Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
TRANSACCIONES IEEE EN SISTEMAS DE ENERGÍA, VOL. 16, NO. 1 DE FEBRERO DE 2001 111
Abstracto-Este artículo presenta una optimización multiobjetivo y condiciones geográficas del sistema de distribución analizado
metodología, utilizando un algoritmo evolutivo, para averiguar zona). Sin embargo, solo la tecnología clásica de optimización multiobjetivo
la mejor confiabilidad de la red de distribución y al mismo tiempo minimizar los costos de expansión del sistema. Un
niques se utilizaron [11], [12] para obtener un subconjunto de satisfactorios
modelo de optimización de enteros mixtos no lineal, logrando el tamaño y la ubicación óptimosSoluciones
óptimas no dominadas.
de futuros alimentadores (alimentadores de reserva y alimentadores de operación) y Particularmente, en artículos técnicos especializados, muy pocos trabajos
subestaciones, se ha utilizado. La metodología propuesta ha sidohan estudiado la optimización de la confiabilidad de la red simultáneamente
Probado intensamente para sistemas de distribución con dimensiones que son netamente con la minimización de la red económica
significativamente más grandes que los que se encuentran con frecuencia en los artículos costos de expansión para la expansión óptima multiobjetivo de
sobre este tema. Además, esta metodología es general, ya que es
objetivos sistemas de distribución. Por lo tanto, esta expansión óptima ha sido
adecuada para la optimización multiobjetivo de
simultaneamente. El algoritmo puede determinar el conjunto de valores óptimosrealizado, ocasionalmente, por un solo objetivo (monoobjetivo)
soluciones no dominadas, permitiendo al planificador obtener la de una función correspondiente a una combinación lineal de la
ubicaciones y tamaños óptimos de los alimentadores de reserva que logran elcostes económicos y una función de costes de fiabilidad [13], [14].
la mejor confiabilidad del sistema con los costos de expansión más bajos. El modeloSin embargo, la evaluación económica del valor de la confiabilidad es
y el algoritmo se ha aplicado de forma intensiva a sistemas de energía de la vida real, mostrando su potencial de aplicabilidad a grandes distribuciones
una tarea compleja ya menudo subjetiva [15]. En este trabajo, el
redes en la práctica. La metodología presentada, y el tratamiento de la confiabilidad
mediante el uso del concepto de función objetivo, evitan tener que
Términos del Índice-Algoritmos evolutivos, diseño óptimo, sistemas de
distribución de energía.
evaluar valores económicos de confiabilidad.
Los artículos comunes sobre el diseño de distribución óptima no incluyen
ejemplos prácticos de una verdadera optimización multiobjetivo de redes de
YoNTRODUCCIÓN distribución reales de dimensiones significativas (excepto
T
El diseño ÓPTIMO de una distribución de energía eléctrica en [17]), logrando con detalle el conjunto de un sistema multiobjetivo
óptimo, se ha abordado habitualmente como la minimización de soluciones aleatorias [11], [12] (optimización simultánea real
de una única función objetivo (monoobjetivo) que representa la relación de los costes y la fiabilidad).
Los costos económicos de la expansión del sistema global, considerando Este trabajo presenta una nueva aplicación de una evolución
al tamaño y / o localización óptimos de los alimentadores y / o sub-ritmos para el diseño óptimo multiobjetivo de las distribuciones
del sistema de distribución en una sola planificación. etapa o sinistemas que permite optimizar objetivos simultáneamente varias
etapas (multietapa) [1] - [8]. (basado en la optimización de Pareto [11], [12]), como un nuevo multiobjetivo
El diseño óptimo multiobjetivo ha sido abordado por pocos enfoque de planificación. Este algoritmo se ha utilizado para
autores que muestran ejemplos de aplicación al sistema de distribución diseño óptimo objetivo de sistemas de distribución que presentan signos
tems. En trabajos anteriores [9], [10] varias multiobjecn óptimas - dimensiones y complejidad de optimización significativamente mayores que
Se probaron y validaron intensamente modelos de planificación productiva en la mayoría de las redes que se encuentran con frecuencia en los artículos especializados.
