FACULTAD DE INGENIERÍA
POTENCIA
Santiago - Chile
2008
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
POTENCIA
Santiago - Chile
2008
© 2008, Carlos Andrés José Cabrera Rivas
- i-
AGRADECIMIENTOS
Después de tanto trabajo, lejos a continuación escribiré las palabras más gratas…
Esta oportunidad para agradecer por escrito a mi Padre, Eugenio Cabrera, su apoyo y
confianza durante toda mi vida es invaluable, desde que tengo uso de razón mi Padre me
ha guiado, formado, protegido y nunca había tenido la ocasión de expresarle mis más
sinceros agradecimientos. GRACIAS PAPÁ…
Deseo agradecer a mis compañeros y amigos, Patricio Toledo, Leonardo Moya, William
Coone, Karina Montero, Sergio Cerón, Fabio Echegaray y David Valenzuela por toda la
ayuda y los buenos momentos compartidos. Además agradezco a mis compañeros de
especialidad Cristhian Becker, Coyailen Chacón y Cristian Uribe por el apoyo brindado
en las últimas etapas de la carrera.
No pueden quedar fuera de este agradecimiento los padres de William “Kun”, la tía
Angélica y el tío Guillermo, quienes recibieron en su hogar al “Grupo de Estudio” por
largos 5 años de forma generosa.
Deseo agradecer a mi primo Rodrigo Bamón por toda la ayuda entregada durante mi
carrera en forma desinteresada, en especial en el primer año de carrera donde se veía
complicado que 6 años más tarde pudiera estar escribiendo estos agradecimientos. Así
mismo, a mi hermana Marcela Cabrera y cuñado Pablo Loyola por el apoyo brindado
para ingreso a la Universidad y la ayuda constante durante la carrera.
Así mismo, agradecer a mis compañeros de trabajos y amigos de Systep por aclarar
dudas y conceptos. A Pedro Miquel y Jorge Moreno por sus valiosos comentarios y
permitirme compatibilizar el trabajo en Systep con el término de mi tesis.
-ii -
TABLA DE CONTENIDOS
DEDICATORIA ........................................................................................................................................... I
AGRADECIMIENTOS .............................................................................................................................. II
ÍNDICE DE FIGURAS .............................................................................................................................. V
ÍNDICE DE TABLAS ............................................................................................................................VIII
RESUMEN.................................................................................................................................................IX
1 INTRODUCCIÓN .............................................................................................................................. 1
1.1 OBJETIVOS ............................................................................................................................. 3
1.2 REVISIÓN BIBLIOGRÁFICA. ................................................................................................ 4
1.3 MOTIVACIÓN .......................................................................................................................... 7
1.4 APORTE PERSONAL............................................................................................................. 8
1.5 ESTRUCTURA DEL TRABAJO. ........................................................................................... 9
2 ANTECEDENTES GENERALES DEL PROBLEMA ................................................................ 11
2.1 PLANIFICACIÓN DE LARGO Y MEDIANO PLAZO. ........................................................ 12
2.2 PLANIFICACIÓN DE LA OPERACIÓN. ............................................................................. 13
2.3 DEMANDA DE ENERGÍA ELÉCTRICA. ............................................................................ 14
2.4 RESERVA EN GIRO. ............................................................................................................ 16
2.5 CENTRALES TÉRMICAS. ................................................................................................... 21
2.6 ANTECEDENTES DE MERCADOS ELÉCTRICOS COMPETITIVOS.......................... 29
3 FORMULACIÓN GENERAL DEL PREDESPACHO DE UNIDADES TÉRMICAS.............. 37
3.1 FUNCIÓN OBJETIVO (COSTOS TOTALES).................................................................... 39
3.2 RESTRICCIONES TÉCNICAS............................................................................................ 44
3.3 RESTRICCIONES DE CARGA. .......................................................................................... 50
3.4 RESUMEN FORMULACIÓN GENERAL DEL PREDESPACHO DE UNIDADES
TÉRMICAS ........................................................................................................................................... 52
3.5 PREDESPACHO DE UNIDADES TÉRMICAS EN MERCADOS ELÉCTRICOS
COMPETITIVOS.................................................................................................................................. 58
4 FORMULACIÓN DEL PREDESPACHO DE UNIDADES TÉRMICAS USANDO FLUJO
ÓPTIMO DE POTENCIA......................................................................................................................... 66
4.1 TEORÍA DESPACHO ECONÓMICO.................................................................................. 67
4.2 PROBLEMÁTICA DEL DESPACHO DE POTENCIA REACTIVA. ................................. 76
4.3 PREDESPACHO DE UNIDADES TÉRMICAS.................................................................. 78
4.4 INTRODUCCIÓN AL FLUJO ÓPTIMO POTENCIA.......................................................... 80
4.5 MODELACIÓN OPF.............................................................................................................. 82
4.6 OPF Y COSTO MARGINAL POR BARRA (LMP). ............................................................ 88
4.7 HERRAMIENTA COMPUTACIONAL MATPOWER APLICADA PARA RESOLVER
PROBLEMAS DE FLUJO DE POTENCIA ÓPTIMO. ...................................................................... 91
5 APLICACIÓN DE ALGORITMOS GENETICOS AL PREDESPACHO DE UNIDADES
TERMICAS................................................................................................................................................ 95
5.1 INTRODUCCIÓN A ALGORITMOS GENÉTICOS. .......................................................... 95
-iii -
5.2 REPRESENTACIÓN DE LA SOLUCIONES. .................................................................... 96
5.3 FUNCIÓN FITNESS.............................................................................................................. 99
5.4 TRATAMIENTO DE LAS RESTRICCIONES..................................................................... 99
5.5 OPERADORES GENÉTICOS. .......................................................................................... 101
5.6 OPERADORES DE REPARACIÓN.................................................................................. 106
5.7 CRITERIOS DE CONVERGENCIA. ................................................................................. 107
5.8 METODOLOGÍA PROPUESTA. ....................................................................................... 109
6 APLICACIÓN DE LA METODOLOGÍA PROPUESTA .......................................................... 116
6.1 SISTEMA 6 BARRAS.......................................................................................................... 118
6.2 SISTEMA IEEE 118 BARRAS. .......................................................................................... 130
6.3 TIEMPOS DE SIMULACIÓN.............................................................................................. 146
7 CONCLUSIONES E INVESTIGACIONES FUTURAS. .......................................................... 148
7.1 CONCLUSIONES................................................................................................................ 148
7.2 INVESTIGACIONES FUTURAS. ...................................................................................... 152
REFERENCIAS ...................................................................................................................................... 154
ANEXO 1: DATOS SISTEMA 6 BARRAS......................................................................................... 159
ANEXO 2: DATOS SISTEMA IEEE 118 BARRAS .......................................................................... 161
-iv -
ÍNDICE DE FIGURAS
FIGURA 7: CENTRAL TÉRMICA CON TURBINAS DE ALTA MEDIA Y BAJA PRESIÓN. ...................................... 23
-v -
FIGURA 23: VECTOR FILA VIK CON LOS ESTADOS PARA LA UNIDAD TÉRMICA I........................................... 97
FIGURA 24: REPRESENTACIÓN DE UNA SOLUCIÓN A TRAVÉS DE UNA MATRIZ BINARIA VK........................ 98
FIGURA 37: GENERACIÓN HORARIA DC, AC Y PÉRDIDAS SISTEMA 6 BARRAS. ..................................... 122
FIGURA 40: EVOLUCIÓN Y CONVERGENCIA DEL AG SISTEMA 6 BARRAS (CONGESTIÓN). ..................... 127
FIGURA 41: GENERACIÓN HORARIA DC, AC Y PÉRDIDAS SISTEMA 6 BARRAS (CONGESTIÓN).............. 128
FIGURA 43: ACOPLAMIENTO Y COSTOS DE OPERACIÓN DC Y AC, SISTEMA 118 BARRAS. ................... 135
FIGURA 44: EVOLUCIÓN Y CONVERGENCIA DEL AG, SISTEMA 118 BARRAS.......................................... 136
FIGURA 45: GENERACIÓN HORARIA DC, AC Y PÉRDIDAS; SISTEMA 118 BARRAS................................. 137
FIGURA 46: COSTOS MARGINALES DC Y AC, SISTEMA 118 BARRAS. ................................................... 139
FIGURA 47: DIAGRAMA DE PROCESO DE VALIDACIÓN AC, SISTEMA 118 BARRAS. ................................ 140
-vi -
FIGURA 48: ACOPLAMIENTO Y COSTOS DE OPERACIÓN AC Y VALIDACIÓN AC, SISTEMA 118 BARRAS 142
FIGURA 49: GENERACIÓN HORARIA AC, VALIDACIÓN AC Y PÉRDIDAS SISTEMA 118 BARRAS. ............. 144
-vii -
ÍNDICE DE TABLAS
TABLA 10: COMPARACIÓN ENTRE OPERACIÓN AC Y OPERACIÓN CON VALIDACIÓN AC........................ 143
TABLA 17: DEMANDA Y RESERVA EN GIRO HORARIA (SISTEMA 6 BARRAS). .......................................... 160
TABLA 18: DATOS DE LAS UNIDADES GENERADORAS (SISTEMA 118 BARRAS). .................................... 161
TABLA 20: DEMANDA Y RESERVA EN GIRO HORARIA (SISTEMA 118 BARRAS)....................................... 166
TABLA 22: PERFIL DE DISTRIBUCIÓN DE LA DEMANDA (SISTEMA 118 BARRAS). ................................... 167
-viii -
TÍTULO: Aplicación de algoritmos genéticos al predespacho de unidades
térmicas usando flujo óptimo de potencia.
AÑO: 2008
-ix -
1 INTRODUCCIÓN
- 1-
detalle tanto la red de transmisión, como las características y particularidades
de las centrales de generación de un SEE puramente térmico.
El modelo matemático que se presenta se basa en dos problemas bien
establecidos en la literatura, el primero consiste en determinar qué centrales se
deben acoplar al sistema en cada intervalo de tiempo del período de
planificación. Éste es el problema de la “Asignación de Unidades ó
Predespacho” [7,8] conocido en la literatura inglesa como “Unit Commitment”. El
otro problema, llamado “Despacho Económico, asigna la carga entre las
centrales acopladas en tiempo real. Estos dos problemas están relacionados
entre sí y sus salidas deben ser consideradas simultáneamente para obtener la
solución de costo mínimo, llamada óptimo del problema.
Tradicionalmente, los dos problemas mencionados anteriormente se han
resuelto por separado, y más aún, sin considerar explícitamente la red de
transmisión [7,8]. En el presente trabajo se propone un modelo de predespacho
considerando la red de transmisión en el que se determina la asignación de
unidades de las centrales térmicas (acoplado - no acoplado) y los niveles de
generación de todas las centrales, sastisfaciendo la demanda de energía
eléctrica en cada nudo del sistema a costo mínimo.
El horizonte temporal pertenece al corto plazo (semanas-días-horas). Se
propone la solución de este problema para SEE Térmicos, incluyendo la
modelación de las restricciones técnicas que afectan a las centrales de este tipo
de sistemas, tales como: límites de generación, reserva, y tiempos mínimos de
funcionamiento y parada.
La modelación del problema desde el punto de vista matemático, es un
problema de programación matemática combinatoria, no lineal, no convexo,
entero-mixto y de gran dimensión.
Aunque la solución a este problema representa una parte esencial en la
operación de un SEE, el tamaño del mismo introduce una barrera importante
para encontrar su solución óptima. Si se considera un sistema de 100 centrales
-2 -
y un horizonte de planificación de 24 intervalos, el número de posibles
1.1 OBJETIVOS
-3 -
• Proponer un método de solución basado en algoritmos genéticos.
• Desarrollar un programa computacional que permita modelar los puntos
mencionados anteriormente.
-4 -
durante los últimos 20 años. Esta técnica, aunque presenta algunas dificultades
en la modelación, es reconocida por todos los autores como una técnica rápida,
de calidad aceptable y adaptable a grandes sistemas con muchas restricciones.
La Relajación Lagrangeana Aumentada [1] que consiste en agregar un
término cuadrático a la función objetivo para manejar de manera más eficiente
la brecha entre la solución dual y primal, ha sido una técnica muy utilizada pero
elimina la posibilidad de separar el problema en asignación de unidades
individuales.
Los métodos más antiguos, como las técnicas de Branch & Bound y
Programación Lineal son pioneros en la resolución de problemas de
optimización como el Unit Commitment empleando algoritmos y software
(CPLEX) considerados como clásicos según [1], a esto se suman las mejoras
logradas con Programación Lógica de Restricciones y Programación
Entero-Mixta.
La Desasignación de Unidades, en ingles, “Unit Decommitment” parece ser la
solución matemática al problema de la sobreasignación (soluciones factibles)
pero no necesariamente la más justa.
Las técnicas heurísticas también tienen diversas aplicaciones en la solución del
predespacho, según [2] Algoritmos Genéticos, Programación Evolutiva, y
Lógica Difusa representan algunas de las rutinas exploradas. La calidad de la
solución ha sido reportada como superior a los métodos clásicos, pero con
mayores tiempos de proceso.
Las Redes Neuronales Artificiales [2] y otros sistemas expertos también han
sido investigadas. La principal queja de los autores ha sido la falta de resultados
con óptimos globales para sistemas de gran escala.
La técnica Simulated Anneling basada en el mínimo de energía en el
enfriamiento lento de un metal, es otra de las técnicas para la solución al
problema. Prometen mayores probabilidades de soluciones cercanas al óptimo,
sin embargo, en soluciones prácticas se repite el problema de los tiempos
-5 -
elevados requeridos para las soluciones. La combinación de algoritmos
genéticos, simulated anneling y búsqueda tabú, ha reportado mejores
soluciones a menos para problemas de pocas unidades.
