1084 IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO.

6, JUNE 2017

Optimal Location, Sizing and Operation of Energy

Storage in Distribution Systems Using
Multi-objective Approach
L. F. Grisales, A. Grajales, O. D. Montoya, Student Member, IEEE, R. A. Hincapi, M. Granada and C. A.
Castro, Senior Member, IEEE

1Abstract A multi-objective methodology for locating, sizing BPk : Capacidad de entrega/consumo de

and operation of energy storage devices in distribution systems potencia del AE tipo k.
considering a typical load curve on a horizon of 24 hours is h : Subndice asociado al horizonte de
presented. The objective functions of the problem are
estudio.
minimization of power losses and the installation cost of the energy
storage devices. The proposed methodology considers two i, j : Subndices asociados a los nodos del SD.
optimization stages through a master-slave optimization ij : Subndice asociado a las lneas del SD.
algorithm. In master stage, the planning and sizing of the battery
I ijmax : Lmite trmico para la corriente del
banks is done by using a multi-objective optimization algorithm
called non dominated sorting genetic algorithm II, which defines tramo ij [A].
the nodes where there will be batteries and their storage capacity. k : Subndice asociado a los tipos de AE
In slave stage, a tabu search optimization algorithm is used, which considerados.
defines what is the best operation scheme for each battery n : Nmero de nodos obtenidos tras la
configuration generated in the previous stage. The IEEE 33-nodes aplicacin de las estrategias avanzadas
test feeder is used to validate the proposed methodology. The
para reducir el espacio de solucin.
results show the robustness and efficiency of the approach
proposed in this paper. Pi ,Dh : Potencia activa demandada en el nodo i
en la hora h [W].
Keywords Energy storage devices, distribution systems, QiD,h : Potencia reactiva demandada en el nodo
master-slave scheme, multi-objective optimization, tabu search i en la hora h [VAr].
algorithm. Vi min : Lmite inferior para la regulacin del
ACRNIMOS voltaje en el nodo i [V]
Vi max : Lmite superior para la regulacin del
AE : Almacenador de energa. voltaje en el nodo i [V]
BT Bsqueda Tab. Yij : Magnitud de la admitancia asociada al
NSGA II : Algoritmo gentico de ordenamiento no tramo de red ij [S].
dominado de segunda generacin. t : Unidad de tiempo considerada [ t = 1h ].
OR : Operador de red. ij : ngulo de la admitancia asociada al
SD : Sistema de distribucin. tramo de red ij [rad].
NOMENCLATURA xt : Individuo asociado a la bsqueda t del
Conjuntos: BT.
B :
Conjunto que contiene todos los tipos de N ' ( xt ) : Vecindario reducido para el individuo x
AE. en la bsqueda local t del BT.
H : Conjunto que contiene el horizonte de (
f N ' ( xt ) ) : Evaluacin del vecindario reducido en la
funcin de adaptacin del BT.
operacin.
L : Conjunto que contiene todas las lneas Variables:
del SD. Variables binarias:
N : Conjunto que contiene todos los nodos xih1 : Variable que vale uno (1) si el AE est en
del SD. proceso de descarga en la hora h; en caso
Parmetros y subndices: contrario vale cero (0) y no realiza
BCk : Costo de instalacin del AE tipo k. ninguna accin.

