Memoria PFM PDF

Localizacin ptima de Generacin Distribuida en
Sistemas de Distribucin Trifsicos con Carga Variable en

el Tiempo Utilizando el Mtodo de Monte Carlo
MEMORIA
Autor: Luis Gerardo Guerra Snchez

Director: Juan Antonio Martnez Velasco
Convocatria: Semestre Primavera Curso 2011-2012
Mster Interuniversitari UB-UPC

dEnginyeria en Energia
Mster Interuniversitari UB-UPC dEnginyeria en Energia
Sollicitud dacceptaci de presentaci del Projecte Final de Mster i
sollicitud de defensa pblica.
Alumne: Luis Gerardo Guerra Snchez

DNI: 02545885
Ttol: Localizacin ptima de generacin distribuida en sistemas de distribucin
trifsicos con carga variable en el tiempo utilizando el mtodo de Monte Carlo
Acceptaci de la presentaci del projecte:
Confirmo lacceptaci de la presentaci del Projecte Final de Mster.
Per a que consti,
Martnez Velasco, Juan Antonio

Cognoms, nom (director del Projecte)
Sollicito:
La defensa pblica del meu Projecte Final de Mster.
Per a que consti,
Guerra Snchez, Luis Gerardo

Cognoms, nom (Alumne)
Barcelona, 24 de Febrero de 2012

Resumen
En el presente trabajo se desarrolla un metodo para determinar la localizacion optima de un

generador distribuido que inyecta unicamente potencia activa en un alimentador radial con carga
uniformemente distribuida. El algoritmo desarrollado se basa en el metodo de Monte Carlo y
permite obtener los valores optimos de potencia y posicion del generador. El algoritmo tambien
sirve para determinar la localizacion optima de bancos de condensadores con el objetivo de
obtener una reduccion optima de las perdidas.
Indice general
1. Introduccion 3
1.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Estructura del documento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2. Sistemas de distribucion de energa electrica 6

2.1. Transporte y distribucion de energa electrica . . . . . . . . . . . . . . . . . . 6
2.2. Estructura del sistema de distribucion . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Configuracion de circuitos primarios de distribucion . . . . . . . . . . . . . . . 10
2.3.1. Alimentador unico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2. Lazo abierto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4. Configuracion de circuitos secundarios de distribucion . . . . . . . . . . . . . 11
2.4.1. Configuracion tipo spot . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.2. Configuracion tipo red . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5. Configuracion de subestaciones de distribucion . . . . . . . . . . . . . . . . . 13
2.5.1. Subestaciones de distribucion rurales . . . . . . . . . . . . . . . . . . 13
2.5.2. Subestaciones de distribucion suburbanas . . . . . . . . . . . . . . . . 14
2.5.3. Subestaciones de distribucion urbanas . . . . . . . . . . . . . . . . . . 14
2.6. Equipos presentes en los sistemas de distribucion . . . . . . . . . . . . . . . . 16
2.7. Recursos energeticos distribuidos . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7.1. Generacion distribuida . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7.2. Almacenamiento de energa . . . . . . . . . . . . . . . . . . . . . . . 19
3. OpenDSS 21
3.1. OpenDSS como aplicacion independiente . . . . . . . . . . . . . . . . . . . . 23
3.1.1. Simulacion de caso ejemplo desde la aplicacion independiente . . . . . 23
3.2. Acceso a OpenDSS desde Matlab . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.1. COM Server . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.2. Control de OpenDSS desde Matlab . . . . . . . . . . . . . . . . . . . 28
4. Localizacion optima de generacion distribuida 32

4.1. Metodos de localizacion optima de generacion distribuida . . . . . . . . . . . . 33
4.1.1. Regla de los 2/3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1
4.1.2. Metodos analticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.3. Flujo de carga optimo . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.1.4. Algoritmos geneticos . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.5. Algoritmos metaheursticos . . . . . . . . . . . . . . . . . . . . . . . 39
5. Localizacion optima de un generador distribuido utilizando el metodo de Monte

Carlo 45
5.1. Implementacion del metodo . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.1.1. Entrada de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.2. Simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.1.3. Salida de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2. Red de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.1. Transformador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.2. Definicion de las lneas . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2.3. Cargas del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2.4. Definicion del sistema en OpenDSS . . . . . . . . . . . . . . . . . . . 51
5.3. Procedimiento matematico para determinar la localizacion optima de un gene-
rador distribuido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.4. Localizacion optima de un generador distribuido con carga constante . . . . . . 61
5.4.1. Caso base sin generacion distribuida . . . . . . . . . . . . . . . . . . . 61
5.4.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.4.3. Simulacion de caso optimo . . . . . . . . . . . . . . . . . . . . . . . . 63
5.5. Localizacion optima de un generador distribuido con carga variable en el tiempo 65
5.5.1. Caso base sin generacion distribuida . . . . . . . . . . . . . . . . . . . 65
5.5.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.5.3. Simulacion de caso optimo . . . . . . . . . . . . . . . . . . . . . . . . 68
5.5.4. Impacto de la restriccion de flujo inverso . . . . . . . . . . . . . . . . 69
5.5.5. Localizacion optima de dos generadores distribuidos . . . . . . . . . . 71
5.6. Localizacion optima de bancos de condensadores . . . . . . . . . . . . . . . . 72
5.6.1. Localizacion optima teorica de bancos de condensadores . . . . . . . . 72
5.6.2. Localizacion optima de un banco de condensadores . . . . . . . . . . . 73
5.6.3. Localizacion optima de dos bancos de condensadores . . . . . . . . . . 74
6. Conclusiones 77
6.1. Conclusiones sobre la implementacion del metodo . . . . . . . . . . . . . . . . 77
6.2. Conclusiones sobre los resultados obtenidos . . . . . . . . . . . . . . . . . . . 78
6.3. Objetivos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2
Captulo 1
Introduccion
En la actualidad existe una tendencia marcada que indica que la construccion de grandes
plantas generadoras ya no es la mejor opcion para atender el aumento de demanda electrica. Los
altos costos que implica la construccion de dichas plantas, la actual preocupacion por reducir
la emision de gases de efecto invernadero y otros problemas de tipo legal, por ejemplo obtener
permisos medio ambientales para la construccion de nuevas lneas, ha causado que la industria
vuelva sus ojos a un sector que tiene una gran capacidad de crecimiento y que presenta grandes
beneficios para el sistema, la generacion distribuida y en un marco mas amplio, los recursos
energeticos distribuidos.
Como ya fue mencionado, la introduccion de los recursos distribuidos puede traer consigo
grandes beneficios al sector. Sin embargo, la construccion y conexion de generadores distribui-
dos no puede ser hecha sin antes considerar cual sera el impacto real. Estudios de planificacion
deben de ser llevados a cabo para garantizar el completo aprovechamiento de los beneficios
de la generacion distribuida y prever cualquier complicacion que pueda surgir de esta. En este
sentido los paquetes de simulacion representan una herramienta valiosa al momento de realizar
la planificacion a futuro de un sistema de distribucion de energa electrica que desee expandirse
e incluir recursos distribuidos.
La localizacion optima de un generador distribuido es un aspecto clave para garantizar que
la introduccion de generacion distribuida en los sistemas electricos de potencia tenga exito.
Hasta la fecha se ha desarrollado una gran variedad de metodologas para determinar dicha
localizacion optima. Algunos de estos metodos utilizan enfoques analticos que incluyen sim-
plificaciones, mientras que otros utilizan algoritmos de gran complejidad. La exactitud de los
resultados obtenidos depende mucho del metodo utilizado, por lo que todava hoy es necesario
mejorar los metodos desarrollados de forma que se mejoren su precision, sean relativamente
simples de implementar, y eficientes.
3
1.1. Objetivo
El objetivo del presente Proyecto de Fin de Master es el desarrollo e implementacion de un
metodo de localizacion optima de generadores distribuidos utilizando varias herramientas de
simulacion as como otros paquetes de software que permitan el post-procesamiento de datos.
El metodo debera ser exacto, manejar sistemas que incluyan modelos reales, y ademas eficiente
por lo que respecta al tiempo necesario para obtener resultados.
El metodo desarrollado en este trabajo ha sido previamente presentado en el artculo:
J.A. Martinez and G. Guerra,Optimum Placement of Distributed Generation in Three-

Phase Distribution Systems with Time Varying Load Using a Monte Carlo Approach.
Aprobado para su presentacion en el IEEE PES GM a celebrarse en San Diego C.A.,
Julio 2012.
1.2. Estructura del documento

Segundo captulo
En el segundo captulo se desarrolla una introduccion a los sistemas de distribucion de
energa electrica. Se presentan las diferentes caractersticas y configuraciones propias de los
sistemas de distribucion de energa electrica reales.
Tercer captulo
En el tercer captulo se introduce el software de simulacion OpenDSS, presentandose sus ca-
pacidades y caractersticas como una herramienta de analisis y planeacion de sistemas de distri-
bucion. Se desarrolla un ejemplo a traves del cual es explicado el funcionamiento de OpenDSS
como aplicacion independiente y como una aplicacion controlada desde un paquete de software
externo, en este caso Matlab.
Cuarto captulo
En el cuarto captulo se presenta un resumen con distintos metodos de localizacion optima
de generadores distribuidos utilizados por otros autores; ademas se desarrolla un ejemplo que
demuestra la filosofa detras de cada uno de los metodos presentados.
Quinto captulo
En el quinto captulo se presenta el metodo de localizacion optima de generadores distribui-
dos desarrollado para el presente Proyecto de Fin de Master. La implementacion del metodo es
explicada a detalle y se muestran los resultados obtenidos a partir de las simulaciones llevadas
4
a cabo, las cuales comprenden la localizacion optima de un generador distribuido con carga
constante y con carga variable en el tiempo.
Sexto captulo
En el sexto captulo se discuten las conclusiones alcanzadas a partir de la implementacion
del metodo y de los resultados obtenidos a traves de las simulaciones. Ademas, se discuten
mejoras futuras al metodo presentado.
5
Captulo 2
Sistemas de distribucion de energa

electrica
2.1. Transporte y distribucion de energa electrica

Los sistemas de entrega de energa electrica han sido disenados para poder llevar la energa
electrica que se produce en los centros de generacion hasta los puntos donde los consumidores
finales hacen uso de ella. Estos sistemas estan formados por otros subsistemas, los cuales en
un mercado liberalizado no pertenencen a un mismo propetario y cada uno representa un mer-
cado independiente donde la libre competencia esta permitida. En la Figura 2.1 se presenta el
esquema general de los sistemas de entrega de energa electrica.
Grandes centros de generacion

La mayor parte de la energa electrica es producida en centros que cuentan con unidades
generadoras de gran potencia. Dichos centros se encuentran alejados de los puntos de consumo
y utilizan diferentes tecnologas para producir energa electrica tales como energa nuclear,
carbon, gas, hidroelectrica, etc. Muchas de estas plantas fueron construidas en el pasado cuando
la totalidad del sistema de entrega de energa electrica se encontraba bajo el control de una
sola entidad, la cual aprovechaba las ventajas ofrecidas por la economa de escala para poder
construir grandes plantas de generacion que fuesen rentables.
Sistema de transporte
El sistema de transporte comprende el conjunto de lneas, subestaciones y equipos encar-
gados de conectar los grandes centros de generacion con los grandes nucleos de demanda, los
cuales se encuentran localizados en las ciudades y en zonas industriales. Las lneas pertene-
cientes al sistema de transporte recorren grandes distancias y transportan grandes cantidades de
energa, por lo que estas deben de trabajar a valores de tension muy altos (220 y 400 kV).
6
Sistema de subtransporte/reparto
El sistema de subtransporte constituye un paso intermedio entre el sistema de transporte y
el sistema de distribucion. Las lneas que comprenden este sistema recorren menores distancias
y transportan menores potencias que aquellas que pertenecen al sistema de transporte, por lo
que trabajan a valores menores de tension (132, 66 y 45 kV). El sistema de subtransporte tam-
bien cuenta con subestaciones transformadoras debido a la diferencia de tension que existe con
respecto al sistema de transporte. Cabe la posibilidad que grandes consumidores posean una
conexion en este punto del sistema, por ejemplo fabricas y otras industrias.
Figura 2.1: Estructura sistema de entrega de energa electrica
7
Sistema de distribucion primaria
El sistema de distribucion primaria recibe la energa de los sistemas de transporte o sub-
transporte en las subestaciones de distribucion donde se produce una nueva reduccion del valor
de tension. De dichas subestaciones parten lneas o alimentadores a media tension (25 y 11 kV)
y que llevan la energa un paso mas cerca de los centros de consumo. Al igual que en el sis-
tema de subtransporte pueden existir clientes que esten conectados directamente al sistema de
distribucion primaria.
Sistema de distribucion secundaria

El sistema de distribucion secundaria comprende las estaciones transformadoras y lneas de
baja tension (400, 230 V) que suministran la energa a los clientes con poca potencia instalada,
por ejemplo consumos domesticos..
2.2. Estructura del sistema de distribucion

En un sistema de distribucion de energa electrica el elemento que funciona como enlace
entre este y el resto del sistema es la subestacion de distribucion. A las subestaciones llegan
las lneas de alta tension provenientes del sistema de subtransporte. El transformador reductor
toma la tension proveniente del sistema aguas arriba y la reduce al nivel de tension de los cir-
cuitos primarios de distribucion. La subestacion cuenta con todos los equipos de proteccion,
maniobra y medida necesarios para garantizar una operacion segura. Los circuitos primarios de
distribucion parten de la subestacion y se dirigen a las diferentes zonas de consumo. Los circui-
tos primarios se conocen tambien como alimentadores y de estos nacen circuitos laterales, sin
existir ninguna reduccion de tension; los circuitos laterales se extienden hasta encontrar los cen-
tros de transformacion, en los cuales tiene lugar la ultima reduccion para obtener los niveles de
tension adecuados para el funcionamiento de los equipos de los usuarios finales (400, 230 V).
De las estaciones de transformacion surgen los circuitos secundarios de distribucion, los cuales
transportan la energa hasta el punto de conexion con la instalacion de los usuarios; general-
mente se trata de circuitos monofasicos, aunque tambien pueden existir circuitos trifasicos. En
ambientes rurales la construccion de los circuitos de distribucion es de tipo aerea, mientras que
en las zonas urbanas son mayoritariamente subterraneas; en sistemas suburbanos se encuentra
una combinacion de lneas aereas y subterraneas. Las zonas industriales representan grandes
consumos, por lo que usualmente cuentan con circuitos propios para el suministro de energa.
La Figura 2.2 muestra una configuracion habitual de una subestacion de distribucion de energa
electrica y el trazado de un alimentador que parte de dicha subestacion.
8
Figura 2.2: Configuracion tpica de un sistema de distribucion de energa electrica
9
2.3. Configuracion de circuitos primarios de distribucion
La configuracion mas habitual para un circuito primario de distribucion es la de un circuito
radial. Esta configuracion presenta ciertas ventajas ante los circuitos mallados.
La proteccion contra fallas es mas sencilla.
Los niveles de corriente de falla son menores.
La regulacion de tension es mas simple de implementar.
El control del flujo de potencia es mas sencillo.
El sistema resulta menos costoso.
La configuracion de circuito radial puede presentar diversas variantes:
Alimentador unico.
Lazo abierto.
2.3.1. Alimentador unico

