Electric Power System Planning Issues and Algorithms and Solutions - En.es

Sistemas de poder
Para mayores volmenes:

http://www.springer.com/series/4622
Hossein Seifi Mohammad Sadegh Sepasian
Sistema de Energa
Elctrica
Planificacin
Problemas, algoritmos y Soluciones
123
Prof. Hossein Seifi El Dr. Mohammad Sadegh Sepasian
Facultad de Elctrica e Informtica Universidad de electricidad y agua de
Tecnologa
Ingenieria PO Box 16765-1719
Universidad Tarbiat Modares Tehern
PO Box 14115-194 Corr
Tehern e-mail: sepasian@pwut.ac.ir
Corr
e-mail: seifi_ho@modares.ac.ir
ISSN 1612-1287 e-ISSN 1860-4676
ISBN 978-3-642-17988-4 e-ISBN 978-3-642-17989-1
DOI 10.1007 / 978-3-642-17989-1
Springer Heidelberg Dordrecht Londres Nueva York
Springer-Verlag Berlin Heidelberg 2011
Esta obra est sujeta a derechos de autor. Todos los derechos estn reservados, si la totalidad o parte
del material se refiere, en concreto los derechos de traduccin, reimpresin, la reutilizacin de las
ilustraciones, la recitacin,-cin de difusin, reproduccin en microfilm o en cualquier otra forma, y el
almacenamiento en bancos de datos. Se permite la duplicacin de esta publicacin o partes de los
mismos slo bajo las disposiciones de la Ley de Propiedad Intelectual alemana de 9 de septiembre de
1965, en su versin actual, y el permiso para su uso siempre debe ser obtenido de Springer. Violacines
deben ser procesados bajo el derecho de autor alemn.
El uso de nombres descriptivos generales, los nombres registrados, marcas, etc, en esta publicacin no
implica, incluso en ausencia de una declaracin especfica, que estos nombres estn exentos de las
leyes y reglamentos de proteccin pertinentes y por lo tanto libre para uso general.
Diseo de portada: eStudio Calamar, Berln / Figueres
Impreso en papel libre de cido

Springer es parte de Springer Science + Business Media (www.springer.com)
Prefacio
Uno de los ms grandes, o tal vez, el sistema de escala ms grande jams se ha

