MEMORIA
Sollicito:
La defensa pblica del meu Projecte Final de Mster.
1. Introduccion 3
1.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Estructura del documento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
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
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
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.
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
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.
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.
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.
Alimentador unico.
Lazo abierto.
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.
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.
12
Figura 2.6: Configuracion tipo red
13
Figura 2.7: Configuracion tpica subestacion rural
14
Figura 2.8: Configuracion tpica subestacion suburbana
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.
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.
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
Otros
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.
22
Figura 3.2: Modelo elementos en OpenDSS
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
! 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
new line.line4 Loadbus3 loadbus4 336matrix 5
new line.line5 Loadbus4 loadbus5 336matrix 10
! Cargas
new load.load1 bus1=loadbus1 phases=3 kv=12.47 kw=1000.0
more pf=0.88 model=1 class=1 conn=delta
new load.load2 bus1=loadbus2 phases=3 kv=12.47 kw=500.0
24
more pf=0.90 model=1 class=1 conn=delta
new load.load3 bus1=loadbus3 phases=3 kv=12.47 kw=200.0 pf=0.88
more model=1 class=1 conn=delta
new load.load4 bus1=loadbus4 phases=3 kv=12.47 kw=1000.0
more pf=0.90 model=1 class=1 conn=delta
new load.load5 bus1=loadbus5 phases=3 kv=12.47 kw=500.0
more pf=0.88 model=1 class=1 conn=delta
! Meters
New EnergyMeter.Feeder Line.line1 1
! 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.
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)
27
desarrollado como una aplicacion DLL.
Regsvr32 OpenDSSEngine.DLL
Ejecutado este paso ya es posible enlazar OpenDSS con otros paquetes de software.
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.
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:
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.
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
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:
Metodos analticos
Algoritmos geneticos
Algoritmos metaheursticos
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.
Las carga se encuentra distribuida a lo largo del lnea y posse un densidad de corriente
Id(x)
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).
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.
36
Ano de
Ttulo artculo Autores publicacion
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
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
Ttulo artculo Autores publicacion
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
38
n n n
Ploss = PiBi j Pj + PiBi0 + B00 (4.12)
i=1 j=1 i=1
3. Seleccion: Se realiza una seleccion de los individuos utilizando una funcion geometrica
normalizada.
5. Evaluacion de la idoneidad: Las perdidas totales del sistema son utilizadas para evaluar
la idoneidad de cada individuo de la poblacion.
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.
Las posibles ubicaciones para los generadores han sido definidas previamente.
40
Ano de
Ttulo artculo Autores publicacion
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
N
(t) (t) (k)
IDG jk = B jkgn jk (4.14)
g=1
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
( j = 1, 2, . . . , SC, k = 1, 2, . . . , M)
Condiciones de operacion de generadores:
(t)
B jkg Cg (4.18)
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
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:
2. Se calcula el flujo de cargas para cada caso. Se descartan aquellos casos que no cumplan
con alguna de las siguientes restricciones:
45
Uno o mas elementos del sistema trabajan por encima de su capacidad nominal.
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:
47
Figura 5.2: Curvas de carga asignadas a las demandas
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.
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:
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.
5.2.1. 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.
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.
