Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARRERA:
INGENIERÍA ELÉCTRICA
TEMA:
PLANEACIÓN ÓPTIMA DE REDES DE DISTRIBUCIÓN ELÉCTRICA AÉREA
USANDO MÉTODOS HEURÍSTICOS Y PROCESOS DE SIMULACIÓN
AUTOR:
ESTEBAN BLADIMIR HERRERA CISNEROS
DIRECTOR:
ESTEBAN MAURICIO INGA ORTEGA
Ingeniería Eléctrica
Dirigido por:
DERECHOS RESERVADOS
©2018 Universidad Politécnica Salesiana
QUITO-ECUADOR
I
DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR/A
Yo, Esteban Mauricio Inga Ortega declaro que bajo mi dirección y asesoría fue
desarrollado el trabajo de titulación “Planeación óptima de redes de distribución eléctrica
aérea usando métodos heurísticos y procesos de simulación” realizado por Esteban
Bladimir Herrera Cisneros, obteniendo un producto que cumple con todos los requisitos
estipulados por la Universidad Politécnica Salesiana para ser considerados como trabajo
final de titulación.
………………………………….
Esteban Mauricio Inga Ortega
C.C.: 0102116043
II
CESIÓN DE DERECHOS DE AUTOR
.............................................
Esteban Bladimir Herrera Cisneros
C.C.: 1723873194
III
1. INDICE GENERAL
Resumen ............................................................................................................................ 1
Abstract ............................................................................................................................. 1
1. Introducción .................................................................................................................. 2
2. Planeación óptima de redes de distribución aérea ......................................................... 5
2.1 Árbol mínimo de expansión ...................................................................................... 7
2.2 Árbol mínimo de Steiner ............................................................................................ 8
2.3 Ubicación óptima de transformadores de distribución georreferenciados ................ 8
3. Planteamiento del problema ........................................................................................... 9
4. Análisis y resultados ................................................................................................... 13
5. Conclusiones ................................................................................................................ 18
6. Trabajos Futuros........................................................................................................... 19
7. Referencias .................................................................................................................. 19
8. Estado del arte ............................................................................................................ 25
2. INDICE DE FIGURAS
IV
3. INDICE DE TABLAS
V
PLANEACIÓN ÓPTIMA DE REDES DE DISTRIBUCIÓN
ELÉCTRICA AÉREA USANDO MÉTODOS HEURÍSTICOS Y
PROCESOS DE SIMULACIÓN
Resumen Abstract
En este artículo se plantea un modelo de This article is intended a planning model
planeación para despliegue de los sistemas for the deployment of the overhead
aéreos de distribución eléctrica, el cual electrical distribution systems, which
permita bajo criterios heurísticos y de allows under heuristics and optimization
optimización reducir los costos asociados criteria to reduce the cost of resources
a los recursos empleados en la associated in the construction of the
construcción de la red; muestra un network; it shows an optimal deployment
despliegue óptimo de transformadores de of distribution transformers considering
distribución considerando restricciones technical restriction and capacity. The
técnicas y de capacidad. Se advierte que el model presents warm a routing on a geo-
modelo presenta un enrutamiento sobre un referenced scenery with information from
escenario georreferenciado con the OpenStreetMap platform, with the
información obtenida de la plataforma purpose that the topology of the net is
OpenStreetMap, con el propósito de que la under real condition and design of a city;
topología de la red sea bajo condiciones furthermore, the minimum Steiner tree is
reales y de diseño de una ciudad; por otro used for the overhead distribution
lado, se hace uso del árbol mínimo de network. Additionally, the model attaches
Steiner para el emplazamiento de la red of scalability and flexibility principles,
aérea de distribución. Adicionalmente el adjusting the results to variations in
modelo adjunta los principios de different scenarios. On the other hand,
escalabilidad y flexibilidad, ajustando los with Cymdist software simulation verified
resultados a las variaciones en distintos the electrical parameters to involved in the
escenarios. En una segunda instancia con design of overhead network. Results
el software de simulación Cymdist se obtained present for electrification
verifica el comportamiento de los companies a reference points for future
parámetros eléctricos implicados en el planning of the electricity distribution
diseño de las redes aéreas. Los resultados networks, adapting to the random changes
obtenidos presentan a las empresas de in demand.
electrificación puntos de referencia para
las futuras planificaciones de las redes
eléctricas de distribución adaptándose a
los cambios aleatorios de la demanda. Keywords: Minimum spanning tree, Cost,
Optimization, Optimal planning, Graph
Palabras Clave: Árbol mínimo de theory, overhead electrical distribution
expansión, Costos, Optimización, network.
Planeación óptima, Teoría de grafos,
Redes aéreas de distribución eléctrica.
1
1. Introducción distribución viene dado con el aumento
Los sistemas eléctricos de potencia se exponencial aleatorio de la demanda
encuentran divididos en tres grandes eléctrica [7]; no obstante, el desarrollo de
etapas: generación, transmisión y los algoritmos en la planificación de las
distribución. Cada una de estas etapas redes de distribución aún enfrontan
tiene una gran importancia en el sector dificultades, debido a las particularidades
eléctrico; el estudio para la planificación y combinatorias del problema, ya que se
expansión de dichos sistemas presentan involucran muchas variables en la
dificultades, debido a la naturaleza elaboración de dichos métodos de
combinatoria de las variables involucradas resolución [8].
en la operación y funcionamiento del Proyectar una construcción para el
servicio de energía eléctrica. Para lo cual planeamiento de una red eléctrica de
el siguiente documento se enfoca en distribución debe considerar aspectos
presentar un análisis y modelamiento en la técnicos y topológicos, tales como: la zona
planeación de los sistemas distribución geográfica de colocación de la estructura
eléctrica, dado que estos son considerados de la red y la potencia instalada de cada
como primer fragmento en el diseño de la carga, con el fin de localizar
planeación y expansión de los sistemas configuraciones y trayectos óptimos para
eléctricos, debido a que se encuentran el despliegue [9]; una característica
directamente relacionados con los centros esencial en la planeación es considerar las
de carga [1]. Es importante que estos cargas futuras que se planean conectar a la
sistemas se encuentren funcionando con red eléctrica, lo que ocasionaría que el
altos regímenes de calidad, eficiencia, diseño sea dotado de cierta incertidumbre
confiabilidad y seguridad cumpliendo [10]. Generalmente las redes de
funciones de operación a un menor costo; distribución eléctrica se encuentra
considerando que deben respetar con la emplazadas de forma radial, sin embargo
cobertura y servicio a todos los usuarios en muy pocas ocasiones se puede hallar
dentro de las áreas de concesión. Por lo topologías en forma mallada, cada una de
que es de valor investigar métodos y estas dispone de ciertas ventajas y
modelos que nos permitan repotenciar desventajas en su uso; por lo general en las
todos estos indicadores mejorando los redes aéreas de distribución se usa la
entornos y condiciones del uso de las redes topología tipo radial ya que por cuestiones
de electrificación en las zonas urbanas y de diseño y análisis implican una menor
rurales; para el proceso en la aplicación de complejidad que su contraparte, debido a
estos métodos en las redes de distribución que el flujo de potencia es unidireccional y
eléctrica frecuentemente se emplea tres sus cálculos no presentan mayor dificultad
tipos de planeación: planeación de [11].
expansión, planeación de operación y Uno de los grandes problemas que
planeación de construcción nueva [2], [3]. presentan las empresas de distribución
El uso de modelos matemáticos eléctrica es la obtención de información
fundamentados en heurísticas [4], [5] para real y exacta de los sitios geográficos a la
la planeación en sistemas de distribución hora de realizar planes de estudio para
eléctrica, debe considerar criterios planificar una red de distribución; para lo
técnicos de ingeniería y procesos de cual se usó la plataforma OpenStreetMap
optimización [6]; distinguiendo que el con el fin de adquirir información real,
problema de planear una red eléctrica de puesto que, el modelo presentado obtiene
datos georreferenciados de dicha
2
plataforma para exponerlo a condiciones lineales enteras, mixtas, dinámicas, todas
reales de enrutamiento [12]. estas nos pueden proporcionar soluciones
Una herramienta adicional en el cercanas a la óptima, a pesar de ello
proceso de la planeación es la utilización existen variaciones con el uso de algoritmo
del sistema de información geográfica evolutivos y sistemas expertos que
(GIS), ya que este software permite permiten encontrar soluciones optimas,
administrar, gestionar y comprender los mejorando la aplicación en la planeación
datos georreferenciados de los elementos de las redes de distribución [20], [21].