hecho, es la red elctrica, con sus numerosos componentes, llamados un sistema
de energa. Durante dcadas, los sistemas de energa se han desarrollado para los
sistemas que pueden cubrir pases o incluso continentes.
De un lado, el comportamiento, el modelado y el funcionamiento de los
componentes bsicos de un sistema de energa deben ser comprendidas y
reconocidas. Es por eso por lo que muchos libros se publican para abordar estas
cuestiones.
Por otro lado, una vez que se observa el sistema en su conjunto, su anlisis,
operacin y planificacin merecen consideraciones especiales. Si bien el anlisis y
en cierta medida, el funcionamiento de los sistemas de energa han sido objeto de
atencin en la literatura y en trminos de los libros de texto, la planificacin del
sistema de alimentacin no es rico desde este punto de vista. Este libro se destina a
cubrir este tema.
Si bien la importancia de la planificacin del sistema de alimentacin no puede
ser exagerada, escribir un libro de texto sobre este tema no es una tarea fcil
debido a algunos, pero no limitado a, las razones de la siguiente
1. Horizonte de planificacin es de corto a largos perodos de tiempo. Los temas
de inters no son los mismos; aunque algunos pueden ser similares.
2. Utilidades y expertos pueden pensar en un trmino planificacin especfica de
manera muy diferente. Por ejemplo, uno puede pensar en la planificacin del
sistema de energa a largo plazo para cubrir los 20 aos en adelante, mientras
que el otro puede considerarlo como 5-15 aos.
3. Si bien los fundamentos de ejemplo, flujo de carga en un libro sobre anlisis de
sistemas elctricos, o generacin automtica de Control (AGC) en un libro sobre
el funcionamiento del sistema de potencia, son esencialmente los mismos en los
libros similares, los algoritmos y las metodologas utilizadas en la planificacin
del sistema de alimentacin puede ser de utilidad o incluso caso dependiente.
El libro se destina a cubrir las emisiones a largo plazo de la planificacin del
sistema de energa, principalmente en los niveles de transmisin y subtransmisin.
Sin embargo, el lector reconocera fcilmente que algunos de los captulos
tambin se pueden usar para mediados de plazo o incluso la planificacin a corto
plazo, tal vez con algunas modificaciones. En cuanto a la planificacin a largo
plazo s, los algoritmos presentados estn principalmente diseados de modo que
se pueden usar para varios marcos de tiempo. Sin embargo, suficientes datos de
entrada deben estar disponibles;
v
vi
Prefaci
o
que pueden no estar disponibles durante perodos muy largo plazo. En cuanto a los
methodolo-Gies y los algoritmos, los captulos estn dispuestos en una manera
independiente de caso y los algoritmos se formulan en las formas en que los
lectores pueden modificar fcilmente de acuerdo con sus deseos.
Tenemos la visin de dos grupos de audiencias para este libro. La primera
consiste en estudiantes de ltimo ao de Licenciatura o graduados con una
especializacin en sistemas de potencia. El segundo grupo est formado por
profesionales que trabajan en y alrededor de la industria de la energa,
especialmente en los departamentos de planificacin.
Para cerrar la brecha entre el aprendizaje formal de los algoritmos y las
profundidades de data de los materiales, algunos cdigos en archivos M Matlab se
generan y se adjuntan en el Apndice L. Se basan en los materiales desarrollados
dentro de los captulos y fcil de seguir. Una vez que se refiere a cualquiera de los
cdigos anteriores dentro de los captulos, se muestra como [#Xm; Apndice L:
(LY)], donde X representa nombre de archivo-M e Y representa el nmero de
seccin correspondiente. Estos cdigos se puede acceder a travs del sitio web del
editor, tambin. Se utilizan para resolver algunos de los ejemplos dentro y algunos
de los problemas al final de los captulos. Sin embargo, hay que destacar que no se
han diseado como software comercial y los instructores pueden pedir a los
estudiantes para modificarlos y los profesionales pueden mejorarlos para satisfacer
sus necesidades especiales.
Algunos ejemplos numricos se resuelven dentro de los captulos. Aunque
hemos tratado de utilizar parmetros de entrada realistas, especialmente
parmetros econmicos son bastante dependientes caso. Por eso, una unidad
monetaria artificial abreviado como R se utiliza para referirse a los valores
econmicos.
Estbamos fortuna para hacer la mayora de los beneficios de nuestros ambas
posiciones acadmicas y profe-sional en la preparacin del libro. El primer autor
es profesor de la Facultad de Ingeniera Elctrica y Computacin de la
Universidad de Tarbiat Modares (TMU) (Tehern / Irn). TMU slo est