L. F. Grisales, Instituto Tecnolgico Metropolitano (ITM), Medelln,
Colombia, luisgrisales@itm.edu.co
A. Grajales, XM Compaa de Expertos en Mercados S.A.E.S.P, Medelln,
Colombia, agrajales@xm.com.co
O. D. Montoya, Universidad Tecnolgica de Pereira (UTP), Pereira,
Colombia, odmontoya@utp.edu.co o.d.montoyagiraldo@ieee.org
R. A. Hincapi, Universidad Tecnolgica de Pereira (UTP), Pereira,
Colombia, ricardohincapie@utp.edu.co
M. Granada, Universidad Tecnolgica de Pereira (UTP), Pereira, Colombia,
magra@utp.edu.co
C. A. Castro, Universidade Estadual de Campinas (UNICAMP), Campinas,
SP, Brasil, ccastro@ieee.org
GRISALES et al.: OPTIMAL LOCATION, SIZING AND
xih0 : Variable que vale uno (1) si el AE est en
proceso de carga en la hora h; en caso
contrario vale cero (0) y no se realiza
ninguna accin.
xi h : Variable que determina el estado
operativo del AE en el nodo i en la hora
h. Toma el valor de uno (1) si est en
proceso de carga; cero (0) si est en
reposo y menos uno (-1) cuando est en
proceso de descarga.
yi k : Variable que toma el valor de uno (1) si
existe un AE tipo k en el nodo i, en caso
contrario vale cero (0).
Variables Continuas:
I ijh : Magnitud de la corriente del tramo de red
ij en la hora h [A].
G
Pi ,h : Potencia activa generada en el nodo i en
la hora h [W].
QiG,h : Potencia reactiva generada en el nodo i
en la hora h [VAr].
Vi h : Magnitud del voltaje en el nodo i en la
hora h [V].
V jh : Magnitud del voltaje en el nodo j en la
hora h [V].
z1 : Variable asociada a la funcin objetivo
que representa las prdidas de energa
durante el perodo de anlisis [Wh].
z2 : Variable asociada a la funcin objetivo
que representa el costo de instalacin de
los AE en el SD [USD$].
i h : ngulo del voltaje en el nodo i en la hora
h [rad].
jh : ngulo del voltaje en el nodo j en la hora
h [rad].
I. INTRODUCCIN
E L CRECIENTE desarrollo de los mercados y la
globalizacin de las economas mundiales, ha
incrementado en gran medida el consumo energtico global. A
este fenmeno no es ajeno el sector de suministro de
electricidad, razn por la cual los OR a travs de estrategias de
expansin eficiente buscan atender las necesidades del
consumo por medio de modelos de inversin de corto plazo [1].
Adicionalmente el auge de las fuentes alternativas de energa y
el incremento de polticas regulatorias que incentivan el uso de
estas tecnologas, hacen que las redes elctricas estn cada vez
ms inmersas en el mundo de las redes inteligentes [2].
La integracin de estas fuentes al sistema de potencia, a
travs de generadores distribuidos con diferentes fuentes
primarias de energa, produce gran variabilidad en el nivel de
potencia despachable, puesto que dependen de condiciones
climticas, las cuales pueden variar drsticamente en cortos
periodos de tiempo [3]. Lo anterior da origen al uso de AE a
gran escala que permiten tomar energa de la red en periodos de
baja demanda y condiciones de generacin favorable e
inyectarlo al sistema en condiciones de alta demanda y
1085
condiciones de generacin desfavorables [2].
En aos recientes la disminucin en los costos de las
tecnologas electrnicas ha hecho posible la reduccin de los
costos finales de equipos como convertidores, compensadores
y AE, entre otros. De acuerdo a esto, los AE han tenido un
impulso importante y se han convertido en elementos atractivos
para inversin en sistemas de potencia, ya que permiten la
correccin de problemas operativos, sin necesidad de
intervenciones fuertes en el sistema y por tanto se reducen los
tiempos de indisponibilidad del servicio, es decir, que su
instalacin y puesta en funcionamiento puede ayudar a mejorar
los indicadores de calidad y confiabilidad del SD.
La localizacin, dimensionamiento y operacin de AE en
sistemas de distribucin, es una temtica de actualidad en los
campos de investigacin del sector elctrico [1], [2]. En la
ltima dcada se han presentado muchos trabajos relacionados
con este tema, dentro de los cuales se destacan los que se
presentan a continuacin.
En [1] presentan una estrategia para la inclusin de AE en
ambientes de mercado no regulado con alta penetracin de
generacin elica. Es utilizado un algoritmo gentico para
generar las configuraciones de bateras que deben ser instaladas
en el sistema y a travs de un flujo de potencia probabilstico,
son evaluadas todas las condiciones operativas del sistema.
Como funcin objetivo se considera la minimizacin del costo
social horario. En [3] presentan una metodologa para la
localizacin de AE en sistemas de potencia considerando
escenarios de generacin, con alta penetracin de generacin
elica. Es considerado un comportamiento cclico de la
demanda, y las caractersticas operativas de la red son
evaluadas a travs de un flujo de potencia AC relajado
utilizando un software de optimizacin comercial para resolver
el modelo matemtico propuesto. En [4] proponen un algoritmo
heurstico basado en el conocimiento de las condiciones
operativas de la red y de las polticas regulatorias en Canad
para dimensionar y localizar AE en un sistema de prueba tpico
de la empresa de energa de Ontario con alta penetracin de
generacin elica. El objetivo fundamental es maximizar el
beneficio de los generadores distribuidos al tiempo que se
minimizan los costos operativos de la red. En [5] presentan una
formulacin matemtica para la optimizacin de AE en
sistemas de potencia, utilizando una estrategia denominada
optimizacin robusta para su ubicacin en sistemas de
transmisin. Realizan un modelo matemtico de tipo bilineal
que es resuelto por medio de CPLEX y es utilizado el
MATPOWER para evaluar las condiciones operativas de la red.
Los resultados presentados muestran gran eficiencia y robustez
de la metodologa propuesta. En [6] presentan una estrategia
para la localizacin y dimensionamiento de generadores
distribuidos, bancos de condensadores y AE en forma
simultnea en un sistema de distribucin. Es utilizado un
algoritmo hbrido para la solucin del problema que combina
un algoritmo gentico y una estrategia de programacin
cuadrtica secuencial. El objetivo de este trabajo es reducir los
costos de inversin y operacin de la red de distribucin en el
horizonte de estudio. Por otro lado en [7] proponen una
metodologa que combina programacin dinmica y algoritmos
1086 IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 6, JUNE 2017

