Documente Academic
Documente Profesional
Documente Cultură
por
Universidad de Granada
Directores:
Antonio Espn Estrella
Consolacin Gil Montoya
Ral Baos Navarro
UNIVERSIDAD DE GRANADA
CERTIFICAN
Que el trabajo de investigacin que se recoge en la presente Memoria,
titulada Optimizacin de Tensin en Redes de Distribucin
utilizando Tcnicas Evolutivas presentada por D. Francisco Gil
Montoya para optar al grado de Doctor por la Universidad de
Granada, ha sido realizado en su totalidad bajo nuestra direccin en
nuestros departamentos de la Universidad de Granada y Almera.
Agradecimientos
Dedicatoria
Dedicado a mi padre, Manuel Gil, que seguro estar viendo lo que a l tanto le
gustaba: el trabajo bien hecho de sus hijos.
ndice general
Captulo 1 ...............................................................................................................23
Introduccin y Objetivos .........................................................................................23
1.1
1.2
1.3
Captulo 2 ...............................................................................................................33
Optimizacin mediante algoritmos evolutivos..........................................................33
2.1
2.1.1
Optimizacin lineal..............................................................................34
2.1.2
Complejidad Computacional................................................................37
2.1.3
Heursticas ...........................................................................................39
2.1.4
2.2
2.2.1
2.2.2
2.2.3
Algoritmos genticos............................................................................50
xii
2.2.4
2.3.1
Representacin .................................................................................... 58
2.3.2
2.3.3
2.3.4
Seleccin .............................................................................................. 64
2.3.5
2.3.6
Mutacin ............................................................................................. 79
2.3.7
Elitismo ............................................................................................... 79
2.3.8
2.4
2.4.1
Pareto
2.4.2
Algoritmos Multi-objetivo.............................................................................. 82
Introduccin a la optimizacin multi-objetivo basada en frentes de
............................................................................................................ 83
Tcnicas heursticas de optimizacin multi-objetivo............................ 87
Captulo 3 .............................................................................................................. 97
Optimizacin de tensiones ...................................................................................... 97
3.1
3.1.1
3.1.2
3.1.3
3.1.4
Captulo 4 .............................................................................................................123
Aplicacin de algoritmos genticos a la optimizacin de tensiones .........................123
4.1
xiii
4.1.1
Representacin................................................................................... 129
4.1.2
4.1.3
4.1.4
4.2
4.2.1
4.2.2
5.1.1
5.1.2
5.1.3
Annealing-PAES................................................................................ 242
5.1.4
5.1.5
5.2
5.2.1
5.2.2
5.3
5.3.1
5.3.2
5.3.3
xiv
6.2
Aportaciones realizadas.................................................................................278
6.3
6.4
Bibliografa............................................................................................................313
ndice de Figuras
Figura 1.1 Esquema tpico de una red elctrica de potencia. Fuente Wikipedia y
elaboracin propia segn normativa espaola. .................................................................24
Figura 1.2 Modelo en equivalente de un transformador de tomas .........................28
Figura 2.1 Regin factible de un sistema de desigualdades .......................................37
Figura 2.2 Jerarqua de Complejidad ........................................................................38
Figura 2.3 Ejemplo de funcin continua y no continua.............................................40
Figura 2.4 Ejemplo de conjunto convexo y no convexo.............................................41
Figura 2.5 Algunas etapas del conjunto de Cantor ...................................................41
Figura 2.6 Estructura de un algoritmo evolutivo tpico ............................................43
Figura 2.7 Autmata finito de 3 estados. Estado inicial C........................................46
Figura 2.8 Codificacin binaria en algoritmos genticos............................................51
Figura 2.9 Ejemplo de cromosoma con codificacin binaria. .....................................55
Figura 2.10 Ejemplo de gen dentro de un cromosoma...............................................55
Figura 2.11 Ejemplo de Fenotipo ..............................................................................55
Figura 2.12 Procedimiento de seleccin en el mtodo de la Ruleta ...........................66
Figura 2.13 Procedimiento de seleccin en Muestreo Estocstico Universal..............69
Figura 2.14 Cruce de un punto o monopunto............................................................75
Figura 2.15 Cruce de dos puntos o bipunto...............................................................76
xvi
Figura 2.16 Cruce uniforme....................................................................................... 77
Figura 2.17 Mutacin de un cromosoma binario ....................................................... 79
Figura 2.18 Esquema de la aplicacin de una estrategia elitista. .............................. 80
Figura 2.19 Relacin de pareto-dominancia .............................................................. 86
Figura 4.1 Esquema tpico de un algoritmo gentico secuencial.............................. 126
Figura 4.2 Representacin de la codificacin binaria de las tomas de los
transformadores.............................................................................................................. 129
Figura 4.3 Representacin de la codificacin entera para un poblacin de
transformadores.............................................................................................................. 131
Figura 4.4 Ejemplo de poblacin aleatoria. Matriz de 20 individuos por 14
transformadores.............................................................................................................. 134
Figura 4.5 Cruce de un slo punto para la codificacin entera de tomas ................ 138
Figura 4.6 Cruce de dos puntos para codificacin entera de tomas ........................ 138
Figura 4.7 Mutacin de la toma de un transformador ............................................ 139
Figura 4.8 Esquema detallado de algoritmo gentico monoetapa............................ 144
Figura 4.9 Red de potencia IEEE 30....................................................................... 145
Figura 4.10 Curva de demanda horaria total en el sistema IEEE30 ....................... 146
Figura 4.11 Nivel de carga en el caso 1 de la Red IEEE30 ..................................... 149
Figura 4.12 Distribucin de tensiones nodales para el caso 1 de la red IEEE30 ..... 150
Figura 4.13 Evolucin de la poblacin para el caso 1 de la IEEE30 ....................... 151
Figura 4.14 Vista 1 de la ejecucin del algoritmo gentico con diferentes
parametrizaciones........................................................................................................... 153
Figura 4.15 Vista 2 de la ejecucin del algoritmo gentico con diferentes
parametrizaciones........................................................................................................... 154
Figura 4.16 Evolucin de las tomas de los transformadores de la red IEEE30 para un
conjunto de parmetros genticos .................................................................................. 156
Figura 4.17 Individuos ptimos para cada subconjunto de parmetros genticos ... 157
Figura 4.18 Nivel de tensin para la red IEEE30 y caso 2, en su nivel ptimo....... 158
xvii
Figura 4.19 Nivel de tensin para la red IEEE30, caso 2 y peor individuo. ............ 159
Figura 4.20 Tiempo empleado para las ejecuciones ptimas de la red IEEE30, caso 2.
....................................................................................................................................... 162
Figura 4.21 Red de potencia IEEE57 ...................................................................... 164
Figura 4.22 Representacin grfica de las tomas para la red IEEE57 ..................... 166
Figura 4.23 Nivel de carga en la Red IEEE57 ......................................................... 168
Figura 4.24 Distribucin de tensiones nodales para la red IEEE57 ......................... 169
Figura 4.25 Evolucin de la poblacin para la red IEEE57..................................... 170
Figura 4.26 Red de potencia RTS ........................................................................... 172
Figura 4.27 Representacin grfica de las tomas para la red RTS .......................... 174
Figura 4.28 Nivel de carga en la Red RTS.............................................................. 176
Figura 4.29 Distribucin de tensiones nodales para la red RTS .............................. 177
Figura 4.30 Evolucin de la poblacin para la red RTS.......................................... 178
Figura 4.31 Curva base de carga diaria confeccionada con datos reales de
http://www.ree.es .......................................................................................................... 180
Figura 4.32 Esquema detallado de algoritmo gentico multietapa .......................... 181
Figura 4.33 Conjunto de IDTs de la red IEEE57 en un periodo de 24 horas ......... 183
Figura 4.34 Representacin grfica de las tomas para la red IEEE57 en un periodo
de 24 horas ..................................................................................................................... 185
Figura 4.35 Evolucin de la poblacin en la red IEEE57 para un periodo horario
cualquiera ....................................................................................................................... 205
Figura 4.36 Conjunto de IDTs de la red RTS en un periodo de 24 horas .............. 207
Figura 4.37 Representacin grfica de las tomas para la red RTS en un periodo de 24
horas (I) ......................................................................................................................... 208
Figura 4.38 Representacin grfica de las tomas para la red RTS en un periodo de 24
horas (II) ........................................................................................................................ 209
Figura 4.39 Evolucin de la poblacin para un periodo horario cualquiera de la red
RTS ................................................................................................................................ 232
xviii
Figura 5.1 Ilustracin de la evolucin de la malla adaptativa................................. 238
Figura 5.2 Ejemplo de la accin del enfriamiento simulado .................................... 243
Figura 5.3 Pseudo-cdigo de un algoritmo bsico de enfriamiento simulado .......... 244
Figura 5.4 Red de potencia IEEE 30....................................................................... 252
Figura 5.5 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de PAES. ...... 253
Figura 5.6 Posicin de las tomas para varias ejecuciones de PAES en la red IEEE30
....................................................................................................................................... 254
Figura 5.7 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de AnnealingPAES. ............................................................................................................................ 255
Figura 5.8 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de Tab-PAES.
....................................................................................................................................... 256
Figura 5.9 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de AnnealingTab-PAES.................................................................................................................... 256
Figura 5.10 Posicin de las tomas para varias ejecuciones de Annealing-Tab-PAES
en la red IEEE30............................................................................................................ 257
Figura 5.11 Frente de Pareto para el caso RTS con 5 ejecuciones de PAES .......... 258
Figura 5.12 Posicin de las tomas para una ejecucin aleatoria de PAES en la red
RTS................................................................................................................................ 259
Figura 5.13 Frente de Pareto para el caso RTS con 5 ejecuciones de AnnealingPAES. ............................................................................................................................ 260
Figura 5.14 Frente de Pareto para el caso RTS con 5 ejecuciones de Tab-PAES. 261
Figura 5.15 Frente de Pareto para el caso RTS con 5 ejecuciones de AnnealingTab-PAES.................................................................................................................... 262
Figura 5.16 Comparativa entre PAES, A-PAES, T-PAES y AT-PAES para IEEE30
....................................................................................................................................... 266
Figura 5.17 Comparativa entre PAES, A-PAES, T-PAES y AT-PAES para RTS 268
Figura 5.18 Ejecucin de PAES mono-objetivo para la red IEEE30 (I).................. 270
Figura 5.19 Ejecucin de PAES mono-objetivo para la red IEEE30 (II) ................ 271
Figura 5.20 Ejecucin de PAES mono-objetivo para la red RTS............................ 273
xix
ndice de Tablas
xx
Tabla 4.12 Situacin de cargas para la red IEEE57 ................................................ 167
Tabla 4.13 Parmetros genticos para la resolucin de la red RTS ........................ 171
Tabla 4.14 Posicin de las tomas de los cambiadores para la red RTS................... 173
Tabla 4.15 Situacin de cargas para la red RTS ..................................................... 176
Tabla 4.16 Parmetros genticos para la resolucin de la red IEEE57 en periodos de
24 horas.......................................................................................................................... 182
Tabla 4.17 ndices de desviacin de tensin para la red IEEE57 y un periodo de 24
horas............................................................................................................................... 183
Tabla 4.18 Posicin de las tomas de los cambiadores para la red IEEE57 en un
periodo de 24 horas (I) ................................................................................................... 186
Tabla 4.19 Posicin de las tomas de los cambiadores para la red IEEE57 en un
periodo de 24 horas (II).................................................................................................. 187
Tabla 4.20 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (I). 190
Tabla 4.21 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (II) 192
Tabla 4.22 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (III)
....................................................................................................................................... 195
Tabla 4.23 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (IV)
....................................................................................................................................... 197
Tabla 4.24 Tiempos de resolucin para cada hora de la red IEEE57 ...................... 205
Tabla 4.25 Parmetros genticos para la resolucin de la red RTS en periodos de 24
horas............................................................................................................................... 206
Tabla 4.26 ndices de desviacin de tensin para la red RTS y un periodo de 24
horas............................................................................................................................... 206
Tabla 4.27 Posicin de las tomas de los cambiadores para la red RTS en un periodo
de 24 horas (I)................................................................................................................ 210
Tabla 4.28 Posicin de las tomas de los cambiadores para la red RTS en un periodo
de 24 horas (II) .............................................................................................................. 211
Tabla 4.29 Situacin de cargas para la red RTS en un periodo de 24 horas (I)...... 214
Tabla 4.30 Situacin de cargas para la red RTS en un periodo de 24 horas (II) .... 217
xxi
Tabla 4.31 Situacin de cargas para la red RTS en un periodo de 24 horas (III) ... 220
Tabla 4.32 Situacin de cargas para la red RTS en un periodo de 24 horas (IV) ... 223
Tabla 4.33 Tiempos de resolucin para cada hora de la red RTS ........................... 232
Tabla 5.1 Parmetros en la ejecucin de PAES para la red IEEE30 ...................... 253
Tabla 5.2 Parmetros en la ejecucin de PAES para la red RTS ........................... 259
Tabla 5.3 Resultados experimentales para la mtrica de cobertura en IEEE30 ...... 266
Tabla 5.4 Resultados experimentales para la mtrica de hipervolumen en IEEE30 266
Tabla 5.5 Ranking de mtricas para la red IEEE30 ................................................ 267
Tabla 5.6 Resultados experimentales para la mtrica de cobertura en RTS ........... 268
Tabla 5.7 Resultados experimentales para la mtrica de hipervolumen en RTS..... 268
Tabla 5.8 Ranking de mtricas para la red RTS ..................................................... 269
Tabla 5.9 Comparativa entre PAES y AG para IEEE30 ........................................ 269
Tabla 5.10 Comparativa entre PAES y AG para RTS ........................................... 272
Captulo 1
Introduccin y Objetivos
23
24
Introduccin y Objetivos
Figura 1.1 Esquema tpico de una red elctrica de potencia. Fuente Wikipedia y elaboracin
propia segn normativa espaola.
Introduccin y Objetivos
25
f (x ) = min D
(1.1)
donde D es el nuevo ndice, llamado ndice de Desviacin de Tensin o IDT, que est
sujeto a las restricciones reglamentarias de 7%.
En nuestro caso, las variables de decisin sern las posiciones de las tomas de los
transformadores, bien sea AT/AT, AT/MT, MT/MT o MT/BT que forman la red, de
manera que se consiga el ptimo, segn el IDT, para las tensiones a partir de la expresin
(1.2)
NT
2
(U i U ni )
i =1
2
U ni
D=
donde:
(1.2)
26
Introduccin y Objetivos
U i : tensin nudo i
min fi (x )
(1.3)
donde fi (x ) podr ser el IDT o la suma de las prdidas de potencia en las lneas
elctricas.
Es importante destacar el gran esfuerzo realizado por las empresas de distribucin de
la energa elctrica en la medicin de los tiempos de interrupcin y su valoracin con
diferentes ndices. Sin embargo, es tambin notorio el escaso o nulo uso de ndices en
cuanto a la calidad de la tensin suministrada. En una zona de la red pueden producirse
muy pocas interrupciones, pero por contra, puede ser necesario tomar medidas en ella
debido a la aparicin, de forma regular, de desviaciones de la tensin con relacin a la
nominal en los nudos de consumo o distribucin. El problema es difcil de precisar ya que
las potencias a suministrar varan aleatoriamente y evolucionan considerablemente en el
tiempo.
En general, el objetivo fijado por las compaas distribuidoras consiste nicamente
en el cumplimiento de la reglamentacin vigente, la cual introduce unas bandas alrededor
de la tensin nominal en las que las tensiones de todos los nudos deben quedar incluidas,
en cualquier momento.
El procedimiento anterior no tiene en cuenta si en el interior de dichas bandas la
calidad de servicio se mantiene cerca o lejos del lmite, dependiendo la calidad de la
tensin del usuario peor servido.
Por otra parte, el funcionamiento y la vida til de los diversos equipos y receptores
es dependiente de la tensin a que estn sometidos a lo largo del tiempo, especialmente
los equipos electrnicos, cuyo nmero ha aumentado de manera exponencial en los
ltimos aos.
Introduccin y Objetivos
27
28
Introduccin y Objetivos
mismo. Este planteamiento se realiza modelando las tomas como nmeros
enteros cuyo rango de variacin se encuentra comprendido entre el valor
mnimo y mximo del regulador.
aYcc , pu
I 1pu
U 1pu
( 1 a )Y cc , pu
I 2pu
( a 2 a )Y cc , pu
U 2pu
http://www.pserc.cornell.edu/matpower/
Introduccin y Objetivos
29
30
Introduccin y Objetivos
detalle
las dos
tcnicas
de
Introduccin y Objetivos
Captulo 4.
31
Captulo 2
tcnicas
resolucin
computacin
se encuadran
dentro
de
de
de
inspiradas
en
33
34
+ an x n = b
,
35
+ a12x 2
+ a1n x n
= b1
a21x1
+ a22x 2
+ a2n x n
= b2
am 1x1 + am 2x 2
+ amn x n
= bm
a1x1 + a2x 2 + a 3x 3 +
+ an x n < b
a1x1 + a2x 2 + a 3x 3 +
+ an x n b
a1x1 + a2x 2 + a 3x 3 +
+ an x n > b
a1x1 + a2x 2 + a 3x 3 +
+ an x n b
, x n = cn
+ aincn = bi
para todo i = 1, 2, , m .
La solucin a un sistema de ecuaciones (o desigualdades) lineales puede verse como
la solucin a la ecuacin matricial:
Ax = b (Ax b)
donde
36
A=
amn
am1 am 2
y
x1
x 2
x =
x n
representan coeficientes e incgnitas, y cuyos trminos independientes estn dados
por:
b1
b
2
b =
bn
, se prueba que la
37
2x 1 + x 2 = 0
x1
x2 = 0
2
de
manera
conceptual
posteriormente
se pueden
implementar
en
38
donde p(n ) es un polinomio. Este tipo de algoritmos describen problemas a los cuales se
conoce como problemas tratables. Un algoritmo de tiempo exponencial es aquel que no
puede ser acotado por una funcin polinomial. Este tipo de algoritmos describen
problemas a los cuales se conoce como problemas intratables.
Otra clasificacin de problemas, dada por Alan Turing en la primera mitad del siglo
XX versa sobre la posibilidad de que una computadora pueda resolver o no, un problema
(como conocemos a la computadora actual, es decir una mquina determinista). A
aquellos para los cuales la afirmacin es cierta se les conoce como problemas resolubles; a
los que no pueden ser resueltos por una computadora se les llama problemas no
resolubles.
A la clase que engloba a todos los problemas que son solubles en un tiempo
polinomial le llamaremos clase P.
NP-Difcil
Indecidible
Exponencial
NP-Completo
NP
39
2.1.3 Heursticas
Una heurstica es una tcnica para aproximar la solucin a un problema de
optimizacin para el cual no existen mtodos eficientes conocidos, ya sea porque el
espacio de bsqueda es muy grande y la bsqueda exhaustiva es imposible, o porque el
modelo del problema no se adapta a ninguna de las tcnicas existentes (para las cuales s
se tienen algoritmos que nos llevan a la solucin precisa). Es decir, las heursticas se usan
para lidiar con problemas cuya complejidad es tal, que el uso de algoritmos deterministas
tiene un costo computacional prohibitivo. Una heurstica busca aproximarse de manera
intuitiva pero ordenada a la mejor solucin, aunque no garantiza llegar al ptimo; para
cada problema se puede construir una heurstica especial que d mejores resultados que
otras, ya sea en tiempo o en proximidad al ptimo. Se ha comprobado empricamente que
para cierto tipo de problemas existen heursticas que funcionan muy bien. Sin embargo,
no existe la heurstica que, para cualquier problema, sea ms eficiente que todas las
dems [Wolpert'97].
Para problemas de grficas (por ejemplo hallar el corte mximo de una grfica), el
espacio de bsqueda es precisamente el conjunto de cortes posibles, el cual coincide con el
conjunto potencia del conjunto de los vrtices de la grfica. En este caso hacer una
bsqueda exhaustiva de la solucin es imposible para grficas con muchos nodos ya que
crece de manera exponencial1. En estos casos se justifica el uso de una heurstica de
2n
40
41
lineales deben tener sus valores mximos y mnimos en la frontera; sin embargo la
ausencia de convexidad nos limita y excluye de una gran cantidad de tcnicas para
optimizar basadas en este hecho.
a)
b)
Figura 2.4 Ejemplo de conjunto convexo y no convexo
representa
una
funcin
no
diferenciable
es
difcil
matemticamente.
de
caracterizar
42
problemas cuentan con funciones objetivo que son difciles de evaluar por un humano,
por lo que se requiere el uso de computadoras. sta y las anteriores complicaciones hacen
de los problemas que las poseen buenos candidatos para la aplicacin de algoritmos
evolutivos, puesto que para estas tcnicas nada de lo anterior acarrea dificultad. Es por
eso que cuando ningn mtodo conocido se aproxima razonablemente el ptimo, vale la
pena intentar usar una tcnica evolutiva.
En particular si utilizamos tcnicas evolutivas en problemas con un alto costo
computacional para la evaluacin de las funciones de aptitud, debemos tener en cuenta
que en cada generacin es indispensable evaluar a cada uno de los individuos de la
poblacin. Es precisamente en estos casos, cuando la eleccin de una versin paralela del
algoritmo evolutivo es una buena opcin [Cant-Paz'00].
Un mecanismo de seleccin.
Aunque hoy en da es cada vez ms difcil distinguir las diferencias entre los distintos
tipos de algoritmos evolutivos existentes, por razones sobre todo histricas, suele hablarse
de tres paradigmas principales:
Programacin Evolutiva
Estrategias Evolutivas
Algoritmos Genticos
genticos), revisaremos rpidamente, y de manera muy general, los otros dos paradigmas.
43
Inicio
Poblacin Inicial
Evaluacin
ptimo?
FIN
SI
NO
Seleccin
Mutacin
Evaluacin
Una tcnica evolutiva es un algoritmo probabilista que converge hacia una solucin
factible y cuasi-ptima del problema tras una serie de ejecuciones o iteraciones. Este
algoritmo trabaja sobre una poblacin de individuos en cada ejecucin, de forma que
cada individuo representa una solucin potencial del problema a resolver siendo
codificado como una estructura de datos ms o menos compleja. Cada solucin es
evaluada en cada iteracin para obtener una medida de su optimalidad. A continuacin,
se forma una nueva poblacin escogiendo a
los
mejores
individuos
segn
su
analoga
con
44
entera-mixta,
Benders requieren que la funcin objetivo y las restricciones renan una serie de
caractersticas de diferenciabilidad, convexidad, linealidad o independencia del tiempo.
Sin embargo, la gran ventaja de las tcnicas evolutivas radica en el hecho de que la
evaluacin de la calidad de un individuo no condiciona la bsqueda de ese individuo. Es
decir, cualquier problema, aunque no pueda ser resuelto por ninguna tcnica convencional
de forma directa, es resoluble por una tcnica evolutiva.
Las diferencias que presentan los distintos programas evolutivos residen en un nivel
ms bajo: tipos de operadores genticos empleados, nmero de individuos en la poblacin,
codificacin empleada, etc. La eleccin de una u otra tcnica para resolver un
determinado problema depende de la complejidad en la adaptacin de las caractersticas
propias de cada tcnica a la naturaleza del problema a resolver. Es decir, una
representacin natural de las soluciones del problema
junto
con
un
grupo
de
operadores genticos compatibles con la naturaleza del problema son las cualidades
determinantes para que una tcnica evolutiva concreta sea elegida para resolver el
problema en cuestin.
45
Se aplica mutacin.
Se calcula la aptitud de cada hijo y se usa un proceso de seleccin mediante
torneo (normalmente estocstico) para determinar cules sern las soluciones
que se retendrn.
La programacin evolutiva es una abstraccin de la evolucin al nivel de las especies,
por lo que no se requiere el uso de un operador de recombinacin (diferentes especies no
se pueden cruzar entre s). Asimismo, usa seleccin probabilstica.
2.2.1.2 Ejemplo
Un ejemplo tpico de programacin evolutiva es el que se indica en la figura 2.7. La
tabla de transiciones de este autmata es la siguiente:
Estado Actual
Smbolo de Entrada
C
0
B
1
C
1
A
1
A
0
B
1
Estado Siguiente
Smbolo de Salida
46
0/c
0/b
0/b
1/a
1/b
A
1/c
2.2.1.3 Aplicaciones
Algunas de las aplicaciones exitosas en las que se ha utilizado la programacin
evolutiva han sido:
Prediccin
Generalizacin
Juegos
Control automtico
Problema del viajero
Planeamiento de rutas
Diseo y entrenamiento de redes neuronales
Reconocimiento de patrones
47
x t +1 = x t + N (0, )
donde t se refiere a la generacin (o iteracin) en la que nos encontramos, y
2.2.2.2 Ejemplo
Supongamos que queremos optimizar:
2
f ( x1, x 2 ) = 100 ( x 12 x 2 ) + ( 1 x1 )2
donde: 2, 048 x1, x 2 2, 048
Ahora, supongamos que nuestra poblacin consiste en el siguiente individuo
(generado de forma aleatoria):
(x t , ) = (1,1),(1,1)
48
Padre
f (xt ) = f ( 1,1 ) = 4
Hijo
f ( xt +1 ) = f ( 0.39,1.57 ) = 201.42
2.2.2.3 Convergencia
Rechenberg [Rechenberg'73] formul una regla para ajustar la desviacin estndar de
forma determinstica durante el proceso evolutivo de tal manera que el procedimiento
convergiera hacia el ptimo.
Esta regla se conoce como la regla del xito 1/5, y en palabras dice:
La razn entre mutaciones exitosas y el total de mutaciones debe ser 1/5.
Si es mayor, entonces debe incrementarse la desviacin estndar. Si es
menor, entonces debe decrementarse.
Formalmente:
( t n ) / c si ps > 1/ 5
(t ) =
( t n ) c si ps < 1/ 5
(t n )
si ps = 1/ 5
49
Thomas Bck [Bck'96] deriv una regla de xito 1/7 para las (,)-EEs.
2.2.2.4 Auto-adaptacin
En las estrategias evolutivas se evoluciona no slo a las variables del problema, sino
tambin a los parmetros mismos de la tcnica (es decir, las desviaciones estndar). A
esto se le llama auto-adaptacin.
Los operadores de recombinacin de las estrategias evolutivas pueden ser:
Sexuales: el operador acta sobre 2 individuos elegidos aleatoriamente de
la poblacin de padres.
Panmticos: se elige un solo padre al azar, y se mantiene fijo mientras se
elige al azar un segundo padre (de entre toda la poblacin) para cada
componente de sus vectores.
Las estrategias evolutivas simulan el proceso evolutivo al nivel de los individuos, por
lo que la recombinacin es posible. Asimismo, usan normalmente seleccin determinstica.
2.2.2.5 Aplicaciones
Algunas aplicaciones de las estrategias evolutivas son:
Problemas de rutas y redes
Bioqumica
ptica
Diseo en ingeniera
Magnetismo
50
51
52
2.2.3.2 Aplicaciones
Algunas aplicaciones de los AGs son las siguientes:
Optimizacin (estructural, de topologas, numrica, combinatoria, etc.)
Aprendizaje de mquinas (sistemas clasificadores)
Bases de datos (optimizacin de consultas)
Reconocimiento de patrones (por ejemplo, imgenes)
Generacin de gramticas (regulares, libres de contexto, etc.)
Planeamiento de movimientos en robots
Prediccin
53
el
potencial
para
incorporar
conocimiento
sobre
el
54
IA y el enfoque evolutivo fue visto como un intento ms por lograr algo que luca
imposible. Sin embargo, los resultados obtenidos en los ltimos aos con programacin
gentica [Koza'03, Koza'99, Koza'94, Koza'92] hacen ver que el poder de la computacin
evolutiva en el campo de la programacin automtica es mayor del que se crea en los
1960s.
Actualmente, todava muchas personas creen que un AG funciona igual que una
tcnica escalando la colina que comienza de varios puntos. Se ha demostrado que esto
no es cierto, aunque el tema sigue siendo objeto de acalorados debates.
Las tcnicas sub-simblicas (redes neuronales y computacin evolutiva) gozan de
gran popularidad entre la comunidad cientfica en general, excepto por algunos
especialistas de IA clsica que las consideran mal fundamentadas e inestables.
55
56
mediante
tcnicas
de
optimizacin
convencionales.
Las
principales
annealing) [van Laarhoven'87], los algoritmos genticos llevan a cabo una bsqueda
multi-direccional manteniendo una poblacin de soluciones potenciales del problema. La
poblacin experimenta una evolucin simulada: en cada generacin los individuos
buenos tienden a reproducirse, mientras que los individuos malos desaparecen. Para
57
distinguir entre las distintas soluciones se usa una funcin de medida de la calidad
basada en la funcin objetivo del problema a resolver.
Los
algoritmos
genticos
se
diferencian
de
las
tcnicas
de
optimizacin
58
2.3.1 Representacin
La tcnica de representacin o codificacin es el mecanismo por el que las soluciones
del problema a resolver se representan para su manipulacin durante el proceso
evolutivo. Como se mencion anteriormente, una codificacin adecuada es un punto clave
a la hora de implantar un algoritmo gentico. La eleccin de una representacin u otra
depender bsicamente del problema a resolver. Sin embargo, para cada problema habr
un abanico de posibles representaciones y la eleccin de la ms adecuada permitir una
mejor adaptacin del algoritmo al problema.
Las codificacin ms usada es la binaria, aunque tambin se emplean con frecuencia
la codificacin por medio de nmeros reales y enteros. La codificacin binaria ha sido la
tradicionalmente empleada para prcticamente todos los problemas a los que se ha
aplicado la tcnica de algoritmos genticos. Consiste en convertir cada variable que
interviene en el problema en su equivalente binario (ceros y unos). Estas variables
binarias se yuxtaponen para dar lugar al individuo que va a representar cada solucin del
problema. A partir de esta codificacin se ha generado gran parte del fundamento
matemtico que existe para explicar el funcionamiento de los algoritmos genticos
(teorema de los esquemas).
La codificacin mediante nmeros reales o enteros ha surgido posteriormente debido
a que la mayora de los problemas de ingeniera a los que se han aplicado los algoritmos
genticos cuentan con variables de este tipo. El empleo de codificacin binaria genera
problemas [Ronald'97], como lo siguientes:
59
f (x1, x 2 ) = 3x1 + 5x 3
(2.1)
20 x1 100
(2.2)
50 x 2 80
(2.3)
x1 + x x = 90
(2.4)
60
longitud igual a 80. El requisito de precisin obliga a que el rango [20,100] debe ser
dividido en, al menos 8010.000 intervalos de igual tamao. Esto significa que se
necesitan 20 bits para representar la primera parte del cromosoma ya que:
61
62
F (x ) = g(f (x ))
(2.5)
F (x i ) =
f (x i )
N ind
(2.6)
f (xi )
i =1
63
reproducirse de acuerdo a dicha aptitud, hay que tener en cuenta que esto falla cuando se
trabaja con valores negativos de la funcin objetivo.
Para evitar este inconveniente, se realiza una transformacin lineal con anterioridad
a la asignacin de aptitud, la cual introduce una compensacin en la funcin objetivo
F (x ) = af (x ) + b
(2.7)
64
F (x i ) = 2 max + 2(max 1)
xi 1
N ind 1
(2.8)
F ( xi ) =
N ind X xi 1
N ind
(2.9)
X (i )
i =1
(2.10)
2.3.4 Seleccin
Se llama seleccin al proceso mediante el cual se determina el nmero de veces que
un individuo concreto es elegido para reproducirse y, por lo tanto, el nmero de
descendientes que un individuo producir. El proceso de seleccin puede verse como dos
subprocesos encadenados
a) Determinacin del nmero de apareamientos que un individuo espera recibir
b) Conversin del nmero esperado de apareamientos en un nmero discreto de
descendientes.
El punto primero tiene que ver con la transformacin de los valores originales de
aptitud en valores reales de probabilidad o expectativa de reproducirse de un individuo,
que ya ha sido tratado en el punto 2.3.3 donde se habla de asignacin de aptitud. El
segundo punto tiene que ver con la probabilidad de seleccin de un individuo para
reproducirse basndose en la aptitud relativa de un individuo respecto de otro y que se
conoce como muestreo.
