UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

“IMPLEMENTACIÓN DE UN ALGORITMO GENÉTICO PARA OPTIMIZAR EL

PLAN DE EXPANSIÓN DE TRANSMISIÓN EN EL SISTEMA ELECTRODUNAS,
2023”

PLAN DE TESIS

ELABORADO POR:
Chavez Cossio Raul Lorenzo
CÓDIGO ORCID: 0009-0004-5937-8451

ASESORA:
Dra. Negrón Martínez Consuelo Carmen
CÓDIGO ORCID: 0000-0001-6911-8101

LINEA DE INVESTIGACION:
Optimización en sistemas de potencia

LIMA – PERÚ
2023
 IMPLEMENTACIÓN DE UN ALGORITMO GENÉTICO PARA
OPTIMIZAR EL PLAN DE EXPANSIÓN DE TRANSMISIÓN EN
EL SISTEMA ELECTRODUNAS, 2023

Tabla de contenidos

CARATULA
RESUMEN
PALABRAS CLAVE
ABSTRACT
KEY WORDS
Tabla de contenidos...............................................................................................3
Lista de figuras........................................................................................................5
Lista de tablas.........................................................................................................5
Resumen..................................................................................................................6
CAPITULO I INTRODUCCIÓN.................................................................................7
CAPITULO II PROBLEMA DE PLANEAMIENTO DE LA EXPANSIÓN DE
SISTEMAS DE TRANSMISIÓN ELÉCTRICA..........................................................9
2.1 Descripción de la realidad problemática........................................................9
2.2 Justificación e importancia...........................................................................11
2.3 Objetivo general...........................................................................................12
2.4 Objetivos específicos...................................................................................12
2.5 Alcances y limitaciones................................................................................13
CAPITULO III..........................................................................................................15
MARCO TEORICO DEL PLANEAMIENTO DE LA EXPANSIÓN DE
TRANSMISIÓN 15
3.1 Antecedentes...............................................................................................15
3.1.1 Antecedentes nacionales.............................................................................15
3.1.2 Antecedentes internacionales......................................................................17
3.2 Bases teóricas..............................................................................................18
3.3 Bases teórico - conceptuales.......................................................................18
3.4 Diseño de la investigación...........................................................................18
3.5 Descripción de los pasos de diseño del modelo..........................................18
3.5.1 Diseño………...............................................................................................18
3.5.2 Simulación....................................................................................................18
3.5.3 Pruebas de funcionamiento.........................................................................18
3.5.4 Toma de datos.............................................................................................19
CAPITULO IV.........................................................................................................20
METODOLOGÍA DE SOLUCIÓN 20
4.1 Enfoque de la investigación.........................................................................20
4.2 Tipo y nivel de investigación........................................................................20
4.3 Matriz de operacionalización de variables...................................................20
4.4 Análisis de los datos obtenidos....................................................................20
4.5 Hipótesis general y especificas....................................................................20
CAPITULO V..........................................................................................................21
SOLUCIÓN DEL DISEÑO 21
5.1 Sistema Garver............................................................................................21
5.2 Aplicación de metodología propuesta..........................................................21
CAPITULO VI.........................................................................................................22
DISCUSIÓN DE LOS RESULTADOS 22
CAPITULO VII........................................................................................................23
CONCLUSIONES Y RECOMENDACIONES 23
REFERENCIAS BIBLIOGRÁFICAS 24
ANEXOS 25
Lista de figuras

Lista de tablas
 Resumen

El presente estudio aborda el problema del planeamiento óptimo de la expansión de

transmisión en el sistema ELECTRODUNAS. El objetivo principal es encontrar un plan de
expansión eficiente y rentable que satisfaga las necesidades futuras de este sistema
eléctrico en constante crecimiento.

Se realiza una exhaustiva revisión bibliográfica para comprender los distintos modelos
propuestos en la literatura para el problema de planeamiento de expansión. Se analizan
las metodologías y enfoques utilizados en investigaciones previas, con el objetivo de
comprender el problema del problema de planeamiento de expansión. Esto permite
contextualizar la contribución de esta investigación y resaltar su enfoque particular en el
sistema ELECTRODUNAS. Posteriormente, se presenta un marco teórico que engloba
los diferentes modelos matemáticos existentes, describiendo las variables, restricciones y
objetivos, y discutiendo las ventajas y desafíos asociados a cada enfoque.

