INGENIERÍA E INVESTIGACIÓN VOL. xx No.

x, January - 2018 (xx-xx)

Planning of Underground Electrical Distribution Networks

Based on Graph Theory.
Planeación de Redes de Distribución Eléctricas Soterrada Basada en Teo-
ría de
Grafos.
Santiago Becerra1, Jefferson Paredes2, Marcelo Burbano3, Esteban Inga4

ABSTRACT
This paper presents a model based on minimum spanning tree in which it seeks to cover the minimum cost of routing in buried net-
works by entering a georeferenced map; therefore, the proposed algorithm will allow finding a solution to the design problems that
can be found in many networks in this case will allow to find the minimum cost of routing the networks in order to strengthen and
improve the design at the lowest cost. The optimal location of the candidate sites will allow a more efficient and real result. The pre-
sented work is based on the planning of underground networks that seeks greater efficiency and reliability of the electrical system.

Keywords: planning, installation, reliability, efficiency, sizing, cost, capacity.

RESUMEN
En este artículo se presenta un modelo basado en el árbol mínimo de distribución soterrado ADS, en el cual busca abarcar el costo
mínimo de enrutamiento en redes soterradas mediante el ingreso de un mapa georeferenciado por lo tanto el algoritmo propuesto
permitirá encontrar una solución a los problemas de diseño que se pueden encontrar en muchas redes en este caso permitirá en-
contrar el costo mínimo de enrutamiento de las redes con el propósito de afianzar y mejorar el diseño al menor costo .La ubicación
optima de los sitios candidatos permitirá tener un resultado más eficiente y real. El trabajo presentado es basado en la planeación
de redes soterradas que busca mayor eficiencia y confiabilidad del sistema eléctrico.

Palabras clave: planificación, instalación, confiabilidad, eficiencia, dimensionamiento, costo, capacidad.

Received: January __th 20xx

Accepted: January __th 20xx

tiras orientadas en direcciones opuestas[3]. Estos problemas se

Introducción1 2
En la actualidad se presenta modelos para la distribución de
energía eléctrica, existen diversas técnicas fundamentales para
el campo de los algoritmos de aproximación, tal es el caso del
algoritmo codicioso (set cover) propuesto en el documento[1],
donde nos orienta con un algoritmo de aproximación con el fin
de lograr enlaces entre objetos, el problema principal se presen-
ta en leer la distancia de entrada de algún problema por partes y
crear partes de la salida antes de conocer toda la cadena de
entrada[2].
El problema de decisión consiste en identificar el menor número
de conjuntos cuya unión aun contenga todos los elementos del
universo U, de esa manera establecer cobertura con medias
1
Electrical Student, Universidad Politécnica Salesiana, Ecuador.
rra@est.ups.edu.ec
2
Electrical Student, Universidad Politécnica Salesiana, Ecuador.
bano@est.ups.edu.ec
3
Electrical Student, Universidad Politécnica Salesiana, Ecuador.
des@est.ups.edu.ec
4 Ph.D. in Engineering. Affiliation: Director of Electrical Engineering
Politécnica Salesiana, Ecuador. E-mail: einga@est.ups.edu.ec
How to cite: Becerra, S., Burbano, M., Paredes, J., Inga, E. (2018). Planning of
underground distribution networks based on graph theory. Ingeniería e Investiga-
ción, xx(x), xx-xx.
DOI: http://dx.doi.org/10.15446/ing.investig.vxxnx.xxxx
resumen al problema de cobertura del conjunto. Conocemos
que, sometido a una suposición plausible en la clase NP, el algo-
ritmo codicioso está cerca de los mejores algoritmos polinomia-
les aproximados para la solución de problemas de la cubierta del
conjunto, este algoritmo construye una cubierta parcial, que
cubre al menos una parte (por ejemplo, 90%) del conjunto[4],[5].
Entre las muchas configuraciones de distribución encontramos
alimentadores de interconexión, anillo, mallado las cuales son
utilizadas de acuerdo con el sector (tipo de estrato), un criterio
valido para las posibles configuraciones de red dependerá del
tamaño, de las rutas y la ubicación de las subestaciones. En nor-
males condiciones los alimentadores son colocados en seccio-
nes[6], que permiten encontrar el costo mínimo de enrutamien-
to mediante la teoría de los grafos siendo así un grafo un conjun-
to, no vacío de objetos llamados nodos o vértices los cuales
E-mail: sbece-
tienen conexión mediante líneas llamados aristas[7] .
E-mail: bbur-
Existen varias técnicas para diseñar un spanning tree o árbol de
E-mail: jpare- expansión de codificación como son calcular el costo de enruta-
miento, crear una solución inicial[8],[9], realizar búsqueda local,
at Universidad solución diversificada y algoritmos con condiciones de termina-
ción[10]. Un árbol de Steiner (STP) busca un árbol que abarque
un conjunto dado de nodos con el peso mínimo mediante la
introducción de algunos nodos auxiliares, todos los nodos en el
conjunto dado son llamados nodos especiales. Un STP incluye