de los sistemas de distribución, debido a Hay que considerar ciertos
que representa cada activo con una requerimientos debido a la gran cantidad
identificación permitiendo que se enlacen poblacional a la que se enfrentan las
de manera lógica [13]. Es por ello que se empresas de distribución, para lo cual será
ha logrado un progreso significativo en el necesario llevar a cabo agrupamientos con
uso de herramientas de optimización, el fin de realizar un crecimiento
debido a que son de gran utilidad en las controlado, permitiendo así que el
empresas de servicio de energía eléctrica despliegue de los transformadores y de las
para que realicen modelos de planeación cargas se realice de la forma más óptima,
[14]; al implementar este tipo de software para ello se emplea técnicas de
permite realizar una depuración y clusterización; ya que estas otorgan una
procesado de la materia prima en cuestión organización jerárquica a la topología de la
de los datos geográficos, entregando como red considerando que existen varias
solución puntos de referencia para técnicas para crear un cluster [22], [23]. La
proyectar una red [15]. aplicación de esta técnica permite a la red
El proceso de planificar una red de ser más flexible, manejable, robusta,
distribución eléctrica aérea minimizando adaptable y escalable, haciendo más
los recursos y los costos de operación simple y fácil el control de la población;
resulta una labor bastante enrevesada, en aun sabiendo que no es un procedimiento
vista que existen múltiples soluciones para el enrutamiento, si no que consiste en
considerando diferentes escenarios agregar nodos hacia un cluster (
técnicos y económicos [16]. Lo que lleva hace referencia a los transformadores en
al uso de instrumentos o técnicas de las redes de distribución eléctrica) en el
optimización, otorgando puntos de partida cual se logra satisfacer las características
claves para las empresas de distribución en en función de la afinidad que presentan
la planeación de la red, permitiendo cada una [24], [25]; el objetivo principal
economizar las inversiones requeridas de las técnicas de clusterización es la de
para la construcción de las mismas [17]. formar y mantener la conexión de los
Cabe recalcar que por la existencia de clusters de una forma eficiente [26].
múltiples soluciones el problema en el Para solventar las características de
diseño de una red viene dado por funciones diseño de una red aérea de distribución
no lineales, en el cual la función objetivo eléctrica, el presente modelo se focaliza en
es la de minimizar los costos, sujeto a uso de tres fases, para garantizar que se
restricciones de la caída de tensión y el cumpla el objetivo de minimizar los costos
tipo de topología [18], [19]. Si bien el uso de los recursos empleados para su
de funciones no lineales abarca una gran despliegue [27], para lo cual en la primera
cantidad de soluciones, ciertos fase se concentra en la capacidad de
investigadores usan en sus modelos conexión simultanea de usuarios hacia los
propuestas que se inclinan por funciones transformadores, formando los clusters de
3
un grupo poblacional en una zona Acotando que para zonas rurales existe
georreferenciada, subsiguiente la segunda una alta complejidad debido a la
fase contempla la ubicación óptima de dispersión geográfica que se tiene de los
cada transformador en cada cluster, usuarios frente a un área urbana [34].
considerando como aspecto técnico el Para las siguientes etapas del modelo
problema de la caída de tensión y por planteado se ha implementado un
último la tercera fase consiste en el algoritmo con base a otros autores, en
enrutamiento óptimo de la red aérea de donde se relaciona problemas de
media tensión, buscando el camino más optimización con programación lineal;
corto respetando la caída de tensión y el dado que estas posibilitan incluir
costo de implementar la red; en base al uso ecuaciones y restricciones que permitan
de un árbol mínimo de expansión (MST) resolver el modelo presentado bajo el
el cual se encuentra fundamentado en la marco de programación lineal entera-
teoría de grafos y puede resolverse por mixta (MILP), permitiendo solucionar la
distintos algoritmos [28], [29]; con la problemática de minimizar los costos de
finalidad de que la gran mayoría de los los recursos empleados en la construcción
usuarios sean cubiertos y puedan de la red de distribución eléctrica [35],
conectarse a la red de distribución eléctrica [36]. Son múltiples las restricciones que se
[30]. plantean para minimizar la cantidad de
Con antelación se ha explicado transformadores que se van a requerir en el
distintos tipos de procedimientos para la despliegue de una red aérea, el entorno
resolución de la planeación en una red de geográfico, la distancia, la topología de la
distribución eléctrica, tomando ciertos red y los obstáculos técnico operativos
aspectos propios que constituyen el diseño característicos de un modelo de red de
de las mismas, cabe mencionar que electrificación aérea [37].
cumplir con la cobertura de todos los En la última etapa al tener la ubicación
consumidores es un objetivo muy optima de los transformadores de
importante; por lo cual en la primera fase distribución se recurre a realizar un árbol
del modelo se basa en el algoritmo de mínimo de expansión [38], con el
Prim, buscando formar clusters con los distintivo de que para el despliegue de la
usuarios más cercanos a la posición en red de media tensión se hace uso de un
donde se colocara el transformador de árbol mínimo de Steiner [39]; debido a que
distribución [31]; la técnica con la que la resolución de un árbol mínimo de
trabaja Prim es la de encontrar nodos más expansión por puntos Steiner permite al
cercanos referentes a la mínima distancia e algoritmo encontrar una solución cuasi-
interconectarlos, permitiendo que se forme óptima, reduciendo las distancias de
un árbol mínimo, con el fin de gestionar y conexión en el enrutamiento de la red de
optimizar las cargas que se van a conectar distribución [40].
a dicho transformador [32], [33]. Es de Otros trabajos plantean la reducción
valor analizar otros tipos de soluciones en de los recursos bajo ciertas restricciones y
las cuales consideran o se encuentran con el uso de teoría de grafos como se
basadas en modelos de eficiencia observa en [41], el propósito del artículo
energética, ya que estos permiten limitar la de investigación es presentar un modelo de
cantidad de equipos que se requiere para el planeación que permita realizar un
uso en la red; sin embargo, se tiene a despliegue de una red aérea de distribución
delimitar la escalabilidad en cuestiones de de forma óptima, escalable y flexible [42];
flexibilidad de las metodologías. cumpliendo con las restricciones técnico-
4
operativas y topológicas a las que se usuarios; los cuales son los
presenta en un área de emplazamiento requerimientos necesarios para la
como se puede visualizar en la figura 1. formación de redes inteligentes (Smart
Solventando la problemática actual en la Grid) [43], [44].
planificación de las redes de distribución,
garantizando la mayor cobertura de los
Subestación
Empresa Transformadores
distribuidora Óptimos
Circuito
Primario
Leyenda
Usuarios
Transformadores
Circuito Primario
Circuito
Circuito Secundario
Secundario
Postes medio voltaje
Postes bajo voltaje
5
perdidas sujetas a restricciones técnicas de costo de implementación,
operación; el problema de DNP sirve para convencionalmente son las más usadas,
encontrar de forma óptima la ubicación y debido a que presentan mejores ventajas
la capacidad de los componentes nuevos tales como: un único recorrido desde la
de una red como transformadores, líneas subestación hasta las cargas, corrientes de
de distribución, reconectadores, cortocircuito bajas y equipos de corte y
capacitores, etc. Con el fin de poder seccionamiento más simples en relación a
abastecer a las futuras demandas que se una red soterrada [49], sin embargo dados
inserten en la red, garantizando un los factores que influyen en una zona, no
funcionamiento seguro del sistema [46]; la se puede instalar cualquier tipo de red,
mayoría de los problemas de la todo depende de cómo se encuentre
planificación datan en reforzar las redes constituida geográficamente; aunque estos
existentes, no obstante se necesitan diseñar costos podrían reducirse de manera
sistemas en los que se deban satisfacer la significativa o por consecuente podrían ser
demanda a cargas nuevas considerando la eliminados, usando metodologías en las
inexistencia de las instalaciones, este tipo que se implemente datos geográficos y
de planificación se lo llama planificación trayectos de líneas que se encuentren ya
GreenField (como su nombre lo indica funcionales en la planificación de una red
campo verde), ya que la empresa de futura de distribución [50].
