MAESTRÍA EN ELECTRICIDAD

Mención en Sistemas Eléctricos de Potencia.

MÓDULO:
Optimización de Sistemas Eléctricos

TEMA:
COBERTURA & CAPACIDAD MEDIANTE PROGRAMACIÓN
LINEAL ENTERA (ILP)

NOMBRE:
Cañafe Clavijo Christian

CUENCA - ECUADOR
2019
 MAESTRIA EN ELECTRICIDAD

COBERTURA & CAPACIDAD MEDIANTE PROGRAMACIÓN LINEAL

ENTERA (ILP)

Los modelos de programación entera son una extensión de los modelos lineales en los
que algunas variables toman valores enteros.

Las variables toman valores en 0-1, ya que este tipo de variables permiten representar
condiciones lógicas.
Este tipo de modelos permite representar sistemas mucho más complejos.

Método de agrupación basado en Programación Lineal Entera (ILP)

La resolución de problemas que necesitan grandes cantidades de variables y funciones

objetivo dentro de la programación lineal pueden requerir que las soluciones sean del tipo
entera ya que la
aproximación o el acercamiento de los limites dentro de la resolución de ecuaciones en el
universo de los números reales no puede satisfacer las funciones objetivas y alcanzar el
óptimo dentro del problema planteado [1]

Este tipo de algoritmo se puede abordar desde dos conceptos fundamentales:

1.-Si la solución que se encuentra dentro de una parte del problema puede satisfacer las
restricciones esto convierte a la función objetivo una solución factible del problema
planteado originalmente, es decir, una cota inferior, que posiblemente sea solución al
problema en general y cota inferior para todas las demás funciones objetivo.

2.-Si la solución que se encuentra satisface una de las funciones objetivo dentro del
problema y esto puede terminar en que se requiera agregar restricciones adicionales para
poder alcanzar el valor de la función objetivo esto hace que la solución sea una cota
superior para todas las demás funciones objetivo [2].

Modelamiento matemático:

• Se define un conjunto 𝑆=(𝑆1,𝑆2,𝑆3…𝑆𝑀) para los sitios candidatos, donde se

situarán los transformadores (𝑇𝑟), además, la posición de los sitios candidatos está
dado por las coordenadas (𝑥𝑠𝑖,𝑦𝑠𝑖).
• También, se define un conjunto 𝑈={𝑈1,𝑈2,𝑈3…𝑈𝑁}, para los usuarios, donde,
la posición de los diferentes usuarios está dada por las coordenadas (𝑥𝑢𝑗,𝑦𝑢𝑗).
• Para determinar si un usuario se encuentra cubierto por un trasformador se utiliza
la cantidad 𝛼𝑖, ∈{0,1}, donde, si el valor es 1 define que el usuario está cubierto
caso contrario la cantidad toma el valor de 0.
• Se define la cantidad 𝑍𝑖 ∈{0,1}, donde, sí se trata un sitio candidato (𝑆𝑖) activo
toma el valor de 1 caso contrario toma el valor de 0.
• Se define la cantidad 𝑌𝑗 ∈{0,1}, donde, sí se trata un usuario (𝑈𝑗) servido toma el
valor de 1 caso contrario toma el valor de 0.

Función Objetivo
2
 MAESTRIA EN ELECTRICIDAD

El objetivo de esta problemática es minimizar el número de transformadores activos, o

los sitios candidatos para transformadores activos, lo cual es modelada de la manera
siguiente:
𝑀
𝑚𝑖𝑛 ∑ 𝑍𝑖
𝑖=1

Restricciones
1. Un usuario por lo menos deber estar cubierto por un transformador.
𝑀
𝑌𝑗 ≤ ∑ ∝ 𝑖, 𝑗 ∗ 𝑍𝑖
𝑖=1

2. Los transformadores activos por lo menos deben cubrir al 90% de los usuarios.

𝑀
∑ 𝑌𝑗 ≥ 0.9 ∗ 𝑁
𝑖=1

Análisis.

De acuerdo al análisis y la teoría de la programación lineal entera (ILP), el presente taller

corresponde a la cobertura y capacidad del conjunto de usuarios establecido en el área
geográfica de la región seleccionada, mediante lo cual se desarrollará o planteará criterios
de cobertura y optimización con respecto a la cantidad de transformadores, números de
usuarios, posiciones de transformadores, caídas de tensiones.

Desarrollo.

Para el análisis y desarrollo del presente taller se emplea mediante la ayuda del Software
de Matlab que a su vez se enlace con el programa LPSolve.
Como primer punto determinamos el número de usuarios en el área geográfica o zona a
intervenir, ya que en esta zona se ubicarán los transformadores que cubrirán la mayor área
posible brindando una cobertura en mayor eficiencia y rentabilidad.

