CONTROL TRANSACTIVO PARA

MICRORREDES ELÉCTRICAS INTELIGENTES

Oscar I. Parra, Eduardo Mojica-Nava
Universidad Nacional de Colombia
Noviembre, 2019
Bogotá D.C.

1
CONTENIDO
1. Descripción del problema
1. Despacho económico
2. Control transactivo
3. Social Welfare Problem
2. Algoritmo propuesto
1. ADMM
2. Problema de intercambio
3. Resultados
4. Conclusiones

2
DESPACHO ECONÓMICO
• El despacho económico debe cumplir

𝑃𝐺 = 𝑃𝐷
𝑁 𝑀
𝑔
෍ 𝑝𝑖 = ෍ 𝑝𝑗𝑑
𝑖=1 𝑗=1

Donde 𝑝 𝑔 son las potencias generadas,

𝑝𝑑 son las potencias demandadas y 𝑃𝐿 son
las pérdidas del sistema.

3
CARGAS INTELIGENTES

4
CONTROL TRANSACTIVO

Cargas
inteligentes
Social
Control transactivo Welfare
Despacho Problem
económico
dinámico

Controlar el comportamiento de las cargas y generadores

utilizando información económica
• Funciones de costos

5
SOCIAL WELFARE PROBLEM
𝑑 𝑔
minimizar
𝑔 𝑑
𝑈 𝑝 + 𝐶(𝑝 )
𝑝 ,𝑝

𝑁 𝑀 𝐵
𝑔 𝑓
Sujeto a ෍ 𝑝𝑖 + ෍ 𝑝𝑗𝑑 + ෍ 𝑝𝑏 = 𝑃𝐿
𝑖=1 𝑗=1 𝑏=1

𝑔 𝑔 𝑔
𝑃𝑚𝑎𝑥,𝑖 ≥ 𝑝𝑖 ≥ 𝑃𝑚𝑖𝑛,𝑖 , 𝑖 = 1, … , 𝑁

𝑑
𝑃𝑚𝑎𝑥,𝑗 ≥ 𝑝𝑗𝑑 ≥ 𝑃𝑚𝑖𝑛,𝑗
𝑑
, 𝑗 = 1, … , 𝑀

• Donde 𝑝𝑑 es la potencia demandada, 𝑝 𝑔 es la potencia generada, 𝑝 𝑓 es la

potencia base y 𝑃𝐿 son las pérdidas del sistema.

E. Baron-Prada, E. Osorio and E. Mojica-Nava, ”Resilient transactive control in microgrids under dynamic load altering attacks,” 6
2017 IEEE 3rd Colombian Conference on Automatic Control (CCAC), Cartagena, 2017, pp. 1-5.
MODELO DE RED
• Un agente virtual calcula un promedio del
valor de potencias en la red.
• Este pone este promedio a disposición de
todos los agentes durante el proceso.
• Esta valor promedio no contieneinformación
especifica sobre los agentes.

7
ALGORITMO DISTRIBUIDO
El problema:

Alternating
minimizar 𝑓 𝑥 + 𝑔(𝑧)

sujeto a 𝐴𝑥 + 𝐵𝑧 = 𝑐

Direction La solución:
𝒙𝒌+𝟏 = arg min 𝐿𝜌 (𝑥, 𝑧 𝑘 , 𝑦 𝑘 )
𝑥

Method of 𝒛𝒌+𝟏 = arg min 𝐿𝜌 (𝑥 𝑘+1 , 𝑧, 𝑦 𝑘 )

𝑧

𝑦 𝑘+1 = 𝑦 𝑘 + 𝜌 ∙ (𝐴𝑥 𝑘+1 + 𝐵𝑧 𝑘+1 − 𝑐)

Multipliers 𝐿𝜌 𝑥, 𝑧, 𝑦 = 𝑓 𝑥 + 𝑔 𝑧 + 𝑦 ⊺ ∙ 𝐴𝑥 + 𝐵𝑧 − 𝑐 +
𝜌
2
∙∥ 𝐴𝑥 + 𝐵𝑧 − 𝑐 ∥2

S. Boyd, N. Parikh, E. Chu, B. Peleato and J. Eckstein, Distributed optimization and statistical learning via the alternating direction 8
method of multipliers, Vol. 3, No. 1, now publishers, 2011, pp. 1-122.
PROBLEMA DEL INTERCAMBIO
• El problema 𝑁 𝑁

