Artículo Académico / Academic Paper

Ubicación y Calibración Óptima de Dispositivos PSS Considerando

Criterios Multimáquina y Algoritmos Heurísticos de Optimización

J. Cepeda H. Flores P. Verdugo

Operador Nacional de Electricidad, CENACE

E-mail: jcepeda@cenace.org.ec; hflores@cenace.org.ec; pverdugo@cenace.org.ec

Resumen Abstract

Este trabajo presenta una metodología
integral basada en criterios multimáquina de
ubicación y sintonización de estabilizadores de
sistemas de potencia que ayudará a solucionar
el problema de estabilidad oscilatoria de un
sistema de prueba, causado por la presencia
de modos con amortiguamientos negativos o
pobremente amortiguados. Esto se puede lograr
con el desarrollo de aplicativos en forma de
programa dentro de la herramienta tecnológica
de DIgSILENT PowerFactory (scripts DPL).
La metodología consiste en realizar el análisis
de estabilidad de pequeña señal en el sistema
de prueba, obtener los valores propios, vectores
propios, y factores de participación que serán
utilizados para identificar los posibles lugares
de ubicación de PSSs. Posteriormente, un
optimizador heurístico será utilizado para
identificar los parámetros óptimos de cada PSS
con el fin de amortiguar los modos oscilatorios
pobremente amortiguados.
This paper presents an integral methodology
based in a multi-machine criterion for locating
and tuning power system stabilizers to help
improving a test system’s oscillatory problems,
caused by the presence of modes with poor or
negative damping. This can be achieved with
the development of programmed applications
in DIgSILENT PowerFactory (DPL Scripts).
The methodology consists in performing a
small signal stability analysis in the test system;
obtaining the eigenvalues, eigenvectors and
participation factors which will be used to
identify the best locations for PSS placement.
Afterwards, a heuristic optimizer will be used to
identify the optimal parameters for each PSS in
order to damp poor-damped oscillation modes.

Palabras clave— DIgSILENT PowerFactory Index terms— DIgSILENT PowerFactory (DPL

(scripts DPL), PSS, Optimización Heurística, scripts), PSS, Heuristic Optimization, PSS,
PSS, Modos Oscilatorios, Amortiguamiento. Oscilation Modes, Damping.

Recibido: 22-10-2015, Aprobado tras revisión: 24-12-2015.

Forma sugerida de citación: Cepeda, J.; Flores, H. y Verdugo, P. (2016). “Ubicación y Calibración Óptima de
Dispositivos PSS Considerando Criterios Multimáquina y Algoritmos Heurísticos de Optimización”. Revista
Técnica “energía”. No 12, Pp. 174-182.
ISSN 1390-5074.

