidad Técnica Federico Santa
María. Departamento de electricidad.
[19] GOLDBERG, D. E. y DEB, K. A. Comparative Análisis of Selection

Schemes Used in Genetic Algorithms, Foundations o Genetic Algorithms,
edited by G. J. E. Rawlins, pp 69-93,1991.
[20] GOMES, F.V. et al. A new heuristic reconfiguration algorithm for large
distribution systems. IEEE Trans. on Power Systems, vol.20, Nº3, págs.
1373−1378, Agosto 2005.
93
[21] GÚNTER R, Raidl y BYANT, Julstrom. Edge sets: An Effective Evolutionary
Coding of Spanning Trees. IEEE Trans. On Evolutionary Computation,
vol.7, Nº3 págs. 225-239. Junio 2003.
[22] HOLLAND, J. H. (1975). Adaptation in Natural and Artificial Systems, Ann

Arbor.
[23] HONG, H.W. y SHIRMOHAMMADI, D. Reconfiguration of electric

distribution networks for resistive line losses reduction. IEEE Trans. on
Power Delivery, vol.4, Nº2, págs. 1492−1498, Abril 1989.
[24] HUANG, C. Multiobjective service restauration of distribution system using

fuzzy cause effect network. IEEE Trans. on Power System, vol. 18, págs.
867−874, Mayo 2003.
[25] IEEE Guide for Electric Power Distribution Reliability Indices
[26] LÓPEZ, E. et al. Optimización de pérdidas en redes de distribución. XI

Congreso de la Asociación Chilena de Control Automático, Concepción,
Chile, 1994.
[27] ________.Minimal loss reconfiguration based on dynamic programming

approach: Application to real system. Electric Power Component and
System, vol.30, págs. 693−704, Julio 2002.
[28] MARTI, Rafael. Procedimientos Metaheurísticos en Optimización

Combinatoria. Facultad de Matemáticas Universidad de Catalunya.
Recopilación de los contenidos impartidos en el curso de doctorado
”Procedimientos Heurísticos” del Departamento de Estadística e
Investigación Operativa de la Universidad de Valencia durante los cursos
96/97, 98/99 y 2000/01, así como en la Universita Politécnica de Catalunya
en el curso 95/96.
[29] MATÍAS, L; SARMIENTO, H y VEGA, M. Reconfiguring a primary industrial

network based on reliability studies. Industrial Applications Conference,
vol.2, págs. 1095−1099, Octubre 2002.
[30] MERLIN, A. y H. Back, “Search for Minimum-Loss Operating Spanning Tree

Configuration for an Urban Power Distribution System”, 5th Power System
Comp. Con., Cambridge, U.K. Sept. 1-5 (1975).
[31] MÜHLENBEIN, H. y SCHLIERKAMP-VOOSEN, D. Predictive Models for

the Breeder Genetic Algorithm: I. Continuous Parameter Optimization.
Evolutionarry Computation, 1 (1), pp. 25-49, 1993.
94
[32] POPOVIC, Z y POPOVIC, D. A risk management procedure for supply
restoration in distribution networks. IEEE Trans. on Power System, vol.19,
págs. 221−228, Febrero 2004.
[33] RODRÍGUEZ GARCÍA, Alfredo. Modelado y evaluación Monte Carlo de la

Confiabilidad de los sistemas de generación y transmisión. Veracruz
1992.Tesis de Maestría.
[34] RODRIGUEZ, J.R.A. y VARGAS, A. Fuzzy-heuristic methodology to

estimate the load restoration time in MV networks. IEEE. Trans. on Power
Systems, vol.20, Nº2, págs. 1095−1102, Mayo 2005. vol. 36, págs.
1389−1401, 1957.
[35] SUMPER, A., SUDRIÁ, A., RAMÍREZ, R., VILLAFÁFILA, R., CHINDRIS
Mircea. “Índices de continuidad en redes y su mejora”. En: congreso
Hispano Luso. (9a: Chile).
[36] TOUNE, S. et al. Comparative study of modern heuristic algorithms to

service restoration in distribution systems. IEEE Trans. on Power Delivery,
vol.17, Nº.1, págs. 173−181, Enero 2002.
95
ANEXOS
A.1 Datos sistema IEEE 14 nodos:

Línea Envío Recibo R[Ohm] X[Ohm] P[kW] Q[kVAr]
1 1 2 0.075 0.1 0.02 0.016
2 2 3 0.09 0.18 0.02 -0.004
3 3 4 0.04 0.04 0.015 0.012
4 5 2 0.08 0.11 0.03 0.004
5 1 6 0.11 0.11 0.04 0.027
6 6 7 0.08 0.11 0.05 0.018
7 7 8 0.11 0.11 0.006 -0.005
8 7 9 0.08 0.11 0.045 -0.017
9 6 10 0.11 0.11 0.01 0.009
10 1 11 0.11 0.11 0.01 0.009
11 11 12 0.09 0.12 0.01 -0.011
12 11 13 0.08 0.11 0.01 0.009
13 13 14 0.04 0.04 0.021 -0.008
14 14 4 0.009 0.12 0.015 0.012
15 12 10 0.04 0.04 0.01 0.009
16 8 5 0.04 0.04 0.006 -0.005
Tabla A1.1 Datos sistema IEEE 14 nodos
Línea Ȝ[fallas/año] r[horas/falla]

