Contenido principal del artículo

Autores

El presente trabajo propone una metodología alternativa para diseñar de manera óptima un sistema eléctrico de distribución sobre un área urbana real. De la página web de una empresa distribuidora (plataforma GIS), se extrae un polígono de red de medio voltaje (MT) el cual sirve como patrón de comparación. Al polígono extraído se le realiza un re-diseño de la red de media tensión. Tomando como premisa que es una nueva urbanización que requiere ser dotada de energía eléctrica, con todas las exigencias técnicas que impone el ente regulador, buena calidad de energía y al mínimo costo. Para lograr este cometido se usan dos modelos matemáticos de optimización. La metodología inicia delimitando el área del proyecto de forma georreferenciada, en esta área se ubican 36 posibles sitios en los cuales se puede instalar los transformadores de distribución que dotarán de energía eléctrica a la nueva urbanización. El primer modelo de optimización determina el número de transformadores a instalar mediante una función objetivo de minimización, las restricciones del modelo son: capacidad de los transformadores (KVA) y la cobertura (número de abonados conectados a la red de baja tensión de cada trasformador). Una vez determinado el número de transformadores a instalar y su respectiva ubicación óptima georreferenciada, se corre el segundo modelo de optimización de tipo heurístico, basado en la teoría de grafos, se calcula el árbol de mínima expansión para la conexión de la red eléctrica de media tensión, de esta forma se interconecta los trasformadores del proyecto con la mínima distancia, por ende, se optimiza el costo de construcción. Estos modelos de optimización son implementados y resueltos con los softwares Matlab y LpSolve. La topología encontrada con los dos modelos propuestos es evaluada eléctricamente mediante la corrida de flujos de potencia con el software CYMEDIST. Finalmente se evalúa la metodología de diseño propuesta, comparando los parámetros eléctricos obtenidos con los modelos de optimización versus los parámetros eléctricos que cuenta el polígono extraído del sistema GIS de la empresa distribuidora.

1.
Amaya Vásquez L, Campaña Molina M Ángel. Diseño óptimo de redes eléctricas de distribución mediante modelos de optimización. inycomp [Internet]. 15 de enero de 2023 [citado 22 de junio de 2024];25(1):e-20311572. Disponible en: https://revistaingenieria.univalle.edu.co/index.php/ingenieria_y_competitividad/article/view/11572

A. Valenzuela, I. Montalvo, and E. Inga, “A decision-making tool for electric distribution network planning based on heuristics and georeferenced data,” Energies, vol. 12, no. 21, 2019, doi: 10.3390/en12214065.

R. Li, W. Wang, Z. Chen, J. Jiang, and W. Zhang, “A review of optimal planning active distribution system: Models, methods, and future researches,” Energies, vol. 10, no. 11, pp. 1–27, 2017, doi: 10.3390/en10111715.

U. Raut and S. Mishra, “Power distribution network reconfiguration for loss minimization using a new graph theory based genetic algorithm,” 2017 IEEE Calcutta Conf. CALCON 2017 - Proc., vol. 2018-January, pp. 1–5, 2018, doi: 10.1109/CALCON.2017.8280684.

R. Cadenovic, D. Jakus, P. Sarajcev, and J. Vasilj, “Optimal distribution network reconfiguration through integration of cycle-break and genetic algorithms,” Energies, vol. 11, no. 5, 2018, doi: 10.3390/en11051278.

M. Z. Vahid, Z. M. Ali, E. S. Najmi, A. Ahmadi, F. H. Gandoman, and S. H. E. A. Aleem, “Optimal Allocation and Planning of Distributed Power Generation Resources in a Smart Distribution Network Using the Manta Ray Foraging Optimization Algorithm,” vol. 14, no. 16, pp. 1–25, 2021, doi: 10.3390/en14164856.

F. G. K. Guarda, G. C. Junior, and C. D. L. Da Silva, “Fault current limiter placement to reduce recloser-fuse miscoordination in electric distribution systems with distributed generation using multiobjective particle swarm optimization,” IEEE Lat. Am. Trans., vol. 16, no. 7, pp. 1914–1920, 2018, doi: 10.1109/TLA.2018.8447357.

F. Girbau-Llistuella, F. Díaz-González, A. Sumper, R. Gallart-Fernández, and D. Heredero-Peris, “Smart grid architecture for rural distribution networks: Application to a Spanish Pilot Network,” Energies, vol. 11, no. 4, pp. 9–12, 2018, doi: 10.3390/en11040844.

U. P. Müller et al., “Integrated techno-economic power system planning of transmission and distribution grids,” Energies, vol. 12, no. 11, pp. 1–30, 2019, doi: 10.3390/en12112091.

F. Villacres and E. Inga, “Planeación y dimensionamiento de redes eléctricas de distribución soterrada mediante un método metaheurístico,” Ing. y Cienc., vol. 15, no. 30, pp. 141–166, 2019, doi: 10.17230/ingciencia.15.30.7.

K. Lin, X. Jing, Z. Hengjun, and W. Beibei, “Planning Method for Distribution Networks Based on Load Growth Characteristics of the Industry,” CICED, pp. 10-13, 2016.

J. Fletcher, T. Fernando, H. Iu, M. Reynolds, and S. Fani, “A case study on optimizing an electrical distribution network using a genetic algorithm,” 2015 IEEE 130 ITECKNE Vol. 15 Número 2 • ISSN 1692-1798 • ISSN Digital 2339 - 3483 • diciembre 2018 • 121 - 130 24th Int. Symp. Ind. Electron, pp. 20-25, 2015.