genticos para la localizacin y dimensionamiento de AE, a reactiva segn (3) y (4), la regulacin de tensin en los nodos y
travs del desarrollo de una herramienta computacional, que la cargabilidad en los tramos de red como se muestra en (5) y
permite seleccionar la mejor estrategia de integracin de estos (6), respectivamente.
dispositivos a la red por medio de un anlisis que integra los Para determinar el estado operativo de un AE localizado en
costos de inversin y operacin. un nodo i del tipo k para la hora h, es necesario conocer el
Segn la revisin del estado del arte realizada, se puede comportamiento histrico de dicho almacenador, con lo cual se
afirmar que existen dos grandes focos de inters en el anlisis define que el estado operativo de un AE corresponde a una
de AE en sistemas elctricos. Un primer escenario orientado funcin de los estados operativos anteriores, tal como se
hacia la localizacin y el dimensionamiento de AE desde el presenta en (7).
punto de vista de la planeacin tal como lo describen [1], [3]- El estado operativo de un AE en una hora h es nico, es decir,
[13]. El segundo escenario es orientado a la operacin eficiente la batera se carga, se descarga o permanece neutra y slo puede
de redes de distribucin y micro-redes para mejorar condiciones ocurrir uno de ellos en una hora, lo cual se representa mediante
operativas y maximizar el aprovechamiento de las fuentes de (8) y (9).
energa renovables [14]-[20]. Con el fin de garantizar la operacin diaria de los AE durante
A diferencia de los trabajos anteriores, en este trabajo se el horizonte planeado, sujeto a un comportamiento de demanda
propone una metodologa multi-objetivo para la localizacin, tpico, se requiere que el estado energtico inicial y final del AE
dimensionamiento y operacin de AE en sistemas de sea nulo, lo cual se garantiza a travs de (10). Esta restriccin
distribucin, con el fin de minimizar los costos de inversin y se incluye con el fin de no afectar la operacin del da siguiente.
operacin. Se plantea una estrategia de optimizacin del tipo
maestro-esclavo en el cual se integran el NSGA II en el III. METODOLOGA PROPUESTA
problema maestro y el BT en el problema esclavo. Los Para resolver el problema de localizacin,
resultados computacionales obtenidos muestran la eficiencia y dimensionamiento y operacin de AE en SD, se propone una
calidad de la metodologa propuesta. metodologa de solucin hbrida que emplea las tcnicas de
optimizacin combinatorial NSGA II y el algoritmo BT a travs
II. FORMULACIN DEL PROBLEMA de un algoritmo del tipo maestro esclavo, como se explica en
Para representar el problema de localizacin, las siguientes secciones.
dimensionamiento y operacin de AE en sistemas de
distribucin, es empleada una formulacin multi-objetivo. La A. Seleccin de nodos candidatos
primera funcin objetivo corresponde a la minimizacin del Para seleccionar el conjunto de nodos candidatos para
nivel de prdidas tcnicas durante todo el periodo de estudio y ubicacin de AE, son empleadas tres estrategias heursticas
la segunda funcin objetivo, corresponde a la minimizacin de avanzadas con el fin de reducir el espacio de solucin del
los costos de inversin en AE, como se muestra en (1) y (2), problema. La primera estrategia consiste en evaluar un flujo de
respectivamente. potencia y realizar un ranking alrededor de la media estadstica
de los datos asociados a los perfiles de tensin, con lo cual se
min z1 = P G
i ,h Pi ,Dh + yik BPk xih t
(1) selecciona un conjunto de nodos que tengan como mximo tres
h H i N kB desviaciones estndar.
La segunda estrategia determina la cargabilidad de todos los
min z2 = y
i N k B
k
i BCk (2) tramos de red, con lo cual se realiza un ranking y son escogidos
todos los nodos de recibo de las lneas que presenten una
s.a.
cargabilidad entre el 30% y el 70%, con el fin de permitir que
Pi ,Gh Pi ,Dh = Vi V j Yij cos ( ih jh + ij ) j N (3) las AE que se instalen puedan ser cargados o descargados, sin
j N
violar la restriccin (6). Es de notar que las lneas con baja
QiG,h QiD,h = Vi V j Yij sin ( ih jh + ij ) j N (4) cargabilidad son excluidas, porque normalmente corresponden
jN a puntos finales y durante el proceso de carga de AE incrementa
Vi min Vi Vi max i N (5) el flujo en gran parte de las lneas, del sistema con lo que las
prdidas pueden incrementar drsticamente.
h max
I I ij ij ij L (6) Por ltimo se emplea un algoritmo aleatorio que selecciona
un porcentaje de los nodos que presentan ramificaciones aguas
x h +1
= f ( y , x , x ,..., x ) k B i N
k h h1 1
(7)
i i i i i abajo, con el fin de aliviar condiciones operativas con la
h
x = x x i N
i
h
i1
h
i0 (8) inyeccin de potencia activa en estos puntos.
Con todos los conjuntos obtenidos en el proceso anterior, es