Para validar la efectividad del algoritmo genético propuesto, se lleva a cabo una
validación en sistemas de prueba de 6 y 24 barras ampliamente utilizados en la literatura.
Los resultados obtenidos demuestran la capacidad del algoritmo para generar planes de
expansión eficientes y rentables.

Finalmente, se aplica el algoritmo genético al sistema ELECTRODUNAS,

considerando sus características específicas. Se evalúa el plan de expansión resultante
en términos de capacidad de transmisión mejorada, costos de inversión y otras métricas
relevantes. Los resultados obtenidos en el sistema ELECTRODUNAS validan la eficacia
del algoritmo y su capacidad para abordar problemas de planeamiento de expansión de
transmisión en sistemas eléctricos reales.

Esta investigación contribuye al campo del planeamiento de expansión de transmisión

al proponer un enfoque basado en algoritmos genéticos y validar su aplicabilidad en el
sistema ELECTRODUNAS. Los hallazgos y recomendaciones de este estudio pueden
servir como base para futuras investigaciones y decisiones estratégicas en el ámbito de
la expansión de redes eléctricas.

Palabras clave: Algoritmo genético, plan de expansión de transmisión, optimización,

pérdidas en líneas de transmisión y calidad de energía.
CAPITULO I INTRODUCCIÓ
N

En un mundo cada vez más dependiente de la energía eléctrica, la planificación y

optimización del sistema de transmisión se vuelven aspectos fundamentales para
garantizar un suministro confiable y eficiente. El crecimiento constante de la demanda de
energía impone desafíos significativos a las empresas encargadas de la operación y
expansión de los sistemas de transmisión. En este contexto, la implementación de
algoritmos genéticos ha surgido como una herramienta prometedora para abordar la
complejidad de la toma de decisiones en el diseño y expansión de la infraestructura de
transmisión.

El presente trabajo de tesis tiene como objetivo principal la implementación de un

algoritmo genético para optimizar el plan de expansión de transmisión en el Sistema
ELECTRODUNAS, perteneciente al área de demanda 8 del Perú, que abarca los
sistemas de Chincha, Pisco, Ica y Nazca. La región de ELECTRODUNAS, caracterizada
por su importancia económica y social, se enfrenta a un crecimiento pronunciado de la
demanda de energía eléctrica, lo que genera la necesidad de una planificación
estratégica y eficiente de su infraestructura de transmisión.

En este contexto, uno de los principales desafíos a abordar es la minimización de las

pérdidas en las líneas de transmisión, las cuales se agravan con el aumento de la
demanda y pueden tener implicaciones económicas significativas para la empresa
operadora. Mediante la aplicación de un algoritmo genético, se busca seleccionar las
líneas óptimas que minimicen estas pérdidas y, a su vez, maximicen la eficiencia del
sistema de transmisión.

A lo largo de este estudio, se llevará a cabo un análisis exhaustivo, respaldado por

datos precisos y técnicas avanzadas de optimización, con el fin de proporcionar
recomendaciones y soluciones viables para mejorar el plan de expansión de transmisión
en el Sistema ELECTRODUNAS. Se espera que los resultados de esta investigación
contribuyan al desarrollo de estrategias eficientes y sostenibles para la planificación y
operación de sistemas de transmisión en regiones con demanda creciente.
 En resumen, este trabajo de tesis se enfoca en la implementación de un algoritmo
genético para optimizar el plan de expansión de transmisión en el Sistema
ELECTRODUNAS, abordando los desafíos asociados al crecimiento de la demanda y las
pérdidas en las líneas de transmisión. A través de este estudio, se busca ofrecer
soluciones que impulsen la eficiencia y la confiabilidad del suministro eléctrico en la
región, alineándose con los objetivos de desarrollo energético sostenible.
CAPITULO II PROBLEM
A DE PLANEAMIENTO DE LA EXPANSIÓN DE SISTEMAS DE TRANSMISIÓN
ELÉCTRICA

II.1 Descripción de la realidad problemática

Descripción del contexto en la empresa

De acuerdo con la actualización del Plan de Transmisión 2023 – 2032 (), la demanda
a nivel nacional se incrementaría, según el escenario base, en un xxxx partiendo de xxxx
en el año 2022 y llegando hasta los xxxx en el año 2032. En particular, para el caso del
área de demanda 8, la demanda de potencia va de xxxx a xxxx en el mismo intervalo de
tiempo. Este incremento de demanda genera la necesidad de nuevas instalaciones como
líneas de transmisión y compensación reactiva que aseguren reducir las pérdidas y llevar
una mejor calidad de energía en los puntos de carga respectivamente. Estos puntos de
carga pertenecientes al área de demanda 8 abarcan los sistemas de Chincha, Pisco, Ica
y Nazca los cuales son alimentados por las redes de transmisión y distribución de la
empresa ELECTRODUNAS.