51
Carga Curva Carga Curva Carga Curva
Load1 Dload1 Load36 Dload3 Load71 Dload1
Load2 Dload1 Load37 Dload3 Load72 Dload2
Load3 Dload3 Load38 Dload4 Load73 Dload1
Load4 Dload1 Load39 Dload2 Load74 Dload2
Load5 Dload4 Load40 Dload1 Load75 Dload3
Load6 Dload1 Load41 Dload2 Load76 Dload4
Load7 Dload2 Load42 Dload1 Load77 Dload1
Load8 Dload4 Load43 Dload1 Load78 Dload2
Load9 Dload2 Load44 Dload4 Load79 Dload3
Load10 Dload3 Load45 Dload1 Load80 Dload1
Load11 Dload3 Load46 Dload3 Load81 Dload2
Load12 Dload2 Load47 Dload2 Load82 Dload1
Load13 Dload2 Load48 Dload4 Load83 Dload4
Load14 Dload4 Load49 Dload2 Load84 Dload4
Load15 Dload2 Load50 Dload2 Load85 Dload2
Load16 Dload1 Load51 Dload2 Load86 Dload4
Load17 Dload4 Load52 Dload1 Load87 Dload3
Load18 Dload3 Load53 Dload3 Load88 Dload3
Load19 Dload3 Load54 Dload4 Load89 Dload1
Load20 Dload2 Load55 Dload2 Load90 Dload2
Load21 Dload3 Load56 Dload3 Load91 Dload2
Load22 Dload1 Load57 Dload1 Load92 Dload1
Load23 Dload4 Load58 Dload4 Load93 Dload4
Load24 Dload2 Load59 Dload4 Load94 Dload4
Load25 Dload1 Load60 Dload4 Load95 Dload3
Load26 Dload4 Load61 Dload3 Load96 Dload2
Load27 Dload3 Load62 Dload2 Load97 Dload1
Load28 Dload1 Load63 Dload3 Load98 Dload3
Load29 Dload3 Load64 Dload1 Load99 Dload2
Load30 Dload2 Load65 Dload2 Load100 Dload4
Load31 Dload4 Load66 Dload1
Load32 Dload2 Load67 Dload4
Load33 Dload1 Load68 Dload3
Load34 Dload4 Load69 Dload3
Load35 Dload2 Load70 Dload4
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 loadshapes
New LoadShape.Dload1 npts=8760 interval=1.0
more mult=(File=Dload1.csv) action=normalize
New LoadShape.Dload2 npts=8760 interval=1.0
more mult=(File=Dload2.csv) action=normalize
New LoadShape.Dload3 npts=8760 interval=1.0
more mult=(File=Dload3.csv) action=normalize
New LoadShape.Dload4 npts=8760 interval=1.0
more mult=(File=Dload4.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
!Energy meter
New EnergyMeter.Feeder element=transformer.sub terminal=1 Losses=yes
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
new line.line3 bus2 bus3 like=line1
new line.line4 bus3 bus4 like=line1
new line.line5 bus4 bus5 like=line1
new line.line6 bus5 bus6 like=line1
new line.line7 bus6 bus7 like=line1
.
.
.
new line.line100 bus99 bus100 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
new load.load3 bus1=bus3 like=load1 yearly=Dload3
new load.load4 bus1=bus4 like=load1 yearly=Dload1
new load.load5 bus1=bus5 like=load1 yearly=Dload4
new load.load6 bus1=bus6 like=load1 yearly=Dload1
new load.load7 bus1=bus7 like=load1 yearly=Dload2
.
.
.
new load.load100 bus1=bus100 like=load1 yearly=Dload4
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:
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:
55
Figura 5.6: Perfil de corriente alimentador con carga uniformemente distribuida y una carga
concentrada al final de la lnea
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:
56
Figura 5.7: Nuevo perfil de corriente alimentador con generacion distribuida
57
Figura 5.8: Reduccion de perdidas =0
58
Figura 5.10: Reduccion de perdidas =1/2
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 )
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 %
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
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)
bemos de recordar que dicho analisis es realizado teniendo en cuenta modelos monofasicos y
algunas simplificaciones.
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
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:
La energa anual entregada desde el sistema aguas arriba hacia la red de prueba.
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.
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.
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.
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.
67
Potencia Distancia Perdidas
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.
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).
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.
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)
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
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.
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
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.
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.
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.
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.
76
Captulo 6
Conclusiones
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.
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.
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.
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.
[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.
[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.
82
Mster Interuniversitari UB-UPC dEnginyeria en Energia
Acta dAvaluaci de Projecte
Curs:
Codi UPC: 33563
Tribunal
President:
Vocals:
Suplents:
Observacions
Signatura
Convocatria Ordinria, Convocatria Extraordinria,