experimentos informáticos para la planificación de múltiples etapas bajo un comsobre el diseño óptimo del sistema de distribución. Además, el nuevo algoritmo
metodología completamente dinámica [4] y un onriethm pseudodinámico utiliza un alfabeto no binario, lo que permite una mayor flexibilidad
[1], [5], optimizando simultáneamente varios objetivos (distribu-bilidad y para tener en cuenta fácilmente algunos aspectos relevantes costos
económicos globales del sistema, confiabilidad del sistema, voltagoef el diseño como, por ejemplo, varios tamaños de alimentadores y di-
perfil, valores estéticos asociados al sistema de distribución, tamaños de subestaciones rse. Sin embargo, el algoritmo evolutivo de
este trabajo obtiene los alimentadores de reserva óptimos (alimentadores que son
normalmente no opera excepto por fallas en la red de distribución
Manuscrito recibido el 13 de noviembre de 1998; revisado el 12 de julio de 1999. Este wow rkork en un estado operativo radial) que logran la mejor red
contó con el apoyo de IBERDROLA “Ayudas a la Investigación Científica yarleliabilidad con los costos económicos más bajos para una sola etapa y
Desarrollo Tecnológico ”Programa patrocinado por la empresa eléctrica española.metro
Eso diseños óptimos de última etapa, en este último caso bajo la pseudo-
también contó con el apoyo del “Ministerio de Ciencia y Tecnología” y el “Ministerio de
Asuntos Exteriores” y “Acciones Integradas Hispano-Portuguesas” PrograDmetro y.metodología námica [1] - [5]. Además, un nuevo operador ha
IJ Ramírez-Rosado es del Departamento de Ingeniería Eléctrica, UnBI-aplicados en el algoritmo evolutivo, así como en el funcionamiento
versidad de La Rioja, España. de un artículo anterior [18], lo que lleva a lograr una curva de
JL Bernal-Agustín trabaja en el Departamento de Ingeniería Eléctrica de la
Universidad de Zaragoza, España. soluciones multiobjetivo no dominadas. Por último, el modelo y
Identificador de artículo del editor S 0885-8950 (01) 03205-9. el algoritmo evolutivo se han aplicado de forma intensiva a
dónde
conjunto de rutas "ficticias" (alimentadores
ficticios) que conectan los nodos de la red con la
subestación ficticia.
flujo de potencia, en kVA, transportado a
través de la ruta ficticia, que se calcula para un
posible falla de un alimentador existente
(generalmente en funcionamiento) en la ruta. En
En este caso, se utilizan alimentadores de reserva para suplir las
demandas de potencia.
Flujo de potencia, en kVA, transportado a
través de la ruta ficticia, que se calcula
por una posible falla de un alimentador futuro
(alimentador propuesto inicialmente, que se
construye en una solución dada), en la ruta con un
tamaño del alimentador, considerando los alimentadores de reserva, como
se mencionó anteriormente.
Fig. 1. Representación de alimentadores ficticios y la subestación ficticia.
son constantes obtenidas de otras constantes de
confiabilidad adecuadas en la red de distribución, incluidos
Se ha supuesto que el sistema de distribución se puede automatizar por varios parámetros relacionados con la confiabilidad, como
completo. Alimentadores de “reserva” adicionales se conectan a la red de las tasas de falla y las tasas de reparación de los
distribución cuando aparece una falla de alimentador en los alimentadores de distribución, así como la longitud de los
alimentadores reales en operación de dicha red. La subestación que se alimentadores correspondientes en las rutas
encuentra en el nodo número 11 no pertenece realmente a la o.
la red. Se trata de una subestación "ficticia" que se conecta, utilizando La minimización simultánea de las dos funciones objetivo, los
alimentadores "ficticios", a la demanda y el transbordo nodteiosns está sujeto a limitaciones técnicas [16], que son:
(nodos de red) para calcular los valores. Además- a) Las restricciones de la ley actual de Kirchhoff para todos los nodos
Además, los alimentadores “ficticios” no son alimentadores reales sino útiles de la red de distribución.
