Tesis Monica Alonso Martinez

UNIVERSIDAD CARLOS III DE MADRID
Departamento de Ingeniera Elctrica
TESIS DOCTORAL GESTIN PTIMA DE POTENCIA REACTIVA EN SISTEMAS ELCTRICOS CON GENERACIN ELICA
Autora:
Mnica Alonso Martnez

Directora:
Dra. Hortensia Amars Duarte
Legans, 2010
TESIS DOCTORAL
GESTIN PTIMA DE POTENCIA REACTIVA EN SISTEMAS ELCTRICOS CON GENERACIN ELICA
Autora: Directora:
Mnica Alonso Martnez Dra. Hortensia Amars Duarte
Firma del Tribunal Calificador: Firma Presidente: Vocal: Vocal: Vocal: Secretario:
Calificacin:
Legans,
de
de
A veces sentimos que lo que hacemos es tan slo una gota en el mar; pero el mar sera menos si le faltara una gota. M. Teresa de Calcuta.
A Marta y Luca.
AGRADECIMIENTOS
Despus de muchos aos, este trabajo ve la luz y son muchas las personas a las que debo agradecer su compaa en este tiempo. En primer lugar, a Hortensia Amars, por confiar en m y apostar por este trabajo cada da, por su ayuda y disponibilidad, por su paciencia conmigo, muchas gracias. En segundo lugar, a Julio Usaola y Juan Carlos Burgos, por ofrecerme la posibilidad de trabajar en el Departamento de Ingeniera Elctrica de esta universidad al terminar la carrera, muchas gracias. A toda la gente que durante estos aos ha pasado por el Departamento de Electricidad. En especial a Miguel G. Lobo, Carlos lvarez y Luca Gaucha por las largas conversaciones y su ayuda en los ltimos meses, muchas gracias. Agradezco a Gerardo Gonzlez su compaa en la toma de contacto con el mundo de la energa elica durante mi estancia en REE. A Unin Fenosa, gracias por facilitarme los datos de la antigua red vilaSegovia para hacer este trabajo. Me siento afortunada de tener muchos amigos, todos han aportado su granito de arena en este trabajo. A M Jos Daz, mi hermana mayor, Mariajo, Carmen, Sole y M Jos Cerro, gracias por estar atentas a cualquier llamada de telfono, por centrar mi mirada en los buenos y malos momentos, por ensearme que cualquier circunstancia en la vida es un ms y tiene un sentido, aunque sea dolorosa; a Pepe y Eduardo, por todo lo aprendido de las exposiciones que hemos hecho juntos; al resto de Getafe: Antonio, Roberto, Jess, ngel y todos los dems por llevarme en su memoria. A Jos y Cristina, cuya experiencia y amistad son un regalo. A Sonia, que me acompaa desde que empezamos juntas la carrera. A Cristina C.H., M Eugenia y Cristina V. por creer en mi todos los das. Y a tantos otros que formis parte de mi vida, muchas gracias. Tengo mucho que agradecer a mi familia. A mis padres, ngel y Rosa, por apoyarme en cualquier decisin que he tomado en mi vida, y estar siempre a mi lado. A Vctor y Ramn, porque s que un simple hola est cargado de cario. A Amparo y Pepe que junto con mis padres han cuidado de mis hijas para que yo pueda terminar este trabajo, por su apoyo todo este tiempo, y que nunca terminar de agradecer, mil gracias. Y finalmente a las tres personas ms importantes de mi vida, con las que comparto espacio y tiempo. A Pedro, que me acompaa en la vida, por los buenos y malos momentos a lo largo del camino que hemos recorrido juntos, y el que nos queda por recorrer. A Marta y Luca, freno y motor de este trabajo, por su comprensin y madurez a pesar de su corta edad, por su alegra y amor incondicional, por sus abrazos y besos, mil gracias chicos.
RESUMEN
En las ltimas dcadas se est produciendo una evolucin creciente de la demanda que sita el punto de trabajo de los sistemas de potencia prximos a sus lmites fsicos de funcionamiento. Muchos son los ejemplos de problemas de estabilidad de tensin relacionados con este aumento de carga a lo largo de todo el mundo. Los sistemas de compensacin de reactiva se presentan como una buena alternativa para aliviar los problemas relacionados con la estabilidad de tensin; por lo que, la planificacin de potencia reactiva en grandes sistemas elctricos cobra especial importancia, desarrollndose nuevas tcnicas para su resolucin. Las tcnicas metaheursticas se perfilan como una buena alternativa para resolver el problema de gestin ptima de la potencia reactiva, entendido como operacin, localizacin y dimensionado ptimo de estas unidades. Entre ellas, los algoritmos genticos destacan por su rapidez de clculo y su sencillez. El incremento de la penetracin de la energa elica en los sistemas de potencia, motivado por los incentivos del uso de las fuentes de energa renovables, ha supuesto la creacin en diferentes pases de cdigos de conexin a red. Estos cdigos establecen requisitos de operacin para los parques elicos encaminados a favorecer la mxima incorporacin de energa elica en los sistemas elctricos a la vez que se exige a esta generacin un comportamiento similar al de las centrales convencionales. Entre todas las tecnologas empleadas para la generacin de electricidad a partir del recurso elico, el generador asncrono doblemente alimentado ha experimentado un gran auge gracias a la capacidad de controlar la potencia activa y reactiva entregada a la red. En esta tesis se ha desarrollado un algoritmo gentico para la gestin ptima de la potencia reactiva en sistemas elctricos con generacin elica. Las unidades generadoras de potencia reactiva consideradas son los dispositivos estticos de compensacin de potencia reactiva y los aerogeneradores asncronos doblemente alimentados, empleados para controlar la tensin en toda la red. Las estrategias de optimizacin propuestas permiten localizar de forma ptima las unidades de compensacin de reactiva y gestionar la inyeccin de potencia reactiva para satisfacer diferentes escenarios de carga y generacin de los sistemas de elctricos. Finalmente, se comprueban los beneficios asociados a la incorporacin ptima de unidades de generacin de potencia reactiva en el sistema en cuanto a criterios de seguridad de red se refiere.
iii
ABSTRACT
During the last decades there has been an upward trend in demand, which places the operating point of power systems closer to their physical limits of operation. There are many examples of voltage stability problems caused due to the demand increase throughout the world. Reactive power compensation systems are presented as a good alternative that aims to alleviate problems related to voltage stability. Therefore reactive power planning in large power systems has become a particularly important point in recent years since it is necessary to develop new techniques to solve any problem that may arise. Moreover, Metaheuristic techniques has come up to be a good alternative to resolve the problem of optimal management of reactive power, which involves operation, location and optimal size of these units. Among these techniques genetic algorithms stand out because of their speed of calculation and simplicity. The increased penetration trend of wind energy in power systems, caused mostly by the incentives to use renewable energy sources, has led to the creation of grid codes in different countries throughout the world. These codes establish operational requirements for wind farms to enhance the maximum integration of wind energy electrical systems and to make this generation process to occur in the same way as conventional plants. Among all the technologies implemented in generating electricity from wind resource, the doubly-fed induction generator has experienced an unprecedented boom thanks to its ability to control active and reactive power delivered to the network. This thesis develops a genetic algorithm for optimal management of reactive power in power systems with wind energy. The here considered reactive power generating units are static devices of reactive power compensation and doubly fed induction wind turbines, which are used to control the voltage and the voltage stability along the network. The proposed optimization strategies will enable not only to determinate in an optimal way the reactive power compensation units location, but also to manage the reactive power injection to fulfill the needs of different scenarios of load and generation in power systems. Finally, the benefits associated with the optimal implementation of reactive power generation units in the system will be verified in terms of network security standards.
ndice
NDICE
Agradecimientos ________________________________________________________ i Resumen ______________________________________________________________ iii Abstract _______________________________________________________________ v ndice ________________________________________________________________ vii ndice de Figuras________________________________________________________ xi ndice de Tablas ________________________________________________________ xv ndice de Smbolos _____________________________________________________ xix ndice de Acrnimos___________________________________________________ xxiii CAPTULO 1 INTRODUCCIN _________________________________________________________1
1.1 1.2 1.3 1.4 Situacin actual y expectativas de crecimiento de la energa elica _______________ 3 Estabilidad de tensin y dispositivos FACTS ___________________________________ 5 Objetivos de la tesis _____________________________________________________ 6 Estructura de la tesis _____________________________________________________ 7
CAPTULO 2 _____________________________________________________________9 Estabilidad de tensin ____________________________________________________9 y anlisis de contingencias _________________________________________________9

2.1 2.2 2.2.1 2.2.2 2.2.3 2.3 2.3.2 2.3.3 2.3.4 2.3.5 2.3.6 2.3.7 2.3.8 2.3.9 2.3.10 2.4 2.4.1 2.4.2 Introduccin __________________________________________________________ 11 Clasificacin de la estabilidad en sistemas de potencia ________________________ 12 Estabilidad de ngulo de rotor ____________________________________________ 12 Estabilidad de frecuencia ________________________________________________ 12 Estabilidad de tensin ___________________________________________________ 13 Estabilidad de tensin ___________________________________________________ 14 Mtodos de continuacin ________________________________________________ 15 Implicacin de los componentes del sistema _________________________________ 18 Modelos de cargas elctricas _____________________________________________ 19 Sistema de dos nudos. Mxima transferencia de potencia ______________________ 21 Curvas P-V ____________________________________________________________ 22 Curvas V-Q ____________________________________________________________ 24 Escenarios de inestabilidad de tensin _____________________________________ 25 Efectos de la compensacin de reactiva ____________________________________ 27 Efectos de los transformadores con regulacin de tomas_______________________ 32 Anlisis de la estabilidad de tensin en una red de 14 nudos ____________________ 33 Descripcin del sistema _________________________________________________ 33 Influencia del modelo de carga____________________________________________ 35
vii
ndice
2.4.3 2.4.4 2.5 2.6 2.6.1 2.7 Influencia de los compensadores estticos de tensin SVC ______________________37 Influencia del cambio de tomas de los transformadores ________________________39 Seguridad de sistemas de potencia _________________________________________40 Anlisis de contingencias _________________________________________________42 Propuesta de un ndice de funcionamiento de tensin _________________________45 Sntesis _______________________________________________________________46
CAPTULO 3 ALGORITMOS DE OPTIMIZACIN EMPLEADOS EN LA GESTIN DE LA POTENCIA REACTIVA ____________________________________________________________ 47

3.1 3.1.1 3.1.2 3.1.3 3.1.4 3.2 3.2.1 3.2.2 3.2.3 3.2.4 3.2.5 3.2.6 3.3 3.3.1 3.3.2 3.4 Algoritmos de gestin de potencia reactiva. __________________________________49 Introduccin ___________________________________________________________49 Introduccin al flujo de cargas ptimo ______________________________________49 Flujo de cargas ptimo con restricciones de seguridad _________________________52 Modelo teniendo en cuenta la conceptos de estabilidad de tensin ______________54 Seleccin de la funcin objetivo ___________________________________________55 Minimizacin de costes variables __________________________________________55 Minimizacin de costes variables y prdidas de potencia activa __________________56 Minimizacin de costes variables y coste del combustible ______________________57 Minimizacin de la desviacin respecto a un punto de consigna _________________57 Minimizacin de objetivos relacionados con la estabilidad de tensin _____________57 Multiobjetivo __________________________________________________________58 Mtodos de resolucin del problema de planificacin de potencia reactiva ________60 Mtodos convencionales _________________________________________________60 Mtodos de programacin avanzada o bsqueda inteligente ____________________61 Sntesis _______________________________________________________________68
CAPTULO 4 ALGORITMOS GENTICOS _______________________________________________ 69

4.1 4.2 4.3 4.4 4.4.1 4.4.2 4.4.3 4.4.4 4.4.5 4.4.6 4.4.7 4.4.8 4.4.9 4.4.10 4.5 Un poco de historia de los AG _____________________________________________71 Algoritmo gentico ______________________________________________________72 Condiciones de aplicacin de los AG a un problema de optimizacin ______________74 Mejoras del AG _________________________________________________________75 Codificacin ___________________________________________________________75 Poblacin inicial ________________________________________________________76 Seleccin ______________________________________________________________78 Cruzamiento ___________________________________________________________80 Mutacin______________________________________________________________83 Elitismo _______________________________________________________________84 Reemplazo ____________________________________________________________84 Criterio de Parada ______________________________________________________85 Soluciones no factibles ___________________________________________________86 Consideraciones sobre la seleccin de parmetros ____________________________87 Desarrollo de un algoritmo gentico para maximizar la cargabilidad del sistema ____88
viii
ndice
4.5.1 4.5.2 4.6 4.7 Planteamiento del problema _____________________________________________ 88 Programacin del AG ___________________________________________________ 90 Implementacin y validacin del algoritmo __________________________________ 92 Caso 1: localizacin de una unidad de generacin distribuida e inyeccin de potencia reactiva ______________________________________________________________ 99 4.8 Caso 2: localizacin simultnea de varias unidades de generacin distribuida e inyeccin ptima de potencia reactiva_____________________________________ 101 4.9 Algoritmo gentico multiobjetivo para maximizar la cargabilidad y el grado de penetracin __________________________________________________________ 104 4.9.1 4.9.2 4.9.3 4.10 Planteamiento del problema ____________________________________________ 105 Programacin del AG __________________________________________________ 105 Caso 3: maximizacin de carga y grado de penetracin. Aplicacin a red IEEE de 34 nudos _______________________________________________________________ 106 Sntesis ______________________________________________________________ 107
CAPTULO 5 MODELADO DE FUENTES DE GENERACIN DE POTENCIA REACTIVA ____________ 109

5.1 5.2 5.3 5.4 5.5 Cdigos de conexin a red de generadores elicos ___________________________ 111 Modelos de Compensadores estticos de potencia __________________________ 116 Aerogeneradores de velocidad fija ________________________________________ 120 Aerogeneradores de velocidad variable ____________________________________ 121 Potencia mecnica extrable del viento y estrategia de control de aerogeneradores ______________________________________________________ 122 5.6 5.6.2 5.6.3 5.6.4 5.7 Modelo de la mquina asncrona doblemente alimentada _____________________ 124 Potencia activa entregada a la red ________________________________________ 127 Potencia reactiva entregada a la red ______________________________________ 127 Diagrama PQ _________________________________________________________ 128 Sntesis ______________________________________________________________ 135
CAPTULO 6 CASOS PRCTICOS ____________________________________________________ 137

6.1 6.2 6.2.1 6.2.2 6.3 6.3.1 6.3.2 6.4 Descripcin del sistema de estudio _______________________________________ 139 Planteamiento de varias estrategias de optimizacin _________________________ 141 Planteamiento general del problema ______________________________________ 141 Programacin del AG __________________________________________________ 143 E.O.1: Maximizacin de la cargabilidad ____________________________________ 145 Funcin objetivo ______________________________________________________ 145 Resultados ___________________________________________________________ 146 E.O.2: Minimizacin de los costes derivados de las prdidas de potencia activa____ 147
ix
ndice
6.4.1 6.4.2 6.5 Funcin objetivo ______________________________________________________ 147 Resultados __________________________________________________________ 147 E.O.3: Minimizacin del coste asociado a las unidades de generacin de potencia reactiva instaladas ____________________________________________________ 148 6.5.1 6.5.2 6.6 6.6.1 6.6.2 6.7 6.8 6.8.1 6.8.2 6.9 6.10 6.10.1 6.10.2 6.10.3 6.11 Funcin objetivo ______________________________________________________ 148 Resultados __________________________________________________________ 149 E.O.4: Multiobjetivo ___________________________________________________ 150 Funcin multiobjetivo _________________________________________________ 150 Resultados __________________________________________________________ 151 Seleccin de la mejor estrategia de optimizacin____________________________ 153 Estudio de varios escenarios de carga _____________________________________ 157 Planteamiento del problema ____________________________________________ 157 Resultados __________________________________________________________ 158 Gestin de potencia reactiva para la carga diaria ____________________________ 161 Impacto de la planificacin de potencia reactiva en el anlisis de contingencias ___ 164 Planteamiento general del problema _____________________________________ 164 Casos de estudio ______________________________________________________ 164 Resultados __________________________________________________________ 165 Optimizacin de la regulacin de la potencia reactiva de generadores elicos asncronos doblemente alimentados _____________________________________ 167 6.11.1 6.11.2 6.12 Planteamiento del problema ____________________________________________ 167 Resultados __________________________________________________________ 168 Sntesis _____________________________________________________________ 170
CAPTULO 7 CONCLUSIONES _______________________________________________________ 173

7.1 7.2 7.3 7.4 Conclusiones _________________________________________________________ 175 Aportaciones originales ________________________________________________ 177 Futuros Desarrollos ___________________________________________________ 177 Publicaciones y proyectos de investigacin ________________________________ 178
Anexos ______________________________________________________________ 179

Anexo 1 181 A.1.1 Datos del sistema IEEE-14 nudos _______________________________________ 181 A.1.2 Datos del sistema de la red IEEE-34 _____________________________________ 183 A.1.3 Datos del sistema de 140 nudos _______________________________________ 185 Anexo 2 195 Glosario de trminos de los AG _____________________________________________ 195
Bibliografa __________________________________________________________ 197
ndice de Figuras
NDICE DE FIGURAS
Figura 1.1 Evolucin de la potencia elica instalada y acumulada en Espaa hasta 2009. _______ 4 Figura 1.2 Evolucin de la potencia elica instalada y acumulada en Europa. ________________ 4 Figura 2.1 Clasificacin de la estabilidad de tensin. ___________________________________ 14 Figura 2.2 Sistema de dos nudos.___________________________________________________ 16 Figura 2.3 Bsqueda del punto de colapso de tensin mediante el empleo de los mtodos de continuacin. __________________________________________________________ 18 Figura 2.4 Sistema de dos nudos para mxima transferencia de potencia. __________________ 21 Figura 2.5 Variacin de tensin con respecto a la potencia. _____________________________ 22 Figura 2.6 Curvas P-V. ____________________________________________________________ 23 Figura 2.7 Curvas V-Q. ___________________________________________________________ 24 Figura 2.8 Curvas V-Q para el sistema de dos nudos. ___________________________________ 25 Figura 2.9 Mecanismo de inestabilidad: aumento de la carga (a1= a2=0). ___________________ 26 Figura 2.10 Mecanismos de inestabilidad: gran perturbacin.____________________________ 27 Figura 2.11 Curvas P-V para diferentes escalones de compensacin de reactiva. ____________ 29 Figura 2.12 Esquema de representacin de SVC. ______________________________________ 30 Figura 2.13 Curva P-V con conexin de SVC. __________________________________________ 30 Figura 2.14 Esquema de STATCOM. _________________________________________________ 31 Figura 2.15 Regulador dinmico de un transformador con tomas. ________________________ 32 Figura 2.16 Sistema IEEE de 14 nudos modificado. _____________________________________ 34 Figura 2.17 Perfil de tensiones de la red IEEE de 14 nudos modificada. ____________________ 34 Figura 2.18 Evolucin de los nudos 3, 4, 5 y 14 ante variaciones de la carga. ________________ 35 Figura 2.19 Curva PV modelo de potencia. ___________________________________________ 36 Figura 2.20 Curva PV modelo de corriente constante. __________________________________ 36 Figura 2.21 Curva PV modelo de impedancia constante. ________________________________ 37 Figura 2.22 Curva PV modelo ZIP. __________________________________________________ 37 Figura 2.23 Curvas P-V para la red IEEE de 14 nudos modificada con SVC. __________________ 38 Figura 2.24 Curva V-Q para el nudo 14 de la red IEEE de 14 nudos modificada. ______________ 39
xi
ndice de Figuras
Figura 2.25 Curvas P-V correspondientes al nudo 14 de red la IEEE de 14 nudos modificada, considerando la variacin de la relacin de transformacin del transformador conectado entre los nudos 4 y 7. ___________________________________________40 Figura 3.1 Estados de funcionamiento de sistemas de potencia. __________________________53 Figura 3.2 Curvas P-V para estado de funcionamiento normal y tras contingencia. ___________55 Figura 3.3 Margen de estabilidad de tensin (MS). _____________________________________58 Figura 4.1 Flujograma de un AG. ____________________________________________________73 Figura 4.2 Ejemplo de individuo gentico binario. ______________________________________76 Figura 4.3 Cruce simple o de un punto. ______________________________________________81 Figura 4.4 Cruce multipunto._______________________________________________________81 Figura 4.5 Cruce segmentado.______________________________________________________82 Figura 4.6 Cruce uniforme. ________________________________________________________82 Figura 4.7 Pseudocdigo del AG. ___________________________________________________90 Figura 4.8 Estructura del cromosoma. _______________________________________________91 Figura 4.9 Red de 4 nudos. ________________________________________________________93 Figura 4.10 Grfico de distribucin de probabilidades para cada padre. ____________________95 Figura 4.11 Esquema de la red IEEE de 34 nudos. ______________________________________99 Figura 4.12 Perfil de tensiones inicial de la red IEEE de 34 nudos modificada. ________________99 Figura 4.13 Ejemplo de Cromosomas y poblacin del caso 1. ___________________________ 100 Figura 4.14 Perfil de tensiones del caso 1. __________________________________________ 100 Figura 4.15 Curvas P-V del caso 1. ________________________________________________ 101 Figura 4.16 Perfil de tensiones del caso 2. __________________________________________ 103 Figura 4.17 Perfil de tensiones para carga mxima del caso 2. __________________________ 103 Figura 4.18 Curvas P-V para el caso 2. _____________________________________________ 104 Figura 4.19 Perfil de tensiones del caso 3. __________________________________________ 107 Figura 5.1 Requerimientos tpicos para el factor de potencia en funcin de la tensin. ______ 111 Figura 5.2 Potencia activa de los generadores elicos en funcin del factor de potencia. ____ 112 Figura 5.3 Requerimientos de conexin en cuanto a factor de potencia se refiere para Alemania e Inglaterra. _________________________________________________ 112
xii
ndice de Figuras
Figura 5.4 Requerimientos de los cdigos de conexin ingleses e irlandeses. ______________ 113 Figura 5.5 Requerimientos del cdigo Eltra. _________________________________________ 114 Figura 5.6 Requerimientos del cdigo AESO. ________________________________________ 115 Figura 5.7 Resumen de requerimientos de los diferentes cdigos de conexin. _____________ 115 Figura 5.8 Esquema de reactancia controlada por tiristores (TCR). _______________________ 116 Figura 5.9 Onda de corriente para un dispositivo TCR, SVC=90. _________________________ 117 Figura 5.10 Onda de corriente para un dispositivo TCR, SVC=120._______________________ 118 Figura 5.11 Onda de corriente para un dispositivo TCR, SVC=150._______________________ 118 Figura 5.12 Ley de control de los TCR. ______________________________________________ 119 Figura 5.13 Curva caracterstica de un SVC. _________________________________________ 120 Figura 5.14 Esquema de aerogenerador de velocidad fija. ______________________________ 121 Figura 5.15 Esquema de sistema de velocidad variable con generador asncrono doblemente alimentado. __________________________________________________________ 122 Figura 5.16 Estrategia de control de la velocidad de la turbina elica en funcin de la potencia. ____________________________________________________________ 124 Figura 5.17 Modelo de aerogenerador con mquina asncrona doblemente alimentada. _____ 125 Figura 5.18 Circuito equivalente de la mquina asncrona doblemente alimentada. _________ 126 Figura 5.19 Vector de corriente de magnetizacin del estator referida en ejes d-q. _________ 126 Figura 5.20 Lmites de operacin dados por la corriente rotrica.________________________ 130 Figura 5.21 Lmites de operacin dados por la tensin rotrica. _________________________ 132 Figura 5.22 Lmites de operacin dados por la corriente estatrica. ______________________ 133 Figura 5.23 Lmites de operacin dados por el convertidor de red. _______________________ 134 Figura 5.24 Regin de funcionamiento de la mquina asncrona doblemente alimentada. ____ 134 Figura 6.1 Red de 140 nudos. _____________________________________________________ 139 Figura 6.2 Perfil de tensiones inicial de la red de 140 nudos. ____________________________ 140 Figura 6.3 Potencial elico de Castilla Len. _________________________________________ 140 Figura 6.4 Codificacin de las variables del problema. _________________________________ 143 Figura 6.5 Flujograma del AG. ____________________________________________________ 144 Figura 6.6 Perfil de tensiones E.O. 1. _______________________________________________ 146
xiii
ndice de Figuras
Figura 6.7 Perfil de tensiones E.O. 2. ______________________________________________ 148 Figura 6.8 Perfil de tensiones E.O. 3. ______________________________________________ 149 Figura 6.9 Perfil de tensiones de las E.O. multiobjetivo. _______________________________ 151 Figura 6.10 Dispersin del perfil de tensiones de las E.O. multiobjetivo. __________________ 152 Figura 6.11 Perfil de tensiones de las E.O.1, 2, 3 y 4c. _________________________________ 153 Figura 6.12 Tensin mxima, mnima y media de las E.O.1, 2, 3 y 4c. ____________________ 154 Figura 6.13 Diferencia de tensiones y dispersin de las E.O.1, 2, 3 y 4c. __________________ 154 Figura 6.14 Curvas PV de las E.O.1, 2, 3 y 4c. ________________________________________ 155 Figura 6.15 lm.,terico y mx de tensin para las E.O.1, 2, 3 y 4c. _________________________ 155 Figura 6.16 Prdidas de potencia activa y capacidad total de los SVC de las E.O.1, 2, 3 y 4c. __ 156 Figura 6.17 Coste de las prdidas de activa y la capacidad de los SVC. ____________________ 156 Figura 6.18 Perfil de tensiones para las configuraciones dadas por los escenarios de carga aplicados a situacin de carga punta. _____________________________________ 159 Figura 6.19 Perfil de tensiones para escenario de carga valle, mxima y mnima generacin para el E.C. 4. ________________________________________________________ 159 Figura 6.20 Perfil de tensiones para consignas de inyeccin de potencia reactiva. __________ 161 Figura 6.21 Curva de demanda anual. _____________________________________________ 162 Figura 6.22 Perfil de tensiones post-contingencia, prdida de la lnea 7-2. ________________ 166 Figura 6.23 Perfil de tensiones post-contingencia, prdida de la lnea 3-7. ________________ 166 Figura 6.24 Perfil de tensiones inicial de la red de 140 nudos con tomas de transformadores. 167 Figura 6.25 Perfil de tensiones para los casos de estudio. ______________________________ 169 Figura 6.26 Curvas PV para los casos de estudio. _____________________________________ 169 Figura A.1 Mapa topolgico de la red vila-Segovia. __________________________________ 192 Figura A.2 Esquema completo de la red vila-Segovia. ________________________________ 193
xiv
ndice de Tablas
NDICE DE TABLAS
Tabla 2.1 Coeficientes a1 y a2 de los modelos de carga. _________________________________ 20 Tabla 2.2 Coeficientes del modelo ZIP. ______________________________________________ 20 Tabla 2.3 Mxima cargabilidad segn modelos de carga.________________________________ 35 Tabla 2.4 Cargabilidad del sistema IEEE de 14 nudos. __________________________________ 38 Tabla 2.5 Lmites de las variables de control del sistema en funcionamiento normal. _________ 41 Tabla 2.6 Lmites de funcionamiento ante contingencias. _______________________________ 42 Tabla 4.1 Poblacin inicial de la red de 4 nudos._______________________________________ 93 Tabla 4.2 Evaluacin de la poblacin inicial de la red de 4 nudos. _________________________ 94 Tabla 4.3 Asignacin de sectores. __________________________________________________ 95 Tabla 4.4 Seleccin de padres. _____________________________________________________ 95 Tabla 4.5 Progenitores participantes en el proceso de cruce. ____________________________ 96 Tabla 4.6 Punto de cruce para la primera pareja de padres: gen 1. ________________________ 96 Tabla 4.7 Punto de cruce para la segunda pareja de padres: gen 2. _______________________ 96 Tabla 4.8 Descendencia por el mtodo de cruce. ______________________________________ 96 Tabla 4.9 Mutacin de la poblacin inicial de la red de 4 nudos. __________________________ 97 Tabla 4.10 Poblacin 1 de la red de 4 nudos. _________________________________________ 97 Tabla 4.11 Evolucin de las poblaciones de la red de 4 nudos. ___________________________ 98 Tabla 4.12 Resultados del AG para el caso 2. ________________________________________ 102 Tabla 4.13 Resultados caso 3: Mxima cargabilidad y penetracin. ______________________ 106 Tabla 4.14 Resultados caso 3: Puntos de conexin, potencias activas y reactivas inyectadas. __ 106 Tabla 6.1 Estrategias de optimizacin. _____________________________________________ 142 Tabla 6.2 Solucin E.O. 1. ________________________________________________________ 146 Tabla 6.3 Solucin E.O. 2. ________________________________________________________ 147 Tabla 6.4 Solucin E.O. 3. ________________________________________________________ 149 Tabla 6.5 Coeficientes de ponderacin de la funcin multiobjetivo. ______________________ 150 Tabla 6.6 Resultados de las E.O. multiobjetivo dado por el AG. __________________________ 151
xv
ndice de Tablas
Tabla 6.7 Resumen E.O. multiobjetivo. _____________________________________________ 152 Tabla 6.8 Resultados del AG para las E.O. 1, 2, 3 y 4c. _________________________________ 153 Tabla 6.9 Tabla resumen de las E.O.1, 2, 3 y 4c. ______________________________________ 157 Tabla 6.10 Escenarios de carga y generacin. _______________________________________ 157 Tabla 6.11 Resumen de resultados de los escenarios de carga. _________________________ 158 Tabla 6.12 Consignas de potencia reactiva para los 4 escenarios de carga y la configuracin de red ptima. _______________________________________________________ 160 Tabla 6.13 Resultado del escenario de carga-generacin 4. ____________________________ 161 Tabla 6.14 Consignas de reactiva para la curva de carga diaria de estudio. ________________ 163 Tabla 6.15 Lmites de las variables de control del anlisis de contingencias. _______________ 164 Tabla 6.16 Ubicacin de casos de estudio. __________________________________________ 164 Tabla 6.17 Resumen de violaciones. _______________________________________________ 165 Tabla 6.18 ndice de severidad para contingencias. ___________________________________ 166 Tabla 6.19 Resultados de la estrategia de optimizacin de la potencia reactiva de los aerogeneradores. _____________________________________________________ 168 Tabla 6.20 Resultados de la estrategia de optimizacin de la potencia reactiva de los aerogeneradores (continuacin). ________________________________________ 169 Tabla 6.21 Resumen de las estrategias del problema de optimizacin. ___________________ 170 Tabla A.1.1 Nudos de la red IEEE de 14 nudos. ______________________________________ 181 Tabla A.1.2 Generadores de la red IEEE de 14 nudos. _________________________________ 181 Tabla A.1.3 Lneas de la red IEEE de 14 nudos _______________________________________ 182 Tabla A.1.4 Lneas de la red IEEE de 34 nudos _______________________________________ 184 Tabla A.1.5 Nudos de la red de 140 nudos __________________________________________ 185 Tabla A.1.6 Nudos de la red de 140 nudos (continuacin) _____________________________ 186 Tabla A.1.7 Nudos de la red de 140 nudos (continuacin) _____________________________ 187 Tabla A.1.8 Nudos de la red de 140 nudos (continuacin) _____________________________ 188 Tabla A.1.9 Lneas de la red de 140 nudos __________________________________________ 188 Tabla A.1.10 Lneas de la red de 140 nudos (continuacin)_____________________________ 189 Tabla A.1.11 Transformadores de la red de 140 nudos ________________________________ 189
xvi
ndice de Tablas
Tabla A.1.12 Transformadores de la red de 140 nudos (continuacin). ___________________ 190 Tabla A.1.13 Transformadores de la red de 140 nudos (continuacin). ___________________ 191
xvii
ndice de Smbolos
NDICE DE SMBOLOS
Factor de distribucin ante prdida de un generador a0 i , a1i , a2 i a1,a2 b1, b2, b3 c1, c2 y c3 Coeficientes de la curva coste-potencia Coeficientes modelo de carga Coeficientes modelo de carga Coeficientes modelo de carga Factor de distribucin ante la prdida de una lnea ndice de severidad de las contingencias f(u,x) g(u,x) h(u,x) k pc pm ps r u x Funcin objetivo Ecuaciones de igualdad Ecuaciones de desigualdad ndice de contingencia Probabilidad de cruce Probabilidad de mutacin Probabilidad de corte Valor aleatorio para proceso de seleccin deslizamiento Conjunto de variables de control Velocidad del viento Conjunto de variables de estado rea barrida por las palas del aerogenerador Susceptancia Coste fijo de la unidad de potencia reactiva Coste unitario de la unidad de potencia reactiva Coste asociado a las prdidas de potencia activa Coeficiente mecnico de potencia Coeficiente de potencia elctrico CT Costlosses CostVar = Coste de combustible Coste de las prdidas de potencia activa Coste de las unidades de generacin de potencia reactiva Valor eficaz de la intensidad Fasor de intensidad Inductancia mutua Inductancia del rotor
xix
ndice de Smbolos Inductancia del estator Inductancia mutua referida al estator Inductancia mutua referida al rotor Flujo de potencia por la lnea l Nc
Nmero de contingencias Potencia activa Potencia extrable del viento Potencia activa generada por el generador i Potencia activa de la unidad de GD i Punto de conexin del generador k
Pgeneracin Pint
Poblacin de la generacin Poblacin intermedia Prdidas de potencia activa Potencia reactiva Radio del rotor del aerogenerador Resistencia del rotor Resistencia del estator Fasor de potencia aparente Fasor de tensin Valor eficaz de la tensin Toma del transformador l
X Y , , SVC vi
Reactancia Admitancia Coeficientes de la funcin multiobjetivo ngulo de disparo del SVC Tolerancia de la mxima desviacin de la tensin del nudo i Mxima desviacin de la tensin del nudo i Mxima desviacin del flujo de potencia por la lnea l ngulo de conduccin del SVC Rendimiento del generador elctrico Rendimiento del sistema mecnico del aerogenerador Fase del fasor de tensin ngulo de paso de pala Coeficiente de cargabilidad Coeficiente de velocidad especfica para velocidad ptima Coeficiente de velocidad especfica
xx
ndice de Smbolos Paso de integracin Densidad del aire Factor de dispersin total Coeficiente de dispersin del rotor Coeficiente de dispersin del estator
. .
Dispersin del perfil de tensin con respecto a la tensin de referencia 1 p.u. ngulo de la intensidad del rotor ngulo de la potencia de la carga Flujo del rotor Flujo del estator Velocidad angular de la red o velocidad de sincronismo Velocidad angular de las palas para mxima potencia Velocidad angular del rotor Velocidad angular del estator Velocidad angular de las palas
Subndices Componente del eje directo Componente del eje en cuadratura Referido al rotor Referido al estator
xxi
ndice de Acrnimos
NDICE DE ACRNIMOS
AEE AG AIE EWEA FACTS GD HVDC OLTC P.O. SCADA SVC TCR TSCS Asociacin Empresarial Elica Algoritmo Gentico Agencia Internacional de la Energa European Wind Energy Asociation Flexible Alternative Current Transmission Systems Generacin Distribuida High Voltage Direct Current Transmission On line tap changer Procedimiento de Operacin Supervisory Control And Data Acquisition system Static Voltage Compensator Thyristor Capacitor Reactor Thyristor Switched Capacitor Series
STATCOM Static synchronous Compensator
xxiii
CAPTULO 1 INTRODUCCIN
En este captulo se presenta la motivacin y el inters que ha dado lugar a la realizacin de esta tesis doctoral. Se enuncian los principales objetivos planteados en esta tesis y finalmente se muestra la estructura del documento.
Introduccin
1.1
Situacin actual y expectativas de crecimiento de la energa elica
El control del consumo de energa en Europa y la mayor utilizacin de la energa procedente de fuentes renovables, junto con el ahorro energtico y una mayor eficiencia energtica, constituyen una parte importante del paquete de medidas necesarias para reducir las emisiones de gases de efecto invernadero, y para cumplir el Protocolo de Kioto aprobado en la Convencin Marco de las Naciones Unidas sobre el Cambio Climtico, con vistas a la reduccin de las emisiones de gases de efecto invernadero ms all de 2012 [1]. Segn la Agencia Internacional de la Energa (AIE), la energa elica alcanzar el 14% de la produccin elctrica europea en 2030 y supondr un 60% del incremento total de la generacin elctrica entre 2006 y 2030. Esta misma agencia estima que la energa elica va a ser la energa que ms se va a desarrollar en el mundo hasta el 2050, llegando a alcanzar una potencia anual a instalar superior a los 70.000 MW, de los que el 30% correspondern a parques elicos marinos. Esta evolucin se fundamenta en el cumplimiento de los escenarios de sostenibilidad planteados en diferentes programas, como por ejemplo, el escenario BLUE de reduccin de emisiones de gases de efecto invernadero en el periodo 2005-2050 en el que la elica permitir conseguir un 26% de esta reduccin. Partiendo de esta premisa, la Directiva 2009/28/CE [1], relativa al fomento del uso de energa procedente de fuentes renovables, establece que el 20% del consumo final bruto de energa de la Comunidad Europea en 2020 debe proceder de fuentes renovables. Para conseguir este objetivo a nivel europeo la Directiva establece objetivos individuales para cada uno de los pases miembros, que en el caso de Espaa coincide con el objetivo comunitario del 20%. De acuerdo con una primera estimacin [2], la aportacin en Espaa de las energas renovables al consumo final bruto de la energa pasa del 10,5% en 2008, al 22,7% en el ao 2020, superior al objetivo individual del 20% fijado por la Directiva. La energa elica en Espaa es una de las principales fuentes de energa renovable y ha experimentando un gran auge en los ltimos aos, como se puede apreciar en la Figura 1.1. Segn la Asociacin Empresarial Elica (AEE), la energa elica ha llegado a abastecer el 40% de la demanda de energa elctrica espaola en la madrugada del 24 de noviembre de 2008, y constantemente se estn superando los mximos de produccin y de factor de simultaneidad (potencia elica en funcionamiento en relacin con la instalada). La energa elica instalada a nivel europeo se encuentra en torno a los 71.467 MW (9,1% del equipo de generacin de electricidad), de los cuales 10.163 MW se instalaron en 2009, un 23% ms que en el ao anterior, y que representa el 39% de las nuevas instalaciones para generacin de electricidad en Europa en el ltimo ao. A nivel europeo, a finales de 2009, Espaa aparece como la segunda potencia en cuanto a energa elica instalada se refiere (19.149 MW), por detrs de Alemania (25.777 MW). Adems, es importante destacar que la mxima
Situacin actual y expectativas de crecimiento de la energa elica incorporacin de energa elica a la red en el ao 2009 la ostenta Espaa, con 2.459 MW nuevos instalados.
Figura 1.1 Evolucin de la potencia elica instalada y acumulada en Espaa hasta 2009. Fuente AEE [3]. La Figura 1.2 muestra la evolucin de la potencia elica instalada y acumulada en Europa en los ltimos aos. En cuanto a las perspectivas de futuro a nivel espaol, segn los objetivos de la nueva Directiva 2009/28/CE, la contribucin de la energa elica en Espaa deber alcanzar el 26% de la cobertura de la demanda nacional en 2020, y el 11,6% de la cobertura de la demanda a nivel europeo
Figura 1.2 Evolucin de la potencia elica instalada y acumulada en Europa. Fuente EWEA [4]. Entre los motivos que impulsan este aumento de la potencia elica instalada en Espaa se encuentran:
Introduccin Existencia de un amplio potencial elico en nuestro territorio todava sin explotar. Normativa favorable para conseguir una mayor penetracin elica que ha permitido consolidar la confianza y el inters de los promotores. Sector industrial maduro con firme inters en el sector. Existencia de una tecnologa y capacidad de desarrollo de fabricacin a nivel nacional. La incorporacin de mejoras tecnolgicas en el comportamiento de los aerogeneradores frente a perturbaciones de la red que permitir un alto grado de penetracin de la energa elica sin afectar a la seguridad de abastecimiento elctrico. El encarecimiento de los combustibles fsiles. Las perspectivas de reduccin de costes derivados del cumplimiento de la reduccin de emisiones de gases de efecto invernadero. Por todo esto, la energa elica se presenta como una buena alternativa para afrontar el reto que plantea el nuevo modelo energtico en trminos de seguridad energtica y cambio climtico. Sin embargo, no todo son ventajas. El flujo intermitente de generacin vertida a la red es una dificultad que frena su desarrollo y que actualmente provoca que el comportamiento de estas unidades diste mucho del de las centrales convencionales. La integracin de estas unidades en el sistema elctrico modifica los flujos de potencia por las lneas y el nivel de falta del nudo al que se conecta, haciendo la operacin del sistema ms compleja, obligando a utilizar aparamenta con un mayor poder de corte y a modificar los ajustes de las protecciones del sistema. Finalmente, la generacin elica puede dar lugar a problemas de estabilidad y de calidad de suministro elctrico [5].
1.2
Estabilidad de tensin y dispositivos FACTS
Con motivo del aumento de la potencia demanda en los sistemas elctricos, las condiciones de funcionamiento y operacin de los mismos se encuentran en el entorno de sus lmites de capacidad. Dichas condiciones de funcionamiento han dado lugar a la mayor parte de los problemas de estabilidad de tensin de los ltimos aos a nivel internacional, muchos de los cuales derivaron en colapso de tensin. En la literatura se pueden encontrar muy bien documentados incidentes relacionados con este fenmeno, [6] y [7], tales como los producidos en la Columbia Britnica (1979), en Blgica (1982), en Suecia (1983) o en Bretaa y Tokio en (1987). Tambin se puede encontrar, en la Pennsula Ibrica, ejemplos de situaciones lmites de estabilidad como la acaecida el 17 de diciembre de 2001, en la que, gracias a las acciones llevadas a cabo por el Operador del Sistema no se lleg a la situacin de colapso de tensin. La estabilidad de tensin, o estabilidad de carga, est ntimamente relacionada con la carencia de potencia reactiva en el sistema. Antiguamente, la correccin de potencia reactiva se realizaba mediante la incorporacin de elementos 5
Estabilidad de tensin y dispositivos FACTS compensadores de reactiva, como los bancos de condensadores. En la actualidad, la mejora de la capacidad de los sistemas elctricos se puede conseguir con equipos basados en electrnica de potencia que se conocen como FACTS (Flexible Alternative Current Transmission Systems), sin abandonar los bancos de condensadores convencionales. Entre las principales caractersticas de dichos dispositivos se encuentran: mejorar el perfil de tensiones de la red, el comportamiento dinmico del sistema, y la calidad del servicio elctrico. La utilizacin de los dispositivos FACTS se justifica principalmente al aporte dinmico de potencia reactiva, control de flujos de potencia y tensin, as como a la rapidez de actuacin de estos elementos. Aunque el fenmeno de la estabilidad de tensin tericamente es un problema dinmico, bajo determinadas condiciones puede ser estudiado a partir de ecuaciones estticas. La clasificacin de la estabilidad de tensin atendiendo a la perturbacin que la provoca: grandes perturbaciones, como la prdida de una lnea; o pequeas perturbaciones, como leves variaciones de la carga, permite diferenciar claramente los mtodos empleados en el anlisis de la estabilidad, dinmicos y estticos respectivamente. Tambin se pueden emplear las ecuaciones estticas del sistema en estudios a largo plazo en los que la dinmica de los dispositivos ha tenido tiempo suficiente para actuar [8]. Las unidades de generacin de potencia reactiva se perfilan como uno de los mejores dispositivos para paliar los efectos del aumento de la demanda en la estabilidad de tensin de los sistemas elctricos. Por lo tanto, la bsqueda de la ubicacin y dimensionado ptimo de los dispositivos FACTS es uno de los aspectos ms crticos con los que se enfrentan los responsables de la operacin y planificacin de los sistemas elctricos. Desde el punto de vista de la planificacin de los sistemas de potencia, la localizacin y dimensionado ptimo de los parques elicos y dispositivos FACTS son los aspectos ms importantes para la operacin de redes elctricas con alta penetracin de energa elica manteniendo la seguridad y eficiencia del sistema elctrico. El presente trabajo plantea una estrategia de gestin de la potencia reactiva en el que se incluye la potencia reactiva vertida a la red por los aerogeneradores de velocidad variable y la procedente de los dispositivos FACTS conectados en el sistema. Para la resolucin de dicho problema se emplea un mtodo de optimizacin avanzado, los Algoritmos Genticos (AG).
1.3
Objetivos de la tesis
El trabajo desarrollado en la presente tesis est orientado a la gestin de la potencia reactiva suministrada por diferentes fuentes de generacin de reactiva, como son los compensadores estticos de tensin (SVC, Static Voltage Compensator) y los aerogeneradores asncronos doblemente alimentados.
Introduccin La bsqueda de una solucin que satisfaga criterios econmicos y de fiabilidad de red, con alto grado de penetracin elica y apoyada por dispositivos FACTS, se realiza mediante un algoritmo gentico. Son tres los principales objetivos del trabajo que se expone a continuacin: El primero de los objetivos de la presente tesis es el desarrollo de un AG para la gestin de potencia reactiva en redes elctricas con generacin elica. Dicho algoritmo se encarga de localizar y dimensionar de forma ptima las unidades de generacin de potencia reactiva asociadas a los parques elicos y los dispositivos FACTS, en orden a atender diferentes objetivos, entre los que se encuentra aumentar la cargabilidad de los sistemas de potencia respetando los lmites de operacin establecidos por el operador del sistema. El segundo objetivo es el desarrollo de un modelo de inyeccin de potencia reactiva de una mquina asncrona doblemente alimentada en donde se ha tenido en cuenta los lmites de la mquina y de los convertidores. Igualmente, se desarrolla un modelo en rgimen permanente de un SVC. El modelo de ambos elementos se introduce en el AG. El tercer objetivo, es el estudio del impacto de la localizacin ptima de estas unidades en la fiabilidad de los sistemas de potencia. Para ello se realiza un anlisis de contingencias y se propone un parmetro que mide la calidad del perfil de tensiones resultante tras una contingencia.
1.4
Estructura de la tesis
La presente tesis doctoral se compone de 7 captulos, empezando por esta introduccin, y dos apndices que contiene los datos de las redes de estudio, as como un glosario de trminos relacionados con los algoritmos genticos. A continuacin, se detalla brevemente el contenido de cada captulo: Captulo 2: En este captulo se realiza una revisin de los conceptos y tcnicas de estudio relacionados con la estabilidad de tensin. A continuacin, se muestran los elementos compensadores de reactiva que se emplean en la actualidad y se realizan dos estudios relacionados con la estabilidad de tensin: el primero de ellos encaminado a estudiar el impacto de los modelos de carga sobre la estabilidad de tensin, y el segundo encaminado a comprobar el comportamiento del sistema ante la incorporacin de dispositivos FACTS para la compensacin de potencia reactiva o el empleo de transformadores con reguladores de cambio de tomas. Finalmente, se realiza una revisin del anlisis de seguridad de sistemas de potencia y se propone un ndice para medir la dispersin del perfil de tensiones del sistema tras una contingencia. Captulo 3: En este captulo se realiza una revisin del estado del arte de los algoritmos de optimizacin aplicados a la gestin ptima de redes elctricas. Se muestran los objetivos, restricciones y mtodos de resolucin empleados en la literatura cientfica.
Estructura de la tesis Captulo 4: Este captulo muestra un resumen de los algoritmos genticos, tcnica metaheurstica empleada en la resolucin de la planificacin de potencia reactiva. A continuacin, se desarrollan dos AG: el primero busca la localizacin y dimensionado ptimo de SVC, para maximizar la cargabilidad del sistema, y el segundo determina el grado de penetracin mximo en funcin de la cargabilidad. Captulo 5: A continuacin se realiza una revisin de los cdigos de red existentes. Se describe el modelo de los SVC para la compensacin de potencia reactiva que se pueden instalar en parques elicos de velocidad fija o en aquellas ubicaciones donde sea necesario un aporte de potencia reactiva. Finalmente, se plantea un modelo de generador asncrono doblemente alimentado que permita determinar la potencia reactiva que puede inyectar un aerogenerador en cada punto de funcionamiento. Captulo 6: En este captulo se muestran los resultados obtenidos de aplicar la metodologa de gestin de la potencia reactiva propuesta en esta tesis en una red existente de 140 nudos. Se analiza la influencia de considerar diferentes objetivos de optimizacin y diferentes condiciones de funcionamiento como por ejemplo: la ubicacin ptima de los dispositivos FACTS y de los parques elicos, asignacin de potencia reactiva en la curva de carga diaria. Finalmente se comprueba el impacto que la localizacin y asignacin ptima de potencia reactiva tiene en el anlisis de contingencias N-1. Captulo 7: Recoge las principales conclusiones y las aportaciones originales realizadas. Finalmente, se exponen los futuros desarrollos y publicaciones fruto de este trabajo.
CAPTULO 2 ESTABILIDAD DE TENSIN

