Tesis Doct Planif Optima Gene Dist

UNIVERSIDADDEZARAGOZA

DEPARTAMENTODEINGENIERIAELCTRICA

DOCTORADOENENERGIASRENOVABLESYEFICIENCIAENERGTICA

PLANIFICACINPTIMADELAGENERACINDISTRIBUIDAENREDESDEDISTRIBUCINDE

ENERGAELCTRICA

Tesisdoctoral

presentadapor:

CarlosPonceCorral

dirigidapor:

Dr.JosAntonioDomnguezNavarro

Zaragoza,Espaa,Noviembre2010

PARA:

MIESPOSAELIZABETH

YMIHIJOMANUELALBERTO

PARAEMPEZARUNGRANPROYECTO,HACEFALTAVALENTIA.

PARATERMINARUNGRANPROYECTO,HACEFALTAPERSEVERANCIA

YELAPOYODELOSAMIGOS

AGRADECIMIENTOS

Al finalizarun trabajo tanarduoy llenodedificultades comoeldesarrollode una tesis doctoral te lleva a concentrar la mayor parte del mrito quehashecho.Sinembargo,elanlisisobjetivotemuestrainmediatamentequela magnitud de ese aporte hubiese sido imposible sin la participacin depersonas e institucionesquehan facilitado las cosasparaque este trabajollegue a un feliz trmino. Por ello param es un verdadero placer utilizareste espacio para ser justo y consecuente con ellos, expresndoles misagradecimientosyreconocimiento.

El agradecimiento ms profundo y sentido va para mi familia, mi esposaElizabeth y mi hijo Manuel Alberto. Porque sin su apoyo, colaboracin einspiracinhabrasidoimposiblellevaracaboestaduraempresa.

A mis padres, Lucrecia y Everardo (Q.P.D.), por su ejemplo de lucha yhonestidad.Ami suegraLucia (Q.P.D)dequin siempre recibpalabrasdealiento.

En el terreno profesional, quiero extender un sincero agradecimiento atodas las personas que han contribuido directa o indirectamente en miformacincomoinvestigador.

DeboagradecerdemaneraespecialysinceraalDr.JosAntonioDomnguezNavarro, mi director de tesis, por aceptarme para realizar esta tesisdoctoral bajo su direccin. Su apoyo y confianza en mi trabajo y sucapacidadpara guiarmis ideas, no solo en el desarrollode esta tesis, sinotambin en mi formacin como investigador. Los buenos resultados y lasaportacionesde la tesis hansidoporl.Esperoenun futuro continuemosrealizandonuevosproyectosyenriqueciendonuestraamistad.GraciasJosAntonio.

Quiero expresarmims sincero agradecimiento al Dr. Pedro Jodr por suimportanteapoyoparaelentendimientodelaparteestadsticademitesis.No cabe duda que su participacin ha enriquecido el trabajo realizado y,adems,hasignificadoelsurgimientodeunaslidaamistad.

Ha sido para m una experiencia enriquecedora trabajar contigo Hans,gracias por tu paciencia, disponibilidad y generosidad para compartir tuexperiencia y amplio conocimiento en esta tesis y lo cual se ha vistotambinreflejadoenlosbuenosresultadosobtenidos.MuchasgraciasHansy espero que en el futuro la vida nos d oportunidad de compartirimpresiones.

Para mis compaeros de grupo, solo tengo palabras de agradecimiento,especialmentepor los buenosmomentos, fue un camino largo y duro peroesonotehaceolvidarlaimportanciadelcontactohumano.Quieroexpresarun agradecimiento muy especial a mi gran amigo Durval, quin fue uncompaero siempre generoso y dispuesto como pocos, que compartimosconocimientosyexperienciasde tipoprofesionalypersonalque fuerondegran valor. Para el resto de mis compaeros: Edsn, Abebe, Juliana, Juan,Juan Carlos y familia, Jos Atencio, Nazly, Gabriel y a ti Carmen quin apesar del corto tiempo que has estado con nosotros, has demostrado serunagranprofesionaldeampliagenerosidad.Milgracias.

Este agradecimiento va en especial a dos maestros y amigos que me hanbrindadosiempre susabidurayapoyo,perosobretodosuamistad.AlDr.Jos Ma. Yusta y al Dr. Jess Sallanz. Esperando que en el futuro sigamoscompartiendoimpresiones.

Pero si a alguien recuerdo con cario, es al grupo de mexicanos enZaragoza, con los cuales formamos un grupo con el que compartimosmuybuenos momentos durante nuestra larga estancia. Especialmente vanuestro agradecimiento a Carlos y Mayra, Gaby y Juan, Alberto y Adela,Jess,Miguel, Agustn yMargarita. Gracias por el gran apoyo que nos hanbrindado.

Quiero hacermencin especial al Grupo CIRCE por el apoyo que recib deellos.

Finalmente, debo agradecer al personal del Instituto de Ingeniera yTecnologa de la UACJ (Universidad Autnoma de Ciudad Jurez) por elapoyoconcedidopararealizarmiestanciadoctoralenZaragoza,Espaa.

Graciasatodosycadaunodeustedes.

CarlosPonceCorral

Zaragoza,Espaa,Diciembredel2010

vii

RREESSUUMMEENN

En esta tesis se presenta una metodologa para el diseo de modelos deplanificacin ptima de la Generacin Distribuida en las redes dedistribucin.

Elmodeloquesepresentatieneencuenta laaleatoriedadde lageneracindistribuida a base de energas renovables, as como la aleatoriedad de lademandaelctricaenelhorizontedeplanificacin.

Primeramente se lleva a cabo la investigacin del estado del arte de losmodelos existentes para planificacin de la generacin en sistemaselctricosymodelosdeplanificacinderedesdedistribucin.

Espropuestounmodelodeplanificacindelageneracindistribuidaenlasredes de distribucin, el cual contempla cubrir los requerimientos de lademandaenelhorizontedeplanificacinconcambiosmnimosenlareddedistribucinexistente.Elmodelopropuestoesprobabilistayseextiendedeun modelo monobjetivo a un modelo multiobjetivo, donde los objetivos aoptimizartienencriterioseconmico,tcnicosydeimpactoambiental.

Los tipos de Generacin Distribuida que se consideran son noconvencionales,abasefuentesrenovablescomolaenergaelica,laenergafotovoltaica y la energa hidrulica, as como sistemas de almacenamientopararespaldodelsuministrodeenergaenhorasdedemandapuntaoparaalmacenarelexcesodeproduccindeenerga.

Losparmetrosquepresentanaleatoriedadson introducidos enelmodeloporsusdistribucionesdeprobabilidad.

El horizonte de planificacin que se considera es a largo plazo, lo queconlleva tener en cuenta los cambios en los parmetros elctricos quepuedanexistirenestehorizonte.

Para la solucin de los modelos probabilistas se utiliza SimulacinMonteCarlo. En la ltima parte de la memoria se presentan los resultadosobtenidosaplicandolosdistintosmodelosaunareddedistribucin.

Para seleccionar lasmejores alternativas de la expansinde la generacinseutilizaelfrentedePareto.

Todos los modelos propuestos en la memoria son programados en GAMS(GeneralAlgebraicModelingSystem).

ix

TTAABBLLAADDEECCOONNTTEENNIIDDOO

Resumen ..................................................................................................................vii

Tabladecontenido.....................................................................................................ix

Listadefiguras.........................................................................................................xiii

Listadetablas.............................................................................................................xv

Nomenclatura............................................................................................................xvi

Captulo1GeneracinDistribuidaenlasredesdedistribucin...................1 1.1 Introduccin..........................................................................................................................1 1.2 Justificacinymotivacin................................................................................................2 1.3 Expansinptimadelageneracindistribuidaenredesde

distribucin............................................................................................................................3 1.4 Incertidumbredelasenergasrenovables...............................................................4 1.5 Objetivosdelamemoria..................................................................................................4 1.6 Estructuradelamemoria................................................................................................5

Captulo2Modelosdeplanificacinptimadegeneracindistribuidaenredesdedistribucin............................................................................................7

2.1 Introduccin..........................................................................................................................7 2.2 Modelosdeplanificacinptimaderedesdedistribucin..............................8 2.3 Modelosdeplanificacinptimadegeneracindistribuidaenredes

dedistribucin.....................................................................................................................9 2.3.1 Integracindesistemasdealmacenamientodeenerga......11 2.3.2 Modelosprobabilsticosdeplanificacinptimade

generacindistribuida...................................................................13 2.3.3 Modelosestocsticosdeplanificacinptimaderedes

dedistribucincongeneracindistribuida.............................17 2.3.4 Modelosmultiobjetivodeplanificacinptimaderedes

dedistribucincongeneracindistribuida.............................19 2.4 Conclusiones.......................................................................................................................23

Planificacinptimadelageneracindistribuidaenredesdedistribucindeenergaelctrica

x

Captulo3Modelodediseoptimomonobjetivo..........................................29 3.1 Introduccin........................................................................................................................29

3.1.1 Descripcindelproblemadelaplanificacindelageneracindistribuidaenredesdedistribucin...................29

3.1.2 Demandaelctricaygeneracinrenovable.............................30 3.1.3 Modeloptimomonobjetivo........................................................32

3.2 Formulacinmatemticadelmodeloptimomonobjetivo...........................33 3.2.1 Funcinobjetivo..............................................................................33 3.2.2 Restricciones....................................................................................41

Captulo4Planificacinbajoincertidumbredelageneracindistribuidaenredesdedistribucindeenergaelctrica............................45

4.1 Introduccin........................................................................................................................45 4.1.1 ElMtodoprobabilista..................................................................46

4.2 Modeladodevariablesaleatorias..............................................................................46 4.2.1 Demandaelctrica..........................................................................47 4.2.2 Generacinelica............................................................................48 4.2.3 Generacinfotovoltaica................................................................50 4.2.4 Recursohidrulico..........................................................................52

4.3 Formulacinmatemticadelmodeloptimomonobjetivo...........................54 4.3.1 Funcinobjetivo..............................................................................54 4.3.2 Restricciones....................................................................................57

4.4 MtododesolucinSimulacinMonteCarlo....................................................60

Captulo5Optimizacinmultiobjetivodegeneracindistribuidaenredesdedistribucin...............................................................................................63

5.1 Introduccin........................................................................................................................63 5.2 Optimizacinmultiobjetivo..........................................................................................63 5.3 Mtododelospesos........................................................................................................64 5.4 Modelomultiobjetivodeterminista..........................................................................65

5.4.1 Descripcindelasfuncionesdelossubobjetivos................66 5.4.2 Formulacincompletadelmodeloptimodeterminista

multiobjetivo....................................................................................67 5.5 Modelomultiobjetivoprobabilista............................................................................68

5.5.1 Descripcindelasfuncionesdelossubobjetivosprobabilistas....................................................................................68

