Vous êtes sur la page 1sur 9

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/303960277

Algoritmo Genético Para El Uso Óptimo De La Potencia Reactiva

Conference Paper · May 2015

CITATIONS READS

0 80

2 authors:

Jesús Gómez Carlos Eduardo Borda Zapata


Universidad Tecnológica de Pereira XM S.A.
1 PUBLICATION   0 CITATIONS    5 PUBLICATIONS   25 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Operational flexibility in power systems View project

All content following this page was uploaded by Carlos Eduardo Borda Zapata on 14 June 2016.

The user has requested enhancement of the downloaded file.


XVI ERIAC
DECIMOSEXTO ENCUENTRO
REGIONAL IBEROAMERICANO DE CIGRÉ
Puerto Iguazú, Argentina 17 al 21 de mayo de 2015 C4-23

Comité de Estudio C4 - Desempeño Técnico del Sistema

ALGORITMO GENÉTICO PARA EL USO ÓPTIMO DE LA POTENCIA REACTIVA

JESUS DAVID GÓMEZ PÉREZ* CARLOS EDUARDO BORDA ZAPATA*


XM S.A. E.S.P. XM S.A. E.S.P.
Colombia Colombia

Resumen – Este trabajo presenta una metodología de solución planteada al problema de optimización
de la potencia reactiva en Sistemas Eléctricos de Potencia, usando como motor de optimización, algoritmos
genéticos y una estrategia de mejora de la configuración final, basada en una búsqueda local a través de
una vecindad definida. El desarrollo se realizó en el software de simulación DIgSILENT Power Factory,
herramienta en la que se tiene modelado el sistema eléctrico colombiano, teniendo como ventaja principal el
no requerir migración de información a programas adicionales. La metodología mencionada se aplicó de
manera satisfactoria en una de las áreas operativas eléctricas de Colombia, el área Oriental, la cual con su
característica de demanda y consumo de reactivos, la hace un área atractiva de optimización

Palabras clave: Optimización potencia reactiva, minimización de pérdidas de potencia reactiva,


algoritmos genéticos, búsqueda local.

1 INTRODUCCIÓN
La optimización de la potencia reactiva en los Sistemas de Potencia (SP), tiene como objetivos principales,
mejorar los perfiles de tensión en cada uno de los nodos, maximizar la reserva de reactivos como parte de la
seguridad necesaria que requiere la red ante las contingencias que se presentan y minimizar las pérdidas de
potencia activa. Para lograr lo anterior, el operador dispone de diversas opciones de control, tales como la
conexión / desconexión de elementos de compensación (condensadores y reactores), movimiento de
cambiadores de tomas en los transformadores de potencia, ajuste de la excitación de los generadores, entre
otras. Sin embargo, el tamaño de las redes eléctricas hace que la coordinación sea compleja, dado que hay
variables adicionales a monitorear, conduciendo a que la planeación operativa deba ser más robusta,
brindando así herramientas y alternativas de decisión que permitan una mayor calidad a la operación de la
red.

2 GENERALIDADES DEL SISTEMA ELÉCTRICO DE ESTUDIO


La red eléctrica de transmisión colombiana la componen diversos niveles de tensión, que van desde 57.5 kV
hasta 500 kV. El sistema se encuentra dividido en cinco áreas operativas, Antioquia, Caribe, Nordeste,
Oriental y Suroccidental, cada una de ellas con una respectiva componente de generación y un conjunto de
restricciones que son debidamente controladas para garantizar la atención confiable y segura de la demanda.
El área Oriental abastece de energía eléctrica al área metropolitana de Bogotá, la cual constituye el principal
centro de consumo del sistema eléctrico colombiano (2800 MW aproximadamente). Su característica de
consumo de potencia activa y reactiva, la convierte en un área sujeta a optimización de los recursos de
control de potencia reactiva.
El área Oriental cuenta con recursos de generación predominantemente hidroeléctricos que suman alrededor
de 2800 MW de capacidad efectiva neta. Adicionalmente, el área está interconectada con el resto del sistema
a través de 8 circuitos de 230 kV y un circuito a 500 kV. Mediante 21 transformadores reductores de tensión,

* jgomez@xm.com.co *cborda@xm.com.co
se entrega la potencia a la red de 115 kV que se extiende en toda el área. El área cuenta además con
alrededor de 500 MVAr en compensación capacitiva fija y con 240 MVAr capacitivos en un SVC al interior
del área.