1
PLANNING OF UNDERGROUND DISTRIBUTION NETWORKS BASED ON GRAPH THEORY
varios casos importantes, el árbol de Steiner en gráficos (SGPC)
es uno de ellos tratado en el documento [11],[12].
Un Steiner Tree Problem se puede describir como la búsqueda
de un árbol que conecta todos los nodos solicitados con una
serie de puntos de Steiner. De acuerdo con diferentes objetos el
árbol de Steiner tiene dos tipos de ramificaciones, el STP ponde-
rado y el STP punto ponderado [13].
A su vez existen términos como es el caso del ‘The Prize Collec-
ting Steiner Tree(PCST)’es uno de los más importantes proble-
mas dentro del campo de optimización combinatoria, un proble-
ma de PCST es una versión generalizado del problema del árbol
de Steiner [14],[15].
CAMARA
SECUNDARIA
CAMARA
SECUNDARIA
SECUNDARIA
CAMARA
SECUNDARIA
CIRCUITO DE BAJO VOLTAJE SOTERRADO
CIRCUITO SOTERRADO PRINCIPAL
CIRCUITO TRIFASICO DE MEDIO VOLTAJE
MAN
MEDIDORES DE LUZ
Figura 1. Diagrama general de líneas Soterradas
Propiedades topológicas de las redes de
distribución de electricidad del mundo real
Con el Paso del tiempo es inevitable pensar en la implementación
de nuevas tecnologías para la distribución de medio y alto voltaje
en redes de distribución, para lo que implementamos un algorit-
mo que describa la ubicación de cada componente de la red[16],
es importante que la formulación del problema tenga la capaci-
dad de caracterizar y cuantificar la forma diferente en que las
redes urbanas y las redes rurales funcionan con diferentes niveles
de integración de una nueva de distribución, todas las ciudades
del mundo deben cumplir con requerimientos de. Las cámaras de
transformación cerca de la población no solo imponen severas
restricciones al uso de la tierra, sino que también genera una
gran demanda de seguridad[17].
Para la implementación de un proyecto necesitamos conoces
maneras de conectar elementos que estén instaladas de manera
subterráneas, el documento[18], tratan de la revisión exhaustiva
del sistema de comunicación subterránea de objetos, se centró
en los progresos técnicos recientes en el campo del control del
medio ambiente y la comunicación de cámaras subterráneas[19].
Como un algoritmo valido ‘’spanning tree’’ se basa en codifica-
ción binaria en el cual cada spanning tree tiene una cadena de
varios bits dependiendo de la existencia de un borde en el span-
ning tree [20], por otro lado podemos basarnos en codificación
basada en nodos cada spanning tree esta codificado en cadena de
2 INGENIERÍA E INVESTIGACIÓN VOL. xx No. x, xxxxx - xxxx (xx-xx)
enteros de n-1 en los que i es un índice entero que representa a
los bordes[21].
Dentro del spanning tree tenemos el algoritmo kruscal donde
como objetivo tiene construir un árbol (subgrafo sin ciclos)
formado por arcos sucesivamente seleccionados de mínimo peso
a partir de un grafo con pesos en los arcos [22], el algoritmo
comienza estableciendo el vértice 1 como vértice central y luego
ordenando los bordes en orden creciente y como el algoritmo
de Kruskal. Pero, cada vez que elijamos un vértice (supongamos
que está bajo consideración) para instalarlo en el último período,
debemos verificar si ese j ya está o no [23],[24].
Para aplicar el algoritmo Prim en cada paso se debe seguir la
arista con menor ponderación para formar nuestro árbol sin
formar ciclos[25], ya que puede tener muchas aplicaciones en
todos los campos, de tecnología y ciencia que van desde redes de
computadoras y comunicaciones, conexiones de cableado, Dise-
ño de circuitos VLSI a problema de vendedor ambulante, multi-
terminal problema de flujo [26],[27].
Los criterios de revisión utilizada fueron, la situación del sote-
rramiento respecto de distintos voltajes de la red, en el cual se
analiza el porcentaje de soterramiento actual de diferentes países
CAMARA
de Europa.
El principal objetivo es el de aumentar los requerimientos de
energía, conociendo su impacto, además de que existe una gran
diferencia de costos de inversión entre los distintos medios de
instalación de las redes (aéreas y soterradas), es decir se basa
principalmente en las diferencias de los costos por las diferencias
de tensión entre redes e infraestructura asociadas[30].
Uno de los factores más importantes a tener en cuenta es el
efecto de pérdidas que se produce en líneas de transmisión, en la
figura 7 se muestra la comparación de pérdidas sufridas con el
porcentaje de red subterránea en redes de distribución en el
Reino Unido del 2000 al 2001.
Se conoce que el equilibrio entre los costos económicos y los
beneficios de las redes soterradas solo se alcanza en segmentos
específicos de la red por lo que el estudio de estos es de suma
importancia para su correcta localización.
Dentro del problema planteado, el ejemplo tomado es en un
sector de Europa, España, el cual, en comparación a otros países
europeos, este es uno de los países con menor porcentaje de
líneas soterradas instaladas. Como se muestra en la figura 4.
La figura 3 muestra el porcentaje de redes soterradas en baja
tensión en Europa. Como se puede comprobar, Países Bajos es
aquel con mayor porcentaje de soterramiento en las líneas de
baja y media tensión. Bélgica es uno de los países con mayores
porcentajes de soterramiento en las líneas de baja y media ten-
sión. Desde el año 2003 existe una regulación que restringió las
condiciones para la construcción de nuevas líneas aéreas, y con-
diciona que fuera de las áreas urbanas estas deben realizarse de
manera coincidente con otras obras de infraestructura[31]
Formulación del problema
En un ADS, los nodos de transmisión (transformadores) reciben
en su primario medio voltaje, de la red principal y luego trasmi-
ten por conductos soterrados a las distintas casas. Un nodo de
retransmisión en un nivel bajo requiere un mejor rendimiento
del dispositivo y calidad de voltaje que un nodo de transmisión
en un nivel alto para reducir la caída de tensión de transmisión
 BECERRA, BURBANO, PAREDES