5.5.2 Formulacincompletadelmodeloptimomultiobjetivoprobabilista......................................................................................69

5.6 Tcnicasparaseleccindesoluciones....................................................................69 5.6.1 FrentedePareto..............................................................................69 5.6.2 AnlisisdePesosVariables..........................................................71

TabladeContenido

xi

Captulo6Resultadoscomputacionalesdeuncasoprctico.......................73 6.1 Introduccin.......................................................................................................................73 6.2 Descripcindeloscasosdeestudio.........................................................................74

6.2.1 Caso1:RedsinGDysinalmacenamiento................................74 6.2.2 Caso2:ReddedistribucinconGD...........................................75 6.2.3 Caso3:ReddedistribucinconGDyalmacenamiento........76

6.3 Resultadoscomputacionales.......................................................................................77 6.3.1 Modelomonoobjetivodeterminista.........................................77 6.3.2 Modelomonoobjetivoprobabilista...........................................81 6.3.3 Modelomultiobjetivodeterminista..........................................87 6.3.4 Modelomultiobjetivoprobabilista...........................................92

6.4 Conclusionesdelcaptulo.............................................................................................96 6.4.1 Conclusionesdelmodelomonobjetivodeterminista............96 6.4.2 Conclusionesdelmodelomonobjetivoprobabilista.............96 6.4.3 Conclusionesdelmodelomultiobjetivodeterminista..........97 6.4.4 Conclusionesdelmodelomultiobjetivoprobabilista............97

Captulo7Conclusiones,aportacionesyfuturostrabajosdeinvestigacin..............................................................................................................99

7.1 Resumenyconclusionesfinales................................................................................99 7.2 Aportaciones....................................................................................................................101 7.3 Futurostrabajosdeinvestigacin...........................................................................102

Anexo A Tecnologasdegeneracindistribuidaynormativasdeconexindegeneracindistribuidaenredes................................................103

A.1 Tecnologadegeneracindistribuida...................................................................103 A.1.1 MotoresdeCombustiblesFsiles.............................................103 A.1.2 TurbinasdeGas.............................................................................104 A.1.3 Microturbinas.................................................................................104 A.1.4 Microturbinasagas......................................................................104 A.1.5 Microturbinahidrulica..............................................................105 A.1.6 CeldadeCombustible...................................................................105 A.1.7 CeldasFotovoltaicas.....................................................................106 A.1.8 GeneradoresElicos.....................................................................106

A.2 NormativasdeconexindeGDalossistemasdedistribucin..................107 A.2.1 EstndarIEEE1547......................................................................107 A.2.2 LosrequisitosparalainterconexindeGDbajo

condicionesanormales................................................................107 A.2.3 LegislacinEspaola....................................................................108

Anexo B Datosdecasosdeestudio...............................................................109 B.1 Tecnologasdegeneracindistribuida.................................................................109


xii

B.2 Propiedadesdelaredde15nudos........................................................................112

Anexo C Optimizacin:MtodosyHerramientas......................................117 C.1 Conceptosgeneralessobreoptimizacin............................................................117 C.2 Etapasparadesarrollarunmodelodeoptimizacin.....................................121 C.3 Mtodosmatemticosparalasolucindeunproblemade

optimizacin....................................................................................................................122 C.3.1 Mtodosdebsquedaobasadosenelgradiente.................122 C.3.2 Programacinlineal,nolinealyentera..................................123 C.3.3 Algoritmosgenticos...................................................................123 C.3.4 SimulatedAnnealing....................................................................123 C.3.5 Otrosmtodos................................................................................124

C.4 Principiosbsicosdelaoptimizacinconrestricciones..............................124 C.4.1 CondicionesKKTnecesarias......................................................125 C.4.2 CondicionesKKTdesuficiencia................................................125

C.5 Softwareparalaresolucindeproblemasdeoptimizacin.......................126 C.5.1 Paquetesdeoptimizacindediseoeningeniera.............126 C.5.2 Sistemageneraldemodeladoalgebraico(GAMS)...............127

Bibliografa...............................................................................................................131

xiii

LLIISSTTAADDEEFFIIGGUURRAASS

Figura1.1 EsquemadeunsistemadepotenciaconGeneracinDistribuida...............................................................................................2

Figura3.1 Perfilmedionormalizadoconsideradocomobaseparamodelarlademandaencadanudo..................................................30

Figura3.2 DistribucindelademandamediaencadanudoenelCasode15nudos..................................................................................31

Figura3.3 Perfilesdegeneracinrenovablesconsideradosparaelmodelomonoobjetivodeterminista..............................................32

Figura3.4 Linealizacindecostesvariables....................................................39 Figura4.1 Curvadedistribucindeprobabilidadnormal............................47 Figura4.2 DistribucindedensidaddeprobabilidadWeibull....................48 Figura4.3 20realizacionesdelmodeloprobabilistabasadoenlos

datosderadiacinsolarenZaragoza,Espaa.............................51 Figura4.4 Caudalmediodiariopara10aosdeunemplazamiento

hidrulicotpicodemontaa............................................................53 Figura4.5 Curvadelafuncindedensidaddeprobabilidaddel

caudal......................................................................................................53 Figura4.6 DiagramadeflujodeSimulacinMonteCarlo.............................61 Figura5.1 FrentedeParetodeunafuncindedosobjetivos......................70 Figura5.2 Curvasisomtricasdelafuncinobjetivoconpesos

variables.................................................................................................71 Figura6.1 Topologadelareddedistribucin................................................74 Figura6.2 Evolucindelcostedelaenergaduranteelperiodode

planificacin..........................................................................................77 Figura6.3 Costetotaldelsistemadedistribucincontres

escenarios..............................................................................................78 Figura6.4 Perdidasenlaslneasmodelomonobjetivodeterminista........78 Figura6.5 Participacinenelcostetotaldeloselementosdel

sistema....................................................................................................80 Figura6.6 Energaanualgeneradaporcadatecnologa...............................80 Figura6.7 EnergaexcedenteconlainclusindeGeneracin

Distribuida.............................................................................................81 Figura6.8 Evolucindelcostedelaenergaporperiodos...........................82 Figura6.9 Costetotaldelsistemadedistribucin.Modelo

monobjetivoprobabilista..................................................................83


xiv

Figura6.10 Evolucindelasprdidasenlaslneasenporcentajedelaenergatotalconsumidaenlared...................................................83

Figura6.11 Evolucindelasprdidasenelalmacenamientoenporcentajedelaenergatotalconsumidaenlared...................85

Figura6.12 Evolucindelaenergatotalgenerada.........................................85 Figura6.13 Tendenciadelcostetotaldeenergasenporcentajedel

costetotal.Casomedio.......................................................................86 Figura6.14 Participacindegeneracindurantelosperiodosanuales

delosgeneradoresrenovables,almacenamientoygeneracindelared............................................................................86

Figura6.15 Conjuntodesolucionesenelao2sinalmacenamiento.........89 Figura6.16 Conjuntodesolucionesparaelao2conalmacenamiento....89 Figura6.17 Conjuntodesolucionesparaelao5.Sin

almacenamiento...................................................................................90 Figura6.18 Conjuntodesolucionesparaelao5.Con

almacenamiento...................................................................................90 Figura6.19 Conjuntodesolucionesparaelao20.Sin

almacenamiento...................................................................................91 Figura6.20 Conjuntodesolucionesparaelao20.Con

almacenamiento...................................................................................91 Figura6.21 Conjuntodesolucionesdelao2demodelomultiobjetivo

probabilista.Sinalmacenamiento...................................................93 Figura6.22 Conjuntodesolucionesdemodelomultiobjetivo

probabilista.Conalmacenamiento.Paraelao2.......................93 Figura6.23 Conjuntodesolucionesdemodelomultiobjetivo

probabilistaconGD.50variacionesdelospesosy10SimulacionesMonteCarlo.Paraelao5......................................94

Figura6.24 Conjuntodesolucionesdemodelomultiobjetivoprobabilistaconalmacenamiento.50variacionesdelospesosy10SimulacionesM.C.Paraelao5................................94

Figura6.25 ConjuntodesolucionesdemodelomultiobjetivoprobabilistaconGD.Paraelao20................................................95

Figura6.26 Conjuntodesolucionesdemodelomultiobjetivoprobabilistaconalmacenamientoparaelao20.......................95

FiguraB.1 CurvadepotenciadelgeneradorelicoGE2.5XL(100m)...111 FiguraC.1 rboldealternativasdeproblemasdeoptimizacin..............118

xv

LLIISSTTAADDEETTAABBLLAASS

Tabla2.1 CaractersticasdemodelosderedesdedistribucinconGD(19682004)................................................................................24

Tabla2.2 CaractersticasdemodelosderedesdedistribucinconGD(20052009)................................................................................25

Tabla2.3 TcnicasdeoptimizacindemodelosderedesdedistribucinconGD(19742004).................................................26

Tabla2.4 TcnicasdeoptimizacindemodelosderedesdedistribucinconGD(20062009).................................................27

Tabla4.1 ParmetrosdefuncindeprobabilidadBeta...............................51 Tabla6.1 Ubicacindegeneradoresrenovablesennudos.........................75 Tabla6.2 Ubicacindeunidadesdealmacenamientoennudos................76 TablaA.1 Potenciaelctricainstaladayproduccindeenergaen

Espaa...................................................................................................105 TablaB.1 TecnologasdisponiblesdeGeneracinDistribuida................109 TablaB.2 EmisionesdeCO2,NOx,SO2yCOdetecnologasdeGD...........110 TablaB.3 Caractersticasdetecnologasdealmacenamiento..................110 TablaB.4 Caractersticasdegeneradorelicoutilizado............................111 TablaB.5 Topologaderedde15nudos........................................................112 TablaB.6 Factoresdedemandaygeneradoresporperiodos...................113 TablaB.7 DatosdedemandaenkVAenredde15nudos..........................114 TablaB.8 DatosdedemandaenkVAenredde15nudos..........................114 TablaB.9 DatosdedemandaenkVAenredde15nudos..........................115 TablaB.10 DatosdedemandaenkVAenredde15nudos..........................115 TablaB.11 Perfilesdecostedeenergahorarioportecnologa.................116 TablaC.1 Clasificacindealternativasdeoptimizacin............................119 TablaC.2 Clasificacindetcnicasdeoptimizacinsegntipode

variables...............................................................................................120 TablaC.3 EstructuradeunmodeloenGAMS................................................128 TablaC.4 Tcnicasdisponiblesparalasolucindeproblemasen

GAMS......................................................................................................129 TablaC.5 OptimizadoresLP,NLPyMINLPenGAMS..................................129

xvi

NNOOMMEENNCCLLAATTUURRAA

ndices

Smbolo Descripcin

ndicedenudos.

ndicedelneasdedistribucin.

ndicedesubestaciones.

ndicedeperiodosdetiempo.

ndicedegeneradoreselicos.

ndicedegeneradoresfotovoltaicos.

ndicedegeneradoresminihidrulicos.

ndicedeunidadesdealmacenamiento.

ndicedelaodeplanificacin.

ndicedetiposdecombustible.