Proyección de la demanda eléctrica (MW) enel

Área de Demanda 8
1200

1000
R² = 0.949105952245316
800
Demanda (MW)

600

400

200

0
2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032
Año
 Optimización del planeamiento de la expansión de transmisión

En este sentido, las empresas propietarias de las redes de eléctricas encargadas de

suministrar energía a las distintas ciudades del país se enfrentan al problema de
planeamiento de expansión de transmisión. Este problema de decisión implica determinar
dónde y cuándo construir las nuevas líneas de transmisión para hacer frente a la
creciente demanda del sistema. Sin embargo, la construcción de estas líneas conlleva
costos de inversión significativos para las empresas de transmisión. Por lo tanto, es
importante que se lleve a cabo un plan de expansión de transmisión óptimo, que
garantice la mejora de las condiciones operativas del sistema al menor costo posible.

Aspecto económico

Con relación al aspecto económico, es fundamental abordar los factores que influyen
en el planeamiento de la expansión de transmisión. Entre estos factores se encuentran
los costos de inversión y el costo de las pérdidas de potencia en las líneas de
transmisión. Estos costos representan un problema fundamental para el planeamiento de
la expansión de transmisión debido a que el objetivo principal es minimizar dichos costos.
En este sentido, el algoritmo genético propuesto en esta tesis, en su modelo matemático,
tiene como función objetivo minimizar los costos de inversión y operativos.

Minimizar la congestión

Por otro lado, la eficiencia en la operación del sistema de transmisión es un objetivo

primordial. Sin embargo, la congestión en las líneas de transmisión representa un desafío
significativo. Esta problemática se traduce en líneas sobrecargadas, subestaciones
operando en su capacidad máxima e interrupciones en el suministro eléctrico. Para
garantizar un funcionamiento fluido y confiable del sistema, es necesario abordar y
resolver este problema de congestión de manera efectiva. Por ello, la metodología
propuesta busca encontrar de forma óptima las líneas que ayudaran a disminuir las
sobrecargas y así reducir los cortes de carga.

Calidad de energía

Otro de los problemas ocasionados por el aumento de la demanda son las bajas
tensiones en las barras de suministro. Esto representa un problema de calidad de
energía. Según indica la Norma Técnica de Calidad de los Servicios Eléctricos () las
tolerancias de los puntos de entrega de energía, en todas las etapas y en todos los
niveles de tensión, es de hasta el ±5.0% de las tensiones nominales de tales puntos. Por
lo tanto, garantizar un nivel adecuado de tensión en los puntos de carga se convierte en
otro reto fundamental a abordar dentro del problema del PET.

II.1.1 Diagrama de Ishikawa

 MATRIZ DE OPERACIONALIZACION DE VARIABLES

II.2 Pregunta de investigación general

¿De qué manera la implementación de un algoritmo genético optimiza el Plan de

Expansión de Transmisión en el sistema ELECTRODUNAS?

II.3 Preguntas de investigación especificas

¿De qué manera la implementación de un algoritmo genético permitirá mejorar el

aspecto económico en el sistema ELECTRODUNAS?

¿De qué manera la implementación de un algoritmo genético minimiza la congestión

en el sistema ELECTRODUNAS?

¿De qué manera la implementación de un algoritmo genético mejora la calidad de

energía en el sistema ELECTRODUNAS?

II.4 Justificación e importancia

En el contexto actual, caracterizado por el crecimiento constante de la demanda de

energía eléctrica y los desafíos asociados a la calidad y eficiencia del suministro, es
crucial abordar de manera efectiva la planificación y optimización del sistema de
transmisión. El estudio y la implementación de algoritmos genéticos en este campo
representan una oportunidad prometedora para mejorar la toma de decisiones y lograr
resultados más eficientes y sostenibles.