implicado en los estudios de grado. Ha dirigido o tiene bajo la supervisin de ms
de 80 estudiantes de maestra y doctorado. Al mismo tiempo, ha fundado un
Centro Nacional de Investigacin (Ingeniera Centro de Investigacin de Sistemas
de Potencia Irn, IPSERC) como centro adscrito a TMU, por la que est actuando
como la cabeza. En los ltimos aos, IPSERC ha participado activamente en ms
de 60 estudios de planificacin estratgica para las grandes compaas elctricas
iranes. Sus vastas experiencias dentro IPSERC se reflejan adecuadamente en
varios captulos. Algunos programas de software comercial se desarrolla tambin,
ahora es utilizado por algunos de los servicios pblicos iranes.
El segundo autor es un miembro de la facultad en la energa y la Universidad
de Tecnologa de Agua (PWUT) y un experto de alto nivel en IPSERC desde su
fundacin. PWUT est afiliado al Ministerio de Energa del pas, con vasta
experiencia en cuanto a cuestiones prcticas.
Muchas personas y organizaciones han hecho que la escritura de este libro pos-
ble. Estamos profundamente agradecidos a los expertos en la industria de energa
elctrica iran que amablemente discutidos y ayudaron a nuestra comprensin de
los problemas prcticos y sus requisitos. Disfrutamos maravillosa oportunidad de
aprendizaje a travs de la realizacin de
Prefacio vii
los estudios de planificacin estratgica para esta industria. Sr. Rae, Sr. Akhavan
(ambos de Tavanir), Dr. Zangene, Sra Zarduzi (ambos de Tehern Regional de
Servicios Pblicos de Electricidad), Sr. Zeraat-Pishe, Sr. Asiae (ambos de Fars
Regional de Servicios Pblicos de Electricidad), Sr. Arjomand, Sr. Torabi, Sr.
Ghasemi ( todo lo de Hormozgn regional de Servicios Pblicos de Electricidad),
Sr. Mehrabi (desde Yazd para empresas de electricidad regional), la Sra Ghare-
Toghe (de Mazandaran Utilidad elctrica regional) son slo unos pocos entre
muchos otros. Sr. Saburi (de Tavanir) nos proporcion algunos datos tiles para
una parte deCap. 4.
Sin embargo, debemos sobre todo gracias a la Dra Ahmadian por su apoyo en
la fundacin IPSERC desde el punto de vista del Ministerio de Energa. Un
agradecimiento especial al Sr. Mohseni Kabir, que era y sigue actuando como el
adjunto en los asuntos de planificacin de Tavanir (Tavanir es el holding de la
industria elctrica iran). Adems de las discusiones tcnicas muy tiles con l, l
tambin ayud en gran medida a cerrar Tavanir con IPSERC.
Dentro IPSERC, muchas personas han contribuido el desarrollo del software;
empleada en los estudios, discutir con los expertos de la industria, etc., para
nombrar unos pocos, Dr. Akbari, Dr. Yousefi, Dr. Haghighat, Sr. Khorram, Sr.
Elyasi, Sr. Roustaei, Sra Hajati, Sr. Sharifzadeh, Sr. Shaffee-Khah merecen un
agradecimiento especial.
Nuestra gratitud se extiende tambin a todos los dems que, de alguna manera,
participaron en el desarrollo de los libros en particular a nuestros estudiantes que
no dejan de hacer preguntas y desafiantes para nuestros amigos que ofrecieron
aliento y apoyo. Sr. Daraeepour desarrollado los cdigos M-Files Matlab. Dr.
Sheij-al-Eslam, Dr. Akbari, Dr. Dehghani, Sr. Elyasi, Sra Hajati, Sr. Roustaei, Sr.
Khorram, Sr. Velayati, Sharif-Zadeh, Sr. Karimi revis los captulos, resuelve
algunos ejemplos, ide algunos problemas y nos proporcion til sugerencias y
comentarios. Sra Najafi y la Sra Tehrani hicieron un excelente trabajo en escribir
todo el manuscrito.
Un nombre merece especial agradecimiento. Nosotros debemos profundamente Sr.
Elyasi para una excelente tarea de revisar, composicin, organizacin del manuscrito y
cuidadosa edicin del libro. Se hizo una tarea realmente maravillosa de una manera
muy agradable y eficiente.
Sincero agradecimiento a Prof. Christoph Baumann y sus colegas, de Springer,
por su apoyo en la preparacin del libro. Por ltimo, debemos agradecer a nuestras
familias que gentilmente nos aceptan como miembros de la familia a tiempo
parcial durante el curso de este libro.
Cabe mencionar que una revisin de los captulos se proporciona en Cap. 1.
Aunque el libro pretende ser un libro de texto, la planificacin del sistema de
energa es un tema orientado a la investigacin, tambin. Es por eso que; tambin
hemos aadido un captulo, para cubrir los temas de investigacin.
Por ltimo, hay que destacar que, aunque hemos tratado de revisar los
materiales de manera que sean, con suerte, libre de errores, algunos pueden
todava existir. no dude en enviarnos un correo electrnico de realimentacin que
incluye errores, comentarios, opiniones o cualquier otra informacin til. Estas
sugerencias de los lectores para mejorar la claridad y precisin de libros sern
recibidos en gran medida.
Tehern, mayo de 2011 Hossein Seifi