Elementotipo

ndicedeperodosanuales.

ndicedenudosreceptores.

Conjuntos

Smbolo Descripcin

Conjuntodelneasdedistribucin .

Conjuntodenudos .

Conjuntodesubestaciones .

Conjuntodeperiodosdetiempo .

Conjuntodegeneradoreselicos .

Conjuntodegeneradoresfotovoltaicos .

Conjuntodegeneradoresminihidrulicos .

Conjuntodeelementosdered .

Conjuntodeunidadesdealmacenamiento .

Conjuntodetiposdecombustible .

Nomenclatura

xvii

Variablesdeterministas

Smbolo Unidad Descripcin

, / Coeficientedecostedeinversinderefuerzodelneaexistente .

, , / Coeficientedecostedeinversindegeneradorelico ubicadoennudo .

, , / Coeficientedecostedeinversindegeneradorfotovoltaico ubicadoennudo .

, , / Coeficientedecostedeinversindegeneradorminihidrulico ubicadoennudo .

, / Costedeinversindeunidadesdealmacenamientoubicadaennudo .

, , / Coeficientedecostedeprdidasdelnea enperiodo .

, , / CoeficientedecosteanualdeO&Mporunidaddelcostedeinversindegenerador ubicadoennudo.

, , / CoeficientedecosteanualdeO&Mporunidaddelcostedeinversindegenerador ubicadoennudo .

, , / CoeficientedecosteanualdeO&Mporunidaddelcostedeinversindegenerador ubicadoennudo .

, , / Coeficientedecostedeinversindegeneradorfotovoltaico ubicadoennudo .

, / Coeficientedecostedeinversindegeneradorminihidrulico ubicadoennudo .

, , , , , / Coeficientedecostedeinversinporpotenciayporenergadeunidaddealmacenamiento instaladaenelnudo .

/ Coeficientedecostedeprdidasanualesparalnea.

, , / CoeficientedecosteanualdeO&Mporunidaddelcostedeinversin , , dealmacenamiento ennudo .

, / Coeficientedecostedeinversindegeneradorelico ubicadoennudo .

, , / Coeficientesdelaaproximacinpolinmicadelacurvadepotenciassegnelfabricante.


xviii

, , / Coeficientedecostedecombustible importadoenperiodo .

, , / Coeficienteesperadodevariacinenpreciosdecombustibletipo enelperiodo utilizadoparaminimizartalexposicin.

/ Costedeinversinenlneas

/ Costedeenergasuministradaporlared.

, / Costedeoperacindegeneradoreselicos ubicadoennudo .

, / Costedeoperacindegeneradoresfotovoltaicosubicadoennudo .

, / Costedeoperacindegeneradoresminihidrulicosubicadoennudo .

, / Costedeoperacindeunidadesdealmacenamientoubicadoennudo .

/ Costeanualdelsistema.

/ Costefijodeelemento .

/ Costevariableanualdeelemento .

, / Costevariabledeelemento enfuncindeperiodo.

Costetotalacumuladoenelhorizontede aos.

, Costededelaampliacinenao .

, / Costedeoperacindelneas .

, Aumentodelademandaenao .

, Demandaenelnudo duranteelperiodo

, Capacidadmximadeenergadeunidaddealmacenamiento instaladaenelnudo .

Energatotalconsumidaenelhorizontede aos.

, , Energacompradaalaredatravsdesubestacinubicadaennudo enperiodo

, , , , , Energacargada/descargadaen deunidaddealmacenamiento ubicadaennudo enperiodo .

, , , Energaperdidaen deunidaddealmacenamiento ubicadoennudo enperiodo

, ,, Estadodecargadeunidaddealmacenamiento ubicadaennudo aliniciodelperiodo .

Nomenclatura

xix

, , / Cantidaddeemisionesdedixidodecarbngeneradaporlaredatravsdelasubestaciones ubicadaennudo enperiodo

, / Cantidaddecombustible importadoenperiodo .

Factordeprdidas

Factordeaumentodelpreciodeenerga

Factordeformadedistribucindeprobabilidadnormal

Factordeescaladedistribucindeprobabilidadnormal.

Factordeprdidasdelalnea

, Factordereduccindecostesdeinstalacindeelemento

Factorderecuperacindelcapital

Corrienteenlalnea

Corrientemximaenlalnea

Duracindeperiodo

/ Preciomedioanualdelaenerga.

/ Preciodelaenergacompradadelaredenperiodo.

Resistenciaporfasedelalnea

Capacidaddepotenciamximadelalnea

, Capacidadmximadeenergadeunidaddealmacenamiento instaladaenelnudo .

, Capacidadmximadegeneradorelico ubicadoennudo

, Capacidadmximadegeneradorfotovoltaico ubicadoennudo

, Capacidadmximadegeneradorminihidrulico ubicadoennudo

, Capacidadmximadepotenciaaparentedeunidaddealmacenamiento instaladaenelnudo

, , Potenciaaparentedesubestacin ubicadaennudoenperiodo .

, , Potenciaaparentedegeneradorelico ubicadoennudo enperiodo .


xx

, Potenciaaparentetransportadaporlalnea enperiodo

, , Potenciaaparentedegeneradorfotovoltaico ubicadoennudo enperiodo .

, , Potenciaaparentedegeneradorminihidrulico ubicadoennudo enperiodo .

, , Potenciaaparenteinyectadadelaredatravsdesubestacin ubicadaennudo enperiodo

, , Potenciaaparentedecargadeunidaddealmacenamiento ubicadaennudo enperiodo .

, , Potenciaaparentededescargadeunidaddealmacenamiento ubicadaennudo enperiodo .

Potenciamximaenlnea

, , , Potenciadelneas y enperiodo .

Tasadeaumentodelcostevariabledeelemento .

Tasadeintersdelmercado.

Tensinnominalennudoemisor .

Tensinennudoreceptor .

Tensinnominaldelared

, Tensinnominaldelnea en .

, Tensinenlasubestacin ubicadoennudo .

, Tensincontroladaengeneradordistribuido .ubicadoennudo .

Lmitedetensinmnimaennudos .

Lmitedetensinmximaennudos .

Impedancia enlnea .

, , , . Eficienciadecargadeunidaddealmacenamientoubicadoennudo enperiodo

, , , . Eficienciadedescargadeunidaddealmacenamiento ubicadoennudo enperiodo

/ Velocidadnominaldelgeneradorelico.

/ Velocidadcutindelgeneradorelico

/ Velocidadcutoutdelgeneradorelico

Nomenclatura

xxi

Variablesprobabilistas

Smbolo Unidad Descripcin

0,1 Nmeroaleatorioentre0y1

, , Energaprobabilistadelgeneradorelico ubicadoennudo producidaelperiodo

, , , Energaprobabilistadecargaen deunidaddealmacenamiento ubicadoennudo enperiodo .

, , Energacompradaprobabilistaalareden atravsdesubestacin ubicadoennudo enperiodo.

, , Potenciaaparenteprobabilistaproducidaporgeneradorelico ennudo enelperiodo

, Potenciaprobabilistaproducidaporelgeneradorelico ubicadoenelnudo .

, , Potenciaaparenteprobabilistaproducidaporgeneradorfotovoltaico ennudo enelperiodo

, , Potenciaaparenteprobabilistaproducidaporgeneradorminihidrulico ennudo enelperiodo

, Potenciaaparenteprobabilistatransportadaporlalnea ,enperiodo .

, , Potenciaaparenteprobabilistadecargadeunidaddealmacenamiento ubicadaennudo enperiodo

, , Potenciaaparenteprobabilistadedescargadeunidaddealmacenamiento ubicadaennudo enperiodo .

, , , Potenciaaparenteprobabilistadelneas y enperiodo .

, Capacidadmximaaleatoriadegeneradorelico ennudo .

, / Variablealeatoriadelavelocidaddelvientocorrespondienteaunsitioespecificodelnudo .

FuncinBeta.

, ParmetrosdeladistribucinBeta.

Valormediodelavariablealeatoria.

Desviacinestndardelavariablealeatoria.

1

CCaappttuulloo11 GGEENNEERRAACCIINNDDIISSTTRRIIBBUUIIDDAAEENNLLAASSRREEDDEESSDDEEDDIISSTTRRIIBBUUCCIINN

1.1 IntroduccinLa necesidad de una mayor flexibilidad del sistema elctrico, los nuevosescenarios legislativos y econmicos, el ahorro de energa y el impactomedioambiental, han contribuido al desarrollo de la GeneracinDistribuida.

En particular, el trmino de Generacin Distribuida, se entiende como lautilizacindegeneradoresinstaladosenelterritorioprximoalascargasyconectados a las redes de distribucin (figura 1.1).Estas unidades puedenserconvencionalesonoconvencionales.

La presencia de Generacin Distribuida tiene efectos significativos en lasredesdedistribucin: lapresenciade flujosbidireccionales,elaumentodela contribucin de capacidad de cortocircuito, el impacto de niveles detensin,eldeteriorode lasproteccionesdelsistemaysucoordinaciny lavariacindelasprdidasenlaslneas.

Es claro que una expansin masiva y descontrolada de la GeneracinDistribuidapodraconducirateneralgunoslosefectosantesmencionados,los cuales no fueron previstos con anterioridad en la planificacin a largoplazo de la red de distribucin. Una revisin profunda de la estructura delas redes de distribucin y de las filosofas de control y proteccin, ascomo una expansin controlada de la GeneracinDistribuida permitir enel futuro una red de distribucinms fiable.El proceso se desarrollar envarias fases, algunas de las cuales se cumplirn a corto y medio plazo,mientrasqueotrasrequierenparasucompletaaplicacinms tiempo.Loscambios estructurales importantes se debern tener claros para lograr elobjetivo final de transformar la red de distribucin en un diseo msadecuadoparaapoyarlapresenciadelaGeneracinDistribuida.


2

Figura1.1 EsquemadeunsistemadepotenciaconGeneracinDistribuida.

1.2 JustificacinymotivacinDebido a las situaciones antes expuestas, se hace imprescindible lanecesidad de planificar la expansin de la Generacin Distribuida en lasredes de distribucin de forma ptima para determinar las opciones msconvenientesdesdeelpuntodevistaeconmicoytcnico.

Las inversiones necesarias para que los sistemas distribucin de energaelctrica puedan absorber una expansin creciente y descontrolada degeneracin distribuida seran importantes y acompaadas de largosperiodos de retorno. Cada vez ms existe por ello la necesidad deldesarrollo de instrumentos de planificacin capaces de abordar en formaeficiente el creciente nivel de la incertidumbre que caracteriza a losactuales escenarios de expansin de la generacin en las redes dedistribucin.