Justificación técnica

La optimización en el planeamiento de la expansión de transmisión en sistemas de

potencia es de vital importancia desde el punto de vista técnico. Mediante la
implementación de un algoritmo genético, se busca minimizar el costo de inversión de las
nuevas líneas, mejorar la capacidad de transmisión y reducir las pérdidas de energía en
el sistema eléctrico de ELECTRODUNAS. Esta optimización se lleva acabo mediante un
algoritmo metaheurístico llamado: algoritmo genético. La ventaja de este algoritmo es que
se adapta fácilmente al problema del planeamiento de expansión de transmisión, además
encuentra soluciones de calidad en sistemas medianos y grandes como el sistema de
ELECTRODUNAS.

Justificación social

El impacto de un sistema eléctrico eficiente y confiable se extiende a nivel social. Una

mejora en el planeamiento de la expansión de transmisión en ELECTRODUNAS se
traducirá en una mayor disponibilidad de energía eléctrica, beneficiando a los usuarios
finales, las empresas y la comunidad en general. Un suministro de energía confiable es
fundamental para el desarrollo económico y social de la región, promoviendo la calidad
de vida de los habitantes, el crecimiento de las actividades comerciales y la atracción de
inversiones.

Justificación ambiental

La optimización en el planeamiento de la expansión de transmisión también tiene un

impacto significativo desde la perspectiva ambiental. Al reducir las pérdidas de energía en
las líneas de transmisión, se minimiza el consumo innecesario de recursos naturales y se
disminuye la emisión de gases de efecto invernadero. Además, al mejorar la eficiencia del
sistema, se evita la necesidad de construir nuevas infraestructuras que podrían tener un
impacto ambiental negativo. Esta tesis contribuirá a un uso más sostenible de los
recursos energéticos y a la reducción de la huella de carbono en la región de
ELECTRODUNAS.
II.5 Objetivo general

Implementar un algoritmo genético para optimizar el Plan de Expansión de

Transmisión en el sistema ELECTRODUNAS.

II.6 Objetivos específicos

Los objetivos específicos son:

 Implementar un algoritmo genético para mejorar el aspecto económico en el

sistema ELECTRODUNAS.

 Implementar un algoritmo genético para minimizar la congestión en el sistema

ELECTRODUNAS.

 Implementar un algoritmo genético para mejorar la calidad de energía en el

sistema ELECTRODUNAS.

II.7 Alcances y limitaciones

El estudio de caso se centrará en el sistema eléctrico del Área de Demanda 8,

excluyendo específicamente el subsistema Bella Unión - Chala, a pesar de que también
forma parte de la misma área de demanda. Es importante destacar que la empresa
responsable de las instalaciones en ese subsistema no es ELECTRODUNAS. Al delimitar
el alcance del estudio al sistema de ELECTRODUNAS dentro del Área de Demanda 8, se
asegura una focalización precisa en los elementos y variables relacionadas con dicho
sistema, permitiendo un análisis más detallado y orientado a las necesidades y
características específicas de ELECTRODUNAS.

Como resultado de la implementación del algoritmo propuesto en el sistema de

ELECTRODUNAS, se obtendrá una lista detallada de los elementos necesarios para su
operación en cada año del análisis. En el contexto de este estudio, se enfocará
únicamente en las líneas de transmisión y los bancos de compensación reactiva como
elementos considerados para la optimización del sistema. Estos componentes
desempeñan un papel crucial en la mejora de la capacidad de transmisión y el manejo
eficiente de la potencia reactiva, aspectos fundamentales para garantizar un
funcionamiento óptimo y confiable del sistema eléctrico. Al proporcionar una relación
específica de los elementos requeridos, este enfoque permitirá una planificación efectiva
y una toma de decisiones informada para la expansión de la transmisión en
ELECTRODUNAS.
 En relación al método de optimización propuesto, se ha seleccionado el uso de un
enfoque metaheurístico conocido como algoritmo genético. Este método ofrece la
capacidad de explorar un amplio espacio de soluciones y encontrar resultados óptimos o
cercanos a ellos. En este estudio, el algoritmo genético se ha implementado utilizando el
entorno de programación MATLAB, junto con la herramienta MATPOWER, que facilita el
cálculo y análisis de los flujos de potencia en el sistema eléctrico. Esta combinación de
herramientas y técnicas permite abordar de manera eficiente la complejidad y las
restricciones propias del planeamiento de la expansión de transmisión en
ELECTRODUNAS, brindando resultados confiables y promoviendo la toma de decisiones
fundamentadas en la optimización del sistema.