De acuerdo con [1,2] existen otras metodologías como el Análisis de Riesgos,
Análisis de Decisión, Sistemas Expertos, Programación Separable,
Programación por Flujo de Redes, Algoritmos de Búsqueda por Colonia
de Hormigas y otros modelos híbridos que combinan uno o varios de los antes
mencionados. Finalmente, en las Tabla 1 y Tabla 2 se muestra un resumen con
las metodologías utilizadas para resolver el predespacho.
-6 -
Tabla 2: Metodologías para resolver el predespacho período 1994-2004.
1.3 MOTIVACIÓN
La situación en nuestro país, con respecto a la planificación de la operación de
corto plazo, está basada en esquemas de lista de prioridad, criterios heurísticos
e información histórica, existiendo una fuerte dependencia de la experiencia de
los operadores del sistema para realizar la operación.
Con estos métodos, y dado el enorme tamaño del espacio de búsqueda, las
soluciones que se entregan probablemente estén lejos del óptimo, lo que
redundaría en mayores costos de operación.
-7 -
de unidades de generación no previstas lo cual deteriora la calidad de una
solución obtenida anteriormente.
1
Software desarrollado por Energy Exemplar (www.energyexemplar.com) y distribuido en Sudamérica
por la empresa consultora On-Energy (www.on-energy.cl)
-8 -
de las restricciones mediante penalizaciones en la función objetivo. Por esta
razón, en el presente trabajo se desarrolló una estrategia de reparación que
supera estos problemas de convergencia, debido a que todas las soluciones
con las que trabaja son soluciones factibles del problema.
-9 -
formulación tradicional de este problema, que desde un punto de vista
matemático se define como un problema de optimización no lineal, no convexo,
combinatorio, entero-mixto y de gran dimensión.
-10 -
2 ANTECEDENTES GENERALES DEL PROBLEMA
-11 -
Figura 1: Descomposición temporal de la programación de generación en SEE.
-12 -
En el mediano plazo la información con que se cuenta es más detallada que
para el caso del largo plazo y está compuesta por: Análisis de la predicción de
la demanda de energía y demanda máxima del sistema, disponibilidad de las
unidades generadoras, contratos de intercambio de potencia y energía entre
empresas generadoras, precio y consumo esperado de combustibles de las
centrales térmicas, coordinación de los programas de mantenimiento de las
empresas, etc.
-13 -
Cada etapa de la planificación presenta sus propias características, razón por la
cual la modelación no es única para las 3 etapas descritas. En el largo plazo por
ejemplo es muy importante la representación de los embalses con gran
capacidad de almacenamiento de agua, modelación de sus afluentes y la
disposición de series históricas de los caudales, la demanda se representa
mediante diagramas ordenados de demanda ya que el objetivo es determinar el
mejor uso del embalse. Adicionalmente se determina la generación de energía
de las unidades térmicas, información que es de utilidad para determinar planes
de compra de combustibles o definir contratos de largo plazo.
-14 -
Figura 2: Curva de duración de la demanda. Figura 3: Curva de Carga.
-16 -
cuando la integridad del sistema está comprometida. Los esquemas de
desconexión de carga están implementados para producirse de forma
automática donde no hay tiempo suficiente para esperar una respuesta humana
(del operador en tiempo real del sistema).
En la Figura 4 se muestra el proceso que sigue a la aparición repentina de un
requerimiento de reserva como consecuencia de la salida forzada de
componentes. Este proceso presenta las siguientes fases [5].
-17 -
de su velocidad de rotación. Esta fase finaliza luego de pocos segundos con la
acción de la regulación primaria de frecuencia.
-18 -
Falla Reparación
P [MW]
P
D
~
t ( eje log) min
0,0 0,1 1 10 100 1000
-19 -
Reserva Primaria. Es aquella que sirve para absorber la desconexión
intempestiva de los generadores o las variaciones imprevistas de la demanda.
Normalmente su rango de acción está entre unos pocos segundos al minuto y
responde de manera automática a las variaciones de la frecuenta del sistema.
La determinación de la magnitud requerida se hace en base a dos criterios
predominantes. El primero basado en la desconexión de la unidad más grande
del sistema y el segundo basado en métodos probabilísticos utilizando
estadísticas del comportamiento operación - falla de los componentes. En
sistemas eléctricos de tamaño pequeño o mediano, se vuelve muy importante
tomar en cuenta adicionalmente el efecto dinámico de una perturbación y la
respuesta de los generadores para determinar la cantidad de reserva óptima
para el sistema. Dependiendo de la normativa de cada país la reserva puede
ser asignada solo a algunas unidades o a la totalidad de los generadores.
-20 -
margen de reserva sobre la potencia demandada para asegurar que siempre se
suministre la demanda, incluso en el peor de los casos. Para que esto ocurra
dentro de la modelación se impone como restricción que la suma de las
potencias máximas disponibles de todas las centrales acopladas sea mayor o
igual a la demanda más la reserva en giro.
-21 -
.
Figura 6: Esquema de una unidad Termoeléctrica.2
Donde:
1) Caldera:
• Se quema combustible → Conversión energía química a térmica → Calor.
• Agua → Vapor a altas temperatura y presión (alrededor de 540 ºC y 170
bar).
• Gases de combustión a atmósfera → Equipos de reducción de emisiones.
• Generador de vapor.
• Alimentador de agua a la caldera.
• Depurador del agua de alimentación.
Es posible mejorar el rendimiento de la caldera a través de los siguientes
procesos:
• Precalentador → Precalienta el aire de combustión.
• Economizador → Precalienta el agua.
2 Fuente: Curso “Centrales Térmicas” del profesor José Manuel Arroyo Sánchez del Departamento de
Ingeniería Eléctrica, Electrónica, Automática y Comunicaciones de la Universidad de Castilla y la Mancha.
-22 -
• Sobrecalentador o recalentador primario → Deja el vapor sin humedad.
2) Parque de almacenamiento de combustible → Descarga y alimentación.
• Sólido (carbón).
• Líquido (fuel-oil).
• Gaseoso (gas natural).
3) Turbina de Vapor.
• Diferencia de entalpía → Movimiento de álabes → Giro de turbina →
Energía mecánica de rotación.
• Acoplada al eje del generador.
Se puede lograr un mayor rendimiento a través de grupos de alta, media y baja
presión, ver Figura 7.
3 Fuente: Curso “Centrales Térmicas”. Profesor José Manuel Arroyo Sánchez del Departamento de
Ingeniería Eléctrica, Electrónica, Automática y Comunicaciones de la Universidad de Castilla y la Mancha.
-23 -
• 2 polos → 3000 rpm
• Diámetro pequeño, gran longitud axial.
• Alojado en el edificio de turbinas junto con la turbina y el condensador.
5) Transformador: Elevar la tensión a niveles de transmisión.
6) Red de Transmisión.
7) Condensador:
• Transforma vapor de agua en agua líquida (incorporación al ciclo).
• Agua (mar, río) o circuito cerrado de aire refrigerado (torre de
refrigeración).
8) Bomba: Permite circulación agua de refrigeración.
9) Equipo de reducción de emisiones.
• Captación de contaminantes de gases de combustión
• Precipitadores electrostáticos.
• plantas de desulfuración.
10) Chimenea: Envío de gases (CO2) a atmósfera.
11) Torre de refrigeración:
• Enfría el agua del circuito de refrigeración.
• Aire recorre interior en sentido ascendente.
• Agua cae en forma de gotas.
-24 -
generador a vapor, formando un sistema que permite producir electricidad. El
nombre ciclo combinado viene por su capacidad de aprovechar la energía más
de una vez, básicamente se tiene una turbina a gas, ésta se alimenta de gas
natural, el cual aún siendo mucho más limpio con respecto a otras fuentes de
energía, de todas formas pasa primero por una serie de filtros que eliminan toda
partícula que pudiese alterar el normal funcionamiento de la planta. Además de
gas se inyecta aire a la turbina para la combustión y este también debe ser
filtrado. Una vez aprovechada parte de la energía en hacer funcionar el
generador, los gases expulsados a altas temperaturas (550 ºC) se aprovechan
para crear vapor y alimentar la turbina a vapor la que es en realidad un conjunto
de 3 turbinas en serie (una de alta presión, otra de media y una tercera de baja
presión) las cuales mueven el mismo generador (acopladas al mismo eje), u
otro generador propio de la turbina vapor-generador.
-25 -
Figura 8: Esquema de una unidad Termoeléctrica Ciclo Combinado. 4
Donde:
1) Estación de Regulación y Medida (ERM)
• Purificación del gas y medida de cantidad y calidad (poder calorífico).
• Regulación de presión (30-45 atmósferas).
2) Turbina de gas
• Combustión de gas natural → Movimiento de álabes de turbina → Giro
de alternador.
• Gases de escape (650 ºC, presión atmosférica).
3) Casa de filtros
• Purificación del aire aspirado por compresor.
4) Alternador acoplado a turbina de gas
5) Transformador
6) Red eléctrica de transporte o distribución
4 Fuente: Curso “Centrales Térmicas” del profesor José Manuel Arroyo Sánchez del Departamento de
Ingeniería Eléctrica, Electrónica, Automática y Comunicaciones de la Universidad de Castilla y la Mancha.
-26 -
7) Caldera de recuperación
• Uso energía calorífica de gases de escape.
8) Turbina de vapor
9) Alternador acoplado a turbina de vapor
10) Condensador
11) Bomba
12) Torre de refrigeración
-27 -
mantenimiento de centrales térmicas) que fijan el estado de
acoplamiento/desacoplamiento de las centrales para el horizonte temporal
objeto de estudio. Por otro lado, el tipo de combustible empleado permite que
una central pueda acoplarse varias veces a lo largo del período de planificación,
mientras que otras sólo puedan acoplarse una vez. A continuación se presentan
los distintos tipos de centrales considerados:
-28 -
menores costos de generación en centrales ciclo combinado respecto a las
centrales convencionales.
Costos de generación por tipo de central y combustible
Térmica Ineficiente ‐ Diesel 340
Hidraúlica ‐ Embalse 10
Hidraúlica ‐ Pasada 10
5 Fuente: Informe técnico definitivo de precios de nudo SIC Octubre 2008 realizado por la CNE (Comisión
Nacional de Energía).
-29 -
deben realizar sólo las convencionales funciones de planificación (expansión,
mantenimientos, operación etc.), sino que además nuevas funciones asociadas
a los mercados competitivos (inversión, ofertas, estrategias, manejo de riesgos
e incertidumbres, etc.). Asimismo las empresas requieren realizar cambios a
sus modelos de decisiones de manera que se incorporen las características del
esquema de mercado en el cual están insertas.
Nuestro país fue líder en este ámbito, desarrollando en la década del ochenta
un mercado tipo Pool, centrado en la creación de competencia en el ámbito de
la generación.
Tiempo de transacción-intercambio
-30 -
Mercado Competitivo Mercado Eléctrico
-31 -
2.6.1 Definiciones y Generalidades del Mercado Eléctrico.
-32 -
Comercializador Distribuidor
Operador del
Mercado
Generador Transmisor
Cliente Regulado
Ente Regulador
Figura 10: Agentes del Mercado Eléctrico.
Una Bolsa de Energía es una entidad que recibe ofertas por la compra y venta
de energía y establece la casación entre ellas. La experiencia internacional
muestra que una bolsa de energía puede adquirir estructuras muy variadas. Sin
embargo, una bolsa de energía puede ser definida como una parte integrante o
caso particular de una estructura tipo Pool, en la cual ejecuta la función de
operador de mercado.
-34 -
forma directa o a través de un comercializador. Lo que caracteriza a un contrato
bilateral físico es su relación directa con el despacho de la operación resultante.
Sin embargo, los contratos bilaterales financieros no afectan al despacho de la
operación, ya que ellos tienen por objeto manejar, acorde a una estrategia de
mercado, el riesgo de variaciones futuras del precio de la energía eléctrica.
-35 -
(competencia) y la existencia de regulación en la tarifa. Debido a que la red
impone una restricción física al acceso (no puede ser ilimitado) la ampliación de
ésta, tanto en longitud como en capacidad, debe ser acorde al crecimiento de la
demanda.
Por otro lado, la red es determinante para la implementación que adquiere el
proceso de casación en las bolsas de energía. Si no existe congestión, se
prefiere utilizar una casación que modela la red con un nodo, suponiendo que
toda la energía puede transmitirse sin restricciones a los consumos. Si se
observa congestión, se adoptan las modalidades de casación multinodal o
casación por áreas, en donde las áreas se conectan entre si por líneas con
restricciones de transmisión. En este segundo caso, las ofertas se realizan ya
sea por cada nodo individualmente o por las diferentes áreas.
-36 -
3 FORMULACIÓN GENERAL DEL PREDESPACHO DE
UNIDADES TÉRMICAS
-37 -
Las restricciones de carga son dos: (a.1) la restricción de demanda, que impone
que la generación de todas las centrales acopladas debe ser igual a la
demanda de potencia más las pérdidas; y (a.2) la restricción de reserva en giro,
que mantiene un nivel de seguridad en caso de falla en el sistema de energía
eléctrica.
-38 -
3.1 FUNCIÓN OBJETIVO (COSTOS TOTALES).
Cada central se caracteriza por sus costos de generación, que indican cuánto
cuesta producir un MWh. Los costos de generación están formados
principalmente por el costo del combustible, aunque también incluyen el costo
de operación y mantenimiento, es decir, el costo de la mano de obra que
mantiene en funcionamiento la central.