Peroelenfoqueeconmiconoessuficientesisedeseaintroducirobjetivosdeseables desde un punto de vista social e incluso ambiental. El decisor

0.Generacindistribuidaenlasredesdedistribucin

3

debe tener en cuenta en sus decisiones otros factores (impacto ambiental,emisiones, precio de la energa, etc.) que pudieran tener la mismaimportanciasisepiensaenelobjetivodeunsistemaelctricooenergticososteniblequeaniveleuropeoesaltamentedeseable.

En consecuencia se entiende que son, por tanto, especialmente tiles eldesarrollo de modelos de planificacin de la generacin distribuida enredesdedistribucinbasadosenmetodologadeoptimizacinmonobjetivoy multiobjetivo, que tengan en cuenta la incertidumbre propia deescenarios con alta penetracin de de generacin distribuida basada enrecursos renovables y el riesgo que toda planificacin a largo plazoconlleva.

1.3 Expansinptimadelageneracindistribuidaenredesdedistribucin

El problema de la expansin ptima de la generacin distribuida en redesde distribucin consiste en determinar la mejor ubicacin de losgeneradores utilizados como GD, as como el tamaoms conveniente, demanera que el suministro de energa elctrica y el comportamiento de lared elctrica sea adecuado, minimizando los costes de inversin y lasprdidas y costes de operacin, mientras se cumplan las restriccionestcnicas a lo largo del periodo de planificacin. El problema deoptimizacin es complejo, debido a que existe una gran cantidad devariablesyderestricciones,ademsdelano linealidadde lasfuncionesdecosteydelasrestriccionestcnicas.

Lasredesdedistribucin,quegeneralmenteestndiseadasparaquehayaun flujo unidireccional, es decir desde la subestacin hacia losconsumidores finales, no estn concebidas actualmentepara la instalacinde Generacin Distribuida. Algunos estudios han indicado que estaintegracin puede traer problemas tcnicos y de seguridad, lo cual abrecaminos para la bsqueda de la localizacin y modo de operacin de losgeneradoresqueminimicenlosimpactosnegativosenladistribucin.

El uso de tecnologas basadas principalmente en fuentes renovables deenerga est siendo cada vez ms utilizado, debido a interesesmedioambientales, as como a la escasez de los recursos energticospotencialesquesetenganencadapas.Laenergaelicahasidoimpulsadaenlosltimosaos,tantoporlosgobiernoscomoporalgunasindustrias,yaque es una energa con una gran capacidad comercial. En este contexto seespera que la energa elica tenga una mayor participacin en lainfraestructura y en los mercados elctricos. Pero a su vez las fuentesprimarias de Generacin Distribuida basadas en energas renovablespresentanvariabilidadensudesempeo.


4

1.4 IncertidumbredelasenergasrenovablesLa expansin de la Generacin distribuida en los sistemas de distribucinha cambiadomucho en losltimosaos. Hasta ahorael enfoqueprincipalde apoyo a la planificacin de la expansin de de la generacin ha sidoabordado desde un enfoque determinista y muy pocos autores hancontemplado la incertidumbre en susmodelos. Sin embargo, la gestin deriesgos ymanejo de la incertidumbre es un tema que todava debe de sermejorado. Como en el futuro es probable una mayor penetracin de lageneracindistribuidaen las redesdedistribucin,esnecesariocomenzara buscar herramientas para trabajar con los riesgos e incertidumbres demanera eficiente y, de esta manera estar listos para explotar las nuevasoportunidadesqueseabren.

Los generadores renovables presentan aleatoriedad debido a las fuentesprimarias de lasmismas, como es el viento en el caso de los generadoreselicosolaradiacinsolarenelcasodelosgeneradoresfotovoltaicos.Perono solamente las fuentes de energa renovable presentan incertidumbre,tambinloscostes futurosdecombustibles, lademandade la industria,ascomo todos los costes asociados a los diferentesmateriales y equipos queseutilizanenlasredeselctricas.

1.5 ObjetivosdelamemoriaEsta memoria analiza y determina desde una perspectiva tanto tcnica,econmica comode impacto social la planificacin ptimade la expansinde la generacin distribuida en redes de distribucin de energa elctrica.Las energas renovables son las principales fuentes de la generacindistribuida,enparticularlaenergaelica,laenergasolarfotovoltaicaylaenergahidrulica.

Elobjetivoprincipaldelamemoriaes laplanificacinptimamultiperiodoymultiobjetivodelaexpansindelageneracindistribuidaenlasredesdedistribucin de energa elctrica teniendo para ello en cuenta laincertidumbre de vida a la aleatoriedad propia de los recursos primariosutilizados por la generacin de energa elctrica, as como la aleatoriedadde la demanda , por lo que es utilizado el mtodo probabilista paradeterminar los distintos escenarios futuros en un horizonte deplanificacinalargoplazo.

En la funcin objetivo seminimiza el valor actualizadoneto de los costesde inversinydeoperacinde losgeneradoresyde lareddedistribucin.Elmodelocontemplaademsrestriccionestcnicasdeoperacincomoson:balance de potencia en nudos, lmites de potencia de generadores, lmitede capacidaddepotencia en lneas, lmitedemximapenetracindede laGDen la reddedistribucin, as comorestriccionesdepresupuesto,Comocaractersticadiferenciadora,estemodelocontempla laaleatoriedadde las

0.Generacindistribuidaenlasredesdedistribucin

5

variablesquerepresentan lageneracinelica, lageneracinhidrulica, lageneracinfotovoltaicaylademanda.

El modelo monobjetivo se extiende a un modelo de planificacin ptimamultiobjetivo y multiperiodo a largo plazo, donde los objetivos son:minimizacin de los costes de de inversin y operacin del sistema;minimizacin de emisiones de , minimizacin de riesgo dedisponibilidad combustibles fsiles y minimizacin de importacin decombustiblesfsiles.

1.6 EstructuradelamemoriaCaptulo 2. En este captulo se realiza una revisin bibliogrfica deliteratura y publicaciones relacionadas a la planificacin ptima de lageneracindistribuidaenredesdedistribucin.Larevisinabarcamodelosptimos de: planificacin de redes de distribucin, integracin dealmacenamiento en redes de distribucin, planificacin de redes dedistribucin con generacin distribuida, modelos probabilistas yestocsticos,planificacinderedesdetransmisinydistribucin,dondeseutiliza optimizacin multiobjetivo. En la ltima parte del captulo seresumen por medio de tablas los artculos revisados, destacando lasprincipales caractersticas de los modelos relacionados con el tipo desistema, lastcnicasdeoptimizacin, tecnologasutilizadas ycriteriosdeoptimizacin.

Captulo3.Eneste captulo sedescribeelproblemade laplanificacindela generacin distribuida con un enfoque determinista, y su integracincon sistemas de almacenamiento. Se plantea el problema como unmodeloptimo monobjetivo lineal, se detalla la formulacin matemtica delmodelo.

Captulo4.Enestecaptuloseplanteaelmodelodelaplanificacinptimadelageneracindistribuidaenlasredesdedistribucincomounproblemade optimizacin probabilista. Primeramente se describe el mtodoseleccionado para la solucin de los modelos probabilistas. Se plantea unmodelo probabilista en el cual las variables aleatorias del sistema seintroducenenelmodeloporsusdistribucionesdeprobabilidad.

Captulo5.En este captulo se aborda la planificacinmultiobjetivo de lageneracindistribuidaenunhorizontealargoplazo.Lasfuncionesobjetivoqueseincluyenson:

Minimizacin del coste de inversin de la generacin, el coste deoperacin ymantenimiento de la generacin y el coste de lneas dedistribucin

Minimizacin de las emisiones de debidas a la utilizacin defuentesconvencionalesqueutilizancombustiblesfsiles

Minimizacindelcostedeimportacindecombustibles


6

Minimizacin del riesgo derivado de la disponibilidad de loscombustiblesutilizados.

Se describen los mtodos principales para la solucin de modelosmultiobjetivo y se selecciona el mtodo de los pesos por ser el msconveniente de acuerdo a las expectativas del modelo. Tambin en elcaptulo se describen los distintosmtodos de la decisinmulticriterio yse selecciona el mtodo que se aplicar para obtener las mejoresalternativasdetodaslassolucionesproporcionadas.

Captulo6.Enestecaptuloseaplicanlosmtodospropuestosaunareddedistribucin. Primeramente se resuelve el modelo monobjetivodeterministaparadiferentesescenarios , enelprimerescenario la red notiene incluida Generacin Distribuida, en el segundo escenario se incluyeGeneracinDistribuidayeneltercerescenarioseincluyealmacenamiento.Los mismos casos de estudio son aplicados con el mtodo monobjetivoprobabilista,dondelasvariablesaleatoriassonlademanda,lavelocidaddelviento, la radiacinsolaryel recusohidrulico.En lasiguienteseccindelcaptulo se aplica elmodelomultiobjetivodeterminista, donde se incluyentresfuncionesobjetivo,minimizacindeemisionesde ,minimizacindeimportacindecombustiblesyminimizacindelriesgode lavolatilidaddeloscombustibles. Elltimocasodeestudioqueseaplicaesconelmtodomultiobjetivo probabilista, que de igual forma como con el mtodomonobjetivo probabilista se introducen las los parmetros de la demanda,velocidad del viento, radiacin solar y recurso hidrulico por susdistribuciones de probabilidad. Todos los modelos son resueltos conprogramacin lineal y a un horizonte de planificacin a largo plazo. En laltima parte del captulo se proporcionan las conclusiones finalesalcanzadasporlosresultadosdeloscasos.

Captulo7.En este captulo semencionan las principales aportaciones dela tesis que fueron producto de la investigacin. Tambin se proponentrabajosfuturosdeinvestigacinrelacionadosaestamemoria.

Anexo A. En este anexo mencionan las principales tecnologas utilizadasparaGeneracinDistribuida.

AnexoB.Enesteanexoseproporcionanlosdatosdelasredesinvestigadas.Los datos de la demanda son proporcionados como la demanda mxima,demandamediaydemandamnimaencadanudodedemanda.Losdatosdela configuracin de la red son proporcionados describiendo el tipo deconductor utilizado y la configuracin existente, as como unaconfiguracinpropuesta.

Anexo C. En este anexo se presenta una clasificacin de las tcnicas deoptimizacinqueaparecenenestamemoriaysedescribenbrevementesusfundamentos matemticos. Tambin se presenta de forma resumida elsoftware GAMS (General Algebraic Modeling System) que se utiliza comoherramienta de optimizacin para la aplicacin de los casos prcticos.