El enfoque adoptado en este estudio es el modelo AC del planeamiento de la

expansión de transmisión, reconocido por su exhaustividad y su capacidad para reflejar
de manera precisa la realidad del sistema eléctrico. Al utilizar este modelo matemático, se
tiene en cuenta una amplia gama de variables y aspectos técnicos que influyen en el
funcionamiento de la red de transmisión. Esto permite obtener resultados más precisos y
confiables en comparación con otros modelos simplificados o aproximaciones más
generales. En consecuencia, el modelo AC se considera la opción más adecuada para
abordar la complejidad y los desafíos específicos asociados al planeamiento de la
expansión de transmisión en ELECTRODUNAS.

En esta tesis, se ha decidido no considerar ciertas restricciones adicionales, como las

relacionadas con incertidumbres, seguridad y costos de generación eléctrica. La
implementación de estas restricciones se considera un trabajo futuro, ya que requiere
métodos específicos, como múltiples corridas del programa de optimización o la inclusión
de escenarios en el modelo. Además, la inclusión de restricciones de seguridad, como el
análisis de contingencias N-1, ha sido descartada debido a la complejidad y la falta de
representación adecuada de los elementos de maniobra en la red. En sistemas reales,
existen respaldos y maniobras operativas que hacen innecesaria una inversión adicional
en redundancia de circuitos específicos. En resumen, estas restricciones adicionales no
serán abordadas en esta tesis debido a consideraciones de alcance y viabilidad, dejando
su estudio para futuras investigaciones.
 CAPITULO III

MARCO TEORICO DEL PLANEAMIENTO DE LA EXPANSIÓN DE TRANSMISIÓN

En el presente capítulo, se abordarán dos aspectos fundamentales para el desarrollo

de la investigación: los antecedentes de investigación en el campo del planeamiento de la
expansión de transmisión y las bases teóricas que sustentan el estudio. Los
antecedentes seleccionados están estrechamente vinculados al problema objeto de esta
tesis, y cada uno de ellos proporciona aportes significativos en términos de conocimientos
y metodologías aplicadas. Estos antecedentes son fundamentales para contextualizar y
enriquecer el desarrollo de la presente investigación, permitiendo identificar los avances
previos en el área y las soluciones propuestas. Por otro lado, las bases teóricas
constituyen un componente clave para comprender en profundidad el tema del
planeamiento de la expansión de transmisión. A través de la revisión de conceptos,
teorías y principios fundamentales en este campo, se busca establecer una sólida base
de conocimiento que respalde y oriente el desarrollo del modelo y la metodología
propuesta en esta tesis.

III.1 Antecedentes

Texto…

III.1.1 Antecedentes nacionales

En su tesis "Expansión del sistema de transmisión eléctrico nacional utilizando

algoritmos genéticos" (Rodriguez, 2008), presentada para obtener el título profesional de
ingeniero electricista en la Universidad Nacional de Ingeniería, el autor tiene como
objetivo principal contribuir al desarrollo de metodologías orientadas al planeamiento del
sistema eléctrico de transmisión y su implementación computacional en sistemas
eléctricos de potencia reales, como el Sistema Eléctrico Interconectado Nacional (SEIN).
Con el fin de alcanzar este objetivo, el autor plantea los siguientes objetivos específicos:
implementar un algoritmo genético para viabilizar la metodología propuesta, desarrollar
las herramientas de análisis, como el flujo de potencia lineal y no lineal, y aplicar la
metodología a sistemas de prueba para validar el algoritmo. Para modelar el SEIN, el
autor utiliza los datos recopilados de la base de datos del programa PERSEO y emplea el
modelo matemático DC del TEP para reducir el esfuerzo computacional, dado el tamaño
del sistema. Al aplicar el algoritmo genético al modelo simplificado del SEIN, se obtiene
una convergencia en el costo de inversión de aproximadamente U$ 128×10^6, lo que
demuestra que el algoritmo genético alcanza un óptimo local y puede ser una solución
viable para el planeamiento. En conclusión, el autor afirma que la metodología propuesta
es adecuada para abordar el TEP en el SEIN.