Mohammad Sadegh Sepasian
Contenido
1 Planificacin, principios bsicos del sistema elctrico. . . . . . . . . . . . . . . . . .

. 1
1.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Elementos del sistema de potencia. . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 . 2
1.3 Estructura del sistema de potencia. . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Estudios del sistema elctrico, una Perspectiva de Tiempo-
1.4 horizonte. . . . . . . . 4
Cuestiones de planificacin del sistema elctrico. . . . . . . . . . . . . . .
1.5 ........ 7
1.5.1 esttico versus una planificacin dinmica. . . . . . . . . . . . . . . 8
1.5.2 Transmisin Versus Planificacin de la distribucin. . . . . . . . 8
1.5.3 a largo plazo frente a la planificacin a corto plazo. . . . . . . . .
.. 9
1.5.4 Problemas bsico de la planificacin de la transmisin. . . . . .
..... 10
1.6 Una revisin de los captulos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Referencias. . ....................................... 14
2 Tcnicas de optimizacin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Descripcin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.1 Definicin del problema . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.2 Modelado problema. . . . . . . . . . . . . . . . . . . . . . . . . 18
1. Solucin Algoritmos, Matemtica Versus heurstico
Tcnicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.1 Los algoritmos matemticos. . . . . . . . . . . . . . . . . . . . 20
2.3.2 Los algoritmos heursticos. . . . . . . . . . . . . . . . . . . . . . . . 24
Referencias. . ....................................... 30
3 Algunos principios econmicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Las definiciones de los trminos. . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 .. 31
3.3 Concepto de flujo de caja. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.1 Valor temporal del dinero. . . . . . . . . . . . . . . . . . . . . . . 33
3.3.2 Condiciones econmicas. . . . . . . . . . . . . . . . . . . . . . . . . . 34
ix
Contenid
x o
3.4 Anlisis Economico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3.4.1 Mtodo valor actual. . . . . . . . . . . . . . . . . . . . . . 36
3.4.2 Mtodo de costos anuales. . . . . . . . . . . . . . . . . . . . . . . . 38
3.4.3 Mtodo Tasa de Retorno. . . . . . . . . . . . . . . . . . . . . . 38
3.4.4 Un ejemplo detallado. . . . . . . . . . . . . . . . . . . . . . . . 39
Referencias. . ...................................... . 44
4 Load Forecasting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2 Caractersticas de la carga. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Cargar los parmetros de conduccin. . . . . . . . . . . . . . . . . . . . . .
4.3 .... . 47
4.4 Espacial de carga Forecasting. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.5 Mtodos de carga a largo plazo de prediccin. . . . . . . . . . . . . . . . . 50
Anlisis de tendencia. . . . . . . . . . . . . . . . . . . . . . . . . .
4.5.1 . . 50
4.5.2 Modelizacin Economtrica. . . . . . . . . . . . . . . . . . . . . . 51
Anlisis del uso final de. . . . . . . . . . . . . . . . . . . . . . . .
4.5.3 . . 51
4.5.4 El anlisis combinado. . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6 Ejemplos numricos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6.1 Carga de prediccin para una utilidad Regional. . . . . . . . . . 52
4.6.2 Load Forecasting de una utilidad a gran escala. . . . . . . . . 56
Referencias. . . ..................................... . 66
5-bus sola generacin planificacin de la expansin. . . . . . . . . . . . . . . . . 69

5.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Definicin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.4 Desarrollo matemtico. . . . . . . . . . . . . . . . . . . . . . . . . 75
5.4.1 Las funciones objetivas. . . . . . . . . . . . . . . . . . . . . . . . 75
5.4.2 Restricciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.5 WASP, un paquete de GEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.5.1 Clculo de los costes. . . . . . . . . . . . . . . . . . . . . . . . 78
5.5.2 Descripcin de los mdulos WASP-IV. . . . . . . . . . . . . . 80
5.6 Los resultados numricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Problemas. . . .
. ..................................... . 86
Referencias. . . ..................................... . 87
6 Multi-bus Generacin planificacin de la expansin. . . . . . . . . . . . . . . . . . 89

6.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3 A la programacin lineal (LP) en base GEP. . . . . . . . . . . . . . . . 91
6.3.1 Principios bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.3.2 Formulacin matemtica. . . . . . . . . . . . . . . . . . . . 95
Contenido xi
6.5 GEP un algoritmo gentico (GA) base. . . . . . . . . . . . . . . . . 98 6.6

numricos Resultados para algoritmo basado en GA. . . . . . . . . . . . . . 99
problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
7 Subestacin planificacin de la expansin. . . . . . . . . . . . . . . . . . . . . . . . . . 105

7.1 Introduccin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 7.2 Definicin
del problema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 7.3 Un caso bsico. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 7.3.1 Descripcin del problema. . . . . . . . .
. . . . . . . . . . . . . . . 106 7.3.2 Resultados tpicos para un caso sencillo. . . . . . . . . . .
. . . 110
7.4 Una vista matemtico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 7.4.1
Funcin objetivo. . . . . . . . . . . . . . . . . . . . . . . . . 114 7.4.2
Restricciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 7.4.3
Formulacin del problema. . . . . . . . . . . . . . . . . . . . . . . 115 7.4.4
Datos necesarios. . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
7.5 Un caso avanzado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 7.5.1
Formulacin general. . . . . . . . . . . . . . . . . . . . . . . . 117 7.5.2 Solucin
algoritmo. . . . . . . . . . . . . . . . . . . . . . . . . 122
7.6.1 sistema bajo estudio. . . . . . . . . . . . . . . . . . . . . . . . 124 7.6.2
Cargar modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 7.6.3 Hacia
abajo cuadrcula. . . . . . . . . . . . . . . . . . . . . . . . . . . 125 7.6.4 rejilla
hacia arriba. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 7.6.5 Transmisin
Subestacin. . . . . . . . . . . . . . . . . . . . . 126 7.6.6 Varios. . . . . . . . . . . . .
. . . . . . . . . . . . . . . 128 7.6.7 Resultados para BILP algoritmo. . . . . . . .
. . . . . . . . . . . 128 7.6.8 Resultados para GA. . . . . . . . . . . . . . . . . . . . . .
. . . . . . 129
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
8 Red de Expansin de Planificacin, un enfoque bsico. . . . . . . . . . . . . 133

