Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ciencias
aplicadas
Artículo
Sobre la formulación matricial del barrido iterativo
Flujo de potencia para distribución radial y mallada
Redes con Garantía de Convergencia
1,2,* 4
Óscar Danilo Montoya , Walter GilGonzález 3 y Diego Armando Giral
1 Facultad de Ingeniería, Universidad Distrital Francisco José de Caldas, Bogotá DC 11021, Colombia Laboratorio
2
Inteligente de Energía, Universidad Tecnológica de Bolívar, Cartagena 131001, Colombia Grupo GIIEN, Facultad de
3 Ingeniería, Institución Universitaria Pascual Bravo, Campus Robledo, Medellín 050036, Colombia;
walter.gil@pascualbravo.edu.co Facultad Tecnológica, Universidad
4 Distrital Francisco José de Caldas, Bogotá DC 11021, Colombia; dagiralr@udistrital.edu.co * Correspondencia:
odmontoyag@udistrital.edu.co;
Teléfono: +573105461067
Recibido: 1 de agosto de 2020; Aceptado: 18 de agosto de 2020; Publicado: 21 agosto 2020
Resumen: Este artículo presenta una formulación general del flujo de potencia de barrido iterativo clásico, que se
conoce ampliamente como el método hacia adelante y hacia atrás. Esta formulación se realiza mediante una matriz
de incidencia de rama a nodo con la principal ventaja de que este enfoque se puede utilizar con configuraciones
radiales y en malla. La prueba de convergencia se realiza utilizando el teorema del punto fijo de Banach mientras se
considera la estructura diagonal dominante de la matriz de admitancia de demanda a demanda.
Se presenta un ejemplo numérico en forma de tutorial utilizando la interfaz de MATLAB, que ayuda a los principiantes
a comprender los conceptos básicos de la programación del flujo de potencia en el análisis del sistema de distribución.
Se utilizan dos alimentadores de prueba clásicos que comprenden 33 y 69 nodos para validar la formulación propuesta
en comparación con métodos convencionales como las formulaciones de flujo de potencia de GaussSeidel y Newton
Raphson.
Palabras clave: flujo de poder hacia adelante y hacia atrás; matriz de incidencia ramanodo; teorema del punto fijo de
Banach ; prueba de convergencia; métodos numéricos; redes de distribución radial; redes de distribución de malla
1. Introducción
1.1. Contexto General
Las redes de distribución eléctrica representan la parte más importante del sistema eléctrico y se encargan de
proporcionar electricidad a los usuarios finales en niveles de voltaje medio y bajo conectando el sistema de transmisión/
subtransmisión con los consumidores [1,2]. Los voltajes típicos en estas redes eléctricas oscilan entre 4,16 kV y 33 kV
[3], y estas redes normalmente se operan con una estructura radial para minimizar los costos de instalación, operación
y mantenimiento, incluidas las simplificaciones de coordinación de dispositivos de protección [4–6]. Para determinar el
comportamiento de las redes eléctricas bajo condiciones de tensión bien definidas, se utilizan metodologías de flujo de
potencia, que facilitan el cálculo de los perfiles de tensión en todos los nodos de la red para una condición de carga
particular [7,8]. El principal desafío en el análisis del flujo de potencia de las redes de distribución son las cargas de
potencia constante que producen relaciones no lineales entre los voltajes y las potencias [9,10], lo que hace necesario
el uso de métodos numéricos para resolver el problema del flujo de potencia [11]. . Una tendencia típica en el análisis
del flujo de potencia de las redes de distribución eléctrica es el uso de métodos basados en gráficos para abordar el
problema del flujo de potencia basado en la estructura radial de la red [12,13]. Sin embargo, estas metodologías no son
útiles en el caso de redes de distribución de malla débil o fuerte [14], lo que puede causar problemas importantes en
aplicación ciencia 2020, 10, 5802; doi:10.3390/app10175802 www.mdpi.com/journal/applsci
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 2 de 21
los sistemas de energía modernos donde las estructuras en malla pueden ayudar con el rendimiento de la red en términos
de reducir las pérdidas de energía y mejorar los perfiles de voltaje [15]. En el caso de soluciones comerciales para el análisis
de un sistema de distribución, como el software DigSILENT y ETAP, el método de NewtonRaphson (NR) es el enfoque más
utilizado [16] , ya que se puede utilizar con estructuras radiales y malladas, así como con múltiples nodos controlados por
tensión y holgura [17]. En esta investigación, abordamos el problema del flujo de potencia en las redes de distribución
eléctrica mientras consideramos un nodo holgado único y configuraciones radiales y en malla reformulando el flujo de
potencia convencional hacia adelante y hacia atrás utilizando la matriz de admitancia de rama a nodo [18].
1.2. Motivación
El análisis del flujo de potencia en redes de distribución eléctrica es uno de los problemas más clásicos y
ampliamente estudiados en el análisis de sistemas de potencia [14] , ya que el flujo de potencia es un cálculo necesario
para determinar el rendimiento de la red [10]. Un método de flujo de potencia es una herramienta que se utiliza para
determinar, mediante un procedimiento iterativo, los valores finales de todos los voltajes en una red eléctrica con una
cierta aceptación de tolerancia para determinar el estado operativo completo [14], es decir, las corrientes a través de
líneas, regulación de tensión en todos los nodos, pérdidas de potencia activa y reactiva, y estabilidad de tensión. Para
resolver el problema del flujo de potencia, los métodos más clásicos utilizados son los enfoques NR y GaussSeidel
(GS), que garantizan la convergencia en base a los teoremas del punto fijo de Kantarovich y Banach [19]. Además,
también se han informado algunos métodos basados en gráficos, como la formulación triangular y las matrices cuasi
simétricas, para manejar configuraciones de cuadrícula radial [12,20].
Sin embargo, esta investigación está motivada por el hecho de que el método clásico de flujo de potencia hacia adelante
y hacia atrás se formula comúnmente a través de pasos secuenciales que requieren que la red se ordene en capas [21].
Tiene una estructura radial ya que todas las corrientes se calculan en la etapa hacia atrás, mientras que todos los voltajes
se definen en la etapa hacia adelante [13]. Como esta operación puede ser eficiente, estas etapas excluyen configuraciones
malladas, lo que implica que no es aplicable a redes de distribución débil o fuertemente malladas. Por lo tanto, aquí se
presenta una reformulación del flujo de potencia hacia adelante y hacia atrás en las redes de distribución con base en la
matriz de incidencia de rama a nodo [13], que permite el manejo de redes de distribución radiales y malladas que incluyen
nodos controlados por voltaje. Además, la convergencia del método propuesto se demuestra aplicando el teorema del punto
fijo de Banach [22].
1.3. Revisión de literatura
Las soluciones de flujo de potencia en la literatura presentan un vasto universo de posibilidades basadas en
procedimientos iterativos, métodos de linealización y reformulaciones convexas. Algunos de estos enfoques se presentan
a continuación.
Los métodos de flujo de potencia más clásicos en el análisis de sistemas de potencia corresponden a los enfoques de
GaussSeidel (GS) y NR [14]. El enfoque GS se puede implementar fácilmente usando cualquier lenguaje de programación
y su principal ventaja es que se puede usar con números complejos. Sin embargo, muestra el peor rendimiento en términos
de tiempo de procesamiento y número de iteraciones. Con el propósito de mejorar la eficiencia del método GS, se utiliza un
factor de aceleración α que reduce el número total de iteraciones y el tiempo total de procesamiento requerido [17]. En el
caso del enfoque NR, es una metodología que se usa más comúnmente en software comercial y es ampliamente adoptada
por las empresas de servicios públicos [23]. La principal ventaja del enfoque NR es que converge en unas pocas iteraciones,
tiene tiempos de procesamiento bajos y posiblemente se puede usar con redes radiales y en malla que comprenden múltiples
nodos controlados por voltaje. El principal problema con el uso del enfoque NR en las redes de distribución es la alta
dispersión de la matriz jacobiana, que puede causar problemas de convergencia cuando la matriz se invierte para actualizar
las variables de ángulo y magnitud de tensión [19] . Los autores de [24] propusieron el uso del algoritmo LevenbergMarquardt
(LM) para resolver problemas de flujo de potencia en redes eléctricas; este enfoque comprende esencialmente una forma
alternativa de presentar la formulación NR con la principal ventaja de que se agrega un factor al jacobiano para reducir las
posibles singularidades en esta matriz.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 3 de 21
Para las redes de distribución, algunos de los enfoques más reconocidos para abordar el problema del flujo de
potencia son las metodologías basadas en gráficos conocidas como métodos triangulares y hacia atráshacia adelante [12,20].