Y ANLISIS DE CONTINGENCIAS
El presente captulo analiza los factores que afectan a la estabilidad de tensin en redes elctricas. Recoge las definiciones de estabilidad, inestabilidad y colapso de tensiones, as como una clasificacin de los mecanismos desencadenantes de la estabilidad de tensin y los diferentes dispositivos de compensacin de potencia reactiva. Puesto que el problema de la estabilidad de tensin tambin se conoce como problema guiado por la carga, se realiza un anlisis de la influencia de los diferentes modelos de carga en la estabilidad del sistema. Finalmente, se estudia la influencia de los sistemas de compensacin de potencia reactiva y de las tomas de regulacin de los transformadores para mejorar la estabilidad de tensin. El estudio de la seguridad de los sistemas de potencia est cobrando en la actualidad un papel importante, a la par que crtico. El aumento progresivo de la carga, las dimensiones de los sistemas de potencia, as como su complejidad de operacin hacen de la seguridad un factor determinante. Las principales restricciones que se tienen en cuenta al realizar estudios de seguridad son las asociadas a lmites trmicos de las lneas de transporte as como a los lmites de tensin de los nudos de la red, lmites que deben ser respetados tanto en funcionamiento normal del sistema como ante contingencias.
Estabilidad de tensin
2.1
Introduccin
La estabilidad de los sistemas de potencia comenz a tomar relevancia cuando se analizaba la seguridad de los sistemas elctricos en la dcada de los aos 20 [9]-[11]. En 1968 apareci el primer artculo en el que se estudiaba el fenmeno de la inestabilidad de tensin [12]. Desde entonces el aumento del inters por este fenmeno ha sido continuo, de modo que, actualmente, podemos encontrar una extensa bibliografa con definiciones, herramientas de anlisis y medida [13]-[20], y experiencias relacionadas con la inestabilidad de tensin a nivel mundial [20]. A partir de los trabajos publicados recientemente por los grupos de trabajo de IEEE/CIGRE [9] podemos definir la estabilidad de tensin como: la habilidad de un sistema de potencia de mantener valores estables de tensin en todos los nudos del sistema, en condiciones normales de operacin, tras ser sometido a una perturbacin. Tradicionalmente, la estabilidad de tensin estaba asociada a la estabilidad de ngulo de rotor, de manera que la inestabilidad de tensin se consideraba debida a las prdidas del sincronismo entre los generadores. Sin embargo, la estabilidad de tensin tambin est relacionada con la capacidad de un sistema para mantener o recuperar una situacin de equilibrio, entre el consumo elctrico y la potencia suministrada, despus de producirse una perturbacin. Un sistema se vuelve inestable cuando, tras una perturbacin, las tensiones en algunos nudos del sistema aumentan o disminuyen de forma descontrolada. Posibles causas de inestabilidad son: prdida o aumento de la carga en un rea, desconexin de un equipo (lnea, transformador, generador,), prdida de generacin o del control de tensin. Aunque la inestabilidad de tensin es un problema local, puede afectar a todo el sistema, llegando incluso a producir colapso de tensiones. Se conoce como colapso de tensin a la situacin en la que, debido a una serie de eventos derivados de la inestabilidad, se produce una excesiva bajada de la tensin en una parte significativa del sistema [8]. El motor principal de la inestabilidad de tensin son las cargas, por eso la estabilidad de tensin tambin se conoce como estabilidad de carga [8]. Ante una variacin de la carga, el sistema trata de restablecer el equilibrio mediante la variacin del punto de funcionamiento de los generadores, los reguladores de tensin, la actuacin sobre la toma de los transformadores reguladores, entre otros. Este incremento de la produccin de los generadores se traduce en un aumento de la demanda de potencia reactiva en el sistema, lo que provoca mayores reducciones en los valores de tensin.
11
Clasificacin de la estabilidad en sistemas de potencia
2.2
Podemos realizar una clasificacin de la estabilidad de los sistemas de potencia en tres grandes grupos: estabilidad de ngulo de rotor, estabilidad de frecuencia y estabilidad de tensin [9]. La inestabilidad, en los sistemas de potencia, suele ser el resultado de la combinacin de varios de estos mecanismos desencadenantes de inestabilidad [8], [21], [22], (Figura 2.1).
2.2.1
Estabilidad de ngulo de rotor
La estabilidad de ngulo est relacionada con la capacidad de una mquina sncrona, cuando se encuentra conectada a una red elctrica, de mantener el sincronismo tras una perturbacin. Esta capacidad depende de la habilidad para mantener o recuperar el equilibrio entre el par electromagntico y mecnico de cada una de las mquinas sncronas del sistema. La inestabilidad, en este caso, se produce por un aumento del ngulo elctrico y la prdida de sincronismo entre varios generadores. Atendiendo a la perturbacin que provoca la inestabilidad, podemos clasificar la estabilidad de ngulo de rotor en [9]: Estabilidad de pequea seal: est relacionada con la capacidad del sistema para mantener el equilibrio ante pequeas perturbaciones. En esta situacin es necesario linealizar las ecuaciones del sistema para realizar los estudios de estabilidad que comprenden los 10 20 segundos posteriores a la perturbacin. Estabilidad de gran seal o estabilidad transitoria: se relaciona con la habilidad de un sistema de mantener el sincronismo ante perturbaciones de gran magnitud, como pueden ser cortocircuitos en una lnea. El tiempo de estudio de estas perturbaciones se encuentra entre los 3 y 5 segundos posteriores a la perturbacin. Tanto la estabilidad transitoria como la de pequea seal se consideran fenmenos de corto plazo.
2.2.2
Estabilidad de frecuencia
La estabilidad de frecuencia est relacionada con la capacidad de un sistema de potencia de mantener estable la frecuencia tras una falta severa en el sistema que conlleva una diferencia importante entre la generacin y el consumo. Ante perturbaciones severas el sistema puede volverse inestable, inestabilidad que se presenta en forma de oscilaciones severas de la frecuencia. Estas oscilaciones pueden provocar la desconexin de unidades de generacin o carga. Perturbaciones severas en la red provocan, generalmente, variaciones importantes en la frecuencia, los flujos de potencia por las lneas, la tensin en los 12
Estabilidad de tensin nudos de la red y otras variables, que involucran a los sistemas de control y proteccin que generalmente no se modelan en los estudios de estabilidad transitoria o los estudios de estabilidad de tensin. Los problemas de estabilidad de frecuencia estn asociados con la respuesta inadecuada del equipo generador, con problemas de coordinacin en los sistemas de control y proteccin, as como con la reserva de potencia rodante. La prdida de estabilidad de frecuencia en grandes sistemas de potencia puede provocar el disparo de una zona de la red con el consiguiente funcionamiento en isla de una parte del sistema. La estabilidad de frecuencia bajo estas condiciones se traduce en analizar la capacidad de esta isla para mantener condiciones estables de funcionamiento con la mnima prdida de carga. La estabilidad de frecuencia se puede analizar a corto plazo o a largo plazo en funcin del fenmeno que la induce. La estabilidad a corto plazo hace referencia a los procesos de dinmica rpida, como los controles de los generadores y sistemas de proteccin; mientras que la estabilidad a largo plazo engloba los fenmenos relacionados con la dinmica de las turbinas de generacin y de los reguladores de tensin de las cargas.
2.2.3
Podemos clasificar la estabilidad de tensin en cuatro categoras dependiendo del horizonte temporal al que afecta y al motor de la perturbacin, [23]. Estabilidad de tensin de gran perturbacin: est relacionada con la habilidad del sistema de mantener valores estables de tensin tras grandes perturbaciones como pueden ser faltas, prdida de generacin o contingencias. Esta habilidad viene determinada por las caractersticas del sistema y de las cargas. El periodo de estudio se extiende desde algunos segundos a decenas de minutos. Estabilidad de tensin de pequea perturbacin: est relacionada con la habilidad del sistema de mantener niveles estables de tensin en los nudos del sistema tras pequeas perturbaciones, tales como leves variaciones de la carga. Estabilidad de tensin a corto plazo: hace referencia a cargas capaces de restablecer su consumo rpidamente, como pueden ser los motores de induccin, o equipos controlados electrnicamente, incluyendo las interconexiones HVDC (High Voltage Direct Current transmission). El periodo de estudio de estas perturbaciones es de varios segundos, y para su anlisis es necesario resolver las ecuaciones diferenciales que definen el comportamiento dinmico del sistema. Estabilidad de tensin a largo plazo: este tipo de estabilidad incluye la actuacin de equipos lentos, tales como la toma de regulacin de los transformadores, las cargas y los limitadores de los generadores. El periodo de estudio de estas perturbaciones abarca desde unos pocos a varios minutos y requiere para su anlisis el planteamiento del comportamiento dinmico de los elementos del sistema.
13
Estabilidad de sistemas de potencia
Estabilidad de ngulo de rotor
Estabilidad de frecuencia
Pequea perturbacin
Estabilidad transitoria
Grandes perturbaciones
Pequeas perturbaciones
Corto plazo
Corto plazo
Largo Plazo
Corto plazo
Largo plazo
Figura 2.1 Clasificacin de la estabilidad de tensin.
2.3
Estabilidad de tensin stabilidad
La estabilidad de tensin es un fenmeno no lineal por lo que es necesario ensin emplear herramientas de anlisis no lineal para su estudio como el anlisis de bifurcaciones. La teora de la bifurcacin asume que los parmetros de los . sistemas de potencia varan de forma lenta y por lo tanto se puede predecir cundo un sistema se puede volver inestable. El cambio en los parmetros del sistema desplaza el sistema lentamente desde una condicin de funcionamiento estable a desde otra, hasta que se alcanza un punto de colapso del sistema. Se considera que un sistema no lineal se puede expresar mediante un conjunto de ecuaciones diferenciales de primer orden definidas por: s ,
(2.1) (2.2)
Los puntos de equilibrio se obtienen cuando 0y 0. Si se produce . una perturbacin , alrededor del punto de equilibrio , y se linealiza en torno a l, las soluciones generales de las ecuaciones (2.1) y (2.2) se orno pueden expresar como:
(2.3) (2.4)
14
Donde los coeficientes , , condiciones iniciales. Los exponentes Jacobiana: =
Estabilidad de tensin y y estn determinados por las son los autovalores de la matriz
(2.5)
Y se pueden obtener mediante la solucin de: Donde , , y punto de equilibrio | |=0

(2.6)
Si y son reales y negativos, el sistema es estacionariamente estable y la perturbacin se amortigua. Si y son reales y positivos, los trminos exponenciales del sistema formado por las ecuaciones (2.1) y (2.2) se incrementan monticamente con el tiempo. Las perturbaciones se incrementan con el tiempo y el sistema se vuelve inestable. y son complejos y la parte real es negativa, en este caso la Si perturbacin se expresa mediante: = = cos cos + +
(2.7) (2.8)
son las derivadas parciales de , .
evaluadas respecto al
El sistema vuelve al estado estacionario original en un movimiento oscilatorio amortiguado. Si y son complejos y la parte real es positiva, la perturbacin crece de forma oscilatoria. Es un modo inestable.
2.3.2
Mtodos de continuacin
Los mtodos de continuacin son mtodos matemticos basados en la metodologa de seguimiento de un camino para la resolucin de sistemas con ecuaciones no lineales. Mediante el empleo de los mtodos de continuacin, se puede obtener una curva que representa el conjunto de soluciones al problema en el entorno del punto crtico sin dificultad. Esto hace de los mtodos de continuacin una herramienta til para la localizacin de puntos crticos en el sistema, como puede ser el punto de colapso de tensin. Los mtodos de continuacin generalmente determinan el camino a seguir en la bsqueda de la solucin, mediante un esquema de prediccin - correccin, que adopta tcnicas de parametrizacin continua para determinar el camino de soluciones del flujo de carga. Supongamos el sistema de dos nudos de la Figura 2.2, considerndose valores unitarios.
15
Nudo 1 1
Nudo 2
0
j0,1
Carga
P,Q
Figura 2.2 Sistema de dos nudos. Las ecuaciones de flujo de cargas correspondientes al sistema de la Figura 2.2, se pueden expresar mediante:

(2.9)
Donde: La tensin en el nudo del generador es +
La tensin en el nudo de la carga del generador es La carga est representada por p.u.
1 p.u.
p.u.
El factor de potencia se considera constante. = 1+
Se define un escenario de variacin de carga segn: = 1+

(2.10) (2.11)
Donde: -
La relacin entre la potencia activa y reactiva para las condiciones originales del problema se encuentra relacionada mediante el factor de potencia de la carga, = tan . y son dos parmetros que representan el incremento de la carga del sistema. 1+ + cos sin + cos = , ,
0= 0=
Las ecuaciones correspondientes al flujo de cargas son:

1+
sin
(2.12) (2.13)
16
Estabilidad de tensin La matriz Jacobiana original se puede expresar como:

=
1 2 1 2 1 2
21 2 21
2 cos
sin
21
21
21
21 sin
cos
21
21
+2
22 2 22
2 sin
cos
22
22
Partiendo de la tensin en el nudo de la carga, , la siguiente solucin se encuentra en la direccin tangente de la curva de soluciones. El vector tangente se puede calcular mediante el empleo de la matriz Jacobiana ampliada:
1 2 1 2 1 2
(2.14)
Donde es un vector fila, con todos los elementos igual a cero menos el elemento k-simo que es igual a 1. Si el ndice k se elige correctamente, la matriz Jacobiana ampliada es no singular. A lo largo del proceso de prediccin, se cumple: Donde t es el vector tangencial, definido como: = = 0 0 1
(2.15)
(2.16)
Con este vector tangencial, la solucin del proceso de prediccin viene dada por (2.17), donde es el paso del proceso de prediccin. = +
(2.17)
Una vez obtenida una prediccin de la solucin, se emplea dicha solucin como inicio para el proceso de correccin posterior. Introduciendo la solucin del proceso de prediccin en las ecuaciones (2.12) y (2.13), se obtienen los errores correspondientes al paso de prediccin: y . Considerando constante la evolucin de la carga, k, y aplicando la matriz jacobiana al proceso de correccin se obtiene: =
(2.18)
17
Por lo tanto, la solucin del proceso de correccin es:
(2.19)
La solucin del proceso de correccin se introduce en el proceso de prediccin para empezar una nueva iteracin del proceso. Una vez obtenido el vector tangencial es necesario comprobar si el sistema ha alcanzado el punto crtico. El signo del producto de las derivadas dVd contiene la informacin correspondiente al punto crtico. Si d=0, se ha alcanzado el punto crtico del sistema. Si el signo del producto dVd es positivo, entonces el punto crtico del sistema se ha superado. La Figura 2.3 muestra la aplicacin del mtodo de continuacin a la bsqueda del punto de colapso de tensin de sistemas de potencia. Mediante el mtodo de continuacin se explora la curva que relaciona la tensin con la carga del sistema de la Figura 2.2, tambin denominada curva P-V.
V
Prediccin
Correccin Punto crtico Valor real
Figura 2.3 Bsqueda del punto de colapso de tensin mediante el empleo de los mtodos de continuacin.
2.3.3
Implicacin de los componentes del sistema
Al realizar estudios de estabilidad de tensin hay que considerar el comportamiento de los siguientes elementos del sistema: Generadores: los generadores juegan un papel muy importante en el aporte de potencia reactiva al sistema, siendo, por tanto, responsables en gran parte de mantener valores aceptables de tensin a lo largo de todo el sistema de potencia. [8].
18
Estabilidad de tensin Cargas: La respuesta dinmica de las cargas es un mecanismo clave para la estabilidad de tensin de los sistemas de potencia, ya que son los encargados de dirigir la respuesta dinmica de las tensiones de los nudos, pudiendo provocar en algunas circunstancias colapso de tensiones. Existen muchos modelos de cargas que podemos clasificar en estticos y dinmicos, principalmente. Para representar las cargas estticas se emplean modelos de potencia constante, intensidad constante o impedancia constante. Por el contrario, las cargas dinmicas se representan mediante ecuaciones diferenciales. En general, las cargas de los sistemas de potencia se encuentran agregadas, de manera que el modelo de representacin de una carga ser la combinacin de los modelos de las cargas que lo componen. Otro aspecto importante en el consumo de las cargas son los transformadores con tomas (On Line Tap Changer, OLTC), dispositivos con gran influencia en el restablecimiento de la potencia demandada por las cargas del sistema gracias a su capacidad para mantener la tensin en el lado de baja tensin. Por el contrario, el comportamiento de la tensin en el lado de alta se asemeja a los modelos de potencia constante lo que puede provocar un empeoramiento de la situacin de inestabilidad del sistema. Sistema de transmisin: es una importante fuente de restricciones en cuanto a estabilidad de tensin se refiere. La mxima carga que puede ser abastecida en los sistemas de potencia est limitada, en algunas ocasiones, por la capacidad de las lneas elctricas que lo componen. As mismo, la capacidad mxima de las lneas est condicionada por los lmites trmicos de las mismas. Condiciones de operacin del sistema en el entorno de los lmites de capacidad de las lneas puede provocar la desconexin de las mismas con la consiguiente sobrecarga del sistema que puede derivar en inestabilidad de tensin.
2.3.4
Modelos de cargas elctricas
Los modelos de carga permiten establecer una relacin entre la tensin en los nudos de la red y el consumo de potencia en los mismos. Esta relacin conduce a que el estudio de los modelos de carga sea un factor fundamental a la hora de realizar anlisis de estabilidad de tensin de sistemas de potencia. El desarrollo de un modelo de carga adecuado para anlisis de estabilidad de tensin es un proceso complicado y de difcil solucin debido, principalmente, a la naturaleza de las cargas as como al elevado nmero de las mismas conectadas al sistema, sin olvidar que existen cargas cuya composicin vara a lo largo del tiempo. Existen numerosos trabajos en este campo, en [24] se describe la naturaleza de las cargas as como varias aproximaciones para su modelizacin, recomendando el uso de los modelos de carga estndar para la realizacin de flujo de carga y anlisis dinmicos. El modelo de carga ms simple es aquel que relaciona la potencia demandada por la carga con la tensin en el nudo al que se encuentra conectada. Dicho modelo se conoce como modelo esttico y las ecuaciones (2.20) y (2.21) presentan la formulacin matemtica general de dicho modelo:
19
Estabilidad de tensin =
(2.20) (2.21)
Para el estudio de los fenmenos de inestabilidad de tensin el modelo de carga ms empleado es el representado por las ecuaciones (2.22) y (2.23), donde V0 representa la tensin de referencia, 0 y 0 son la potencia activa y reactiva consumida a la tensin de referencia. = =
0 0 0
1 2
(2.22)
(2.23)
Los exponentes a1 y a2 de las ecuaciones (2.22) y (2.23) toman diferentes valores dependiendo del modelo de carga que se vaya a implementar, como se muestra en la Tabla 2.1: Tabla 2.1 Coeficientes a1 y a2 de los modelos de carga. Modelo de potencia constante Modelo de corriente constante Modelo de impedancia constante a1=a2 0 1 2
En ocasiones se utiliza un modelo conocido como modelo impedanciacorriente-potencia o ms coloquialmente como modelo ZIP que combina las caractersticas de los tres anteriores y que se representa mediante las ecuaciones (2.24) y (2.25), donde los coeficientes b1, b2, b3, c1, c2 y c3 cumplen la igualdad (2.26). =
0 0 1 1 0 0 2 2
b1 + b2 + b3 = c 1 + c 2 + c 3 = 1
2 2
0 0
1 1
3 3
(2.24)
(2.25) (2.26)
Se puede observar que a partir del modelo ZIP se pueden obtener los modelos de potencia, corriente o impedancia constante simplemente eligiendo los coeficientes adecuadamente como se muestra en la Tabla 2.2. Tabla 2.2 Coeficientes del modelo ZIP. Modelo de potencia constante Modelo de corriente constante Modelo de impedancia constante b1=c1 0 0 1 b2=c2 0 1 0 b3=c3 1 0 0
20
2.3.5
Sistema de dos nudos. Mxima transferencia de potencia
Puesto que, como se coment anteriormente, la estabilidad de tensin es un fenmeno relacionado con la carga de los sistemas de potencia, se va a estudiar cmo la carga influye en la tensin. Considrese un sistema de dos nudos que conecta una carga a una red de potencia infinita mediante una lnea sin prdidas como el representado en la Figura 2.4. La red de potencia infinita est representada mediante una fuente de tensin ideal en la que la tensin y la frecuencia permanecen constantes. Suponemos un sistema trifsico operando en estado estacionario sinusoidal, donde la tensin est representada por los fasores = 0 y = . La carga se considera como una impedancia cuyo consumo no depende de la frecuencia ni de la tensin del nudo al que est conectado.
Nudo 1
Nudo 2
0
Carga P,Q Figura 2.4 Sistema de dos nudos para mxima transferencia de potencia. La tensin en el nudo al que se conecta la carga (nudo 2) viene dada por (2.27), donde denota la reactancia inductiva de la lnea:
(2.27)
La potencia aparente absorbida por la carga ser:

cos
sin
(2.28)
Que podemos descomponer en: sin

(2.29) (2.30)
cos
cos 1
A partir de la igualdad (2.31), obtenemos la ecuacin (2.32): 2 sin 0

(2.31) (2.32)
21
Estabilidad de tensin En la ecuacin cuadrtica respecto de V , la condicin para tener al menos una solucin es: 2 4 0
(2.33)
2
Que puede ser simplificada en:
(2.34)
Las soluciones de la ecuacin (2.34) vienen dadas por: = 2 4
(2.35)
La Figura 2.5 muestra las soluciones fsicamente factibles de la ecuacin (2.35), para un factor de potencia nulo.
V 1.0
Vcrt.
Pmx.
Figura 2.5 Variacin de tensin con respecto a la potencia. Ante incrementos en la carga, la tensin del nudo 2 disminuye hasta que alcanza un valor crtico que corresponde a la mxima transferencia de potencia por la lnea. En la Figura 2.5, Pmx. y Vcrt. representan la mxima transferencia de potencia y la tensin a la que sta se produce, respectivamente, para factor de potencia nulo. Cuando se alcanza la Pmx. se dice que se ha alcanzado el punto de colapso de tensiones ya que, ante un pequeo incremento de la demanda, la tensin del nudo disminuye drsticamente con el incremento de la carga.
2.3.6
Curvas P-V
Las curvas P-V representan la relacin entre la tensin en el nudo al que se conecta una carga y la potencia activa consumida por la propia carga y permiten obtener una idea de la mxima cargabilidad del sistema para operar de forma estable. 22
Estabilidad de tensin Supongamos que la potencia reactiva consumida por la carga depende de la potencia activa y del factor de potencia segn la expresin: tan
(2.36)
A partir de las ecuaciones (2.35) y (2.36) y variando el factor de potencia de la carga ( ), se obtiene la familia de curvas P-V representativas del sistema de estudio, Figura 2.6. La nariz de la curva P-V se conoce como punto de colapso de tensin, a partir de este punto las tensiones caen rpidamente ante pequeos incrementos de la carga y el flujo de cargas no converge, sntoma de inestabilidad. Para el caso de cargas constantes, el lmite mximo de cargabilidad coincide con el punto de colapso de tensiones. Uniendo los puntos de lmite de funcionamiento, para cada uno de los valores de factor de potencia (lnea punteada de la Figura 2.6), se obtienen las curvas que delimita la zona de funcionamiento estable del sistema; los puntos situados por debajo de la lnea discontinua son inestables, y el sistema elctrico nunca opera en ellos.
Figura 2.6 Curvas P-V. Podemos observar en la Figura 2.6 que un aumento de la compensacin de potencia reactiva en el sistema (disminucin de la tan ) conlleva un aumento de la cargabilidad del sistema y, por tanto, de la distancia del sistema al punto de colapso de tensin. Sin embargo, el aumento excesivo de la compensacin de la carga implica que la tensin de operacin del sistema se encuentre en el entorno de la tensin crtica complicando la gestin y operacin del sistema.
23
2.3.7
Curvas V-Q
Al igual que con la relacin entre la tensin y la potencia activa (curvas P-V), se puede representar la relacin entre la tensin y la potencia reactiva inyectada en un determinado nudo del sistema. Estas curvas se conocen como curvas V-Q y permiten obtener una estimacin de la cantidad de potencia reactiva que es necesario compensar en un sistema para restablecer el punto de funcionamiento de dicho sistema u obtener un valor de tensin en el nudo de la carga deseado. El estudio de las curvas V-Q se debe realizar sobre los nudos ms crticos del sistema y en las peores condiciones de operacin del mismo. La Figura 2.7 muestra dos curvas V-Q genricas correspondientes a un sistema de 15 kV; estudiando la curva correspondiente al nudo 1 se puede observar que dicho nudo es deficitario, en cuanto a potencia reactiva se refiere, siendo necesario realizar una aporte de 2 Mvar para mantener la tensin en dicho nudo en 15 kV; por el contrario, la situacin correspondiente al nudo 2 es excedentaria de potencia reactiva y, como se puede observar en la Figura 2.7, existe un margen de reactiva de 1 Mvar que permite mantener la tensin de dicho nudo a la tensin de consigna, 15 kV.
5 4 3 2
Margen Q1 Nudo 1 Polinmica (Series1) Nudo 2 Polinmica (Series3)
Q (MVAr)
1 0 -1 -2 -3 -4 -5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18 19,5 Tensin (KV)

Margen Q2
Figura 2.7 Curvas V-Q. Consideremos ahora el sistema de dos nudos de la Figura 2.4. Para obtener las curvas V-Q de este sistema es necesario colocar un generador ficticio en el nudo de la carga. Este generador slo inyecta potencia reactiva en el sistema ( ). Las nuevas ecuaciones del flujo de cargas sern: 24 sin
(2.37)
Estabilidad de tensin cos

(2.38)
Para cada valor de tensin , podemos obtener el valor de a partir de la ecuacin (2.37) y, posteriormente, el valor de la potencia reactiva inyectada por el generador sncrono, a partir de la ecuacin (2.38). La Figura 2.8 representa las curvas V-Q para el sistema de la Figura 2.4 y diferentes condiciones de carga. La curva del caso 1 corresponde a una situacin en la que el sistema no est muy cargado y es capaz de mantener la tensin nominal (1 p.u.) sin necesidad de inyeccin de potencia reactiva (punto O). La curva correspondiente al caso 2 muestra un sistema ms cargado. En este caso el sistema no es capaz de mantener la tensin nominal (punto de funcionamiento O) sin una inyeccin de potencia reactiva de 0,5 p.u. Los valores Q1 y Q2 representan los mrgenes de potencia reactiva con respecto al punto mximo de operacin del sistema (considerado para tensin 0,9 p.u.). Por ltimo, la curva del caso 3 representa una situacin de carga para la cual no es posible operar sin una inyeccin de potencia reactiva para el punto mximo de operacin. En este caso el margen de potencia reactiva, Q3, es negativo.
Figura 2.8 Curvas V-Q para el sistema de dos nudos.
2.3.8
Escenarios de inestabilidad de tensin
La existencia de un lmite de transferencia mxima de potencia puede provocar problemas de inestabilidad y colapso de tensin en el sistema. Existen dos escenarios clsicos que provocan inestabilidad en el sistema: 2.3.8.1 Incremento de la carga
El aumento de la carga provoca una desviacin de la caracterstica de equilibrio de la misma. El punto para el cual la caracterstica de la carga es tangencial a la caracterstica del sistema (representada por la curva P-V) se conoce como lmite de mxima cargabilidad del sistema. Un aumento de la carga en este 25
Estabilidad de tensin punto implica prdida de equilibrio y, por lo tanto, el sistema no podra seguir operando. Consideremos el siguiente escenario de variacin de carga: 1 Donde: 1
(2.39) (2.40)
Pd 0 y Qd 0 representan las condiciones iniciales de carga.
es el coeficiente de variacin de la carga ( = 0 para el caso inicial).
La Figura 2.9 muestra la evolucin de la caracterstica de la carga del sistema de la Figura 2.4, ante variaciones de carga regidas por las ecuaciones (2.39) y (2.40), as como la mxima transferencia de carga por la lnea. Se puede comprobar que, a medida que aumenta la carga (P1), el sistema se acerca a la zona de lmite de funcionamiento, alcanzando el punto de colapso de tensin para la caracterstica de carga correspondiente a 2. La situacin correspondiente a 3 no es factible ya que se encuentra fuera de los lmites de funcionamiento del sistema.
Mxima cargabilidad del sistema crt. P0 P1
Aumento de carga Punto de colapso de tensin
3 P()
Figura 2.9 Mecanismo de inestabilidad: aumento de la carga (a1= a2=0). 2.3.8.2 Grandes perturbaciones
Se consideran grandes perturbaciones en un sistema elctrico a las prdidas de lneas y/o elementos del equipo generador. Para el sistema de estudio de la Figura 2.4, estas perturbaciones se corresponden con un aumento de la reactancia de la lnea de transmisin que implica una variacin brusca de la caracterstica del sistema. Esta situacin est representada en la Figura 2.10, en ella se puede comprobar la variacin que experimenta el punto de funcionamiento del sistema ante una perturbacin. Las lneas roja y azul representan el comportamiento del sistema ante dos perturbaciones diferentes. Como se puede observar, la
26
Estabilidad de tensin perturbacin que provoca el comportamiento representado por la lnea roja correspondera a un sistema inestable en el cual la carga no puede ser abastecida.
Punto de operacin pre-fallo Punto de operacin post-fallo Curva caracterstica de carga (a1= a2=0)
Caractersticas del sistema Post-fallo
Caracterstica del sistema Pre-fallo
P Figura 2.10 Mecanismos de inestabilidad: gran perturbacin.
2.3.9
Efectos de la compensacin de reactiva
Las desviaciones de tensin con respecto a los valores nominales (1 p.u.) se deben principalmente a una carencia de potencia reactiva en el sistema, como se describi en el apartado 2.3.7. Los elementos de compensacin de potencia reactiva instalados a lo largo del sistema mejoran el perfil de tensiones de la red, reducen las corrientes en las lneas as como las prdidas, y mejoran la estabilidad del sistema de potencia. Los principales elementos de compensacin de reactiva son los condensadores, que en los ltimos aos han desbancado a los compensadores sncronos. La localizacin ptima de estos elementos permiten aliviar los perfiles de tensin en zonas sobrecargas del sistema, ya sea debido a las cargas propias del sistema o a la impedancia inductiva de las lneas de transporte o distribucin de electricidad. Actualmente, existen diferentes configuraciones para los elementos de compensacin de reactiva en redes elctricas: bancos de condensadores, SVC y STATCOM (STATic synchronous COMpensator). Todos estos elementos se denominan estticos porque no contienen ninguna parte mvil, como en el caso de los compensadores sncronos. 2.3.9.1 Banco de condensadores
El empleo de condensadores en redes de distribucin y transporte est ampliamente extendido. Estos elementos se emplean principalmente para minimizar prdidas y diferencias de tensin entre nudos de la red de transporte, compensar el factor de potencia de las cargas, estabilizar la carga, permitir que los
27
Estabilidad de tensin generadores trabajen en el entorno del factor de potencia unidad, o controlar el perfil de tensiones de las redes de distribucin. La principal forma de conexin de los condensadores en sistemas elctricos de potencia es en paralelo en un nudo del sistema, aunque tambin se pueden encontrar condensadores conectados a una lnea en serie. La conexin o desconexin de estos elementos suele ser manual, con presencia de un rel que permite la desconexin para valores de tensin por debajo de los lmites de operacin establecidos. El principal problema de los condensadores es el dimensionado de los mismos para las diferentes condiciones de funcionamiento y de carga en la red. Esto se soluciona mediante la conexin de varios condensadores en paralelo (banco de condensadores) que, mediante el empleo de rels, conectan, o desconectan, el nmero necesario de escalones para el funcionamiento ptimo del sistema, como se ve en la Figura 2.11. Si el rel detecta una disminucin de la tensin por debajo del valor umbral, se conecta un escaln de condensadores que eleva el nivel de tensin. El principal problema de esta configuracin reside en el empleo de los rels: elementos mecnicos sometidos a desgaste que implican la necesidad de un mantenimiento y de actuacin lenta. Los principales inconvenientes de los bancos de condensadores son: Cuando se emplean estos elementos para compensacin de carga, a mayor necesidad de compensacin mayor es el tamao del banco de condensadores necesario para mantener la tensin en todos los nudos del sistema dentro de los lmites de operacin establecidos. Este aumento progresivo de la compensacin desplaza el punto de funcionamiento del sistema acercndolo progresivamente al punto de mxima transferencia de potencia por las lneas correspondiente a una situacin de carga lmite [8]. En el caso de sistemas excesivamente cargados trabajando en el entorno del punto lmite de transferencia de potencia, un pequeo aumento de carga puede derivar en un colapso de tensin. En esta situacin, la tensin cae drsticamente y, puesto que el aporte de potencia reactiva por parte de un ), el condensador es proporcional al cuadrado de la tensin ( banco de condensadores sera incapaz de mantener la tensin en el sistema [21]. Ante la desconexin de la lnea en la que se encuentra conectado el banco de condensadores, la conexin del mismo debe retardarse hasta que la lnea haya sido reenganchada. La conexin del banco de condensadores se debe realizar antes de que una cantidad significativa de las cargas se haya conectado de nuevo al sistema mediante transformadores con cambio de tomas o reguladores de tensin [20]. A partir de lo comentado anteriormente, la conexin de bancos de condensadores permite mejorar el comportamiento del perfil de tensiones de la red, pero no son capaces de prestar soporte al sistema en situaciones de tensiones bajas o de emergencia, momentos en los que el aporte de reactiva es ms necesario para mantener la tensin del sistema [15].
28
1,2 V (p.u.) 1
0,8
Conexin del primer escaln de condensadores
0,6
Conexin del segundo escaln de condensadores
0,4
0,2
0 0 0,1 0,2 0,3 0,4 0,5 P (p.u.) 0,6
Figura 2.11 Curvas P-V para diferentes escalones de compensacin de reactiva. 2.3.9.2 Compensadores estticos de potencia reactiva (SVC)
Los compensadores estticos de potencia reactiva, SVC, son, bsicamente, elementos de compensacin de reactiva, como los bancos de condensadores, cuya conexin o desconexin est dinmicamente regulada por dispositivos electrnicos de control, como pueden ser los tiristores. Al contrario que los bancos de condensadores, los SVC son elementos que actan rpidamente mejorando la estabilidad de tensin del sistema casi de forma instantnea. Otra caracterstica de estos dispositivos es que ajustan de forma dinmica la inyeccin de potencia reactiva segn cambian las condiciones de la red. Los SVC comenzaron a utilizarse en los aos 70. En la actualidad podemos encontrar estos sistemas conectados tanto a las redes de distribucin como de transporte. Las principales aplicaciones de estos dispositivos son: control de sobretensiones temporales, prevencin del colapso de tensiones, mejora de la estabilidad transitoria, atenuacin de las oscilaciones electromecnicas en la red de transporte, balance de sistemas desequilibrados y reduccin del parpadeo (flicker) en las proximidades de cargas variables en las redes de distribucin, como pueden ser hornos de arco. Existen dos topologas principales: Reactancia controlada por tiristores (TCR, Thyristor Controlled Reactor): este esquema es equivalente a un sistema formado por un condensador en paralelo con una reactancia variable, Figura 2.12a. La potencia reactiva que se inyecta en el punto de conexin se compone de la inyectada por el condensador conectado en paralelo y la regulacin de la absorbida por la bobina. Para este control se emplean 2 tiristores en antiparalelo, para controlar los ciclos de conduccin, cuyo ngulo de disparo se ajusta para variar la componente fundamental de la frecuencia de la corriente que circula por el dispositivo.
29
Estabilidad de tensin Condensador conmutado por tiristores (TSC, Thyristor Switched Capacitor,): en esta configuracin el banco de condensadores est conectado al sistema de potencia mediante tiristores, Figura 2.12b. Es la configuracin ms sencilla para la utilizacin de dispositivos electrnicos de potencia en la compensacin de potencia reactiva. La conexin o desconexin de los condensadores que componen el banco se realiza mediante dos tiristores conectados en antiparalelo, uno para cada ciclo de conduccin. Puesto que los tiristores se controlan por una seal de disparo y se desconectan en un paso por cero de la corriente, es necesario repetir la orden de conexin en cada ciclo de la tensin de red. La Figura 2.13 muestra la curva PV correspondiente a una red en la que se ha conectado un dispositivo SVC para compensar la potencia reactiva. En este caso, el control del ngulo de disparo de los tiristores permite mantener la tensin de operacin del sistema al valor de consigna, desplazndose a lo largo de la zona horizontal de la caracterstica del SVC.
(a) Configuracin TCR.
(b) Configuracin TSC.
Figura 2.12 Esquema de representacin de SVC.

1,2
V (p.u.)
1
0,8
Conexin del SVC
0,6
0,4
0,2
0 0 0,1 0,2 0,3 0,4 0,5 0,6
P (p.u.)
Figura 2.13 Curva P-V con conexin de SVC.
30
Estabilidad de tensin 2.3.9.3 Compensador esttico (STATCOM)
La Figura 2.14 muestra un esquema de este dispositivo que se compone de un convertidor electrnico, un elemento de almacenamiento de energa y un sistema de control que mantiene la tensin de la etapa de continua en un valor de tensin constante de referencia, y que calcula los ngulos de disparo de los tiristores o IGBT para inyectar la potencia reactiva necesaria en cada condicin de funcionamiento del sistema [25]. Controlando adecuadamente la magnitud y fase de la tensin de salida del convertidor, el STATCOM, al igual que el SVC, puede intercambiar con el sistema tanto potencia activa como reactiva.
Figura 2.14 Esquema de STATCOM. Este dispositivo se puede utilizar en las redes de transporte y distribucin para regular la tensin, corregir el factor de potencia, as como filtrar armnicos cuando se conecta en paralelo con un cliente perturbador. Entre las caractersticas de estos dispositivos cabe destacar: Los STATCOM son capaces de aportar corriente reactiva incluso para tensiones muy bajas, permitiendo por tanto aliviar las tensiones en situaciones de valores anormalmente bajos. Esto supone una mejora con respecto al funcionamiento de los SVC. Los STATCOM poseen una rpida capacidad de respuesta que, unida a la habilidad para suministrar corriente capacitiva constante, hace de este dispositivo una solucin ideal en aplicaciones de control de tensin. Adems, el STATCOM puede ser utilizado donde se requiera un control rpido y continuo de potencia reactiva, como puede ser: Regulacin y control efectivo de la tensin. Reduccin de sobretensiones temporales. Aumento de la capacidad de transferencia de potencia en estado estable. Aumento del margen de estabilidad transitoria. Equilibrio del balance entre cargas monofsicas. Reduccin de las fluctuaciones rpidas de tensin (control de flicker).
31
2.3.10 Efectos de los transformadores con regulacin de tomas

Los sistemas elctricos estn formados por diferentes niveles de tensin conectados entre s mediante transformadores de potencia. Generalmente los transformadores estn equipados con reguladores de tomas que permiten variar la relacin de transformacin del transformador para mantener los niveles de tensin en los devanados del transformador sin necesidad de interrumpir el flujo de potencia por el mismo. Podemos clasificar los transformadores dependiendo de su ubicacin dentro del sistema elctrico de potencia en cuatro categoras: Transformadores que alimentan el sistema de distribucin. Transformadores que conectan el sistema de transporte con el de distribucin. Transformadores que conectan dos niveles de tensin dentro del sistema de transmisin o distribucin. Transformadores elevadores de conexin de los generadores a la red. El control de la tensin, en el devanado de los transformadores con regulacin de tomas en el que se encuentra conectada la carga, se realiza mediante un regulador dinmico de tensin, Figura 2.15, como se detalla a continuacin: ante variaciones de la tensin superior a la permitida por el sistema entra en funcionamiento un rel temporal. Una vez transcurrido el tiempo de espera del rel, que suele ser de varios segundos, el mecanismo de cambio de tomas empieza a actuar hasta que la tensin vuelve a estar dentro de la zona normal de funcionamiento, o bien hasta que se alcanza el lmite superior o inferior del regulador de tomas. Una vez dentro de la zona de trabajo de tensin del sistema, tanto el rel temporal como el mecanismo de cambio de tomas se inicializan.
V1 Punto de control Cambiador de tomas bajar subir Vset
Retraso (t)
Clculo de la toma
Figura 2.15 Regulador dinmico de un transformador con tomas.
32
Estabilidad de tensin En el caso particular del estudio de los mrgenes de estabilidad de tensin o reserva de potencia reactiva, no es necesario considerar el comportamiento dinmico de los cambios de tomas, ya que en el rango de tiempo considerado las oscilaciones transitorias que ha sufrido el sistema se han visto amortiguadas en el periodo transitorio y la dinmica de los transformadores con tomas ha tenido tiempo suficiente para actuar y ajustarse a la nueva posicin. Las principales caractersticas de los transformadores con tomas son [6]: El rango de variacin del regulador de tomas es de 10% de la tensin nominal del devanado del transformador en el que se encuentra el cambiador de tomas, distribuido en un nmero determinado de pasos. El tiempo de actuacin entre cambio de tomas es ajustable, por ejemplo entre 10 y 120 segundos. Los valores tpicos son 30 60 segundos. Para variaciones elevadas de tensin, el tiempo necesario para el paso por todas las tomas del regulador est en torno a los 2 minutos. A mayor retardo en el cambio de tomas, mayor es el tiempo disponible para tomar medidas correctoras de la tensin. Normalmente, el empleo de los cambios de las tomas de los transformadores se limitan a pequeas variaciones de tensin que impliquen variaciones moderadas de carga.
2.4
2.4.1
Anlisis de la estabilidad de tensin en una red de 14 nudos

Descripcin del sistema
Para realizar el estudio de estabilidad de tensin se va a emplear la red de transporte IEEE de 14 nudos [26], cuyo esquema se muestra en la Figura 2.16. Esta red est compuesta por 14 nudos, 4 generadores y 11 cargas. Los datos de esta red se encuentran en el Anexo I. Para estudiar el comportamiento del sistema ante la incorporacin de fuentes de energa renovable, se ha realizado una modificacin del sistema introduciendo una unidad de generacin elica, de 30 MW, en el nudo 8. En primer lugar se realiza un estudio para determinar el modelo de carga ms adecuado para el anlisis de estabilidad que nos ocupa. Para ello se emplean los modelos de carga descritos en el apartado 2.3.4. El anlisis de estabilidad de tensin realizado corresponde a las acciones correctoras, en cuanto a compensacin de reactiva se refiere, para una situacin de inestabilidad derivada de una variacin de la carga correspondiente al sistema de ecuaciones del apartado 2.3.8.1, (2.39) y (2.40). La Figura 2.17 muestra el perfil de tensiones de la red de estudio IEEE de 14 nudos modificada, es decir, con la incorporacin de la unidad de generacin elica.
33
Anlisis de la estabilidad de tensin en una red de 14 nudos La Figura 2.18 muestra un anlisis de la evolucin en los nudos 3, 4, 5 y 14. Como se puede observar, segn aumenta la demanda de la carga, la tensin disminuye ms rpidamente en el nudo 14, por lo que ste es el nudo ms crtico del sistema.
Figura 2.16 Sistema IEEE de 14 nudos modificado.
1,08 1,07 1,06 1,05 1,04 1,03 1,02 1,01 1 0,99 0,98 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Nudos
Figura 2.17 Perfil de tensiones de la red IEEE de 14 nudos modificada.
34
1,2 1 Tensin (p.u.) 0,8 0,6 0,4 0,2 0 0 10 20 30 40 50 60 70 80 90 Nudo 14 Nudo 3 Nudo 4 Nudo 5
Incremento de carga (%)
Figura 2.18 Evolucin de los nudos 3, 4, 5 y 14 ante variaciones de la carga.
2.4.2
Influencia del modelo de carga
Se va a realizar un pequeo anlisis del comportamiento del sistema frente a diferentes modelos de carga. Esta comparativa determinar qu modelo es el ms conveniente para el estudio de estabilidad de tensin posterior. Los modelos a analizar sern los correspondientes al apartado 2.3.4: modelo de potencia constante, impedancia constante, corriente constante y modelo ZIP. Para este ltimo se eligen los coeficientes de la siguiente manera: 60% impedancia constante, 10% corriente constante y 30% potencia constante (b1=c1= 0,6, b2=c2=0,1 y b3=c3=0,3). Las grficas de la Figura 2.19, Figura 2.20, Figura 2.21 y Figura 2.22 representan las curvas P-V (obtenidas del software PowerWorld [27]), hasta el punto de colapso de tensin del sistema, para los cuatro modelos de carga estudiados y para el nudo ms crtico del sistema, el nudo 14. Se puede comprobar que para el anlisis correspondiente al modelo de carga ZIP, Figura 2.22, el sistema se vuelve inestable antes de alcanzar el lmite de operacin inferior, establecido en 0,9 p.u. Realizando una comparacin entre los modelos restantes potencia, corriente e impedancia constante- se puede concluir que el modelo de carga con mejor comportamiento, con respecto a la estabilidad de tensin se refiere, es el correspondiente a potencia constante. Tabla 2.3 Mxima cargabilidad segn modelos de carga. Carga0,9p.u. (MW) Modelo de potencia constante Modelo de corriente constante Modelo de impedancia constante 31,75 28 25,8 lm. (p.u.) 1,13 0,88 0,73
35
Anlisis de la estabilidad de tensin en una red de 14 nudos
0,98 0,96 0,94 0,92 0,9 PU Volt 0,88 0,86 0,84 0,82 0,8 0,78 0,76 16 18 20 22 24 26 28 30 Load MW: 14 (BUS 14_115,0) 32 34 36 38
Pmx
Pcrtica
Figura 2.19 Curva PV modelo de potencia.
0,95 0,94 0,93 0,92 0,91 0,9 0,89 PU Volt 0,88 0,87 0,86 0,85 0,84 0,83 0,82 0,81 0,8 0,79 15 16 17 18 19 20 21 22 23 24 25 Load MW: 14 (BUS 14_115,0) 26 27 28 29 30 31
Pcrtica
Figura 2.20 Curva PV modelo de corriente constante.
36
0,94 0,935 0,93 0,925 PU Volt 0,92 0,915 0,91 0,905 0,9
Pcrtica
14 15 16 17 18 19 20 21 22 Load MW: 14 (BUS 14_115,0) 23 24 25 26
Figura 2.21 Curva PV modelo de impedancia constante.
0,985 0,98 0,975 0,97 0,965 0,96 0,955 0,95 0,945 0,94 0,935 0,93 0,925 0,92 0,915 0,91 15 16 17 18 19
PU Volt
Pcrtica
20 21 22 23 24 25 26 Load MW: 14 (BUS 14_115,0)
27
28
29
30
31
Figura 2.22 Curva PV modelo ZIP. Empleando el lmite inferior de operacin (0,9 p.u.) como indicador comparativo, se puede observar en la Tabla 2.3 que el valor de carga mxima corresponde al modelo de carga de potencia constante, para el cual se consigue un aumento de cargabilidad del 113% respetando los lmites de operacin.
2.4.3
Influencia de los compensadores estticos de tensin SVC
En este apartado, se analiza la influencia de la incorporacin de un elemento de compensacin de reactiva en el sistema, en este caso un SVC, para la mejora de la cargabilidad y estabilidad del mismo. Para ello se modifican las caractersticas de la red de estudio incorporando una unidad SVC de 45 Mvar en 37
Anlisis de la estabilidad de tensin en una red de 14 nudos el nudo 8 (nudo del generador elico). La Figura 2.23 muestra la curva P-V correspondiente al nudo ms crtico del sistema de 14 nudos modificado, el nudo 14. El anlisis de la Figura 2.23 y la Tabla 2.4 muestra cmo la incorporacin de elementos de compensacin de reactiva (curva roja) mejora tanto la cargabilidad del sistema, para una determinada condicin de funcionamiento, como la estabilidad de tensin, desplazando hacia la derecha el punto de colapso de tensiones del sistema. Tabla 2.4 Cargabilidad del sistema IEEE de 14 nudos. Sistema de estudio Red inicial Con SVC en nudo 8 0,45 p.u. 0,66 p.u. lm. 293 MW 480 MW 0,76 p.u. 0,94 p.u. crt. 553 MW 684 MW
La Figura 2.24 muestra la curva V-Q para el nudo ms crtico del sistema de estudio, el nudo 14. En dicha figura se puede apreciar el margen de potencia reactiva en el nudo 14 para los lmites de operacin establecidos. As, el sistema podra mantener la tensin entre la zona de funcionamiento comprendida entre 0,9 y 1 p.u. sin necesidad de inyectar potencia reactiva ya que se dispone de margen de reactiva suficiente (30 Mvar para el caso de tensin 0,9 p.u.).
1,1 1 0,9 Tensin (p.u.) 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0 0,04 0,08 0,12 0,16 0,2 0,24 0,28 0,32 0,36 0,4 0,44 0,48 0,52 0,56 0,6 0,64 0,68 0,72 0,76 0,8 0,84 0,88 0,92 0,96 1 (p.u.) Sin SVC Con SVC Final Incremento de la distancia al punto de colapso de tensin Incremento de la cargabilidad del sistema para lmite de operacin 0.9 p.u.
Figura 2.23 Curvas P-V para la red IEEE de 14 nudos modificada con SVC.
38
35 30 25 20 15 10 5 0 -5 -10 -15 -20 -25 -30 -35 -40 -45 -50 -55 -60 -65 -70 -75
Potencia (Mvar)
Qmargen
Figura 2.24 Curva V-Q para el nudo 14 de la red IEEE de 14 nudos modificada.
2.4.4
En este apartado se tratar de corregir las desviaciones de la tensin en los nudos del sistema, mediante el empleo de transformadores dotados de cambio de tomas. Estos transformadores permiten modificar la tensin en los nudos de la red en la que se conectan, mediante la variacin de la relacin de transformacin. Generalmente, el nudo de control es el correspondiente al lado de baja tensin. En este estudio se va a dotar al transformador que se encuentra entre los nudos 4 y 7 con tomas de regulacin. El margen de regulacin de tensin es del 10% y dispone de 32 pasos para conseguirlo. La Figura 2.25 muestra la curva P-V del sistema de estudio correspondiente al nudo ms crtico, el nudo 14, para diferentes valores del cambiador de tomas del transformador conectado entre los nudos 4 y 7. La influencia del cambio de tomas frente al aumento de carga del sistema viene dado por la lnea roja de la Figura 2.25. Como se puede apreciar en la grfica, cuando la tensin en el nudo de control alcanza el valor lmite de operacin establecido (0,9 p.u.), el transformador modifica la relacin de transformacin adecuando la tensin al nuevo valor de consigna.
0,1 0,14 0,18 0,22 0,26 0,3 0,34 0,38 0,42 0,46 0,5 0,54 0,58 0,62 0,66 0,7 0,74 0,78 0,82 0,86 0,9 0,94 0,98 1,02 1,06 1,1 Tensin (p.u.)
Influencia del cambio de tomas de los transformadores
39
Seguridad de sistemas de potencia