174

1. INTRODUCCIÓN
En Sudamérica la mayoría de los sistemas
eléctricos de potencia están constituidos por
líneas de transmisión largas debido a la ubicación
remota de las centrales de generación con respecto
a los centros de consumo, y adicionalmente al
bajo crecimiento en la expansión de corredores
de transmisión debido al alto costo de inversión,
derecho de vía y restricciones ambientales. Todo
esto obliga a que los actuales sistemas de potencia
sean operados cerca de sus límites de estabilidad
con una alta probabilidad de aparecimiento de
oscilaciones electromecánicas poco amortiguadas
cuyas consecuencias implican, en muchos casos, la
aplicación de límites a la capacidad de transmisión
de energía [1-9].
Las pequeñas perturbaciones que
continuamente ocurren en los sistemas eléctricos
de potencia se deben a pequeñas variaciones de
carga y generación. Dichas perturbaciones originan
cambios a nuevos puntos de equilibrio lo que a su
vez provoca la interacción de la energía almacenada
en las masas rotativas de los generadores con
los campos eléctricos de los condensadores y
los campos magnéticos de los inductores, lo que
se refleja en forma de oscilaciones [6]. Todo
sistema eléctrico se encuentra expuesto a presentar
oscilaciones que podrían repercutir en problemas
operativos tales como pérdida de estabilidad
angular, actuación de los sistemas de protección,
aumento de la probabilidad de corte de carga,
deterioro de la calidad de servicio, disminución
de la confiabilidad del sistema; y en ciertos casos,
incluso pueden provocar que el sistema evolucione
hacia el colapso [1, 6].
Con la ayuda del estudio de estabilidad de
pequeña señal se pueden analizar estas oscilaciones
llegando a identificar modos de oscilación locales o
inter-áreas con razones de amortiguamiento pobres
o negativas con respecto a la estabilidad angular.
Los sistemas de control de excitación (Automatic
Voltage Regulator AVR) y los estabilizadores del
sistema de potencia (Power System Stabilizer PSS)
son tecnologías fuertemente establecidas y con
aplicaciones exitosas alrededor del mundo para
amortiguar modos oscilatorios. El uso adecuado de
estos sistemas ofrece la posibilidad de mejorar los
márgenes de seguridad y la operación confiable de
la red [1]. En este sentido, una ubicación óptima
de PSS y la posterior calibración adecuada de
sus parámetros es fundamental para conseguir
Edición No 12, Enero 2016
un amortiguamiento satisfactorio de los modos
oscilatorios que permita evitar problemas de
estabilidad.
Existen diferentes métodos para calibrar
los parámetros de PSS siendo la metodología
más comúnmente utilizada la conocida como
equivalente Máquina-Barra infinita o modelo
Heffron –Phillips [7, 8]. Este método permite
calibrar los PSS considerando la influencia de los
modelos de control (AVR – PSS) sobre un sistema
robusto (barra infinita) y típicamente es usado para
determinar parámetros óptimos para amortiguar
modos locales. El limitante de este método es que
no permite observar la influencia dinámica del
resto del sistema (modos inter-área) además de no
ofrecer información alguna referente a la ubicación
óptima de PSS en el sistema. Por tal motivo,
metodologías multimáquina han sido estudiadas
con el propósito de realizar una calibración integral
de los PSSs del sistema, considerando la influencia
dinámica de todos los componentes del sistema y
la factibilidad de definir la adecuada ubicación de
estos dispositivos [7, 8].
Matemáticamente, la solución unificada de
ubicación óptima y sintonización coordinada de
PSS puede ser bastante compleja en sistemas de
potencia multimáquina con condiciones operativas
variables. Muchos enfoques e índices basados
en factores de participación, residuos, torque de
amortiguamiento, o coeficientes de sensibilidad se
han desarrollado para sugerir los lugares adecuados
para implementar PSSs [9]. Asimismo, varios
métodos también se han planteado para lograr la
sintonización coordinada de PSSs [9], entre los
cuales se han sugerido algunos enfoques basados
en sistemas de lógica difusa, redes neuronales
artificiales, H∞ o algoritmos heurísticos [9]. Sin
embargo, el problema de identificar la ubicación y
calibración de PSSs en un enfoque integral no ha
sido muy estudiado.
Bajo este contexto, este artículo presenta una
metodología integral de ubicación y sintonización
de estabilizadores de sistemas de potencia que
permitirá solucionar el problema de estabilidad
del Sistema de Potencia debido a la presencia
de modos con amortiguamiento negativo, o
pobremente amortiguados. Esto se puede lograr
con el desarrollo de aplicativos en forma de
programa dentro de la herramienta tecnológica de
DIgSILENT PowerFactory, con lo cual se puede
realizar el análisis de estabilidad de pequeña señal
en un Sistema, identificar indicadores que sugieren
la participación de las unidades en las oscilaciones,
175
 Cepeda et al./ Ubicación y Calibración Óptima de Dispositivos PSS Considerando Criterios Multimáquina y Algoritmos Heurísticos

siendo las que más participan candidatos lógicos La Fig. 1 esquematiza las dos etapas de la
para la ubicación de PSSs, y a través de la metodología propuesta.
aplicación de un optimizador heurístico, sintonizar
los PSS previamente ubicados, así como también,
sugerir nuevas centrales donde se pudiese instalar Flujo de Potencia
elementos estabilizadores adicionales que
minimicen el efecto negativo de los modos locales
Análisis Modal
e inter-áreas.

ETAPA 1
En una primera instancia, se realiza un Valores y Vectores Propios y
estudio pormenorizado de estabilidad de pequeña Factores de Participación
señal y mediante los factores de participación
se determinan los lugares óptimos de ubicación
Ubicación de PSS
de PSS, en un caso de prueba desarrollado para
un sistema de prueba típico (New York-New-
England). En una etapa siguiente, los resultados de Identificación de Parámetros
ubicación constituyen las entradas que ingresan a Óptimos MVMO

un modelo matemático de optimización heurística,
programado en un script DPL, que permite obtener
los parámetros de sintonización de los PSS
previamente ubicados en un caso de prueba. El
modelo de optimización heurística modificará, en
cada iteración, los parámetros a ser ingresados en
los PSS hasta determinar los parámetros óptimos,
a través de la optimización de una función objetivo
adecuadamente definida. Para este propósito, se
utilizarán los modelos de PSS existentes en la
base de datos del caso de estudio en DIgSILENT
PowerFactory. Finalmente, se muestran los
resultados y conclusiones.
2. METODOLOGÍA PROPUESTA
La metodología propuesta se fundamenta en la
ubicación y calibración óptima de dispositivos PSS,
considerando criterios multimáquina y algoritmos
heurísticos de optimización. Esta metodología
integral complementa la propuesta de calibración
de PSS presentada en [5], la cual únicamente
permite identificar los parámetros de los PSS pero
no enfrenta el problema de ubicación de los PSS.
ETAPA 2
Parámetros de PSS
Figura 1: Metodología Propuesta
2.1. Ubicación de los PSS
La primera etapa de la metodología propuesta
consiste en realizar un análisis modal que entregue
como resultados los autovalores (li) y vectores
propios derechos (fi) e izquierdos (yi) de la matriz
de estado del sistema de potencia. Estos parámetros
son posteriormente usados para determinar los
factores de participación (pi), los cuales son una
medida directa del grado de participación de cada
unidad de generación en los diferentes modos
oscilatorios [1].
(1)

