INDICE
1. Objetivo
2. Introduccion
3. El problema de la compensación reactiva en sistemas eléctricos
4. Beneficios de la compensación reactiva
5. Dispositivos que influyen en el balance de potencia reactiva
6. Metodología de optimización
7. Implementación del programa
8. Aplicación a sistemas de potencia
9. Conclusiones y recomendaciones
10.Referencias y Programa Demostrativo :
Winflu
Analizar el problema de la asignación óptima de
compensación reactiva para la minimización de pérdidas
y mejoramiento del perfil de tensiones en sistemas eléctricos
de potencia. Para el cual se seleccionó e implementó
los Algoritmos Genéticos en un programa apropiado para
aplicaciones académicas y profesionales.
A medida que los sistemas eléctricos de potencia crecen, la compensación reactiva se hace cada vez más necesaria para lograr los niveles adecuados de tensión y capacidad de transmisión. La forma clásica de solucionar este problema es por tanteos mediante repetidos flujos de carga, ayudándose de la experiencia del los ingenieros de planeamiento hasta encontrar una solución satisfactoria, ésta no permite garantizar que dicha solución sea la óptima.
Desde 1968, se empezó a estudiar una forma sistemática de solucionar el problema, surgiendo diferentes metodologías, diferenciándose mayormente en los métodos matemáticos utilizados, entre ellas se encuentran la programación lineal, programación no lineal y recientemente los algoritmos genéticos.
El presente trabajo está dirigido al estudio de la asignación óptima de compensación reactiva en sistemas eléctricos de potencia mediante un programa computacional basado en algoritmos genéticos, con características similares a las de otros programas para PC disponibles a nivel mundial.
Adicionalmente se estudian algunas aplicaciones al Sistema Interconectado Centro Norte para mostrar la efectividad del programa.
Cabe mencionar que por tener acceso al código fuente es
posible mejorarlo y adaptarlo a nuevos requerimientos asociados
a los sistemas eléctricos de potencia.
Para el adecuado control de la potencia reactiva es necesario prever la instalación global de equipos de compensación con la suficiente anticipación considerando un conjunto de escenarios futuros. Dada la alta complejidad y dinamismo de los sistemas, el determinar el tipo, ubicación y dimensionamiento óptimo para los dispositivos de compensación hace dificultoso éste análisis por la gran cantidad de soluciones factibles. A su vez estos análisis deben asegurar una adecuada operación en el aspecto económico, de calidad y seguridad.
Entre otros problemas se encuentra que los programas especializados
para resolver este tipo de análisis no están accesibles
a los profesionales y estudiantes, debido a sus altos costos de
adquisición y requerimiento de computadoras de alta tecnología.
Entre los beneficios de una adecuada asignación de compensación reactiva se encuentran:
Es por ello que una adecuada asignación obtiene beneficios
económicos como técnicos.
Para una adecuada generación y flujo de potencia reactiva se deben considerar:
En los últimos años se ha dado mucha atención al problema de obtener flujos de potencia óptimos y se han publicado diversos métodos de optimización en sistemas de potencia, cada una introduciendo nuevas técnicas, otras modificando los métodos matemáticos utilizados. Para el caso de manejo de potencia reactiva, se han utilizado técnicas que van desde el ensayo y error, pasando por el análisis de sensibilidades, y técnicas de optimización matemática muy diversas, siendo éste un área aún de investigación. Entre las técnicas utilizadas cabe destacar la programación lineal, programación no lineal y los algoritmos genéticos.
Dado que las ecuaciones de los flujos de potencia son problemas matemáticos convexos, las matemáticas convencionales tienden a converger a una solución local, no siendo el caso de los algoritmos genéticos que tienden a converger en soluciones globales.
El segundo problema es la presencia de variables enteras en los sistemas de potencia reales (posiciones fijas de taps, cantidad de bancos de capacitores/reactores, posiciones de tensiones de generación), por lo que hace difícil la asignación de resultados directamente con las metodologías tradicionales.
El tercer problema es el problema de convergencia, dado que la programación lineal y la no lineal pueden no converger por problemas de diversa índole, no siendo el caso de los algoritmos genéticos que siempre encuentran una solución.
La alta versatilidad de la función objetivo en los algoritmos genéticos hace de éste una metodología atractiva para su análisis.
Es por ello que la metodología seleccionada para la implementación
del programa fueron los algoritmos genéticos mostrando
efectividad en los resultados y facilidad en su implementación.
Método | |||
Tiempo de Ejecución | |||
Requerimiento de Memoria | |||
Problemas de Convergencia | |||
Busqueda de Optimos | |||
Variables | |||
Función Objetivo Versátil |
En el presente trabajo se ha implementado un programa computacional
interactivo y gráfico el cual tiene las facultades de construir
y editar diagramas unifilares de sistemas de potencia, efectuar
cálculos de flujos de potencia y asignación optima
de la potencia reactiva mediante algoritmos genéticos aprovechando
las facilidades que brinda el entorno Windows.