Segn presenta Baker [Baker'87], se pueden establecer tres parmetros que
caracterizan la eficacia y precisin del algoritmo de seleccin
65
Seleccin proporcional
66
Candidato 2
0.0
Candidato 4
5
0.75
Candidato 3
0.25
Candidato 5
0.50
Candidato 1
67
3.2
1.2
1.3
5.4
2.2
2.3
0.205
0.076
0.083
0.346
0.141
0.147
1.23
0.45
0.50
2.08
0.85
0.89
Es importante resear que este algoritmo de seleccin proporciona un sesgo cero pero
no garantiza una mnima amplitud y adems tiene, potencialmente, amplitud ilimitada,
es decir, un individuo con tamao mayor que cero, puede ser elegido todas las veces.
Para evitar estos aspectos negativos se puede utilizar una variacin conocida como
Sobrante estocstico
Propuesta por Booker [Booker'82] y Brindle [Brindle'81] como una alternativa para
aproximarse ms a los valores esperados de los individuos, definidos como la relacin
entre la aptitud del individuo y la aptitud media del conjunto.
La idea principal es asignar, determinsticamente, las partes enteras de los valores
esperados para cada individuo y luego usar otro esquema (proporcional) para la parte
fraccionaria.
El sobrante estocstico reduce los problemas de la ruleta, pero puede causar
convergencia prematura al introducir una mayor presin de seleccin.
Hay 2 variantes principales:
68
Individuo Aptitud Prob. seleccin Valor esperado Nmero mn. Prob. fracc.
1
2
3
4
5
6
3.2
1.2
1.3
5.4
2.2
2.3
0.205
0.076
0.083
0.346
0.141
0.147
1.23
0.45
0.50
2.08
0.85
0.89
1
0
0
2
0
0
0.23
0.45
0.50
0.08
0.85
0.89
Individuo Aptitud Prob. seleccin Valor esperado Nmero mn. Nmero mx.
1
2
3
4
5
6
3.2
1.2
1.3
5.4
2.2
2.3
0.205
0.076
0.083
0.346
0.141
0.147
1.23
0.45
0.50
2.08
0.85
0.89
1
0
0
2
0
0
2
1
1
3
1
1
Universal estocstica
El muestreo estocstico universal fue introducido por Baker [Baker'87] con el
objetivo de minimizar la mala distribucin de los individuos en la poblacin en funcin de
sus valores esperados. El funcionamiento es similar a una ruleta clsica con la salvedad
de que en vez de existir un solo puntero, en este caso se generan N punteros igualmente
espaciados, donde N es el nmero de selecciones requeridas. La poblacin se reordena
aleatoriamente y se genera un nmero aleatorio en el rango [0 1/N]. Los individuos sern
69
Muestreo Determinstico
Es una variante de la seleccin proporcional con la que experiment De Jong [De
Jong'75].
Es similar al sobrante estocstico, pero requiere un algoritmo de ordenacin. Al igual
que ltimo mtodo, se asigna de forma determinista un nmero mnimo de representantes
de cada individuo igual a la parte entera del nmero esperado. En la fase decimal de este
mtodo se van seleccionando representantes de los individuos con mayores fracciones,
tambin de forma determinista, hasta que se completa el tamao de la poblacin.
Esto produce un sesgo demasiado grande por lo que raramente se emplea.
Seleccin #5
0.0
Seleccin #1
nmero
aleatorio (0.12)
5
0.75
0.25
Seleccin #4
Seleccin #2
0.
20
0.50
Seleccin #3
Seleccin de Boltzman
Esta tcnica fue propuesta por Goldberg [Goldberg'90] y est basada en el recocido
simulado [Kirkpatrick'83]. La idea es usar una funcin de variacin de temperatura que
70
Valesp(i, t ) =
eT
(2.11)
fi
eT
t
Donde T es la temperatura y
generacin t.
Determinstica
Probabilstica
71
Orden
3.2
1.2
1.3
5.4
2.2
2.3
(1)
(2)
(3)
(4)
(5)
(6)
Ganador
(5)
(3)
(4)
(1)
(6)
(2)
(5)
(4)
(6)
Torneo 2
Barajar #1
Ganador
(1)
(6)
(3)
(5)
(2)
(4)
(1)
(5)
(4)
72
0.5 < p 1
Observe que si p=1, la tcnica se reduce a la versin determinstica.
En resumen, la seleccin por torneo presenta una serie de caractersticas como son:
73
Esta tcnica suele usarse cuando se evolucionan sistemas basados en reglas (p.ej.,
sistemas clasificadores) en los que el aprendizaje es incremental.
En general, la tcnica resulta til cuando los miembros de la poblacin resuelven
colectivamente (y no de manera individual) un problema.
Asimismo, los AGs generacionales se usan cuando es importante recordar lo que
se ha aprendido antes.
El algoritmo de la seleccin de estado uniforme es el siguiente:
R = 2.
74
75
Padres
0
Hijos
Figura 2.14 Cruce de un punto o monopunto
76
Padres
0
Hijos
Figura 2.15 Cruce de dos puntos o bipunto
77
78
la aplicacin de la mutacin sobre los individuos generados por los cruces es otra
alternativa denominada cruce solitario.
Un proceso ms elaborado es el cruce con adaptacin. En estos, la asignacin de los
puntos de cruce no se realiza de manera aleatoria, sino que sigue un proceso evolutivo
anlogo al del propio algoritmo. Los puntos de cruce que generan buena descendencia
prosperan, los que no, desaparecen.
79
2.3.6 Mutacin
El operador mutacin altera de forma aleatoria uno o ms genes de un cromosoma
segn una determinada probabilidad de mutacin. Para una representacin binaria de
soluciones, la mutacin consiste en cambiar el valor del elemento seleccionado
aleatoriamente de 0 a 1 o viceversa. Si, por ejemplo, para el individuo de la figura 2.17 el
elemento que ocupa la posicin 4 es elegido para ser mutado, su valor pasa de 0 a 1.
Con este operador se introduce diversidad en la poblacin y se recupera posible
material gentico perdido debido al efecto de la seleccin y del cruce.
Tradicionalmente, el papel desempeado por la mutacin en el desarrollo de los
algoritmos genticos ha sido secundario frente al operador cruce. Sin embargo, recientes
trabajos [Fogel'06] indican que no se puede asegurar que algoritmos genticos basados
fundamentalmente en un operador mutacin (con una probabilidad de ocurrencia mayor)
en detrimento del cruce, obtengan peores resultados que los algoritmos genticos
convencionales. En otras palabras, el operador cruce puede ser entendido como un
operador de mutacin masiva.
2.3.7 Elitismo
Se denomina lite de la poblacin al individuo o grupo de individuos que destacan
sobre el resto por su aptitud. Dado que el procedimiento de seleccin habitualmente
empleado por los algoritmos genticos implica cierto grado de aleatoriedad, no es posible
garantizar que la lite sobreviva a la siguiente generacin, y ni siquiera que sea
seleccionada como reproductora. As pues, es posible que las caractersticas deseables
presentes en la lite desaparezcan de la poblacin. Para evitar esto, las estrategias
80
elitistas vinculan el tiempo de supervivencia de los individuos con su valor, como solucin
al problema planteado.
El empleo de estrategias elitistas implica la seleccin del mejor o los mejores
individuos de la poblacin, y su introduccin de manera directa en la siguiente
generacin. Posteriormente, la seleccin de los criadores se realiza sobre los restantes
miembros de la poblacin y, a partir de estos, se genera el resto de la nueva generacin.
81
82
Tcnica
para
restricciones
lineales
(GENOCOP).
Si
el
problema
tiene
83
84
de forma que el usuario pueda realizar consideraciones de ms alto nivel para elegir una o
varias de ellas, tal y como se describe en la siguiente figura.
min f1
min f2
Optimizador
Objetivo 1
Optimizacin Multiobjetivo
min fn
Sujeto a
h (x ) 0
g (x ) = 0
Objetivo 2
Decisor Experto
Solucin Elegida
max/ min fk (s )
k [ 1, K ]
z ,s F .
, z = f (s )
85
/ s s
/ s
s, s son indiferentes o incomparables (s s ) si y solo si s
/ s F tal que s s .
si y solo si
/ s S , tal que s s .
/s S : s s } .
conjunto de soluciones no-dominadas de S: ND(S ) = { s S
Las soluciones Pareto-ptimas no pueden ser mejoradas en ningn objetivo sin
causar degradacin en al menos otro objetivo, por lo cual se consideran como ptimos
globales. No obstante, anlogamente a los problemas de optimizacin de un solo objetivo,
existen ptimos locales que son conjuntos no dominados en ciertas reas locales. La figura
2.19 muestra un ejemplo de dominancia entre soluciones. En la figura 2.19a se puede
observar (marcas slidas) un conjunto de soluciones no dominadas. En la figura 2.19b se
muestra la relacin entre soluciones. Si se toma la solucin de referencia s, puede
86
observarse como hay soluciones que dominan a s, otras que son dominadas por s, y otras
que son incomparables.
La distribucin de las soluciones encontradas a lo largo de la regin Paretoptima debera ser lo ms uniforme posible.
87
Algorithms, MOEAs), algoritmos multi-objetivo basados en bsqueda local (MultiObjective Local Search Algorithms, MOLSAs), y meta-heursticas hbridas multi-objetivo
(hybrid MOMHs, hMOMHs).
88
89
min wi fi (s )
i =1
donde
wi
=1
i =1
90
91
SPEA result ser un algoritmo muy influyente ya que, adems de incluir los aspectos
detallados anteriormente, mejoraba el rendimiento de los utilizados hasta la poca, en
gran medida gracias a que era el nico mtodo que haca uso explcito del concepto de
elitismo (mediante el uso del archivo externo). Sin embargo, tambin presentaba sus
principales debilidades, entre las que destacaba el hecho de que a la hora de realizar la
asignacin de aptitud, aquellos individuos que eran dominados por los mismos miembros
del archivo tenan el mismo valor de aptitud. Esto significa que en el caso en el que el
archivo contenga un solo individuo, todos los miembros de la poblacin tienen el mismo
ranking, independientemente de si se dominan entre ellos o no. Como consecuencia, la
presin selectiva se ve rebajada sustancialmente, y en este caso particular, SPEA puede
llegar a comportarse como un algoritmo de bsqueda aleatorio.
92
Por esta razn Deb et al. propusieron NSGA-II [Deb'02], el cual ha conseguido
resultados muy buenos en numerosos estudios con diferentes problemas de test y mtricas
de rendimiento. En NSGA-II se propone un nuevo mtodo de comparacin crowded que
resuelve los puntos dbiles de NSGA. Se puede decir que NSGA-II utiliza reparto de
aptitud. Ahora bien, cuando al aadir frentes rebasamos el tamao mximo permitido, se
eliminan las soluciones peor diversificadas del ltimo frente. Entonces, desde este punto
de vista estamos realizando un procedimiento de aclarado, el cual est supeditado a la
relacin de dominancia como se extrae de la definicin del operador de comparacin. En
conclusin, al igual que SPEA presentaba un funcionamiento hbrido entre fitness-sharing
y crowding, NSGA-II utiliza como mecanismo de niching una combinacin de fitness-
sharing y clearing.
93
[E.L.
Ulungu'99]
present
un
algoritmo
multi-objetivo
basado
en
94
Annealing, PSA) [Czyzak'98]. PSA utiliza una poblacin principal y un archivo externo
donde se almacenan las mejores soluciones encontradas en dicha poblacin principal.
Adems, PSA controla dinmicamente los pesos de la funcin objetivo, con lo que se
intenta distribuir las soluciones a lo largo de los diferentes objetivos de forma homognea.
Objective Tabu Search, MOTS) [Hansen'97]. MOTS es una tcnica poblacional, cuyas
soluciones son mejoradas mediante el uso de un criterio de aceptacin basado en TS. En
MOTS, los pesos de cada objetivo son adaptados de forma dinmica, al igual que en
PSA. Aunque los experimentos evalan la variacin en la calidad de las soluciones de
acuerdo a la longitud de la lista tab, no se ofrece comparativa con otros mtodos
Strategy, PAES) [Knowles'99] fue otra tcnica de bsqueda que ofreca, entre otras, las
siguientes caractersticas bsicas:
95
96
Captulo 3
Optimizacin de tensiones
97
98
Optimizacin de tensiones
Reguladores
en
transformador.
vaco,
cuya
utilizacin
precisa
la
desconexin
del
Optimizacin de tensiones
99
100
Optimizacin de tensiones
El sistema de paro por subtensin que evita que los descensos de tensin
abruptos debidos a la desconexin del transformador, produzcan rdenes de
variacin de tomas.
Optimizacin de tensiones
101
dispositivo tenga una vida til mucho mayor que los tpicos cambiadores en aceite,
provocando un ciclo de mantenimiento mucho mas largo y, por consiguiente, relegando a
un segundo plano el tradicional y usual inconveniente, consistente en la limitacin en
cuanto al nmero de veces que puede cambiarse la toma de un transformador sin que se
dae el propio cambiador de tomas en la operacin normal dentro de un sistema
elctrico.
Una vez conocido el sistema de regulacin, se resume a continuacin cmo se realiza
en la actualidad, en un sistema tpico, dicha regulacin por medio del regulador bajo
carga del transformador AT/MT, en las redes de distribucin.
De forma general, en la actualidad se regula la tensin suponiendo un
comportamiento homottico de las cargas en la red de distribucin, es decir, se supone
que todas las cargas evolucionan de igual forma a lo largo del tiempo, (por ello, slo es
necesario medir las potencias suministradas por el transformador AT/MT). La frmula
utilizada es:
Vb ( t ) = k1 P ( t ) + k2 Q ( t ) + k3
donde:
(4.1)
Vb ( t ) = k '1 P ( t ) + k3
(4.2)
102
Optimizacin de tensiones
[Plissier'71] se plantea un mtodo para obtener los coeficientes por medio de un clculo
de optimizacin econmica, mientras que en [Sarinelli'86] se plantea un mtodo utilizado
en Francia por la empresa EDF basado en un simple clculo de regresin lineal a partir
de los valores obtenidos en un determinado perodo de tiempo.
Una vez conocida la tensin necesaria en barras del secundario del transformador, el
clculo de la relacin de transformacin es una sencilla operacin, con la que, a partir de
la tensin en el primario, se calcula la relacin de transformacin que sera necesaria para
obtener la tensin del secundario requerida, teniendo en cuenta la cada de tensin
interna.
El mtodo es enormemente simple en su utilizacin (resuelve el problema con muy
pocos datos), sin embargo, deja de ser adecuado cuando el comportamiento de las cargas
de la red se aleja del homottico, previamente supuesto. El comportamiento no
homottico se produce en una gran cantidad de casos, especialmente cuando la red de
distribucin alimenta a usuarios de distintas caractersticas, situacin que cada vez
ocurre ms frecuentemente en las redes de distribucin, debido, entre otros factores, al
aumento del tamao de las poblaciones, que en muchos casos absorben a zonas
industriales situadas anteriormente aisladas.
El comportamiento general de las cargas y, sobre todo, su interrelacin en funcin de
la ubicacin concreta en la red, est cada da ms cerca de ser un dato conocido y cierto
gracias a los modernos sistemas de medida. Es frecuente que las compaas elctricas
instalen a los nuevos usuarios sofisticados sistemas de medida de energa elctrica
basados en la electrnica de potencia, los cuales permiten conocer, prcticamente,
cualquier dato del nodo en cuestin. Adems, estos dispositivos suelen aadir algn
elemento que ofrece conectividad con el centro de datos de dicha compaa, por lo que
valores como potencia activa, potencia reactiva, intensidad y tensin pueden ser
conocidos con precisin en cualquier momento. Por otro lado, los gobiernos en su afn de
fomentar los buenos hbitos energticos y los compromisos de ahorro y eficiencia
energtica estn introduciendo medidas legislativas encaminadas a sustituir los sistemas
de medida tradicionales por otros que permitan un mayor control estadstico y de
utilizacin en los puntos de consumo.
Todo lo anterior, conduce hacia escenarios de planificacin donde los datos de
demanda pueden ser conocidos online, facilitando los procesos de anlisis y estudio en
tiempo real. Como se apreciar ms adelante, este factor es clave para entender la
Optimizacin de tensiones
103
Vk Vk ,r
jk = k Pk
Vk ,r
2
t
(4.3)
donde:
104
Optimizacin de tensiones
k Pk ( t ) 1
J =
2
ak
k =1 Vk ,r
VMV ( t )
( Rkj Pj ( t ) + XkjQj ( t ) )
j =1
Vk ,r dt
VMV ,r
(4.4)
donde:
nudo k.
Optimizacin de tensiones
105
adoptar el regulador bajo carga, del transformador AT/MT, y las tomas de vaco a
seleccionar en cada uno de los transformadores MT/BT.
Debido a que los autores no han encontrado un algoritmo de resolucin analtica que
pueda resolver conjuntamente las dos optimizaciones, proponen un sistema iterativo de
dos etapas, desarrollado por ellos. En una primera, para unas tomas en vaco de cada uno
de los transformadores MT/BT fijas, se calcula el valor de la tensin a la salida del
transformador AT/MT que minimiza el perjuicio econmico debido a las variaciones
lentas de la tensin.
En la segunda etapa, para el valor fijo de la citada tensin de cabecera obtenido en
la etapa anterior, se calculan las tomas de vaco de cada transformador que minimizan el
perjuicio econmico. Para la resolucin de la segunda etapa se consideran las restricciones
debidas tanto a las posibilidades de regulacin de los transformadores MT/ BT, como de
tensiones admisibles en la red.
El proceso se repite sucesivamente, utilizando en cada paso los resultados de la etapa
anterior, hasta alcanzar la solucin final, con una precisin determinada.
Sin embargo, una vez llegado a este punto, los autores utilizan nicamente como
variables de entrada al algoritmo las potencia activa y reactiva suministradas por el
transformador AT/MT, que alimenta a la red de distribucin, suponiendo un
comportamiento homottico de la carga, y utilizando expresiones del tipo:
VMV ( t ) = EP ( t ) + FQ ( t ) + G
(4.5)
106
Optimizacin de tensiones
d (t ) =
i ( t ) Pi ( t ) VMV ( t )
2
(
)
V
t
V
i ,n
0,i
Vi2,n ai
i =1
(4.6)
donde:
Optimizacin de tensiones
107
MT/BT, supuesta fija, para los nudos de baja tensin alimentados por
dichos transformadores, e igual a la unidad para los nudos de media tensin.
108
Optimizacin de tensiones
[Testa'93]
Este artculo es el tercero del mismo grupo de trabajo, y por lo tanto es continuacin
Optimizacin de tensiones
109
110
Optimizacin de tensiones
En ninguno de los dos trabajos se introducen modificaciones sobre el desarrollo
matemtico anteriormente descrito. El sistema propuesto est formado por unas unidades
perifricas situadas en los nudos de medida, que permiten elaborar la medida y
trasladarla a la unidad central situada en cabecera de la red, unidad de control, que es la
que suministra las ordenes adecuadas para la regulacin de tensin ptima. Como se
puede deducir de lo anterior, el sistema propuesto slo es til para la regulacin del
transformador AT/MT.
[Daeseok'95]
En el artculo publicado en 1995, se plantea el caso de la regulacin de tensin
cuando existen elementos conectados a la red que pueden suministrar energa a sta.
El autor toma como objetivo mantener la tensin en todos los puntos de la red
dentro de un intervalo alrededor de la tensin nominal de 6 %.
Para conseguir el objetivo anterior, el mtodo que propone se basa en el uso de un
conductor ideal patrn, que representa las caractersticas totales de un conductor, de
forma que una lnea arborescente quede reducida a una lnea sin ramas laterales,
implementando en cada nudo del conductor patrn el efecto de las ramificaciones que
parten de l en las lneas reales.
Sin embargo, el autor considera complicada la determinacin de los valores para la
definicin del conductor debido a la presencia del compensador de cadas de tensin de
las lneas en el transformador de cabecera de la red.
La dificultad aparece por las variaciones aleatorias de las cargas, las diferentes
configuraciones de las lneas conectadas a cabecera de la red y la incertidumbre
producida por los sistemas de generacin repartidos a lo largo de la red de distribucin.
En el artculo se plantea la existencia, entre todos los conductores que parten de
cabecera, de uno que sea el peor acondicionado (mxima cada de tensin y mayores
fluctuaciones de la tensin). Si en el conductor peor acondicionado se consigue que las
tensiones en todos sus nudos se mantengan entre los lmites previstos, se puede suponer
que las tensiones en todos los nudos del resto de la red de distribucin estarn
comprendidas entre los citados lmites.
Con el fin de conseguir optimizar la tensin en cabecera de la red, el autor se plantea
obtener la mejor relacin de transformacin en el transformador AT/MT, para lo que
propone minimizar la siguiente expresin:
Optimizacin de tensiones
111
X 2
X
2
J ( t ) = V1,max ( t ) V1 ( t ) mtr + V1 ( t ) mtr V1,min ( t )
Rmtr
Rmtr
(4.7)
sujeto a:
V1,max ( t ) = Vmax
V1,min ( t ) = Vmin
V1 ( t )
V2 ( t )
(4.8)
donde:
Xmtr = Rmtr
V1,max ( t ) + V1,min ( t )
2V1 ( t )
(4.9)
112
Optimizacin de tensiones
El autor no explica la forma de obtener los conductores patrones, por lo que no es
Mantener la tensin de los nudos de consumo entre los lmites que fija el
Reglamento.
Optimizacin de tensiones
113
Dentro del primer grupo el autor cita el mtodo de reduccin de errores, mientras
que en el segundo grupo incluye los siguientes cuatro criterios:
114
Optimizacin de tensiones
los lmites reglamentarios, con el fin de utilizar al mximo las caractersticas del
transformador y de las lneas que forman la red de distribucin
Optimizacin de tensiones
115
efecto sobre otros indicadores de calidad de onda y su impacto sobre las transmisiones
que se realizan por corrientes portadoras (seales tarifarias y de datos).
De todas formas, parece lgico pensar, que en un corto intervalo de tiempo los
problemas que se presentan para la implementacin en un sistema telecontrolado sean
superados.
La tesis doctoral reseada es de gran importancia dentro del campo de la regulacin
de tensin, pues realiza un estudio bastante completo sobre las caractersticas de los
medios de regulacin actualmente utilizados, haciendo hincapi en sus fundamentos
fsicos y/o matemticos, que en algunos casos, debido a su largo tiempo de utilizacin
haban sido olvidados.
116
Optimizacin de tensiones
El trabajo de Iba introduce una nueva perspectiva en la optimizacin de los flujos de
Optimizacin de tensiones
117
[Ramos'04]
El trabajo de Rodrigo Ramos et al. supone la utilizacin pionera de tcnicas multiobjetivo para la optimizacin en compensacin de energa reactiva y seguridad en
tensiones.
En dicho artculo se hace una aproximacin al problema empleando una variante del
algoritmo conocido como Strength Pareto Evolutionary Algorithm (SPEA), al objeto
de tratar la compensacin de energa reactiva en sistemas elctricos como un problema
multi-objetivo. A la vez que se hace este planteamiento, tambin se consiguen convertir
ecuaciones, tratadas tradicionalmente como restricciones, en nuevas funciones objetivo.
El mtodo propuesto consigue optimizar diferentes parmetros tpicos de la
operacin de sistemas de potencia, como son la cantidad de dinero invertida en
dispositivos compensadores de energa reactiva, las prdidas de energa en lneas de
transmisin y distribucin, y como una novedad con respecto a otras aproximaciones, se
incluye la seguridad en tensiones.
Utilizando esta tcnica, se consigue encontrar un conjunto amplio de soluciones,
conocido como frente de Pareto, que permite decidir la mejor solucin de entre varias
posibilidades y caractersticas.
Para validar los resultados obtenidos con la propuesta de este artculo, los autores
han comparado su trabajo con un conjunto de herramientas de compensacin elaboradas
por especialistas usando tcnicas tradicionales en ingeniera. Tambin se introduce una
serie de mtricas sobre cmo establecer los resultados de dicha comparacin.
Los resultados obtenidos consiguen emular un buen frente de soluciones (frente de
Pareto), bien definido y fcil de obtener y calcular.
[Augugliaro'04]
El artculo de Antonino Augugliaro et al. trata sobre el problema de la regulacin de
tensiones y la minimizacin de prdidas de potencia activa en sistemas de distribucin
elctrica de forma automatizada. En l se aporta una nueva visin de conjunto a la hora
de formular el problema del control de cambiadores de tomas y bancos de condensadores.
En dicha visin se aade la gestin integrada de los interruptores de lnea y
condensadores de las lneas que, partiendo de la subestacin, conforman una gran red
mallada de distribucin operada de forma radial. Se establece todo lo anterior, al objeto
de conseguir una minimizacin en las prdidas de potencia y un perfil ms plano de
tensiones.
118
Optimizacin de tensiones
Para lograr sus objetivos, los autores se han apoyado en tcnicas evolutivas multi-
actuadores
(cambiador
de
tomas
escalones
de
las
bateras
de
condensadores).
La resolucin del problema se basa en la utilizacin de un algoritmo evolucionista
modificado, donde solamente se utiliza la mutacin como operador que evoluciona a la
poblacin de individuos.
Los autores han realizado ensayos en una red de 138 nudos AT/MT donde coexistan
transformadores con cambiadores de tomas, bancos de transformadores e interruptores de
lnea al objeto de reconfigurar la red en caso necesario. Dichos ensayos muestran que se
pueden lograr escenarios de perfiles ms o menos planos en tensin, as como
disminuciones de prdidas de potencia en las lneas, cumpliendo las restricciones
operacionales impuestas relativas a la seguridad de los equipos y su vida media esperada.
[Furong'05]
Este artculo propone un algoritmo gentico multi-objetivo de codificacin entera
(IGA Integer-coded Genetic Algorithm), aplicado al problema de la planificacin de la
compensacin de potencia reactiva, considerando situaciones de explotacin normales y
de contingencia. El IGA se usa para resolver, simultneamente, tanto el problema de
emplazamiento (optimizacin en la instalacin de nuevos dispositivos) como la cuestin
de operacin del sistema (optimizacin preventiva en los cambiadores de tomas de los
transformadores y de las caractersticas controladoras de los sistemas de compensacin
dinmicos).
El objetivo es conseguir un plan de emplazamiento que no viole ninguna restriccin
operacional o de sistema y que sea ptima en trminos de desviacin de tensin respecto
de la nominal y en trminos de los costes en que se incurre debido a la instalacin y uso
de dispositivos para la compensacin de potencia reactiva.
Optimizacin de tensiones
119
120
Optimizacin de tensiones
La desventaja que tiene este sistema es que necesita de varios procesos iterativos
Optimizacin de tensiones
121
compensacin del SVC, el cual se basa a su vez, en una relacin entre la posicin del
cambiador de tomas y el nivel de compensacin proporcionado por el SVC.
De esta forma, el margen operativo del SVC se preserva gracias a la adaptacin
progresiva del tiempo de retardo del ULTC en funcin de las condiciones operativas del
SVC.
Los autores han obtenido simulaciones numricas donde observan que el mtodo
propuesto incrementa el margen del SVC en combinacin con el ULTC, consiguiendo
adems mejorar la calidad de la tensin en barras de distribucin.
Como comentarios al trabajo realizado por los autores, hay que destacar que slo se
tienen en cuenta factores locales de la propia subestacin y no se utilizan variables del
resto de la red que puedan ayudar contrarrestar los problemas de una posible
contingencia, es decir, interactuar no slo con los actuadores locales (SVC y ULTC) sino
tambin con los de las subestaciones vecinas. Adems, no queda claro el criterio de
operacin a la hora de ajustar el valor del cambiador de tomas en funcin de las
condiciones de trabajo del sistema.
[Kim'05]
Este artculo presenta un esquema de control coordinado basado en redes neuronales
artificiales (ANN o Artificial Neural Network) para el manejo de cambiadores de tomas
en transformadores y STATCOMs (compensadores estticos). El objetivo del control
coordinado es minimizar el nmero de cambios en la toma del transformador y en la
salida del STATCOM, de forma que se obtenga un nivel aceptable de tensin en la
barras de la subestacin.
En este trabajo se describe como la conjuncin de los dos sistemas puede producir un
mejor resultado en el margen de trabajo de ambos dispositivos. Teniendo en cuenta las
limitaciones del cambiador de tomas, en cuanto a su posibilidad de cambio continuo, se
generan reglas de trabajo para que el STATCOM presente la mxima reserva de energa
reactiva disponible para realizar el control de nudo elctrico en cuestin.
Lo novedoso de este sistema consiste en asociar la ley de control del cambiador de
tomas a un controlador coordinado que tiene en cuenta la potencia activa y reactica del
nudo a controlar, la posicin actual del cambiador de tomas y la salida de potencia
reactiva del STATCOM. De esta forma, se consigue evitar oscilaciones en los cambios de
toma, siendo asumidas tales actuaciones necesarias por el STATCOM. Una vez que se
est llegando a los lmites del STATCOM, el cambiador de tomas tiene ms probabilidad
122
Optimizacin de tensiones
de entrar en escena, provocando un aumento del margen del STATCOM para situaciones
de emergencia.
La principal desventaja de este estudio, radica en la gran cantidad de computaciones
que deben realizarse para entrenar a la red neuronal. Este comportamiento es tpico de
estos sistemas. Adems la solucin propuesta requiere del afinamiento de dos parmetros
especficos para lidiar con la interaccin entre STATCOM y cambiador de tomas y que
hacen difcil la coordinacin entre los dispositivos.
El modelo propuesto se ha ensayado en una red de pequeo tamao como la IEEE14
y slo para elementos en un nico nudo.
[Wei'05]
En este artculo se desarrolla un algoritmo que permite encontrar la mejor
conmutacin de lnea y barra de distribucin de forma que se mitigue la aparicin de
sobrecargas y desvos no permitidos de tensin causados por contingencias del sistema
elctrico.
Este algoritmo est basado en la utilizacin de tcnicas de inversin de matrices
vacas y el uso del flujo rpido de cargas desacoplado con lmite de iteraciones.
Adems, se presenta tambin, un algoritmo novel para la correccin controlada de
tensiones mediante conmutacin de shunts, basado en un nuevo factor de distribucin
de tensiones que se apoya en el clculo iterativo de flujos de carga.
Estos dos algoritmos, se integran en uno ms global, denominado algoritmo de
conmutacin correctivo. Las simulaciones en el sistema WECC179 indican que el nuevo
algoritmo de conmutacin correctiva propuesto en este artculo puede resolver, de forma
efectiva, ciertos problemas de sobrecarga en lneas y desviacin de tensin en las mismas.
El tiempo de computacin empleado parece ser satisfactorio.
Captulo 4
Aplicacin de algoritmos
genticos a la optimizacin de
tensiones
123
124
125
126
Inicio
Inicializar
Variables
Datos de Entrada
Generar
Poblacin Inicial
Evaluacin
ptimo?
FIN
SI
NO
Seleccin
Mutacin
Proceso
Gentico
Evaluacin
127
Inicializacin.
ieee118, rts, etc) y en el cual se definen las caractersticas de todos los nudos,
todas las lneas, todos los generadores as como todos los transformadores.
Cabe realizar la observacin de que mejora la convergencia del algoritmo cuando
se utiliza un perfil no plano, es decir, las tomas no estn en su nivel de
referencia, en los cambiadores de los transformadores. Curiosamente, utilizar una
poblacin inicial aleatoria acelera el proceso de obtencin del ptimo.
Fase 2.
Seleccin
Wheel
Selection,
RWS)
Muestreo
Estocstico
Universal
D =
i =1
(U i U ni )2
2
U ni
(4.1)
donde
128
Uno de los puntos fuertes del mtodo elegido estriba en la habilidad innata para
no generar soluciones no factibles. Debido a la propia naturaleza de la
codificacin (que se ver mas adelante), los individuos de la poblacin puede
cruzarse entre s o mutarse y siempre generarn nuevos individuos que
pertenecen al espacio de posibles soluciones. Esto presenta una gran ventaja
desde el punto de vista computacional ya que es bien sabido los grandes costes en
tiempo que acarrean las reparaciones de infactibilidad [Arroyo'02].