En su tesis titulada "Metodología para el planeamiento del sistema de transmisión con

ubicación óptima de dispositivos FACTS" (Gonzales, 2011), presentada para obtener el
título de maestría en la Universidad Nacional de Ingeniería, el autor se propone estudiar
las formas de expansión de los sistemas de transmisión y las técnicas existentes de
ubicación óptima de dispositivos FACTS. Los objetivos específicos planteados son
proponer una metodología para resolver el planeamiento de expansión de transmisión
que incluya la ubicación óptima de FACTS y demostrar la validez de la metodología
propuesta aplicando el algoritmo en el SEIN. Los datos del SEIN se obtienen de la
proyección de demanda realizada por OSENERGMIN. La metodología propuesta por el
autor se divide en dos etapas. En la primera etapa, se mejora la condición de la red
mediante la ubicación óptima de los equipos FACTS para mejorar las tensiones en las
barras utilizando un algoritmo genético. En la segunda etapa, se resuelve el problema del
planeamiento de la expansión de transmisión mediante otro algoritmo genético. Los
resultados obtenidos demuestran que gracias a la primera etapa de ubicación óptima de
capacitores, no es necesario construir nuevas líneas, lo que resulta en un menor costo de
inversión. En conclusión, el autor destaca la importancia de la primera etapa en la
reducción del costo de inversión en comparación con la omisión de esta etapa.

En su tesis titulada "Modelo multietapa para el planeamiento óptimo de la expansión

de redes de subtransmisión considerando reconfiguración y pérdidas técnicas: Caso
Lima" (Félix, 2018), presentada para obtener el grado de maestría en la Universidad
Nacional de Ingeniería, el autor se propone desarrollar un modelo matemático de
optimización que mejore el planeamiento de la expansión en un sistema real
considerando las pérdidas técnicas y la reconfiguración de redes. Los objetivos
específicos planteados son implementar computacionalmente modelos matemáticos de
optimización para resolver el problema del TEP, validar el modelo matemático en
sistemas de prueba y aplicar el modelo matemático propuesto al sistema eléctrico de
Lima. Los datos del sistema de Lima se obtienen de la base de datos de Digsilent y de la
proyección de la demanda realizada por OSINERGMIN. Para valorizar el costo de
inversión de las líneas candidatas, se utilizan los formatos 300 de OSINERGMIN. La
metodología propuesta consiste en linealizar el modelo AC del TEP, teniendo en cuenta
las pérdidas de potencia activa y la repotenciación de las líneas. Al aplicar este modelo
matemático al sistema eléctrico de Lima, se obtiene un costo total de inversión de
127.376 × 10^6 US$. A partir de estos resultados, se concluye que el modelo matemático
es viable para sistemas reales y presenta la ventaja de ser flexible al asemejarse a los
modelos reales.

III.1.2 Antecedentes internacionales

En su tesis doctoral titulada "Planificación estática de la red eléctrica de transporte

mediante algoritmos genéticos" de la Universidad de Oviedo, (Sánchez, 2014) se propone
aplicar un algoritmo genético al modelo estático de la red eléctrica de 400 kV de España.
El objetivo principal de esta investigación es desarrollar un algoritmo eficiente que
resuelva el problema del planeamiento de la expansión de transmisión, considerando la
proyección de la demanda a largo plazo. Además, se busca estudiar el comportamiento
del algoritmo en diferentes sistemas, así como reducir el esfuerzo computacional
requerido. La metodología propuesta se enfoca en abordar el problema de la expansión
de transmisión en su forma estática, considerando la demanda futura. Se realizan
múltiples pruebas aplicando el algoritmo genético en distintos escenarios de generación y
con diferentes variables, como la inclusión o exclusión de las pérdidas y la adición de
algoritmos heurísticos constructivos. A partir de los resultados obtenidos, se concluye que
el algoritmo es válido para sistemas pequeños y medianos, aunque para sistemas
grandes como el español se requiere un mayor esfuerzo computacional.