Entre las características del programa estan:
Principios de los algoritmos genéticos
Estos algoritmos se presenta como un conjunto de técnicas estocásticas de búsqueda paralela para aplicaciones generales que simulan los mecanismos de la genética y la evolución (principio de la "supervivencia del más apto" de Darwin).
Su principio básico es el mantenimiento de una "población"
de soluciones a un problema en forma de individuos (de información
codificada) que evolucionan en el tiempo, su forma de evolucionar
se basan en las leyes de selección natural y la recombinación
de la información genética entre la población.
Variables de control
Las variables de control considerados en el presente trabajo son
las tensiones de generación, bancos de capacitores/reactores
y taps de transformadores. Un sistema de potencia puede ser representado
por una cadena o vectores de valores que contienen la información
de éstas variables de control, donde éstas variables
son enteras y tienen rangos máximos y mínimos para
cada una de ellas.
Características de VARi:
El total de combinaciones posibles o flujos de potencia que pueden ser analizados es:
No siendo todos ellos convergentes, por lo que la búsqueda
del óptimo global es tediosa por la gran cantidad de casos
que pueden ser analizados.
Evaluación de sistemas
Para la identificación de flujos de potencia más aptos respecto a otros se hace necesaria una evaluación para la comparación y selección.
Los sistemas de potencia deben dividirse en subsistemas considerando la topología de la red, con el fin de identificar áreas y variables de control asociados. Las evaluaciones deberán hacerse sobre estos subsistemas, ésto con el fin de intercambiar paquetes de variables de control por subsistemas. Adicionalmente la evaluación de las perdidas será al total del sistema.
La evaluación de cada subsistema considerará las
tensiones fuera de límites como también la potencia
reactiva generada fuera de límites, cada una de ellas con
distintas penalizaciones las cuales serán definidas por
el usuario y dependerán del énfasis aplicado al
estudio.
Operaciones genéticas
Entre las operaciones genéticas implementadas se encuentran:
Esta técnica se basa en la sobrevivencia de los flujos con mejores aptitudes a la siguiente generación, sin alterar sus valores de las variables de control. Esto tiene como consecuencia que éstos tengan mayor capacidad de reproducción.
El cruce o intercambio se realiza mediante competencias de los valores de aptitud entre un mismo subsistema para toda la población. Para ello se debe seleccionar una función aleatoriamente y crear una ruleta de aptitudes, el torneo de selección es aleatorio, siendo la tendencia que ganen los subsistemas con mejores aptitudes. El sistema ganador traspasará el paquete de variables de control respectivos del subsistema en competencia al sistema en creación. Este proceso se repetirá hasta completar el total de subsistemas del sistema en creación y así también hasta completar el total de la población.
Esta operación genética tiene como base la manipulación
artificial de los genes de los individuos para mejorar la raza
o la alteración de los genes aleatoriamente buscando encontrar
individuos con mejores aptitudes.
Las manipulaciones implementadas son:
Las manipulaciones son básicamente procedimientos intuitivos realizándose para ello un reconocimiento del perfil de tensiones en los subsistemas y tratar de mejorarlo mediante alteraciones en los valores de sus variables de control.
La mutación tiene como fundamento la alteración aleatoria de los valores de las variables de control con el objetivo de la búsqueda de sistemas o subsistemas con mejores aptitudes, tratando así encontrar otros óptimos locales.
Para la definición de un caso a ejecutarse se deben definir
los siguientes parámetros:
Para demostrar la efectividad del programa desarrollado se hicieron
las simulaciones sobre el sistema Ward-Hale (IEEE-6 Barras) y
el Sistema Interconectado Centro Norte (SICN).
Aplicación al Sistema Interconectado Centro Norte
La red del SICN utilizada, corresponde a la condición de máxima demanda 1997 conformado por 58 barras, 13 generadores, 65 líneas, 16 transformadores de 2 devanados, 3 transformadores de 3 devanados y 3 compensadores estáticos.
Los límites de tensiones aplicados al sistema fueron 0.92 y 1.05 p.u.
Para ilustrar la versatilidad de la función de aptitud
se ejecutaron cinco casos con los siguientes parámetros:
Caso | |||||
Población | |||||
Generaciones | |||||
Mutación (%) | |||||
Manipulación (%) | |||||
Penalización en dV | |||||
Penalización en dQg | |||||
Variables por subsistema |
Cabe resaltar que el caso 2 se ignora la penalización en
tensiones lo cual da énfasis exclusivo a la reducción
de pérdidas, el caso 3 se ignora la penalización
en tensiones como también en la potencia reactiva fuera
de límites lo cual se muestra solamente como un caso ilustrativo
no factible en la realidad, el caso 4 iguala la penalización
a las tensiones fuera de límites como a las potencias reactivas
fuera de límites.
Los resultados fueron los siguientes:
Observaciones:
This page hosted by |