El método hacia atráshacia adelante generalmente se diseña con una estructura algorítmica que utiliza un barrido
iterativo basado en las corrientes en la etapa hacia atrás para actualizar los voltajes en la etapa hacia adelante [21].
[13] presentó una mejora importante en el enfoque hacia atrás y hacia adelante , en el que se incluyeron
estructuras radiales y en malla en una formulación matricial. El enfoque triangular funciona para estructuras
radiales y malladas [12]; sin embargo, no se proporciona el análisis de convergencia relacionado.
Cabe señalar que en estos métodos, los autores no presentan un análisis de la inclusión de nodos controlados
por voltaje, que propusimos en nuestra reformulación matricial. Un nuevo enfoque basado en aproximaciones
sucesivas se informó recientemente en [25]. Este enfoque demuestra la convergencia de la formulación
recursiva para redes radiales y malladas utilizando el teorema de punto fijo de Banach. Sin embargo, las
fuentes controladas por voltaje no se consideraron en esta formulación y el comportamiento del coeficiente θ
no se determinó para confirmar la convergencia en condiciones de voltaje bien definidas. Dos importantes
contribuciones adicionales al flujo de potencia han sido reportadas en la literatura especializada por [26,27]
con respecto a las redes de distribución secundaria para estudiar el problema de la penetración armónica
causada por una mayor penetración de fuentes fotovoltaicas. Los autores en estos enfoques han propuesto
un análisis de flujo de potencia armónico utilizando aritmética afín que permite alcanzar mejores resultados
en cuanto a estimaciones de distorsión armónica con bajo esfuerzo computacional en comparación con las
simulaciones clásicas de MonteCarlo; además, estos métodos fueron validados en redes reales de
distribución secundaria con resultados promisorios para las empresas de servicios públicos.
También se han presentado otros enfoques en la literatura especializada en relación con las aproximaciones
lineales y convexas para soluciones de flujo de potencia en redes de distribución. En [11], se presentó una
aproximación convexa para un análisis de flujo de potencia de redes de distribución radiales y malladas mientras
se consideraba una aproximación de programación semidefinida mediante el uso de una representación rectangular
de las ecuaciones de equilibrio de potencia. En [8], se describió una aproximación de programación de conos de
segundo orden considerando variables de rama relacionadas con corrientes y potencias en todas las líneas. Es
fundamental mencionar que la principal desventaja de estos enfoques es la baja tasa de convergencia cuando el
2 aumenta a medida que estas formulaciones crean n número de nodos (n) variables se relacionan con los voltajes, lo
que aumenta los tiempos de procesamiento requeridos para llegar a la solución óptima en el procedimiento iterativo
[28]. En el caso de las metodologías lineales, los autores de [7] propusieron una expansión en serie de Taylor de
la relación hiperbólica entre el voltaje y las potencias para llegar a una formulación lineal que puede usarse para
resolver directamente sin el uso de procedimientos iterativos. En [10], se presentó una mejora de esta aproximación
lineal usando la ecuación directa para incluir el voltaje mínimo esperado en la aproximación y mejorar el resultado
final del cálculo de pérdida de potencia. Los autores de [29] describieron una aproximación lineal basada en una
transformación logarítmica de las magnitudes de voltaje añadidas a la expansión de la serie de Taylor para
aplicaciones en sistemas de potencia. Cabe señalar que estas aproximaciones lineales tienen respuestas de
velocidad; sin embargo, el resultado final de la estimación de pérdida de potencia varía en el rango de 1% y 10%.
1.4. Aportes y Alcance
Las principales contribuciones de esta investigación se pueden resumir de la siguiente manera:
• La reformulación del método clásico de flujo de potencia hacia adelante y hacia atrás para su aplicación a redes
de distribución con la capacidad de manejar configuraciones radiales y en malla al reescribir las variables de
rama en variables nodales utilizando la matriz de incidencia de rama a nodo. • La independencia
paramétrica de la formulación del flujo de potencia, ya que no hay supuestos sobre las relaciones.
reactancia/resistencia, se requieren en la formulación matricial propuesta.
• La posibilidad de garantizar la convergencia bajo condiciones de tensión bien definidas aplicando el teorema del
punto fijo de Banach a la solución recursiva, que solo requiere que la corriente de cortocircuito sea más
significativa a la corriente de carga en todos los nodos para asegurar la convergencia de el algoritmo
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 4 de 21
• La presentación de la formulación matricial propuesta de manera intuitiva para introducir a los estudiantes de ingeniería
eléctrica al análisis de flujo de potencia proporcionando el algoritmo MATLAB/OCTAVE para resolver un pequeño
alimentador de prueba como un ejemplo numérico que comprende estructuras radiales y malladas.
Es importante mencionar que previamente se propuso un enfoque similar en [13] que combinaba
matrices de rama a nodo con matrices triangulares; además, también se probaron sus convergencias.
Sin embargo, los autores de [13] no presentaron el comportamiento del coeficiente θ− en función de la
corriente de carga y las relaciones de corriente de cortocircuito por nodo. Además, aquí se presenta un
caso de simulación, donde el sistema de potencia contiene un nodo controlado por voltaje (nodo VC) en
una pequeña red de transmisión, lo que demuestra que el enfoque matricial propuesto es extensible a
aplicaciones de sistemas de potencia con múltiples mallas y nodos VC.
1.5. Organización del Documento
El resto de este trabajo se organiza como sigue. La Sección 2 presenta la formulación matricial del método clásico
de flujo de potencia hacia adelante y hacia atrás utilizando un alimentador de prueba de distribución pequeña con mallas
múltiples. En la Sección 3 se presenta el análisis de convergencia con base en el teorema del punto fijo de Banach, que
resulta en la máxima corriente de carga dividida por la mínima corriente de cortocircuito por nodo.
La Sección 4 presenta un pequeño ejemplo numérico que comprende un alimentador de prueba de 13 nodos con
topologías de malla y radiales y presenta la implementación de MATLAB/OCTAVE que se puede utilizar como
tutorial de análisis de flujo de potencia para principiantes. En la Sección 4, se presentan las configuraciones de dos
alimentadores de prueba de distribución clásica que comprenden 33 y 69 nodos. La Sección 6 presenta los
resultados numéricos obtenidos para estos alimentadores de prueba al comparar la formulación matricial propuesta
con los métodos clásicos de flujo de potencia como los métodos GS, NR y LM; además, se presenta una pequeña
red de transmisión que consta de cuatro nodos que comprenden una estructura mallada con un nodo controlado
por voltaje, lo que ayuda a comprender la extensión de la formulación propuesta a los análisis de sistemas de
potencia. La sección 7 presenta las principales conclusiones derivadas de este trabajo, así como sus posibles mejoras futuras.
2. Formulación de flujo de potencia matricial
El método clásico de flujo de potencia hacia atrás y hacia adelante se desarrolló utilizando el concepto de iterativo.
barridos, que logra lo siguiente [30]:
• Calcula las demandas de corriente totales en todas las cargas con voltajes supuestos conocidos. •
Determina todas las corrientes que fluyen en todas las ramas de la red aplicando la primera ley de Kirchhoff en cada
nodo.
• Calcula las caídas de tensión partiendo de la fuente y utilizando una etapa de ordenación que define
las capas en las que se encuentran los nodos.
• Actualiza el perfil de tensión en todos los nodos de demanda y repite todas las etapas hasta alcanzar la tolerancia de
convergencia.
Esta estructura del método hacia adelante y hacia atrás tiene dos desventajas principales: (i) solo puede manejar
configuraciones de cuadrícula radial, y (ii) requiere una ordenación nodal en capas [20]. Sin embargo, para abordar
estos problemas, es posible reformular un problema de flujo de potencia utilizando matrices de incidencia de rama a
nodo [18].