h H
yik xih1 xih0 = 0 k B i N (9) conformado el grupo final de nodos candidatos para ubicacin
de AE.

h H
yik xih BPk t = 0 k B i N (10)
B. Algoritmo maestro
Para la correcta operacin del sistema de distribucin, son Para seleccionar los puntos de ubicacin de los AE en el
consideradas las restricciones de balance de potencia activa y conjunto de nodos candidatos y su capacidad de
GRISALES et al.: OPTIMAL LOCATION, SIZING AND 1087

almacenamiento, es empleado un algoritmo NSGA II con un reposo, es decir, est desconectada de la red.
tamao de poblacin fijo, el cual emplea una codificacin (iii) Toma el valor de uno (1) cuando la batera est en
entera que va desde cero hasta el nmero de opciones de proceso de descarga, es decir, acta como un generador.
capacidad que presenten los bancos de AE, como se presenta en El tamao de esta codificacin corresponde al nmero de
la Fig. 1. bateras instaladas (en las filas) y la hora (en las columnas).
Nodo 1 2 n-1 n Cada una de las secuencias de operacin de bateras es obtenida
Tipo de AE 0 3 2 1 a travs de un algoritmo heurstico de recorrido sobre un rbol
de decisin, el cual hace cumplir las restricciones (7) a (9).
Figura 1. Esquema de codificacin propuesto para la ubicacin de los AE La caracterstica principal del BT implementado, es que se
emplean bsquedas globales por reinicio y el criterio de parada
Para la implementacin del algoritmo de optimizacin est definido en funcin del nmero de mejoras consecutivas de
NSGA II es empleado el diagrama de flujo de muestra en la Fig. la incumbente.
2. En la generacin del vecindario es empleada una adaptacin
Poblacin inicial Pt de tamao N de los operadores genticos, los cuales trabajan sobre la matriz
de operacin de la Fig. 3.
Evaluacin de las funciones objetivo
Hora
Nodo
1 2 h 23 24
Seleccin por torneo, 1 0 1 1 -1 0
recombinacin y mutacin 2 1 1 0 1 -1