El costo total de generación de una central térmica i en una hora t Ci ( t ) , se
puede expresar como función de la potencia generada por dicha central en esa
hora. La representación gráfica del costo de generación en función de la
potencia generada se denomina “característica de entrada-salida” y se obtiene
a partir de datos empíricos o cálculos de diseño. En realidad, la característica
de entrada-salida representa el consumo específico (cantidad de
combustible/MWh), es decir, la cantidad de combustible necesario para generar
1 MWh de energía, donde la cantidad de combustible difiere según la
tecnología6. El costo de la energía (expresado en US$/MWh) se obtiene
6 Por ejemplo para centrales Diesel y Carbón el consumo específico se mide en ton/MWh, en cambio para
centrales a Gas Natural se mide en MBtu/MWh.
-39 -
habitualmente multiplicando el consumo específico por el precio del combustible
(US$/cantidad de combustible). La Tabla 3 muestra los consumos específicos y
costos de combustibles para distintas tecnologías.
7 Fuente: Informe técnico definitivo de precios de nudo SIC Octubre 2008 realizado por la CNE (Comisión
Nacional de Energía).
-40 -
Ci ( t ) Ci ( t )
Pi Pi pi (t )
i P Pi pi ( t )
(a) (b)
Figura 11: Representación de los Costos de Generación.
Dependiendo del tipo de central (carbón, fuel-oil, nuclear, gas de ciclo simple o
gas de ciclo combinado) las características de entrada-salida son diferentes.
Además, los grandes generadores tienen varias válvulas de admisión de vapor
que se abren secuencialmente para aumentar la potencia de salida. Estas
válvulas producen discontinuidades y no convexidades en la curva de salida. Un
fenómeno análogo tiene lugar en las centrales de ciclo combinado debido a la
interacción de ambos ciclos.
Las siguientes expresiones representan la modelación de las curvas de costos
de generación cuadrática y lineal por tramos:
NL
Ci (t ) = ∑ Fl ( i ) δ l ( i, t ) + C 3i vi ( t ) (3.2)
l =1
-41 -
Donde:
C 3i Costo fijo de la central i (el mismo para ambas modelaciones), y
-42 -
Ti ( t −1)
⎛ ⎞
Bi ( t ) = CCi ⎜1 − e αi ⎟ + CFi (3.3)
⎜ ⎟
⎝ ⎠
Donde:
Bi ( t ) es el costo de partida de la central i en la hora t, CCi es el costo de
Bi ( t )
CCi + CFi
CFi
T j ( t − 1)
Figura 12: Costos de Partida Exponencial.
Para hacer más sencillo el proceso de cálculo del costo de partida, se puede
realizar una simplificación en la modelación. Esta simplificación consiste en
considerar dos estados y sus correspondientes niveles de costo, quedando
como variable de decisión para aplicar uno u otro nivel una constante de
enfriamiento crítico α ci característica de cada central. Entonces el costo de
-43 -
Costo de partida en frío Cci : es el costo de partida de una central cuando lleva
⎧⎪Cci si Ti ( t − 1) ≥ α ci
Bi ( t ) = ⎨ (3.4)
⎪⎩Chi si Ti ( t − 1) ≤ α ci
Ambos costos expresado en US$ y obviamente el costo de partida en frío es
mayor al costo de partida en caliente.
-44 -
3.2.1 Tiempos mínimos de funcionamiento y parada.
Donde:
Ti ( t ) es una variable que indica el número de horas que lleva acoplada-
-45 -
3.2.2 Rampas.
La producción de una central térmica en una hora determinada viene dada por
el estado de acoplamiento de las unidades en las horas anterior y posterior.
Este límite se representa mediante cuatro tipos de rampas: rampa de subida,
rampa de bajada, rampa de partida y rampa de parada. A continuación se
describen estos tipos de rampas:
a) Rampa de Subida.
pi ( t ) ⎡⎣1 − yi ( t ) ⎤⎦ − pi ( t − 1) ≤ RU i (3.7)
Donde:
yi ( t ) es una variable binaria que es igual a 1 si la central i parte al
b) Rampa de Bajada.
-46 -
Donde zi ( t ) es una variable binaria que es igual a 1 si la central i se desacopla
c) Rampa de Partida.
Es la potencia máxima que puede generar una central cuando pasa de estar
desacoplada a estar acoplada.
pi ( t ) ≤ SU i ⋅ yi ( t ) + Pi ⎡⎣1 − yi ( t ) ⎤⎦ (3.9)
d) Rampa de Parada.
Es la potencia máxima que puede generar una central para poder ser
desacoplada en la hora siguiente.
Una central térmica está usualmente compuesta por varias unidades que tienen
que ser acopladas al sistema con reglas específicas, como se muestra en
Figura 13.
-47 -
Figura 13: Ejemplo de perfil de generación.
Todas las centrales térmicas tienen una limitación máxima en la potencia que
pueden producir, llamada potencia máxima nominal. Esta limitación se debe a
características de diseño de la central. La potencia máxima nominal también
puede variar debido a que en determinados períodos alguna de sus unidades
se encuentre en mantenimiento. Matemáticamente, esta restricción se puede
modelar de la siguiente forma:
pi ( t ) ≤ Pi ⋅ vi ( t ) (3.11)
unidad i a la hora t.
Las centrales térmicas también tienen una limitación mínima sobre su potencia
de salida. Esta potencia mínima, llamada mínimo técnico se debe a criterios de
diseño de la caldera y del propio generador, y a aspectos de estabilidad de la
combustión [4]. Teniendo en cuenta que si la central está desacoplada su
potencia de salida es 0 (inferior al mínimo técnico), la restricción de mínimo
técnico se puede expresar matemáticamente como sigue:
pi ( t ) ≥ Pi ⋅ vi ( t ) (3.12)
-49 -
vi ( t ) variable binaria que representa el estado de acoplamiento de la
unidad i a la hora t.
Para el horizonte temporal de corto plazo (24 -168 horas) la demanda estimada
coincide casi por completo con la demanda real. La demanda se modela como
un conjunto de tramos de potencia constante durante cada hora. Habrá un
número de tramos igual al número de intervalos del período de planificación. La
Figura 14 muestra una posible curva de demanda. La restricción de demanda
se puede modelar de la siguiente forma:
∑ p (t ) = D (t )
i∈I
i (3.13)
Donde:
pi ( t ) es la potencia de salida de la central i en la hora t, D ( t ) es la
demanda en la hora t.
-50 -
D (t )
t ( h)
Figura 14: Curva de demanda de potencia.
La otra restricción de carga que acopla a todas las centrales térmicas en cada
intervalo del período de planificación es la restricción de reserva en giro. La
reserva en giro es la potencia que el sistema debe ser capaz de proporcionar de
forma rápida en caso de falla en alguna central. En realidad, es un margen de
seguridad sobre la potencia demandada para asegurar que siempre se
suministre la demanda, incluso en el peor de los casos. Para que esto ocurra se
impone la restricción de que la suma de las potencias máximas disponibles de
todas las centrales acopladas sea mayor o igual a la demanda más la reserva
en giro:
pi ( t ) vi ( t ) ≥ D ( t ) + R ( t ) (3.14)
-51 -
Donde:
pi ( t ) es la potencia de salida máxima disponible de la central i en la hora
-52 -
que se expresan como una función no lineal (exponencial) del tiempo que cada
central lleva desacoplada.
Minimizar: ∑∑ C ( p ( t ) ) + B ( t ( t ) ) y ( t ) + D ( t ) z ( t )
t i
i i i i i i i (3.15)
Sujeto a: pt ( t ) ≤ pi ( t ) ≤ pi ( t ) (3.16)
{
pi ( t ) = Min Pi ⎡⎣ vi ( t ) − zi ( t + 1) ⎤⎦ + zi ( t + 1) SDi ,
(3.17)
pi ( t − 1) + RU i vi ( t − 1) + yi ( t ) SU i }
p j ( t ) = Max Pv {
i i (t ) , ⎡
⎣ pi ( t − 1) − RDi ⎤⎦ vi ( t ) } (3.18)
∑ p (t ) = D (t )
i
i (3.19)
pi ( t ) vi ( t ) ≥ D ( t ) + R ( t ) (3.20)
{ } { }
Ti ( t ) = Ti ( t − 1) ⎡⎣1 − yi ( t ) ⎤⎦ + 1 vi ( t ) + Ti ( t − 1) ⎡⎣1 − zi ( t ) ⎤⎦ − 1 ⎡⎣1 − vi ( t ) ⎤⎦ (3.23)
yi ( t ) − zi ( t ) = vi ( t ) − vi ( t − 1) (3.24)
-53 -
yi ( t ) + zi ( t ) ≤ 1 (3.25)
yi ( t ) , vi ( t ) , zi ( t ) ∈ [ 0,1] (3.26)
La función objetivo (3.15) incluye los costos de generación tanto fijos como
variables, los costos de partida y los costos de parada. El costo de generación
Ci ( t ) se puede modelar mediante una función no lineal y convexa de la
potencia producida o por una curva lineal por tramos, como se describió
anteriormente. El costo de partida Bi ( t ) depende del tiempo que la central lleva
-54 -
hora siguiente, y de la potencia de salida de la hora anterior. De las
restricciones anteriores se observa que la potencia máxima disponible es el
mínimo de dos términos. El primer término tiene en cuenta que la potencia
máxima disponible debe ser menor que la potencia máxima nominal en caso de
que esté acoplada y no se vaya a desacoplar en la hora siguiente. Si la central
va a dejar de funcionar en la hora siguiente, el límite superior de la potencia
máxima disponible debe ser la rampa de parada. El segundo término modela el
efecto de la rampa de subida y de la rampa de partida. Si la central estaba
acoplada en la hora anterior, la potencia máxima disponible debe ser menor o
igual que la potencia en esa hora previa más la correspondiente rampa de
subida.
En el caso que en la hora actual se desacople la central, el primer término
forzaría a que la potencia máxima disponible fuera cero. Por último, si la central
se pone en funcionamiento, la potencia máxima disponible debe ser menor o
igual que la rampa de partida.
-55 -
Como la variable pi ( t ) depende de los estados de acoplamiento en la hora
actual, en la hora anterior y en la hora siguiente, ésta puede tener ocho valores
fruto de la combinación de los estados en estas tres horas consecutivas. Las
ocho situaciones posibles se muestran en la Tabla 4:
vi ( t − 1) vi ( t ) vi ( t + 1) pi ( t )
1 1 0 Min { RDi , pi ( t − 1) + RU i }
1 1 1 Min { Pi , pi ( t − 1) + RU i }
0 1 0 Min { RDi , RU i }
0 1 1 Min { Pi , SU i }
1 0 0 0
1 0 1 0
0 0 0 0
0 0 1 0
-56 -
intervalos que la central i lleva acoplada (+) o desacoplada (-) al final de la hora
t. Esta restricción fuerza que la variable de acoplamiento en la hora t, vi ( t ) sea 1
-57 -
3.5 PREDESPACHO DE UNIDADES TÉRMICAS EN MERCADOS
ELÉCTRICOS COMPETITIVOS.
-58 -
(reserva en giro), con el objetivo de que el costo total de explotación sea
mínimo.
-59 -
3.5.1 Mercados eléctricos basado en oferta de precios.
Demanda
Oferta
p’
MW
-60 -
pérdidas en la red de transmisión lo que reduce la calidad del despacho
obtenido.
De esta manera y dependiendo de las consideraciones particulares de cada
mercado, los costos de partida y los tiempos mínimos de funcionamiento y
parada de servicio de las unidades térmicas pueden desaparecer por completo
de la formulación del problema.
Otra diferencia conceptual destacable es que las ecuaciones de balance de
potencia ya no son exclusivamente de igualdad sino de menor o igual, como
consecuencia de la elasticidad de la demanda en función de los precios.
Los generadores, tanto hidráulicos como los térmicos, ofrecen potencia y
energía a un precio que ellos determinan utilizando alguna metodología. Este
precio asume el riesgo de ser o no despachado dado que en muchas ocasiones
el mismo considera aspectos estratégicos o incluso aspectos financieros.
Igualmente, el problema de vincular la planificación de largo-mediano plazo con
el de corto plazo, no se considera, dado que las ofertas de precios son con un
día de anticipo y este aspecto esta internalizado en el precio que oferta cada
agente. De igual manera existen otras restricciones del problema en el sentido
indicado que no son consideradas y se encuentran internalizadas en el precio
ofertado. Por estos motivos este proceso de optimización es conocido como
“Price-Based Unit Commitment” por enfatizar la importancia del precio ofertado
como señal preponderante para la elaboración del despacho. De este modo, el
problema original se ve reducido significativamente y el predespacho de
unidades térmicas en este tipo de mercados se transforma generalmente en un
problema lineal entero mixto.
Como se observa, en lugar de utilizar la función objetivo la tradicional de
minimización de costos, se utiliza la de maximización de beneficios como la
diferencia entre ingresos por venta de energía a precio del mercado y los costos
de producción. En algunos casos particulares, a pesar de ser un sistema
-61 -
basado en oferta de precios, se utiliza una función objetivo de minimización de
costos.
-62 -
añade mayor complejidad al problema de elaboración del despacho (modelo de
optimización) que el caso anterior (oferta de precios) al ser necesario mayor
cantidad de variables y restricciones involucradas ya que el ente encargado de
elaborar el despacho necesita incluir todas las restricciones operativas e
información de costos de todos los agentes de generación del sistema.
Debido a las características antes expuestas, se le conoce también esquema
de despacho centralizado.
Este es el caso del mercado eléctrico chileno, donde los dos grandes sistemas
interconectados SIC y SING poseen un ente centralizado denominado CDEC
(Centro de Despacho Económico de Carga) encargado de coordinar la
operación técnico-económica del conjunto de instalaciones del sistema
eléctrico, así como preservar la seguridad en el servicio. A continuación se
enumeran algunas de las funciones principales de los CDEC’s:
-63 -
• Coordinar la desconexión de carga en barras de consumo, así como
otras medidas que fueren necesarias por parte de los integrantes del
sistema eléctrico sujetos a coordinación, para preservar la seguridad de
servicio global del sistema eléctrico.
