Vous êtes sur la page 1sur 20

Ciencia e Ingeniería Neogranadina

Ubicación y dimensionamiento de generación


distribuida: una revisión
Location and sizing of distributed generation: a review

Luis Fernado Grisales*


Bonie Johana Restrepo Cuestas**
Fredy Esteban Jaramillo***

Fecha de recepción: 19 de octubre de 2016


Fecha de revisión: 20 de febrero de 2017
Fecha de aprobación: 3 de mayo de 2017

Cómo citar: L. F. Grisales, B. J. Restrepo Cuestas y F. E. Jaramillo, “Ubicación y dimensionamientos de


generación distribuida: una revisión,” Ciencia e Ingeniería Neogranadina, vol. 27, no. 2, pp. 157-176. DOI:
http://dx.doi.org/10.18359/rcin.2344

Resumen
La generación distribuida (GD) se presenta como un apoyo para suplir la demanda del sis-
tema de forma localizada, lo que permite además como alternativas de generación el uso
de fuentes de energía renovables a pequeña escala. Como aporte principal, este artículo
presenta las consideraciones que se deben tener en cuenta al momento de analizar, mode-
lar y solucionar el problema de ubicación y dimensionamiento de GD en la red eléctrica de
distribución. Inicialmente, se enuncian los aspectos técnicos de la red, el modelado de las
cargas e impactos de la GD; seguido de la formulación del modelo matemático del proble-
ma, principales técnicas de solución y metodologías aplicadas en la literatura; finalmente, se
muestran las investigaciones futuras en este campo de estudio. Todo lo anterior en busca

* Ingeniero electricista y magíster en Ingeniería. Docente ocasional e innvestigador del grupo MATyER, del
Instituto Tecnológico Metropolitano, Medellín, Colombia. Correo electrónico: luisgrisales@itm.edu.co. ORCID:
http://orcid.org/0000-0002-1409-9756
** Ingenieria electricista y magíster en Ingeniería. Docente ocasional e investigadora del grupo MATyER, del Ins-
tituto Tecnológico Metropolitano, Medellín, Colombia. Correo electrónico: bonierestrepo@itm.edu.co. ORCID:
http://orcid.org/0000-0001-5276-1651
*** Ingeniero electromecánico. Docente de cátedra, del Instituto Tecnológico Metropolitano, Medellín, Colombia.
Correo electrónico: fredyjaramillo97913@correo.itm.edu.co. ORCID: http://orcid.org/0000-0001-7878-6291

157
Ubicación y dimensionamiento de generación distribuida: una revisión

de mejorar las condiciones operativas de la red. Dentro de la revisión de los trabajos presen-
tados por los diferentes autores, se encontró que una gran parte de los estudios se enfocan
en los aspectos técnicos, sin tener en cuenta los costos asociados a la integración de GD, ni
los incentivos económicos a los que puede ser susceptibles este tipo de proyectos, que son
de vital importancia para evaluar la viabilidad de la propuesta de integración.
Palabras claves: generación distribuida, sistema de distribución, técnicas de optimización,
perfiles de tensión, pérdidas de energía, técnicas metaheurísticas.

Abstract
Distributed generation (DG) is presented as a support to supply the demand of the system
in a localized way, also allowing small-scale generation with renewable energy sources. As
a main contribution, this document presents several considerations to be taken into account
when analyzing, modeling and solving the problem of location and dimensioning of DG in the
distribution grid. Initially, the technical aspects of the network are outlined as well the load
modeling, and DG impacts; followed by the formulation of the mathematical model of the
problem, main solution techniques, methodologies applied in the literature. Finally, it shows
future research in this field of study All the above to improve the operating conditions of the
network. Within the review of the papers presented by the different authors, it was found that
a large part of the studies focus on the technical aspects, without taking into account the
costs associated with the integration of DG, nor the economic incentives that can Be sus-
ceptible to this type of projects, which are of vital importance in assessing the feasibility of
the integration proposal.
Keywords: Distributed generation, distribution system, optimization techniques, voltage pro-
files, power losses, metaheuristic techniques.

Introducción (GD) se ha convertido en un apoyo a los


sistemas de generación convencionales,
La generación de electricidad se presenta
hecho que facilita la inyección de potencia
generalmente en centrales a gran escala,
utilizando tecnologías convencionales en en lugares cercanos a la carga. No obstan-
lugares alejados al consumidor final. Esto te, la integración de GD genera impactos
genera pérdidas de energía asociadas al en el sistema, que pueden ser positivos
transporte y alteración en los perfiles de o negativos, debido a que su implemen-
tensión a nivel de distribución, en algunos tación modifica el modo de operación de
casos por fuera de los rangos permitidos. la red. Una integración adecuada de GD
Es por esto que la generación distribuida presenta desde el punto de vista técnico

158 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

los siguientes beneficios: disminución de tiva a las universidades, los grupos de in-
pérdidas de energía, mejoras en el perfil vestigación y sectores privados a investigar
de tensión y descongestión en las líneas de alrededor de estas temáticas, patrocinando
distribución. Sin embargo, una ubicación proyectos a través de Colciencias. Este as-
o dimensionamiento inapropiado de la GD pecto demuestra la necesidad de generar
en el sistema puede generar efectos ad- soluciones para integrar sistemas de GD,
versos en la red [1]-[3]. empleando fuentes convencionales y no
Lo anterior, sumado a la necesidad de convencionales de energía.
aumentar la calidad y confiabilidad del ser-
Como aporte principal, este documento
vicio a través de la optimización de recursos
presenta las consideraciones por tener en
y sostenibilidad ambiental, hace que los sis-
cuenta al momento de analizar, modelar y
temas de distribución tiendan a convertirse
solucionar el problema de integración de
en redes inteligentes (Smart Grids) [4]. Es
allí donde la integración de GD ha recibido GD. Se parte con el numeral 1.1, con una
un creciente interés, ya que puede contribuir descripción del sistema eléctrico de distri-
en la obtención de resultados en materia de bución, haciendo énfasis en los modelos
una gestión más activa de la red, reducción de representación de cargas eléctricas en
de pérdidas de energía, emisiones y la inte- el sistema, seguido de una definición de GD
gración de fuentes de energías renovables y la descripción de los impactos que pue-
[1]. En este sentido, algunos países han de- de presentar en el sistema de distribución,
sarrollado políticas en busca de promover e en el numeral 1.2. Luego se muestra en el
incentivar la integración de nuevas fuentes numeral 2.1 el planteamiento del modelo
de energía dentro de sus sistemas eléctri- del problema, que puede ser representado
cos. Se pueden mencionar casos como el a través de funciones objetivo y el conjunto
de los Estados Unidos, con el consorcio de de restricciones que lo limitan. Adicional-
tecnologías para la solución de la confiabi- mente, se muestran las técnicas de opti-
lidad eléctrica [5]; la Unión Europea, con su mización más empleadas en la integración
proyecto de microredes [6], y Japón, que es
de GD; de esta manera, se permite al lector
un país con un alto número de proyectos de
comprender, interpretar y formular el pro-
inclusión de GD, financiados por la Organi-
blema, seleccionando el tipo de técnica que
zación para el Desarrollo Nuevas Energías
más se adapte a los factores que desee im-
y Tecnología Industrial [7]. Con respecto a
Colombia, la Unidad de Planeación Minero pactar en el sistema de distribución (SD).
Energética (UPME), a través de la Resolu- Vale la pena destacar que la selección de
ción 18-919 de 2010, el convenio ATN/FM- artículos que contienen la información y
12825-CO y la Ley 1715 [8], [9], promueve metodologías empleadas para integración
la creación de marcos legales asociados de GD, fueron realizadas de manera que
al uso de las fuentes no convencionales de permitan visualizar un panorama general de
energía y herramientas que fomenten el uso los enfoques, métodos y técnicas emplea-
racional de la energía. Esto además incen- dos por los autores en la última década.