1,1 1,05 1 0,95 Tensin (p.u.) 0,9 0,85 0,8 0,75 0,7 0,65 0,6 0,04 0,08 0,12 0,16 0,24 0,28 0,32 0,36 0,44 0,48 0,52 0,56 0,64 0,68 0,72 0,76 0,2 0,4 0,6 0 0,9 0,92 0,95 0,98 1 1,02 1,05 Final
Lambda
Figura 2.25 Curvas P-V correspondientes al nudo 14 de red la IEEE de 14 nudos modificada, considerando la variacin de la relacin de transformacin del transformador conectado entre los nudos 4 y 7.
2.5
Seguridad de sistemas de potencia
Generalmente, los sistemas de potencia estn diseados y operan respetando los lmites correspondientes a criterios de seguridad N-1, es decir, respetando los lmites en situaciones de prdida de algn elemento del sistema. El anlisis de seguridad en sistemas de potencia permite comprobar el estado de la red tras sufrir algn tipo de cambio en su topologa; dichos cambios vienen dados por la prdida de una lnea, de un transformador, de un generador o de algn nudo de la red. La supervisin del estado del sistema se realiza mediante 3 magnitudes elctricas o parmetros de control: la frecuencia, la tensin en los nudos de la red y los niveles de carga en los diferentes elementos de la red (lneas y transformadores). Para valorar el correcto funcionamiento de la red de potencia, el Operador del Sistema elctrico espaol ha elaborado una serie de Procedimientos de Operacin (P.O.) en los que se encuentran recogidos los criterios de funcionamiento y seguridad para la operacin del sistema elctrico [28] y [29]. El objetivo de estos procedimientos es que el sistema garantice la continuidad del suministro, con la calidad requerida, ante cualquier eventualidad en el sistema, ya sea previsible como las variaciones en la carga, o imprevisible como la prdida de una lnea (contingencia). Se puede decir, por tanto, que la seguridad de un sistema viene dada por la capacidad del mismo para permanecer en un estado estable en el que se respeten los lmites de operacin impuestos para las diferentes variables de control. Estos lmites se encuentran recogidos en la Tabla 2.5.
40
Estabilidad de tensin Tabla 2.5 Lmites de las variables de control del sistema en funcionamiento normal, [29].
Estado Frecuencia Tensiones 400kV: (390-420) kV 220kV: (205-245) kV Sobrecargas admitidas en lneas No existen Sobrecargas admitidas en transformadores No existen
Sin fallo
(49,85-50,15) Hz
En [28] y [29] se recogen los criterios de seguridad que deben aplicarse en la operacin del sistema elctrico espaol para garantizar la continuidad del suministro con la calidad requerida. Estos criterios tienen en cuenta los utilizados, a su vez, en el diseo y planificacin de la red de transporte. Se definen cuatro estados de funcionamiento del sistema [28]: Estado normal: todas las variables de control que caracterizan el estado del sistema se encuentran dentro de los mrgenes de funcionamiento normal establecidos en [28] y se cumplen los criterios de seguridad ante contingencias, indicados en la Tabla 2.6. Estado de alerta: situacin para la que, aun siendo adecuados los valores de las variables del sistema, no se cumplen los criterios de seguridad frente a contingencias. Estado de emergencia: situacin en la que una o ms variables del sistema presentan valores fuera de los mrgenes de funcionamiento normal. Estado de reposicin: situacin en la que se produce una prdida de suministro en una zona elctrica (cero zonal) o en la totalidad del sistema (cero nacional). En este caso el principal objetivo es la reposicin ordenada, segura y rpida del servicio. Las contingencias a tener en cuenta en los anlisis de seguridad son: Fallo simple de uno cualquiera de los elementos del sistema: grupo generador, lnea, transformador o reactancia. Se considera criterio N-1. Fallo mltiple o simultneo de los dos circuitos de las lneas de doble circuito o dos elementos del sistema. Se considera criterio N-2. El comportamiento del sistema ante cualquier contingencia debe mantener las variables de control dentro de los lmites establecidos en la Tabla 2.6. El anlisis de la seguridad de los sistemas de potencia se puede realizar mediante tres herramientas bsicas: 1. Monitorizacin del sistema: se lleva a cabo a travs de un sistema de adquisicin de datos que suministra al operador del sistema la informacin telemedida correspondiente al estado de las distintas variables de control del sistema (frecuencia, tensin, flujos de potencia,), as como de los diferentes elementos del sistema (seccionadores, interruptores, etc.), en tiempo real. Estos sistemas se combinan con los estimadores de estado para obtener una visin ms 41
Seguridad de sistemas de potencia realista del sistema y se apoyan en los dispositivos de telemando para actuar sobre los seccionadores e interruptores. El conjunto de estas herramientas se conoce como SCADA (Supervisory Control And Data Acquisition system) y permite supervisar y actuar sobre los sistemas de potencia para corregir posibles desviaciones. 2. Anlisis de contingencias: consiste en modelar posibles problemas en el sistema antes de que ocurran para resolverlos de la manera ms rpida y satisfactoria. 3. Flujo de cargas ptimo con restricciones de seguridad: esta herramienta combina el anlisis de contingencias con el flujo de cargas ptimo. El resultado de este flujo es una modificacin en el despacho econmico que permite ante un estudio de contingencias que no se incurra en ninguna violacin, [30]. Tabla 2.6 Lmites de funcionamiento ante contingencias, [28].
Sobrecargas admitidas en lneas Sobrecargas admitidas en transformadores 10% (Nov - Marzo) 20% (Nov - Marzo) 10% (Jun - Agosto) 15% (resto)
Estado
Frecuencia
Tensiones
Fallo simple Fallo de doble circuito o grupo ms lnea
(49,85-50,15) Hz
400kV: (380-435) kV 220kV: (205-245) kV
No existen
(49,85-50,15) Hz
400kV: (375-435) kV 220kV: (200-245) kV
15%
2.6
Anlisis de contingencias
Como se ha comentado en la seccin anterior, el anlisis de contingencias es una de las herramientas empleadas en los estudios de seguridad de las redes de potencia. Esta herramienta permite detectar la violacin de los lmites de operacin o de las variables de control del sistema, producidas por diversas alteraciones de la topologa de la red, como pueden ser prdidas de lneas, transformadores, generadores, nudos, o combinaciones de ellas. Las restricciones tcnicas que se tienen en cuenta a la hora de realizar un anlisis de contingencias estn relacionadas con las variables de control del sistema y los lmites de operacin de las mismas: Flujo de potencia en lneas y transformadores. Tensin en los nudos de la red.
Un resumen de los lmites de operacin de estas variables se encuentra en la Tabla 2.6.
42
Estabilidad de tensin El anlisis de contingencias permite detectar posibles fallos en el sistema antes de que se produzcan y estudiar las acciones correctoras correspondientes. El mtodo empleado en la deteccin de estos fallos es la realizacin de flujo de cargas para cada una de las posibles prdidas de elementos planteadas en el sistema elctrico. Uno de los mayores problemas relacionados con la puesta en marcha de los anlisis de seguridad de red, en centros de control de sistemas elctricos, es el tiempo empleado en la realizacin de dichos anlisis. Para resolver este problema, el anlisis de contingencias clsico se subdivide a su vez en dos: la preseleccin de contingencias y el anlisis de contingencias propiamente dicho. La preseleccin de contingencias restringe el nmero de contingencias a estudiar, disminuyendo por tanto el tiempo de clculo del anlisis en detrimento de la exactitud de la solucin. La preseleccin de contingencias es un proceso delicado ya que puede dar lugar a problemas de enmascaramiento de contingencias relevantes. La bsqueda de una solucin de compromiso entre rapidez y exactitud en la resolucin de los anlisis de contingencias ha dado lugar a numerosas tcnicas de seleccin de contingencias, [30] - [32], que se pueden clasificar en 5 grandes grupos: 1. Mtodos basados en factores de sensibilidad lineal Los factores de sensibilidad lineal permiten obtener, de forma rpida, las posibles sobrecargas de sistemas de potencia. Estos factores muestran la variacin de los flujos de potencia de las lneas debido a la prdida de una lnea o un generador, y derivan del flujo de cargas para componente de secuencia directa. El primero de ellos, conocido tambin como factor de distribucin ante la prdida de un generador ( , (2.41)), muestra la variacin en los flujos de potencia de las lneas ante variaciones en la generacin del sistema, ya sea por prdida de un generador o por variaciones de la carga.
(2.41)
Donde: l i
representa el ndice de la lnea. representa el ndice del nudo. representa la variacin del flujo de cargas de la lnea l (en MW) cuando se produce un cambio en la generacin Pi en el nudo i. representa la variacin de la generacin del nudo i.
El segundo, conocido tambin como factor de distribucin ante la prdida de una lnea ( , (2.42)), muestra la variacin en los flujos de potencia de una lnea ante la variacin de la potencia en otra lnea del sistema.
43
Anlisis de contingencias
Donde:
(2.42)
representa la variacin del flujo de cargas de la lnea l (en MW). representa el flujo original por la lnea k antes de ser desconectada.
Estos factores permiten obtener una idea del estado de carga de cada elemento del sistema tras un evento y, por tanto, seleccionar las contingencias que provocan violaciones de lmites en lneas y transformadores. Puesto que slo dependen de la topologa de la red, los factores de sensibilidad lineales tienen un valor nico y pueden ser calculados con anterioridad. El principal inconveniente de estos factores es que no dan informacin sobre la tensin en los nudos de la red ni sobre los flujos de potencia reactiva por las lneas. 2. Mtodos basados en flujo de cargas La rapidez de los mtodos de seleccin basados en ndices de sensibilidad lineal es superior a la de los mtodos basados en flujo de cargas en los que intervienen las tres componentes de secuencia del sistema obteniendo un lugar destacado en las operaciones de control de sistemas de potencia. Sin embargo, en numerosas ocasiones la tensin en los nudos de la red, as como los flujos de potencia reactiva por las lneas, son factores crticos a la hora de evaluar las contingencias. En estos casos no se pueden emplear los factores de sensibilidad lineal utilizndose el flujo de cargas completo en el sistema. El proceso ms simple de anlisis de seguridad se realiza mediante el estudio de los resultados obtenidos a partir de la simulacin de flujo de cargas completo para cada una de las posibles prdidas de generador, lnea o transformador. Este proceso permite determinar, de forma precisa, las sobrecargas y violaciones de lmites de tensin en el sistema ante contingencias. El problema asociado a este anlisis es la dimensin de la lista de contingencias a estudiar, que se traduce en tiempo de clculo. 3. Mtodos basados en ndices de severidad Estos mtodos permiten evaluar cmo afecta la prdida de un elemento al sistema de potencia. La severidad de las contingencias se mide mediante ndices de funcionamiento, valores altos de estos ndices indican mayor severidad de la contingencia. En la literatura, [30] y [32], se emplean, principalmente, dos ndices de funcionamiento relacionados con las restricciones de tensin y de potencia que evalan la sobrecarga de un sistema tras una contingencia. Estos mtodos emplean flujo de cargas desacoplado o una versin reducida del flujo de cargas desacoplado conocida como 1P1Q. Esta tcnica consiste en interrumpir el proceso tras una iteracin P- sobre las
44
Estabilidad de tensin fases de las tensiones nodales y una iteracin V-Q sobre los mdulos de esas tensiones. Este mtodo permite detectar sobretensiones en las ramas y problemas de tensiones en los nudos de la red. 4. Soluciones locales basadas en relajacin concntrica Esta tcnica se sustenta en la idea de que la prdida de una lnea o generador tiene un rea de influencia fsica. Para ello se divide el sistema en dos zonas: la zona de influencia de la contingencia y la zona no afectada. Una vez hecha esta divisin se va modelando el sistema en capas en funcin de la distancia del elemento de estudio al que provoca la contingencia. Una vez modelado el sistema, se elige un nmero de capa arbitrario, que va a representar la zona lmite de influencia de la contingencia, y se realiza un flujo de cargas para todos los nudos contenidos en las capas inferiores manteniendo constante la tensin y el ngulo en los nudos de las capas sobre las que no se realiza el flujo de cargas. La solucin obtenida puede emplearse de dos formas: como ndice de severidad de la contingencia de estudio, o como solucin final del caso de estudio para la zona afectada. El principal problema de esta tcnica reside en el hecho de que, para grandes sistemas de potencia, el nmero de capas puede llegar a ser superior al nmero de contingencias a estudiar, [30]. 5. Anlisis zonal Esta tcnica resuelve los problemas de la relajacin concntrica relacionados con la seleccin arbitraria del nmero de capas a calcular ya que establece nicamente 3 capas o subsistemas de estudio: la primera capa est relacionada con la zona circundante a la contingencia afectada, un subsistema exterior que no se ve afectado por la contingencia y que, por tanto, no se resolver, y una capa intermedia entre los dos subsistemas que si se incluye en los clculos y que permite obtener los nudos afectados por la contingencia, [30].
2.6.1
Propuesta de un ndice de funcionamiento de tensin
En esta tesis se propone utilizar un ndice de funcionamiento diferente a los indicados previamente para evaluar la severidad de las contingencias. El ndice de funcionamiento, , mide la desviacin del perfil de tensiones post-contingencia con respecto a un valor de consigna, tpicamente 1 p.u. Donde:
(2.1)
es el ndice de severidad de la contingencia k. es la tensin del nudo i. es la tensin de consigna, en nuestro caso 1 p.u. n es el nmero de nudos de la red de estudio. 45
Sntesis La ventaja de utilizar este indicador es que permite evaluar el grado de dispersin del perfil de tensiones tras la contingencia.
2.7
Sntesis
Este captulo recoge un anlisis del fenmeno de estabilidad de tensin de sistemas de potencia. En l se muestran las definiciones correspondientes a los conceptos ms relevantes de este fenmeno como son: estabilidad e inestabilidad de tensin y colapso de tensiones. As mismo, se realiza una descripcin de los principales mecanismos de inestabilidad y las posibles acciones correctoras para compensar dicha inestabilidad. Se emplea la red de transporte IEEE de 14 nudos para realizar un anlisis bsico de estabilidad de tensin. Para poder evaluar el impacto de la incorporacin de energa elica en la red elctrica se realiza una modificacin del sistema incorporando un pequeo generador en un nudo de la red. Finalmente, se estudia el comportamiento del sistema para diferentes modelos de carga con el fin de seleccionar el modelo ms adecuado ante variaciones de la carga y la respuesta del mismo frente a diferentes mecanismos de compensacin de reactiva. Del estudio realizado, sobre el sistema IEEE de 14 nudos modificado, se puede concluir que el empleo del modelo de carga de potencia constante es el que mejor comportamiento frente a margen de estabilidad de tensin presenta. En segundo lugar, la incorporacin de elementos de compensacin de reactiva: bancos de condensadores, SVC o STATCOM, son los ms adecuados para solventar los problemas de estabilidad de tensin derivados del aumento de la carga del sistema en detrimento de los transformadores con cambio de tomas. Relacionado con la estabilidad de tensin se ha realizado una descripcin de los mtodos tradicionales empleados en el anlisis de contingencias. Por otra parte, se propone emplear un nuevo indicador que permite evaluar la severidad de las contingencias en lo que se refiere a dispersin del perfil de tensiones.
46
CAPTULO 3 ALGORITMOS DE OPTIMIZACIN

EMPLEADOS EN LA GESTIN DE LA POTENCIA REACTIVA
La gestin de potencia reactiva en las redes elctricas es una de las estrategias que se pueden emplear para incrementar la seguridad del sistema mediante la disminucin de las prdidas y la mejora de la estabilidad de tensin. Entre las actividades que engloba se encuentran: seleccionar la ubicacin de las fuentes de generacin de potencia reactiva (etapa de planificacin) y decidir la asignacin o el despacho de la inyeccin de potencia reactiva en las unidades de control de tensin ya existentes (etapa de operacin). Tanto en la planificacin de potencia reactiva como en la asignacin, es necesario emplear mtodos de optimizacin con distintos objetivos y restricciones. Los objetivos comprenden, principalmente, funciones de coste, como pueden ser las asociadas a los costes fijos y variables derivados del funcionamiento de las unidades de compensacin de reactiva, as como los costes asociados a las prdidas en el sistema o el coste del combustible. Otros objetivos son los que tienen en cuenta las desviaciones de las consignas de tensin en los nudos del sistema, los mrgenes de estabilidad de tensin, o incluso se puede emplear una funcin multiobjetivo como combinacin de varios objetivos.
Algoritmos de optimizacin empleados en la gestin de potencia reactiva
3.1
3.1.1
Algoritmos de gestin de potencia reactiva.

Introduccin
Todo problema de optimizacin utilizado en estudios de sistemas elctricos consta de una funcin objetivo y una serie de restricciones que dicha funcin debe cumplir y que definen el problema. Las principales restricciones asociadas al problema de planificacin de potencia reactiva son las relacionadas con las ecuaciones del flujo de cargas. Estos problemas son conocidos como flujo de cargas ptimo. Las condiciones de funcionamiento actuales de los sistemas de potencia implican la necesidad de replantear el problema de planificacin de potencia reactiva, teniendo en cuenta el funcionamiento del mismo ante condiciones de funcionamiento normales y ante contingencias. El empleo de estas restricciones en la planificacin de reactiva da lugar a un segundo modelo de optimizacin conocido como flujo de cargas ptimo con restricciones de seguridad. Finalmente, estudios ms recientes plantean la posibilidad de incluir la estabilidad de tensin tanto dentro de la funcin objetivo, para maximizar el margen de estabilidad de tensin, como en las restricciones del problema de planificacin de potencia reactiva, dando lugar a un tercer modelo de optimizacin conocido como flujo de cargas ptimo con restricciones de seguridad y estabilidad de tensin que intenta garantizar la existencia de un margen de estabilidad de tensin del sistema bajo contingencias.
3.1.2
Introduccin al flujo de cargas ptimo
El primer modelo de optimizacin utilizado en estudios de sistemas elctricos fue el flujo de cargas ptimo, [33] - [37]. Este modelo consta de 6 variables (potencia activa y reactiva generada, potencia activa y reactiva demandada, magnitud y fase de la tensin) y dos ecuaciones que representan los equilibrios de potencia activa y reactiva, para cada uno de los nudos del sistema. De las 6 variables de estado, 4 son conocidas o especificadas a la hora de resolver el flujo de cargas convencional. Por lo tanto, el problema quedara definido mediante 2n incgnitas (variables de control) y 2n ecuaciones, siendo n el nmero de nudos del sistema. Una vez planteado el problema, empleando un algoritmo matemtico, se obtiene una solucin factible del problema de optimizacin. Los algoritmos empleados en la resolucin de flujo de cargas convencional obtenan una solucin viable del sistema que slo tena en cuenta las restricciones tcnicas del mismo, obviando la satisfaccin de funciones objetivo que pudiesen contener, por ejemplo, los costes del sistema. Para solventar esta situacin se desarroll el flujo de cargas ptimo que obtiene soluciones factibles del problema minimizando una funcin objetivo, como puede ser la minimizacin de costes. En este caso, y debido a los elementos empleados en el sistema de potencia, el valor de las 4n variables de control conocidas no son valores fijos, sino que pueden tomar distintos valores dentro de un rango: las potencias activas y reactivas generadas por las unidades generadoras del sistema se encuentran dentro de un rango permitido, y se seleccionar finalmente aquella produccin que permita 49
Algoritmos de gestin de potencia reactiva minimizar la funcin objetivo. Esto implica que la resolucin del sistema establece una regin de posibles soluciones dentro de la cual se encontrar la solucin final del sistema. Por lo tanto, el flujo de cargas ptimo se puede considerar como un problema de optimizacin no lineal con restricciones estticas. 3.1.2.1 Formulacin
La formulacin matemtica es la correspondiente a un problema general de optimizacin numrica con restricciones: Minimizar Sujeto a: g (u, x) = 0 h (u, x) 0 Donde: u representa las variables de control del sistema; x denota el conjunto de variables de estado o dependientes del sistema; f (u, x) es la funcin objetivo; g (u, x) representa las restricciones de igualdad, como por ejemplo las ecuaciones del flujo de cargas; h (u, x) incluye las restricciones de desigualdad, como por ejemplo los lmites fijos de las variables de control, y los lmites de operacin de las unidades del sistema. Potencia de salida de los generadores; Tensin de regulacin de los nudos del sistema; Tomas de regulacin de los transformadores; Cambiadores de fase; Dispositivos de conexin de potencia reactiva en paralelo; Cargas a conectar en condiciones especiales de funcionamiento del sistema; Magnitud de la tensin en los nudos del sistema; Fase de la tensin en los nudos del sistema; Transmisin de potencia por las lneas;
(3.2) (3.3)
f (u, x)
(3.1)
Las variables de control ms utilizadas son: -
En cuanto a las variables de estado, las ms representativas son: -
50
Algoritmos de optimizacin empleados en la gestin de potencia reactiva 3.1.2.2 Restricciones
Las principales restricciones aplicadas al flujo de cargas ptimo se pueden representar mediante las ecuaciones (3.2) y (3.3), es decir, mediante un conjunto de ecuaciones de igualdad, como las correspondientes a las ecuaciones de flujo de cargas convencional, y restricciones de desigualdad, tales como los lmites fsicos de las variables de control u del sistema, o los lmites fsicos de las variables de estado x. Restricciones de igualdad del flujo de cargas: + , , =0 =0
(3.4) (3.5)
Restricciones de desigualdad: Lmites de variables de control:

, ,
, ,
, , ,
(3.6) (3.7) (3.8) (3.9)
Lmites de variables de estado:

,
Otros lmites:
(3.10) (3.11) (3.12)
Restricciones de factor de potencia, etc. Donde Potencia activa inyectada por el generador i-simo; Demanda de potencia activa por la carga conectada en el nudo i; Potencia reactiva inyectada por el generador i-simo; Potencia reactiva inyectada por la unidad de generacin de reactiva conectada en el nudo i; Demanda de potencia reactiva por la carga conectada en el nudo i; Tensin en el nudo del generador i-simo; Posicin de la toma del transformador l; Tensin en el nudo i; Transmisin de potencia por la lnea l;
51
Algoritmos de gestin de potencia reactiva
3.1.3
Flujo de cargas ptimo con restricciones de seguridad
El objetivo fundamental del flujo de cargas ptimo convencional es minimizar una funcin objetivo, atendiendo principalmente a criterios econmicos, bajo las restricciones propias de los equilibrios correspondientes a flujo de cargas y las variables del sistema y ante condiciones de funcionamiento normal del sistema. Sin embargo, la solucin ptima puede provocar alguna violacin en el sistema cuando el funcionamiento de ste se realiza en situaciones de contingencias, como puede ser la prdida de una lnea o de un generador. Los estudios de contingencias estudian el comportamiento del sistema para comprobar su funcionamiento de forma segura. Partiendo de la necesidad de introducir estos estudios de seguridad en el comportamiento del sistema surgi la necesidad de desarrollar el flujo de cargas ptimo con restricciones de seguridad en los que, adems de las restricciones asociadas a flujo de cargas ptimo, se tienen en cuenta restricciones relativas a la seguridad de sistemas elctricos. El modelo extiende la capacidad de estudio de los sistemas de potencia del flujo de cargas ptimo incluyendo los efectos potenciales de futuras contingencias. La contribucin de las contingencias se realiza en modo de restricciones aadidas a las propias del caso base, de manera que tanto las ecuaciones no lineales de flujo de cargas como los lmites de las variables de control deben ser respetados en situaciones de funcionamiento ante contingencia. El objetivo principal, en este caso, es minimizar tanto el caso base de funcionamiento del sistema como ante contingencias del sistema de potencia. Es decir, se determina el punto de funcionamiento ptimo del sistema de manera que, ante cualquier contingencia, el estado post-contingencia del sistema opere de forma segura, [30], [38] - [40]. 3.1.3.1 Formulacin
La formulacin parte de la formulacin inicial de las ecuaciones (3.1), (3.2) y (3.3), incluyendo las restricciones correspondientes a las posibles contingencias del sistema. El problema de optimizacin pasa a ser: Minimizar Sujeto a gk (uk, xk) = 0 h (u , x ) 0
k k k
f (u0, x0) k = 0, 1 Nc k = 0, 1 Nc
(3.13)
(3.14) (3.15)
Donde el superndice 0 representa el sistema base o pre-contingencia a optimizar, y el superndice k (k > 0) representa los posibles estados postcontingencia para los Nc casos de posibles contingencias. Es importante destacar que las ecuaciones del flujo de cargas deben ser respectadas tanto para las condiciones de funcionamiento pre como postcontingencia del sistema, mantenindose las dimensiones de las restricciones asociados a ambas condiciones de funcionamiento del sistema. Es decir, si el sistema tiene m restricciones y k estudios de contingencias, el nmero de 52
Algoritmos de optimizacin empleados en la gestin de potencia reactiva restricciones correspondientes al flujo de cargas ptimo con restricciones de seguridad equivale a (k+1)*m estudios de flujo de cargas ptimo, con lo cual ofrece mayor complejidad computacional. 3.1.3.2 Modelos de operacin y niveles de seguridad
El principal objetivo del flujo de cargas ptimo con restricciones de seguridad es conseguir que el sistema opere bajo unas determinadas condiciones de seguridad, optimizando una funcin objetivo que puede incluir criterios econmicos. En esta situacin el sistema trabaja normalmente bajo niveles de seguridad, Figura 3.1: nivel 1 (seguro) y nivel 2 (seguridad correctiva), ambos dentro del rango de funcionamiento seguro del sistema. El nivel de seguridad 1 corresponde a un modo de funcionamiento preventivo del sistema en el que todas las cargas deben ser alimentadas y los lmites de operacin no pueden ser violados en caso de contingencia. Bajo este nivel de seguridad el sistema puede volver a una situacin de funcionamiento estable tras una contingencia sin necesidad de tomar medidas correctoras. Corresponde a un funcionamiento ideal del sistema. El nivel de seguridad 2 corresponde a un modo de funcionamiento correctivo, es decir, ante cualquier violacin provocada por la contingencia es necesario llevar a cabo medidas correctoras encaminadas a recuperar un estado de funcionamiento seguro del sistema. Las medidas adoptadas deben evitar la desconexin de cargas. Las restricciones asociadas a las contingencias representan contingencias en rgimen estacionario, por lo que la solucin obtenida mediante el flujo de cargas ptimo con restricciones de seguridad nunca puede ser aplicada a un estudio transitorio del sistema.
Perturbacin Accin correctiva
Normal
Nivel 1
Restaurado
Alerta
Nivel 2
Emergencia extrema
Emergencia
Figura 3.1 Estados de funcionamiento de sistemas de potencia.
53
Algoritmos de gestin de potencia reactiva
3.1.4
Modelo teniendo en cuenta la conceptos de estabilidad de tensin

Uso indirecto de los mrgenes de estabilidad de tensin
3.1.4.1
Numerosos mtodos de computacin basados en la teora de la bifurcacin han demostrado su eficiencia como herramienta para el estudio de la estabilidad de tensin. Sin embargo, tcnicamente es complicado introducir los lmites de operacin, y muy caro el uso de mtodos de continuacin, especialmente en sistemas grandes con mltiples lmites. El empleo de mtodos de optimizacin para este tipo de estudios presenta numerosas ventajas, principalmente relacionadas con la capacidad para tratar las restricciones. A lo largo de la bibliografa relacionada con la gestin de potencia reactiva y la estabilidad de tensin nos encontramos con la posibilidad de convertir el margen de estabilidad de tensin en ndices que permiten detectar aquellos nudos de los sistemas de estudio ms sensibles a la introduccin de unidades de compensacin de reactiva, [41] y [42]. Tradicionalmente, el flujo de cargas ptimo con restricciones de seguridad no tena en cuenta los cambios que sufre el punto de colapso de tensin tras la incorporacin de los elementos de compensacin de reactiva en el sistema. Debido a esta nueva necesidad se desarrolla un nuevo modelo de optimizacin en el que se incluyen las diferentes restricciones relacionadas con la estabilidad de tensin en el estudio de los casos asociados a las contingencias. Este modelo se conoce como flujo de cargas ptimo con restricciones de seguridad y de estabilidad de tensin. Las referencias [38] - [40] y [43] incorporan los mrgenes de estabilidad de tensin (MS) como restricciones en el sistema debido principalmente a dos razones. La primera de ellas hace referencia a la necesidad de garantizar que los niveles de tensin en todos los nudos de la red se encuentren dentro de un determinado rango en condiciones normales de funcionamiento. La segunda razn est relacionada con la necesidad de comprobar que la distancia entre el punto de funcionamiento del sistema tras una contingencia y el nuevo punto de colapso de tensin sea superior a un margen predefinido (margen de estabilidad de tensin). La Figura 3.2 muestra las curvas P-V correspondientes a los mrgenes de estabilidad de tensin en funcionamiento normal y post-contingencia. Para comprobar que el sistema cumple las condiciones de seguridad en todo momento, el mtodo de optimizacin contiene dos grupos de restricciones asociadas al funcionamiento del sistema en condiciones normales y tras una contingencia. Este aumento en el nmero de restricciones as como la duplicacin de las variables asociadas a los dos modos de funcionamiento, complica notablemente el modelo de optimizacin para la resolucin del problema de planificacin de potencia reactiva.
54
Algoritmos de optimizacin empleados en la gestin de potencia reactiva
Punto de funcionamiento del sistema
V
Punto de colapso para funcionamiento normal MS normal
MS reducido Punto de colapso tras contingencia
Figura 3.2 Curvas P-V para estado de funcionamiento normal y tras contingencia.
3.2
Seleccin de la funcin objetivo
La funcin objetivo de los problemas de gestin de potencia reactiva suele estar basada en una funcin de costes, aunque los estudios ms actuales estn incluyendo nuevas variables como por ejemplo el margen de estabilidad de tensin.
3.2.1
Minimizacin de costes variables
La funcin objetivo bsica, dentro de los estudios de optimizacin de gestin de potencia reactiva en sistemas elctricos, es la minimizacin de los costes variables del sistema asociados a la incorporacin de unidades de generacin de potencia reactiva en el sistema. Existen dos modelos que representan esta funcin objetivo. El primero de ellos representa los costes derivados de la unidad generadora de potencia reactiva como una funcin lineal del tamao de la fuente de reactiva ( ) e independiente de los costes fijos, representada por la (3.16) [33]. Donde: [ 1] = $/Mvar*hora [ ] = Mvar =
(3.16)
Es importante destacar que este modelo slo tiene en cuenta el tamao global de las unidades de generacin incorporadas al sistema, es decir, la cantidad de potencia reactiva compensada, de modo que obtendramos el mismo coste para la incorporacin al sistema de dos unidades de 200 Mvar o una unidad de 400 Mvar.
55
Seleccin de la funcin objetivo El segundo modelo tiene en cuenta los costes fijos, C0, relacionados con el coste de vida del dispositivo, prorrateado con las horas de vida del mismo, y un coste variable, C1. Este modelo est representado por la (3.17), [34] - [36], [38] [40] y [43]. Donde: [ 0] = $/hora [ 1] = $/Mvar*hora [ ] = Mvar x = +
(3.17)
es un variable de estado que indica la conexin o desconexin de la unidad de generacin de potencia reactiva
A pesar de que, en cuanto a formulacin matemtica, el empleo de la variable binaria x representa una pequea variacin entre los dos modelos de costes, implica la utilizacin de diferentes modelos de resolucin. As los mtodos de resolucin empleados para el primero de los modelos de costes son los relacionados con la programacin lineal o no lineal convencional, mientras que la resolucin de los problemas planteados con el segundo modelo de costes implica el empleo de tcnicas de optimizacin entero-mixto.
3.2.2
Minimizacin de costes variables y prdidas de potencia activa
La incorporacin del coste asociado a las prdidas de potencia activa en el sistema supone una evolucin de la funcin objetivo bsica. A partir de los dos modelos de costes variables propuestos en la seccin anterior obtenemos dos nuevas funciones objetivos que incluyen las prdidas del sistema [37] y [44] [49]. = = +
Donde sistema.
representa el coste asociado a las prdidas de potencia real del
(3.18) (3.19)
Existen estudios en los que las prdidas de potencia activa representan tanto el coste derivado de las prdidas en funcionamiento normal del sistema como bajo condiciones anormales de funcionamiento como son las contingencias [50]. En este caso la funcin objetivo sera: = +
(3.20)
56
Algoritmos de optimizacin empleados en la gestin de potencia reactiva Donde representa el caso de estudio y engloba todas las posibles situaciones de contingencias y post-contingencias.
3.2.3
Minimizacin de costes variables y coste del combustible
La ltima evolucin de las funciones objetivo relacionados con los costes es el empleo del coste del combustible consumido como indicador del coste de operacin del sistema. No siempre la minimizacin de los costes asociados a las prdidas implica una minimizacin de los costes de operacin del mismo, sin embargo, la minimizacin de los costes de operacin s implica la minimizacin de los costes relativos a las prdidas. En este caso, y empleando los dos modelos bsicos de costes del sistema podemos obtener las funciones objetivos representadas en las ecuaciones (3.21) y (3.22), [51] - [54]. = = +
Donde el coste de combustible viene dado por la suma de los costes de las unidades individuales (3.23), representados mediante la aproximacin cuadrtica de la curva coste-potencia (MW) del generador (3.24). =
(3.21) (3.22)
(3.23)
(3.24)
3.2.4
Minimizacin de la desviacin respecto a un punto de consigna
Una alternativa a la incorporacin de los costes del sistema en la funcin objetivo es el empleo de indicadores de desviacin de las variables de control del sistema respecto de su valor de consigna. Este valor de consigna puede corresponder tanto a una situacin normal de funcionamiento del sistema como a una determinada condicin de operacin. En [55] podemos encontrar un ejemplo en el que la funcin objetivo se encarga de minimizar la distancia entre la tensin en los nudos del sistema y su valor inicial, es decir, , donde el subndice i denota los nudos del sistema.
3.2.5
Minimizacin de objetivos relacionados con la estabilidad de tensin
Debido a la sobrecarga que sufren los sistemas de potencia actualmente, el empleo del perfil de tensiones del sistema como indicador de la proximidad al punto de colapso de tensiones ha dejado de ser efectivo. Por lo tanto, la
57
Seleccin de la funcin objetivo introduccin de variables relacionadas con la estabilidad de tensin en la funcin objetivo de los problemas de gestin de potencia reactiva se hace cada vez ms necesaria. Teniendo en cuenta los conceptos relacionados con la estabilidad de tensin, definidos en el captulo 2, se podra construir una funcin objetivo basada en el aumento del margen de estabilidad de tensin (MS), definido como la distancia entre el punto de colapso de tensiones y el punto de funcionamiento base del sistema, representado por la (3.25) y la Figura 3.3.
Donde y representan la carga, en MVA, conectada al nudo i ante condiciones de funcionamiento normal y crticas (correspondientes al funcionamiento del sistema en el punto de colapso de tensiones) respectivamente.
(3.25)
Punto de funcionamiento normal del sistema
MS Punto de colapso de tensin
P Figura 3.3 Margen de estabilidad de tensin (MS).
3.2.6
Multiobjetivo
El objetivo principal de la gestin de potencia reactiva es proporcionar al sistema la potencia reactiva necesaria para compensar los desequilibrios existentes, de manera que el sistema pueda operar de forma estable manteniendo un equilibrio entre la seguridad y los costes. Las secciones anteriores recogen una breve descripcin del estado del arte en cuanto a las funciones objetivo de los estudios de planificacin de potencia reactiva. Algunas de ellas emplean funciones multiobjetivo, como puede ser el caso de aquellas que combinan los costes variables y las prdidas del sistema, en las que los coeficientes de peso de cada uno de los objetivos son fcilmente definidos traduciendo cada una de las variables de la funcin objetivo a costes. Sin embargo, el problema se complica cuando en la misma funcin se emplean variables relacionadas con los costes y con la seguridad del sistema. A continuacin se muestran algunos ejemplos:
58
Algoritmos de optimizacin empleados en la gestin de potencia reactiva En [56] y [57] la funcin objetivo, , incluye el coste de desarrollo de las fuentes de compensacin de reactiva, las prdidas del sistema y la desviacin de la tensin en los nudos con respecto a su valor de consigna (3.26) y (3.27) de la siguiente forma: min mx
,
min +
En [58] la funcin objetivo viene definida por (3.28) donde se minimizan las violaciones de tensin, violaciones de potencia reactiva y prdida de potencia en las lneas. = + . . . . + . . +
(3.28)
(3.26) (3.27)
min
En [59] la funcin objetivo es el resultado de la combinacin de los costes variables, las prdidas de potencia activa en el sistema, la desviacin de la tensin en los nudos y los flujos de carga por las lneas con respecto a su valor de referencia (3.29): = + + + |
Donde , y corresponde a la tensin actual, la tensin de consigna y la mxima desviacin de tensin del nudo i respectivamente. De la misma forma, , y corresponden a la transmisin de potencia por la lnea en las condiciones actuales de funcionamiento, la transmisin de potencia por las lneas de consigna, y la desviacin mxima de la transmisin de potencia por la lnea l respectivamente. En [60] - [63] los autores incorporan el margen de estabilidad de tensin (MS) en la funcin objetivo del problema de planificacin de potencia reactiva (3.30), (3.31) y (3.32): min min max
=
(3.29)
+ =1 =
(3.30) (3.31) (3.32)
Donde la funcin minimiza los costes variables y de prdidas del sistema. La funcin maximiza el margen de estabilidad de tensin. Finalmente, la funcin minimiza la desviacin de la magnitud de la tensin, donde es la tensin deseada en el nudo i (normalmente 1 p.u.), y es la tolerancia de la mxima desviacin del mdulo de la se obtiene a partir de (3.33). tensin y 59
Seleccin de la funcin objetivo
>0 (3.33) 0 <0 Finalmente, en [64] podemos encontrar una funcin objetivo que incluye conceptos relacionados con estabilidad de tensin, como es la mxima cargabilidad del sistema, as como la minimizacin de los costes variables y de prdidas asociados al sistema (3.34), (3.35) y (3.36)
=
min = min =
(3.34) (3.35) (3.36)
3.3
Mtodos de resolucin del planificacin de potencia reactiva
problema
de
Los mtodos de optimizacin empleados en la resolucin del problema de planificacin de potencia reactiva y de flujo de cargas de sistemas de potencia en general, se clasifican en: Mtodos convencionales. - Mtodos basados en programacin lineal. - Mtodos basados en programacin no lineal. - Mtodos basados en programacin entera-mixta. Mtodos avanzados.
3.3.1
3.3.1.1
Mtodos convencionales
Programacin lineal
Los mtodos de programacin lineal destacan como tcnicas fiables y robustas para resolver un amplio espectro de problemas de optimizacin caracterizados por objetivos lineales y restricciones lineales. Sin embargo, su gama de aplicacin en el campo de sistemas elctricos tiene algunas restricciones, debido principalmente a la evaluacin incorrecta de las prdidas del sistema y a la posibilidad de quedar atrapados en soluciones ptimas locales. Existe una extensa bibliografa que se ocupa de la resolucin del problema de planificacin de potencia reactiva aplicando programacin lineal, como por ejemplo [35] y [65]. En [66] se emplea una combinacin de programacin lineal con programacin paramtrica para encontrar el nmero mnimo de unidades de generacin de potencia reactiva necesarias para la resolucin del problema.
60
Algoritmos de optimizacin empleados en la gestin de potencia reactiva 3.3.1.2 Programacin no lineal
A pesar de que la programacin lineal encuentra numerosas aplicaciones prcticas en el campo de sistemas potencia, gran parte de las variables y restricciones involucradas en los procesos de optimizacin de redes elctricas son no lineales. La programacin no lineal se puede aplicar para resolver cualquier problema de optimizacin que contengan objetivos o restricciones no lineales. En el caso de las restricciones representadas mediante inecuaciones es necesario especificar unos lmites mximos y mnimos. Entre los mtodos de optimizacin empleados en la programacin no lineal, destacan las siguientes tcnicas: Programacin cuadrtica secuencial. Mtodos basados en la Lagrangiana ampliada. Mtodos basados en el gradiente generalizado. Mtodos del punto interior. 3.3.1.3 Mtodos de descomposicin
Dentro del campo de la optimizacin de grandes sistemas de potencia se han desarrollado mtodos de descomposicin, que descompone el problema en varios subproblemas, generalmente dos, que pueden poseer caractersticas diferentes en cuanto a linealidad. Los resultados de estos mtodos muestran una gran reduccin del nmero de iteraciones necesarias para la resolucin del problema, el tiempo de computacin necesario, y el espacio de memoria. Adems, la descomposicin permite la aplicacin por separado de mtodos de resolucin para cada uno de los problemas individuales, en lo que reside el mayor atractivo de esta tcnica. La aplicacin de los mtodos de descomposicin se emplea en la resolucin de grandes sistemas elctricos. En [30] se aplica el mtodo de descomposicin de Benders a la resolucin de restricciones tcnicas en la programacin diaria de la generacin, problema con variables de tipo entero-mixto y restricciones no lineales.
3.3.2
Mtodos de inteligente
programacin
avanzada
bsqueda
3.3.2.1
Mtodos Heursticos
Existen en la actualidad numerosos problemas de anlisis combinatorio difciles de resolver de forma exacta, como es el caso de la gestin de potencia reactiva, pero que requieren de alguna solucin. Como respuesta a dichos problemas aparecieron una serie de tcnicas matemticas que permiten obtener una solucin factible del problema, es decir, soluciones que satisfacen las restricciones del problema, las cuales, aunque no optimicen la funcin objetivo,
61
Mtodos de resolucin del problema de planificacin de potencia reactiva obtienen una respuesta en el entorno del ptimo en un corto espacio de tiempo y con bajo coste computacional. Una posible definicin de estos algoritmos puede ser: procedimientos simples, a menudo basados en el sentido comn, que se supone ofrecern una buena solucin (aunque no necesariamente la ptima) a problemas difciles, de un modo fcil y rpido, [67]. Una de las principales ventajas de las heursticas frente a las tcnicas de optimizacin convencionales, que obtienen soluciones exactas, es su flexibilidad para el manejo de las caractersticas del problema. Las heursticas pueden trabajar tanto con sistemas lineales como con no linealidades, y ofrecen ms de una solucin, lo que en algunos casos puede resultar una ventaja al ampliar el espacio de soluciones. Entre los principales inconvenientes de las tcnicas heursticas cabe destacar que no es posible conocer la calidad de la solucin obtenida, es decir, cuan cerca del ptimo est la solucin que el algoritmo nos ofrece. Sin embargo, existen tcnicas que permite realizar acotaciones que dan una orientacin respecto de la solucin elegida, entre los que se puede nombrar la relajacin. Cuando este tipo de procedimientos evaluadores no se puede emplear, existen otros mtodos ms sencillos para evaluar la calidad de la heurstica, como por ejemplo, generar varias soluciones aleatoriamente y comprobar su cercana a la solucin dada por la heurstica. Como conclusin cabe destacar que si existe una tcnica exacta para la resolucin del problema siempre debe ser elegida en detrimento de cualquier heurstica, en especial en aquellos problemas en los que prima el factor econmico. 3.3.2.2 Enfriamiento simulado
Desde un punto de vista matemtico, el enfriamiento simulado introducido por Kirkpatrick, Gellatt y Vecchi en 1983, es un algoritmo estocstico que trata de minimizar funciones numricas de gran nmero de variables permitiendo realizar saltos en el espacio que alejan la solucin final de posibles mnimo locales. Como resultado converge asintticamente a la solucin ptima con probabilidad uno, aunque dicha solucin se alcanzar despus de un nmero infinito de pasos en el peor de los casos [68]. Esta tcnica se basa en el concepto de enfriamiento empleado en metalurgia para obtener un estado slido ordenado de los metales con mnima energa, evitando las posibles configuraciones metaestables caractersticas de mnimos locales. Esta tcnica consiste en reblandecer el metal sometindolo a una elevada temperatura y, a continuacin, enfriarlo lentamente hasta que las partculas se van colocando por s mismas en el estado fundamental del slido. Para que el material alcance el equilibrio trmico es necesario que el enfriamiento se produzca lentamente, de lo contrario, el slido puede alcanzar un equilibrio metaestable en lugar del fundamental en el cual las partculas forman retculas perfectas y el sistema est en su nivel energtico ms bajo.
62
Algoritmos de optimizacin empleados en la gestin de potencia reactiva El enfriamiento simulado adopta el empleo de esta tcnica metalrgica a la programacin matemtica: se trata, por tanto, de minimizar la funcin objetivo del problema, similar a la energa del material, mediante el empleo de una temperatura ficticia que es un parmetro controlable del algoritmo. En la prctica se utilizan los algoritmos de Metrpolis, [69], basados en las tcnicas de Monte Carlo, para simular el enfriamiento del material. Este algoritmo permite describir el comportamiento termodinmico del sistema en equilibrio a determinada temperatura mediante la generacin de un nmero elevado de transiciones utilizando una distribucin de Boltzmann para describir el equilibrio trmico. Se puede describir el proceso realizado por el enfriamiento simulado de la siguiente manera: dado un estado inicial del problema, si la evolucin de dicho estado posee una energa menor (menor valor de la funcin de evaluacin) que el estado que actualmente se tiene, entonces se acepta el estado generado como estado actual. Por el contrario, si el estado generado provoca un incremento (E) de la funcin objetivo, el estado generado se aceptar con una determinada probabilidad dada por , donde T es la temperatura. Esta probabilidad de aceptacin dependiente de la temperatura permite que cada estado tenga posibilidad de ser alcanzado pero con diferente probabilidad debido a diferentes temperaturas. Se puede considerar, por tanto, el enfriamiento simulado como un proceso iterativo de algoritmos de Metrpolis que se van ejecutando con valores decrecientes del parmetro de control (temperatura). Conceptualmente es un proceso de bsqueda por entornos en el que el criterio de eleccin son las reglas de transicin del algoritmo de Metrpolis, en el que la probabilidad de aceptacin decrece segn crece la diferencia entre el valor de la funcin de evaluacin entre la solucin actual y la candidata. Esta aleatorizacin de la bsqueda del candidato permite reducir la probabilidad de quedar atrapado en un ptimo local. Los principales inconvenientes de este mtodo residen en el ajuste de los parmetros de control (la temperatura) que dependen de la destreza y conocimientos del programador del algoritmo. Por otro lado, el tiempo de clculo del algoritmo puede llegar a ser elevado, por lo que se empiezan a emplear tcnicas de implementacin paralela de este algoritmo. Por ltimo, cabe destacar entre las ventajas de este mtodo su flexibilidad con respecto a la evolucin del problema y su facilidad de implementacin. Podemos encontrar en la literatura numerosos trabajos relacionados con la planificacin de potencia reactiva mediante el empleo del enfriamiento simulado. En [70] se emplea esta tcnica para obtener el tipo, la localizacin y tamao ptimo de fuentes de generacin de reactiva. En [59] la planificacin de potencia reactiva se propone como un problema multiobjetivo, no diferenciable, con restricciones que se resuelve mediante un algoritmo de dos pasos basado en una tcnica de enfriamiento simulado extendida.
63
Mtodos de resolucin del problema de planificacin de potencia reactiva 3.3.2.3 Bsqueda Tab
La bsqueda Tab fue desarrollada por F. Glover en 1986, segn el cual la bsqueda tab gua un procedimiento de bsqueda local para explorar el espacio de soluciones ms all del ptimo local. Se fundamenta en el mecanismo empleado por la memoria humana. Esta es su principal diferencia con respecto a la tcnica de enfriamiento simulado, y por tanto de los conocimientos adquiridos en el pasado. Por otro lado, es importante destacar que el modelo de memoria empleado posee mltiples grados de libertad, lo que impide realizar un anlisis matemtico riguroso de esta tcnica. El principio de funcionamiento de la bsqueda Tab es simple: se emplea una nica solucin del problema que se va actualizando en sucesivas iteraciones. En cada iteracin, el paso de la solucin actual (i) a la siguiente (i+1) comprende dos estados:
1) En primer lugar se genera el conjunto de posibles soluciones (vecindario,
Vecindario(i)) alcanzables a partir de la solucin actual en un movimiento elemental.