Definición 1 (Matriz A de incidencia ramanodo ). Una red eléctrica que está representada por un gráfico conexo con b
enlaces y n vértices puede representarse por una matriz rectangular A Rb×n suponiendo direcciones arbitrarias en
el flujo de corriente a través de las líneas de la siguiente manera:
•
Ai,j = 1 si la línea i está conectada al nodo j y su corriente sale de este nodo.
•
Ai,j = −1 si la línea i está conectada al nodo j ya este nodo llega su corriente.
• Ai,j = 0 si la línea i no está conectada al nodo j.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 5 de 21
Para ejemplificar la estructura de la matriz A de incidencia de rama a nodo , consideremos la red eléctrica
representada en la Figura 1. Esta cuadrícula comprende seis enlaces (ramas) y cinco nodos. Los nombres de las
líneas se enumeran en la Tabla 1.
3
flojo
1 2 4
5
Figura 1. Ejemplo de una red eléctrica conectada.
Tabla 1. Conexiones de nodos.
Número de sucursal i Nodo de envío j Nodo de recepción k
1 1 2
2 1 3
3 2 4
4 3 4
5 3 5
6 4 5
Al considerar la información de ramal reportada en la Tabla 1 y la configuración de la red eléctrica
representada en la Figura 1, la matriz A de rama a nodo puede tomar la siguiente forma:
1 −1 0 0 0
1 0 −1 0 0
0 −1 0
0 1
un =
(1)
1 −1 0
0 0
0 0 1 0 −1
0 0 0 1 −1
Cabe señalar que esta matriz se puede dividir en dos submatrices que están relacionadas con la fuente de
holgura y el resto de los nodos de la siguiente manera (esto es posible si se supone que el nodo de holgura se
encuentra en el nodo 1):
A = [Como anuncio ] , (2)
donde As es la primera columna de A (nodo de holgura), y Ad corresponde al resto de las columnas de A, es
decir, los nodos de demanda.
Ahora, definamos la caída de voltaje en la línea i como Ei y los voltajes en sus terminales como Vj .
Entonces, de la Figura 1, sabemos que
E1 = V1 − V2,
E2 = V1 − V3,
E3 = V2 V3,
E4 = V2 − V4,
E5 = V3 V4,
E6 = V4 V5,
que se puede reescribir usando (1) y (2) como se presenta a continuación:
E = AsVs + AdVd , (3)
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 6 de 21
donde Vs = V1, E es un vector que comprende todas las caídas de tensión y Vd es un vector que comprende todas
las tensiones en los nodos de demanda.
Para relacionar las corrientes J en todas las ramas con las caídas de tensión, es posible aplicar la ley de Ohm como se
presenta a continuación:
E = ZJ, (4)
donde Z = diag(Z1, Z2, . . . , Zb ).
Para determinar la relación entre las corrientes inyectadas en los nodos (es decir, I) y todas las corrientes de rama,
apliquemos la segunda ley de Kirchhoff en cada nodo mientras consideramos las direcciones de corriente definidas en la
Tabla 1. Así obtenemos
I1 = J1 + J2 ,
I2 = −J1 + J3 , I3
= −J2 + J4 + J5 , I4 =
−J3 − J4 + J6 , I5 = −J5
− J6 .
Cabe señalar que también se puede dividir como
T
I = [Es Id ] , (5)
donde Is e Id son las corrientes de los generadores y demandas, respectivamente.
Usando la relación entre las corrientes de rama y nodal presentada anteriormente, es posible encontrar que
Is = AT Js, Id (6)
= AT d J. (7)
Ahora, si las expresiones (3), (4) y (7) se combinan en base a Y = Z −1 entonces el siguiente resultado
,
es obtenido:
d YAsV + AT
identificación = en d YAdVd , (8)
Para encontrar la relación entre las corrientes y las potencias inyectadas, es posible aplicar el teorema de Tellegen,
que define la potencia aparente de la siguiente manera:
es = diag−1 (V s ) S s ,
(9)
es = −diag−1 (V d ) S re .
(10)
s es la potencia aparente generada en el
donde el superíndice representa el operador conjugado, S nodo de holgura
y S d son el consumo de potencia aparente en los nodos de demanda.
Ahora, si se combinan las expresiones (8) y (10) para obtener Vd , se obtiene el siguiente resultado:
Vd = −Zdddiag−1 (V d ) S d
segundo, (11)
−1
donde Zdd se define como AT YAd , yb = + ZddAT YAsVs .
d d
Cabe señalar que para resolver la expresión (11) se requiere un procedimiento iterativo, ya que esta expresión tiene
una estructura recursiva. Para este propósito, agreguemos un contador iterativo t que
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 7 de 21
parte del punto inicial t = 0 (es decir, se conoce
d perfectamente V0 ), lo que permite reescribir (11) como se presenta
a continuación:
Observación 1. El procedimiento iterativo en (12) se realiza hasta que se alcanza el error de convergencia, es decir,
V t+1 t −
máx
Vdd _ ≤ o se completa el número total de iteraciones tmax .
3. Análisis de convergencia
Para probar que la fórmula recursiva (12) garantiza la convergencia del problema de flujo de
potencia en el caso de redes de distribución que comprenden estructuras radiales y de malla formuladas
usando matrices de incidencia ramanodal, consideremos lo siguiente.
Supuesto 1. La cantidad de energía consumida por las cargas produce inestabilidades de voltaje en la red de distribución, es decir,
el sistema opera bajo condiciones de voltaje bien definidas.
min
Supuesto 2. Existe un límite inferior positivo para todos los perfiles de voltaje, es decir, V definido > 0, que suele ser
por las políticas regulatorias y de servicios públicos.
Supuesto 3. La matriz de impedancia de demanda a demanda, es decir, Zdd, es diagonal dominante, lo que implica que, siempre,
Zddjj ≥ Zddjk , j = k.
Para demostrar las propiedades de convergencia del enfoque de flujo de potencia recursivo definido por (12),
presentemos la definición general del teorema del punto fijo de Banach como sigue.
Teorema 1 (teorema del punto fijo de Banach). La fórmula iterativa presentada en (12) es estable y corresponde a
un mapa de contracción con la forma
0 tal que
para algún V que cumpla el Supuesto 1 independientemente del punto de partida, es decir, V ,
0 0 − W
g V d − gramo (W) ≤ θ V (14)
donde W es la solución del problema del flujo de potencia y θ es un número real entre 0 y 1.
Prueba. La fórmula recursiva para el método iterativo de flujo de potencia hacia adelante y hacia atrás presentado en (12) se puede
reescribir de la siguiente manera:
T
S
Vdt+1 = gV _ t
= −b − Zdd
di
(15)
d
Vt ,
di i ΩS
donde ΩS es el conjunto que contiene todos los nodos de demanda.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 8 de 21
Además, con base en la estructura del teorema del punto fijo de Banach, es posible afirmar que la
solución del problema de flujo de potencia, es decir, W, satisface W = g (W), y es única si y solo si g (W) es
un mapeo de contracción en Vd .
t+1
Vd − W = gramo V dt+1 − gramo (W)
T
1 1
−
ZddS d yo
_ Vt ,
di i ΩS
(dieciséis)
T
Vt , − W i
di −
||ZddS d ||
yo Vt ,
_ di i ΩS
t
≤ θV _ − ancho
fondo
,
dónde
Ahora, al considerar el Supuesto 2, que se refiere a la definición positiva de la impedancia
matriz, la expresión (17) se puede reducir a
Zddii S di
θ = máx . (18)
i ΩS Vmin2
Cabe señalar que, considerando la estructura matemática presentada en (18) y que Zddii es
la impedancia equivalente en el nodo i, se puede obtener la siguiente relación.
S
di
Vmin
θ = máx
Vmin
, (19)
i ΩS
Zddii
donde podemos asegurar que 0 ≤ θ ≤ 1, ya que el denominador en (19) corresponde a la mínima corriente
de cortocircuito, y el numerador representa la máxima corriente de carga, que siempre es menor que
cualquier corriente de cortocircuito en condiciones normales de operación . Esto implica que el flujo de
potencia de barrido matricial recursivo (12) converge a la solución de flujo de potencia, lo que completa la demostración.
