Escolar Documentos
Profissional Documentos
Cultura Documentos
ISSN: 0122-1701
scientia@utp.edu.co
Universidad Tecnolgica de Pereira
Colombia
Salazar Garca, Horus Emmanuel; Hincapi Isaza, Ricardo Alberto; Gallego Rendn, Ramn Alfonso
Metodologa para el planeamiento de sistemas de distribucin considerando incertidumbre en la
demanda
Scientia Et Technica, vol. 19, nm. 1, marzo-, 2014, pp. 19-28
Universidad Tecnolgica de Pereira
Pereira, Colombia
Horus Emmanuel Salazar Garca1, Ricardo Alberto Hincapi Isaza2*, Ramn Alfonso Gallego Rendn3.
1
Estudiante de Ingeniera Elctrica, Ingeniera Elctrica, Grupo de Investigacin Planeamiento de Sistemas
Elctricos, Universidad Tecnolgica de Pereira, Pereira, Colombia
hoemmsaga@gmail.com
2,3
Docente, Ingeniera Elctrica, Ingeniera Elctrica, Grupo de Investigacin Planeamiento de Sistemas
Elctricos, Universidad Tecnolgica de Pereira, Pereira, Colombia
ricardohincapie@utp.edu.co
ragr@utp.edu.co
con los cuales se logra un mnimo costo y el cumplimiento de generadores distribuidos son integradas a la solucin del
restricciones operativas. problema a travs de un flujo de carga probabilstico.
Para solucionar este problema en la literatura especializada En este trabajo se propone una metodologa para solucionar el
han sido empleadas diversas formulaciones para el modelo problema del planeamiento de sistemas de distribucin de
matemtico as como diferentes tcnicas de solucin [2-11]. energa elctrica empleando un Algoritmo Gentico de Chu-
Independiente del modelo matemtico o de la tcnica de Beasley (AGCB). La incertidumbre en la demanda es
solucin empleada, este problema ha sido tratado involucrada dentro de la metodologa usando Simulacin de
tradicionalmente empleando valores determinsticos, es decir, Montecarlo, donde la demanda es modelada como una
los valores de algunos aspectos son conocidos durante todas funcin de distribucin normal [23]. Para describir el
las etapas de planeamiento, lo cual est alejado de la realidad problema se emplea un modelo del tipo no lineal entero
pues algunas veces tienen incorporado cierto grado de mixto, el cual considera en la funcin objetivo los costos de
incertidumbre. La incertidumbre en estos sistemas se debe instalacin de nuevos elementos (tramos de red y
principalmente a errores en los clculos de los parmetros de subestaciones), repotenciacin de subestaciones y tramos de
los componentes del sistema, y error en la medida, clculo o red existentes y costos operativos relacionados con las
pronstico de los valores de demanda futura en las barras de prdidas tcnicas del sistema. El conjunto de restricciones
carga del sistema. est compuesto por las ecuaciones de balance nodal,
capacidades mximas permitidas para los elementos del
No considerar la incertidumbre presente en algunas variables sistema, mxima cada de tensin permitida y radialidad de la
del sistema puede llevar a que en algunos casos la respuesta red.
de los estados operativos est alejada de su comportamiento
real, ocasionando como resultado que la solucin del Este artculo est presentado de la siguiente forma. En la
problema del planeamiento pueda llevar a elementos seccin II se describe la formulacin del problema. En la
sobredimensionados o sobrecargados, lo cual se ve reflejado siguiente seccin se ilustra la metodologa propuesta. En
en problemas operativos y econmicos. seccin IV se presenta la aplicacin de la metodologa
propuesta y los resultados obtenidos. Finalmente se presentan
En la literatura especializada son pocas las metodologas las conclusiones y recomendaciones derivadas de este artculo
propuestas para solucionar el problema del planeamiento y la bibliografa respectiva.
considerando incertidumbre en la demanda, al compararlos
con las metodologas que emplean valores determinsticos.