En esta configuracion tal como su nombre lo indica toda la energa requerida por los circui-
tos laterales y secundarios es suministrada por un unico alimentador que parte desde la subes-
tacion. Si por alguna razon dicho alimentador quedara fuera de servicio (falla, mantenimiento,
etc.), todas las cargas alimentadas se quedaran sin servicio. Aunque solo exista un alimentador
que parte de la subestacion, este puede ramificarse para poder cubrir una mayor area; estas rami-
ficaciones no deben de ser confundidas con los circuitos laterales, ya que los circuitos laterales
poseen una capacidad inferior a la del alimentador principal, mientras que las ramificaciones
poseen la misma capacidad. En la Figura 2.3 se muestra la configuracion de alimentador unico
simple y ramificado.
Figura 2.3: Configuracion alimentador unico (simple y ramificado)
10
2.3.2. Lazo abierto
En la configuracion de lazo abierto existen dos alimentadores que parten de la misma sub-
estacion y que estan unidos en sus extremos por un seccionador que se encuentra normalmente
abierto. Cada alimentador posee un cierto numero de circuitos a los cuales suministra energa
en condiciones normales pero tiene la capacidad de suministrar la potencia requerida por los
circuitos asigandos al otro alimentador. En caso de que uno de los alimentadores salga de servi-
cio el seccionador sera operado, ya sea va manual o automatica, y las cargas suministradas por
el alimentador fuera de servicio seran transferidas al alimentador activo. La Figura 2.4 muestra
un ejemplo de la configuracion de lazo abierto.
Figura 2.4: Configuracion lazo abierto
2.4. Configuracion de circuitos secundarios de distribucion

Los circuitos secundarios pueden presentar diferentes configuraciones en funcion del tipo
de cargas que deben de alimentar. En este caso presentaremos dos configuraciones que estan
presentes en sistemas urbanos, ya que en sistemas suburbanos y rurales la configuracion mas
habitual sera la radial. En la primera configuracion la carga a alimentar es un gran consumo
que se encuentra concentrado en un solo punto, como podra ser un edificio de apartamentos de
un tamano considerable, por lo que se le conocera como configuracion tipo spot. La segunda
11
configuracion se presenta cuando los circuitos secundarios alimentan un gran numero de cargas
y forman una red mallada, esta sera conocida como configuracion tipo red.
2.4.1. Configuracion tipo spot

Este tipo de configuracion es utilizada para alimentar una gran carga que se encuentra con-
centrada en un solo punto, utiliza entre tres y cinco alimentadores para suministrar energa a la
carga, usualmente es disenada para poder seguir operando sin uno o dos de sus alimentadores.
Cada alimentador llega a un transformador que reduce la tension al valor requerido por la carga
y cuenta con un disposito de proteccion ubicado en el lado de baja tension (Ver Figura 2.5).
Figura 2.5: Configuracion tipo spot
2.4.2. Configuracion tipo red

La configuracion tipo red utiliza entre cinco y diez alimentadores que parten de una misma
subestacion y que alimentan a muchas cargas repartidas en un area de considerable tamano.
Los alimentadores llegan a centros de transformacion de los cuales surgen circuitos secundarios
que forman una red mallada. Las cargas se conectan directamente a los circuitos secundarios
y estas pueden ser de tipo residencial o comercial, monofasicas o trifasicas. Los centros de
transformacion estan equipados con dispositivos de proteccion en el lado del secundario (Ver
Figura 2.6).
12
Figura 2.6: Configuracion tipo red
2.5. Configuracion de subestaciones de distribucion

La configuracion de las subestaciones de distribucion dependera si se trata de un sistema
rural, suburbano o urbano, ya que los niveles de carga varan grandemente y por lo tanto la
configuracion y la cantidad de equipos utilizados no seran los mismos.
2.5.1. Subestaciones de distribucion rurales

Las subestactiones disenadas para sistemas rurales utilizan la configuracion mas simple;
debido a que los niveles de carga no son muy altos generalmente solo necesitan de un transfor-
mador para suplir toda la demanda, dependiendo de la potencia del transformador este puede
estar protegido por reles o fusibles. Estas subestaciones presentan un bus unico de alta tension y
un bus unico de media tension, al cual se encuentran conectados los circuitos primarios. Dichos
circuitos cuentan con un reenganchador o un interruptor automatico en la cabecera del mismo
para su proteccion. La Figura 2.7 muestra una configuracion tpica para una subestacion rural
de distribucion de energa electrica.
13
Figura 2.7: Configuracion tpica subestacion rural
2.5.2. Subestaciones de distribucion suburbanas

Las subestaciones de tipo suburbano deben de hacer frente a niveles de carga mayores que
los presentes en sistemas rurales, por tal razon es necesario la instalacion de mas de un trans-
formador para suministrar la carga del sistema. Estas subestaciones poseen un bus unico de alta
tension, al cual se conectan los transformadores, mientras que en el secundario cada transforma-
dor posee su propio bus de media tension. Los buses de media tension se encuentran conectados
a traves de interruptores que permanecen normalmente abiertos. En caso de que la subestacion
cuente con dos transformadores, si uno de ellos falla el interruptor es operado y el transforma-
dor que se mantiene en servicio suministrara la potencia requerida por todos los circuitos de la
subestacion (Ver Figura 2.8). Esta configuracion conocida como bus partido ayuda a disminuir
el nivel de corriente de falla, facilita la regulacion de tension y evita la aparicion de corrientes
circulantes entre los transformadores. Algunas companas prefieren no hacer uso de esta con-
figuracion sino que utilizan un unico bus de media tension, esta configuracion posee la gran
ventaja que facilita el reparto de carga entre los transformadores, evitando que uno trabaje a un
mayor nivel de carga que el otro.
2.5.3. Subestaciones de distribucion urbanas

En el diseno de subestaciones urbanas se utilizan configuraciones mucho mas complica-
das, entre las mas comunes estan la configuracion en anillo y la de interruptor y medio. En
la configuracion en anillo en el lado de media tension se forma un arreglo cerrado donde los
secundarios de los transformadores y los circuitos primarios estan conectados a las aristas del
anillo, mientras que en la configuracion de interruptor y medio existen dos buses media tension,
para cada rama entre ellos se instalan tres interruptores. Entre cada par de interruptores puede
conectarse ya sea un circuito primario o el secundario de un transformador. Ambas configura-
ciones brindan una gran flexibilidad al momento de transferir carga y dar mantenimiento a los
elementos de la subestacion. En la Figura 2.9 se presentan ejemplos de las configuraciones en
anillo e interruptor y medio.
14
Figura 2.8: Configuracion tpica subestacion suburbana
Figura 2.9: Configuracion tpica subestacion urbana (anillo e interruptor y medio)
15
2.6. Equipos presentes en los sistemas de distribucion
Existe una gran cantidad de equipos instalados en un sistema de distribucion, desde equipos
de potencia como transformadores e interruptores automaticos hasta equipos de monitorizacion
y automatizacion.
Lneas
Las lneas son las encargadas de transportar la energa entre dos puntos distantes. Para lneas
de tipo aereo se utiliza cable desnudo de aluminio, siendo comun el uso del cable ACSR; mien-
tras que para lneas subterraneas se utiliza cables aislados, un tipo asilamiento habitual para
cables de potencia es el XLPE. Los cables utilizados para la construccion de lneas se caracteri-
zan por el nivel de corriente que pueden transportar y en el caso de los cables aislados tambien se
considera la tension que el aislamiento puede soportar bajo condiciones normales de operacion.
Transformadores de distribucion
El transformador es el encargado de convertir un determinado nivel de tension a otro. Un
transformador cuenta con al menos dos devanados que se encuentran acoplados magnetica-
mente. El campo magnetico es el encargado de la transferencia de potencia. Un transformador
esta caracterizado por las tensiones en el lado de alta y baja, y por el grupo de conexion de
sus devanados (en el caso de transformadores trifasicos). En los sistemas de distribucion se en-
cuentran en las subestaciones donde reducen el nivel de tension proveniente del sistema aguas
arriba al nivel de tension utilizado por los circuitos primarios; tambien estan presentes en los
centros de transformacion donde tiene lugar la reduccion a baja tension. Los transformadores de
subestacion pueden contar con un cambiador automatico de tomas bajo carga para regulacion
de tension.
Interruptores automaticos
Son dispositivos de corte encargados de aislar elementos del sistema cuando exista una con-
dicion de falla. Los interruptores automaticos deberan ser capaces de transportar la corriente
producida durante una falla e interrumpirla. Estos se encuentran instalados en las subestaciones
donde son utilizados para proteger transformadores y circuitos primarios. Los interruptores au-
tomaticos son escogidos en base al nivel de tension al cual deben operar y el nivel de corriente
maxima que pueden soportar e interrumpir.
Transformadores de tension
Los niveles de tension con los cuales se trabaja en los circuitos primarios no pueden ser
medidos directamente por lo que es necesario reducirlos a un nivel que sea seguro para realizar
la medicion. Los transformadores de tension son los encargados de reducir la tension del sistema
a una tension de un valor menor (120 V) y que sera utilizada como senal para monitorizacion
16
del sistema. Estos transformadores poseen unicamente la potencia suficente para alimentar a los
equipos de medicion conectados a el. Los transformadores de tension se encuentran instalados
mayormente dentro de las subestaciones.
Transformadores de corriente
Los transformadores de corriente cumplen una funcion analoga a la de los transformadores
de tension, estos toman la corriente que circula por un circuito y la reducen a un nivel mucho
menor que puede ser registrado por los aparatos de medida (5 A). La construccion mas habitual
para este tipo de transformadores es la toroidal, en ella el conductor que transporta la corriente
atraviesa un toroide donde se encuentran alojados los devanados, aprovechando el efecto de
induccion se generara una corriente en el secundario cuyo valor dependera de la relacion de
transformacion. Al igual que los transformadores de tension, los transformadores de corriente
solo poseen la potencia suficiente para alimentar a los equipos de medicion.
Reles
Son dispositivos basados en electronica y cuyo objetivo es recoger las senales provenientes
de los equipos de medicion con el objetivo de determinar si existe alguna condicion de falla en
el sistema. En sistemas de distribucion los reles utilizados son de sobrecorriente, es decir, ante
la presencia de una sobrecorriente peligrosa generan una senal que es enviada a los interruptores
automaticos que seran los encargados de interrumpir dicha corriente de falla.
Reenganchadores
Son dispositivos de corte capaces de interrumpir corrientes bajo condicion de falla, ademas
poseen la capacidad de realizar un recierre automatico con la finalidad de verficar si la falla
detectada ha sido una falla temporal o permanente. Los reenganchadores pueden efectuar hasta
3 intentos de recierre antes de quedar en posicion abierta. Son normalmente utilizados para
proteger circuitos laterales y en algunos casos a los circuitos primarios. Los reenganchadores
pueden ser controlados por reles o por otro tipo de sistema mecanico.
Fusibles
El fusible es un elemento utilizado para proteger circuitos laterales, secundarios y transfor-
madores de baja potencia. Esta constituido por un filamento el cual se derrite debido al calor
generador por el paso de un corriente excesiva. Los fusibles estan disenados de tal manera que
el tiempo en el cual se derrite depende del valor de la corriente, dicho tiempo sigue una curva
especfica para cada tipo de fusible. Los tipos de fusibles mas comunes son los de tipo K y T.
17
Seccionadores
Son instrumentos de maniobra que permiten aislar elementos del sistema para su reparacion
o mantenimiento. Pueden ser operados de forma manual o automatica y deben de ser capaces
de transportar sin problemas la corriente normal de operacion y la producida durante un fallo,
sin embargo por seguridad solo deben ser operados cuando estan sometidos a un nivel bajo de
carga. Los seccionadores son instalados principalmente en las subestaciones y en los circuitos
primarios.
Reguladores de tension
Los reguladores de tension son transformadores con una relacion de transformacion de 1 a
1 y que se encuentran equipados con un cambiador de tomas bajo carga. Los reguladores de
tension son instalados en puntos intermedios de alimentadores que deben de recorrer grandes
distancias y su tarea es la de compensar la cada de tension producida a lo largo del alimenta-
dor, mejorando el nivel de tension entregado a los usuarios que se encuentran aguas abajo del
regulador.
Bancos de condensadores
Los bancos de condensadores son utilizados para aportar potencia reactiva al sistema, la
cual tiene como objetivo la regulacion de tension y la reduccion de perdidas. Los bancos de
condensadores son generalmente trifasicos con conexion estrella, pueden ser instalados en las
subestaciones o en un puntos intermedios de un circuito primario.
SCADA
Control del sistema y adquisicion de datos (SCADA por sus siglas en ingles) es un sistema
que permite monitorear en tiempo real el estado completo del sistema. Este recoge informacion
de los equipos de medida instalados a traves de toda la red y la presenta de tal forma que es po-
sible conocer tension en buses, corriente que circula por un circuito e incluso si un seccionador
se encuentra en posicion abierta o cerrada. Tambien incluye funciones de control que permiten
operar remotamente seccionadores e interruptores, aportando una gran flexibilidad al sistema y
mejorando los tiempos de respuesta al momento de realizar maniobras.
2.7. Recursos energeticos distribuidos

Los recursos energeticos distribuidos son tecnologas desarrolladas para el suministro, al-
macenamiento y control de la energa electrica que se encuentran conectadas a un sistema de
distribucion de energa electrica. Los continuos avances tecnologicos en este campo as como en
el de las telecomunicaciones y el control abren un panorama en el cual los recursos energeticos
18
distribuidos pueden jugar un papel importante en el futuro. El exito de esta tecnologa depen-
dera en gran medida de la creacion de polticas que fomenten su desarrollo y de la disposicion
de las empresas a apostar por ella.
2.7.1. Generacion distribuida

El termino generacion distribuida se refiere a centros de generacion que se encuentran dise-
minados a traves de la red y que se interconectan directamente con las companas distribuidoras
a niveles de tension de distribucion. Usualmente las potencias generadas no sobrepasan los 10
MW y se encuentran cerca de los puntos de consumo a los que sirven.
El origen de la generacion distribuida se encuentra en la cogeneracion, es decir, plantas
industriales que generan energa para su consumo interno y en el caso de existir un excedente
de energa, este es inyectado a la red. Este modelo es muy comun en plantas donde se utiliza
el vapor residual de diferentes procesos para producir la energa o en otras donde los desechos
producidos sirven como combustible para los motores utilizados en la generacion de energa, el
cual es el caso de los ingenios azucareros.
Durante los ultimos anos la generacion distribuida ha ido captando mayor atencion ya que
presenta muchos beneficios para las empresas electricas. Debido a que los centros de generacion
se encuentran cerca de los puntos de consumo existe una reduccion de las perdidas debido a
que la energa ya no debe viajar largas distancias desde las grandes centrales generadoras hasta
los puntos donde sera consumida. Ademas, su presencia puede ayudar a palear deficiencias de
generacion en momentos de maxima demanda y retrasar inversiones de ampliacion de la red de
distribucion, ya que ayuda a descongestionar lneas que usualmente trabajan bajo sobrecarga.
Existen muchos tipos de tecnologa que pueden ser utilizadas dentro de la generacion distri-
buida y actualmente hay grandes esfuerzos en el desarrollo de tecnologas que utilicen fuentes
renovables para la produccion de energa, ya que de esta manera ademas de brindar los bene-
ficios antes mencionados tambien ayudan la disminucion de la produccion de gases de efecto
invernadero.
2.7.2. Almacenamiento de energa