7

CCaappttuulloo22 MMOODDEELLOOSSDDEEPPLLAANNIIFFIICCAACCIINNPPTTIIMMAADDEEGGEENNEERRAACCIINNDDIISSTTRRIIBBUUIIDDAAEENNRREEDDEESSDDEEDDIISSTTRRIIBBUUCCIINN

2.1 IntroduccinEn este captulo se hace una revisin bibliogrfica relacionada con losmodelos de planificacin ptima de la generacin en sistemas elctricos,haciendo nfasis en modelos relacionados con la planificacin de laGeneracinDistribuidaenredesdedistribucin.Larevisinabarca:

Modelosdeplanificacinptimaderedesdedistribucin.

Modelos de planificacin ptima de de la generacin en sistemas

elctricos(transmisinydistribucin).

ModelosdeplanificacinptimadeGeneracinDistribuidaen redes

de distribucin, donde son incluidos generadores convencionales,

generadoresnoconvencionalesyalmacenamiento.

Modelos probabilistas para la planificacin ptima de la generacin

ensistemaselctricos.

Modelosmultiobjetivo para la planificacin ptimade la generacin

ensistemaselctricos.

A partir de la revisin bibliogrfica se resumen las principalescaractersticas de los modelos revisados, haciendo nfasis en cul es elobjetivo u objetivos a optimizar, tcnicas de optimizacin utilizadas yrestriccionestantotcnicascomoeconmicascontempladas.

Por ltimo se proporcionan las conclusiones alcanzadas del captuloresaltandoculeslatendenciadelosmodelosdeplanificacin.


8

2.2 Modelosdeplanificacinptimaderedesdedistribucin

Crawford y Holt [1975] analizan el problema de planificacin de laubicacin, tamao y rea de servicio de las subestaciones de distribucin.El problema formulado considera una funcin lineal de costes asociadosdirectamente a las longitudes de los tramos y se resuelve mediante dosalgoritmos; de Dijkstra para encontrar las rutas ms cortas y de Ford yFulkerson para determinar las reas ptimas de servicio de lassubestaciones. El modelo permite resolver problemas de tamaorelativamente grandes, pero tiene limitaciones de no incluir lasrestriccionesdecapacidaddetransportedepotenciadelosalimentadores.

Salamat Sharif et al. [1994] utilizan un algoritmo para la expansin de lageneracinenunsistemadedistribucinradial,elculesllevadoacaboendos pasos. En el primer paso se utiliza el concepto de rbol de expansinmnimo. En el segundo paso el problema de optimizacin es construidosujetoa las restricciones tcnicasdel sistema yesutilizadaprogramacinlineal enteramixta (MIP)para su solucin. La funcinobjetivoesel valorpresentedelcostedeinversin.

ElKhattametal.[2004]planteanunmodelobasadoenprogramacinlinealmixtaentera para planificar el diseo ptimo de una red de distribucincon Generacin Distribuida donde se contemplan no solamenterestricciones de operacin tcnicas de seguridad, sino que tambin secontempla lamejor alternativapara la ubicacin y dimensionadoptimosde los generadores distribuidos, as como la seleccin de tipo degeneradoresyderutasptimasdelaslneasdedistribucin.

Gzel y Hocaoglu [2009] modelan un sistema de distribucin paraminimizar las prdidas de potencia en la red. En este modelo es crucialdefinir el tamao y ubicacin de la generacin local. Se tienen en cuentaalgunas de las caractersticas de los sistemas de distribucin, tales como:estructuraderadialidad,nmerodenudosyelrangodelarelacin .Enesteestudio,un factordesensibilidaddeprdidas,basadoen inyeccindecorriente equivalente es formulado para el sistema de distribucin. Elfactor de sensibilidad es empleado para la determinacin del tamaoptimo y localizacin ptima de la GD, as como para minimizar lasprdidas de potencia por un mtodo analtico, sin el uso de la matriz deadmitancias, la inversa de la matriz de admitancias o el jacobiano de lamatriz. Semuestra que elmtodo propuesto est acorde con el algoritmoclsicobasadoenflujosdecargasucesivos.

Domnguez et al. [2002] presentan un algoritmo para obtener lalocalizacinptimadegeneradoresquepermitanlaadecuadaoperacindeuna red de distribucin donde se incluye Generacin Distribuida. Elalgoritmopropuestohasidodesarrolladoparasistemasdedistribucindeenergaelctricaysebasaenlatcnicaheursticaconocidacomobsqueda

Captulo2.Modelosdeplanificacinptimadegeneracindistribuidaenredesdedistribucin

9

tab. La funcin objetivo a optimizar es la minimizacin del coste degeneracinconpenalizacionesdebidasasobrecargasen lasramasycadasde tensin en los buses. Las restricciones tcnicas son de operacin y devariablesdecontrol.

2.3 Modelosdeplanificacinptimadegeneracindistribuidaenredesdedistribucin

[Kuri, Li et al., 2004] proponen una estructura para optimizar laplanificacin de la generacin distribuida enfatizando los riesgos eincertidumbres, toma en cuenta aspectos tcnicos, medioambientales ycomerciales debido a los cambios legislativos, precios de combustibles einnovacionestecnolgicas.

Berg Krahl y Paulun [2008] presentan un mtodo para la evaluacin yminimizacin de costes de la red con generacin distribuida. Lasherramientasparaoptimizacindelaredsonpararealizarla integracinaun coste eficiente a largo plazo. La planificacin a largo plazo de redes dedistribucin de media tensin est basada en un enfoque rural, con unhorizontedevariasdcadas.Laplanificacines llevadaacabotomandoenconsideracin restricciones geogrficas tales como localizacin desubestaciones y rutas en mal uso, adems de restricciones tcnicas:suministro y carga de los consumidores, cantidad mxima de equipo yoperacin en condiciones normales y bajo fallo, lmites de tensinpermitidos y corrientes de cortocircuito son considerados, entre otros. Elobjetivo de la planificacin esminimizar el coste de inversin y costes deoperacin anuales as como los costes de prdidas de potencia. En estacontribucin, una herramienta computacional es utilizada, la cual estbasada en un mtodo heurstico de dos etapas que considera todas lasrestricciones tcnicas y geogrficas relacionadas. En la primera etapa unasolucin inicial es generada con un algoritmo originalmente desarrolladopararesolverelproblemadelarutadelvehculo,despusesmejoradoconunmtodobasadoenunabsquedatab.

Cormio et al. [2003] emplean una metodologa basada en un modelo deflujo ptimo de cargas ptimo, utilizando programacin lineal. El procesodeoptimizacinesutilizadoparadisminuirlosimpactosmedioambientalesy econmicos, tomando en cuenta la instalacin de plantas de ciclocombinado, plantas elicas, explotacin de biomasa junto con sistemasindustrialescombinadosdecaloryenerga.Estemodelodescribeelsistemadeenergacomounareddeflujosdeenerga,combinandolaextraccindecombustiblesprimarios,atravsdetecnologasdeconversinytransporte,para cubrir la demanda de energa de un alto consumo de materiales. Elhorizonte de planificacin es definido por periodos, generalmente dediferentetamao.Lafuncinobjetivoconsisteenlaminimizacindelcosteactualizado de la conversin de la energa primaria sobre un horizonte de


10

tiempo seleccionado. Las restricciones del modelo deben de satisfacer lademanda punta de electricidad en todos los periodos ms un margenconsiderable, adems de contemplar la energa exportada. Los lmites decada fuente de generacin deben de ser contemplados para que no seaexcedidalaproduccindeenergaanual.

GallegoPreciadoetal.[2006]proponenunmtododeoptimizacinparalaplanificacindelaexpansindeunareddesubtransmisinamedioylargoplazodeunareddesubtransmisin.Latcnicadeoptimizacinutilizadaesprogramacinno linealmixtaentera.La funcinobjetivominimizael totalde costes obtenidos a partir de la suma del coste de inversin, ms loscostesdeoperacin.

KeaneyOMalley[2005]proponenunanuevametodologaparadeterminarla localizacin ptima de generadores distribuidos a lo largo de la red dedistribucin. El objetivo es maximizar la generacin sujeta a lasrestricciones de porcentaje de penetracin de energas renovablesimpuestas por laUninEuropea comoparte de la estrategia del Protocolode Kioto para reduccin del efecto invernadero. La funcin objetivo semaximiza sujeta a restricciones, tales como: la corriente en las lneas nodebe exceder su capacidad mxima, la cantidad de generacin no debeexceder el rangode los transformadores a su rangode voltajems alto, lacapacidaddecortocircuitonodebeexceder losnivelesdecapacidadde losequipos, el rango de cortocircuito de los generadores debe de estar deacuerdoalniveldecortocircuitodelosbusescercanosacadagenerador,lapotencia del generador en el bus donde se instale debe ser menor que lapotencia disponible del recurso y mayor a la potencia instalada. Paradeterminar la localizacin ptima de la Generacin Distribuida se utilizaprogramacinlineal.

Unmtodopararegular la tensinenunareddedistribucinradial con lainstalacindeGeneracindistribuidaespresentadoporKimyKim[2001].Es utilizado un compensador para la cada de tensin en las lneas deinterconexin entre la red de distribucin y la Generacin Distribuida, elcual permite mantener la tensin dentro de niveles previamenteestablecidosoperandoelcambiadordetapsdeltransformadorprincipal.Elnivel de tensin de cada sistema de Generacin Distribuida puede sercontrolado en forma autnoma y descentralizada para llevar a cabo lacoordinacindelsistemaderegulacindetensindelsistemacompletodedistribucin.

Dicorato et al. [2008]utilizan elmodelode flujode cargasptimo, basadoen programacin lineal para evaluar la contribucin de produccin yeficiencia de Generacin Distribuida. La funcin objetivo a optimizar(minimizar)incluyecostesdebidosalaproduccindeenergaenpresenciaderestriccionestcnicasydepolticasenergticas.

Chaturvedy [2005] presentaun algoritmogentico adaptativo fuzzy comouna posible implementacin para cualquier sistema de distribucin tipo


11

radial. El algoritmo es desarrollado en tres etapas. La primera etapacomprende una apropiada localizacin y dimensionamiento de lassubestaciones utilizando flujo de cargas, que permiten conocer lastensionesen losnudosy lasprdidas totalesdepotenciaactivay reactiva.En la segunda etapa son utilizadas reglas heursticas basadas en losresultados de la simulacin del flujo de cargas de la etapa primera, unapropiadonmerodelneasysuscorrespondientesnudossonencontrados.En la terceraetapa lareconfiguracinde laredesobtenidademaneraquelaestructurageneralpermaneceradialytodoslosnudosestnenergizados.Un plan deminimizacin de prdidas y un plan deminimizacin de costeson utilizados para minimizar las prdidas de potencia activa y lograr uncostemnimoqueincluyeelcostedeinversinyelcostevariable.