El único vínculo entre estos subproblemas esta dado por el valor de λ , que en
el contexto de los mercados eléctricos corresponde al precio al cual debe ser
comprada o vendida la energía eléctrica para el subperíodo t. La solución de un
único problema que busca la minimización de costos totales sería entonces
equivalente a la solución de N problemas independientes donde cada
-64 -
beneficio pudiendo aparecer demanda insatisfecha mientras que en un
esquema centralizado la cobertura de la demanda es prioritaria.
En la Figura 16 se muestra la equivalencia entre los dos problemas, donde el
problema primal correspondería al problema de optimización de un mercado
basado en costos auditados (entorno centralizado que minimiza los costos
totales) y el problema dual a uno basado en oferta de precios.
Variables
PRIMAL Físicas
Variables
DUAL Económicas
-65 -
4 FORMULACIÓN DEL PREDESPACHO DE
UNIDADES TÉRMICAS USANDO FLUJO ÓPTIMO DE
POTENCIA.
-66 -
Las necesidades expuestas para el predespacho de unidades térmicas nos
llevan a incorporar la idea del Flujo Óptimo de Potencia (Optimal Power Flow,
OPF en inglés) introducida a comienzos de los 60’s por Carpentier, como una
extensión del despacho económico convencional, aunque en la actualidad el
término es usado como nombre genérico para un conjunto de problemas de
optimización en SEE.
-67 -
4.1.1 Sistema Uninodal (Sin redes de Transmisión)
Generación
G1
G2 Demanda
Gn
i =1 (4.1)
Donde Ci ( Pgi ) relaciona la generación en MW, Pgi y el costo que esa generación
M
PD = ∑ Pgi (4.2)
i =1
-68 -
M
Sujeto a: PD = ∑ Pgi (4.4)
i =1
⎛ ⎞
L( Pgi , λ ) = ∑ ⎡⎣Ci ( Pgi ) ⎤⎦ − λ ⋅ ⎜ PD − ∑ Pgi ⎟
M M
(4.5)
i =1 ⎝ i =1 ⎠
Se demuestra matemáticamente, que para que el costo de generación sea el
mínimo se tiene que cumplir la siguiente condición:
∂Ci
λ= , i = 1,2,.....M (4.6)
∂Pgi
-69 -
4.1.2 Sistema Uninodal con restricciones de generación.
n
⎛ n ⎞ n n
L(Pgi , λ) = ∑Ci (Pgi ) − λ ⎜ ∑ Pgi − PDtotal ⎟ − ∑ μimax (Pgi − Pgi max ) − ∑ μimin (Pgi − Pgi min ) (4.7)
i =1 ⎝ i=1 ⎠ i=1 i =1
∂L ( Pgi , λ )
= CI i ( PGi ) − λ − μimax − μimin = 0; i = 1,..., n
∂PGi
(4.8)
∂L ( Pgi , λ ) n
= − ∑ PGi + P total
=0
∂λ
D
i =1
-70 -
4.1.3 Sistema Uninodal con la red de transmisión.
Generación
G1
G2 Modelo Demanda
Aproximado +
de Pérdidas
Pérdidas
Gn
-71 -
expresado según la ecuación (4.11). Si un generador tiene factor de
penalización mayor que 1, representa que dicho generador es poco “atractivo”
para el despacho, y frente a un aumento de carga este generador contribuye
con menor potencia que las otras unidades. En otras palabras, en el óptimo se
penaliza el costo incremental operacional de las unidades que aportan al
aumento de pérdidas en el sistema.
1
Li =
∂P (4.11)
1− L
∂Pgi
En general, extendiendo el criterio de igual costo incremental mostrado en la
ecuación (4.6), el costo de operación será mínimo cuando:
∂PL
Para realizar el cálculo del factor se recurre a diversos métodos, entre los
∂Pgi
más utilizados se encuentra:
-72 -
E. E. George [32] y corresponde a la forma más simple de expresar las pérdidas
a través de coeficientes B, llamada formula de George y dada por:
k k
PL = ∑∑ Pm Bmn Pn (4.13)
m =1 n =1
Donde:
PL : Pérdidas del sistema.
k k k
PL = B00 + ∑ Bm 0 Pm + ∑∑ Pm Bmn Pn (4.14)
m =1 m =1 n =1
-73 -
Aunque los supuestos son válidos para ciertas condiciones de carga, los
coeficientes B no son constantes sino que varían con la demanda del sistema y
deben recalcularse en caso que se registren cambios topológicos en el sistema
de transmisión. Sin embargo, éste método produce resultados aceptables con
errores de baja magnitud.
Los métodos que incluyen rutinas de flujos de potencia para el cálculo de los
factores de penalización permiten modelar las pérdidas del sistema y las
restricciones en la capacidad de las líneas de transmisión, con lo que la
modelación del sistema de transmisión se denomina como Multinodal, en la
sección 4.1.4 se muestra con más detalle esta modelación.
-74 -
que aumenta el tiempo para alcanzar la solución e incorpora un cierto grado de
incertidumbre, puesto que la convergencia de la rutina de flujo de potencia no
está asegurada.
-76 -
de provocar un aumento de pérdidas, dificultar el control de tensión y reducir la
capacidad de transporte de potencia activa.
Normalmente se sigue el siguiente orden de prioridad para la instalación de
compensación de la potencia reactiva: primero, en la carga a nivel de
distribución; seguidamente, a nivel de sub-transmisión y, finalmente, a nivel de
transmisión troncal.
Sistema Troncal
Prioridad para el control
Prioridad para Instalación
Sistema de
Subtransmisión
Sistema de
Distribución
-77 -
constituyen el núcleo de control más relevante mediante el cual se desarrollan
las acciones de mantenimiento del perfil de tensiones. El control y modelación
de elementos discretos como banco de capacitores o reactores no ha sido
incluido como parte del problema a resolver en el presente trabajo pero su
efecto es tomado en cuenta al momento de componer los datos de la demanda
debido a que normalmente se sabe con anterioridad los períodos en los cuales
dichos componentes estarán en servicio.
-78 -
no-diferenciable y no-convexo inhabilitando la mayoría de métodos de
optimización tradicionales.
M T
Min ( CT ) = ∑∑ ⎡⎣Ct ,i ( Pgt ,i ) ⎤⎦ + St ,i ( yt ,i ) (4.15)
i =1 t =1
∑ Pg
i =1
t ,i = Pdt , t = 1, 2....T (4.16)
∑ Δt = T
i =1
MIN i (4.18)
-79 -
La consideración de la red de transmisión obliga a modificar la ecuación de
balance de potencia y reemplazarla por las ecuaciones de flujo de potencia
para cada subperíodo considerado, lo que hace más complejo el problema.
Para cada configuración factible de unidades térmicas (estado de acoplamiento
de las unidades), la determinación del nivel de generación para cada unidad
equivale a un despacho económico para casa subperíodo, de allí se desprende
que en los sistemas puramente térmicos, el costo incremental de cada
subperíodo (lamda-system) es independiente de los demás subperíodos.
Sin embargo, cabe señalar que esta afirmación empieza a perder validez ante
ciertos tipos de contrato de compra de combustible que pueden restringir el
consumo del mismo.
-80 -
optimizada, sujeta a la presencia de restricciones sobre las variables del
problema o sobre algunas funciones de aquellas variables.
El Flujo Optimo de Potencia es un problema de optimización de la forma.
Minimizar C ( x )
Sujeto a : g ( x ) = 0
(4.19)
h ( x) ≤ 0
xiMAX ≤ xi ≤ xiMAX
Donde C(x) corresponde a la función objetivo, que usualmente es minimizar el
costo de generación, como en el presente caso. Sin embargo, C(x) puede
representar otros objetivos, como por ejemplo, minimización de pérdidas
óhmicas, minimización de emisiones contaminantes, maximización de
transferencias de potencia, minimización de la desviación de un despacho
previamente programado, etc.
-81 -
de potencia convencional que utiliza las variables de control obtenidas en
el OPF.
• Modelos de tipo B: aquellos que modelan el OPF como un problema de
optimización global. Las variables del sistema son optimizadas
simultáneamente y las ecuaciones de flujo corresponden a restricciones
adicionales del problema de optimización.
Entre las técnicas de optimización más utilizadas para la resolución del OPF se
cuentan:
• Programación No Lineal (métodos basados en multiplicadores de
Lagrange)
• Programación Cuadrática,
• Soluciones de condiciones de optimalidad basadas en métodos de
Newton,
• Programación Lineal,
• Versiones híbridas de programación lineal y programación entera
(Programación Entera-Mixta),
• Métodos de punto interior.
-82 -
utilizan sus parámetros y variables en la función objetivo y las restricciones del
Flujo Óptimo de Potencia [20, 29, 35].
-83 -
restricciones de desigualdad en función de las variables de los nodos ubicados
en los extremos de la línea.
I1 I2
⎡_ ⎤ ⎡_ ⎤
⎢ I 1 ⎥ = ⎡ y11 y12 ⎤ ⎢V 1 ⎥
⎢ _ ⎥ ⎢⎣ y21 y22 ⎥⎦ ⎢ _ ⎥
V1 V2
⎢⎣ I 2 ⎥⎦ ⎢⎣V2 ⎥⎦
I1 I2
⎡ y11* y12* ⎤ _
⎡ ⎤ ⎢ 2
_
⎥ ⎡ ⎤
t:1 ⎢I1 ⎥ = ⎢ t t ⎥ ⎢V 1 ⎥
⎢ _ ⎥ ⎢ y* ⎥ ⎢V_ ⎥
V1 V2
⎣⎢ I 2 ⎦⎥ ⎢ 21 y22 ⎥ ⎣⎢ 2 ⎦⎥
⎣ t ⎦
-84 -
Las admitancias del modelo PI de líneas de transmisión y transformadores
forman la matriz de admitancias nodales de la red eléctrica. Esta matriz puede
ser variable o constante, dependiendo de si se consideran taps variables o no.
Donde:
Vref es un voltaje de referencia definido por el operador de la red para un
fin específico, el cual típicamente es minimizar el costo del sistema.
En resumen, el vector de variables del problema de optimización se
compone de las inyecciones de potencia activa y reactiva por parte de las
unidades de generación, los módulos y ángulos de fase de los voltajes de
barra, los taps de los transformadores y la potencia reactiva generada
por los SVC, es decir:
xt = ( PG1 ,..., PGN ; QG1 ,..., QGN ;V1 ,...,VN ;θ1 ,...,θ N ; t1 ,..., t N ; QSVC1 ,..., QSVCN ) (4.21)
-85 -
4.5.2 Función Objetivo.
4.5.3 Restricciones.
Donde:
GN ( i ) es el conjunto de generadores conectados al nodo i, NL ( i ) es el
-86 -
conectados al nodo i, N es el número de nodos del sistema, e
Si, por otra parte, se utilizan límites de capacidad por módulo de corriente, se
incorpora una restricción por cada línea del sistema, dada por la expresión
(4.25).
( )
Yij2 Vi 2 + V j2 − 2 ⋅ Vi ⋅ V j cos (θ i − θ j ) ≤ ( I ijMAX )
2
(4.25)
-87 -
4.6 OPF Y COSTO MARGINAL POR BARRA (LMP).
Por tanto, el costo marginal en una barra es la suma del costo marginal de
generación más el costo marginal de pérdidas asociadas al tramo en cuestión y
más los posibles recargos por congestión.
-88 -
primera influye directamente en las pérdidas en la transmisión y la segunda esta
relacionada con la capacidad de transmisión eléctrica.
Existen dos métodos que son aplicados para calcular los costos marginales por
barra. El primero es determinar las tres componentes separadamente a través
de factores lineales aproximados y luego totalizar el costo marginal, el segundo
método es calcular el costo marginal basado en una herramienta de flujo de
potencia AC para luego identificar cada componente.
Dentro de la estructura de la modelación del OPF los multiplicadores asociados
a la restricción de balance de potencia permiten obtener de manera directa los
costos marginales por barra.
Las diferencias de costo marginal entre dos barras adyacentes representan los
costos de la transmisión por inyecciones y retiros, considerando las pérdidas y
la congestión.
-89 -
En un sistema sin congestión un incremento de la demanda en una barra se
reflejará en un incremento de la generación de la barra, o por un incremento de
la generación en otra barra. El generador con el costo más bajo y que no está a
su máxima capacidad será despachado primero. Sin embargo, cuando existe
algún tipo de restricción en el sistema, los precios a través de las barras son
distintos. Luego, los generadores locales de mayor costo deben ser
despachados, debido a restricciones en el sistema de transmisión que impiden
que el generador más barato suministre la demanda.
∑λ ⋅ P = ∑λ ⋅ P
i
i Li
i
i Gi (4.27)
∑λ ⋅ P ≥ ∑λ ⋅ P
i
i Li
i
i Gi (4.28)
-91 -
4 es el estándar de Gauss-Seidel método de Glimm y Stagg [23], basada en el
código aportado por Alberto Borghetti, de la Universidad de Bolonia, Italia. Para
utilizar una de las herramientas de flujo de potencia que no sea el método de
Newton por defecto, la opción “PF_ALG” debe ser fijada expresamente.
El último método es un flujo de potencia DC [24], que se obtiene mediante la
ejecución “runpf” con la opción “PF_DC” en 1, o el equivalente por la ejecución
de la función “rundcpf” directamente. El flujo de potencia DC se obtiene de
manera directa, con un método no iterativo gracias a las simplificaciones que
tiene este tipo de flujo de potencia.