8.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.2 Definicin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
8.4 Formulacin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
8.4.1 Funcin objetiva . . . . . . . . . . . . . . . . . . . . . . . . . 140
8.4.2 Restricciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
8.5 Metodologas de soluciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8.5.1 Mtodo enumeracin. . . . . . . . . . . . . . . . . . . . . . . 142
8.5.2 Mtodos heursticos. . . . . . . . . . . . . . . . . . . . . . . . . 143
8.6.1 Sistema de Prueba Garver. . . . . . . . . . . . . . . . . . . . . . . . 150
8.6.2 Un sistema de ensayo grande. . . . . . . . . . . . . . . . . . . . . . . 150
xii
Contenid
o
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9 Red de Expansin de Planificacin, un enfoque avanzado. . . . . . . . . 155

9.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
9.3 Formulacin del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
9.3.1 Requerimientos bsicos . . . . . . . . . . . . . . . . . . . . . . . . 159
9.3.2 Las funciones objetivas. . . . . . . . . . . . . . . . . . . . . . . . 162
9.3.3 Restricciones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
9.4 Metodologa solucin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
9.5 La seleccin de candidatos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
10 reactiva planificacin de la energa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

10.1 Introduccin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Rendimiento
10,2 Tensin de un sistema. . . . . . . . . . . . . . . . . . . . . 174 Perfil 10.2.1 Tensin. . .
. . . . . . . . . . . . . . . . . . . . . . . . . 174 10.2.2 Estabilidad de voltaje. . . . . . . . . . . . . . .
. . . . . . . . . . . 174 10.2.3 Parmetros de control Rendimiento de tensin. . . . . . . . .
176 10.2.4 esttico Versus reactivas Recursos dinmicas de potencia. . . 176 10.3
Descripcin del problema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
10.4 Planificacin de energa reactiva (RPP) para un sistema. . . . . . . . . . . .
182 10.4.1 Asignacin esttica de recursos reactiva y el apresto. . . . . 182
10.4.2 Asignacin de Recursos reactiva dinmica y el apresto. . . 184
Procedimiento 10.4.3 Solucin. . . . . . . . . . . . . . . . . . . . . . . . . 186 10,5
resultados numricos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187 10.5.1
Sistema de Prueba Pequeo. . . . . . . . . . . . . . . . . . . . . . . . . 187 10.5.2
Sistema de ensayo grande. . . . . . . . . . . . . . . . . . . . . . . . . 189
Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
11 Potencia planificacin de sistemas en presencia de incertidumbre. . . . . . . 197

11.1 Introduccin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 11.2 Sistemas
de Potencia De-regulacin. . . . . . . . . . . . . . . . . . . . . . . . 198 11.3 Las
incertidumbres del sistema elctrico. . . . . . . . . . . . . . . . . . . . . . . . . 199 11.3.1 Las
incertidumbres en un entorno regulado. . . . . . . . . 199 11.3.2 Las incertidumbres
en un ambiente regulado-DE. . . . . . . 200
1. Problemas prcticos de la planificacin del sistema de alimentacin
en un entorno regulado-De. . . . . . . . . . . . . . . . . . . . . . . 201
Contenido xiii
11.5 Cmo hacer frente a las incertidumbres en la planificacin de sistemas

de energa. . . 204 11.5.1 esperado criterio de costo. . . . . . . . . . . . . . . .
. . . . . 205 Criterio Regret 11.5.2 Min-max. . . . . . . . . . . . . . . . . . . .
206 11.5.3 Criterio de Laplace. . . . . . . . . . . . . . . . . . . . . . . . . . 207
11.5.4 El Van Neuman-Morgenstern (VNM) Criterio. . . . 207 11.5.5
Criterio de Hurwicz. . . . . . . . . . . . . . . . . . . . . . . . . . 207 11.5.6
Discusin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
12 tendencias de investigacin en la planificacin de sistemas de energa. . . . . . . .