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 159
Ubicación y dimensionamiento de generación distribuida: una revisión

1. Generación distribuida tensiones nodales y corrientes de línea; va-


riables con las que se definen todos los indi-
1.1. Sistema eléctrico de distribución cadores del sistema. Vale la pena destacar
que con la variación de las demandas noda-
Un sistema eléctrico de distribución es la
les (curva de demanda horaria) o la inyec-
parte comprendida entre la subestación eléc-
ción de potencia activa o reactiva en cual-
trica de media tensión y los usuarios finales.
quier nodo del sistema, el estado operativo
El sistema está conformado por alimentado-
varía drásticamente.
res, subestaciones de transformación, líneas
y cargas, conectados a través de nodos. La Los valores que tomen las cargas para
variación en las tensiones nodales y en las ambos casos pueden ser obtenidos a través
corrientes a través de las líneas depende de de modelos determinísticos o estocásticos.
la variación de las cargas. Estas últimas, en Para el primer caso, los valores de carga
un sistema eléctrico, se definen como la re- pueden ser seleccionados a través de la
presentación de la demanda de energía en creación de curvas de demanda a partir
un nodo [10], dicha representación puede es- de las cargas nodales en los diferentes
tar asociada a un periodo específico, como sistemas de prueba [15]. Para el segundo
la demanda pico (mono-nivel), o tener en caso, que es el más complejo, se parte de
cuenta la variación de la curva de demanda un análisis del comportamiento del sistema
diaria del sistema (multi-nivel) [11]. en un periodo, y se encuentra así el tipo
de distribución de probabilidad que mejor
Al analizar el estado operativo del siste-
represente el problema; este es conocido
ma, es necesario tener en cuenta el tipo de
como incertidumbre en la demanda [16].
carga para la interpretación de los diferentes
indicadores del sistema, como las pérdi-
das de energía por transporte, violación de
los perfiles de tensión, índice de estabilidad 1.2. Definición e impactos de la
de tensión, cargabilidad en las líneas, entre generación distrinuida
otros [12,13]. Si se trabaja con una carga En los últimos años, el planeamiento de los
mono-nivel se tendrán niveles o aproxima- SD ha buscado mejorar las características
ciones para una hora específica, que permi- operativas del sistema, utilizando estrate-
ten estimar su estado operativo, pero dentro gias como la reconfiguración de alimentado-
de un panorama limitado (para la hora cuan- res, la ubicación de capacitores, los regula-
do se realizó el análisis). Caso contrario, dores de tensión, la generación distribuida,
cuando se trabaja con sistemas multi-nivel, entre otros [17]-[19]. La integración de GD es
que tienen en cuenta el comportamiento de la de mayor investigación a nivel mundial,
la carga en un margen de 24 horas. debido a que permite el uso de fuentes con-
Para conocer el estado operativo del sis- vencionales y no convencionales de energía
tema, se aplica el equivalente monofásico en el sistema eléctrico, con lo cual se logra
del sistema de distribución trifásico [14], y a para el caso de las energías renovables redu-
través de un flujo de carga se obtienen las cir las emisiones de CO2 [10].

160 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

El concepto de GD no cuenta con una de- Vale la pena destacar que el tipo más imple-
finición generalizada, pero finalmente todas mentado es el 1, y se modela en el sistema
convergen en tres características principa- como una carga negativa [23].
les: conexión cercana a la carga, generación
La integración de GD puede presentar im-
a pequeña, mediana y gran escala, y la posi-
pactos positivos y negativos en la red. Los
bilidad de estar o no conectada a la red de
impactos positivos son llamados beneficios
distribución. Según [20], la GD es una fuente
de apoyo al sistema, dentro de los que se
de potencia eléctrica conectada directamen-
pueden encontrar mejoras en los perfiles de
te a la red de distribución o lo más cercano
tensión, reducción de pérdidas de energía en
al medidor del usuario final. La Agencia In-
la red (debido al transporte) y descongestión
ternacional de Energía (IEA, por sus siglas en
de las líneas. Sin embargo, una ubicación o
inglés) define GD como una planta de gene-
dimensionamiento inapropiado de la GD en
ración que transfiere energía en sitio al con-
el sistema puede generar problemas técni-
sumidor o que sirve de apoyo al SD conecta-
do a la red a niveles de voltaje de distribución cos, como perfiles de tensión por fuera de
[21]. Adicionalmente, las tecnologías de ge- los rangos permitidos, fluctuaciones de ten-
neración basadas en energías renovables sión y violación de los límites de capacidad
presentan las siguientes características: no en las líneas [24]-[27]. En [28] se presentan
tienen un despacho centralizado debido a su sus principales desventajas, entre las cua-
generación variable y son altamente depen- les se encuentran el aumento en los niveles
dientes de las condiciones climáticas [22]. de falla debido a la generación intermitente,
Desde el punto de vista de la capacidad de los flujos bidireccionales, la coordinación de
generación, se pueden clasificar, según [20], protecciones (que están diseñadas para flu-
como: micro (generadores desde 1 W has- jos unidireccionales), congestiones en la red
ta 5 kW), pequeña (generadores desde 5 kW y fluctuaciones de voltaje (variaciones en
hasta 5 MW), mediana (generadores desde el índice de estabilidad). Lo anterior puede
5 MW hasta 50 MW) y grande (generadores afectar tanto la seguridad, como la calidad
desde 50 MW hasta 300 MW). del suministro eléctrico y debe ser tenido en
cuenta al momento de integrar estos dispo-
Existen cuatro tipos de inyección de po-
sitivos en el sistema.
tencia por parte de la GD. El tipo uno tiene
en cuenta únicamente la inyección de po- Las limitaciones asociadas a la integra-
tencia activa; el tipo dos solo considera la ción de GD pueden ser superadas a través
inyección de potencia reactiva por parte del de un correcto dimensionamiento y una ubi-
generador; el tipo tres considera la inyección cación óptima. La evaluación del impacto
tanto de potencia activa, como reactiva a de GD en un SD se puede realizar a través
través del generador, y el tipo cuatro permite de un análisis de los flujos de potencia o flu-
la inyección de potencia activa por parte del jo de carga, con lo cual es posible verificar
generador y la inyección de potencia reacti- que la configuración de generadores selec-
va por medio de capacitores, que toman los cionada mejore las condiciones operativas
reactivos de la red para después inyectarlos. del sistema. Dentro de los métodos más

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 161
Ubicación y dimensionamiento de generación distribuida: una revisión

utilizados en la literatura para calcular el presentan los componentes principales para


flujo de carga se encuentran: Gauss-Seidel, la ubicación y el dimensionamiento de GD,
Newton Raphson, barrido iterativo, entre las técnicas de optimización más utilizadas
otros [29]. A partir de las variables entrega- y el análisis de un conjunto de trabajos
das por el flujo de carga, es posible evaluar encontrados en la literatura.
todos los indicadores del sistema (pérdidas
de energía, índice de estabilidad de tensión,
factor de potencia, etc.). 2.1. Modelado del problema
Es importante tener en cuenta que la En los párrafos anteriores se han definido
ubicación presenta características binarias, las condiciones técnicas que se logran me-
dada la posibilidad de un nodo a ser o no jorar al momento de integrar GD, las cuales
candidato a la instalación de un generador. se pueden convertir en funciones objetivo.
Mientras que el dimensionamiento es de Estas, en conjunto con el sistema de restric-
tipo continuo, por la posibilidad que tiene ciones, forman el modelo matemático del
el generador de tomar un valor de un rango problema, como se muestra en las ecuacio-
determinado de potencia. Adicionalmente, nes (1) y (2):
la no linealidad del sistema de ecuaciones
que representa el problema hace que este
sea del tipo no lineal entero mixto, y por tan- Max o Min f(x) →función objetivo (1)
to requiera la implementación de técnicas o
paquetes de optimización que permitan ob-
tener una solución adecuada. Conjunto de restricciones (2)