El criterio de convergencia empleado es un nmero mximo de generaciones,
aunque tambin se puede parar el proceso si la diferencia entre las ltimas
mejores soluciones encontradas no supera un lmite.
129
4.1.1 Representacin
Las dos principales acciones que relacionan a un algoritmo gentico con el problema
a resolver son: (i) la forma de traducir una solucin del problema a un cromosoma o
individuo, y (ii) la eleccin de una funcin de evaluacin que devuelva una medida de la
calidad de cada solucin en el contexto del problema. El xito del algoritmo gentico
depende en gran medida de estos dos aspectos.
La codificacin es especfica para cada problema, incluso se pueden encontrar
diversas formas de representar las soluciones de un mismo problema. El problema tratado
en esta Tesis, la calidad de tensin en redes de distribucin que se apoyan en las
variaciones de los cambiadores de tomas para ajustar dicha tensin, sugiri en un
principio que la mejor forma de representacin poda ser la binaria. Esto se tradujo en
una implementacin como la de la figura 4.2. En dicha figura se observa como en la
codificacin de la toma de un transformador k se utilizan i posiciones para representar
una toma cualquiera. Para cubrir todas las tomas de un transformador se debe cumplir
que 2i j , siendo j el nmero de tomas que tiene dicho transformador.
130
Ejemplo 1
Sea una red de distribucin con 4 transformadores trifsicos.
Todos los transformadores son iguales y poseen un cambiador de tomas
con 5 posiciones (-5%, 2.5%, 0, +2.5%, +5%).
Para representar las tomas con codificacin binaria se necesitan 3
bits => 23 = 8 tomas.
Como quiera que los trafos slo disponen de 5 tomas, existen 3 tomas
ficticias
aparezcan
que
en
el
deben
ser
proceso
tratadas
gentico
como
como
infactibles
cada
vez
que
consecuencia
de
cruces
mutaciones.
131
pueden provocar que, en ciertos casos, se elijan tomas que hagan perder el ptimo de la
red por las modificaciones de conjunto que originan (es posible que este redondeo de
tomas afecte a los transformadores cercanos).
Para evitar los inconvenientes de las codificaciones anteriores se ha optado por
utilizar una codificacin entera. Esta decisin tiene dos grandes implicaciones:
-3
-1
-2
-1
-4
-1
-5
-1
-1
. . . . . . . .
Individuos
....
Efectivamente, segn se muestra en la figura 4.3, ahora la codificacin hace que los
elementos sean slo y exclusivamente aquellos que se corresponden con una toma fsica
en los cambiadores de los transformadores. Suponiendo que se tienen m transformadores
con cambiadores de tomas de 11 posiciones, entonces se puede establecer la siguiente
relacin (suponiendo un escaln igual al 1%):
Toma
Codificacin
-5%
-4%
-3%
-2%
-5
-4
-3
-2
132
-1
0
1
2
3
4
5
D =
i =1
(U i U ni )2
2
U ni
(4.2)
133
F (D ) = g (D )
donde g es una funcin que transforma los valores de D, en otros valores F. A esa
transformacin se le denomina medida de calidad ponderada o fitness.
Se pueden aplicar diferentes tipos de transformacin: lineal, no lineal, etc.,
obteniendo un escalado que representa, a grosso modo, la expectativa de reproduccin
final que tiene un individuo en una determinada poblacin.
Este ndice de calidad o fitness se emplea para regular la presin que unos individuos
ejercern sobre la generacin siguiente. Los individuos (o soluciones) de menor ndice
sern elegidos ms frecuentemente para ser padres de la siguiente generacin aunque, en
funcin del escalado elegido, se podr hacer de forma ms o menos proporcional a su
valor en la funcin objetivo, o podr ser limitado para no producir una convergencia
prematura al ejercer una excesiva presin en la descendencia de futuras generaciones.
Es importante destacar tambin, que los valores de las tensiones en la funcin
objetivo, D, son valores cercanos a la unidad y por tanto, no negativos. Esto hace la
asignacin de fitness a los individuos sea algo ms simple desde un punto de vista
algortmico.
En el trabajo desarrollado se han empleado dos tcnicas diferentes para la asignacin
de fitness: escalado lineal y asignacin de ranking (lineal y no lineal). Ambas se
encuentran detalladas en 2.3.3.
134
esta
forma,
la
poblacin
inicial
se
gener
utilizando
subrutinas
que
135
4.1.4.1 Seleccin
Para obtener la siguiente generacin se seleccionan aleatoriamente individuos de la
generacin actual mediante algoritmos de muestreo, donde las probabilidades de seleccin
de cada individuo son proporcionales a su medida de calidad, tal y como se describe en el
apartado 2.3.4.1.
Como se ha puesto de manifiesto anteriormente, en esta Tesis se ha optado por la
utilizacin de dos clases de algoritmos para la seleccin: Seleccin mediante Ruleta y
136
buenas caractersticas: (i) tiene sesgo ptimo al igual que el mtodo de la Ruleta y (ii)
presenta el mnimo spread o menor nmero de veces que se puede seleccionar a un
individuo para aparearse. Esta ltima caracterstica, asegura una buena diversidad en la
poblacin, ya que impide que soluciones buenas puedan copar en exceso la siguiente
generacin y provocar convergencias prematuras hacia ptimos locales y, por tanto,
estancamientos que impidan lograr el ptimo global.
Una ltima ventaja, que hace del SUS un algoritmo muy utilizado, es la sencillez a la
hora de su implementacin as como su complejidad, que es O(n).
137
4.1.4.3 Cruce
El operador cruce es el ms importante a la hora de proporcionar diversidad en la
poblacin con el objetivo de encontrar mejores soluciones. Los individuos o soluciones que
han sido seleccionados como padres dan lugar a los individuos nuevos para la siguiente
generacin mediante este operador. Estos individuos nuevos presentan caractersticas de
ambos progenitores.
Las nuevas soluciones sern tpicamente factibles por lo que posteriormente no se
deber emplear ningn tipo de procedimiento de restauracin de factibilidad. Esta
caracterstica consigue ahorrar una cantidad importante de tiempo durante la
computacin del algoritmo.
El algoritmo desarrollado en este trabajo ha utilizado diversos operadores de cruce
adaptados a las caractersticas de las soluciones. Se ha optado por emplear los que, segn
el criterio del doctorando, mejor funcionaban con la codificacin entera del problema.
Recurdese que la estructura de un individuo es la de la figura 2.14. En total, se han
implementado tres polticas de cruce.
Tras el cruce o recombinacin, cada solucin hija contiene una parte de los dos
padres. Adems, las dos soluciones hijas son complementarias, es decir, que la parte del
primer padre que forma, a su vez, parte del primer hijo no forma parte del segundo hijo y
lo mismo se aplica para la parte del segundo padre que forma parte del primer hijo.
Estas tres polticas de cruce se diferencian, bsicamente, en la manera que tienen de
gestionar el material gentico para que el resultado final presente una mayor o menor
aptitud. Estas polticas de cruce se detallan a continuacin.
138
padres que no conformaron el primero hijo, sern ahora, parte del segundo hijo. En la
figura 4.5 se puede apreciar esta poltica de cruce.
-5
-5
-1
-1
Hijo 1
-1
-1
Hijo 2
-1 -5 -5
-1
Hijo 1
-4
-5
-4
-2 -1
-2 -1 -5
-3
-3
Hijo 2
139
4.1.4.4 Mutacin
Para aumentar la diversidad en la poblacin se utiliza un procedimiento de
mutacin. Segn una probabilidad de mutacin previamente determinada, se van
seleccionando todos los individuos de cada generacin y se mutan en funcin de dicha
probabilidad. Dentro de esta solucin se cambia el estado de la toma de un
transformador, pasando de una posicin a otra diferente.
Antes
-4
-1
Despus
-4
-1
140
que eviten la problemtica de quedar estancados en ptimos locales y sobre todo, eviten
que la probabilidad de explorar cualquier cadena sea diferente de cero. Esta caracterstica
asegura que se puedan recuperar, tambin, cadenas y material gentico que fue desechado
o perdido a causa del proceso de seleccin y cruce.
4.1.4.5 Reinsercin
Una vez que se ha obtenido la nueva poblacin mediante seleccin, cruce y mutacin
de la poblacin anterior se procede a determinar la aptitud o fitness de la misma. Todos
los nuevos individuos son evaluados segn la expresin (4.2) y estn listos para ser
reinsertados.
Para mantener el tamao de la poblacin, los nuevos individuos deben ser
reinsertados en la poblacin actual. De este modo, si no todos los individuos nuevos van
a ser utilizados o si se genera ms descendencia del tamao de la poblacin, hay que
adoptar una poltica de reinsercin adecuada para determinar cuales de los individuos
existentes en la poblacin actual debern seguir existiendo y cuales no. Un detalle
importante a tener en cuenta es que, al objeto de reducir la carga computacional, no es
adecuado generar muchos ms individuos de los ya existentes en la poblacin. Por este
motivo, el algoritmo de seleccin implementado puede generar tantos individuos como se
desee hasta un tope igual a la poblacin existente.
Adems de todo lo anterior, el proceso de reinsercin debe tener en cuenta cul es la
estrategia ms apropiada para reemplazar a los individuos de la actual generacin con los
descendientes obtenidos. En este sentido, la estrategia ms lgica, aparentemente, es la
de sustituir los individuos menos aptos por aquellos generados en el proceso de seleccin.
sta ha sido la lgica de trabajo, aunque en la literatura se han encontrado casos donde
es ms ventajoso sustituir, no ya a los menos aptos, sino a los que ms tiempo llevan en
la poblacin.
En el algoritmo implementado, tambin se ha incluido la posibilidad de introducir
elitismo. De esta forma, es posible indicar qu porcentaje de individuos de la poblacin
actual se quiere que se sigan manteniendo en la prxima generacin, independientemente
de los resultados obtenidos en el proceso de generacin de nuevos individuos.
Para nuestro caso en particular, y tal como se vern posteriormente en el apartado
de resultados, se ha empleado una gran casustica en los parmetros concernientes tanto
al elitismo como a la forma de reinsertar a los descendientes en la poblacin vigente.
141
El primer sistema representa una parte del Sistema Americano de Energa Elctrica
situado en el medio oeste de Estados Unidos, en su configuracin de 19611. El segundo de
ellos representa a otra parte del Sistema Americano de Energa Elctrica situado en el
medio oeste de Estados unidos, en su configuracin de 19602. Ambos sistemas han sido
adoptados como estndar de trabajo e investigacin y con fines docentes por la asociacin
internacional IEEE (Institute of Electrical and Electronics Engineers). Estas redes de
test son ampliamente utilizadas por la comunidad cientfica internacional al objeto de
validar, en situaciones pseudo-reales, los algoritmos desarrollados por los mismos.
La ltima red es un sistema desarrollado por el IEEE al objeto de ofrecer a la
comunidad cientfica un modelo mejorado para su uso general en estudios sobre
evaluacin de la fiabilidad de sistemas elctricos de potencia. El sistema original fue
desarrollado en 1979 y ha sufrido varias modificaciones hasta su ltima versin (utilizada
en este trabajo), referida como RTS-963.
1
2
3
http://www.ee.washington.edu/research/pstca/pf30/pg_tca30bus.htm
http://www.ee.washington.edu/research/pstca/pf57/pg_tca57bus.htm
http://www.ual.es/~pagilm/documentos/RTS.pdf
142
a dos redes distintas, pero en este caso teniendo en cuenta un horizonte temporal de
funcionamiento de la red. Tpicamente, este perodo de planificacin suele ser de 24
horas, por lo que se han escogido curvas de carga y demanda para este intervalo, de
manera que el algoritmo se ejecute segn un patrn definido de resolucin temporal.
Habitualmente, el horizonte de planificacin suele ser horario, es decir, se dan consignas a
los equipos de control y regulacin cada hora en base a la salida del algoritmo encargado
de gestionar el dispositivo correspondiente.
Dado que el horizonte temporal es de una hora, esto nos permite tener cierto margen
en la resolucin del problema de regulacin, aunque hay que sealar que lo normal es que
no se sobrepasen los pocos minutos de computacin. Obviamente, el computador
empleado deber ser dimensionado en funcin de la red elctrica a resolver y del nmero
de variables a manejar. Aun as, y gracias a la introduccin de capacidad multi-core en
los procesadores actuales, se pueden conseguir resultados bastante razonables empleando
ordenadores de sobremesa que dispongan de varios ncleos (p. ej. DualCore o QuadCore
de Intel) y varios gigabytes de RAM (entre 2 y 4 puede ser suficiente).
Lo anterior implica que no es imprescindible el empleo de mquinas de alto
rendimiento o clusters de procesadores y que usen sistemas operativos ms profesionales
tipo UNIX o SOLARIS, para conseguir resultados fiables en cortos espacios de tiempo.
Como herramienta de trabajo se ha elegido el entorno MATLAB, el cual ofrece unas
sofisticadas y valiosas herramientas de resolucin numrica y matricial. En este entorno
se ha desarrollado el mdulo optimizador, sirvindose de mdulos adicionales4 que
realizan tareas unitarias diversas (flujo de cargas, procesos genticos, etc)
143
red (nudos, lneas, etc), la demanda de potencia activa y reactiva en cada nudo y, por
ltimo, la potencia activa y reactiva inyectada por los generadores de la red (a excepcin
del nudo slack o nudo de referencia, que ajusta su potencia en funcin de las prdidas de
la red).
Estos datos son conocidos previamente y son la base de clculo en la posterior
resolucin del flujo de cargas que se invoca durante la iteracin del algoritmo. Hay que
destacar que un dato fundamental de entrada es el nmero de transformadores con
posibilidad de cambio de tomas existentes en la red, as como su ubicacin y las
caractersticas del propio cambiador de tomas. En nuestro caso, la ubicacin y la
posibilidad de cambio de tomas, viene dada de forma inherente en el fichero de entrada
con los datos de la topologa de la red, indicndose especficamente cundo el elemento
que une dos nudos cualesquiera es una lnea o es otro elemento (en este caso un
transformador). En este sentido, la estructura de entrada elegida para los datos, se
corresponde con el formato PTI5, ms una ligera modificacin al objeto de excluir ciertos
datos que en nuestro caso son irrelevantes, como por ejemplo, el nombre del nudo, el
nombre de una mquina concreta, el nombre del circuito, etc. Una descripcin de este
formato se puede encontrar en el Apndice A
La estructura completa del algoritmo puede verse en la figura 4.8. En la misma se
puede apreciar el formato y las caractersticas tpicas de los valores de entrada as como
la fisonoma de las variables de control (posicin de la toma en el cambiador de un
transformador).
Es importante resaltar que para determinar el estado completo de cualquier red
elctrica de potencia, es necesario utilizar algn algoritmo tpico de flujo de cargas. Este
algoritmo se encarga de realizar una tarea intermedia en el proceso de optimizacin, cual
es, obtener los valores de las tensiones nodales a partir de las condiciones de contorno y
de la topologa de la red. Sin l, el problema tendra una solucin trivial (todos los nodos
con tensin nominal) y por tanto, no sera realista.
4
5
http://www.shef.ac.uk/acse/research/ecrg/gat.html y http://www.pserc.cornell.edu/matpower/
http://www.ee.washington.edu/research/pstca/formats/pti.txt
144
Inicio
Inicializar variables
Fichero de entrada
Generar
Poblacin Inicial
Flujo de Cargas
No Lineal
(Newton-Raphson)
Evaluacin
ptimo?
SI
FIN
NO
Seleccin
Mutacin
Proceso
Gentico
Evaluacin
145
146
350
Potencia Activa
Potencia Reactiva
300
250
200
150
100
50
10
11
12 13 14 15 16
Periodo horario (horas)
17
18
19
20
21
22
23
24
En la tabla 4.2 se presentan los parmetros empleados para la primera ejecucin del
algoritmo gentico desarrollado. Posteriormente, para la determinacin ptima de estos
147
Parmetro
Valor
Tamao de Poblacin
Nmero de Generaciones
Tipo de Cruce
Tasa de Mutacin
Tasa de Elitismo
50
15
Monopunto
0.2
10%
Caso 1
Segn los datos de la Tabla 4.2, el problema converge hacia una solucin factible,
donde los datos ms relevantes son:
IDT = 0,010618
Recordemos que este ndice tiene a cero como lmite inferior y ser tanto mejor cuanto
menor sea.
Trafo
Nudos
Toma
HANCOCK
ROANOKE I
ROANOKE II
CLOVERDALE
4-12
6-10
6-9
27-28
-5%
-5%
-5%
-5%
Rango
-5%
-5%
-5%
-5%
a
a
a
a
+5%
+5%
+5%
+5%
Incr. escaln
2.5%
2.5%
2.5%
2.5%
Tabla 4.3 Posicin de las tomas de los cambiadores para el caso 1 IEEE30
148
Nudo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0,00
21,70
2,40
7,60
4,20
0,00
22,80
0,00
0,00
5,80
0,00
11,20
0,00
6,20
8,20
3,50
9,00
3,20
9,50
2,20
17,50
0,00
3,20
8,70
0,00
3,50
0,00
0,00
2,40
10,60
0,00
12,70
1,20
1,60
1,00
0,00
10,90
0,00
0,00
2,00
0,00
7,50
0,00
1,60
2,50
1,80
5,80
0,90
3,40
0,70
11,20
0,00
1,60
6,70
0,00
2,30
0,00
0,00
0,90
1,90
3: nudo slack
2: nudo PV
1: nudo PQ
149
25
20
15
10
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Nudos
Nudo Slack
Se puede apreciar cmo la situacin de cargas existente es tal que fuerza a las tomas
de los transformadores existentes a elevar la tensin en los lugares ms alejados. Estas
tomas se encuentran en su posicin ms baja y no pueden, por tanto, conseguir disminuir
el IDT en una cuanta mayor.
150
10
7
1.02
11
1.01
1.00
1.00
1.00
1.02
12
0,9 pu
1.01
1.01
13
4
1.01
1,1 pu
1.01
14
1.02
0.99
1.04
15
0.99
1.06
16
1.00
Tensin nominal
1 pu
0.98
17
30
0.99
0.99
18
0.98
29
1.00
0.98
19
28
1.01
0.98
0.98
20
27
0.99
0.99
0.99
0.98
21
0.98
22
26
25
23
24
Tiempo de Ejecucin
Para el caso 1, con una red de 30 nudos y 4 transformadores, se obtiene un tiempo de
ejecucin de 16,3 s usando la mquina descrita en la tabla 4.5.
Procesador
CPU
Memoria RAM
Sistema Operativo
Entorno Matlab
Intel Pentium 4
3 GHz
1 GB
Windows XP SP2
Matlab 7.0 R14
151
-1.88
10
-1.89
10
-1.9
10
-1.91
Indice de Desviacion
10
-1.92
10
-1.93
10
-1.94
10
-1.95
10
-1.96
10
-1.97
10
10
12
14
16
Generaciones
Este caso de pequeo tamao nos da una idea acerca de cmo se comporta el
algoritmo. En la figura 4.13 vemos que se produce una mejora de la solucin conforme se
avanza en el nmero de generaciones. Para el caso que nos ocupa, y debido al pequeo
nmero de variables, se produce una rpida convergencia hacia el ptimo del problema y
eso permite reducir el nmero mximo de generaciones. Lo normal sera permitir
ejecuciones con 100-200 generaciones para dar tiempo a una convergencia segura hacia el
ptimo global.
Caso 2
En este caso se intenta optimizar el proceso gentico al objeto de verificar cul es el
mejor conjunto de parmetros a utilizar en este problema concreto. Este tipo de
heurstica es necesaria para poder obtener la mejor parametrizacin posible del problema
y, de esta forma, llegar a la mejor solucin en el menor tiempo posible.
En la tabla 4.6 se muestra el conjunto de parmetros de trabajo elegido como base
para el desarrollo de esta nueva estrategia.
152
40
60
80
0.9
0.8
0.7
ranking
scaling
sus
rws
xovsp'
'xovdp'
0.6
0.8
Elitismo
Mtodo de Ranking7
Mtodo Seleccin8
Mtodo de Recombinacin9
% Mutacin
0.2
0.4
7
8
9
153
Figura 4.14 Vista 1 de la ejecucin del algoritmo gentico con diferentes parametrizaciones
154
Figura 4.15 Vista 2 de la ejecucin del algoritmo gentico con diferentes parametrizaciones
Tras la realizacin de todo el proceso, se obtienen unos resultados que indican que se
ha logrado el ptimo en un nmero importante de casos, aunque hay muchas
Soluciones ptimas
Mutacin
Ejecuciones
0,2
93
Elitismo
Ejecuciones
Poblacin
Ejecuciones
20
48
Cruce
Ejecuciones
Recombinacin
Ejecuciones
Fitness
Ejecuciones
Soluciones No ptimas
0,4
74
0,6
47
0,8
10
224
0,9
73
0,8
77
0,7
74
224
40
52
60
57
80
67
224
xovsp
111
xovdp
113
224
rws
115
sus
109
224
ranking
137
scalling
87
224
160
Tabla 4.7 Distribucin de soluciones ptimas para el caso IEEE30 en funcin de un conjunto de
parmetros genticos.
Total Ejecuciones
155
% Mutacin
Elitismo
Tamao de poblacin
Mtodo de Fitness
Mtodo de Cruce
Mtodo de Seleccin
0,2
0,9
80
ranking
xovdp
rws
156
Transformador 1
1
Toma
0.98
0.96
0.94
50
100
150
200
250
300
350
400
250
300
350
400
250
300
350
400
250
300
350
400
Transformador 2
Toma
0.98
0.96
0.94
50
100
150
200
Transformador 3
Toma
0.98
0.96
0.94
50
100
150
200
Transformador 4
0.98
Toma
0.97
0.96
0.95
0.94
50
100
150
200
Total de Ejecuciones
Figura 4.16 Evolucin de las tomas de los transformadores de la red IEEE30 para un conjunto de
parmetros genticos
80
60
70
157
100
90
80
Soluciones ptimas
Soluciones ptimas
40
30
20
Soluciones ptimas
60
50
50
40
30
70
60
50
40
30
20
20
10
10
40
60
80
Tamao de la poblacion
140
120
Soluciones ptimas
Soluciones ptimas
100
80
60
40
0.8
0.9
Porcentaje Elitismo
120
120
100
100
80
80
60
40
20
20
0
0.7
Soluciones ptimas
20
10
ranking
scaling
Asignacion Fitness
0.2
0.4
0.6
Porcentaje Mutacion
0.8
60
40
20
xovsp
xovdp
Mtodo de Cruce
rws
sus
Mtodo de Seleccion
IDT = 0,010618
Trafo
Nudos
Toma
HANCOCK
ROANOKE I
ROANOKE II
CLOVERDALE
4-12
6-10
6-9
27-28
-5%
-5%
-5%
-5%
Rango
-5%
-5%
-5%
-5%
a
a
a
a
Incr. escaln
+5%
+5%
+5%
+5%
1%
1%
1%
1%
158
10
7
1.02
11
1.01
12
1.00
1.00
1.00
1.02
5
1.01
1.01
13
4
1.01
1.01
14
1.02
0.99
1.04
15
0.99
1.06
16
1.00
0.98
17
30
0.99
0.99
18
0.98
29
1.00
0.98
19
28
1.01
0.98
0.98
20
27
0.99
0.99
0.99
0.98
21
0.98
22
26
25
23
24
Figura 4.18 Nivel de tensin para la red IEEE30 y caso 2, en su nivel ptimo.
10
11
1.01
1.01
1.00
0.99
12
159
1.00
1.02
5
1.01
1.00
13
4
1.01
1.01
14
1.02
0.99
1.04
15
0.98
1.06
16
0.99
0.97
17
30
0.99
0.98
0.97
18
29
1.00
0.97
19
28
1.00
0.97
0.97
20
27
0.98
0.98
0.98
0.97
21
0.97
22
26
25
23
24
Figura 4.19 Nivel de tensin para la red IEEE30, caso 2 y peor individuo.
Tiempo de Ejecucin
Para el caso 2, se obtiene una serie temporal para cada una de las ejecuciones, la cual
est reflejada en la tabla 4.9, habiendo hecho uso de la mquina descrita en la tabla 4.5.
Ejecucin
t (s)
IDT
Ejecucin t (s)
IDT
Ejecucin t (s)
IDT
7,985
0,010618
129
14,75
0,010618
257
20,625
9,734
0,010618
130
13,562
0,010618
258
16,281
0,010618
7,188
0,011077
131
7,219
0,012182
259
15,016
0,010618
0,012233
0,010618
6,937
0,011075
132
7,234
0,012306
260
13,531
13,625
0,010618
133
8,75
0,010618
261
23,516
0,010618
18,063
0,010618
134
23,282
0,010618
262
16,375
0,010618
9,046
0,010618
135
7,609
0,011075
263
16,859
0,010618
4,922
0,012297
136
8,703
0,010618
264
14,516
0,011077
10,844
0,010618
137
21,235
0,010618
265
12,953
0,010618
10
14,578
0,010618
138
21,062
0,010618
266
28,969
0,010618
11
10,563
0,010618
139
28,344
0,010618
267
24,765
0,010618
12
5,343
0,012958
140
6,875
0,012232
268
13,516
0,01235
13
8,36
0,010618
141
14,922
0,010618
269
14,234
0,010618
160
t (s)
IDT
14
11,625
0,010618
Ejecucin t (s)
142
18,422
0,010618
IDT
Ejecucin t (s)
270
21,407
0,010618
IDT
15
11,875
0,011075
143
21,531
0,010618
271
17,343
0,010618
16
6,547
0,011631
144
6,469
0,011075
272
9,25
0,011674
17
6,89
0,010618
145
15,437
0,010618
273
8,75
0,010618
18
4,469
0,013462
146
6,844
0,012233
274
16,813
0,010618
19
5,156
0,011161
147
13,375
0,011075
275
12,078
0,012835
20
7,297
0,010618
148
10,469
0,011161
276
20,25
0,011606
21
15,203
0,010618
149
20,484
0,010618
277
21,766
0,010618
22
8,047
0,010618
150
13,687
0,010618
278
24,078
0,010618
23
11,578
0,011606
151
13,985
0,011631
279
36,922
0,010618
24
3,953
0,013059
152
18,453
0,011685
280
13,265
0,012899
25
4,469
0,011075
153
16,953
0,010618
281
24,141
0,010618
26
5,938
0,011161
154
6,453
0,011606
282
27,453
0,010618
27
9,172
0,012301
155
14,813
0,011075
283
17,016
0,011077
28
6,125
0,012182
156
14,781
0,011161
284
8,359
0,011606
29
6,562
0,011077
157
21,719
0,010618
285
30,25
0,010618
30
9,188
0,011075
158
10,968
0,011075
286
18,453
0,010618
31
8,5
0,012182
159
12,579
0,010618
287
23,469
0,011075
32
4,203
0,014469
160
6,656
0,011631
288
14,125
0,011674
33
12,047
0,010618
161
9,937
0,010618
289
20,578
0,010618
34
14,562
0,010618
162
10,625
0,010618
290
38,469
0,010618
35
8,141
0,010618
163
21,641
0,010618
291
36,515
0,010618
36
5,14
0,011075
164
6,141
0,011606
292
15,36
0,012133
37
5,594
0,010618
165
11,421
0,010618
293
20,531
0,010618
38
8,313
0,010618
166
9,891
0,010618
294
27,781
0,010618
39
12,203
0,010618
167
6,578
0,011075
295
26,532
0,010618
40
4,078
0,013251
168
5,922
0,013571
296
19,109
0,011631
41
8,844
0,010618
169
9,422
0,010618
297
28,031
0,010618
42
15,234
0,010618
170
9,156
0,010618
298
38,672
0,010618
43
10,453
0,011582
171
12,906
0,010618
299
64,469
0,010618
44
6,453
0,011077
172
11,657
0,011631
300
39,437
0,010618
45
7,656
0,010618
173
9,437
0,010618
301
24,875
0,010618
46
10,875
0,010618
174
14,516
0,010618
302
19
0,010618
47
7,235
0,010618
175
16,156
0,010618
303
47,844
0,010618
48
3,859
0,01302
176
8,922
0,011161
304
24,688
0,011161
49
13,75
0,010618
177
11,141
0,010618
305
45,734
0,010618
50
13,453
0,010618
178
15,75
0,011077
306
28,5
0,010618
51
4,985
0,013571
179
19,75
0,010618
307
30,219
0,012233
52
4,109
0,012306
180
12,687
0,010618
308
47,781
0,011161
53
8,609
0,010618
181
15,859
0,010618
309
46,812
0,010618
54
9,75
0,010618
182
18,375
0,010618
310
73,438
0,010618
55
4,985
0,012975
183
8,907
0,011075
311
39,062
0,011075
56
3,656
0,014973
184
10,265
0,011161
312
34,079
0,010618
57
11,438
0,010618
185
19,375
0,010618
313
50,359
0,010618
58
8,453
0,011606
186
8,219
0,011606
314
16,922
0,011582
59
6,968
0,012133
187
13,609
0,010618
315
28,375
0,011075
60
5,625
0,011631
188
14,329
0,010618
316
35,781
0,011606
61
10,063
0,010618
189
20,328
0,010618
317
36,172
0,010618
62
4,781
0,011674
190
9,953
0,010618
318
24,141
0,011077
63
6,328
0,011161
191
12
0,01228
319
28,75
0,010618
64
4,532
0,011582
192
20,469
0,011685
320
15,281
0,011075
65
7,562
0,010618
193
21,984
0,010618
321
17,844
0,010618
IDT
161
Ejecucin
t (s)
IDT
66
9,109
0,010618
194
23,641
0,010618
Ejecucin t (s)
322
43,531
0,010618
IDT
67
6,829
0,010618
195
22,015
0,010618
323
15,719
0,010618
68
3,718
0,012878
196
28,375
0,010618
324
12,468
0,010618
69
6,86
0,010618
197
17,875
0,010618
325
23,75
0,010618
70
8,515
0,010618
198
18,906
0,010618
326
43,078
0,010618
71
8,578
0,011075
199
14,891
0,010618
327
28,782
0,010618
72
4,469
0,011631
200
10,078
0,011685
328
42,031
0,011077
73
6,828
0,010618
201
16,469
0,010618
329
19,484
0,010618
74
7,5
0,010618
202
30
0,010618
330
37,047
0,010618
75
6,469
0,011685
203
22,641
0,010618
331
31,953
0,010618
76
5,469
0,010618
204
14,265
0,011077
332
13,485
0,011766
77
10,812
0,010618
205
16,219
0,010618
333
20,656
0,010618
78
11,5
0,010618
206
18,953
0,010618
334
33,297
0,010618
79
5,844
0,011075
207
14,281
0,010618
335
26,531
0,010618
80
5,813
0,012373
208
11,297
0,010618
336
30,969
0,010618
81
8,171
0,010618
209
27,875
0,010618
337
22,015
0,010618
82
11,032
0,010618
210
10,11
0,011161
338
47,704
0,010618
83
9,343
0,011631
211
33,281
0,011075
339
24,234
0,010618
84
3,547
0,013632
212
34,406
0,010618
340
17,047
0,011674
85
14,672
0,010618
213
23,094
0,010618
341
26,859
0,010618
86
9,094
0,011075
214
20,187
0,011606
342
30,344
0,010618
87
10,734
0,011685
215
20,266
0,011582
343
30,719
0,011077
88
9,641
0,011631
216
10,734
0,012133
344
28,734
0,011075
89
14,391
0,010618
217
48,657
0,010618
345
30,297
0,010618
90
9,828
0,011077
218
19,671
0,010618
346
33,594
0,010618
91
8,109
0,010618
219
31,016
0,011685
347
21,25
0,011161
92
7,313
0,012934
220
17,234
0,011075
348
17,156
0,011606
93
11,171
0,010618
221
28,547
0,010618
349
36,968
0,010618
94
9,625
0,010618
222
14,844
0,010618
350
28,719
0,010618
95
6,235
0,012182
223
21,484
0,011075
351
30,234
0,011077
96
8,344
0,01235
224
19,032
0,011077
352
18,407
0,010618
97
17,218
0,010618
225
17,968
0,010618
353
21,781
0,010618
98
25,219
0,010618
226
42,204
0,010618
354
34
0,010618
99
19,266
0,010618
227
21
0,010618
355
22,625
0,010618
0,010618
100
8,656
0,012133
228
19,437
0,010618
356
30,203
101
23,328
0,010618
229
21
0,010618
357
19,188
0,010618
102
13,797
0,010618
230
20,922
0,010618
358
25,359
0,010618
103
9,469
0,010618
231
14,469
0,010618
359
20,016
0,010618
104
11,937
0,011075
232
25,359
0,010618
360
21,781
0,010618
105
13,438
0,010618
233
14,078
0,010618
361
26,734
0,010618
106
18,781
0,010618
234
21,156
0,010618
362
27,016
0,010618
107
12,25
0,010618
235
16,219
0,010618
363
16,64
0,011075
108
9,093
0,011075
236
17,313
0,011606
364
10,516
0,011606
109
10,922
0,010618
237
16,297
0,010618
365
19,234
0,010618
110
12,203
0,010618
238
22,046
0,010618
366
21,641
0,010618
111
7,797
0,011582
239
30,672
0,010618
367
23,641
0,010618
112
0,011606
240
20,313
0,011606
368
18,547
0,011606
113
27,469
0,010618
241
24,109
0,010618
369
25,968
0,010618
114
15,719
0,011075
242
31,719
0,010618
370
20,61
0,010618
115
9,5
0,013059
243
16,812
0,011674
371
28,562
0,010618
116
11,484
0,011161
244
9,235
0,01235
372
16,188
0,011075
117
20,078
0,010618
245
29,656
0,010618
373
32,203
0,010618
162
t (s)
IDT
118
8,313
0,011766
Ejecucin t (s)
246
32,234
0,010618
IDT
Ejecucin t (s)
374
18,234
0,011075
IDT
119
9,937
0,011075
247
29,704
0,010618
375
22,453
0,010618
120
11,547
0,011766
248
12,984
0,011077
376
11,407
0,011631
121
17,656
0,010618
249
27,312
0,010618
377
30,25
0,010618
122
21,782
0,010618
250
22,094
0,010618
378
32,375
0,010618
123
8,671
0,011075
251
20,469
0,011161
379
10,765
0,010618
124
11,172
0,012899
252
11,406
0,010618
380
30,438
0,010618
125
23,11
0,010618
253
29,703
0,010618
381
20,422
0,010618
126
19,672
0,010618
254
15,703
0,011075
382
29,89
0,010618
127
13,765
0,012133
255
18,375
0,011075
383
16,516
0,011075
128
10,016
0,011631
256
22,594
0,010618
384
30,453
0,010618
Tabla 4.9 Valor de IDT y tiempo empleado en alcanzar el ptimo para el caso 2 de la red IEEE30
80
70
60
Tiempo (s)
50
40
30
20
10
50
100
150
200
Ejecuciones
Figura 4.20 Tiempo empleado para las ejecuciones ptimas de la red IEEE30, caso 2.