. . . . . . . . 209
12.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.2 Observaciones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
12.3 Referencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.3.1 General. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.3.2 LF (2000 en adelante). . . . . . . . . . . . . . . . . . . . . . . . . 211
12.3.3 GEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
12.3.4 TEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
12.3.5 GEP y TEP. . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
12.3.6 RPP (2000 en adelante). . . . . . . . . . . . . . . . . . . . . . . . 218
Varios 12.3.7. . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
12.4 Ejercicio 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
12.5 Ejercicio 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
13 Un ejemplo completo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 13.1

Introduccin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 13.2 Problema SEP-
Nivel Sub transmisin. . . . . . . . . . . . . . . 223 13.2.1 bsico. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . 223 13.2.2 sistema bajo estudio. . . . . . . . . . . . . . . . . . . . . . . .
224 13.2.3 datos de entrada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 13.2.4
Informacin de solucin. . . . . . . . . . . . . . . . . . . . . . . . 224 13.2.5 resultados. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . 227 13.3 Problema SEP nivel de transmisin. . .
. . . . . . . . . . . . . . . 229
1. Problema NEP para ambas sub-transmisin
y los niveles de transmisin. . . . . . . . . . . . . . . . . . . . . . . . . . . 233
1. Problema RPP para ambas sub-transmisin
y los niveles de transmisin. . . . . . . . . . . . . . . . . . . . . . . . . . . 238
13.5.1 Resultados para 2011. . . . . . . . . . . . . . . . . . . . . . . . . . . 240
13.5.2 Resultados para 2015. . . . . . . . . . . . . . . . . . . . . . . . . . . 242
Apndice A: DC flujo de carga. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
Apndice B: Un problema de optimizacin simple. . . . . . . . . . . . . . . . . . 249
Apndice C: autorregresivo de media mvil Modeling (ARMA). . . . 259

xiv
Contenid
o
Apndice D: Cul es EViews. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Apndice E: Los clculos de los ndices de fiabilidad. . . . . . . . . . . 263
Apndice F: Garver Prueba de datos del sistema. . . . . . . . . . . . . . . . . . . . . . . . 267
Apndice G: Sistema de Informacin Geogrfica. . . . . . . . . . . . . . . . 271
Apndice H: 84-Bus de datos de prueba del sistema. . . . . . . . . . . . . . . . . . . . . . . .

273
Apndice I: numricos detalles del enfoque bsico. . . . . . . . . . . . 285
Apndice J: 77-Bus de datos de prueba del sistema. . . . . . . . . . . . . . . . . . . . . . . .

287
K Apndice: numricos detalles del enfoque hbrido. . . . . . . . . . 301
Apndice L: Generado Matlab M-Files cdigos. . . . . . . . . . . . . . . . . . 307
ndice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Captulo 1
Planificacin de la instalacin Rendimiento,
Principios Bsicos
1.1 Introduccin
La industria de la energa elctrica ha evolucionado a lo largo de muchas dcadas,

a partir de un generador de baja potencia, sirviendo un rea limitada, a las redes
altamente interconectadas, sirviendo a un gran nmero de pases o incluso
continentes. Hoy en da, un sistema de energa elctrica es uno de los sistemas de
escala ms grandes hechas por el hombre; jams se ha hecho, que consta de gran
nmero de componentes; a partir de baja energa a los aparatos elctricos de muy
alta potencia gigantes turbogeneradores. La ejecucin de este gran sistema es una
tarea difcil real. Ha causado numerosos problemas a resolver tanto por la
educacin y los organismos industriales. Las lecciones tienen que ser aprendidas
del pasado. Al mismo tiempo que la situacin actual se debe ejecutar de manera
eficiente, conocimientos adecuados se debe dar al futuro. Como veremos en breve,
la palabra operacin es el trmino de energa elctrica normal utilizado para el
funcionamiento de la situacin actual. Refirindose al futuro, los expertos en
sistemas de energa utilizan la planificacin a largo plazo para denotar las acciones
necesarias para el futuro. Las experiencias pasadas siempre se utilizan para la
operacin y planificacin del sistema eficiente.
La planificacin del tema del verbo transitivo para planificar, significaba para
concertar un mtodo o sistema de antemano para cualquier trabajo, empresa, o
procedimiento.1El objetivo aqu es discutir los significados de mtodo o sistema,
de antemano y trabajo, empresa o procedimiento para un sistema de energa fsica.
En otras palabras, vamos a discutir el problema de la planificacin del sistema de
potencia en funcin de las cuestiones planteadas desde diversos puntos de vista;
los mtodos a utilizar; los elementos a ser afectados; el horizonte de tiempo a ser
observado, etc.
En breve vamos a definir y describir, con ms detalle, estas cuestiones. Antes
de eso, sin embargo, se proporciona una breve resea de los elementos y la
estructura del sistema de energa (Sectas. 1.2 y 1.3). Para aclarar los lmites entre
diferentes estudios del sistema de potencia, una perspectiva de horizonte de
tiempo de tales estudios se da enSecta. 1.4. cuestiones de planificacin de sistemas
de energa pueden examinarse desde varios puntos de vista. Estos son
1
dictionary.reference.com.
H. Seifi y MS Sepasian, planificacin de sistemas de Energa Elctrica, Power Systems, 1