II. FORMULACIN DEL PROBLEMA
Carvalho et al. en 1998 [12] consideran la incertidumbre en la
demanda a travs de varios escenarios, los cuales involucran A. Descripcin del problema
las caractersticas estocsticas de la demanda de acuerdo a un
peso especfico relacionado con la probabilidad de ocurrencia. Con un crecimiento en la demanda se presenta un crecimiento
Para solucionar el problema es empleado un algoritmo en los sistemas de distribucin al presentarse la necesidad de
evolutivo. atenderla adecuadamente. Este crecimiento en los sistemas de
distribucin se traduce en: instalacin de nuevos
Ramrez y Domnguez en 2004 [13] presentan un modelo alimentadores en la red de distribucin, cambio del calibre de
probabilstico de la demanda para el planeamiento los alimentadores existentes, instalacin de nuevas
multiobjetivo de sistemas de distribucin de energa elctrica. subestaciones en el sistema, ampliacin de las subestaciones
La probabilidad durante el proceso de solucin es llevada en existentes y reconfiguracin de la topologa de la red.
cuenta a travs de modelos difusos (fuzzy). La tcnica de
solucin empleada es un algoritmo basado en Bsqueda Tab. Si el crecimiento de los sistemas de distribucin no se efecta
en la forma adecuada se pueden presentar los siguientes
Chen et al. en 2007 [14] proponen un modelo mono-objetivo problemas: sobrecargas en los alimentadores cuando su
para el planeamiento el cual considera la demanda como una capacidad mxima de potencia es excedida, sobrecargas en
variable estocstica a travs de modelos difusos. Un los transformadores cuando su capacidad mxima de potencia
algoritmo gentico es desarrollado y adaptado para solucionar es excedida, violacin de lmites de tensin, incremento en las
el problema. prdidas en transformadores y alimentadores y bajo nivel de
confiabilidad y calidad del suministro de la energa.
Khodr et al. en 2009 [22] presentan una comparacin de
diversas tcnicas de solucin considerando incertidumbre en En conjunto con las estrategias mencionadas anteriormente,
la demanda. Las tcnicas empleadas son: Colonia de debe ser incorporada la incertidumbre en la demanda a lo
Hormigas, Algoritmos Genticos, Bsqueda Tab, Branch largo de las etapas del planeamiento, lo cual podra evitar la
Exchange y descomposicin de Benders. La incertidumbre instalacin de elementos sobredimensionados que produzcan
asociada a la demanda y a inyecciones de potencia de elevados costos de inversin y/o sobrecargados que pueden
Scientia et Technica Ao XIX, Vol. 19, No. 1, Marzo de 2014. Universidad Tecnolgica de Pereira. 21
ocasionar problemas operativos como bajos voltajes, altos Iji,c,t: corriente por el conductor tipo c, etapa t, entre los
niveles de prdidas y congestionamiento de lneas y nodos j-i.
transformadores, entre otros. Vi: magnitud del voltaje en el nodo i.
i: ngulo del voltaje en el nodo i.
Con el objetivo de evitar que se presenten los problemas Iij,c: magnitud de la corriente que circula por el
anteriormente mencionados las empresas operadoras de red conductor tipo c en el tramo de red i-j.
deben realizar un estudio cuidadoso del comportamiento max corriente mxima que puede circular por el
Iij,c :
presente y futuro de la demanda de energa elctrica con el fin conductor tipo c en el tramo de red i-j.
de planificar de manera ptima la expansin del sistema de Si,d: potencia que entrega la subestacin tipo d en el
distribucin. Debido a la cantidad de soluciones que existen nodo i.
para obtener un adecuado plan de expansin, esta situacin se max potencia mxima que puede entregar la
Si,d :
conoce como el problema del planeamiento de sistemas de subestacin tipo d en el nodo i.
distribucin, el cual tiene como propsito principal encontrar Vi
max
: lmite de voltaje mximo permitido.
una solucin que sea factible (que cumpla las restricciones
min
tcnicas) al menor costo posible. Vi : lmite de voltaje mnimo permitido.
NL: nmero de tramos de red del sistema.
n: nmero de nodos del sistema.