Una función objetivo es un criterio expresa-


2. Ubicación y dimensionamiento do a través de las variables que definen el
óptimo de generación comportamiento del sistema [32]. Esta fun-
distribuida ción puede ser maximizada o minimizada
El uso de una metodología basada en téc- según las necesidades del problema. Para
nicas de optimización debe ser capaz de el caso de la integración de GD, es posible
analizar la influencia o el impacto de la GD que pertenezca a los aspectos técnicos o
sobre las características del SD, que puede económicos. Las funciones objetivo serían
ser muy útil en el proceso de planeación y las siguientes:
operación de la red [30], [31]. Para encontrar • Mono-objetivo: se define desde un cri-
la solución del problema aquí planteado, se terio que busca maximizar o minimizar
deben modelar matemáticamente las condi- una sola función objetivo. Las principa-
ciones operativas que se desean mejorar y les funciones mono-objetivo utilizadas
el conjunto de restricciones atadas a ellas, para ubicación y dimensionamiento ópti-
para luego implementar la técnica de opti- mo de GD en el SD son: minimización de
mización seleccionada. A continuación, se pérdidas de energía en el sistema, mini-

162 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

mización de costos de inversión y opera- 2.2. Métodos de optimización


tivos, minimización de las variaciones en implementados para ubicar
los perfiles de tensión, maximización de y dimensionar GD
la capacidad de generación de GD, maxi-
mización de la relación costo/beneficio y Al momento de integrar GD en los sistemas
de distribución, hay que tener claro el esce-
maximización del límite de cargabilidad
nario donde se trabajará. Los escenarios de
de las líneas [33].
prueba para la integración de GD parten de
• Multi-objetivo: se define teniendo en las diferentes combinaciones posibles entre
cuenta un criterio que busca maximizar ubicación, tamaño, tecnología y número de
o minimizar dos o más funciones objeti- unidades de GD, que puede ser simple (una
vo, siempre en conflicto. Las técnicas de unidad) o múltiple (instalación de dos o más
optimización que implementa este tipo unidades de GD) [11], [33]. Según el tipo de
de funciones entregan un conjunto de so- escenario, se requiere una técnica binaria,
luciones óptimas, conocido como frente continua o una combinación de ambas, para
óptimo de Pareto [34]. Para la selección dar solución al modelo matemático descrito
de alguna de las soluciones ofrecidas, se en la sección 2.1. En la literatura existen
debe contar con la opinión de un experto diversos métodos y técnicas [32], [36], cuya
en la temática (operador de red) o em- clasificación y algunos estudios realizados
plear una técnica de toma de decisiones. se muestran a continuación.
Usualmente este tipo de función se utiliza
cuando se requiere mejorar los aspectos
técnicos de la red, con el menor nivel de 2.2.1. Métodos analíticos
inversión posible. Es allí donde aparecen Utilizan un modelo matemático como la re-
los objetivos en conflicto. presentación del sistema, evaluándolo con
El modelo matemático del problema, ade- una solución numérica directa [37], la cual
más de contar con la función objetivo, debe puede ser desarrollada por un software de
considerar las restricciones que lo repre- optimización comercial. Ofrecen la ventaja
sentan. Estas tienen que ser evaluadas para de tener un tiempo computacional corto, son
cada posible solución del problema. Dentro simples y precisos. Sin embargo, cuando el
de las restricciones técnicas en los SD se en- problema es complejo, su solución no es
cuentran balances de potencia activa y reac- tan precisa. Diferentes autores han aplica-
tiva, límites de voltajes, límites de potencia do este método al problema de integración
inyectada por la GD y capacidad de transpor- óptima de GD, como los que se presentan a
te en las líneas [35]. Vale la pena destacar continuación:
que si alguna solución no cumple todo el • Gözel y Hocaoglu [38] presentan una
conjunto de restricciones, debe ser descar- metodología para la ubicación y di-
tada o, en su defecto, habrá que plantear una mensionamiento GD, a partir de un solo
penalización dentro de la función objetivo. generador. Como función objetivo, fue

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 163
Ubicación y dimensionamiento de generación distribuida: una revisión

seleccionada la minimización de las 33 nodos y del 71,56 % para el sistema


pérdidas totales de energía, y se evitó el de 69 nodos.
uso de operaciones con la matriz de ad- Cabe resaltar que gran parte de los traba-
mitancias o la matriz jacobiana. El mé- jos revisados para los métodos analíticos
todo fue probado en los sistemas IEEE no examinan el impacto en los perfiles de
de 12, 34 y 69 nodos, con una reducción tensión del sistema. Muchos autores no lo
máxima de las pérdidas para cada caso hacen debido a que las pérdidas de energía
del 45,41 %, 55,34 % y 59,09 %, respecti- están estrechamente relacionadas con los
vamente. El método aplicado fue com- perfiles de tensión nodal, de tal manera que
parado con otras dos técnicas, y se si estas se reducen, los perfiles de tensión
concluyó que la respuesta obtenida por aumentarán. Se debe ser cuidadoso, pues
este era muy próxima a las otras. en algunos casos los perfiles de tensión pue-
• Gopiya et al. [39], en 2015, presentaron den superar los límites superiores estableci-
un enfoque analítico para la integración dos por norma.
de GD, en busca de reducir las pérdidas
de potencia activa y reactiva en la red. Su
metodología inicia buscando el nivel de 2.2.2. Métodos numéricos
potencia activa y reactiva nodal que más También son llamados métodos basados
beneficie a la red, seleccionando como en el cálculo, y se dividen en dos categorías:
nodos candidatos los que presentaron el métodos directos e indirectos. Son restrin-
mayor impacto positivo al sistema. Esta gidos a la hora de aplicarlos a problemas
metodología se utiliza para ubicar uno o reales, debido a la alta complejidad que
varios generadores y fue validada en los presentan; sin embargo, son eficientes en
sitemas de 33 y 69 nodos, aplicando di- problemas sencillos. Para solucionar el pro-
ferentes escenarios de prueba. Los me- blema de GD en el SD, los métodos más uti-
jores resultados presentaron una reduc- lizados son [34]: programación lineal [40],
ción del 69,55 % y 89,89 %. programación no lineal [41], programación
• Mahmoud et al. [35], en 2016, propusie- dinámica [42], programación entera [43] y
ron un método analítico para la ubica- programación estocástica [44].
ción óptima de múltiples unidades de Dentro de los diferentes trabajos exis-
GD y un flujo óptimo de potencias para tentes en la literatura se encuentra el rea-
su dimensionamiento; esto con el fin de lizado por Khoa et al. [45], que presenta un
reducir las pérdidas de energía. Se imple- algoritmo basado en el método primario de
mentaron diferentes escenarios para la doble punto interior para resolver problemas
evaluación del impacto de GD. La técnica no lineales del flujo de potencia óptimo. El
fue probada en los sistemas de 33 y 69 objetivo principal es optimizar la ubicación y
nodos, y se encontró como mejor solu- el tamaño de la GD para resolver el problema
ción entre los diferentes escenarios una de la reducción de las pérdidas de energía.
reducción del 65,5 % para el sistema de Para validar su metodología implementan un