DOI: 10.1007 / 978-3-642-17989-1_1, Springer-Verlag Berlin Heidelberg 2011
2 1 Planificacin de Sistemas de Potencia,
Principios Bsicos
discutido en ms detalles en Secta. 1.5. Por otra parte, se da nfasis al problema de

la planificacin del sistema de energa a largo plazo, tratado en las subsecciones
siguientes. Una revisin de los captulos se proporciona enSecta. 1.6.
1.2 Elementos del sistema de alimentacin
Como ya se ha sealado, un sistema de energa tpico se compone de gran nmero

de elementos. Los elementos pueden variar de un pequeo interruptor de la
lmpara a un generador gigante. Sin embargo, los principales elementos de inters
en este libro son
1. instalaciones de generacin
2. instalaciones de transmisin
- Subestaciones
- Red (lneas, cables)
3. cargas
Como cuestin de hecho, en la planificacin del sistema de energa, los detalles
de cada elemento de diseo no son de inters principal. Por ejemplo, para una
instalacin de generacin, son de slo disuadir-minados del tipo (turbina de vapor,
turbina de gas, etc.), la capacidad y su ubicacin. 2 En Secta. 1.3, Vamos a ver
cmo estos elementos se pueden agrupar en una estructura tpica de un sistema de
potencia.
Estructura 1.3 Power System
Se supone que el lector ya est familiarizado con los conceptos bsicos de un

sistema de energa elctrica. Para poner de relieve los elementos afectados en
sistemas de potencia problemas plan de Ning, Fig.1.1representa un sistema de
energa tpico, que comprende del generacin, la interfaz y la carga. Las
generaciones y las cargas se distribuyen por todo el sistema. Como resultado,
algunas interfaces deben ser proporcionados para transferir los poderes a las
cargas generadas. Las generaciones pueden estar en la forma de una pequea
clula solar o un generador diesel a una planta de energa nuclear muy gigante.
Las cargas comienzan, tambin, de una tienda pequea / el hogar de un gran
complejo industrial. Debido tanto a la tcnica y los puntos de vista econmicos,
los voltajes de generacin puede ser tan alta como 33 kV o menos, mientras que
las tensiones de carga puede ser mucho menor. Por otra parte, los recursos de
generacin pueden estar lejos de los centros de carga. Para reducir las prdidas y
hacer posible la transmisin, tenemos que convertir los voltajes de generacin de
2
Vale la pena mencionar que, tras una planificacin bsica generacin como la que se ha
indicado anteriormente, se requiere un diseo detallado planta de energa en el que se determinan
las especificaciones tcnicas de todos los elementos. Esta es, de hecho, el problema de diseo de
plantas de energa, no debe ser tratado en este libro.
Estructura 1.3 Power System 3
DIgSILENT
GRAMO
13,8 kV
400 kV
230 kV 230 kV 400 kV
132 kV 132 kV
400 V 20 kV 20 kV
20 kV 400 V
kV4
00
20 kV
400 V
G
~
2
3
1
0
0
4
V
k
132 kV 20 kV 20 kV 400 V 20 kV
V
k
~
GRAMO
400 V
11,5 kV
3
3
V
K
20 kV
132 kV
0
0
4
V
0
2
V
K
63 kV
63 kV
400 kV 400 kV
10,5 kV 15.75 kV
230 kV 230 kV
GRAMO GRAMO
~ ~
Fig. 1.1 Un sistema de energa tpico
tanto los valores ms alto y para reconvertirlos a bajar las de los extremos de
recepcin (centros de carga). Como resultado, las interfaces entre las generaciones
y las cargas pueden comprender de varias tensiones, tales como 20, 63, 132, 230,
400, 500 kV o incluso ms.3Las tensiones disponibles dependen mucho de cada
uno experimenta de servicios pblicos dentro de cada pas. Sin embargo,
independientemente de lo que las tensiones estn disponibles, es de la prctica
industrial normal para clasificar a estos voltajes
1. Transmisin (por ejemplo, 230 kV y superior)
2. Sub-transmisin (por ejemplo, 63, 132 kV, y similar)
3. Distribucin4 (Por ejemplo, 20 kV y 400 V).
Debido a estos diversos voltajes, los transformadores se asignan a lo largo de la
red de trabajo en las llamadas subestaciones. Por ejemplo, una subestacin 400
kV5puede comprender de cuatro 400 kV: 230 transformadores kV. Cada
subestacin tambin est equipado con interruptores de circuito, la corriente y
transformadores de potencial,6 equipos de proteccin, etc. La representacin
diseo de una subestacin tpica se muestra en la Fig. 1.2.
1.
El trmino adicional de alto voltaje (EHV) se utiliza normalmente para tensiones alrededor de
400-500 kV. UHV (Ultra High Voltage) es el trmino usado para 735, 765 kV y voltajes ms
altos.
2.
Para los sistemas de distribucin, 400 V o as se define como la distribucin de baja tensin,
mientras que 20 kV y similares se clasifican como distribucin de media tensin.
3.
Una subestacin se denomina normalmente basado en el nivel de tensin ms alto de sus
transformadores.
4.
Para los propsitos de medicin.
Principios Bsicos
Fig. 1.2 La representacin diseo de una subestacin tpica
1.4 Estudios del sistema elctrico, una perspectiva horizonte