distribución encargada empieza a diseñar Como se explicó con anterioridad la
en una zona geográfica nueva [47]. Dichas topología comúnmente más usada en las
metodologías aplicadas en las redes de redes aéreas es el tipo radial por su sencillo
distribución eléctrica aérea o soterrada, análisis en los parámetros técnicos y el
presenta varios inconvenientes que flujo unidireccional de la potencia hacia
impiden construir y levantar de forma las cargas; sin embargo, existen
óptima el emplazamiento de la red, combinaciones que datan en el uso de
delimitando el uso de rutas y conexiones topologías en anillo o en malla [51]. Para
para el despliegue, debido a restricciones elegir dicha topología es necesario poder
técnicas y ambientales propias de una identificar el tipo de cargas que van a
metrópoli. Para lo cual los modelos y conectarse a la red de distribución, por
técnicas deben adaptarse a la naturaleza tanto, se puede clasificarlas por estratos
general del diseño de una zona en la que va energéticos de bajo consumo, medio
a ser implementado, amoldándose a los consumo y alto consumo; en las cuales se
cambios frecuentes de una ciudad enlista cargas residenciales, pequeñas
inteligente [48]; es de valor mencionar industrias, comerciales y grandes
como alternativa la inserción de unidades industrias respectivamente; demostrado
de generación distribuida (GD) en los que cuando la carga que se desea
modelos de DNP, debido al ínfimo suministrar energía eléctrica es más grande
crecimiento que se ha dado zonas el sistema debe ser confiable y robusto
residenciales y comerciales, por lo que [52]. Estos factores permiten escoger los
estos deberían ser capaces de considerar niveles de tensión de funcionamiento en la
las variables asociadas a las red tanto en MV (medio voltaje) como en
configuraciones de la GD para realizar el BV (bajo voltaje), considerando que para
enrutamiento óptimo de las redes. las cargas residenciales el valor de tensión
Debido a la rentabilidad que tienen las suministrado corresponde a 120/240 V con
redes aéreas de distribución, por su menor conexiones: monofásico y monofásico a
complejidad en el diseño técnico y su bajo fase partida; en cambio para clientes
6
industriales puede variar en valores de debe cumplir con el requisito de que el
127/220 V en monofásico y trifásico; o a número de vértices V menos uno tiene que
su vez una conexión directa de la red de ser igual al número de enlaces E; el árbol
MV en valores de tensión de de expansión originado en G no puede
6.3/13.2/13.8/22.8 kV [53], [54]. considerarse como único, puesto que, por
Para el despliegue óptimo de una red distintas restricciones que se adjuntan a su
de distribución aérea se debe considerar generación este puede variar dependiendo
todos los recursos asociados a la obra de los pesos escogidos, para lo cual se
eléctrica y civil correspondientes al tiene que un MST es la suma de todos los
erguido de postes, estructuras metálicas, pesos de las líneas de un árbol creado
ubicación de equipos, puntas terminales, reconociendo que su peso total obtenido es
accesorios para los conductores, ubicación propio y no repetible [62].
de transformadores, materiales de Las metodologías para la resolución
aislamiento, etc. Con la finalidad de que la de los problemas de árboles mínimos de
planeación tome criterios de calidad de expansión se tiene dos tipos: MST
servicio y seguridad del sistema, fundamentado en nodos y MST
verificando niveles de tensión, corrientes fundamentado en líneas; con esquemas
de paso y de cortocircuito, distancia de como el Prim y el Kruskal que permiten
aislamiento entre fases, condiciones obtener la ruta más óptima de conexión
ambientales y mecánicas en los equipos, ,reduciendo la distancia y por consecuente
continuidad del servicio para preservar la minimizando los costos de los recursos
vida útil y optimizar las inversiones [63]. En el presente trabajo el algoritmo de
requeridas para la construcción de la red Prim se aplicó para determinar la creación
[55], [56]. de los clusters en múltiples ocasiones. Otra
El modelado de un sistema de de las alternativas para la obtención de un
distribución eléctrica puede darse como un MST es el uso del algoritmo de Dijsktra,
grafo definido por 𝐺 = (𝑉, 𝐸), en el cual diseñado por el matemático holandés E.W.
consta de todos los caminos candidatos Dijsktra el cual tiene una amplia
para el ruteo de una red; dicho grafo viene aplicación por su versatilidad en encontrar
expresado en el mapa georreferenciado la ruta más corta, bajo la hipótesis de que
utilizado para la planeación. V expresa el un óptimo local conduce a un óptimo
conjunto de los vértices el cual está global. Existen muchas variantes en el uso
conformado por sitios candidatos para del algoritmo, sin embargo, la variante que
ubicación de transformadores, utiliza la matriz de conectividad o
subestaciones y cargas; y E denota el adyacencia, es la usada en la planeación de
conjunto de enlaces (acometida al medidor las redes de distribución eléctrica debido a
inteligente del punto de la red de baja permite realizar un análisis con una mayor
tensión) [57], [58], [59]. cantidad de nodos [64].
Cabe recalcar, que el MST es un
2.1 Árbol mínimo de expansión algoritmo que tiene una notable
En el ámbito de la matemática de teoría de importancia en la teoría de grafos, por su
grafos [60], los arboles de expansión son flexibilidad para ser usado en distintos
muy utilizados, puesto que permiten escenarios de optimización; su aplicación
encontrar el camino más corto dentro de un en la planeación de las redes de
conjunto de nodos en un grafo distribución implica que se puede obtener
propiamente expresado [61]; para que diversos diseños en distintos arboles de
exista un árbol mínimo de expansión se expansión; ya que permite constatar que,
7
por la variación de pesos en la 2.3 Ubicación optima de
construcción del árbol, se obtiene algunos transformadores de distribución
planes alternativos como referencia para la georreferenciados
planificación del sistema de distribución Para hallar la ubicación optima de los
en base a la función objetivo que se plantee transformadores de distribución
[65]. considerando capacidad y cobertura, es
necesario recurrir a técnicas que permitan
2.2 Árbol mínimo de Steiner incluir las restricciones de costo y
El uso de la metodología correspondiente
operación, tales como: técnicas basadas en
a los árboles de Steiner no implica una
análisis estadísticos y técnicas de análisis
resolución compleja puesto que, el
de agrupamientos. Para el presente trabajo
problema comúnmente es de tipo NP-hard,
se usó la técnica de agrupamiento o
al no necesitar de un tratamiento de tiempo
llamado de aprendizaje no supervisado,
polinomial y al mismo tiempo requiere de
con una cierta variación en la elección del
muchos recursos para hallar la solución.
centroide, ya que no se considera el centro
Para comprender el objetivo del algoritmo
de masa si no bajo condiciones técnicas de
se tiene como condición inicial un
caída de tensión; puesto que dicho
conjunto de nodos que se deben conectar
algoritmo permite seccionar el conjunto de
con el uso de un MST; el paso posterior a
datos globales a grupos más pequeños en
encontrar el camino más corto es agregar
función a las semejanzas presentes en las
puntos auxiliares a los nodos iniciales,
cargas. A pesar de que la técnica no
dichos puntos se los conoce como puntos
presenta dificultades en la ejecución, una
Steiner. Con el fin de crear estos puntos es
de sus desventajas es que para encontrar la
para la obtención de un nuevo árbol
condición optima es preciso realizar varias
llamado árbol de Steiner [39], [66], [67].
pruebas con condiciones iniciales [70]. K-
Al existir una pequeña deficiencia en
Medoids puede usarse fácilmente para la
los algoritmos de optimización basados en
ubicación optima de los transformadores
la teoría de grafos, el árbol de Steiner
conociendo la posición georreferenciada
presenta aplicaciones en la ingeniera con
exacta de los usuarios, debido a que es la
la reducción de distancias, logrando una
opción más robusta de k-means y presenta
mínima ruta global. Para la resolución del
varias ventajas, entre las cuales radica en
árbol mínimo de Steiner se utilizan varios
que puede ser aplicado para
métodos, dependiendo de las
aproximaciones generales [71], aunque el
características del problema que se desea
algoritmo no se vuelve confiable cuando
resolver; se utilizan heurísticas
se usa con distancias Euclidianas; y bajo
determinísticas (método de la distancia
condiciones adecuadas es posible que
más larga) para casos muy particulares,
encuentre soluciones optimas globales.
mientras que para casos más generales se
Es importante recalcar que para el
resuelve a traves de procesos aleatorios
trabajo propuesto todos los usuarios
evolutivos (planificación jerárquica
corresponden a un mismo uso energético,
basada en análisis de topologías en las
por lo que cada usuario puede ser
redes), un programa evolutivo mantiene un
candidato para la ubicación de los
conjunto de soluciones de manera cíclica,
transformadores [72].
además de ser un algoritmo probabilístico
[68], [69].