Otra modelación importante en las herramientas de flujo de potencia AC,
corresponde a la opción “ENFORCE_Q_LIMS” si se cambia a 1 (por defecto es
0), permite limitar la potencia reactiva si algún generador viola esta restricción,
en este caso, la correspondiente barra es convertida a PQ con la potencia
reactiva al límite y se continua con el proceso. La magnitud de la tensión se
desviará del valor especificado para satisfacer la restricción de potencia reactiva
En caso que la barra libre alcance el límite de potencia reactiva y el bus sea
convertido a PQ. La primera barra PV disponible será usada como barra libre en
la siguiente iteración.
Actualmente, ninguna de las herramientas para solución de flujos de potencia
en MATPOWER incluye la modelación de los transformadores con cambio de
tap y/o manejo de desconexiones de carga.
La velocidad de convergencia de las herramientas de flujos de potencia, con
excepción del método de Gauss Seidel, muestra excelentes resultados incluso
para sistemas de gran escala, teniendo en cuenta que los algoritmos incluidos
en MATPOWER toman ventaja del manejo que tiene MATLAB para matrices
dispersas.
-92 -
4.7.2 MATPOWER aplicado a la solución de flujos óptimos de potencia.
8 Ver http://www.pserc.cornell.edu/minopf/.
9 Ver http://www.pserc.cornell.edu/tspopf/.
10 Ver http://www.standfor.edu/group/SOL.
-93 -
matrices dispersas, por lo que está limitado a sistemas de pequeña escala, sin
embargo las herramientas MINOPF y TSPOPF utilizan técnicas de esparcidad y
están disponibles para problemas de gran escala.
En particular la herramienta PDIPM (Primal Dual Interior Point Method) de
TSPOPF es significativamente más rápida para problemas de gran escala que
cualquier herramienta previa para solución de OPF en MATPOWER, incluso las
basadas en MINOPF. La documentación de la formulación utilizada para todas
las herramientas para resolver flujos de potencia y flujos de potencia de óptimo
están disponibles en [24]11.
11 Ver http://www.pserc.cornell.edu/matpower/manual.pdf.
-94 -
5 APLICACIÓN DE ALGORITMOS GENETICOS AL
PREDESPACHO DE UNIDADES TERMICAS.
-95 -
Un AG es una técnica estocástica de optimización cuyo método de búsqueda
imita algunos fenómenos naturales tales como la herencia genética y la lucha
por la supervivencia.
Una vez que se ha definido la manera de codificar los elementos del dominio
del problema, es necesario fijar un punto de partida. Los AGs manipulan
conjuntos de códigos en generaciones sucesivas. En éstas un código puede
aparecer más de una vez. El algoritmo se encargará de favorecer en la
población los códigos que correspondan a elementos del dominio que estén
próximos a resolver el problema.
-96 -
Llamaremos vik ( t ) al estado de una unidad térmica i para la hora t en la
Figura 23: Vector fila vik con los estados para la unidad térmica i.
-97 -
Figura 24: Representación de una solución a través de una matriz binaria vk.
-98 -
5.3 FUNCIÓN FITNESS.
central i lleva acoplada (+) o desacoplada (-) al final de la hora t. Así, a través
de esta variable es posible identificar las horas que lleva acoplada una central i
y a que hora se acopló/desacopló del sistema. Según el cambio de esta variable
es posible identificar los costos de partida/parada para la hora t que se sumarán
a los costos de operación obtenidos del OPF para la misma hora.
-99 -
restricciones violadas. Estos términos de penalización se incluyen en la función
objetivo.
-100 -
alguna restricción, estos procedimientos alteran su estructura y la corrigen o
reparan de forma que la cumpla. De esta forma, todos los individuos con los
que trabaja el algoritmo genético son soluciones factibles del problema. En la
literatura técnica no se encuentran muchos trabajos de algoritmos genéticos de
reparación. Los problemas más frecuentes que encuentran estos algoritmos
son, por un lado la alta carga computacional que conllevan (lo cual es cada vez
un problema menor con la aparición de computadores más potentes y el uso de
técnicas paralelas de computación); y, por otro lado, el hecho de que estos
procedimientos no son de propósito general, sino que se desarrollan para el
problema específico que se quiere resolver. Finalmente, estos algoritmos
también presentan el inconveniente de que la información genética que poseen
los individuos infactibles puede ser desaprovechada.
5.5.1 Selección.
P4
P3
P2 P1
-102 -
5.5.2 Cruce.
-103 -
Figura 27. Cruce monopunto.
-104 -
Figura 29: Cruce uniforme.
5.5.3 Mutación
-105 -
5.5.4 Elitismo.
Para cada hora t se debe cumplir que la generación máxima acoplada debe ser
mayor que la demanda a suministrar más una cierta cantidad de reserva. Este
operador entra por cada columna de la matriz candidata y evalúa el
-106 -
cumplimiento de la restricción de reserva, si no se cumple hace partir las
unidades necesarias en orden creciente de costos hasta que se cumpla la
reserva.
-107 -
Para determinar la convergencia de un AG se suelen usar las siguientes
convenciones:
• Ejecutar el algoritmo genético durante un número máximo de
generaciones.
• Detenerlo cuando la población se haya estabilizado (cuando todos o la
mayoría de los individuos tengan la misma aptitud).
-108 -
5.8 METODOLOGÍA PROPUESTA.
-109 -
5.8.1 Inicialización.
El primer paso de los AGs es generar una población inicial de soluciones sobre
la cual empezar a aplicar los operadores genéticos. Esta población suele
generarse aleatoriamente, aunque en ocasiones se incluyen soluciones con
algún material genético con conocimiento experto del sistema en particular.
Una posibilidad es generar una matriz binaria candidata que siga el
comportamiento de la demanda, es decir, exista mayor probabilidad de generar
1 en las horas de mayor demanda.
-110 -
Figura 31: Rutina de reparación.
-111 -
La rutina de evaluación de soluciones consiste en ejecutar repetidos flujos
óptimos de potencia para cada hora t y cada individuo j hasta lograr tener
identificada la calidad de cada matriz de acoplamiento.
-112 -
Figura 32: Subrutina Operadores Genéticos.
-113 -
por lo que es necesario agregar operadores de cruce expertos para el
predespacho. Diferentes son las propuestas en la literatura para evitar la
convergencia prematura, el presente trabajo se basa en los operadores
empleados exitosamente en [13] y [14].
Cruce de dos puntos: es similar al método anterior, con la diferencia que para
este método se considera la totalidad de las filas, por lo que sólo se generan
dos números que determinan cuales columnas deben ser tomadas en cuenta
para la generación de las 4 submatrices. De igual forma que la anterior, se
generan dos hijos, de los cuales sólo sobrevivirá aquél de mejor desempeño en
la función objetivo. La representación gráfica puede apreciarse en la Figura 34.
-114 -
Figura 33: Cruce tipo ventana.
-115 -
6 APLICACIÓN DE LA METODOLOGÍA PROPUESTA
El presente capítulo tiene por objetivo mostrar los resultados numéricos del
modelo desarrollado sobre sistemas de pequeña, mediana y gran dimensión.
Los datos de entrada de estos sistemas se detallan en los anexos 1 y 2.
Los algoritmos empleados en las simulaciones fueron programados en
MATLAB. Las simulaciones presentadas en el presente capítulo se llevaron a
cabo en un computador con procesador Intel Pentium Core Duo 2 de 2,2GHz,
con 2 GB de memoria RAM y con sistema operativo Windows XP.
-116 -
y el último caso presentado es un sistema de gran escala de 54 unidades y 118
barras.
Para todos los casos se hace una comparación de resultados utilizando AC-
OPF y DC-OPF como subrutina de optimización.
Finalmente, el modelo desarrollado utiliza como dato de entrada y salida los
siguientes parámetros:
Datos de entrada:
Datos de salida:
-117 -
6.1 SISTEMA 6 BARRAS.
Así como se utilizó un sistema pequeño para probar el AG, también se utilizó
este mismo sistema, en particular un sistema de 6 barras, para mostrar con
todo el detalle posible los resultados de la operación del sistema y los
eventuales problemas que pueda ocasionar la red de transmisión, en términos
de pérdidas y congestión.
-119 -
400 7.000
350
6.000
300
5.000
250
Costo US$
4.000
MW
200
3.000
150
2.000
100
1.000
50
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
-120 -
En la Figura 36 se observa la convergencia del algoritmo con las dos subrutinas
de optimización y el costo asociado. Queda de manifiesto que, para la
convergencia del sistema en estudio, basta con 100 generaciones e incluso
menos.
113.000
112.500
Costo Final AC
112.000
Costo Final DC
111.500
111.000
Costo US$
110.500
110.000
109.500
109.000
108.500
108.000
1
7
13
19
25
31
37
43
49
55
61
67
73
79
85
91
97
103
109
115
121
127
133
139
145
151
157
163
169
175
181
187
193
199
N° de Generaciones
-121 -
300
250
200
MW
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
G1 G2 G3
300 1,4
1,2
250
1,0
200
0,8
MW
150
0,6
100
0,4
50
0,2
0 0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
G1 G2 G3 Pérdidas
-122 -
La generación de la unidad 2 es a potencia mínima (ultima en lista de mérito)
con flujo AC y DC. La generación de la unidad 3 es la misma para los dos casos
debido a que está conectada a potencia máxima; en este sentido, las
variaciones de carga para los dos casos son absorbidos por la unidad 1, y para
las horas de demanda, en particular las horas 15, 16 y 17, las variaciones de
carga son absorbidas por la unidad 2.
-123 -
45
40
35
30
BARRA 1
US$/MW
25
BARRA 2
20 BARRA 3
BARRA 4
15 BARRA 5
BARRA 6
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
45
40
35
30
BARRA 1
US$/MW
25 BARRA 2
BARRA 3
20 BARRA 4
BARRA 5
15
BARRA 6
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
-124 -
Los costos marginales mostrados en la Figura 38 siguen el comportamiento de
la demanda, para el caso AC presenta leves diferencia producidos sólo por las
pérdidas del sistema debido a que no existe congestión.
Figura 50), de manera de visualizar los efectos que pueden tener eventuales
congestiones en el sistema de transmisión.
-125 -
400 7.000
350
6.000
300
5.000
250
Costo US$
4.000
MW
200
3.000
150
2.000
100
1.000
50
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
Capacidad Máxima Acoplada Demanda Horaria Costo Generación DC
Costo Generación AC Costo Generación DC congestión Costo Generación AC congestión
-126 -
116.000
115.000
Costo Final AC
Costo Final DC
114.000
Costo Final DC congestión
113.000 Costo Final AC congestión
112.000
Costo US$
111.000
110.000
109.000
108.000
107.000
106.000
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
121
126
131
136
141
146
151
156
161
166
171
176
181
186
191
196
N° de Generaciones
-127 -
300
250
200
MW
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
G1 G2 G3
300 1,4
1,2
250
1,0
200
0,8
MW
150
0,6
100
0,4
50
0,2
0 0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
G1 G2 G3 Pérdidas
-128 -
60
50
40
BARRA 1
US$/MW
BARRA 2
30 BARRA 3
BARRA 4
BARRA 5
20 BARRA 6
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
60
50
40
BARRA 1
US$/MW
BARRA 2
30 BARRA 3
BARRA 4
BARRA 5
20 BARRA 6
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA
-129 -
Así como el costo marginal de energía representa el precio instantáneo de un
aumento de la demanda, lo que permite mejorar la eficiencia en los mercados
eléctricos entregando las señales económicas del costo de producir electricidad
con las restricciones operacionales asociadas, en casos de congestión en el
sistema de transmisión, los costos marginales por barra se desacoplan
creándose ineficiencias en el mercado, debido a que generación distante de
menor costo debe ser reemplazada por generación local de mayor costo.
Esta situación queda demostrada en la Figura 42, donde para las horas de
mayor demanda, los costos marginales de la barra 1 se desacoplan del costo
marginal del resto de las barras.
-131 -
A continuación se muestran los resultados obtenidos para el sistema de 118
barras en base a los datos de entrada presentados en el anexo 2. El AG fue
ejecutado utilizando como subrutina de optimización un AC-OPF y DC-OPF, por
esta razón, de aquí en adelante se utiliza como comparación de resultados
estas dos alternativas.