3 REGULACIÓN APLICABLE AL CASO COLOMBIANO


En Colombia, la resolución CREG 025-95 por la cual se establece el Código de Redes como parte del
Reglamento de Operación del Sistema Interconectado Nacional, establece como parte de las funciones del
Centro Nacional de Despacho (CND) en lo referente al planeamiento operativo, la siguiente actividad
respecto a al análisis de potencia reactiva:
“(…) Para el análisis de estado estacionario se utiliza el programa de flujo de cargas convencional y el
programa de flujo de cargas óptimos. Este último se utiliza particularmente para establecer los taps de
referencia (…)” [1]
Lo anterior permite inferir que se tienen ciertos lineamientos en la regulación orientados al control de la
potencia reactiva y los cuales deben ser aplicados de manera cuidadosa para mantener la confiabilidad de la
demanda.

4 ALGORITMOS GENÉTICOS
En los años 1970, de la mano de John Henry Holland, surgió el algoritmo genético dentro de las líneas de
la llamada inteligencia artificial. Los algoritmos genéticos hacen parte de las llamadas técnicas evolutivas,
basadas en conceptos de genética y en la teoría de la selección natural de las especies.
¿Qué dice la teoría de la selección natural de las especies? “En una población surgen al azar características
hereditarias que pueden hacer que los organismos que las posean presenten una mayor probabilidad de
reproducirse y transmitirlas a la siguiente generación, por lo que estas características acabarán por extenderse
en la población”. Lo anterior se convierte en el concepto fundamental de los algoritmos genéticos. Para el
presente trabajo se usó el algoritmo genético básico, el cual tiene la siguiente estructura:

Fig 1. Ciclo Generacional. Algoritmos Genéticos

Se observa, que al final un ciclo generacional (iteración) surge una nueva población, con individuos que
poseen mejores características (mejor función objetivo) que los individuos de la población anterior.

Buscando potenciar las bondades del método descrito, se implementa el operador de Selección mediante
ordenamiento, contrario a la selección por ruleta la cual tiene la desventaja de crear súper individuos
2
conduciendo a una rápida convergencia en óptimos locales. La selección por ordenamiento, establece la
cantidad de descendientes de cada individuo de la población, ordenándolos de mejor a peor calidad con
respecto al desempeño del individuo (función objetivo) y asignando una función de escalonamiento de
acuerdo con su posición. Para el caso particular es usada la siguiente [2]:
i
N
i   2  2 x dx
i 1
(1)

N
Adicionalmente y dado que en los primeros ciclos generacionales se puedan tener varios individuos
repetidos, no permitiendo una exploración robusta por el espacio de soluciones, se implementó un
mecanismo para darle diversidad a los individuos. Para lograrlo, es necesario asignarle una propiedad a cada
uno de ellos, que para fines del presente trabajo es denominada HASHCODE, para su posterior comparación.
Para cada individuo el HASHCODE será:

i  No.deGenes

 Gen
i 1
i (2)

Los individuos con HASHCODE diferente, no tienen la misma información genética. Para los individuos
con el mismo atributo, se hace una validación gen por gen. Si los individuos son iguales, se hace la mutación
de uno de los individuos.

5 DESCRIPCIÓN DEL PROBLEMA


Uno de los objetivos primarios de los operadores del sistema eléctrico, es mantener adecuados perfiles de
tensión en cada uno de sus nodos, para así brindar la calidad necesaria que se requiere en los puntos de
consumo. Adicionalmente, es deseable maximizar la reserva de la potencia reactiva como parte de la
seguridad de la red ante contingencias, lo cual se refleja como una minimización de las pérdidas de potencia
reactiva por los elementos del sistema, lográndose con un adecuado uso de los recursos de compensación
(condensadores y reactores), tensiones de referencia adecuados para los dispositivos FACTS y las unidades
de generación. Adicionalmente, es deseable la disminuyendo de la circulación de reactivos en los
transformadores de potencia.

