Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Tecnura
Print version ISSN 0123-921X
Abstract
MONTOYA, Oscar Danilo et al. Estrategia de optimización híbrida para ubicación y dimensionamiento óptimo de GD en redes de distribución. Tecnura [online]. 2020, vol.24, n.66, pp.47-61. Epub Dec 18, 2020. ISSN 0123-921X. https://doi.org/10.14483/22487638.16606.
Objetivo:
En este documento se presenta una metodología de optimización híbrida para la ubicación y el tamaño óptimos de generadores distribuidos (DG) en redes de distribución eléctrica. Se propone un modelo de problema no lineal de enteros mixtos (MINLP) para la formulación matemática, cuya función objetivo es la minimización de las pérdidas de potencia debido al efecto Joule en los conductores. Las restricciones incluyen el equilibrio de potencia activa y reactiva, regulación del voltaje, porcentaje de penetración de las DG en la red de distribución y las DG totales permitidas en dicha red.
Metodología:
Para resolver el modelo MINLP, se emplea una estrategia maestro-esclavo que utiliza el algoritmo genético Chu-Beasley (CBGA) y el modelo de flujo de potencia óptimo (OPF) como algoritmos maestro y esclavo, respectivamente. Esta técnica híbrida ayuda a reducir la complejidad del modelo MINLP al eliminar las variables binarias a través del algoritmo maestro y luego resolver el problema no lineal resultante (PNL) que corresponde al modelo OPF, utilizando un método clásico de punto interior disponible en la caja de herramientas fmincon de MATLAB
Resultados:
Se prueba la eficiencia y la solidez de la metodología propuesta en redes de distribución radial de 33 y 69 nodos. Los resultados muestran un alto rendimiento en términos de reducción de pérdida de potencia y dimensionamiento final de DG.
Conclusiones:
Existe una relación directa y proporcional entre las pérdidas técnicas, el porcentaje de penetración de generación distribuida y el número de generadores disponible.
Keywords : Algoritmo genético Chu-Beasley; generación distribuida; optimización híbrida; algoritmo maestro-esclavo; flujo de potencia óptimo; redes de distribución radial.