2) Se evala cada una de las posibles soluciones que comprenden el
vecindario (f(Vecindario(i))) y se selecciona aquella solucin que minimiza la funcin objetivo. Es importante destacar que la eleccin de dicha solucin se realiza independientemente de si el valor alcanzado por la funcin objetivo mejora la de la solucin del estado isimo o no, de modo que se puede escapar de ptimos locales y continuar estratgicamente con la bsqueda de soluciones. Para evitar que el proceso vuelva sobre viejos ptimos locales, la bsqueda Tab clasifica un determinado nmero de movimientos ms recientes como movimientos tab, los cuales no se pueden volver a repetir en un determinado horizonte temporal. Esto permite al algoritmo escapar de ptimos locales de forma sistemtica y no aleatoria. Esta memoria de los eventos del pasado permite a la bsqueda tab alterar el entorno de bsqueda de la solucin actual modificando de este modo el proceso de bsqueda. Las estructuras de memoria pueden ser de varios tipos: puede almacenar la informacin de modo completo (memoria explcita) o slo parcialmente, guardando informacin de ciertos atributos que cambian de una solucin a otra (memoria atributiva). Esto permite seleccionar tanto eventos a memorizar como eventos a olvidar. Junto con la memoria a corto plazo, mencionada anteriormente y que almacena informacin sobre los eventos que se han producido recientemente, se emplean dos mecanismos adicionales: la intensificacin y la diversificacin, que complementan el algoritmo con una memoria a largo plazo. Estos mecanismos emplean principalmente la informacin correspondiente a la frecuencia, informacin con respecto al tiempo que un determinado atributo ha permanecido en diferentes soluciones visitadas en la bsqueda. La intensificacin consiste en explorar ciertas reas del espacio de soluciones, en las que se presume se puede encontrar el ptimo global. La diversificacin favorece la exploracin de regiones 64
Algoritmos de optimizacin empleados en la gestin de potencia reactiva del espacio de soluciones cuyos atributos han sido poco usados en el paso, con el objeto de dirigir la bsqueda hacia nuevas regiones. Mediante el empleo de pesos asignados a diferentes atributos de las mejores soluciones, es posible explorar regiones que resultan altamente interesantes. En comparacin con el enfriamiento simulado, la bsqueda Tab emplea menos parmetros, lo que la convierte en un algoritmo ms sencillo de utilizar. Sin embargo, el empleo de mecanismos como la diversificacin e intensificacin aumentan la complejidad del mtodo. Ejemplos de la aplicacin de este mtodo a la resolucin de la planificacin de potencia reactiva se pueden encontrar en [49] y [71]. 3.3.2.4 Algoritmos evolutivos
La evolucin natural es un proceso de optimizacin basado en poblaciones. Los algoritmos evolutivos se diferencian de los mtodos convencionales de optimizacin en el tratamiento de la funcin objetivo y las restricciones de manera conjunta. Tericamente, estas tcnicas convergen a un ptimo global de la solucin con probabilidad 1. Los algoritmos evolutivos aparecieron a finales de los aos 50, y progresivamente han aumentado su aplicacin debido al aumento de la capacidad de clculo y la disminucin del coste de los equipos informticos, as como al desarrollo de arquitecturas masivas paralelas en las que se basan intrnsecamente estos procesos. El principio en el que se fundamentan los algoritmos evolutivos es sencillo: se selecciona de manera aleatoria un nmero N de individuos del espacio de bsqueda de forma aleatoria, dicho conjunto se considera la poblacin inicial. A continuacin, se realiza una evaluacin de cada individuo para determinar su grado de adaptacin al medio. Las sucesivas generaciones se obtienen a partir de la aplicacin de las operaciones de mutacin, recombinacin, reproduccin, cruce y seleccin de la poblacin de trabajo. La mutacin permite modificar un atributo de un individuo de forma aleatoria; la recombinacin combina la informacin de varios individuos; la reproduccin permite perpetuar los mejores atributos de un individuo en sucesivas generaciones; el cruce permite intercambiar la informacin entre dos individuos de forma aleatoria; por ltimo, la seleccin permite eliminar de la poblacin aquellos individuos peor adaptados. Como se puede observar, cada operador enfatiza una de las facetas de la evolucin. Los algoritmos evolutivos se clasifican en funcin del elemento sobre el que se aplican los operadores genticos en: 1. Programacin evolutiva: centra el cambio a nivel de la poblacin, empleando reglas de probabilidad transitoria para seleccionar las generaciones de manera que cada individuo de una poblacin compite con los individuos de la poblacin anterior y de la poblacin generada a partir de la mutacin de la misma. Los ganadores de la poblacin antigua pasan a formar parte de la nueva poblacin.
65
Mtodos de resolucin del problema de planificacin de potencia reactiva 2. Estrategias de evolucin: el cambio se realiza a nivel de individuo, realizando mutaciones sobre los padres seleccionados para el proceso de reproduccin e introducidos en la nueva poblacin dependiendo de unas variables de decisin. 3. Algoritmos genticos (AG): realiza operaciones a nivel de cromosoma. Los AG se perfilan como una buena herramienta para la resolucin de problemas de optimizacin multiobjetivo con variables continuas o discretas. La bsqueda del ptimo se realiza a travs de una poblacin, en lugar de un nico individuo, lo que permite explorar rpidamente el espacio de soluciones. Estos algoritmos emplean slo la informacin correspondiente a la funcin objetivo sin necesidad de calcular derivadas ni gradientes. Por ltimo, al contrario que otras tcnicas, los AG emplean reglas probabilsticas de transicin para dirigir la bsqueda. La aplicacin de los algoritmos evolutivos se realiza, principalmente en aquellos casos en los que las heursticas no pueden obtener una solucin o no es satisfactoria. Los algoritmos evolutivos se perfilan como los mejores mtodos de resolucin de problemas de optimizacin cuya funcin de optimizacin es no continua o abrupta, frente a la programacin no lineal. Al igual que en las metaheursticas comentadas en los apartados anteriores, existen en la literatura numerosos ejemplos de aplicacin de los algoritmos evolutivos a la resolucin del problema de planificacin de potencia reactiva. En [72] se describe la aplicacin de estrategias de evolucin a la resolucin del problema de planificacin de potencia reactiva, as como una comparacin entre las diferentes tcnicas de algoritmos evolutivos y la programacin lineal. Finalmente, las referencias [73] - [76] contienen ejemplos de resolucin de la planificacin de potencia reactiva empleando los AG y ofreciendo alguna mejora de estos algoritmos de optimizacin. Los AG difieren de los mtodos matemticos de optimizacin tradicionales en cuatro puntos fundamentalmente: 1. Los AG trabajan con codificaciones de las variables del problema a optimizar y mltiples parmetros simultneamente. 2. Los AG trabajan a partir de una poblacin de potenciales soluciones, en lugar de con una nica solucin posible, es decir, los AG son intrnsecamente paralelos. Esta caracterstica hace de los AG un mtodo de optimizacin capaz de escapar de los ptimos locales ya que permite al algoritmo trabajar con diferentes direcciones de bsqueda, en lugar de con una sola, explorando simultneamente mltiples direcciones del espacio de soluciones. Aquellas direcciones de bsqueda no fructferas son eliminadas rpidamente mediante los operadores genticos al igual que sucede en la naturaleza con los individuos peor adaptados. Este paralelismo permite a los AG trabajar con espacios de bsqueda amplios en los que la aplicacin de mtodos de bsqueda exhaustiva no obtendra resultados en un tiempo razonable. 3. Los AG no utilizan derivadas ni otras propiedades de la funcin objetivo, como los mtodos tradicionales, utilizan nicamente la propia funcin 66
Algoritmos de optimizacin empleados en la gestin de potencia reactiva objetivo. Esta propiedad permite a los AG trabajar con funciones discontinuas, ruidosas, dependientes del tiempo o con mltiples ptimos locales. El operador gentico de cruce es clave para escapar de ptimos locales ya que permite transmitir informacin entre los candidatos prsperos de sucesivas generaciones. 4. Los AG se rigen mediante reglas de transicin probabilstica, no determinsticas. Dentro de las tcnicas de computacin evolutiva, los AG son los ms utilizados debido principalmente a los siguientes motivos: Las ideas fundamentales del enfoque evolutivo estn recogidas de manera natural en dicha tcnica, mediante el empleo del operador gentico principal: la recombinacin o cruzamiento. Son flexibles y adaptables a una gran cantidad de problemas diferentes pertenecientes a distintas reas. Los AG permiten ser combinados con otras tcnicas no evolutivas dando lugar a hibridacin entre tcnicas de optimizacin. Los AG son los que poseen mayor base terica. Se fundamentan en la teora de los esquemas desarrollada por Holland en 1975. Una descripcin detallada de la teora de los esquemas se encuentra en [77]. Poseen una gran versatilidad ya que necesitan menos conocimiento especfico del problema para su realizacin. Es posible implementarlos en ordenadores con capacidades medias obteniendo resultados aceptables. 3.3.2.5 Redes Neuronales
Una red neuronal se puede definir como un sistema de procesamiento de datos que consiste en una arquitectura de elementos (neuronas artificiales) inspiradas en la estructura del crtex cerebral del cerebro humano. Estas neuronas artificiales se encuentran organizadas en una secuencia de capas con conexiones entre ellas. Las redes neuronales se asemejan al cerebro humano en dos aspectos: el conocimiento se adquiere mediante un proceso de aprendizaje, y la conexin interneuronal (pesos sinpticos) se utiliza para el almacenamiento del conocimiento. Una red neuronal puede expresarse mediante un grafo dirigido en el que los nodos interconectan dos tipo de enlaces: sinpticos y de activacin. Los sinpticos mantienen una relacin entrada-salida lineal, multiplicndose la seal de entrada por el peso sinptico de la unin para generar la seal de salida. Los enlaces de activacin presentan una relacin no lineal entre nodos incidentes. Cada neurona se representa mediante un conjunto de enlaces sinpticos lineales, un umbral aplicado externamente, y un enlace de activacin no lineal. El modo en el que las neuronas se estructuran en la red determina su arquitectura, la cual est muy relacionada con el algoritmo de aprendizaje usado para entrenar la red.
67
Mtodos de resolucin del problema de planificacin de potencia reactiva La capa de entrada de las arquitecturas de neuronas recoge la informacin del exterior y, mediante la activacin de las neuronas de las capas intermedias se obtiene una respuesta enviada al exterior a travs de la capa de salida. Las principales caractersticas de las redes neuronales se pueden resumir en: 1. Poseen una gran capacidad de clculo, principalmente por dos motivos: su estructura distribuida y paralela de procesamiento masivo, y su habilidad para aprender y, por tanto, generar salidas razonables a partir de entradas no halladas durante el aprendizaje. 2. Son robusta, o al menos, son potencialmente tolerantes a los fallos, dado que al tener muchos nodos en su estructura, unos pocos de ellos o de enlaces que se daen no degradan significativamente la calidad del sistema. 3. El aprendizaje supervisado, entrena la red con muestras de entrenamiento, modificndose los pesos de los enlaces sinpticos hasta que no se producen cambios significativos. En [55] se desarrolla una red neuronal optimizada para la resolucin del problema de planificacin de potencia reactiva. En [78] se emplean las redes neuronales, junto a sistemas expertos, para el control del problema de la potencia reactiva teniendo en cuenta la incertidumbre de la cargabilidad del sistema de potencia.
3.4
Sntesis
En este captulo se muestra una revisin del estado del arte de las tcnicas empleadas en la resolucin del problema de planificacin y operacin de potencia reactiva. Como consecuencia del aumento del tamao de los sistemas de potencia actuales, el empleo de tcnicas convencionales de resolucin de problemas de optimizacin, como la programacin lineal y no lineal, resulta complicado. Las emergentes tcnicas metaheursticas se perfilan como una buena alternativa a la resolucin del flujo de cargas ptimo con gran nmero de restricciones asociadas a la estabilidad de tensin y seguridad de red, as como a las limitaciones impuestas por los elementos que componen los sistemas.
68
CAPTULO 4 ALGORITMOS GENTICOS

Los algoritmos genticos (AG) son tcnicas de bsqueda guiada, basadas en probabilidad, que se engloban dentro de las tcnicas metaheursticas de optimizacin. Fueron desarrollados por J. Holland en la dcada de los setenta, surgiendo numerosos trabajos en los ltimos 30 aos. Los AG estn basados en la seleccin natural de las especies propuesta por Darwin en su libro El origen de las especies, en 1859, estableciendo los mecanismos de seleccin que utiliza la naturaleza, de acuerdo a los cuales los individuos ms aptos de una poblacin son los que sobreviven al adaptarse ms fcilmente a los cambios que se producen en su entorno. Este captulo recoge una descripcin del funcionamiento de los AG. Para ello, se muestra el funcionamiento del algoritmo gentico bsico, introducido por Holland, as como las sucesivas mejoras que sobre l se han realizado. Finalmente, se desarrolla un AG mono-objetivo para maximizar la cargabilidad de los sistemas de potencia y uno multiobjetivo para maximizar la cargabilidad y el grado de penetracin de la Generacin Distribuida (GD). Ambos algoritmos se aplicarn a una red normalizada de distribucin.
Algoritmos Genticos
4.1
Un poco de historia de los AG
Los primeros ejemplos de AG surgieron a finales de los aos 50, potenciados por el aumento de la capacidad de los ordenadores, de manos de bilogos evolutivos que buscaban frmulas semejantes a la evolucin natural. Dichos algoritmos no tenan como objetivo la resolucin de problemas artificiales. En 1962, un grupo de investigadores aplicaron por primera vez los algoritmos basados en la evolucin a problemas de optimizacin de funciones y aprendizaje automtico, aunque sin mucha repercusin en el mundo cientfico. El siguiente hito en la evolucin de los AG se sita en 1965, cuando Ingo Rechenberg, en la Universidad Tcnica de Berln, introdujo una tcnica que llam estrategia evolutiva. Esta tcnica no inclua todava las caractersticas ms destacadas de los AG: la poblacin y el cruzamiento, sino que se limitaba a realizar mutaciones sobre los padres para generar la nueva descendencia, conservndose el mejor de los dos para la siguiente iteracin del algoritmo. Poco tiempo despus se comenz a introducir el concepto de poblacin en las estrategias evolutivas. El siguiente desarrollo significativo tuvo lugar en 1966 cuando una serie de investigadores introdujeron en Amrica Latina una tcnica que llamaron computacin evolutiva. Este mtodo, al igual que el de Rechenberg empleaba la mutacin para generar los nuevos individuos de la poblacin seleccionando el ms apto para la siguiente iteracin, residiendo su principal novedad en la representacin de las soluciones candidatas mediante mquinas de estado finito sencillas. En la dcada de los sesenta John Holland trabajaba en la Universidad de Michigan, en Ann Arbor, dentro del grupo de investigacin Logic of Computer. En 1962 su trabajo sobre sistemas adaptativos estableci las bases de los AG como ahora los conocemos, introduciendo los conceptos de cruzamiento y otros operadores como la recombinacin. Sin embargo, hubo que esperar a la publicacin, en 1975, del libro Adaptacin en sistemas naturales y artificiales [79], para sentar las bases definitivas de la aplicacin de los AG como estrategia para resolver problemas, partiendo del concepto de sistemas digitales adaptativos utilizando la mutacin, la seleccin y el cruzamiento, simulando el proceso de la evolucin biolgica. En este libro tambin queda recogido el fundamento terico de los AG basado en la teora de los esquemas. Finalmente, y en ese mismo ao, la tesis de Kenneth De Jong [80] estableci el potencial de los algoritmos genticos situndolos dentro de las tcnicas de optimizacin para resolucin de problemas con paisajes de bsqueda ruidosos, discontinuos y multimodales. El recorrido hecho hasta ahora fundamenta las bases de los AG e hicieron florecer el inters por el empleo de las tcnicas de computacin evolutiva. El desarrollo de los AG en los ltimos 30 aos, acompaado de nuevo por la evolucin en la capacidad de los ordenadores, ha permitido ampliar el campo de actuacin de dichos algoritmos, dejando a un lado las aplicaciones tericas en favor de resolver problemas ms cotidianos. Actualmente, la potencia evolutiva se ha aplicado a cualquier campo que se pueda nombrar, descubrindose nuevos usos segn el tiempo y la investigacin avanza. Finalmente, no debemos olvidar que el
71
Algoritmo gentico motor de todo este desarrollo radica en la idea de Charles Darwin: el azar en la variacin, junto con la ley de la seleccin, es una tcnica de resolucin de problemas de inmenso poder y de aplicacin casi ilimitada.
4.2
Algoritmo gentico
Los algoritmos genticos son mtodos sistemticos para la resolucin de problemas de bsqueda y optimizacin que aplican a stos los mismos mtodos de la evolucin natural: seleccin basada en la poblacin, reproduccin sexual y mutacin. De todos es bien conocido que, en la naturaleza, los individuos compiten por recursos como agua, comida o refugio. Aquellos individuos mejor adaptados tendrn ms posibilidades de sobrevivir y generar descendencia, mientras que los peor adaptados tienen un menor nmero de descendientes y tienden a desaparecer. De esta forma, los genes de los individuos mejor adaptados se transmiten a futuras generaciones mientras que los genes de los individuos peor adaptados se pierden en la evolucin. La evolucin se basa en la probabilidad de que la combinacin de genes en las nuevas generaciones permita una mejor adaptacin de la descendencia al entorno. Sin embargo, en el proceso de adaptacin de un individuo al medio no hay que olvidar otros factores tales como el aprendizaje, en ocasiones adquirido mediante el mtodo de prueba y error, o mediante la imitacin del comportamiento de los padres. Una vez expuestas las bases biolgicas de los AG podemos establecer una analoga con los mtodos matemticos desarrollados a partir de ellas. La mecnica de los AG es muy sencilla. La simplicidad de las operaciones y la gran capacidad de resolucin son los estandartes de esta herramienta de clculo. En lneas generales podemos decir que la estrategia operativa de un AG es la siguiente: los AG trabajan con una poblacin (conjunto de individuos) generada aleatoriamente al principio del proceso y que evoluciona en cada iteracin. Cada uno de los individuos que componen la poblacin representa una posible solucin del problema a resolver, y su codificacin se realiza mediante cadenas binarias. Estos individuos se evalan mediante una funcin (aptitud) que indica la bondad de la solucin obtenida o el grado de adaptacin del individuo al entorno. A continuacin, se realizan una serie de operaciones encaminadas a generar una nueva poblacin. Estas operaciones son: seleccin de los individuos mejor dotados que participarn en el proceso de reproduccin o cruce y mutacin de los individuos de la nueva generacin. Este proceso se repite hasta llegar finalmente a una poblacin que, si el algoritmo converge adecuadamente, estar compuesta por buenos individuos siendo el mejor de stos la solucin al problema que ofrece el algoritmo. Existe una variante de los AG, conocida como elitista, en la que se mantendr en la poblacin a un nmero dado de los individuos mejor adaptados. Una generacin se obtiene a partir de la anterior por medio de los operadores genticos de reproduccin. Existen dos tipos:
72
Algoritmos Genticos Cruce: trata de emular la herencia gentica transmitida de padres a hijos. Es una reproduccin de tipo sexual en la que se genera una descendencia a partir del mismo nmero de individuos, habitualmente 2, de la generacin anterior. Copia: Se trata de una reproduccin tipo asexual en la que un determinado nmero de individuos pasa directamente a la siguiente generacin sin sufrir ninguna variacin. Este operador tambin se conoce como elitista. La mutacin es la encargada de introducir diversidad en el proceso de bsqueda, mediante la variacin de una o varias caractersticas de alguno de los individuos de la poblacin. La probabilidad de que se produzca una mutacin suele ser baja, entre el 0,1% y 2%. Sobre este esquema bsico propuesto inicialmente por Holland, representado en la Figura 4.1, se han desarrollado mltiples variantes que se detallan en el apartado 4.4.
Creacin de la poblacin inicial
Evaluacin de la poblacin
Criterio de parada
No
Seleccin de los mejores individuos Fin: solucin ptima Cruzamiento
Mutacin
Nueva poblacin
Figura 4.1 Flujograma de un AG.
73
Condiciones de aplicacin de los AG a un problema de optimizacin
4.3
Condiciones de aplicacin de los AG a un problema de optimizacin
Para poder implementar un AG se debe llevar a cabo la definicin de las siguientes actuaciones: 1. Codificacin o representacin gentica de las soluciones potenciales del problema (cadenas binarias en el AG). La codificacin de las variables est relacionada con la representacin del problema a resolver. El lenguaje utilizado debe ser robusto, es decir, que cambios aleatorios en la codificacin no pueden representar errores fatales o soluciones sin sentido. 2. Mecanismo de creacin de la poblacin inicial. Inicialmente se realizaba de manera aleatoria. 3. Funcin de evaluacin que realiza el papel del entorno permitiendo clasificar a los individuos en funcin de su aptitud. La definicin de la funcin de evaluacin o aptitud debe ser estudiada cuidadosamente para asegurar la convergencia del problema a la solucin ptima. 4. Seleccin de los operadores genticos de seleccin, cruce y mutacin que simulan la evolucin de las generaciones. Debe prestarse atencin a la eleccin del mtodo de seleccin, ya que una elevada presin selectiva implicar que los individuos con altos valores de aptitud predominen sobre el resto de posibles soluciones dando lugar a problemas de convergencia prematura. Para solventar estos problemas se recomienda realizar un escalado sobre los valores de aptitud de los individuos de la poblacin. 5. Tratamiento de los individuos no factibles. Establecen mecanismos para evaluar los individuos que se encuentran fuera de los lmites del espacio de soluciones a lo largo del proceso de optimizacin. Slo es aplicable en aquellos problemas discontinuos o convexos. 6. Parmetros de funcionamiento del AG: longitud de los individuos, tamao de la poblacin, nmero de generaciones, probabilidad de mutacin, cruce y elitismo, as como el tipo y fuerza de la seleccin. Si el tamao de la poblacin es demasiado pequeo el AG no podr explorar de manera eficiente el espacio de soluciones. Si el ritmo de cambio gentico es elevado o el tipo de seleccin se escoge de manera inadecuada el AG puede tener problemas de convergencia al cambiar constantemente de direcciones de bsqueda. 7. Criterios de parada del algoritmo. Para poder aplicar de forma exitosa el AG al problema de optimizacin ste debe cumplir los siguientes requisitos: Su espacio de bsqueda debe ser limitado, es decir estar delimitado dentro de un cierto rango.
74
Algoritmos Genticos Debe poder definirse el problema mediante una funcin de aptitud o evaluacin que nos permite cuantificar cun buenas o malas son las soluciones obtenidas. Las soluciones deben poder codificarse de forma sencilla para su implementacin en un ordenador.
4.4
Mejoras del AG
En los ltimos aos han surgido numerosos estudios y contribuciones para mejorar cada uno de los aspectos enumerados anteriormente sobre el funcionamiento de los AG. De esta forma los algoritmos genticos se han convertido en una herramienta muy verstil y con aplicacin a gran variedad de campos. En la aplicacin de un AG a cualquier problema a resolver existen dos caractersticas dependientes del problema: la codificacin de las soluciones y la funcin de evaluacin del valor de aptitud. El resto de caractersticas del AG, como son los operadores genticos, se pueden seleccionar independientemente del problema planteado.
4.4.1
Codificacin
Como se ha comentado en el apartado 4.1, los AG no trabajan directamente con las variables implicadas en el problema propuesto, sino con una codificacin de las soluciones potenciales. Por lo tanto, la codificacin de las variables del problema a resolver es un factor clave en el desarrollo de los AG. Existen varios mtodos para codificar las variables de un problema, la eleccin de uno u otro depender de la naturaleza del problema a resolver. Una eleccin adecuada del mtodo de codificacin permitir obtener una mejor adaptacin del AG al problema. La estructura de datos resultante de la codificacin de las variables se conoce como cromosoma o individuo (genotipo en biologa). Cada cromosoma se identifica con una solucin potencial del problema y su representacin en el entorno se conoce como fenotipo. La diferencia entre genotipo y fenotipo se ve claramente en el siguiente ejemplo: considrese una codificacin binaria de las variables y como medio externo un alfabeto ASCII, el fenotipo asociado al genotipo 1000001 es la letra A. Cada cromosoma est formado a su vez por un conjunto de genes, cada uno de los cuales se relaciona unvocamente con una variable del problema. Los valores que pueden tomar los genes se conocen como alelos, (ver Anexo 2). En los ltimos aos se han desarrollado numerosos mtodos de codificacin, de variada cardinalidad. En esta tesis se va a hacer referencia a los 2 ms empleados: codificacin binaria y codificacin mediante valores reales o enteros. Existen otros mtodos de codificacin como el empleo de letras para generar los vectores de variables, matrices, rboles, grafos, etc. [81].
75
Mejoras del AG La codificacin binaria es la empleada por Holland en el desarrollo del AG y, por ende la ms difundida. En ella cada variable se codifica mediante una serie de {0,1} y se habla por tanto de cadena de bits. El nmero de bits asociado a cada parmetro o variable del problema no es fijo, dependiendo de la precisin que se quiera conseguir. La Figura 4.2 representa un ejemplo de cromosoma binario.
Gen 1 1 0 1 0 0 Gen 2 0 1 1 Gen 3 0 1
Cromosoma Alelo
Figura 4.2 Ejemplo de individuo gentico binario. Sin embargo, la codificacin binaria no es la ms adecuada para la mayora de problemas de bsqueda y requiere un gran esfuerzo computacional. Surgen, por tanto, otras formas de codificacin como las que emplean cadenas de nmeros reales o enteros. A diferencia de la codificacin binaria en una codificacin con nmeros reales cada representacin (en forma de nmero real o entero) se corresponde con una variable del sistema. Esta codificacin resulta ms intuitiva a la hora de resolver determinados problemas, como el que nos ocupan en este trabajo, ya que las variables involucradas en el problema son nmeros reales. En ocasiones se tacha a estas codificaciones de degradar el paralelismo intrnseco del AG, sin embargo, permiten desarrollar y aplicar nuevos operadores genticos que mejoran el comportamiento del AG para el empleo de estas codificaciones. Adems el empleo de estas codificaciones introduce informacin del problema en el AG, al ser codificaciones con mayor significacin.
4.4.2
Poblacin inicial
Una vez definido el mtodo de codificacin de las soluciones potenciales del problema, el AG necesita una poblacin inicial de individuos para comenzar a trabajar. El proceso para generar la poblacin inicial puede ser aleatorio o arbitrario. Generalmente se emplea el mtodo aleatorio ya que permite obtener poblaciones variadas. La velocidad de convergencia del algoritmo puede depender en gran medida de la poblacin inicial escogida. Poblaciones iniciales en las que predomine un individuo sobre el resto implica problemas de convergencia prematura y aquellas en las que la diversidad es baja pueden provocar deriva gentica [82]. Estos problemas pueden resolverse con tamaos mayores de poblacin. 4.4.2.1 Funcin de evaluacin y escalado
El primer paso en cada iteracin del AG es la evaluacin de la calidad de los individuos y posterior comparacin entre ellos. Para determinar cun aptos son los individuos se emplea la funcin de evaluacin. 76
Algoritmos Genticos Llegados a este punto es importante considerar las diferencias entre funcin de evaluacin y funcin de aptitud. La funcin de evaluacin es aquella que el AG trata de optimizar (maximizar o minimizar). Contiene por tanto el objetivo del problema planteado. En ocasiones, la programacin de esta funcin no es sencilla y requiere un elevado coste computacional. En tales ocasiones se emplea, para la evaluacin de los individuos, una simplificacin de dicha funcin conocida como funcin de aptitud y para la que los AG obtienen buenas soluciones. Esta funcin evala la bondad de cada individuo con respecto a la poblacin, traducindose en posibilidades de supervivencia. A la hora de construir la funcin de aptitud es necesario tener una serie de consideraciones en cuenta: La funcin aptitud no es ajena al planteamiento del problema, por lo que resulta imprescindible conocer su naturaleza por ejemplo: si se trata de un problema de minimizacin o maximizacin de objetivos; las restricciones y el comportamiento del mismo ante soluciones no factibles, as como su tratamiento posterior. Debe tenerse en cuenta la posibilidad de aparicin de problemas de evaluacin de la funcin en el entorno. En este caso ser necesario realizar evaluaciones parciales de la funcin de aptitud. Es necesario estudiar si la funcin vara dinmicamente durante la ejecucin del AG. Finalmente, para los casos en los que el clculo de la aptitud de cada uno de los individuos requiera un elevado coste computacional se puede plantear el empleo de tcnicas de computacin paralelas para obtener mayor eficiencia.
Para conseguir una evaluacin adecuada mediante la funcin de aptitud, eliminando problemas de convergencia prematura y deriva gentica, es necesario realizar una serie de operaciones de desplazamiento y escalado sobre la funcin de evaluacin. El desplazamiento de la funcin de aptitud se emplea para solventar los problemas relacionados con los valores negativos. El desplazamiento permite obtener funciones de evaluacin que trabajan en el campo de los nmeros positivos. El procedimiento de desplazamiento ms empleado se muestra en la ecuacin (4.1). En ella se aplica una correccin a la funcin de evaluacin igual a la cota superior de los posibles valores de la evaluacin para cualquier individuo de la poblacin. Esta adaptacin debe realizarse de forma dinmica para no entrar en deriva gentica.
(4.1)
Donde: -
es un individuo de la poblacin; es la funcin de aptitud; es la funcin de evaluacin;
77
Mejoras del AG es una cota superior de los posibles valores de individuo y en cualquier generacin. para cualquier
El segundo mecanismo empleado en la transformacin de la funcin de evaluacin es el escalado. Mediante este procedimiento se ajusta la presin selectiva de los elementos de la poblacin en la fase de evaluacin, es decir se distribuye la probabilidad de eleccin de cada uno de los elementos de la poblacin para que no prevalezcan unos sobre otros. Mientras que en las fases iniciales del proceso es conveniente que la poblacin est subescalada, es decir, que no existan problemas de dominancia por parte de algunos individuos, en las fases finales interesa que existan mayores diferencias entre las evaluaciones de los individuos, de manera que los mejor adaptados destaquen sobre los dems. Los mtodos de escalado ms comnmente empleados son el escalado lineal, exponencial y truncamiento , [83] y [84].
4.4.3
Seleccin
En la naturaleza, los individuos mejor adaptados son los que consiguen sobrevivir y transmitir su carga gentica a las sucesivas generaciones manteniendo de esta manera los fenotipos exitosos. Por el contrario, los individuos peor adaptados tendrn menos probabilidades de sobrevivir y reproducirse. A este proceso se le denomina Seleccin Natural y da lugar a la evolucin de las especies en las que se basa la teora de los AG. Por analoga con los AG el proceso de Seleccin Natural se realiza mediante los operadores de seleccin y reemplazo. La seleccin se convierte as en la caracterstica fundamental del AG como mtodo de bsqueda guiada (y no aleatoria), ya que permite establecer una direccin de bsqueda en funcin de las mejores soluciones. El operador de seleccin es el encargado de determinar cules son los individuos que van a participar en el proceso de creacin de la nueva poblacin en funcin de la aptitud de cada cromosoma. Este operador permite que individuos con mejores valores de aptitud sobrevivan entre poblaciones o se reproduzcan transmitiendo su carga gentica. El proceso de seleccin no debe eliminar por completo los individuos peor adaptados para mantener cierta diversidad y evitar problemas de convergencia prematura. Existen numerosos mtodos de seleccin. En este documento se van a tratar los ms difundidos, [81], [85] y [86]. A. Seleccin proporcional a la funcin de aptitud Este mtodo es el empleado por Holland [79] en su AG y est basado en el concepto estadstico de esperanza matemtica. La seleccin de los padres de la futura generacin se realiza en funcin de su aptitud, as los individuos con mayores valores tendrn ms posibilidades de sobrevivir.
78
Algoritmos Genticos B. Seleccin por ruleta Propuesto por De Jong [80] es, posiblemente, el mtodo de seleccin ms extendido y el ms fiel al proceso de seleccin natural. Es una tcnica de seleccin proporcional, en la cual, a cada individuo se le asigna un valor proporcional a su aptitud de tal manera que la probabilidad de ser seleccionado es proporcional a la diferencia entre su aptitud y la de sus competidores. Se establece la siguiente analoga con el juego de la ruleta: consiste en simular el giro de una ruleta con tantos compartimientos como el tamao de la poblacin, cada una con tamao proporcional a la aptitud del cromosoma que representa. En cada giro de la ruleta se selecciona un padre. Destacamos tres inconvenientes de esta tcnica: en primer lugar es un mtodo sencillo pero ineficiente a medida que aumenta el tamao de la poblacin; en segundo lugar los individuos pueden ser seleccionados en mltiples ocasiones, pudindose obtener una coleccin de padres con bajos valores de aptitud; por ltimo, individuos predominantes acaparan la mayor parte de la superficie de la ruleta impidiendo la posibilidad de seleccin de aquellos individuos menos dotados, provocando problemas de convergencia prematura. C. Seleccin estocstica Es otro tipo de seleccin proporcional, semejante al de la ruleta, que aproxima ms la seleccin de los padres a su valor de aptitud debido a que en vez de realizar tantos giros de ruleta como padres deben ser seleccionados, se gira una sola vez la ruleta con tantas agujas como padres a seleccionar. D. Seleccin por torneo o competicin Este mtodo realiza la seleccin comparando los valores de aptitud entre varios individuos. Existen dos modalidades de esta seleccin: Determinstica: en este caso se selecciona al azar un nmero nt de individuos (generalmente 2) y a continuacin se selecciona el ms apto para convertirse en padre. Probabilstica: en este caso la seleccin del superviviente entre los participantes en el sorteo se realiza generando un nmero aleatorio en el intervalo [0,1]. A continuacin, si el valor obtenido es mayor que el parmetro representativo de la presin selectiva, p, el individuo que se convierte en padre ser el que posea una mayor aptitud, por el contrario si el nmero aleatorio generado es menor que la presin selectiva dada para todos en el proceso, el cromosoma seleccionado ser el de menor aptitud. Generalmente el valor p toma valores en el rango [0,5 - 1]. El nmero de individuos que participan en cada torneo es un indicador de la presin selectiva del proceso. As, cuando el nmero de individuos
79
Mejoras del AG participantes en el torneo es elevado la probabilidad de supervivencia de los ms aptos es elevada disminuyendo la probabilidad de reproducirse de los individuos menos aptos. Por el contrario, cuando el nmero de individuos participantes en el torneo disminuye, la posibilidad de supervivencia de los individuos peor dotados es mayor. El empleo de una presin de seleccin menor permite mantener la diversidad en la poblacin y explorar mejor el espacio de soluciones. E. Seleccin por rango En esta tcnica, tras la evaluacin de los individuos, stos se ordenan en funcin del valor de aptitud asignndoles una probabilidad de seleccin en funcin de la posicin que ocupan. As el individuo con mayor valor ocupar la primera posicin del rango. La seleccin se realiza entonces en funcin de este rango en lugar de emplear el valor de aptitud. Esta tcnica permite aligerar las diferencias entre individuos predominantes y aquellos con menores valores de aptitud, ya que a priori no se conoce la diferencia en trminos absolutos entre la aptitud del elemento que ocupa la posicin k y el que ocupa la posicin k+1. Esto dificulta la convergencia prematura del AG, manteniendo la diversidad gentica de la poblacin y asignando alguna probabilidad de ser seleccionados a todos los individuos de la poblacin. Este mtodo de seleccin es adecuado para explorar el espacio de soluciones en las primeras iteraciones del algoritmo. Sin embargo, su velocidad de convergencia no es tan alta como otros mtodos de seleccin. F. Seleccin de Boltzman Esta tcnica de seleccin difiere de las anteriores en que es dinmica. Este mtodo emplea una variable t para definir la generacin en la que nos encontramos y que determina la presin selectiva a lo largo de las iteraciones del proceso. De esta manera, en las primeras generaciones la presin selectiva es menor lo que permite explorar mejor el espacio de soluciones, y segn avanza la simulacin la presin selectiva aumenta favoreciendo el proceso de explotacin de las soluciones existentes realizando una bsqueda ms localizada, y aumentando la convergencia del AG.
4.4.4
Cruzamiento
Una vez seleccionados los individuos que van a actuar como padres de la siguiente generacin se realiza la recombinacin gentica entre ellos empezando por el proceso de cruzamiento que simula la reproduccin natural. Mediante el cruzamiento, los padres intercambian su material gentico para generar la nueva descendencia. Existen diferentes mtodos de cruce, los ms difundidos se detallan a continuacin [86], [87].
80
Algoritmos Genticos A. Cruce simple o de un punto Es la tcnica de cruce ms sencilla. Una vez seleccionada la pareja de padres a reproducir se elige, aleatoriamente, un punto que se emplear como referencia de corte de la cadena de cromosomas. A partir de este punto se intercambiar el material gentico entre los progenitores. De esta manera los descendientes heredan informacin gentica de ambos padres como se puede observar en la Figura 4.3.
Padres Hijos
Punto de corte
Figura 4.3 Cruce simple o de un punto. B. Cruce multipunto Es una variante del cruce simple en la que se eligen aleatoriamente varios puntos de corte de la cadena de cromosomas para, posteriormente, intercambiar la informacin gentica de los progenitores. El ms difundido es el cruce de dos puntos. A la hora de aplicar esta tcnica de cruce es necesario comprobar que ninguno de los puntos de corte coincide con los extremos de la cadena de cromosomas para garantizar que se originan varios segmentos de intercambio entre progenitores. La Figura 4.4 representa un ejemplo de cruce de 2 puntos.
Padres Hijos
Puntos de corte
Figura 4.4 Cruce multipunto. La ampliacin del nmero de cortes de la cadena de los cromosomas favorece la diversidad de las poblaciones. Sin embargo, existen estudios que desaconsejan el empleo de esta tcnica ya que reducen el rendimiento del AG.
81
Mejoras del AG C. Cruce segmentado Es una variante del cruce multipunto en el que el punto de corte entre dos individuos se determina mediante una probabilidad de segmentacin (ps). Esta probabilidad es la encargada de seleccionar los puntos de corte en el cromosoma. A la hora de generar la cadena del nuevo cromosoma se verifica, para cada gen, si es un punto de corte. En la Figura 4.5 podemos observar un ejemplo de este tipo de cruce. En primer lugar se asigna aleatoriamente un valor sc, comprendido entre 0 y 1, a cada potencial punto de corte en el cromosoma, entendiendo como punto potencial de corte al punto entre dos genes consecutivos. Suponiendo que la probabilidad de corte ps es 0,6 se producir un corte en la cadena en aquello puntos que cumplan la condicin sc < 0,6. Padres Hijos
sc=0,1 sc=0,6 sc=0,8 sc=0,3 sc=0,2
Figura 4.5 Cruce segmentado. D. Cruce uniforme Este tipo de cruzamiento genera dos nuevos individuos. La seleccin de los genes de cada hijo se realiza mediante una mscara de cruce. La mscara es una cadena de la misma longitud que las que se quieren cruzar formada por ceros y unos elegidos aleatoriamente. El primero de los hijos se generar seleccionando los genes del primer progenitor para las posiciones de la mscara en las que se encuentre un 0, mientras que para las posiciones de la mscara en las que aparece un 1 el material gentico seleccionado corresponder al padre 2. El segundo descendiente contendr el material gentico complementario del primer hijo. La Figura 4.6 muestra un ejemplo de esta tcnica.
Hijos Padres
Mscara
Figura 4.6 Cruce uniforme.
82
Algoritmos Genticos E. Cruce especializado de codificaciones no binarias Como se ha comentado anteriormente debido a la variedad de problemas a los que se han aplicado los AG como mtodo de resolucin, han surgido nuevas formas de codificacin que emplean nmeros reales, enteros, e incluso letras, grafos o rboles. Los tipos de cruce explicados anteriormente se pueden aplicar a cualquier codificacin de los genotipos. Sin embargo, en los ltimos aos se han desarrollado nuevos mtodos de cruzamiento, especialmente diseados para estas codificaciones. Podemos destacar: Cruce aritmtico: se emplea en las codificaciones con valores continuos, como por ejemplo los nmeros enteros. Esta tcnica obtiene los descendientes de la poblacin a partir de una combinacin lineal de sus padres o progenitores. Cruce de la media: este mtodo obtiene los genes del nuevo individuo a partir de la media aritmtica de los genes de los padres. Presenta el inconveniente de obtener un slo hijo para cada pareja de progenitores. Cruce de la media geomtrica: con este procedimiento los genes de los hijos se obtienen a partir de la media geomtrica de los genes de los padres. A la hora de aplicar este procedimiento hay que tener en cuenta los signos de los genes de cada progenitor y decidir qu signo se va a dar a la descendencia en el que caso de que los progenitores sean diferentes. Cruce por extensin: esta tcnica obtiene la diferencia entre los valores de los genes de los progenitores que se suma al valor mayor o se resta al menor. La ventaja de esta tcnica frente a otras del mismo grupo es que se obtienen dos hijos en cada proceso de cruce.
4.4.5
Mutacin
En la naturaleza a la hora de transmitir la carga gentica entre generaciones se producen errores que implican una mutacin en el ADN de los individuos. Estas mutaciones, normalmente, suponen una deficiencia en el grado de adaptacin de los individuos al medio. Dichas alteraciones generalmente no tiene mayor transcendencia pero en ocasiones pueden llegar a ser letales. En contrapartida, las mutaciones son beneficiosas para el proceso evolutivo ya que aportan diversidad gentica a las especies. En el campo de los AG el operador mutacin se encuentra a la sombra del operador seleccin, determinante a la hora de generar las nuevas poblaciones. Sin embargo, estudios recientes [82] han demostrado que la aplicacin de operadores de mutacin con mayores probabilidades de ocurrencia, en detrimento del cruce, puede obtener resultados tan satisfactorios como los AG convencionales. Por lo tanto, podramos considerar el operador cruce como un operador de mutacin masivo.
83
Mejoras del AG La mutacin consiste en modificar de forma aleatoria uno o ms genes de un individuo segn una probabilidad de mutacin dada. La probabilidad de mutacin (pm) puede ser la misma para todos los genes o se puede asignar una probabilidad distinta para cada gen. Una vez establecida dicha probabilidad se recorren las cadenas de cromosomas asignando un valor aleatorio, comprendido entre 0 y 1, a cada uno de los genes. Si dicho valor es inferior a la probabilidad de mutacin, el elemento de la cadena (gen o alelo) sufre un cambio, una mutacin. La pm suele ser baja, generalmente inferior al 1%. La mutacin en codificaciones binarias se realiza a nivel de alelo o de gen, sin embargo, para codificaciones de cardinalidad de orden superior, la mutacin debe realizarse sobre los genes. El objetivo de este operador es introducir diversidad gentica, recuperar informacin gentica perdida a lo largo de los procesos de cruce y seleccin, y escapar de ptimos locales.
4.4.6
Elitismo
El operador lite es el encargado de mantener una serie de individuos fijos entre poblaciones, en trminos de funcin de adaptacin. Este operador se emplea para mantener vivas las mejores soluciones encontradas a lo largo del proceso generacional ya que, debido a los operadores de cruce y seleccin, se podra perder esta valiosa informacin. En la bibliografa podemos encontrar este operador asociado al proceso de seleccin y reemplazo [81]. Generalmente, se emplea un valor de 1 2 individuos lite por cada poblacin de 50 individuos. Aunque su utilizacin supone una mejor exploracin del espacio de soluciones en torno a la lite, realizando una bsqueda ms explotadora que exploratoria, su aplicacin a poblaciones pequeas puede desembocar en problemas de convergencia prematura debido a la rpida disminucin de la diversidad. El uso de estrategias elitistas se considera fundamental en la aplicacin del AG a la bsqueda del ptimo global en problemas de optimizacin de funciones, [85].
4.4.7
Reemplazo
El proceso de reemplazo determina qu individuos de la poblacin deben desaparecer en favor de la nueva descendencia. En el AG planteado por Holland exista una poblacin intermedia o temporal que empleaban los operadores genticos para generar los nuevos individuos. Los primeros integrantes de la poblacin intermedia seran los cromosomas seleccionados para el proceso reproductivo. A continuacin, stos se reemplazaran por su descendencia y posteriormente por la poblacin resultante de la aplicacin del operador de mutacin. Finalmente, una vez aplicados los operadores genticos es necesario introducir la nueva descendencia en la poblacin. Algunos autores prescinden del empleo de esta poblacin intermedia
84
Algoritmos Genticos aplicndose directamente los operadores genticos a los miembros de la poblacin gentica. Tanto para el caso de emplear una poblacin intermedia como para el caso de prescindir de ella es necesario definir el proceso segn el cual se van a incorporar los nuevos individuos a la poblacin existente. Existen diferentes tcnicas para realizar esta incorporacin [86], [87]: A. Reemplazo aleatorio Los individuos a eliminar de la poblacin existente se seleccionan de forma aleatoria. B. Reemplazo gradual o por torneo El reemplazo gradual o por torneo es igual que el proceso de seleccin por torneo. En este caso los individuos con mayor probabilidad de ser eliminados son los peor adaptados. C. Reemplazo por rango Al igual que en el proceso de seleccin por rango, a cada individuo se le asigna un rango dentro de la poblacin y la probabilidad de ser eliminado est relacionada con el rango en vez de con el grado de aptitud. En este caso los individuos peor adaptados no copan las probabilidades de eliminacin. El problema de este mtodo es que pueden desaparecer las soluciones con mejores valores de aptitud en favor de la descendencia. D. Reemplazo por nichos Este mtodo trata de mantener la diversidad gentica y aligerar la presin selectiva mediante la sustitucin de cromosomas similares entre la poblacin inicial y la descendencia. E. Reemplazo proporcional Esta variante asigna una probabilidad de ser eliminado inversamente proporcional a la aptitud de cada individuo. De esta forma, se ve favorecido el reemplazo de los individuos con menor valor de aptitud. F. Reemplazo de los padres Este mtodo es de aplicacin exclusiva a los AG sin poblacin intermedia y en l la descendencia ocupa el lugar de los padres.
4.4.8
Criterio de Parada
Los principales criterios para determinar cundo un algoritmo ha llegado a una solucin ptima son tres:
85
Mejoras del AG Algn individuo de la poblacin ha alcanzado un valor prefijado de adaptacin. El algoritmo converge. Se dice que un gen converge cuando el 95% de la poblacin posee el mismo valor para ese gen, en el caso de codificaciones binarias, o valores dentro de un rango especificado en caso de codificaciones de mayor cardinalidad. Cuando todos los genes alcanzan la convergencia se dice que el proceso ha convergido. Se ha alcanzado el nmero mximo de generaciones establecidas a priori.
4.4.9
Soluciones no factibles
El AG es un mtodo de bsqueda irrestrictiva, es decir, no tiene en cuenta las posibles restricciones del problema a resolver. Esto supone una limitacin a la hora de aplicar este mtodo a la resolucin de problemas discontinuos y no convexos como el planteado en este trabajo. Por lo tanto, es necesario establecer una serie de mecanismos que sean capaces de tratar las restricciones de cualquier problema de optimizacin. La bsqueda de alternativas al problema de las restricciones equivale a buscar una metodologa que nos permita discriminar, o incluso eliminar del proceso, las soluciones no factibles que suponen la incorporacin de conocimiento especfico del problema a resolver. En la literatura podemos encontrar diversos mtodos para tratar las soluciones no factibles que pasamos a detallar [84]: A. Penalizacin o descarte. El procedimiento de descarte elimina las soluciones no factibles del problema una vez generadas y evaluadas. El mecanismo de penalizacin consiste en generar soluciones del AG sin tener en cuenta las restricciones y, a posteriori, penalizar a aquellos individuos que incumplan las restricciones disminuyendo su calidad de adaptacin, de esta manera, su posibilidad de reproduccin y supervivencia disminuye. La penalizacin debera ser una medida de la distancia que hay entre la solucin no factible y la zona de factibilidad. Sin embargo, no siempre es sencillo medir esta distancia, optndose por asumir factores de penalizacin nicos para todas las soluciones no factibles. Generalmente, se utiliza un factor de penalizacin para cada una de las restricciones y se introduce en la funcin objetivo. La determinacin del grado de penalizacin de cada restriccin no debe tomarse a la ligera. Factores de penalizacin elevados asociados a problemas muy restrictivos disparan el tiempo de clculo destinado a las soluciones no factibles y aumentan la probabilidad de sufrir convergencia prematura en cuanto aparezca un individuo apto en la poblacin, ya que la bsqueda de soluciones factibles pasa por la seleccin y cruzamiento de soluciones infactibles. Por el contrario, factores de penalizacin dbiles pueden llevar al AG a dedicar un enorme esfuerzo computacional en la bsqueda de soluciones en una regin no factible del sistema. Para 86
Algoritmos Genticos solventar estos problemas se han desarrollado funciones de penalizacin adaptativas, en las que se emplean valores moderados de penalizacin en las fases iniciales para intensificarlos hacia el final del proceso. El principal problema de las tcnicas de penalizacin es que desaprovechan la informacin de los individuos no factibles, el algoritmo pierde entonces eficacia y capacidad exploratoria. B. Reparacin. El mecanismo de reparacin se convierte en una alternativa al tratamiento de las restricciones en los AG frente a los mecanismos de penalizacin ya que en vez de obviar la existencia de las soluciones no factibles, y por tanto de su carga gentica, trata de repararlas e introducirlas de nuevo en la zona de factibilidad. Las principales limitaciones de la reparacin residen en la imposibilidad de encontrar un mecanismo generalizado de reparacin aplicable a cualquier problema de optimizacin, aparte de la gran carga computacional que supone para el proceso. C. Estructuras de datos y operadores especficos. Puesto que una buena codificacin es la base de un buen AG, una alternativa al tratamiento de las soluciones no factibles es el desarrollo de estructuras de datos que incorporen las propias restricciones y de operadores genticos adecuados para dicha codificacin.
4.4.10 Consideraciones sobre la seleccin de parmetros