4. Ejemplo numérico
Esta sección presenta un pequeño alimentador de prueba que comprende 13 nodos que pueden manejar
configuraciones radiales o de malla. Esto facilita la demostración de la convergencia de la reformulación matricial
propuesta del enfoque clásico de flujo de potencia hacia adelante y hacia atrás. La figura 2 presenta la configuración
eléctrica del alimentador de prueba de 13 nodos.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 9 de 21
10 12
11
13
flojo 8
1 6 7 9
2 4
Figura 2. Configuración eléctrica de una red de distribución radial/en malla (adaptado de [31]).
La Tabla 2 enumera la información de ramal y carga para el alimentador de prueba de 13 nodos que tiene una demanda total de
potencia activa y reactiva de 24.200 kW y 7700 kVAr, respectivamente, y opera con una tensión de línea a neutro de 23 kV.
Tabla 2. Parámetros de bifurcación y carga del alimentador de prueba de 13 nodos.
Nodo i Nodo j Rij [Ω] Xij [Ω] Pj [kW] Qj [kvar]
1 2 0.3968 0.5290 2000 1600
2 3 0.4232 0.5819 3000 400
2 4 0.4761 0.9522 2000 400
4 5 0.2116 0.2116 1500 1200
1 6 0.5819 0.5819 4000 2700
6 7 0,4232 0,5819 5000 1800
6 8 0,5819 0,5819 1000 900
7 9 0,5819 0,5819 600 400
10 0,5819 0,5819 1000 900
1 11 0,4761 0,6348 1000 1100
10 12 0,4232 0,5819 1000 900
10 12 13 0,2116 0,2116 2100 800
Líneas de amarre
Para resolver el problema del flujo de potencia en el alimentador de prueba de 13 nodos, consideramos lo siguiente: (i) se
alcanza una configuración radial cuando todas las líneas discontinuas en la Figura 2 están abiertas, y se obtiene una configuración en
malla cuando uno o más líneas discontinuas las líneas están conectadas; (ii) la fórmula recursiva (12) se implementó en MATLAB
usando scripts en un estilo tutorial.
La Figura 3 informa la implementación de MATLAB del flujo de potencia matricial hacia atrásadelante (MBF)
propuesto mientras se considera la configuración en malla para el alimentador de prueba de 13 nodos que se muestra
en la Figura 2.
En la implementación de MATLAB presentada en la Figura 3, podemos observar lo siguiente:
Desde las líneas 1 a la 36, toda la información numérica del sistema de prueba se presenta y se transforma
en una representación por unidad.
Las líneas 37 a 48 comprenden la matriz de incidencia de rama a nodo, la matriz de impedancia y todos los
componentes constantes para evaluar la fórmula recursiva del flujo de potencia.
De las líneas 49 a 59, el procedimiento iterativo para resolver el problema del flujo de potencia considerando
una formulación matricial se implementa considerando una tolerancia de convergencia de aproximadamente =
1 × 10−10 . Cabe señalar que las líneas 53 y 54 presentan los cálculos necesarios para determinar las
pérdidas totales de energía de la red utilizando variables de rama, es decir, J y E, y la matriz de impedancia de
línea Z.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 10 de 21
Las líneas 60 a 65 comprenden los coeficientes θ para todas las cargas para demostrar que cada una de ellas cumple
la condición del teorema del punto fijo de Banach.
clc ; borrar
Sbase = 1; V base = 2 3 ; %%
Información de línea . [ ij R[ ohmio] X[ ohmio ] ]
Línea como = [1 2 0. 3 9 6 7 5 0 . 5 2 9 0 ; 2 3 0. 4 2 3 2 0 . 5 8 1 9 ; 2 4 0. 4 7 6 1 0 . 9 5 2 2 ; 4 5 0. 2 1 1 6 0 . 2 1 1
6 ; 1 6 0. 5 8 1 9 0 . 5 8 1 9 ; 6 7 0. 4 2 3 2 0 . 5 8 1 9 ; 6 8 0. 5 8 1 9 0 . 5 8 1 9 ; 7 9 0. 5 8 1 9 0 . 5 8 1 9 ; 1
10 0. 5 8 1 9 0 . 5 8 1 9 ; 10 11 0. 4 7 6 1 0 . 6 3 4 8 ; 10 12 0. 4 2 3 2 0 . 5 8 1 9 ; 12 13 0. 2 1 1 6 0 . 2 1 1
6 ; 3 9 0. 2 1 1 6 0 . 2 1 1 6 ; 8 11 0. 2 1 1 6 0 . 2 1 1 6 ; 5 13 0. 4 7 6 1 0 . 6 3 4
8 ] ; %% Tipo de nodo [ i Typo V0 P[kW] Q[ kVAr ] ]
nudos = [ 1 0 1 0 . 0 0 0 . 0 0 ; 2 1 1 2000 1 6 0 0 ; 3 1 1 3000 4 0 0 ; 4 1 1 2000 −400; 5 1 1 1500 1 2 0 0 ; 6
1 1 4000 2 7 0 0 ; 7 1 1 5000 1 8 0 0 ; 8 1 1 1000 9 0 0 ; 9 1 1 600 −400; 10 1 1 1000 9 0 0 ; 11 1
1 1000 −1100; 12 1 1 1000 9 0 0 ; 13 1 1 2100 −800 ]; %% P eru ni ttransformación Zbase =
( ( Vbase ) ^2 )/Sbase ;
Línea como ( : Nodos ( : 4 : 5 ) =
Nodos ( : %% Rama a nodo e Im pe dan , 3 : 4 ) = Línea como ( : , 3:4)/Zbase;
cematrices , NN = tamaño , 4 : 5 ) / ( Sbase 1 0 0 0 ) ;
( Nodos for i = 1 :NL Ni = Línea como ( i ZL ( i end
Vo = Nodos ( 1 , 1); NL = tamaño ( Líneas , 1); A = ceros (NN,NL) ; ZL = ceros (NL,NL) ;
Vdo = Nodos
( 2 : end e = , 1); Nj = Recta como ( ii ) , 2); A(Ni4); , yo) = 1; A( Nj , yo ) = −1;
, = Recta como ( i 3 ) ,+ 1 j Renglón como ( i ,
convergencia Th = ze
ros (NN−1 ,2 ) ; Vmin = min( abs (V) ) ; for i =
1 :NN−1 Th ( i
end , : ) = [ yo +1 abs (Zdd ( yo , i ) Sd ( i ) ) /Vmin ] ;
plot
( Prueba ( : , 1 ) , Prueba ( : , 2 ) , '−− ' ) ;
Figura 3. Implementación de MATLAB del flujo de potencia de barrido iterativo matricial.
Es importante mencionar que si se eliminan las tres últimas líneas relacionadas con las ramas en la
matriz (ver Figura 3), entonces se puede evaluar el sistema de prueba radial. Sin embargo, la Figura 4 presenta
el coeficiente θ−para las configuraciones radial y de malla de 13 nodos.
De la Figura 4 se puede concluir que la expresión (19) se cumple para todos los nodos de demanda
ya que los valores de θ están entre 0 y 1. Para ambos casos de simulación, el valor máximo de θ se
alcanza en el nodo 7 y es 0.016 y 0,009 en el caso de las configuraciones radial y mallada, respectivamente.
Cabe señalar que, en el caso de la configuración mallada, la tensión mínima es de 0,983 pu en el nodo 7,
y en la configuración radial, este valor es de 0,976 pu en el nodo 9.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 11 de 21
∙10−2
1.8
1.6 mallado
1.4 Radial
1.2
θ−coeficiente
1
0.8
0.6
0.4
0.2
0
2 3 4 5 6 7 8 9 10 11 12 13
Nodo
Figura 4. Comportamiento del coeficiente θ− en el alimentador de prueba de 13 nodos en el caso de configuraciones radiales y
en malla.
5. Sistemas de prueba
Esta sección presenta dos alimentadores de prueba de distribución clásicos con configuraciones radiales que
normalmente se usan en la ubicación óptima de generadores distribuidos [5], la ubicación óptima de bancos de
condensadores [32–34] y enfoques de programación de batería óptimos [35]. El primer sistema corresponde al
alimentador de prueba de 33 nodos, y el segundo sistema comprende el alimentador de prueba de 69 nodos,
ampliamente conocido como la red de distribución de Baran & Wu.