n-1 1 0 -1 -1 -1
Qt
n 1 -1 1 0 0

Figura 3. Esquema de codificacin propuesto para la operacin de las bateras

Rt = Pt U Qt

En el proceso de seleccin son escogidos dos AE ubicados

Ordenamiento no dominado
Pt = Pt +1
No
Cumple
los criterios
de parada?
Si
Imprimir resultados y
terminar
Figura 2. Diagrama de flujo para la implementacin del NSGA II clsico
C. Algoritmo esclavo
Para cada una de las configuraciones de bateras generadas
por el NSGA II, es necesario encontrar el plan ptimo de
operacin de estas bateras en funcin del comportamiento de
la carga. Para lograr lo anterior, es empleado un algoritmo BT
que trabaja con un individuo cuya codificacin corresponde a
una matriz que contiene los posibles estados operativos de los
AE. Los estados operativos corresponden a los valores que
puede tomar la variable xih , como sigue:
(i) Toma el valor de menos uno (-1) cuando la batera est
en proceso de carga, es decir, acta como una demanda.
(ii) Toma el valor de cero (0) cuando la batera est en
en dos nodos diferentes y son recombinados. En caso de existir
infactibilidad, esta es corregida por medio de un algoritmo
constructivo que revisa la capacidad de almacenamiento de
cada AE; adicionalmente son empleados dos criterios de
mutacin: el primero intercambia la informacin de operacin
entre dos bateras vecinas y el segundo cambia el estado
operativo en algunas horas para un grupo reducido de AE. En
la Fig. 4 se presenta el diagrama de flujo para la
implementacin del algoritmo BT.
D. Aplicacin de la metodologa
Para resolver el problema de localizacin,
dimensionamiento y operacin ptima de AE en SD,
considrese el pseudocdigo presentado en la Fig. 5. En este
pseudocdigo se observa claramente la integracin entre el
algoritmo maestro y el algoritmo esclavo.
IV. APLICACIN Y RESULTADOS
Para demostrar la validez y eficiencia de la metodologa
propuesta es empleado el sistema de prueba IEEE 33 nodos. Los
datos del sistema de prueba pueden ser consultados en [20]. Son
empleados tres tipos de AE con la informacin que se presenta
en la Tabla I.
TABLA I
TIPOS DE BATERIAS Y COSTOS
1088 IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 6, JUNE 2017

Potencia Costo de
Tiempo de Tiempo de
Tipo nominal instalacin
carga [h] descarga [h]
[kW] [USD$]
1 100 4 4 135.408,90
2 200 5 5 338.522,25
3 300 5 5 507.783,38

En la Tabla I la capacidad mxima de almacenamiento de

energa de cada AE est dada por el producto de la potencia
nominal y el tiempo de carga; as para las bateras 1 2, y 3 las
capacidades de almacenamiento son 400kWh, 1000kWh y
1500kWh, respectivamente.
Para modelar el comportamiento de la demanda es empleada
la curva de carga tpica para un da laboral en Colombia, tal
como se observa en la Fig. 6.
Tras la aplicacin de la estrategia de generacin de nodos
candidatos, por medio de las tcnicas heursticas descritas en la
seccin III. A, se obtienen un total de 18 nodos candidatos,
equivalente al 55% del total de nodos.

Aplicacin de Figura 5. Seudocdigo que representa el esquema de implementacin del

estrategias NSGA II
avanzadas
No 100
Curva de demanda [%]

90
80
Cumple
Inicio criterios 70
Si
de 60
parada 50
Generar la globales Fin del
configuracin proceso 40
inicial (Punto (Lista lite) 30
de partida xt) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo [h]
Actualizar lista lite Figura 6. Curva porcentual de demanda para un da laboral en Colombia
e incumbente global
Al aplicar la metodologa propuesta (ver Fig. 5), se obtiene
Si
el frente ptimo de Pareto presentado en la Fig. 7.
No
Generacin
2.34
del vecindario Cumpl
Prdidas de energa [MWh/da]

