Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo de Titulo PFH v0
Trabajo de Titulo PFH v0
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA
TRABAJO DE TÍTULO
DIMENSIONAMIENTO Y UBICACIÓN EFICIENTE DE
B AT E R Í A S E N E L S I S T E M A E L É C T R I C O N A C I O N A L
C O N S I D E R A N D O E S TA B I L I D A D D E V O LTA J E
M a r c o Te ó r i c o
Resultados
Sistemas de Almacenamiento
Índices de Estabilidad Análisis de resultados
Técnicas de Optimización
Metodología Conclusiones
Proceso de Optimización Hallazgos y trabajos futuros
2
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
Motivación Objetivos
Generales y
Específicos
3
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
Motivación Objetivos
Generales y
Específicos
4
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Motivación
5
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
Motivación Objetivos
Generales y
Específicos
6
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
Motivación Objetivos
Generales y
Específicos
7
Introducción
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Objetivos Generales y Específicos
Objetivos Generales
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
SEN.
Objetivos Específicos
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
8
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
9
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
10
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Sistemas de Almacenamiento
11
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
12
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
13
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Estado del Arte
14
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
15
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
NSGA-II
16
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Algoritmo Genético
Un AG buscar resolver un problema de optimización de manera iterativa,
utilizando como estrategia la evolución biológica.
La estructura general del algoritmo es:
• Población inicial
• Función de desempeño (fitness)
• Selección de padres
• Intercambio de genes (Crossover)
• Mutación
• Criterio de convergencia
17
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
80 Optimización Multiobjetivo
75 Problemas que interpretan la realidad involucran la optimización simultánea
de varias funciones objetivo.
70 Estos algoritmos se basan en el concepto de eficiencia de Pareto.
Función Objetivo 2
45
40
30 35 40 45 50 55 60 65 70
Función Objetivo 1
18
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Dominancia
60 Optimización Multiobjetivo
59 Problemas que interpretan la realidad involucran la optimización simultánea
58 de varias funciones objetivo.
Estos algoritmos se basan en el concepto de eficiencia de Pareto.
57
Función Objetivo 2
Función Objetivo 1
19
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Dominancia
60 Optimización Multiobjetivo
59 Problemas que interpretan la realidad involucran la optimización simultánea
58 de varias funciones objetivo.
Estos algoritmos se basan en el concepto de eficiencia de Pareto.
57
Función Objetivo 2
Función Objetivo 1
Función Objetivo 1
21
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Función Objetivo 1
22
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Función Objetivo 1
23
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Función Objetivo 1
24
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Función Objetivo 1
25
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
Función Objetivo 1
26
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
27
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
28
Marco Teórico
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Técnicas de Optimización
29
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
30
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
31
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Esquema Metodológico
Objetivos Generales
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
Objetivos Específicos
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
32
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
33
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
34
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Función Objetivo y datos de entrada
Función Objetivo 1
Función Objetivo
𝑔 La Función Objetivo 1 se define como la suma de las baterías que se instalan
Función Objetivo 2
(∑ (| |))
𝑁𝑐 𝑁𝐾 Función Objetivo
𝑓𝑖𝑡𝑛𝑒𝑠𝑠 ( 𝑥 𝑔 )=∑ 𝜆𝑘 ∙ 𝑈 𝑖𝑘
La Función Objetivo 1 se define como la suma de las baterías que se instalan
en el sistema. Ésta se busca minimizar.
La Función Objetivo 2 cuantifica la caída de tensión durante contingencias,
𝑗=1 𝑖=1 según ciertas condiciones operacionales críticas del sistema. Ésta se busca
maximizar.
Donde:
: Número de contingencias.
: Número de barras candidatas para la localización de baterías. Datos de entrada
: factor de peso de la contingencia k. El modelo del sistema en estudio: corresponde a una base de datos en el
programa DIgSILENT PowerFactory.
: voltaje transitorio en la barra i durante la contingencia j con asignación de
unidades de baterías en las barras candidatas g. La base datos contiene:
• Características de la falla
• Tensión estacionaria donde se ubicarán baterías
• Tensión transitoria máxima
• Cantidad y potencia aparente de baterías
• Número de generaciones que itera el algoritmo
• Número de individuos que tendrá una población
• Frecuencia de búsqueda local
• Cantidad de barras para la exploración
• Umbral de empeoramiento
36
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Función Objetivo y datos de entrada
Optimización Multiobjetivo
Función Objetivo
{max 𝑓𝑖𝑡𝑛𝑒𝑠𝑠 ( 𝑥 ) , min 𝑛 _ 𝑏𝑒𝑠𝑠 ( 𝑥 ) }
𝑥∈𝑋 𝑥∈𝑋
La Función Objetivo 1 se define como la suma de las baterías que se instalan
en el sistema. Ésta se busca minimizar.