En primer lugar, se realiza un estudio de

estabilidad de pequeña señal, mediante análisis
modal, en el sistema de potencia en estudio
y mediante los factores de participación se
determinan los lugares óptimos de ubicación de
PSS en el sistema de prueba.
Posteriormente, se usan los resultados
de la ubicación de PSS como entradas de un
modelo matemático de optimización heurística,
programado en un script DPL, que permite
obtener los parámetros de sintonización de los PSS
existentes en el sistema.
Usando los parámetros obtenidos se determinan
aquellos modos oscilatorios que son menores
al límite mínimo de amortiguamiento para el
sistema ζth definido a priori (modos críticos).
Posteriormente, se evalúa la magnitud de los
factores de participación asociados a los modos
críticos y se determinan los de mayor valor. Los
generadores cuyos factores de participación
resultaron ser los de mayor valor son definidos
como las ubicaciones idóneas de PSS.

176

2.2. Calibración de los PSS - Algoritmo
Heurístico MVMO
Los Algoritmos Heurísticos (AH) son técnicas
de búsqueda globales, aleatorias y están basados
en la mecánica de la selección natural y en la
genética natural. Fueron desarrollados para
permitir identificar múltiples soluciones óptimas
a problemas difíciles tales como funciones de
optimización e inteligencia artificial [5].
En un AH, las soluciones representadas por
estructuras de datos llamadas individuos son
evolucionadas y una nueva población de individuos
es creada. A cada individuo se le asigna un valor o
aptitud a través del cual se realiza una comparación
con otros individuos de la misma población [5].
El algoritmo heurístico utilizado en este trabajo
se conoce como Algoritmo de Optimización
de Mapeo Media - Varianza (MVMO) cuyo
procedimiento general se presenta en la Fig. 2 [5].
El Algoritmo opera sobre una sola solución y
no sobre un conjunto de soluciones como otros
algoritmos, esto apunta a la ejecución rápida y
optimización exacta con una cantidad mínima de
evaluaciones de la función objetivo.
La función fitness del problema a optimizar
puede ser definida por (1), donde f(x) es la función
objetivo, g(x) y h(x) son funciones de restricciones
del problema a optimizar.
Figura 2: Algoritmo de Optimización MVMO [5]
Edición No 12, Enero 2016
(2)
Mediante esta función el MVMO realizará las
evaluaciones sucesivas que permitirán encontrar los
valores más adecuados para los parámetros de los
PSS para el sistema eléctrico deseado, en función
de la optimización de la función objetivo f(x) que
se debe definir apropiadamente para maximizar
el amortiguamiento de los modos oscilatorios. En
este caso, se define como función objetivo OF=
f(x) la representada por (3), sujeto a (4) y (5) [5].
(3)
(4)
(5)
donde ζth es el límite mínimo de amortiguamiento
para el sistema (e.g. ζth > 10%), ζsys es el
amortiguamiento mínimo global del sistema (el
menor de los nm modos oscilatorios del sistema) y x
representa el vector de variables a ser optimizadas,
es decir los parámetros de los PSS (ganancias y
constantes de tiempo).
Hablando en términos generales, el
procedimiento funciona de la siguiente forma:
a través de una etapa de inicialización, donde
los ajustes de los parámetros del algoritmo son
definidos, la solución inicial es generada por un
muestreo aleatorio de las variables de optimización/
decisión dentro de sus límites [mínimo, máximo] y
cada variable de decisión es normalizada en el rango
[0, 1]. El siguiente lazo comprende la evaluación
de la aptitud de los candidatos en la solución,
llenar/actualizar el archivo de solución, es decir la
inclusión o exclusión de candidatos en el archivo
dependiendo de su aptitud), asignación paternal,
con base en la mejor solución global alcanzada, y
la creación de nuevos candidatos de solución. El
proceso iterativo se detiene sobre el cumplimiento
de un criterio de terminación predefinido [5].
2.2.1. Representación del Individuo
El Algoritmo Heurístico MVMO requiere la
aplicación de una función de mapeo h que permite
determinar el nuevo individuo. Esta función es
determinada usando la media y la varianza de los n
mejores individuos predecesores, dependiendo de
la evaluación de la función fitness [5] y de acuerdo
a lo explicado en 2.2.3.
177
 Cepeda et al./ Ubicación y Calibración Óptima de Dispositivos PSS Considerando Criterios Multimáquina y Algoritmos Heurísticos

