7-Balance de Fases Multiobjetivo en Sistemas de Distribucion

Anuncio
Balance de Fases
Multiobjetivo en
Sistemas de Distribución
Carlos Adrián Correa, Universidad De La Salle
Ricardo Bolaños, XM Filial de ISA
Alejandro Garcés, Universidad Tecnológica de Pereira
Agenda
 Introducción
 Formulación del problema
 Algoritmo Multiobjetivo NSGA-II
 Aplicación de la Metodología
 Pruebas y Resultados
 Conclusiones
Introducción
 Sistemas de distribución y balance de fases
 Importancia de la reducción de pérdidas
 Eficiencia y ambiente
 Problema multiobjetivo
Formulación del problema
 Modificación de la conexión de cargas
 Características de los sistema de distribución:
 Presencia de trafos y laterales monofásicos
 Dificultad para realizar cambios a niveles de tensión
secundarios
 Presencia de cargas de distinta naturaleza
 Objetivos del problema:
 Pérdidas de potencia
 Inversión en la modificación del sistema
Formulación del problema
 Modelo Matemático
min
 f1 ( H ), f2 ( H )
Hk
s.a.
3
NC
k 1 i 1
NC
f 2 ( H )   u ( H k  1)
k 1

PD ( k ,i )
Secuencia
1
ABC
Igual
2
BCA
Igual
3
CAB
Igual
4
ACB
Contraria
5
BAC
Contraria
6
CBA
Contraria
3
f1 ( H )   PG (i )   PD ( k ,i )
i 1
Cambios
 V( k ,i ) 
 P0( k ,i )  

 Vnom 

 V( k ,i ) 
QD ( k ,i )  Q0( k ,i )  

 Vnom 
PG (i )  jQG (i )  FC ( H , Y , P0 , Q0 )
H k 1,...,6
Algoritmo NSGA-II
 Algoritmos multiobjetivo
 Dominancia
 Soluciones no dominadas
 Frente de Pareto
 Estrategias evolutivas
 Operadores genéticos
Algoritmo NSGA-II
Qué es un individuo…?
2
4
…
3
…
5
Número de nodos con carga
H
Cambios
Secuencia
1
ABC
Igual
2
BCA
Igual
3
CAB
Igual
4
ACB
Contraria
5
BAC
Contraria
6
CBA
Contraria
k
Algoritmo NSGA-II
Algoritmo NSGA-II
Algoritmo NSGA-II
Datos ß Líneas, Nodos, Demanda, Generación
P0 ß Aleatorio
Q0 ß Recombinación (P)
R0 ß P0 È Q0
For t = 1 : T
(f1,f2) ß Evaluar Funciones Objetivo
ND ß Dominancia ( Rt , f1 , f2 )
( F , D ) ß fitness ( ND )
S ß Selección ( F , D )
Pt ß Rt ( S )
While ( J > N )
Pt ß Distancias (Rt , ND )
Endwhile
Qt ß Recombinación ( S , Pt )
Qt ß Mutación ( Qt )
Rt ß Pt È Qt
Endfor
Aplicación de la metodología
 Problema operativo  Flujo de carga trifásico
 Problema de optimización  Algoritmo NSGA-II
NSGA-II
H
f1 , f2
Flujo de carga
trifásico
Pruebas y Resultados
799
Sistema de prueba IEEE 37Bus
724
722
707
712
701
742
713
704
720
 Un regulador de tensión
705
702
714
706
 Cargas monofásicas de
729
744
727
703
718
725
distinta naturaleza
728
730
 Las cargas son altamente
desbalanceadas.
732
708
709
731
736
733
710
775
734
740
735
737
738
711
741
Pruebas y Resultados
 El algoritmo requirió una población de tamaño 20, tasa
de mutación de 5% y 3940 ciclos generacionales.
14
Número de cambios
13
12
11
10
9
8
7
6
55
55.5
56
56.5
57
Pérdidas de potencia [kW]
57.5
58
Pruebas y resultados
 Impacto sobre las pérdidas
f1 [kW]
55,01
55,02
55,10
55,19
55,32
55,54
55,96
56,96
57,76
f1 [%]
9,16
9,14
9,01
8,86
8,65
8,28
7,58
5,94
4,62
f2
14
13
12
11
10
9
8
7
6
Conclusiones
 La metodología implementada permite reducir el nivel
de pérdidas técnicas en sistemas de distribución a un
costo relativamente bajo, por lo cual implementar
programas de balance de fases en las empresas de
distribución sería una alternativa viable no solo para la
reducción de las pérdidas técnicas sino también para
aumentar la calidad, seguridad y confiabilidad del
sistema.
 La metodología multiobjetivo determina un conjunto de
soluciones viables de balance con diferente nivel de
costos, esto permite tomar una decisión más acertada
por parte del operador de la red.
Trabajos futuros
 Inclusión de información de las curvas de carga para
complementar la información con reducción de
pérdidas de energía y determinar el impacto
económico.
 Obtención de datos en tiempo real e inclusión de
dispositivos de almacenamiento… SMARTGRID!
Gracias por su atención!
Descargar