Nara et al. [2001] aplican la tcnica de Bsqueda Tab para encontrar lalocalizacinptimadegeneradoresdistribuidosdesdeelpuntodevistademinimizacindeprdidas.Elpropsitodeestainvestigacinesnicamenteproveer informacin acerca del tamao y correcta localizacin de laGeneracinDistribuida,parasaberlacantidaddeprdidasqueselograranreducir. Se asume que el tamao y la cantidad de los generadores sonconocidos, as como las caractersticas de las cargas, las cuales estndistribuidasenformauniformealolargodelsistemadedistribucin.

Asakura et al. [2003] presentan un mtodo para la planificacin de laexpansin de la generacin, reconfigurando la red y construyendo nuevasplantas de generacin. El mtodo considera un crecimiento natural de lademanda e instalacinde clientesmayores. Elmtodoprimeramente tratadereconfigurarelobjetivodelaredhaciendoswitcheo(abierto/cerrado)para minimizacin de prdidas y analizando la seguridad de la red pormediodeunanlisisdecontingencias.Silasrestriccionesdeoperacinsonvioladas cuando la red es reconfigurada, entonces el mtodo intenta laconstruccindeplantasdegeneracincandidatas.

2.3.1 Integracindesistemasdealmacenamientodeenerga

El suministro de energa en redes de distribucin procedente de fuentesprimariasnoes constanteyraravezcoincideconelpatrnde lademandadelosconsumidores.Laelectricidadensmismaesdifcildealmacenarencantidadessignificativamentegrandes.Elalmacenamientosecundariodelaenerga es necesario para un uso ms eficiente de la capacidad degeneracinexistenteyparapermitirunusomsconsistentedelasenergasrenovables,quetiendenaproporcionarenergademaneraintermitente.Lafalta de almacenamiento de hecho ha sido citada como una barrera a laintroduccin sustancial de las fuentes de energa renovables en la red desuministrodeelectricidad.Contaxis y Vlachos [2000] describen un modelo para resolver el flujoptimo de potencia en un sistema de potencia, el cual incluye parques


12

elicos y unidades de almacenamiento hidrulicas pertenecientes aproductores de potencia independientes. Cuando los productoresindependientes estn presentes en el sistema, la operacin de los parqueselicos y de las unidades de almacenamiento hidrulicas deben estar bajoacuerdos contractuales de compra y venta de la energa entre cadaproductor y los generadores pblicos, as que, restricciones tanto fsicascomoeconmicasdebenser tomadasencuentaparaunaoperacinptimadel sistema. Tambin la coordinacin ptima de las fuentes renovables deenerga es examinadaparaobtenerunaptimaexplotacinde lasmismas.Lafuncinobjetivoaoptimizar(minimizar)eselcostedeoperacin,queesla suma de los costes de operacin de las fuentes de generacinconvencionalesms el coste impuestopor la operacinde losproductoresindependientes, sujeto a restricciones de balance de potencia, tanto dereactivacomodeactivaencadanudodel sistema, controldel lmitede lasvariables, as como lmites de seguridad. Otras restricciones son incluidasen elmodelo, como es el lmite de penetracin de la energa elica. Todaslas variables son linealizadas para obtener unmodelo lineal. Elmodelo esresuelto por un algoritmo Simplex utilizando rutinas provistas por lalibreramatemticaIMSL.

TerGazarianyKagan[1992]llevanacabolaoptimizacindeunsistemadedistribucindondeesconsideradaGD,enelcualseproponengeneradoresconvencionalesygeneradoresnoconvencionalesquetienencaractersticasaleatorias, adems se consideran unidades de almacenamiento parasoportar los periodos en los que los generadores no convencionales noestn presentes. El modelo se optimiza utilizando un paquete deoptimizacinqueutilizaprogramacinlineal(LP).Lafuncinobjetivoeslaminimizacin del coste de instalacin de las fuentes convencionalesasociado a la capacidad de generacin ms el coste de operacin ymantenimientoasociadoalcostedeenerga;enlafuncinobjetivotambinson incluidos los costes fijos de las fuentes renovables. No se considerancostes variables de las fuentes renovables, por asumirse energas concostes de operacin y mantenimiento despreciables. Se consideran costesfijos de las lneas de distribucin ms costes fijos de las unidades dealmacenamiento. Las restricciones consideradas son: 1) Balance depotenciaen losnudos(primera leydeKirchhoff);2)restriccindebalancede energa, donde las unidades de almacenamiento toman carga duranteperiodos en que las fuentes renovables estn presentes y se descargan enperodos cuando las fuentes renovables no estn presentes; 3) restriccinde lmites de capacidad de generadores convencionales y renovables, ascomolmitedecapacidaddelneasdedistribucin.

KattiyKhedkar[2007] presentanunatcnicadeapoyoparadecisioneseneldiseodeunsistemaelicosolarparaunaaplicacinautnoma.Enestesistema tambin existe almacenamiento. La generacin y almacenamientoson dimensionados para abastecer la demanda anual en tres escenarios.


13

Utiliza valores horarios promedio de la demanda, velocidad del viento yradiacinsolar.

Atwa, ElSaadany et al. [2010] presentan un modelo para la localizacinptima de sistemas de almacenamiento en un sistema de distribucindonde hay una gran penetracin de generacin elica. La metodologapropuestasebasaenelalmacenamientodelaenergaproducidaexcedenteporlosgeneradoreselicos,locualsirveparaminimizarelcostedeenergaanual. Lameta del almacenamiento de energa para este sitio es buscar elbeneficio econmico para los propietarios independientes, as que debendimensionar apropiadamente la cantidad de energa excedida de losgeneradoreselicosparaqueseaalmacenada.Mtodosdeprediccinde lademanda y de generacin elica son utilizados para conocer con ciertaprecisintantolademandacomoelsuministrodeenergaproducidoanual.

2.3.2 Modelos probabilsticos de planificacin ptima degeneracindistribuida

Desde hace muchos aos la solucin de flujo de cargas ha tomadoparmetros de entrada representados conocidos. Cualquier cambio en losvalores de entrada requiere una nueva solucin del flujo de cargas.Consecuentemente cualquier incertidumbre y variacin aleatoria debido aerroresenelpronstico,salidasdegeneradores,etc.,noeranreflejadasenlos resultados del flujo de cargas. Una alternativa analtica que haalcanzadounnotableinterseselflujodecargasprobabilstico(PLF).

Allan y Leite Da Silva [1981] presentan una tcnica basada en SimulacinMonteCarloparamostrar los efectosde lano linealidad en las ecuacionesde la red y el supuesto de que una distribucin normal para las variablesaleatorias es completamente fiable. El algoritmo que se utiliza es nuevoparaelflujodecargasprobabilstico.

Allan et al. [1999] realizan una revisin de publicaciones relacionadas atcnicas probabilsticas para evaluacin de la fiabilidad de sistemaselctricos.

Un modelo de fiabilidad probabilstico para un sistema radial con bajastasas de variacin de carga es presentado por Chowdhury et al. [2003].Primeramente se calcula el mejoramiento de indicadores de fiabilidad,especficamente la EnergaEsperadaNoSuministrada (EENS) mediante elrefuerzo de lneas y adicin de subestaciones. Luego la metodologadeterminaelequivalentedeGDconvencionala instalarcomoservicioparaalcanzarlosindicadoresdefiabilidadpreviamentecalculados,manteniendolos requerimientos de carga dados. En esta metodologa se supone que laubicacindelaGDnoesrelevante.

Las generaciones mencionadas anteriormente son despachables. Lainclusin de generaciones no despachables, por ejemplo GeneracinDistribuida, en elmodelo de interdependencia es tratado en Caramanis et


14

al. [1982]. La interdependencia entre las demandas de carga y lasgeneracionesnodespachables, sonmodeladas a travs de dos niveles, porejemplo en el tiempo de da o estacin, y temperatura. Estos dos nivelescuentan con la interdependencia debido al fenmeno cclico (da, semana,estacin) y el fenmeno aleatorio (temperatura, nubosidad, velocidad deviento) relativo a la demanda de la carga y las generaciones nodespachables. El modelado de la interdependencia de la GeneracinDistribuida, por ejemplo, generacin de parques elicos, es de granimportancia debido a que los generadores elicos estn correlacionadoscon parques elicos adyacentes, debido a la velocidad similar del rea. Lainterdependenciaenmodeladode lageneracinestocsticaesdemostradoenPapaefthymiouetal.[2006].

Hegazy et al. [2003] utilizan simulacin secuencial Monte Carlo paraevaluarlafiabilidaddeunsistemaquetieneunidadesconvencionalescomoGD. La potencia total de todas las unidades deGD activas es tratada comoun proceso aleatorio debido a la naturaleza aleatoria del ciclo defuncionamiento de la GD, es decir, las tasas de fallos y los tiempos dereposicin. Se representa la operacin de la GD como un modelo de dosestados. Los ciclos de operacin de todas las unidades de GD soncombinadosparaobtenerlacurvadedisponibilidaddecapacidaddelaGD.Seguidamente, las curvas de disponibilidad de GD son sumadas a la curvade capacidad de generacin centralizada para obtener la curva decapacidad total disponible de generacin a cada hora. Posteriormente seprocede al clculo del promedio de cantidad de carga no abastecida porhora (AUL), que es obtenida mediante la aplicacin del mtodo deSimulacin Monte Carlo (MCS) para una gran cantidad de muestreosanuales.Enbasealosresultados,seconcluyequeconlaimplementacindeGD,elvalordeAULdecaeconsiderablemente.Ademssepuedemejorar lacapacidad del sistema de distribucin en el caso de que la carga vaya enaumento.

DeacuerdoaLeitedaSilvaet al. [1991], elmodeladode la cargadebe serdividido en: 1) modelado a corto plazo, el cual toma en cuenta laincertidumbre de factores sociales ymedioambientales en la planificacinde la operacin, y 2) modelado a largo plazo de la carga, el cual toma encuenta las incertidumbres de factores demogrficos y econmicos en laplanificacin a largo plazo. Elmodelado de la carga a corto plazo recogelosvalorespicodiariosdeunasubestacincadadosmeses.Elmodeladodelacargaalargoplazorecogelosvaloresdedemandapicoanual,observadoen una subestacin para un cierto nmero de aos, entonces un PLF esllevadoa cabo paraobtener los estadosdel sistemautilizandoecuacioneslinealizadas de flujo de cargas. Los flujos de potencia en las lneas sonobtenidos desde los estados del sistema utilizando las ecuaciones clsicasno lineales de flujo de cargas. Adems de la adecuacin de los ndicesanteriores, los resultados de la simulacin del PLF proveems puntos devista que el estudio determinista convencional, como por ejemplo una


15

alternativa de aumento de apoyo de la generacin de potencia reactiva enlugardelaconstruccindeunalneaLeitedaSilvaetal.[1990].

EnRepoetal.[2005]sediscutelaplanificacinacortoplazodeunareddedistribucin para tomar en cuenta el comportamiento estocstico de lasunidades de Generacin Distribuida. Los resultados de la simulacinmuestran la capacidad del mtodo de planificacin estadstico paraaumentar la capacidad de transferencia de la red en comparacin con eltradicionalprincipiodeplanificacindelcasopeor.