Los sistemas de almacenamiento de energa tal como su nombre lo indica tienen la funcion
de almacenar energa electrica para utilizarla en el momento que esta sea requerida.
Existen diferentes tecnologas utilizadas en el almacenamiento de energa tales como los
volantes de inercia, bateras, condensadores electroqumicos, centrales de bombeo, centrales de
aire comprimido, etc. La seleccion de la tecnologa a utilizar dependera de la aplicacion para la
cual ha sido escogida.
Las aplicaciones de los sistemas de almacenamiento de energa pueden ser divididas en tres
grandes grupos:
Calidad de suministro: la energa almacenada es inyectada al sistema en perodos muy cortos
de tiempo, durante algunos segundos o menos, y tiene como objetivo garantizar la calidad del
suministro de energa electrica durante eventos tales como interrupciones cortas de servicio y
19
cadas de tension.
Potencia de transicion: la energa almacenada debe ser suficiente para asegurar el suministro
de la demanda por perodos de tiempo que pueden comprender desde segundos hasta minutos.
Su funcion sera garantizar la continuidad del servicio durante la transferencia de una fuente de
alimentacion a otra.
Gestion energetica: esta aplicacion requiere del almacenamiento de grandes cantidades de
energa. En los sistemas de energa electrica debe existir en todo momento un balance entre
generacion y demanda; esta condicion obliga a que el exceso de generacion presente durante
horas de baja demanda sea desaprovechado. Sin embargo, con la ayuda de los sistemas de alma-
cenamiento de energa es posible almacenar el exceso de generacion para luego inyectar dicha
energa a la red durante los picos de demanda, evitando de esta manera recurrir a fuentes de
generacion mas costosas.
En la actualidad la eficiencia de transformacion de las tecnologas utilizadas en el almacena-
miento de energa es todava muy baja, ya que se trata de tecnologas que se encuentran aun en
desarrollo. Sin embargo, hay grandes esfuerzos de investigacion para lograr que las tecnologas
de almacenamiento de energa sean mas eficientes y economicamente rentables.
20
Captulo 3
OpenDSS
OpenDSS es un software de simulacion de sistemas de distribucion de energa electrica,

desarrollado por EPRI (Electric Power Research Institute) desde hace mas de 10 anos. El re-
sultado de este esfuerzo ha quedado plasmado en un programa de simulacion en el dominio de
la frecuencia con las funcionalidades propias de los simuladores comerciales as como nuevas
herramientas que tienen en cuenta futuras necesidades relacionadas con los esfuerzos de moder-
nizacion de las redes actuales. El programa fue originalmente pensado como una herramienta
para el analisis de la interconexion de generacion distribuida, pero su continua evolucion ha
llevado al desarrollo de otras funcionalidades que son perfectas por ejemplo para estudios de
eficiencia en el suministro de energa y estudios de armonicos.
OpenDSS has sido utilizado para:
Planeacion y analisis de redes de distribucion
Analisis de circuitos AC polifasicos
Analisis de interconexion de generacion distribuida
Simulaciones anuales de generacion y carga
Simulaciones de plantas eolicas
Mejoramiento de la eficicienca en redes de distribucion
Estudios de armonicos e inter armonicos
Otros
El programa incluye varios modos de solucion, tales como:
Flujo de potencia (modo snapshot, modo time)
Analsis de armonicos
21
Analisis dinamico
Calculo de cortocircuito
Otros
OpenDSS esta disenado para recibir instrucciones en forma de texto permitiendo mayor
flexibilidad al usuario. Puede accederse al programa tanto a traves de una aplicacion indepen-
diente como del COM server. La aplicacion independiente cuenta con una interfaz de usuario
basica, aunque completamente funcional, que permite interactuar con el programa; mientras que
el COM server permite conectar el OpenDSS con otros programas tales como Matlab de Math-
works, proporcionando de esa manera una gran capacidad de analisis de la informacion. La Fi-
gura 3.1 muestra como interactuan los diferentes modulos dentro de la estructura de OpenDSS.
Figura 3.1: Estructura OpenDSS
OpenDSS representa los circuitos de distribucion a traves de ecuaciones de admitancias no-

dales. Cada elemento del sistema es representado por una matriz de admitancia nodal primitiva.
Cada matriz primitiva es adjuntada a la matriz de admitancias del sistema, luego el sistema de
ecuaciones que representa al sistema es solucionado con la ayuda de algoritmos de matrices dis-
persas. En lo que respecta a cargas no lineales, OpenDSS modela este comportamiento a traves
de fuentes de corriente, a las cuales se hace referencia como corrientes de compensacion (Ver
Figura 3.2). De esta manera, la corriente que depende de la parte lineal del modelo includo en
la matriz del sistema es compensada por una fuente externa, para que a traves de un proceso
iterativo se obtenga el valor correcto.
22
Figura 3.2: Modelo elementos en OpenDSS
3.1. OpenDSS como aplicacion independiente

La aplicacion independiente de OpenDSS es accesada utilizando el archivo OpenDSS.exe,
esto hara que aparezca la interfaz de usuario del programa (Ver Figura 3.3). A traves de dicha
interfaz es posible desarrollar los codigos de entrada para controlar al OpenDSS.
Figura 3.3: Interfaz grafica OpenDSS
3.1.1. Simulacion de caso ejemplo desde la aplicacion independiente

Para la simulacion del caso ejemplo se utilizara una red que consiste en un alimentador
unico radial que parte de un transformador trifasico y que alimenta a distintas cargas puntuales
que se encuentran repartidas a lo largo de dicho alimentador. La Figura 3.4 muestra el esquema
unifilar de la red utilizada en este ejemplo.
Para definir dicho sistema de tal manera que OpenDSS sea capaz de analizarlo y solucio-
narlo se ha desarrollado el siguiente codigo, el cual puede ser escrito directamente en una de las
23
Figura 3.4: Esquema unifilar de la red ejemplo
ventanas de la interfaz grafica o guardarlo como un archivo con extension .dss. En este caso el
codigo ha sido guardado en una archivo nombrado master.dss.
Clear
new object=circuit.DSSLLibtestckt
BasekV=115 pu=1.01 ISC3=30000 ISC1=25000
! Parametros del tipo de lnea

new linecode.336matrix nphases=3
more rmatrix=(0.0868455 | 0.0298305 0.0887966 | 0.0288883 0.0298305 0.0868455)
more xmatrix=(0.2025449 | 0.0847210 0.1961452 | 0.0719161 0.0847210 0.2025449)
more cmatrix=(2.74 | -0.70 2.96| -0.34 -0.71 2.74)
more Normamps = 400 Emergamps=600
! Transformador
new transformer.sub phases=3 windings=2 buses=(SourceBus subbus)
more conns=delta wye kvs="115 12.47 "kvas="20000 20000"XHL=7
more NumTaps=21 MaxTap=1.15 MinTap=0.85 tap=1
! Lneas
new line.line1 subbus loadbus1 linecode=336matrix length=10
new line.line2 loadbus1 loadbus2 336matrix 10
new line.line3 Loadbus2 loadbus3 336matrix 20
! Cargas
new load.load1 bus1=loadbus1 phases=3 kv=12.47 kw=1000.0
more pf=0.88 model=1 class=1 conn=delta
24
new load.load3 bus1=loadbus3 phases=3 kv=12.47 kw=200.0 pf=0.88
more model=1 class=1 conn=delta
! Meters
New EnergyMeter.Feeder Line.line1 1
! Define voltage bases so voltage reports come out in per unit

Set voltagebases="115 12.47 .48"
Calcv
! Coordenadas buses
Buscoords list.dss
El archivo list.dss es utilizado para definir las coordenadas fsicas de los diferentes buses que
componen el sistema, de esta manera sera posible utilizar algunas de las herramientas graficas
que posee OpenDSS.
! Coordenadas buses
SourceBus, 900, 1000
Subbus, 1000, 1000
LoadBus1, 11000, 1000
LoadBus2, 21000, 1000
LoadBus3, 41000, 1000
LoadBus4, 46000, 1000
LoadBus5, 56000, 1000
Con el sistema definido en forma tal que puede ser analizado por el programa es posible
realizar los diferentes estudios que OpenDSS es capaz de llevar a cabo. Para el presente ejem-
plo se realizara un flujo de cargas instantaneo, para lo cual sera necesario introducir el siguiente
codigo en una de las ventanas de la interfaz grafica.
Compile master.dss
set mode=snapshot
solve
Una vez introducido el codigo, este debera ser seleccionado, luego se debe hacer clic dere-
cho sobre el y seleccionar la opcion Do. Al realizar esta accion se resolvera el sistema realizan-
25
do un flujo de carga instantaneo. Cuando el sistema ha sido resuelto es posible generar un gran
numero de archivos de salida que contienen informacion acerca del estado del sistema, ademas
de otras salidas de tipo grafico.
OpenDSS genera un archivo de texto en el cual se encuentran las potencias que fluyen a
traves de todos los elementos del sistema en forma de componentes simetricas; tambien presen-
ta informacion acerca de la potencia de sobrecarga de cada elemento y las perdidas totales del
sistema. Para generar este archivo se utiliza el comando:
Show Powers
La Figura 3.5 muestra la estructura del archivo de salida generado con el comando Show Po-
wers.
Figura 3.5: Salida comando Show Powers
Las perdidas de potencia por elemento y totales del sistema tambien pueden ser accesadas y
descargadas en un archivo de texto utilizando el comando:
Show Losses
La Figura 3.6 muestra la estructura del archivo de salida generado con el comando Show Losses.
OpenDSS permite generar el esquema unifilar de la red de manera que los valores de un
determinado parametro del sistema se vean reflejados en el; en este caso se genera el esquema
de la red donde el grosor de cada lnea representa la potencia que fluye a traves de ese segmento
26
Figura 3.6: Salida comando Show Losses
de lnea. Debido a que la red de prueba se trata de un alimentador radial resulta obvio que el
grosor de las lneas ira disminuyendo a lo largo del alimentador, ya que la potencia que fluye
en cada segmento de lnea que compone al alimentador disminuye tambien. Dicha grafica se
obtiene al ejecutar el comando:
plot circuit power Max=1000 dots=y labels=n subs=y C1=BLUE (Ver Figura 3.7)
Figura 3.7: Salida comando Plot Circuit Power
3.2. Acceso a OpenDSS desde Matlab

Tal como se menciono anteriormente OpenDSS puede ser controlado desde otros paque-
tes de software tales como Matlab; esto es posible a traves del COM Server, el cual ha sido
27
desarrollado como una aplicacion DLL.
3.2.1. COM Server

Antes de trabajar en la interconexion de OpenDSS con Matlab, el COM Server debe ser
registrado en el ambiente Windows. El registro del COM Server se realiza a traves de la consola
de comandos de DOS. Primero es necesario ubicarse en el directorio en el cual se encuentran
los archivos de OpenDSS y luego ejecutar el siguiente comando:
Regsvr32 OpenDSSEngine.DLL
Ejecutado este paso ya es posible enlazar OpenDSS con otros paquetes de software.
3.2.2. Control de OpenDSS desde Matlab

Matlab utiliza su servidor ActiveX integrado para comunicarse con el COM Server de
OpenDSS, de esta manera dicho servidor sera la interfaz entre ambos programas (Ver Figu-
ra 3.8). La inicializacion del COM Server desde Matlab es realizada a traves de una funcion
creada en el espacio de trabajo de Matlab. El codigo utilizado para crear dicha funcion es el
siguiente:
function [Start,Obj,Text] = DSSStartup()

Obj = actxserver(OpenDSSEngine.DSS);
Start = Obj.Start(0);
Text = Obj.Text;
Figura 3.8: Interconexion Matlab-OpenDSS
Luego que OpenDSS ha sido inicializado es posible enviarle instrucciones utilizando el co-
mando DSS.TextCommand=, el cual debe estar acompanado por una cadena que contenga la
instruccion que OpenDSS debe realizar. A continuacion se presenta un ejemplo utilizado para
realizar una simulacion simple de un flujo de potencia utilizando OpenDSS pero controlado
desde Matlab:
28
[DSSStartOK, DSSObj, DSSText] = DSSStartup();
DSSText.Command = compile master.dss;
DSSCircuit = DSSObj.ActiveCircuit;
DSSText.Command = solve;
Para el ejemplo presentado el archivo master.dss contiene tanto la definicion del sistema a
resolver como las opciones que han sido habilitadas para dicha solucion.
A traves de Matlab es posible acceder a todas la capacidades de OpenDSS y producir las
mismas salidas que al utilizar la aplicacion independiente, tambien cuenta con comandos espe-
ciales que transfieren la informacion directamente al workspace de Matlab. El siguiente coman-
do genera un archivo que contiene las tensiones simples de cada bus en el sistema:
DSS.TextCommand=Show Voltages LN
La Figura 3.9 muestra la estructura del archivo de salida generado con el comando Show Volta-
ges LN.
Figura 3.9: Salida comando Show Voltages LN
OpenDSS posee una funcion que permite graficar la tension del sistema en funcion de la
distancia respecto al bus de origen, para un sistema radial esto permite observar el perfil de
tension a lo largo del alimentador; el comando utilizado para obtener dicha grafica es:
DSS.TextCommand=plot profile phases=all (Ver Figura 3.10)
El comando Plot Profile es muy util para visualizar la cada de tension en un sistema radial
pero puede volverse un poco confuso si se utiliza con redes malladas. Para este caso puede ge-
nerarse una grafica en la cual el color asignado a cada elemento del sistema dependera de su
valor de tension; as para valores mayores a 1.05 pu se utilizara el color azul, para tensiones
entre 0.95 y 1.05 el color asignado sera verde y para tensiones menores a 0.95 se ha escogido el
color rojo. Esta grafica puede generarse utlizando la secuencia de comandos:
DSS.TextCommand=Set normvminpu=1.05
29
Figura 3.10: Salida comando Plot Profile
DSS.TextCommand=Set emergvminpu=0.95
DSS.TextCommand=Plot Circuit Voltage dots=y labels=n C1=BLUE C2=GREEN C3=RED
La Figura 3.11 muestra la grafica generada con el comando Plot Circuit Voltage.
Figura 3.11: Salida comando Plot Circuit Voltage
Algunos de los comandos que pueden ser utilizados desde Matlab y que permiten descargar la
informacion directamente en el workspace son:
DSSCircuit.AllBusVmagPU
30
DSSCircuit.AllElementLosses
DSSCircuit.ActiveElement.Powers
DSSCircuit.ActiveElement.Yprim
DSSCircuit.ActiveElement.seqCurrents
DSSCircuit.AllNodeDistancesByPhase(1)
DSSCircuit.AllBusNames
31
Captulo 4
Localizacion optima de generacion

distribuida
La introduccion de generacion distribuida en redes de distribucion electrica trae consigo

muchos beneficios tales como la reduccion de perdidas, mejora de la calidad del suministro
de energa, descongestion de lneas, aumento de la confiabilidad del sistema, etc. Debido a su
tamano relativamente pequeno los generadores distribuidos pueden ser instalados facilmente
en casi cualquier punto de la red, siendo posible llevarlos a lugares cercanos a los centros de
consumo. Sin embargo, la seleccion incorrecta de su ubicacion puede tener consecuencias como
el aumento de perdidas del sistema, problemas de tension, sobrecarga de lneas y otras; estas
representan el efecto contrario de lo que se espera lograr con la introduccion de generacion
distribuida. Por esta razon es necesario analizar y cuantificar el impacto real que la generacion
distribuida puede tener en una determinada red.
Los diferentes metodos de localizacion optima de un generador distribuido tienen como
objetivo maximizar uno o varios de los siguientes parametros:
La reduccion de perdidas en el sistema
La mejora del perfil de tension
La mejora de los ndices de confiabilidad del sistema
La reduccion de los costes de operacion
La reduccion de emision de gases de efecto invernadero
Otros
Los metodos que buscan optimizar mas de un parametro utilizan funciones multi-objetivo, las
cuales evaluan la mejora de las condiciones del sistema asignando un factor de peso a cada
parametro. De esta forma es posible alcanzar un balance entre los beneficios que se desean
obtener a partir de la introduccion de generacion distribuida, ya que en muchas ocasiones no
resulta posible maximizar todos los parametros considerados.
32
4.1. Metodos de localizacion optima de generacion distribui-
da
En los ultimos anos se ha realizado un gran esfuerzo dentro del sector electrico por desarro-
llar metodos que permitan determinar la ubicacion optima de generadores distribuidos dentro
una red de distribucion. Se trata de un problema de optimizacion multi-objetivo con multiples
restricciones, para el que se han desarrollado un elevado numero de metodos, entre las cuales
merecen especial mencion:
Regla de los 2/3
Metodos analticos
Flujo de carga optimo
Algoritmos geneticos
Algoritmos metaheursticos
4.1.1. Regla de los 2/3

La regla de los 2/3 es un metodo derivado de la conocida regla de los 2/3 para la ubicacion
de bancos de condensadores. Segun esta regla para minimizar las perdidas en un alimentador
radial con carga uniformemente distribuida debe de instalarse un generador con una potencia
igual a 2/3 de la carga activa total del sistema a una distancia de 2/3 de la longitud total del
alimentador. A pesar de que esta regla ha sido deducida a partir de algunas simplificaciones en
el calculo, su resultado brinda una muy buena aproximacion para escoger tanto la capacidad
como la ubicacion de un generador distribuido. Sin embargo, debe de tenerse en cuenta que
dicha regla solo es valida para un alimentador radial con carga uniformemente distribuida, por
lo que posee muy poca aplicacion practica.
4.1.2. Metodos analticos

