Beruflich Dokumente
Kultur Dokumente
Debido a esto se hace necesario incrementar los flujos de potencia por las lneas de
transmisin. El incremento de potencia transportada por una lnea de transmisin trae
consigo un aumento en las prdidas de potencia que se traducen a su vez en
prdidas econmicas. Para solucionar este problema se propone la expansin del
sistema de transmisin (ubicacin de compensadores, lneas de transmisin y
repotenciacin de circuitos existentes) al menor costo.
A continuacin se presentan los modelos existentes para la solucin del problema de
la expansin de la red de transmisin PERT:
min v = c ij n ij
(i , j)
(1)
Sujeto a:
S f + g=d
0 nij n ij
nij entero
f ij irrestricto
Donde:
-
nij
gi representan un
nij
f ij
generacin.
-
n ij
camino ij.
Modelo DC: El modelo DC [1] [2] [3] es un modelo basado en la combinacin de los
flujos de potencia activa y las aberturas angulares. El modelo DC debe satisfacer las
dos leyes de Kirchhoff, la primera en todos los nodos del sistema y la segunda en
todas las ramas de la red [2]. Este modelo ha sido el ms utilizado para la solucin del
PERT. Pruebas experimentales han demostrado que las configuraciones encontradas
por medio de este modelo tienen un desempeo adecuado cuando son evaluadas por
medio de modelos tradicionales de operacin de sistemas elctricos como el flujo de
carga AC. [1]
La formulacin matemtica del modelo DC [2] es la siguiente:
min v = c ij n ij
(i , j)
Sujeto a:
S f + g=d
f ij ( 0ij + eq
ij ) ( i j ) =0
(2)
0 nij n ij
nij entero
eq
ij discreto
f ij irrestricto
j irrestricto
Donde:
-
0ij
en el camino i-j.
es el vector de ngulos de tensin de barras del sistema elctrico.
min v =c n
(3)
Sujeto a:
P (V , , n )PG +P D =0
Q (V , , n )QG + QD =0
G
PG PG P
G
QG QG Q
V V V
( N + N 0 ) S ( N + N 0 ) S
( N + N 0 ) S ( N + N 0 ) S
0 n n
n entero y ilimitado
Donde:
-
n .
configuracin base.
-
agregados.
-
PD
QD
demandada.
-
G
P
G
Q
PG
QG
CONTEXTUALIZACIN
EVOLUTIVOS.
DE
LA
TCNICA
DE
ALGORITMOS
GENTICOS
Los algoritmos genticos son una tcnica metaheurstica basada en los procesos de
adaptacin de los seres vivos en un entorno.
Para encontrar una solucin para el PERT por medio de estos algoritmos se hace
necesario partir de una poblacin inicial. Esta poblacin inicial puede ser construida
por medio de una tcnica heurstica constructiva. Generalmente se busca que esta
poblacin inicial sea de buena calidad y los genes estn distribuidos en los individuos
que la conforman. Esta condicin permite que durante el proceso de seleccin, cruce,
reproduccin y mutacin se obtengan nuevos individuos de buena calidad y se
exploren nuevos espacios alejndose de ptimos locales [1] [2] [4] [6].
Durante los procesos llevados a cabo en el algoritmo gentico se garantiza que los
individuos con mejores cualidades tengan mayores probabilidades de generar
descendencia.[4]
Sin embargo, los individuos con malas cualidades y en ocasiones infactibles no son
rechazados en instancias iniciales debido a que esto llevara a la homogenizacin de
la poblacin y no habra evolucin en lo referente a la funcin objetivo, pudindose
enfrascar en un ptimo local. Estas poblaciones con malas caractersticas
REFERENCIAS
[1] Tadao Miasaki, C. (2006). Planejamento da Expanso do Sistema de Transmisso
de Energia Eltrica Utilizando Controladores FACTS. (Tesis doctoral). Programa de
Ps-Graduao em Engenharia Eltrica. Universidade Estadual Paulista.
[2] Lpez Lpez, J. A., Planeamiento de la Expansin de la Red de Transmisin
Considerando Repotenciacin de Circuitos y un Modelo AC de la Red. (Tesis de
pregrado). Departamento de Ingeniera Elctrica. Universidad de Antioquia.
[3] Escobar Zuluaga, A. (2002). Planeamiento Dinmico de la Expansin de Sistemas
de Transmisin Usando Algoritmos Combinatoriales. (Tesis de maestra). Facultad de
Ingeniera Elctrica. Universidad Tecnolgica de Pereira.
[4] ----[5] Rider Flores, M. J. (2006). Planejamento da Expanso de Sistemas de
Transmisso Usando os Modelos CC CA e Tcnicas de Programao No Linear.
(Tesis doctoral). Faculdade de Engenharia Eltrica e de Computao. Universidade
Estadual de Campinas.
[6] Bharti Dewani, Dr. M.B. and Daigavane, Dr.A.S. Zadgaonkar. (2012). A review of
various computational intelligence techniques for transmission network expansion
planning. Bengaluru, India.
[7] T. Sum-Im, G.A. Taylor, M.R. Irving and Y.H. Song. A Comparative Study of Stateof-The-Art Transmission Expansion Planning Tools. Brunel Institute of Power Systems,
School of Engineering and Design, Brunel University, UK.
[8] Rathore, C., Roy, R., Sharma, U. and Patel, J. (2013). Artificial Bee Colony
Algorithm Based Static Transmission Expansion Planning. Nagercoil.