3
 MAESTRIA EN ELECTRICIDAD

En la siguiente imagen se presenta el numero de usuarios ubicados en la zona geográfica,

para este caso definimos un conjunto de 300 usuarios ubicados de forma aleatoria.

Una vez determinado el número de usuarios para la zona geográfica, declaramos las
variables con respecto a x & y

Ingreso de variables con respecto a x & y

load x1; load X2; load y1; load Y2;

Xt=[x1,X2];
Yt=[y1,Y2];

4
 MAESTRIA EN ELECTRICIDAD

A continuación, una vez definido las variables con respecto a X & Y, y mediante la
programación de cobertura ingresamos las respectivas variables, donde se define y se
declara el radio de los trafos, porcentaje de cobertura.

clear all; close all; clc;

R=180; %Radio de los trafos
Porc=0.90; %Porcentaje de cobertura
load XT1;
load YT1;

A partir de los puntos de cobertura definidos y mediante el programa LPSolve se puede

representar el modelo de optimización de acuerdo a su radio de cobertura con respecto al
número de usuarios.
En la siguiente grafica podemos observar todos los usuarios y la totalidad de
transformadores, los cuales tienen que ser optimizados.

En la siguiente grafica se puede observar las ecuaciones generadas por el programa

LPSolved

5
 MAESTRIA EN ELECTRICIDAD

Una vez desarrollado las ecuaciones mediante el programa LPSolved, en el botón de

resultados ordenamos las variables a copiar las cuales deben ser de tipo 1 (Z14, Z15,
Z20……)

Una vez realizado el proceso de cobertura, se puede observar el conjunto de

transformadores que cubren el número de usuarios dentro de un radio de cobertura y a su
vez observar usuarios q están fuera del radio de cobertura, respectivamente un usuario
tiene la opción de conectarse a 2 transformadores, pero lo eficiente es conectarse al
transformador de menor distancia.

6
 MAESTRIA EN ELECTRICIDAD

ESCENARIO OPTIMIZADO:

Se muestra el resultado de la optimización, donde, se ha buscado el mínimo número de

sitios candidatos (transformadores) para cubrir a todos los usuarios, como se observa en

7
 MAESTRIA EN ELECTRICIDAD

la Figura, un usuario tiene la opción de conectarse a 2 transformadores, pero lo óptimo

seria que se conecte al transformador que se encuentre a menor distancia.

De acuerdo a la gráfica de optimización podemos especificar que el radio de cobertura de

los transformadores cubre un cierto número de usuarios, en la siguiente tabla se observa
la cantidad de usuarios enlazados a cada uno de los transformadores.

8
 MAESTRIA EN ELECTRICIDAD

Numero de Número
Transformador de clientes
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
10 123
11 0
12 92
13 0
14 202
15 192
16 126
17 57
18 0
19 0
20 87
21 0

Caso 2, aplicación de 900 usuarios.

En la siguiente imagen se presenta el número de usuarios ubicados en la zona geográfica,

para este caso definimos un conjunto de 900 usuarios ubicados de forma aleatoria.
En la siguiente grafica podemos observar todos los usuarios y la totalidad de
transformadores, los cuales tienen que ser optimizados.

9
 MAESTRIA EN ELECTRICIDAD

Una vez definido los puntos de cobertura y mediante el programa LPSolve, se puede
representar el modelo de optimización de acuerdo a su radio de cobertura con respecto al
número de usuarios proyectados.

10
 MAESTRIA EN ELECTRICIDAD

De acuerdo al escenario optimizado en este caso, se puede observar el conjunto de

transformadores que cubren el número de usuarios dentro de un radio de cobertura y a su
vez observar usuarios q están fuera del radio de cobertura, respectivamente un usuario
tiene la opción de conectarse a 2 transformadores, pero lo eficiente es conectarse al
transformador de menor distancia.

11
 MAESTRIA EN ELECTRICIDAD

Modelo optimizado, usuarios dentro de un radio de cobertura.

12
 MAESTRIA EN ELECTRICIDAD

De acuerdo a la gráfica de optimización podemos especificar que el radio de cobertura de

los transformadores cubre un cierto número de usuarios, en la siguiente tabla se observa
la cantidad de usuarios enlazados a cada uno de los transformadores.