8
3. Planteamiento del problema 𝑒𝑆 , denota el nivel de voltaje con el que se
En la formulación del problema para la alimenta a los usuarios
planeación optima de la red de distribución I, la corriente que circula por el conductor
aérea propuesta, se plantea el uso de un cos 𝜑, el factor de la potencia activa
modelo matemático basado en métodos sin 𝜑, el factor de la potencia reactiva
heurísticos, de tal forma que minimice el R, es la resistencia particular del conductor
costo de los recursos empleados en el X, la reactancia del conductor
enrutamiento de dicha red, optimizando Para obtener un valor real de
las condiciones técnicas y topológicas porcentaje de la caída de tensión se usó la
sobre un escenario georreferenciado. A su ecuación (2), con el fin de que se pueda
vez uno de los problemas que se propone visualizar y verificar que se cumplan con
es encontrar la ubicación optima de cada los porcentajes permitidos para el diseño
transformador, mediante el concepto de de la red de distribución. En donde V
caída de tensión y capacidad; en cuestión expresa el nivel de voltaje que se va
de la caída de tensión corresponde al 2.5% analizar.
para niveles de bajo voltaje y del 3% para 100 ∗ ∆𝑉
niveles de medio voltaje, dichos valores se %∆𝑉 = (2)
𝑉
basan en la normativa de la Empresa
Eléctrica Quito S.A. Para el diseño de
sistemas de distribución; el cálculo se lo Dadas las condiciones de que el
realiza tal y como se puede observar en la emplazamiento se lo realiza bajo un
ecuación (1) considerando que el modelo escenario georreferenciado donde los
despliega la red de forma trifásica se usuarios se encuentran asignados con
multiplica el resultado por un factor de coordenadas de latitud y longitud, y en la
1.732. La capacidad de los cual se necesita realizar cálculos de
transformadores de distribución para distancia para realizar el enrutamiento; se
escoger a los distintos usuarios es variable considera el uso de la fórmula de
y con fines explicativos se optó por Haversine, debido a que esta permite
capacidades discretas reales existentes en realizar cálculos de manera precisa sobre
los transformadores trifásicos de 35, 40, una esfera haciendo referencia a la
45, 50, 60 y 75. Por otro lado, se considera superficie terrestre.
que la distancia mínima permitida para Como datos iniciales se tiene el
encontrar los usuarios más cercanos al número de usuarios N, en donde se asocian
transformador puede modificarse, todas las coordenadas de latitud y longitud
permitiendo dar un mayor ajuste en la de las viviendas y en donde se encuentra
búsqueda del mejor escenario que cumpla los sitios candidatos para la ubicación de
con las condiciones de minimizar los los transformadores T; como se explicó
costos por uso de los recursos solventando con anterioridad el modelo consta de cierta
las exigencias técnicas y económicas de incertidumbre para la elección del sitio
energía a los usuarios (viviendas). óptimo de colocación del transformador de
distribución.
∆𝑉 = 𝑒𝑆 + 𝐼𝑅 cos 𝜑 + 𝐼𝑋 sin 𝜑 … Con lo anteriormente mencionado se
tiene la metodología para plantear la
(1) función objetivo que se denota en la
. . . −√𝑒𝑆2 − (𝐼𝑋 cos 𝜑 − 𝐼𝑅 sin 𝜑)2
ecuación (3), con el fin de resolver el
Donde:
9
problema de la planeación optima de una la caída de tensión hasta el último
red aérea de distribución eléctrica. transformador desde el enrutamiento del
primero. Finalmente, la restricción (7)
𝑀 𝑀
cumple con la condición de construir el
𝑀𝑖𝑛 = ∑ ∑ 𝐶𝑜𝑠𝑡𝑜𝑖𝑗 ∗ 𝐷𝑖𝑠𝑡𝑖𝑗 árbol mínimo de costos bajo la distancia
𝑖 𝑗 (3)
mínima, buscando rutas de conexión entre
Donde: todos los transformadores y el grafo
𝐶𝑜𝑠𝑡𝑜𝑖𝑗 , el costo relacionado al recorrido indexado.
del punto i al punto j Para que la ubicación de cada
𝐷𝑖𝑠𝑡𝑖𝑗 , la distancia calculada del punto i al transformador sea la óptima se procedió a
punto j realizar el cálculo de las pérdidas en el
M, el número total de transformadores de cobre denotada en la ecuación (8)
distribución desplegados considerando la longitud del cable que
Considerando que el modelo debe parte del transformador hacia cada uno de
sujetarse a ciertas restricciones para los usuarios, para el cálculo de la corriente
cumplir con el objetivo de minimizar los en el secundario; en cuestión de las
costos, estas restricciones son las pérdidas en el hierro se optó por
siguientes: mantenerlas constantes debido a que
varían solo con la tensión; garantizando
que los costos asociados al despliegue sean
los mínimos.
∑ 𝑈𝑠𝑢𝑎𝑟𝑖𝑜𝑖 ≤ 𝐶𝑎𝑝𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑑𝑜𝑟 (4)
𝑖
𝑃𝑐𝑢 = 𝑅 ∗ 𝐼 2
(8)
𝑐𝑙𝑢𝑠𝑡𝑒𝑟
∆𝑉𝑡𝑟𝑎𝑓𝑜,𝑖 ≤ ∆𝑉𝑏𝑎𝑗𝑎 𝑡𝑒𝑛𝑠𝑖ó𝑛 (2,5%)
(5) Las variables usadas en los diferentes
pseudocódigos para el modelo matemático
de planeación óptima de una red aérea de
∆𝑉𝑚𝑒𝑑𝑖𝑎 𝑡𝑒𝑛𝑠𝑖ó𝑛 ≤ 3% distribución eléctrica se pueden observar
(6) en la tabla 1.
10
Caída de tensión para el cálculo La respuesta que se obtendrá
Cate_m en el enrutamiento de la red de dependerá del mapa y escenario que se esté
medio voltaje
analizando, en la tabla 3 se muestra las
fp Factor de potencia
Vm Nivel de medio voltaje variables usadas en el algoritmo de
Calculo de la distancia entre optimización, mientras que en la tabla 4 se
dist_n
todos los nodos del grafo analiza la segunda fase que explica la
construcción de cada cluster, con la
Posteriormente se detalla el finalidad de que cada uno forme un
Pseudocódigo que permitirá encontrar la circuito y a su vez indique la ubicación
óptima planeación de una red de optima de cada transformador.
distribución automática, considerando la
escalabilidad y conectividad de los Tabla 3. Tabla de variables para modelo matemático
de optimización
usuarios.
𝐷𝑖𝑠𝑡𝑚𝑖𝑛 Distancia mínima
Capacidad del transformador
Tabla 2. Pseudocódigo 1 Cap
de distribución
Algoritmo para la creación de los puntos Vb Nivel de bajo voltaje
Steiner clus Coordenadas de los circuitos
Exportar datos de grafo georreferenciado Cálculo de la distancia
de OpenStreetMap 𝐷𝑖𝑠𝑡𝑎,𝑏
euclidiana
Inicio: Conjunto de las coordenadas
Extraer en (𝑋𝑣 , 𝑌𝑣 ) las coordenadas de las cir
de cada circuito (cluster)
viviendas Distancia máxima para el
Extraer en (𝑐𝑎𝑙𝑙𝑒𝑠) las coordenadas de las max_dist
cálculo de la caída de tensión
calles Potencia de cada usuario en
M número de viviendas del mapa Dusuario
kVA
Para todo: i<=M
Calculo de la demanda de
Si: (𝑋𝑣 , 𝑌𝑣 )<=3 DeDi diseño en los bornes del
Clusterización (𝑋𝑣 , 𝑌𝑣 ) transformador de distribución
Para todo: a =size(𝑋𝑐𝑜 , 𝑌𝑐𝑜 ) Caída de tensión calculada
Para todo: b=size(𝑐𝑎𝑙𝑙𝑒𝑠) Caten para cada transformador
𝐷𝑖𝑠𝑡𝑎,𝑏 = (𝑋𝑐𝑜 , 𝑌𝑐𝑜 ; 𝑐𝑎𝑙𝑙𝑒𝑠) desplegado en cada cluster
Fin Para Calculo de las perdidas en el
Fin Para 𝑃𝑐𝑢
cobre
Si: 𝐷𝑖𝑠𝑡𝑎,𝑏 ≤ 𝐷𝑖𝑠𝑡𝑚𝑖𝑛 Conjunto de los
Buscar 𝐷𝑖𝑠𝑡𝑎,𝑏 en 𝑐𝑎𝑙𝑙𝑒𝑠 Trafo transformadores óptimos
nod_calles(𝑐𝑎𝑙𝑙𝑒𝑠) desplegados
Fin Si Coordenadas de los
Caso contrario: trafo
transformadores óptimos
Para todo: a =size(𝑋𝑣 , 𝑌𝑣 )
Para todo: b=size(𝑐𝑎𝑙𝑙𝑒𝑠) Tabla 4. Algoritmo 1
𝐷𝑖𝑠𝑡𝑎,𝑏 = (𝑋𝑣 , 𝑌𝑣 ; 𝑐𝑎𝑙𝑙𝑒𝑠)
Algoritmo de optimización de los recursos
Fin Para para el despliegue de los circuitos y
Fin Para ubicación óptima de los transformadores
Si: 𝐷𝑖𝑠𝑡𝑎,𝑏 ≤ 𝐷𝑖𝑠𝑡𝑚𝑖𝑛
Exportar el vector nod_calles del algoritmo
Buscar 𝐷𝑖𝑠𝑡𝑎,𝑏 en 𝑐𝑎𝑙𝑙𝑒𝑠
1
nod_calles(𝑐𝑎𝑙𝑙𝑒𝑠) Inicio:
Fin Si Asigna distancia mínima → 𝐷𝑖𝑠𝑡𝑚𝑖𝑛
Fin Si Asigna capacidad trafos → Cap
Fin Para Asigna bajo voltaje → Vb
Fin Mientras: e=0
Para todo: i=Cap
𝑋𝑠𝑠 , 𝑌𝑠𝑠 = [𝑛𝑜𝑑_𝑐𝑎𝑙𝑙𝑒𝑠(1,1; 1,2)]
11
𝐷𝑖𝑠𝑡𝑎,𝑏 = (𝑋𝑠𝑠 , 𝑌𝑠𝑠 ; 𝑛𝑜𝑑𝑜𝑠_𝑐𝑎𝑙𝑙𝑒𝑠)
Buscar 𝑚𝑖𝑛(𝐷𝑖𝑠𝑡𝑎,𝑏 ) en nodos_calles Una vez obtenido las condiciones de
clus= {(𝑛𝑜𝑑_𝑐𝑎𝑙𝑙𝑒𝑠𝑥𝑗 , 𝑛𝑜𝑑_𝑐𝑎𝑙𝑙𝑒𝑠𝑦𝑗 ),..} emplazamiento y despliegue de la red de
Fin Para distribución, se hace el cálculo de la
cir {1, ii} = [clus] potencia de diseño del transformador, en la
Si: size(nod_calles) ==0
e=1 cual se debe considerar la demanda de
Fin Si diseño en los bornes del lado secundario
Fin mientras denotado en la ecuación (9).