250
163
como
mnimas,
de
los
generadores
han
sido
elegidas
El nudo oscilante o slack es el nmero uno (Kanawha, ver figura 4.21), que
adems coincide con la central generadora de mayor potencia.
164
Parmetro
Valor
Tamao de Poblacin
Nmero de Generaciones
Tipo de Cruce
Tasa de Mutacin
Tasa de Elitismo
80
180
Monopunto
0.2
10%
165
IDT = 0,0244
Recordemos que este ndice tiene el cero como lmite inferior y ser tanto mejor cuanto
menor sea.
Trafo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
SPRIGG
-SALTVILLE
------TAZEWELL
TAZEWELL
TAZEWELL
------
Nudos
4-18
7-29
9-55
10-55
20-21
24-26
24-25
24-25
32-34
41-11
41-43
43-11
13-49
14-46
15-45
39-57
40-54
Toma
-1
-3
-2
-3
-4
+3
-6
-7
-10
-6
-9
-3
-8
-5
0
-5
-4
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
Rango
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
Incr. escaln
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
Tabla 4.11 Posicin de las tomas de los cambiadores para la red IEEE57
Los valores que hacen referencia al rango y escaln expresados en la anterior tabla
pueden ser fcilmente adaptados a cualquier topologa real donde no todos los
transformadores sean iguales y por ende, tengan una regulacin diferente.
166
1.05
Toma (pu)
0.95
0.9
0.85
10
11
12
13
14
15
Nmero de Transformadores
Nudo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Tipo
3
2
2
1
1
2
1
2
2
1
1
2
1
1
1
1
1
1
1
Potencia Activa
(MW)
55,00
3,00
41,00
0,00
13,00
75,00
0,00
150,00
121,00
5,00
0,00
377,00
18,00
10,50
22,00
43,00
42,00
27,20
3,30
Potencia Reactiva
(MVAr)
17,00
88,00
21,00
0,00
4,00
2,00
0,00
22,00
26,00
2,00
0,00
24,00
2,30
5,30
5,00
3,00
8,00
9,80
0,60
16
17
18
Nudo
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
Tipo
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Potencia Activa
(MW)
167
Potencia Reactiva
(MVAr)
2,30
0,00
0,00
6,30
0,00
6,30
0,00
9,30
4,60
17,00
3,60
5,80
1,60
3,80
0,00
6,00
0,00
0,00
14,00
0,00
0,00
6,30
7,10
2,00
12,00
0,00
0,00
29,70
0,00
18,00
21,00
18,00
4,90
20,00
4,10
6,80
7,60
6,70
1,00
0,00
0,00
2,10
0,00
3,20
0,00
0,50
2,30
2,60
1,80
2,90
0,80
1,90
0,00
3,00
0,00
0,00
7,00
0,00
0,00
3,00
4,40
1,00
1,80
0,00
0,00
11,60
0,00
8,50
10,50
5,30
2,20
10,00
1,40
3,40
2,20
2,00
168
300
Potencia
250
200
150
100
50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57
Nudos
16
17
18
14
13
12
19
20
1.02
21
1.02
1.01
11
0.99
0.97
0.98
10
1.01
1.00
22
0.97
0.99
9
0.99
1.00
23
169
0.98
1.00
1.00
24
25
7
0.98
1.00
6
0.98
0.99
5
1.03
26
0.98
4
0.98
0.98
27
0.99
1.00
28
1.01
1.02
29
1.04
1.03
30
1
0.98
1.01
57
31
0.97
0.98
56
1.01
0.99
32
55
0.99
0.99
33
0.98
0.96
34
35
0.98
1.01
52
51
1.02
1.00
37
53
1.00
0.98
36
54
0.99
0.97
0.98
1.01
0.98
38
1.02
0.98
1.02
39
1.03
40
41
1.01
1.04
1.04
50
49
48
47
42
43
44
45
46
Tiempo de Ejecucin
La resolucin del problema para la red IEEE57 se realiza en 226 segundos, usando la
mquina descrita en la tabla 4.5.
170
0.05
Indice de desviacion
0.045
0.04
0.035
0.03
0.025
0.02
20
40
60
80
100
120
140
160
Generacion
La red IEEE57 se puede considerar como un test de mediano tamao y que se acerca
a redes reales instaladas. Se vuelve a comprobar como el algoritmo converge, en un
perodo de tiempo razonable, hacia una solucin donde las tensiones nodales se
encuentran en un rango admisible y cercanas a la nominal.
En la figura 4.25 se muestra cmo se produce una mejora de la solucin conforme se
avanza en el nmero de generaciones. En este caso, un valor de 180 generaciones es
suficiente para obtener un valor razonable, ya que la posible mejora que se pueda
conseguir con ms generaciones, sera mnima, en comparacin con el tiempo empleado.
180
171
Parmetro
Valor
Tamao de Poblacin
Nmero de Generaciones
Tipo de Cruce
Tasa de Mutacin
Tasa de Elitismo
80
180
Monopunto
0.2
10%
IDT = 0,0121
Recordemos que este ndice tiene el cero como lmite inferior y ser tanto mejor cuanto
menor sea.
172
173
Trafo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
A7
A14
A15
A16
A17
B7
B14
B15
B16
B17
C7
C14
C15
C16
C17
C35
Nudos
103-124
109-111
109-112
110-111
110-112
203-224
209-211
209-212
210-211
210-212
303-324
309-311
309-312
310-311
310-312
323-325
Toma
+2
+9
+9
-1
-6
0
+8
+9
0
-6
+3
+9
+10
+1
-8
0
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
Rango
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
Incr. escaln
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
+10%
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
Tabla 4.14 Posicin de las tomas de los cambiadores para la red RTS
Los valores que hacen referencia al rango y escaln expresados en la anterior tabla
pueden ser fcilmente adaptados a cualquier topologa real donde no todos los
transformadores sean iguales y por ende, tengan una regulacin diferente.
174
1.1
1.05
Toma (p.u.)
0.95
0.9
0.85
10
12
14
16
Nmero de Transformadores
Nudo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Tipo
2
2
1
1
1
1
2
1
1
1
1
1
3
2
2
2
1
2
1
1
2
Potencia Activa
(MW)
108
97
180
74
71
136
125
171
175
195
0
0
300
194
317
100
0
333
181
128
0
Potencia Reactiva
(MVAr)
22,00
20,00
37,00
15,00
14,00
28,00
25,00
35,00
36,00
40,00
0,00
0,00
54,00
39,00
64,00
20,00
0,00
68,00
37,00
26,00
0,00
Nudo
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
Tipo
2
2
1
2
2
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
2
2
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
Potencia Activa
(MW)
0
0
0
108
97
180
74
71
136
125
171
175
195
0
0
265
194
317
100
0
333
181
128
0
0
0
0
108
97
180
74
71
136
125
171
175
195
0
0
265
194
317
100
0
333
175
Potencia Reactiva
(MVAr)
0,00
0,00
0,00
22,00
20,00
37,00
15,00
14,00
28,00
25,00
35,00
36,00
40,00
0,00
0,00
54,00
39,00
64,00
20,00
0,00
68,00
37,00
26,00
0,00
0,00
0,00
0,00
22,00
20,00
37,00
15,00
14,00
28,00
25,00
35,00
36,00
40,00
0,00
0,00
54,00
39,00
64,00
20,00
0,00
68,00
176
Nudo
67
68
69
70
71
72
73
Tipo
1
1
2
2
2
1
1
Potencia Activa
(MW)
Potencia Reactiva
(MVAr)
181
128
0
0
0
0
0
37,00
26,00
0,00
0,00
0,00
0,00
0,00
350
Potencia Activa (MW)
Potencia Reactiva (MVAr)
300
250
Potencia
200
150
100
50
0
0
8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 68 70 72
Nudos
177
23
22
21
19
20
18
17
16
24
26
1.00
27
1.00
28
15
14
25
1.00
1.00 0.99
0.99 1.00
1.00
1.00
13
1.00
12
1.00
1.00
0.97
29
11
0.99
1.00
10
0.98
0.98
0.99
0.99
30
1.02
0.98
31
1.03
32
0.97
7
1.00
1.00
1.02
33
0.97
0.98
0.99
36
0.99
0.99
35
0.98
1.01
34
1.00
0.98
37
1.00
1.00
38
1
1.00
1.00
73
0.97
39
1.00
40
1.00
1.00
42
71
1.00
1.00
41
72
1.00
1.00
0.99
43
68
1.00
1.00
45
69
0.99
0.99
44
70
0.99
1.00
1.00
46
67
1.00
1.00
1.00
0.98
47
65
1.00
1.00
1.00
48
66
0.98
0.99
49
0.98
50
1.02
1.00
0.97
0.99
0.98
53
54
55
63
62
1.02
61
51
52
0.98
64
1.00
56
57
58
59
60
178
Tiempo de Ejecucin
La resolucin del problema para la red RTS se realiza en 268 segundos, usando la
mquina descrita en la tabla 4.5.
0.024
Indice de desviacin
0.02
0.018
0.016
0.014
0.012
20
40
60
80
100
120
140
160
180
Generacin
179
180
0.95
0.9
% carga maxima
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
1
10
11
12 13
Hora
14
15
16
17
18
19
20
21
22
23
24
Figura 4.31 Curva base de carga diaria confeccionada con datos reales de http://www.ree.es
Esta curva base har de factor multiplicador, en un escenario concreto, para las
cargas nodales de la red, de manera que se podrn obtener diferentes modelos de carga
con slo variar los valores de entrada en cada nodo de la red. Ha sido confeccionada de
manualmente, siguiendo los patrones tpicos de una red de potencia cualquiera.
Los datos de entrada, en su conjunto, son los definidos en la seccin 4.2.1 y que
pueden encontrarse en el Apndice A. La estructura completa del algoritmo puede verse
en la figura 4.32.
En los siguientes apartados se muestran los resultados obtenidos para dos redes de
tamao medio-grande, teniendo en cuenta un perodo diario completo de 24 horas.
181
Inicio
Inicializar variables
12
12
Potencia Reactiva
Potencia Activa
Fichero de entrada
10
10
0
0
10
15
20
25
10
Generar
Poblacin Inicial
Flujo de Cargas
No Lineal
(Newton-Raphson)
Evaluacin
ptimo?
SI
FIN
NO
Seleccin
Mutacin
Proceso
Gentico
Evaluacin
15
20
25
182
Parmetro
Valor
Tamao de Poblacin
Nmero de Generaciones
Tipo de Cruce
Tasa de Mutacin
Tasa de Elitismo
80
180
Monopunto
0.2
10%
Tabla 4.16 Parmetros genticos para la resolucin de la red IEEE57 en periodos de 24 horas
Hora
1
2
3
4
5
6
7
8
9
10
IDT
0,012673
0,010962
0,010464
0,0096707
0,009941
0,0097518
0,011763
0,017529
0,01876
0,020667
Hora
11
12
13
14
15
16
17
18
19
20
21
22
23
24
183
IDT
0,023187
0,022457
0,02122
0,016692
0,01633
0,019451
0,018913
0,020092
0,031608
0,040087
0,041338
0,03239
0,025187
0,019174
Tabla 4.17 ndices de desviacin de tensin para la red IEEE57 y un periodo de 24 horas
0.045
0.04
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
10
15
20
25
184
Trafo 2
1.04
1.04
1.02
1.02
0.98
0.98
0.96
0.94
185
0.96
0
10
15
20
25
1.05
0.94
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
1.04
1.02
1
0.98
0.96
0.95
10
15
20
25
1.04
0.94
1.08
1.02
1.06
1
1.04
0.98
1.02
0.96
0.94
10
15
20
25
0.99
0.99
0.98
0.98
0.97
0.97
0.96
0.96
0.95
0.94
0.95
0
10
15
20
25
0.94
0.98
0.97
0.98
0.96
0.96
0.95
0.94
10
15
20
25
0.94
0.98
0.98
0.96
0.96
0.94
10
15
20
25
0.94
1
0.98
0.97
0.98
0.96
0.96
0.95
0.94
10
15
20
25
0.94
1
1.06
1.04
0.98
1.02
0.96
1
0.98
10
15
20
25
0.94
Trafo 16
1
0.98
0.96
0.94
10
15
20
25
Trafo 17
Figura 4.34 Representacin grfica de las tomas para la red IEEE57 en un periodo de 24 horas
SPRIGG
-SALTVILLE
------TAZEWELL
TAZEWELL
TAZEWELL
------
Nudos Hora 1
4-18
7-29
9-55
10-55
20-21
24-26
24-25
24-25
32-34
41-11
41-43
43-11
13-49
14-46
15-45
39-57
40-54
-5%
3%
-3%
-3%
0%
1%
-4%
-4%
-5%
-4%
-5%
-2%
-5%
-4%
2%
-5%
-3%
Hora 2
Hora 3
Hora 4
Hora 5
Hora 6
Hora 7
Hora 8
Hora 9
4%
-5%
-1%
-4%
2%
2%
-3%
-3%
-5%
-3%
-4%
-2%
-4%
-4%
2%
-5%
-4%
0%
0%
-2%
2%
-2%
2%
-2%
-4%
-4%
-3%
-5%
-1%
-5%
-3%
1%
-5%
-4%
0%
-2%
0%
-4%
2%
1%
-2%
-2%
-5%
-2%
-4%
-1%
-5%
-3%
1%
-5%
-4%
1%
-5%
0%
2%
-3%
0%
-3%
-4%
-5%
-3%
-2%
-2%
-5%
-3%
0%
-3%
-2%
-1%
-1%
0%
4%
-4%
2%
-3%
-3%
-5%
-2%
-4%
-2%
-5%
-3%
-1%
-3%
-3%
2%
-3%
-1%
-5%
3%
1%
-3%
-5%
-5%
-3%
-5%
-2%
-5%
-4%
0%
-5%
-4%
1%
-5%
-1%
-2%
-1%
3%
-5%
-5%
-5%
-5%
-5%
-3%
-5%
-5%
2%
-4%
-3%
0%
-5%
0%
-3%
-3%
3%
-5%
-4%
-5%
-5%
-5%
-4%
-5%
-5%
0%
-5%
-4%
Hora 10
-3%
-4%
0%
-4%
-3%
4%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-2%
-5%
-4%
Hora 11
-5%
-3%
1%
-5%
-4%
4%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
0%
-5%
-4%
Hora 12
-2%
-5%
-1%
-4%
-3%
5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-1%
-3%
-3%
Trafo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Tabla 4.18 Posicin de las tomas de los cambiadores para la red IEEE57 en un periodo de 24 horas (I)
186
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
SPRIGG
-SALTVILLE
------TAZEWELL
TAZEWELL
TAZEWELL
------
Nudos
Hora
13
Hora
14
Hora
15
Hora
16
Hora
17
Hora
18
Hora
19
Hora
20
Hora
21
Hora
22
Hora
23
Hora
24
4-18
7-29
9-55
10-55
20-21
24-26
24-25
24-25
32-34
41-11
41-43
43-11
13-49
14-46
15-45
39-57
40-54
-5%
-2%
0%
-5%
-5%
4%
-5%
-4%
-5%
-5%
-5%
-3%
-5%
-5%
1%
-5%
-4%
-2%
-5%
1%
-2%
-3%
2%
-4%
-5%
-5%
-5%
-5%
-3%
-5%
-5%
-1%
-4%
-4%
-1%
-4%
1%
-4%
0%
3%
-4%
-4%
-5%
-5%
-5%
-2%
-5%
-5%
1%
-4%
-4%
3%
-5%
0%
-5%
-3%
4%
-5%
-3%
-5%
-5%
-5%
-3%
-5%
-5%
0%
-5%
-3%
-1%
-4%
1%
-2%
-4%
3%
-5%
-5%
-5%
-5%
-5%
-4%
-5%
-5%
1%
-5%
-4%
-5%
-1%
-1%
-4%
-1%
5%
-5%
-4%
-5%
-5%
-5%
-5%
-5%
-5%
3%
-5%
-4%
-5%
0%
1%
-5%
-4%
5%
-5%
-5%
-5%
-5%
-5%
-5%
-4%
-5%
0%
-2%
-4%
-4%
-5%
1%
-5%
-5%
5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-2%
-4%
-5%
-4%
-5%
4%
-4%
-3%
5%
-5%
-5%
-4%
-5%
-5%
-5%
-5%
-5%
0%
-5%
-5%
-5%
-5%
1%
-5%
-5%
4%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
-5%
1%
-5%
-5%
-5%
-3%
2%
-4%
-4%
4%
-5%
-4%
-5%
-5%
-5%
-5%
-5%
-5%
3%
-4%
-5%
-1%
-5%
1%
-4%
0%
4%
-5%
-5%
-5%
-5%
-5%
-3%
-5%
-5%
0%
-4%
-4%
Trafo
Tabla 4.19 Posicin de las tomas de los cambiadores para la red IEEE57 en un periodo de 24 horas (II)
187
Tipo
Hora 1 Hora 2 Hora 3 Hora 4 Hora 5 Hora 6 Hora 7 Hora 8 Hora 9 Hora 10 Hora 11 Hora 12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
3
2
2
1
1
2
1
2
2
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
36,10
1,97
26,91
0,00
8,53
49,23
0,00
98,45
79,42
3,28
0,00
247,44
11,81
6,89
14,44
28,22
27,57
17,85
2,17
1,51
0,00
0,00
4,14
0,00
32,82
1,79
24,47
0,00
7,76
44,75
0,00
89,51
72,20
2,98
0,00
224,96
10,74
6,27
13,13
25,66
25,06
16,23
1,97
1,37
0,00
0,00
3,76
0,00
30,86
1,68
23,01
0,00
7,29
42,08
0,00
84,17
67,89
2,81
0,00
211,54
10,10
5,89
12,34
24,13
23,57
15,26
1,85
1,29
0,00
0,00
3,53
0,00
29,95
1,63
22,33
0,00
7,08
40,84
0,00
81,69
65,90
2,72
0,00
205,31
9,80
5,72
11,98
23,42
22,87
14,81
1,80
1,25
0,00
0,00
3,43
0,00
29,55
1,61
22,03
0,00
6,98
40,30
0,00
80,59
65,01
2,69
0,00
202,56
9,67
5,64
11,82
23,10
22,57
14,61
1,77
1,24
0,00
0,00
3,38
0,00
30,04
1,64
22,39
0,00
7,10
40,96
0,00
81,91
66,08
2,73
0,00
205,87
9,83
5,73
12,01
23,48
22,94
14,85
1,80
1,26
0,00
0,00
3,44
0,00
34,46
1,88
25,69
0,00
8,14
46,99
0,00
93,98
75,81
3,13
0,00
236,20
11,28
6,58
13,78
26,94
26,31
17,04
2,07
1,44
0,00
0,00
3,95
0,00
43,18
2,36
32,19
0,00
10,21
58,88
0,00
117,76
94,99
3,93
0,00
295,97
14,13
8,24
17,27
33,76
32,97
21,35
2,59
1,81
0,00
0,00
4,95
0,00
44,59
2,43
33,24
0,00
10,54
60,81
0,00
121,62
98,11
4,05
0,00
305,67
14,59
8,51
17,84
34,86
34,05
22,05
2,68
1,86
0,00
0,00
5,11
0,00
46,21
2,52
34,45
0,00
10,92
63,01
0,00
126,03
101,66
4,20
0,00
316,75
15,12
8,82
18,48
36,13
35,29
22,85
2,77
1,93
0,00
0,00
5,29
0,00
48,15
2,63
35,89
0,00
11,38
65,65
0,00
131,31
105,92
4,38
0,00
330,01
15,76
9,19
19,26
37,64
36,77
23,81
2,89
2,01
0,00
0,00
5,51
0,00
47,17
2,57
35,16
0,00
11,15
64,32
0,00
128,63
103,77
4,29
0,00
323,30
15,44
9,00
18,87
36,88
36,02
23,33
2,83
1,97
0,00
0,00
5,40
0,00
Nudo
188
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
4,14
0,00
6,10
3,02
11,16
2,36
3,81
1,05
2,49
0,00
3,94
0,00
0,00
9,19
0,00
0,00
4,14
4,66
1,31
7,88
0,00
0,00
19,49
0,00
11,81
13,78
11,81
3,22
3,76
0,00
5,55
2,74
10,14
2,15
3,46
0,95
2,27
0,00
3,58
0,00
0,00
8,35
0,00
0,00
3,76
4,24
1,19
7,16
0,00
0,00
17,72
0,00
10,74
12,53
10,74
2,92
3,53
0,00
5,22
2,58
9,54
2,02
3,25
0,90
2,13
0,00
3,37
0,00
0,00
7,86
0,00
0,00
3,53
3,98
1,12
6,73
0,00
0,00
16,67
0,00
10,10
11,78
10,10
2,75
3,43
0,00
5,06
2,51
9,26
1,96
3,16
0,87
2,07
0,00
3,27
0,00
0,00
7,62
0,00
0,00
3,43
3,87
1,09
6,54
0,00
0,00
16,17
0,00
9,80
11,44
9,80
2,67
3,38
0,00
5,00
2,47
9,13
1,93
3,12
0,86
2,04
0,00
3,22
0,00
0,00
7,52
0,00
0,00
3,38
3,81
1,07
6,45
0,00
0,00
15,96
0,00
9,67
11,28
9,67
2,63
3,44
0,00
5,08
2,51
9,28
1,97
3,17
0,87
2,08
0,00
3,28
0,00
0,00
7,65
0,00
0,00
3,44
3,88
1,09
6,55
0,00
0,00
16,22
0,00
9,83
11,47
9,83
2,68
3,95
0,00
5,83
2,88
10,65
2,26
3,63
1,00
2,38
0,00
3,76
0,00
0,00
8,77
0,00
0,00
3,95
4,45
1,25
7,52
0,00
0,00
18,61
0,00
11,28
13,16
11,28
3,07
4,95
0,00
7,30
3,61
13,35
2,83
4,55
1,26
2,98
0,00
4,71
0,00
0,00
10,99
0,00
0,00
4,95
5,57
1,57
9,42
0,00
0,00
23,32
0,00
14,13
16,49
14,13
3,85
5,11
0,00
7,54
3,73
13,78
2,92
4,70
1,30
3,08
0,00
4,86
0,00
0,00
11,35
0,00
0,00
5,11
5,76
1,62
9,73
0,00
0,00
24,08
0,00
14,59
17,03
14,59
3,97
5,29
0,00
7,81
3,86
14,28
3,02
4,87
1,34
3,19
0,00
5,04
0,00
0,00
11,76
0,00
0,00
5,29
5,97
1,68
10,08
0,00
0,00
24,95
0,00
15,12
17,64
15,12
4,12
5,51
0,00
8,14
4,03
14,88
3,15
5,08
1,40
3,33
0,00
5,25
0,00
0,00
12,26
0,00
0,00
5,51
6,22
1,75
10,50
0,00
0,00
26,00
0,00
15,76
18,38
15,76
4,29
5,40
0,00
7,98
3,94
14,58
3,09
4,97
1,37
3,26
0,00
5,15
0,00
0,00
12,01
0,00
0,00
5,40
6,09
1,72
10,29
0,00
0,00
25,47
0,00
15,44
18,01
15,44
4,20
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
189
1
1
1
1
1
13,13
2,69
4,46
4,99
4,40
11,93
2,45
4,06
4,54
4,00
11,22
2,30
3,82
4,26
3,76
10,89
2,23
3,70
4,14
3,65
10,75
2,20
3,65
4,08
3,60
10,92
2,24
3,71
4,15
3,66
12,53
2,57
4,26
4,76
4,20
15,70
3,22
5,34
5,97
5,26
16,22
3,32
5,51
6,16
5,43
16,80
3,44
5,71
6,39
5,63
17,51
3,59
5,95
6,65
5,87
17,15
3,52
5,83
6,52
5,75
Tabla 4.20 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (I)
Nudo
Tipo
Hora 13 Hora 14 Hora 15 Hora 16 Hora 17 Hora 18 Hora 19 Hora 20 Hora 21 Hora 22 Hora 23 Hora 24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
3
2
2
1
1
2
1
2
2
1
1
2
1
1
1
1
1
46,34
2,53
34,54
0,00
10,95
63,19
0,00
126,38
101,95
4,21
0,00
317,64
15,17
8,85
18,54
36,23
35,39
42,28
2,31
31,52
0,00
9,99
57,66
0,00
115,31
93,02
3,84
0,00
289,82
13,84
8,07
16,91
33,06
32,29
41,76
2,28
31,13
0,00
9,87
56,95
0,00
113,90
91,88
3,80
0,00
286,26
13,67
7,97
16,71
32,65
31,89
44,65
2,44
33,29
0,00
10,55
60,89
0,00
121,78
98,24
4,06
0,00
306,08
14,61
8,52
17,86
34,91
34,10
44,74
2,44
33,35
0,00
10,57
61,00
0,00
122,01
98,42
4,07
0,00
306,64
14,64
8,54
17,89
34,98
34,16
45,41
2,48
33,85
0,00
10,73
61,92
0,00
123,84
99,90
4,13
0,00
311,25
14,86
8,67
18,16
35,50
34,68
50,95
2,78
37,98
0,00
12,04
69,48
0,00
138,96
112,10
4,63
0,00
349,26
16,68
9,73
20,38
39,84
38,91
55,00
3,00
41,00
0,00
13,00
75,00
0,00
150,00
121,00
5,00
0,00
377,00
18,00
10,50
22,00
43,00
42,00
54,38
2,97
40,53
0,00
12,85
74,15
0,00
148,29
119,62
4,94
0,00
372,71
17,80
10,38
21,75
42,51
41,52
52,64
2,87
39,24
0,00
12,44
71,78
0,00
143,56
115,81
4,79
0,00
360,83
17,23
10,05
21,06
41,16
40,20
48,84
2,66
36,41
0,00
11,54
66,60
0,00
133,20
107,45
4,44
0,00
334,78
15,98
9,32
19,54
38,19
37,30
44,87
2,45
33,45
0,00
10,61
61,18
0,00
122,36
98,70
4,08
0,00
307,53
14,68
8,57
17,95
35,08
34,26
53
54
55
56
57
190
Tipo
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
20,91
2,54
1,77
0,00
0,00
4,84
0,00
4,84
0,00
7,15
3,54
13,07
2,77
4,46
1,23
2,92
0,00
4,61
0,00
0,00
10,76
0,00
0,00
4,84
5,46
1,54
20,65
2,51
1,75
0,00
0,00
4,78
0,00
4,78
0,00
7,06
3,49
12,91
2,73
4,40
1,21
2,89
0,00
4,56
0,00
0,00
10,63
0,00
0,00
4,78
5,39
1,52
22,08
2,68
1,87
0,00
0,00
5,11
0,00
5,11
0,00
7,55
3,73
13,80
2,92
4,71
1,30
3,09
0,00
4,87
0,00
0,00
11,37
0,00
0,00
5,11
5,76
1,62
22,12
2,68
1,87
0,00
0,00
5,12
0,00
5,12
0,00
7,56
3,74
13,83
2,93
4,72
1,30
3,09
0,00
4,88
0,00
0,00
11,39
0,00
0,00
5,12
5,77
1,63
22,46
2,72
1,90
0,00
0,00
5,20
0,00
5,20
0,00
7,68
3,80
14,04
2,97
4,79
1,32
3,14
0,00
4,95
0,00
0,00
11,56
0,00
0,00
5,20
5,86
1,65
25,20
3,06
2,13
0,00
0,00
5,84
0,00
5,84
0,00
8,62
4,26
15,75
3,34
5,37
1,48
3,52
0,00
5,56
0,00
0,00
12,97
0,00
0,00
5,84
6,58
1,85
27,20
3,30
2,30
0,00
0,00
6,30
0,00
6,30
0,00
9,30
4,60
17,00
3,60
5,80
1,60
3,80
0,00
6,00
0,00
0,00
14,00
0,00
0,00
6,30
7,10
2,00
26,89
3,26
2,27
0,00
0,00
6,23
0,00
6,23
0,00
9,19
4,55
16,81
3,56
5,73
1,58
3,76
0,00
5,93
0,00
0,00
13,84
0,00
0,00
6,23
7,02
1,98
26,03
3,16
2,20
0,00
0,00
6,03
0,00
6,03
0,00
8,90
4,40
16,27
3,45
5,55
1,53
3,64
0,00
5,74
0,00
0,00
13,40
0,00
0,00
6,03
6,80
1,91
24,15
2,93
2,04
0,00
0,00
5,59
0,00
5,59
0,00
8,26
4,08
15,10
3,20
5,15
1,42
3,37
0,00
5,33
0,00
0,00
12,43
0,00
0,00
5,59
6,31
1,78
22,19
2,69
1,88
0,00
0,00
5,14
0,00
5,14
0,00
7,59
3,75
13,87
2,94
4,73
1,31
3,10
0,00
4,89
0,00
0,00
11,42
0,00
0,00
5,14
5,79
1,63
Nudo
191
Tipo
44
45
46
47
48
49
50
51
52
53
54
55
56
57
1
1
1
1
1
1
1
1
1
1
1
1
1
1
9,23
0,00
0,00
22,83
0,00
13,84
16,14
13,84
3,77
15,38
3,15
5,23
5,84
5,15
9,11
0,00
0,00
22,55
0,00
13,67
15,95
13,67
3,72
15,19
3,11
5,16
5,77
5,09
9,74
0,00
0,00
24,11
0,00
14,61
17,05
14,61
3,98
16,24
3,33
5,52
6,17
5,44
9,76
0,00
0,00
24,16
0,00
14,64
17,08
14,64
3,99
16,27
3,33
5,53
6,18
5,45
9,91
0,00
0,00
24,52
0,00
14,86
17,34
14,86
4,05
16,51
3,39
5,61
6,27
5,53
11,12
0,00
0,00
27,52
0,00
16,68
19,46
16,68
4,54
18,53