-132 -
Tabla 8: Matriz de Acoplamiento DC-OPF sistema 118 Barras.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 0 1 0 1 1 0 0 1 0 0 0 1 1 1 0 0 1 1 0 0 0 0 1 1
2 1 1 0 0 0 1 0 1 0 1 1 0 0 0 0 0 1 1 1 0 1 1 0 0
3 0 1 1 1 0 0 1 0 1 1 1 0 1 1 0 0 0 0 0 1 1 0 1 1
4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
6 0 0 0 1 0 1 1 0 1 0 0 1 0 1 1 0 0 1 1 1 0 0 1 1
7 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
8 1 1 1 1 1 1 0 0 0 1 0 1 1 0 1 0 0 0 0 0 1 1 0 0
9 0 1 1 0 1 1 1 1 1 1 1 0 0 0 0 0 1 0 0 0 0 1 0 0
10 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
12 0 1 0 0 0 1 1 1 1 1 1 1 1 0 1 0 1 0 1 0 1 0 1 0
13 0 0 0 0 1 1 0 1 0 0 1 0 1 0 0 1 0 0 1 0 1 0 0 1
14 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
15 0 0 1 0 1 1 1 1 0 1 0 1 1 1 0 1 0 1 0 0 0 1 1 0
16 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 0
17 1 0 1 0 0 1 0 0 0 1 0 1 1 0 1 0 0 1 1 1 1 1 0 1
18 1 0 0 1 0 0 1 0 1 0 0 0 1 0 0 1 0 1 1 0 0 0 0 0
19 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
21 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
22 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
23 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1
24 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0
25 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
26 1 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1
27 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
28 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
29 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
30 1 1 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0
31 1 0 1 0 0 0 1 0 0 1 0 1 0 0 0 0 1 1 0 1 0 0 0 0
32 1 1 1 0 1 1 0 0 0 0 1 0 1 0 1 0 0 0 1 0 1 0 0 1
33 0 1 0 0 1 0 1 1 1 1 1 0 1 0 0 0 0 1 0 1 0 0 0 0
34 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
35 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
36 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
37 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 1
38 0 0 0 1 1 1 0 1 0 1 0 1 0 1 1 0 1 1 1 0 0 0 1 0
39 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
40 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0
41 0 0 0 0 0 1 0 1 0 1 1 0 1 1 1 1 1 0 1 0 1 1 1 0
42 0 1 1 1 0 0 1 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 1
43 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
44 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
45 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
46 1 1 0 1 1 1 0 1 0 1 1 0 0 1 1 1 1 1 1 1 0 0 0 1
47 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0
48 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1 0
49 1 1 0 0 0 0 0 1 0 1 1 0 0 0 1 0 1 1 0 1 1 1 0 1
50 1 1 0 0 0 1 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0
51 1 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 1
52 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 0
53 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1
54 0 0 0 0 1 1 1 0 0 0 1 1 0 0 0 0 1 1 1 0 0 1 1 0
-133 -
Tabla 9: Matriz de Acomplamiento AC-OPF sistema 118 Barras.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 1 1 0 1 1 1 0 1 0 1 1 1 0 1 0 0 1 0 1 1 0 0 0 0
2 1 1 0 1 1 0 0 0 1 0 1 0 1 0 0 1 0 1 0 0 1 1 0 1
3 0 1 0 0 1 1 0 0 0 0 1 1 1 0 1 1 1 0 1 0 0 0 0 0
4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
6 1 1 1 1 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1
7 1 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
8 0 1 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 0 1 1 1 0
9 0 1 0 1 0 0 0 0 0 1 0 0 0 0 1 1 1 1 0 1 0 0 0 1
10 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
12 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 1 1 1 0 0 0 1 0
13 0 0 1 0 1 0 1 0 1 1 1 0 0 1 0 1 0 0 0 1 0 1 0 1
14 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
15 1 1 1 1 1 0 0 0 1 0 0 0 0 1 1 0 1 1 0 1 1 1 1 0
16 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
17 0 0 1 0 1 0 1 1 1 1 1 1 0 1 1 0 1 1 1 0 1 0 1 0
18 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 0 0 0 1 1 1 0 0 0
19 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 0
20 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
21 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
22 1 1 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1
23 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0
24 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
25 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
26 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0
27 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
28 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
29 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
30 1 1 0 0 0 0 0 1 1 1 1 0 0 0 0 0 1 1 1 1 0 0 0 0
31 0 1 1 0 0 1 0 0 1 0 0 1 1 0 0 1 0 0 1 1 0 0 1 1
32 0 0 1 0 1 1 0 1 1 0 1 1 0 0 1 0 0 0 0 0 0 1 1 0
33 1 0 1 0 0 1 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0
34 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1
35 1 1 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 1 1 1
36 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
37 0 0 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1
38 0 0 0 0 0 1 0 0 1 0 1 1 0 0 1 0 1 0 1 0 0 0 1 0
39 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
40 1 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
41 1 0 0 1 1 1 0 1 1 0 1 0 0 0 1 1 1 1 1 1 0 1 0 1
42 1 1 0 0 0 0 1 0 1 1 0 0 1 1 1 0 1 0 1 0 0 0 0 0
43 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
44 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
45 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
46 1 0 0 0 0 0 1 0 1 0 1 0 0 1 1 0 0 0 0 1 1 0 0 1
47 1 1 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1
48 1 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1
49 0 1 1 1 0 1 1 1 0 1 0 1 0 0 0 1 0 0 1 1 0 1 1 0
50 0 0 0 0 0 0 0 0 0 0 1 1 0 0 1 1 1 0 0 1 1 1 0 0
51 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1 1
52 1 1 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0
53 1 0 0 0 0 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1 1 1 1
54 0 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 1 1 0
-134 -
8.000 100.000
90.000
7.000
80.000
6.000
70.000
5.000
60.000
Costo US$
MW
4.000 50.000
40.000
3.000
30.000
2.000
20.000
1.000
10.000
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
Capacidad máxima acoplada DC Demanda Horaria Costo Operación DC
8.000 100.000
90.000
7.000
80.000
6.000
70.000
5.000
60.000
Costo US$
MW
4.000 50.000
40.000
3.000
30.000
2.000
20.000
1.000
10.000
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
Capacidad máxima acoplada AC Demanda Horaria Costo Operación AC
-135 -
De la Figura 43 podemos observar que el resultado del proceso de optimización
muestra fuertes diferencias si la subrutina es AC-OPF ó DC-OPF al momento
de buscar la configuración óptima de centrales a acoplar para este sistema.
Debido a los menores tiempos de ejecución necesarios para la rutina DC, este
resultado exige cuantificar la diferencia entre:
• Realizar el proceso de optimización con la herramienta DC, de menor
tiempo de ejecución, para finalmente realizar un proceso de validación
AC.
• Realizar el proceso de optimización con la herramienta AC.
En la Figura 44 se observa la convergencia del algoritmo con las dos subrutinas
de optimización y el costo asociado. Queda de manifiesto que para la
convergencia del sistema en estudio basta con 100 generaciones e incluso
menos.
1.850.000
1.800.000
Costo Final AC
Costo Final DC
1.750.000
Costo US$
1.700.000
1.650.000
1.600.000
103
109
115
121
127
133
139
145
151
157
163
169
175
181
187
193
199
1
7
13
19
25
31
37
43
49
55
61
67
73
79
85
91
97
N° de Generaciones
-136 -
La Figura 45 destaca la generación horaria DC y AC para cada configuración
optima de unidades acopladas.
7.000
P54 P53
P52 P51
P50 P49
6.000 P48 P47
P46 P45
P44 P43
P42 P41
5.000 P40 P39
P38 P37
P36 P35
P34 P33
4.000
P32 P31
P30 P29
MW
P28 P27
P30 P29
P28 P27
3.000 P26 P25
100
P24 P23
P22 P21
P20 P19
2.000
P18 P17
P16 P15
50
P14 P13
1.000 P12 P11
P10 P9
P8 P7
0 0 P6 P5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 P4 P3
HORAS P2 P1
Pérdidas AC
-137 -
Si se observa con detalle la Figura 45, se puede apreciar las diferencias en los
niveles de generación entre las rutinas DC y AC; además, las pérdidas siguen a
la demanda y prácticamente no dependen de la configuración de unidades
acopladas; situación contraria al sistema de 6 barras estudiado anteriormente.
En conclusión, cuando la cantidad de unidades del sistema en análisis es
suficientemente alta, la redistribución de flujos originados por el
acoplamiento/desacoplamiento de unidades generadoras prácticamente no
influye sobre las pérdidas del sistema.
-138 -
BARRA 1 BARRA 2
25 BARRA 3 BARRA 4
BARRA 5 BARRA 6
BARRA 7 BARRA 8
BARRA 9 BARRA 10
BARRA 11 BARRA 12
BARRA 13 BARRA 14
20 BARRA 15 BARRA 16
BARRA 17 BARRA 18
BARRA 19 BARRA 20
BARRA 21 BARRA 22
BARRA 23 BARRA 24
BARRA 25 BARRA 26
BARRA 27 BARRA 28
15 BARRA 29 BARRA 30
US$/MW
BARRA 31 BARRA 32
BARRA 33 BARRA 34
BARRA 35 BARRA 36
BARRA 37 BARRA 38
BARRA 39 BARRA 40
10 BARRA 41 BARRA 42
BARRA 43 BARRA 44
BARRA 45 BARRA 46
BARRA 47 BARRA 48
BARRA 49 BARRA 50
BARRA 51 BARRA 52
BARRA 53 BARRA 54
5 BARRA 55 BARRA 56
BARRA 57 BARRA 58
BARRA 59 BARRA 60
BARRA 61 BARRA 62
BARRA 63 BARRA 64
BARRA 65 BARRA 66
0 BARRA 67 BARRA 68
BARRA 69 BARRA 70
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORA BARRA 71 BARRA 72
BARRA 1 BARRA 2
30 BARRA 3 BARRA 4
BARRA 5 BARRA 6
BARRA 7 BARRA 8
BARRA 9 BARRA 10
BARRA 11 BARRA 12
25 BARRA 13 BARRA 14
BARRA 15 BARRA 16
BARRA 17 BARRA 18
BARRA 19 BARRA 20
BARRA 21 BARRA 22
20 BARRA 23 BARRA 24
BARRA 25 BARRA 26
BARRA 27 BARRA 28
US$/MW
BARRA 29 BARRA 30
BARRA 31 BARRA 32
15 BARRA 33 BARRA 34
BARRA 35 BARRA 36
BARRA 37 BARRA 38
BARRA 39 BARRA 40
BARRA 41 BARRA 42
10 BARRA 43 BARRA 44
BARRA 45 BARRA 46
BARRA 47 BARRA 48
BARRA 49 BARRA 50
5 BARRA 51 BARRA 52
BARRA 53 BARRA 54
BARRA 55 BARRA 56
BARRA 57 BARRA 58
BARRA 59 BARRA 60
0 BARRA 61 BARRA 62
BARRA 63 BARRA 64
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 BARRA 65 BARRA 66
HORA
-139 -
6.2.2 Comparación de resultados AC con Validación AC.
12
El proceso de validación AC consiste en una vez resuelto el problema del predespacho de unidades
térmicas utilizando como subrutina una herramienta DC-OPF, utilizar la matriz de acoplamiento óptimo
resultante para ejecutar un AC-OPF.
-140 -
Cabe mencionar que la rutina de AC-OPF versus DC-OPF puede llegar a
necesitar hasta 10 veces más de tiempo de ejecución dependiendo de las
condiciones bajo estudio. Por esta razón, el proceso de validación AC resulta
una alternativa atractiva para sistema de gran tamaño, siempre y cuando la
precisión lograda justifique los ahorros computacionales.
-141 -
8.000 100.000
90.000
7.000
80.000
6.000
70.000
5.000
60.000
Costo US$
MW
4.000 50.000
40.000
3.000
30.000
2.000
20.000
1.000
10.000
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
Capacidad máxima acoplada AC Demanda Horaria Costo Operación AC
8.000 100.000
90.000
7.000
80.000
6.000
70.000
5.000
60.000
MW
4.000 50.000
40.000
3.000
30.000
2.000
20.000
1.000
10.000
0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
HORAS
Capacidad Máxima Acoplada Validación AC Demanda Horaria Costo Operación Validación AC
-142 -
De la Figura 48 podemos observar que el costo de operación de ambas
alternativas es relativamente similar. En la Tabla 10 se muestra el detalle de los
costos de operación y capacidad máxima resultante.
-143 -
La Figura 49 destaca la generación horaria AC y validación AC para cada
configuración optima de unidades acopladas.
P28 P27
P30 P29
P28 P27
3.000 P26 P25
100
P24 P23
P22 P21
P20 P19
2.000
P18 P17
P16 P15
50
P14 P13
1.000 P12 P11
P10 P9
P8 P7
0 0 P6 P5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 P4 P3
HORAS P2 P1
Pérdidas AC
-144 -
Si se observa con detalle la Figura 49, se puede apreciar las diferencias en los
niveles de generación entre las rutinas AC y validación AC; además, para el
caso AC las pérdidas siguen a la demanda y prácticamente no dependen de la
configuración de unidades acopladas; en cambio, para la validación AC las
pérdidas presentan un comportamiento irregular debido a que las unidades
acopladas están de acuerdo a la rutina DC, que conlleva a menores pérdidas
totales pero mayores costos de operación.
Los resultados obtenidos con el proceso de validación AC permiten concluir que
para sistema de gran tamaño es necesario incluir dentro del proceso de
optimización las ecuaciones AC, de manera de modelar en forma explícita la
potencia reactiva y perfiles de tensión del sistema en estudio. Además, con este
caso se demuestra que un predespacho de unidades térmicas obtenido con una
modelación DC puede producir soluciones no aplicables que requieren
correcciones post-despacho debido al déficit de potencia reactiva y perfiles de
tensiones asociados.
-145 -
6.3 TIEMPOS DE SIMULACIÓN.
-146 -
cumple la reserva horaria, el espacio a recorrer es (2 Número de Generadores
− 1)
soluciones.
La mejora propuesta para el algoritmo considera un importante tiempo de
ejecución porque debe recorrer un extenso espacio de soluciones, sin embargo
dicho recorrido se realiza sólo una vez y se almacena en memoria.
Una vez almacenada en memoria las soluciones factibles por reserva, cada vez
que se requiere ejecutar un OPF dentro del modelo de predespacho, según el
parque de generación acoplado (vector columna de tamaño igual al número de
generadores) se busca en memoria el costo de operación asociado.