El problema de la optimización de la potencia reactiva se ha formulado como un problema de flujo de


potencia óptimo, en el cual se deben minimizar / maximizar uno o algunos objetivos y se ha resuelto usando
métodos convencionales como programación lineal, programación no lineal y programación no lineal entera
mixta, entre otros. No obstante, dichos métodos presentan algunas desventajas como la baja convergencia y
la posibilidad de ser capturados por soluciones óptimas locales debido a la naturaleza no lineal del problema
(problema no convexo). Por lo anterior, se propone como estrategia de solución, el uso de algoritmos
genéticos, una de las técnicas no convencionales con mejor desempeño entre las técnicas metaheurísticas y la
cual permite un adecuado manejo de variables enteras, además de poseer mecanismos para escapar de
regiones de buena calidad (óptimos locales) con el objetivo de encontrar el óptimo global.

6 FORMULACIÓN DEL MODELO DE OPTIMIZACIÓN


Teniendo en la cuenta el problema que se quiere resolver, descrito en la sección anterior, el modelo de
optimización usado se muestra a continuación:

3
  Sop i 
2
 Qlossi  
 
 i

  K    
  
Tra  Snom   Snom i 

min  
i

  Q 
2
 Q 
     gen _ i      FACT _ i 
 iGen  S genNom_ i  
iFACTS  Q FACTNom _ i

   
st
Ph  Pksch  0
Qh  Qksch  0
V jmin  V j  V jmax j  Bus (3)
Sop i  Snomi i  Tra
fp i  Cons i  Tra
tap imin  tap i  tap imax i  Tra
 Sop
iTra
i
K
 Snom
iTra
i

Donde se tienen las siguientes definiciones de las variables:

TABLA I. DEFINICIÓN DE VARIABLES DEL MODELO DE OPTIMIZACIÓN

DEFINICIÓN DE CONJUNTOS
Tra Conjunto de transformadores a los que serán ajustado el cambiador de tomas
Bus Conjunto de barras a las que se les quiere controlar la tensión dentro de un rango operativo
Conjunto de los generadores a los que será minimizado el aporte de potencia reactiva
Gen
(maximizar la reserva)
Conjunto de FACTS a los cuales se maximizará el margen entrega / absorción de potencia
FACTS
reactiva.
DEFINICIÓN DE VARIABLES Y CONSTANTES
Sopi Potencia aparente que circula por el transformador i
Snomi Potencia aparente nominal del transformador i
Qlossi Pérdidas de potencia reactiva del transformador i
Qgeni Potencia reactiva generada por cada unidad de generación
SgenNomi Capacidad aparente nominal de cada unidad de generación
Potencia reactiva entregada por cada dispositivo FACT en condiciones normales de
QFACTi
operación
QFACTNomi Capacidad aparente nominal de cada dispositivo FACT
Pk Inyección de potencia activa por el nodo k de la red que se está evaluando
Pksch Inyección de potencia activa programada por el nodo k de la red que se está evaluando
Qk Inyección de potencia reactiva por el nodo k de la red que se está evaluando
Qksch Inyección de potencia reactiva programada por el nodo k de la red que se está evaluando
Vj Tensión de la barra j
fpi Factor de potencia del transformador i
Cons Mínimo factor de potencia deseado
tapi Posición del cambiador de tomar del transformador i
 Peso para el objetivo de minimizar el reparto de carga de cada transformador
 Peso para el objetivo de minimizar las pérdidas de potencia reactiva en cada transformador
Peso para el objetivo de minimizar la potencia reactiva generada por las unidades de

generación
Peso para el objetivo de minimizar la entrega de reactivos de cada FACT en condiciones

normales de operación
4
Se observa en el problema de optimización descrito, que los objetivos que se van a minimizar, corresponden
a:

Primer término: Repartir la carga que alimentan un conjunto de transformadores a una red, equilibrando el
flujo de reactivos que circula hacia la carga a través de ellos.
Segundo término: Minimizar las pérdidas de potencia reactiva por cada transformador, maximizando el
margen de reactivos que se tendrá como seguridad de la red ante contingencias.
Tercer y cuarto término: Minimizar la generación de potencia reactiva en las unidades de generación y en los
dispositivos FACTS. Lo anterior se traduce a la maximización del margen de potencia reactiva.