Para todo: j=size(cir)
Para todo: k=cir {1, j}
max_dist (1, k) =Haversine (cir {1, j}) 𝐷𝑀𝐷 + 𝐷𝑃𝑇 + 𝐷𝐴𝑃
Fin para 𝐷𝐷 =
𝐹𝑃 (9)
max (max_dist)
DeDi=Dusuario*#usuarios Donde:
Obtener caída de tensión ecuación (1) 𝐷𝑀𝐷, Demanda Máxima Diversificada
Verificar Caten <= 2.5%
Obtener perdidas en el cobre ecuación (8) considerando el número de usuarios y la
Verificar min (Pcu) utilización de equipos eléctricos de uso
Si: Caten en j ≤ 2.5% y min(Pcu) general [kW]
Buscar Caten en max_dist 𝐷𝑃𝑇, Demanda del alumbrado público
trafo (cir {1, j} (max_dist)) [kW]
Trafo= {(𝑡𝑟𝑎𝑓𝑜𝑥𝑗 , 𝑡𝑟𝑎𝑓𝑜𝑦𝑗 ),……}
𝐷𝐴𝑃, Demanda de pérdidas técnicas [kW]
Fin Si
Fin para La DMD se obtiene dependiendo del
Fin número de clientes de se van a conectar
simultáneamente a un transformador de
Finalmente, para la construcción de la distribución, para el caso el valor de dicha
red de media tensión se puede observar en variable es de 98.8 kW considerando un
la tabla 5, en la que consta la conexión de total de 50 usuarios por transformador,
todos los transformadores de distribución tomando en cuenta valores de referencia
usando el algoritmo de Dijsktra y mencionados en la normativa utilizada. La
verificando la caída de tensión. demanda del alumbrado público depende
del proyecto que se va a realizar, las
Tabla 5. Pseudocódigo 2 potencias nominales de las luminarias
Algoritmo para la construcción de la red de comúnmente se encuentran entre valores
media tensión de: 400, 250, 150 y 100 Watts; y
Exportar datos de Trafo del algoritmo 2 finalmente para el cálculo de la demanda
Inicio:
Asigna medio voltaje → Vm de pérdidas técnicas se obtiene
Para todo: h=size(nodos_calles) multiplicando la DMD por 3.6%.
Para todo: l=size(nodos_calles) Por otro lado, con el cálculo de la DD
dist_n =Haversine(nodos_calles) se procede a calcular la potencia de diseño
Fin para del transformador denotada en la ecuación
Fin para
G (h, l) =0; (10), y considerando el 90% como valor
(G<=𝐷𝑖𝑠𝑡𝑚𝑖𝑛 )=1 del factor de coincidencia (FC)
Set Algoritmo Dijkstra
Obtener caída de tensión ecuación (1)
Verificar Cate_m <= 3% 𝑃𝑑𝑖𝑠𝑒ñ𝑜𝑡𝑟𝑎𝑓𝑜 (𝑘𝑉𝐴) = 𝐷𝐷 ∗ 𝐹𝐶
Dijkstra → Despliegue de la red de ( 10 )
distribución aérea
Fin
12
4. Análisis y resultados
Para realizar el análisis del
comportamiento del problema se ha
utilizado ciertos parámetros iniciales que
se pueden verificar en la tabla 6, con el fin
de constatar el uso óptimo de los recursos
empleados en la planificación de una red
de distribución eléctrica.
13
triángulos de color rojo denotan la tensión, considerando que se muestran de
ubicación geográfica de los usuarios y por diferentes colores, debido a que cada color
último los puntos Steiner visualizan la identifica a su respectivo circuito o cluster.
conexión de las viviendas a la red de baja
14
Figura 4. Planeación de una red aérea de distribución bajo diferentes condiciones de emplazamiento, 15 Trafos
15
proceder de la variable, es por la simple matemático realizado en Matlab, se
razón de que, al existir pequeñas procedió a realizar la construcción de la
variaciones en cuestiones del porcentaje de red en el software Cymdist, para así poder
la caída de tensión, en una sola grafica no analizar y verificar el comportamiento de
se podría denotar dicho cambio. todo el sistema con la creación de los
circuitos y la ubicación optima de los
transformadores, tal y como se pude
observar en la figura 7. El despliegue se lo
hizo acorde a lo obtenido en la planeación
óptima, por lo que cada color representa la
formación de los circuitos con sus
respectivos transformadores de
distribución. Es importante recalcar que el
modelo propuesto tiene la capacidad de
construir de forma automática un archivo
AutoCAD, bajo los conceptos de
Figura 6. Variación de la caída de tensión vs la georreferenciación para su análisis en
distancia de la ruta Cymdist o cualquier otro software que
funcione o admita la modalidad en trabajo
Una vez obtenido las condiciones
georreferenciado.
iniciales para la planeación por el modelo
16
Tabla 7. Datos de los transformadores de distribución desplegados
Características de Transformadores por circuito
Potencia de Capacidad
DD
diseño nominal del Cargabilidad
Transformador/Circuito calculada
calculada transformador [%]
[kVA]
[kVA] [kVA]
Circuito 1 111.69 100.5 125 93.8
Circuito 2 111.69 100.5 125 76.8
Circuito 3 111.69 100.5 125 77.3
Circuito 4 111.69 100.5 125 71.7
Circuito 5 111.69 100.5 125 82.4
Circuito 6 111.69 100.5 125 76.8
Circuito 7 111.69 100.5 125 72.3
Circuito 8 111.69 100.5 125 77.9
Circuito 9 111.69 100.5 125 78.1
17
muestra en la figura 11 la variación de
corriente que circula por los conductores
frente a la distancia de recorrido hacia los
usuarios.
18
además de considerar los sitios candidatos
en la ubicación de los transformadores, 7. Referencias
con el objetivo de que la cobertura sea
ampliada a los usuarios. [1] K. Lin, X. Jing, Z. Hengjun, and W.