164 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

sistema de 10 y 42 nodos. Este artículo pre- tes restricciones: corriente nominal de las
senta sus resultados al analizar las pérdidas líneas, capacidad de transformadores, nive-
de cada línea. les máximos de corriente de cortocircuito
En el estudio realizado por Kaur et al. [46] en equipos, límites de tensión en los nodos,
inicialmente se preseleccionan los nodos límites de energías renovables disponibles,
candidatos a partir de un modelo de pérdida entre otras. La metodología fue probada en
de sensibilidad combinado (Combined Loss una sección de la red de distribución de Ir-
Sensitivity [CLS]). Para la integración óptima landa, compuesta por alimentador (38/110
(ubicación y dimensionamiento), se utilizan kV) y cinco nodos. Se evaluaron dos esce-
la técnica de Programación Secuencial Cua- narios, el primero plantea la inyección des-
drática (Sequential Quadratic Programming de el nodo más alejado del alimentador. Se
[SQP]) y el algoritmo de ramificación y aco- parte de un valor inicial de capacidad de GD
tación (Branch and bound [B&B]). Se utiliza instalada. La máxima capacidad instalada
como objetivo la minimización de pérdidas de GD es de 11.20MW, ubicada en los no-
del sistema, a partir de las cargas pico. La dos tres y seis. Para el segundo escenario,
metodología propuesta fue probada en los sin predeterminar una ubicación y tamaño
sistemas de 33 y 69 nodos, y comparada con iniciales, se tiene una generación total de
las técnicas de flujo de carga exhaustivo (Ex- GD de 22.74MW, distribuida en los cinco no-
haustive Load Flow [ELF]), mejora analítica dos del sistema. En esta metodología no se
(Improved Analytical [IA]) y Particle Swarm tiene en cuenta como función objetivo las
Optimization (PSO). En el sistema de 33 no- pérdidas del sistema.
dos, se logra una reducción de pérdidas del
86,1 %, y se integran dos unidades de GD,
con el valor de potencia inyectada mínima 2.2.3. Métodos heurísticos
(2765 MVA). Para el sistema de 69 nodos, y metaheurísticos
el método propuesto muestra un mejor ren- Hacen parte del conjunto de métodos no
dimiento al momento de integrar múltiples exactos, que a pesar de no poseer meca-
unidades de GD (con inyección de potencia nismos, que garanticen la obtención de la
activa y reactiva), con una reducción de pér- solución óptima global permiten conseguir
didas del 98,1 %. buenas soluciones para problemas de op-
Keane et al. [47] desarrollan una me- timización de la vida real, con esfuerzos
todología basada en programación lineal computacionales aceptables. El esfuerzo
para determinar la ubicación y el dimen- computacional involucra dos aspectos im-
sionamiento óptimos de GD con respecto portantes: el tiempo de cálculo y la cantidad
a restricciones de tipo técnico. Se utiliza de memoria requerida en el proceso. Una
la interdependencia de los nodos con res- heurística es un procedimiento simple basa-
pecto al conjunto de restricciones. El obje- do en la experiencia, en el buen juicio o en
tivo es maximizar la generación entregada la solución de modelos matemáticos redu-
desde GD, teniendo en cuenta las siguien- cidos, que permite encontrar soluciones de

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 165
Ubicación y dimensionamiento de generación distribuida: una revisión

buena calidad para problemas complejos • De Sousa et al. [59] implementan un


del tipo no polinomiales completos [48]. indicador de sensibilidad para la reduc-
ción de nodos candidatos a ubicación
Los métodos heurísticos son lo más sim-
de GD, luego aplican un algoritmo ge-
ples y de bajo nivel, y esto hace que puedan
nético (Genetic Algotihm [GA]) para la
caer en óptimos locales, y alejarse así de
ubicación y dimensionamiento de GD,
las buenas soluciones. Por esta razón, en
para lo cual tienen en cuenta múltiples
la actualidad son utilizados como punto de
generadores. La estrategia es evaluada
inicio de las metaheurísticas o para reducir
en un sistema de prueba de 70 nodos y
el espacio de solución por medio del análi-
una red de 2678 nodos de una empresa
sis de indicadores de sensibilidad, dado que
de distribución en Brasil. Como función
permiten identificar y seleccionar el conjun-
objetivo tienen en cuenta las pérdidas
to de atributos de mayor impacto para un
de energía, implementando una cur-
problema y descartar los demás. Los indica-
va de demanda horaria. Los autores
dores de sensibilidad mas utilizados por las
muestran la aplicación de la metodolo-
técnicas heurísticas para integración de GD gía al caso de 70 nodos, pero no indi-
son las sobrecargas en las líneas, los límites can la reducción del nivel de pérdidas
de tensión nodal, el índice de estabilidad de de energía y la mejora en los perfiles de
tensión, entre otros [12], [13], [49]. tensión. Para el caso del sistema real
Las técnicas metaheurísticas guían y logran una reducción máxima de pérdi-
modifican las operaciones de heurísticas das del 47 %, y de esta manera realizan
subordinadas para producir soluciones de un amplio análisis sobre el impacto de
alta calidad de manera eficiente, empleando la metodología en los perfiles de ten-
estrategias de búsqueda exitosas y algorit- sión del sistema.
mos bioinspirados. Algunas de las técnicas • Kansal et al. [60] presentan una meto-
mono-objetivo más empleadas son: algo- dología que permite integrar tres tipos
ritmo genético [50], enjambre de partículas diferentes de GD en el SD, implementan-
[51], recocido simulado [52], búsqueda tabú do como función objetivo las pérdidas
[53], algoritmos inmunes [54], colonia de de energía eléctrica. Emplean como téc-
hormigas [55], enjambre de abejas [56], en- nica de solución el algoritmo PSO. Su
tre otros. Dentro las técnicas multi-objetivo, trabajo es evaluado a través del uso de
las más conocidas y empleadas son: algo- los sistemas de prueba de 33 y 69 no-
ritmo de ordenamiento no dominado (NSGA, dos, con lo cual se logra una reducción
por sus siglas en inglés) [57] y el algoritmo máxima en las pérdidas de energía del
caótico artificial colonia de abejas (CABC, de 67,79 % y del 89,69 %, respectivamen-
sus siglas en inglés) [58]. En la literatura se te. Adicionalmente, analizan el impacto
puede encontrar gran cantidad de trabajos en los perfiles de tensión y comparan
que implementan este tipo de técnicas en la su técnica con otras como Colonia Ar-
integración de GD, entre los que se encuen- tificial de Abejas (Artificial Bee Colony
tran los siguientes: [ABC]) y GA, aplicadas en otras publica-