3,80
6,30
7,04
6,21
12,00
0,00
0,00
29,70
0,00
18,00
21,00
18,00
4,90
20,00
4,10
6,80
7,60
6,70
11,86
0,00
0,00
29,36
0,00
17,80
20,76
17,80
4,84
19,77
4,05
6,72
7,51
6,62
Tabla 4.21 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (II)
11,49
0,00
0,00
28,43
0,00
17,23
20,10
17,23
4,69
19,14
3,92
6,51
7,27
6,41
10,66
0,00
0,00
26,37
0,00
15,98
18,65
15,98
4,35
17,76
3,64
6,04
6,75
5,95
9,79
0,00
0,00
24,23
0,00
14,68
17,13
14,68
4,00
16,32
3,34
5,55
6,20
5,47
Nudo
192
Tipo
Hora 1 Hora 2 Hora 3 Hora 4 Hora 5 Hora 6 Hora 7 Hora 8 Hora 9 Hora 10 Hora 11 Hora 12
3
2
2
1
1
2
1
2
2
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
11,16
57,76
13,78
0,00
2,63
1,31
0,00
14,44
17,07
1,31
0,00
15,75
1,51
3,48
3,28
1,97
5,25
6,43
0,39
0,66
0,00
0,00
1,38
0,00
10,14
52,51
12,53
0,00
2,39
1,19
0,00
13,13
15,52
1,19
0,00
14,32
1,37
3,16
2,98
1,79
4,77
5,85
0,36
0,60
0,00
0,00
1,25
0,00
9,54
49,38
11,78
0,00
2,24
1,12
0,00
12,34
14,59
1,12
0,00
13,47
1,29
2,97
2,81
1,68
4,49
5,50
0,34
0,56
0,00
0,00
1,18
0,00
9,26
47,92
11,44
0,00
2,18
1,09
0,00
11,98
14,16
1,09
0,00
13,07
1,25
2,89
2,72
1,63
4,36
5,34
0,33
0,54
0,00
0,00
1,14
0,00
9,13
47,28
11,28
0,00
2,15
1,07
0,00
11,82
13,97
1,07
0,00
12,90
1,24
2,85
2,69
1,61
4,30
5,27
0,32
0,54
0,00
0,00
1,13
0,00
9,28
48,06
11,47
0,00
2,18
1,09
0,00
12,01
14,20
1,09
0,00
13,11
1,26
2,89
2,73
1,64
4,37
5,35
0,33
0,55
0,00
0,00
1,15
0,00
10,65
55,14
13,16
0,00
2,51
1,25
0,00
13,78
16,29
1,25
0,00
15,04
1,44
3,32
3,13
1,88
5,01
6,14
0,38
0,63
0,00
0,00
1,32
0,00
13,35
69,09
16,49
0,00
3,14
1,57
0,00
17,27
20,41
1,57
0,00
18,84
1,81
4,16
3,93
2,36
6,28
7,69
0,47
0,79
0,00
0,00
1,65
0,00
13,78
71,35
17,03
0,00
3,24
1,62
0,00
17,84
21,08
1,62
0,00
19,46
1,86
4,30
4,05
2,43
6,49
7,95
0,49
0,81
0,00
0,00
1,70
0,00
14,28
73,94
17,64
0,00
3,36
1,68
0,00
18,48
21,85
1,68
0,00
20,16
1,93
4,45
4,20
2,52
6,72
8,23
0,50
0,84
0,00
0,00
1,76
0,00
14,88
77,03
18,38
0,00
3,50
1,75
0,00
19,26
22,76
1,75
0,00
21,01
2,01
4,64
4,38
2,63
7,00
8,58
0,53
0,88
0,00
0,00
1,84
0,00
14,58
75,47
18,01
0,00
3,43
1,72
0,00
18,87
22,30
1,72
0,00
20,58
1,97
4,55
4,29
2,57
6,86
8,40
0,51
0,86
0,00
0,00
1,80
0,00
193
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Nudo
2,10
0,00
0,33
1,51
1,71
1,18
1,90
0,53
1,25
0,00
1,97
0,00
0,00
4,59
0,00
0,00
1,97
2,89
0,66
1,18
0,00
0,00
7,61
0,00
5,58
6,89
3,48
1,44
1,91
0,00
0,30
1,37
1,55
1,07
1,73
0,48
1,13
0,00
1,79
0,00
0,00
4,18
0,00
0,00
1,79
2,63
0,60
1,07
0,00
0,00
6,92
0,00
5,07
6,27
3,16
1,31
1,80
0,00
0,28
1,29
1,46
1,01
1,63
0,45
1,07
0,00
1,68
0,00
0,00
3,93
0,00
0,00
1,68
2,47
0,56
1,01
0,00
0,00
6,51
0,00
4,77
5,89
2,97
1,23
1,74
0,00
0,27
1,25
1,42
0,98
1,58
0,44
1,03
0,00
1,63
0,00
0,00
3,81
0,00
0,00
1,63
2,40
0,54
0,98
0,00
0,00
6,32
0,00
4,63
5,72
2,89
1,20
1,72
0,00
0,27
1,24
1,40
0,97
1,56
0,43
1,02
0,00
1,61
0,00
0,00
3,76
0,00
0,00
1,61
2,36
0,54
0,97
0,00
0,00
6,23
0,00
4,57
5,64
2,85
1,18
1,75
0,00
0,27
1,26
1,42
0,98
1,58
0,44
1,04
0,00
1,64
0,00
0,00
3,82
0,00
0,00
1,64
2,40
0,55
0,98
0,00
0,00
6,33
0,00
4,64
5,73
2,89
1,20
2,00
0,00
0,31
1,44
1,63
1,13
1,82
0,50
1,19
0,00
1,88
0,00
0,00
4,39
0,00
0,00
1,88
2,76
0,63
1,13
0,00
0,00
7,27
0,00
5,33
6,58
3,32
1,38
2,51
0,00
0,39
1,81
2,04
1,41
2,28
0,63
1,49
0,00
2,36
0,00
0,00
5,50
0,00
0,00
2,36
3,45
0,79
1,41
0,00
0,00
9,11
0,00
6,67
8,24
4,16
1,73
2,59
0,00
0,41
1,86
2,11
1,46
2,35
0,65
1,54
0,00
2,43
0,00
0,00
5,68
0,00
0,00
2,43
3,57
0,81
1,46
0,00
0,00
9,41
0,00
6,89
8,51
4,30
1,78
2,69
0,00
0,42
1,93
2,18
1,51
2,44
0,67
1,60
0,00
2,52
0,00
0,00
5,88
0,00
0,00
2,52
3,70
0,84
1,51
0,00
0,00
9,75
0,00
7,14
8,82
4,45
1,85
2,80
0,00
0,44
2,01
2,28
1,58
2,54
0,70
1,66
0,00
2,63
0,00
0,00
6,13
0,00
0,00
2,63
3,85
0,88
1,58
0,00
0,00
10,15
0,00
7,44
9,19
4,64
1,93
2,74
0,00
0,43
1,97
2,23
1,54
2,49
0,69
1,63
0,00
2,57
0,00
0,00
6,00
0,00
0,00
2,57
3,77
0,86
1,54
0,00
0,00
9,95
0,00
7,29
9,00
4,55
1,89
194
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
1
1
1
1
1
6,56
0,92
2,23
1,44
1,31
5,97
0,84
2,03
1,31
1,19
5,61
0,79
1,91
1,23
1,12
5,45
0,76
1,85
1,20
1,09
5,37
0,75
1,83
1,18
1,07
5,46
0,76
1,86
1,20
1,09
6,27
0,88
2,13
1,38
1,25
7,85
1,10
2,67
1,73
1,57
8,11
1,14
2,76
1,78
1,62
8,40
1,18
2,86
1,85
1,68
8,75
1,23
2,98
1,93
1,75
8,58
1,20
2,92
1,89
1,72
Tabla 4.22 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (III)
Nudo
Tipo
Hora 13 Hora 14 Hora 15 Hora 16 Hora 17 Hora 18 Hora 19 Hora 20 Hora 21 Hora 22 Hora 23 Hora 24
3
2
2
1
1
2
1
2
2
1
1
2
1
1
1
1
1
1
1
14,32
74,14
17,69
0,00
3,37
1,69
0,00
18,54
21,91
1,69
0,00
20,22
1,94
4,47
4,21
2,53
6,74
8,26
0,51
13,07
67,65
16,14
0,00
3,08
1,54
0,00
16,91
19,99
1,54
0,00
18,45
1,77
4,07
3,84
2,31
6,15
7,53
0,46
12,91
66,82
15,95
0,00
3,04
1,52
0,00
16,71
19,74
1,52
0,00
18,22
1,75
4,02
3,80
2,28
6,07
7,44
0,46
13,80
71,45
17,05
0,00
3,25
1,62
0,00
17,86
21,11
1,62
0,00
19,49
1,87
4,30
4,06
2,44
6,50
7,96
0,49
13,83
71,58
17,08
0,00
3,25
1,63
0,00
17,89
21,15
1,63
0,00
19,52
1,87
4,31
4,07
2,44
6,51
7,97
0,49
14,04
72,65
17,34
0,00
3,30
1,65
0,00
18,16
21,47
1,65
0,00
19,81
1,90
4,38
4,13
2,48
6,60
8,09
0,50
15,75
81,53
19,46
0,00
3,71
1,85
0,00
20,38
24,09
1,85
0,00
22,23
2,13
4,91
4,63
2,78
7,41
9,08
0,56
17,00
88,00
21,00
0,00
4,00
2,00
0,00
22,00
26,00
2,00
0,00
24,00
2,30
5,30
5,00
3,00
8,00
9,80
0,60
16,81
87,00
20,76
0,00
3,95
1,98
0,00
21,75
25,70
1,98
0,00
23,73
2,27
5,24
4,94
2,97
7,91
9,69
0,59
16,27
84,23
20,10
0,00
3,83
1,91
0,00
21,06
24,89
1,91
0,00
22,97
2,20
5,07
4,79
2,87
7,66
9,38
0,57
15,10
78,15
18,65
0,00
3,55
1,78
0,00
19,54
23,09
1,78
0,00
21,31
2,04
4,71
4,44
2,66
7,10
8,70
0,53
13,87
71,78
17,13
0,00
3,26
1,63
0,00
17,95
21,21
1,63
0,00
19,58
1,88
4,32
4,08
2,45
6,53
7,99
0,49
195
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
53
54
55
56
57
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0,77
0,00
0,00
1,61
0,00
2,46
0,00
0,38
1,77
2,00
1,38
2,23
0,62
1,46
0,00
2,31
0,00
0,00
5,38
0,00
0,00
2,31
3,38
0,77
1,38
0,00
0,76
0,00
0,00
1,59
0,00
2,43
0,00
0,38
1,75
1,97
1,37
2,20
0,61
1,44
0,00
2,28
0,00
0,00
5,32
0,00
0,00
2,28
3,34
0,76
1,37
0,00
0,81
0,00
0,00
1,70
0,00
2,60
0,00
0,41
1,87
2,11
1,46
2,35
0,65
1,54
0,00
2,44
0,00
0,00
5,68
0,00
0,00
2,44
3,57
0,81
1,46
0,00
0,81
0,00
0,00
1,71
0,00
2,60
0,00
0,41
1,87
2,11
1,46
2,36
0,65
1,55
0,00
2,44
0,00
0,00
5,69
0,00
0,00
2,44
3,58
0,81
1,46
0,00
0,83
0,00
0,00
1,73
0,00
2,64
0,00
0,41
1,90
2,15
1,49
2,39
0,66
1,57
0,00
2,48
0,00
0,00
5,78
0,00
0,00
2,48
3,63
0,83
1,49
0,00
0,93
0,00
0,00
1,95
0,00
2,96
0,00
0,46
2,13
2,41
1,67
2,69
0,74
1,76
0,00
2,78
0,00
0,00
6,49
0,00
0,00
2,78
4,08
0,93
1,67
0,00
1,00
0,00
0,00
2,10
0,00
3,20
0,00
0,50
2,30
2,60
1,80
2,90
0,80
1,90
0,00
3,00
0,00
0,00
7,00
0,00
0,00
3,00
4,40
1,00
1,80
0,00
0,99
0,00
0,00
2,08
0,00
3,16
0,00
0,49
2,27
2,57
1,78
2,87
0,79
1,88
0,00
2,97
0,00
0,00
6,92
0,00
0,00
2,97
4,35
0,99
1,78
0,00
0,96
0,00
0,00
2,01
0,00
3,06
0,00
0,48
2,20
2,49
1,72
2,78
0,77
1,82
0,00
2,87
0,00
0,00
6,70
0,00
0,00
2,87
4,21
0,96
1,72
0,00
0,89
0,00
0,00
1,86
0,00
2,84
0,00
0,44
2,04
2,31
1,60
2,58
0,71
1,69
0,00
2,66
0,00
0,00
6,22
0,00
0,00
2,66
3,91
0,89
1,60
0,00
0,82
0,00
0,00
1,71
0,00
2,61
0,00
0,41
1,88
2,12
1,47
2,37
0,65
1,55
0,00
2,45
0,00
0,00
5,71
0,00
0,00
2,45
3,59
0,82
1,47
0,00
196
Tipo
Nudo
Tipo
46
47
48
49
50
51
52
53
54
55
56
57
1
1
1
1
1
1
1
1
1
1
1
1
0,00
8,92
0,00
6,53
8,07
4,07
1,69
7,69
1,08
2,61
1,69
1,54
0,00
8,81
0,00
6,45
7,97
4,02
1,67
7,59
1,06
2,58
1,67
1,52
0,00
9,42
0,00
6,90
8,52
4,30
1,79
8,12
1,14
2,76
1,79
1,62
0,00
9,44
0,00
6,91
8,54
4,31
1,79
8,13
1,14
2,77
1,79
1,63
0,00
9,58
0,00
7,02
8,67
4,38
1,82
8,26
1,16
2,81
1,82
1,65
0,00
10,75
0,00
7,87
9,73
4,91
2,04
9,26
1,30
3,15
2,04
1,85
0,00
11,60
0,00
8,50
10,50
5,30
2,20
10,00
1,40
3,40
2,20
2,00
0,00
11,47
0,00
8,40
10,38
5,24
2,18
9,89
1,38
3,36
2,18
1,98
Tabla 4.23 Situacin de cargas para la red IEEE57 en un periodo de 24 horas (IV)
0,00
11,10
0,00
8,14
10,05
5,07
2,11
9,57
1,34
3,25
2,11
1,91
0,00
10,30
0,00
7,55
9,32
4,71
1,95
8,88
1,24
3,02
1,95
1,78
0,00
9,46
0,00
6,93
8,57
4,32
1,79
8,16
1,14
2,77
1,79
1,63
Nudo
197
198
patrn caracterstico o repetitivo, sino que depende del nivel de cargas asociado a cada
nodo de la red. Adems, la configuracin del sistema y su topologa determinan
claramente su nivel.
Cabe destacar que los transformadores no llegan a agotar su rango de regulacin de
manera clara, por lo que se suele mantener un margen para regulacin que conviene
desde el punto de vista del tratamiento de contingencias.
18
15
16
17
14
13
12
19
20
1.02
1.02
0.99
0.99
1.00
21
1.00
0.98
1.01
22
1.00
7
0.99
6
0.98
0.98
0.99
0.99
1.00
29
0.98
0.99
30
0.99
1.01
57
31
1.04
1.02
1
0.99
1.01
1.01
1.01
29
1.04
1.02
28
1.01
1.02
0.98
0.98
27
31
1.00
28
30
0.98
0.98
1.01
9
0.99
1.00
1.02
26
27
0.98
1.00
0.98
0.99
10
1.01
1.00
25
5
1.02
26
0.99
1.00
24
0.98
1.00
0.99
1.00
23
7
0.99
1.00
25
13
11
1.00
1.00
22
0.98
1.02
1.01
21
1.00
24
14
12
1.03
0.99
1.00
23
15
19
20
10
1.01
16
17
18
11
1.00
57
0.99
0.99
56
55
1.00
54
34
35
0.98
37
0.99
1.01
0.98
38
0.98
1.02
1.01
1.03
48
41
47
42
43
44
45
Hora 1
46
37
0.99
50
54
1.01
0.99
0.99
1.02
1.01
1.02
49
1.02
48
40
41
50
1.01
1.01
39
47
42
43
44
45
Hora 2
46
53
52
51
1.01
1.00
49
1.03
40
1.01
1.00
0.99
36
38
1.01
1.01
39
0.99
52
51
1.01
1.00
1.00
0.98
53
35
1.01
1.00
0.99
36
0.99
0.98
34
1.00
0.98
55
1.00
0.99
33
0.99
0.97
1.02
0.99
32
1.00
33
56
1.01
1.00
32
18
15
16
17
14
12
1.03
20
1.02
1.00
0.99
0.99
9
8
0.98
1.00
24
24
10
1.01
0.98
0.99
9
1.00
8
0.98
1.00
7
0.99
1.00
25
0.98
0.98
1.02
0.98
0.99
27
0.99
1.00
0.98
1.02
26
4
0.98
0.99
0.98
1.00
27
0.99
1.00
1.01
26
0.99
1.00
0.99
1.00
25
13
11
1.00
0.99
23
1.00
1.02
1.01
22
1.00
1.00
23
14
12
1.03
21
0.98
1.00
22
20
10
1.01
1.00
15
16
17
19
11
1.00
21
18
13
19
199
0.99
1.00
28
28
1.01
1.00
29
30
0.99
1.01
1.04
1.01
30
31
29
1.04
1.01
1.01
1.00
1
0.99
1.00
57
57
0.99
0.99
31
0.99
0.99
56
56
1.02
1.00
32
33
55
1.00
1.00
54
55
1.00
0.99
33
0.99
0.98
1.02
0.99
32
0.99
0.98
54
34
34
1.00
0.98
35
35
1.01
0.99
0.99
0.99
1.01
1.01
1.03
43
0.99
41
18
15
16
17
14
13
0.99
0.99
0.98
1.00
1.00
15
16
14
13
12
11
1.00
0.99
0.99
10
1.01
0.98
0.99
9
1.00
0.99
0.98
1.00
1.00
7
24
0.99
25
7
0.99
1.00
0.98
1.00
1.02
1.00
23
1.00
1.00
25
46
45
44
1.00
22
0.98
1.00
24
43
17
1.03
21
1.00
23
20
10
1.01
1.00
22
48
19
11
1.00
1.02
21
18
12
1.02
49
1.02
Hora 4
19
1.03
1.02
47
42
Hora 3
20
1.01
1.01
40
46
45
44
50
1.01
1.01
47
42
1.01
0.99
39
48
40
41
0.99
50
49
1.03
51
1.01
1.00
38
1.02
1.01
39
52
1.00
0.99
37
1.01
0.99
38
1.01
0.99
36
51
1.01
1.01
37
53
52
1.00
0.99
36
1.00
0.98
53
6
0.98
1.01
4
27
0.99
1.00
28
0.98
0.99
0.99
1.01
0.98
1.02
26
0.98
1.00
27
0.98
1.02
26
28
1.01
1.01
29
31
0.99
0.99
1.01
57
0.99
30
0.99
31
1.04
1.02
1.01
1.01
1.01
29
1.04
1.02
30
57
0.99
0.99
56
1.00
1.00
32
56
55
0.99
1.00
33
0.99
54
34
55
1.00
0.99
33
0.98
1.01
1.00
32
0.99
0.98
54
34
1.00
0.98
35
0.99
35
1.01
37
0.99
1.00
0.98
38
1.01
1.01
41
1.03
43
44
Hora 5
45
46
1.01
0.99
38
48
47
42
0.99
49
1.01
0.99
40
37
1.01
1.01
39
0.99
1.01
1.01
1.02
41
48
47
42
43
44
45
Hora 6
46
50
49
1.02
40
53
52
51
1.01
1.00
50
1.00
1.01
39
1.01
1.00
0.99
36
51
1.01
1.00
0.99
52
1.00
0.99
36
1.00
0.98
53
200
15
16
17
18
14
13
1.02
1.02
0.99
0.99
1.00
21
22
1.01
0.98
0.99
25
24
9
0.99
8
0.98
1.00
25
7
0.98
1.00
6
0.98
1.00
0.98
1.00
7
0.99
1.00
10
1.01
1.00
23
1.00
24
0.99
1.00
8
1.00
0.98
1.00
22
0.98
0.99
1.01
1.00
23
13
11
1.02
1.02
21
1.00
14
12
20
10
0.99
15
16
19
11
1.00
17
18
12
19
20
6
0.98
1.00
5
1.02
26
0.98
27
0.98
0.99
0.98
0.98
27
0.99
1.00
0.98
1.02
26
0.99
1.00
28
28
1.01
1.01
29
30
0.99
1.01
1.04
1.03
30
31
29
1.04
1.02
1.01
1.02
1
0.97
1.00
57
57
0.99
0.99
31
0.97
0.98
56
56
1.02
1.00
32
1.00
33
55
1.00
0.99
0.97
54
34
34
1.00
0.98
35
0.98
35
1.01
37
0.98
0.99
0.98
38
0.99
1.01
1.02
41
42
43
42
Hora 7
18
15
16
17
14
13
1.02
0.98
1.01
21
0.99
22
0.99
0.99
14
13
0.98
0.99
10
1.01
0.98
0.99
0.98
1.00
1.00
24
0.98
25
7
0.98
1.00
6
0.98
1.00
11
0.99
1.00
23
1.00
1.02
0.99
0.98
1.00
25
15
16
12
1.02
1.00
0.98
1.00
24
1.02
21
1.00
23
20
10
1.01
0.99
22
45
44
19
11
0.99
43
17
18
12
1.02
48
46
Hora 8
19
20
1.04
47
41
46
45
44
49
1.02
1.01
1.02
40
47
50
1.01
0.98
1.01
39
48
40
1.01
0.98
38
49
1.03
1.02
0.98
50
1.01
1.01
39
52
51
1.01
1.00
37
1.01
1.00
0.98
36
53
1.02
52
51
1.01
1.00
54
1.00
0.97
53
1.00
0.99
36
55
0.99
0.99
33
0.99
0.97
1.01
0.99
32
6
0.98
1.00
5
1.02
26
1.03
26
0.99
1.00
28
0.98
0.97
27
0.99
1.00
0.98
0.98
0.97
27
0.98
28
1.01
1.02
29
30
30
0.98
0.98
1
0.98
1.01
57
0.98
31
1.04
1.03
1.01
31
29
1.04
1.03
1.01
1.01
57
0.98
0.99
56
1.02
0.99
32
1.00
0.98
33
56
0.97
35
54
0.98
1.02
0.98
0.98
1.02
1.01
48
41
47
42
43
44
Hora 9
45
46
51
1.00
0.97
38
49
1.02
1.04
40
0.98
1.02
1.01
49
1.02
1.04
48
40
41
50
1.01
0.98
1.01
39
47
42
43
44
45
Hora 10
46
53
52
1.00
1.01
1.00
50
1.01
1.01
39
0.98
37
1.01
0.98
38
1.03
52
36
54
1.00
0.97
51
1.01
1.00
37
0.96
53
35
1.00
0.98
36
0.98
0.96
34
1.00
55
1.00
0.99
33
0.99
0.96
34
1.01
0.99
32
55
15
16
17
18
14
13
12
19
20
1.02
1.02
0.98
0.99
20
1.02
21
22
22
0.98
1.00
1.00
0.98
0.99
25
0.98
0.99
10
1.01
0.98
0.99
1.00
24
6
0.98
1.00
0.98
1.00
6
0.98
1.00
0.98
0.98
0.99
0.99
28
1.01
1.01
1.04
1.02
30
0.97
1.02
31
57
1.01
29
30
1
0.97
1.01
57
31
56
0.97
0.99
56
1.01
0.99
0.98
0.96
0.98
0.96
34
0.96
35
0.99
0.97
1.03
0.97
0.97
1.00
0.97
38
0.98
1.01
0.97
1.00
39
1.01
1.02
49
1.02
1.04
42
43
45
44
15
16
17
14
42
1.02
0.99
0.98
0.99
1.02
10
21
0.98
0.99
0.98
1.00
0.98
0.99
10
1.01
0.98
9
0.99
8
0.98
1.00
7
0.99
1.00
25
0.98
0.98
0.96
0.98
0.98
0.98
27
0.99
0.99
1.02
26
0.98
0.98
1.00
1.04
27
13
11
0.99
1.00
7
0.98
1.00
26
14
12
1.02
1.02
1.00
24
25
15
16
17
0.99
23
1.00
1.00
24
46
45
44
1.00
22
0.99
0.99
23
20
1.02
0.99
22
43
19
11
1.02
21
18
13
12
1.02
48
Hora 12
19
20
49
1.02
1.04
47
41
Hora 11
18
1.01
1.02
40
46
50
1.01
0.97
1.00
39
47
41
51
1.00
0.97
38
48
40
52
1.00
1.01
1.00
37
50
53
1.03
0.98
36
51
1.01
1.00
37
54
0.99
0.97
35
52
1.00
0.98
36
34
53
55
0.99
0.99
33
54
1.00
0.99
32
55
0.99
0.99
33
0.99
1.00
28
28
1.01
1.01
1.01
1.01
29
29
1.04
1.03
30
1.04
1.02
0.97
0.99
32
28
1.01
29
0.98
0.96
27
0.99
0.99
1.03
26
0.98
0.96
7
0.98
1.00
25
5
1.03
27
0.99
1.00
23
11
1.02
1.00
24
26
13
12
1.02
1.00
0.99
0.99
23
21
0.98
0.98
14
19
10
1.01
0.99
15
16
17
18
11
0.99
1.02
201
1.04
1.02
30
0.97
1.02
0.98
1.01
57
57
31
31
0.97
0.99
0.98
0.99
56
56
1.01
0.99
32
0.99
33
55
1.00
0.99
0.97
54
55
1.00
0.99
33
0.98
0.96
1.02
0.99
32
54
34
34
0.97
35
1.01
37
0.98
1.00
0.97
38
1.02
1.01
49
1.02
1.04
48
40
41
50
1.01
0.98
1.00
39
47
42
43
44
45
Hora 13
46
1.02
51
1.01
1.00
37
52
1.00
0.98
36
51
1.01
1.00
0.98
52
0.99
0.98
53
53
35
0.97
36
1.00
0.97
1.00
0.98
1.01
0.98
38
1.01
1.01
39
0.98
1.02
1.01
49
1.03
1.04
48
40
41
50
47
42
43
44
45
46
Hora 14
202
15
16
17
18
14
12
1.02
1.02
0.98
1.01
21
0.99
22
10
0.98
10
1.01
0.98
0.99
0.98
1.00
1.00
24
7
0.98
1.00
0.99
25
0.98
1.00
0.98
0.97
1.03
26
0.98
0.98
0.99
1.00
0.98
0.97
27
0.99
1.00
0.98
1.00
27
0.99
1.00
1.02
26
0.98
0.99
23
1.00
1.00
0.99
1.00
22
0.99
1.00
25
13
11
1.02
0.99
1.00
24
14
12
1.02
21
0.98
0.99
23
20
1.01
0.99
15
16
19
11
0.99
17
18
13
19
20
28
1.01
1.01
1.01
1.01
29
29
1.04
1.02
30
28
2
1.04
1.03
30
0.98
1.01
0.98
1.01
57
57
31
31
0.98
0.98
0.98
0.98
56
56
1.02
0.99
32
55
1.00
0.99
33
1.00
0.97
35
0.98
0.97
54
34
34
1.01
0.98
1.00
37
0.98
1.01
0.98
38
1.01
1.02
50
0.98
42
43
45
44
15
16
17
14
1.02
42
0.98
1.01
21
0.99
10
9
8
0.98
1.00
0.98
0.99
10
1.01
0.98
9
0.99
1.00
24
0.98
0.98
1.00
25
1.01
0.97
1.00
1.03
26
4
0.99
0.98
0.99
0.99
1.01
30
30
1
0.97
1.01
0.98
1.01
1.04
1.03
1.04
1.03
57
57
31
31
0.97
0.99
56
1.02
0.99
32
55
1.00
0.99
33
0.99
0.96
34
0.97
35
0.98
1.02
1.00
37
51
1.01
0.98
1.01
0.98
38
1.02
1.01
49
1.02
1.04
48
40
41
50
1.01
0.98
1.01
39
47
42
43
44
45
Hora 17
46
0.97
0.98
56
1.01
0.99
32
33
55
1.00
0.99
0.99
0.97
34
35
0.98
1.03
0.98
36
54
1.00
0.97
53
52
1.00
0.98
36
54
1.00
29
29
28
1.01
1.01
0.98
0.96
27
3
28
1.02
6
0.98
5
5
0.98
0.98
7
0.98
1.00
0.98
1.00
27
11
0.99
1.00
1.03
26
13
12
1.02
1.00
23
1.00
1.00
25
14
1.00
22
0.99
1.00
24
15
16
1.02
1.01
21
0.98
0.98
23
46
45
44
19
20
1.01
0.99
22
43
17
18
13
11
0.99
48
47
41
12
1.02
49
1.02
1.04
Hora 16
19
20
1.01
1.02
Hora 15
18
0.98
40
46
50
1.01
1.01
39
48
47
41
1.00
0.98
38
49
1.03
1.04
40
51
1.01
1.00
37
1.01
0.98
1.01
39
52
0.99
0.98
36
51
1.01
53
1.01
52
0.99
0.98
54
0.99
0.97
53
35
0.98
36
55
0.99
0.98
33
0.99
0.97
1.01
0.98
32
52
1.00
51
1.01
1.00
37
0.98
1.01
0.98
38
1.01
0.97
1.00
39
1.02
1.01
49
1.03
1.04
48
40
41
47
42
50
43
44
45
46
Hora 18
53
15
16
17
18
14
13
1.02
0.99
0.98
1.00
21
0.99
10
1.02
13
11
1.01
0.99
0.98
0.98
10
1.01
0.99
0.98
22
0.98
0.98
0.99
1.00
1.00
0.98
25
7
0.98
0.98
6
0.98
0.99
0.98
24
0.98
0.99
0.98
0.98
23
0.99
0.97
0.98
24
25
14
12
1.02
21
0.97
23
20
1.01
0.98
22
15
16
19
11
1.01
17
18
12
19
20
203
6
0.98
0.99
5
1.03
26
0.98
26
0.98
0.94
27
0.99
0.99
0.98
0.98
0.95
27
1.02
0.99
0.98
28
28
1.01
1.01
29
30
29
1.04
1.02
31
30
0.95
1.04
1.02
1.01
1.01
1.00
1
0.96
1.00
57
57
0.96
0.98
31
0.96
0.96
56
56
1.01
0.98
32
33
55
0.99
0.98
1.02
0.97
32
0.98
0.95
0.94
54
34
34
0.96
35
0.99
1.03
0.97
37
0.97
1.00
1.03
0.96
1.03
42
43
44
45
0.96
1.00
39
15
16
17
14
20
1.02
41
21
42
0.99
0.98
0.98
20
10
1.01
22
8
0.98
0.99
1.03
14
13
12
1.01
11
0.99
0.98
0.98
10
1.01
0.98
0.99
1.00
24
25
0.98
0.95
1.02
26
0.98
0.98
0.99
0.99
0.98
0.95
27
0.99
0.98
6
0.98
0.99
5
1.01
7
0.98
0.99
6
0.98
0.99
0.98
0.99
7
0.98
0.99
0.98
0.98
23
1.00
24
27
15
16
17
1.02
0.99
0.98
0.99
26
46
45
44
21
0.98
0.96
23
43
19
11
0.97
22
18
13
12
1.02
48
Hora 20
19
1.01
49
1.02
1.03
47
Hora 19
18
1.00
1.02
40
46
50
1.00
38
47
41
0.99
0.95
50
48
51
1.00
0.96
49
1.02
1.00
1.02
40
52
0.99
0.99
37
1.00
0.96
39
53
0.95
36
51
1.00
0.96
38
54
0.99
52
0.99
1.00
0.99
0.97
0.95
53
35
0.96
36
25
55
0.99
0.96
33
1.01
1.00
1.01
1.01
29
29
1.04
1.02
30
30
0.95
1
0.96
1.00
57
57
31
0.95
0.96
56
55
0.99
0.96
0.98
0.95
54
34
34
0.95
35
0.99
1.03
0.96
36
0.96
0.99
0.96
38
0.99
1.02
1.00
49
1.02
1.03
48
40
41
47
42
50
1.00
0.96
39
43
44
45
Hora 21
46
1.03
0.97
36
51
54
0.99
0.96
52
0.99
1.00
0.99
37
0.98
0.95
53
53
35
0.96
55
1.00
0.97
33
33
0.94
1.02
0.98
32
1.02
0.96
0.97
56
0.96
32
1.04
1.02
1
0.99
31
28
28
52
0.99
51
1.00
0.99
37
0.97
1.00
0.96
38
1.02
1.00
49
1.02
1.03
48
40
41
47
42
50
1.00
0.96
1.00
39
43
44
45
Hora 22
46
204
18
15
16
17
14
13
1.02
1.02
1.02
0.98
0.99
20
10
1.01
21
0.99
22
24
0.98
0.99
10
1.01
0.98
9
0.99
8
0.98
1.00
1.00
1.00
24
0.98
25
7
0.98
1.00
6
0.98
1.00
0.98
0.99
23
1.00
1.00
25
13
11
0.99
1.02
22
1.00
1.02
0.99
0.99
1.00
23
14
12
1.02
21
0.98
0.98
15
16
19
11
0.99
17
18
12
19
20
6
0.98
1.01
5
1.03
26
0.99
30
0.96
30
0.98
1
0.97
1.00
57
0.96
1.04
1.03
1.01
31
1.01
1.01
29
1.04
1.03
28
1.01
1.01
0.99
1.00
28
29
0.98
0.97
27
0.99
0.98
1.02
26
4
0.98
0.96
27
0.98
57
31
0.97
0.98
56
1.02
0.98
32
1.00
0.98
56
33
0.96
35
54
0.97
0.98
51
1.00
0.97
38
1.00
1.01
1.02
1.01
0.98
43
44
45
1.02
41
46
Hora 23
50
1.01
0.98
1.01
1.01
49
1.02
1.04
48
40
47
42
1.01
0.97
39
48
52
51
1.01
1.00
37
53
0.99
0.98
36
38
49
1.02
1.04
40
41
50
1.01
0.97
39
0.97
52
1.00
1.01
1.00
37
54
1.00
0.97
53
35
1.03
0.98
36
0.99
0.96
34
1.00
55
1.00
0.99
33
0.99
0.96
34
1.02
0.99
32
55
47
42
43
44
45
46
Hora 24
Tiempo de Ejecucin
La resolucin del problema IEEE57 para un periodo horario de 24 horas, se realiza en un
tiempo variable tal y como se muestra en la tabla 4.24, usando la mquina descrita en la
tabla 4.5.