Con la implementación de un árbol Beibei, “Planning Method for
mínimo de Steiner se llegó a disminuir la Distribution Networks Based on
cantidad de conductor que se va a usar en Load Growth Characteristics of the
la construcción de la red, ya que el método Industry,” no. Ciced, pp. 10–13,
seleccionado inserta nuevos puntos el 2016.
enrutamiento, con el propósito de [2] J. Fletcher, T. Fernando, H. Iu, M.
minimizar los costos y eliminar los tramos Reynolds, and S. Fani, “A case
o rutas innecesarios. study on optimizing an electrical
El modelo desarrollado obtuvo una distribution network using a genetic
cobertura del 93% debido a las algorithm,” 2015 IEEE 24th Int.
restricciones en los vanos para evitar que Symp. Ind. Electron., pp. 20–25,
la caída de tensión no supere los valores 2015.
establecidos, este resultado se tomará [3] G. A. Jiménez-Estevez, L. S.
como parte de la escalabilidad para la Vargas, and R. Palma-Behnke, “An
expansión de la red, bajo el concepto del evolutionary approach for the
Steiner Tree Problem se debe insertar greenfield planning problem in
nuevos nodos Steiner con la finalidad de distribution networks,” IEEE Int.
lograr una cobertura total; esto se espera Conf. Neural Networks - Conf.
realizar en futuros trabajos. Proc., pp. 1744–1749, 2007.
[4] A. Samui, S. Singh, T. Ghose, and
6. Trabajos futuros S. R. Samantaray, “A Direct
Se recomienda la implementación de la Approach to Optimal Feeder
generación distribuida (GD), con el fin de Routing for Radial Distribution
que se pueda mejorar los índices de System,” IEEE Trans. Power
técnicos en el diseño de los sistemas de Deliv., vol. 27, no. 1, pp. 253–260,
distribución; considerando que en tiempos 2012.
futuros las metrópolis van adquiriendo este [5] J. Inga, E. Inga, A. Ortega, R.
tipo de tecnologías para el abastecimiento Hincapíé, and C. Gómez, “Optimal
de las propias demandas, convirtiéndolas Planning for Deployment of FiWi
en ciudades inteligentes. Networks based on Hybrid
Como sugerencia para mejorar el Heuristic Process,” IEEE Lat. Am.
modelo matemático de optimización, se Trans., vol. 15, no. 9, pp. 1684–
plantea la inserción de algunos índices de 1690, 2017.
confiabilidad (FMIK, TTIK), con el [6] R. C. Lotero and J. Contreras,
objetivo de obtener más ubicaciones “Distribution system planning with
optimas de emplazamiento de los reliability,” IEEE Trans. Power
elementos de uso en las redes aéreas de Deliv., vol. 26, no. 4, pp. 2552–
distribución. 2562, 2011.
Los resultados obtenidos en este [7] V. C. Cunha and J. R. S. Mantovani,
trabajo pueden ser puntos de partida para “Planning and Project of Medium
investigaciones en la implementación de la Voltage Electric Power Distribution
medición inteligente. Systems,” IEEE Lat. Am. Trans.,
19
vol. 14, no. 5, pp. 2298–2308, 2016. [15] J. Lichtinghagen, M. Sieberichs, A.
[8] V. F. Martins and C. L. T. Borges, Moser, and A. Kübler, “Medium
“Active Distribution Network voltage network planning
Integrated Planning Incorporating considering the current network and
Distributed Generation and Load geographical restrictions,” 2017 6th
Response Uncertainties,” IEEE Int. Conf. Clean Electr. Power
Trans. Power Syst., vol. 26, no. 4, Renew. Energy Resour. Impact,
pp. 2164–2172, 2011. ICCEP 2017, pp. 689–693, 2017.
[9] V. Dumbrava, P. Ulmeanu, P. [16] J. F. Gómez et al., “Ant colony
Duquenne, C. Lazaroiu, and M. system algorithm for the planning
Scutariu, “Expansion planning of of primary distribution circuits,”
distribution networks by heuristic IEEE Trans. Power Syst., vol. 19,
algorithms,” Proc. Univ. Power no. 2, pp. 996–1004, 2004.
Eng. Conf., 2010. [17] A. Peralta Sevilla, E. Inga Ortega,
[10] E. G. Carrano, F. G. Guimarães, R. and R. Hincapie, “FiWi network
H. C. Takahashi, O. M. Neto, and F. planning for smart metering based
Campelo, “Electric distribution on multistage stochastic
network expansion under load- programming,” IEEE Lat. Am.
evolution uncertainty using an Trans., vol. 13, no. 12, pp. 3838–
immune system inspired 3843, 2015.
algorithm,” IEEE Trans. Power [18] A. H. A. Bakar, M. S. Ali, C. Tan,
Syst., vol. 22, no. 2, pp. 851–861, H. Mokhlis, H. Arof, and H. A.
2007. Illias, “High impedance fault
[11] D. Deka, M. Chertkov, and S. location in 11 kV underground
Backhaus, “Structure Learning in distribution systems using wavelet
Power Distribution Networks,” transforms,” Int. J. Electr. Power
IEEE Trans. Control Netw. Syst., Energy Syst., vol. 55, pp. 723–730,
vol. 5870, no. c, pp. 1–1, 2017. 2014.
[12] R. M. Capelini et al., “Methodology [19] M. R. Elkadeem, M. A. Alaam, and
for Fast Location in Overhead A. M. Azmy, “Improving
Distribution Networks by performance of underground MV
Application of Temporary distribution networks using
Georeferenced Fault Indicators,” distribution automation system: A
2016 IEEE Int. Conf. High Volt. case study,” Ain Shams Eng. J.,
Eng. Appl., pp. 6–9, 2016. 2016.
[13] P. Balakrishna, K. Rajagopal, and [20] J. Salehi and M. R. Haghifam,
K. S. Swarup, “AMI/GIS based “Long term distribution network
distribution system load flow for planning considering urbanity
extended situational awareness,” uncertainties,” Int. J. Electr. Power
2014 18th Natl. Power Syst. Conf. Energy Syst., vol. 42, no. 1, pp.
NPSC 2014, pp. 1–6, 2015. 321–333, 2012.
[14] R. R. Puente and M. L. Cortes, [21] J. M. Nahman and D. M. Perić,
“Graph-reduction algorithm for “Optimal planning of radial
finding shortest path in Geographic distribution networks by simulated
Information Systems,” Ieee Lat. annealing technique,” IEEE Trans.
Am. Trans., vol. 10, no. 6, pp. Power Syst., vol. 23, no. 2, pp. 790–
2201–2208, 2012. 795, 2008.
20
[22] A. Khatami, S. Mirghasemi, A. “A minimal spanning tree algorithm
Khosravi, and S. Nahavandi, “A for distribution networks
New Color Space Based on K- configuration,” IEEE Power Energy
Medoids Clustering for Fire Soc. Gen. Meet., pp. 1–7, 2012.
Detection,” Proc. - 2015 IEEE Int. [30] R. Wang et al., “A Graph Theory
Conf. Syst. Man, Cybern. SMC Based Energy Routing Algorithm in
2015, pp. 2755–2760, 2016. Energy Local Area Network,” IEEE
[23] L. Vrbsky, M. S. da Silva, D. L. Trans. Ind. INFORMATICS, vol.
Cardoso, and C. R. L. Frances, 13, no. 6, pp. 3275–3285, 2017.
“Clustering techniques for data [31] S. Dimitrijevic and N. Rajakovic,
network planning in Smart Grids,” “Service Restoration of
2017 IEEE 14th Int. Conf. Distribution Networks Considering
Networking, Sens. Control, pp. 7– Switching Operation Costs and
12, 2017. Actual Status of the Switching
[24] H. Ouchitachen, A. Hair, and N. Equipment,” IEEE Trans. Smart
Idrissi, “Improved multi-objective Grid, vol. 6, no. 3, pp. 1227–1232,
weighted clustering algorithm in 2015.
Wireless Sensor Network,” Egypt. [32] T. D. Sudhakar and K. N. Srinivas,
Informatics J., vol. 18, no. 1, pp. “Power system reconfiguration
45–54, 2017. based on Prim’s algorithm,” 2011
[25] J. Zhou, Y. Pan, C. L. P. Chen, D. 1st Int. Conf. Electr. Energy Syst.
Wang, and S. Han, “K-medoids ICEES 2011, pp. 12–20, 2011.
method based on divergence for [33] A. Nagarajan and R. Ayyanar,
uncertain data clustering,” 2016 “Application of Minimum
IEEE Int. Conf. Syst. Man, Cybern. Spanning Tree Algorithm for
SMC 2016 - Conf. Proc., pp. 2671– Network Reduction of Distribution
2674, 2017. Systems,” North Am. Power Symp.
[26] S. Cespedes, A. A. Cardenas, and T. (NAPS), 2014, 2014.
Iwao, “Comparison of Data [34] G. Cartina, G. Grigoras, E. C.