5.1. 33Alimentador de prueba de tres nodos
Este sistema de prueba consta de 33 nodos y 32 ramales con una tensión de operación de 12,66 kV.
El nodo de holgura está ubicado en el nodo 1, y su configuración se ilustra en la Figura 5. Este alimentador tiene una
demanda total de potencia activa y reactiva de 3715 kW y 2300 kVAr, respectivamente. Las pérdidas iniciales de
potencia activa de este sistema son iguales a 210.988 kW. Aquí consideramos los valores base de voltaje y potencia
de 12.66 kV y 1000 kW, respectivamente.
La información de todos los ramales así como el consumo de carga del alimentador de prueba de 33 nodos son
enumerados en la Tabla 3.
22
21
26 27 28 29 30 31 32 33
20
flojo
19
3 4 5 7 8 9 10 11 12 13 14 15 dieciséis 17 18
1 2 6
23
24
25
Figura 5. Configuración eléctrica del sistema de prueba de 33 nodos.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 12 de 21
Tabla 3. Parámetros eléctricos del alimentador de prueba de 33 nodos.
Nodo i Nodo j Rij [Ω] Xij [Ω ] Pj [kW] Qj [kW] Nodo i Nodo j Rij [Ω] Xij [Ω] Pj [kW] Qj [kW]
1 2 0,0922 0,0477 100 60 17 18 0,7320 0,5740 0,1640 90 40
2 3 0,4930 0,2511 90 40 2 19 0,1565 1,5042 1,3554 90 40
3 4 0,3660 0,1864 120 80 19 20 0,4095 0,4784 0,7089 90 40
4 5 0,3811 0,1941 60 30 20 21 0,9373 0,4512 0,3083 90 40
5 6 0,8190 0,7070 60 20 21 22 0,8980 0,7091 0,8960 90 40
6 7 0,1872 0,6188 200 100 3 23 0,7011 0,2030 0. 1034 90 50
7 8 1,7114 1,2351 200 100 23 24 0,2842 0,1447 1,0590 420 200
8 9 1,0300 0,7400 60 20 24 25 0,9337 0,8042 0,7006 420 200
9 10 1,0400 0,7400 60 20 6 26 0,5075 0,2585 0,9744 60 25
10 11 0,1966 0,0650 45 30 26 27 0,9630 0,3105 0,3619 60 25
11 12 0,3744 0,1238 60 35 27 28 0,3410 0,5302 60 20
12 13 1,4680 1,1550 60 35 28 29 120 70
13 14 0,5416 0,7129 120 80 29 30 200 600
14 15 0,5910 0,5260 60 10 30 31 150 70
15 16 0,7463 0,5450 60 20 31 32 210 100
16 17 1,2890 1,7210 60 20 32 33 60 40
5.2. Alimentador de prueba de 69 nodos
Este sistema de prueba consta de 69 nodos y 68 ramales con una tensión de operación de 12,66 kV.
El nodo de holgura se encuentra en el nodo 1 y su configuración se muestra en la Figura 6. Este alimentador
tiene una demanda total de potencia activa y reactiva de 3890,7 kW y 2693,6 kVAr, respectivamente. Las
pérdidas iniciales de potencia activa de este sistema son iguales a 225.072 kW. Aquí, asumimos que los valores
base de voltaje y potencia eran 12.66 kV y 1000 kW, respectivamente.
36 37 38 39 40 41 42 43 44 45 46
flojo
51 66 68
52 67 69
28 29 30 31 32 33 34 35
Figura 6. Configuración eléctrica del sistema de prueba de 69 nodos.
La información de todos los ramales así como el consumo de carga del alimentador de prueba de 69 nodos se listan en la Tabla 4.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 13 de 21
Tabla 4. Parámetros eléctricos del alimentador de prueba de 69 nodos.
Nodo i Nodo j Rij [Ω] Xij [Ω ] Pj [kW] Qj [kW] Nodo i Nodo j Rij [Ω] Xij [Ω] Pj [kW] Qj [kW]
6. Validación Computacional
Para validar la reformulación del flujo de potencia MBF propuesta, consideramos cuatro enfoques de flujo de
potencia iterativos clásicos reportados en la literatura especializada como metodologías comparativas: (i) GS clásico
[14], (ii) versión acelerada de GS (AGS) [14] , (iii) NR [17], y iv) LM [24]. Para realizar una comparación justa, todos
estos métodos se evalúan 1000 veces consecutivas para determinar sus costos computacionales (tiempos de
procesamiento) considerando un máximo de 100 iteraciones y un error de tolerancia de 1 × 10−10 .
6.1. Resultados de los alimentadores de prueba de 33 y 69 nodos
La Tabla 5 enumera la eficiencia computacional del método MBF propuesto en comparación con los
enfoques clásicos informados en la literatura. Estos resultados se alcanzaron luego de realizar 1000
evaluaciones consecutivas, lo que confirma lo siguiente:
El enfoque propuesto es el más eficiente en términos de tiempos de procesamiento en comparación con los
enfoques clásicos, ya que solo toma 1,32 ms para completarse en el caso del alimentador de prueba de 33
nodos y 5,37 ms para completarse en el caso de la prueba de 69 nodos. feeder, lo que implica que es al
menos siete veces más rápido que el método NR, que es el enfoque más utilizado en la investigación y la
industria.
El método GS clásico presenta el peor desempeño en términos de tiempos de procesamiento y número de
iteraciones. Sin embargo, su versión acelerada con el coeficiente α−presenta una mejora significativa en su
rendimiento. En el caso del alimentador de prueba de 33 nodos, este método es aproximadamente diez veces
más rápido, y en el caso del alimentador de prueba de 69 nodos, es al menos 18 veces más rápido, en
términos del tiempo total de procesamiento requerido para resolver el problema. problema de flujo de potencia.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 14 de 21
Los métodos NR y LM pertenecen a la misma clase ya que ambos comprenden el uso de matrices jacobianas.
Por tanto, su comportamiento con respecto al número de iteraciones y los tiempos de procesamiento
es muy similar. Incluso si el enfoque propuesto requiere el doble de iteraciones, en términos de tiempos
de procesamiento, podemos confirmar que el MBF es el mejor método numérico para el análisis del
flujo de potencia de distribución en comparación con los enfoques NR y LM.
En cuanto al cálculo de pérdidas de potencia, es importante mencionar que todos los métodos numéricos
enumerados en la Tabla 1 llegan a la misma solución con errores de estimación despreciables (inferiores a 1
× 10−10). Esto implica que cada uno de ellos es apto para su implementación; sin embargo, nuestro método
propuesto, es decir, la reformulación de MBF, es el enfoque más deseable debido a su rendimiento más rápido.
Tabla 5. Resultados numéricos para los sistemas de prueba de 33 y 69 nodos.
Alimentador de prueba de 33 nodos
Método proc. tiempo [ms] Iteraciones Pérdidas [pu]
SG 441.974 2313 2.110
AG (α = 1,82) 38.555 227 2.110
NR 10.751 2.110
LM 10.882 5 5 2.110
Alimentador de prueba de 69 nodos
La Figura 7 presenta los perfiles de voltaje para los alimentadores de prueba de 33 y 69 nodos para los
métodos de flujo de potencia MBF y NR propuestos. Podemos observar que estos gráficos confirman que,
numéricamente hablando, ambos métodos demuestran el mismo rendimiento en términos de determinación de
voltaje. Sin embargo, la principal ventaja del MBF en comparación con el enfoque NR (consulte la Tabla 1) es su
tiempo de cálculo más rápido, ya que garantiza la convergencia en condiciones de voltaje bien definidas.