Hora
Tiempo (s)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
80,844
101,39
90,719
50,781
38,953
83,782
80,359
91,656
91,156
78,047
171,75
75,485
65,984
94,141
78,968
60,344
90,5
74,516
58,765
Hora
Tiempo (s)
20
21
22
23
24
82,954
72,343
139,11
59,14
112,84
205
0.024
Indice de desviacin
0.02
0.018
0.016
0.014
0.012
20
40
60
80
100
120
140
160
180
Generacin
Figura 4.35 Evolucin de la poblacin en la red IEEE57 para un periodo horario cualquiera
206
Parmetro
Valor
Tamao de Poblacin
Nmero de Generaciones
Tipo de Cruce
Tasa de Mutacin
Tasa de Elitismo
80
180
Monopunto
0.2
10%
Tabla 4.25 Parmetros genticos para la resolucin de la red RTS en periodos de 24 horas
Hora
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
IDT
0,0090518
0,0098471
0,010416
0,010694
0,01077
0,010477
0,0082608
0,0092582
0,012197
0,013051
0,012625
0,012138
0,012109
0,012334
0,011337
0,011515
0,013585
0,014099
0,014231
0,012263
0,010796
0,0087074
0,0083454
0,0097092
Tabla 4.26 ndices de desviacin de tensin para la red RTS y un periodo de 24 horas
207
0.015
0.014
0.013
0.012
0.011
0.01
0.009
0.008
10
15
20
25
Hora del Da
208
1.055
1.06
1.05
1.05
1.04
1.045
1.03
1.02
1.04
1.01
1
1.035
0.99
0.98
10
15
20
25
1.055
1.03
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
0.985
0.98
1.05
0.975
0.97
1.045
0.965
0.96
1.04
0.955
0.95
1.035
0.945
1.03
10
15
20
25
0.94
0.985
1.07
0.98
1.06
0.975
1.05
0.97
1.04
0.965
1.03
0.96
1.02
0.955
1.01
0.95
0.945
0.99
0.94
10
15
20
25
1.055
0.98
1.055
1.05
1.05
1.045
1.045
1.04
1.035
1.04
1.03
1.035
1.025
1.02
10
15
20
25
1.03
Figura 4.37 Representacin grfica de las tomas para la red RTS en un periodo de 24 horas (I)
209
0.985
0.98
0.99
0.975
0.98
0.97
0.965
0.97
0.96
0.96
0.955
0.95
0.95
0.945
0.94
10
15
20
25
1.07
0.94
10
15
20
25
10
15
20
25
10
15
20
25
10
15
20
25
1.055
1.06
1.05
1.05
1.045
1.04
1.04
1.03
1.035
1.02
1.03
1.01
1.025
1.02
0.99
1.015
0.98
10
15
20
25
1.054
1.01
0.985
0.98
1.052
0.975
1.05
0.97
1.048
0.965
0.96
1.046
0.955
1.044
0.95
1.042
1.04
0.945
0
10
15
20
25
0.962
0.94
1.015
0.96
1.01
0.958
1.005
0.956
0.954
0.952
0.995
0.95
0.948
10
15
20
25
0.99
Figura 4.38 Representacin grfica de las tomas para la red RTS en un periodo de 24 horas (II)
Hora 1
Hora 2
Hora 3
Hora 4
Hora 5
Hora 6
Hora 7
Hora 8
Hora 9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1%
4%
5%
-5%
-5%
1%
4%
5%
-5%
-5%
1%
2%
5%
-5%
-5%
0%
1%
5%
5%
-5%
-5%
-1%
4%
4%
-5%
-5%
-1%
4%
5%
-5%
-5%
-1%
-1%
4%
4%
-5%
-5%
-2%
4%
4%
-5%
-5%
0%
2%
5%
-5%
-5%
0%
0%
4%
4%
-5%
-5%
-1%
2%
5%
-5%
-5%
-1%
1%
5%
-5%
-5%
0%
0%
5%
3%
-5%
-5%
-1%
5%
3%
-5%
-5%
-2%
4%
5%
-5%
-5%
0%
-2%
5%
5%
-5%
-5%
-1%
3%
4%
-5%
-5%
1%
4%
4%
-5%
-5%
0%
0%
5%
5%
-5%
-5%
0%
5%
5%
-5%
-5%
2%
4%
4%
-5%
-5%
0%
2%
5%
5%
-4%
-5%
0%
5%
5%
-5%
-4%
3%
5%
5%
-5%
-5%
0%
5%
5%
5%
-3%
-5%
1%
4%
5%
-3%
-5%
4%
5%
5%
-3%
-4%
-1%
Hora 10
4%
5%
4%
-4%
-4%
5%
5%
5%
-1%
-5%
5%
4%
5%
-5%
-4%
1%
Tabla 4.27 Posicin de las tomas de los cambiadores para la red RTS en un periodo de 24 horas (I)
Hora 11
5%
5%
4%
-5%
-3%
2%
5%
5%
-3%
-5%
4%
5%
4%
-4%
-5%
0%
Hora 12
5%
5%
5%
-3%
-5%
0%
5%
5%
-4%
-5%
5%
4%
5%
-5%
-4%
0%
Trafo
210
Hora
13
Hora
14
Hora
15
Hora
16
Hora
17
Hora
18
Hora
19
Hora
20
Hora
21
Hora
22
Hora
23
Hora
24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
4%
5%
5%
-5%
-3%
3%
5%
5%
-3%
-5%
5%
5%
5%
-4%
-5%
-1%
5%
4%
5%
-5%
-5%
3%
5%
4%
-4%
-4%
3%
5%
5%
-5%
-4%
0%
2%
5%
5%
-4%
-5%
1%
5%
5%
-3%
-5%
4%
5%
5%
-5%
-4%
-1%
5%
5%
5%
-3%
-5%
1%
5%
5%
-4%
-5%
4%
5%
5%
-3%
-5%
0%
5%
5%
5%
-3%
-5%
1%
5%
5%
-3%
-5%
4%
5%
5%
-3%
-5%
0%
5%
5%
5%
-2%
-5%
4%
5%
5%
-3%
-5%
5%
5%
5%
-2%
-5%
0%
5%
5%
5%
-4%
-4%
1%
5%
5%
-4%
-3%
5%
5%
5%
-3%
-5%
0%
5%
5%
5%
-3%
-5%
1%
5%
5%
-3%
-5%
4%
5%
5%
-4%
-5%
0%
2%
5%
5%
-4%
-5%
0%
5%
4%
-5%
-5%
4%
5%
5%
-4%
-4%
-1%
2%
5%
5%
-5%
-5%
2%
4%
4%
-5%
-5%
3%
5%
5%
-5%
-5%
0%
1%
4%
5%
-5%
-5%
1%
5%
3%
-5%
-5%
2%
5%
5%
-5%
-5%
0%
0%
3%
5%
-5%
-5%
-1%
5%
4%
-5%
-5%
0%
4%
4%
-5%
-5%
0%
Tabla 4.28 Posicin de las tomas de los cambiadores para la red RTS en un periodo de 24 horas (II)
Trafo
211
Tipo
Hora 1 Hora 2 Hora 3 Hora 4 Hora 5 Hora 6 Hora 7 Hora 8 Hora 9 Hora 10 Hora 11 Hora 12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2
2
1
1
1
1
2
1
1
1
1
1
3
2
2
2
1
2
1
1
2
2
2
1
72,36
64,99
120,6
49,58
47,57
91,12
83,75
114,57
117,25
130,65
0
0
201
129,98
212,39
67
0
223,11
121,27
85,76
0
0
0
0
68,04
61,11
113,4
46,62
44,73
85,68
78,75
107,73
110,25
122,85
0
0
189
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
64,8
58,2
108
44,4
42,6
81,6
75
102,6
105
117
0
0
180
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
63,72
57,23
106,2
43,66
41,89
80,24
73,75
100,89
103,25
115,05
0
0
177
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
63,72
57,23
106,2
43,66
41,89
80,24
73,75
100,89
103,25
115,05
0
0
177
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
64,8
58,2
108
44,4
42,6
81,6
75
102,6
105
117
0
0
180
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
79,92
71,78
133,2
54,76
52,54
100,64
92,5
126,54
129,5
144,3
0
0
222
143,56
234,58
74
0
246,42
133,94
94,72
0
0
0
0
92,88
83,42
154,8
63,64
61,06
116,96
107,5
147,06
150,5
167,7
0
0
258
166,84
272,62
86
0
286,38
155,66
110,08
0
0
0
0
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
285
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
103,68
93,12
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
288
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
103,68
93,12
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
288
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
285
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
Nudo
212
2
2
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
2
2
1
1
72,36
64,99
120,6
49,58
47,57
91,12
83,75
114,57
117,25
130,65
0
0
177,55
129,98
212,39
67
0
223,11
121,27
85,76
0
0
0
0
72,36
64,99
120,6
49,58
68,04
61,11
113,4
46,62
44,73
85,68
78,75
107,73
110,25
122,85
0
0
166,95
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
68,04
61,11
113,4
46,62
64,8
58,2
108
44,4
42,6
81,6
75
102,6
105
117
0
0
159
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
64,8
58,2
108
44,4
63,72
57,23
106,2
43,66
41,89
80,24
73,75
100,89
103,25
115,05
0
0
156,35
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
63,72
57,23
106,2
43,66
63,72
57,23
106,2
43,66
41,89
80,24
73,75
100,89
103,25
115,05
0
0
156,35
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
63,72
57,23
106,2
43,66
64,8
58,2
108
44,4
42,6
81,6
75
102,6
105
117
0
0
159
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
64,8
58,2
108
44,4
79,92
71,78
133,2
54,76
52,54
100,64
92,5
126,54
129,5
144,3
0
0
196,1
143,56
234,58
74
0
246,42
133,94
94,72
0
0
0
0
79,92
71,78
133,2
54,76
92,88
83,42
154,8
63,64
61,06
116,96
107,5
147,06
150,5
167,7
0
0
227,9
166,84
272,62
86
0
286,38
155,66
110,08
0
0
0
0
92,88
83,42
154,8
63,64
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
171
70,3
103,68
93,12
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
103,68
93,12
172,8
71,04
103,68
93,12
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
103,68
93,12
172,8
71,04
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
171
70,3
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
213
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
1
47,57
91,12
83,75
114,57
117,25
130,65
0
0
177,55
129,98
212,39
67
0
223,11
121,27
85,76
0
0
0
0
0
44,73
85,68
78,75
107,73
110,25
122,85
0
0
166,95
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
0
42,6
81,6
75
102,6
105
117
0
0
159
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
0
41,89
80,24
73,75
100,89
103,25
115,05
0
0
156,35
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
0
41,89
80,24
73,75
100,89
103,25
115,05
0
0
156,35
114,46
187,03
59
0
196,47
106,79
75,52
0
0
0
0
0
42,6
81,6
75
102,6
105
117
0
0
159
116,4
190,2
60
0
199,8
108,6
76,8
0
0
0
0
0
52,54
100,64
92,5
126,54
129,5
144,3
0
0
196,1
143,56
234,58
74
0
246,42
133,94
94,72
0
0
0
0
0
61,06
116,96
107,5
147,06
150,5
167,7
0
0
227,9
166,84
272,62
86
0
286,38
155,66
110,08
0
0
0
0
0
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
0
68,16
130,56
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
0
68,16
130,56
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
0
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
0
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
Tabla 4.29 Situacin de cargas para la red RTS en un periodo de 24 horas (I)
214
Nudo
Tipo
Hora 13 Hora 14 Hora 15 Hora 16 Hora 17 Hora 18 Hora 19 Hora 20 Hora 21 Hora 22 Hora 23 Hora 24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
2
2
1
1
1
1
2
1
1
1
1
1
3
2
2
2
1
2
1
1
2
2
2
1
2
2
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
285
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
102,6
92,15
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
285
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
100,44
90,21
167,4
68,82
66,03
126,48
116,25
159,03
162,75
181,35
0
0
279
180,42
294,81
93
0
309,69
168,33
119,04
0
0
0
0
100,44
90,21
101,52
91,18
169,2
69,56
66,74
127,84
117,5
160,74
164,5
183,3
0
0
282
182,36
297,98
94
0
313,02
170,14
120,32
0
0
0
0
101,52
91,18
106,92
96,03
178,2
73,26
70,29
134,64
123,75
169,29
173,25
193,05
0
0
297
192,06
313,83
99
0
329,67
179,19
126,72
0
0
0
0
106,92
96,03
108
97
180
74
71
136
125
171
175
195
0
0
300
194
317
100
0
333
181
128
0
0
0
0
108
97
108
97
180
74
71
136
125
171
175
195
0
0
300
194
317
100
0
333
181
128
0
0
0
0
108
97
103,68
93,12
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
288
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
103,68
93,12
98,28
88,27
163,8
67,34
64,61
123,76
113,75
155,61
159,25
177,45
0
0
273
176,54
288,47
91
0
303,03
164,71
116,48
0
0
0
0
98,28
88,27
89,64
80,51
149,4
61,42
58,93
112,88
103,75
141,93
145,25
161,85
0
0
249
161,02
263,11
83
0
276,39
150,23
106,24
0
0
0
0
89,64
80,51
78,84
70,81
131,4
54,02
51,83
99,28
91,25
124,83
127,75
142,35
0
0
219
141,62
231,41
73
0
243,09
132,13
93,44
0
0
0
0
78,84
70,81
68,04
61,11
113,4
46,62
44,73
85,68
78,75
107,73
110,25
122,85
0
0
189
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
68,04
61,11
215
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
2
2
1
1
1
1
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
171
70,3
67,45
129,2
171
70,3
67,45
129,2
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
102,6
92,15
171
70,3
67,45
129,2
167,4
68,82
66,03
126,48
116,25
159,03
162,75
181,35
0
0
246,45
180,42
294,81
93
0
309,69
168,33
119,04
0
0
0
0
100,44
90,21
167,4
68,82
66,03
126,48
169,2
69,56
66,74
127,84
117,5
160,74
164,5
183,3
0
0
249,1
182,36
297,98
94
0
313,02
170,14
120,32
0
0
0
0
101,52
91,18
169,2
69,56
66,74
127,84
178,2
73,26
70,29
134,64
123,75
169,29
173,25
193,05
0
0
262,35
192,06
313,83
99
0
329,67
179,19
126,72
0
0
0
0
106,92
96,03
178,2
73,26
70,29
134,64
180
74
71
136
125
171
175
195
0
0
265
194
317
100
0
333
181
128
0
0
0
0
108
97
180
74
71
136
180
74
71
136
125
171
175
195
0
0
265
194
317
100
0
333
181
128
0
0
0
0
108
97
180
74
71
136
172,8
71,04
68,16
130,56
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
103,68
93,12
172,8
71,04
68,16
130,56
163,8
67,34
64,61
123,76
113,75
155,61
159,25
177,45
0
0
241,15
176,54
288,47
91
0
303,03
164,71
116,48
0
0
0
0
98,28
88,27
163,8
67,34
64,61
123,76
149,4
61,42
58,93
112,88
103,75
141,93
145,25
161,85
0
0
219,95
161,02
263,11
83
0
276,39
150,23
106,24
0
0
0
0
89,64
80,51
149,4
61,42
58,93
112,88
131,4
54,02
51,83
99,28
91,25
124,83
127,75
142,35
0
0
193,45
141,62
231,41
73
0
243,09
132,13
93,44
0
0
0
0
78,84
70,81
131,4
54,02
51,83
99,28
113,4
46,62
44,73
85,68
78,75
107,73
110,25
122,85
0
0
166,95
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
68,04
61,11
113,4
46,62
44,73
85,68
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
216
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
1
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
0
118,75
162,45
166,25
185,25
0
0
251,75
184,3
301,15
95
0
316,35
171,95
121,6
0
0
0
0
0
116,25
159,03
162,75
181,35
0
0
246,45
180,42
294,81
93
0
309,69
168,33
119,04
0
0
0
0
0
117,5
160,74
164,5
183,3
0
0
249,1
182,36
297,98
94
0
313,02
170,14
120,32
0
0
0
0
0
123,75
169,29
173,25
193,05
0
0
262,35
192,06
313,83
99
0
329,67
179,19
126,72
0
0
0
0
0
125
171
175
195
0
0
265
194
317
100
0
333
181
128
0
0
0
0
0
125
171
175
195
0
0
265
194
317
100
0
333
181
128
0
0
0
0
0
120
164,16
168
187,2
0
0
254,4
186,24
304,32
96
0
319,68
173,76
122,88
0
0
0
0
0
113,75
155,61
159,25
177,45
0
0
241,15
176,54
288,47
91
0
303,03
164,71
116,48
0
0
0
0
0
Tabla 4.30 Situacin de cargas para la red RTS en un periodo de 24 horas (II)
103,75
141,93
145,25
161,85
0
0
219,95
161,02
263,11
83
0
276,39
150,23
106,24
0
0
0
0
0
91,25
124,83
127,75
142,35
0
0
193,45
141,62
231,41
73
0
243,09
132,13
93,44
0
0
0
0
0
78,75
107,73
110,25
122,85
0
0
166,95
122,22
199,71
63
0
209,79
114,03
80,64
0
0
0
0
0
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
217
Tipo
Hora 1 Hora 2 Hora 3 Hora 4 Hora 5 Hora 6 Hora 7 Hora 8 Hora 9 Hora 10 Hora 11 Hora 12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2
2
1
1
1
1
2
1
1
1
1
1
3
2
2
2
1
2
1
1
2
2
2
1
14,74
13,4
24,79
10,05
9,38
18,76
16,75
23,45
24,12
26,8
0
0
36,18
26,13
42,88
13,4
0
45,56
24,79
17,42
0
0
0
0
13,86
12,6
23,31
9,45
8,82
17,64
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
13,2
12
22,2
9
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
12,98
11,8
21,83
8,85
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
12,98
11,8
21,83
8,85
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
13,2
12
22,2
9
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
16,28
14,8
27,38
11,1
10,36
20,72
18,5
25,9
26,64
29,6
0
0
39,96
28,86
47,36
14,8
0
50,32
27,38
19,24
0
0
0
0
18,92
17,2
31,82
12,9
12,04
24,08
21,5
30,1
30,96
34,4
0
0
46,44
33,54
55,04
17,2
0
58,48
31,82
22,36
0
0
0
0
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
21,12
19,2
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
21,12
19,2
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
Nudo
218
2
2
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
2
2
1
1
14,74
13,4
24,79
10,05
9,38
18,76
16,75
23,45
24,12
26,8
0
0
36,18
26,13
42,88
13,4
0
45,56
24,79
17,42
0
0
0
0
14,74
13,4
24,79
10,05
13,86
12,6
23,31
9,45
8,82
17,64
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
13,86
12,6
23,31
9,45
13,2
12
22,2
9
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
13,2
12
22,2
9
12,98
11,8
21,83
8,85
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
12,98
11,8
21,83
8,85
12,98
11,8
21,83
8,85
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
12,98
11,8
21,83
8,85
13,2
12
22,2
9
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
13,2
12
22,2
9
16,28
14,8
27,38
11,1
10,36
20,72
18,5
25,9
26,64
29,6
0
0
39,96
28,86
47,36
14,8
0
50,32
27,38
19,24
0
0
0
0
16,28
14,8
27,38
11,1
18,92
17,2
31,82
12,9
12,04
24,08
21,5
30,1
30,96
34,4
0
0
46,44
33,54
55,04
17,2
0
58,48
31,82
22,36
0
0
0
0
18,92
17,2
31,82
12,9
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
35,15
14,25
21,12
19,2
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
21,12
19,2
35,52
14,4
21,12
19,2
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
21,12
19,2
35,52
14,4
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
35,15
14,25
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
219
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
1
9,38
18,76
16,75
23,45
24,12
26,8
0
0
36,18
26,13
42,88
13,4
0
45,56
24,79
17,42
0
0
0
0
0
8,82
17,64
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
0
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
0
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
0
8,26
16,52
14,75
20,65
21,24
23,6
0
0
31,86
23,01
37,76
11,8
0
40,12
21,83
15,34
0
0
0
0
0
8,4
16,8
15
21
21,6
24
0
0
32,4
23,4
38,4
12
0
40,8
22,2
15,6
0
0
0
0
0
10,36
20,72
18,5
25,9
26,64
29,6
0
0
39,96
28,86
47,36
14,8
0
50,32
27,38
19,24
0
0
0
0
0
12,04
24,08
21,5
30,1
30,96
34,4
0
0
46,44
33,54
55,04
17,2
0
58,48
31,82
22,36
0
0
0
0
0
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
0
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
0
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
0
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
0
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
Tabla 4.31 Situacin de cargas para la red RTS en un periodo de 24 horas (III)
220
Nudo
Tipo
Hora 13 Hora 14 Hora 15 Hora 16 Hora 17 Hora 18 Hora 19 Hora 20 Hora 21 Hora 22 Hora 23 Hora 24
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
2
2
1
1
1
1
2
1
1
1
1
1
3
2
2
2
1
2
1
1
2
2
2
1
2
2
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
20,9
19
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
20,46
18,6
34,41
13,95
13,02
26,04
23,25
32,55
33,48
37,2
0
0
50,22
36,27
59,52
18,6
0
63,24
34,41
24,18
0
0
0
0
20,46
18,6
20,68
18,8
34,78
14,1
13,16
26,32
23,5
32,9
33,84
37,6
0
0
50,76
36,66
60,16
18,8
0
63,92
34,78
24,44
0
0
0
0
20,68
18,8
21,78
19,8
36,63
14,85
13,86
27,72
24,75
34,65
35,64
39,6
0
0
53,46
38,61
63,36
19,8
0
67,32
36,63
25,74
0
0
0
0
21,78
19,8
22
20
37
15
14
28
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
22
20
22
20
37
15
14
28
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
22
20
21,12
19,2
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
21,12
19,2
20,02
18,2
33,67
13,65
12,74
25,48
22,75
31,85
32,76
36,4
0
0
49,14
35,49
58,24
18,2
0
61,88
33,67
23,66
0
0
0
0
20,02
18,2
18,26
16,6
30,71
12,45
11,62
23,24
20,75
29,05
29,88
33,2
0
0
44,82
32,37
53,12
16,6
0
56,44
30,71
21,58
0
0
0
0
18,26
16,6
16,06
14,6
27,01
10,95
10,22
20,44
18,25
25,55
26,28
29,2
0
0
39,42
28,47
46,72
14,6
0
49,64
27,01
18,98
0
0
0
0
16,06
14,6
13,86
12,6
23,31
9,45
8,82
17,64
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
13,86
12,6
221
1
1
1
1
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
2
2
1
1
1
1
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
35,15
14,25
13,3
26,6
35,15
14,25
13,3
26,6
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
20,9
19
35,15
14,25
13,3
26,6
34,41
13,95
13,02
26,04
23,25
32,55
33,48
37,2
0
0
50,22
36,27
59,52
18,6
0
63,24
34,41
24,18
0
0
0
0
20,46
18,6
34,41
13,95
13,02
26,04
34,78
14,1
13,16
26,32
23,5
32,9
33,84
37,6
0
0
50,76
36,66
60,16
18,8
0
63,92
34,78
24,44
0
0
0
0
20,68
18,8
34,78
14,1
13,16
26,32
36,63
14,85
13,86
27,72
24,75
34,65
35,64
39,6
0
0
53,46
38,61
63,36
19,8
0
67,32
36,63
25,74
0
0
0
0
21,78
19,8
36,63
14,85
13,86
27,72
37
15
14
28
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
22
20
37
15
14
28
37
15
14
28
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
22
20
37
15
14
28
35,52
14,4
13,44
26,88
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
21,12
19,2
35,52
14,4
13,44
26,88
33,67
13,65
12,74
25,48
22,75
31,85
32,76
36,4
0
0
49,14
35,49
58,24
18,2
0
61,88
33,67
23,66
0
0
0
0
20,02
18,2
33,67
13,65
12,74
25,48
30,71
12,45
11,62
23,24
20,75
29,05
29,88
33,2
0
0
44,82
32,37
53,12
16,6
0
56,44
30,71
21,58
0
0
0
0
18,26
16,6
30,71
12,45
11,62
23,24
27,01
10,95
10,22
20,44
18,25
25,55
26,28
29,2
0
0
39,42
28,47
46,72
14,6
0
49,64
27,01
18,98
0
0
0
0
16,06
14,6
27,01
10,95
10,22
20,44
23,31
9,45
8,82
17,64
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
13,86
12,6
23,31
9,45
8,82
17,64
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
222
2
1
1
1
1
1
2
2
2
2
1
2
1
1
2
2
2
1
1
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
0
23,75
33,25
34,2
38
0
0
51,3
37,05
60,8
19
0
64,6
35,15
24,7
0
0
0
0
0
23,25
32,55
33,48
37,2
0
0
50,22
36,27
59,52
18,6
0
63,24
34,41
24,18
0
0
0
0
0
23,5
32,9
33,84
37,6
0
0
50,76
36,66
60,16
18,8
0
63,92
34,78
24,44
0
0
0
0
0
24,75
34,65
35,64
39,6
0
0
53,46
38,61
63,36
19,8
0
67,32
36,63
25,74
0
0
0
0
0
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
0
25
35
36
40
0
0
54
39
64
20
0
68
37
26
0
0
0
0
0
24
33,6
34,56
38,4
0
0
51,84
37,44
61,44
19,2
0
65,28
35,52
24,96
0
0
0
0
0
22,75
31,85
32,76
36,4
0
0
49,14
35,49
58,24
18,2
0
61,88
33,67
23,66
0
0
0
0
0
Tabla 4.32 Situacin de cargas para la red RTS en un periodo de 24 horas (IV)
20,75
29,05
29,88
33,2
0
0
44,82
32,37
53,12
16,6
0
56,44
30,71
21,58
0
0
0
0
0
18,25
25,55
26,28
29,2
0
0
39,42
28,47
46,72
14,6
0
49,64
27,01
18,98
0
0
0
0
0
15,75
22,05
22,68
25,2
0
0
34,02
24,57
40,32
12,6
0
42,84
23,31
16,38
0
0
0
0
0
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
223
225
23
22
21
19
20
18
17
16
24
26
1.00
27
1.00
28
23
15
1.00
1.00 1.00
1.00
1.00
1.00
1.00
1.00
0.99
1.01
1.05
32
0.99
1.01
0.99
1.00
36
16
37
1.00
11
1.00
10
1.00
0.99
1.01
9
1.02
0.99
7
1.00
1.00
73
72
0.99
1.00
1.00
1.00
1.00
42
71
1.00
1.00
41
1.00
0.99
43
68
1.00
1.00
45
69
1.00
1.00
44
70
1.00
1
1.01
1.00
73
67
1.00
1.00
1.00
1.00
46
0.99
47
66
1.00
1.00
1.00
48
65
1.00
64
1.00
1.00
0.99
0.99
49
0.99
50
1.00
62
61
1.05
51
52
60
53
54
55
63
1.01
56
57
Hora 1
58
59
0.99
1.00
71
1.00
1.00
1.00
1.00
42
72
1.00
1.00
41
1.00
38
40
1.00
1.00
39
1.00
0.98
1.00
40
1.00
1.00
1.00
39
1.05
37
1.00
38
12
1.00
1.01
35
1.00
0.99
1.01
36
1.00
1.00
15
13
1.00
0.99
34
1.00
1.00
1.00
33
1.00
1.05
32
1.05
1.02
35
17
1.00
31
7
1.00
0.99
34
18
1.00
30
0.99
1.00
33
19
20
1.00 1.00
1.00
29
1.01
0.99
31
1.00
28
10
1.00
1.00
27
11
1.00
30
26
12
1.00
29
21
14
25
13
0.98
22
24
14
25
68
1.00
1.00
45
69
1.00
1.00
44
70
1.00
1.00
43
67
1.00
1.00
1.00
0.99
47
66
1.00
1.00
46
1.00
1.00
1.00
48
65
64
1.00
0.99
1.00
49
1.00
50
1.00
0.99
1.01
1.01
1.00
1.00
52
53
54
55
56
57
Hora 2
63
62
61
1.05
51
58
59
60
226
23
22
19
20
21
18
17
16
24
26
1.00
27
15
1.00
1.00
1.00
1.00
0.99
29
12
26
1.00
1.00