Mucho se ha debatido sobre la seleccin de estos operadores de forma analtica y emprica. Las principales conclusiones a las que se ha llegado se resumen a continuacin [88]: Aumentar la probabilidad de cruzamiento aumenta la probabilidad de romper las cadenas de los mejores cromosomas. Aumentar la probabilidad de mutacin permite recuperar la informacin perdida aumentando la diversidad gentica de la poblacin. Aumentar el tamao de la poblacin mejora la diversidad gentica y facilita la consecucin de ptimos globales pero va en detrimento de la velocidad de convergencia. A la hora de seleccionar los parmetros del AG se debe tener en cuenta la interaccin entre los operadores genticos y el tamao de la poblacin, convirtindose en un problema de optimizacin no lineal complejo en s mismo, as como la dependencia con la naturaleza de la funcin objetivo. Aunque el tema de la parametrizacin est lejos de ser resuelto, existen dos enfoques, expresados mediante dos conjuntos de parmetros, que garantizan buenos resultados [88].
87
Mejoras del AG El primero, propuesto por De Jong y Spears [89] emplea tamaos de poblacin grandes (100 individuos) y probabilidades bajas de cruzamiento y mutacin (pc = 0,6, pm = 0,001); se parte incluso de la idea de que, aun disminuyendo la actividad de los operadores, se puede mantener la diversidad gentica empleando poblaciones con gran nmero de individuos. El segundo, sugerido en [84], propone tamaos de poblacin ms pequeos (del orden de 30 individuos), con mayor probabilidad de cruce y mutacin (pc = 0,9, pm = 0,01); reproduciendo la idea de que una accin ms agresiva por parte de los operadores genticos evita la convergencia prematura en problemas con pocos individuos en la poblacin. En general, para un problema de optimizacin se adoptan valores de cruce altos (en torno al 60% -100%), la probabilidad de mutacin es baja (del orden del 0,1%) y el tamao de la poblacin oscila entre 50 y 200 individuos [88].
4.5
Desarrollo de un algoritmo gentico maximizar la cargabilidad del sistema
para
Una vez demostrada la eficacia del empleo de los AG para resolver un problema no lineal, convexo, entero-mixto, combinatorio y de gran dimensin, como es la planificacin de potencia reactiva, se desarrolla un algoritmo para determinar la ubicacin ptima de unidades de generacin de reactiva, con el objetivo de maximizar la cargabilidad del sistema bajo condiciones de estabilidad de tensin y seguridad de red.
4.5.1
Planteamiento del problema
El problema a resolver es localizar la ubicacin y tamao ptimo de fuentes de generacin de potencia reactiva en sistema elctricos con restricciones de estabilidad de tensin para maximizar la cargabilidad del sistema. Para ello se considera que las unidades de generacin de potencia reactiva estn asociadas a unidades de generacin distribuida (GD), como una extensin de las capacidades de generacin de las mismas. Debido a esta asociacin la localizacin de ambas unidades estar sujeta a las restricciones de disponibilidad del recurso empleado por las unidades de generacin distribuida para la generacin de la energa elctrica. Como se coment en el captulo 2, la estabilidad de tensin est relacionada con la capacidad de un sistema elctrico para mantener o recuperar una situacin de equilibrio tras una perturbacin. En el presente trabajo, el estudio de maximizacin de la carga de un sistema est regido mediante las ecuaciones (2.39) y (2.40), en las que la variacin de la carga se presenta como una funcin y ) del sistema afectada por un parmetro de de la carga inicial ( cargabilidad ( ). La determinacin de la mxima carga que puede ser abastecida por el sistema de estudio se realiza en base a los lmites de operacin del sistema. Dichos lmites
88
Algoritmos Genticos estarn relacionados con la mxima y mnima tensin admisible en condiciones normales de funcionamiento del sistema, que para el Sistema Elctrico Espaol se encuentra en el intervalo de 5% de la tensin nominal del nudo de estudio, es decir, en el intervalo (0,95 : 1,05) en valores p.u., [29]. Por lo tanto, podemos formular el problema de optimizacin de la siguiente manera: = 1
(4.2)
Sujeto a:
= +

(4.3)
(4.4)
(4.5) (4.6) (4.7)
cos sin
cos i = 1, 2, , NB i = 1, 2, , NG
sin
(4.8)
(4.9) (4.10) (4.11) (4.12) (4.13)
i = 1, 2, , NG i = 1, 2, , NG
Donde: FF(y) es la funcin de aptitud. Su valor depender de la factibilidad de la solucin alcanzada. As, para soluciones factibles el valor de FF(y) ser igual al coeficiente de cargabilidad, , empleado en la solucin, mientras que las soluciones no factibles sern penalizadas con un valor de FF(y) =0. NB es el nmero de nudos del sistema de potencia. NC es el nmero de cargas del sistema de potencia. NG es el nmero de unidades de generacin introducidas en el sistema. y sistema.
, ,
son los lmites de tensin de operacin de los nudos del
89
Desarrollo de un AG para maximizar la cargabilidad del sistema , y , son los lmites de generacin de potencia activa de los generadores distribuidos.
y , son los lmites de capacidad de potencia reactiva de las unidades de generacin de reactiva.
,
y , establecen el rango de los puntos de conexin de las unidades de generacin distribuida en la zona de influencia del recurso.
4.5.2
Programacin del AG
La programacin de la localizacin y tamao ptimo de unidades de generacin de potencia reactiva para maximizar la cargabilidad del sistema, se va realizar mediante un AG cuyo pseudocdigo se muestra en la Figura 4.7.
(1) Generar Poblacin inicial, P0; (2) Generacin 0; (3) Mientras NO (criterio de parada) hacer: Comienza (4) Evaluar Pgeneracin (5) Poblacin intermedia, Pint Seleccionar (Pgeneracin) (6) Poblacin intermedia, Pint Aplicar cruzamiento (Pint) (7) Poblacin intermedia, Pint Aplicar mutacin (Pint) Reemplazar (Pgeneracin, Pint) (8) Pgeneracin+1 (9) Generacin Generacin + 1 Termina Figura 4.7 Pseudocdigo del AG. 4.5.2.2 Codificacin de las soluciones (Paso 1)
El primer paso en la programacin del AG es la determinacin del mtodo para codificar las potenciales soluciones del problema, es decir, definir la codificacin de los cromosomas empleados en el AG. Las variables a codificar son: 1. Cargabilidad del sistema. 2. Ubicacin de las unidades de generacin. 3. Tamao ptimo de las unidades de generacin de reactiva. Las tres variables empleadas en el proceso, se van a considerar como nmeros enteros. Por lo tanto el cromosoma que va a emplear el AG estar compuesto por variables enteras y su tamao depender del nmero de unidades que se quieran localizar simultneamente. Por cada unidad de generacin distribuida (NGD) a introducir en el sistema necesitamos dos genes (2* NGD) que representen las posicin y la capacidad de las unidades de generacin de reactiva. Por ltimo, es
90
Algoritmos Genticos necesario disponer de un gen que refleje la variacin de la carga (), por lo que el tamao de los cromosomas utilizados seguir la expresin 1 2 . La Figura 4.8 muestra un esquema de los cromosomas empleados en el AG.
Gen 1 (p.u.) Gen 2 PC1 Gen 3 Q1 (Mvar) Gen 4 PC2 Gen 5 Q2 (Mvar) ... ... Gen 2* NGD PC NGD Gen 1+2* NGD Q NGD (Mvar)
Figura 4.8 Estructura del cromosoma. 4.5.2.3 Poblacin inicial (Paso 2)
La poblacin inicial del problema ser generada mediante un procedimiento aleatorio en el que se tendrn en cuenta las restricciones asociadas a las variables: zona de influencia de los recursos empleados en la generacin de electricidad y los lmites de capacidad de las unidades de generacin de reactiva. El tamao de la poblacin deber ser suficientemente grande para asegurar la exploracin ptima del espacio de soluciones. 4.5.2.4 Operadores Genticos (Pasos 3 a 9)
A partir de este momento (Paso 3), y hasta que se cumplan los criterios de parada, comienza un bucle cuyo objetivo es generar una nueva poblacin, Pgeneracin+1, mediante la aplicacin de los operadores genticos a la poblacin actual, Pgeneracin. Una vez evaluada la funcin objetivo (F(y), paso 4) y mientras no se cumplan los criterios de parada, se aplicarn los operadores genticos para crear la siguiente poblacin de estudio. En primer lugar, es necesario realizar una seleccin (paso 5) de los individuos que van a formar parte de los padres en el proceso reproductivo. El mtodo empleado es la seleccin por ruleta que prima aquellas soluciones que obtienen mejores valores de aptitud en detrimento de las que obtienen peores valores de aptitud. Este mtodo permite realizar una explotacin de las mejores zonas de bsqueda dando lugar a la exploracin de zonas menos ventajosas. Una vez obtenida la poblacin de padres se realiza el cruzamiento (paso 6). Entre todas las tcnicas relacionadas con este proceso hemos elegido el cruzamiento monopunto ya que la dimensin de los cromosomas empleados es pequea y el empleo de otras tcnicas podra romper mucho la cadena perdiendo informacin relevante sobre las mejoras zonas de bsqueda. En cuanto a la probabilidad de cruce se ha establecido un valor de 0,8, es decir, se aplica cruzamiento sobre el 80% de la poblacin. El siguiente paso en la generacin de una nueva poblacin es la aplicacin del operador de mutacin (paso 7). Como se coment en el apartado 4.4.5, el objetivo de este operador es introducir diversidad en la poblacin o rescatar informacin que se haya podido perder en el proceso de seleccin y cruce. Puesto que la
91
Desarrollo de un AG para maximizar la cargabilidad del sistema probabilidad de cruce empleada es alta se ha seleccionado una probabilidad de mutacin (pm=0,1%.) que permite ampliar la capacidad exploratoria del algoritmo. Finalmente, es necesario introducir los hijos en la poblacin existente para generar la poblacin empleada en el siguiente proceso iterativo. Se ha elegido la opcin de reemplazo (paso 9) de los padres por los hijos, basado en la teora de la evolucin, segn la cual los hijos heredan las mejores propiedades de los padres en cuanto a adecuacin al entorno. A partir de la poblacin intermedia, compuesta por los hijos resultantes de los procesos de cruce y mutacin y junto con la poblacin de la generacin actual, se obtiene una nueva poblacin correspondiente a la siguiente generacin, Pgeneracin+1. 4.5.2.5 Criterio de Parada
Se han definido 2 criterios de parada: 1) Tolerancia de las soluciones: se ha establecido un valor mnimo de la tolerancia entre el valor de aptitud obtenido por la mejor solucin de dos generaciones consecutivas en 1e-6. 2) Mximo nmero de generaciones: se ha elegido un nmero mximo de 100 generaciones. 4.5.2.6 Soluciones no factibles
En el apartado 4.4.9 se recoge una breve descripcin de los mecanismos empleados en el tratamiento de las soluciones no factibles. En el presente trabajo se ha desestimado el empleo de mecanismos reparadores por el elevado gasto computacional que suponen, favorecindose el empleo de mtodos de penalizacin. En la seccin 4.5.1 se ha comentado el mtodo empleado en la discriminacin de las soluciones no factibles que se puede resumir de la siguiente manera: 0
4.6
Implementacin y validacin del algoritmo
Una vez expuesto el problema a resolver, se ha implementado el AG en MATLAB, [90]. A continuacin, se expone un ejemplo de la implementacin del AG paso a paso. Posteriormente, se analizan 2 casos de estudios correspondientes a la validacin del algoritmo para maximizar la cargabilidad de sistemas de potencia y ubicar de forma simultnea varias unidades de generacin con capacidad de potencia reactiva. Para favorecer la compresin del mecanismo de funcionamiento de los algoritmos genticos, este apartado describe paso a paso la implementacin de un AG en un sistema de potencia de 4 nudos como se observa en la Figura 4.9. Dicho algoritmo se encarga de determinar la localizacin y capacidad ptima de una
92
Algoritmos Genticos unidad de generacin de potenc reactiva con el objetivo de maximizar la carga potencia del sistema. La implementacin se realiza sobre el sistema de la Figura 4.9 Dicho sistema 4.9. se compone de 4 nudos, un generador conectado en el nudo 4 y cargas en los 4 nudos. La unidad de generacin de reactiva puede ser conectada en los nudos 2 3, y su capacidad mxima es de 250 Mvar.
Figura 4.9 Red de 4 nudos. a) Generacin de la poblacin inicial En el primer paso de la implementacin se genera la poblacin inicial de trabajo de forma aleatoria y respetando los lmites establecidos para cada una de establecidos las variables que componen el cromosoma. La poblacin de trabajo est compuesta por 5 individuos, c cada uno de los cuales se compone de 3 genes: el primero representa el incremento de cargabilidad del sistema ( el segundo el incremento (), nudo de conexin del SVC, y por ltimo, el tercero indica la inyecc inyeccin de potencia reactiva del SVC (Tabla 4.1). Estudiemos el caso correspondiente al ). cromosoma 1: el parmetro que determina la variacin de carga del sistema ( es parmetro (), una variable continua cuyo valor se encuentra dentro del intervalo [0,1], en este caso el valor selecc seleccionado aleatoriamente ha sido 0,13205; el gen 2 (nudo de 13205; conexin) es una variable discreta que puede tomar valores entre 2 y 3, el valor seleccionado ha sido 2; finalmente, la potencia inyectada por el SVC elegida ha sido 149,537 Mvar, variable continua comprendida entre 0 y 250 Mvar. De forma 537 similar se determina la codificacin para el resto de los cromosomas. los Tabla 4.1 Poblacin inicial de la red de 4 nudos nudos.
Cromosoma 1 Cromosoma 2 Cromosoma 3 Cromosoma 4 Cromosoma 5 (p.u.) 0,13205 0,69965 0,48590 0,18272 0,10121 NudoSVC 2 2 2 3 3 QSVC(Mvar) 149,537 187,455 233,818 209,539 221,811
93
Implementacin y validacin del AG b) Evaluacin Una vez obtenida la poblacin de trabajo, se evala la misma en base a la funcin de aptitud del problema. En este caso, FF(y)=, y a continuacin se calcula la funcin objetivo (4.2), (ver Tabla 4.2). Tras la evaluacin de la poblacin se realiza un escalado de los valores obtenidos para la funcin de evaluacin. Para proceder a dicho escalado se ha seleccionado el mtodo del rango. En primer lugar se realiza una ordenacin de los cromosomas en funcin del valor de F(y). Una vez ordenados los individuos (columna orden de la Tabla 4.2), se obtiene su valor de escalado segn la expresin (4.14) en la que i representa la posicin del elemento a escalar en la lista de cromosomas ordenados. = 1
(4.14)
Tabla 4.2 Evaluacin de la poblacin inicial de la red de 4 nudos.

Cromosoma 1 Cromosoma 2 Cromosoma 3 Cromosoma 4 Cromosoma 5 FF(y) 0 0 0 0,18272 0,10121 F(y) 1,0000 1,0000 1,0000 0,8173 0,8988 Orden 3 4 5 1 2 rango 0,557 0,5 0,407 1 0,707
c) Seleccin Una vez evaluada la poblacin inicial, se realiza la seleccin de los individuos que van a formar parte del grupo de los padres. El proceso de seleccin se realiza mediante el mtodo de la ruleta. En primer lugar es necesario establecer la frecuencia de cada uno de los individuos, en funcin de su valor de rango, (4.15).
(4.15)
A continuacin, se calcula la distribucin de frecuencia de seleccin como la suma acumulada de las frecuencias individuales, (4.16), que dar lugar a los sectores de la ruleta para cada individuo (Figura 4.10).
= + (4.16)
De la misma manera podemos calcular la frecuencia del resto de los individuos de la poblacin. Utilizando los cromosomas 1 y 2 como ejemplo, la distribucin de probabilidades del cromosoma 2 viene dada por la suma de la
Vamos a utilizar el cromosoma 1 para explicar este proceso: el cromosoma 1 tiene un valor de rango de 0,557, la suma de las valores de rango de los individuos de la poblacin es 3,231. Por lo tanto, la frecuencia de este individuo ser 0,557 3,231 = 0,1787.
94
Algoritmos Genticos frecuencia del cromosoma 0,1787+0,1547=0,3333. 1 ms la del cromosoma 2, es decir,
Una vez obtenida la distribucin de frecuencias se selecciona un valor aleatorio entre 0 y 1 (r). El individuo seleccionado como padre ser aquel cuya frecuencia acumulada sea inmediatamente superior al valor r.
Figura 4.10 Grfico de distribucin de probabilidades para cada padre. De los 5 cromosomas seleccionados para formar el grupo de los padres o progenitores (poblacin intermedia), 4 participarn en el proceso de cruce, del cual se obtendrn 2 individuos de la nueva poblacin. El quinto elemento del conjunto de los padres muta para obtener un tercer hijo. Tabla 4.3 Asignacin de sectores.
Cromosoma 1 Cromosoma 2 Cromosoma 3 Cromosoma 4 Cromosoma 5 rango 0,557 0,5 0,407 1 0,707 frecuenciai 0,1787 0,1547 0,1384 0,3094 0,2188 sectori 0,1787 0,3333 0,4718 0,7812 1
Tabla 4.4 Seleccin de padres.

Cromosoma 1 Cromosoma 2 Cromosoma 3 Cromosoma 4 Cromosoma 5 sector 0,1787 0,3333 0,4718 0,7812 1 r 0,8631 0,3807 0,749 0,1567 0,0581 Padre 5 3 4 1 1
d) Cruzamiento Para realizar la operacin de cruzamiento se ha seleccionado el mtodo monopunto ya que los individuos tienen slo 3 genes. Para realizar el cruzamiento se reordenan los padres elegidos en el proceso de seleccin, y se seleccionan, al azar, los puntos de corte de los cromosomas. La Tabla 4.5, Tabla 4.6, Tabla 4.7 y Tabla 4.8 muestran la evolucin del proceso de cruce. La Tabla 4.5 muestra los padres participantes en el proceso de cruce. La 95
Implementacin y validacin del AG Tabla 4.6 muestra la primera pareja de padres, compuesta por los cromosomas 5 y 4, cuyo punto de cruce se corresponde con la posicin comprendida entre los genes 1 y 2, y cuya combinacin da lugar al Hijo 1 (Tabla 4.8). Del mismo modo, la Tabla 4.7 muestra la segunda pareja de padres, que darn lugar al Hijo 2 (Tabla 4.8) a partir de la combinacin de su informacin gentica con punto de corte entre los genes 2 y 3. Tabla 4.5 Progenitores participantes en el proceso de cruce.
(p.u.) 0,10121 0,18272 0,13205 0,48590 Padres NudoSVC 3 3 2 2 QSVC(Mvar) 221,811 209,539 149,537 233,818
Cr. 5 Cr. 4 Cr. 1 Cr. 3
Tabla 4.6 Punto de cruce para la primera pareja de padres: gen 1.

Primera pareja de padres (p.u.) NudoSVC QSVC(Mvar) 0,10121 3 221,811 0,18272 3 209,539
Cr. 5 Cr. 4
Tabla 4.7 Punto de cruce para la segunda pareja de padres: gen 2.

Segunda pareja de padres (p.u.) NudoSVC QSVC(Mvar) 0,13205 2 149,537 0,48590 2 233,818
Cr. 1 Cr. 3
Tabla 4.8 Descendencia por el mtodo de cruce.

(p.u.) 0,10121 0,18272 0,13205 0,48590 Padre NudoSVC 3 3 2 2 QSVC(Mvar) 221,811 209,539 149,537 233,818 (p.u.) 0,10121 0,13205 Hijo NudoSVC 3 2 QSVC(Mvar) 209,539 233,818 Hijo 1 Hijo 2
Cr. 5 Cr. 4 Cr. 1 Cr. 3
e) Mutacin En el proceso de mutacin se ha seleccionado, para este ejemplo, una probabilidad de cruce alta (0,5) aplicada a todos los genes del individuo que deben mutar, lo que permite ampliar el espacio de bsqueda de soluciones. En el proceso de mutacin se genera un nmero aleatorio (m), entre 0 y 1, para cada individuo de la poblacin, si dicho nmero es inferior a la probabilidad de mutacin, pm, entonces se produce una cambio en alguno de los genes seleccionado aleatoriamente, dentro de los lmites establecidos para dicho gen. La Tabla 4.9 muestra la aplicacin de dicho operador gentico a la poblacin inicial del ejemplo del sistema de 4 nudos.
96
Algoritmos Genticos Tabla 4.9 Mutacin de la poblacin inicial de la red de 4 nudos.

Padre
(p.u.) NudoSVC QSVC(Mvar)
m
(p.u.)
Hijo
NudoSVC QSVC(Mvar)
0,13205
149,537
0,05
0,89842
151,358
f) Generacin de la nueva poblacin Hasta ahora, a partir de la poblacin de 5 padres seleccionados, se han obtenido 2 hijos por cruce y 1 por mutacin. Es necesario completar la poblacin con 2 nuevos hijos ms que sern el resultado de la aplicacin del operador elitismo, segn el cual los dos mejores individuos de la poblacin se mantendrn en la nueva poblacin. En nuestro caso los dos cromosomas considerados lites son el 4 y 5. El resultado de la aplicacin de los operadores genticos (elitismo, cruce y mutacin) a la poblacin inicial da como resultado la siguiente poblacin, denominada poblacin 1. Tabla 4.10 Poblacin 1 de la red de 4 nudos.
Op. gentico Poblacin 1 Hijos lite Hijos cruce Hijo mutacin (p.u.) 0,18271625 0,10121454 0,10121454 0,13205468 0,89842469 NudoSVC 3 3 3 2 3 QSVC(Mvar) 209,539142 221,810899 209,539142 233,817557 151,358383
a) Solucin final Este proceso se repite hasta que, o bien se alcanza el nmero mximo de generaciones predefinidas para el algoritmo, o bien la diferencia entre el valor de la funcin de evaluacin de los mejores individuos de dos poblaciones consecutivas es menor que la tolerancia establecida. La configuracin ptima dada por el AG para este sistema, Tabla 4.11, establece que para un SVC de 282,95 Mvar, conectado en el nudo 3, la mxima cargabilidad del sistema es un 20% superior a la inicial (lm.=0,2).
97
Implementacin y validacin del AG Tabla 4.11 Evolucin de las poblaciones de la red de 4 nudos.
(p.u.) NudoSVC QSVC(Mvar)
F 1,0000 1,0000 1,0000 0,8173 0,8988 0,8173 0,8988 0,8988 1,0000 1,0000 0,8173 0,8988 0,8173 0,8988 0,8671 0,8173 0,8173 0,8671 0,8173 1,0000
P0
0,1321 0,6997 0,4859 0,1827 0,1012 0,1827 0,1012 0,1012 0,1321 0,8984 0,1827 0,1012 0,1827 0,1012 0,1329 0,1827 0,1827 0,1329 0,1827 0,8291
2 2 2 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3
149,54 187,46 233,82 209,54 221,81 209,54 221,81 209,54 233,82 151,36 209,54 221,81 209,54 151,36 213,05 209,54 209,54 213,05 209,54 135,23
Elite P1 Cruce Mutacin
lite P4 Cruce Mutacin
lite P10 Cruce Mutacin Mejor individuo
0,1827 0,1827 0,1827 0,1827 0,7937 0,2040 0,2040 0,1827 0,2040 0,5526
3 3 3 3 3 3 3 3 3 2
209,54 209,54 209,54 209,54 155,33 282,95 282,95 282,95 209,54 180,46
0,8173 0,8173 0,8173 0,8173 1,0000 0,7958 0,7958 0,8173 0,8173 1,0000
0,2040
282,95
0,7958
98
Algoritmos Genticos
4.7
Caso 1: localizacin de una unidad de generacin distribuida e inyeccin de potencia reactiva
A continuacin se va a realizar la validacin del algoritmo sobre la red de distribucin IEEE de 34 nudos modificada [91], cuyos datos se encuentran en el Anexo I. La Figura 4.11 y Figura 4.12 representan la red empleada en el estudio as como su perfil inicial de tensiones, respectivamente.
16 15 14 13 6 2 1 3 4 5 7 17 18 19 20 21 32 33 34 8 9 31 28 10 11 12 29 30
27
26 25
24
23
22
Figura 4.11 Esquema de la red IEEE de 34 nudos.

1,02 1 Tensin (p.u.) 0,98 0,96 0,94 0,92 0,9 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 Nudos
Figura 4.12 Perfil de tensiones inicial de la red IEEE de 34 nudos modificada. El objetivo establecido en la validacin del algoritmo es la maximizacin de la cargabilidad del sistema mediante la incorporacin ptima de una nica unidad de generacin con una unidad de generacin de potencia reactiva asociada. La unidad de generacin tiene una potencia aparente de 2MVA, y trabaja con un factor de potencia unidad. La capacidad mxima de la unidad de reactiva es 3,5Mvar.
99
Caso 1: localizacin de una unidad de GD e inyeccin de potencia reactiva El cromosoma empleado en la codificacin de soluciones del caso manejado en la validacin del algoritmo est compuesto por 3 genes que representan la cargabilidad del sistema, la localizacin de la unidad de generacin y la inyeccin de potencia reactiva por parte de dicha unidad en el sistema. Como se puede observar en la Figura 4.13, el tamao de la poblacin empleada en la validacin es de 20 individuos, con una probabilidad de cruce del 80% y de mutacin del 0,1%. El mximo nmero de generaciones se establece en 100.
Gen 1: (p.u.) Gen 2: NudoSVC Gen 3: QSVC(Mvar) Estructura del cromosoma
0.005 0.12 0.35 0.84
3 15 24 30
2.2 1.8 0.6 3
Individuo 1 Individuo 2 Individuo 3 Individuo 20
Figura 4.13 Ejemplo de Cromosomas y poblacin del caso 1. Una vez establecidas las condiciones de operacin del algoritmo el resultado ptimo es la localizacin de una unidad de generacin distribuida de 2 MW en el nudo 27, con una inyeccin de potencia reactiva de 2,769 Mvar. Esta solucin permite incrementar la cargabilidad del sistema un 5,6 %, respetando los lmites de generacin y operacin establecidos por las restricciones del problema. La Figura 4.14 muestra el perfil de tensiones inicial (lnea azul), el perfil de tensiones dado para el caso de incorporar la unidad de generacin en la localizacin ptima y sin incremento de carga con respecto a la inicial del problema (lnea roja), y el perfil de tensiones para el caso de mxima cargabilidad dado por el AG, es decir carga incrementada en un 5,6% (lnea verde).
1 0,99 0,98 Tensin (p.u.) 0,97 0,96 0,95 0,94 0,93 0,92 0,91 0,9 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 Nudos Caso Base 1 GD =0 1 GD lim
Figura 4.14 Perfil de tensiones del caso 1.
100
Algoritmos Genticos En la Figura 4.15 podemos observar como la incorporacin de una unidad de generacin distribuida (lnea roja) desplaza las curvas P-V del sistema hacia la derecha, aumentando, por tanto, la cargabilidad del mismo.
1,05 0,95 Tensin (p.u.) 0,85 0,75 0,65 0,55 0,45 0,35 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3 3,2 (p.u.) Caso Base 1 GD
Figura 4.15 Curvas P-V del caso 1. A la vista de los resultados mostrados en esta seccin podemos concluir que el estudio de la localizacin ptima de unidades de generacin, as como la determinacin de la inyeccin ptima de potencia reactiva por parte de estas unidades permite mejorar la cargabilidad del sistema, el perfil de tensin y la estabilidad de tensin.
4.8
Caso 2: localizacin simultnea de varias unidades de generacin distribuida e inyeccin ptima de potencia reactiva
Una vez validado el algoritmo con el objetivo de maximizar la carga del sistema mediante la incorporacin de una nica unidad de generacin distribuida con capacidad de inyeccin de potencia reactiva, se realiza un estudio para la incorporacin de varias unidades simultneamente. El objetivo del estudio, al igual que en el caso de validacin, es nico: maximizar la cargabilidad del sistema. La consecucin del objetivo est sujeta al cumplimiento de las restricciones del problema dadas por los lmites de potencia activa y reactiva de los generadores, el lmite establecido por los criterios de operacin del sistema para la tensin en los nudos de la red, as como el balance de potencias en los nudos. Para realizar este estudio se emplea, de nuevo la red de distribucin de 34 nudos modificada, en la que se van a incorporar 3 unidades de generacin de 2 MW cada una con capacidad mxima de inyeccin de potencia reactiva de 3,5 Mvar.
101
Caso 2: localizacin simultnea de varias unidades de GD e inyeccin ptima de potencia reactiva El estudio se subdivide a su vez en tres: incorporacin de una nica unidad (estudiado en la seccin 4.7), incorporacin de dos unidades de generacin simultneas y finalmente incorporacin de 3 unidades de generacin, con capacidad de potencia reactiva, simultneas. Esto supone un grado de penetracin de la generacin distribuida en el sistema del 23,9%; 47,8% y 71,7% respectivamente. En este caso, el cromosoma que representa las variables del estudio est compuesto por 3, 5 o 7 genes, dependiendo del nmero de unidades de generacin a introducir, que representan la cargabilidad del sistema, la localizacin ptima de las unidades de generacin y la inyeccin ptima de potencia reactiva en el sistema, respectivamente. El tamao de la poblacin empleada en la validacin es de 50 individuos, con una probabilidad de cruce del 80% y de mutacin del 0,1%. El mximo nmero de generaciones se establece en 100. La Tabla 4.12 muestra los resultados de las simulaciones del AG para el caso 2. Se puede observar que la ubicacin ptima de las unidades de generacin depende del nmero de unidades que vayan a ser introducidas en el sistema, es decir, del grado de penetracin. As, los puntos de conexin seleccionados para la incorporacin de tres unidades de generacin distribuida (nudos 10, 23 y 26) difieren de los seleccionados para la ubicacin de dos unidades (nudos 11 y 25), y estos, a su vez, del punto de conexin ptimo para una unidad de generacin (nudo 27), aunque hay que indicar que los nudos 10 y 11 se encuentran prximos as como los nudos 23-25-26 y 27. Tambin podemos apreciar que el aumento del grado de penetracin de las pequeas unidades de generacin distribuida en el sistema mejora notablemente la mxima cargabilidad del mismo; la mejor situacin corresponde al tercer caso, incorporacin de 3 unidades de generacin, que permite un incremento del 74% de la carga suministrada sobre la carga base del sistema. La Figura 4.16 muestra el perfil de tensiones de la red de estudio para la situacin base y los 3 casos de estudio de este apartado: incorporacin de una, dos o tres unidades de generacin. Del anlisis de esta grfica podemos concluir que el aumento del grado de penetracin de unidades de GD con capacidad de potencia reactiva permite disminuir la dispersin del perfil de tensiones de la red. Tabla 4.12 Resultados del AG para el caso 2.
Caso lm. 0 0,06 NudoSVC 27 11 0,30 25 0,74 10 23 26 2,79 2,15 2,45 2,71 QSVC (Mvar) 2,77 2,95
1
Sin GD
2
Una GD y un SVC
3
Dos GD y dos SVC
4
Tres GD y SVC
102
Algoritmos Genticos
1,02 1 0,98 0,96 0,94 0,92 0,9 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 Nudos
Tensin (p.u.)
Caso Base 1 GD =0 2 GD =0 3 GD =0
Figura 4.16 Perfil de tensiones del caso 2. La Figura 4.17 muestra el perfil de tensiones, en condiciones de mxima cargabilidad para cada uno de los casos de estudio de esta seccin. Podemos observar como el algoritmo trata de determinar la mxima carga en base a la restriccin impuesta por los lmites de operacin del sistema. Las tres soluciones propuestas por el AG implican un perfil de tensiones en el que, al menos uno de los nudos del sistema se encuentra en situacin lmite de operacin.
1 0,99 0,98 0,97 Tensin (p.u.) 0,96 0,95 0,94 0,93 0,92 0,91 0,9 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 Nudos Caso Base 1 GD lim 2 GD lim 3 GD lim
Figura 4.17 Perfil de tensiones para carga mxima del caso 2. Por ltimo, la Figura 4.18 muestra el estudio de estabilidad del sistema de 34 nudos, para los tres grados de penetracin propuestos, mediante el empleo de las curvas P-V. Podemos observar que: a mayor grado de penetracin mayor desplazamiento de la curva P-V hacia la derecha, y por lo tanto mayor distancia entre el punto de funcionamiento habitual y el punto de colapso de tensiones. Se
103
Caso 2: localizacin simultnea de varias unidades de GD e inyeccin ptima de potencia reactiva puede apreciar que la incorporacin de tres unidades de generacin aumenta notablemente el margen de estabilidad.
1 0,9 0,8 0,7 Tensin (p.u.) 0,6 0,5 0,4 0,3 0,2 0,1 0 0 0,5 1 1,5 2 (p.u) 2,5 3 3,5 4
1,05 1 0,95 0,9 0,85
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Caso Base 1 GD 2 GD 3 GD
Figura 4.18 Curvas P-V para el caso 2. De la validacin y anlisis del algoritmo propuesto para la resolucin del problema de optimizacin de la carga de sistemas de potencia podemos concluir: La determinacin de la inyeccin ptima de reactiva por parte de las unidades de generacin de reactiva, asociadas a las unidades de generacin distribuida, permite mejorar considerablemente el perfil de tensiones de la red disminuyendo la dispersin del mismo y centrando su valor medio en torno a 1 p.u. La localizacin ptima de los puntos de conexin de las nuevas unidades de generacin que se van a introducir en los sistemas de potencia mejora la cargabilidad del sistema desplazando las curvas P-V hacia la derecha con el consiguiente incremento del margen de estabilidad de tensin. La eleccin ptima de la localizacin de las unidades de generacin conlleva una mejora en el grado de penetracin de las nuevas tecnologas en el sistema elctrico respetando los lmites de operacin.
4.9
Algoritmo gentico multiobjetivo para maximizar la cargabilidad y el grado de penetracin
En el apartado anterior se ha demostrado la eficacia del AG desarrollado para maximizar la cargabilidad del sistema y se ha comprobado como la incorporacin de mltiples unidades de generacin mejora el perfil de tensiones de la red. Partiendo de este hecho, el siguiente paso es analizar cul es el grado de penetracin ptimo que puede presentar una red elctrica.
104
Algoritmos Genticos
4.9.1
El problema de optimizacin planteado en esta seccin trata de maximizar la cargabilidad del sistema y el grado de penetracin de la generacin distribuida bajo condiciones de estabilidad de tensin y seguridad de red. Nos enfrentamos, por tanto, a un problema de optimizacin multiobjetivo (carga y grado de penetracin) que podemos expresar de la siguiente manera:
= 1 2 1 + 1 2 1 (4.17)
Sujeto a:
Restricciones de igualdad correspondientes a las ecuaciones del flujo de cargas (4.3)-(4.9) Restricciones de desigualdad:
,
n = 1, 2, , NB k = 1, 2, , NG
,
(4.18) (4.19) (4.20) (4.21)
k = 1, 2, , NG k = 1, 2, , NG
Donde: - f(y) = , coeficiente de cargabilidad del sistema. =
, es el grado de penetracin del sistema calculado como la
relacin entre la potencia nominal de las unidades de generacin distribuida a introducir y la potencia activa consumida por las cargas. - NB es el nmero de nudos del sistema de potencia. - NG es el nmero de unidades de generacin introducidas en el sistema. Los coeficientes de ponderacin en la funcin multiobjetivo se han seleccionado de manera que no exista prioridad entre los objetivos individuales a la hora de establecer la ubicacin ptima.
4.9.2
Programacin del AG
Puesto que este nuevo problema de optimizacin es una evolucin del estudiado en el apartado 4.5, el esquema de pseudocdigo, la definicin de los cromosomas y la eleccin de los operadores genticos y criterios de parada siguen siendo vlidos. La principal diferencia reside en el factor de penalizacin de los individuos no factibles. Para el planteamiento multiobjetivo, el valor de aptitud asociado a los fenotipos no factibles es 10. Podemos resumir las condiciones en las que se realiza la programacin de la siguiente forma: La codificacin de los cromosomas se realiza mediante cadenas de 1+2*NG genes, siendo NG el nmero de unidades de generacin a introducir. La poblacin inicial se genera de forma aleatoria.
105
Algoritmo gentico multiobjetivo para maximizar la cargabilidad y el grado de penetracin La seleccin se realiza mediante el mtodo de la ruleta. El mtodo de cruzamiento es monopunto, con una probabilidad del 80%. La probabilidad de mutacin es del 0,1%. Los criterios de parada son dos: mximo nmero de generaciones y tolerancia entre soluciones consecutivas. El valor de aptitud asignado a las soluciones no factibles es 10.
4.9.3
Caso 3: maximizacin de carga y grado de penetracin. Aplicacin a red IEEE de 34 nudos
El objetivo del estudio es determinar la ubicacin ptima de cuatro unidades de generacin, as como la inyeccin de potencia reactiva de cada unidad, para maximizar la cargabilidad del sistema y el grado de penetracin en la red de distribucin IEEE de 34 nudos modificada representada en la Figura 4.11. Las unidades de generacin distribuida a introducir en el sistema tienen una potencia nominal de 1,5 MW con capacidad de inyeccin de potencia reactiva mxima de 2,25 Mvar. Los resultados del AG se muestran en la Tabla 4.13 y Tabla 4.14. Tabla 4.13 Resultados caso 3: Mxima cargabilidad y penetracin.
lm.
0,62235
% penetracin
70,09
Tabla 4.14 Resultados caso 3: Puntos de conexin, potencias activas y reactivas inyectadas.
PC1
10
P1
(MW)
Q1
(Mvar)
PC2
25
P2
(MW)
Q2
(Mvar)
PC3
21
P3
(MW)
Q3
(Mvar)
PC4
22
P4
(MW)
Q4
(Mvar)
1,49
1,8
1,5
1,72
1,44
1,94
1,42
La solucin propuesta por el AG para el problema planteado establece que las unidades de generacin deberan conectarse en los nudos 10, 25, 21 y 22 , con una potencia mxima de generacin de activa y reactiva de 1,49 MW, 1,5 MW, 1,44 MW, 1,42 MW, 1,8 Mvar, 1,72 Mvar, 1,94 Mvar y 2 Mvar respectivamente. Bajo esta situacin de generacin la mxima carga que puede ser abastecida respetando los lmites de funcionamiento es de 13,53 MW y 8,59 Mvar, lo que representa un incremento de la carga del 62,23 %. El grado de penetracin mximo que se puede alcanzar es del 70,1%. La Figura 4.19 muestra el perfil de tensiones de la solucin dada por el AG para el estudio multiobjetivo propuesto, carga base y mxima cargabilidad, en comparacin con el perfil de tensiones de la red inicial.
106
Algoritmos Genticos
1,02 1,01 1 0,99 0,98 0,97 0,96 0,95 0,94 0,93 0,92 0,91 0,9 1 3
Tensin (p.u.)
Caso Base 4 GD =0 4 GD lm 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
Figura 4.19 Perfil de tensiones del caso 3. A partir de los resultados obtenidos de la aplicacin del AG diseado para maximizar la carga suministrada de un sistema elctrico y el grado de penetracin de las unidades de generacin distribuida se puede concluir que: la localizacin ptima de fuentes de generacin distribuida supone una mejora en el volumen de carga abastecida por el sistema en condiciones normales de funcionamiento y respectando los lmites de operacin establecidos en la legislacin del sector elctrico. La ubicacin ptima de la generacin distribuida, respetando las reas de influencia del recurso empleado en la generacin de energa elctrica, permite aumentar la potencia nominal de las instalaciones a conectar. La eleccin ptima de la potencia reactiva inyectada por las unidades de generacin mejora considerablemente el perfil de tensiones del sistema elctrico de estudio.
4.10 Sntesis
En este captulo se recoge una extensa revisin sobre la tcnica metaheurstica de los algoritmos genticos. Estos algoritmos se basan en la teora de la evolucin de las especies de Darwin. Los AG trabajan con una poblacin de posibles soluciones que evoluciona mediante los mecanismos de seleccin, mutacin y cruce, principalmente. Para facilitar el entendimiento del mecanismo de estos algoritmos se muestra un ejemplo paso a paso para la localizacin de una unidad de compensacin de reactiva. A continuacin, se desarrolla un AG para maximizar la cargabilidad de un sistema de potencia mediante la localizacin ptima de varias unidades de generacin distribuida. Dicho algoritmo se prueba en la red de distribucin IEEE de 34 nudos. A continuacin, se modifica dicho algoritmo para optimizar una funcin multiobjetivo en la que intervienen la cargabilidad del sistema y el grado de penetracin de generacin distribuida. Se comprueba que los AG son vlidos para resolver problemas multiobjetivo.
107
CAPTULO 5 MODELADO DE FUENTES DE

GENERACIN DE POTENCIA REACTIVA
La estabilidad de tensin y la gestin de potencia reactiva en sistemas elctricos requieren de unidades que ofrezcan una regulacin de potencia reactiva dinmica segn las necesidades de la red. En este captulo se analizan los modelos de los SVC que permiten realizar una regulacin de tensin en el punto de conexin o en terminales de parques elicos de velocidad fija. En el caso de parques elicos de velocidad variable formados por generadores asncronos doblemente alimentados, se desarrolla el modelo que permite determinar la mxima capacidad de inyeccin de potencia reactiva que puede ofrecer el parque para cada punto de funcionamiento.
Modelado de fuentes de generacin de potencia reactiva
5.1
Cdigos de conexin a red de generadores elicos
Debido al auge experimentado por la produccin de electricidad a partir de la energa elica en los ltimos aos, los operadores de los sistemas elctricos han desarrollado una serie de requerimientos de conexin a red de esta tecnologa, recogidos en lo que se conoce como cdigos de red, [92] - [102]. Entre los requerimientos tcnicos ms importantes se encuentran: la regulacin de la potencia activa y control de frecuencia; la regulacin de la potencia reactiva y factor de potencia; la regulacin de tensin; los lmites de operacin en cuanto a tensin y frecuencia se refiere; y el comportamiento de los parques elicos ante perturbaciones en la red, como por ejemplo, huecos de tensin. El objetivo de los cdigos de conexin es establecer unos requisitos de operacin que favorezcan la integracin de la generacin elica en los sistemas elctricos, como por ejemplo: mejorar la estabilidad de la red, minimizar la desconexin de los mismos tras una perturbacin, y que proporcionen unas caractersticas de operacin semejantes a las de las plantas de generacin convencionales. La capacidad de regulacin de la potencia reactiva, por parte de los generadores elicos, se recoge en la mayora de los cdigos de conexin existentes con el objetivo de realizar el control de la tensin en el punto de conexin del parque elico a la red, o incluso en un nudo alejado. La Figura 5.1 y Figura 5.2 reflejan los requerimientos tcnicos relacionados con el factor de potencia de los generadores elicos en funcin de la potencia activa suministrada por los mismos, y de la tensin en el punto de conexin, para la mayora de los cdigos de conexin.
110
105 V( %)
100
95
90 -0,95 1 0,95 Factor de potencia
Figura 5.1 Requerimientos tpicos para el factor de potencia en funcin de la tensin.
111

100 80 Potencia (MW) 60 40 20 0 0,8 0,85 0,9 0,95 1 -0,95 -0,9 Factor de potencia (p.u.) -0,85 -0,8
Inductivo
Capacitivo
Figura 5.2 Potencia activa de los generadores elicos en funcin del factor de potencia. Los cdigos de conexin a red exigen a los generadores elicos un comportamiento frente a variaciones de la tensin semejante al de los generadores convencionales.
line-to-lin e voltage p er voltage level in k V
130 440 253 127 420 245 123 350 193 96

+5%
Tensin lnea a lnea (kV)
400 275 0 220 110 400 275 380 220 110 110
UK
-5%
350 193 96 90
E.On -0.15 Germany NGET UK
-0.05 0.95 underexcited
1.0 power factor
0.05 0.95
0.925
0.15
UK >33kV NGET(under 33 kV)
overexcited
inductivo capacitivo Factor de potencia (p.u.)
Figura 5.3 Requerimientos de conexin en cuanto a factor de potencia se refiere para Alemania e Inglaterra. La Figura 5.3 compara los requerimientos tcnicos en funcin del factor de potencia para diferentes cdigos de red alemanes, E.ON [92], e ingleses, NGET [93]. Los cdigos E.ON especifican que los parques elicos pueden trabajar con factores de potencia inductivos o capacitivos en caso de sobretensin. Teniendo en cuenta los cdigos ingleses, los parques elicos tienen que ser capaces de suministrar la mxima potencia reactiva para tensiones en torno a la tensin nominal, 1 p.u., para niveles de tensin de 400 kV y 275 kV. Otro requisito de los
112
Modelado de fuentes de generacin de potencia reactiva cdigos de red ingleses establece que los parques elicos deben disponer de un sistema automtico de control de la tensin en el punto de conexin del parque. Finalmente, los cdigos irlandeses ESB [94], establecen un valor de referencia para la tensin en el punto de conexin de los parques elicos. La Figura 5.4 muestra los requerimientos de los cdigos ESB y NGET para la variacin de la capacidad de aporte de potencia reactiva. La zona delimitada por los puntos A, B, C y D (lnea roja) corresponde a los requerimientos irlandeses, para la capacidad de potencia reactiva en funcin del factor de potencia. El punto A corresponde a un aporte de potencia con un factor de potencia 0,95 capacitivo mientras que el punto B corresponde a un funcionamiento con factor de potencia 0,95 inductivo. Los puntos C y D establecen el factor de potencia para un aporte de potencia reactiva del 5%, y el punto E para el 12% de la capacidad nominal. Si observamos el comportamiento requerido por el cdigo irlands (lnea roja), se comprueba que los aerogeneradores deben suministrar al menos el 50% de su potencia nominal para factor de potencia 0.835 inductivo o capacitivo.
100 90 80 Potencia activa (%) 70 60 50 40 30 20 10 0
C
cos phi 0,835
D
cos phi 0,95
Potencia Reactiva (%)
NGET
ESB
Figura 5.4 Requerimientos de los cdigos de conexin ingleses e irlandeses. El cdigo Nordel [95] especifica que los aerogeneradores deben disponer de un control de la potencia reactiva de salida para regular la tensin en el punto de conexin. En los cdigos Eltra [96] y [97], la potencia reactiva inyectada por los generadores debe poder variarse en la banda mostrada en la Figura 5.5. Las lneas corresponden a un factor de potencia 0,995. El control de potencia reactiva se puede realizar de manera individual en cada mquina o a nivel de parque.
113

100 90 80
Potencia Activa (%)
70 60 50 40 30 20 10 0 -20
Banda de control
-15
-10
-5
10
15
20
Potencia reactiva (%) Genera Absorbe
Figura 5.5 Requerimientos del cdigo Eltra. Los cdigos belgas [98] establecen que los parques elicos con una capacidad superior a 25 MW deben ser capaces de controlar la potencia reactiva en el intervalo comprendido entre el -10% y el 45% de su capacidad, es decir, deben ser capaces de absorber o inyectar potencia reactiva en el sistema. Hydro Quebec [99] establece que, aquellos parques elicos con capacidad superior a 10 MW, deben estar dotados de un control automtico de la tensin que pueda operar en el intervalo correspondiente a factores de potencia 0,95 inductivo o capacitivo. Este cdigo reitera, adems, la necesidad de que los parques elicos contribuyan al control de tensin tanto en estados de funcionamiento normal del sistema como ante variaciones dinmicas del mismo. El cdigo canadiense AESO [100] prescribe que la regulacin de tensin y potencia reactiva por parte de los parques elicos se debe realizar en el lado de baja tensin de los transformadores de conexin a red. La Figura 5.6 muestra los requerimientos, en cuanto a potencia reactiva se refiere, del cdigo de conexin AESO canadiense. Se distinguen dos zonas: la correspondiente a un funcionamiento continuo del sistema, en la que el rango de variacin del factor de potencia se sita en el intervalo -0,95 0,9, y una segunda zona donde el comportamiento de la potencia reactiva es dinmico, en el que el intervalo de variacin del factor de potencia es -0,985 0,95. La Figura 5.7 muestra un resumen de los requerimientos relacionados con el factor de potencia para los cdigos de conexin a red de los diferentes estados analizados. El cumplimiento de los requerimientos tcnicos de conexin a red de los aerogeneradores de velocidad fija, en cuanto a regulacin de potencia reactiva, se consiguen mediante la conexin de dispositivos FACTS en los terminales de las mquinas o del parque elico. Para el caso de las mquinas asncronas doblemente alimentadas, el control de potencia reactiva se puede realizar mediante el control de los convertidores electrnicos de conexin a red.
114
100 90 80
Cos phi= -0,985 Cos phi= 0,95
Potencia Activa (%)
70 60 50 40 30 20 10 0 -40 -30 -20 -10
Cos phi= 0,9 Cos phi= -0,95
10
20
30
40
Consume
Potencia reactiva (%) Dinmico Esttico
Genera
Figura 5.6 Requerimientos del cdigo AESO [100].