para evaluar la función objetivo, correspondiente b) Las limitaciones de capacidad para los alimentadores (y para los
a fallos sucesivos de un solo alimentador de los alimentadores reales. Por lo tanto, estaciones), que limitan la potencia que puede transportar el
Los fallos de primer orden se emulan aproximadamente mediante la aplicación de estos alimentadores.
método, con el fin de llevar a cabo el diseño óptimo multiobjetivo. c) Las restricciones de caída de voltaje, que limitan el voltaje en
Por lo tanto, la energía eléctrica, que no puede ser suministrada a los nodos del sistema de distribución a los nodos de mando mínimos
permitidos por los alimentadores actuales y los de “reserva” en dicho valor de voltaje.
eventos de falla, es proporcionado por la subestación "ficticia" usando thT
El modelo de diseño óptimo multiobjetivo presentado tiene
Comentadores “ficticios” mencionados. Comederos más ficticios, que thb
Se ha aplicado a varias redes de distribución reales. También una
Los "necesarios", existen porque de esta manera el algoritmo dom eo
modelo sno-objetivo, que minimiza un solo objetivo
no es necesario "examinar" la red de distribución para determinar (costos), se ha aplicado a tales redes de distribución reales,
el número mínimo de alimentadores ficticios con el fin de suministrar también utilizando las limitaciones técnicas mencionadas anteriormente.
mandos nodos en caso de una sola contingencia (por lo tanto, el algoritmo
necesita menor tiempo de CPU para los cálculos). La cantidad total de flujos
III. OPTIMIZACIÓN TECHNIQUE Y METROULTIOBJETIVO
de energía transportados por los alimentadores "ficticios" para cada uno
OPTIMIZACIÓN
de los fallos de primer orden emulados, y para todos los fallos, se utilizan para obtener el valor. Esta función se
mide en kWhA. Técnica de optimización (algoritmo evolutivo)
y, en este artículo, se denomina función de (función de Se ha utilizado un alfabeto no binario (entero) en lugar de
“Energía esperada no suministrada”), o. Esto describió el alfabeto binario (utilizado con frecuencia en varios procesos evolutivos).
El método también permite representar varios fallos del alimentador (simaullg- oritmos), lo que permite implementar fácilmente la optimización de
forma instantánea, sin aumentar la complejidad de dicho método. d. modelo de este documento, incluidos los aspectos de diseño relevantes que
Las subestaciones no han sido consideradas en el cálculo de woofuld apenas se han considerado con un alfabeto binario.
la función, pero se pueden incluir fácilmente utilizando la evolu- Las posibles soluciones (individuos) obtenidas por el algoritmo
evolutivo que se describe más adelante en este artículo. algoritmos de este trabajo se codifican de la siguiente manera: Por ejemplo,
La función objetivo para el ejemplo multiobjetivo óptimo, una posible solución del signo de la red de distribución
óptima es: el diseño se puede representar mediante un conjunto de dos cadenas,
Todos los nuevos operadores, criterios y métodos de un anterior, durante la evolución de los distintos procesos multiobjetivo, papel [18] se
han utilizado en el nuevo algoritmo de este paptehre resultante curva de movimientos de soluciones no dominadas, im- para el diseño
óptimo multiobjetivo de redes de distribuciónp , recorriendo los valores de las dos funciones objetivo de tales soluciones.
así como un algoritmo simplex especial [20], mucho más rápido que el
El movimiento de la curva se ha observado experimentalmente
uno clásico. midiendo el desplazamiento de un punto llamado "centro de
ideales ". Este punto se ubica en el medio del segmento lineal entre
B. Optimización multiobjetivo las soluciones finales no dominadas de la curva, denominadas
El modelo de este trabajo, se puede utilizar para el multiobjectiv “e soluciones ideales ”(solución ideal de costos y solución ideal de
diseño óptimo de sistemas de distribución considerando n objetiverso, responsabilidad). Cuando el desplazamiento del “centro de
ideales” aunque se ha aplicado para dos funciones objetivas (ecois- menor que un valor pequeño dado durante varios costos nomicos
y confiabilidad sucesivos). Para cada solución de diseño del dim procesos de optimización s-ultiobjetiva, entonces se ha notado
sistema de distribución, los valores de las dos funciones objetivo art comer la curva de soluciones no dominadas prácticamente se detiene y,
representado como se muestra en la Fig. 2, donde el planificador desea, por tanto, los acabados óptimos multiobjetivo completos del diseño.