Forwarding Mechanisms for AMI Bobric, and D. Comanescu,
Networks,” Innov. Smart Grid “Improved fuzzy load models by
Technol. (ISGT), 2012 IEEE PES, clustering techniques in optimal
pp. 1–8, 2012. planning of distribution networks,”
[27] E. Inga, R. Hincapié, M. Campaña, 2009 IEEE Bucharest PowerTech
and S. Céspedes, “Optimal Innov. Ideas Towar. Electr. Grid
Placement of Data Aggregation Futur., pp. 2–7, 2009.
Points for Smart Metering using [35] P. Kuendee, “A Comparative Study
Wireless Heterogeneous of Mixed-Integer Linear
Networks,” IEEE Colomb. Conf. Programming and Genetic
Commun. Comput., 2018. Algorithms for Solving Binary
[28] M. Campaña, E. Inga, and R. Problems,” 2018 5th Int. Conf. Ind.
Hincapié, “Optimal placement of Eng. Appl., no. 1, pp. 284–288,
universal data aggregation points 2018.
for smart electric metering based on [36] S. Singh, T. Ghose, and S. K.
hybrid wireless,” CEUR Workshop Goswami, “Optimal feeder routing
Proc., vol. 1950, pp. 6–9, 2017. based on the bacterial foraging
[29] D. P. Montoya and J. M. Ramirez, technique,” IEEE Trans. Power
21
Deliv., vol. 27, no. 1, pp. 70–78, heuristic method for integration
2012. microgrids with smart metering,”
[37] S. Xie et al., “Multi-objective active Sensors (Switzerland), vol. 18, no.
distribution networks expansion 8, pp. 1–21, 2018.
planning by scenario-based [44] E. Inga-Ortega, A. Peralta-Sevilla,
stochastic programming R. C. Hincapie, F. Amaya, and I.
considering uncertain and random Tafur Monroy, “Optimal
weight of network,” Appl. Energy, dimensioning of FiWi networks
vol. 219, no. February, pp. 207– over advanced metering
225, 2018. infrastructure for the smart grid,”
[38] G. A. Jiménez-Estévez, L. S. 2015 IEEE PES Innov. Smart Grid
Vargas, and V. Marianov, Technol. Lat. Am. ISGT LATAM
“Determination of feeder areas for 2015, pp. 30–35, 2016.
the design of large distribution [45] K. E. Antoniadou-Plytaria, N. C.
networks,” IEEE Trans. Power Koutsoukis, E. S. Sergaki, and P. S.
Deliv., vol. 25, no. 3, pp. 1912– Georgilakis, “Multiyear power
1922, 2010. distribution planning considering
[39] J. Naor, D. Panigrahi, and M. Singh, voltage regulator placement,” IET
“Online node-weighted Steiner tree Conf. Publ., vol. 2016, no. CP711,
and related problems,” Proc. - pp. 1–6, 2016.
Annu. IEEE Symp. Found. Comput. [46] N. Koutsoukis, P. Georgilakis, and
Sci. FOCS, pp. 210–219, 2011. N. Hatziargyriou, “Active
[40] C. H. Liu, C. X. Lin, I. C. Chen, D. distribution network planning based
T. Lee, and T. C. Wang, “Efficient on a hybrid genetic algorithm-
multilayer obstacle-avoiding nonlinear programming method,”
rectilinear steiner tree construction CIRED - Open Access Proc. J., vol.
based on geometric reduction,” 2017, no. 1, pp. 2065–2068, 2017.
IEEE Trans. Comput. Des. Integr. [47] E. Miguez, J. Cidras, E. Diaz-
Circuits Syst., vol. 33, no. 12, pp. Dorado, and J. L. Garcia-Dornelas,
1928–1941, 2014. “An Improved Branch Exchange
[41] E. Inga, I. Eléctrica, M. Campaña, I. Algorithm for Large Scale
Eléctrica, and R. Hincapié, Distribution Network Planning,”
“Optimal Sizing of Electrical IEEE Power Eng. Rev., vol. 22, no.
Distribution Networks considering 9, pp. 58–58, 2002.
Scalable Demand and Voltage,” [48] Y. Chen, S. Wang, J. Yu, W. Li, X.
IEEE 1st Colomb. Conf. Appl. Shi, and W. Yang, “Optimal
Comput. Intell., 2018. Weighted Voronoi Diagram
[42] E. Inga, S. Céspedes, R. Hincapié, Method of Distribution Network
and A. Cárdenas, “Scalable Route Planning Considering City
Map for Advanced Metering Planning Coordination Factors,”
Infrastructure Based on Optimal 2017 4th Int. Conf. Syst.
Routing of Wireless Heterogeneous Informatics, no. Icsai, pp. 335–340,
Networks,” IEEE Wirel. Commun., 2017.
vol. 24, no. April, pp. 1–8, 2017. [49] A. Kouzou and R. D. Mohammedi,
[43] E. Inga, M. Campaña, R. Hincapié, “Optimal Reconfiguration of a
and O. Moscoso-Zea, “Optimal Radial Power Distribution Network
deployment of FiWi networks using based on Meta-heuristics
22
Optimization Algorithms,” 2015 [56] F. Scenna, D. Anaut, L. I. Passoni,
4th Int. Conf. Electr. Power Energy and G. J. Meschino,
Convers. Syst., 2015. “Reconfiguration of electrical
[50] H. Chunguang et al., “Distribution networks by an Ant Colony
network island separation with Optimization algorithm,” IEEE Lat.
distributed generation (DG) based Am. Trans., vol. 11, no. 1, pp. 538–
on dynamic planning,” Proc. 2017 544, 2013.
IEEE 2nd Adv. Inf. Technol. [57] E. Díaz-Dorado, J. Cidrás, and E.
Electron. Autom. Control Conf. Míguez, “Application of
IAEAC 2017, pp. 1767–1771, evolutionary algorithms for the
2017. planning of urban distribution
[51] S. Yorukoglu, F. Nasibov, M. networks of medium voltage,”
Mungan, and M. Bagriyanik, “The IEEE Trans. Power Syst., vol. 17,
effect of the types of network no. 3, pp. 879–884, 2002.
topologies on nontechnical losses in [58] J. Li, X. Y. Ma, C. C. Liu, and K. P.
secondary electricity distribution Schneider, “Distribution system
systems,” IEEE Trans. Ind. Appl., restoration with microgrids using
vol. 52, no. 5, pp. 3631–3643, 2016. spanning tree search,” IEEE Trans.
[52] A. Mutanen, M. Ruska, S. Repo, Power Syst., vol. 29, no. 6, pp.
and P. Järventausta, “Customer 3021–3029, 2014.
classification and load profiling [59] A. Peralta, E. Inga, and R. Hincapié,
method for distribution systems,” “Optimal Scalability of FiWi
IEEE Trans. Power Deliv., vol. 26, Networks Based on Multistage
no. 3, pp. 1755–1763, 2011. Stochastic Programming and
[53] S. M. De Oca, P. Belzarena, and P. Policies,” J. Opt. Commun. Netw.,
Monzon, “Benefits of optimal vol. 9, no. 12, p. 1172, 2017.
demand response in distribution [60] C. W. Mohammad, M. Shahid, and
networks in a competitive retail S. Zeeshan Husain, “A graph theory
market,” 2017 Ieee Urucon, Urucon based algorithm for the
2017, vol. 2017–Decem, pp. 1–4, computation of cyclomatic
2017. complexity of software
[54] J. Rodríguez-García, C. Álvarez- requirements,” 2017 Int. Conf.
Bel, J. F. Carbonell-Carretero, G. Comput. Commun. Autom., pp.
Escrivá-Escrivá, and C. Calpe- 881–886, 2017.
Esteve, “Design and validation of a [61] M. Mosbah, S. Arif, R. D.
methodology for standardizing Mohammedi, and A. Hellal,
prequalification of industrial “Optimum dynamic distribution
demand response resources,” network reconfiguration using
Electr. Power Syst. Res., vol. 164, minimum spanning tree algorithm,”
no. December 2017, pp. 220–229, 2017 5th Int. Conf. Electr. Eng. -
2018. Boumerdes, ICEE-B 2017, vol.
[55] S. N. Ravadanegh and R. G. 2017–Janua, pp. 1–6, 2017.
Roshanagh, “On optimal multistage [62] Y. Li and X. Chang, “A MST-based
electric power distribution and new GA supported distribution
networks expansion planning,” Int. network planning,” 2011 Int. Conf.
J. Electr. Power Energy Syst., vol. Mechatron. Sci. Electr. Eng.
54, pp. 487–497, 2014. Comput., pp. 2534–2538, 2011.