100 90 80
Potencia Activa (%)
70 60 50 40 30 20 10 0 -40 -30 -20 -10 0 10 20 30 40
Potencia Reactiva (%) P Irlanda 0,835 Canad esttico P Irlanda 0,95 Dinamarca capacitivo Canad dinmico Dinamarca inductivo
Figura 5.7 Resumen de requerimientos de los diferentes cdigos de conexin.
115
Modelos de compensadores estticos de potencia
5.2
Modelos de Compensadores estticos de potencia
En los estudios estticos de estabilidad de tensin, se emplean modelos del SVC, en rgimen permanente, que describen el comportamiento del dispositivo a la frecuencia fundamental, incluyendo el control y los lmites de operacin del mismo. La configuracin ms comn de los SVC corresponde a un condensador fijo conectado en paralelo con un ncleo controlado por tiristores, TCR (Thyristor Controlled Reactor) [103]. La Figura 5.8 muestra el esquema fundamental de un TCR. El ncleo central de los TCR est compuesto por una inductancia fija (L) y un conjunto de tiristores en antiparalelo, que constituyen los elementos de control del dispositivo. Como se puede ver en la Figura 5.9, para ngulos de disparo de los tiristores de 90, el dispositivo ofrece su mxima capacidad de inyeccin de corriente. Esta condicin de funcionamiento corresponde a la situacin en la que la tensin sobre la inductancia es mxima y los tiristores se encuentran cortocircuitados. En el modelo actual se va a despreciar la resistencia de la inductancia [104].
Figura 5.8 Esquema de reactancia controlada por tiristores (TCR). La corriente instantnea suministrada por los SVC viene dada por:
cos 0 cos + < < +
(5.1).
Donde:
es la tensin del SVC en el punto de conexin. es la inductancia total del SVC. es el ngulo de disparo. es el ngulo de conduccin del SVC que viene dado por:
116

2 (5.2)
La Figura 5.9, Figura 5.10 y Figura 5.11 muestran las formas de onda de la corriente de un dispositivo TCR para diferentes ngulos de disparo del ncleo del TCR y de conduccin. La corriente de salida de los SVC es funcin del ngulo de disparo de los tiristores. As, la mxima corriente se obtiene para un ngulo de disparo de 900, mientras que ngulos de disparo entre 900 y 1800, suponen un aporte de corriente parcial; ngulos de disparo comprendidos entre 0 y 900 no estn permitidos, ya que provocan corrientes asimtricas con un alto componente de corriente continua. El aumento del ngulo de disparo permite disminuir el contenido en armnicos de la corriente fundamental. Esto es equivalente a aumentar la inductancia del dispositivo, reduciendo su aporte de reactiva y su corriente. A medida que aumenta la componente fundamental de la frecuencia, el comportamiento del TCR se asemeja al de un compensador esttico.
-1 1 0,5 Tensin y corriente (p.u.) 0 -0,5 -1 1 0,5 0 -0,5 -1 Corriente Tensin
50
100
150
200 Grados ()
250
300
350
400
Figura 5.9 Onda de corriente para un dispositivo TCR, SVC=90. La componente fundamental de la corriente, a frecuencia fundamental, se obtiene a partir de un anlisis de Fourier, (5.3), o en su forma reducida (5.4): 2 = sin 2
(5.3)
Que se puede expresar como:

(5.4)
Donde:
117
Modelos de compensadores estticos de potencia 2 sin 2

(5.5).
-1 1 0,5 0 Tensin y Corriente -0,5 -1 1 0,5 0 -0,5 -1 Corriente Tensin
50
100
150
200 Grados ()
250
300
350
400
Figura 5.10 Onda de corriente para un dispositivo TCR, SVC=120.
0 -0,5 0,5 Tensin y corriente (p.u.) 0 -0,5 0,5 0 -0,5 0,5 0 -0,5 Corriente Tensin
50
100
150
200 Grados ()
250
300
350
400
Figura 5.11 Onda de corriente para un dispositivo TCR, SVC=150.
118
El valor mximo de es 1 , que corresponde a un ngulo de 0 conduccin de 180 , condicin de conduccin mxima del grupo de tiristores. El valor mnimo de es 0 y se obtiene para ngulo de conduccin nulo, o ngulo de disparo 180, Figura 5.12. ngulos de disparo de los tiristores por debajo de 90 no estn permitidos ya que la onda de corriente es asimtrica con una componente de continua elevada. Generalmente en los estudios de flujo de carga, los TCR se representan por una susceptancia variable en funcin de los lmites de potencia reactiva y tensin en el punto de conexin de la misma. Sin embargo, esta representacin no es completamente correcta, ya que no tiene en cuenta los lmites fsicos de operacin del dispositivo, es decir, los lmites impuestos por el ngulo de disparo de los tiristores.
1 0,9 0,8 0,7 B (SVC) 0,6 0,5 0,4 0,3 0,2 0,1 0 90 110 130 ngulo () 150 170
Figura 5.12 Ley de control de los TCR. A partir de lo expuesto anteriormente, resulta imprescindible introducir el ngulo de disparo de los tiristores de los SVC entre las variables de control de los sistemas de potencia provistos de dichos dispositivos. La ley que regula el control de la tensin en un dispositivo SVC se puede expresar mediante la caracterstica tensin-corriente:
(5.6)
Valores tpicos de XSL estn comprendidos en el intervalo 0,02-0,05 p.u., referida a la base del SVC. En condiciones de lmite de tensin, el SVC se transforma en una reactancia fija. El control de tensin en los SVC se realiza en un rango del 10%. La Figura 5.13 muestra la curva caracterstica de un SVC, donde se ha considerado que el rango de funcionamiento inductivo y capacitivo del dispositivo son iguales, y la corriente del SVC est expresada en p.u. con respecto al mximo valor de la corriente del dispositivo.
119
Modelos de compensadores estticos de potencia

1,5
Capacitivo
1
Tensin (p.u.)
Inductivo
0,5
0 -1,5 -1 -0,5 0 Intensidad (p.u.) 0,5 1 1,5
Figura 5.13 Curva caracterstica de un SVC. La potencia reactiva proporcionada por los TCR se puede calcular, entonces, mediante la expresin (5.7):
(5.7)
5.3
Aerogeneradores de velocidad fija
Los primeros sistemas elicos estaban formados por aerogeneradores de velocidad fija. En este tipo de sistemas se emplean generadores asncronos de jaula de ardilla directamente conectados a la red por lo que la velocidad de giro de la mquina viene impuesta por la frecuencia de la red a la que se encuentra conectada. Puesto que la frecuencia de los sistemas de potencia es fija, o vara en un rango muy pequeo, la velocidad de giro de la mquina es prcticamente fija, pudiendo variar en un rango del 1%. La rigidez en la velocidad de giro, junto con la gran dependencia de la potencia y el par mecnico con la velocidad del viento, provoca en estos sistemas perturbaciones de la potencia inyectada en la red y sobreesfuerzos en los elementos mecnicos de la mquina. Uno de los problemas que presentan estos sistemas es el consumo de potencia reactiva de la mquina. Para mejorar el factor de potencia se emplean sistemas de compensacin de potencia reactiva a nivel de aerogenerador o parque. Entre los sistemas de compensacin de reactiva ms extendidos se encuentran los bancos de condensadores con varios escalones de conexin o los SVC, dispositivos controlados por tiristores.
120
Modelos de fuentes de generacin de potencia reactiva La Figura 5.14 muestra el esquema bsico de un aerogenerador de velocidad fija. En los sistemas de velocidad fija, directamente acoplados a red, es necesario emplear una caja multiplicadora para adecuar la velocidad de giro de la turbina a la velocidad de giro del generador.
Figura 5.14 Esquema de aerogenerador de velocidad fija.
5.4
Aerogeneradores de velocidad variable
Los aerogeneradores de velocidad variable conectan la mquina a la red mediante convertidores electrnicos. Los convertidores actan como variadores de frecuencia que permiten modificar o adecuar la velocidad de giro de la mquina a la velocidad del viento incidente en las palas. El generador asncrono doblemente alimentado es el ms utilizado en los sistemas de velocidad variable. Esta topologa est formada por una mquina asncrona de rotor bobinado y dos convertidores trifsicos con transistores IGBT con un enlace de continua, como se muestra en la Figura 5.15. En estos generadores, el estator est conectado directamente a la red a travs de un transformador, mientras que el rotor se alimenta a travs de un convertidor en cascada (rectificador-inversor con conexin back to back). El convertidor del lado del rotor (rectificador) puede excitar los devanados del rotor con una frecuencia variable, lo que permite absorber las variaciones de la velocidad de rotacin, a la vez que regula el par y la potencia del generador. El convertidor del lado de red (inversor) opera en sincronismo con la red transfiriendo tanto la potencia activa como la reactiva. Al controlar la corriente del lado de red, se controla la potencia activa de salida del generador mediante la corriente directa del estator ligada al flujo del estator. Por otro lado, el control de la corriente del convertidor del lado del rotor, permite controlar la potencia reactiva inyectada por el generador mediante la componente en cuadratura de la intensidad ligada al par. En este esquema, la potencia entregada por el rotor es directamente proporcional al deslizamiento de la mquina. Puesto que el deslizamiento se encuentra dentro del margen del 30%, el convertidor est diseado para volcar en la red el 30% de la potencia de la mquina.
121
Aerogeneradores de velocidad variable
Figura 5.15 Esquema de sistema de velocidad variable con generador asncrono doblemente alimentado.
5.5
Potencia mecnica extrable del viento y estrategia de control de aerogeneradores
La potencia que se puede extraer del viento viene definida por la siguiente relacin:
Donde representa la densidad del aire, barrida por las palas.
1 2
(5.8)
la velocidad del viento,
el rea
El lmite de Betz establece que cualquier sistema de aprovechamiento del recurso elico puede transformar como mximo un 59,3% de la potencia indicada en (5.8). El factor que relaciona la potencia mecnica desarrollada por la turbina en el eje de baja velocidad y la potencia disponible en el viento, , se denomina coeficiente mecnico de potencia, . Este coeficiente se puede interpretar como el rendimiento que presenta el rotor elico y depende fundamentalmente de la velocidad del viento, de la velocidad de giro de la turbina y del ngulo de calado de las palas. Reduciendo esta dependencia a dos parmetros adimensionales, se puede decir que el coeficiente mecnico de potencia depende del ngulo de paso de pala, , y el coeficiente de velocidad especfica, , que es la relacin entre la velocidad lineal en la punta de la pala y la velocidad del viento incidente, [105]. Teniendo en cuenta el rendimiento del sistema mecnico del aerogenerador, , formado por los cojinetes, cierres de contacto del eje y la caja multiplicadora; y el rendimiento elctrico del generador, , se define un nuevo coeficiente conocido como coeficiente de potencia elctrico
, = , (5.9)
Finalmente, la potencia del aerogenerador se obtiene segn la expresin:
1 2
(5.10)
122
Modelos de fuentes de generacin de potencia reactiva Puesto que el coeficiente de potencia depende de la velocidad de la punta de la pala y la velocidad del viento segn la expresin (5.11), donde R es la longitud de la pala y es la velocidad angular de la pala, se puede deducir fcilmente que para extraer la mxima potencia de un viento dado, la velocidad de giro de la turbina debe ser proporcional a la velocidad de giro del viento segn la expresin (5.12), donde es la velocidad ptima o velocidad de mxima potencia.
(5.11)

(5.12).
Sustituyendo la expresin del viento, , obtenida de (5.12) en (5.10) se obtiene que la potencia mxima obtenida por el aerogenerador se puede expresar en funcin de la velocidad angular de las palas:
(5.13)
La Figura 5.16 muestra una estrategia de control tpica para estado estacionario, en la que la velocidad de la turbina se puede expresar en funcin de la potencia mecnica segn (5.14), en la que los parmetros y son constantes que dependen de los parmetros de diseo de la mquina elica, y definen los lmites de variacin de la velocidad angular de la mquina. La estrategia de control se divide en tres zonas: mnima velocidad del rotor, velocidad optimizada y mxima velocidad.
=

Considerando la velocidad angular de la red, podemos definir el deslizamiento de la mquina como:

= (5.15)
(5.14)
A partir de (5.15), podemos concluir que el deslizamiento es una funcin dependiente de la potencia mecnica:
(5.16)
123
Potencia mecnica extrable del viento y estrategia de control de aerogeneradores
1,4
max
1,3
1,2 Velocidad del rotor [p.u.]
1,1
0,9
0,8
min
0,7
0,1
0,2
0,3 0,4 0,5 0,6 0,7 Potencia mecncia Pmech[p.u.]
0,8
0,9
Figura 5.16 Estrategia de control de la velocidad de la turbina elica en funcin de la potencia.
5.6
Modelo de la mquina asncrona doblemente alimentada
En la dcada de los ochenta, la tecnologa empleada en los primeros aerogeneradores era la mquina de velocidad fija, mquinas de induccin con rotor de jaula de ardilla, a las que pronto se provey de un banco de condensadores para compensacin de potencia reactiva. En la dcada de los noventa, aument el nmero de mquinas de velocidad variable; entre ellas, las mquinas asncronas doblemente alimentadas fueron las ms extendidas en aplicaciones de grandes potencias. La principal caracterstica de la mquina asncrona doblemente alimentada reside en la posibilidad de controlar de forma precisa la velocidad y el factor de potencia mediante el empleo de un convertidor con una capacidad en el entorno del 30% de la potencia nominal de la mquina. En la Figura 5.17 se muestra un modelo de aerogenerador con esta tecnologa. La mquina asncrona doblemente alimentada intercambia potencia con la red a travs del devanado estatrico y rotrico. La mayor parte de la potencia fluye hacia la red a travs del estator, mientras que una fraccin de la potencia fluye a travs del rotor mediante el convertidor de potencia. A continuacin, se detalla el modelo equivalente para estado estacionario de una mquina asncrona doblemente alimentada. Las ecuaciones fundamentales que rigen el comportamiento de la mquina en estado estacionario vienen dadas
124
Modelos de fuentes de generacin de potencia reactiva por las ecuaciones (5.17) a (5.20) a la frecuencia fundamental y estn referidas a las coordenadas del estator. Por simplificacin, los armnicos a frecuencias superiores, las prdidas en el cobre y los devanados, y las prdidas en el convertidor no se incorporan al modelo, [106].
Transformador
Sistema mecnico
Convertidor del lado de red
Convertidor del rotor
Convertidor electrnico de potencia Figura 5.17 Modelo de aerogenerador con mquina asncrona doblemente alimentada. Las ecuaciones (5.17) y (5.18) representan los fasores de la tensin en el devanado estatrico y rotrico en funcin de los enlaces de flujo de los devanados, respectivamente.
(5.17) (5.18)
Las ecuaciones (5.19) y (5.20) muestran los fasores del flujo del devanado estatrico y rotrico, respectivamente, en funcin de los fasores de intensidad y de la inductancia de ambos devanados, (5.21) y (5.22).
(5.19) (5.20)
Finalmente, la inductancia de cada devanado se expresa como la inductancia de dispersin propia ms la inductancia mutua, LM.
(5.21) (5.22) (5.23)
Sustituyendo los enlaces de flujo de las ecuaciones (5.19) y (5.20) se obtienen las ecuaciones (5.24) y (5.25) que describen la relacin entre las corrientes y tensiones del estator y el rotor. La tensin y corriente del rotor estn referidas al estator. 125

+ + + + + = = (5.24) (5.25)
La Figura 5.18 muestra el esquema equivalente del circuito correspondiente a las ecuaciones (5.24) y (5.25).
Figura 5.18 Circuito equivalente de la mquina asncrona doblemente alimentada. Puesto que el convertidor se encuentra conectado al rotor, las variables de control del sistema son las correspondientes al rotor. Sin embargo, las intensidades rotricas y estatricas se encuentran relacionados mediante la corriente de magnetizacin del estator definida segn (5.26), donde es el fasor de corriente de magnetizacin responsable del flujo del estator incluyendo la dispersin del estator [107]. La Figura 5.19 muestra la representacin de esta intensidad en ejes d-q referidos al flujo del estator.
= 1+ + (5.26)
Figura 5.19 Vector de corriente de magnetizacin del estator referida en ejes d-q. La ecuacin de la tensin en el estator se puede escribir segn la ecuacin (5.27).
= (5.27)
Como se puede observar, el fasor de la tensin del estator es imaginario y se encuentra alineado con el eje q, mientras que la corriente de magnetizacin es real y alineada con el eje d.
= + = =| |= = (5.28)
126
Modelos de fuentes de generacin de potencia reactiva
5.6.2
5.6.2.1
Potencia activa entregada a la red

Potencia cedida por el estator
La potencia activa cedida por el estator a la red se obtiene a partir de la componente real de la potencia aparente en terminales del estator.
Sustituyendo por la ecuacin (5.27) y expresando al corriente por el estator en ejes d-q se obtiene:
= (5.30)
(5.29)
5.6.2.2
Potencia cedida por el rotor

=
De la misma manera se puede obtener la potencia cedida por el rotor:

(4.1)
Sustituyendo el fasor de tensin del rotor, , y el fasor de la corriente por las ecuaciones (5.25) y (5.26), obtenemos la expresin para la potencia cedida por el rotor a la red:
= = (5.31)
5.6.2.3
Potencia activa total entregada a la red
Finalmente, la potencia cedida por la mquina a la red ser la suma de la potencia entregada por el estator, (5.30), y la cedida por el rotor,(5.31):
= + = 1 (5.32)
5.6.3
5.6.3.1
Potencia reactiva entregada a la red

Potencia reactiva cedida por el estator
La potencia reactiva entregada por el estator a la red se puede obtener a partir del trmino imaginario de la potencia aparente de la mquina:
=
5.6.3.2
Potencia reactiva cedida por el rotor
(5.33)
La conexin entre el rotor y la red se realiza a travs de un convertidor. El lado del convertidor conectado con la red est diseado para mantener la tensin continua y transportar la energa desde el rotor a la red, por lo que la potencia activa que transmite el convertidor del lado de red es la potencia activa facilitada por el rotor, PCRed=PR.
127
Modelo de la mquina asncrona doblemente alimentada El convertidor conectado a red, generalmente, tiene una capacidad de aproximadamente el 30% de la potencia aparente de la mquina. Bajo estas condiciones, y en el caso en el que la mquina est trabajando a potencia mxima, el convertidor conectado a red no es capaz de ofrecer regulacin de potencia reactiva. Actualmente, los operadores de las redes de transporte y distribucin no emplean la capacidad de generacin de reactiva de los convertidores en condiciones de carga parcial, o incluso en condiciones de no produccin. La potencia reactiva cedida por el convertidor de red a la red viene dada por la ecuacin (5.34), y depende de la capacidad del convertidor de red (SCRed) y de la potencia activa entregada por el rotor a la red, PR.

(5.34)
(5.35)
La potencia aparente del convertidor define los lmites de la mxima tensin de corriente alterna en el convertidor, CRed, y la corriente ICRed, (5.35). Generalmente, los aerogeneradores no emplean la capacidad de reactiva del lado del convertidor conectado a red. Sin embargo, el convertidor del lado de red puede ser considerado como una fuente de generacin de reactiva, como los STATCOM, cuyo aporte de reactiva puede ser controlado dinmicamente en funcin de la turbina elica y las condiciones de conexin a la red, [106] y [107]. Cuando sea necesario disponer de mayor capacidad de inyeccin de potencia reactiva se puede sobredimensionar el convertidor de red y controlarlo como un STATCOM. 5.6.3.3 Potencia reactiva total entregada a la red
Por tanto, la potencia reactiva entregada por la mquina asncrona doblemente alimentada a la red viene dada por la suma de la potencia reactiva cedida por el estator, ms la cedida por el convertidor conectado a red:
Q Q Q (5.36)
5.6.4
Diagrama PQ
La mxima transferencia de potencia de la mquina asncrona doblemente alimentada est condicionada por: La corriente del estator y del rotor est limitada por la mxima corriente que puede circular por el estator y por el rotor y por la mxima corriente que puede circular tanto en el convertidor del rotor como en el convertidor de red. <
,
128
<
Modelos de fuentes de generacin de potencia reactiva <

, ,
La tensin en el rotor y en el lado de corriente alterna del convertidor de red est definida por la capacidad del rotor y de los convertidores: < <
, ,
<
La tensin en el punto de conexin de la turbina puede variar en torno al 10% de la tensin en el punto de conexin, dependiendo de las especificaciones permitidas por los operadores de las redes. El deslizamiento de la mquina puede variar entre el mximo y mnimo valor especificado por el fabricante. Generalmente se acepta una variacin del 30% de la velocidad de sincronismo. El punto de operacin del deslizamiento de una mquina asncrona doblemente alimentada depender de la variacin de la velocidad de la punta para cada condicin de velocidad del viento.
Por lo tanto, para obtener el diagrama PQ de la mquina asncrona doblemente alimentada es necesario estudiar los lmites impuestos por cada uno de estos factores a la generacin de potencia reactiva. 5.6.4.1 Limitacin de la corriente del rotor
La corriente por el estator y por el rotor, referida a los ejes d-q se puede expresar mediante las siguientes expresiones, donde es el ngulo que forma el fasor de intensidad con el eje directo:
= + = = + , 1+ 1+
,
(5.37) (5.38)
Sustituyendo (5.26) en la corriente en el estator, las componentes en ejes d-q son:

=
(5.39) (5.40)
Sustituyendo la tensin y corriente en el estator, en ejes d-q, en las ecuaciones de la potencia activa y reactiva entregada por la mquina asncrona doblemente alimentada, (5.32) y (5.33):
= 1 = 1+
,
1+
(5.41) 1+ (5.42)
129
Definiendo los parmetros:

,
(5.43) (5.44)
Se obtiene la curva PQ para la limitacin de corriente del rotor segn la ecuacin (5.45), que corresponde a una elipse centrada en (0,- ), con ejes [( (S-1), ], Figura 5.20. Para la situacin particular en la que el deslizamiento sea nulo, el diagrama PQ se convierte en una circunferencia centrada en (0,- ), y radio .
1
1 s= s= s= s= s= -0,3 -0,2 0,0 0,2 0,3
=1
(5.45)
0,5 Potencia reactiva Q[p.u.]
-0,5
-1
-1,5
0,2
0,4
0,6 0,8 Potencia activa P[p.u.]
1,2
1,4
Figura 5.20 Lmites de operacin dados por la corriente rotrica. 5.6.4.2 Limitacin de la tensin del rotor
La expresin que relaciona la tensin en el rotor en funcin de la corriente y tensin estatricas se puede obtener partir de las ecuaciones (5.25), (5.26) y (5.28).
= 1+ 1+ + (5.46)
130
Que se puede simplificar en:

1
Si se define como el factor de dispersin total segn:

= 1 1+ 1+ 1+ (5.48)
1 1+
1+
(5.47)
Y sustituyendo dicha expresin en (5.47) se obtiene:

= + (5.49)
Considerando las componentes en ejes d-q de la tensin rotrica, la corriente estatrica se puede expresar segn:
= (5.50) (5.51)
1+
Teniendo en cuenta la expresin de la potencia activa y reactiva cedida por la mquina asncrona doblemente alimentada a la red ((5.32) y (5.33)), y sustituyendo las expresiones de las ecuaciones (5.50) y (5.51), se tiene:
= 1 = 1 =
, ,
1+
(5.52) (5.53)
Que aplicando la reduccin de la suma cuadrtica de senos y cosenos se puede expresar segn:
1 + = 1+ 1 =1 (5.54)
Simplificando la notacin mediante los siguientes parmetros:

= 1+
,
(5.55) (5.56)
La ecuacin que corresponde al diagrama PQ de la limitacin de tensin rotrica es:

+ =1 (5.57) 1
Elipse centrada en [0,
], con semiejes [
], Figura 5.21.
131
4 2 0 Potencia reactiva Q[p.u.] -2 -4 -6 -8 -10 -12 -14 s=-0,3 s=-0,2 s=0,2 s=0,3
4 5 6 Potencia activa P[p.u.]
10
Figura 5.21 Lmites de operacin dados por la tensin rotrica. 5.6.4.3 Limitacin de la corriente del estator
La potencia activa y reactiva entregada por la mquina asncrona doblemente alimentada a la red viene dada por las expresiones (5.32) y (5.33), cuya expresin en ejes d-q es:
= 1 = = + =
, ,
cos =1
1 sin
(5.58) (5.59)
Se obtiene la curva PQ a partir de:

1 (5.60)
Elipse centrada en 0 y semiejes [
1
,
,0], Figura 5.22, donde:

(5.61)
132
1 0,8 0,6 Potencia reactiva Q[p.u.] 0,4 0,2 0 -0,2 -0,4 -0,6 -0,8 -1 s= s= s= s= s= -0,3 -0,2 0,0 0,2 0,3
0,5 Potencia activa P[p.u.]
1,5
Figura 5.22 Lmites de operacin dados por la corriente estatrica. 5.6.4.4 Limitacin del convertidor conectado a red
La curva PQ del generador asncrono doblemente alimentado viene dada por las ecuaciones correspondientes a los lmites asociados a la corriente estatrica, rotrica y tensin del rotor [(5.45), (5.57) y (5.60)]. Si el convertidor conectado a la red posee capacidad de inyeccin de potencia reactiva, dicha capacidad debe ser considerada a la hora de elaborar el diagrama PQ de la mquina. La ecuacin (5.62) muestra la expresin para calcular la capacidad de generacin de reactiva del convertidor del lado de red, Figura 5.23:
, ,
(5.62)
La inyeccin de potencia mxima por parte del convertidor de red depender de la tensin y corriente mxima del lado de corriente alterna del convertidor, junto con el flujo de potencia activa por parte del rotor hacia la red, a travs del convertidor. 5.6.4.5 Lmites de funcionamiento de la mquina asncrona doblemente alimentada
A partir de los lmites de funcionamiento impuestos por las corrientes rotrica y estatrica, junto con la limitacin impuesta por la tensin rotrica y la aportacin del convertidor de red, se puede obtener la curva representativa de los lmites de funcionamiento de la mquina asncrona doblemente alimentada, Figura 5.24.
133
Figura 5.23 Lmites de operacin dados por el convertidor de red.
Figura 5.24 Regin de funcionamiento de la mquina asncrona doblemente alimentada.
134
5.7
Sntesis
Los principales parmetros que limitan la capacidad de aporte de reactiva de la mquina asncrona doblemente alimentada son la corriente del estator, la corriente del rotor y la tensin en el rotor. La tensin del estator viene dada por la red, y no se ve influenciada por el diseo del aerogenerador. El lmite de la corriente estatrica depende del diseo del generador, mientras que los lmites de la corriente y tensin rotricas depende tanto del diseo del generador como del convertidor de potencia. En este captulo se han obtenido los modelos de las fuentes de inyeccin de potencia reactiva consideradas en la tesis: Los compensadores estticos de tensin SVC, permitirn inyectar potencia reactiva en los nudos de la red en donde se conectan o bien se instalarn en los parques elicos de velocidad fija para ofrecer la mxima regulacin de potencia reactiva a nivel de parque. Por otro lado, los aerogeneradores de velocidad variable, en particular, los generadores asncronos doblemente alimentados disponen de gran flexibilidad para ofrecer la regulacin de potencia reactiva necesaria. Esta capacidad de inyeccin de potencia reactiva de los SVC y de los aerogeneradores asncronos doblemente alimentados se incorporar en los algoritmos de optimizacin de gestin de potencia reactiva detallada en captulos anteriores.
135
CAPTULO 6 CASOS PRCTICOS

En este captulo se aplica el mtodo de optimizacin de AG para la localizacin y tamao ptimo de fuentes de generacin de potencia reactiva en varios casos prcticos. Las fuentes de potencia reactiva comprenden tanto dispositivos SVC como la capacidad de inyeccin de potencia reactiva de generadores elicos. En los estudios analizados se han tenido en cuenta diferentes objetivos como la cargabilidad, los costes asociados a las prdidas de potencia activa en el sistema y los costes asociados a las unidades de generacin de reactiva, as como combinaciones de los mismos. Los casos de estudio se han aplicado a una red de 140 nudos correspondiente a una parte del sistema elctrico peninsular, para demostrar su aplicabilidad a sistemas reales.
Casos prcticos
6.1
Descripcin del sistema de estudio
El sistema de estudio pertenece a una red elctrica que se corresponde con una zona comprendida entre vila y Segovia. Est compuesto por 140 nudos, distribuidos entre varios niveles de tensin de 380 kV, 132 kV, 45 kV, 15 kV y 380 V, 114 cargas y un generador de potencia infinita que simula la conexin con la red elctrica peninsular. La carga total del sistema de de 117,54 MW y 14,9 Mvar, de las cuales el 39% se encuentra en el nivel de 380 V, el 19% en el nivel de 15 kV, el 20% en el nivel de 45 kV y el 22% restante en el nivel de 380 kV. Los datos correspondientes a este sistema se encuentran en el Anexo I. La Figura 6.1 muestra la red correspondiente a los niveles de tensin de 380 kV, 132 kV y 45 kV.
Figura 6.1 Red de 140 nudos. La Figura 6.2 representa el perfil de tensiones inicial de la red de estudio. Se puede comprobar que gran parte de dicho perfil se encuentra fuera de los lmites de operacin, establecidos en un rango de 5% en torno al valor nominal (1 p.u.). En la condicin de partida del estudio se considera que los transformadores no estn dotados de tomas de regulacin. La Figura 6.3 muestra el potencial elico para la comunidad autnoma de Castilla-Len en la que se encuentra la red de estudio. El objetivo del problema es determinar la ubicacin ptima de generadores elicos y de SVC, as como la inyeccin de potencia reactiva de los parques elicos y la capacidad de los SVC. La conexin de los generadores elicos se limita a la red de 45 kV, comprendida entre los nudos 8 y 32, mientras que la ubicacin de los SVC se puede realizar a lo largo de toda la red de estudio.
139
Descripcin del sistema de estudio
Figura 6.2 Perfil de tensiones inicial de la red de 140 nudos.
Figura 6.3 Potencial elico de Castilla Len fuente IDAE [108]. Len, La localizacin de los generadores se realiza en funcin de la disponibilidad del recurso empleado en la generacin de la energa elctrica. Para favorecer dicha generacin bsqueda se ha dividido la red de 45 kV en tres zonas: do Zona 1: Sierra de Gredos (nudos 8 al 11), con muy alto potencial elico. Zona 2: Sierra de Guadarrama (nudos 23 al 32), con alto potencial elico. Zona 3: Correspondiente a Tierra de Campos (nudos 12 al 22), con potencial na elico medio.
140
Casos prcticos Las unidades SVC a introducir pueden localizarse a lo largo de toda la red de estudio, es decir, en cualquiera de los 140 nudos que la componen. Se ha establecido en 10 Mvar la capacidad mxima de cada uno de los SVC que se van a colocar en el sistema.
6.2
6.2.1
Planteamiento de varias estrategias de optimizacin

Planteamiento general del problema
La formulacin del problema de optimizacin que nos ocupa en este captulo se puede definir como:
(6.1)
Sujeto a: Restricciones de igualdad: Ecuaciones del balance de energa

= (6.2) =
Donde:
+ = =
(6.3)
(6.4) (6.5) (6.6) cos sin + sin (6.7)
cos
(6.8)
Restricciones de desigualdad: Restricciones tcnicas de red

V,
V V,
i=1,2,,NB
(6.9)
Lmites fsicos de los generadores

, ,
, ,
i=1,2,, NG i=1,2,, NG
(6.10) (6.11)
141
Planteamiento de varias estrategias de optimizacin Lmites de capacidad de los SVC

,
(6.12)
i=1,2,, NSVC
(6.13)
Zona de influencia de los recursos

,
k=1,2,, NG
(6.14)
Donde F(y) es la funcin objetivo y depender de la estrategia de optimizacin empleada en el estudio, cuyo resumen se encuentra en la Tabla 6.1. La E.O. 1 trata de maximizar la cargabilidad del sistema, las E.O. 2 y 3 optimizan el sistema en funcin de criterios econmicos, minimizacin de los costes derivados de las prdidas de potencia activa en el sistema y de la capacidad de los SVC conectados al sistema, respectivamente. Finalmente, la familia de E.O. 4 trata de optimizar los 3 objetivos contemplados en las E.O. 1 - 3, mediante la asignacin de diferentes pesos a cada uno de los mismos. El estudio posterior de los resultados de las estrategias de optimizacin, permitir determinar cul es la ms adecuada para el problema planteado en este trabajo. Tabla 6.1 Estrategias de optimizacin. Estrategia de optimizacin E.O. 1 E.O. 2 E.O. 3 Maximizar la cargabilidad Minimizar el coste de las prdidas de potencia activa Minimizar el coste asociado a la capacidad de los SVC Multiobjetivo: maximizar la cargabilidad, minimizar los costes de prdidas y de los SVC Formulacin de la E.O.
Min f(y) =1 - Min g(y) =Costlosses (y) Min h(y) =CostVar (y)
Min m(y) =
* f(y) + * g(y)+ * h(y)
E.O. 4
El problema trata de localizar de forma ptima 3 parques elicos y 2 SVC, as como determinar el aporte y la capacidad de potencia reactiva de cada una de las unidades. A continuacin se pasa a detallar las caractersticas de cada una de estas unidades: El parque elico 1 es un parque de velocidad variable, de 10 MW, que puede trabajar con un factor de potencia comprendido en el rango 0,95 inductivo -0,95 capacitivo. Dicho parque se encuentra situado en la zona 1, por lo que los potenciales puntos de conexin se encuentran entre el nudo 8 y el nudo 11. El parque elico 2 est compuesto por mquinas de velocidad variable, que pueden trabajar con un factor de potencia comprendido entre 0,95. La
142
Casos prcticos potencia nominal del parque son 10 MW y se encuentra en la zona 2, por lo que el punto ptimo de conexin se encontrar entre los nudos 23 y 32. El parque elico 3 es un parque de velocidad fija, de 10 MW, localizado en la zona 3. Dispone de un SVC, para controlar el factor de potencia, de 10 Mvar. Los potenciales nudos de conexin se encuentran entre el nudo 12 y el nudo 22. Finalmente, se dispone de 2 SVC adicionales, de 10 Mvar cada uno, a localizar a lo largo de toda la red de estudio.
6.2.2
Programacin del AG
La codificacin de las variables del problema se realiza mediante nmeros enteros. Como se puede observar en la Figura 6.4, el cromosoma se compone de 11 genes: el primero de ellos representa la cargabilidad del sistema, y los 10 restantes se distribuyen en 5 parejas de genes (punto de conexin e inyeccin de reactiva) para las 3 unidades de generacin distribuida y 2 SVC a introducir en el sistema.
Gen 1
(p.u.)
Gen 2 PC1
Gen 3 Q1
(Mvar)
Gen 4 PC2
Gen 5 Q2
(Mvar)
Gen 6 PC3
Gen 7 Q3
(Mvar)
Gen 8 PC4
Gen 9 Q4
(Mvar)
Gen 10 PC5
Gen 11 Q5
(Mvar)
Figura 6.4 Codificacin de las variables del problema. La Figura 6.5 muestra el flujograma del AG empleado en la bsqueda de los puntos de conexin ptimos de las unidades de generacin distribuida y los SVC, as como de la inyeccin de potencia reactiva por parte de los 5 dispositivos. A continuacin se detallan cada uno de los bloques del flujograma: 1. La generacin de la poblacin inicial se realiza de manera aleatoria en funcin de los lmites de cada una de las variables. No se establecen mecanismos para el tratamiento de individuos no factibles en la poblacin inicial. La poblacin de trabajo se compone de 100 individuos. 2. Para poder evaluar los individuos de la poblacin de trabajo del AG es necesario realizar un flujo de cargas individualizado. El flujo de cargas se ver afectado por los valores adoptados por cada gen, es decir, es necesario introducir los datos correspondientes a los puntos de conexin e inyeccin de potencia reactiva para cada una de las unidades de generacin, as como el incremento de cargabilidad que se produce en el sistema dado por . La evaluacin del individuo depender de la E.O. aplicada al estudio actual. 3. Una vez realizada la evaluacin, es necesario detectar los individuos no factibles. La determinacin de la no factibilidad de las soluciones viene dada por la restriccin de tensin en los nudos de la red. El tratamiento de las soluciones no factibles depender de la E.O. empleada.
143
Planteamiento de varias estrategias de optimizacin
Creacin de la poblacin inicial
Pgi,mn Pgi Pgi,mx

Q gi,mn Q gi Q gi,mx
Evaluacin de la poblacin mediante flujo de cargas
Nueva poblacin
Vi,mn Vi Vi,mx
Comprobar restricciones de tensin/ factibilidad de las soluciones
Mutacin
Asignacin de aptitud de cada individuo
Cruzamiento
Seleccin de los mejores individuos

No
Criterio de parada?
Fin: solucin ptima
Figura 6.5 Flujograma del AG.
144
Casos prcticos 4. Una vez evaluada la poblacin y detectados los individuos no factibles se realiza un escalado del valor de aptitud mediante el procedimiento de rango. 5. Se plantean dos condiciones de parada: alcanzar el mximo nmero de generaciones, establecido en 100 o alcanzar la mnima tolerancia entre la mejor solucin de dos generaciones consecutivas (10e-6). Si ninguno de estos criterios se cumple el AG seguir generando y evaluando nuevas poblaciones. 6. Si no se han alcanzado ninguno de los criterios de parada se procede a crear una nueva poblacin: a) Tras la evaluacin se realiza la seleccin de los individuos que van a formar parte del proceso de creacin de la nueva poblacin. Se emplea, en este caso, la seleccin por ruleta. b) El cruzamiento es la principal caracterstica de los AG, en l se realiza el proceso de reproduccin y creacin de la nueva poblacin. En nuestro caso, el procedimiento de cruce mantiene los dos mejores individuos entre generaciones, es decir, tiene una componente elitista que nos permite salvaguardar la informacin gentica de los mejores individuos. El mtodo de cruce empleado es el monopunto que se aplica al 80% de la poblacin. c) La mutacin permite introducir alteraciones en el gen de algn individuo de forma espordica. Esta modificacin de genes permite aumentar la diversidad en la poblacin. La probabilidad de mutacin empleada es 0,1%. d) Tras la aplicacin de los operadores genticos de seleccin, cruce y mutacin la nueva poblacin estara disponible para ser introducida en el AG. 7. Una vez alcanzado alguno de los criterios de parada el mejor individuo de la poblacin se convertir en la solucin ptima del problema.
6.3
6.3.1
E.O.1: Maximizacin de la cargabilidad

Funcin objetivo
El objetivo que se persigue con esta E.O. 1 es maximizar la cargabilidad del sistema. Para ello, la funcin objetivo planteada (6.15) es la misma que en el captulo 5. El problema de optimizacin a resolver sera: =1 Sujeto a las restricciones dadas en el apartado 6.2.1 Donde = para soluciones factibles 0 para soluciones no factibles 145
(6.15)
E.O.1: Maximizacin de la cargabilidad
6.3.2
Resultados
La aplicacin del AG para maximizacin de la cargabilidad del sistema aplicado a la red de 140 nudos, obtiene la siguiente solucin (Tabla 6.2): Tabla 6.2 Solucin E.O. 1. F(y) = 0,1458 p.u. Q1
(Mvar)
PC 1 10
E.O. 1
Generadores elicos Q2 PC 2 PC 3 (Mvar) 32 SVC Q4

(Mvar)
Q3
(Mvar)
-0,75
3,08 PC 5 32
21 Q5
= 0,1458 p.u.
PC 4 24
(Mvar)
10
El valor de la funcin objetivo para la solucin ptima es 0,1458 p.u., que en este caso coincide con la mxima cargabilidad del sistema. La mxima carga abastecida en estas condiciones de generacin y localizacin de los SVC y parques elicos es 134,68 MW y 17,07 Mvar. La Figura 6.6 muestra el perfil de tensiones de la red inicial y de la red modificada a partir del resultado dado por el AG para la E.O. 1, es decir, la localizacin de las unidades de generacin en los nudos 10, 32 y 21 y la colocacin de los SVC en los nudos 24 y 32. Podemos observar como el perfil dado por el AG respeta los lmites de operacin establecidos en un rango del 5% de la tensin nominal (1 p.u.). La dispersin del perfil de tensiones mejora considerablemente pasando de un valor 0,028 p.u. a 0,019 p.u. tras la aplicacin del AG.
1,05
1 Tensin (p.u.)
0,95
0,9 Caso Base E.O. 1, carga mxima 0,85 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red
Figura 6.6 Perfil de tensiones E.O. 1.
146
Casos prcticos
6.4
6.4.1
E.O.2: Minimizacin de los costes derivados de las prdidas de potencia activa