Los metodos analticos tienen como objetivo comun la reduccion de perdidas, para lograr
este objetivo se basan en analisis y calculos matematicos. Como estrategia general se desarro-
llan ecuaciones que definen las perdidas del sistema en funcion de la potencia y ubicacion del
generador distribuido; luego encontrando el mnimo de dicha ecuacion es posible determinar
la ubicacion y capacidad optima para el generador distribuido. Dichos metodos pueden ser uti-
lizados tanto para redes radiales como malladas. Entre sus ventajas es posible mencionar que
son relativamente faciles de utilizar, proveen resultados rapidamente y no requieren de proce-
sos iterativos; mientras que entre sus desventajas se encuentran que pueden entregar soluciones
erroneas para sistemas reales y algunos de ellos solo son capaces de optimizar la ubicacion
33
Ano de
Ttulo artculo Autores publicacion
Analytical approaches for optimal C. Wang 2004
placement of distributed generation M. H. Nehrir
in power systems
An analytical approach for DG allocation N. Acharya 2006
in primary distribution networks P. Mahat
N. Mithulananthan
An analytical method for the sizing and T. Gozel 2009
siting of distributed generator in radial M.H. Hocaoglu
systems
Optimal placement of wind turbine DG P. Mahat 2006
in primary distribution systems for real W. Ongsakul
loss reduction N. Mithulananthan
Optimal DG unit placement for loss A.L. Devi
reduction in radial distribution system-A B. Subramanyam 2007
case study
Tabla 4.1: Metodos analticos
pero no el tamano del generador. La Tabla 4.1 presenta artculos que han sido desarrollados
utilizando metodos analticos para la localizacion optima de generadores distribuidos.
A continuacion se presenta un resumen del metodo desarrollado por C. Wang y colabora-
dores en su artculo Analytical approaches for optimal placement of distributed generation in
power systems.
Metodos analticos para la localizacion optima de generacion distribuida en sistemas electri-

cos de potencia
Este metodo es utilizado para determinar la ubicacion optima de un generador distribuido
de una potencia conocida en un alimentador radial y utiliza las siguientes simplificaciones:
Los parametros de las lneas se encuentran uniformemente distribuidos y se consideran

unicamente los parametros de resistencia e inductancia.
Las carga se encuentra distribuida a lo largo del lnea y posse un densidad de corriente
Id(x)
En primera instancia se define

Z x
I(x) = Id(x)dx (4.1)
0
Z = R + jX (/Km) (4.2)
34
x: Distancia respecto al final de la lnea
A partir de las ecuaciones anteriores es posible calcular las perdidas totales del sistema y la
cada de tension 2
Z u Z x
Ploss = Id(x)dx .Rdx (4.3)
0 0

Z xZ x
Vdrop (x) = Id(x)dx.Zdx (4.4)
0 0
u: Distancia total de la lnea
La Figura 4.1 muestra el perfil de corriente en un alimentador radial de longitud l con una
densidad de corriente arbitraria Id(x).
Figura 4.1: Alimentador con carga distribuida
Si un generador distribuido es agregado al sistema, y dicho generador se encuentra ubicado

a una distancia x0 del extremo final de la lnea e inyecta una corriente Idg, la distribucion de
corriente a lo largo de la lnea se define como:
Z x
I(x) = Id(x)dx 0 x x0 (4.5)
Z 0x
Idx(x) Idg x0 x u
0
Las perdidas del sistema y la cada de tension deben ser calculadas de nuevo luego de haber
introducido al generador distribuido.
Z x0 Z x 2 Z u Z x 2

Ploss = Id(x)dx .Rdx + Id(x)dx Idg .Rdx (4.6)
0 0 x0 0

Z xZ x
Vdrop (x) = Id(x)dx.Zdx 0 x x0 (4.7)
0 0
Z x0 Z x Z x Z x
Id(x)dx.Zdx + Id(x)dx Idg Zdx x0 x u
0 0 x0 0
35
Debido a que el metodo esta orientado a la reduccion de perdidas totales del sistema se
debera de cumplir la condicion impuesta por la siguiente ecuacion para lograr dicho objetivo:
d d
Ploss = Ploss = 0 (4.8)
dx0 dIdg
Luego de encontrar la posicion x0 que reduce a un mnimo las perdidas se debera calcular
la cada de tension a traves de la lnea para asegurar que el sistema se encuentra dentro de
condiciones de operacion aceptables.
4.1.3. Flujo de carga optimo

Un flujo de carga optimo puede ser descrito como un problema de programacion no lineal,
en el cual la solucion optima para la funcion objetivo es calculada considerando las restricciones
del sistema. Los metodos basados en flujos de carga optimos tienen en cuenta aspectos tanto
tecnicos como economicos, por lo que su objetivo sera encontrar la ubicacion del generador
distribuido para la cual se cumplan objetivos tales como maximizar la ganancia y el beneficio
social, reducir las perdidas del sistema, entre otros, tomando en cuenta restricciones tambien de
caracter tecnico y economico. Entre las ventajas de estos metodos se puede mencionar que son
capaces de trabajar con sistemas grandes y complejos, pueden resolver problemas que incluyen
muchas variables y son relativamente rapidos. Respecto a los problemas encontrados al trabajar
con dichos metodos se puede mencionar que tienen problemas para encontrar la solucion optima
si la funcion objetivo es muy compleja, pueden volverse computacionalmente menos eficientes
al aumentar la cantidad de elementos, algunos metodos unicamente son capaces de optimizar
la ubicacion pero no el tamano del generador distribuido, etc. La Tabla 4.2 presenta artculos
que han sido desarrollados utilizando el flujo de carga optimo para la localizacion optima de
generadores distribuidos.
A continuacion se presenta un resumen del metodo desarrollado por W. Rosehart y colabo-
radores en su artculo Optimal placement of distributed generation.
Localizacion optima de generacion distribuida

En el metodo presentado se plantea una tecnica para determinar la ubicacion optima de un
generador distribuido teniendo como objetivo la reduccion del costo de la electricidad. Para al-
canzar dicho objetivo el metodo realiza un flujo de carga optimo basado en multiplicadores de
Lagrange.
Se define la funcion objetivo

G (x p , , p , ) = CiPi (4.9)
i
C: Precio de oferta de la energa

P: Potencia programada
36
Ano de
Optimal placement of distributed W. Rosehart 2002
generation E. Nowicki
Optimal sizing and placement of S. Ghosh 2010
distributed generation in a network S.P. Ghoshal
system
Optimal DG placement in deregulated D. Gautam 2007
electricity market N. Mithulananthan
Dispersed generation planning using J.O. Kim 1998
improved Hereford Ranch algorithm S.W. Nam
S.K Park
C. Singh
Tabla 4.2: Metodos flujo de carga optimo
Las ecuaciones que rigen las restricciones de la solucion son establecidas
F (x p , , p ) = 0 (Ecuaciones de f lu jo de potencia) (4.10)

HT (x p , ) HT Limites de las l ineas de transmision

HB HB (x p , ) Limite in f erior de o f erta de generador

HB (x p , ) HB Limite superior de o f erta de generador
HR (x p , ) HR (Margen de reserva de potencia activa)

xp xp xp Limites de las variables dependientes

Limites de las variables independientes
A continuacion con la ayuda de un software de optimizacion se procede a calcular los mul-

tiplicadores de Lagrange ( ) asociados con las ecuaciones de flujo de potencia activos para
cada bus del sistema, siendo los buses mas adecuados para la instalacion de generacion distri-
buida aquellos que presenten multiplicadores de Lagrange de mayor valor. La instalacion de
generacion distribuida en dichos buses conducira a una reduccion en el costo de la electricidad.
4.1.4. Algoritmos geneticos

Los algoritmos geneticos son un metodo de optimizacion basado en la aplicacion de la
seleccion natural y la genetica. En este tipo de metodos se crea una poblacion inicial cuyas ca-
ractersticas son definidas aleatoriamente y que es evaluada en funcion de su idoneidad, la cual
es determinada en base a los parametros que se desean optimizar. A partir de esta primera eva-
luacion se seleccionan los individuos mas idoneos y una nueva poblacion es creada utilizando
dichos individuos como base. Este proceso se repite hasta que la solucion optima es alcanzada.
37
Los metodos basados en algoritmos geneticos poseen ventajas tales como robustez, la posibili-
dad de explorar todas las soluciones posibles al problema, la capacidad de trabajar con variables
discretas y continuas, entre otras. Sin embargo presentan desventajas como un tiempo excesi-
vo de convergencia, falta de precision cuando se require una respuesta de alta calidad, etc. La
Tabla 4.3 presenta artculos que han sido desarrollados utilizando algoritmos geneticos para la
localizacion optima de generadores distribuidos.
Ano de
Distributed generator placement in N. Mithulananthan 2004
power distribution system using genetic T. Oo
algorithm to reduce losses L.V. Ohu
A multiobjective evolutionary algorithm G. Celli 2005
for the sizing and siting of distributed E. Ghiani
generation S. Mocci
F. Pilo
Optimal distributed generation allocation C.L.T. Borges 2006
for reliability, losses, and voltage D.M. Falcao
improvement
Risk-based distributed generation M.R. Haghifam 2008
placement H. Falaghi
O.P. Malik
Maximal optimal benefits of distributed A.A. Abou El-Ela 2010
generation using genetic algorithms S.M. Allam
M. Shatla
Tabla 4.3: Metodos algoritmos geneticos
A continuacion se presenta un resumen del metodo desarrollado por N. Mithulananthan

y colaboradores en su artculo Distributed generator placement in power distribution system
using genetic algorithm to reduce losses.
Localizacion de generadores distribuidos en sistemas de distribucion de energa utilizando

algoritmos geneticos para la reduccion de perdidas
El metodo consiste en determinar con ayuda de algoritmos geneticos el tamano y la ubica-
cion optima de un generador distribuido para reducir las perdidas totales del sistema. La funcion
utilizada para evaluar la idoneidad de cada individuo de la poblacion generado sera las perdi-
das del sistema, las cuales son calculadas luego de resolver las ecuaciones de flujo de cargas
utilizando el metodo de Newton-Raphson utilizando las siguientes formulas:
Ploss = PT [B] P + BT0 P + B00 (4.11)
38
n n n
Ploss = PiBi j Pj + PiBi0 + B00 (4.12)
i=1 j=1 i=1
Bi j : Matriz de dimension nxn

Bi0 : Vector adimensional con coeficientes lineares de perdidas
B00 : Coeficientes de perdidas constantes
La inicializacion de la poblacion, evaluacion de su idoneidad y creacion de nuevas pobla-

ciones puede ser realizada a traves del GA Optimization Toolbox (GAOT) de Matlab.
EL uso de algoritmos geneticos para determinar la ubicacion optima de un generador distri-
buido puede resumirse en 6 pasos:
1. Representacion: Se define como el problema esta estructurado en el algoritmo genetico
y se determinan los operadores que seran utilizados.
2. Inicializacion de la poblacion: Una poblacion inicial es creada cuyas caractersticas son

determinadas aleatoriamente.
3. Seleccion: Se realiza una seleccion de los individuos utilizando una funcion geometrica
normalizada.
4. Reproduccion: Se crea una nueva poblacion a partir de la anterior.
5. Evaluacion de la idoneidad: Las perdidas totales del sistema son utilizadas para evaluar
la idoneidad de cada individuo de la poblacion.
6. Terminacion: La simulacion termina cuando se ha creado un numero determinado de

generaciones de individuos.
La Figura 4.2 muestra el diagrama de flujo que representa al algoritmo de solucion.
El tamano y ubicacion optimos para el generador distribuido seran aquellos que correspon-
dan al individuo que sea considerado como el mas idoneo al terminar la simulacion.
4.1.5. Algoritmos metaheursticos

Los algoritmos metaheursticos son algoritmos aproximados de optimizacion; son procedi-
mientos iterativos que combinan distintos conceptos para explorar y explotar adecuadamente
el espacio de busqueda. Estos algoritmos son capaces de manejar funciones multi-objetivo,
ademas de ser intuitivos, relativamente faciles de entender e implementar y eficaces al encon-
trar soluciones cercanas al optimo real, lo cual tambien representa una desventaja ya que no
siempre es posible encontrar soluciones exactas; otra desventaja radica en que algunos algo-
ritmos solo son capaces de encontrar soluciones en sistemas que no presentan restricciones.
Existen diferentes algoritmos que utilizan conceptos metaheursticos tales como Optimizacion
basada en colonias de hormigas, Busqueda tabu, Busqueda local, Optimizacion de enjambre
de partculas, entre otros. Debido a que los algoritmos metaheursticos son capaces de trabajar
39
Figura 4.2: Flujograma GAOT
con funciones multi-objetivo pueden ser utilizados para determinar la localizacion optima de un
generador distribuido optimizando distintos parametros del sistema, ya sean de caracter tecnico
o economico. La Tabla 4.4 presenta artculos que han sido desarrollados utilizando algoritmos
metaheursticos para la localizacion optima de generadores distribuidos.
A continuacion se presenta un resumen del metodo desarrollado por K. Nara y colaboradores
en su artculo Application of tabu search to optimal placement of distributed generators.
Uso de la busqueda tabu para la localizacion optima de generadores distribuidos

El metodo presentado utiliza la busqueda tabu para determinar la potencia y posicion optima
de un grupo de generadores distribuidos con el objetivo de minimizar las perdidas del sistema,
habiendo definido previamente el numero de generadores y la potencia total de los mismos. El
metodo considera las siguientes suposiciones:
La carga de cada segmento del sistema se encuentra uniformemente distribuida, es balan-

ceada y utiliza el modelo de corriente constante.
El factor de potencia de la carga es igual a la unidad.
Las posibles ubicaciones para los generadores han sido definidas previamente.
40
Ano de
Placement of dispersed generation T. Griffin 2001
systems for reduced losses K. Tomsovic
D. Secrest
A. Law
An integrated distributed generation W. El-Khattam 2005
optimization model for distribution Y.G. Hegazy
system planning M.M.A. Salama
Application of tabu search to optimal K. Nara 2001
placement of dispersed generators Y. Hayashi
K. Ikeda
T. Ashizawa
Siting and sizing of distributed generation A.J. Ardakani 2007
for loss reduction A.K. Kavyani
S.A. Pourmousavi
Optimal operation of distribution system T. Niknam 2005
with regard to distributed generation: A.M. Ranjbar
A comparison of evolutionary methods A.R. Shirani
B. Mozafari
A. Ostadi
Tabla 4.4: Metodos algoritmos metaheursticos
La potencia de cada generador debe ser seleccionada de un grupo de valores escogidos de

antemano (valores discretos).
Unicamente puede asignarse un generador a cada ubicacion posible.
El numero maximo de unidades generadoras es conocido.
La potencia total del grupo de generadores es conocida.
La funcion objetivo a minimizar sera:

tmax SC
(t) (t)
Z= Lossh IDG jk (4.13)
t=1 h=1
N
(t) (t) (k)
IDG jk = B jkgn jk (4.14)
g=1
( j = 1, 2, . . . , SC, k = 1, 2, . . . , M,t = 1, 2, . . . ,tmax )
41
Las restricciones para el problema son definidas a traves de ecuaciones.
Potencia total del grupo de generadores:
SC M N
(g)
Cgn jk G (4.15)
j=1 k=1 g=1
Numero maximo de unidades generadoras:

SC M N
(g)
n jk H (4.16)
j=1 k=1 g=1
Una unidad por ubicacion posible:

N
(g)
n jk 1 (4.17)
g=1
( j = 1, 2, . . . , SC, k = 1, 2, . . . , M)
Condiciones de operacion de generadores:
(t)
B jkg Cg (4.18)
( j = 1, 2, . . . , SC, k = 1, 2, . . . , M,t = 1, 2, . . . ,tmax )