En Buygi etal. [2003] se discuten 5 diferentes enfoques no deterministapara la planificacin de la expansin de la transmisin, incluyendo: PLF,criterios de fiabilidad probabilstica, tcnicas de escenarios, anlisis dedecisinydecisionesdelgicafuzzy.

InSu etal. [2004] tambin desarrollan un mtodo utilizando simulacinsecuencialMonteCarlo para determinar la estrategia ptimadeoperacinde la GD convencional incorporando la evaluacin del valor de fiabilidaddel sistema de distribucin. Utilizando datos de costes de interrupcin, seevala laexpectativadecostepromedioanualde interrupcindel servicioelctricoparalospuntosdecargaespecficos.Paradeterminarlaestrategiaptima de operacin de GD, se desarrolla un modelo donde la funcinobjetivoexpresaladiferenciadeloscostescombinados(costesdelservicioelctrico,costesoperativosdeGDyloscostesdeEENS)paradosformasdefuncionamiento de las unidades de GD, cuando funcionan en el modoestable y cuando funcionan en modo de recorte de punta de carga. Deacuerdo con los resultados obtenidos, se observa que el coste operativoutilizando la valoracin horaria de fiabilidad es sensiblementemenor queelcosteoperativoutilizandoelcostepromedioanualdeoperacin.Deaquseconcluyequeelcostedeinterrupcinhorariaesunndiceimportantedefiabilidadpara ladeterminacinde laestrategiadeoperacinptimade laGD.

Singhy LagoGonzalez [1985]presentanunmtodopara la evaluacindela fiabilidad de sistemas elctricos de potencia con fuentes de energa noconvencionales, teniendo en cuenta la naturaleza variable de la energaproducidapor fuentesde energa renovables, como son la energa elica yla energa solar. El mtodo combina las unidades generadorasconvencionales yno convencionales engrupos separados.Deacuerdoa sutipo de generacin convencional o no convencional se presentan comosubsistemas. Ambos subsistemas son modelados utilizando algoritmosrecursivos. El efecto de la fluctuacin en la potencia de salida de losgeneradores fue incluido mediante la modificacin del modelo degeneracindelaunidadnoconvencional.LosvaloresdeLOLF(LossofLoadFrecuency) y LOLE (Loss of Load Expectation) fueron calculados para unahora y combinados en losmodelos de sistemas de generacin, donde cadasubsistemafuetratadocomounaunidadmultiestado.Posteriormente,fueaplicado el algoritmo de cumulantes para combinar los subsistemas y


16

obtener elHLOLE (HourlyLossof LoadExpectation) totaldel sistema.Losresultados obtenidos utilizando el mtodo propuesto muestran unadisminucinenlosvaloresdelosndicesdefiabilidadparabajosnivelesdepenetracin. Para una penetracin alta los efectos de la fluctuacin de lapotenciadesalidacomienzanasersignificativosylaaltadisponibilidaddeunidadesnoconvencionalesessuperadaporlavariabilidadenlasalida.

Otra forma de calcular los ndices de fiabilidad es con la utilizacin desimulaciones secuenciales, con este enfoque Wang y Billinton [2001]presentanunasimulacinsecuencialeneltiempoparaevaluarlafiabilidaddel sistema de distribucin con generadores elicos (Wind TurbineGeneratorsWTG).Laentregadepotenciadelgeneradorelicoaunahoraespecficaesexpresadaenfuncindelavelocidaddelvientoylacapacidadde generacin de la unidad. Se desarrolla unmodelo de seis estados paraconsiderar los efectos simultneos de la velocidad del viento y la salidaforzada de los WTG. Un modelo de dos estados representa los otroscomponentesdelsistemadedistribucin.Seobservaquelafiabilidadvaraencadapuntoindividualdecargadependiendodelaubicacindelnudodecarga en la red, de la topologa de las protecciones y del nivel de carga.Adems,seencuentraqueseleccionandoelnmeroptimodeWTGconunaubicacinespecfica (deacuerdoa lascondicionesdelviento), la fiabilidaddelsistemadedistribucinpuedesermejoradasustancialmente.

Marmidis et al. [2008] muestran un procedimiento novedoso para lalocalizacinptimadegeneradoreselicosenunparqueelico,basadoenSimulacin Monte Carlo. El modelo maximiza la produccin de energa yminimizael costede instalacin.Comocasodeestudiounsitioesdivididoen 100 celdas cuadradas donde pueden ser posibles la instalacin degeneradoreselicos.Paraoptimizar(minimizar)elcostetotal,semodelaelcoste de inversin de forma que slo un cierto nmero de generadoreselicos necesarios es considerado. La funcin objetivo es el costemnimopor unidad de energa producida relacionada a la potencia total. Losresultados obtenidos por el mtodo de Simulacin Monte Carlo soncomparados con la solucin dada con la tcnica heurstica de algoritmosgenticos(AG),obteniendomejoresresultados.

YangyZhou[2007]desarrollanunmodeloparaoptimizareldimensionadodeunsistemahbridosolarelicojuntoconalmacenamiento,detalmaneraque el sistemapueda trabajar en condiciones ptimas con configuracionesptimasdelosrequerimientosdeinversinyfiabilidadparalademandadelacarga.Enestetrabajo,elmodeloutilizaunaherramientadeoptimizacinquesebasaen laprdidadeprobabilidaddesuministrodeenerga(LPSP)yenelconceptodecostedeenerganivelado(LCE).Porlotanto,lafuncinobjetivo se basa en LPSP para que la configuracin del sistema obtenga lafiabilidadrequerida.

Karki y Billinton [2003] presentan un anlisis para determinar cules sonlasfuentesdeenergamsapropiadasquedebeninstalarsepararealizarla


17

expansinde lageneracinenunadeterminadarea,as comodeterminaren qu perodo de tiempo estas fuentes deben entrar en operacin. Unametodologa determinista es utilizada para conocer los requerimientos decapacidad en la planificacin. Estas tcnicas asocian generacin hbrida yno pueden ser extendidas para incluir fuentes fotovoltaicas o fuenteselicas que tienen altos niveles de fluctuacinde capacidad. El nmero devariables aleatorias y complejidaddel sistemaaumenta cuando las fuentesde energa renovable son incluidas. El algoritmo de simulacin primerocompara el nivel de carga del sistema con la capacidad del subsistemafotovoltaico y todos los despachos disponibles en este intervalo. La cargarestante es repartida entre los sistemas diesel y elicos en un rangoespecificadoporrestriccionesimpuestassobreproblemasdeestabilidaddelas fuentes de energa elica, siempre despachando energa elica parapermitir una mxima penetracin. El mtodo desarrollado utilizaSimulacinMonteCarlo.

Zeineldin et al. [2009] muestran una formulacin matemtica paradeterminarentiemporealloscostesdeelectricidad.Modelosdeprediccindeseriesdetiemposonutilizadasparainvestigarelimpactodelapotenciadel viento sobre los precios del mercado elctrico. Se lleva a cabo laconfiguracin de una red compuesta por 6 buses de un sistema detransmisin y 3 buses de un sistema de distribucin. Se supone que lasunidades de generacin operan con las mismas condiciones de velocidaddel viento. El sistema de distribucin est conectado al sistema detransmisin por medio de un transformador elevador. El modelo esimplementado con el software de optimizacin GAMS. El problema esformulado como un problema de programacin no lineal y fue resueltoutilizando el solver MINOS. En particular los modelos de losaerogeneradores fueron implementados en MATLAB. La herramienta deprediccinMAEesutilizadaparalaprediccindelospreciosdelaenerga.

2.3.3 Modelosestocsticosdeplanificacinptimaderedesdedistribucincongeneracindistribuida

La optimizacin estocstica es utilizada para tratar los problemas quepresentan datos y variables con incertidumbre, como es el caso de lageneracinelicaolaradiacinsolar.

BouffardyGaliana[2008] formulanunmodelodeoptimizacinestocsticapara solucionar a corto plazo un problema capaz de tener en cuenta lasfuentes de generacin elica, que son no despachables y adems sonvariablesenelentornodelmercadoelctrico.Elprincipalbeneficioesquecuando es comparado el peor escenario determinista, se permite una granpenetracin de generacin elica sin sacrificar seguridad. El objetivo delproblema es minimizar el coste social esperado. La restriccin tcnicaadoptada es lamxima penetracin de generacin elica, la cual va desdeun10%aun20%.


18

Haesen y Bellmans [2007] presentan una metodologa de planificacinrobusta para la integracin de generadores en redes de distribucin. Lametodologa se basa en el mejoramiento de la precisin de la SimulacinMonteCarloanidadoenunalgoritmoevolutivomltiple.Losobjetivosquesepersiguensonparaevaluar las compensacionesadecuadas con respectoaaspectostcnicosyeconmicos.

Alguaciletal.[2003]presentanunproblemadeplanificacindeexpansinde la generacin a largo plazo de un sistema de transmisin. El modeloconsidera prdidas y garantiza una convergencia ptima. El enfoque delmodeloutilizaparalasolucin programacinlinealmixtaentera(MIP).Elmodelo es aplicado a Garvers 6bus system, the IEEE Reliability TestSystemyaunsistemarealbrasileo.Losresultadosmuestranlaprecisiny la eficiencia de la tcnica utilizada. El conjunto de restricciones incluye,entreotras, restriccionesdinmicas sobrevariablesdecostesde inversinyoperacin,ascomorestriccionesestticasnolinealesyconvexas.Debidoa esta inherente complejidady a la faltadeherramientas computacionalesadecuadas, el problema de expansin de la transmisin es hecho en dosmodelos simplificados relativos a aspectos dinmicos y estocsticos. Lafuncinobjetivorepresentalasumadelcostedeinversindenuevaslneasyelcostedeoperacindelasunidadesdegeneracin.Unsoloescenariodedemanda es considerado tpicamente correspondiendo a la demandamximadelhorizonteconsiderado.Tambinsonconsideradasrestriccionesdebalancedepotenciaenlosnudosdepotenciainyectadaacadanudo,ascomorestriccionesdeoperacindelosgeneradores.

La incertidumbre en la prediccin de la demanda es actualmente unproblema para planificar la expansin de la generacin. Brignol y Renaud[1997] utilizan una estrategia de descomposicin llamada tcnica derelajacinLagrangianaparaunaestructuradeoptimizacinestocstica.Seconstruye un rbol de escenarios donde los costes son atribuidos en cadanudodelrbol.Encada iteracinparacadageneradorunsubproblemahasido resuelto, el cual consiste en minimizar el coste promedio degeneracin sobre el rbol de escenarios de costes. Una optimizacindeterminista es llevada a cabo sobre una escala diaria con un modelodetalladoderestriccionesdeoperacin.

