Revista carrera de ingeniería eléctrica

Simulación y análisis del flujo óptimo de potencia sistema eléctrico de potencia.

Simulation and analysis of the optimal flow of power electrical power system.

Bonilla Bonilla Edwin Andres 11, Chadan Analuisa Felix Wilfrido 22, 33, 44.

Recibido 24 de junio de 2019

RESUMEN

En este artículo se presenta un modelo de flujo de potencia optimo por medio la simulación para la
reducción de pérdidas en sistemas de potencia. El algoritmo permite ajustar un conjunto de variables de
control con el fin de obtener un punto de operación que minimice las pérdidas de potencia ac- ti va. El
método se basa en la solución del flujo de potencia por el método de Newton. Los límites de las variables
independientes son manejados mediante funciones de penalidad. El desempeño del algoritmo es evaluado
usando dos métodos diferentes para calcular el tamaño del paso a lo largo de la dirección factible: un paso
constante y un paso variable usando el método de ajuste de parábola.

Palabras claves: flujo de potencia ´optimo, reducción de pérdidas activas de potencia, optimización en
sistemas de potencia

ABSTRACT

This paper presents an optimal power flow model through simulation to reduce losses in power
systems. The algorithm allows adjusting a set of control variables in order to obtain an operating
point that minimizes the loss of active power. The method is based on the solution of the power flow
by Newton's method. The limits of the independent variables are handled by penalty functions. The
performance of the algorithm is evaluated using two different methods to calculate the step size along
the feasible direction: a constant step and a variable step using the parabola adjustment method.

Key words: optimal power flow, reduction of power power responses, optimization in power systems

1
Facultad de Ingeniería. Universidad técnica de Cotopaxi. Dirección postal. Latacunga, Ecuador. E-mail:
edwin.bonilla@gmail.com
2
Facultad de Ingeniería. Universidad técnica de Cotopaxi. Dirección postal. Latacunga, Ecuador. E-mail:
felix.chadan@gmail.com
3
Facultad de Ingeniería. Universidad técnica de Cotopaxi. Dirección postal. Latacunga, Ecuador. E-mail: @gmail.com
4
Facultad de Ingeniería. Universidad técnica de Cotopaxi. Dirección postal. Latacunga, Ecuador. E-mail: @gmail.com
2
Revista carrera de ingeniería eléctrica
INTRODUCCIÓN
Este trabajo presenta una solución al OPF por el
método iterativo desacoplado de Newton donde
los subproblemas activo y reactivo se resuelven
por una Hessiana desacoplada constante, tanto
para funciones de costo lineales como no
lineales. El aspecto novedoso fundamental
propuesto por el artículo es la solución rápida
desacoplada utilizando una Hessiana constante.
La importancia de las aplicaciones del OPF se ha
probado en la solución de muchos problemas de
los Sistemas de Dirección de Energía Eléctrica
(Electric Management Systems) y sus relaciones
con algunos tópicos especiales, como la máxima
cargabilidad de los sistemas de potencia
eléctricos [5], los estudios de precios de reactivo
[6] y las técnicas para lograr una solución
factible del OPF [7-9]. Sin embargo, la mejoría
de los métodos de solución puede siempre
ayudar a vencer las deficiencias en las
aplicaciones prácticas y a enfrentar los nuevos
retos.
De acuerdo a la poderosa capacidad de manejar
eficientemente las restricciones, los métodos
más notables y exitosos para resolver el OPF son
aquellos basados en la programación lineal (LP)
[10], el método de Newton (Newton Approach,
NA) y la programación cuadrática (QP). En
todos estos métodos las técnicas de matrices y
vectores dispersos son de importancia relevante
en su implementación práctica. Las propiedades
de débil acoplamiento entre los módulos y los
ángulos de los voltajes de barras en los sistemas
eléctricos de potencia, también se han aplicado
para acelerar los procesos de solución.
Los esquemas iterativos típicos para resolver el
OPF, incluyen: (a) despacho activo y reactivo
iterativo desacoplados secuenciales (una sola
iteración por subproblema); b) despacho activo y
reactivo iterativo desacoplados; (c) despacho
activo y reactivo iterativo acoplados. Un método
híbrido para la solución del OPF utiliza el
esquema
3
iterativo (b) anterior, donde el subproblema
activo se resuelve utilizando técnicas LP y el
subproblema reactivo se resuelve usando
técnicas QP.
ANÁLISIS TEÓRICO
En ingeniería eléctrica, el estudio de flujo de
potencia, también conocido como flujo de carga,
es una herramienta importante que involucra
análisis numérico aplicado a un sistema de
potencia. En el estudio del flujo de potencia
usualmente se usa una notación simplificada tal
como el diagrama unifilar y el sistema por
unidad, y se centra en varias formas de la
potencia eléctrica AC (por ejemplo, voltajes,
ángulos de los voltajes, potencia activa y
potencia reactiva). Este estudio analiza los
sistemas de potencia operando en estado
estacionario. Existen varios softwares que
implementan el estudio del flujo de potencia.
Importancia de los flujos de carga Permite
determinar los flujos de potencia activa y
reactiva en una red eléctrica. Permite determinar
los voltajes en las barras de una red eléctrica.
Permite calcular las pérdidas en una red
eléctrica. Permite estudiar las alternativas para la
planificación de nuevos sistemas o ampliación
de los ya existentes. Permite evaluar los efectos
de pérdidas temporales de generación o de
circuitos de transmisión.
Flujo óptimo de potencia (FOP)
El problema de flujos óptimos de potencia se
planteó a principios de los años sesenta como
una extensión del problema de despacho
económico, en su formulación general se trata de
un problema de optimización [5], que cuenta con
una función objetivo y restricciones no lineales,
representando la operación en estado
estacionario del sistema. El flujo óptimo de
potencia es un problema matemático muy grande
y complejo, el mismo que tiene como objetivo
principal la minimización de generación de
potencia [6], el flujo óptimo de potencia debe
cumplir con dos objetivos principales que son:
⋅ Mantener una operación segura.
⋅ Encontrar un punto de operación económico.
 Gutiérrez, Mora, Tipan, Quituizaca: Parqueadero Elevador