Para demostrar que el enfoque MBF propuesto garantiza la convergencia en los alimentadores de prueba de
33 y 69 nodos, la Figura 8 presenta el comportamiento del coeficiente θ. A partir de los resultados de la Figura 8, es
posible confirmar que se cumple la hipótesis (19) , y el BFM propuesto garantiza la convergencia del problema de
flujo de potencia. En el caso del alimentador de prueba de 33 nodos, el coeficiente máximo se presenta en el nodo
30 con un valor de 0,027, mientras que en el caso del alimentador de prueba de 69 nodos, este se presenta en el
nodo 61 con un valor de 0,062. Estos valores facilitan la verificación de que θ está comprendido entre 0 y 1 en el
caso de ambos alimentadores de prueba.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 15 de 21
BMF NR
1
0,99
0,98
Voltajes
(a)
[pu]
0,97
0,96
0,95
0,94
0,93
0,92
0,91 0,9 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
1
0,99
0,98
Voltajes
(b)
[pu]
0,97
0,96
0,95
0,94
0,93
0,92
0,91 0,9 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Nodo
Figura 7. Perfiles de voltaje: (a) sistema de prueba de 33 nodos y (b) alimentador de prueba de 69 nodos.
∙10−2
3 2.7
2.4
2.1
1.8
1.5
θ−coeficiente
(a)
1.2
0,9
0,6
0.3
0
3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
∙10−2
6,6
6
5,4
4,8
θ−coeficiente
(b)
4,2
3,6
3
2,4
1,8
1,2 0,6 0
5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
Figura 8. Comportamiento del coeficiente θ: (a) sistema de prueba de 33 nodos y (b) alimentador de prueba de 69 nodos.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 16 de 21
6.2. Inclusión de Nodos Controlados por Voltaje
Una de las principales ventajas de la reformulación del flujo de potencia MBF propuesta es la posibilidad de trabajar con
nodos controlados por voltaje, es decir, nodos que controlan la inyección de potencia activa y la magnitud del perfil de voltaje.
Estos nodos son comunes en los análisis de sistemas de potencia [14], en los que múltiples máquinas síncronas están
interconectadas a través de la red de transmisión. Para realizar la inclusión de VC en el modelo propuesto, podemos aplicar el
método GS clásico, donde la generación de energía reactiva en los nodos fuente de VC se calcula de la siguiente manera:
CV
S VC,t
gk
= P gk
+ jQVC,t
G k
, (20a)
norte
CV,t,t,t= −Imagen S
q dk
d,k j=1
− V gk
∑ ykjv ,td,j
(20b)
donde S VC,t es la potencia aparente inyectada en el nodo k por la fuente VC, que se puede descomponer en su potencia real
G k
CV y Q gk , VC,t
y potencias imaginarias, es decir, P que
G k son la potencia activa constante y la potencia reactiva variable para mantener una
magnitud constante de la salida de voltaje; Ykj es la admitancia que relaciona los nodos k y j, respectivamente.
Los nodos controlados por voltaje se pueden incluir fácilmente en el método MBF propuesto por
modificando (12) como sigue.
Observación 2. Una vez que se calculan todos los voltajes, en el caso de la fuente de VC, la magnitud del voltaje se fija como
una constante, y de (21), solo se actualiza el ángulo en cada iteración, es decir,
CV
siendo V G k el voltaje especificado en la fuente de VC.
Para demostrar la aplicabilidad del método de flujo de potencia MBF propuesto, implementamos un pequeño
alimentador de prueba de cuatro nodos con un nodo flojo en el bus 1 y una fuente de VC en el nodo 4. Este sistema se
presentó inicialmente en [14] para presentar el GS y métodos NR. La comparación en esta sección se realiza utilizando
el software de sistema de potencia ampliamente utilizado llamado DigSILENT. La Figura 9 presenta la configuración de
este alimentador de prueba y los resultados de DigSILENT obtenidos después de evaluar el flujo de energía de CA a
través del método NR.
La información de los ramales y cargas para este alimentador de prueba de cuatro nodos se obtienen de [14]
y se enumeran en las tablas 6 y 7.
Tabla 6. Parámetros de línea del alimentador de prueba de cuatro nodos.
Línea R [Ω] X [Ω] Yshunt [µS] Corriente [A]
1–2 5,3323 26,6616 193.7618 200
1–3 3,9358 19,6788 146.5028 400
2–4 3,9358 19,6788 146.5028 500
3–4 6,7289 33,6444 241.0208 400
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 17 de 21
Tabla 7. Parámetros nodales del alimentador de prueba de cuatro nodos.
Nodo Pg [MW] Qg [MVAr] Pd [MW] Qd [MVAr] V [pu]
— 50 30,99 1,00 0
1 (holgura) — 2
(carga) 0 3 (carga) 0 0 170 105,35 1,00 0
0 200 123,94 1,00 0
— 80 49,58 1,02 0
4 (VC) 318
Una vez resuelto el problema del flujo de potencia utilizando el método MBF propuesto, se obtienen los
resultados que se reportan en la Tabla 8 . Cabe señalar que estos se comparan con la solución DigSILENT
presentada en la Figura 9.
Tabla 8. Voltajes en el alimentador de prueba de cuatro nodos.
Figura 9. Configuración eléctrica del alimentador de prueba de cuatro nodos.
Los resultados presentados en la Tabla 8 confirman la posibilidad de utilizar el enfoque de nuestra propuesta
para resolver problemas de flujo de potencia en sistemas de potencia mediante el uso de la reformulación MBF con
la principal ventaja de que es comparable con software sofisticado como DigSILENT. En el Apéndice A se ilustra la
codificación del método MBF propuesto para sistemas de potencia que comprenden nodos controlados por voltaje.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 18 de 21
Observación 3. Cabe señalar que, si los perfiles de voltaje son los mismos al comparar los métodos NR y MBF, como
se presenta en la Tabla 8, entonces todos los flujos de potencia activa y reactiva informados en la Figura 9 demostrarán
exactamente el mismo rendimiento, que confirma la posibilidad de utilizar el enfoque propuesto en redes radiales y
malladas que comprenden nodos controlados por voltaje.
7. Conclusiones y trabajos futuros
En este artículo se presenta una versión matricial del método clásico de flujo de potencia hacia
adelante y hacia atrás con la principal ventaja de que garantiza la convergencia en condiciones de voltaje
bien definidas . Además, se realizaron validaciones numéricas utilizando alimentadores de prueba de 33
y 69 nodos para demostrar que la propuesta MBF requiere tiempos de procesamiento mínimos en
comparación con los métodos clásicos como GS, NR y LM.
La prueba de convergencia se realizó aplicando el teorema del punto fijo de Banach. Esto
ha permitido concluir que el método MBF propuesto siempre converge bajo cargas bien definidas.
condiciones como el coeficiente θ se definió como la relación entre la corriente de carga máxima y
corriente mínima de cortocircuito. Esto implica que θ siempre debe estar comprendido entre 0 y 1, lo que
garantiza la convergencia numérica del problema de flujo de potencia.
También se consideró la inclusión de nodos controlados por voltaje mediante la implementación de un pequeño
alimentador de prueba de cuatro nodos y la comparación de los resultados numéricos informados utilizando un software
conocido utilizado para resolver problemas de flujo de energía llamado DigSILENT y los de nuestro enfoque propuesto.
Los perfiles de voltaje obtenidos usando ambos métodos permitieron concluir que el método MBF propuesto puede
manejar redes radiales y malladas que comprenden nodos de VC y será adecuado para múltiples aplicaciones de
sistemas de potencia en breve.
A continuación se enumeran algunos trabajos adicionales que pueden derivarse de este trabajo: (i) la aplicación de este
método de flujo de potencia a redes eléctricas que comprenden fuentes de energía renovable y sistemas de almacenamiento
de energía de batería en una estrategia integrada que facilita el despacho óptimo de estos dispositivos con metaheurísticas;
(ii) la aplicación de nuestro enfoque propuesto para realizar análisis óptimos de flujo de energía en redes de distribución a
través de enfoques de programación secuencial basados en optimización combinatoria; (iii) la extensión de la formulación MBF
a los sistemas eléctricos que comprenden estructuras híbridas que contienen alimentadores de CA y CC interconectados con
convertidores electrónicos de potencia.
Contribuciones de los autores: Conceptualización, ODM y WGG.; metodología, ODM y WGG.; análisis formal,
ODM y WGG.; investigación, ODM y WGG.; recursos, ODM, WGG. y DAG; redacción—preparación del borrador
original, ODM y WGG. Todos los autores han leído y aceptado la versión publicada del manuscrito.