1 0.2 4
2 0.25 3
3 0.3 2
4 0.35 2.5
5 0.15 3.5
6 0.2 4
7 0.25 3
8 0.3 2
9 0.35 2.5
10 0.15 3.5
11 0.2 4
12 0.25 3
13 0.3 2
14 0.35 2.5
15 0.15 3.5
16 0.2 4
96
A.2 Datos sistema IEEE de 33 nodos.

1 1 2 0.0009 0.0005 0.1 0.06
2 2 3 0.0049 0.0025 0.09 0.04
3 3 4 0.0037 0.0019 0.12 0.08
4 4 5 0.0038 0.0019 0.06 0.03
5 5 6 0.0082 0.0071 0.06 0.02
6 6 7 0.0019 0.0062 0.2 0.1
7 7 8 0.0171 0.0124 0.2 0.1
8 8 9 0.0103 0.0074 0.06 0.02
9 9 10 0.0104 0.0074 0.06 0.02
10 10 11 0.002 0.0006 0.045 0.03
11 11 12 0.0037 0.0012 0.06 0.035
12 12 13 0.0147 0.0116 0.06 0.035
13 13 14 0.0054 0.0071 0.12 0.08
14 14 15 0.0059 0.0053 0.06 0.01
15 15 16 0.0075 0.0054 0.06 0.02
16 16 17 0.0129 0.0172 0.06 0.02
17 17 18 0.0073 0.0057 0.09 0.04
18 2 19 0.0016 0.0016 0.09 0.04
19 19 20 0.015 0.0136 0.09 0.04
20 20 21 0.0041 0.0048 0.09 0.04
21 21 22 0.0071 0.0094 0.09 0.04
22 3 23 0.0045 0.0031 0.09 0.05
23 23 24 0.009 0.0071 0.42 0.2
24 24 25 0.009 0.007 0.42 0.2
25 6 26 0.002 0.001 0.06 0.025
26 26 27 0.0028 0.0014 0.06 0.025
27 27 28 0.0106 0.0093 0.06 0.02
28 28 29 0.008 0.007 0.12 0.07
29 29 30 0.0051 0.0026 0.2 0.6
30 30 31 0.0097 0.0096 0.15 0.07
31 31 32 0.0031 0.0036 0.21 0.1
32 32 33 0.0034 0.0053 0.06 0.04
33 21 8 0 0.02 0.2 0.1
34 9 15 0 0.02 0.06 0.01
35 12 22 0 0.02 0.09 0.04
36 18 33 0 0.005 0.06 0.04
37 25 29 0 0.005 0.12 0.07
97
1 0.2 4
2 0.25 3
3 0.3 2
4 0.35 2.5
5 0.15 3.5
6 0.2 4
7 0.25 3
8 0.3 2
9 0.35 2.5
10 0.15 3.5
11 0.2 4
12 0.25 3
13 0.3 2
14 0.35 2.5
15 0.15 3.5
16 0.2 4
17 0.2 4
18 0.25 3
19 0.3 2
20 0.35 2.5
21 0.15 3.5
22 0.2 4
23 0.25 3
24 0.3 2
25 0.35 2.5
26 0.15 3.5
27 0.2 4
28 0.25 3
29 0.3 2
30 0.35 2.5
31 0.15 3.5
32 0.2 4
33 0.2 4
34 0.25 3
35 0.3 2
36 0.35 2.5
37 0.15 3.5
98
A.3 Datos sistema propuesto de 29 nodos.