Objective Function Value = 649.59 $/hr

Esto se logra mediante la minimización de una
función objetivo y cambiando diferentes
sistemas de control, tomando en cuenta las
restricciones de igualdad y desigualdad, usadas
para modelar las restricciones de balance de
potencia activa y varios límites operativos.

MARCO ESPERIMENTAL CONCLUSIONES

Análisis en la barra 27 Con la información bibliográfica recopilada se

obtuvo una base fundamental para la realización
flujo de potencia en la barra:27 con un PD:18 de esta simulación se pudo determinar que el flujo
>> define_constants; de potencia converge más rápido que el flujo de
mpc=loadcase('case30'); potencia óptimo.
mpc.bus(27, PD)=18;
runpf(mpc); En este artículo se presentó el modelo de flujo de
potencia óptimo. Este modelo fue utilizado para
MATPOWER Version 5.1, 20-Mar-2015 -- AC la minimización de las pérdidas en sistemas de
Power Flow (Newton) potencia. Se mostró que utilizar un paso
Newton's method power flow converged in 3 constante para el algoritmo hace que en general se
iterations. requieran más iteraciones para llegar al óptimo.
Converged in 0.02 seconds
El principal inconveniente al utilizar un paso
constante es que no se conoce con anticipación un
valor óptimo de este. Esta situación puede llevar
al algoritmo a una convergencia prematura, o
realizar más iteraciones de las necesarias.

REFERENCIAS

[1] N. Amjady and M. Hakimi, “Dynamic

voltage stability constrained congestion
management framework for deregulated
flujo de potencia optimo en la barra:27 un un electricity markets,” Energy Convers. Manag.,
PD:18 vol. 58, pp. 66– 75, 2012.
>> define_constants; [2] M. Hojjat, “Probabilistic Congestion
mpc=loadcase('case30'); Management Considering Power System
mpc.bus(27, PD)=18; Uncertainties Using Chance-Constrained
runopf(mpc); Programming,” Electr. Power Components Syst.,
vol. 41, no. December 2014, pp. 37–41, 2013.
MATPOWER Version 5.1, 20-Mar-2015 -- AC [3] A. R. Kumar and L. Premalatha,
Optimal Power Flow “Electrical Power and Energy Systems Optimal
MATLAB Interior Point Solver -- MIPS, power flow for a deregulated power system
Version 1.2, 20-Mar-2015 using adaptive real coded biogeography-based
(using built-in linear solver) optimization,” Int. J. Electr. POWER ENERGY
Syst., vol. 73, pp. 393–399, 2015.
Converged! [4] J. B. Cardell, “Marginal Loss Pricing
Converged in 0.33 seconds for Hours With Transmission Congestion,” vol.
22, no. 4, pp. 1466–1474, 2007.
4
Revista carrera de ingeniería eléctrica
[5] A. Gómez-Expósito, A. Conejo, and C.
Cañizares, Electric energy systems: analysis and
operation. 2009.
[6] M. Bachtiar Nappu, A. Arief, and R. C.
Bansal, “Transmission management for
congested power system: A review of concepts,
technical challenges and development of a new
methodology,” Renew. Sustain. Energy Rev.,
vol. 38, pp. 572–580, 2014.
[7] I. J. Silva, M. J. Rider, R. Romero, and
C. a. Murari, “Genetic algorithm of Chu and
Beasley for static and multistage transmission
expansion planning,” 2006 IEEE Power Eng.
Soc. Gen. Meet., vol. 0, no. 2, pp. 1–7, 2006.
[8] T. Akbari and M. Tavakoli Bina, “A
linearized formulation of AC multi-year
transmission expansion planning: A mixed-
integer linear programming approach,” Electr.
Power Syst. Res., vol. 114, pp. 93–100, Sep.
2014.
[9] A. Centeno, D. Rey, and J. Mart,
“Optimizador de enjambre modificado aplicado
al cálculo del flujo de carga óptimo en redes
eléctricas de potencia con variables de control
mixtas y función de costos de generación no
convexa.,” 2013.
[10] A. Gómez Expósito and others,
“Sistemas eléctricos de potencia,” España Mc
Graw-Hill, pp. 189–191, 2002.