1.01
31
1.05
0.99
37
2
1
1.00
1.00
73
72
1.00
1.00
1.00
1.00
44
39
0.99
1
1.00
73
0.99
1.00
47
1.00
1.00
1.00
50
1.01
52
53
54
56
57
58
59
1.00
1.00
47
1.00
0.99
23
22
21
19
20
18
26
52
53
1.00
27
1.00
28
1.00 1.00
17
16
23
1.00
26
13
1.00
0.99
1.00
1.01
10
1.00
9
8
7
1.02
37
38
1.00
72
71
1.00
1.00
1.00
1.00
70
1.00
1.00
43
69
67
1.00
1.00
66
1.00
1.00
65
1.00
1.00
1.00
48
64
1.00
0.98
1.00
1.00
49
1.00
50
1.00
0.99
1.02
1.01
52
53
54
55
56
57
Hora 5
63
1.01
62
61
1.05
51
58
59
60
12
1.00
1.00
11
1.00
10
1.00
0.99
1.01
1.00
9
1.02
0.99
7
1.00
1.00
1.00
1
1.00
73
0.99
71
1.00
1.00
1.00
1.00
42
72
1.00
1.00
41
1.00
1.00
40
0.98
1.00
39
1.05
44
70
1.00
1.00
43
68
1.00
1.00
45
69
1.00
1.00
1.00
46
67
1.00
1.00
47
66
1.00
0.99
1.00
1.00
47
15
13
1.00
1.00
68
1.00
1.00
46
16
1.00
1.00
1.00
1.00
1.00
1.00
1.00
45
17
1.00
73
1.00
1.00
1.01
36
1.00
44
18
1.01
1.00
42
19
1.01
35
1.00
1.00
41
0.99
1.00
40
20
21
1.00
0.99
34
1.00
1.00
1.00
33
1.00
37
39
1.05
1.01
38
60
1.05
32
1.00
1.00
36
59
1.00
31
0.99
1.01
35
58
1.00
30
1.01
0.99
34
57
1.00
29
1.01
1.00
1.00
33
56
0.99
28
11
1.05
32
55
14
1.00
27
12
1.00
1.00
31
22
25
0.99
30
62
61
24
15
1.00
29
54
63
1.01
1.05
51
14
1.00
1.01 1.01
1.00 0.99
Hora 4
24
1.00 1.00 1.00
1.00
1.00
50
Hora 3
25
64
1.00
0.98
49
60
65
1.00
1.00
48
62
66
1.00
1.00
61
55
67
1.00
1.00
63
1.01
1.05
51
1.00
1.00
46
64
1.00
1.00
0.99
49
68
45
65
1.00
1.00
48
44
69
1.00
1.00
66
1.00
70
1.00
43
67
1.00
1.00
71
1.00
1.00
42
72
1.00
1.00
1.00
1.00
1.00
1.00
46
1.00
1.00
69
1.00
1.00
41
1.00
1.00
1.00
45
1.00
1.00
68
1.05
1.00
38
1.00
1.00
7
1.00
37
70
1.00
1.00
43
0.99
1.01
36
40
71
1.00
1.00
42
9
1.01
1.01
0.99
1.00
41
10
1.01
1.00
1.00
1.00
40
11
1.01
0.99
1.01
35
1.00
1.00
39
12
1.01
0.99
34
1.00
1.01
38
13
1.00
1.00
33
1.00
1.01
36
15
1.00
1.05
32
1.05
1.01
35
16
1.00
1.00
0.99
34
1.00
1.00
31
1.00
1.00
30
0.99
1.00
33
17
1.00
1.00
29
9
1.01
1.00
32
18
1.00
0.99
1.00
28
10
1.01
0.99
1.00
27
11
1.00
30
19
20
21
14
25
1.00
1.00
22
24
13
1.00
28
23
14
25
65
1.00
1.00
1.00
48
64
1.00
0.99
49
1.00
1.00
50
1.00 0.99
1.02
1.01
1.01
52
53
54
63
62
61
1.05
51
1.01
55
56
57
Hora 6
58
59
60
19
20
21
22
23
18
17
16
15
24
26
1.00
27
28
1.00
1.00
1.00
29
12
1.00
26
1.00
1.00
1.01
1.04
32
0.98
1.00
0.98
1.00
37
39
40
1.00
42
44
1
1.00
1.00
1.00
43
47
1.00
65
0.99
0.99
50
1.00
0.98
1.01
1.00
1.00
1.00
46
52
53
54
47
1.00
59
58
57
56
0.99
49
0.99
0.99
23
22
21
19
20
18
1.03
52
17
16
1.00
1.00
0.99
0.99 1.00
1.00
1.00
53
28
1.00
11
0.99
9
8
0.98
1.00
38
1.00
40
1.00
1.00
1.00
0.98
1.00
0.98
49
0.99
0.98
0.99
50
1.03
1.00
0.97
1.00
1.00
53
54
55
63
62
61
51
52
56
57
Hora 9
58
64
1.00
0.99
59
60
6
5
4
3
1.00
2
1
0.99
73
70
72
1.00
71
1.00
1.00
1.00
1.00
69
0.99
0.99
44
70
0.99
0.99
68
1.00
1.00
45
65
1.00
1.00
48
7
1.00
0.98
67
66
0.97
0.98
68
47
9
1.00
0.98
69
1.00
1.00
10
0.99
43
1.00
1.00
11
0.99
1.00
42
1.00
12
0.99
1.00
41
0.99
0.99
13
1.00
0.96
1.00
71
0.99
0.99
15
1.00
72
1.00
1.00
46
16
1.00
0.96
39
1.00
1.00
1.00
1.00
73
0.96
1.00
45
17
1.00
43
1.00 0.99
37
1.01
1.00
1.00
0.99
1.00
44
18
0.99
36
1.00
42
19
20
1.00
35
0.99
41
21
22
1.00
34
37
40
60
0.97
0.98
0.99
39
59
1.03
33
0.98
0.99
38
58
1.00
0.97
36
57
0.99
32
1.00
1.00
35
56
1.03
1.03
34
55
0.98
31
0.97
1.00
33
63
62
61
0.99
30
1.00
0.98
32
54
64
1.00
1.00
1.00
29
0.99
1.03
1.00
28
10
0.99
0.98
31
0.99
14
1.00
27
1.00
0.96
0.98
30
26
12
1.00
1.00
29
1.01
24
25
13
27
1.00
23
15
14
1.00
0.98
Hora 8
24
26
1.00
51
Hora 7
25
0.99
50
60
65
1.00
1.00
48
61
55
1.00
0.98
63
67
66
1.00
1.00
62
1.04
51
1.00
1.00
1.00
64
1.00
0.99
49
68
1.00
45
1.00
1.00
48
44
67
1.00
0.99
70
69
0.99
1.00
66
1.00
1.00
71
1.00
0.99
1.00
1.00
72
1.00
1.00
46
73
1.00
1.00
42
69
68
45
1.00
1.00
0.99
1.00
1.00
1.00
41
70
1.00
0.99
43
0.98
1.00
40
71
1.00
1.00
0.99
0.97
39
72
1.00
1.00
0.99
1.00
0.98
1.00
41
1.03
1.00
38
73
1.00
7
1.00
1.00
1.00
1.00
0.98
37
38
1.00
0.99
1.00
1.00
1.00
1.00
36
1.00
10
1.00
1.01
35
11
0.99
0.98
34
0.99
12
1.00
1.00
33
0.99
13
0.97
1.03
32
1.04
1.00
36
15
1.00
0.99
31
1.01
35
16
1.00
0.99
1.00
0.98
34
17
0.98
30
1.00
33
18
1.00 1.00
1.00 1.00 0.99
1.00
1.00
1.00
29
1.00
0.99
31
1.00
28
10
1.00
0.99
1.00
27
11
0.99
30
19
20
21
14
25
1.00
1.00
22
24
13
1.00
0.98
1.00
23
14
25
227
1.00
46
67
1.00
1.00
47
66
1.00
0.97
1.00
65
1.00
1.00
1.00
48
0.98
49
0.99
0.98
0.98
50
1.02
1.00
0.97
1.00
0.99
53
54
55
63
62
61
51
52
56
57
58
Hora 10
64
1.00
1.00
59
60
228
19
20
21
22
23
18
17
23
16
14
26
1.00
27
1.00
1.00
1.00
11
10
0.99
9
8
0.98
31
1.03
32
7
6
1.03
1.00
1.00
37
1.00
1.00
1
1.00
1.00
41
1.00
1.00
0.98
70
49
0.98
0.98
50
0.97
1.00
1.02
1.00
0.99
0.99
53
54
55
56
58
57
0.99
44
68
1.00
1.00
45
1.00
0.98
47
1.00
0.98
49
62
0.99
0.98
23
22
21
19
20
18
17
26
1.00
27
1.00
28
1.00
1.00
1.00
52
16
23
15
53
26
12
1.00
1.00
0.96
1.00
29
30
1.00
1.00
32
40
1.00
47
0.97
0.98
49
0.99
0.98
0.98
50
1.02
1.00
0.97
1.00
0.99
62
61
51
52
53
54
55
63
56
57
58
Hora 13
59
60
4
3
2
73
72
1.00
1.00
71
1.00
1.00
1.00
1.00
68
1.00
1.00
45
69
0.99
0.99
44
70
0.99
0.99
67
1.00
1.00
1.00
65
64
1.00
0.99
1.00
46
1.00
1.00
0.98
66
1.00
1.00
48
7
1.00
1.00
68
46
0.97
0.98
67
1.00
9
1.00
43
1.00
1.00
10
0.99
42
1.00
1.00
11
1.00
0.98
69
0.99
0.99
12
0.99
1.00
70
0.99
0.99
13
1.00
0.96
71
41
1.00
15
1.00
1.00
72
1.00
1.00
16
1.00
0.97
39
1.00
43
1.00
1.00
73
0.96
45
17
1.00
38
1.00
1.00
1.00
0.99
1.00
0.99
37
1.01
1.00
1.00
0.99
36
1.00
44
18
0.99
1.00
1.00
1.00
0.99 1.00
0.98
0.99
42
19
20
1.00
34
37
41
21
1.02
35
0.99
40
22
0.97
0.98
0.99
39
60
1.00
33
0.98
1.00
38
59
1.03
0.97
36
58
0.98
31
7
1.03
35
57
0.98
0.97
1.00
34
56
0.98
0.99
0.98
33
62
61
55
1.00
10
1.03
32
1.00
28
0.98
0.98
31
63
14
1.00
27
11
0.99
30
54
64
1.00
1.00
24
25
13
1.00
1.00
29
1.00
0.99
51
14
1.00
1.00
1.02
0.97
Hora 12
24
0.99 0.99 1.00
0.98
50
Hora 11
25
65
1.00
1.00
48
63
66
1.00
1.00
46
67
1.00
1.00
65
69
0.99
60
59
70
0.99
0.99
43
61
51
52
1.00
1.00
42
72
71
1.00
1.00
64
1.00
0.99
73
1.00
1.00
66
1.00
1.00
1.00
48
1
1.00
67
1.00
0.97
47
1.00
1.00
68
46
1.00
0.96
69
1.00
1.00
0.98
1.00
1.00
1.00
45
0.98
1.00
38
0.99
0.99
44
0.98
0.99
41
0.99
0.99
43
7
1.00
37
40
1.00
1.00
42
0.97
0.99
71
1.00
1.00
9
1.00
72
1.00
1.00
0.98
0.99
39
1.00
40
10
0.99
73
0.96
39
11
0.99
1.00
36
12
0.99
1.03
35
0.98
0.99
38
13
1.00
0.97
34
0.98
0.99
36
0.98
0.99
35
15
1.00
1.00
33
0.97
34
16
1.00
1.02
32
1.00
1.00
0.98
31
0.97
1.00
33
17
0.98
30
1.00
1.00 0.99
1.00
29
0.99
1.00
0.96
1.00
28
0.99
0.98
1.00
27
1.00
0.98
30
18
14
26
12
1.00
29
19
20
21
25
13
0.96
1.00
28
1.00
1.00
22
24
15
24
25
47
66
1.00
0.97
1.00
65
1.00
1.00
1.00
48
0.98
49
0.99
0.98
0.98
50
1.02
1.00
0.97
1.00
0.99
53
54
55
63
62
61
51
52
56
57
58
Hora 14
64
1.00
0.99
59
60
23
22
21
19
20
18
17
16
24
26
1.00
27
1.00
28
23
15
1.00
1.00 1.00
1.00
11
9
1.00
1.03
32
32
1
1.00
1.00
73
0.96
1.00
40
70
43
44
1.00
46
0.98
47
1.00
1.00
0.98
49
0.99
0.98
0.98
50
1.03
1.00
0.97
1.00
0.99
1.00
53
54
1.00
55
56
57
58
1.00
0.98
49
62
59
23
22
21
19
20
18
17
1.00
1.00
1.00
1.00
16
28
23
15
1.00
1.00
0.96
26
12
0.99
29
0.98
30
1.00
1.00
32
34
0.98
1.00
0.97
0.98
49
0.98
0.98
50
1.02
1.00
0.97
1.00
0.99
0.99
53
54
55
63
61
56
57
58
Hora 17
59
60
4
3
2
1
1.00
73
1.00
1.00
42
71
1.00
1.00
70
72
1.00
1.00
68
1.00
1.00
45
69
0.99
0.99
44
70
0.99
0.99
67
1.00
1.00
1.00
65
64
1.00
62
51
52
0.99
1.00
46
1.00
1.00
0.98
66
1.00
1.00
48
7
1.00
1.00
68
47
0.97
0.98
67
1.00
1.00
43
1.00
1.00
0.99
0.98
69
1.00
1.00
10
0.99
0.96
40
1.00
0.99
0.99
11
0.99
71
0.99
0.99
1.00
0.96
1.00
41
1.00
12
1.00
1.00
72
1.00
43
15
13
1.00
1.00
39
1.00
1.00
46
16
0.99
73
0.96
1.00
1.00
38
1.00
45
17
37
1
44
18
0.99
36
1.00
1.00
1.00 0.99
0.99
1.00
1.00
1.00
1.00
42
19
20
1.00
35
0.99
41
21
22
0.97
37
40
60
1.03
33
0.98
0.99
39
59
1.00
0.98
0.99
38
58
1.02
0.97
36
57
0.98
31
0.97
1.00
35
56
0.98
1.02
34
61
55
0.98
0.99
1.00
33
54
64
63
62
1.00
10
1.02
32
1.00
28
0.99
0.98
31
1.00
1.00
14
1.00
27
11
0.98
30
1.00
24
1.00
1.00
29
53
25
13
27
1.00
1.00
1.03
52
14
1.00
0.97
0.99
Hora 16
24
26
0.98
0.99
51
Hora 15
25
0.98
50
60
65
1.00
1.00
48
61
51
52
0.98
47
63
66
1.00
1.00
46
64
1.00
67
1.00
1.00
65
1.00
1.00
48
68
45
66
1.00
1.00
1.00
67
1.00
1.00
69
0.99
0.99
68
1.00
1.00
45
70
0.99
0.99
69
0.99
0.99
44
1.00
1.00
42
0.99
0.99
71
1.00
1.00
41
72
1.00
1.00
71
1.00
1.00
1.00
72
1.00
1.00
39
1.00
0.98
1.00
73
1.00
43
0.98
38
0.97
42
0.98
0.99
1.00
7
1.00
37
1.01
1.00
0.97
0.99
1.00
1.00
41
1.00
0.99
35
1.00
1.00
40
1.00
0.97
36
0.99
39
10
0.99
1.00
0.97
37
38
11
0.99
1.03
34
0.98
0.99
36
12
1.00
0.98
1.00
13
1.00
1.00
33
0.97
1.00
35
15
1.00
0.98
1.03
34
16
1.03
7
1.00
1.00
0.98
31
0.97
1.00
33
17
0.98
30
0.99
31
1.00
1.00
29
0.99
0.98
30
10
0.99
1.00
1.00 1.00 0.99
1.00
0.96
1.00
28
0.99
0.98
1.00
27
1.00
1.00
29
26
12
1.00
0.97
18
14
25
13
1.00
19
20
21
22
24
14
25
229
47
66
1.00
0.97
1.00
65
1.00
1.00
1.00
48
0.98
49
0.98
0.98
50
1.03
1.00
0.97
1.00
0.99
0.99
53
54
55
63
61
56
57
58
Hora 18
64
1.00
62
51
52
0.99
59
60
230
23
21
22
19
20
18
17
16
1.00
1.00
1.00
1.00
1.00
1.00
1.00
0.98
1.00
0.98
1.02
32
0.97
1.02
40
1.00
42
44
45
67
1.00
1.00
1.00
46
47
1.00
45
1.00
0.98
49
0.98
0.98
50
0.97
1.00
1.02
1.00
0.99
0.99
0.99
0.98
53
54
55
56
57
58
59
1.00
1.00
0.98
49
0.99
0.98
0.98
50
23
21
22
19
20
52
18
17
16
1.00
27
1.00
28
15
53
54
1.00 1.00
1.00 1.00 0.99
1.00
23
1.00
1.00
0.99
1.00
0.97
1.03
0.98
0.99
1.00
0.99
37
1.00
1.00
38
1.01
1.00
73
1.00
40
71
1.00
1.00
1.00
1.00
42
72
1.00
1.00
41
70
1.00
0.99
43
68
1.00
1.00
45
69
0.99
0.99
44
67
1.00
1.00
1.00
0.98
47
66
1.00
1.00
46
65
1.00
1.00
1.00
48
0.98
49
0.99
0.98
0.99
50
1.03
1.00
0.97
1.00
1.00
53
54
55
63
62
51
52
56
57
58
Hora 21
64
1.00
0.99
61
59
60
18
1.00
1.00
17
1.00
16
15
13
1.00
12
1.00
0.97
1.00
11
0.99
10
1.00
1.00
1.01
0.98
7
1.00
6
1.03
0.98
0.98
1.00
36
1.00
0.99
37
1.00
1.00
38
0.99
1.00
35
0.99
1.00
1
1.00
1.00
0.97
39
19
20
1.00
34
0.98
0.99
36
21
1.00
1.00 1.00 0.99
0.99
33
0.98
1.00
35
60
1.03
32
0.97
34
59
0.99
31
7
1.00
1.00
33
58
57
56
0.99
30
0.98
32
61
55
1.00
29
0.99
1.03
1.00
28
10
0.99
0.98
31
63
62
14
1.00
27
11
0.98
30
26
12
1.00
0.97
22
25
13
1.00
29
64
1.00
0.99
24
14
1.00
0.99
Hora 20
24
26
1.00
51
Hora 19
25
0.97
1.00
1.02
60
65
1.00
1.00
48
61
51
52
47
63
62
66
1.00
1.00
64
1.00
67
1.00
1.00
46
65
1.00
1.00
48
68
1.00
1.00
66
1.00
0.97
44
69
0.99
0.99
1.00
70
0.99
0.99
43
68
1.00
1.00
1.00
42
69
0.99
0.99
71
1.00
1.00
70
0.99
0.99
43
72
1.00
1.00
41
1.00
73
0.96
1.00
71
1.00
1.00
1
1.00
1.00
39
72
1.00
1.00
1.00
1.00
38
1.00
0.99
73
0.96
0.98
0.99
1
1.00
1.00
41
0.98
37
1.00
40
0.98
0.99
1.00
1.00
7
1.00
1.00
36
1.00
39
0.97
0.98
38
1.00
1.03
35
0.98
37
0.99
0.97
34
0.99
36
10
0.99
0.98
0.99
35
11
0.99
1.00
0.98
12
1.00
0.98
33
1.00
13
1.00
1.03
32
0.97
34
15
1.00
0.98
31
1.00
1.00
33
16
1.00
0.98
30
1.00
1.00
29
0.99
0.98
31
17
1.00 0.99
0.96
1.00
28
10
0.99
0.98
30
1.00
27
11
1.00
29
26
12
1.00
0.96
18
14
25
13
1.00
19
20
21
22
24
14
27
28
23
15
24
25
26
73
0.97
39
1.00
40
71
1.00
1.00
1.00
1.00
42
72
1.00
1.00
41
68
1.00
1.00
45
69
0.99
1.00
44
70
1.00
0.99
43
67
1.00
1.00
1.00
0.98
47
66
1.00
1.00
46
1.00
1.00
1.00
48
65
0.99
49
0.99
0.99
50
1.03
1.00
0.98
1.01
1.00
1.00
53
54
55
56
57
58
Hora 22
64
1.00
63
62
61
51
52
0.99
59
60
23
22
21
19
20
18
17
16
24
26
1.00
27
1.00
28
15
1.00
1.00 1.00
1.00 1.00 0.99
1.00
1.00
0.98
12
26
1.00
11
10
1.00
31
1.00
1.00
0.99
1.00
36
37
71
1.00
1.00
42
37
73
38
72
1.00
1.00
67
1.00
0.98
47
66
1.00
1.00
65
1.00
1.00
1.00
48
64
1.00
0.99
49
0.99
0.99
50
1.00
0.98
1.04
51
52
53
54
55
56
1.01
57
1.00
1.00
1.00
9
1.01
0.99
1.00
6
1.05
1.00
1
1.00
73
0.99
71
1.00
1.00
1.00
1.00
42
72
1.00
1.00
41
1.00
1.00
40
1.00
1.00
39
0.99
68
1.00
1.00
45
1.00
0.99
47
1.00
64
1.00
0.99
1.00
49
1.00
50
1.01
1.00
1.00
52
53
54
55
63
62
61
1.05
51
Hora 23
65
1.00
1.00
48
60
66
1.00
1.00
46
67
1.00
1.00
63
69
1.00
1.00
44
70
1.00
43
62
59
1.01
1.00
61
58
10
1.01
1.00
1.00
1.00
1.00
46
11
1.00
1.00
68
1.00
45
69
0.99
1.00
44
70
1.00
0.99
43
12
1.00
1.00
1.00
1.00
41
13
0.99
1.00
36
0.98
1.00
15
1.00
1.01
1.00
1.00
40
16
1.00
1.00
1.00
1.00
39
1.00
1.02
35
1.00
1.00
38
17
0.99
34
0.99
1.00
1.00
33
0.99
1.00
1.05
32
1.04
1.01
35
18
1.00
31
7
1.00
0.98
34
19
0.99
30
0.98
1.00
33
20
1.00
29
1.01
1.04
1.00
28
0.99
32
1.00
27
1.00
0.99
30
21
14
25
1.00
0.99
22
24
13
1.00
29
23
14
25
231
56
57
58
59
60
Hora 24
Tiempo de Ejecucin
La resolucin del problema RTS para un periodo horario de 24 horas, se realiza en un
tiempo variable tal y como se muestra en la tabla 4.33, usando la mquina descrita en la
tabla 4.5.
Hora
Tiempo (s)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
111,81
101,24
147,66
144,92
82,531
86,953
93,438
148,16
73,547
55,547
73,406
106,84
70,265
71,157
91,422
117,47
134,11
93,031
131,3
232
Hora
Tiempo (s)
20
21
22
23
24
116,08
60,656
114,94
130,5
150,66
0.02
0.018
0.016
0.014
Proceso de convergencia
0.012
0.01
0.008
20
40
60
80
100
120
140
160
Generacin
Figura 4.39 Evolucin de la poblacin para un periodo horario cualquiera de la red RTS
180
Captulo 5
233
234
multi-objetivo
han
sido
tratados
mediante
funciones
agregadas,
de
estrategia
multi-objetivo
presentada
continuacin
es
altamente
235
muchas
ideas
del
algoritmo
evolutivo
multi-objetivo
llamado
PAES
Desde el punto de vista de este investigador, esta opcin presenta unas interesantes
caractersticas que hacen viable su uso y exploracin. Se deja como un trabajo futuro, el
anlisis y estudio comparativo con otras tcnicas multi-objetivo al objeto de determinar
si es posible hallar mejores resultados.
En los siguientes apartados se detalla ms en profundidad las caractersticas de los
algoritmos implementados
236
237
238
z2
tk
tj
ti
z1
Figura 5.1 Ilustracin de la evolucin de la malla adaptativa
PAES
Mt es el archivo de soluciones descubiertas
x
solucin actual
solucin candidata
239
240
5.1.2 MultiStart-PAES
241
Ms-PAES
Mt es el archivo (local) de soluciones descubiertas
Gt es el archivo (global) de soluciones descubiertas
x
solucin actual
solucin candidata
242
5.1.3 Annealing-PAES
el uso de
enfriamiento simulado permite que vaya escapando de sucesivos ptimos locales hasta
243
244
Tsim =
N sol ,t
N tam
245
Annealing-PAES
Mt es el archivo de soluciones descubiertas
x
solucin actual
solucin candidata
es el parmetro temperatura
Se debe comentar que aplicar esta metaheurstica en PAES conlleva dos aspectos
importantes a tener en cuenta:
246
5.1.4 Tabu-PAES
247
para continuar la bsqueda de forma eficiente, mientras que una buena eleccin fruto del
azar no proporcionar ninguna informacin para posteriores acciones.
Tabu-PAES
Mt es el archivo de soluciones descubiertas
x
solucin actual
solucin candidata
248
249
Annealing-Tabu-PAES
Mt es el archivo de soluciones descubiertas
x
solucin actual
solucin candidata
es el parmetro temperatura
250
Repetir
Repetir
Aplicar la funcin de mutacin x = mutar (x)
Mientras sea movimiento tab
Actualizar la lista tab
Si la candidata es mayor a la solucin actual entonces
Se descarta
Sino
Si la candidata es menor a la solucin actual entonces
Calcular la localizacin en la malla para la candidata y renormalizar si
fuese necesario
Actualizar el archivo y eliminar los individuos dominados
Hacer la solucin actual igual a la candidata.
Sino
Si la candidata y el mutante son iguales entonces
Si la candidata es menor al archivo entonces
Calcular la localizacin en la malla para la candidata y
renormalizar si fuese necesario
Actualizar el archivo y eliminar los individuos dominados
Hacer la solucin actual igual a la candidata
Sino
Descartarla solucin candidata
Actualizar la Temperatura T=Cool(T,Mt)
Hasta que se satisfaga el criterio de convergencia
Devolver el Archivo de soluciones Mt
251
252
253
Los datos de partida son los mismos que en situaciones anteriores y se muestra una
comparativa de las soluciones obtenidas por cada una de las variantes implementadas. En
la figura 5.5 se muestran los resultados de 5 ejecuciones diferentes usando el algoritmo
PAES. En ella se aprecian diferentes frentes de soluciones no dominadas, representativo
del frente Pareto-ptimo (desconocido).
5.76
Serie1
Serie2
Serie3
Serie4
Serie5
5.74
5.72
5.7
5.68
5.66
5.64
5.62
5.6
5.58
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
Figura 5.5 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de PAES.
Mutacin
20%
Escaln
1%
N Escalones
11
254
0
-1
-2
1
0
-1
-2
1
0
-1
-2
-3
-3
-3
-4
-4
-4
-5
Ejecucin 4
2
Posicin Toma (%)
1
0
-1
-2
-2
-4
4
-5
-4
3
-1
-3
-3
Ejecucin 5
-5
Ejecucin 3
-5
Ejecucin2
-5
Figura 5.6 Posicin de las tomas para varias ejecuciones de PAES en la red IEEE30
255
5.76
Serie1
Serie2
Serie3
Serie4
Serie5
5.74
5.72
5.7
5.68
5.66
5.64
5.62
5.6
5.58
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
Figura 5.7 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de Annealing-PAES.
256
5.75
5.7
5.65
5.6
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
Figura 5.8 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de Tab-PAES.
5.76
Serie1
Serie2
Serie3
Serie4
Serie5
5.74
5.72
5.7
5.68
5.66
5.64
5.62
5.6
5.58
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
0.055
Figura 5.9 Frente de Pareto para el caso IEEE30 con 5 ejecuciones de Annealing-Tab-PAES
257
La distribucin de las tomas para cada una de las ejecuciones anteriores se puede
apreciar en la figura 5.10. Se observa como las soluciones obtenidas presentan una gran
dispersin y cubren bastantes opciones de configuracin en los transformadores.
Obviamente, algunas presentan mejor caracterstica desde el punto de vista del IDT y
otras lo hacen desde el punto de vista de la prdida de potencia. Cabe destacar el hecho
de la similitud con los resultados mostrados en la figura 5.6.
Ejecucion 2
1
0
-1
-2
1
0
-1
-2
1
0
-1
-2
-3
-3
-3
-4
-4
-4
-5
-5
2
3
Transformador
Ejecucion 4
5
1
0
-1
-2
2
3
Transformador
-2
-4
-4
2
3
Transformador
-5
-1
-3
-3
-5
2
3
Transformador
Ejecucion 5
Ejecucion 3
Ejecucion 1
5
-5
2
3
Transformador
Figura 5.10 Posicin de las tomas para varias ejecuciones de Annealing-Tab-PAES en la red
IEEE30
258
155.6
Serie 1
Serie 2
Serie 3
Serie 4
Serie 5
155.5
155.4
155.3
155.2
155.1
155
154.9
0.0125
0.013
0.0135
0.014
0.0145
0.015
Figura 5.11 Frente de Pareto para el caso RTS con 5 ejecuciones de PAES
0.0155
259
Mutacin
20%
Escaln
1%
N Escalones
21
En la figura 5.12 se muestran las posiciones de las tomas para una ejecucin
cualquiera del algoritmo.
Ejecucin k
10
-2
-4
-6
10
12
14
16
Transformador
Figura 5.12 Posicin de las tomas para una ejecucin aleatoria de PAES en la red RTS
En la figura 5.13, figura 5.14 y figura 5.15, se muestran las grficas de resultados
para
los
algoritmos
respectivamente.
Annealing-PAES,
Tab-PAES
Annealing-Tab-PAES,
18
260
155.9
Serie 1
Serie 2
Serie 3
Serie 4
Serie 5
155.8
155.7
155.6
155.5
155.4
155.3
155.2
155.1
155
0.0125
0.013
0.0135
0.014
0.0145
0.015
Figura 5.13 Frente de Pareto para el caso RTS con 5 ejecuciones de Annealing-PAES.
0.0155
261
155.6
Serie 1
Serie 2
Serie 3
Serie 4
Serie 5
155.5
155.4
155.3
155.2
155.1
155
0.0125
0.013
0.0135
0.014
0.0145
0.015
0.0155
0.016
Figura 5.14 Frente de Pareto para el caso RTS con 5 ejecuciones de Tab-PAES.
0.0165
262
155.6
155.5
155.4
155.3
155.2
155.1
155
0.0124
0.0126
0.0128
0.013
0.0132
0.0134
0.0136
0.0138
0.014
0.0142
0.0144
Figura 5.15 Frente de Pareto para el caso RTS con 5 ejecuciones de Annealing-Tab-PAES.
263
Se debe buscar una buena distribucin (en muchos casos uniforme) de las
soluciones.
La extensin del frente obtenido debe ser mxima. Para cada objetivo, se debera
cubrir un rango de valores amplio por las soluciones obtenidas.
264
C (X , X ) :=
{a X : a X : a a }
X
siendo:
C (X , X ) sea igual a 1 C (X , X ) .
265
varios frentes, obtendr un mejor resultado aquel que obtenga el valor del hipervolumen
mayor, ya que supondr que es el que cubre un porcentaje mayor del rea objetivo.
266
de las grficas que se presentan. En el ranking total de la tabla 5.5 se observa como
PAES constituye el mejor frente compromiso.
5.8
PAES
A-PAES
T-PAES
AT-PAES
5.75
5.7
5.65
5.6
0.01
0.015
0.02
0.025
0.03
0.035
0.04
0.045
0.05
0.055
Figura 5.16 Comparativa entre PAES, A-PAES, T-PAES y AT-PAES para IEEE30
PAES
A-PAES
T-PAES
AT-PAES
PAES
-1,000
0,094
0,094
0,094
A-PAES
0,393
-1,000
0,250
0,393
T-PAES
0,289
0,184
-1,000
0,158
AT-PAES
0,359
0,205
0,128
-1,000
Media
0,347
0,161
0,157
0,215
Hiper-volumen
PAES
0,01856
A-PAES
0,01808
T-PAES
0,01867
AT-PAES
0,01801
COBERTURA
HIPERVOLUMEN
267
VALOR
RANKING
VALOR
RANKING
Suma
rankings
Ranking
Total
PAES
0,347
0,01856
A-PAES
0,161
0,01808
T-PAES
0,157
0,01867
AT-PAES
0,215
0,01801
Una vez analizados los resultados obtenidos para la red IEEE30, pasamos a analizar
la red RTS. Esta red es bastante ms grande que la IEEE30, observndose un
comportamiento diferente al de IEEE30. En concreto PAES ya no se comporta como en
redes ms pequeas. En la figura 5.17 se presentan los resultados para los frentes de
Pareto de los diferentes algoritmos multi-objetivo en la red RTS. En la tabla 5.6 y tabla
5.7 se muestran los valores numricos para las mtricas usadas, mientras que en la tabla
5.8 se presenta un ranking de los algoritmos en funcin de su comportamiento general,
teniendo en cuenta ambas mtricas. En este caso, Tabu-PAES obtiene el mejor resultado
tanto en cobertura como hipervolumen. Cabe destacar que en este caso el valor numrico
del hipervolumen es aun menor que en el caso de la red IEEE30 ya que la escala de
prdida de potencia (eje de ordenadas) es dos rdenes de magnitud mayor en RTS que en
IEEE30, aunque esto no importa ya que todos los frentes son comparados haciendo uso
del mismo rea total del espacio objetivo.