(t)
f B jkg ,Cg 0 (4.19)
( j = 1, 2, . . . , SC, k = 1, 2, . . . , M,t = 1, 2, . . . ,tmax )
(t)
Lossh : Perdidas en la seccion h para el tiempo t.
(t)
IDG jk : Corriente inyectada por el generador en la k-esima posicion en la seccion j para el tiempo
t.
(g)
n jk : Variable booleana utilizada para determinar si un generador de g-esima potencia es asig-
nado a la k-esima ubicacion en la seccion j.
SC: Numero total de secciones.
N: Numero total de valores posibles de potencia para los generadores.
M: Numero total de ubicaciones posibles para cada seccion.
tmax : Valor maximo para el tiempo t.
Cg : Potencia del g-esimo generador (valor discreto).
H: Numero maximo de generadores instalables.
G: Potencia maxima del grupo de generadores.
(t)
B jkg : Potencia inyectada por el generador de la g-esima potencia instalado en la k-esima posi-
cion de la seccion j para el tiempo t.
Por simplicidad se asume que cada generador inyectara su potencia nominal en todo mo-
mento:
(t)
B jkg = Cg (4.20)
42
Luego de incluir la simplificacion que dicta que cada generador inyectara su potencia nomi-
(t)
nal en todo momento es posible obtener los valores de IDG jk al discretizar los valores encontra-
dos al resolver la siguientes ecuaciones simultaneas:
( )
tmax SC
(t) (t) (t)
Lossh IDG jk / IDG jk = 0 (4.21)
t=1 h=1
(( j, k) Q)
Q: Grupo de valores de (j,k) a los cuales hay un generador conectado.
Para obtener la solucion al problema planteado se utiliza un algoritmo el cual como pri-
mer paso determina posiciones para todos los generadores a analizar utilizando la busqueda
tabu; para dichas posiciones se determinan, utilizando nuevamente la busqueda tabu, las poten-
cias de los generadores que minimizaran las perdidas del sistema. A continuacion el algoritmo
definira nuevas posiciones que se encuentran en la vecindad de las posiciones originales y
calculara las potencias de los generadores que reducen al maximo las perdidas, as hasta haber
analizado los alrededores de dichas posiciones originales. Luego se definiran nuevas posicio-
nes o una nueva vecindad repitiendo el proceso hasta que el numero maximo de iteraciones
consideradas haya sido alcanzado. Al final del analisis de cada vecindad se determinara cual
es la solucion optima segun la evaluacion de la funcion objetivo (las perdidas del sistema); de
la misma manera al alcanzar el numero maximo de iteraciones se escogera la solucion optima
utilizando el mismo criterio. La Figura 4.3 muestra el diagrama de flujo que representa al al-
goritmo de solucion. Debe de tomarse en cuenta que los valores de potencias asignadas a los
generadores solo pueden tomar valores discretos definidos al comienzo del problema, por lo que
los valores de potencias encontrados utilizando la busqueda tabu deben de ser discretizados para
ajustarse a dichos valores. Con el objetivo de evitar crear vecindades que han sido analizadas
anteriormente se hace uso de la lista tabu, en la cual se lleva el registro de las vecindades
creadas y un clasificacion segun la idoenidad de la solucion optima encontrada para la misma,
de esta manera el algoritmo se vuelve mas eficiente.
43
Figura 4.3: Flujograma del algoritmo de solucion
44
Captulo 5
Localizacion optima de un generador

distribuido utilizando el metodo de Monte
Carlo
El estudio desarrollado en este trabajo esta basado en el metodo de Monte Carlo, y busca
optimizar tanto la ubicacion como la potencia de un generador distribuido, el cual inyecta uni-
camente potencia activa con el objetivo de minimizar las perdidas del sistema. La idea detras
de este metodo consiste en generar aleatoriamente valores para la posicion y la potencia del
generador distribuido, resolver el sistema y calcular las perdidas totales para cada caso. Con el
analisis de un numero determinado de casos sera posible, utilizando algoritmos de interpola-
cion multivariable, encontrar la combinacion de posicion y potencia que reduzca las perdidas
a un mnimo. Se debera generar un numero suficiente de pares posicion-potencia para que las
conclusiones obtenidas fueran realistas. Una de las ventajas del metodo desarrollado es la utili-
zacion de OpenDSS como herramienta de simulacion; lo que permite no solo realizar estudios
tipo snapshot sino tambien estudios que utilicen curvas de carga que varan con el tiempo, per-
mitiendo de esta forma optimizar la potencia y la ubicacion del generador para que las perdidas
totales de energa a lo largo de un periodo de tiempo sean mnimas. Los estudios que utilizan
curvas de carga que varan a lo largo del tiempo presentan un mayor valor que aquellos que
solo consideran cargas constantes, ya que resulta obvio que en los sistemas reales las cargas
presentan un comportamiento variable en el tiempo. Por otro lado, el post-procesamiento de la
informacion generada por OpenDSS permite descartar casos que no cumplan con restricciones
de caracter tecnico. El procedimiento seguido por el metodo es el siguiente:
1. Se generan valores aleatorios de posicion y potencia para el generador, asignandole ademas

una curva de carga al mismo.
2. Se calcula el flujo de cargas para cada caso. Se descartan aquellos casos que no cumplan
con alguna de las siguientes restricciones:
La tension en al menos un bus se encuentra fuera de los lmites aceptables
45
Uno o mas elementos del sistema trabajan por encima de su capacidad nominal.
Adicionalmente puede considerarse la no presencia de flujo inverso como una condicion

que debe ser cumplida en todo momento.
3. Se termina el proceso al alcanzar un numero determinado de simulaciones.
4. Se crean los archivos personalizados para el post-procesamiento de la informacion.
5. Se generan curvas basadas en la informacion obtenida de los archivos personalizados, y

se determinan los valores optimos de posicion y potencia.
5.1. Implementacion del metodo

Para implementar el presente metodo se ha decidido utilizar Matlab para generar las va-
riables aleatorias, controlar a OpenDSS (encargado de realizar las simulaciones), recopilar la
informacion acerca del sistema de energa electrica (tensiones, perdidas, sobrecargas, etc.) y
generar archivos personalizados de salida. La Figura 5.1 muestra un esquema del diagrama de
bloques del proceso implementado. Las curvas de carga correspondientes al generador distri-
buido seran generadas utilizando herramientas de software externas a Matlab y OpenDSS, al
igual que la generacion de graficos y algoritmos de interpolacion.
Figura 5.1: Diagrama de bloques del proceso
46
5.1.1. Entrada de datos
Se requiere de cierta informacion de entrada para poder desarrollar el metodo, dicha infor-
macion puede dividirse en:
Informacion tecnica del sistema bajo estudio
Determinacion de curvas de carga
Generacion aleatoria de los valores de potencia y posicion del generador distribuido
Informacion tecnica del sistema bajo estudio

Ver seccion Red de estudio
Determinacion de curvas de carga

Debido a que el estudio contempla el uso de curvas de carga que varan en el tiempo es
necesario definir las curvas que seran asignadas tanto a las cargas como al generador distribuido.
Las curvas utilizadas en el presente estudio han sido obtenidas a partir del software HOMER
de NREL. Para el caso particular del generador distribuido se ha optado por utilizar una curva
de carga que corresponde a un generador fotovoltaico con factor de potencia igual a la unidad;
ademas se ha asumido que no existe mayor variacion de la radiacion solar en el area cubierta por
el sistema bajo prueba, por lo tanto es posible utilizar la misma curva de carga para cualquier
ubicacion del generador. Las Figuras 5.2 y 5.3 muestran las curvas de carga utilizadas para las
demandas y para los generadores distribuidos respectivamente.
Generacion aleatoria de los valores de potencia y posicion del generador distribuido

Para la generacion de los valores de potencia y posicion del generador distribuido se ha uti-
lizado una distribucion aleatoria uniforme. Dicha accion ha sido implementada en Matlab de tal
manera que la potencia puede tomar un valor maximo igual al valor nominal de la carga activa
instalada en el sistema y un valor mnimo de una centesima del mismo; mientras que la ubica-
cion es determinada asignando un numero entero que es relacionado con el ndice asignado a
cada bus del sistema.
Codigo utilizado para generar los valores de potencia y posicion del generador distribuido:
%Generacion de valores de potencia e ndice para bus de prueba

P=random(unif,PL/100,PL,[N,1]);
b=random(unif,3,nb,[N,1]);
bb=round(b);
N: Numero de casos de prueba

PL: Valor nominal de la carga instalada en el sistema
47
Figura 5.2: Curvas de carga asignadas a las demandas
Figura 5.3: Curva para generador fotovoltaico
48
bb: Numero entero utilizado como ndice
La Figura 5.4 muestra la distribucion de los pares de potencia e ndice de bus de prueba para
1000 casos.
Figura 5.4: Combinaciones Potencia-Indice bus para 1000 casos
5.1.2. Simulacion
La simulacion de cada caso de prueba sera llevada a cabo por OpenDSS y sera inicializada
desde Matlab. Los pasos a seguir para desarrollar la simulacion son:
1. Se compila el archivo con la informacion del sistema.
2. Se incluye al generador distribuido en el sistema, utilizando los parametros determina-

dos aleatoriamente. Esta accion se realiza desde Matlab, ya que dicho generador no se
encuentra definido en el archivo base.
3. Se ejecuta el comando Solve.
4. Se recopila informacion del sistema.
5. Se termina la simulacion cuando se ha alcanzado la cantidad definida de casos.
49
5.1.3. Salida de datos
Al termino de la simulacion se crearan archivos personalizados con la informacion recopi-
lada de cada caso. La informacion contenida en dichos archivos sera utilizada para alcanzar los
siguientes objetivos:
Generar graficas que permitan observar la variacion de las perdidas totales del sistema
con respecto a la potencia y la ubicacion del generador distribuido.
Determinar los valores de potencia y ubicacion del generador distribuido que minimicen
las perdidas totales del sistema.
Ambos objetivos seran alcanzados utilizando el software TableCurve3D, el cual nos permite
generar superficies utilizando la informacion generada a partir de las simulaciones, adicional-
mente cuenta con algoritmos que permiten encontrar el punto mnimo de dicha superficie. Dicha
caracterstica sera la que nos permita encontrar la combinacion potencia-ubicacion optima para
el generador distribuido.
5.2. Red de estudio

La red de potencia utilizada en este estudio consiste en un alimentador unico que parte de
un transformador trifasico, y que esta formado por tramos de lnea uniformemente espaciados,
encontrandose una carga puntual al final de cada tramo; todas las cargas que se encuentran a
lo largo del alimentador son identicas. De esta forma el circuito aproximadamente se comporta
como una red con carga uniformemente distribuida. La Figura 5.5 muestra el esquema unifilar
de la red estudiada en este trabajo.
Figura 5.5: Esquema unifilar de la red radial con carga distribuida
5.2.1. Transformador
El transformador que alimenta al sistema se trata de un transformador trifasico que permite
reducir la tension proveniente del sistema aguas arriba del alimentador al nivel de tension reque-
50
rido por las cargas. La Tabla 5.1 presenta las caractersticas mas importantes del transformador
utilizado en este trabajo.
kVA kV-high kV-low XHL %

20000 115 D 12.47 Y 7
Tabla 5.1: Parametros del transformador
5.2.2. Definicion de las lneas

Debido a que se trata de un sistema radial, este utiliza un unico tipo de lnea, es decir, la
disposicion geometrica y capacidad es la misma en todo el alimentador. El alimentador tiene
una longitud total de 10000 pies. Las caractersticas de las lneas se presentan en la Tabla 5.2.
Capacidad Numero total

Conductor (A) Long (pie) de tramos
336 MCM ACSR 400 100 100
Tabla 5.2: Informacion de lneas
5.2.3. Cargas del sistema

Las cargas definidas para el presente sistema se encuentran ubicadas a lo largo del alimenta-
dor, todas ellas son cargas trifasicas, balanceadas y se encuentran concentradas al final de cada
tramo de lnea. El sistema tiene una carga total de 7.5 MW y 3.63 Mvar. La Tabla 5.3 presenta
las caractersticas principales de las cargas del sistema.
kW kvar PF Conexion
75 36.3 0.90 Y
Tabla 5.3: Cargas de la red
Las curvas de carga utilizadas han sido definidas como: Dload1, Dload2, Dload3 y Dload4.
La Tabla 5.4 muestra la asignacion de las curvas de carga a las distintas demandas del sistema.
5.2.4. Definicion del sistema en OpenDSS

Archivo principal UbGD2.dss
Clear
new object=circuit.DSSLLibtestckt
51
Carga Curva Carga Curva Carga Curva
Load1 Dload1 Load36 Dload3 Load71 Dload1
Load31 Dload4 Load66 Dload1
Tabla 5.4: Asignacion de curvas de carga a las demandas del sistema
52
more BasekV=115 pu=1.01 ISC3=30000 ISC1=25000
! Define line code new linecode.336matrix nphases=3

more rmatrix=(0.0868455 0.0298305 0.0887966 0.0288883 0.0298305 0.0868455)
more xmatrix=(0.2025449 0.0847210 0.1961452 0.0719161 0.0847210 0.2025449)
more cmatrix=(2.74 -0.70 2.96 -0.34 -0.71 2.74)
more Normamps=400 Emergamps=600
! Define loadshapes
New LoadShape.Dload1 npts=8760 interval=1.0
more mult=(File=Dload1.csv) action=normalize
New LoadShape.wind1 npts=8760 interval=1.0
more mult=(File=dwind1.csv) action=normalize
New LoadShape.LSGY npts=8760 interval=1.0
more mult=(File=dsun1.csv) action=normalize
! Substation transformer
new transformer.sub phases=3 windings=2 buses=(SourceBus subbus)
more conns=delta wye kvs="115 12.47 "kvas="20000 20000"XHL=7
more NumTaps=21 MaxTap=1.15 MinTap=0.85 tap=1
! define the lines

Redirect lineas.dss
! define the loads

Redirect cargas2.dss
!Energy meter
New EnergyMeter.Feeder element=transformer.sub terminal=1 Losses=yes
! Define voltage bases

Set voltagebases="115 12.47 .48"
Calcv
Buscoords listabuses.csv
53
! Define Options
set casename=UbGD2
set Maxiterations=20
set mode=yearly number=8760 stepsize=1h
set MaxControlIter=30
Set overloadreport=true
Set voltexcept=true
set demand=true
set DIVerbose=true
Archivo lineas.dss
! System lines
new line.line1 subbus bus1 linecode=336matrix length=0.1
new line.line2 bus1 bus2 like=line1
.
.
.
Archivo cargas2.dss
! System loads
new load.load1 bus1=bus1 phases=3 kv=12.47 kw=75.0 pf=0.90
more model=1 daily=day yearly=Dload1 class=1 conn=wye
new load.load2 bus1=bus2 like=load1 yearly=Dload1
.
.
.
54
5.3. Procedimiento matematico para determinar la localiza-
cion optima de un generador distribuido
La localizacion optima de un generador distribuido en un alimentador radial con carga uni-
formemente distribuida puede ser determinada planteando las ecuaciones que definen las perdi-
das de potencia del sistema en funcion de la potencia y la ubicacion del generador en dicho
alimentador. Para realizar dicho analisis se asumen las siguientes simplificaciones:
Unicamente se consideran los parametros de resistencia e inductancia del alimentador
El generador inyecta solo potencia activa
La longitud total del alimentador sera de 1.0 por unidad
Las perdidas de potencia producidas por la corriente que fluye a traves de una resistencia pueden
dividirse en dos componentes, cada una es generada por la componente activa y reactiva de la
corriente respectivamente.
I 2 R = (Icos )2 R + (Isin )2 R (5.1)
Al introducir un generador que inyecta unicamente potencia activa solamente se veran afec-
tadas las perdidas producidas por la componente activa.
2
I12 R = Icos Idg R + (Isin )2 R (5.2)
Debido a esto las perdidas producidas por la componente reactiva de la corriente no seran
tomadas en cuenta, ya que la reduccion de perdidas es debida unicamente a la componente
activa.
PLS = I 2 R I12 R (5.3)
2
PLS = 2 (Icos ) Idg R Idg R (5.4)
Para un alimentador radial con una carga uniformemente distribuida y una carga concentrada
al final de la lnea la ecuacion de corriente a lo largo del alimentador se define como:
I (x) = I1 (I1 I2 ) x (5.5)
I1 : Corriente activa total del sistema