2.2.2. Función de inicio evaluación y Básicamente, las n mejores soluciones que el

terminación
El Algoritmo Heurístico debe iniciar a partir de
un conjunto de individuos o soluciones potenciales
agrupados dentro de una población. Esta población
inicial se genera de forma aleatoria [5] con
variables de decisión tal como se muestra en la
siguiente ecuación:
(6)
O bien, los valores iniciales de las variables de
decisión pueden ser puestos a valores específicos
que se podrían conocer de antemano. Cada variable
de decisión xi es normalizada al rango [0, 1] [5].
Los parámetros iniciales usados en las
operaciones en el algoritmo heurístico se presentan
en la Tabla 1 [5]:
Tabla 1: Parámetros iniciales usados en el algoritmo
heurístico
Algoritmo Heurístico ha encontrado hasta ahora,
con su correspondiente fitness, y factores de forma
y distancia, son almacenados en el archivo. El
tamaño del archivo es fijado por el proceso y tiene
que ser definido por el usuario de antemano. La
experiencia con aplicaciones en algunos puntos
de referencia de optimización y problemas de
sistemas de potencia, revela que un tamaño de
archivo de 2-5 es por lo general suficiente. El
archivo es llenado progresivamente sobre los
pasos de iteración con las soluciones clasificadas
en orden descendente de su fitness, de modo que
la primera solución alineada constituye la mejor
encontrada hasta ahora. Una vez que el archivo
es llenado, se realiza una actualización sólo si el
fitness de la nueva solución generada es mejor que
aquella en el archivo. Como el fitness se mejora
en cada iteración, los miembros del archivo
siguen cambiando. Las variables media y forma
son calculadas después de cada actualización del
archivo, para cada variable de optimización xi
usando las siguientes ecuaciones [5]:

Nombre Símbolo Valor (7)

Archive size Asz [2, 5]
Scaling factor fs [0.9, 10] (8)

Asymmetry factor AF [1, 10] donde la varianza es calculada como:

--- sd [10, 75]
--- kd 0.0505/D+1 (9)

D: Número de variables de decisión Al principio, xi corresponde al valor

El proceso de búsqueda del Algoritmo
Heurístico finaliza cuando se completa el criterio
de terminación, que por lo general es definido
como un número pre especificado de evaluaciones
de aptitud. O bien, podría ser decidido para parar
el proceso si no hay mejoras de aptitud en varias
evaluaciones de aptitud sucesivas.
inicializado de xi, y ni es fijado en 1. La variable
de forma si es una de las entradas de la función de
mapeo h. Por eso el cálculo de si considera el factor
de escalamiento fs, el cual permite controlar de la
forma de la función de mapeo y así el proceso de
búsqueda [5].
3. RESULTADOS

2.2.3. Función de selección Para analizar la eficiencia de la metodología

propuesta se estudiará la estabilidad de pequeña
El archivo de solución constituye la base de señal en el sistema New York - New England,
conocimiento del MVMO, cuya información que consta de 52 líneas, 64 barras, 48 cargas y 16
es crucial para dirigir la dirección de búsqueda. generadores, tal como se muestra en la Fig. 3.

178
 Edición No 12, Enero 2016

DIgSILENT
A1aG A1bG
Synchronous Machine Type 220 Synchronous Machine Type 220
A2aG A2bG A3G
~ ~ Synchronous Machine Type 220 Synchronous Machine Type 220 Synchronous Machine Type 220
SG SG
~ ~ ~
SG SG SG

B2aG B2bG B3G

Synchronous Machine Type 259 Synchronous Machine Type 259 Synchronous Machine Type 259

2-Winding Transformer Type A1/2

2-Winding Transformer Type A1/2

2-Winding Transformer Type A1/2

2-Winding Transformer Type A1/2

A1a A1b A2a A2b A3a ~ ~ ~
SG SG SG

2-Winding Transformer Type A..

A1a 2T

A1b 2T

A2a 2T

A2b 2T

A3 2T
0 0 0 0

2-Winding Transformer Type B2a

2-Winding Transformer Type B2b/3

2-Winding Transformer Type B2b/3

0 B2a B2b B3a
General L..
A3
A1 A2

B2a 2T

B2b 2T

B3 2T
0 0 0

A1-A2 A2-A3
380 kV DL 380 kV General L..
B1 B2 B3

380 kV DL
A1-A4
General L.. General L.. General L..

A2-A5a

A2-A5b
380 kV

380 kV
General L.. General L.. General L..
A4-A5a B1-B2 B2-B3
380 kV DL General L.. 380 kV General L.. 380 kV
General L.. General L..
0 0
A4 General L.. General L..
0
General L.. General L..

A5a A5b B1 3T B2 3T
3-Winding Transformer Type B1 3-Winding Transformer Type B2/3
B3 3T
0 3-Winding Transformer Type B2/3

TCSC
A-C
B1a

A-B/C 380..
0 A5a-A5b
A-0.1

A-B
A4 3T B2c B3b
3-Winding Transformer Type A4 General L.. General L..
General L.. General L..

A5b-A7a
B1a-B4 B2c-B4 B2c-B6

380 kV
220 kV 220 kV 220 kV
A4a B3b-B6
A6G General L.. 220 kV
Synchronous Machine Type 247 General L..

220 kV ..
B1a-B7

B2c-B5
220 kV
~
SG
B4 General L..
General L..
General L.. B6
General L..

A5a-A7a
380 kV
2-Winding Transformer Type A6
A6a
B7 General L.. B5

General L..
General L..
General L..
General L..

3-Winding Transformer Type A7

220 kV DL
General L..