166 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

ciones. Los niveles de potencia inyecta- anteriormente, los autores no tienen en


dos son superiores al del nodo slack en cuenta el costo de los GD.
el caso base.
• En [55], los autores aplican la técnica
de Optimización de Colonia de Hormi- 2.2.4. Métodos híbridos
gas (Ant Colony Optimization [ACO]) Los métodos híbridos permiten potenciar
para la integración optima de GD, bus- las técnicas metaheurísticas mediante la
cando la reducción en las pérdidas de combinación de dos o más de estas, para
energía. La metodología fue validada la búsqueda de la solución de un proble-
en los sistemas IEEE de 12 y 15 nodos, ma. Estos métodos brindan una solución
con pérdidas de energía del 84,66 % y de buena calidad, cercana o igual a la ópti-
el 75,68 %, respectivamente. Aquí no se ma. Son muy implementados debido a las
realiza un análisis en el impacto en los características del problema aquí tratado,
perfiles de tensión, y se implementa un dado que la ubicación presenta una carac-
único generador con una inyección de terística binaria y el dimensionamiento una
potencia activa cercana al valor de la in- continua. En la mayoría de los documentos
yectada por el nodo slack. analizados en la sección anterior, se imple-
• Mohandas et al. [58] presentan una me- menta una técnica metaheurística para la
todología para la integración de múlti- ubicación y un flujo óptimo para el dimen-
ples unidades de GD, utilizando el Indice sionamiento de los generadores. Esto hace
de Rendimiento Multi-objetivo (Multi Ob- que el dimensionamiento esté atado a la
jective Performance Index [MOPI]), para función objetivo del programa que aplica el
mejorar la estabilidad de la tensión del flujo, que por lo general tiene en cuenta solo
SD. El problema es resuelto implemen- la reducción de pérdidas de energía, lo que
tando el algoritmo Caótico Artificial de puede limitar la búsqueda a óptimos loca-
Colonia de Abejas (Caotic Artificial Bee les. Dentro de los trabajos que se encuen-
Colony [CABC]). La eficacia del algorit- tran en la literatura que aplican métodos
mo propuesto se valida mediante el en- híbridos, se encuentra los siguientes:
sayo de los sistemas de prueba de 38 y • Grisales et al. en [15] implementan un
69 nodos. En este trabajo, se considera GA para la ubicación y el algoritmo PSO
únicamente inyección de potencia activa para el dimensionamiento de tres tipos
por parte de los GD, el modelo de carga diferentes de tecnologías de GD. Presen-
de potencia constante, y se plantean es- tan una función multi-objetivo pondera-
cenarios con otros modelos de carga de- da, a partir de las pérdidas de energía,
pendientes de la tensión, como el indus- el error cuadrático de tensión y los cos-
trial, residencial y comercial. Con esto se tos de los generadores. Para validar la
presentan mejoras en los índices de ten- metodología se evaluaron los sistemas
sión para los diferentes escenarios de de 33 y 69 nodos, con una reducción de
prueba. Dentro de los casos analizados las pérdidas de energía del 56,77 % y el

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 167
Ubicación y dimensionamiento de generación distribuida: una revisión

63,54 %, y del error cuadrado de tensión para el dimensionamiento de los genera-


del 80,49 % y 82,08 %. Se presenta un ni- dores. Como función objetivo, presenta
vel de inversión para cada uno de los ca- la reducción de pérdidas de energía en
sos de USD$1993667 y USD$2386349, el SD. La técnica fue validada en los sis-
respectivamente. temas de 33 y 69 nodos, con lo que se
logra una reducción máxima entre los
• Kefayat et al. [56] presentan un híbrido
diferentes escenarios planteados del
entre los algoritmos ACO y ABC, el pri-
94,45 % y 98,1 %, respectivamente; se
mero encargado de la ubicación y el se-
presentan niveles de penetración de GD
gundo del dimensionamiento de los GD,
demasiados altos, por encima de la po-
lo que permite instalar desde uno hasta
tencia generada por el nodo slack. Adi-
siete generadores eólicos en el sistema.
cional a esto, los autores demuestran
Se implementó una función multi-obje-
que se obtienen mejoras en los perfiles
tivo ponderada, que busca la reducción
de tensión y factor de potencia del siste-
de potencia activa y reactiva, emisiones
ma, de forma indirecta.
de CO2, costos de inversión y mejora del
índice de estabilidad de tensión. Se tiene Se puede concluir a partir del análisis reali-
en cuenta la incertidumbre de la gene- zado, para los métodos y técnicas de optimi-
ración eólica y la carga. Para validar la zación planteados, que las funciones objeti-
metodología se implementaron los siste- vo más implementadas en la literatura son la
mas de 33 y 69 nodos, con diferentes va- reducción de pérdidas de energía y la mejora
lores en los pesos de ponderación de la de los perfiles de tensión. Por lo general, no
función objetivo; con esto se obtuvieron se incluyen los costos de inversión y opera-
diversos escenarios de prueba para cada ción de los generadores, hecho que impide
caso. Como mejor solución se logró una realizar un análisis de la recuperación de la
reducción del 69,90 % para las pérdidas inversión en un plazo determinado. Vale la
de energía en el sistema de 33 nodos pena destacar la dificultad para recuperar la
con una instalación de siete generadores inversión a corto plazo en un proyecto GD,
y una de reducción del 71,33 % para el solo teniendo en cuenta la reducción de pér-
sistema de 69 nodos instalando tres ge- didas de energía. Se recomienda analizar los
neradores. Dentro de las tablas mostra- incentivos económicos para la integración
das por los autores se puede analizar el de este tipo de tecnologías en el SD, dados al
impacto en las otras funciones objetivo; mejoramiento de las condiciones operativas
en todos se obtuvo impactos positivos. y la disminución de CO2, ofrecidos por los en-
tes reguladores de cada país.
• Kansal et al. [61] presentan un enfoque
híbrido para la ubicación de múltiples La presentación de los tiempos de cóm-
unidades de GD e implementan diferen- puto no se realiza en la mayoría de los
tes tipos de inyección de potencia al sis- documentos, porque cuando se realiza la
tema. Para esto se utilizó la técnica de planeación de un sistema de distribución,
optimización PSO y un método analítico este se hace para un periodo largo (de cin-

168 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

co a diez años). Esto hace que el tiempo de temas de comunicación y control que
cómputo no sea una variable crítica para la permitan obtener información en tiempo
mayoría de los autores, pues estos análisis real sobre la operación de la red y de las
no se realizan en tiempo real. En los casos unidades de GD que se encuentran co-
que se indican, es utilizado para comparar nectadas [68], [69].
la eficiencia entre diferentes técnicas de • Métodos de optimización: los nuevos
optimización. Cabe decir que se debe ser desarrollos apuntan a la creación de hí-
cuidadoso al momento de comparar, dado bridos entre las diferentes técnicas aquí
que entre una técnica y otra se encuentra tratadas, de manera que se permitan re-
una amplia diferencia entre su complejidad solver el problema de ubicación (binario)
y espacio de solución analizado. y dimensionamiento (continuo), con el
mínimo esfuerzo computacional (memo-
ria y tiempo) [70].
4. Investigaciones futuras
Las tendencias en investigación para re-
solver el problema de ubicación y dimen- 3. Conclusiones
sionamiento óptimo de GD apuntan a las La integración de GD puede verse como una
siguientes temáticas: ayuda al sistema de distribución desde dos
• Planificación coordinada: asociada a la tópicos: permite suplir el aumento de la de-
reconfiguración de la red a través de la manda, utilizando los activos existentes, y
ubicación simultánea de GD, condensa- además puede impactar de forma positiva
dores, dispositivos de protección y alma- las condiciones operativas de la red, siempre
cenadores de energía, considerando un y cuando se realice una adecuada ubicación
determinado tiempo, en busca de mejo- y dimensionamiento de los generadores.
rar las condiciones operativas del siste- Para su integración se debe tener en cuenta
la necesidad técnica o económica por parte
ma [62]-[66].
del OR o agente interesado, el modelo mate-
• Introducción de incertidumbres al mode- mático del problema y la técnica de optimi-
lo matemático: parten del conocimiento zación por implementar. La interpretación de
de cómo se comporta el sistema e inclu- los resultados obtenidos depende del mode-
yen parámetros inciertos, como genera- lo de la carga utilizado, puesto que, según el
ción por fuentes renovables, variación de modelo aplicado, se estará analizando una
la carga y precios de la energía [67]. Con hora específica o un panorama del tiempo.
lo anterior se busca un modelo que re-
Al momento de integrar GD se deben con-
presente de manera más realista el com-
siderar, además de los aspectos técnicos,
portamiento estocástico del SD.
los costos asociados. Dentro de los artí-
• Gestión activa de la red: referente a la culos aquí revisados se encontró que gran
operación activa del sistema de distribu- parte de los autores se enfoca solamente en
ción, lo que implica la inversión en sis- los temas técnicos de la red, sin importar el