I2 : Corriente activa concentrada al final de la lnea
x: Distancia en por unidad medida desde el comienzo del alimentador
La Figura 5.6 muestra el perfil de corriente de un alimentador con carga uniformemente

distribuida y una carga concentrada al final del mismo.
55
Figura 5.6: Perfil de corriente alimentador con carga uniformemente distribuida y una carga
concentrada al final de la lnea
El diferencial de perdidas para un segmento diferencial de la lnea puede definirse como:
dPLS = 3 [I1 (I1 I2 ) x]2 Rdx (5.6)
R: Resistencia total del alimentador
Las perdidas totales en el alimentador seran

Z 1
PLS = dPLS (5.7)
x=0
Z 1
=3 [I1 (I1 I2 ) x]2 Rdx
x=0
= I1 + I1 I2 + I22 R
2

Al introducir un generador que inyecta una corriente Idg y que se encuentra a una distancia
x1 del origen del alimentador, la nueva ecuacion de corriente sera:
I(x) = I1 (I1 I2 ) x Idg 0 x x1 (5.8)

I1 (I1 I2 ) x x1 x 1
La Figura 5.7 muestra el nuevo perfil de corriente en el alimentador luego de la introduccion

de un generador distribuido.
Por lo tanto las nuevas perdidas del sistema pueden calcularse como:
Z x1 Z 1
0 2
PLS = 3 I1 (I1 I1 ) x Idg Rdx + 3 [I1 (I1 I2 ) x]2 Rdx (5.9)
x=0 x=x1
h i
2
= I12 + I1 I2 + I22 R + 3x1 (x1 2) I1 Idg x1 I2 Idg + Idg

R
56
Figura 5.7: Nuevo perfil de corriente alimentador con generacion distribuida
La reduccion de perdidas de potencia en por unidad debida a la introduccion de un generador

distribuido es:
0
PLS PLS
PLS = (5.10)
PLS
h i
2
3x1 (x1 2) I1 Idg x1 I2 Idg + Idg
=
I12 + I1 I2 + I22
Se define c como la relacion entre la potencia en kW del generador distribuido y la potencia
nominal, tambien en kW, de la carga instalada en el sistema; es definido como la relacion entre
la corriente de la carga concentrada al final de la lnea y la corriente total al principio del ali-
mentador; manipulando la ecuacion anterior se obtendra una nueva ecuacion para la reduccion
de perdidas de potencia en funcion del factor de compensacion c y .
Idg
c= (5.11)
I1
I2
= (5.12)
I1
3x1 c
PLS = [2 x1 + x1 c] (5.13)
1+ +2
Las Figuras 5.8, 5.9 y 5.10 muestran la reduccion de perdidas en funcion de x1 y c para
diferentes valores de . Se observa que para =0 es posible encontrar una distancia que reduce
al maximo las perdidas para todos los valores de c. Sin embargo, a medida que aumenta las
curvas de perdidas no presentan un maximo para valores pequenos de c sino que siguen cre-
ciendo, lo que implica que para obtener la maxima reduccion de perdidas posibles el generador
distribuido debe ser instalado al final de la lnea, ya que matematicamente la distancia optima
se encuentra mas alla del final del alimentador. Si el valor de sigue aumentando, entonces los
valores de c para los cuales no sera posible encontrar la distancia optima tambien aumentaran.
57
Figura 5.8: Reduccion de perdidas =0
Figura 5.9: Reduccion de perdidas =1/4
58
Figura 5.10: Reduccion de perdidas =1/2
La ecuacion de reduccion de perdidas puede ser simplificada definiendo el parametro :

1
= (5.14)
1+ +2
PLS = 3x1 c [2 x1 + x1 c] (5.15)
Si se considera la introduccion de dos generadores que inyectan la misma potencia puede
seguirse el mismo procedimiento para determinar las perdidas de potencia y la reduccion de
perdidas respecto al caso sin generacion distribuida:
Z x1 Z x2
0 2 2
PLS = 3 I1 (I1 I2 ) x 2Idg Rdx + 3 I1 (I1 I2 ) x Idg Rdx (5.16)
x=0 x=x1
Z 1
+3 [I1 (I1 I2 ) x]2 Rdx
x=x2
PLS = 3c {x1 [2 x1 + x1 3c] + x2 [2 x2 + x2 c]} (5.17)

La ecuacion de reduccion de perdidas puede ser ampliada para incluir el efecto de n gene-
radores distribuidos:
n
PLS = 3c xi [2 xi + xi (2i 1) c] (5.18)
i=1
c: Factor de compensacion para cada generador distribuido.
xi : Distancia hasta la posicion del i-esimo generador distribuido desde el inicio del alimentador.
59
n: Numero total de generadores distribuidos.
La distancia optima para el i-esimo generador distribuido puede ser encontrada al derivar la
ecuacion de reduccion de perdidas e igualandola a cero:
1 (2i 1) c
xi,opt = (5.19)
1 2 (1 )
xi,opt : Distancia optima para el i-esimo generador distribuido.
El valor de xi,opt es sustituido en la ecuacion original, de tal manera que la ecuacion depen-
dera unicamente de c:
n
i2 c2 c2 ic2

1 (2i 1) c
PLS,opt = 3c + (5.20)
i=1 1 1 1 4 (1 ) 1
Las siguientes igualdades seran utilizadas para simplificar la ecuacion de reduccion de perdi-
das optima:
n
(2i 1) = n2 (5.21)
i=1
n
n (n + 1)
i= 2
(5.22)
i=1
n
n (n + 1) (2n + 1)
i2 = 6
(5.23)
i=1
n
1 n
1 = (5.24)
i=1 1
Al utilizar las igualdades presentadas se obtiene una nueva ecuacion para la reduccion de
perdidas optima: " #
c2 n 4n2 1
3c
PLS,opt = n cn2 + (5.25)
1 12
El factor de compensacion para cada generador distribuido puede ser encontrado derivando
la ecuacion de reduccion de perdidas optima e igualandola a cero:
2
c= (5.26)
2n + 1
Para el caso particular de un generador distribuido resulta:
2
c= (5.27)
3
60
2
x1 = (5.28)
3 (1 )
8
PLS,opt = (5.29)
9 (1 )
Resulta interesante observar que el factor de compensacion para un generador distribuido no
depende del parametro .
Si ahora se considera que el sistema solo cuenta con carga uniformemente distribibuida:
=0
2
copt = pu (5.30)
3
2
x1opt = pu (5.31)
3
8
PLSopt = pu (5.32)
9
Para el presente estudio la carga total del sistema es igual a 7.5 MW y el alimentador posee
una distancia total de 10000 pies, por lo que los valores optimos para este caso en especfico
seran:
Pgen = 5 MW (5.33)
x1opt = 6667 pies (5.34)
Mientras que la reduccion perdidas sera de un 88.89 %
5.4. Localizacion optima de un generador distribuido con car-

ga constante
Esta parte del estudio se ha realizado teniendo en cuenta los siguientes aspectos:
OpenDSS trabajara en modo snapshot
Las demandas son constantes
El objetvo es minimizar las perdidas de potencia activa
5.4.1. Caso base sin generacion distribuida

Las condiciones de operacion muestran que el caso base no presenta problemas de tension
ni de sobrecarga en ninguno de los elementos que componen al sistema (Ver Tabla 5.5). La
Figura 5.11 muestra el perfil de tension a lo largo del alimentador para el caso base.
61
Tension Perdidas Potencia activa Sobrecarga
mnima (pu) potencia (kW) secundario Tx (kW) (kW)
0.961 107.7 7592.9 0
Tabla 5.5: Condiciones de operacion caso base con carga constante
Figura 5.11: Perfil de tension caso base con carga constante
5.4.2. Resultados
En la implementacion del metodo se han simulado 1000 casos con el fin de alcanzar el
objetivo propuesto; se considera un numero suficientemente grande como para proporcionar re-
sultados correctos. La Figura 5.12 muestra los resultados obtenidos; concretamente la variacion
de las perdidas de potencia activa del sistema en funcion de la potencia nominal del generador
y de la distancia respecto al origen del alimentador donde se encuentra localizado dicho genera-
dor. La superficie muestra la existencia de una combinacion unica de potencia-distancia para la
cual las perdidas del sistema son mnimas. Ademas, se puede observar que si se asume un valor
de potencia determinado existe una distancia especfica para la cual las perdidas son reducidas
a un mnimo para dicha potencia; de la misma forma para cada valor de distancia existira un
valor de potencia para el cual las perdidas seran mnimas.
Los valores optimos de potencia y distancia se presentan en la Tabla 5.6.
El valor de potencia optima encontrado por el metodo representa el 70.4 % de la carga total
del sistema, mientras que la distancia optima es aproximadamente el 65 % de la distancia total
del alimentador. Dichos valores corroboran los resultados esperados a partir de la regla de los
2/3, aun cuando dichos valores no se ajustan perfectamente a los valores teoricos, ya que de-
62
Figura 5.12: Perdidas de potencia en funcion de Potencia-Distancia (1000 casos)
Potencia Distancia Perdidas

optima (kW) optima (pies) optimas (kW)
5280 6504 29.37
Tabla 5.6: Valores optimos con carga constante
bemos de recordar que dicho analisis es realizado teniendo en cuenta modelos monofasicos y
algunas simplificaciones.
5.4.3. Simulacion de caso optimo

Se ha decidido comprobar que los valores optimos obtenidos efectivamente producen la re-
duccion de perdidas esperadas en el sistema y que las condiciones de operacion del mismo se
mantienen dentro de parametros aceptables luego de la introduccion del generador distribui-
do. La potencia del generador de prueba sera de 5280 kW y se encontrara ubicado en el bus
desginado como bus65 (Ver Figura 5.13).
Tension Perdidas Potencia activa Sobrecarga

mnima (pu) potencia (kW) secundario Tx (kW) (kW)
0.979 29.4 2245.7 0
Tabla 5.7: Condiciones de operacion caso optimo con carga constante
Las condiciones del sistema para el caso optimo se presentan en la Tabla 5.7, dichas con-
diciones se consideran aceptables y las perdidas obtenidas a traves de la simulacion son las
63
Figura 5.13: Esquema unifilar caso optimo carga constante
esperadas. Sin embargo, es importante identificar que la introduccion de la generacion distri-

buida ha trado consigo un beneficio adicional, la mejora del perfil de tension. Dicho efecto
puede observarse en la elevacion del valor mnimo de tension, este hecho puede no parecer tan
importante ya que desde un comienzo no se existan problemas con la tension pero lo hubie-
se sido si el caso base presentara una tension mnima inaceptable. Ademas, la reduccion de la
potencia entregada desde el secundario del transformador implica un aumento de la capacidad
del sistema de suministrar potencia, ya que los segmentos de lnea que se encuentran al prin-
cipio del alimentador trabajaran a un nivel de carga menor que en el caso base. La Figura 5.14
muestra el perfil del tension a lo largo del alimentador para el caso donde se utilizan los valores
optimos de potencia y distancia para el generador distribuido.
Figura 5.14: Perfil de tension caso optimo con carga constante
64
5.5. Localizacion optima de un generador distribuido con car-
ga variable en el tiempo
El procedimiento seguido para determinar la localizacion optima de un generador distribui-
do con carga dependiente del tiempo vara ligeramente respecto al utilizado con carga constante.
Varios aspectos se deben de tener en cuenta:
OpenDSS trabajara en modo time
Se utilizaran las curvas de carga en todos los nudos del sistema
Se minimizaran las perdidas de energa en kWh
Se tendran en cuenta restricciones tecnicas de tension y sobrecarga para descartar combi-

naciones potencia-distancia
En el estudio presentado anteriormente la unica informacion recogida al termino de la simu-

lacion de cada caso era las perdidas de potencia totales del sistema, sin embargo en esta ocasion
para poder aplicar las restricciones tecnicas definidas sera necesario recopilar una mayor canti-
dad de informacion, la informacion registrada sera:
La tension mnima anual.
La tension maxima anual.
Las perdidas anuales de energa en kWh.
La energa anual entregada desde el sistema aguas arriba hacia la red de prueba.
Los kWh de sobrecarga
El valor mnimo de energa por hora entregada por el sistema aguas arriba. Dicho parame-
tro sera utilizado para determinar la presencia de flujo inverso desde la red de prueba hacia
el sistema aguas arriba.
5.5.1. Caso base sin generacion distribuida

La informacion obtenida a partir de la simulacion del caso base sin generacion distribuida
se presenta en la Tabla 5.8.
Energa Perdidas Tension Sobrecarga

anual (kWh) anuales (kWh) mnima (pu) (kWh)
27781333 185253 0.9682 0
Tabla 5.8: Condiciones de operacion caso base con carga variable en el tiempo
65
La informacion presentada muestra que el sistema trabaja bajo condiciones de operacion
aceptables, ya que no presenta problemas de tension o de sobrecarga. La Figura 5.15 muestra la
variacion de la carga total del sistema en funcion del tiempo.
Figura 5.15: Carga total del sistema en funcion del tiempo
5.5.2. Resultados
El metodo ha sido probado considerando diversos numeros de casos a analizar, esto con el
objetivo de determinar el numero de casos necesarios para obtener resultados validos. Anterior-
mente el numero de casos a analizar no haba sido un factor restrictivo al implementar el metodo
ya que los tiempos de simulacion son relativamente cortos pero en esta ocasion al tratarse de
simulaciones anuales, los tiempos de simulacion se incrementan notablemente. Los resultados
se presentan en la Tabla 5.9.
Numero Potencia Distancia Tiempo de Casos

de casos optima (kW) optima (pies) simulacion descartados
300 4629 6557 45 minutos 0
600 4656 6546 1 hora 30 minutos 0
1000 4640 6553 2 horas 15 minutos 0
Tabla 5.9: Localizacion optima segun numero de casos analizados
A partir de los resultados obtenidos es posible observar que no existe mayor diferencia en los
resultados a pesar que el numero de casos utilizados en la simulacion s vara considerablemen-
te; sin embargo el tiempo total de simulacion s presenta grandes diferencias. Ademas, ninguno
66
de los casos simulados ha presentado condiciones de operacion que lo llevasen a ser descartado
por haber incumplido alguna de las restricciones tecnicas impuestas al comienzo del estudio.
Respecto al numero optimo de casos a utilizar con el metodo, dependera de la disponibilidad de
tiempo para llevar a cabo el estudio, porque aun cuando el tiempo de simulacion aumenta con
el numero de casos, no es menos cierto que utilizar un mayor numero de casos permite obtener
resultados mas exactos y repetibles, por lo que en el presente estudio se tomara como base la
simulacion que comprende los 1000 casos.
La Figura 5.16 muestra la variacion de las perdidas anuales de energa en funcion de la
potencia y la distancia respecto al origen del alimentador donde se encuentra instalado el gene-
rador utilizando la informacion generada en una simulacion que ha tenido en cuenta 1000 casos
de prueba. La forma de la superficie presenta un comportamiento muy parecido a la encontrada
para el caso con carga constante, por lo que algunas de las caractersticas discutidas anterior-
mente tambien son validas. Por ejemplo, existe una unica combinacion potencia-distancia que
minimiza las perdidas. A pesar de esto, la superficie de perdidas de energa presenta una di-
ferencia respecto a la de perdidas de potencia: a medida que la potencia aumenta a un nivel
cercano a la potencia nominal de la carga instalada y la distancia se acerca a la distancia total
del alimentador, la curva deja de crecer y presenta un comportamiento aproximadamente cons-
tante, lo que implica que para valores cercanos a los valores maximos permitidos tanto para
potencia como distancia las diferencias en las perdidas son casi despreciables. Para el presente
caso la uniformidad de la curva tambien se debe a que se ha utilizado el mismo patron de ge-
neracion para todas las posiciones posibles, ya que si consideraramos cambios en dicho patron
segun la posicion del generador sera muy probable que la curva presentara irregularidades en
su comportamiento. La Tabla 5.10 muestra un resumen de los resultados mas importantes de
esta parte del estudio.
Figura 5.16: Perdidas de energa en funcion de Potencia-Distancia (1000 casos)
67
optima (kW) optima (pies) optimas (kWh)
4640 6553 134740
Tabla 5.10: Valores optimos con carga variable en el tiempo
El uso de curvas de carga implica que para cada momento existe una potencia y distancia
diferentes que reducen las perdidas a un mnimo. Sin embargo, debido a que es imposible cam-
biar la potencia nominal y la posicion del generador distribuido, la potencia y posicion optimas
seran aquellas que en promedio reduzcan al maximo las perdidas de energa. Respecto a los
valores obtenidos a partir de las simulaciones se observa una diferencia notable en el valor de
potencia nominal del generador distribuido respecto a los obtenidos con carga constante, mien-
tras que la distancia optima no presenta mayor diferencia. Los valores optimos de potencia y
distancia obtenidos utilizando curvas de carga prueban que para dicho caso la regla de los 2/3
no es valida, precisandose por tanto de un estudio especfico para cada sistema en estudio.
5.5.3. Simulacion de caso optimo
Figura 5.17: Esquema unifilar caso optimo carga variable en el tiempo
Se llevara a cabo una simulacion utilizando los valores optimos de potencia y distancia para
comprobar que dicha combinacion proporciona la reduccion de perdidas esperadas y que efec-
tivamente cumple con las restricciones tecnicas planteadas. Para dicha simulacion la potencia
nominal del generador distribuido sera de 4640 kW y se encontrara ubicado en el bus designado
como bus65 (Ver Figura 5.17).
Energa Perdidas Tension Tension Sobrecarga