B8a
Synchronous Machine Type 247

B3b-B11
B7-B8

A6 2T

General L..
General L..
0 220 kV

220 kV DL
B5-B9
B8 2T
2-Winding Transformer Type B8 B8-B9
220 kV General L..

A7 3T
General L..

B8G

SG
~
A6

General L..
General L..
0

A7a

B8
A6-A7 B9
220 kV
TCSC_1
B10-B11
220 kV
0

B9-B10
220 kV
A6 3T A7

TCSC_Capacitor
TCSC_Inductor
TCSC Bypass
3-Winding Transformer Type A6/C14
0

B9 3T B11
3-Winding Transformer Type B9/B11
A6b

2-Winding Transformer Type B10

B10
General L.. B9a
General L..
TCSC_2
0

B10 2T
General L.. 0
General L.. B11 3T
C7G 3-Winding Transformer Type B9/B11
Synchronous Machine Type 247 General L.. General L..
~ General L.. General L..

B-C 220 kV D..

SG

B-C
B10a B11a

TCSC
Line

C8
C7a

2-Winding Transformer Type C2/7

3-Winding Transformer Type C8

SG
~
B10G General L.. General L..
C7-C8 Synchronous Machine Type 259 General L..

0
380 kV..

C7 2T

C8 3T
C1-C7 0
380 kV
General L..

C7
C8a
C1 C9

380 kV DL
C4-C7
C8a-C9
General L.. 220 kV

380 kV
C1-C2
General L..

General L..
General L..

C9-C10
220 kV
General L.. General L..
General L.. General L..

General L..
General L..

C10

C10a
C2a

C6a-C8a
220 kV
Synchronous Machine Type 247

Synchronous Machine Type 247

C3-C4
380 kV
C2 2T C10 2T
2-Winding Transformer Type C2/7 C2-C3 2-Winding Transformer Type C10/1..

General L..
General L..

General L..
General L..
0

0
380 kV DL

C10G
C2G

SG
SG
~

~
C4
C3-C5 C10-C11

380 kV DL
380 kV 220 kV

C4-C6
General L..
General L..

C3
0
C2

General L..
General L.. C6 3T
C5 C11
3-Winding Transformer Type C6
C5-C6

General L..
General L..

General L..
General L..
380 kV

General L.. General L..

C12
C6a

C11-C12
General L.. General L..

220 kV
C6
0

C12a
C5 3T

C6a-C15
220 kV
3-Winding Transformer Type C5

Synchronous Machine Type 247

C19 C12 2T
C5a C16 C15 2-Winding Transformer Type C10/1..

General L..
General L..

C12G
SG
~
C5a-C16
110 kV

C14a-C16
C5a-C19

110 kV
C18-C19

110 kV D.. General L..

110 kV

220 kV DL
C14-C15
General
General L..
L..
General L.. C13-C14
General L..

220 kV DL
C12-C13
C18

220 kV
General L..

C14
General L..
General L..

C17-C18 C14a-C17

2-Winding Transformer Type C10/1..

C13
110 kV 110 kV

C14 2T
0
C17 0

C14a C14 3T
3-Winding Transformer Type A6/C14 General L..
General L..

C14b
General L..
General L..

General L..
General L.. SG
~
C14G
Synchronous Machine Type 247

Figura 3: Diagrama Unifilar del sistema, New York - New England

Para efectuar las pruebas con la metodología El número de modos para este sistema es de
propuesta, primero se realiza un estudio 220 con sus respectivos complejos conjugados. El
pormenorizado de estabilidad de pequeña señal, modo 114 presenta parte real positiva, con lo cual
en la red de prueba sin el efecto de los PSS, se confirma que el sistema es inestable.
obteniéndose los resultados que se muestran en la
Fig. 4. Una vez encontrados los modos de oscilación
pobremente amortiguados, se procede a encontrar
DIgSILENT

la ubicación óptima de los dispositivos PSS, para lo

2.0000

cual se utilizan los factores de participación. Estos

Damped Frequency [Hz]

1.2000

entregan la información necesaria para determinar

0.4000
el mejor lugar para instalar PSS. Los factores de
participación referentes al estado de la velocidad
rotórica, indican la sensibilidad de un modo para
-1.5000 -1.0000 -0.5000 0.5000 Neg. Damping [1/s] 1.0000

-0.4000

añadir amortiguamiento al funcionamiento de los

-1.2000
generadores.