Funcin objetivo
El objetivo propuesto en esta E.O. 2 es minimizar el coste asociado a las prdidas de potencia activa en el sistema, para ello la funcin objetivo se encarga de minimizar las prdidas de activa en el sistema, (6.16). El problema de optimizacin relacionado con esta E.O. sera: =
(6.16)
Sujeto a las restricciones dadas en el apartado 6.2.1 El valor de la funcin objetivo para las soluciones no factibles se ha establecido en 1, correspondiente a la peor situacin en la que las prdidas de potencia activa en el sistema modificado por el AG no se viesen reducidas con respecto a la situacin de partida.
6.4.2
Resultados
La Tabla 6.3 recoge la solucin dada por el AG para la minimizacin de las prdidas de activa en el sistema. Tabla 6.3 Solucin E.O. 2. Q1
(Mvar)
F(y) = 0.709 E.O. 2
PC 1 9
Generadores elicos Q2 PC 2 PC 3 (Mvar) 32 Q4

(Mvar)
Q3
(Mvar)
0,249
1,642 SVC PC5 57
21 Q5
= 0 p.u.
PC 4 19
(Mvar)
El valor de la funcin objetivo para la solucin ptima es 0,709, es decir, el coste asociado a las prdidas de potencia activa se reduce en un 29,1%. Puesto que el objetivo de esta E.O. no est relacionada con la cargabilidad del sistema sta no se ve modificada en el estudio ( = 0 p.u.). En la Figura 6.7 se observa el perfil de tensiones de la red inicial y de la red modificada a partir del resultado dado por el AG para la E.O. 2, es decir, la localizacin ptima de las unidades de generacin en los nudos 9, 32 y 21 y la colocacin de los SVC en los nudos 19 y 57, para la reduccin de las prdidas de potencia activa en el sistema. Podemos observar como el perfil dado por el AG respeta los lmites de operacin. La dispersin del perfil de tensiones se reduce hasta un valor 0,0188 p.u.
147
E.O.2: Minimizacin de los costes derivados de las prdidas de potencia activa

1,05
1 Tensin (p.u.)
0,95
0,9 Caso Base E.O. 2, min. prdidas 0,85 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red
6.5
E.O.3: Minimizacin del coste asociado a las unidades de generacin de potencia reactiva instaladas
Funcin objetivo
6.5.1
Esta E.O. 3 trata de minimizar el coste derivado de la incorporacin de los tres SVC en el sistema, (6.17). La formulacin del problema de optimizacin planteada para esta condicin es: = + +
(6.17)
Sujeto a las restricciones dadas en el apartado 6.2.1 Donde representa el aporte de potencia reactiva de uno de los SVC a incorporar al sistema, los dos individuales y el asociado al parque elico de velocidad fija, y permite determinar la capacidad mxima de dichas unidades. El valor de la funcin objetivo para las soluciones no factibles corresponde a la suma de la capacidad mxima de los 3 SVC, es decir, 30 Mvar.
148
Casos prcticos
6.5.2
Resultados
La Tabla 6.4 muestra la solucin dada por el AG para la minimizacin de las prdidas de activa en el sistema. Tabla 6.4 Solucin E.O. 3. Generadores elicos Q1 F(y) = 11 Mvar E.O. 3 PC 1 9 =0 PC 4 22
(Mvar)
PC 2 29
Q2
(Mvar)
PC 3 14
Q3
(Mvar)
2 SVC PC5 41
2 Q5
(Mvar)
Q4
(Mvar)
El valor de la funcin objetivo para la solucin ptima es 11 Mvar. Puesto que el objetivo de esta E.O. 3 no est relacionada con la cargabilidad del sistema sta no se ve modificada en el estudio ( = 0 p.u.). Como se puede comprobar en el Figura 6.8, el perfil de tensiones de la red modificada a partir del resultado dado por el AG para la E.O. 3, es notablemente mejor que el perfil inicial, respetando los lmites de operacin establecidos. La reduccin de la dispersin del perfil es menor que en las estrategias anteriores, alcanzando un valor 0,0232 p.u. Para disminuir los costes y el tamao de los SVC los parques se tienen que conectar en los nudos 9, 29 y 14, y los SVC en los nudos 22 y 41.
1,05
1 Tensin (p.u.)
0,95
0,9 Caso Base E. O. 3, min. Q 0,85 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red
149
E.O.4: Multiobjetivo
6.6
6.6.1
E.O.4: Multiobjetivo
Funcin multiobjetivo
Analizando las estrategias anteriores, se observa que para cumplir los objetivos individuales, el AG calcula distintos nudos de conexin as como distintos valores de inyeccin de potencia reactiva para cada estrategia. Se plantea buscar la ubicacin ptima teniendo en cuenta todos los objetivos individuales. En esta situacin, es necesario emplear un mtodo de optimizacin multiobjetivo. Es en este aspecto donde los AG destacan respecto a otras tcnicas de optimizacin, que no permiten realizar este tipo de estudios. En esta estrategia de optimizacin, la funcin multiobjetivo a minimizar, englobara los tres objetivos individuales expuestos en los apartados anteriores. En este caso es necesario ponderar con unos coeficientes ( , y ) el peso de la optimizacin entre los 3 criterios. El problema de optimizacin sera: = + +
(6.18)
Sujeto a las restricciones dadas en el apartado 6.2.1 Donde: es la funcin objetivo de la E.O. 1, maximizacin de la cargabilidad (6.15). s la funcin objetivo de la E.O. 2, minimizacin de las prdidas de potencia activa (6.16). es la funcin objetivo de la E.O. 3, minimizacin de la capacidad de los SVC (6.17).
Para la eleccin de los coeficientes de los objetivos individuales, los parmetros , y , se realizan 5 estudios, correspondientes a 5 estrategias de optimizacin multiobjetivo, con la distribucin de pesos mostrados en la Tabla 6.5. El coste unitario asociado a las prdidas de potencia activa y a las unidades de generacin de reactiva es 100 $/kW y 35 $/kvar respectivamente. Tabla 6.5 Coeficientes de ponderacin de la funcin multiobjetivo.
E.O. 4a E.O. 4b E.O. 4c E.O. 4d E.O. 4e
0 1/2 2/5 1/3 1/4
1/3 1/4 1/5 1/3 1/4
2/3 1/4 2/5 1/3 1/2
150
Casos prcticos
6.6.2
Resultados
En la Tabla 6.6 se puede ver un resumen de la solucin ptima encontrada por el AG para cada una de las estrategias de optimizacin multiobjetivo. En ella se puede apreciar cmo la localizacin ptima del parque elico 1 es la misma para las 5 estrategias de operacin (nudo 9), mientras que la contribucin de potencia reactiva es semejante (0 Mvar y 2 Mvar). Una situacin parecida se puede apreciar para la optimizacin de los parques 2 y 3, en ellos la localizacin dada para cada estrategia corresponde a nudos consecutivos de la red. Las principales diferencias entre las soluciones aparecen a la hora de localizar los SVC y determinar su tamao ptimo. Tabla 6.6 Resultados de las E.O. multiobjetivo dado por el AG.
FF E.O. 4a 5,58 E.O. 4b 3,18 E.O. 4c
2,94
lm.
(p.u.)
PC1
9 9 9 9 9
Q1
(Mvar)
PC2
30 31 32 32 31
Q2
(Mvar)
PC3
21 22 22 22 21
Q3
(Mvar)
PC4
22 102 21 32 33
Q4
(Mvar)
PC5
23 49 120 24 31
Q5
(Mvar)
0 0,0187 0,0104 0,0029 0,0061
2 2 2 0 0
3 2 3 2 3
4 6 3 4 7
1 1 2 5 1
3 3 1 1 2
E.O. 4d 3,90 E.O. 4e 5,43
Se puede observar el perfil de tensiones para las 5 estrategias de optimizacin. multiobjetivo propuestas en la Figura 6.9.
1,05 1,04 1,03 1,02 Tensin (p.u.) 1,01 1 0,99 0,98 0,97 0,96 0,95 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red E.O. 4a E.O. 4b E.O. 4c E.O. 4d E.O. 4e
Figura 6.9 Perfil de tensiones de las E.O. multiobjetivo. La Tabla 6.7 muestra un resumen de los valores adoptados para las variables a optimizar en las diferentes estrategias de optimizacin. En este caso, lm.,terico se 151
E.O.4: Multiobjetivo obtiene a partir de las curvas P-V para cada una de las configuraciones de red dadas por las diferentes estrategias de optimizacin, y corresponde a la cargabilidad mxima terica. Como se puede observar, lm.,terico es siempre superior a la dada por el AG en la E.O. 1. Esta diferencia reside en el hecho de que, aunque el AG tiende asintticamente al ptimo, generalmente ofrece soluciones factibles en el entorno del ptimo. La E.O. 4c se postula como mejor opcin para el estudio multiobjetivo. La estrategia de optimizacin 4c presenta buen perfil de tensiones, buen comportamiento frente a la estabilidad de tensin y cargabilidad del sistema, y es la estrategia ptima en cuanto a criterios econmicos. Adems la dispersin del perfil de tensiones resultante de esta configuracin es una de las mejores. Esta estrategia se podra plantear, por tanto, como una solucin de compromiso entre los criterios econmicos y de estabilidad. Analizando el diagrama de barras de la Figura 6.10 podemos concluir que la E.O.4d es la que presenta menor dispersin del perfil de tensiones.
0,0205 0,02 0,0195 0,019 0,0185 0,018 0,0175 0,017 0,0165 0,016 E.O. 4a E.O. 4b E.O. 4c E.O. 4d E.O. 4e
Figura 6.10 Dispersin del perfil de tensiones de las E.O. multiobjetivo. Tabla 6.7 Resumen E.O. multiobjetivo.
lm.,terico
(p.u.)
crt.
(p.u.)
Prdidas
(MW)
QSVC
(Mvar)
Costeprd.
(1000 $)
CosteSVC
(1000$)
Costetotal Dispersin
(1000$) (%)
E.O. 4a E.O. 4b E.O. 4c E.O. 4d E.O. 4e
0,01 0,027 0,05 0,077 0,012
1,1 1,1 1,2 1,1 1,2
2,53 2,63 2,5 2,61 2,52
8 10 6 10 10
253 263 250 261 252
280 350 210 350 350
533 613 460 611 602
1,93 2 1,89 1,76 1,91
152
Casos prcticos
6.7
Seleccin de la mejor estrategia de optimizacin
Una vez expuestas las estrategias mono-objetivo y elegida la mejor E.O. multiobjetivo, se va a realizar un anlisis para determinar la estrategia ms adecuada para el problema de optimizacin que nos ocupa. El anlisis se va a realizar sobre las estrategias mono-objetivo (E.O. 1, 2 y 3) y la estrategia multiobjetivo seleccionada en el apartado anterior (E.O. 4c), cuyos resultados se encuentran en la Tabla 6.8. La Figura 6.11, Figura 6.12 y Figura 6.13 muestran el perfil de tensiones, las tensiones mxima, mnima y media, y la diferencia de tensiones y desviacin estndar de las estrategias a comparar. Se puede observar que el perfil de tensiones dado por la E.O. 4c es el que presenta menor dispersin de los datos. Por el contrario, el valor medio de las tensiones en los nudos de la red, para esta estrategia de optimizacin, es el que se encuentra ms alejado del valor de referencia 1 p.u., aunque no resulta muy relevante ya que dicho valor medio de tensin es 0,9911 p.u., muy cercano a la consigna unidad. Tabla 6.8 Resultados del AG para las E.O. 1, 2, 3 y 4c.
lm
(p.u.)
PC1 10 9 9 9
Q1
(Mvar)
PC2 32 32 29 32
Q2
(Mvar)
PC3 21 21 14 22
Q3
(Mvar)
PC4 24 19 22 21
Q4
(Mvar)
PC5 32 57 41 120
Q5
(Mvar)
O.E. 1 O.E. 2 O.E. 3 O.E. 4c
0,1458 0 0 0,0104
-0,75 0,249 0 2
3,08 1,642 2 3
8 7 2 3
7 7 8 2
10 5 1 1
1,05 1,04 1,03 1,02 Tensin (p.u.) 1,01 1 0,99 0,98 0,97 0,96 0,95 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red E.O. 1 E.O. 2 E.O. 3 E.O. 4c
Figura 6.11 Perfil de tensiones de las E.O.1, 2, 3 y 4c.
153

1,05 1,025 Tensin (p.u.) 1 0,975 0,95 0,925 0,9 E.O. 1 Vmx E.O. 2 Vmn E.O. 3 Tensin media E.O. 4c
Figura 6.12 Tensin mxima, mnima y media de las E.O.1, 2, 3 y 4c.

0,09 0,08 0,07 Tensin (p.u.) 0,06 0,05 0,04 0,03 0,02 0,01 0 E.O. 1 diferencia de tensiones E.O. 2 Dispersin E.O. 3 E.O. 4c
Dispersin respecto a 1 p.u.
Figura 6.13 Diferencia de tensiones y dispersin de las E.O.1, 2, 3 y 4c. La Figura 6.14 representa las curvas P-V para las cuatro estrategias a comparar. Se observa que las curvas P-V correspondientes a las E.O. 2, E.O. 3 y E.O. 4c casi se superponen para los primeros valores de . Sin embargo, el comportamiento del sistema correspondiente a la configuracin de red dada por la E.O. 2 y E.O. 4c es superior, alcanzando el punto de colapso de tensin para una valor de cargabilidad de 1,2 p.u. La Figura 6.15 muestra un resumen del anlisis de estabilidad de tensin de las 4 estrategias de estudio. El ltimo anlisis a realizar antes de concluir cul es la estrategia de operacin ptima para el problema que nos ocupa, es el estudio comparativo de las estrategias en cuanto a criterios econmicos se refiere. En base a ello se comparan los resultados obtenidos para cada E.O. en funcin del coste y magnitud de las
154
Casos prcticos
1,2 E.O. 1 1 E.O. 2 E.O. 3 0,8 Tensin (p.u.) E.O. 4c
0,6
1 0,95
0,4 0,9 0,2 0,85 0 0 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 (p.u.) 0,9 1 1,1 1,2 1,3 1,4 0,1 0,2 0,3
Figura 6.14 Curvas PV de las E.O.1, 2, 3 y 4c.

1,4 1,2 1 (p.u.) 0,8 0,6 0,4 0,2 0 E.O. 1 E.O. 2 lm, terico (p.u) E.O. 3 mx (p.u.) E.O. 4c
Figura 6.15 lm.,terico y mx de tensin para las E.O.1, 2, 3 y 4c. prdidas de potencia activa, y coste y capacidad de los SVC incluidos en el sistema. La Figura 6.16 representa las prdidas de potencia activa en la red modificada con la configuracin dada por el AG, as como la capacidad total de los SVC incorporados a la red. Se comprueba cmo el empleo de la estrategia multiobjetivo reduce considerablemente la capacidad total de los SVC. Sin embargo, las prdidas de activa en el sistema son muy similares para las 4 estrategias de estudio.
155
30 Prdidas (MW) 25 20 Potencia 15 10 5 0 E.O. 1 E.O. 2 E.O. 3 E.O. 4c Q (MVAr)
Figura 6.16 Prdidas de potencia activa y capacidad total de los SVC de las E.O.1, 2, 3 y 4c.
1400 COSTE REAC (1000$) 1200 1000 Miles de $ 800 600 400 200 0 E.O. 1 E.O. 2 E.O. 3 E.O. 4c COSTE PER (1000 $)
Figura 6.17 Coste de las prdidas de activa y la capacidad de los SVC. La Figura 6.17 muestra el coste total asociado a las prdidas de potencia activa en el sistema y a la capacidad de los SVC instalados. Se puede observar que el coste total derivado del empleo de la E.O. 4c es el menor de los cuatro, decantndose esta estrategia como la mejor en cuanto a la seleccin por criterios econmicos. La Tabla 6.9 recoge un resumen de las principales caractersticas de las 4 estrategias de optimizacin que participan en el proceso comparativo. En ella se pueden observar las estrategias de optimizacin mejores para cada uno de los conceptos (casillas sombreadas en azul), destacndose la estrategia de optimizacin multiobjetivo como la mejor de las cuatro ya que, aunque la mxima 156
Casos prcticos cargabilidad y el menor coste de prdidas lo ostentan las estrategias de optimizacin 1 y 2 respectivamente (maximizacin de la cargabilidad y minimizacin de las prdidas respectivamente) el comportamiento general de la estrategia multiobjetivo predomina sobre las dems. Tabla 6.9 Tabla resumen de las E.O.1, 2, 3 y 4c.
lm.,terico (p.u.) E.O.1 E.O.2 E.O.3 E.O.4c 0,22 0,075 0 0,05 crt. (p.u.) 1,1 1,2 1,1 1,2 Costlosses (MW) 339 238 287 250 CostVar units (Mvar) 875 665 385 210 Dispersin (p.u.) 0.0192 0.0189 0.0232 0.0189
Por lo tanto podemos concluir que, tras realizar un anlisis comparativo entre las 3 estrategias mono-objetivo y la seleccionada multiobjetivo, la estrategia de optimizacin que mejor se adecua al problema de optimizacin que se presenta en este trabajo es la estrategia multiobjetivo en la que se prima la cargabilidad y el coste asociado a los SVC frente a los costes derivados de las prdidas de potencia activa en el sistema.
6.8
Estudio de varios escenarios de carga
Para el estudio que nos ocupa a continuacin se va a seleccionar la E.O. 4d, dicha estrategia es la que muestra una distribucin equitativa de pesos entre los coeficientes individuales. El objetivo del estudio es encontrar la configuracin de red ptima para abastecer al sistema bajo diferentes condiciones de carga y generacin.
6.8.1
Se seleccionan para el estudio cuatro escenarios de carga-generacin (E.C.), segn se muestra en la Tabla 6.10. En cuanto a la generacin, se considera un escenario de mxima generacin al funcionamiento a plena carga de los 3 generadores elicos introducidos en el sistema, lo que supone un aporte de 30 MW; mientras que el peor escenario de generacin se simula mediante una desconexin o aporte de potencia nulo por parte de estas unidades. Tabla 6.10 Escenarios de carga y generacin.
Carga E.C. 1 E.C. 2 E.C. 3 E.C. 4 Valle (60%) Punta (100%) Generacin Mxima (30 MW) Mnima (0 MW) Mxima (30 MW) Mnima (0 MW)
157
Estudios de varios escenarios de carga
6.8.2
Resultados
La Tabla 6.11 muestra el resumen de los resultados obtenidos al aplicar el AG, con la funcin objetivo correspondiente a la estrategia de optimizacin 4d, a cada uno de los cuatro escenarios de carga-generacin propuestos. Tabla 6.11 Resumen de resultados de los escenarios de carga.
FF E.C. 1 E.C. 2 E.C. 3 E.C. 4 1,64 2,04 2,57 4,94 lm.
(p.u.)
PC1 9 9 9 9
Q1
(Mvar)
PC2 30 25 32 32
Q2
(Mvar)
PC3 22 21 22 22
Q3
(Mvar)
PC4 15 58 58 34
Q4
(Mvar)
PC5 21 10 30 28
Q5
(Mvar)
0,0355 0,239 0,0071 0,004
-0,82 0 2 0
3 0 3 0
1 1 4 5
1 2 1 3
1 1 1 5
El AG indica la localizacin y la potencia reactiva que debe inyectar cada una de las unidades de generacin para cumplir los lmites de operacin para cada uno de los escenarios de carga-generacin, independientemente del resto. El objetivo del estudio es determinar la configuracin de red ptima, en cuanto a localizacin, capacidad mxima de los SVC e inyeccin de potencia reactiva se refiere, para que se cumplan las condiciones de operacin que cubren todos los posibles escenarios de carga-generacin. Por lo tanto, una vez obtenidas las configuraciones de red ptimas para cada escenario de carga-generacin, es necesario seleccionar aquella cuyo perfil de tensiones se encuentre dentro de los lmites de operacin establecidos, independientemente del escenario al que se aplique. La Figura 6.18 muestra el perfil de tensiones de los 4 escenarios de estudio para la situacin de carga punta del sistema. Analizando dicha figura se puede concluir que la configuracin de red dada por el AG para los escenarios de carga 1 y 2 (escenario correspondientes a situacin de carga valle) no permiten abastecer escenarios de carga punta respetando las restricciones tcnicas de red. Del mismo modo, se puede comprobar mediante la Figura 6.18 que la inyeccin de potencia reactiva en el sistema dada por la configuracin 3, escenario de carga punta y mxima generacin, es insuficiente para mantener la tensin de los nudos de la red dentro de los lmites de operacin, en el escenario de mnima generacin (E.C.4).
158
Casos prcticos
1,05 1,03 1,01 0,99 Tensin (p.u.) 0,97 0,95 0,93 0,91 0,89 0,87 0,85 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101 106 111 116 121 126 131 136 Nudos de la red E.C. 1 E.C. 2 E.C. 3 E.C. 4
Figura 6.18 Perfil de tensiones para las configuraciones dadas por los escenarios de carga aplicados a situacin de carga punta. A continuacin, se observa en la Figura 6.19 que la configuracin de red dada por la E.C. 4 permite abastecer el escenario de carga valle y mxima o mnima generacin,.
1,05 1,04 1,03 1,02 Tensin (p.u.) 1,01 1 0,99 0,98 0,97 0,96 0,95 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red Mnima generacin Mxima generacin
Figura 6.19 Perfil de tensiones para escenario de carga valle, mxima y mnima generacin para el E.C. 4. Por lo tanto, se puede concluir que: la nica configuracin capaz mantener el perfil de tensiones, dentro de la franja establecida por los lmites de operacin, es la correspondiente al escenario de carga punta y mnima generacin, es decir la E.C. 4. Para esta configuracin de red, los generadores elicos se deben conectar en los nudos 9, 32 y 22. En este escenario los parques elicos estn desconectados, sin embargo, el SVC asociado al parque elico de velocidad fija,
159
Estudios de varios escenarios de carga conectado en el nudo 22, es capaz de inyectar 5 Mvar en el sistema, apoyando de esta manera la labor de los otros dos SVC, que se localizan en los nudos 34 y 28, con una capacidad de 3 y 5 Mvar respectivamente. Una vez seleccionada la configuracin de red ptima, y determinada la capacidad mxima de los SVC, se aplica el AG, correspondiente a la estrategia de optimizacin multiobjetivo 4d, para determinar el ajuste de las consignas de potencia reactiva inyectada por los parques elicos y los SVC, respetando los lmites de tensin para funcionamiento normal del sistema, para los restantes escenarios de carga. La Tabla 6.12 muestra la consigna de potencia reactiva para las unidades de generacin y los SVC correspondiente a cada una de los escenarios de carga estudiados. Como se puede observar, a menor carga menor es la inyeccin de potencia reactiva por parte de las diferentes unidades. Tabla 6.12 Consignas de potencia reactiva para los 4 escenarios de carga y la configuracin de red ptima.
PC1 E.C. 1 E.C. 2 E.C. 3 E.C. 4 9 9 9 9 Q1
(Mvar)
PC2 32 32 32 32
Q2
(Mvar)
PC3 22 22 22 22
Q3
(Mvar)
PC4 34 34 34 34
Q4
(Mvar)
PC5 28 28 28 28
Q5
(Mvar)
-2,27 0 -1,19 3
1,94 0 2,52 3
1 1 4 8
1 1 2 1
1 1 2 1
La Figura 6.20 muestra el perfil de tensiones para la red de estudio en la que se han incluido los generadores elicos y SVC en las localizaciones dadas por el AG del escenario de carga 4, nudos 9, 32, 22, 34 y 28 respectivamente. Se puede observar que con las consignas de potencia reactiva facilitadas por el AG los perfiles de tensin para los 4 escenarios de carga-generacin se encuentran dentro de los lmites de operacin establecidos a lo largo de este trabajo. En este apartado se muestra la eficacia del AG para ofrecer consignas de potencia reactiva, a las diferentes unidades generadoras, con el objetivo de abastecer el sistema bajo diferentes condiciones de carga y generacin. Por lo tanto, el AG diseado se muestra como una herramienta verstil, tanto para la determinacin conjunta de la localizacin ptima de unidades de generacin y SVC y su inyeccin de potencia reactiva, como para el tratamiento posterior de las consignas de reactiva.
160
Casos prcticos
1,05 1,04 1,03 1,02 Tensin (p.u.) 1,01 1 0,99 0,98 0,97 0,96 0,95 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red E.C. 1 E.C. 2 E.C. 3 E.C. 4
Figura 6.20 Perfil de tensiones para consignas de inyeccin de potencia reactiva.
6.9
Gestin de potencia reactiva para la carga diaria
En este caso se parte de la configuracin de red dada por el escenario de carga de punta y mnima generacin recogido en la Tabla 6.13, que corresponde a la configuracin de red ptima del estudio de escenarios de carga (apartado 6.8.2). Se dispone, por tanto, de dos parques elicos de velocidad variable, de 10 MW cada uno, con factor de potencia 0,95 p.u., conectados en los nudos 9 y 32; un parque elico de 10 MW, con mquinas de velocidad fija, y un SVC asociado de 5 Mvar, conectados en el nudo 22; el sistema se completa con dos SVC de 3 y 5 Mvar conectados en los nudos 34 y 28, respectivamente. Tabla 6.13 Resultado del escenario de carga-generacin 4.
PC1 E.C. 4 9 PC2 32 PC3 22 Q3
(Mvar)
PC4 34
Q4
(Mvar)
PC5 28
Q5
(Mvar)
Para realizar el estudio se ha seleccionado, como ejemplo, la curva de demanda correspondiente al 17 de diciembre de 2007 que corresponde a la situacin de mxima demanda en el periodo comprendido entre 2004 y 2008, Figura 6.21.
161
Gestin de potencia reactiva para la carga diaria
Figura 6.21 Curva de demanda anual [109]. Es importante destacar que ahora el objetivo de la funcin de optimizacin del AG no es determinar la ubicacin ptima de los parques elicos y SVC ni la capacidad mxima de los mismos. En el estudio que ahora nos ocupa, se utiliza el mtodo de optimizacin para la operacin de las consignas de potencia reactiva de los parques elicos y SVC, ya instalados, para las 24 horas siguientes. Una vez obtenidos los escalones de carga a analizar se ejecuta el AG para obtener los valores de consigna de potencia reactiva para cada intervalo. En esta situacin se supone que el operador de red desea regular el sistema de forma que se minimicen las prdidas. Por tal razn, el AG encuentra la solucin ptima segn la E.O. 2, que corresponde a la minimizacin de los costes derivados de las prdidas de potencia activa en el sistema. La Tabla 6.14 muestra el porcentaje que cada escaln de carga representa con respecto al mximo de la curva de carga, y la consigna de potencia reactiva dada por el AG para los parques elicos y SVC. Con estas consignas se puede observar que: Para los escalones de menor carga, correspondientes a las horas 1 a 6, el parque elico localizado en el nudo 9 absorbe potencia reactiva de la red, mientras que el parque elico del nudo 32 slo absorbe potencia reactiva en la hora 0 y la hora 3. La mxima consigna de potencia reactiva para los 5 dispositivos no se corresponde con la condicin de demanda de carga mxima. A partir del estudio de las consignas mximas para cada unidad de generacin, cabe destacar que no es necesario emplear la capacidad mxima de inyeccin de potencia reactiva correspondiente a los parques elicos de velocidad variable y ni de los SVC conectados al sistema.
162
Casos prcticos
Tabla 6.14 Consignas de reactiva para la curva de carga diaria de estudio.

hora 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 % de carga 69 63 59 57 56 56 64 73 86 87 92 94 91 90 86 86 88 92 100 99 96 94 87 85 Q1 -1,73 -0,72 -2,62 -1,43 -0,86 -0,86 -1,54 -0,85 1,50 1,20 0,83 1,20 1,31 0,53 1,50 1,50 1,24 0,83 0,80 0,47 0,92 0,91 1,20 -1,29 Q2 -1,43 2,61 1,88 -0,17 0,38 0,38 1,73 2,23 3,00 1,97 2,80 3,12 1,37 3,19 3,00 3,00 2,50 2,80 2,00 2,77 2,41 2,11 1,97 1,82 Q3 3,18 1,90 2,36 2,73 2,26 2,26 2,95 3,64 4,05 3,74 4,37 4,67 4,27 4,88 4,05 4,05 4,03 4,37 4,62 4,72 4,81 4,44 3,74 4,42 Q4 1,04 0,25 0,93 0,63 0,31 0,31 0,61 0,77 0,01 0,36 0,48 0,17 0,17 0,79 0,01 0,01 0,34 0,48 0,67 1,21 0,64 0,80 0,36 1,37 Q5 3,95 0,39 2,48 1,26 1,40 1,40 1,34 1,60 2,30 2,04 2,28 2,75 2,57 2,60 2,30 2,30 3,04 2,28 3,77 3,10 2,65 3,07 2,04 1,83
163
Impacto de la planificacin de potencia reactiva en el anlisis de contingencias
6.10 Impacto de la planificacin de potencia reactiva en el anlisis de contingencias

6.10.1 Planteamiento general del problema
Una vez ubicados los parques elicos y los dispositivos electrnicos, SVC, se quiere comprobar cul es la seguridad que ofrece la nueva red. Para ello, se realiza un estudio de anlisis de contingencias de criterio N-1 como se indic en el captulo 2. Puesto que el sistema de estudio no es muy grande (140 nudos) y el tiempo de clculo no es un factor determinante no se realiza preseleccin de contingencias. Las violaciones de lmites que se van a estudiar son: flujo de potencia por lnea y transformadores, y lmites de tensin en los nudos de la red. La Tabla 6.15 muestra los lmites considerados para las variables de control [28]: Tabla 6.15 Lmites de las variables de control del anlisis de contingencias. Lneas y transformadores Nudos Lmite inferior 100% 0,93 p.u. Lmite superior 100% 1,11 p.u.
6.10.2 Casos de estudio

El anlisis de contingencias se realiza para el sistema de 140 nudos considerando tres casos de estudio: caso base, caso no ptimo y solucin ptima dada por el AG de localizacin. 1. Caso Base: corresponde a la red inicial de 140 nudos sin conexin de parques elicos ni SVC. 2. Caso no ptimo: corresponde a la localizacin no ptima de tres parques elicos, en las redes de 132 y 45 kV, y dos SVC en la zona de 380 V. Se considera que los parques elicos operan con un factor de potencia unidad y por lo tanto no ofrecen capacidad de regulacin de potencia reactiva. 3. Caso ptimo: corresponde a la ubicacin y capacidad ptima dada por el AG para en el apartado 6.8, para el escenario de carga punta y mnima generacin. La Tabla 6.16 muestra un resumen de las localizaciones y capacidades de las unidades de generacin y SVC para cada caso de estudio. Tabla 6.16 Ubicacin de casos de estudio.
Caso No ptimo ptimo PC1 8 9 Q1
(Mvar)
PC 2 4 32
Q2
(Mvar)
PC 3 50 22
Q3
(Mvar)
PC 4 68 34
Q4
(Mvar)
PC 5 112 28
Q5.
(Mvar)
0 0,803
0 2,004
0 4,619
1 0,665
1 3,769
164
Casos prcticos
6.10.3 Resultados
6.10.3.1 Violaciones de lmites La Tabla 6.17 muestra un resumen del anlisis de contingencias realizado para los tres escenarios propuestos. Se puede observar que la localizacin ptima de los parques elicos y SVC reduce considerablemente el nmero de violaciones del sistema as como las contingencias que las provocan. Como se puede ver, para el caso no ptimo, de las 292 contingencias de estudio 290 de ellas provocan violaciones de lmites, mientras que para el caso ptimo, de las 292 contingencias de estudio slo 16 provocan violaciones de lmites. Tambin se puede observar como la tensin mnima de la violacin ms restrictiva correspondiente al caso ptimo es superior a la del caso no ptimo y sta a su vez a la del caso base. Tabla 6.17 Resumen de violaciones.
Nmero de Violaciones Caso Base Caso no ptimo Caso ptimo Nmero de Contingencias Vmn (p.u.)
9113 7067 707
286 290 16
0,323 0,752 0,801
En base a esto se puede concluir que la incorporacin de las unidades de generacin de potencia reactiva en el sistema, permite mantener el perfil de tensiones post-contingencia ms cercano al de consigna (1 p.u.), es decir, disminuyen las desviaciones del perfil de tensiones. 6.10.3.2 ndice de funcionamiento Para poder evaluar la severidad de las contingencias estudiadas, se emplea el ndice de severidad de las contingencias propuesto en el captulo 2 (2.24) que mide la desviacin del perfil de tensiones post-contingencia con respecto a un valor de referencia. La Tabla 6.18 muestra un resumen del estudio de severidad de la prdida de las lneas 7-2 y 3-7. Se puede observar como la localizacin ptima de los parques elicos y de los SVC reduce el nmero de violaciones de lmites de tensin en la red. Tambin se puede observar cmo se reduce la desviacin del perfil de tensiones de la red de estudio con respecto al valor de consigna, 1 p.u. Para la prdida de la lnea 7-2 el ndice de severidad se ve reducido aproximadamente a la mitad respecto al caso no ptimo y a un quinto para el caso ptimo, en comparacin con el caso base. En el caso de la prdida de la lnea 3-7 el ndice de severidad de la situacin ptima con respecto al caso base se ve reducido a la mitad y cabe destacar que para esta contingencia el ndice de severidad de la configuracin de red no ptima es superior al caso base.
165
Impacto de la planificacin de potencia reactiva en el anlisis de contingencias Tabla 6.18 ndice de severidad para contingencias.
Lnea 7-2 Nmero de Violaciones Caso Base Caso no ptimo Caso ptimo Lnea 3-7
du
33,6% 14,4% 6,3%
Nmero de Violaciones
du
6,5% 7,0% 2,9%
139 128 41
75 42 0
La Figura 6.22 y Figura 6.23 muestran el perfil de tensiones de la red de estudio post-contingencia para el caso de la prdida de las lneas 7-2 y 3-7 respectivamente.
1,05 0,95 0,85 Tensin (p.u.) 0,75 0,65 0,55 0,45 0,35 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Caso Base Caso no ptimo2 Caso ptimo Punta/Mx
Figura 6.22 Perfil de tensiones post-contingencia, prdida de la lnea 7-2.

1,1 1,05 1 Tensin (p.u.) 0,95 0,9 0,85 0,8 0,75 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Caso Base Caso no ptimo Caso ptimo Punta/Mx
Figura 6.23 Perfil de tensiones post-contingencia, prdida de la lnea 3-7.
166
Casos prcticos
6.11 Optimizacin de la regulacin de la potencia reactiva de generadores elicos asncronos doblemente alimentados
A continuacin, se muestran los resultados de un estudio en el que, empleando el AG diseado, se puede comprobar cmo incorporar los lmites de inyeccin de potencia reactiva de los parques elicos en el algoritmo de optimizacin permite disminuir la inyeccin de potencia reactiva proporcionada por los SVC conectados al sistema a la par que se aumenta el margen de estabilidad del tensin y la cargabilidad del sistema.
6.11.1 Planteamiento del problema

Se considera el sistema de estudio de 140 nudos representado en la Figura 6.1. En este estudio, se parte de una situacin ms optimista, en la que se dota a los transformadores de tomas de regulacin, de manera que el perfil de tensiones de la red se encuentra dentro del intervalo 0,9 p.u. 1,1 p.u. establecido por la norma [110], como puede apreciarse en la Figura 6.24.
1,04 1,02 1,00 Tensin (p.u.) 0,98 0,96 0,94 0,92 0,90 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red
Figura 6.24 Perfil de tensiones inicial de la red de 140 nudos con tomas de transformadores. A continuacin, se emplea el AG de la estrategia de optimizacin 1 (maximizar la cargabilidad) para buscar la localizacin ptima de las siguientes unidades: Un parque elico de 5 MW, con mquinas de velocidad fija, a localizar en la zona 1, correspondiente a los nudos 8 al 11. Un parque elico de 3 MW, a conectar entre los nudos 12 al 22, formado por mquinas asncronas doblemente alimentadas.
167
Optimizacin de la regulacin de la potencia reactiva de generadores elicos asncronos doblemente alimentados Un parque elico de 2 MW a conectar entre los nudos 23 al 32, con aerogeneradores asncronos doblemente alimentados. Dos SVC, con una capacidad mxima de 10 Mvar cada uno a conectar a lo largo de toda el sistema de estudio. Caso 1: Incorporacin de 2 SVC. Caso 2: Incorporacin de 2 SVC; el parque elico de velocidad fija con su SVC, y dos parques elicos con aerogeneradores asncronos doblemente alimentados funcionando con cos=0,99. Caso 3: Incorporacin de 2 SVC; el parque elico de velocidad fija con su SVC, y los parques elicos donde se considera la potencia reactiva mxima que puede proporcionar la mquina, segn las ecuaciones del captulo 5. Caso 4: Incorporacin de 2 SVC; el parque elico de velocidad fija con su SVC, y los parques elicos con mquinas asncronas doblemente alimentadas donde se considera la capacidad de potencia reactiva de la mquina y del convertidor del lado de red, como se indic en el captulo 5.
El estudio se divide en 4 casos:
6.11.2 Resultados
La Tabla 6.19 muestra los resultados de esta nueva estrategia de optimizacin en la cual se puede observar cmo a mayor regulacin de la potencia reactiva de los aerogeneradores mayor es la carga que puede ser abastecida y menor la necesidad de potencia reactiva inyectada por los SVC conectados al sistema. La Tabla 6.19 muestra los valores de cargabilidad mxima y crtica, as como el margen de estabilidad de tensin, y el valor de la dispersin del perfil de tensiones para cada caso de estudio con respecto a la consigna 1 p.u. Se puede apreciar cmo el aumento del margen de regulacin de las mquinas elicas permite aumentar la cargabilidad del sistema, nivelando el perfil de tensiones en torno al valor 1 p.u. Tabla 6.19 Resultados de la estrategia de optimizacin de la potencia reactiva de los aerogeneradores.
Caso Inicial Caso 1 Caso 2 Caso 3 Caso 4 0,04 0,175 0,186 0,205 lm.
(p.u.)
PC1 11 11 11
Q1
(Mvar)
PC2 31 31 31
Q2
(Mvar)
PC3 13 13 13
Q3
(Mvar)
PCSVC1 2 14 14 14
QSVC1
(Mvar)
PCSVC2 21 21 21 21
QSVC2
(Mvar)
0,182 0,537 0,666
0,426 1,452 3,06
0,426 1,452 3,06
8 8 7 4
10 9 9 9
168
Casos prcticos Tabla 6.20 Resultados de la estrategia de optimizacin de la potencia reactiva de los aerogeneradores (continuacin).
Caso Inicial Caso 1 Caso 2 Caso 3 Caso 4 0,04 0,175 0,186 0,205 lm.
(p.u.)
crt.
(p.u.)
1p.u.
(p.u.)
Vmx
(p.u.)
Vmn
(p.u.)
1 1,2 1,2 1,4 1,4
3,15 2,19 2,77 2,77 2,59
1,02 1,04 1,05 1,05 1,05
0,92 0,95 0,95 0,95 0,95
La Figura 6.25 y Figura 6.26 muestran el perfil de tensiones y las curvas PV de la red para los 4 casos de estudio correspondientes a diferentes condiciones de regulacin de los aerogeneradores.
1,10 Inicial Caso 1 Caso 2 Caso 3 Caso 4
1,05 Tensin (p.u.)
1,00
0,95
0,90 1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121 127 133 139 Nudos de la red
Figura 6.25 Perfil de tensiones para los casos de estudio.

1,1 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0 0,1
Tensin (p.u.)
Inicial Caso 1 Caso 2 Caso 3 Caso 4 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4
Cargabilidad (p.u.)
Figura 6.26 Curvas PV para los casos de estudio.
169
Sntesis
6.12 Sntesis
En este captulo se ha implementado un algoritmo gentico multiobjetivo, basado en el desarrollado en el apartado 4.5, en funcin de varias estrategias de optimizacin. Un resumen de las estrategias de optimizacin implementadas, as como de las restricciones del problema planteado se encuentra en la Tabla 6.21. Tabla 6.21 Resumen de las estrategias del problema de optimizacin.
Estrategia de optimizacin E.O. 1 E.O. 2 E.O. 3 E.O. 4a E.O. 4b E.O. 4c E.O. 4d E.O. 4e Maximizar la cargabilidad Minimizar el coste de las prdidas de potencia activa Minimizar el coste asociado a la capacidad de los SVC
=0 ; = 1/3 ; =2/3 =1/2 ; = 1/4 ; =1/4
Formulacin de la E.O. Min F(y) =1 (y) Min G(y) =Costlosses (y) Min H(y) =CostVar (y)
Restricciones
, , ,
i=1,2,,NG i=1,2,,NG
, ,
, i=1,2,,NB
, ,
Multiobjetivo =2/5 ; = 1/5; =2/5

=1/3 ; = 1/3; =1/3 =1/4 ; = 1/4; =1/2
Min M(y)=
i=1,2,,NSVC
, ,
=*F(y)+ *G(y)+ H(y)
i=1,2,,NG
El sistema de estudio de este captulo es una red de 140 nudos, correspondiente la red elctrica espaola comprendida entre vila y Segovia. El objetivo del AG es localizar los puntos de conexin ptimos de 3 parques elicos y dos SVC, as como la inyeccin de potencia reactiva por parte de los mismos. La estrategia de optimizacin multiobjetivo 4c, en la que se prima la cargabilidad y el tamao de los SVC, se perfila como la mejor para la resolucin del problema propuesto. Aplicando dicha estrategia se consigue un incremento de de la carga del sistema de 0,05 p.u., una extensin del margen de estabilidad de tensin hasta un 1,2 p.u. y un perfil de tensiones con una tasa de dispersin muy baja respetando siempre los lmites de operacin establecidos. A continuacin, se realiza un estudio para varios escenarios de carga y generacin con el objetivo de determinar la localizacin ptima de las unidades de generacin y SVC as como la capacidad de los SVC. El resultado de dicho estudio seala la configuracin de red dada por el escenario de carga punta y mnima generacin como la nica capaz de abastecer cualquier condicin de demanda del sistema respetando los lmites de operacin. En este caso, el AG permite establecer las consignas de potencia reactiva para los parques elicos y SVC para abastecer la demanda existente manteniendo el perfil de tensiones dentro de la franja establecida previamente por las restricciones tcnicas de red. Esta nueva funcionalidad del AG diseado permite obtener las consignas de potencia reactiva, para la gestin de potencia reactiva, para la carga diaria y se comprueba que en la operacin de redes elctricas es necesario disponer de
170
Casos prcticos unidades de control dinmico que inyecten en cada momento la potencia reactiva necesaria. Igualmente, se comprueba como la aplicacin del mtodo de optimizacin propuesto aumenta la seguridad del sistema. Se ha realizado un estudio de contingencias N-1 y se han comprobado los beneficios que se obtienen al aplicarlo en redes reales. Finalmente, se realiza un ltimo estudio en el que se comprueba como la utilizacin de la capacidad de regulacin de potencia reactiva de los aerogeneradores puede ser de gran utilidad para los operadores de la red de distribucin o de transporte. Incluir esta capacidad de regulacin en el algoritmo propuesto permite aumentar la cargabilidad del sistema as como disminuir la inyeccin de potencia por parte de los SVC conectados al sistema.
171
CAPTULO 7 CONCLUSIONES
En el presente captulo se muestra un resumen de las principales conclusiones obtenidas en el desarrollo de la tesis. Se dedica un apartado a la enumeracin de las aportaciones originales realizadas en este trabajo as como a las lneas de investigacin futuras. Finalmente, se muestran los trabajos publicados a partir de los resultados obtenidos en la tesis.
Conclusiones
7.1
Conclusiones
Las principales conclusiones obtenidas a partir del desarrollo del presente trabajo se muestran a continuacin. Cada vez ms, las redes elctricas se ven forzadas a operar en condiciones lmites para las que no han sido diseadas ni planificadas. Los factores responsables pueden ser condiciones ambientales, incremento del consumo elctrico en zonas altamente cargadas o incluso la desconexin de parques elicos. Cuando la red opera bajo estas condiciones puede presentar un comportamiento inestable, caracterizado por reducciones de tensin que pueden conducir al colapso de tensin. El modelo de carga empleado en los estudios de planificacin tiene gran influencia en los estudios de estabilidad de tensin. Se ha comprobado que un modelo de carga de impedancia constante es el que permite estimar un margen de estabilidad de tensin ms reducido. Por el contrario, el modelo de potencia constante es el que da informacin de mayor margen de estabilidad de tensin. Se ha comprobado que el empleo de SVC o las tomas de regulacin de los transformadores son soluciones factibles que mejoran la estabilidad de tensin. La gestin ptima de potencia reactiva en sistemas elctricos permite mejorar la estabilidad de tensin y la seguridad del sistema. En esta tesis la gestin de potencia reactiva se ha analizado desde dos puntos de vista. Por un lado, se propone utilizar una adecuada planificacin de potencia reactiva y, por otro lado, se determina la asignacin ptima de potencia reactiva para las unidades existentes. Ambos estudios se han realizado mediante mtodos de optimizacin que tienen en cuenta distintos objetivos y distintas restricciones. Las estrategias de optimizacin de la potencia reactiva que se presentan en esta tesis estn basadas en los algoritmos genticos por ser una tcnica de optimizacin metaheurstica que presenta las siguientes ventajas: Son flexibles y adaptables. Permiten realizar una optimizacin multiobjetivo como el planteado en esta tesis. Son especialmente indicadas para sistemas no lineales.
Se ha comprobado que: La aplicacin de tcnicas de optimizacin, como los AG, permiten determinar cul es la ubicacin ptima de fuentes de potencia reactiva y cul es la potencia que se debe inyectar. 175
Conclusiones La localizacin ptima de varias unidades de generacin distribuida con capacidad de potencia reactiva en redes de distribucin permite mejorar el perfil de tensiones y el margen de estabilidad de tensin. La penetracin de energa renovable se puede incrementar en las redes elctricas si se realiza una planificacin ptima de su ubicacin y de la potencia reactiva que se debe inyectar. Los aspectos de la estabilidad de tensin y gestin de potencia reactiva en sistemas elctricos son especialmente crticos en redes con alta penetracin de generacin elica. Esto ha originado la publicacin de distintos cdigos de red en diversos pases. Aunque no existe un cdigo de red estndar, todos coinciden en incluir los requisitos de regulacin de potencia reactiva que deben ofrecer los parques elicos para su interconexin a la red. En el caso de parques elicos formados por aerogeneradores de velocidad fija, la regulacin de potencia reactiva segn los requerimientos de los cdigos de red se puede conseguir con la instalacin de dispositivos FACTS como por ejemplo los SVC. En esta tesis, se ha desarrollado el modelo de SVC que permite su inclusin en los algoritmos de optimizacin. En el caso de parques elicos de velocidad variable formados por aerogeneradores asncronos doblemente alimentados se debe tener en cuenta que esta mquina se conecta a la red por medio de convertidores electrnicos, por lo que ofrecen la capacidad para realizar una regulacin de potencia reactiva. Se han deducido los mrgenes de regulacin de potencia reactiva mximos que pueden ofrecer los aerogeneradores asncronos doblemente alimentados y se ha demostrado como su inclusin en el mtodo de optimizacin permite mejorar la estabilidad de tensin de la red de forma coordinada con el resto de las unidades de inyeccin de potencia reactiva. El mtodo propuesto se ha aplicado a una red real de 140 nudos donde se ha comprobado la bondad de los resultados teniendo en cuenta distintos objetivos de optimizacin como por ejemplo: maximizar la cargabilidad del sistema y por tanto mejorar la estabilidad de tensin; minimizar las prdidas de potencia en las lneas y minimizar el tamao, y por tanto el coste, de los SVC. El mtodo de optimizacin propuesto no slo se ha aplicado para determinar la localizacin ptima de fuentes de potencia reactiva sino que tambin se ha aplicado en el despacho o la asignacin de consignas de potencia reactiva para las 24 horas de un perfil de carga diaria tpico. La planificacin y operacin de fuentes de potencia reactiva cubren los 2 aspectos que se tratan en la gestin de la potencia reactiva. Finalmente, se ha comprobado como la metodologa planteada en la tesis aporta seguridad a la red al minimizar las prdidas, mejorar la estabilidad de tensin y reducir las contingencias N-1 en la red.
176
Conclusiones
7.2
Aportaciones originales
Las principales aportaciones de la presente tesis doctoral son: El desarrollo de un problema de optimizacin basado en algoritmos genticos que permite: - Determinar la ubicacin y tamao ptimo de fuentes de potencia reactiva, como SVC y parques elicos. (Planificacin de potencia reactiva). - Determinar las consignas de potencia reactiva con el objetivo de mejorar la seguridad del sistema elctrico. (Programacin de potencia reactiva en el corto plazo, 24 horas). El desarrollo de nuevos modelos de aerogeneradores de velocidad variable para su inclusin en los mtodos de optimizacin planteados. - El estudio tiene en cuenta la mxima potencia reactiva que puede inyectar el aerogenerador tanto por la mquina como por el convertidor de red. El mtodo de optimizacin propuesto incluye en su formulacin las restricciones de potencia reactiva de los aerogeneradores (no realizado hasta la fecha) y permite minimizar una funcin multiobjetivo. El modelo de SVC que se propone se centra en incorporar en el mtodo de optimizacin el ngulo de disparo del SVC en vez de la potencia reactiva que puede inyectar, como se realiza tradicionalmente. El mtodo de optimizacin propuesto permite realizar una regulacin de potencia reactiva de forma coordinada entre los aerogeneradores conectados a la red y las fuentes de generacin de potencia reactiva, como los SVC.
7.3
Futuros Desarrollos
Aplicar la metodologa planteada en la tesis en redes de mayor dimensin. Incluir otros dispositivos de compensacin dinmica FACTS como los STATCOM. Incorporar el comportamiento dinmico de los aerogeneradores y de los dispositivos FACTS en el algoritmo de optimizacin para realizar un control de la potencia reactiva en tiempo real. Extender el estudio de anlisis de seguridad al criterio N-2.
177
Publicaciones y proyectos de investigacin
7.4
Publicaciones y proyectos de investigacin
Publicaciones 1. M. Alonso H Amars. Wind farm optimal placement for voltage stability enhancement. Acta Electrotechnica, Mediamira Science Publisher, ISSN: 1841-3323, pp. 200-203, 2008. 2. M. Alonso, H. Amars. Voltage Stability in Distribution Networks with DG. IEEE Bucharest Power Tech Conference, Bucharest, Romania June 28th - July 2nd, 2009. 3. M. Alonso, H Amars. Optimal placement of FACTS units for minimizing the impact of voltage sags in power networks with high wind energy penetration. CIRED 20th International Conference on Electricity Distribution Prague, 8-11 June 2009. 4. M. Alonso, H. Amars. Reactive Power Planning in Distribution Networks with Distributed Generation. 7th Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion (MedPower 2010), Cyprus, 7-10 November 2010. (Aceptado). 5. M. Alonso, H. Amars. Coordinated reactive power management in power networks with wind turbines and FACTS devices, enviado a la revista Energy Conversion and Management (en proceso de revision). Proyectos de investigacin Este trabajo de investigacin se ha desarrollado dentro del marco de los siguientes proyectos de investigacin financiados con fondos pblicos: 1. Distributed power networks with dispersed energy generation, financiado por el Ministerio de Educacin y Ciencia, Direccin general de investigacin (ENE 2006-28503). 2. Estrategias para la integracin eficiente de las energas renovables, financiado por el Ministerio de Ciencia e Innovacin (ENE 2008-06504C02-01).
178
ANEXOS
Anexo 1
Anexo 1
A.1.1 Datos del sistema IEEE-14 nudos [25]
Tabla A.1.1 Nudos de la red IEEE de 14 nudos. Nudos