N(xt) e
2.32
Criterios
Evaluacin de
2.3
del vecindario d
f(N(xt)) 2.28

Seleccin de la 2.26
configuracin Actualizar
xt+1 N(xt) incumbente Local 2.24

0 200 400 600 800 1000 1200

Costo de inversin en AE [kUSD$]
Actualizar Figura 7. Frente ptimo de Pareto obtenido
memorias
Bsqueda local
Del frente de Pareto se observa sobre el eje vertical el caso
base del sistema, es decir, aquel caso para el cual no se realiza
Figura 4. Diagrama de flujo para la implementacin del BT.
inversin y se obtienen las perdidas actuales de energa en la
BEGIN NSGA II red, el cual corresponde 2.3396 MWh/da. Este frente tambin
- Generar una poblacin aleatoria P0 de tamao N. muestra que despus del proceso evolutivo del NSGA II, del
BEGIN BT
- Generar los estados operativos para cada individuo
contenido en poblacin P0.
END
GRISALES et al.: OPTIMAL LOCATION, SIZING AND
total de la poblacin (20 individuos) solo 9 hacen parte de la
solucin ptima y que para reducir un 24% las prdidas (nivel
alcanzado 2.2400 MWh/da), se requiere de una inversin
alrededor de USD$ 1151000.
Es claro que los resultados anteriores muestran que el
problema de localizacin, dimensionamiento y operacin de
AE en sistemas de distribucin es un problema con objetivos en
conflicto y que para el caso de prueba no se identifica una clara
tendencia horizontal en el frente; sin embargo, el punto extremo
en inversin muestra que las prdidas en un sistema elctrico
tienden a un punto de saturacin en la cual mayores inversiones
no representan reducciones significativas en este valor.
Por otro lado, en la Tabla II se pueden observar los AE
seleccionados para un punto arbitrario en la parte central del
frente de Pareto, el cual tiene una inversin de USD$ 406226 y
un valor de prdidas de 2.2966 MWh/da. Se aclara que este
punto slo se escoge con fines ilustrativos, y no corresponde a
la mejor solucin, puesto que en los problemas multi-objetivo
todos los puntos del frente ptimo tienen igual importancia y
slo el OR en funcin de sus capacidades de inversin o
prioridades, tiene la capacidad de decidir cul es la solucin que
mejor se adapta a su red.
TABLA II
LOCALIZACIN Y TIPO DE AE
Potencia nominal
Tipo Tipo
[kW]
8 100 1
13 100 1
19 100 1
Por ltimo, la Fig. 8 presenta el esquema operativo obtenido
por el algoritmo esclavo para el despacho diario de los AE
localizados en los nodos 8, 13 y 19, respectivamente.
Al analizar las soluciones contenidas en el frente ptimo de
Pareto, se observa que el costo de las bateras impacta
directamente sobre la solucin final, ya que de los 9 puntos del
frente, el 60% solo contienen AE del tipo 1 y el 40% restante,
tienen en su configuracin un nico AE del tipo 2.
1
Estado de los AE
0 Within a Power System With High Wind Penetration," in IEEE
-1
0 5 10 15
Tiempo [h]
Figura 8. Esquema operativo obtenido por el algoritmo esclavo
IV. CONCLUSIONES
Se desarroll un modelo matemtico del tipo no lineal entero
mixto que representa el problema de localizacin,
dimensionamiento y operacin de AE en sistemas de
distribucin. La solucin de este modelo muestra claramente
1089
que el problema de localizacin de estos dispositivos no se
puede desligar del problema operativo, puesto que el
desempeo de los AE est directamente relacionado con la
forma en la que se realiza el despacho horario.
Se desarroll una metodologa eficiente para la localizacin,
dimensionamiento y operacin de AE en sistemas de
distribucin, considerando un esquema hbrido que combina el
algoritmo multi-objetivo NSGA II y el algoritmo mono-
objetivo BT a travs de un modelo de optimizacin del tipo
maestro esclavo.
Se pudo comprobar que el problema de localizacin,
dimensionamiento y operacin de AE es claramente un
problema con objetivos en conflicto, por lo cual al emplear una
estrategia mono-objetivo en su solucin implica perder la
esencia del problema y adicionalmente limita la solucin del
mismo a ptimos locales en funcin del tipo de funcin objetivo
seleccionada.
El costo de las tecnologas de almacenamiento existentes
muestra que en sistemas de distribucin debido a la limitada
disponibilidad de recursos para inversin, se requiere de