Papadopoulos y Karagiannidis [2008] llevan a cabo la optimizacin de unsistemadepotenciadescentralizado,determinandolacorrectapenetracindefuentesdeenergarenovable(RES)dentrodelsistemadegeneracindelaregin.SeutilizaelmodelodenominadoMultiCriteriaAnalysisMethodElectre III, el cual toma en cuenta la incertidumbre inherente a los datosproducidos por las predicciones y estimaciones, est basado en el axiomadecomparacinparcialdeacuerdoaqupreferenciasdebensersimuladasteniendo en cuenta cuatro relaciones binarias: indiferencia, fuertepreferencia,ligerapreferenciaysincomparacin.


19

Kennedy etal. [2007] presentan un caso donde es utilizada la generacinelica y generacin diesel para evaluar los beneficios con respecto alimpacto medioambiental. Se hace una prediccin de la generacin elicaparadistintosescenarios futuros.Secompruebaqueelusodeunidadesdegeneracindieseltieneuncostemenorque losgeneradoreselicosparalasolucindeesteproblema.

ElKhattamanetal.[2004]presentanunmtodocuyoenfoqueeselanlisisde la operacin de los clientes de Generacin Distribuida bajo unaperspectivade incertidumbre.Unprocedimientoaleatoriode transicindeestado es utilizado para cubrir todos los posibles escenarios de operacindel sistema. La nueva estructuracin del sistema puede incluir adems delos componentes principales, distintas tecnologas de GeneracinDistribuidaendistintosemplazamientosyhorarios.Lasimulacindeseriesde tiempo es utilizada para representar la aleatoriedad de los ciclos deoperacin. Un modelo de dos etapas (posicin alta y posicin baja) esutilizado para simular los ciclos de operacin utilizando un cdigo enMATLAB.

2.3.4 Modelos multiobjetivo de planificacin ptima deredesdedistribucincongeneracindistribuida

La optimizacin multiobjetivo es empleada cuando se requiere que elproblemaaoptimizartengaencuentamsdeunobjetivo.Conla incursindelasenergasrenovablesdentrodelossistemaselctricos,esposiblequeunodelosobjetivosdentrodelproblemaaresolversealaminimizacindelimpactoambientalpor lasemisionesdegasesdeefecto invernadero,comoson el: , , etc. Otro objetivo a optimizar es la minimizacin delriesgo que se tiene debido a la incertidumbre de los precios de loscombustibles fsiles. Algunos autores solamente incluyen el objetivo de laminimizacindel ,sinembargohayotrosautoresqueincluyenmsdedosobjetivos,lograndoconestoobtenerunaoptimizacinmsrobusta.

Abido [2009] presenta un trabajo de optimizacin multiobjetivo,denominado MOPSO (MultiObjetive Particle Swarm Optimization), en elcual implementa una tcnica para resolver el problema de medioambiente/despacho econmico. El enfoque propuesto amplia el problemade optimizacin monobjetivo PSO (Particle Swarm Optimization), alproponer nuevas definiciones de las mejoras globales y locales. En estetrabajo al igual que en otros problemas multiobjetivo con algoritmosevolutivos, una tcnicade agrupamiento jerrquico es aplicadapara llevaracabolagestindelasmejoressolucionesdelconjuntoptimodeParetoyadems un mecanismo basado en lgica difusa es empleado para laextraccin de lamejor solucin compromiso. La tcnica fue probada en elsistemade prueba Standard IEEE 30bus y los resultados son comparadoscon las diferentes tcnicas de la literatura. Con esas comparaciones sedemuestra la eficacia y el potencial de MOPSO para la soluciones de


20

problemas multiobjetivo para el despacho econmico en sistemas depotencia.

Algunos de los problemas que hay en la actualidad en los sistemaselctricosdepotenciasonlaviolacindelmitesymantenimientodetodoslos sistemas de seguridad. Esta situacin es descrita como un estado deemergencia, y las acciones requeridas para su correccin son llamadasacciones para control de emergencias o acciones de control correctivas.Emergencianonecesariamente significaun colapso inmediatodel sistema,peroesunaaccinquerequierecorreccininmediata.Laaccincorrectivaes una de las acciones que debieran ser tomadas en cuenta. Abou El Ela ySpea [2009] presentan una solucin para la restauracin ptima de laoperacin del sistema de potencia para diferentes condiciones deoperacin.Losalgoritmosgenticos(AG)seaplicanpara llevaracaboestaoptimizacin. Tres diferentes procedimientos basados en optimizacinmultiobjetivo con algoritmos genticos (MOGA) son utilizados paraoptimizarlasaccionescorrectivasdecontrol:Elprimerprocedimientoestbasado en un switcheo de las lneas de transmisin y redespacho de lageneracin. El segundo procedimiento es utilizado para determinar laubicacinytamaoptimodelaGeneracinDistribuida,mientras,eltercerprocedimientoesutilizadopararesolverelproblemadedesbalanceodelascargasylageneracinutilizandoladesconexindecargas.

AlarconRodriguezatal. [2009]abordanunproblemadondeesutilizadoelalgoritmo queesunacontinuacinextendidadel .Losobjetivosa optimizar son: minimizacin anual de prdidas en lneas / ;minimizacin anual de la energa despachada para servicios localesauxiliares / ;minimizacinanualdelaenergaprocedentedelasfuentes renovables para garantizar una adecuada operacin de la red

/ ; minimizacin de las emisiones de de un equivalente ;minimizar el riesgo de la cada de tensin en algunos nudos

deinters;minimizarelniveldepenetracindelasfuentesrenovables.

ArlkanyGngr[2007]aplicanlateoradeconjuntosdifusosendecisionesmulticriterio, la cual fue utilizadaprimeramenteporBellman y Zadeh. Eneste estudio un procedimiento de dos fases es utilizado para resolver unproblema multiobjetivo de programacin lineal difusa. El procedimientoproporcionaunenfoquedesolucinprctica, la culesuna integracindela programacin paramtrica difusa y la programacin lineal difusa. Elconcepto interactivo del procedimiento se realiza para llegar a solucionesptimas simultneas para todas las funciones objetivo para los diferentesgradosdeprecisindeacuerdoalaspreferenciasdeldecisor.Enlaprimerafasedelprocedimiento,unafamiliadevectoresdemodelosdeoptimizacinse construyemediante el uso de programacin paramtrica difusa. Luego,enlasegundafase,cadamodeloseresuelveporprogramacinlinealdifusa.Lassolucionessonptimasycadaunadeellasesunplanalternativoparalaresolucindeldecisor.


21

Cano [2007] presenta el problema de localizacin ptima de GeneracinDistribuida utilizando lgica difusa. Esta metodologa multiobjetivo tieneencuenta la incertidumbre.Losobjetivosaconsiderarson:disminucindela cada de tensin, capacidad de cortocircuito,minimizacin del coste deoperacin y reduccin de prdidas. Son presentados algunos ejemplos ensistemasdedistribucinradiales.

Koroneos et al. [2004] presentan una metodologa de optimizacinmultiobjetivo para la Isla de Lesvos en Grecia, donde varias fuentes deenergarenovablepudieranserexplotadasparasatisfacerunapartede lasnecesidades econmicas de la isla. Los criterios que deben de satisfacerseson: impacto ambiental, demanda, coste, y restricciones de recursos. Elestudio plantea dos funciones objetivo: coste de inversin y efectosmedioambientales.Losdosobjetivosaminimizarestnenconflicto,yaquecuando el coste disminuye el sistema opera aumenta la generacin confuentes convencionales y las emisiones producidas por las mismasaumentan. Los resultados que se obtienen dan la posibilidad de que losdiseadores del sistema puedan seleccionar lamejor opcin de acuerdo alas necesidades y reglamentaciones existentes. El modelo matemticoconstruido indica que los generadores elicos pueden ser utilizados paracubrir la demanda elctrica y los colectores solares pueden ser utilizadospara satisfacer las necesidades de agua caliente. Mientras la energageotrmicaylabiomasapuedenserutilizadasparacubrirunporcentajedelademandadecalefaccin.

Pelet et al. [2005] muestran un diseo holstico y un mtodo deplanificacin particularmente para sistemas integrados de energa, loscuales incluyen un gran nmero de parmetros. El mtodo permitecuantificar parmetros econmicos y ecolgicos comparando soluciones.Una representacin ptimade la curvadePareto provee una visinde lasmejoressolucioneslacualesdeterminadautilizandouneficientealgoritmomultiobjetivo. Los resultados del caso de estudio del sistema aisladomuestran siempre condiciones favorables solares, soluciones que incluyenproduccin solar trmica o fotovoltaica. Elmtodo propuesto permite unafcil evaluacinde la sensibilidadde las soluciones cambiando los preciosdecombustible.

Ramrez y Navarro [2004] presentan un nuevo modelo probabilsticobasado en conjuntos Fuzzy para la planificacinmultiobjetivo de redes dedistribucin.Elmodelodetermina la localizacinydimensionadoptimos.Es utilizado un algoritmo metaheurstico basado en bsqueda Tab. Elmodelotambinpermitedeterminarlareservaptimadelosalimentadoresque proveen la mejor fiabilidad al menor coste en la red de distribucinpara un nivel de robustez dado. Elmodelo posibilistamultiobjetivo arrojasoluciones que simultneamente: minimizan el coste, maximizan lafiabilidad yminimizan el riesgo de sobrepasar los lmites de capacidad depotenciapermitidadelosalimentadoresysubestaciones,ascomoelriesgo


22

desobrepasarloslmitespermitidosdecadadetensinenlosnudosdelared.

Tambin Shayeghi [2009] presenta un modelo multiobjetivo posibilistafuzzy para determinar la localizacin ptima de Generacin Distribuidapara reduccin de prdidas ymejoramiento del perfil de la tensin en lossistemasdedistribucindeenergaelctrica.Elproblemamultiobjetivoesdesarrollado en dos etapas. En la primera etapa se obtiene el conjunto desolucionesnodominadasdeplanificacin, utilizando algoritmos genticos.En la segunda etapa, una solucin del conjunto de soluciones nodominadas es seleccionada como solucin ptima utilizando un enfoqueapropiado demaximizacinminimizacin. Los parmetros de entrada sonmodelados utilizando la teora de conjuntos difusos para utilizarlos en elflujo de potencia difusa, lo cual nos da una vista real acerca de lasdemandas futuras del sistema de distribucin debido a que este modeloconsideraincertidumbredelosfuturospuntosdedemanda.

Antunes et al. [2004] presentan un modelo para la planificacin de laexpansin de la generacin con mltiples objetivos. El manejo de lademanda es tambin considerado como una opcin en el proceso deplanificacin, suponiendo que hay una gran parte del mercado encondiciones de franquicia. Las soluciones no dominadas pueden serprogramadas optimizando una funcin escalar la cual es una suma demltiples funciones objetivo po

Documents

Tesis Doct Planif Optima Gene Dist