desde un nodo raíz a nodos hoja en el nivel más alto. Debido a la Los nodos por el GoMC en Spanning tree elimina el borde que
diversidad de terrenos de cada casa, la caída de tensión puede tiene el mayor peso en cada gráfico ciclado.
verse afectada por a gran distancia.

Construcción del Algoritmo ADS

Un ADS se presenta como una ruta de distribución de
energía eléctrica entre dos puntos, el grupo de red se construye
en base a un algoritmo de Spanning tree, mientras que los dispo-
Ejemplo
sitivos miembros de grupo (usuarios) se consideran vértices en
el árbol de expansión, excepto un dispositivo de origen (Trans- Para verificar la operación del algoritmo es necesario describir
formador) de grupo. Para construir un árbol de expansión, se los datos de entrada de capacidad y cobertura de cada transfor-
calcula una puntuación de rendimiento general del dispositivo (P) mador, para de esa manera determinar el número de transfor-
de cada nodo de dispositivo, es decir, cada vértice en el árbol, C madores a utilizarse, a su vez la ubicación de cada residencia
y Co representan la capacidad y la cobertura de un transforma- energizada.
dor de distribución.
El diseño de la red de planificación se la realiza en España a con-
tinuación se marca la localización en la figura 2.
Tabla1. Variables utilizadas para la construcción del algoritmo.
Nombre de la Variable Descripción.
N conjunto de nodos, de forma ordenada (
Ns,Ngo,N1,…..,Nm)
R Rendimiento Establecido, de forma ordenada
(Rs,Rgo,R1, R2, . . . ,Rm)
B Conjunto de Bordes