Financiamiento: Este trabajo fue apoyado parcialmente por el Programa Nacional de Becas Doctorados del
Departamento Administrativo de Ciencia, Tecnología e Innovación de Colombia (COLCIENCIAS), mediante
convocatoria concurso 7272015.
Conflictos de interés: los autores desean confirmar que no existen conflictos de interés conocidos asociados con
esta publicación.
Apéndice A. Código MATLAB/OCTAVE para nodos VC
Este apéndice proporciona la codificación del método MBF propuesto para sistemas de potencia que comprenden nodos
controlados por voltaje. Esta implementación se informa en la Figura A1 y funciona en entornos MATLAB y OCTAVE.
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 19 de 21
clc ; clear
Sbase = 1 0 0 ;%MVA Vba se = 230;%kV
%% Line I nfo . [ ij R[ pu ] X[ pu ] ] Y[ pu ]
Línea como = [ 1 2 0. 0 1 0 0 8 0. 0 5 0 4 0 0 . 0 5 1 2
5 ; 1 3 0. 0 0 7 4 4 0. 0 3 7 2 0 0 . 0 3 8
7 5 ; 2 4 0. 0 0 7 4 4 0. 0 3 7 2 0 0 . 0 3
8 7 5 ; 3 4 0. 0 1 2 7 2 0. 0 6 3 6 0 0 . 0 6
3 7 5 ] ; %% Tipo de nodo [ i Typo V0 P[kW] Q[ kVAr ] ]
% T : 0−−>SLACK, 1−−>VC, 2−−>PQ]
% [ k T Pgk Qgk Pdk Qdk Nodos = [ 1 V0]
0 0 2 2 0 0 170 1 0 50 3 0. 9 9 0 1 ;
0 5. 3 5 1 ; 3 2 0 0 200 1 2 3. 9 4 1 ;
4 1 318 0 80 4 9. 5 8 0 1 . 0 2 ] ; %%
P eru ni ttransformación Zbase =
( ( Vbase ) ^2 )/Sbase ; Línea
como ( : Nodos ( : 3 : 6 ) = Nodos ( : 3 : 6 ) / , 3 : 4 ) = Línea como ( : , 3 : 4 ) ;
Sbase ; %, % Rama a nodo e ,Im pe dan
cematrices NN = tamaño ( Nodos 1 ) ; A = ceros
(NN, NL) ; ZL = ceros (NL,NL) ;
, 1); Yb =( c Líneas
NL = tamaño eros ,
(NN,NN) ; para i = 1 :NL Ni = Línea como ( i ZL ( i Yb ( Ni end Ao = A
( 1 : ) ) ; Ad =
A ( 2 : end Ydo , 1); Nj = Recta como ( i , 2); A( Ni i ) =, 1 ; A( Nj , yo ) = −1; i ) = Recta
= , como ( i 3 ) + 1 j ,Renglón como ( i , 4); Ys = 1 i Recta como ( i 5, ) ;
, Ni ) = Yb ( Ni , Ni) + Ys; Yb (Nj, Nj) = Yb (Nj, Nj) + Ys;
Ad (ZL\Ao .
, , : ) ; Ydd = Ad (ZL\Ad . ' ) + Yb ( 2 : fin , 2: fin ); Zdd = inv (Ydd) ;
'); Vdo = Nodos ( 2 : fin Yb = , 7); Vo = Nudos ( 1 7 ) ; ,
A (ZL\A. ' ) + Yb ; Sd = Nodos ( 2 : fin tmax = 1 0 , 5 ) + 1 j Nodos ( 2 : fin , 6); e = 1e−10; % Tolerancia
0 0 ; PV =
Nodos ( Nodos ( : 2 ) == ,1 para , : ) ; Sdpv = ze ros ( tamaño ( Sd , 1), 1);
pv = 1 : tamaño (PV, 1 )
pvn = PV ( pv , 1 ) − 1 ; Vdo ( pvn , 1 ) = PV ( pv , 7 ) ;
Qpv = −imag ( con j ( Sd ( pvn , 1 ) ) + con j (Vdo ( pvn , 1 ) ) Yb ( pvn + , : ) [Vo ; Vdo]);
1 Sdpv ( pvn , 1 ) = PV ( pv , 3 ) + 1 j Qpv ;
fin para t = 1 :
tmax Sdx = Sdpv − Sd ; Vd = Zdd ( diag ( con j ( 1 . / Vdo ) ) con j ( Sdx ) −
Ydo Vo ) ; para pv = 1 :
tamaño (PV, 1 ) pvn =
PV ( pv , 1 ) − 1 ; Vd ( pvn , 1 ) = PV ( pv , 7 ) exp ( 1 j
ángulo (Vd ( pvn , 1 ) ) ) ) ; Qpv = −imag ( con j ( Sd ( pvn , 1 ) ) + con j , : ) [Vo ; Vd]);
(Vdo ( pvn , 1 ) ) Yb ( pvn + 1 Sdpv ( pvn ,
1 ) = PV ( pv , 3 ) + 1 j Qpv ; termina si
'
max( abs ( abs ( Vd ) − abs Vo + Ad. ' Vd; IL = ZL\VL ; Sl oss = (ZL ( abs ( IL ) ) . ^ 2 ) ;
(Vdo ) ) ) <= e
V = [Vo ;
Vd ] ; VL = Ao. break ; else Vdo = Vd ; end end
[ Vmin ,No] = min(V) ; S holgura = sum( Sd ) + sum( Sl oss ) ;
%% Prueba de convergencia
Prueba = ze ros (NN−1 ,2 ) ;
para i = 1 :NN−1
Prueba ( i : )
, = [ i +1 abs (Zdd ( ii ) ) , abs ( Sd ( i ) ) /min( abs (V) ) ] ; plot
( Prueba ( : 1 ) , , , 2 ) , '−− ' ) ; fin
Prueba ( :
Figura A1. Implementación de MATLAB del flujo de potencia de barrido iterativo matricial teniendo en cuenta los
nodos de VC.
Referencias
1. Willis, L. Introducción a las redes de transmisión y distribución (T&D): infraestructura de T&D, confiabilidad e ingeniería,
regulación y planificación. En Sistemas de Transmisión, Distribución y Almacenamiento de Energía Eléctrica; Melhem,
Z., Ed.; Woodhead Publishing Series en Energía; Woodhead Publishing: Cambridge, Reino Unido, 2013; págs. 3–38.
[Referencia cruzada]
2. Bernstein, A.; Wang, C.; Dall'Anese, E.; Le Boudec, J.; Zhao, C. Flujo de Carga en Redes de Distribución Multifásicas:
Existencia, Unicidad, No Singularidad y Modelos Lineales. Trans. IEEE. Sistema de energía 2018, 33, 5832–5843.
[Referencia cruzada]
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 20 de 21
3. Zidan, A.; Gabbar, H. Capítulo 4 Programación de micro redes de energía interconectadas con múltiples opciones de combustible.
en Ingeniería de Redes de Energía Inteligente; Gabbar, HA, Ed.; Prensa académica: Nueva York, NY, EE. UU., 2017; págs. 83–99.
[Referencia cruzada]
4. Hayes, B. Capítulo 9Optimización de la generación de distribución y gestión de la energía. En Sistemas de Generación Distribuida; Gharehpetian, G., Agah, SMM,
Eds.; ButterworthHeinemann: Oxford, Reino Unido, 2017; págs. 415–451. [Referencia cruzada]
5. GrisalesNoreña, LF; GonzálezMontoya, D.; RamosPaja, CA Dimensionamiento y ubicación óptimos de distribución
Generadores Basados en Técnicas PBIL y PSO. Energías 2018, 11, 1018. [Referencia cruzada]
6. Lavorato, M.; Franco, JF; Jinete, MJ; Romero, R. Imposición de Restricciones de Radialidad en Problemas de Optimización de Sistemas de Distribución. Trans.