-2.0000
En las Fig. 5 y 6 se muestran los factores de
participación para el modo 114 (en forma de barras
Stable Eigenvalues
Unstable Eigenvalues

Eigenvalue Plot Date: 10/14/2015

y fasorial, respectivamente) que, para este ejemplo

Annex: /6

Figura 4: Gráfica de valores propios en el sistema New York en particular, resultó con características inestables.
- New England sin la activación de PSS
DIgSILENT

Como se puede observar en la Fig. 4, el

sistema de prueba resulta inestable, con dos modos
representativos cuya razón de amortiguamiento
es menor al 5%, y uno de ellos con valores de
amortiguamiento negativo, tal como se muestra en
PST_16 / C2G; speed: +0.110 / -6.7 deg
PST_16 / C14G; speed: +0.123 / +8.2 deg
PST_16 / C12G; speed: +0.284 / +3.3 deg

la Tabla 2.
PST_16 / C10G; speed: +0.160 / +6.0 deg
PST_16 / B3G; speed: +1.000 / -0.0 deg
PST_16 / B2bG; speed: +0.264 / -2.3 deg
PST_16 / B2aG; speed: +0.259 / -1.6 deg
PST_16 / B10G; speed: +0.376 / +1.4 deg
PST_16 / A3G; speed: +0.155 / -26.0 deg
PST_16 / A2bG; speed: +0.360 / -22.7 deg

Tabla 2: Modos cuya razón de amortiguamiento es menor al

PST_16 / A2aG; speed: +0.360 / -22.7 deg
PST_16 / A1bG; speed: +0.365 / -23.6 deg
PST_16 / B8G; speed: +0.121 / -3.3 deg

5%, caso sin PSS PST_16 / A6G; speed: +0.225 / -7.0 deg
PST_16 / A1aG; speed: +0.365 / -23.6 deg

Razón de
-1.00 -0.50 0.00 0.50 1.00
Participation of mode: +0.080 +3.081*j

Parte Parte Frecuencia

Magnitude: 3.082 1/s, Angle: 88.517 deg
Period: 2.039 s, Frequency: 0.490 Hz
Damping: -0.080 1/s, Ratio of Amplitudes: 0.850

Modo Amortiguamiento
Min. contribution: 0.100

Real Imaginaria [Hz]

Mode Bar Plot Date: 10/14/2015
Annex: /6

[%]
114 0.079 3.0814 0.4904 -0.0258 Figura 5: Factores de Participación del modo 114 que tiene
características de inestabilidad
112 -0.154 3.3880 0.5392 0.0456

179
 Cepeda et al./ Ubicación y Calibración Óptima de Dispositivos PSS Considerando Criterios Multimáquina y Algoritmos Heurísticos

DIgSILENT

DIgSILENT
1.00 0.100

0.075

0.50

0.050

-1.00 -0.50 0.50 1.00

0.025

-0.50
0.000
Cluster 1:
PST_16 / C14G; speed: 0.12 / 8.2 deg
PST_16 / C10G; speed: 0.16 / 6.0 deg
PST_16 / C12G; speed: 0.28 / 3.3 deg
PST_16 / B10G; speed: 0.38 / 1.4 deg
PST_16 / B3G; speed: 1.00 / -0.0 deg
PST_16 / B2aG; speed: 0.26 / -1.6 deg
PST_16 / B2bG; speed: 0.26 / -2.3 deg
PST_16 / B8G; speed: 0.12 / -3.3 deg
Cluster 2: -0.025
PST_16 / C2G; speed: 0.11 / -6.7 deg 1.0000 200.80 400.60 600.40 800.20 1000.0
-1.00 PST_16 / A6G; speed: 0.23 / -7.0 deg
x-Axis: MVMO: Function evaluation number
Cluster 3:
Participation of mode: +0.080 +3.081*j PST_16 / A2bG; speed: 0.39 / -22.7 deg MVMO: Objective function convergence
Magnitude: 3.082 1/s, Angle: 88.517 deg PST_16 / A2aG; speed: 0.39 / -22.7 deg
Period: 2.039 s, Frequency: 0.490 Hz PST_16 / A1bG; speed: 0.40 / -23.6 deg MVMO: b:ffx_conv
Damping: -0.080 1/s, Ratio of Amplitudes: 0.850 PST_16 / A1aG; speed: 0.40 / -23.6 deg
Min. contribution: 0.100 PST_16 / A3G; speed: 0.17 / -26.0 deg
MVMO Date: 10/14/2015
Mode Phasor Plot Date: 10/14/2015
Annex: /2
Annex: /7

Figura 6: Factores de Participación del modo 114 que tiene Figura 7: Convergencia de la función Objetivo utilizando el
características de inestabilidad en forma fasorial algoritmo heurístico