RAMÍREZ-ROSADO Y BERNAL-AGUSTÍN: FIABILIDAD Y OPTIMIZACIÓN DE COSTOS PARA LA EXPANSIÓN DE REDES DE DISTRIBUCIÓN 115
TABLA I
DISTRIBUCIÓN SSISTEMAS CHARACTERÍSTICAS
TABLA V
PAGERCENTAGE DEVARIACIÓN DE miCONÓMICO COSTS Y DEFEENS
V. CONCLUSIÓN
Las conclusiones se presentan en cuatro apartados: a) Modelo para el
diseño óptimo multiobjetivo de sistemas de distribución de energía.
b) Nuevo algoritmo evolutivo desarrollado para el diseño óptimo.
c) Resultados informáticos. d) Obras futuras.
Fig. 5. Solución del modelo de diseño óptimo multiobjetivo.
a) Un modelo de optimización de pro-
Se ha presentado la programación para el diseño
TABLA IV
COMPUTER RESULTADOS FROM EL OPTIMAL DISTRIBUCIÓN SSISTEMAS
óptimo multiobjetivo de redes de distribución, logrando
DESIGN METROODELES la expansión óptima de un sistema de distribución
existente, para satisfacer sus demandas futuras de
energía proyectadas, determinando el
dimensionamiento y ubicación óptimos de los
alimentadores futuros (alimentadores de reserva y
alimentadores de operación) y subestaciones, y los
refuerzos óptimos de los alimentadores y / o sustitución
de los alimentadores existentes así como el aumento de
tamaño óptimo de las subestaciones existentes. Este
modelo se puede utilizar para optimizar
simultáneamente objetivos y se ha aplicado para la
Así, para todos los casos de diseño óptimos llevados a cabo, la inversión del minimización simultánea de una función objetivo de los
alimentador (alimentadores construidos en operación y alimentadores de reserva verdaderos costos económicos no lineales y una función
construidos) es mayor en la solución de diseño multiobjetivo que en la única. objetivo que representa la confiabilidad de la red de
objetivo uno, lo que conduce a una disminución importante distribución adecuada para un diseño óptimo, sujeto a
de los valores de la función de (), es decir, logra una restricciones matemáticas que reflejan las características
mejora significativa en la confiabilidad del diseño óptimo técnicas. aspectos del diseño.
Redes de distribución firmadas. El valor de la función objetivo de la b) Se ha desarrollado un nuevo algoritmo evolutivo a los costos
económicos globales, para la solución a partir del único objetivo de complementar el modelo mencionado, utilizando un alfabeto entero
118 TRANSACCIONES IEEE EN SISTEMAS DE ENERGÍA, VOL. 16, NO. 1 DE FEBRERO DE 2001
que nos permite considerar aspectos relevantes de la óptima[7] K. Naraet al., "Planificación de la expansión de los sistemas de distribución mediante el
intercambio de sucursales en varias etapas,I"EEE Trans. en Power Syste,metrovsol. 7, no. 1,
diseñar fácilmente, como varios tamaños para los alimentadores y subestaciones, y
págs. 208-214, febrero de 1992.
alimentadores de reserva para mejorar de manera óptima el[8] K. Naraet al., “Algoritmo para la planificación de la expansión en los sistemas de
confiabilidad de la red de distribución. En el algoritmo evolutivo se " EE
distribución teniendo en cuenta las fallas Trans. en Power Syste,metrovsol. 9,
I,mi
no. 1, págs. 324-330, febrero de 1994.
ha aplicado un nuevo operador, denominado operador “filtro”, para
[9] IJ Ramírez-Rosado y RN Adams, “Planificación multiobjetivo del perfil óptimo de
que el planificador limite las inversiones en alimentadores de tensión en el sistema de distribución de energía eléctricaTsh, "e Revista
reserva. Este operador también contribuye a mejorar Internacional de Computación y Matemáticas en Ingeniería Eléctrica y
progresivamente los valores de las dos funciones objetivo de las Electrónica,gramovol. 10, no. 2, págs. 115-128, junio de 1991.