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 169
Ubicación y dimensionamiento de generación distribuida: una revisión

costo que tiene asociado a la integración de Referencias


GD (inversión y operación), ni los incentivos
[1] P. P. Barker y R. W. de Mello, “Determining
económicos brindados por los entes regula-
the impact of distributed generation on
dores. Ambos contextos son importantes al
power systems. I. Radial distribution
momento de evaluar la tasa de inversión de
systems,” en Power Engineering Society
retorno, que en muchos casos puede definir
Summer Meeting (Cat. No.00CH37134),
la viabilidad de un proyecto.
vol. 3, pp. 1645-1656, 2000. https://doi.
Muchos autores proponen inyectar altos org/10.1109/PESS.2000.868775
niveles de potencias a través de GD, a veces
[2] E. K. Bawan, ”Distributed Generation
por encima de la potencia entregada por el
Impact on Power System Case study:
generador principal en el caso base (sin GD).
Losses and Voltage Profile,” en 2012
Esto hace que las soluciones entregadas por
22nd Australasian Universities Power
sus metodologías no puedan ser llevadas a
Engineering Conference (AUPEC), pp.
una aplicación real. Por tanto, se debe res-
1-12, 2012.
tringir la capacidad máxima de GD instalada
en el SD, a la potencia demanda más las pér- [3] P. Prakash y D. K. Khatod, “Optimal
didas del sistema. Adicional a esto, es im- sizing and siting techniques for dis-
portante realizar un estudio de la capacidad tributed generation in distribution
de generación de energía por cada tipo de systems: A review,” Renewable and
tecnología de GD ubicada en el sistema. Sustainable Energy Reviews, vol. 57,
pp. 111-130, 2016. https://doi.or-
Los sistemas de prueba más utilizados g/10.1016/j.rser.2015.12.099
fueron el de 33 y 69 nodos, puesto que pre-
sentan altos niveles de pérdidas de energía y [4] A. J. Bazurto Cubillos et al., “Perspecti-
violaciones tensiones nodales; además, per- va del transformador de distribución en
miten apreciar con mayor claridad el impac- redes eléctricas con alta penetración
to de las metodologías empleadas. de generación distribuida y vehículos
eléctricos,” Ciencia e Ingeniería Neogra-
Al realizar una revisión del estado del arte nadina, vol. 26, no. 2, pp. 35-48, 2016.
sobre la integración de GD, se encontró que https://doi.org/10.18359/rcin.1710
los escenarios de prueba nacen de la combi-
nación de su ubicación y dimensionamiento, [5] M. Barnes et al., “Real-World Micro-
utilizando como la mejor alternativa el análi- Grids-An Overview,” en IEEE Internatio-
sis de múltiples unidades de GD. Por lo gene- nal Conference on System of Systems
ral, el tipo de carga modelado es mono-nivel Engineering, pp. 97-105, San Anto-
y las funciones objetivo más utilizadas son nio, TX, Estados Unidos, 16-18 Abril
la disminución de pérdidas de energía y las 2007. https://doi.org/10.1109/syso-
mejoras en los perfiles de tensión, siendo las se.2007.4304255
técnicas de optimización metaheurísticas [6] N. Hatziargyriou et al., “Microgrids,”
las más implementadas en los últimos años. IEEE Power and Energy Magazine,

170 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

vol. 5, no. 4, pp. 78-94, 2007. https:// America), pp. 1-7, Sao Paulo, Brazil, 15-
doi.org/10.1109/MPAE.2007.376583 17 Abr. 2013. https://doi.org/10.1109/
[7] S. Morozumi, “Micro-grid Demonstra- ISGT-LA.2013.6554425
tion Projects in Japan,” en 2007 Power [13] M. Sedighi et al., “Sitting and sizing of
Conversion Conference, pp. 635-642, distributed generation in distribution
Nagoya, Japan, 2-5 Abril, 2007. https:// network to improve of several para-
doi.org/10.1109/PCCON.2007.373032 meters by PSO algorithm,” en 2010
[8] Congreso de Colombia, “Ley N° 1715 9th International Power and Energy
del 13 de mayo de 2014,” UPME. [En Conference, IPEC 2010, pp. 1083-
Linea]. Disponible en: http://wsp.pre- 1087, Singapore, Singapore, 27-29
sidencia.gov.co/Normativa/Leyes/ Oct. 2010. https://doi.org/10.1109/
Documents/LEY%201715%20DEL%20 IPECON.2010.5696977
13%20DE%20MAYO%20DE%202014. [14] B. Venkatesh et al., “Optimal reconfigu-
pdf ration of radial distribuion system using
[9] Unidad de Planeación Minero Energéti- artificial intelligence methods,” en 2009
ca [UPME]. Integración de las energías IEEE Toronto International Conference
renovables no convencionales en Co- Science and Technology for Humanity
lombia. Bogotá: La Imprenta Editores (TIC-STH), pp. 660-665, Toronto, ON,
S.A, 2015. Canada, 26-27 Sept. 2009. https://doi.
org/10.1109/TIC-STH.2009.5444417
[10] N. Jenkins, J.B. Ekanayake and G. Str-
bac. Distributed Generation. London, [15] L. F. Grisales et al., “Optimal location
United Kingdom: The Institution of and sizing of Distributed Generators us-
Engineering and Technology, 2010. ht- ing a hybrid methodology and consid-
tps://doi.org/10.1049/pbrn001e ering different technologies,” 2015 IEEE
6th Latin American Symposium on Cir-
[11] M. Kumawat et al., “Optimal distribu-
cuits & Systems (LASCAS), Montevideo,
ted generation placement in power
Uruguay, 24-27 Feb. 2015. https://doi.
distributed networks: A review,” en
org/10.1109/LASCAS.2015.7250486
2015 International Conference on
Electrical, Electronics, Signals, Com- [16] M. B. Jannat y A. S. Savić, “Optimal
munication and Optimization (EESCO), capacitor placement in distribution
Visakhapatnam, India, 24-25 Ene. networks regarding uncertainty in ac-
2015. https://doi.org/10.1109/EES- tive power load and distributed gen-
CO.2015.7254023 eration units production,” IET Genera-
tion, Transmission & Distribution, vol.
[12] I. F. Prado y L. P. Garces, “Chu-Beasley
10, pp. 3060-3067, 2016. https://doi.
genetic algorithm applied to the allo-
org/10.1049/iet-gtd.2016.0192
cation of distributed generation,” en
2013 IEEE PES Conference on Innovati- [17] J. Posso et al., “Planeamiento de redes
ve Smart Grid Technologies (ISGT Latin de baja tensión, utilizando un modelo