Con base en las figuras anteriores, es factible Los valores de los parámetros óptimos
demostrar que el modo inestable representado identificados para sintonizar cada uno de los
por DIgSILENT PowerFactory con el número dispositivos PSS del sistema de prueba, de
114, es un modo local. De la misma forma, se acuerdo a los resultados arrojados por el algoritmo
determina que el generador con el mayor factor de heurístico, se muestran en la Tabla 3:
participación, y consecuentemente el que presenta Tabla 3: Parámetros para sincronizar los dispositivos PSS
la mayor contribución en el modo de oscilación, es PSS A3G PSS A6G PSS B10G PSS B2aG
el que debe ser tomado en cuenta para la instalación Kw 73.985 70.895 92.690 84.8401
de un PSS. En este sentido, con la instalación de Tw 10 10 10 10
un PSS en el generador B3G, se logrará mejorar el
T2 0.014 0.016 0.010 0.013
amortiguamiento del modo inestable.
T1 0.182 0.144 0.147 0.121
T4 0.012 0.013 0.029 0.035
El paso siguiente será encontrar todos los modos
T3 0.163 0.173 0.144 0.179
de oscilación con una razón de amortiguamiento
y_lim 0.1 0.1 0.1 0.1
menor al valor establecido como el límite de
amortiguamiento para el sistema que para este
PSS B2bG PSS B3G PSS B8G PSS C10G
caso en particular y por razones didácticas se ha
Kw 84.840 91.673 69.528 89.726
escogido un valor de 15%.
Tw 10 10 10 10
T2 0.013 0.008 0.035 0.011
Continuando con la metodología, el siguiente
T1 0.121 0.106 0.128 0.170
paso consiste en obtener los parámetros de
T4 0.035 0.016 0.012 0.019
sintonización de los PSS existentes en el sistema
T3 0.179 0.183 0.175 0.193
de prueba. Para este efecto se utilizarán el modelo
matemático de optimización heurística y la función y_lim 0.1 0.1 0.1 0.1

objetivo de la sección 2.2. Este modelo modificará,

en cada iteración, los parámetros a ser ingresados PSS C14G PSS C12G PSS C2G PSS C7G

en los PSS hasta determinar los parámetros Kw - 78.633 93.729 97.746

óptimos, a través de la optimización de la función Tw - 10 10 10

objetivo definida. T2 - 0.014 0.0139 0.015

T1 - 0.165 0.196 0.183
En la Fig. 7 se muestra la secuencia de T4 - 0.005 0.012 0.013
convergencia de la función objetivo que se T3 - 0.013 0.150 0.188
encuentra ingresada en el algoritmo heurístico. y_lim - 0.1 0.1 0.1

180
 Edición No 12, Enero 2016

El diagrama de bloque de los PSS incorporados

DIgSILENT
3.00

en los generadores del sistema de prueba se muestra Damped Frequency [Hz]

en la Fig. 8. 2.00

DIgSILENT
PSS:
1.00

-5.00 -3.75 -2.50 -1.25 Neg. Damping [1/s]

w_ref
0
-1.00

y_lim

w
- yi yi1 yi2 upss
dw Kps/(1+sTw) (1+sTb)/(1+sTa) (1+sTb)/(1+sTa) +-Limits
1
Kw,Tw T2,T1 T4,T3

-2.00

Stable Eigenvalues
Unstable Eigenvalues

Eigenvalue Plot Date: 10/14/2015

Annex: /6

Figura 10: Gráfica de valores propios en el sistema New York,

New England con los resultados que arroja la metodología
planteada

Siendo muy visible que el sistema de prueba ya

Figura 8: Diagrama de bloques de los dispositivos PSS’s, no presenta modos inestables.
modelados en el sistema de prueba

Realizando el seguimiento el seguimiento al

Luego de finalizadas las dos etapas de la
modo 114 que se presentaba como inestable y
metodología propuesta y una vez obtenidos los
luego de las simulaciones se puede observar que
resultados de los parámetros óptimos que arroja
este pasó de la zona inestable a la zona estable,
el algoritmo heurístico, estos parámetros son
mejorando su amortiguamiento a un valor muy
ingresados en los PSS tal como se indica en la Fig.
cercano al 15% tal como se muestra en la Tabla 4.
9. Como parte de los resultados de la ubicación de
PSS se determina que la activación del PSS del Tabla 4: Seguimiento del modo a valores estables, caso con
generador C14G no es necesaria, ya que éste no PSS’s sintonizados
aporta al amortiguamiento de las oscilaciones de Razón de
Parte Parte Frecuencia
Modo Amortiguamiento
los modos identificados. En este sentido, la previa Real Imaginaria [Hz]
[%]
ubicación de los PSS permite evitar la innecesaria 144 -0.4542 3.0728 0.4890 0.1462
activación de dispositivos PSS en el sistema de
potencia. El modo en las simulaciones siguientes cambió
de número debido a que el programa PowerFactory
en la nueva simulación renumera de una forma
diferente, pero este corresponde al modo 114
anterior.

De forma adicional se realizó una comprobación

de la sintonización de los PSS y su funcionamiento
ante una falla de salida de carga con y sin
PSS (simulación en el dominio del tiempo),
obteniéndose los resultados que se muestran en la
Fig. 11.
DIgSILENT

1045.00

Sin PSS´s
Con PSS´s

1020.00

995.00

970.00
Figura 9: Ingreso de parámetros en los modelos de PSS que se
encuentran modelados en DIgSILENT PowerFactory 945.00

El análisis completo de estabilidad de pequeña 920.00

0.0000 3.9984
A1aG: P en MW sin PSS´s
7.9967 11.995 15.993 [s] 19.992

señal se vuelve a realizar y se observa un cambio

A1bG: P en MW sin PSS´s
A2aG: P en MW sin PSS´s
A2bG: P en MW sin PSS´s
A1aG: P en MW con PSS´s

en la respuesta modal del sistema que se representa

A1bG: P en MW con PSS´s
A2aG: P en MW con PSS´s
A2bG: P en MW con PSS´s

en la Fig. 10.
Subplot/Diagramm(1) Date: 10/21/2015
Annex: /8

Figura 12: Comparación de resultados de simulaciones con y

sin PSS’s

181
 Cepeda et al./ Ubicación y Calibración Óptima de Dispositivos PSS Considerando Criterios Multimáquina y Algoritmos Heurísticos