Numero de Número
Transformador de clientes
1 0
2 0
3 0
4 53
5 57
6 0
7 0
8 0
9 0
10 0
11 0
12 0
13 0
14 0
15 0
16 0
17
18 0
19 0
20 0
21 0

ANÁLISIS CASO CAPACIDAD

En el caso de capacidad se deberá realizar un algoritmo o programación donde la
ubicación de los transformadores cubra el servicio eléctrico mayor al 90%, donde se
mantendrá un límite máximo de capacidad a n usuarios.
Modelamiento matemático:
• Se define un conjunto 𝑆=(𝑆1,𝑆2,𝑆3…𝑆𝑀) para los sitios candidatos, donde se
situarán los transformadores (𝑇𝑟), además, la posición de los sitios candidatos está
dado por las coordenadas (𝑥𝑠𝑖,𝑦𝑠𝑖).

• También, se define un conjunto 𝑈={𝑈1,𝑈2,𝑈3…𝑈𝑁}, para los usuarios, donde,

la posición de los diferentes usuarios está dada por las coordenadas (𝑥𝑢𝑗,𝑦𝑢𝑗).

• Para determinar si un usuario se encuentra cubierto por un trasformador se utiliza

la cantidad 𝛼𝑖, ∈{0,1}, donde, si el valor es 1 define que le usuario está cubierto
caso contrario la cantidad toma el valor de 0.

13
 MAESTRIA EN ELECTRICIDAD

• Para determinar si el usuario 𝑗 se encuentra cubierto por el trasformador 𝑖 se utiliza

la variable 𝑋𝑖, ∈{0,1}, donde, si el valor es 1 define que el usuario está cubierto
caso contrario la cantidad toma el valor de 0.

• Se define la cantidad 𝑍𝑖 ∈{0,1}, donde, sí se trata un sitio candidato (𝑆𝑖) activo

toma el valor de 1 caso contrario toma el valor de 0.

• Se define la cantidad 𝑌𝑗 ∈{0,1}, donde, sí se trata un usuario (𝑈𝑗) servido toma el

valor de 1 caso contrario toma el valor de 0.

Función Objetivo
El objetivo es minimizar el número de transformadores (sitios candidatos), lo cual se
modela con la siguiente ecuación:
𝑴
𝒎𝒊𝒏 ∑ 𝒁𝒊
𝒊=𝟏

Restricciones:

a) La restricción asegura que un usuario sea servido por un solo transformador.

𝑀
𝑌𝑗 = ∑ 𝑋𝑖, 𝑗; ∀𝑗 ∈ 𝑼
𝑖=1

b) La restricción descrita predispone que ningún transformador sobrepase la

capacidad en cuanto al número de usuarios servidos.
𝑀
∑ 𝑋𝑖, 𝑗 ≤ 𝐶 ∗ 𝑍𝑖; ∀𝑖 ∈ 𝑺
𝑗=1

c) La restricción permite cubrir por lo menos a un porcentaje predefinido de

usuarios.

∑ 𝑌𝑗 ≥ 𝑁 ∗ 𝑃𝑜𝑟𝑐
𝑗=1

d) La restricción asegura que los usuarios servidos por un transformador no

sobrepasen el radio de cobertura.
𝑋𝑖, 𝑗 ≤ 𝛼𝑖, 𝑗 ∗ 𝑍𝑖; ∀𝑖 ∈ 𝑺, ∀𝑗 ∈ 𝑼

14
 MAESTRIA EN ELECTRICIDAD

CONCLUSIONES

• Al desarrollar la optimización de estos algoritmos se observa que cada uno dará

su camino más óptimo, claro que toca tomar en cuenta el costo de metraje que nos
puede mostrar

• De acuerdo al uso de algoritmos, nos permiten analizar escenarios que nos

minimizan el número de transformadores, su capacidad de radio de cobertura, se
considera en analizar o trabajar con una cantidad limitada de usuarios con la
finalidad de que el LpSolve analice y ejecute respuestas rápidas.

• En el caso de capacidad se analizó mediante un modelo matemático

implementando un algoritmo donde especifique la ubicación de los
transformadores y el cual pueda cubrir el 90%, manteniendo un límite máximo de
capacidad a n usuarios.

REFERENCIAS:

1. M. Amoroso, H. Ávila, and G. Peralta, “Aplicación de las técnicas de

agrupamiento para la distribución cuasi-óptima de una red híbrida WDM-
TDM/PON en cascada multinivel que da soporte a una Smart Grid o Smart City,”
Salesian Polytechnic University - Cuenca, Ecuador,2015.

2. V. Tran-Quang, P. N. Huu, and T. Miyoshi, “Adaptive transmission range

assignment algorithm for in-routing image compression on wireless sensor
networks,” Commun. Electron. (ICCE),2010 Third Int. Conf., pp. 18–23, 2010.

15