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 171
Ubicación y dimensionamiento de generación distribuida: una revisión

trifásico,” Ciencia e Ingeniería Neogra- [23] A. Rezaee Jordehi, “Allocation of dis-


nadina, vol. 21, no. 2, pp. 41-56, 2011. tributed generation units in electric
https://doi.org/10.18359/rcin.259 power systems: A review,” Renewable
and Sustainable Energy Reviews, vol.
[18] D. D. Lucache et al., “Economic aprais-
56, pp. 893-905, 2016. https://doi.
al of optimal location and sizing of ca-
org/10.1016/j.rser.2015.11.086
pacitors in radial distribution systems
using PSO,” en 2014 International Con- [24] K. Balamurugan et al., “Impact of
ference on Applied and Theoretical Elec- Distributed Generation on Power Dis-
tricity (ICATE), Craiova, Romania, 23-25 tribution Systems,” Energy Procedia,
Oct. 2014. https://doi.org/10.1109/ vol. 25, pp. 93-100, 2012. https://doi.
ICATE.2014.6972626 org/10.1016/j.egypro.2012.07.013
[19] S. Yoshizawa et al., “Novel voltage con- [25] V. V. S. N. Murty y A. Kumar, “Optimal
trol of multiple step voltage regulators placement of DG in radial distribution
in a distribution system,” en 2014 IEEE systems based on new voltage sta-
PES on Innovative Smart Grid Technolo- bility index under load growth,” Inter-
gies Conf. (ISGT), Washington, D.C., Es- national Journal of Electrical Power
tados Unidos, 19-22 Feb. 2014. https:// & Energy Systems, vol. 69, pp. 246-
doi.org/10.1109/ISGT.2014.6816463 256, 2015. https://doi.org/10.1016/j.
ijepes.2014.12.080
[20] T. Ackermann et al., “Distributed gener-
ation: a definition,” Electric Power Sys- [26] Z. Sun y X. Zhang, “Advances on
tems Research, vol. 57, pp. 195-204, Distributed Generation Technology,”
2001. Energy Procedia, vol. 17, pp. 32-38,
2012. https://doi.org/10.1016/j.egy-
[21] T. Ackermann, “What Matters for Suc-
pro.2012.02.058
cessful Integration of Distributed Gen-
eration Energynautics Areas of Exper- [27] A. Yadav y L. Srivastava, “Optimal place-
tise,” en Future Challenges for Electricity ment of distributed generation: An over-
Security - IEA Workshop, Paris, France, view and key issues,” en 2014 Internation-
1 Oct. 2013. [En línea]. Disponible en: al Conference on Power Signals Control
https://www.iea.org/workshops/future- and Computations (EPSCICON), Thris-
challenges-for-electricity-security.html sur, India, 6-11 Ene. 2014. https://doi.
org/10.1109/EPSCICON.2014.6887517
[22] International Conference on Large
Electric Systems [CIGRE], “SC C6 Dis- [28] J. A. Hernandez et al., “Analysis of the
tribution Systems and Dispersed Gen- effect of the implementation of photo-
eration,” s. f. [En línea]. Disponible en: voltaic systems like option of distrib-
http://www.cigre.org/Technical-ac- uted generation in Colombia,” Renew-
tivities/Study-Committees-Work- able and Sustainable Energy Reviews,
ing-Groups/SC-C6-Distribution-Sys- vol. 15, pp. 2290-2298. https://doi.
tems-and-Dispersed-Generation org/10.1016/j.rser.2011.02.003

172 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

[29] J. Grainger y W. Stevenson. Power Sys- [36] S. P. Karthikeyan et al., “A review on


tem Analysis. Nueva York, Estados Uni- soft computing techniques for loca-
dos: McGraw-Hill, 1994. tion and sizing of distributed gene-
ration systems,” en 2012 International
[30] S. Ghosh et al., “Optimal sizing and
Conference on Computing, Electronics
placement of distributed generation in
and Electrical Technologies (ICCEET),
a network system,” International Jour-
pp. 163-167, Kumaracoil, India, 21-22
nal of Electrical Power & Energy Sys-
Mar. 2012. https://doi.org/10.1109/IC-
tems, vol. 32, pp. 849-856. https://doi.
CEET.2012.6203882
org/10.1016/j.ijepes.2010.01.029
[37] C. Wang y M. H. Nehrir, “Analytical
[31] S. Kansal et al., “Optimal placement of
Approaches for Optimal Placement
different type of DG sources in distri-
of Distributed Generation Sources in
bution networks,” International Journal
Power Systems,” IEEE Transactions
of Electrical Power and Energy Sys-
on Power Systems, vol. 19, pp. 2068-
tems, vol. 53, pp. 752-760. https://doi. 2076, 2004. https://doi.org/10.1109/
org/10.1016/j.ijepes.2013.05.040 tpwrs.2004.836189
[32] R. A. Gallego et al. Técnicas meta- [38] T. Gözel y M. H. Hocaoglu, “An analytical
heurísticas de optimización (2da. Ed.). method for the sizing and siting of dis-
Pereira, Colombia: Universidad Tec- tributed generators in radial systems,”
nológica de Pereira, 2008. Electric Power Systems Research, vol.
[33] P. S. Georgilakis y N. D. Hatziar- 79, pp. 912-918, 2009. https://doi.or-
gyriou, “Optimal Distributed Gene- g/10.1016/j.epsr.2008.12.007
ration Placement in Power Distribu- [39] S. N. Gopiya Naik et al., “Analytical
tion Networks: Models, Methods, approach for optimal siting and si-
and Future Research,” IEEE Transac- zing of distributed generation in ra-
tions on Power Systems, vol. 28, pp. dial distribution networks,” IET Gene-
3420-3428. https://doi.org/10.1109/ ration, Transmission & Distribution,
TPWRS.2012.2237043 vol. 9, pp. 209-220, 2015. https://doi.
[34] S. S. Rao. Engineering Optimization: org/10.1049/iet-gtd.2014.0603
Theory and Practice (4ta. Ed.). Ho- [40] B. Singh et al., “A survey on impact
boken, NJ. Estados Unidos: John Wiley assessment of DG and FACTS con-
& Sons, Inc., 2009. trollers in power systems,” Renewable
[35] K. Mahmoud et al., “Optimal Distribu- and Sustainable Energy Reviews, vol.
ted Generation Allocation in Distribu- 42, pp. 846-882, 2015. https://doi.or-
tion Systems for Loss Minimization,” g/10.1016/j.rser.2014.10.057
IEEE Transactions on Power Systems, [41] S. Porkar et al., “Optimal allocation of
vol. 31, pp. 960-969, 2016. https://doi. distributed generation using a two-stage
org/10.1109/TPWRS.2015.2418333 multi-objective mixed-integer-nonlinear

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 173
Ubicación y dimensionamiento de generación distribuida: una revisión