Adicionalmente, se observa que la tensión de los nodos que se establezcan como pilotos, es controlada en la
formulación desde una restricción del problema, estableciendo un máximo y un mínimo operativo para cada
una de ellos.

7 METODOLOGÍA DE SOLUCIÓN
El tamaño de los sistemas de potencia que se tienen en la actualidad, han conducido a que las estrategias de
solución que se han planteado a los problemas de flujo de carga óptimo tengan características de baja
convergencia o soluciones óptimas locales, además de un gran manejo de recursos informáticos. Por lo
anterior, se usan los algoritmos genéticos como una técnica robusta y aplicable a modelos de gran tamaño,
garantizando siempre una alternativa de configuración al problema real, además de no tener un alto consumo
de recursos informáticos. Dicho método es codificado en el lenguaje de programación propio de DIgSILENT
Power Factory (DPL), con las siguientes ventajas:

 No es necesario software adicional para realizar la optimización. Todo se encuentra embebido en el


mismo programa de simulación en el que se tiene modelada la red colombiana.
 Dado que es un desarrollo interno, puede ser modificado por los usuarios para darle la robustez requerida
en las aplicaciones que se realicen.
 Dado que la codificación se realizó de manera modular, es posible extender la herramienta a otros
problemas de optimización.
A continuación se muestra el flujograma de la estrategia de solución al planeamiento de potencia reactiva:

Inicio

Información Sistema
de Potencia

Optimización Reactiva PI PARATEC

Posición Conexión / Desconexión Excitación Tensión de referencia


cambiadores de tomas Elementos de Compensación Generadores Dispositivos FACTS

Fin

Fig 2. Metodología de solución. Optimización Potencia Reactiva

En la figura anterior se observan dos bases de datos, PI en la cual se guardan todos los datos históricos del
sistema eléctrico colombiano y PARATEC en la que se guardan todos los parámetros de cada elemento de la
red. Dichas bases alimentan el optimizador de potencia reactiva el cual arroja como resultado un programa
para control de reactivos, es decir, conexión/desconexión de compensación, posición de cambiadores de
tomas en transformadores, excitación de generadores.
Al final del método, se realiza un proceso de búsqueda local en una vecindad definida, con el objetivo de
encontrar la solución óptima de la región en la que finalizó la optimización. Dicho proceso de búsqueda se
puede interpretar como completar el descenso a través del problema de minimización, que por las
5
características propias que tienen los algoritmos genéticos, cuando se acercan al óptimo, puede ser difícil
encontrar una ruta de exploración que los acerque al óptimo. En la siguiente figura se muestra el concepto de
la búsqueda local implementada dentro de una vecindad de la mejor solución obtenida.

Mejor
solución

Figura 3. Etapa de mejora. Búsqueda Local

En cada ciclo de búsqueda, se establece un grafo de vecindad para cada una de las variables de decisión del
problema. Se explora toda la vecindad y se avanza si se encuentra una mejor solución, de lo contrario se da
por finalizada la búsqueda local.

8 RESULTADOS DE APLICACIÓN. CASO COLOMBIANO


El área Oriental del sistema eléctrico colombiano, que por sus características de demanda, tiene una alta
exigencia de potencia reactiva, hace necesaria la programación de recursos de generación al interior para
control de tensión, además de un adecuado uso de los elementos de compensación para conservar los
márgenes necesarios de reactivos ante contingencias. Esta necesidad de programar recursos para el soporte
de tensiones se ha hecho más exigente con el desfase existente entre la demanda y los proyectos de
expansión. Por las características anteriores, se realizó el estudio de optimización de potencia reactiva para
encontrar una posición adecuada de la posición de los cambiadores de tomas de los transformadores de
conexión, maximizando el margen de respuesta de las máquinas que se programan y manteniendo adecuados
perfiles de tensión.