B. Nomenclatura empleada fa: factor de actualizacin para expresar los costos
operativos en valor presente.
f(x): funcin objetivo. fan: factor para anualizar los costos del proyecto.
c,d: tipo de conductor y de subestacin,
respectivamente.
t: etapa de planeamiento. C. Modelo matemtico
T: perodo de planeamiento en horas-ao (8760
horas-ao). A continuacin se muestra de forma detallada el modelo
N: nmero total de etapas de planeamiento. matemtico usado para resolver el problema de planeamiento
CFi,j,c,t: costo de instalacin de un alimentador tipo c, en sistemas de distribucin. El problema se formula mediante
entre los nodos i-j, en la etapa t. una sola funcin objetivo la cual consiste en minimizar los
CRi,j,c,t: costo de reconductorizar un alimentador tipo c, costos fijos y variables del sistema. Los costos fijos estn
entre los nodos i-j, en la etapa t. asociados a la instalacin y repotenciacion tanto de
CRi,d,t: costo de ampliacin de una subestacin existente subestaciones como de circuitos primarios y los costos
en el nodo i, tipo d, en la etapa t. variables estn asociados a los costos de prdidas de energa
CFi,d,t: costo de instalacin de una subestacin tipo d, en en los tramos de red. El conjunto de restricciones est
el nodo i, en la etapa t. compuesto por las ecuaciones de balance nodal, radialidad de
CEt: costo de la energa en la etapa t. la red, regulacin de voltaje en los nodos, mxima capacidad
AE: conjunto de rutas asociadas con lneas existentes. de corriente por las lineas y mxima capacidad de potencia en
AN: conjunto de rutas asociadas con lneas nuevas. las subestaciones. El modelo matemtico que se plantea para
A: conjunto conformado por rutas asociadas con resolver el problema tratado en este proyecto es del tipo no
lneas existentes y nuevas. lineal entero mixto.
C: conjunto de tipos de conductores nuevos.
D: conjunto de tipos de subestaciones nuevas.
SE: conjunto de nodos asociados con subestaciones CFij,c,t * Xij,c,t +
existentes. ij AN c C
SN: conjunto de nodos asociados con subestaciones
nuevas.
CFi,d,t * Xi,d,t +
i SN d D
XRi,j,c,t: variable binaria para reconductorizar una lnea N
tipo c, entre los nodos i-j, etapa t. min f(x)= f an * CR ij,c,t * XR ij,c,t + (1)
t =1 ij AE c C
Xij,c,t: variable binaria para instalacin de un conductor
tipo c, entre los nodos i-j, etapa t. CR i,d,t * XR i,d,t +
ij A c C
subestacin tipo d, en el nodo i, etapa t.
Rij,c: resistencia de un conductor tipo c, en la ruta i-j s.a. G(Vi, i) (2)
(/km). max
Iij,c,t: corriente por el conductor tipo c, etapa t, entre los Iij,c Iij,c (3)
nodos i-j.
22 Scientia et Technica Ao XIX, Vol. 19, No. 1, Marzo de 2014. Universidad Tecnolgica de Pereira.
De igual manera que el AG bsico, el AGCB usa los poblacin (mejor que la incumbente actual), as incumpla
operadores de seleccin, recombinacin y mutacin en el la diversidad mnima requerida, dicha configuracin podr
mismo orden [19]. Este algoritmo toma unas ligeras entrar en la poblacin y se deben eliminar las
variaciones siendo la ms notable la inclusin de una funcin configuraciones en ella que no le permitan entrar. Esto es
que devuelve el grado de infactibilidad de una configuracin conocido como criterio de aspiracin. De lo contrario, si
que trabaja en conjunto con la funcin de adaptacin. De no es mejor que la incumbente actual, esta nueva
acuerdo a esto, el AGCB puede presentarse como el conjunto configuracin se descarta por incumplir la diversidad
de los siguientes pasos: requerida.
Generar una poblacin inicial: al igual que el algoritmo La efectividad del AGCB para resolver un problema
gentico bsico, la poblacin inicial en el AGCB puede especfico depende en buena parte de la codificacin. Si ha
ser generada en forma aleatoria o usando un algoritmo sido diseada adecuadamente la poblacin, converger hacia
heurstico constructivo. una buena solucin, sin embargo, que esta solucin sea la de
Diversidad: garantizar una diversidad en una poblacin es mejor calidad no est del todo garantizado. Algunas veces
el factor ms importante en el AGCB, por lo tanto desde para encontrar soluciones de mejor calidad se procede a
la poblacin inicial y en todos sus descendientes se debe calibrar el comportamiento del AGCB, modificando sus
cumplir que todos sus individuos se diferencian en al parmetros de control (tamao de la poblacin, tasa de
menos N posiciones entre s, en donde N indica la recombinacin, tasa de mutacin e ndice de diversidad).
diversidad existente en la poblacin.