minimizar ෍ 𝑓𝑖 (𝑥𝑖 ) sujeto a ෍ 𝑥𝑖 = 0

𝑥𝑖
𝑖=1 𝑖=1

• La solución
𝜌
𝑥𝑖𝑘+1 ≔ arg min 𝑓𝑖 𝑥𝑖 + ∙∥ 𝑥𝑖 − 𝑥𝑖𝑘 + 𝑥ҧ 𝑘 + 𝑢𝑘 ∥2
𝑥𝑖 2

𝑢𝑘+1 ≔ 𝑢𝑘 + 𝑥ҧ 𝑘+1

S. Boyd, N. Parikh, E. Chu, B. Peleato and J. Eckstein, Distributed optimization and statistical learning via the alternating direction
9
method of multipliers, Vol. 3, No. 1, now publishers, 2011, pp. 1-122.
MODELOS DE CARGAS Y GENERADORES
• Modelo de generadores distribuidos:
𝑔 𝑔 𝑔 2
𝑔 𝑔 2Δ𝑃𝑖 𝑝𝑖 − 𝑝𝑖
𝐶𝑖 𝑝𝑖 = 𝑐𝑔,𝑖 ∙ 𝑔
Δ𝑃𝑖

• Modelo de cargas ajustables:

2
−1 2Δ𝑃𝑗𝑑 𝑝𝑗𝑑 − 𝑝𝑗𝑑
𝑈𝑗𝑑 𝑝𝑗𝑑 = ∙
𝑉𝑑,𝑗 Δ𝑃𝑗𝑑

E. Baron-Prada, E. Osorio and E. Mojica-Nava, ”Resilient transactive control in microgrids under dynamic load altering attacks,” 10
2017 IEEE 3rd Colombian Conference on Automatic Control (CCAC), Cartagena, 2017, pp. 1-5.
SOLUCIÓN DEL PROBLEMA
• Actualización de las variables primarias y duales en el Social Welfare Problem
𝑔 𝑔 𝑔 2
𝑔,𝑘+1 2Δ𝑃𝑖 𝑝𝑖 − 𝑝𝑖 𝜌 𝑔 𝑔,𝑘
𝑝𝑖 ≔ arg min 𝑐𝑔,𝑖 ∙ 𝑔 + ഥ 𝒌 + 𝒖𝒌 ∥ 2
∙∥ 𝑝𝑖 − 𝑝𝑖 + 𝒑
𝑔
𝑝𝑖 Δ𝑃𝑖 2

2
−1 2Δ𝑃𝑗𝑑 𝑝𝑗𝑑 − 𝑝𝑗𝑑 𝜌
𝑝𝑗𝑑,𝑘+1 ≔ arg min ∙ + ∙∥ 𝑝𝑗𝑑 − 𝑝𝑗𝑑,𝑘 + 𝒑
ഥ 𝒌 + 𝒖𝒌 ∥ 2
𝑑 𝑝𝑗 𝑉𝑑,𝑗 Δ𝑃𝑗𝑑 2

𝑢𝑘+1 ≔ 𝑢𝑘 + 𝑝ҧ 𝑘+1

S. Boyd, N. Parikh, E. Chu, B. Peleato and J. Eckstein, Distributed optimization and statistical learning via the alternating direction
11
method of multipliers, Vol. 3, No. 1, now publishers, 2011, pp. 1-122.
CASO DE ESTUDIO
• Para poner a prueba el algoritmo ADMM en la solución del Social Welfare Problem se
diseño un caso de estudio. Primero se considera un conjunto de cargas fijas que
representan una demanda base para el sistema. Con la carga base se puede verificar que
los generadores atienden la demanda. Posterior a la estabilización del algoritmo, se
elimina la demanda base para ver la reacción de los generadores y de las cargas al
consumir la generación mínima.

12
CASO DE ESTUDIO

13
CASO DE ESTUDIO

14
CASO DE ESTUDIO

15
CONCLUSIONES
• Se soluciona el Social Welfare Problem por medio del ADMM para la asignación de
recursos, donde la generación distribuida y las cargas Inteligentes son consideradas.
• La convergencia del algoritmo se pone a prueba por medio de la simulación de un caso de
studio. Además, el algoritmo converge sin importar los valores iniciales.
• A pesar de que el agente virtual maneja información global, durante el proceso la
privacidad entre los agentes se mantiene al no otorgar información especifica.

16
GRACIAS.

17