IEEE. Sistema de energía 2012, 27, 172–180. [Referencia cruzada]
7. Garces, A. Un flujo de carga trifásico lineal para sistemas de distribución de energía. Trans. IEEE. Sistema de energía 2016, 31, 827–828. [Referencia cruzada]
8. Baradar, M.; Hesamzadeh, MR Representación del flujo de potencia de CA en formato cónico. Trans. IEEE. Sistema de energía
2015, 30, 546–547. [Referencia cruzada]
9. SimpsonPorco, JW; Dorfler, F.; Bullo, F. Sobre redes resistivas de dispositivos de potencia constante. Trans. IEEE.
Sistema de circuitos II Resúmenes expresos 2015, 62, 811–815. [Referencia cruzada]
10. Montoya, OD sobre el análisis lineal de las ecuaciones de flujo de potencia para redes de CC y CA con CPL. Trans. IEEE.
Sistema de circuitos II 2019, 66, 2032–2036. [Referencia cruzada]
11. MontoyaGiraldo, OD; GilGonzález, WJ; GarcésRuíz, A. Flujo de potencia óptima para redes radiales y enmalladas empleando programación semidefinida.
TecnoLógicas 2017, 20, 29–42. [Referencia cruzada]
12. Marini, A.; Mortazavi, S.; Piegari, L.; Ghazizadeh, MS Un algoritmo eficiente de flujo de energía basado en gráficos para sistemas de distribución eléctrica con un
modelado integral de generaciones distribuidas. eléctrico Sistema de energía Res. 2019, 170, 229–243. [Referencia cruzada]
13. Shen, T.; Li, Y.; Xiang, J. Un método de flujo de energía basado en gráficos para sistemas de distribución equilibrados. Energías
2018, 11, 511. [Referencia cruzada]
14. Grainger, JJ; Stevenson, análisis de sistemas de energía de WD; Serie McGrawHill en electricidad e informática
Ingeniería: Potencia y Energía; McGrawHill: Nueva York, NY, EE. UU., 2003.
15. Celli, G.; Pilo, F.; Pisano, G.; Alegranza, V.; Cicoria, R.; Iaria, A. Red de distribución de MT mallada vs. radial en presencia de gran cantidad de GD. Sistema de
alimentación IEEE PES. Conf. Exposición. 2004, 2, 709–714.
16. Adebiyi, AA; Akindeji, KT Investigación del efecto del Compensador Síncrono Estático (STATCOM) para la mejora del voltaje y la mitigación de pérdidas en la línea
de transmisión. En Procedimientos de 2017 IEEE PES PowerAfrica, Accra, Ghana, 27–30 de junio de 2017; págs. 462–467.
17. Gönen, T. Análisis de sistemas de energía modernos; CRC Press: Boca Ratón, FL, EE. UU., 2016.
18. Montoya, OD Sobre la existencia de la solución de flujo de potencia en redes de CC con CPL mediante un método basado en gráficos. Trans. IEEE. Sistema de
circuitos II 2020, 67, 1434–1438. [Referencia cruzada]
19. Milano, F. Analogía y convergencia de los métodos basados en Levenberg y Lyapunov para el análisis de flujo de potencia.
Trans. IEEE. Sistema de energía 2016, 31, 1663–1664. [Referencia cruzada]
20. Jesús, PDOD; Álvarez, M.; Yusta, J. Método de flujo de potencia de distribución basado en un sistema cuasisimétrico real
matriz. eléctrico Sistema de energía Res. 2013, 95, 148–159. [Referencia cruzada]
21. SuchiteRemolino, A.; RuizParedes, HF; TorresGarcía, V. Un nuevo enfoque para los nodos fotovoltaicos utilizando una técnica de flujo de potencia de barrido
hacia atrás/hacia adelante eficiente. IEEE Lat. Soy. Trans. 2020, 18, 992–999. [Referencia cruzada]
22. Garces, A. Singularidad de las soluciones de flujo de potencia en redes de corriente continua de baja tensión. eléctrico Sistema de energía Res.
2017, 151, 149–153. [Referencia cruzada]
23. Nguyen, HL Método de NewtonRaphson en forma compleja [análisis de flujo de carga del sistema de potencia]. Trans. IEEE.
Sistema de energía 1997, 12, 1355–1359. [Referencia cruzada]
24. Lagace, PJ; Vuong, MH; Kamwa, I. Mejora de la convergencia del flujo de potencia por Newton Raphson con un método de LevenbergMarquardt. En las Actas de
la Reunión General de la Sociedad de Energía y Energía del IEEE de 2008: Conversión y suministro de energía eléctrica en el siglo XXI, Pittsburgh, Pensilvania,
EE. UU., 20 al 24 de julio de 2008; págs. 1 a 6.
25. Manrique, ML; Montoya, OD; Garrido, VM; GrisalesNoreña, LF; GilGonzález, W. Algoritmo SenoCoseno para
Análisis OPF en Sistemas de Distribución para Dimensionar Generadores Distribuidos. en Comunicaciones
en Informática y Ciencias de la Información; Springer International Publishing: Cham, Suiza, 2019; págs. 28–39.
[Referencia cruzada]
Machine Translated by Google
aplicación ciencia 2020, 10, 5802 21 de 21
26. Hernández, J.; RuizRodríguez, F.; Jurado, F.; SanchezSutil, F. Seguimiento de la distorsión armónica y el desequilibrio de voltaje en redes de distribución
radial secundaria con incertidumbres fotovoltaicas mediante un flujo de carga armónico multifásico iterativo. eléctrico Sistema de energía Res. 2020, 185,
106342. [Referencia cruzada]
27. RuizRodríguez, F.; Hernández, J.; Jurado, F. Flujo de carga armónico iterativo utilizando el método de estimación puntual y aritmética afín compleja para
sistemas de distribución radial con incertidumbres fotovoltaicas. En t. j
eléctrico Sistema de energía eléctrica 2020, 118, 105765. [Referencia cruzada]
28. GilGonzález, W.; Montoya, OD; Holguín, E.; Garcés, A.; GrisalesNoreña, LF Despacho económico de sistemas de almacenamiento de energía en microrredes
de CC empleando un modelo de programación semidefinido. J. Almacenamiento de energía 2019, 21, 1–8. [Referencia cruzada]
29. Li, Z.; Yu, J.; Wu, QH Flujo de potencia lineal aproximado utilizando la transformación logarítmica de las magnitudes de voltaje con consideración de potencia
reactiva y pérdida de transmisión. Trans. IEEE. Sistema de energía 2018, 33, 4593–4603.
[Referencia cruzada]
30. Chang, GW; Chu, SY; Wang, HL Un algoritmo mejorado de flujo de carga de barrido hacia atrás/hacia adelante para
Sistemas de distribución radial. Trans. IEEE. Sistema de energía 2007, 22, 882–884. [Referencia cruzada]
31. Verma, Hong Kong; Singh, P. Reconfiguración óptima de la red de distribución utilizando un algoritmo de cultivo modificado.
J. Inst. Ing. India Ser. B 2018, 99, 613–622. [Referencia cruzada]
32. Montoya, OD; Garrido, VM; Grisales, LF Localización Óptima y Dimensionamiento de Capacitores en Redes de Distribución Radial Utilizando un Modelo MINLP
Exacto para Minimización de Costos de Operación. Wseas Trans. Autobús. economía 2017, 14, 244–252.
33. Nojaván, S.; Jalalí, M.; Zare, K. Asignación óptima de condensadores en sistemas de distribución radial/de malla utilizando un enfoque de programación no
lineal de enteros mixtos. eléctrico Sistema de energía Res. 2014, 107, 119–124. [Referencia cruzada]
34. Shuaib, YM; Kalavati, MS; Rajan, CCA Colocación óptima de condensadores en un sistema de distribución radial utilizando el algoritmo de búsqueda
gravitacional. En t. J. Electr. Sistema de energía eléctrica 2015, 64, 384–397. [Referencia cruzada]
35. Montoya, OD; GilGonzález, W. Compensación dinámica de potencia activa y reactiva en redes de distribución con baterías: un enfoque de despacho económico
diario. computar eléctrico Ing. 2020, 85, 106710. [Referencia cruzada]
c 2020 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo de acceso abierto distribuido bajo los
términos y condiciones de Creative Commons Attribution
(CC BY) licencia (http://creativecommons.org/licenses/by/4.0/).