1 1 2 0.075 0.1 0.02 0.016
2 2 3 0.09 0.18 0.02 -0.004
3 3 4 0.04 0.04 0.015 0.012
4 4 5 0.08 0.11 0.03 0.004
5 1 6 0.11 0.11 0.04 0.027
6 1 7 0.08 0.11 0.05 0.018
7 2 7 0.11 0.11 0.05 0.018
8 3 8 0.08 0.11 0.045 -0.017
9 5 10 0.11 0.11 0.01 0.009
10 6 7 0.11 0.11 0.05 0.018
11 7 8 0.09 0.12 0.045 -0.017
12 9 8 0.08 0.11 0.045 -0.017
13 10 9 0.04 0.04 0.021 -0.008
14 6 11 0.009 0.12 0.015 0.012
15 7 12 0.04 0.04 0.01 0.009
16 8 13 0.04 0.04 0.006 -0.005
17 15 9 0.075 0.1 0.021 -0.008
18 15 10 0.09 0.18 0.01 0.009
19 13 12 0.04 0.04 0.01 0.009
20 14 13 0.08 0.11 0.006 -0.005
21 15 14 0.11 0.11 0.04 0.027
22 11 16 0.08 0.11 0.05 0.018
23 12 17 0.11 0.11 0.006 -0.005
24 13 18 0.08 0.11 0.045 -0.017
25 15 20 0.11 0.11 0.01 0.009
26 16 17 0.11 0.11 0.006 -0.005
27 17 18 0.09 0.12 0.045 -0.017
28 18 19 0.08 0.11 0.01 0.009
29 19 20 0.04 0.04 0.01 0.009
30 21 16 0.009 0.12 0.05 0.018
31 21 17 0.04 0.04 0.006 -0.005
32 22 17 0.04 0.04 0.006 -0.005
33 18 23 0.075 0.1 0.02 0.016
34 20 25 0.09 0.18 0.01 0.009
35 21 22 0.04 0.04 0.015 0.012
36 22 23 0.08 0.11 0.02 0.016
37 23 24 0.11 0.11 0.04 0.027
38 24 25 0.08 0.11 0.01 0.009
39 21 26 0.11 0.11 0.006 -0.005
40 22 26 0.08 0.11 0.006 -0.005
99
41 23 27 0.11 0.11 0.01 0.009
42 25 29 0.11 0.11 0.01 0.009
43 26 27 0.09 0.12 0.01 -0.011
44 27 28 0.08 0.11 0.01 0.009
45 28 29 0.04 0.04 0.01 0.009
Tabla A3.1 Datos sistema propuesto de 29 nodos

1 0.2 4
2 0.25 3
3 0.3 2
4 0.35 2.5
5 0.15 3.5
6 0.2 4
7 0.25 3
8 0.3 2
9 0.35 2.5
10 0.15 3.5
11 0.2 4
12 0.25 3
13 0.3 2
14 0.35 2.5
15 0.15 3.5
16 0.2 4
17 0.25 3
18 0.3 2
19 0.35 2.5
20 0.15 3.5
21 0.2 4
22 0.25 3
23 0.3 2
24 0.35 2.5
25 0.15 3.5
26 0.2 4
27 0.25 3
28 0.3 2
29 0.35 2.5
30 0.15 3.5
31 0.2 4
32 0.25 3
33 0.3 2
34 0.35 2.5
100
35 0.15 3.5
36 0.2 4
37 0.25 3
38 0.3 2
39 0.35 2.5
40 0.15 3.5
41 0.2 4
42 0.25 3
43 0.3 2
44 0.35 2.5
45 0.15 3.5
Tabla A3.2Datos sistema propuesto de 29 nodos
A.4 Datos sistema de 15 nodos.

1 1 2 0.0236 0.233 0.02 0.016
2 2 3 0.0003 0.0002 0.02 -0.004
3 3 4 0.0051 0.0005 0.015 0.012
4 4 5 0.36 0.3 0.03 0.004
5 1 6 0.45 0.2 0.04 0.027
6 1 7 0.45 0.2 0.05 0.018
7 2 7 0.0023 0.001 0.05 0.018
8 3 8 0.001 0.0008 0.045 -0.017
9 5 10 0.26 0.2 0.01 0.009
10 6 7 0.6 0.45 0.05 0.018
11 9 8 0.8 0.5 0.045 -0.017
12 10 9 0.0046 0.003 0.015 0.012
13 6 11 0.0006 0.0005 0.021 -0.008
14 7 12 0.26 0.26 0.015 0.012
15 15 9 0.0051 0.0005 0.015 0.012
16 15 10 0.0003 0.0002 0.01 0.009
17 14 13 0.236 0.233 0.04 0.027
18 15 14 0.009 0.0064 0.05 0.018
101
1 0.2 4
2 0.25 3
3 0.3 2
4 0.35 2.5
5 0.15 3.5
6 0.2 4
7 0.25 3
8 0.3 2
9 0.35 2.5
10 0.15 3.5
11 0.2 4
12 0.25 3
13 0.3 2
14 0.35 2.5
15 0.15 3.5
16 0.2 4
17 0.25 3
18 0.3 2
102

Mejoramiento de La Confiabilidad en Sistemas de Distribucion Mediante Reconfiguración de Circuitos Primarios PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mejoramiento de La Confiabilidad en Sistemas de Distribucion Mediante Reconfiguración de Circuitos Primarios PDF

Cargado por

Copyright:

Formatos disponibles

MEJORAMIENTO DE LA CONFIABILIDAD EN SISTEMAS DE DISTRIBUCIÓN

MEDIANTE RECONFIGURACIÓN DE CIRCUITOS PRIMARIOS

ALFONSO GONZALEZ ARIAS

UNIVERSIDAD TECNOLÓGICA DE PEREIRA

ALFONSO GONZALEZ ARIAS

Trabajo de grado para optar al titulo de

UNIVERSIDAD TECNOLÓGICA DE PEREIRA

A mi esposa, ayuda idónea

A mis padres, ejemplo de

Tabla 2.1 Niveles de Tensión ............................................................................................ 3

Figura 2.1 Topología radial del sistema de distribución ................................................ 4

La confiabilidad en sistemas de distribución, es una forma de brindar seguridad y

Para cuantificar la confiabilidad del sistema de distribución se puede recurrir a los

Una manera eficiente de minimizar estos índices de confiabilidades es la

En este trabajo se presenta un algoritmo genético que permite reconfigurar el

Se presenta también un método para generar la población del algoritmo genético,

También se introduce un nuevo algoritmo que realiza el ordenamiento nodal de

Desarrollar un algoritmo de optimización para la minimización de índices de

• Estudiar los índices de confiabilidad más representativos del sistema de

• Estudiar los métodos para valorar la confiabilidad en sistemas de distribución.

• Estudiar los métodos de reconfiguración en sistemas de distribución.

• Explicar la relación existente entre la configuración de un sistema de

• Plantear un modelo matemático de optimización para el mejoramiento de la

• Desarrollar un algoritmo de optimización para solucionar el modelo planteado.

El sistema de distribución, es el conjunto de subestaciones, transformadores y

Cuando se habla del consumo de energía eléctrica es casi imposible no hablar de

Mas exactamente, la confiabilidad en sistemas eléctricos de distribución es

La confiabilidad ha sido un tema que en la historia de la energía eléctrica ha sido

Además, desde el punto de vista investigativo, la confiabilidad en sistemas de

Es indispensable que continuamente se realicen estudios cuyos resultados lleven

La reconfiguración del sistema de distribución consiste básicamente en cambiar la

En el grupo de los métodos heurísticos se encuentran los algoritmos evolutivos,

Son precisamente los algoritmos genéticos la herramienta utilizada en este trabajo

Un sistema eléctrico comprende un conjunto de elementos que permiten llevar la

Este proceso se puede definir por tres grandes etapas:

En el proceso de generación se toman los diferentes tipos de energía que pueden

Otra clasificación muy utilizada es definida en la NTC 1340 de la siguiente manera:

Tabla 2.2 Niveles de Tensión según NTC 1340.

En conclusión, el sistema de distribución está conformado por un conjunto de

2.1 CARACTERÍSTICAS GENERALES DEL SISTEMA DE DISTRIBUCIÓN

• Topología: en la práctica los sistemas de distribución son en forma radial,

Figura 2.1 Topología radial del sistema de distribución

• Relación entre reactancia inductiva y resistencia: en el sistema de

dZ/&/>Z ddZ&/>Z dZ/&/>Z /&/>Z

Figura 2.2 Tipo de conexiones.

• Naturaleza de la carga: el sistema de distribución suministra energía a

En el siguiente grafico se puede apreciar lla diferencia en el consumo de energía

• Transposición: a diferencia del sistema de transmisión en el sistema de

En 1994, se promulgaron las Leyes 14230 y 14331, las cuales determinaban la

• Separación de las actividades del sector eléctrico

Actualmente, todas las empresas distribuidoras son a la vez comercializadoras,

2.3 ANÁLISIS DE LOS SISTEMAS DE DISTRIBUCIÓN

El los últimos años se han aumentado los estudios realizados al sistema de

Durante los últimos años la confiabilidad en los sistemas de distribución se ha

La confiabilidad en sistemas de distribución se relaciona con la habilidad o

3.1 ÍNDICES DE CONFIABILIDAD

El objetivo principal de los índices de confiabilidad es representar

En Colombia, la CREG en su resolución 070 de 1998, estableció los índices de

 ൌ ෍  ୧ ሺ͵Ǥͳሻ

• FES: Cantidad total del número de veces que el servicio es interrumpido en

A nivel mundial se maneja una gran cantidad de índices de confiabilidad

3.1.1 Parámetros Básicos

• Tasa de fallas promedio:

dZ/&/>Z ddZ&/>Z dZ/&/>Z /&/>Z

ൌ ෍ ୧ ሺ͵Ǥͳሻ

Tabla 4.1 Valores de ɉ y de la figura 4.10

Punto de carga ɉ (fallas/año) (horas) (horas/año)

ହ ൌ ͲǤͳͷ ‫ כ‬ͷǤͲ ൅ ͲǤʹͲ ‫ כ‬͸ǤͲ ൅ ͲǤͳͷ ‫ כ‬͸ǤͲ ൌ ʹǤͺͷ ൏ ͵Ǥͷͷ