268
155.5
155.4
155.3
155.2
155.1
155
154.9
0.0125
0.013
0.0135
0.014
0.0145
0.015
0.0155
0.016
0.0165
Figura 5.17 Comparativa entre PAES, A-PAES, T-PAES y AT-PAES para RTS
PAES
A-PAES
T-PAES
AT-PAES
PAES
-1,000
0,238
0,524
0,143
A-PAES
0,385
-1,000
0,385
0,462
T-PAES
0,267
0,333
-1,000
0,267
AT-PAES
0,412
0,235
0,294
-1,000
Media
0,355
0,269
0,401
0,291
Hiper-volumen
PAES
0,000749
A-PAES
0,000721
T-PAES
0,000758
AT-PAES
0,000681
COBERTURA
PAES
HIPERVOLUMEN
VALOR
RANKING
VALOR
RANKING
Suma
rankings
0,355
0,00075
Ranking
Total
2
269
A-PAES
0,269
0,00072
3=
T-PAES
0,401
0,00076
AT-PAES
0,291
0,00068
3=
IDT
0.010618
0.010618
Tomas
[-2 -2 -2 -2]
[-2 -2 -2 -2]
270
-1.81
Indice de desviacion
-1.9
10
IDT = 0.010618
-1.89
10
-1.97
10
-1.3
10
50
100
generacion
150
IDT = 0.010618
-1.6
-1.9
10
50
100
generacion
50
100
generacion
150
IDT = 0.013356
-1.2
10
Indice de desviacion
Indice de desviacion
-1.6
10
Indice de desviacion
10
IDT = 0.010618
-1.3
10
10
-1.5
10
-1.8
10
150
50
100
generacion
150
-1.3
IDT = 0.010618
Indice de desviacion
Indice de desviacion
-1.6
10
-1.9
10
50
100
generacion
IDT = 0.010618
-1.9
10
-1.8
10
-1.9
10
150
50
100
generacion
150
IDT = 0.010618
-1.6
10
50
100
generacion
10
150
-1.7
IDT = 0.010618
-1.4
Indice de desviacion
Indice de desviacion
10
10
-1.9
10
50
100
generacion
150
-1.8
10
-1.9
10
-1.8
10
-1.9
10
Indice de desviacion
50
100
generacion
IDT = 0.013688
10
-1.8
10
50
100
generacion
-1.9
10
-1.5
50
100
generacion
150
IDT = 0.010618
10
-1.7
10
-1.9
10
150
-1.5
-1.7
10
Indice de desviacion
10
271
IDT = 0.010618
10
150
IDT = 0.010618
-1.7
50
100
generacion
150
IDT = 0.010618
-1.5
10
-1.7
10
-1.9
10
150
50
100
generacion
150
-1.3
-1.2
Indice de desviacion
50
100
generacion
Indice de desviacion
Indice de desviacion
-1.5
Indice de desviacion
IDT = 0.010618
IDT = 0.011944
10
-1.9
10
50
100
generacion
150
10
Indice de desviacion
Indice de desviacion
IDT = 0.013688
-1.8
10
50
100
generacion
150
272
tiene ms problemas para encontrar el ptimo del problema, ya que le cuesta escapar de
ptimos locales. Los resultados obtenidos con esta tcnica no han sido mejores que los
obtenidos con algoritmos genticos. An as, la figura 5.18 muestra como el proceso de
convergencia sigue siendo mucho ms rpido y se acaba encontrando soluciones cercanas
al valor obtenido por el AG. Se puede observar como slo son necesarias unas 4.000
iteraciones para lograr soluciones cercanas al ptimo del AG (el cual necesitaba de
14.400).
En la tabla 5.10 se ofrece una comparativa sobre el comportamiento de ambos
algoritmos para la Red RTS
Algoritmo
Algoritmo Gentico
PAES
IDT
0.012100
0.012606
-1.8
10
10
10
Indice de desviacion
10
10
10
-1.5
2000
4000
generacion
10
10
6000
IDT = 0.012606
-1.6
-1.7
-1.8
IDT = 0.012552
2000
4000
generacion
10
10
10
6000
-1.6
-1.7
-1.8
1000
IDT = 0.012686
-1.7
10
10
10
273
IDT = 0.013098
2000 3000
generacion
4000
5000
IDT = 0.012708
Indice de desviacion
Indice de desviacion
10
-1.5
Indice de desviacion
-1.6
10
-1.4
-1.6
-1.8
10
10
10
-1.4
-1.6
-1.8
-1.9
-1.4
2000
4000
generacion
6000
IDT = 0.013034
-1.6
-1.8
2000
4000
generacion
6000
10
10
10
-1.4
2000
4000
generacion
6000
1000
IDT = 0.012824
-1.8
2000
4000
generacion
2000 3000
generacion
4000
5000
IDT = 0.012627
-1.6
Indice de desviacion
10
IDT = 0.012835
Indice de desviacion
10
-1.4
Indice de desviacion
10
Indice de desviacion
Indice de desviacion
6000
10
10
10
10
-1.5
-1.6
-1.7
-1.8
1000
2000 3000
generacion
4000
5000
274
Captulo 6
Conclusiones, aportaciones y
lneas futuras de trabajo
275
276
los elementos encargados de actuar en los nodos para evitar los desvos importantes de
tensin. Entre los elementos que juegan un papel importantsimo, estn los
transformadores con cambiador de tomas, as como los condensadores sncronos, bateras
de condensadores, compensadores estticos o STATCOM13, etc.
En esta tesis se ha planteado una forma coordinada de trabajo que incluye a los
transformadores con posibilidad de cambio en carga, como elementos centrales de
trabajo. A travs de este mtodo se consigue que la red pueda estabilizarse en tensiones
alrededor de los valores nominales de la misma.
Como trabajo aadido y mejora de la tesis, se ha planteado un escenario adicional
multi-objetivo, mediante el cual se ha buscado una optimizacin no slo de las tensiones
nodales de la red, sino tambin de la potencia perdida en las lneas elctricas. De esta
forma, se han encontrado soluciones de compromiso en el frente de Pareto que reflejan
diferentes posibilidades de actuacin en la red, en funcin de decisores de alto nivel.
De manera lgica, la tesis se ha subdivido en captulos que han tratado los diversos
aspectos relacionados con el problema.
En el captulo 2 se ha presentado de forma general, el mtodo empleado para
resolver el problema de la optimizacin de tensiones en redes elctricas, as como una
breve descripcin de las tcnicas matemticas que han venido siendo utilizadas con
anterioridad, es decir, tcnicas basadas en optimizacin lineal. Se ha realizado una
introduccin a las tcnicas clsicas de optimizacin para posteriormente describir las dos
tcnicas ms relevantes pertenecientes a la computacin evolutiva.
En el captulo 3 se ha hacho un repaso al estado del arte existente en la optimizacin
de tensiones en redes elctricas. Se han analizado los mtodos y tcnicas usados en la
actualidad, as como las mejoras y nuevas propuestas realizadas recientemente basadas en
algoritmos evolutivos o convencionales que permiten abordar el problema de la
optimizacin de tensiones
En el captulo 4 se ha presentado la aplicacin de un algoritmo gentico a la
resolucin del problema de optimizacin de tensiones en redes de distribucin elctrica.
13
http://ocw.uc3m.es/ingenieria-electrica/operacion-y-control-de-sistemas-electricos/II_OCSE_RT/node14.html/
277
278
han
podido
resolver
los
problemas
propuestos
considerando
dos
279
las que trabaja son soluciones factibles del problema, ya que se base en un
poblacin entera que refleja de forma unvoca cada una de las posiciones de
los cambiadores y slo una.
prximas.
Por
tanto,
no
es
necesario
mantener
un
280
281
Optimizacin de Tensin en
Apndice A
283
284
Apndice A
Apndice A
285
286
Apndice A
Apndice A
287
288
Apndice A
Apndice A
289
290
Apndice A
Apndice A
291
292
Apndice A
Apndice A
293
Apndice B
El principal problema que ha sufrido esta tcnica para una completa aceptacin
entre la comunidad cientfica ha sido la ausencia de un fundamento matemtico que
caracterice de forma rigurosa las cualidades necesarias para cualquier tcnica de
optimizacin: (i) garanta de convergencia a la solucin ptima, y (ii) tasa apropiada de
convergencia hacia el ptimo.
Hasta hace poco, el nico fundamento matemtico sobre el que se basaba la
aplicacin de los algoritmos genticos era el llamado Teorema de los esquemas. Este
teorema no garantiza la convergencia hacia la solucin ptima, tan slo proporciona una
cota, en cada generacin, del nmero esperado de individuos con unas caractersticas
determinadas (esquemas) y que son sometidos a unos determinados procesos de seleccin
y mutacin. Este teorema afirma que el nmero esperado de individuos con una medida
de su calidad superior a la media aumenta exponencialmente, mientras que el nmero de
individuos con una medida de calidad inferior a la media disminuye exponencialmente.
Como se puede apreciar, este teorema no establece base matemtica para asegurar que
esta tcnica obtiene la solucin ptima y el algoritmo no queda atrapado en ningn
ptimo local. Por otro lado, este teorema slo es aplicable a algoritmos con codificacin
binaria y operadores de cruce y mutacin especficos.
295
296
Apndice B
Durante los ltimos aos, ha habido un esfuerzo importante por parte de la
comunidad cientfica para conseguir resultados ms generales que los que proporciona el
teorema de los esquemas. Como se ha mencionado anteriormente, un algoritmo gentico
es un proceso estocstico, fcilmente comparable con una cadena de Markov14.
Recientemente, se ha conseguido un resultado relevante a travs de la caracterizacin de
un algoritmo gentico como una cadena de Markov. Este resultado es la demostracin de
que un algoritmo gentico converge, en el lmite, con probabilidad 1 a la solucin ptima.
Esta demostracin de convergencia asinttica supone un salto sustancial en el
fundamento matemtico de esta tcnica de optimizacin, convirtiendo al algoritmo
gentico en una tcnica de optimizacin algo ms que heurstica.
Una vez que se ha obtenido una prueba de convergencia global, slo queda establecer
la velocidad con que el algoritmo gentico se acerca al ptimo, es decir, su tasa de
convergencia.
A continuacin se detallan las dos teoras que sirven de base matemtica para
explicar el funcionamiento de los algoritmos genticos: (i) el teorema de los esquemas, y
(ii) el anlisis mediante cadenas de Markov.
s S ; s = (s1,..., si ,..., sk )/ si , si { }
14
(B.1)
Una cadena de Markov, que recibe su nombre del matemtico ruso Andrei Markov, es una serie de eventos, en la cual
la probabilidad de que ocurra un evento depende del evento inmediato anterior.
Apndice B
297
S = k
(B.2)
(B.3)
298
Apndice B
B.1.1.1
bsico15, tras haber actuado los operadores genticos bsicos (seleccin, cruzamiento y
mutacin).
De forma simplificada puede expresarse que:
m(H , g + 1) = m(H , g )kg ks
(B.4)
15
El teorema fundamental se enuncia sobre un algoritmo gentico propuesto por Goldberg, habitualmente denominado
algoritmo gentico bsico (SGA). En un SGA la codificacin de los individuos es binaria, la inicializacin aleatoria, la
seleccin por sorteo y el reemplazo inmediato. Los operadores genticos son el cruzamiento y la mutacin bit a bit. De
manera ideal, se considera a los operadores cerrados (no pueden generar individuos no factibles) por lo que no existe
tratamiento de individuos no vlidos.
Apndice B
299
P (s, g ) =
(s )
(B.5)
donde:
m(H , g )s = m(H , g )
(H )
(B.6)
donde:
kg =
(H )
(B.7)
300
Apndice B
El cruce en un SGA es monopunto; se realiza escogiendo una posicin (punto de
cruzamiento) e intercambiando entre las cadenas progenitoras las subcadenas que quedan
a cada lado del punto de cruzamiento. En un SGA el criterio de reemplazo empleado es
el reemplazo inmediato, por el que la descendencia sustituye a los progenitores. De esta
forma las cadenas seleccionadas para un cruce son sustituidas por las cadenas resultantes
del cruce.
Es posible determinar la probabilidad de que las cadenas representadas por un
esquema determinado H, sobrevivan al operador cruce apareciendo en la siguiente
generacin. Si k es la longitud de las cadenas, existen k 1 posibles puntos de
cruzamiento. Un punto de cruzamiento determinado provocar la ruptura del esquema, si
se encuentra entre el primer y el ltimo gen fijo (diferente de #) del esquema (figura
B.1). As pues, el nmero de posibles puntos de ruptura de H es (H ) , definido
anteriormente como la longitud del esquema.
Ps (H ) 1 Pc
(H )
k 1
(B.8)
Apndice B
301
Pm (H ) = (1 Pm )O (H )
Dado que la probabilidad de mutacin suele muy inferior a la unidad ( Pm
(B.9)
1 ), la
Pm (H ) 1 Pm O(H )
(B.10)
(H )
(H )
( 1 Pm O(H ) ) 1 Pc
ks 1 Pc
Pm O(H )
k 1
k 1
(B.11)
(H )
(H )
Pm O(H )
1 Pc
k 1
(B.12)
donde:
302
Apndice B
Apndice B
303
304
Apndice B
(H )
Pm O(H ) = 0, 4
k 1
(B.13)
P 2kp +1(k (k p + 1) + 1)
(B.14)
Pp =
P 2kp +1(k (k p + 1) + 1)
= P 2kp (k (k p + 1) + 1)
2
(B.15)
se da a P un valor adecuado, P = 2
, se obtiene que
Pp = (k (k p + 1) + 1) P 3
indicador que depende del tamao de la poblacin al cubo.
(B.16)
Apndice B
305
306
Apndice B
Para ilustrar el funcionamiento de las cadenas de Markov, a continuacin se presenta
Estados
1 p p
P =
(B.17)
y el vector p es igual a:
= [q 1 q ]
(B.18)
( 1 p )k
P =
0
1 ( 1 p )k
(B.19)
Por ltimo, la probabilidad de estar en cada estado tras k transiciones viene dada
por Pk:
( 1 p )k
P = q 1 q
1 ( 1 p )k
= q ( 1 p )k
1 q ( 1 p )k
(B.20)
Apndice B
307
Ia 0
P =
R
Q
(B.21)
0
Ia
P k =
k
N
R
Q
(B.22)
308
Apndice B
Para analizar el comportamiento de esta cadena de Markov se van a definir una serie
A = max Aij
1i u
(B.23)
j =1
Aij A
2.
A+B A + B
3.
AB A B
Ia
0
lim P k =
1
k
(
)
R 0
I t Q
(B.24)
lim Pr( A) = 1
(B.25)
Apndice B
309
hay una probabilidad no nula de que el estado absorbente al que se converja no sea
ptimo, es decir, que no contenga la solucin ptima, a no ser que todos los estados
absorbentes sean globalmente ptimos.
En algoritmos de este tipo el nmero de estados absorbentes es 2m (m es la longitud
de los individuos), es decir, es el nmero de individuos distintos que se pueden obtener.
Dado que el nmero total de estados es 2mn, la densidad de estados absorbentes, 2m(1-n),
decrece exponencialmente con el tamao de los individuos, pero a su vez el nmero real
de estados absorbentes aumenta exponencialmente.
Si las transiciones entre estados tienen la misma probabilidad, el tiempo requerido
para encontrar un estado absorbente tambin aumenta en el lmite exponencialmente con
el tamao de los individuos. Cuando se encuentra un estado absorbente, la probabilidad
de que sea globalmente ptimo disminuye en el lmite exponencialmente con m (ya que
disminuye la proporcin entre el nmero de estados que contienen la solucin ptima y el
nmero total de estados). Para matrices de transicin donde las probabilidades no son
iguales, estas probabilidades determinan el tiempo medio de espera para alcanzar un
estado absorbente (tiempo de absorcin) y la probabilidad de encontrar un ptimo global
frente a la probabilidad de converger a un ptimo local. Adems, en el caso de que algn
elemento (gen) de los individuos de la poblacin sea fijado para todos ellos a un valor que
no se encuentra en la solucin ptima, dicha solucin no se encontrar nunca.
Si se introduce el operador mutacin, los estados absorbentes (definidos as slo
empleando el operador de cruce) pasan a ser estados transitorios. Por tanto, todos los
estados de la cadena que contengan la solucin ptima pueden ser agrupados en un nico
estado. El tiempo medio de llegada a este estado desde un estado transitorio cualquiera i
se calcula mediante [Goodman'06]:
i =
N ij
(B.26)
j T
310
Apndice B
impedir que se alcance la solucin ptima. Por tanto, si se define un estado meta-estable
como un estado absorbente de la cadena que caracteriza a un algoritmo gentico basado
exclusivamente en un operador cruce, el camino seguido por el algoritmo gentico pasar
por estados meta-estables donde esperar a que la mutacin le permita pasar a otro
estado meta-estable. Estas transiciones entre estados meta-estables pueden requerir un
tiempo de espera muy alto dependiendo del nmero de elementos que deban ser mutados
simultneamente. Estos estados meta-estables estn asociados con la convergencia
prematura a un ptimo local, y los tiempos de espera dependen de las caractersticas del
problema.
B.1.4.2
1 0
P =
R
Q
(B.27)
1
0
lim P k =
1
k
(
)
I
Q
R
0
t
(B.28)
Este resultado se puede resumir en el siguiente teorema, el cual hace uso de los
teoremas enunciados en B.1.4.
Teorema (Probabilidad de absorcin). Despus de k generaciones, y cumpliendo que
Apndice B
311
probabilidad de que este estado sea el estado absorbente y, por lo tanto, contenga la
solucin ptima, es 1.
Como se ha visto mediante el anlisis de Markov, la convergencia asinttica al
ptimo global se puede garantizar con la nica condicin de incluir un operador que
siempre mantenga la mejor solucin de la poblacin y un operador que permita obtener
cualquier estado desde cualquier otro (o a travs de estados intermedios).
Por otro lado, si el algoritmo se basa en un operador que no puede alcanzar todos los
estados (operador de cruce tpico) o un operador de seleccin que puede perder la mejor
solucin en cualquier generacin (seleccin proporcional), la convergencia global
asinttica no est garantizada.
Un ejemplo bastante aclaratorio de la aplicacin de las cadenas de Markov se puede
encontrar en [Arroyo'00]. El problema que se resuelve es una programacin horaria de
dos centrales y una hora y se emplea un algoritmo gentico con un tamao de la
poblacin igual a dos.
Bibliografa
1. [Miranda'94]
V. Miranda, J. V. Ranito, and L. M. Proenca, "Genetic Algorithms in
Optimal Multistage Distribution Network Planning," Ieee Transactions on Power
Systems, vol. 9, pp. 1927-1933, Nov 1994.
2. [Arroyo'02]
J. M. Arroyo and A. J. Conejo, "A parallel repair genetic algorithm to
solve the unit commitment problem," Ieee Transactions on Power Systems, vol. 17, pp.
1216-1224, Nov 2002.
3. [Augugliaro'04] A. Augugliaro, L. Dusonchet, S. Favuzza, and E. R. Sanseverino,
"Voltage regulation and power losses minimization in automated distribution networks
by an evolutionary multiobjective approach," Ieee Transactions on Power Systems, vol.
19, pp. 1516-1527, Aug 2004.
4. [Furong'05]
L. Furong, J. D. Pilgrim, C. Dabeedin, A. Chebbo, and R. K. Aggarwal,
"Genetic algorithms for optimal reactive power compensation on the national grid
system," Power Systems, IEEE Transactions on, vol. 20, pp. 493-500, 2005.
5. [Aznar'99] F. Aznar, "Automatizacin de la regulacin de tensin en transformadores
AT/BT al objeto de optimizar las tensiones en clientes de una red MT/BT.," in
Ingeniera Elctrica. vol. Ph. D. Valencia: Universidad Politcnica de Valencia, 1999.
6. [Ailleret'56]
P. Ailleret, "L'introduction de la mesure dans la notion de la qualit du
service d'une distribution d'electricit, et son intrt au point de vue de la conception
des rseaux.," Bulletion de la Socit Franaise des lectriciens, vol. 7, 1956.
7. [Dantzig'97]
G. B. Dantzig and M. N. Thapa, Linear programming. New York:
Springer, 1997.
8. [Gass'03] S. I. Gass, Linear programming: methods and applications. New York: Dover
Publications, 2003.
9. [Wolpert'97]
D. H. Wolpert and W. G. Macready, "No free lunch theorems for
optimization," Evolutionary Computation, IEEE Transactions on, vol. 1, pp. 67-82,
1997.
10. [Kirkpatrick'83] S. Kirkpatrick, C. D. Gelatt, and M. P. Vecchi, "Optimization by
Simulated Annealing," Science, vol. 220, pp. 671-680, 1983.
11. [Cant-Paz'00]
E. Cant-Paz, Efficient and accurate parallel genetic algorithms. Boston,
Mass.: Kluwer Academic Publishers, 2000.
12. [Fogel'66] L. J. Fogel, A. J. Owens, and M. J. Walsh, Artificial intelligence through
simulated evolution. New York: Wiley, 1966.
13. [Fogel'99] L. J. Fogel, Intelligence through simulated evolution : forty years of evolutionary
programming. New York: Wiley, 1999.
14. [Bck'96] T. Bck, Evolutionary algorithms in theory and practice : evolution strategies,
evolutionary programming, genetic algorithms. New York: Oxford University Press,
1996.
15. [Rechenberg'73] I. Rechenberg, Evolutionsstrategie; Optimierung technischer Systeme
nach Prinzipien der biologischen Evolution. Stuttgart-Bad Cannstatt: FrommannHolzboog, 1973.
313
314
Bibliografa
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
Bibliografa
315
37. [Goldberg'90]
D. E. Goldberg, "A note on Boltzmann tournament selection for genetic
algorithms and population-oriented simulated annealing," Complex Systems, vol. 4, pp.
445-60, 1990.
38. [Wetzel'83]
A. Wetzel, "Evaluation of the Effectiveness of Genetic Algorithms in
Combinatorial Optimization," University of Pittsburgh, 1983.
39. [Brindle'81]
A. Brindle and S. University of Alberta. Dept. of Computing, Genetic
algorithms for function optimization. Edmonton: Dept. of Computing Science, University
of Alberta, 1981.
40. [Dumitrescu'00] D. Dumitrescu, B. Lazzerini, L. C. Jain, and A. Dumitrescu,
"Evolutionary Computation": "CRC Press International", 2000.
41. [Kuo'93] T. Kuo and S.-Y. Hwang, "A Genetic Algorithm with Disruptive Selection," in
Proc. of the Fifth Int. Conf. on Genetic Algorithms, San Mateo, CA, 1993, pp. 65-69.
42. [Michalewicz'92] Z. Michalewicz, Genetic algorithms + data structures = evolution
programs. Berlin ; New York: Springer-Verlag, 1992.
43. [Hillis'90] W. D. Hillis, "Coevolving Parasites Improve Simulated Evolution as an
Optimization Procedure," Physica D, vol. 42, pp. 228-234, Jun 1990.
44. [Angeline'93]
P. J. Angeline and J. B. Pollack, "Competitive Environments Evolve
Better Solutions for Complex Tasks," in Proc. of the Fifth Int. Conf. on Genetic
Algorithms, San Mateo, CA, 1993, pp. 264-270.
45. [Sebald'94] A. V. Sebald and J. Schlenzig, "Minimax Design of Neural-Net Controllers for
Highly Uncertain Plants," Ieee Transactions on Neural Networks, vol. 5, pp. 73-82, Jan
1994.
46. [Bck'91] T. Bck and F. Hoffmeister, "Extended Selection Mechanisms in Genetic
Algorithms," Proceedings of the Fourth International Conference on Genetic Algorithms
({ICGA}'91), pp. 92-99, 1991.
47. [Jones'95] T. Jones, "Crossover, Macromutationand, and Population-Based Search," in
ICGA, 1995, pp. 73-80.
48. [Syswerda'89]
G. Syswerda, "Uniform crossover in genetic algorithms," Proceeding of
the Third International Conference on Genetic Algorithms, pp. 2-9, 1989.
49. [Eshelman'89]
L. J. Eshelman, R. A. Caruana, and J. D. Schaffer, "Biases in the
Crossover Lanscape," in Proceedings of the Third International Conference on Genetic
Algorithms, 1989, pp. 10-19.
50. [De Jong'91]
K. A. De Jong and W. M. Spears, "An analysis of the interacting roles of
population size and crossover in genetic algorithms," in Lecture Notes in Computer
Science; Parallel Problem Solving from Nature - Proceedings of 1st Workshop, PPSN 1,
Dortmund, Germany, 1991, pp. 38-47.
51. [Fogel'06] D. B. Fogel and I. N. N. Council, Evolutionary computation : toward a new
philosophy of machine intelligence. Hoboken, N.J.: John Wiley & Sons, 2006.
52. [De Jong'93]
K. A. De Jong, "Genetic Algorithms are not Function Optimizers," in
Foundations of Genetic Algorithms 2, L. D. Whitley, Ed. San Mateo, CA: Morgan
Kaufmann, 1993, pp. 5-17.
53. [Siedlecki'89]
W. Siedlecki and J. Sklansky, "Constrained Genetic Optimization via
Dynamic Reward-Penalty Balancing and Its Use in Pattern Recognition," in Proceedings
of the Third International Conference on Genetic Algorithms, San Mateo, CA, 1989, pp.
141-150.
54. [Michalewicz'91] Z. Michalewicz and C. Janikow, "Handling Constraints in Genetic
Algorithms," in Proc. of the 4th Int. Conf. on Genetic Algorithms., 1991, pp. 151-157.
55. [Powell'93] D. Powell and M. M. Skolnick, "Using Genetic Algorithms in Engineering Design
Optimization with Non-Linear Constraints," in Proceedings of the 5th International
Conference on Genetic Algorithms Urbana-Champaign, Illinois, USA, 1993, pp. 424-431.
316
Bibliografa
56. [Schoenauer'93]
Bibliografa
317
76. [Knowles'99]
J. Knowles and D. Corne, "The Pareto archived evolution strategy: a new
baseline algorithm for Pareto multiobjective optimisation," in Evolutionary
Computation, 1999. CEC 99. Proceedings of the 1999 Congress on, 1999, p. 105.
77. [Knowles'03]
J. D. Knowles and D. W. Corne, "Bounded Pareto archiving: Theory and
practice," in in Multiple Objective Meta-Heuristics: Selected Papers, Springer LNES:
Springer, 2003, pp. 39--64.
78. [Corne'01] D. W. Corne, N. R. Jerram, J. D. Knowles, and M. J. Oates, "PESA-II: Regionbased Selection in Evolutionary Multiobjective Optimization," in Proceedings of the
Genetic and Evolutionary Computation Conference (GECCO2001: Morgan Kaufmann
Publishers, 2001, pp. 283--290.
79. [E.L. Ulungu'99] J. T. E.L. Ulungu, P. H. Fortemps, D. Tuyttens, "MOSA method: a tool
for solving multiobjective combinatorial optimization problems." vol. 8, 1999, pp. 221236.
80. [Hansen'97]
M. P. Hansen, "Tabu search for multiobjective optimization: MOTS," in
318
Bibliografa
95. [Carbone'95]
R. C. Carbone, R. Menniti, D. Sorrentino, N., "Distributed energy
management system: la regolazione della tensione nelli reti MT/BT in tempo reale,"
L'energia elettrica, 1995.
96. [Sorrentino'94]
N. Sorrentino, "Implementazione di un distributed energy management
system nel caso della regolazione della tensione sulle linee MT/BT: il sistema di
comunicazione." vol. Ph. D. Calabria: Universit della Calabria, 1994.
97. [Cesario'94]
R. Cesario, "Implementazione di un distributed energy management
system nel caso della regolazione della tensione sulle linee MT/BT: interface hardware
98. ". vol. Ph. D. Calabria: Universit della Calabria, 1994.
99. [Daeseok'95]
R. Daeseok, H. Kita, J. Hasegawa, and K. Nishiya, "A study on the
optimal voltage regulation methods in power distribution systems interconnected with
dispersed energy storage and generation systems," in Energy Management and Power
Delivery, 1995. Proceedings of EMPD '95., 1995 International Conference on 1995, pp.
702-707.
100. [Hidroelctrica Espaola'62] Hidroelctrica Espaola, "Regulacin de la tensin en las
redes de distribucin de energa elctrica," Hidroelctrica Espaola SA, 1962.
101. [Cortinas Prieto'97] D. Cortinas Prieto, "La regulation de tension reeseaux publics de
distribution delectricite." vol. Ph. D. Paris: Universit Pierre et Marie Curie (Paris VI),
1997.
102. [Haida'91]
T. Haida and Y. Akimoto, "Genetic algorithms approach to voltage
optimization," in Neural Networks to Power Systems, 1991., Proceedings of the First
International Forum on Applications of 1991, pp. 139-143.
103. [Iba'94]
K. Iba, "Reactive power optimization by genetic algorithm," Power
Systems, IEEE Transactions on, vol. 9, pp. 685-692, 1994.
104. [Ramos'04]
R. Ramos, J. Vallejos, and B. Baran, "Multiobjective reactive power
compensation with voltage security," in Transmission and Distribution Conference and
Exposition: Latin America, 2004 IEEE/PES 2004, pp. 302-307.
105. [Bridenbaugh'92]
C. J. Bridenbaugh, D. A. DiMascio, and R. D'Aquila, "Voltage
control improvement through capacitor and transformer tap optimization," Power
Systems, IEEE Transactions on, vol. 7, pp. 222-227, 1992.
106. [Lu'95] F. C. Lu and Y. Y. Hsu, "Reactive Power Voltage Control in a Distribution
Substation Using Dynamic-Programming," Iee Proceedings-Generation Transmission and
Distribution, vol. 142, pp. 639-645, Nov 1995.
107. [Son'00]
K. M. Son, K. S. Moon, S. K. Lee, and J. K. Park, "Coordination of an
SVC with a ULTC reserving compensation margin for emergency control," Ieee
Transactions on Power Delivery, vol. 15, pp. 1193-1198, Oct 2000.
108. [Kim'05]
G. W. Kim and K. Y. Lee, "Coordination control of ULTC transformer
and STATCOM based on an artificial neural network," Ieee Transactions on Power
Systems, vol. 20, pp. 580-586, May 2005.
109. [Wei'05]
S. Wei and V. Vittal, "Corrective switching algorithm for relieving
overloads and voltage violations," Power Systems, IEEE Transactions on, vol. 20, pp.
1877-1885, 2005.
110. [Grigg'99]
C. Grigg, P. Wong, P. Albrecht, R. Allan, M. Bhavaraju, R. Billinton, Q.
Chen, C. Fong, S. Haddad, S. Kuruganty, W. Li, R. Mukerji, D. Patton, N. Rau, D.
Reppen, A. Schneider, M. Shahidehpour, and C. Singh, "The IEEE Reliability Test
System-1996. A report prepared by the Reliability Test System Task Force of the
Application of Probability Methods Subcommittee," Power Systems, IEEE Transactions
on, vol. 14, pp. 1010-1020, 1999.
111. [Popovic'99] D. S. Popovic and R. M. Ciric, "A multi-objective algorithm for
distribution networks restoration," Ieee Transactions on Power Delivery, vol. 14, pp.
1134-1141, Jul 1999.
Bibliografa
112.
113.
114.
115.
116.
117.
118.
119.
120.
121.
122.
123.
124.
125.
126.
127.
128.
129.
319