G. A. Jiménez-Estevez, L. S. Vargas, and R. Palma-Behnke, “An evolutionary approach for the greenfield planning problem in distribution networks,” IEEE Int. Conf. Neural Networks - Conf. Proc., pp. 1744-1749, 2007.

V. Dumbrava, P. Ulmeanu, P. Duquenne, C. Lazaroiu, and M. Scutariu, “Expansion planning of distribution networks by heuristic algorithms,” Proc. Univ. Power Eng. Conf., 2010.

E. G. Carrano, F. G. Guimarães, R. H. C. Takahashi, O. M. Neto, and F. Campelo, “Electric distribution network expansion under load-evolution uncertainty using an immune system inspired algorithm,” IEEE Trans. Power Syst., vol. 22, no. 2, pp. 851-861, 2007.

D. Deka, M. Chertkov, and S. Backhaus, “Structure Learning in Power Distribution Networks,” IEEE Trans. Control Netw. Syst., vol. 5870, no. c, pp. 1-1, 2017.

R. M. Capelini et al., “Methodology for Fast Location in Overhead Distribution Networks by Application of Temporary Georeferenced Fault Indicators,” 2016 IEEE Int. Conf. High Volt. Eng. Appl., pp. 6-9, 2016.

J. F. Gómez et al., “Ant colony system algorithm for the planning of primary distribution circuits,” IEEE Trans. Power Syst., vol. 19, no. 2, pp. 996-1004, 2004.

K. E. Antoniadou-Plytaria, N. C. Koutsoukis, E. S. Sergaki, and P. S. Georgilakis, “Multiyear power distribution planning considering voltage regulator placement,” IET Conf. Publ., vol. 2016, no. CP711, pp. 1-6, 2016.

A. Samui, S. Singh, T. Ghose, and S. R. Samantaray, “A Direct Approach to Optimal Feeder Routing for Radial Distribution System,” IEEE Trans. Power Deliv., vol. 27, no. 1, pp. 253-260, 2012.

M. Campaña, E. Inga, and R. Hincapié, “Optimal placement of universal data aggregation points for smart electric metering based on hybrid wireless,” CEUR Workshop Proc., vol. 1950, pp. 6-9, 2017.

R. Wang et al., “A Graph Theory Based Energy Routing Algorithm in Energy Local Area Network,” IEEE Trans. Ind. INFORMATICS, vol. 13, no. 6, pp. 3275-3285, 2017.

Y. Chen, S. Wang, J. Yu, W. Li, X. Shi, and W. Yang, “Optimal Weighted Voronoi Diagram Method of Distribution Network Planning Considering City Planning Coordination Factors,” 2017 4th Int. Conf. Syst. Informatics, no. Icsai, pp. 335-340, 2017.

H. Chunguang et al., “Distribution network island separation with distributed generation (DG) based on dynamic planning,” Proc. 2017 IEEE 2nd Adv. Inf. Technol. Electron. Autom. Control Conf. IAEAC 2017, pp. 1767-1771, 2017.

J. Lichtinghagen, M. Sieberichs, A. Moser, and A. Kübler, “Medium voltage network planning considering the current network and geographical restrictions,” 2017 6th Int. Conf. Clean Electr. Power Renew. Energy Resour. Impact, ICCEP 2017, pp. 689-693, 2017.

E. Díaz-Dorado, J. Cidrás, and E. Míguez, “Application of evolutionary algorithms for the planning of urban distribution networks of medium voltage,” IEEE Trans. Power Syst., vol. 17, no. 3, pp. 879-884, 2002.

A. Peralta, E. Inga, and R. Hincapié, “Optimal Scalability of FiWi Networks Based on Multistage Stochastic Programming and Policies,” J. Opt. Commun. Netw., vol. 9, no. 12, p. 1172, 2017.

E. Inga, S. Céspedes, R. Hincapié, and A. Cárdenas, “Scalable Route Map for Advanced Metering Infrastructure Based on Optimal Routing of Wireless Heterogeneous Networks,” IEEE Wirel. Commun., vol. 24, no. April, pp. 1-8, 2017.

J. Naor, D. Panigrahi, and M. Singh, “Online node-weighted Steiner tree and related problems,” Proc. - Annu. IEEE Symp. Found. Comput. Sci. FOCS, pp. 210–219, 2011.

X. Han, J. Liu, D. Liu, Q. Liao, J. Hu, and Y. Yang, “Distribution network planning study with distributed generation based on Steiner tree model,” 2014 IEEE PES Asia-Pacific Power Energy Eng. Conf., vol. 1, pp. 1-5, 2014.

L. P. Zhang, Z. X. Yang, Q. Y. He, and D. M. Cai, “Immune algorithm for minimal Steiner tree problems,” Int. Conf. Adv. Mechatron. Syst. ICAMechS, vol. 2017, Decem, pp. 110-115, 2018.

C. Wang, H. Liang, X. Geng, and M. Zhu, “Multi-sensor fusion method using kalman filter to improve localization accuracy based on android smart phone,” 2014 IEEE Int. Conf. Veh. Electron. Safety, ICVES 2014, pp. 180-184, 2015.

V. F. Martins and C. L. T. Borges, “Active Distribution Network Integrated Planning Incorporating Distributed Generation and Load Response Uncertainties,” IEEE Trans. Power Syst., vol. 26, no. 4, pp. 2164-2172, 2011.

Recibido 2021-08-31
Aceptado 2022-10-31
Publicado 2023-01-15