programming,” European Transactions [47] A. Keane y M. O’Malley, “Optimal Allo-


on Electrical Power, vol. 21, pp. 1072- cation of Embedded Generation on Dis-
1087, 2011. https://doi.org/10.1002/ tribution Networks,” IEEE Transactions
etep.497 on Power Systems, vol. 20, pp. 1640-
1646, 2015. https://doi.org/10.1109/
[42] N. Khalesi et al., “DG allocation with
TPWRS.2005.852115
application of dynamic programming
for loss reduction and reliability im- [48] R. Gallego et al. Técnicas metaheurís-
provement,” International Journal of ticas de optimización. Pereira, Colom-
Electrical Power & Energy Systems, vol. bia: Universidad Tecnológica de Perei-
33, pp. 288-295, 2011. https://doi.or- ra, 2008.
g/10.1016/j.ijepes.2010.08.024 [49] D. N. Hussein et al., “Optimal Sizing
[43] J. D. Foster et al., “Comparison of and Siting of Distributed Generation,”
Mixed-Integer Programming and en International Middle East Power Sys-
Genetic Algorithm Methods for Dis- tem Conference, 2006.
tributed Generation Planning,” IEEE [50] P. C. Chu y J. E. Beasley, “A genetic
Transactions on Power Systems, vol. algorithm for the generalised assign-
29, pp. 833-843, 2014. https://doi. ment problem,” Computers & Opera-
org/10.1109/TPWRS.2013.2287880 tions Research, vol. 24, no. 1 pp. 17-23,
[44] Z. Zhou et al., “A two-stage stochastic 1997. https://doi.org/10.1016/S0305-
programming model for the optimal 0548(96)00032-9
design of distributed energy systems,” [51] M. T. A. Y. Mohammadi y M. Faramarzi,
Applied Energy, vol. 103, pp. 135-144. “PSO algorithm for Sitting and Sizing
https://doi.org/10.1016/j.apener- of Distributed Generation to Improve
gy.2012.09.019 Voltage Profile and Decreasing power
[45] T. Q. D. Khoa et al., “Optimizing Lo- losses,” en Procedings of 17th Confe-
cation and Sizing of Distributed Ge- rence on Electrical Power Distribution
neration in Distribution Systems,” en Networks (EPDC), Tehran, Iran, 2-3
2006 IEEE PES Power Systems Con- May, 2012.
ference and Exposition, pp. 725-732, [52] A. K. Barnes et al., “Placement of ener-
Atlanta, GA, Estados Unidos, 29 Oct.-1 gy storage coordinated with smart PV
Nov. 2006. https://doi.org/10.1109/ inverters,” en 2012 IEEE PES Innovative
PSCE.2006.296407 Smart Grid Technologies (ISGT), Was-
[46] S. Kaur et al., “A MINLP technique for op- hington, D.C., Estados Unidos, 16-20
timal placement of multiple DG units in Ene. 2012. https://doi.org/10.1109/
distribution systems,” International Jour- ISGT.2012.6175665
nal of Electrical Power and Energy Sys- [53] D. Zhang et al., “An improved TS algo-
tems, vol. 63, pp. 609-617, 2014. https:// rithm for loss-minimum reconfiguration
doi.org/10.1016/j.ijepes.2014.06.023 in large-scale distribution systems,”

174 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo
Ciencia e Ingeniería Neogranadina

Electric Power Systems Research, [59] A. R. R. de Sousa et al., “Sensitivity


vol. 77, pp. 685-694, 2007 https://doi. analysis to connect distributed genera-
org/10.1016/j.epsr.2006.06.005 tion,” International Journal of Electrical
Power Energy Systems, vol. 46, pp. 145-
[54] M. Junjie et al., “Size and Location
152, 2013. http://dx.doi.org/10.1016/j.
of Distributed Generation in Distribu-
ijepes.2012.10.004
tion System Based on Immune Algo-
rithm,” Systems Engineering Procedia, [60] S. Kansal et al., “Optimal placement of
vol. 4, pp. 124-132, 2012. https://doi. different type of DG sources in distribu-
org/10.1016/j.sepro.2011.11.057 tion networks,” International Journal of
Electrical Power and Energy Systems,
[55] B. Sookananta et al., “Determination of
vol. 53, pp. 752-760, 2013. https://doi.
the optimal location and sizing of Dis-
org/10.1016/j.ijepes.2013.05.040
tributed Generation using Ant Colony
Search,” en 2010 International Confer- [61] S. Kansal et al., “Hybrid approach for
ence on Electrical Engineering/Electron- optimal placement of multiple DGs of
ics Computer Telecommunications and multiple types in distribution networks,”
Information Technology (ECTI-CON), International Journal of Electrical Pow-
Chiang Mai, Thailand, 19-21 May. 2010. er Energy Systems, vol. 75, pp. 226-
235, 2016. https://doi.org/10.1016/j.
[56] M. Kefayat et al., “A hybrid of ant colo-
ijepes.2015.09.002
ny optimization and artificial bee col-
ony algorithm for probabilistic optimal [62] A. Bayat et al., “Optimal siting and siz-
placement and sizing of distributed ing of distributed generation accompa-
energy resources,” Energy Conversion nied by reconfiguration of distribution
and Management, vol. 92, pp. 149-161, networks for maximum loss reduction
2015. https://doi.org/10.1016/j.encon- by using a new UVDA-based heuris-
man.2014.12.037 tic method,” International Journal of
Electrical Power & Energy Systems,
[57] M. Moeini-Aghtaie et al., “Optimal Dis-
vol. 77, pp. 360-371, 2016. https://doi.
tributed Generation placement in a re-
org/10.1016/j.ijepes.2015.11.039
structured environment via a multi-ob-
jective optimization approach,” en 16th [63] A. M. Tahboub et al., “Distribution Sys-
Electrical Power Distribution Conference, tem Reconfiguration for Annual Energy
Bandar Abbas, Iran, 19-20 Abril 2011. Loss Reduction Considering Variable
Distributed Generation Profiles,” IEEE
[58] N. Mohandas et al., “Optimal location
Transactions on Power Delivery, vol.
and sizing of real power DG units to
30, pp. 1677-1685, 2015. https://doi.
improve the voltage stability in the dis-
org/10.1109/TPWRD.2015.2424916
tribution system using ABC algorithm
united with chaos,” International Jour- [64] F. Ding y K. A. Loparo, “Feeder Recon-
nal of Electrical Power Energy Systems, figuration for Unbalanced Distribution
vol. 66, pp. 41-52, 2015. Systems With Distributed Generation: A

Ciencia e Ingeniería Neogranadina / ISSN 0124-8170 / Vol. 27 / No. 2 / pp. 157-176 / 2017 175
Ubicación y dimensionamiento de generación distribuida: una revisión

Hierarchical Decentralized Approach,” 697, 2015. https://doi.org/10.1109/


IEEE Transactions on Power Systems, TSTE.2015.2406915
vol. 31, pp. 1633-1642, 2016. https://doi. [68] V. F. Martins C. L. T. Borges, “Active dis-
org/10.1109/TPWRS.2015.2430275 tribution network integrated planning
[65] S. W. Alnaser y L. F. Ochoa, “Optimal incorporating distributed generation
Sizing and Control of Energy Storage in and load response uncertainties,” IEEE
Wind Power-Rich Distribution Networks,” Transactions on Power Systems, vol.
IEEE Transactions on Power Systems, 26, pp. 2164-2172, 2011. https://doi.
vol. 31, pp. 2004-2013, 2016. https://doi. org/10.1109/TPWRS.2011.2122347
org/10.1109/TPWRS.2015.2465181 [69] K. Zare et al., “Dynamic planning of
distributed generation units in active
[66] A. Saif et al., “Optimal allocation of dis-
distribution network,” IET Genera-
tributed energy resources through sim-
tion, Transmission & Distribution, vol.
ulation-based optimization,” Electric
9, pp. 1455-1463, 2015. https://doi.
Power Systems Research, vol. 104, pp.
org/10.1049/iet-gtd.2014.1143
1-8, 2013. https://doi.org/10.1016/j.
epsr.2013.05.019 [70] M. Vatani et al., “Multiple distributed
generation units allocation in distribu-
[67] S. Ganguly y D. Samajpati, “Distributed tion network for loss reduction based
Generation Allocation on Radial Dis- on a combination of analytical and
tribution Networks Under Uncertain- genetic algorithm methods,” IET Gen-
ties of Load and Generation Using eration, Transmission & Distribution,
Genetic Algorithm,” IEEE Transactions vol. 10, pp. 66-72, 2016. https://doi.
on Sustainable Energy, vol. 6, pp. 688- org/10.1049/iet-gtd.2015.0041

176 Luis Fernado Grisales, Bonie Johana Restrepo Cuestas, Fredy Esteban Jaramillo