anual (kWh) anuales (kWh) mnima (pu) maxima (pu) (kWh)
20280156 134737 0.9696 1.015 0
Tabla 5.11: Condiciones de operacion caso optimo con carga variable en el tiempo
68
Los resultados obtenidos a partir de la simulacion del caso optimo se muestran en la Ta-
bla 5.11. Las perdidas de energa producidas utilizando el caso optimo presentan una diferencia
insignificante en comparacion a las calculadas utilizando los metodos de interpolacion, lo que
indica que los datos obtenidos con el software TableCurve3D son confiables y que 1000 casos
es un numero que brinda una exactitud muy alta al calcular la combinacion optima de potencia
y distancia.
5.5.4. Impacto de la restriccion de flujo inverso

Hasta este momento la restriccion que impeda la existencia de flujo de potencia desde la
red de estudio hacia la red aguas arriba, es decir, flujo inverso, no haba sido tomada en cuenta
al momento de realizar el estudio. En vistas a un estudio real, esta restriccion resulta muy
importante, ya que actualmente muchas companas no permiten la presencia de flujo inverso.
Para comprobar el efecto de dicha restriccion se aplico el metodo al mismo sistema, utilizando
600 y 1000 casos de prueba. Los resultados se muestran en la Tabla 5.12.
Numero Potencia Distancia Casos
de casos optima (kW) optima (pies) descartados
600 1362 9000 497
1000 1393 9000 823
Tabla 5.12: Localizacion optima con restriccion de flujo inverso
Los resultados obtenidos difieren en gran medida respecto a los que fueron encontrados
cuando la restriccion de flujo inverso no fue tomada en cuenta. De igual forma el numero de
casos descartados en ambas simulaciones representan aproximadamente el 82 % del total de
casos, lo que implica que el numero de casos disponibles para encontrar la combinacion optima
potencia-distancia es muy bajo. La Figura 5.18 muestra la variacion de las perdidas anuales
de energa en funcion de la potencia y la distancia. Dicha superficie muestra una tendencia
inicial similar a la mostrada por la superficie obtenida sin tomar en cuenta la restriccion de flujo
inverso, sin embargo la superficie actual parece truncarse y llegar a un punto mnimo que no
guarda ninguna relacion con el punto mnimo encontrado anteriormente.
La razon por la cual la no presencia de flujo inverso se convierte en un condicion tan res-
trictiva se encuentra en el hecho que la curva total de carga del sistema presenta puntos de baja
demanda, mientras que para los mismos momentos el generador fotovoltaico presenta un factor
de carga muy alto (Ver Figura 5.19), por lo que un valor de potencia nominal del generador
que no sea especialmente grande puede producir flujo inverso. Aunque el numero de casos no
descartados sea demasiado bajo para que los resultados sean considerados confiables, el anali-
zar las condiciones del sistema y el comportamiento de la curva de perdidas de energa anuales
muestra que la manera de minimizar las perdidas de energa sera encontrar la potencia maxima
que no viole el criterio de flujo inverso y definir la distancia para la cual dicha potencia produce
las menores perdidas. La Tabla 5.13 presenta los valores optimos cuando se toma en cuenta la
restriccion de flujo inverso.
69
Figura 5.18: Perdidas anuales utilizando restriccion de flujo inverso (1000 casos)
Figura 5.19: Perfiles de carga y generacion

optima (kW) optima (pies) optimas (kWh)
1393 9000 157475
Tabla 5.13: Valores optimos con restriccion de flujo inverso
70
5.5.5. Localizacion optima de dos generadores distribuidos
El metodo presentado ha sido desarrollado para determinar la localizacion optima de un
generador distribuido, sin embargo el proceso de simulacion basado en Monte Carlo puede ser
extendido para simular dos o mas generadores distribuidos. Los aspectos a tomar en cuenta al
determinar la localizacion optima de dos generadores distribuidos seran:
Se generaran de forma independiente los parametros de potencia e ndice del bus de prue-
ba para cada generador
Se utilizaran las curvas de carga en todos los nudos del sistema
Ambos generadores utilizaran el mismo perfil de generacion.
Se minimizaran las perdidas de energa en kWh
Se tendran en cuenta restricciones tecnicas de tension y sobrecarga para descartar combi-

naciones potencia-distancia
Resultados
El metodo fue probado utilizando diferentes numeros de casos de prueba y los resultados
muestran una evidente disparidad en los valores optimos segun el numero de casos de prueba
utilizados, lo cual se debe a que a diferencia de los estudios anteriores en esta ocasion se cuenta
con cuatro variables aleatorias y no dos, por lo que se necesita un mayor numero de casos de
prueba para poder obtener una muestra representativa de todas las combinaciones posibles. De-
bido a la dificultad que implica interporlar y optimizar un grupo de datos con cuatro variables
aleatorias, se presentan como casos optimos aquellas combinaciones que produjeron las meno-
res perdidas en cada una de las simulaciones realizadas. La Tabla 5.14 presenta un resumen de
los resultados obtenidos.
Potencia Distancia Potencia Distancia
Numero optima optima optima optima Casos
de casos unidad 1 (kW) unidad 1 (pies) unidad 2 (kW) unidad 2 (pies) descartados
300 2350 3200 3164 8200 66
600 3343 4100 2175 9200 134
1000 2817 3000 3032 7600 211
Tabla 5.14: Localizacion optima 2 generadores
Para poder lograr obtener resultados que sean validos debera aumentarse el numero de casos
de prueba hasta el punto que dichos combinaciones sean una representacion valida de las com-
binaciones posibles, lo anterior implica un incremento en el tiempo de simulacion necesario
para llevar a cabo el estudio. Cabe mencionar que los tiempos de simulacion dependen unica-
mente del numero de casos a simular y no del numero de generadores distribuidos tomados en
71
cuenta, por lo que resulta indiferente incluir uno, dos o mas generadores; de igual forma para
OpenDSS no representa mayor carga computacional la inclusion de mas de un generador en el
sistema para su simulacion.
5.6. Localizacion optima de bancos de condensadores

El metodo de localizacion optima de generadores distribuidos puede ser utilizado tambien
para determinar la localizacion de bancos de condensadores. Conceptualmente el metodo no
vara ya que el objetivo sera generar valores aleatorios para la potencia y la posicion del banco
de condensadores y a partir de la informacion generada, tras analizar cada caso, con la ayuda
de los mismos algoritmos de interpolacion multivariable encontrar la combinacion potencia-
posicion que reduzca al mnimo las perdidas del sistema. Los aspectos a tomar en cuenta al
llevar a cabo el estudio son:
El banco de condesadores sera simulado a traves de un generador de prueba que inyec-
tara unicamente potencia reactiva.
La potencia maxima que podra adoptar el generador de prueba sera el total de la carga
reactiva instalada en el sistema.
OpenDSS trabajara en modo snapshot
Las demandas son constantes
Se minimizaran las perdidas de potencia en kW
Se realizaran las simulaciones utilizando 1000 casos de prueba
5.6.1. Localizacion optima teorica de bancos de condensadores

La localizacion optima de n bancos de condensadores en un alimentador radial puede ser
deducida utilizando el mismo procedimiento que el mostrado para generadores distribuidos con
la diferencia de que se trababajara con potencias y corrientes reactivas; a partir de este enfoque
es posible determinar la localizacion optima de bancos de condensadores en un sistema radial
que alimenta una carga uniformemente distribuida con las siguientes formulas:
2
c= (5.35)
2n + 1
(2i 1) c
xi,opt = 1 (5.36)
2
ctot = nc (5.37)
n: numero de bancos de condensadores
c: factor de compensacion optimo individual
72
i: i-esimo banco de condensadores
xi,opt : distancia optima respecto al inicio del alimentador del i-esimo banco de condensadores
ctot : factor de compensacion total de los n bancos de condensadores
5.6.2. Localizacion optima de un banco de condensadores

La localizacion optima teorica de un banco de condensadores puede ser calculada utili-
zando las formulas presentadas en la seccion anterior, los valores obtenidos se muestran en la
Tabla 5.15.
Compensacion Compensacion Distancia

individual (pu) total (pu) optima (pu)
2/3 2/3 2/3
Tabla 5.15: Localizacion optima teorica de un banco de condensadores
El sistema bajo estudio tiene un carga reactiva total de 3.63 Mvar y el alimentador tiene una
longitud total de 10000 pies por lo que los valores optimos seran 2420 kvar y 6667 pies.
Resultados
La Figura 5.20 describe la dependencia de las perdidas de potencia en funcion de la potencia
y la distancia asignadas al banco de condensadores. La superficie presenta el mismo patron que
la superficie generada para la localizacion optima de un generador distribuido pero al observar
la escala se observa que la reduccion de las perdidas es menor que la producida con el generador
distribuido; esto es debido a que la potencia reactiva que fluye por el alimentador es menor que
la potencia activa por lo que las perdidas producidas por la componente reactiva tambien son
menores, debido a esto al introducir un banco de condensadores que compensa unicamente
potencia reactiva la reduccion de las perdidas sera menor que cuando se introduce un generador
distribuido que compensa potencia activa. Los valores optimos encontrados para la localizacion
optima de un banco de condensadores se muestran en la Tabla 5.16.

optima (kvar) optima (pies) optimas (kW)
2892 6177 85.84
Tabla 5.16: Valores optimos para un banco de condensadores
Los resultados obtenidos muestran una diferencia importante respecto a los obtenidos teori-
camente, que corresponden a la regla de los 2/3, ya que el valor optimo de potencia corresponde
a un 79.67 % de la carga reactiva total del sistema y la distancia optima equivale aproximada-
mente a un 62 % de la longitud total del alimentador. Aunque la distancia optima encontrada a
73
Figura 5.20: Perdidas de potencia en funcion de Potencia-Distancia (1000 casos)
traves del metodo presenta cierta diferencia con el valor teorico, la diferencia no es mucha y el
valor se encuentra dentro de lo esperado, considerando siempre la simplificaciones utilizadas
en la deduccion de dichas formulas. Respecto al valor optimo encontrado para la potencia del
banco de condensadores existen diferentes razones que causan la diferencia presente pero el
principal factor que provoca dicha diferencia es el modelo del alimentador utilizado en el estu-
dio; el modelo de alimentador usado es un modelo que toma en cuenta muchos mas aspectos
(capacitancia de las lneas, geometra, desbalances, etc.) que el modelo reducido utilizado en el
calculo de la regla de los 2/3.
5.6.3. Localizacion optima de dos bancos de condensadores

La localizacion optima teorica de dos bancos de condensadores que poseen la misma poten-
cia nominal se presenta en la Tabla 5.17.
Compensacion Compensacion Distancia optima Distancia optima

individual (pu) total (pu) banco 1 (pu) banco 2 (pu)
2/5 4/5 2/5 4/5
Tabla 5.17: Localizacion optima teorica de dos bancos de condensadores
La potencia optima de cada banco de condensadores sera de 1452 kvar y las distancias
optimas seran 4000 y 8000 pies respectivamente.
74
Resultados
En primer lugar el metodo fue utilizado para determinar la localizacion optima de ambos
bancos de condensadores conociendo de antemano el factor de compensacion total deseado,
por lo que en este caso las variables aleatorias seran las distancias respecto al principio del
alimentador de ambos bancos. La Tabla 5.18 presentan un resumen con los resultados mas
importantes de esta parte del estudio.
Los resultados muestran que la reduccion maxima de perdidas se da con un factor de com-
pensacion de 100 %, a diferencia del 80 % calculado teoricamente, lo cual se encuentra dentro
de lo esperado considerando la diferencia encontrada al determinar la localizacion optima de un
banco de condensadores. Sin embargo, la diferencia en las perdidas de potencia obtenidas con
un factor de compensacion de 100 % y uno de 80 % es muy pequena. Para el caso concreto de
un factor de compensacion de 80 % las distancias encontradas para ambos bancos de condensa-
dores no presentan grandes diferencias respecto a las calculadas teoricamente. La Figura 5.21
muestra las perdidas de potencia en funcion de las distancias de ambos bancos de condensa-
dores para un factor de compensacion total de 80 %; la superficie parece estar formada por dos
curvas donde una es el reflejo de la otra, esto se debe a que al tener la misma potencia ambos
generadores las distancias son intercambiables entre ellos, lo que genera dicho comportamiento
en la curva.
Factor de Distancia optima Distancia optima Perdidas

compensacion ( %) banco 1 (pies) banco 2 (pies) (kW)
20 8631 10000 97.39
40 7193 9091 90.45
60 5747 8598 86.32
80 4303 8093 84.33
100 2897 7590 83.83
Tabla 5.18: Valores optimos para dos bancos de condensadores con factor de compensacion
conocido
El metodo fue probado nuevamente pero en esta ocasion el factor de compensacion no fue
escogido de antemano sino que tambien fue elegido de manera aleatoria, por lo que el estudio
conto con 3 variables aleatorias. Utilizando 1000 casos de prueba se pretende optimizar tanto la
posicion como la potencia de ambos bancos de condensadores.
Una vez mas debido a la dificultad de optimizar una funcion con tres variables aleatorias se
ha escogido como caso optimo aquel que caso que durante la simulacion produjo las menores
perdidas de potencia, los resultados del caso considerado como optimo se presentan en la Ta-
bla 5.19. El factor de compensacion es de aproximadamente 94 % y las perdidas son un poco
mayores que las encontradas con un 100 % de compensacion, aun as las diferencias entre am-
bos valores son mnimas. Utilizando la ecuacion que permite encontrar las distancias optimas
para ambos generadores conociendo el factor de compensacion se obtienen distancias de 2950
y 7600 pies para los dos bancos, resultados que concuerdan casi perfectamente con los obteni-
75
Figura 5.21: Perdidas de potencia en funcion de las distancias de ambos bancos de condensa-
dores (c=80 %, 1000 casos)
dos a traves de la simulacion. Estos resultados y los encontrados anteriormente para un factor
de compensacion de 80 % muestran que el modelo del alimentador no tiene mayor influencia
al optimizar las posiciones de dos bancos de condensadores, ya que los resultados obtenidos a
partir del metodo concuerdan con los obtenidos a traves de las ecuaciones teoricas, lo que no
sucede al optimizar la potencia de los bancos.
Potencia optima Distancia optima Distancia optima Perdidas

individual (kvar) banco 1 (pies) banco 2 (pies) (kW)
1692 3000 7600 83.92
Tabla 5.19: Valores optimos para dos bancos de condensadores con factor de compensacion
determinado aleatoriamente
76
Captulo 6
Conclusiones
6.1. Conclusiones sobre la implementacion del metodo