estudios tcnicos y econmicos adecuados que garanticen a los
OR la posibilidad de escoger la solucin ms conveniente en
funcin de sus necesidades. De acuerdo a esto, una estrategia
hbrida multi-objetivo como la desarrollada, presenta enormes
ventajas para su seleccin, ya que entrega un conjunto de
posibilidades de inversin y queda a criterio de los expertos
escoger la mejor alternativa.
AGRADECIMIENTOS
Al programa de Becas Doctorados Nacionales del
Departamento Administrativo de Ciencia, Tecnologa e
Innovacin de Colombia (COLCIENCIAS), segn
convocatoria 727 de 2015 y al programa de Doctorado en
Ingeniera de la Universidad Tecnolgica de Pereira.
Al trabajo conjunto de los investigadores del grupo
investigacin DINOP de la Universidad Tecnolgica de Pereira
y del grupo de investigacin MATyER del Instituto
Tecnolgico Metropolitano.
REFERENCIAS
[1] M. Ghofrani, A. Arabali, M. Etezadi-Amoli and M. S. Fadali, "A
Framework for Optimal Placement of Energy Storage Units
Transactions on Sustainable Energy, vol. 4, no. 2, pp. 434-442,
April 2013. doi: 10.1109/TSTE.2012.2227343
Node 8
[2] R. B. Schainker, "Executive overview: energy storage options for
Node 13
a sustainable energy future," Power Engineering Society General
Node 19 Meeting, 2004. IEEE, Denver, CO, 2004, pp. 2309-2314 Vol.2.
20 25 doi: 10.1109/PES.2004.1373298
[3] S. Bose, D. F. Gayme, U. Topcu and K. M. Chandy, "Optimal
placement of energy storage in the grid," 2012 IEEE 51st IEEE
Conference on Decision and Control (CDC), Maui, HI, 2012, pp.
5605-5612. doi: 10.1109/CDC.2012.6426113
[4] Y. M. Atwa and E. F. El-Saadany, "Optimal Allocation of ESS in
Distribution Systems With a High Penetration of Wind Energy," in
IEEE Transactions on Power Systems, vol. 25, no. 4, pp. 1815-
1822, Nov. 2010. doi: 10.1109/TPWRS.2010.2045663
[5] R. A. Jabr, I. Dafi and B. C. Pal, "Robust Optimization of
Storage Investment on Transmission Networks," in IEEE
1090
Transactions on Power Systems, vol. 30, no. 1, pp. 531-539, Jan.
2015.doi: 10.1109/TPWRS.2014.2326557
[6] G. Carpinelli, F. Mottola, D. Proto and A. Russo, "Optimal
allocation of dispersed generators, capacitors and distributed
energy storage systems in distribution networks," Modern Electric
Power Systems (MEPS), 2010 Proceedings of the International
Symposium, Wroclaw, 2010, pp. 1-6.
[7] G. Celli, S. Mocci, F. Pilo and M. Loddo, "Optimal integration of
energy storage in distribution networks," PowerTech, 2009 IEEE
Bucharest, Bucharest, 2009, pp. 1-7. doi:
10.1109/PTC.2009.5282268
[8] H. Pandi, Y. Wang, T. Qiu, Y. Dvorkin and D. S. Kirschen,
"Near-Optimal Method for Siting and Sizing of Distributed
Storage in a Transmission Network," in IEEE Transactions on
Power Systems, vol. 30, no. 5, pp. 2288-2300, Sept. 2015. doi:
10.1109/TPWRS.2014.2364257
[9] S. W. Alnaser and L. F. Ochoa, "Optimal Sizing and Control of
Energy Storage in Wind Power-Rich Distribution Networks," in
IEEE Transactions on Power Systems, vol. 31, no. 3, pp. 2004-
2013, May 2016. doi: 10.1109/TPWRS.2015.2465181
[10] M. Nick, M. Hohmann, R. Cherkaoui and M. Paolone, "Optimal
location and sizing of distributed storage systems in active
distribution networks," PowerTech (POWERTECH), 2013 IEEE
Grenoble, Grenoble, 2013, pp. 1-6. doi:
10.1109/PTC.2013.6652514
[11] P. Xiong and C. Singh, "Optimal Planning of Storage in Power
Systems Integrated With Wind Power Generation," in IEEE
Transactions on Sustainable Energy, vol. 7, no. 1, pp. 232-240, Jan.
2016. doi: 10.1109/TSTE.2015.2482939
[13] A. S. A. Awad, T. H. M. EL-Fouly and M. M. A. Salama, "Optimal
ESS Allocation for Load Management Application," in IEEE
Transactions on Power Systems, vol. 30, no. 1, pp. 327-336, Jan.
2015.
doi: 10.1109/TPWRS.2014.2326044
[14] L. H. Macedo, J. F. Franco, M. J. Rider and R. Romero, "Optimal
Operation of Distribution Networks Considering Energy Storage
Devices," in IEEE Transactions on Smart Grid, vol. 6, no. 6, pp.
2825-2836, Nov. 2015. doi: 10.1109/TSG.2015.2419134
[15] C. Wei, Z. M. Fadlullah, N. Kato and I. Stojmenovic, "On
Optimally Reducing Power Loss in Micro-grids With Power
Storage Devices," in IEEE Journal on Selected Areas in