1 2 3 4 5 6 7 8 9 10 11 12 13 14
Tipo
3 2 2 1 1 2 1 2 1 1 1 1 1 1
Pd(MW)
0 21,7 94,2 47,8 7,6 11,2 0 0 29,5 9 3,5 6,1 13,5 14,9
Qd(Mvar)
0 12,7 19 -3,9 1,6 7,5 0 0 16,6 5,8 1,8 1,6 5,8 5
Tabla A.1.2 Generadores de la red IEEE de 14 nudos. Nudos

1 2 3 6 8
Pg(MW)
232,4 40 0 0 0
Qg(Mvar)
-16,9 42,4 23,4 12,2 17,4
181
Datos de la red de 14 nudos Tabla A.1.3 Lneas de la red IEEE de 14 nudos Nudos desde
1 1 2 2 2 3 4 4 4 5 6 6 6 7 7 9 9 10 12 13
Nudos hasta
2 5 3 4 5 4 5 7 9 6 11 12 13 8 9 10 14 11 13 14
R(p.u.)
0,01938 0,05403 0,04699 0,05811 0,05695 0,06701 0,01335 0 0 0 0,09498 0,12291 0,06615 0 0 0,03181 0,12711 0,08205 0,22092 0,17093
X(p.u.)
0,05917 0,22304 0,19797 0,17632 0,17388 0,17103 0,04211 0,20912 0,55618 0,25202 0,1989 0,25581 0,13027 0,17615 0,11001 0,0845 0,27038 0,19207 0,19988 0,34802
B(p.u.)
0,0528 0,0492 0,0438 0,034 0,0346 0,0128 0 0 0 0 0 0 0 0 0 0 0 0 0 0
182
Anexo 1
A.1.2 Datos del sistema de la red IEEE-34 [91]
Tabla A.1.4 Nudos de la red IEEE de 34 nudos. 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 31 32 33 34
Pd (MW)
0 0,23 0 0,23 0,23 0 0 0,23 0,23 0 0,23 0,137 0,072 0,072 0,072 0,0135 0,23 0,23 0,23 0,23 0,23 0,23 0,23 0,23 0,23 0,23 0,137 0,075 0,075 0,075 0,057 0,057 0,057 0,057
Qd (Mvar)
0 0,1425 0 0,1425 0,1425 0 0 0,1425 0,1425 0 0,1425 0,084 0,045 0,045 0,045 0,075 0,1425 0,1425 0,1425 0,1425 0,1425 0,1425 0,1425 0,1425 0,1425 0,1425 0,085 0,048 0,048 0,048 0,0345 0,0345 0,0345 0,0345
183
Datos de la red de 34 nudos Tabla A.1.4 Lneas de la red IEEE de 34 nudos Nudo desde
1 2 3 4 5 6 7 8 9 10 11 3 13 14 15 6 17 18 19 20 21 22 23 24 25 26 7 28 29 10 31 32 33
Nudo hasta
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
R(ohm/km)
0,0813 0,0743 0,1142 0,1038 0,1038 0,2181 0,1458 0,2181 0,1458 0,0910 0,0729 0,1092 0,1458 0,0729 0,0361 0,1243 0,1139 0,1444 0,1313 0,1313 0,1819 0,1819 0,2181 0,1458 0,0910 0,0729 0,1092 0,1092 0,1092 0,1092 0,1458 0,1092 0,0729
X(ohm/km)
0,0333 0,0306 0,0319 0,0288 0,0288 0,0375 0,0250 0,0375 0,0250 0,0156 0,0125 0,0188 0,0250 0,0125 0,0063 0,0347 0,0319 0,0328 0,0299 0,0299 0,0313 0,0313 0,0375 0,0250 0,0153 0,0125 0,0188 0,0188 0,0188 0,0188 0,0250 0,0188 0,0125
184
Anexo 1
A.1.3 Datos del sistema de 140 nudos
Tabla A.1.5 Nudos de la red de 140 nudos 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 31 32
Nombre Pd(p.u.) Red de 380 kV

Lastras 0
Qd(p.u.)
0 0 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,3 3,052 1,323 0,5 0 0 0 0 0 0 0 0 1
Red de 132 kV
Lastras Burguillo Perogordo Langa Puente de Piedra vila 0 24 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2,7 6,3 3,106 4,5 0 0 0 0 0 0 0 0 9
Red de 45 kV
vila Muana Piedrahita Barco de vila Gotarrendura Riolanza Fontiveros Madrigal Langa Arvalo Nava de la Asuncin Puente de Piedra Cullar Cantalejo Turgano Perogordo Punto1 Campo.AZ Navalperal de Pinares Cristo del Caloco Punto2 V. de Matutue Otero Cerro de la Horca Batanes
185
Datos de la red de 140 nudos Tabla A.1.6 Nudos de la red de 140 nudos (continuacin) Nudo
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 67 68 69 70 71 72 73 74 75
Nombre Pd(p.u.) Red de 15 kV

vila Muana Piedrahita Barco de vila Gotarrendura Riolanza Fontiveros 1 Fontiveros 2 Madrigal Langa Arvalo 1 Arvalo 2 Arvalo 1 Nava de la Asuncin Puente de Piedra Cullar Cantalejo Turgano Campo A. Navalperal de Pinares Cristo del Caloco V. de Matutue Otero -1 Otero -2 Cerro de la Horca Batanes -1 Batanes -2 Red de 380V Avila1 Avila2 Avila1 Muana 1 Muana 2 Muana 1 Piedrahita1 Piedrahita2 Piedrahita1 Barco de vila 1 Barco de vila 2 Barco de vila 1 Gotarrendura 1 Gotarrendura 2 Gotarrendura 1 Riolanza 1 5,068 0,2667 0,3945 0,5518 0,627 0,3793 0,2521 0,2521 0,698 0,2382 0,428 0,428 0,428 1,0177 0,8785 1,573 0,626 0,3723 0,0027 0,7479 0,8183 0,0037 0,3447 0,3447 3,0113 1,4473 1,4473 3,3789 3,3789 3,3789 0,1778 0,1778 0,1778 0,2631 0,2631 0,2631 0,3678 0,3678 0,3678 0,4175 0,4175 0,4175 0,2528
Qd(p.u.)
1,5237 0,1997 0,2147 0,1472 0,1675 0,1128 0,0653 0,0653 0,1776 0,0658 0,1 0,108 0,108 0,5493 0,322 0,5169 0,2477 0,191 0 0,1973 0,373 0,0023 0,167 0,167 0,6113 0,4757 0,4757 1,0158 1,0158 1,0158 0,1332 0,1332 0,1332 0,1351 0,1351 0,1351 0,1981 0,1981 0,1981 0,226 0,226 0,226 0,1962
186
Anexo 1 Tabla A.1.7 Nudos de la red de 140 nudos (continuacin) Nudo

76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121
Nombre Red de 380V

Riolanza 2 Riolanza 3 Fontiveros 11 Fontiveros 12 Fontiveros 21 Fontiveros 22 Fontiveros 23 Fontiveros 13 Madrigal 1 Madrigal 2 Madriga1 Langa 1 Langa 2 Langa 3 Arvalo 11 Arvalo 12 Arvalo 21 Arvalo 22 Arvalo 31 Arvalo 32 Arvalo 13 Arvalo 23 Arvalo 33 Nava Asuncin 1 Nava Asuncin 2 Nava Asuncin 3 Puente de Piedra 1 Puente de Piedra 2 Puente de Piedra 3 Cullar 1 Cullar 2 Cullar 3 Cantalejo 1 Cantalejo 2 Cantalejo 1 Turgano 1 Turgano 2 Turgano 3 Campo. A. 1 Campo. A. 2 Campo. A. 3 Navalperal 1 Navalperal 2 Navalperal 3 Cristo del Caloco 1 Cristo del Caloco 2
Pd(p.u.)
0,2528 0,2528 0,168 0,168 0,168 0,168 0,168 0,168 0,4651 0,4651 0,4651 0,1588 0,1588 0,1588 0,2854 0,2854 0,2854 0,2854 0,2854 0,2854 0,2854 0,2854 0,2854 0,6784 0,6784 0,6784 0,5916 0,5916 0,5916 1,0407 1,0407 1,0407 0,4178 0,4178 0,4178 0,2483 0,2483 0,2483 0,0018 0,0018 0,0018 0,4985 0,4985 0,4985 0,5456 0,5456
Qd(p.u.)
0,1962 0,1962 0,0812 0,0812 0,0812 0,0812 0,0812 0,0812 0,1941 0,1941 0,1941 0,0981 0,0981 0,0981 0,1124 0,1124 0,1124 0,1124 0,1124 0,1124 0,1124 0,1124 0,1124 0,3662 0,3662 0,3662 0,322 0,322 0,322 0,3447 0,3447 0,3447 0,1651 0,1651 0,1651 0,1273 0,1273 0,1273 0,0014 0,0014 0,0014 0,2551 0,2551 0,2551 0,2487 0,2487
187
Datos de la red de 140 nudos Tabla A.1.8 Nudos de la red de 140 nudos (continuacin) Nudo
122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
Nombre Red de 380V

Cristo del Caloco 3 V. de Matutue 1 V. de Matutue 2 V. de Matutue 3 Otero 11 Otero 12 Otero 21 Otero 22 Otero 13 Otero 23 Cerro de la Horca 1 Cerro de la Horca 2 Cerro de la Horca 3 Batanes 11 Batanes 12 Batanes 21 Batanes 22 Batanes 13 Batanes 23
Pd(p.u.)
0,5456 0,0024 0,0024 0,0024 0,2298 0,2298 0,2298 0,2298 0,2298 0,2298 2,0076 2,0076 2,0076 0,9649 0,9649 0,9649 0,9649 0,9649 0,9649
Qd(p.u.)
0,2487 0,0016 0,0016 0,0016 0,1114 0,1114 0,1114 0,1114 0,1114 0,1114 0,4076 0,4076 0,4076 0,3171 0,3171 0,3171 0,3171 0,3171 0,3171
Tabla A.1.9 Lneas de la red de 140 nudos Nudos desde 3

7 2 2 2 8 9 10 8 12 12 14 14 16 17 17 18 19 19 19 21 22
Nudos hasta 7
2 4 5 6 9 10 11 12 13 14 15 16 17 12 18 19 20 20 21 22 23
R (p.u.) 0,0359
0,0274 0,01165 0,0329 0,0219 0,3468 0,37 0,287 0,1487 0,2574 0,3634 0,375 0,122 0,122 0,1487 0,1416 0,122 0,2533 0,909 0,23 0,2332 0,2439
X(p.u.) 0,08015
0,0927 0,0394 0,11129 0,0742 0,578 0,5916 0,458 0,3887 0,331 0,4668 0,3619 0,2506 0,2506 0,3887 0,3702 0,237 0,5205 0,6035 0,778 0,2623 0,4888
B(p.u.) 0,01548
0,0197 0,00837 0,0236 0,0157 0,00166 0,00186 0,00144 0,0013 0,00099 0,00141 0,001 0,00077 0,00077 0,0013 0,00123 0,00082 0,0016 0,0017 0,00223 0,000856 0,00158
188
Anexo 1 Tabla A.1.10 Lneas de la red de 140 nudos (continuacin) Nudos desde 8 24 24 24 27 28 28 30 23 32 23 23 Nudos hasta 24 25 26 27 28 29 30 23 32 31 31 31 R (p.u.) 0,3831 0,003 0,1363 0,3331 0,1261 0,00187 0,10506 0,1998 0,1514 0,042 0,0375 0,0375 X(p.u.) 0,4309 0,00399 0,1764 0,3747 0,1182 0,00385 0,0985 0,225 0,1945 0,0394 0,0794 0,0794 B(p.u.) 0,0014 0,0000115 0,000525 0,0012 0,00035 0,0000118 0,00029 0,00073 0,00059 0,00116 0,00023 0,00023
Tabla A.1.11 Transformadores de la red de 140 nudos Nudos desde

1 4 5 6 47 7 7 7 34 10 36 12 38 14 14 15 16 17 17 17 46 20 49 50 25 26 53 29 55
Nudos hasta R (p.u.) X(p.u.) 132 kV/45 kV y 45 kV/15 kV

2 23 16 19 19 8 8 33 9 35 11 37 13 39 40 41 42 43 44 45 18 48 21 22 51 52 27 54 30 0,00145 0,00683 0,01467 0,0073 0,106 0,01467 0,01467 0,01467 0,106 0,232 0,106 0,106 0,106 0,106 0,106 0,0267 0,044 0,106 0,106 0,106 0,044 0,044 0,106 0,232 0,536 0,0267 0,106 0,536 0,232 0,07345 0,20483 0,4163 0,1748 1,4762 0,34 0,34 0,3263 1,476 2,388 1,596 1,496 1,596 1,756 1,596 0,5327 0,798 1,596 1,596 1,596 0,798 0,758 1,596 4,712 5,896 0,5327 1,596 4,768 3,1508
B(p.u.)
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
189
Datos de la red de 140 nudos Tabla A.1.12 Transformadores de la red de 140 nudos (continuacin). Nudos desde
56 32 32 31 33 33 33 34 34 34 35 35 35 36 36 36 37 37 37 38 38 38 39 39 39 40 40 40 41 41 41 42 42 42 43 43 44 44 45 45 43 44 45 46 46 46
Nudos hasta
30 58 59 57 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 83 80 81 82 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101
R (p.u.)
0,232 0,06 0,06 0,0267
X(p.u.)
3,312 0,9573 0,9573 0,5193 0,6014 0,6014 0,6014 3,6083 3,6083 3,6083 7,2167 7,2167 7,2167 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 1,2028 1,2028 1,2028 1,8042 1,8042 1,8042 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 3,6083 1,8042 1,8042 1,8042
B(p.u.)
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
15 kV / 380V
0,3472 0,3472 0,3472 2,0833 2,0833 2,0833 4,167 4,167 4,167 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 0,6944 0,6944 0,6944 1,04167 1,04167 1,04167 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 2,0833 1,04167 1,04167 1,04167
190
Anexo 1 Tabla A.1.13 Transformadores de la red de 140 nudos (continuacin). Nudos desde
47 47 47 48 48 48 49 49 49 50 50 50 51 51 51 52 52 52 53 53 53 54 54 54 55 55 56 56 55 56 57 57 57 58 58 59 59 58 59
Nudos hasta
102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
R (p.u.) 15 kV / 380V
2,0833 2,0833 2,0833 1,04167 1,04167 1,04167 2,0833 2,0833 2,0833 4,167 4,167 4,167 8,33 8,33 8,33 0,6944 0,6944 0,6944 2,0833 2,0833 2,0833 8,33 8,33 8,33 4,167 4,167 4,167 4,167 4,167 4,167 0,6944 0,6944 0,6944 1,389 1,389 1,389 1,389 1,389 1,389
X(p.u.)
3,6083 3,6083 3,6083 1,8042 1,8042 1,8042 3,6083 3,6083 3,6083 7,2167 7,2167 7,2167 14,43 14,43 14,43 1,2028 1,2028 1,2028 3,6083 3,6083 3,6083 14,43 14,43 14,43 7,2167 7,2167 7,2167 7,2167 7,2167 7,2167 1,2028 1,2028 1,2028 2,405 2,405 2,405 2,405 2,405 2,405
B(p.u.)
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
191
Datos de la red de 140 nudos
Figura A.1
Mapa topolgico de la red vila-Segovia.
192
2 5 18 M W 13 M ar v 18 MW 13 Mva r 37 M W 20 M ar v 25 MW 25 M W 25 MW 20 Mva r 20 M a r 20 Mva r v 39 79 17 M W 8 M ar v 17 M W 8 M ar v 83 80 40 81 25 MW 7 M ar v 38 37 13 17 MW 8 Mva r 17 MW 8 Mva r 82 17 8 Mva r 55 M W 15 M ar v 39 M W 21 M a r v 63 M W 17 M ar v 12 38 M W 11 M ar v 17 MW 25 MW 7 Mva r 86 70 MW 18 Mva r 15 85 14 47 M W 19 M ar v 47 M W 19 M ar v 41 84 75 76 77 17 M W 8 Mv ar 47 M W 19 M ar v 87 42 MW 42 MW 42 MW 23 Mva r 23 Mva r 23 Mva r 37 MW 20 Mv ar 37 MW 20 Mva r 78
MV A A
0 MW 0 Mv ar 18 MW 13 Mva r 64 63 26 M W 14 M a r v 26 M W 14 M ar v 72 73 74 66 36 27 M W 20 M ar v 35 67 68 26 M W 14 M ar v 65 69 70 71
M VA
16 M W 16 M W 10 M ar 10 M ar v v
16 MW 10 Mva r
88
89
2400 MW 3 -1600 Mv ar 8
34
16
42 24 MW 7 Mva r
Figura A.2
507 MW 152 Mva r 10 11 9 43 43 MW
A
33
2,4 Mv ar
60
90 29 M W 11 M a r v 91 10 Mva r
A
338 MW 102 Mva r
MVA
61
Am p s
29 M W 11 M a r v 96
1,2 Mvar
A
29 M W 11 M a r v
338 MW 102 Mva r

Am ps
MVA
29 M W 44 92 93 11 M ar v 29 M W 11 M ar v 43 M W 11 M a r v 97 1,2 Mva r 29 M W 11 M ar v
99 68 MW 37 Mv ar 100 68 MW 37 Mv ar 18
A Am ps
62 46 1,2 M ar v 102 M W 55 Mva r
338 MW 102 Mva r
101 68 MW 37 Mv ar
45 59 M W 32 M ar v 19 47 103 59 M W 32 M ar v 102
94
29 MW 11 Mva r 29 MW 95 43 M W 11 M a r v 98 11 Mva r 29 MW 11 Mva r
Amps
104 20 1,2 Mva r 270 MW 30 M ar v 0 MW 0 Mva r 630 MW 305 Mv ar 63 MW 25 Mv ar 21 49 0 M W 0 M ar v 0 M W 0 M ar v 108 59 M W 32 M ar v 88 M W 32 M ar v 48
105 104 MW 34 M a r v 106 104 MW 34 M a r v 42 MW 17 Mva r 42 MW 17 Mva r 109 110 23 51 0 MW 0 Mva r 25 MW 13 Mva r 50 112 25 MW 13 Mva r 26 25 M W 13 M a r v 75 M W 20 M ar v 28 119 50 MW 26 Mva r 30 126 27 29 127 55 23 M W 11 M ar v 34 M W 17 M ar v 53 123 0 MW 0 Mv ar 124 59 137 96 M W 32 M a r v 139 96 M W 32 M ar v 23 MW 11 Mva r 52 118 50 MW 26 Mva r 113 37 M W 19 M ar v 50 MW 26 Mva r 111 22 311 MW 132 Mva r 450 MW 50 Mva r 57 31 2,4 Mv ar 132 301 MW 61 M ar v 32 133 201 M W 41 Mv ar 42 MW 17 Mva r 16 MW 52 Mva r 107 104 MW 34 M a r v
114
115
116
24 25
201 MW 41 Mva r
117
900 MW 100 Mva r 145 M W 48 Mva r
58 135 96 MW 32 Mva r 96 M W 136 32 M ar v 134
201 M W 41 Mv ar
Esquema completo de la red vila-Segovia.

120 55 MW 25 Mva r 55 MW 25 Mva r 122 55 MW 25 Mva r 82 MW 37 Mva r 121 130 23 M W 11 M ar v 145 MW 48 Mva r 54 0 MW 0 Mv ar 125 0 MW 0 MW 0 Mv ar 56 23 MW 128 11 Mva r 138 96 M W 32 M a r v 140 96 M W 32 M a r v
Anexo 1
193
34 MW
129
23 MW 11 Mva r
Anexo 2
Anexo 2
Glosario de trminos de los AG
Antes de profundizar en la exposicin de la teora de los AG se muestran una serie de conceptos para facilitar la comprensin del captulo 4. Alelo: Cadena, estructura o codificacin: Espacio de soluciones: Secuencia de elementos que representa una solucin o un individuo. Conjunto de todas las posibles soluciones a un problema determinado que es posible alcanzar con el sistema de resolucin empleado. Es equivalente a espacio de individuos. Caractersticas fsicas de un individuo determinadas por su genotipo y las condiciones del medio externo. Resultado de la funcin de evaluacin para un individuo. Analoga natural de cada uno de los elementos que conforman la cadena o cromosoma que representa un individuo. Proceso de creacin de nuevos individuos. Contenido gentico de un individuo, es decir, el cromosoma que lo codifica. Equivalente a solucin o alternativa. Entorno en el que se desarrollan y compiten los individuos. Conjunto de individuos con los que trabaja el AG en un momento dado (iteracin). Generalmente el tamao de la misma permanece constante. Configuracin compatible con las restricciones del problema y de la solucin. Solucin que optimiza la funcin objetivo. Analgicamente es el individuo mejor dotado del entorno. Solucin de calidad cercana a la solucin ptima o de calidad aceptable para las condiciones del problema planteado. Valor que adopta un gen.
Fenotipo:
Fitness o valor de aptitud: Gen:
Generacin: Genotipo o cromosoma: Individuo: Medio externo: Poblacin:
Solucin o alternativa: Solucin ptima:
Solucin sub-ptima:
195
BIBLIOGRAFA
197
Bibliografa
Bibliografa
[1]
Directiva Europea 2009/28/CE. Del Parlamento Europeo y del Consejo de 23 de abril de 2009 relativa al Fomento del uso de la Energa de fuentes renovables y por la que se modifican y se derogan las Directivas 2001/77/CE y 2003/30/CE. Diario Oficial de la Unin Europea, 25 de junio de 2009. Informe en relacin con la cumplimentacin del artculo 4.3 de la directiva 2009/28/CE, de 23 de abril de 2009, relativa al fomento del uso de energas procedentes de fuentes renovables. Asociacin Empresarial Elica, http://www.aeeolica.es Wind in power 2009 European statistics. The European Wind Energy Association (EWEA), February 2010. C. Vilar. Fluctuaciones de tensin producidas por los aerogeneradores de velocidad fija. Tesis Doctoral. Universidad Carlos III de Madrid. Departamento de ingeniera elctrica. 2002. C. W.TAYLOR. Power system voltage stability. California: McGraw Hill, 1994. P. KUNDUR. Power system stability and control. California: McGrawHill, 1994. T.VAN CUSTEM and C. VOURNAS. Voltage stability of electric power systems, Kluwer, 1998. P. Kundur, J. Paserba, V. Ajjarapu, G. Anderson, A. Bose, C. Caizares, N. Hatziargyriou, D. Hill, A. Stankovic, C.W. Taylor, T. Van Custem and V. Vittal. Definitions and classification of power system stability, IEEE/CIGRE Joint Task force on Stability Terms and Definitions, IEEE Transactions on Power Systems, vol. 19, no. 3, pp. 1387-1401, Aug. 2004. C. P. Steinmetz. Power control and stability of electric generating stations, AIEE Trans., vol. XXXIX, Part. II, pp. 1215-1287, Jul. 1920. AIEE Subcommittee on Interconnections and Stability Factors. First report of power system stability, AIEE Trans., pp. 51-80, 1926. V. Ajjarapu and B. Lee. "Bibliography on voltage stability", IEEE Transactions on Power Systems, vol.13, no.1, pp.115-125, Feb. 1998. IEEE Working Group on Voltage Stability. Voltage stability of power systems: concepts, analytical tools, and industry experience. IEEE Special Publication 90TH0358-2-PWR, 1990. IEEE Working Group on Voltage Stability. Suggested techniques for voltage stability analysis. IEEE Special Publication 93TH0620-5-PWR, 1993. IEEE Working Group on Voltage Stability. Voltage collapse mitigation. IEEE Power System relaying Committee, 1996.
[2]
[3] [4] [5]
[6] [7] [8] [9]
[10] [11] [12] [13]
[14]
[15]
199
Bibliografa [16] [17] [18] [19] [20] CIGRE Task Force 38-02-10. Modeling of voltage collapse including dynamic phenomena. CIGRE Publication, 1993. CIGRE Task Force 38-02-11. Indices predicting voltage collapse including dynamic phenomena. CIGRE Publication, 1994. CIGRE Task Force 38-02-12. Criteria and countermeasures for voltage collapse. CIGRE Publication, 1994. CIGRE Working Group 34-08. Protection against voltage collapse. CIGRE Publication, 1998. C. A. Caizares, editor. Voltage stability assessment: concepts, practices and. Tools, IEEE-PES Power Systems Stability Subcommittee Special Publication, SP101PSS, Aug. 2002. IEEE Committee Report. Proposed terms and definitions for power system stability. IEEE Transactions on Power Apparatus and Systems, PAS-101, no. 7, pp. 1894-1898, Jul. 1982. Reactive Reserve Working Group (RRWG). Guide to WECC/NERC Planning Standards I.D: Voltage support and reactive power, Western Electricity Coordinating Council, Mar. 2006. V. AJJARAPU. Computational techniques for voltage stability assessment and control. Iowa State University: Springer, 2006. IEEE Task Force Report. Standard load models for power flow and dynamic performance simulation, IEEE Transactions on Power Systems, Vol. 10, No. 3, pp. 1302-1313, Aug. 1995. CIGR Working Group 14.19. Static Synchronous Compensator (STATCOM), CIGRE Publication, 1999. University of Washington, Power Systems Test Case Archive. Disponible en: http://www.ee.washington.edu/research/pstca/. PowerWorld Corporation, http://www.powerworld.com. BOE 197. P.O.-1.1. Criterios de funcionamiento y seguridad para la operacin del sistema elctrico. Disponible en http://www.ree.es, Julio 1998. BOE 197. P.O.-1.4. Condiciones de entrega de la energa en los puntos frontera de la red gestionada por el operador del sistema. Disponible en http://www.ree.es, Julio 1998. J. Martnez. Resolucin de restricciones tcnicas en la programacin diaria de la generacin mediante descomposicin de Benders. Tesis Doctoral. Universidad Carlos III de Madrid, Departamento de Ingeniera Elctrica, 2004. A.J. WOOD and B.F. WOLLENBERG. Power Generation, operation and control. 2 Edicin, John Willey & Sons, 1996. A. Escobar, L.A. Gallego. Anlisis esttico de contingencias de voltaje en sistemas elctricos de potencia. Scientia et Technica Ao X, No 26, Diciembre 2004.
[21]
[22]
[23] [24]
[25] [26] [27] [28]
[29]
[30]
[31] [32]
200
Bibliografra [33] D. Pudjianto, S. Ahmed and G. Strbac. "Allocation of Var support using LP and NLP based optimal power flows", IEE Proc. Generation, Transmission, and Distribution, vol. 149, pp. 377-383, 2002. K. Aoki, M. Fan and A. Nishikori. "Optimal Var planning by approximation method for recursive mixed-integer linear programming", IEEE Trans. Power Syst., vol. 3, pp. 1741-1747, 1988 . J. R. S. Mantovani and A. V. Garcia. "A heuristic method for reactive power planning", IEEE Trans. Power Syst., vol. 11, pp.68-74, 1996 . M. Delfanti, G. Granelli, P. Marannino and M. Montagna. "Optimal capacitor placement using deterministic and genetic algorithms", IEEE Trans. Power Syst., vol. 15, pp. 4041-1046, 2000. C. T. Hsu, Y. H. Yan, C.S. Chen and S.L Her. "Optimal reactive power planning for distribution systems with nonlinear loads", Proc. IEEE Region 10 Int. Conf. Computer, Communication, Control and Power Engineering, vol. 5, pp. 330-333, 1993. B. B. Chakrabarti, D. Chattopadhyay and C. Krumble. "Voltage stability constrained Var planning-a case study for New Zealand", Proc. LESCOPE "01 Large Engineering Systems Conf. Power Engineering, pp. 86-91, 2001. D. Chattopadhyay and B. B. Chakrabarti. "Reactive power planning incorporating voltage stability", Int. J. Elect. Power and Energy Syst., vol. 24, pp. 185-200, 2002. D. Chattopadhyay and B. B. Chakrabarti. "Voltage stability constrained Var planning: Model simplification using statistical approximation", Int. J. Elect. Power and Energy Syst., vol. 23, pp. 349-358, 2001. Y. L. Chen. "Weak bus oriented reactive power planning for system security", IEE Proc. Generation, Transmission and Distribution, vol. 143, pp. 541-545, 1996. V. Ajjarapu, P. L. Lau and S. Battula. "An optimal reactive power planning strategy against voltage collapse", IEEE Trans. Power Syst., vol. 9, pp. 906-917, 1994. O. O. Obadina and G. J. Berg. "Var planning for power system security", IEEE Trans. Power Syst., vol. 4, pp. 677-686, 1989. R. C. Dageneff, W. Neugebauer and C. Saylor. "Security constrained optimization: An added dimension in utility systems optimal power flow technology", IEEE Comput. Appl. Power, pp. 26-30, 1988. B. Cova. "Contingency constrained optimal reactive power flow procedures for voltage control in planning and operation", IEEE Trans. Power Syst., vol. 10, pp. 602-608, 1995. B. Venkatesh , G. Sadasivam and M. A. Khan. "An efficient multiobjective fuzzy logic based successive LP method for optimal reactive power planning", Elect. Power Syst. Res., vol. 59, pp. 89-102, 2001.
[34]
[35] [36]
[37]
[38]
[39]
[40]
[41]
[42]
[43] [44]
[45]
[46]
201
Bibliografa [47] L. L. Lai and J. T. Ma. "Application of evolutionary programming to reactive power planning-comparison with nonlinear programming approach", IEEE Trans. Power Syst., vol. 12, pp. 198-206, 1997. K. H. Abdul-Rahman and S. M. Shahidehpour. "Application of fuzzy sets to optimal reactive power planning with security constraints", IEEE Trans. Power System, vol. 9, pp. 589-597, 1994. R. A. Gallego, A. J. Monticelli and R. Romero. "Optimal capacitor placement in radial distribution networks", IEEE Trans. Power Syst., vol. 16, pp. 630-637, 2001. T. Gomez, I. J. Perez-Arriaga , J. Lumbreras and V. M. Parra. "A securityconstrained decomposition approach to optimal reactive power planning", IEEE Trans. Power Syst., vol. 6, pp. 1069-1076, 1991. D. Chattopadhyay, K. Bhattacharya and J. Parikh. "Optimal reactive power planning and its spot pricing: An integrated approach", IEEE Trans. Power Syst., vol. 10, pp. 2014-2020, 1995. K. Y. Lee, X. Bai and Y. M. Park. "Optimization method for reactive power planning by using a modified simple genetic algorithm", IEEE Trans. Power Syst., vol. 10, pp. 1843-1850, 1995. K. Y. Lee and F. F. Yang. "Optimal reactive power planning using evolutionary algorithms: A comparative study for evolutionary programming, evolutionary strategy, genetic algorithm, and linear programming", IEEE Trans. Power Syst., vol. 13, pp. 101-108, 1998. S. Granville, M. V. P. Pereira and A. Monticelli. "An integrated methodology for Var sources planning", IEEE Trans. Power Syst., vol. 3, pp. 549-557, 1988. J. Z. Zhu, C. S. Chang, W. Yan and G. Y. Xu. "Reactive power optimization using an analytic hierarchical process and a nonlinear optimization neural network approach", IEE Proc. Generation, Transmission, and Distribution, vol. 145, pp. 89-97, 1998. Y. L. Chen and Y. L. Ke. "Multi-objective Var planning for large-scale power systems using projection-based two-layer simulated annealing algorithms", IEE Proc. Generation, Transmission and Distribution, vol. 151, pp.555-560, 2004. W. S. Jwo, C. W. Liu, C. C. Liu and Y. T. Hsiao. "Hybrid expert system and simulated annealing approach to optimal reactive power planning", IEE Proc. Generation, Transmission and Distribution, vol. 142, pp. 381385, 1995. K. Iba. "Reactive power optimization by genetic algorithm", Proc. Power Industry Computer Application Conf., pp. 595-201, 1993. Y. T. Hsiao C. C. Liu, H.D. Chiang and Y.L. Chen. A computer package for optimal multi-objective Var planning in large scale power systems, IEEE Trans. on PAS, vol. 9, no. 2, pp. 668-676, May. 1994. Y. L. Chen and C. C. Liu. "Multiobjective Var planning using the goal attainment method", IEE Proc. Generation, Transmission and Distribution, vol. 141, pp. 227-232, 1994.
[48]
[49]
[50]
[51]
[52]
[53]
[54]
[55]
[56]
[57]
[58] [59]
[60]
202
Bibliografra [61] [62] Y. L. Chen. "Weighted-norm approach for multiobjective Var planning", IEE Proc. Generation, Transmission and, vol. 145, pp. 369-374, 1998. Y. L. Chen and C. C. Liu. "Interactive fuzzy satisfying method for optimal multi-objective Var planning in power systems", IEE Proc. Generation, Transmission and Distribution, vol. 141, pp.554-560, 1994. Y. L. Chen and C. C. Liu. "Optimal multi-objective Var planning using an interactive satisfying method", IEEE Trans. Power Syst., vol. 10, pp. 664670, 1995. R. Ramos, J. Vallejos and B. Baracute, "Multi-objective reactive power compensation with voltage security", Proc. 2004 IEEE/PES Transmission and Distribution Conf. and Expo.: Latin America, pp. 302-307, 2004. W. R. Thomas, A.M. Dixon, D.T.Y. Cheng, R.M. Dunnet, G. Schaff and J.D. Thorp. "Optimal reactive planning with security constraints", Proc. IEEE Power Industry Computer Application Conf., 1995. A. Venkataramana, J. Carr and R. S. Ramshaw. Optimal reactive power allocation, IEE Trans. on PASS, vol. PWRS-2, no.1, pp. 138-144, Feb. 1987. S.H. Zanakis and J.R. Evans. Heuristics optimization: Why, When and How to use it. Interfaces, Vol. 11, no.5, Oct. 1981.
J. DRO. Metaheuristics of hard optimization. Springer, Berln. 2006.
[63]
[64]
[65]
[66]
[67] [68] [69]
A. DIAZ, F. GLOVER, H.M. GHAXIRI, J.L. GONZALEZ, M. LAGUNA, P. MOSCATO Y F.T. TSENG. Optimizacin Heurstica y Redes Neuronales en direccin de operaciones e ingeniera. Paraninfo, Madrid, 1996. Y. T. Hsiao, C. C. Liu, H.D. Chiang and Y.L. Chen. A new approach for optimal Var sources planning in large scale electric power systems, IEEE Trans. on PAS, vol. 8, no. 3, pp. 988.996, Aug. 1993. W. Zhang, Y. Liu and Y. Liu. "Optimal VAr planning in area power system", Proc. Int. Conf. Power System Technology, pp. 2072-2075, 2002. K. Y. Lee and F. F. Yang. Optimal reactive planning using evolutionary algorithms: a comparative study for evolutionary programming, evolutionary strategy, genetic algorithms, and linear programming, IEEE Trans. on PAS, vol. 13, no. 1, pp. 101-108, Feb. 1998. V. Ajjarapu and A. Albanna. Application of genetic based algorithms to optimal capacitor placement, Procedings of the First International Forum on Applications of Neural Networks to Power Systems, pp. 251-255, 23-26 July 1991. K. Iba. Reactive power optimization by genetic algorithm, Power Industry Computer Application Conference, pp. 195-201, 4-7 May 1993. A. J. Urdaneta, J.F. Gmez, E. Sorrentino, L. Flores and R. Daz. A hybrid genetic algorithm for optimal reactive power planning based upon successive linear programming, IEEE Trans. on PAS, vol. 14, no. 4, pp. 1292-1298, Nov. 1999.
[70]
[71] [72]
[73]
[74] [75]
203
Bibliografa [76] Z. Y. Dong and D. J. Hill. Power system reactive scheduling within electricity markets, International Conference on Advances in Power System Control, Operation and Management, vol. 1, pp. 70-75, 30 Oct. 1 Nov. 2000. D.E. GOLDBERG. Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA, 1989. K. H. Abdul-Rahman, S. M. Shahidehpour and M. Daneshdoost. AI approach to optimal Var control with fuzzy reactive loads, IEEE Trans. on PAS, vol. 10, no. 1, pp 88-97, Feb. 1995. J. H. HOLLAND, Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor. Republished by the MIT. press, 1992. K. A. De Jong. An analysis of the behavior of a class of genetic adaptive systems. PhD thesis, University of Michigan, 1975. Z. MICHALEWIC. Genetic Algorithms + Data Structures = Evolution Programs, 3rd edition, Springer, Berlin, 1996. D. B. FOGEL. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. Second Edition. IEEE Press. New York (USA). 2000. J.M. Arroyo Snchez. Modelos y algoritmos para la explotacin ptima de la generacin en sistemas elctricos centralizados y competitivos mediante algoritmos genticos y programacin lineal entera-mixta. Tesis Doctoral. Universidad de Castilla-La Mancha, Ciudad Real, 2000. J.A. Diego-Mas, Optimizacin de la distribucin en planta de instalaciones industriales mediante algoritmos genticos. Aportacin al control de la geometra de las actividades.. Tesis Doctoral. Universidad Politcnica de Valencia, 2006. K.A. DE JONG. Genetic algorithms are not function optimizers, Morgan Kaufmann, San Mateo, California, 1993. C. Perfumo, G. Mora, y L. Rojas. Algoritmos genticos paralelos aplicados a la resolucin de problemas de asignacin de frecuencias en redes celulares. Tesina de Licenciatura en Informtica. Universidad Nacional de la Patagonia San Juan Bosco Comodoro Rivadavia, Argentina, 2006. A. Marczyk, Genetics Algorithms and Evolutionary computation, disponible en http://www.talkorigins.org/faqs/genalg/genalg.html. M. Srinivas and L.M. Patnaik. "Genetic algorithms: a survey," Computer, vol.27, no.6, pp.17-26, Jun 1994. K.A. De Jong and W. A. Spears, An analysis of the Interacting roles of population size and crossover in genetic algorithms, Proc. First Workshop Parallel Problem Solving from Nature, Springer-Verlag, Berlin, pp.38-47, 1990. The MathWorks Company, http://www.mathworks.com/
[77]
[78]
[79] [80] [81] [82]
[83]
[84]
[85] [86]
[87] [88] [89]
[90]
204
Bibliografra [91] [92] [93] [94] [95] [96] [97] [98] Radial Test Feeders-IEEE Distribution Systems Analysis, disponible en www.ewh.ieee.org/soc/pes/dsacom/testfeeders.html. Grid code-high and extra high voltage. E.On Netz Gmbh, Bayreuth, Germany, April 2006. Grid code, issue 3, rev.24. National Grid Electricity Transmission plc, UK, October 2008. Grid code-version 3.0. ESB National Grid, Ireland, September 2007. Nordic Grid Code. Nordel, January 2007. Grid connection of wind turbines to networks with voltage above 100 kV, Regulation TF. 3.2.6. Energinet, Denmark, May 2004. Grid connection of wind turbines to networks with voltage above 100 kV, Regulation TF. 3.2.5. Energinet, Denmark, December 2004. Transmission provider technical requirements for the connection of power plants to Hydro-Quebec transmission system. Hydro Quebec Transenergie, 2006. CanWEA Canadian grid code for wind development review and reconmmendations. Document No. 11163/OR/01 B., Garrad Hassan Canada Inc., 2005.
[99]
[100] Wind power facility technical requirements. Revision 0. Alberta Electric System Operator (AESO), Canada, November, 2004. [101] Interconnection for wind energy, final rule. Federal Energy Regulatory Commission, USA, June 2005. [102] P.O. 12.3. Requisitos de respuesta frente a huecos de tensin de las instalaciones de produccin de rgimen especial. REE, Espaa, Noviembre 2005. [103] T. MILLER, Reactive Power Control in electric Systems. New York, John Wiley and Sons, 1982. [104] Z. T FAUR, Effects of FACTS devices on static voltage collapse phenomena, University of Waterloo, Ontario, Canada, 1996. [105] J.L. RODRIGUEZ, J.C. BURGOS y S. ARNALTE. Sistemas elicos de produccin de energa elctrica. Editorial Rueda, Madrid, 2003. [106] Bharat Singh y S. N.Singh, Reactive Capability limitations of Double-Fed Induction Generators, Electric Power Components and Systems, 37: 4, 427-440, 2009. [107] W. LEONHARD. Control of electric drives. Berlin, Springer, 1996. [108] Instituto para la Diversificacin y Ahorro de la Energa, www.idae.es. [109] Red Elctrica de Espaa, www.ree.es. [110] UNE 21301-1991. Tensiones nominales de las redes elctricas de distribucin pblica de baja tensin.
205

Tesis Monica Alonso Martinez

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tesis Monica Alonso Martinez

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD CARLOS III DE MADRID

Departamento de Ingeniera Elctrica

Mnica Alonso Martnez

Dra. Hortensia Amars Duarte

GESTIN PTIMA DE POTENCIA REACTIVA EN SISTEMAS ELCTRICOS CON GENERACIN ELICA

Mnica Alonso Martnez Dra. Hortensia Amars Duarte

CAPTULO 2 _____________________________________________________________9 Estabilidad de tensin ____________________________________________________9 y anlisis de contingencias _________________________________________________9

CAPTULO 3 ALGORITMOS DE OPTIMIZACIN EMPLEADOS EN LA GESTIN DE LA POTENCIA REACTIVA ____________________________________________________________ 47

CAPTULO 4 ALGORITMOS GENTICOS _______________________________________________ 69

CAPTULO 5 MODELADO DE FUENTES DE GENERACIN DE POTENCIA REACTIVA ____________ 109

CAPTULO 6 CASOS PRCTICOS ____________________________________________________ 137

CAPTULO 7 CONCLUSIONES _______________________________________________________ 173

Anexos ______________________________________________________________ 179

Bibliografa __________________________________________________________ 197

STATCOM Static synchronous Compensator

Situacin actual y expectativas de crecimiento de la energa elica

Estabilidad de tensin y dispositivos FACTS

CAPTULO 2 ESTABILIDAD DE TENSIN

Clasificacin de la estabilidad en sistemas de potencia

Clasificacin de la estabilidad en sistemas de potencia

Estabilidad de ngulo de rotor

Clasificacin de la estabilidad en sistemas de potencia

Estabilidad de sistemas de potencia

Estabilidad de ngulo de rotor

Figura 2.1 Clasificacin de la estabilidad de tensin.

Estabilidad de tensin stabilidad

Donde los coeficientes , , condiciones iniciales. Los exponentes Jacobiana: =

Y se pueden obtener mediante la solucin de: Donde , , y punto de equilibrio | |=0

son las derivadas parciales de , .

Donde: La tensin en el nudo del generador es +

El factor de potencia se considera constante. = 1+

Se define un escenario de variacin de carga segn: = 1+

Las ecuaciones correspondientes al flujo de cargas son:

Estabilidad de tensin La matriz Jacobiana original se puede expresar como:

Por lo tanto, la solucin del proceso de correccin es:

Correccin Punto crtico Valor real

Implicacin de los componentes del sistema

Modelos de cargas elctricas

Sistema de dos nudos. Mxima transferencia de potencia

La potencia aparente absorbida por la carga ser:

Que podemos descomponer en: sin

A partir de la igualdad (2.31), obtenemos la ecuacin (2.32): 2 sin 0

Que puede ser simplificada en:

Las soluciones de la ecuacin (2.34) vienen dadas por: = 2 4

1 0 -1 -2 -3 -4 -5 3 4,5 6 7,5 9 10,5 12 13,5 15 16,5 18 19,5 Tensin (KV)

Estabilidad de tensin cos

Figura 2.8 Curvas V-Q para el sistema de dos nudos.

Escenarios de inestabilidad de tensin

Pd 0 y Qd 0 representan las condiciones iniciales de carga.

es el coeficiente de variacin de la carga ( = 0 para el caso inicial).

Aumento de carga Punto de colapso de tensin

Caractersticas del sistema Post-fallo

Caracterstica del sistema Pre-fallo

P Figura 2.10 Mecanismos de inestabilidad: gran perturbacin.

Efectos de la compensacin de reactiva

Conexin del primer escaln de condensadores

Conexin del segundo escaln de condensadores

0 0 0,1 0,2 0,3 0,4 0,5 P (p.u.) 0,6

(a) Configuracin TCR.

(b) Configuracin TSC.

Figura 2.12 Esquema de representacin de SVC.

Conexin del SVC

0 0 0,1 0,2 0,3 0,4 0,5 0,6

Figura 2.13 Curva P-V con conexin de SVC.

CAPTULO 2 _____________9 Estabilidad de tensin 9 y anlisis de contingencias _9