La utilizacion del metodo de Monte Carlo ha permitido optimizar tanto la potencia nomi-
nal del generador distribuido como su posicion dentro del sistema estudiado.
La seleccion de OpenDSS como herramienta de simulacion presenta ventajas evidentes,

ya que ha permitido por un lado llevar a cabo estudios con carga constante (tipo snapshot),
y por otro, estudios que tienen en cuenta cargas que varan con el tiempo (anuales), lo
que proporciona un valor agregado al contemplar condiciones mas reales para el sistema.
Ademas, los modelos de los elementos de red utilizados por OpenDSS permiten analizar
sistemas complejos con caractersticas reales.
El metodo ha sido utilizado unicamente para la localizacion optima de un generador dis-

tribuido en un alimentador radial, sin embargo este puede ser expandido facilmente y uti-
lizado en redes mucho mas complejas; para ello es necesario que la definicion del sistema
y la asignacion de los buses en OpenDSS sean hechas de forma ordenada y separadas por
zonas, segun las configuracion de la red.
El metodo puede ser utilizado para determinar la localizacion optima de mas de un gene-
rador distribuido, ya que generar los parametros aleatorios de potencia y ubicacion para
mas de un generador distribuido e incluirlo en el sistema para su simulacion no representa
mayor reto, de la misma manera para OpenDSS la inclusion de mas generadores no pre-
senta un aumento de carga computacional representativo. De igual manera, los tiempos
simulacion totales no dependen del numero de generadores a analizar sino del numero de
casos de prueba simulados, por lo que tampoco implica un aumento en los tiempos de tra-
bajo. El mayor reto se presenta al momento de definir algoritmos que permitan optimizar
un sistema que depende de mas de dos variables aleatorias.
El metodo puede ser utilizado tambien para determinar la localizacion optima de un ban-
co de condensadores; el procedimiento general no presenta mayores cambios, la mayor
77
diferencia radica que en lugar de incluir un generador en el sistema se incluira un banco
de condensadores o un generador que inyecta unicamente potencia reactiva, el resto del
procedimiento sera el mismo.
6.2. Conclusiones sobre los resultados obtenidos

La determinacion de la localizacion optima de un generador distribuido ha permitido
comprobar que la regla de los 2/3 es valida cuando se trabaja con alimentadores radiales
con carga uniformemente distribuida y que no vara con el tiempo. Sin embargo, los
resultados obtenidos utilizando cargas dependientes del tiempo muestran que para este
escenario dicha regla no es valida y que es necesario llevar a cabo un estudio individual
para cada sistema con el objetivo de determinar la localizacion optima de un generador
distribuido.
Las curvas generadas para las perdidas de potencia (carga constante) y perdidas anuales
de energa (curvas de carga) presentan un comportamiento similar. Dicho comportamien-
to muestra que existe un unica combinacion potencia-distancia que reduce las perdidas
del sistema al maximo. Ademas, se observa que para cada valor de potencia existe una
distancia para la cual las perdidas se reducen a un mnimo y que a medida dicho valor de
potencia aumenta, la distancia respecto al inicio del alimentador se reduce. Igualmente,
para cada valor de distancia existe un valor unico de potencia para el cual las perdidas se
minimizan.
Para el sistema bajo estudio la condicion de no flujo inverso probo ser altamente restric-
tiva. Dicha restriccion no fue tomada en cuenta durante el desarrollo del resto de estudio,
ya que dicha limitacion en los valores de potencia no permita determinar los valores opti-
mos de potencia y distancia para el generador con el fin de reducir al maximo las perdidas
de energa del sistema
Los resultados obtenidos al utilizar 1000 casos de prueba muestran que dicho numero
ofrece una excelente exactitud y permite alcanzar resultados validos. La exactitud alcan-
zada con 1000 casos es tal que las diferencias entre las perdidas calculadas como el punto
mnimo de la curva de perdidas y las obtenidas a traves de la simulacion del caso optimo
son muy pequenas.
Al determinar la localizacion optima de un banco de condensadores en un alimentador

radial con carga uniformemente distribuida y que no vara con el tiempo los resultados no
concuerdan con los esperados a partir de la regla de los 2/3. Esto se debe principalmente a
la influencia del modelo de alimentador utilizado en la simulacion y a las simplificaciones
utilizadas en la deduccion de dicha regla.
Los resultados obtenidos al determinar la localizacion optima de dos bancos de conden-

sadores muestran que las distancias optimas encontradas con el metodo varan poco con
78
respecto a las calculadas utilizando las ecuaciones teoricas. Dichas resultados indican
que el modelo del alimentador afecta la determinacion de la potencia optima del banco
de condensadores pero en el caso de que el factor de compensacion sea conocido de ante-
mano, el modelo del alimentador no introduce mayor diferencia al momento de calcular
las distancias optimas de los bancos.
6.3. Objetivos futuros

Expandir el metodo para que sea capaz de analizar redes mas grandes y complejas que
incluyan circuitos tanto trifasicos como monofasicos.
Llevar a cabo estudios que comprendan un analisis para varios anos y que contemplen la
variacion anual de carga.
Utilizar las prestaciones de Matlab para generar las salidas graficas necesarias y determi-
nar la localizacion optima de un generador distribuido, lo que hara innecesario el uso de
otras herramientas externas de software.
Utilizar Matlab u otra herramienta externa para optimizar casos que involucren mas de
dos variables aleatorias.
Definir una nueva funcion multi-objetivo que permita optimizar otros parametros de la
red y no unicamente las perdidas totales del sistema.
79
Bibliografa
[1] H.L. Willis, Analytical Methods and Rules of Thumb for Modeling DG-Distribution Inter-
action. IEEE PES Summer Meeting, 3: 1643-1644, 2000.
[2] K. Nara, Y. Hayashi, K. Ikeda, and T. Ashizawa, Application of Tabu Search to Optimal
Placement of Distributed Generators. IEEE PES Winter Meeting, 2: 918-923, 2001.
[3] T. Ackerman, G. Anderson, and L. Soder, Distributed Generation: A Definition. Electric

Power Systems Research, Elsevier, 2001.
[4] W. Rosehart and E. Nowicki, Optimal Placement of Distributed Generation. Proceedings

of 14th Power Systems Computation Conference, June 14-28, Sevilla, pp. 1-5, 2002.
[5] B.M. Buchholz and C. Boese, The Impact of Dispersed Power Generation in Distribution
Systems. CIGRE/IEEE International Symposium, pp. 198-203, 2003.
[6] L.T. Borges and D.M. Falcao, Impact of Distributed Generation Allocation and Sizing on
Reliability, Losses and Voltage Profile. IEEE Power Tech Conference Proceedings, June
23-26, Bologna, 2: 5, 2003.
[7] Y.G. Hegazi, M.M.A. Salama, and A.Y. Chikhani, Adequacy Assesment of Distributed Ge-
neration Systems Using Monte Carlo Simulation. IEEE Trans. on Power Systems, vol. 18,
no. 1, pp. 48-52, February 2003.
[8] P. Chiradeja and R. Ramakumar, An Approach to Quantify the Technical Benefits of Distri-
buted Generation. IEEE Trans. on Energy Conversion, vol. 19, no. 4, pp. 764-773, 2004.
[9] C. Wang and M.H. Nehrir, Analytical Approaches for Optimal Placement of Distributed
Generation Sources in Power Systems. IEEE Trans. on Power Systems, vol. 19, no. 4, pp.
2068-2076, November 2004.
[10] N. Mithulananthan, T. Oo, and L. Van Phu, Distributed Generator Placement in Power
Distribution System Using Genetic Algorithm to Reduce Losses. TIJSAT, 9: 55-62, 2004.
[11] T.A. Short, Electric Power Distribution Handbook. CRC Press, 2004.
80
[12] T. Gozel, M.H. Hocaoglu, U. Eminoglu, and A. Balicki, Optimal Placement and Sizing of
Distributed generation on Radial Feeder with Different Static Load Models. Proceedings of
International Conference Future Power Systems, Nov. 18, Amsterdam, pp. 2-6, 2005.
[13] M.A. Kashem, M. Negnevitsky, and G. Ledwich, Distributed Generation for Minimization
of Power Losses in Distribution Systems. Proceedings of IEEE PES General Meeting, June
18-22, Montreal, pp. 8-8, 2006.
[14] A. Barin, L. Pozzatti, L. Canha, R. Machado, A. Abaide, F. Farret, and C. Carvalho, Analy-
sis of Multi-Objective Methods Applied to Distributed Generation Systems. IEEE Interna-
tional Conference on Energy and Electrical Drives, April 12-14, pp. 243-248, 2007.
[15] T. Gonen, Electric Power Distribution System Engineering. 2nd Edition, CRC Press, 2008.
[16] D. Xiaoqun, W. Jiahong, and Z. Feng, Optimal Location and Capacity of Distributed Ge-
neration Bases on Scenario Probability. IEEE International Conference on Sustainable Po-
wer Generation and Supply, April 6-7, pp. 1-5, 2009.
[17] D. Thukaram, C. Vyjayanthi, and S. Surenda, Optimal Placement of Distributed Gene-

ration for a Projected Load Increase Using Relative Electrical Distance Approach. IEEE
International Conference on Power Systems, December 27-29, pp. 1-6, 2009.
[18] A. Hadian, M.R. Haghifam, J. Zohverand, and E. Akhavan-Rezai, Probabilistic Approach

for Renewable DG Placement in Distribution Systems with Uncertain and Time Varying
Loads. IEEE PES General Meeting, Calgary, July 2009.
[19] K. Abookazemi, M.Y. Hassan, and S. Majid, A Review on Optimal Placement Methods of
Distributed Generation Sources. IEEE International Conference on Power and Energy, Nov
29 - Dec 1, Kuala Lumpur, pp. 712-716, 2010.
[20] M.F. Akorede, H. Hizam, I. Aris, and M.Z.A. Ab Kadir, A Review of Strategies for Optimal
Placement of Distributed Generation in Power Distribution Systems. Research Journal of
Applied Sciences, vol. 5, no. 2, pp. 137-145, 2010.
[21] R.C. Dugan, Reference Guide. The Open Distribution System SImulator (OpenDSS).
EPRI, 2010.
[22] J.A. Martinez, F. de Leon, A. Mehrizi-Sani, M.H. Nehrir, C. Wang, and V. Dinavahi, Tools
for Analysis and Design of Distributed Resources-Part II: Tools for Planning, Analysis
and Design of Distribution Networks with Distributed Resources. IEEE Trans. on Power
Delivery, vol. 26, no. 3, pp. 1653-1662, July 2011.
[23] R.C. Dugan and T.E. McDermott, An Open Source Platform for Collaborating on Smart
Grid Research. IEEE PES General Meeting, Detroit, July 2011.
81
[24] J.A. Martinez and J. Martin-Arnedo, Distribution Load Flow Calculations Using Time
Driven and Probabilistic Approaches. IEEE PES General Meeting, Detroit, July 2011.
[25] J.A. Martinez and G. Guerra, Optimum Placement of Distributed Generation in Three-
Phase Distribution Systems with Time Varying Load Using a Monte Carlo Approach. Apro-
bado para su presentacion en el IEEE PES GM a celebrarse en San Diego C.A., Julio 2012.
[26] Y.M. Atwa and E.F. El-Saadany, Probabilistic approach for Optimal Allocation of Wind-
based Distributed Generation in Distribution Systems. IET Renewable Power Generation,
vol. 5, no. 1, pp. 79-88, January 2011.
[27] OpenDSS Program, [Online] Available through SourceForge.net

http://sourceforge.net/projects/electricdss.
[28] HOMER Software, National Renewable Energy Laboratory (NREL), Available at

http://www.nrel.gov/homer.
82
Mster Interuniversitari UB-UPC dEnginyeria en Energia
Acta dAvaluaci de Projecte
Curs:
Codi UPC: 33563
Data defensa: Qualificaci:
Alumne: Luis Gerardo Guerra Snchez

DNI: 02545885
Ttol: Localizacin ptima de generacin distribuida en sistemas de distribucin
trifsicos con carga variable en el tiempo utilizando el mtodo de Monte Carlo
Director:
Ponent:
Tribunal
President:
Vocals:
Suplents:
Observacions
Signatura
Convocatria Ordinria, Convocatria Extraordinria,
Cognoms, nom (President) Cognoms, nom (President)
Cognoms, nom (Vocal) Cognoms, nom (Vocal)
Cognoms, nom (Vocal) Cognoms, nom (Vocal)

Memoria PFM PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Memoria PFM PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Localizacin ptima de Generacin Distribuida en

Sistemas de Distribucin Trifsicos con Carga Variable en

Autor: Luis Gerardo Guerra Snchez

Mster Interuniversitari UB-UPC

Alumne: Luis Gerardo Guerra Snchez

Director: Juan Antonio Martnez Velasco

Acceptaci de la presentaci del projecte:

Confirmo lacceptaci de la presentaci del Projecte Final de Mster.

Per a que consti,

Martnez Velasco, Juan Antonio

Per a que consti,

Guerra Snchez, Luis Gerardo

Barcelona, 24 de Febrero de 2012

En el presente trabajo se desarrolla un metodo para determinar la localizacion optima de un

2. Sistemas de distribucion de energa electrica 6

4. Localizacion optima de generacion distribuida 32

5. Localizacion optima de un generador distribuido utilizando el metodo de Monte

El metodo desarrollado en este trabajo ha sido previamente presentado en el artculo:

J.A. Martinez and G. Guerra,Optimum Placement of Distributed Generation in Three-

1.2. Estructura del documento

Sistemas de distribucion de energa

2.1. Transporte y distribucion de energa electrica

Grandes centros de generacion

Figura 2.1: Estructura sistema de entrega de energa electrica

Sistema de distribucion secundaria

2.2. Estructura del sistema de distribucion

La proteccion contra fallas es mas sencilla.

Los niveles de corriente de falla son menores.

La regulacion de tension es mas simple de implementar.

El control del flujo de potencia es mas sencillo.

El sistema resulta menos costoso.

La configuracion de circuito radial puede presentar diversas variantes:

2.3.1. Alimentador unico

Figura 2.3: Configuracion alimentador unico (simple y ramificado)

Figura 2.4: Configuracion lazo abierto

2.4. Configuracion de circuitos secundarios de distribucion

2.4.1. Configuracion tipo spot

Figura 2.5: Configuracion tipo spot

2.4.2. Configuracion tipo red

2.5. Configuracion de subestaciones de distribucion

2.5.1. Subestaciones de distribucion rurales

2.5.2. Subestaciones de distribucion suburbanas

2.5.3. Subestaciones de distribucion urbanas

Figura 2.9: Configuracion tpica subestacion urbana (anillo e interruptor y medio)

2.7. Recursos energeticos distribuidos

2.7.1. Generacion distribuida

2.7.2. Almacenamiento de energa

OpenDSS es un software de simulacion de sistemas de distribucion de energa electrica,

Planeacion y analisis de redes de distribucion

Analisis de circuitos AC polifasicos

Analisis de interconexion de generacion distribuida

Simulaciones anuales de generacion y carga

Simulaciones de plantas eolicas

Mejoramiento de la eficicienca en redes de distribucion

Estudios de armonicos e inter armonicos

El programa incluye varios modos de solucion, tales como:

Flujo de potencia (modo snapshot, modo time)

Figura 3.1: Estructura OpenDSS

OpenDSS representa los circuitos de distribucion a traves de ecuaciones de admitancias no-

3.1. OpenDSS como aplicacion independiente

Figura 3.3: Interfaz grafica OpenDSS

3.1.1. Simulacion de caso ejemplo desde la aplicacion independiente

! Parametros del tipo de lnea