Communications, vol. 32, no. 7, pp. 1361-1370, July 2014. doi:
10.1109/JSAC.2014.2332077
[16] J. H. Teng, C. Y. Chen and I. C. Martinez, "Utilising energy
storage systems to mitigate power system vulnerability," in IET
Generation, Transmission & Distribution, vol. 7, no. 7, pp. 790-
798, July 2013. doi: 10.1049/iet-gtd.2012.0694
[17] H. Akhavan-Hejazi and H. Mohsenian-Rad, "Optimal Operation
of Independent Storage Systems in Energy and Reserve Markets
With High Wind Penetration," in IEEE Transactions on Smart
Grid, vol. 5, no. 2, pp. 1088-1097, March 2014. doi:
10.1109/TSG.2013.2273800
[18] C. Qin, P. Dong, Y. Lin and Y. Feng, "Scenario method in
economical dispatch of microgrid connected to distribution
system," 2015 6th International Conference on Power Electronics
Systems and Applications (PESA), Hong Kong, 2015, pp. 1-4. doi:
10.1109/PESA.2015.7398933
[19] E. Galvan, P. Mandal, T. L. Tseng and M. Velez-Reyes, "Energy
storage dispatch using adaptive control scheme considering wind-
PV in smart distribution network," North American Power
Symposium (NAPS), 2015, Charlotte, NC, 2015, pp. 1-6. doi:
10.1109/NAPS.2015.7335157
[20] S. K. Goswami and S. K. Basu, "A new algorithm for the
reconfiguration of distribution feeders for loss minimization," in
IEEE Transactions on Power Delivery, vol. 7, no. 3, pp. 1484-
1491, Jul 1992. doi: 10.1109/61.141868
Luis F. Grisales received his BEE and M.Sc. degrees
in Electrical Engineering from Universidad
Tecnolgica de Pereira, Colombia, in 2013 and 2015
respectively. He is currently professor in the Instituto
Tecnolgico Metropolitano de Medelln, attached to
the Department of Electromechanics and
mechatronics, member of the research group
IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 6, JUNE 2017
MATyER. His research interests include
mathematical optimization, planning and control of
power systems, renewable energies, energy storage,
power electronic and smartgrids.
Alejandro Grajales received his BEE degree in 2011
and his M.Sc. degree in Electrical Engineering in
2014, both from Universidad Tecnolgica de Pereira.
He is currently working at XM Compaa Expertos en
Mercados S.A. E.S.P. (XM). His research interests
include mathematical optimization, distribution
system planning and smartgrids.
Oscar D. Montoya received his BEE and M.Sc.
degrees in Electrical Engineering from Universidad
Tecnolgica de Pereira, Colombia, in 2012 and 2014
respectively. He is currently studying a Ph.D in
Electrical Engineering at Universidad Tecnolgica de
Pereira, Colombia. His research interests include
mathematical optimization, planning and control of
power systems, renewable energies, energy storage,
protective devices and smartgrids.
Ricardo A. Hincapi received his BEE and MS.c
degrees in Electrical Engineering from the
Technological University of Pereira, Colombia, in
2001 and 2004 respectively. He is currently a PhD
student and an assistant professor in the Department
of Electrical Engineering at the Technological
University of Pereira (Universidad Tecnolgica de
Pereira), Colombia. His research interests include
power system distribution planning and applied
optimization to power systems.
Mauricio Granada received his BEE and M.Sc.
degrees in Electrical Engineering from the
Technological University of Pereira, Colombia, in
2001 and 2003, respectively. In 2011 he received his
Ph.D. degree in electrical engineering from
Universidade Estadual Paulista, Ilha Solteira, Brazil.
Currently, he is a titular professor of the Electrical
Engineering Program at the Technological University
of Pereira (Universidad Tecnolgica de Pereira),
Colombia. His research areas include applications of
mathematical methodologies and artificial
intelligence to optimization and planning of electrical
power systems, mathematical decomposition and
modeling in engineering.
Carlos A. Castro (S90, M94, SM00) received the
B.S. and M.S. degrees from the University of
Campinas (UNICAMP), Brazil, in 1982 and 1985
respectively, and the Ph.D. degree from Arizona State
University (ASU), USA, in 1993. He has been with
UNICAMP since 1983, where he is currently a
Professor.