Nf El nodo de un dispositivo fuente de medios

Np El nodo de un dispositivo de propietario

Nm El nodo de un dispositivo miembro de grupo que

tiene el menor valor de 1 / P
GoMC La cantidad máxima de nodos secundarios de Np

El peso del borde que está conectado entre dos vértices RA

(residencia A) y RB (residencia B) se calcula mediante Spanning
Tree usando P. Un peso en un algoritmo ADS representa la
diferencia en el rendimiento del dispositivo entre dos nodos del
dispositivo. En función de estos pesos, el árbol de expansión Figura 2. Visualización de las residencias y los transformadores
máximo como primer paso en el algoritmo 1 para construir un
conectados mediante Minimal Spaninng Tree.
ADS se construye utilizando el algoritmo de Prim a partir del
primer nodo que tiene el menor valor 1 / P. La Tabla 1 describe
las anotaciones del Algoritmo. Análisis de Resultados
Algoritmo ADS Para la planificación de la red el algoritmo Steiner Tree fue valido
ya que se basa en codificación binaria en el cual tiene una cadena
Construcción del Algoritmo ADS
de varios bits dependiendo de la existencia de un borde, además
Entrada: N, R, GoMC de eso presentamos en la figura 3 la localización de las residen-
Salida: B, Nf, Np, Nm cias que en un futuro estarán energizadas, y en la figura 4 la
1.-Comentario ‘’Construya el árbol de expansión máximo (V, E) usando el algorit- configuración basada en el algoritmo basado Prim.
mo de Prim
2.-Comentario ‘’basado en los pesos de todos los bordes posibles calculados por
(2) ’’.donde StartNode  Ni; ’’
3.- SI (N pertenece Nf) entonces
4.- E  E U ({Nf, Np}); Los criterios de revisión utilizada fueron, la situación del sote-
5.- Fin SI rramiento respecto de distintos voltajes de la red, en el cual se
6.- Para (i  1 a GoMC) hacer analiza el porcentaje de soterramiento actual de diferentes países
7.- SI (N pertenece Ni) entonces
8.- E  E U {[Np, Ni]};
de Europa. El principal objetivo es el de aumentar los requeri-
9.- Fin SI mientos de energía, conociendo su impacto, además de que
10.- Fin Para existe una gran diferencia de costos de inversión entre los distin-
11.- Mientras (exista un ciclo en (N, B)) hacer tos medios de instalación de las redes (aéreas y soterradas), es
12.- Eliminar el borde que tiene menos W en un ciclo gráfico
13.- Fin mientras decir se basa principalmente en las diferencias de los costos por
14.- Para (cada v desde el nivel más alto al más bajo en (N, B)) hacer las diferencias de tensión entre redes e infraestructura asociadas.
15.- Si ( v(1/R) < (padre (1/R) de v)) hasta En la figura se muestra la comparación de pérdidas sufridas con
16.- Cambie el nodo v al padre v del nodo en (N, B)
17.- Fin Si
el porcentaje de red subterránea en redes de distribución en el
18.-Fin Para Reino Unido del 2000 al 2001.