23
[63] V. Dumbrava, C. Lazaroiu, C. distributed generation based on
Roscia, and D. Zaninelli, Steiner tree model,” 2014 IEEE
“Expansion planning and reliability PES Asia-Pacific Power Energy
evaluation of distribution networks Eng. Conf., vol. 1, pp. 1–5, 2014.
by heuristic algorithms,” 2011 10th [69] L. P. Zhang, Z. X. Yang, Q. Y. He,
Int. Conf. Environ. Electr. Eng., pp. and D. M. Cai, “Immune algorithm
1–4, 2011. for minimal Steiner tree problems,”
[64] Y. Hu, Z. Chang, L. Sun, and Y. Int. Conf. Adv. Mechatron. Syst.
Wang, “Analysis of the shortest ICAMechS, vol. 2017–Decem, pp.
repaired path of distribution 110–115, 2018.
network based on Dijkstra [70] G. C. Cabrera-Celi, E. G. Novoa-
algorithm,” 2009 Int. Conf. Energy Guaman, and P. F. Vasquez-
Environ. Technol. ICEET 2009, Miranda, “Design of secondary
vol. 2, pp. 73–76, 2009. circuits of distribution networks
[65] M. Rui, Y. Kun, and C. Xingying, using clustering and shortest path
“Topology identification in algorithms,” 2017 IEEE PES Innov.
distribution network based on Smart Grid Technol. Conf. - Lat.
power injection measurements,” Am. ISGT Lat. Am. 2017, vol.
2017 2nd Int. Conf. Power Renew. 2017–Janua, pp. 1–6, 2017.
Energy, pp. 477–484, 2017. [71] S. Vahedi, M. Banejad, and M.
[66] M. Brazil, M. Volz, M. Assili, “Optimal location, sizing
Zachariasen, C. Ras, and D. and allocation of subtransmission
Thomas, “New pruning rules for the substations using K-means
Steiner tree problem and 2- algorithm,” IEEE Power Energy
connected Steiner network Soc. Gen. Meet., vol. 2015–Septe,
problem,” Comput. Geom., vol. 1, 2015.
pp. 1–13, 2018. [72] C. Wang, H. Liang, X. Geng, and
[67] A. K. Kiefner, “Minimizing path M. Zhu, “Multi-sensor fusion
lengths in rectilinear Steiner method using kalman filter to
minimum trees with fixed improve localization accuracy
topology,” Oper. Res. Lett., vol. 44, based on android smart phone,”
no. 6, pp. 835–838, 2016. 2014 IEEE Int. Conf. Veh. Electron.
[68] X. Han, J. Liu, D. Liu, Q. Liao, J. Safety, ICVES 2014, pp. 180–184,
Hu, and Y. Yang, “Distribution 2015.
network planning study with
24
8. Estado del Arte
Tabla 8. Tabla del estado del arte
PLANEACIÓN ÓPTIMA DE REDES DE DISTRIBUCIÓN ELÉCTRICA AÉREA USANDO MÉTODOS HEURÍSTICOS Y PROCESOS DE SIMULACIÓN
Expansión y planeación
Información geografica
distribución eléctrica
Minimizar costos
Árbol de Steiner
Teoría de grafos
distribución
Pérdidas
CITAS
ITEM
MILP
AÑO
Planning Method for Distribution Networks Based on Load Growth
1 2016
Characteristics of the Industry
0
A case study on optimizing an electrical distribution network using a
2 2015
genetic algorithm
2
3 2007
An evolutionary approach for the greenfield planning problem in
distribution networks
6
4 2012
A Direct Approach to Optimal Feeder Routing for Radial Distribution
System
30
5 2017
Optimal Planning for Deployment of FiWi Networks based on Hybrid
Heuristic Process
3
6 2011 Distribution system planning with reliability 76
7 2016
Planning and Project of Medium Voltage Electric Power Distribution
Systems
0
25
Electric distribution network expansion under load-evolution
10 2007
uncertainty using an immune system inspired algorithm
56
11 2017 Structure Learning in Power Distribution Networks 3
Methodology for Fast Location in Overhead Distribution Networks by
12 2016
Application of Temporary Georeferenced Fault Indicators
1
13 2014
AMI/GIS based distribution system load flow for extended situational
awareness
0
14 2012
Graph-reduction algorithm for finding shortest path in Geographic
Information Systems
0
15 2017
Medium voltage network planning considering the current network
and geographical restrictions
0
16 2004
Ant colony system algorithm for the planning of primary distribution
circuits
149
17 2015
FiWi network planning for smart metering based on multistage
stochastic programming
4
18 2014
High impedance fault location in 11 kV underground distribution
systems using wavelet transforms
31
Improving performance of underground MV distribution networks
19 2016
using distribution automation system: A case study
0
30 2017
A Graph Theory Based Energy Routing Algorithm in Energy Local
Area Network
3
31 2015
Service Restoration of Distribution Networks Considering Switching
Operation Costs and Actual Status of the Switching Equipment
6
32 2011 Power system reconfiguration based on Prim’s algorithm 3
26
33 2014
Application of Minimum Spanning Tree Algorithm for Network
Reduction of Distribution Systems
6
Improved fuzzy load models by clustering techniques in optimal
34 2009
planning of distribution networks
7
A Comparative Study of Mixed-Integer Linear Programming and
35 2018
Genetic Algorithms for Solving Binary Problems
0
36 2012 Optimal feeder routing based on the bacterial foraging technique 15
Multi-objective active distribution networks expansion planning by
37 2018 scenario-based stochastic programming considering uncertain and 3
random weight of network
38 2010
Determination of feeder areas for the design of large distribution
networks
22
39 2011 Online node-weighted Steiner tree and related problems 6
40 2014
Efficient multilayer obstacle-avoiding rectilinear steiner tree
construction based on geometric reduction
1
41 2018
Optimal Sizing of Electrical Distribution Networks considering
Scalable Demand and Voltage
0
42 2017
Scalable Route Map for Advanced Metering Infrastructure Based on
Optimal Routing of Wireless Heterogeneous Networks
6
Optimal deployment of FiWi networks using heuristic method for
43 2018 integration microgrids with smart meteringconstruction based on 0
geometric reduction
49 2015
Optimal Reconfiguration of a Radial Power Distribution Network
based on Meta-heuristics Optimization Algorithms
1
50 2017
Distribution network island separation with distributed generation
(DG) based on dynamic planning
0
The effect of the types of network topologies on nontechnical losses in
51 2016
secondary electricity distribution systems
2
Customer classification and load profiling method for distribution
52 2011
systems
78
Benefits of optimal demand response in distribution networks in a
53 2017
competitive retail market
0
Design and validation of a methodology for standardizing
54 2018
prequalification of industrial demand response resources
0
27
On optimal multistage electric power distribution networks expansion
55 2014
planning
33
Reconfiguration of electrical networks by an Ant Colony Optimization
56 2013
algorithm
6
57 2002
Application of evolutionary algorithms for the planning of urban
distribution networks of medium voltage
65
58 2014
Distribution system restoration with microgrids using spanning tree
search
79
Optimal Scalability of FiWi Networks Based on Multistage Stochastic
59 2017
Programming and Policies
2
60 2017
A graph theory based algorithm for the computation of cyclomatic
complexity of software requirements
0
61 2017
Optimum dynamic distribution network reconfiguration using
minimum spanning tree algorithm
0
62 2011 A MST-based and new GA supported distribution network planning 0
Expansion planning and reliability evaluation of distribution networks
63 2011
by heuristic algorithms
5
64 2009
Analysis of the shortest repaired path of distribution network based on
Dijkstra algorithm
3
65 2017
Topology identification in distribution network based on power
injection measurements
0
66 2018
New pruning rules for the Steiner tree problem and 2-connected
Steiner network problem
0
67 2016
Minimizing path lengths in rectilinear Steiner minimum trees with
fixed topology
1
68 2014
Distribution network planning study with distributed generation based
on Steiner tree model
1
69 2018 Immune algorithm for minimal Steiner tree problems 0
Design of secondary circuits of distribution networks using clustering
70 2017
and shortest path algorithms
0
Optimal location, sizing and allocation of subtransmission substations
71 2015
using K-means algorithm
1
72 2015
Multi-sensor fusion method using kalman filter to improve
localization accuracy based on android smart phone
3
CANTIDAD:
37 44 19 44 12 17 20 12 17 13 7 26 8 12 27 10 8 42 28 8 22
28
TEMÁTICA
FORMULACIÓN DEL PROBLEMA
Teoría de grafos 25
50
40
20
Información 30
Minimizar costos
geografica 20
10 15
0
10
Técnicas de Consideración de la
clusterización demanda
5
Optimización en la 0
planeación de la red de Ubicación óptima de Creación de los Enrutamiento de la Pérdidas
distribución eléctrica los elementos circuitos secundarios red primaria
29