En su artículo titulado "Transmission Expansion Planning Systems Using Algorithm

Genetic with Multi Objective Criterion", (JIMÉNEZ, GUARDADO, CABRERA,
RODRÍGUEZ, & FIGUEROA, 2017) presentan un algoritmo genético modificado que
busca optimizar el plan de expansión de transmisión en sistemas de prueba,
considerando las pérdidas en las líneas y las tensiones en las barras. Mediante la
formulación de una función multiobjetivo, con tres objetivos principales: minimizar el costo
de inversión, reducir las pérdidas en las líneas y mejorar los niveles de tensión en las
barras, se logra obtener un plan de expansión de transmisión más robusto y confiable.
Los resultados obtenidos muestran valores de costo de inversión similares a los
encontrados en otros estudios, pero con la ventaja de considerar la minimización de
pérdidas y el control del voltaje. Estos hallazgos indican que el algoritmo genético
propuesto puede generar soluciones de alta calidad, al mismo tiempo que se minimizan
los costos de operación y se mejora la calidad de las tensiones.

En el artículo titulado "High-performance hybrid genetic algorithm to solve

transmission network expansion planning" (GALLEGO, GARCÉS, RAHMANI, &
ROMERO, 2017) del Instituto de Ingeniería y Tecnología, los autores se proponen
desarrollar un algoritmo genético altamente eficiente para resolver el planeamiento de la
expansión de transmisión, logrando ahorros significativos en esfuerzo computacional y
obteniendo soluciones de alta calidad. Para lograrlo, implementan tres etapas nuevas en
el algoritmo genético. En la primera etapa, aplican una heurística simple para obtener
soluciones iniciales de buena calidad. En la segunda etapa, mejoran la función de
factibilidad de los individuos de la población. Por último, en la tercera etapa, implementan
una técnica llamada "Path Relinking", que evita la caída en óptimos locales. Esta
metodología se aplica al sistema colombiano de 93 barras, obteniendo resultados que
demuestran una convergencia más rápida en comparación con el algoritmo genético
tradicional. En conclusión, los autores afirman que este algoritmo es altamente eficiente
en comparación con el algoritmo genético tradicional.

III.2 Bases teóricas

Texto…

III.3 Bases teórico - conceptuales

Texto…

III.4 Diseño de la investigación

Texto…

III.5 Descripción de los pasos de diseño del modelo

Texto…

III.5.1 Diseño

Texto…
 III.5.2 Simulación

Texto…

III.5.3 Pruebas de funcionamiento

Texto…

III.5.4 Toma de datos

Texto…
 CAPITULO IV

METODOLOGÍA DE SOLUCIÓN

Texto…

IV.1 Enfoque de la investigación

Texto…

IV.2 Tipo y nivel de investigación

Texto…

IV.3 Matriz de operacionalización de variables

Texto…

IV.4 Análisis de los datos obtenidos

Texto…

IV.5 Hipótesis general y especificas

Texto…
 CAPITULO V

CRONOGRAMA DE ACTIVIDADES

Texto…

V.1 Sistema Garver

Texto…

V.2 Aplicación de metodología propuesta

Texto…
CAPITULO VI

PRESUPUESTO
 CAPITULO VII

CONCLUSIONES Y RECOMENDACIONES

CONCLUSIONES:

1. Conclusión 1

2. Conclusión 2

RECOMENDACIONES:

1. Recomendación 1

2. Recomendación 2
 REFERENCIAS BIBLIOGRÁFICAS

Félix, R. (2018). Modelo multietapa para el planeamiento óptimo de la expansión de

redes de subtransmisión considerando reconfiguración y pérdidas técnicas: caso
Lima sur [Tesis de maestría, Universidad Nacional de Ingeniería]. Repositorio
institucional. Obtenido de http://hdl.handle.net/20.500.14076/17037

Gonzales, F. (2011). Metodología para el planeamiento del sistema de transmisión con

ubicación óptima de dispositivos FACTS [Tesis de maestría, Universidad Nacional
de Ingeniería]. Repositorio institucional. Obtenido de
http://hdl.handle.net/20.500.14076/2670

JIMÉNEZ, J., GUARDADO, J., CABRERA, N., RODRÍGUEZ, J., & FIGUEROA, F. (1 de
Marzo de 2017). Transmission expansion planning systems using algorithm
genetic with multi-objective criterion. IEEE Latin America Transactions, 15(3), 6.
doi:10.1109/TLA.2017.7867609

Peñaherrera, A. (2015). Planeamiento de la expansión de los sistemas eléctricos de

transmisión utilizando el modelo AC resuelto mediante algoritmos evolutivos
[Tesis de maestría, Universidad de Cuenca]. Repositorio institucional. Obtenido de
http://dspace.ucuenca.edu.ec/handle/123456789/23198