INGENIERÍA E INVESTIGACIÓN VOL. xx No. x, xxxx - xxxx (xx-xx) 3

PLANNING OF UNDERGROUND DISTRIBUTION NETWORKS BASED ON GRAPH THEORY

Figura.3 Porcentaje de Pérdidas en relación con el porcentaje de red Figura5. Porcentaje de Redes Soterradas en Media Tensión
subterránea.
Tabla N° 3: Situación de la red europea en media tensión.
Longitud de la red
Se conoce que el equilibrio entre los costos económicos y los País Km. de red (metros por habitan-
Porcentaje de
beneficios de las redes soterradas solo se alcanza en segmentos soterramiento
tes)
específicos de la red. Países bajos 101.900 8,9 100%
Bélgica 65.000 6,4 85%
Inglaterra 372.000 6,3 81%
Situación de redes Soterradas en Europa:
Alemania 475.000 5,8 60%
Dinamarca 55.000 10,5 59%
Redes de Baja Tensión: Suecia 98.700 12,3 53%
Italia 331.000 5,7 35%
Francia 574.000 9,5 32%
Noruega 92.000 20,5 31%
España 96.448 2,4 30%
Portugal 58.000 6,1 16%
Austria 57.000 7,0 15%

Redes de Alta Tensión:

Tabla N° 4: Situación de la red europea en alta y extra alta tensión.
Alta tensión
60 a 150 KV
Km. de red Km. soterrados %
Países
6.457 905 14,0
bajos
Inglaterra 25.825 3.789 14,8
Alemania 76.349 4.740 8,2
Dinamarca 8.005 1.673 20,9
Bélgica 5.172 396 7,6
Noruega 19.825 624 3,2
Figura4. Porcentaje de Redes Soterradas en Baja Tensión Italia 36.677 449 1,2
Francia 50.513 1.984 3,9
Portugal 9.311 258 3,8
Tabla N° 2: Situación de la red europea en baja tensión. Suiza 6.080 680 11,2
Longitud de la red
Porcentaje de
País Km. de red (metros por habitan-
tes)
soterramiento Para la planificación de la red el algoritmo Steiner Tree fue
Países bajos 145.000 8,9 100% valido ya que se basa en codificación binaria en el cual tiene una
Inglaterra 377.000 6,4 81% cadena de varios bits dependiendo de la existencia de un borde,
Alemania 926.000 11,3 75% además de eso presentamos en la figura 3 la localización de las
Dinamarca 92.000 17,6 65% residencias que en un futuro estarán energizadas, y en la figura 4
Bélgica 108.000 10,6 44%
Noruega 185.000 41,3 38%
la configuración basada en el algoritmo basado Prim.
Italia 185.000 12,1 30%
Francia 709.000 10,5 27%
Portugal 632.000 11,9 19%
España 112.000 6,0 17%
Austria 65.000 8,0 15%

Situación en Redes de Media Tensión:

4 INGENIERÍA E INVESTIGACIÓN VOL. xx No. x, xxxxx - xxxx (xx-xx)


Figura 6. Visualización de los sitios candidatos conectados mediante
Minimal Spaninng Tree.
Como se puede comprobar, Países Bajos es aquel con mayor
porcentaje de soterramiento en las líneas de baja y media ten-
sión. Bélgica es uno de los países con mayores porcentajes de
soterramiento en las líneas de baja y media tensión. Desde el año
2003 existe una regulación que restringió las condiciones para la
construcción de nuevas líneas aéreas, y condiciona que fuera de
las áreas urbanas estas deben realizarse de manera coincidente
con otras obras de infraestructura
Figura 7. Minimal Spanning Tree con Transformadores.
Figura 8. Matriz de conectividad y adyacencia de los transformdores.
Conclusiones
INGENIERÍA E INVESTIGACIÓN VOL. xx No. x, xxxx - xxxx (xx-xx)
BECERRA, BURBANO, PAREDES
Se concluye que existe dificultad para saber los costos reales de
las líneas aéreas y las soterradas, mostrando variaciones entre
una misma categoría que son difíciles de explicar, pero en general
se puede establecer que, los costos directos de los materiales
para las líneas subterráneas son más altos que para las aéreas
considerando los valores extremos da cada nivel de tensión.
Se concluye que en líneas de baja tensión en condiciones ideales
y pueden acercarse a la paridad; las compañías argumentan que
existirían problemas de fiabilidad en el uso de redes subterráneas
ya que si bien las fallas tienden a ser menores, se tarda más
tiempo en localizar y repararlas.
Agradecimientos
Los autores agradecemos a la Universidad Politécnica Salesiana
del Ecuador, al apoyo brindado por el ingeniero, y a la Universi-
dad Nacional de Colombia para la realización de este documen-
to.
Referencias
[1] S. Dobrev, J. Edmonds, D. Komm, R. Královič, S. Krug,
and T. Mömke, “Improved analysis of the online set cover prob-
lem with advice,” Rev. Theoretical Computer Science, vol. 689,
pp. 96–107, 2017.
[2] M. Hao, A. S. Macdonald, P. Tapadar, and R. Thomas,
“Insurance loss coverage and demand elasticities,” Rev. Insur-
ance: Mathematics and Economics, vol. 79, Elsevier B.V., pp.
15–25, 2018.
[3] C. Bazgan, J. Monnot, V. T. Paschos, and F. Serrière, “On
the differential approximation of min set cover,” Rev. Theoreti-
cal Computer Science, vol. 332, no. 1–3, pp. 497–513, 2005.
[4] M. J. Moshkov, “Greedy algorithm for set cover in con-
text of knowledge discovery problems,” Rev. Electronic Notes in
Theoretical Computer Science, vol. 82, no. 4, pp. 179–190, 2003.
[5] J. Nahman and D. Perić, “Path-set based optimal plan-
ning of new urban distribution networks,” Rev. International
Journal of Electrical Power & Energy Systems, vol. 85, pp. 42–49,
2017.
[6] C. Trudeau and J. Vidal, “On the set of extreme core
allocations for minimal cost spanning tree problems,” Rev. Jour-
nal of Economic Theory, vol. 169, pp. 425–452, 2017.
[7] Q. Tan and N. Due, “An experimental study of minimum
routing cost spanning tree algorithms,” 2013 International Con-
ference on Soft Computing and Pattern Recognition, SoCPaR
2013, no. 2, pp. 158–165, 2003.
[8] L. Shi and B. Yu, “Characterizing rules in minimum cost
spanning tree problems,” Rev. Operations Research Letters, vol.
45, no. 6, pp. 675–678, 2017.
[9] A. Singh, “A new heuristic for the minimum routing cost
spanning tree problem,” in Proceedings - 11th International
Conference on Information Technology, ICIT 2008, 2008, pp. 9–
13.
[10] A. Belal, “Finding maximum-cost minimum spanning
trees,” in The 3rd ACS/IEEE International Conference onCom-
puter Systems and Applications, 2005, pp. 0–3.
[11] C. Patvardhan, V. Prakash, and A. Srivastav, “Parallel
heuristics for the bounded diameter minimum spanning tree
problem,” in 11th IEEE India Conference: Emerging Trends and
Innovation in Technology, INDICON 2014, 2014, pp. 1–5.
[12] X. Lai, Y. Zhou, X. Xia, and Q. Zhang, “Performance
analysis of evolutionary algorithms for steiner tree problems,”
Rev. Evolutionary Computation, vol. 25, no. 4, pp. 707–723, 2017.
[13] X. Han, J. Liu, D. Liu, Q. Liao, J. Hu, and Y. Yang, “Distri-
bution Network Planning Study with Distributed Generation
Based on Steiner Tree Model,” in 2014 IEEE PES Asia-Pacific Pow-
5
PLANNING OF UNDERGROUND DISTRIBUTION NETWORKS BASED ON GRAPH THEORY