[10] IJ Ramírez-Rosado y C. Alvarez-Bel, “Optimización del diseño de sistemas de
soluciones que constituyen la curva de soluciones no dominadas distribución de energía eléctrica por modo multiobjetivoTlsh,mi " Enterrar-
durante la ejecución de un diseño multiobjetivo completo. Además, Revista Nacional de Computación y Matemáticas en Ingeniería Eléctrica y
el algoritmo evolutivo ha incorporado un nuevo criterio para Electrónica.,gramovol. 13, no. 3, págs. 483–495, septiembre de 1994.
[11] A. Goicoechea, DR Hansen y L. DucksteMETROentu,Análisis de
asignar valores de aptitudes a cada una de las soluciones, con decisiones objetivas con ingeniería y aplicación comercial.ionnortes
valores de aptitud elevados para las soluciones no dominadas. Nueva York: John Wiley and Sons Inc., 1982.
M. Zeleny,Toma de decisiones con múltiples criterios . Nueva York: McGraw-
Criterios de salvaguardia adecuados[12]
Hill, 1982.
teria para las mejores soluciones y criterios de parada adecuados[13] V. Miranda, JV Ranito y LM Proença, “Algoritmos genéticos en la planificación
también se han utilizado durante la ejecución de los sucesivos óptima de redes de distribución multietapaI,mi"EE Trans. en Power System,s
procesos de optimización multiobjetivo y para el diseño de vol. 9, no. 4, págs. 1927-1933, noviembre de 1994.
[14] Y. Tang, "Planificación del sistema de distribución de energía con modelado y
optimización multiobjetivo. optimización de confiabilidad",IEEE Trans. en Power Syste,metrovsol. 11, no. 1, págs.
c) El modelo de programación no lineal de enteros mixtos y el 181-189, febrero de 1996.
algoritmo evolutivo han sido probados intensamente por[15] R. Billinton et al., “Factores que afectan el desarrollo de una función de daños
al cliente residencialI,mi" EE Trans. en Power Syste,metrovsol. 2, no.
computadora, para el diseño óptimo multiobjetivo de 1, págs. 204-209, febrero de 1987.
sistemas de distribución reales que presentan di-[dieciséis] IJ Ramírez-Rosado y JL Bernal-Agustín, “Optimización del diseño de la red
mensiones y complejidad de optimización que las que se muestran de distribución de energía mediante aplicaciones de algoritmos
genéticos”,Revista Internacional de Energía y Sistemas de Energíavo, metro
sl.
con frecuencia para un diseño óptimo en documentos técnicos. 15, no. 3, págs. 104-110, 1995.
Además, desde un punto de vista práctico, el nuevo[17] JL Bernal-Agustín, “Aplicación de algoritmos genéticos al diseño óptimo de
algoritmo evolutivo, el modelo y los resultados de la computadora sistemas de distribución de energía”, Tesis doctoral, Universidad de
Zaragoza, España, 1998.
muestran la importancia de lograr el conjunto de nondom[-18] IJ Ramírez-Rosado y JL Bernal-Agustín, “Algoritmos genéticos aplicados al diseño
soluciones adaptadas, así como su potencial de aplicabilidad, en la de grandes sistemas de distribución de energíaES DECIR s,mi"E Trans. sobre
práctica, para estudios de planificación de grandes redes de distribución. Sistema de poder, svol. 13, no. 2, págs. 696–703, mayo de 1998.