Luego del proceso de optimización, se pueden observar los resultados comparando las figuras del caso base
con la alternativa arrojada. La figura 4 muestra en una representación geográfica de contornos de nivel las
variables de tensión y de tránsito de potencia reactiva en el área Oriental del sistema eléctrico colombiano.

6
Fig. 4. Comportamiento de las tensiones y flujo de potencia reactiva del área Oriental

Se observa, comparando las gráficas referentes a las tensiones, que el voltaje en barras de 115 kV incrementa
su valor, no obstante se encuentran dentro de los rangos regulatorios permitidos (0.9 pu a 1.1 pu –Resolución
CREG 025 de 1995). Adicionalmente, se observa una modificación del tránsito de reactivos, incrementando
la inyección por las subestaciones Noroeste 230 kV y Tunal 230 kV y disminuyendo por las subestaciones
Torca 230 kV y Balsillas 230 kV, lo cual permite minimizar las pérdidas de potencia reactiva, tal como se
observa en la siguiente gráfica.

Comparación Pérdidas Potencia Reactiva. Caso Base


vs. Caso Optimizado
30
Pérdidas de Potencia Reactiva [Mvar]

25

20

15

10

0
Bacatá 500/115

Guaca 230/115

Noroeste 1 230/115

Noroeste 2 230/115

Noroeste 3 230/115

Tunal 1 230/115

Tunal 2 230/115

Tunal 3 230/115
Balsillas 1 220/115

Balsillas 2 220/115

Balsillas 3 220/115

Balsillas 4 220/115

Circo 1 230/115

Circo 2 230/115

Circo 3 230/115

Torca 1 230/115

Torca 2 230/115

Torca 3 230/115

Torca 4 230/115

Torca 5 230/115

Transformador de Conexión. Área Oriental

Pérdidas Q en los ATR. Caso Base Pérdidas Q en los ATR. Optimización

Fig. 5. Comparación pérdidas de potencia reactiva por los transformadores de conexión del área
Oriental, antes y después del proceso de optimización

7
Como se observa en la figura anterior, las pérdidas de potencia reactiva por cada uno de los transformadores
de conexión del área Oriental, se disminuyeron sin tener afectación en las tensiones (las tensiones a nivel de
115 kV se incrementan dentro de los rangos operativos – regulatorios permitidos). Dicha disminución se
refleja como un aumento de la reserva de reactivos para la seguridad ante contingencias.

Las posiciones de los cambiadores de tomas, fueron satisfactoriamente implementadas en el área Oriental,
hacia finales del año 2013, cumpliendo con los objetivos trazados de mejorar los perfiles de tensión en la red
de 115 kV y minimizar las pérdidas de potencia reactiva.

9 CONCLUSIONES Y RECOMENDACIONES
Se implementó con éxito un algoritmo genético para resolver el problema del uso eficiente de los recursos de
potencia reactiva en un área del sistema interconectado nacional colombiano (SIN), con alto requerimiento
de potencia reactiva.
Con la implementación en tiempo real de la solución obtenida, se obtuvo un perfil de tensiones más
homogéneo en el área y un uso más eficiente de los recursos de potencia reactiva que se traduce en menores
pérdidas de potencia reactiva y un incremento del margen de potencia reactiva disponible ante contingencias.
La formulación mediante algoritmos genéticos, permite encontrar buenas soluciones a problemas no
convexos como el del planeamiento de potencia reactiva. Adicionalmente, los algoritmos genéticos tienen un
tratamiento natural de las variables de decisión enteras de un problema de optimización.
El algoritmo genético se implementó como una rutina dentro del software de simulación de sistemas
eléctricos de potencia, lo cual tiene la ventaja de no requerir migración de información entre el software de
simulación y programas adicionales.
Se recomienda el uso de algoritmos genéticos para solución de problemas de optimización de gran tamaño y
complejidad, cuya función objetivo sea no convexa y tengan variables de decisión enteras.

10 REFERENCIAS
[1] Comisión de Regulación de Energía y Gas. Resolución CREG 025 – 1995.
[2] GALLEGO, Ramón A., ESCOBAR, Antonio y TORO, Eliana M. Técnicas Metaheurísticas de
Optimización. Colombia, 2008.

View publication stats