4. CONCLUSIONES Y [7] Pablo Xavier Verdugo “Metodología de

RECOMENDACIONES Sintonización de Parámetros del Estabilizador
del Sistema De Potencia (PSS) Utilizando el
La metodología multimáquina propuesta Programa Computacional DIgSILENT Power
aprovecha las ventajas de la herramienta Factory”, Tesis pregrado.
tecnológica de DIgSILENT PowerFactory, con lo [8] Graham Rogers “Power System Oscilations”,
cual se puede realizar el análisis de estabilidad de Springer, 2000.
pequeña señal en un sistema de potencia cualquiera [9] J. Cepeda, J. Rueda, I. Erlich, “Probabilistic
y cuyos resultados corresponden a los posibles approach for optimal placement and tuning
lugares de ubicación de un PSS. of power system supplementary damping
controllers”.
Los beneficios computacionales del algoritmo
heurístico de optimización de mapeo media-
varianza MVMO programado en un script DPL,
que conjuga esta información para determinar una
Jaime Cristóbal Cepeda.-
metodología compacta que minimicen el efecto
Nació en Latacunga en 1981.
negativo de los modos locales y entre áreas ha
Recibió el título de Ingeniero
sido combinado con la etapa de ubicación de PSS,
Eléctrico en la Escuela
lográndose una mejora a la propuesta original que
Politécnica Nacional en 2005
únicamente calibraba PSS.
y el de Doctor en Ingeniería
Eléctrica en la Universidad
Las simulaciones se realizaron en el sistema
Nacional de San Juan en 2013.
de prueba New York-New England, que consta de
Entre 2005 y 2009 trabajó en
52 líneas, 64 barras, 48 cargas y 16 generadores,
Schlumberger y en el CONELEC. Colaboró como
obteniéndose resultados satisfactorios de ubicación
investigador en el Instituto de Energía Eléctrica,
y sintonización de dispositivos PSS. En este sentido,
Universidad Nacional de San Juan, Argentina y
como trabajo futuro se aplicará la metodología al
en el Instituto de Sistemas Eléctricos de Potencia,
Sistema Nacional Interconectado, considerando
Universidad Duisburg-Essen, Alemania entre 2009
adicionalmente el desafío de mejorar la función
y 2013. Actualmente, se desempeña como Jefe
objetivo para incluir la ubicación de PSS de forma
de Investigación y Desarrollo del CENACE. Sus
dinámica dentro del proceso de optimización.
áreas de interés incluyen los sistemas de medición
fasorial, la evaluación de vulnerabilidad en tiempo
REFERENCIAS BIBLIOGRÁFICAS
real y el desarrollo de Smart Grids.
[1] P. Kundur, Power System Stability and
Hermógenes Bolívar Flores.-
Control. New York: McGraw wHill,
Nació en San José de Minas
[2] C. Gallardo, “Estabilidad y amortiguamiento
en 1979. Recibió su título
de oscilaciones en sistemas eléctricos con alta de Ingeniero Eléctrico de la
penetración eólica”, Universidad Carlos III de Escuela Politécnica Nacional,
Madrid, 2009. en noviembre de 2004.
[3] Oscar Emilio Díaz Vanegas. “Análisis de Actualmente se encuentra
amortiguamiento de oscilaciones de baja trabajando en la Dirección
frecuencia para un sistema de potencia de Planeamiento, Área de
multimáquina”. Tesis doctoral. Planeamiento Eléctrico del Operador Nacional de
[4] Manuel Sosa González. “Sintonización de Electricidad (CENACE).
estabilizadores de sistemas de potencia en
sistemas eléctricos”. Tesis doctoral. Pablo Verdugo Rivadeneira.-
[5] J. Cepeda, J. Rueda, I. Erlich, A. Korai, F. Nació en la ciudad de Quito
Gonzalez-Longatt, “Mean-Variance Mapping en 1987. Realizó sus estudios
Optimization Algorithm for Power System secundarios en el Colegio
Applications in DIgSILENT PowerFactory”, Nacional Experimental Juan
PowerFactory Applications for Power Pío Montufar y sus estudios
System Analysis Book, Chapter 12, Springer superiores en la Escuela
International Publishing, 2014. Politécnica Nacional, donde
[6] Hermógenes Bolívar Flores. “Estudio de se gradúo de Ingeniero
Estabilidad de Pequeña Señal en el Sistema de Eléctrico en el año 2012. Actualmente trabaja en
Nacional Interconectado Aplicando el Método la Dirección de Planeamiento Operador Nacional
de Análisis Modal”. Tesis pregrado. de Electricidad (CENACE).

182