DE Goldberg,Algoritmos genéticos en optimización y aprendizaje
Además, el planificador puede obtener los óptimos[l19] automático. Nueva York: Addison Wesley Publishing Inc., 1989.
ubicaciones y tamaños de los alimentadores de reserva que logran[2mi0] JL De La Fuente O'ConnoT r,écnicas de Cálculo para Sistemas de
la mejor confiabilidad del sistema con los costos de expansión más bajos. Ecuaciones, Programación Lineal y Programación EnterBaarcelona,
Reverté, España, 1997.
d) En este momento, estamos trabajando para incluir nuevas características
en el algoritmo, correspondientes a nuevos modelos para
planificación óptima de la operación (ubicación de los dispositivos de protección y conmutación), y para una
Ignacio J. Ramírez-Rosadorecibió el Ph.D. grado en ingenieria electrica
planificación óptima (fu-de la Universidad de Zaragoza (España), en 1986.
escenarios de crecimiento natural, análisis de riesgo y confiabilidad difusa En 1979 se incorporó a la Universidad de Zaragoza, donde ha sido Catedrático
Titular de Universidad y ha sido Subdirector del Departamento de Ingeniería
modelado).
Eléctrica e Informática. Ha estado involucrado en varios proyectos de investigación
en el área de Sistemas de Energía, principalmente en Planificación de Redes y
REFERENCIAS Predicción de Carga. En 1998 se traslada a la Universidad de La Rioja donde es, en
la actualidad, Catedrático del Departamento de Ingeniería Eléctrica.
[1] DI Solet al., “Subestación de distribución óptima y plan de alimentador primario- Desde septiembre de 1984 a diciembre de 1985, estuvo Visitante Asociado de Investigación
a través de la formulación de la red de carga fijaI,mi"EE Trans. en el poderciate y Fulbright Researcher, en el Departamento de Electricidad y Computación
Aparato y sistema , vsol. PAS-101, no. 3, págs. 602-609, marzo de 1982. Ingeniería de la Universidad de Missouri-Columbia bajo el Programa Fulbright
[2] MA El-Kady, “Planificación asistida por computadora de subestación de distribución y diagrama.
vosl. Sus áreas de interés actuales son la planificación integrada de recursos eléctricos y
alimentadores primarios "IEEE Trans. sobre aparatos eléctricos y sistemas,em
PAS-103, no. 6, págs. 1183-1189, junio de 1984. Aplicaciones de nuevas técnicas computacionales y sistemas inteligentes para
[3] JT Boardman y CC Meckiff, “Sistemas de potencia de formulación de rama y límite.
a problemas de planificación de la distribución de electricidadES DECIR , "EE Trans. en el poder
Aparato y sistema , vsol. PAS-104, no. 8, págs. 2112-2118, agosto de 1985.
[4] T. Gönen e IJ Ramírez-Rosado, “Planificación óptima de múltiples etapas de los
sistemas de distribución de energía,I"EEE Trans. en Power Delive,ryvol. José L. Bernal-Agustínha recibido el Ph.D. grado en ingenieria electrica
PWRD-2, no. 2, pp. 512-519, abril de 1987. de la Universidad de Zaragoza (España), en 1998.
[5] IJ Ramírez-Rosado y T. Gönen, “Planificación pseudodinámica para ex-En 1991 se incorporó a la Universidad de Zaragoza, donde es, en la actualidad, pansión de sistemas
de distribución de energíaES DECIR , "EE Trans. en Power Syste,Sra Profesor Asociado. Ha estado involucrado en algunos proyectos de investigación referidos
vol. 6, no. 1, págs. 245-254, febrero de 1991. Optimización de redes de distribución de energía.
[6] J. Partanen, “Un algoritmo de programación dinámica modificado para dimensionar Sus áreas de interés actuales son las aplicaciones de algoritmos evolutivos en la eleclocación y
sincronización de los refuerzos del alimentadorES DECIR, "EE Trans. en el podersistemas eléctricos tric, diseño de redes de distribución de energía, mercados eléctricos y
Entrega, vol. 5, no. 1, págs. 277-283, enero de 1990. fuentes de energía renovable.