Seleccin: este operador define las configuraciones padres D. Evaluacin de las configuraciones
de la prxima generacin. En el AGCB se debe generar
cada vez un solo individuo, es decir, seleccionar dos El flujo de carga empleado para evaluar las configuraciones
padres y hacerse de manera completamente aleatoria. El est basado en el mtodo de barrido iterativo para sistemas
tipo de operador de seleccin que mejor se ajusta a este radiales [20]. Este mtodo supone un ordenamiento de las
algoritmo es la seleccin por torneo. barras del sistema de acuerdo a la forma presentada en [21].
Recombinacin: los dos padres seleccionados en los dos Una vez la red ha sido ordenada, el mtodo de barrido
torneos se emparejan mediante la recombinacin de un iterativo se realiza en dos etapas consecutivas. La primera,
punto, dando como resultado dos descendientes consiste en aplicar la primera ley de Kirchhoff en cada nodo
genticamente complementarios, de quienes se tendr en comenzando desde los nodos terminales hasta llegar a la
cuenta slo el mejor en cuanto a optimalidad y subestacin (barrido hacia arriba). Para esto, es necesario
factibilidad; tambin podr escogerse alguno de manera suponer un perfil de tensin inicial. La segunda etapa,
aleatoria. Este descendiente posteriormente ser sometido consiste en aplicar la segunda ley de Kirchhoff para obtener
a una evaluacin para determinar si podr entrar a la las cadas de tensin en cada lnea, comenzando desde la
poblacin para continuar con el proceso. subestacin hasta los nodos terminales (barrido hacia abajo).
Mutacin: luego de conformados los dos nuevos Para ello se utilizan los datos de corrientes encontrados en la
descendientes se aplica el operador de mutacin de igual primera etapa. La segunda etapa permite obtener nuevos
manera que en el AG. valores para las tensiones nodales. La realizacin de las dos
Etapa de mejoramiento y evaluacin del descendiente: etapas anteriores constituye una iteracin del proceso de
despus de la mutacin, el individuo se somete a una etapa convergencia global. El mtodo converge cuando la
de mejoramiento que consiste en aplicar una tcnica diferencia de prdidas activas entre dos iteraciones sucesivas
heurstica constructiva para mejorar su calidad. Este es menor que un error establecido.
proceso se realiza con la finalidad de reducir la
infactibilidad y de mejorar la calidad del individuo en E. Criterio de parada
cuestin.
Para dar final al proceso iterativo del AGCB se definieron 2
Los siguientes criterios son usados para reemplazar la peor criterios de parada: por nmero de generaciones especificado
configuracin de la poblacin con el nuevo descendiente: y por cantidad de iteraciones sin evolucin. Los valores de
dichos nmeros dependen exclusivamente del tamao del
problema y se encuentran empricamente por pruebas de
Preferencia por optimalidad: una configuracin factible
ensayo y error.
siempre es mejor que cualquier infactible, pero slo es
mejor que otra factible siempre y cuando esta ltima tenga
F. Metodologa propuesta
peor funcin de adaptacin.
Preferencia por factibilidad: una configuracin infactible
En forma general la metodologa consta de los siguientes
es mejor que alguna otra infactible siempre y cuando esta
pasos:
ltima tenga mayor valor de funcin de infactibilidad.
Preferencia por diversidad: si una configuracin factible
Paso 1. Lectura de datos del problema.
es de mejor calidad que todas las existentes en una
24 Scientia et Technica Ao XIX, Vol. 19, No. 1, Marzo de 2014. Universidad Tecnolgica de Pereira.
8 58 640,2 653,2
9 67 653,2 666,1
10 55 666,1 679,1
11 46 679,1 692,0
12 48 692,0 705,0
13 26 705,0 717,9
14 21 717,9 730,9
15 13 730,9 743,8
16 4 743,8 756,8
17 5 756,8 769,7
18 3 769,7 782,7 Figura 3. Configuracin final Demanda determinstica
19 0 782,7 795,6
20 2 795,6 808,6
Tabla 5. Agrupacin de las soluciones en 20 intervalos