er and Energy Engineering Conference (APPEEC), 2014, vol. 1, [30] E. Inga and R. Hincapié, “Optimal Deployment of Cellu-
pp. 2–6. lar Networks for Advanced Measurement Infrastructure in Smart
[14] Y. Hosokawa and E. Chiba, “A heuristic algorithm for the Grid,” IEEE, 2014.
prize collecting Steiner Tree problem,” in IEEE International Con- [31] J. Nahman and D. Peric, “Electrical Power and Energy
ference on Industrial Engineering and Engineering Manage- Systems Path-set based optimal planning of new urban distribu-
ment, 2014, pp. 99–102. tion networks,” Electr. Power Energy Syst., vol. 85, pp. 42–49,
[15] Z. Jin, M. Liang, and L. Zhang, “Algorithms for degree- 2017.
constrained Euclidean Steiner minimal tree,” Rev. Journal of
Systems Engineering and Electronics, vol. 19, no. 4, pp. 735–741,
2008.
[16] S. Abeysinghe, J. Wu, M. Sooriyabandara, M. Abey-
sekera, T. Xu, and C. Wang, “Topological properties of medium
voltage electricity distribution networks,” Rev. Applied Energy,
vol. 210, pp. 1101–1112, 2017.
[17] V. Blanco, E. Fernández, and J. Puerto, “Minimum
Spanning Trees with neighborhoods: Mathematical program-
ming formulations and solution methods,” Rev. European Jour-
nal of Operational Research, vol. 262, no. 3, pp. 863–878, 2017.
[18] Y. Zhou and J. Zhao, “Assessment and planning of
underground space use in Singapore,” Rev. Tunnelling and Un-
derground Space Technology, vol. 55, pp. 249–256, 2016.
[19] L. Muduli, D. P. Mishra, and P. Jana, “Application of
wireless sensor network for environmental monitoring in under-
ground coal mines: A systematic review,” Journal of Network
and Computer Applications, vol. 99, Elsevier Ltd, pp. 1–166,
2017.
[20] P. Amal and K. Ajish, “An Algorithm for kth Minimum
Spanning Tree,” Rev. Electronic Notes in Discrete Mathematics,
vol. 53, Elsevier B.V., pp. 343–354, 2016.
[21] T. Ranjitha and K. Guruprasad, “Pseudo spanning tree-
based complete and competitive robot coverage using virtual
nodes,” IFAC-PapersOnLine, vol. 49, no. 1, Elsevier B.V., pp. 195–
200, 2016.
[22] M. Ghodsi, H. Mahini, K. Mirjalali, S. Oveis, A. Sayedi, and
M. Zadimoghaddam, “Spanning trees with minimum weighted
degrees,” Rev. Information Processing Letters, vol. 104, no. 3, pp.
113–116, 2007.
[23] A. Frohmader, “A Kruskal-Katona type theorem for
graphs,” Journal of Combinatorial Theory. Series A, vol. 117, no.
1, Elsevier Inc., pp. 17–37, 2010.
[24] Wamiliana, M. Usman, D. Sakethi, R. Yuniarti, and A.
Cucus, “The hybrid of depth first search technique and Kruskal’s
algorithm for solving the multiperiod degree constrained mini-
mum spanning tree problem,” in Proceedings of the 2015 4th
International Conference on Interactive Digital Media, 2016, pp.
0–3.
[25] F. Zhou, P. Hu, X. Feng, and Y. Song, “Improved Prim
Algorithm and Its Application in Unmanned Aerial Vehicle Cruise
System,” in 2017 29th Chinese Control And Decision Conference
(CCDC), 2017, pp. 6022–6027.
[26] P. Biswas, A. Paul, and P. Bhattacharya, “Generating
spanning tree of non-regular graphic sequences through a var-
iant of Prim’s algorithm,” in 2015 International Conference on
Circuits, Power and Computing Technologies [ICCPCT-2015],
2015, pp. 1–4.
[27] C. Zhao, J. Li, N. Huang, and G. DeCroix, “Optimal
planning of plant flexibility: Problem formulation and perfor-
mance analysis,” in 2017 13th IEEE Conference on Automation
Science and Engineering (CASE), 2017, vol. 14, no. 2, pp. 986–
986.
[28] C. Paida and E. Inga, “State of Art , Reliability in Electri-
cal Distribution Systems based on Markov Stochastic Model,”
IEEE Lat. Am. Trans., vol. 14, no. 2, pp. 799–804, 2016.
[29] J. Inga, E. Inga, A. Ortega, R. Hincapíé, and C. Gómez,
“Optimal Planning for Deployment of FiWi Networks based on
Hybrid Heuristic Process,” IEEE Lat. Am. Trans., vol. 15, no. 9, pp.
1684–1690, 2017.

6 INGENIERÍA E INVESTIGACIÓN VOL. xx No. x, xxxxx - xxxx (xx-xx)