La Función Objetivo 2 cuantifica la caída de tensión durante contingencias,
según ciertas condiciones operacionales críticas del sistema. Ésta se busca
Sujeto a:
maximizar.
𝑔
39
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
40
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Población y descendencia
Población
El individuo y su población
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
La descendencia
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
41
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Población y descendencia
Población
El individuo y su población
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
La descendencia
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Cambio de formato Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
42
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Población y descendencia
Crossover
El individuo y su población
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
La descendencia
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
43
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
44
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
45
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Búsqueda Local
Soluciones
Zonas de búsqueda
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
46
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Búsqueda Local
Soluciones
Zonas de búsqueda
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
47
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Búsqueda Local
Soluciones
Zonas de búsqueda
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
48
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Búsqueda Local
Exploración de soluciones
Retiro de baterías
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
Adición de baterías
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
49
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Búsqueda Local
Soluciones y exploración
Retiro de baterías
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
Adición de baterías
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
50
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
51
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
52
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
• Frontera 1
• Frontera 2
• Frontera 3
• Frontera 4
•
•
Frontera 5
Frontera 6
Non-dominated Sorting
• Frontera 7 Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
53
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
54
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
55
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
56
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
57
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
58
Metodología
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Frontera Pareto eficiente
59
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
60
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
61
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Características del sistema
Características generales
• Base de datos que modela el Sistema Eléctrico Nacional en un escenario
de planificación al 2028
• La potencia máxima es aproximadamente 38.000 MW
• 15.000 MW corresponden a generación solar, eólica y almacenamiento
• Este modelo no contempla las obras del plan de expansión de la
transmisión 2020
• Se modela en un horario de día (alta penetración ERV, altas transferencias
Norte-Sur y bajas inercias en Norte Grande y Centro
• Tramo Nueva Pan de Azúcar – Polpaico 500 kV se asigna con capacidad
máxima (aproximadamente 1700 MW)
62
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
63
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
64
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Contingencias
Contingencias
Según el Coordinador Eléctrico Nacional, una falla en el tramo Kimal – Los
Changos 500 kV representa un escenario crítico para el funcionamiento del
SEN en la zona norte.
Para la validación del modelo se ejecutará una contingencia en:
• Subestación Kimal, barra de 500 kV
• Subestación Los Changos, barra 500 kV
65
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
66
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
67
Caso de estudio
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Datos de entrada
68
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
69
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
70
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Base
71
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Base
72
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
73
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
74
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Extendido
Ranking Nombre
0 El Tesoro
1 Gaby 220
2 Esperanza 220
3 Centinela 220 kV B2
4 Fortuna 220kV
Las 5 barras que más afectan el fitness según el ranking de sensibilidad dada
esta contingencia
75
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Extendido
76
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Extendido
Ranking Nombre
0 Laguna Seca
1 Chimborazo 220
2 Planta Óxidos
3 Domeyko 220
4 Sulfuros 220
Las 5 barras que más afectan el fitness según el ranking de sensibilidad dada
esta contingencia
77
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Algoritmo Extendido
78
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
79
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
80
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Optimización Multiobjetivo
81
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Optimización Multiobjetivo
82
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Optimización Multiobjetivo
83
Resultados
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA Optimización Multiobjetivo
84
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
85
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
86
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA De los objetivos
Objetivos Generales
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
Objetivos Específicos
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
87
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
88
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA SUBTITLE
89
Conclusiones
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA De los trabajos futuros
Objetivos Generales
Implementar una estrategia de optimización multiobjetivo con técnicas de
optimización heurísticas que permita evaluar escenarios de dimensionamiento
y posicionamiento eficiente de baterías con criterios técnico-económicos en el
Sistema Eléctrica Nacional.
Objetivos Específicos
Analizar Estado del arte en cuanto a estrategias de optimización multiobjetivo
con algoritmos heurísticos, con especial énfasis en algoritmos genéticos.
Desarrollar e implementar estrategia de optimización multiobjetivo para
determinar dimensionamiento y ubicación eficiente de baterías con criterios
técnico-económicos.
Evaluar los beneficios técnicos de la incorporación de sistemas de
almacenamiento de baterías en el Sistema Eléctrico Nacional.
90
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA
UNIVERSIDAD TÉCNICA
FEDERICO SANTA MARIA
TRABAJO DE TÍTULO
DIMENSIONAMIENTO Y UBICACIÓN EFICIENTE DE
B AT E R Í A S E N E L S I S T E M A E L É C T R I C O N A C I O N A L
C O N S I D E R A N D O E S TA B I L I D A D D E V O LTA J E