Rodriguez, J. (2008). Expansión del sistema de transmisión eléctrico nacional utilizando

algoritmos genéticos [Tesis de pregrado, Universidad Nacional de Ingeniería].
Repositorio institucional. Obtenido de http://hdl.handle.net/20.500.14076/179

Sánchez, J. (2014). Planificación estática de la red eléctrica de transporte mediante

algoritmos genéticos [Tesis doctoral, Universidad de Oviedo]. Repositorio
institucional. Obtenido de http://hdl.handle.net/10651/25577
 ANEXOS

COMPLETAR LA MATRIZ DE CONSISTENCIA

ANEXO 1: Matriz de consistencia

Implementación de un algoritmo genético para optimizar el Plan de Expansión de Transmisión

en el Sistema ELECTRODUNAS, 2023
Autor: Raul Lorenzo Chavez Cossio
Problema Principal Objetivo Principal Hipótesis Principal Definiciones
conceptuales
¿De qué manera la Implementar un La implementación de Algoritmo genético
implementación de un algoritmo genético un algoritmo genético Plan de expansión de
algoritmo genético para optimizar el optimizará transmisión
optimiza el Plan de Plan de Expansión significativamente el
Expansión de de Transmisión en Plan de Expansión de
Transmisión en el el sistema Transmisión del
sistema ELECTRODUNAS, sistema
ELECTRODUNAS, Lima, 2023 ELLECTRODUNAS,
Lima, 2023? Lima, 2023
Problema específico 1 Objetivo específico 1 Hipótesis especifica 1
¿De qué manera la Implementar un La implementación de líneas de transmisión
implementación de un algoritmo genético un algoritmo genético Expansión de líneas
algoritmo genético para mejorar el permitirá mejorar el de transmisión.
permitirá mejorar el aspecto económico aspecto económico en
aspecto económico en en el sistema el sistema
el sistema ELECTRODUNAS, ELECTRODUNAS,
ELECTRODUNAS, Lima, 2023 Lima, 2023
Lima, 2023?
Problema específico 2 Objetivo específico 2 Hipótesis especifica 2
¿De qué manera la Implementar un La implementación de Perdidas en las líneas
implementación de un algoritmo genético un algoritmo genético de transmisión.
algoritmo genético para minimizar la minimizará
minimiza la congestión en el significativamente la
congestión en el sistema congestión en el
sistema ELECTRODUNAS, sistema
ELECTRODUNAS, Lima, 2023 ELECTRODUNAS,
Lima, 2023? Lima, 2023
Problema específico 3 Objetivo específico 3 Hipótesis especifica 3
¿De qué manera la Implementar un La implementación de Calidad de la
implementación de un algoritmo genético un algoritmo genético energía.
algoritmo genético para mejorar la mejora
mejora la calidad de calidad de energía significativamente la
energía en el sistema en el sistema calidad de energía en
ELECTRODUNAS, ELECTRODUNAS, el sistema
Lima, 2023? Lima, 2023 ELECTRODUNAS,
Lima, 2023

ANEXO 2: MATRIZ DE OPERACIONALIZACION DE VARIABLES

 Implementación de un algoritmo genético para optimizar el Plan de Expansión de Transmisión
en el Sistema ELECTRODUNAS, 2023
Autor: Raul Lorenzo Chavez Cossio
Variable independiente: Algoritmo Genético Variable dependiente: Plan de expansión de
transmisión
Dimensiones Indicadores Dimensiones Indicadores
Dimensión 1  Tiempo de ejecución Dimensión 1  Reducción de pérdidas
Eficiencia  Convergencia Aspecto por efecto Joule en las
económico líneas de transmisión.
 Costo de inversión de las
líneas de transmisión.
 Costos de operación y
mantenimiento.
Dimensión 2  Costo de inversión Dimensión 2  Reducción de las
Calidad de la  Reducción de Minimizar la sobrecargas en las líneas
solución pérdidas congestión. de transmisión.
 Mejora del factor de
utilización de las líneas
de transmisión.
 Minimiza los cortes de
carga.
Dimensión 3  Estabilidad de la Dimensión 3  Nivel de tensión
Robustez solución Calidad de aceptable en los puntos
 Tolerancia a fallos energía de carga.
 Estabilidad de tensión.
 Aumento de la
confiabilidad.
Dimensión 4  Tamaño máximo del
Escalabilidad sistema
 Tiempo de ejecución