En la Tabla 12 se muestran los tiempos de simulación con la mejora propuesta
al algoritmo de predespacho. En particular para el sistema de 118 barras no fue
posible recorrer las ( 254 − 1) soluciones factibles, por lo que la mejora propuesta
-147 -
7 CONCLUSIONES E INVESTIGACIONES FUTURAS.
7.1 CONCLUSIONES.
-148 -
Seguidamente se ha descrito una formulación basada en flujo óptimo de
potencia que permite incorporar en forma explícita la red de transmisión, la
componente reactiva y perfiles de tensiones asociados al problema. Por último,
se ha presentado la técnica de solución que se propone como alternativa a las
técnicas convencionales empleadas para resolver el predespacho de unidades
térmicas. La técnica propuesta es algoritmos genéticos, los cuales tienen una
flexibilidad en la modelación que permite considerar cualquier tipo de no
linealidad y no convexidad como las que aparecen en el predespacho de
unidades térmicas. Se muestra una representación novedosa de las soluciones
y la metodología de solución basada en algoritmos genéticos, que en realidad
consiste en un modelo híbrido de optimización heurística y matemática, en que
la etapa (a) de predespacho de unidades térmicas se modela con algoritmos
genéticos, y la etapa (b) de despacho económico de carga se logra a través de
una rutina de flujo optimo de potencia, utilizando la herramienta MATPOWER.
-149 -
Para ambos sistemas el objetivo es encontrar las diferencias entre una
modelación DC y AC de la red de transmisión; además, para el sistema de 6
barras se estudió los eventuales problemas que puede ocasionar una
congestión en el sistema de transmisión; por su parte, para el sistema de 118
barras se estudió la factibilidad de realizar un proceso de validación AC de la
solución encontrada con una modelación DC y comparar estos resultados
utilizando directamente la modelación AC. Las conclusiones que se obtienen de
ambos sistemas son las siguientes:
Sistemas 6 Barras:
• El resultado de las unidades acopladas al sistema es el mismo
independiente si la subrutina de optimización es AC ó DC. Los costos de
operación diarios difieren sólo por las pérdidas.
• Sin considerar congestión en el sistema de transmisión, con la subrutina
DC los costos marginales por barra del sistema para cada hora son
iguales; en el caso que se utiliza la subrutina AC los costos marginales
por barra son levemente diferentes debido a las pérdidas.
• Para simular problemas de congestión se limitó la capacidad de
transmisión de la línea 1-4 del sistema de 6 barras, producto de la
congestión, el resultado de las unidades acopladas es distinto sólo para
el caso AC, donde es necesario la partida de una unidad adicional en las
horas que la reserva es muy estrecha.
• Otro resultado interesante es que los costos de operación diarios
aumentan producto de las limitaciones de la red de transmisión, debido a
que generación distante de menor costo debe ser reemplazada por
generación local de mayor costo. Junto a lo anterior, los costos
marginales del sistema se “desacoplan”, es decir, el costo marginal por
barra es notoriamente distinto en las barras afectadas por la congestión.
-150 -
Sistemas 118 Barras:
• El resultado de las unidades acopladas al sistema es distinto si la
subrutina de optimización es AC ó DC. Los costos de operación diarios
son un 6,54% mayor en la validación AC respecto de la operación AC.
Este resultado permite concluir que el proceso de validación AC, si bien
requiere menos tiempo de ejecución, para este sistema particular
produce resultados insatisfactorios.
• Respeto de la generación de cada unidad y las pérdidas del sistema, la
validación AC muestra resultados irregulares sin ningún tipo de relación,
esto se debe a que, como las unidades acopladas están de acuerdo a
una subrutina DC, se logran menores pérdidas totales pero mayores
costos de operación.
-151 -
sistemas de energía eléctrica. Así mismo, la modelación AC busca obtener la
señal correcta de precios en el mercado cumpliendo con las restricciones
técnicas de operación del sistema que permita a los sistemas interconectados
realizar transferencia de potencia y energía a precios reales.
-152 -
corto plazo permitiría una operación más segura de los sistemas
eléctricos.
• Incluir sensibilidades del algoritmo genético y comparación con otras
técnicas de optimización.
o Respecto al método de optimización implementado, sería
interesante encontrar cuales son las variables del algoritmo
genético que más inciden en la convergencia, tales como: tamaño
de la población, número de generaciones, probabilidades de
cruce, tipos de reproducción, tipos de refresco, etc. Además,
incluir una comparación con algún otro método de optimización de
la literatura para resolver el mismo problema.
-153 -
REFERENCIAS
[3] Word and Wollenberg “Power Generation, Operation and Control”. 2nd Ed.,
New York: Wiley & Sons, Inc., 1996.
[7] S.A. Kazarlis, A.G. Bakirtzis & V. Petridis “A Genetic Algorithm Solution to
the Unit Commitment Problem”, IEEE Transactions on Power Systems, Vol. 11,
No 1, February 1996.
-154 -
[8] Gerald B. Sheble & Tim T. Maifeld “Genetic-Based Unit Commitment
Algorithm”, IEEE Transactions on Power Systems, Vol. 11, No 3, August 1996.
[9] K.S. Swarup & S. Yamashiro “Unit Commitment Solution Methodology Using
Competitive Environment”, IEEE Transactions on Power Systems, Vol. 17, No
1, February 2000.
-155 -
[16] Claudio A. Negrete N., “Planificación de Sistemas Hidrotermicos:
Aplicaciones al SIC”, Universidad de Santiago de Chile, Santiago, 2005.
[21] B. Stott and O. Alsac, “Fast decoupled load flow”, IEEE Transactions on
Power Apparatus and Systems, Vol. PAS-93, June 1974, pp. 859-869.
-156 -
[24] H. Wang, C. E. Murillo-Sánchez, R. D. Zimmerman, R. J. Thomas, “On
Computational Issues of Market-Based Optimal Power Flow”, IEEE
Transactions on Power Systems, Vol. 22, No. 3, Aug. 2007, pp. 1185-1193.
[26] Raglend, I.J.; Padhy, N.P.; “Solutions to practical unit commitment problems
with operational, power flow and environmental constraints”
Power Engineering Society General Meeting, 2006. IEEE 18-22 June 2006.
-157 -
[32] Glover, J.D., Sarma, M., 1994, Power System Analysis and Design, second
edition, PWS Publishing Company, Boston, USA.
[34] F.L. Alvarado, "Penalty Factors from Newton's Method," IEEE Transaction
on Power Appuratus and System, Vol. PAS-97, Nov/Dec 1978, pp. 2031 -2037.
-158 -
ANEXO 1: DATOS SISTEMA 6 BARRAS
Esta sección tiene por objetivo mostrar los datos de entrada del sistema de 6
barras utilizado en el presente trabajo. Los datos para este sistema fueron
obtenidos de la página personal del profesor Ph.D Mohammad Shahidehpour13
http://motor.ece.iit.edu/data/.
L1
1 2 T1 3
4 T2 5 6
L2 L3
13 IEEE Fellow, Electrical and Computer Engineering Department, Illinois Institute of Technology.
-159 -
Tabla 14: Datos líneas de transmisión (Sistema 6 Barras).
Line From To Flow Limit
R (pu) X (pu)
No. Bus Bus (MW)
1 1 2 0,0050 0,170 200
2 1 4 0,0030 0,258 100
3 2 4 0,0070 0,197 100
4 5 6 0,0020 0,140 100
5 3 6 0,0005 0,018 100
6 2 3 0 0,037 100
7 4 5 0 0,037 100
-160 -
ANEXO 2: DATOS SISTEMA IEEE 118 BARRAS
Esta sección tiene por objetivo mostrar los datos de entrada del sistema IEEE
de 118 barras utilizado en el presente trabajo. Los datos para este sistema
fueron obtenidos de la página personal del profesor Ph.D Mohammad
Shahidehpour14 http://motor.ece.iit.edu/data/.
14 IEEE Fellow, Electrical and Computer Engineering Department, Illinois Institute of Technology.
-161 -
Unit Cost Coefficients Ini Min Min Start
Bus Pmax Pmin Qmax Qmin Ramp
U a b c State On Off Up
No 2 (MW) (MW) (MVAR) (MVAR) (MW/h)
(US$) (US$/MW) (US$/MW ) (h) (h) (h) (US$)
1 4 31,67 26,2438 0,069663 30 5 300 -300 1 1 1 15 40
2 6 31,67 26,2438 0,069663 30 5 50 -13 1 1 1 15 40
3 8 31,67 26,2438 0,069663 30 5 300 -300 1 1 1 15 40
4 10 6,78 12,8875 0,010875 300 150 200 -147 8 8 8 150 440
5 12 6,78 12,8875 0,010875 300 100 120 -35 8 8 8 150 110
6 15 31,67 26,2438 0,069663 30 10 30 -10 1 1 1 15 40
7 18 10,15 17,8200 0,012800 100 25 50 -16 5 5 5 50 50
8 19 31,67 26,2438 0,069663 30 5 24 -8 1 1 1 15 40
9 24 31,67 26,2438 0,069663 30 5 300 -300 1 1 1 15 40
10 25 6,78 12,8875 0,010875 300 100 140 -47 8 8 8 150 100
11 26 32,96 10,7600 0,003000 350 100 1.000 -1.000 8 8 8 175 100
12 27 31,67 26,2438 0,069663 30 8 300 -300 1 1 1 15 40
13 31 31,67 26,2438 0,069663 30 8 300 -300 1 1 1 15 40
14 32 10,15 17,8200 0,012800 100 25 42 -14 5 5 5 50 50
15 34 31,67 26,2438 0,069663 30 8 24 -8 1 1 1 15 40
16 36 10,15 17,8200 0,012800 100 25 24 -8 5 5 5 50 50
17 40 31,67 26,2438 0,069663 30 8 300 -300 1 1 1 15 40
18 42 31,67 26,2438 0,069663 30 8 300 -300 1 1 1 15 40
19 46 10,15 17,8200 0,012800 100 25 100 -100 5 5 5 50 59
20 49 28 12,3299 0,002401 250 50 210 -85 8 8 8 125 100
21 54 28 12,3299 0,002401 250 50 300 -300 8 8 8 125 100
22 55 10,15 17,8200 0,012800 100 25 23 -8 5 5 5 50 50
23 56 10,15 17,8200 0,012800 100 25 15 -8 5 5 5 50 50
24 59 39 13,2900 0,004400 200 50 180 -60 10 8 8 100 100
25 61 39 13,2900 0,004400 200 50 300 -100 10 8 8 100 100
26 62 10,15 17,8200 0,012800 100 25 20 -20 5 5 5 50 50
27 65 64,16 8,3391 0,010590 420 100 200 -67 10 10 10 210 250
28 66 64,16 8,3391 0,010590 420 100 200 -67 10 10 10 210 250
29 69 6,78 12,8875 0,010875 300 80 99.999 -99.999 10 8 8 150 100
30 70 74,33 15,4708 0,045923 80 30 32 -10 4 4 4 40 45
31 72 31,67 26,2438 0,069663 30 10 100 -100 1 1 1 15 40
32 73 31,67 26,2438 0,069663 30 5 100 -100 1 1 1 15 40
33 74 17,95 37,6968 0,028302 20 5 9 -6 1 1 1 10 30
34 76 10,15 17,8200 0,012800 100 25 23 -8 5 5 5 50 50
35 77 10,15 17,8200 0,012800 100 25 70 -20 5 5 5 50 50
36 80 6,78 12,8875 0,010875 300 150 280 -165 10 8 8 150 440
37 82 10,15 17,8200 0,012800 100 25 9.900 -9.900 5 5 5 50 50
38 85 31,67 26,2438 0,069663 30 10 23 -8 1 1 1 15 40
39 87 32,96 10,7600 0,003000 300 100 1000 -100 10 8 8 150 440
40 89 6,78 12,8875 0,010875 200 50 300 -210 10 8 8 100 400
41 90 17,95 37,6968 0,028302 20 8 300 -300 1 1 1 10 30
42 91 58,81 22,9423 0,009774 50 20 100 -100 1 1 1 25 45
43 92 6,78 12,8875 0,010875 300 100 9 -3 8 8 8 150 100
44 99 6,78 12,8875 0,010875 300 100 100 -100 8 8 8 150 100
45 100 6,78 12,8875 0,010875 300 100 155 -50 8 8 8 150 110
46 103 17,95 37,6968 0,028302 20 8 40 -15 1 1 1 10 30
47 104 10,15 17,8200 0,012800 100 25 23 -8 5 5 5 50 50
48 105 10,15 17,8200 0,012800 100 25 23 -8 5 5 5 50 50
49 107 17,95 37,6968 0,028302 20 8 200 -200 1 1 1 10 30
50 110 58,81 22,9423 0,009774 50 25 23 -8 2 2 2 25 45
51 111 10,15 17,8200 0,012800 100 25 1000 -100 5 5 5 50 50
52 112 10,15 17,8200 0,012800 100 25 1000 -100 5 5 5 50 50
53 113 10,15 17,8200 0,012800 100 25 200 -100 5 5 5 50 50
54 116 58,81 22,9423 0,009774 50 25 1000 -1000 2 2 2 25 45
-162 -
Tabla 19: Datos líneas de transmisión (Sistema 118 Barras).
Line From To Circuit Flow Limit
R (pu) X (pu) B (pu)
No. Bus Bus ID (MW)
1 1 2 1 0,0303 0,0999 0,0254 175
2 1 3 1 0,0129 0,0424 0,01082 175
3 4 5 1 0,00176 0,00798 0,0021 500
4 3 5 1 0,0241 0,108 0,0284 175
5 5 6 1 0,0119 0,054 0,01426 175
6 6 7 1 0,00459 0,0208 0,0055 175
7 8 9 1 0,00244 0,0305 1,162 500
8 8 5 1 0 0,0267 0 500
9 9 10 1 0,00258 0,0322 1,23 500
10 4 11 1 0,0209 0,0688 0,01748 175
11 5 11 1 0,0203 0,0682 0,01738 175
12 11 12 1 0,00595 0,0196 0,00502 175
13 2 12 1 0,0187 0,0616 0,01572 175
14 3 12 1 0,0484 0,16 0,0406 175
15 7 12 1 0,00862 0,034 0,00874 175
16 11 13 1 0,02225 0,0731 0,01876 175
17 12 14 1 0,0215 0,0707 0,01816 175
18 13 15 1 0,0744 0,2444 0,06268 175
19 14 15 1 0,0595 0,195 0,0502 175
20 12 16 1 0,0212 0,0834 0,0214 175
21 15 17 1 0,0132 0,0437 0,0444 500
22 16 17 1 0,0454 0,1801 0,0466 175
23 17 18 1 0,0123 0,0505 0,01298 175
24 18 19 1 0,01119 0,0493 0,01142 175
25 19 20 1 0,0252 0,117 0,0298 175
26 15 19 1 0,012 0,0394 0,0101 175
27 20 21 1 0,0183 0,0849 0,0216 175
28 21 22 1 0,0209 0,097 0,0246 175
29 22 23 1 0,0342 0,159 0,0404 175
30 23 24 1 0,0135 0,0492 0,0498 175
31 23 25 1 0,0156 0,08 0,0864 500
32 26 25 1 0 0,0382 0 500
33 25 27 1 0,0318 0,163 0,1764 500
34 27 28 1 0,01913 0,0855 0,0216 175
35 28 29 1 0,0237 0,0943 0,0238 175
36 30 17 1 0 0,0388 0 500
37 8 30 1 0,00431 0,0504 0,514 175
38 26 30 1 0,00799 0,086 0,908 500
39 17 31 1 0,0474 0,1563 0,0399 175
40 29 31 1 0,0108 0,0331 0,0083 175
41 23 32 1 0,0317 0,1153 0,1173 140
42 31 32 1 0,0298 0,0985 0,0251 175
43 27 32 1 0,0229 0,0755 0,01926 175
44 15 33 1 0,038 0,1244 0,03194 175
45 19 34 1 0,0752 0,247 0,0632 175
46 35 36 1 0,00224 0,0102 0,00268 175
47 35 37 1 0,011 0,0497 0,01318 175
48 33 37 1 0,0415 0,142 0,0366 175
49 34 36 1 0,00871 0,0268 0,00568 175
50 34 37 1 0,00256 0,0094 0,00984 500
51 38 37 1 0 0,0375 0 500
52 37 39 1 0,0321 0,106 0,027 175
53 37 40 1 0,0593 0,168 0,042 175
54 30 38 1 0,00464 0,054 0,422 175
55 39 40 1 0,0184 0,0605 0,01552 175
-163 -
56 40 41 1 0,0145 0,0487 0,01222 175
57 40 42 1 0,0555 0,183 0,0466 175
58 41 42 1 0,041 0,135 0,0344 175
59 43 44 1 0,0608 0,2454 0,06068 175
60 34 43 1 0,0413 0,1681 0,04226 175
61 44 45 1 0,0224 0,0901 0,0224 175
62 45 46 1 0,04 0,1356 0,0332 175
63 46 47 1 0,038 0,127 0,0316 175
64 46 48 1 0,0601 0,189 0,0472 175
65 47 49 1 0,0191 0,0625 0,01604 175
66 42 49 1 0,0715 0,323 0,086 175
67 42 49 2 0,0715 0,323 0,086 175
68 45 49 1 0,0684 0,186 0,0444 175
69 48 49 1 0,0179 0,0505 0,01258 175
70 49 50 1 0,0267 0,0752 0,01874 175
71 49 51 1 0,0486 0,137 0,0342 175
72 51 52 1 0,0203 0,0588 0,01396 175
73 52 53 1 0,0405 0,1635 0,04058 175
74 53 54 1 0,0263 0,122 0,031 175
75 49 54 1 0,073 0,289 0,0738 175
76 49 54 2 0,0869 0,291 0,073 175
77 54 55 1 0,0169 0,0707 0,0202 175
78 54 56 1 0,00275 0,00955 0,00732 175
79 55 56 1 0,00488 0,0151 0,00374 175
80 56 57 1 0,0343 0,0966 0,0242 175
81 50 57 1 0,0474 0,134 0,0332 175
82 56 58 1 0,0343 0,0966 0,0242 175
83 51 58 1 0,0255 0,0719 0,01788 175
84 54 59 1 0,0503 0,2293 0,0598 175
85 56 59 1 0,0825 0,251 0,0569 175
86 56 59 2 0,0803 0,239 0,0536 175
87 55 59 1 0,04739 0,2158 0,05646 175
88 59 60 1 0,0317 0,145 0,0376 175
89 59 61 1 0,0328 0,15 0,0388 175
90 60 61 1 0,00264 0,0135 0,01456 500
91 60 62 1 0,0123 0,0561 0,01468 175
92 61 62 1 0,00824 0,0376 0,0098 175
93 63 59 1 0 0,0386 0 500
94 63 64 1 0,00172 0,02 0,216 500
95 64 61 1 0 0,0268 0 500
96 38 65 1 0,00901 0,0986 1,046 500
97 64 65 1 0,00269 0,0302 0,38 500
98 49 66 1 0,018 0,0919 0,0248 500
99 49 66 2 0,018 0,0919 0,0248 500
100 62 66 1 0,0482 0,218 0,0578 175
101 62 67 1 0,0258 0,117 0,031 175
102 65 66 1 0 0,037 0 500
103 66 67 1 0,0224 0,1015 0,02682 175
104 65 68 1 0,00138 0,016 0,638 500
105 47 69 1 0,0844 0,2778 0,07092 175
106 49 69 1 0,0985 0,324 0,0828 175
107 68 69 1 0 0,037 0 500
108 69 70 1 0,03 0,127 0,122 500
109 24 70 1 0,00221 0,4115 0,10198 175
110 70 71 1 0,00882 0,0355 0,00878 175
111 24 72 1 0,0488 0,196 0,0488 175
112 71 72 1 0,0446 0,18 0,04444 175
113 71 73 1 0,00866 0,0454 0,01178 175
114 70 74 1 0,0401 0,1323 0,03368 175
-164 -
115 70 75 1 0,0428 0,141 0,036 175
116 69 75 1 0,0405 0,122 0,124 500
117 74 75 1 0,0123 0,0406 0,01034 175
118 76 77 1 0,0444 0,148 0,0368 175
119 69 77 1 0,0309 0,101 0,1038 175
120 75 77 1 0,0601 0,1999 0,04978 175
121 77 78 1 0,00376 0,0124 0,01264 175
122 78 79 1 0,00546 0,0244 0,00648 175
123 77 80 1 0,017 0,0485 0,0472 500
124 77 80 2 0,0294 0,105 0,0228 500
125 79 80 1 0,0156 0,0704 0,0187 175
126 68 81 1 0,00175 0,0202 0,808 500
127 81 80 1 0 0,037 0 500
128 77 82 1 0,0298 0,0853 0,08174 200
129 82 83 1 0,0112 0,03665 0,03796 200
130 83 84 1 0,0625 0,132 0,0258 175
131 83 85 1 0,043 0,148 0,0348 175
132 84 85 1 0,0302 0,0641 0,01234 175
133 85 86 1 0,035 0,123 0,0276 500
134 86 87 1 0,02828 0,2074 0,0445 500
135 85 88 1 0,02 0,102 0,0276 175
136 85 89 1 0,0239 0,173 0,047 175
137 88 89 1 0,0139 0,0712 0,01934 500
138 89 90 1 0,0518 0,188 0,0528 500
139 89 90 2 0,0238 0,0997 0,106 500
140 90 91 1 0,0254 0,0836 0,0214 175
141 89 92 1 0,0099 0,0505 0,0548 500
142 89 92 2 0,0393 0,1581 0,0414 500
143 91 92 1 0,0387 0,1272 0,03268 175
144 92 93 1 0,0258 0,0848 0,0218 175
145 92 94 1 0,0481 0,158 0,0406 175
146 93 94 1 0,0223 0,0732 0,01876 175
147 94 95 1 0,0132 0,0434 0,0111 175
148 80 96 1 0,0356 0,182 0,0494 175
149 82 96 1 0,0162 0,053 0,0544 175
150 94 96 1 0,0269 0,0869 0,023 175
151 80 97 1 0,0183 0,0934 0,0254 175
152 80 98 1 0,0238 0,108 0,0286 175
153 80 99 1 0,0454 0,206 0,0546 200
154 92 100 1 0,0648 0,295 0,0472 175
155 94 100 1 0,0178 0,058 0,0604 175
156 95 96 1 0,0171 0,0547 0,01474 175
157 96 97 1 0,0173 0,0885 0,024 175
158 98 100 1 0,0397 0,179 0,0476 175
159 99 100 1 0,018 0,0813 0,0216 175
160 100 101 1 0,0277 0,1262 0,0328 175
161 92 102 1 0,0123 0,0559 0,01464 175
162 101 102 1 0,0246 0,112 0,0294 175
163 100 103 1 0,016 0,0525 0,0536 500
164 100 104 1 0,0451 0,204 0,0541 175
165 103 104 1 0,0466 0,1584 0,0407 175
166 103 105 1 0,0535 0,1625 0,0408 175
167 100 106 1 0,0605 0,229 0,062 175
168 104 105 1 0,00994 0,0378 0,00986 175
169 105 106 1 0,014 0,0547 0,01434 175
170 105 107 1 0,053 0,183 0,0472 175
171 105 108 1 0,0261 0,0703 0,01844 175
172 106 107 1 0,053 0,183 0,0472 175
173 108 109 1 0,0105 0,0288 0,0076 175
-165 -
174 103 110 1 0,03906 0,1813 0,0461 175
175 109 110 1 0,0278 0,0762 0,0202 175
176 110 111 1 0,022 0,0755 0,02 175
177 110 112 1 0,0247 0,064 0,062 175
178 17 113 1 0,00913 0,0301 0,00768 175
179 32 113 1 0,0615 0,203 0,0518 500
180 32 114 1 0,0135 0,0612 0,01628 175
181 27 115 1 0,0164 0,0741 0,01972 175
182 114 115 1 0,0023 0,0104 0,00276 175
183 68 116 1 0,00034 0,00405 0,164 500
184 12 117 1 0,0329 0,14 0,0358 175
185 75 118 1 0,0145 0,0481 0,01198 175
186 76 118 1 0,0164 0,0544 0,01356 175
-166 -
Tabla 22: Perfil de distribución de la demanda (Sistema 118 Barras).
Bus No Pd (%) Qd (%) Bus No Pd (%) Qd (%) Bus No Pd (%) Qd (%)
1 0,01450 0,00600 41 0,00991 0,00693 81 0,00000 0,00000
2 0,00569 0,00662 42 0,00991 0,01594 82 0,01447 0,01871
3 0,01109 0,00736 43 0,00482 0,00485 83 0,00536 0,00693
4 0,00853 0,00883 44 0,00429 0,00554 84 0,00295 0,00485
5 0,00000 0,00000 45 0,01420 0,01525 85 0,00643 0,01040
6 0,01479 0,01618 46 0,00750 0,00693 86 0,00563 0,00693
7 0,00540 0,00147 47 0,00911 0,00000 87 0,00000 0,00000
8 0,00000 0,00000 48 0,00536 0,00762 88 0,01286 0,00693
9 0,00000 0,00000 49 0,02331 0,02079 89 0,00000 0,00000
10 0,00000 0,00000 50 0,00455 0,00277 90 0,02089 0,02911
11 0,01991 0,01692 51 0,00455 0,00554 91 0,00000 0,00000
12 0,01336 0,00736 52 0,00482 0,00347 92 0,01741 0,00693
13 0,00967 0,01177 53 0,00616 0,00762 93 0,00321 0,00485
14 0,00398 0,00073 54 0,03027 0,02218 94 0,00804 0,01109
15 0,02559 0,02207 55 0,01688 0,01525 95 0,01125 0,02148
16 0,00711 0,00736 56 0,02250 0,01247 96 0,01018 0,01040
17 0,00313 0,00220 57 0,00321 0,00208 97 0,00402 0,00624
18 0,01706 0,02501 58 0,00321 0,00208 98 0,00911 0,00554
19 0,01280 0,01839 59 0,07420 0,07831 99 0,00000 0,00000
20 0,00512 0,00220 60 0,02089 0,00208 100 0,00991 0,01247
21 0,00398 0,00588 61 0,00000 0,00000 101 0,00589 0,01040
22 0,00284 0,00368 62 0,02063 0,00970 102 0,00134 0,00208
23 0,00199 0,00220 63 0,00000 0,00000 103 0,00616 0,01109
24 0,00000 0,00000 64 0,00000 0,00000 104 0,01018 0,01733
25 0,00000 0,00000 65 0,00000 0,00000 105 0,00830 0,01802
26 0,00000 0,00000 66 0,01045 0,01247 106 0,01152 0,01109
27 0,01763 0,00956 67 0,00750 0,00485 107 0,00750 0,00832
28 0,00484 0,00515 68 0,00000 0,00000 108 0,00054 0,00069
29 0,00683 0,00295 69 0,00000 0,00000 109 0,00214 0,00208
30 0,00000 0,00000 70 0,01768 0,01386 110 0,01045 0,02079
31 0,01223 0,01986 71 0,00000 0,00000 111 0,00000 0,00000
32 0,01678 0,01692 72 0,00000 0,00000 112 0,00670 0,00901
33 0,00654 0,00662 73 0,00000 0,00000 113 0,00000 0,00000
34 0,01678 0,01913 74 0,01822 0,01871 114 0,00227 0,00220
35 0,00938 0,00662 75 0,01259 0,00762 115 0,00625 0,00515
36 0,00882 0,01251 76 0,01822 0,02495 116 0,00000 0,00000
37 0,00000 0,00000 77 0,01634 0,01940 117 0,00569 0,00588
38 0,00000 0,00000 78 0,01902 0,01802 118 0,00884 0,01040
39 0,00723 0,00762 79 0,01045 0,02218
40 0,00536 0,01594 80 0,03482 0,01802
-167 -