temporal
Sealamos brevemente antes de que el pensamiento de la corriente y los futuros

estados de un sistema de energa se llama operacin y planificacin,
respectivamente. Vamos ahora a definir estos trminos con mayor precisin. Antes
de eso, sin embargo, mencionamos dos estudios tpicos que los expertos en
sistemas de potencia llevan a cabo en la vida real.
En primer lugar, supongamos que se prev que la carga predicho en 10 aos a partir de
ahora, se puede servir a condicin de que una nueva planta de energa se construye. El
experto tiene que decidir sobre su capacidad, tipo requerido y donde la planta tiene que
estar conectado a la red. Una vez decidido correctamente, su CONSTRUIR tiene que ser
iniciado antes de tiempo, por lo que la planta est disponible dentro de 10 aos. Este es un
estudio a largo plazo tpico de los sistemas de potencia (Fig.1.3).
En segundo lugar, supongamos que vamos a construir una lnea de transmisin,
pasando por una zona montaosa. Una vez construida, la lnea puede estar sujeto a
un rayo grave. El rayo es un fenmeno muy rpido tal que afecta el sistema dentro
de nano-segundos. El diseador debe pensar en las disposiciones correspondientes
en la lnea, mediante el modelado adecuado del sistema en estas situaciones muy
rpidos y la realizacin de estudios suficientes, para asegurarse de que la lnea no
falla, si tal rayo sucede en la prctica. Se trata de un estudio tpico muy corto plazo
de los sistemas de energa.
Proporcionada una suficiente generacin y transmisin estn disponibles para
servir a las cargas, un tomador de decisiones del sistema elctrico 7 debe realizar
una 1 semana hasta
7
El tomador de decisiones puede ser una utilidad, centro de control, operador del
sistema o similar.
1. Estudios del sistema elctrico, una perspectiva horizonte temporal 5
Planificacin de la instalacin
1 ao - 10 aos Rendimiento
programacin de mantenimiento
1 semana - 1 ao
(Planificacin Operativa)
Compromiso unidad
sistema de alimentacin
Funcionamiento del
Despacho Econmico y
Flujo ptimo de potencia
Minutos - 1 semana
Control Automtico de Generacin
- segundos
milisegundos Dinmica del sistema elctrico
nanosegundos - Los transitorios de la instalacin

Rendimiento
microsegundos
Fig. 1.3 Una perspectiva horizonte de tiempo de los estudios de sistemas de potencia
1 ao8estudiar para decidir, por adelantado, en el mantenimiento de los elementos

del sistema de potencia (centrales elctricas, lneas de transmisin, etc.). Este tipo
de estudio es estrictamente necesario ya que si las plantas no se mantienen
adecuadamente, pueden fallar en condiciones severas de carga. Por otra parte, el
tomador de decisiones debe saber qu elementos no estn disponibles dentro del
ao en curso, para que l o ella puede basar sus prximas decisiones en elementos
disponibles. Este tipo de estudio se llama programacin del mantenimiento. Otro
trmino que se utiliza normalmente es la planificacin operativa.
La fase operativa empieza desde 1 semana hasta minutos. Estos tipos de
estudios pueden ser generalmente clasificados como9
1. Horas a 1 semana (por ejemplo, asignacin de unidades),
2. Varios minutos a 1 h (por ejemplo, despacho econmico, Flujo ptimo de
potencia (OPF)),
3. Minutos (por ejemplo, Control de Generacin automtica (AGC)).
Para discutir, brevemente, los puntos mencionados anteriormente, supongamos
que a partir de diez plantas de energa de un sistema, en la prxima semana, tres
no estn disponibles debido a la prevista
8
Los lmites de tiempo definidos aqu no son ntidas. Pueden cambiar de acuerdo a los servicios
pblicos experiencias.
9
Slo se mencionan algunos estudios tpicos en la fase operativa. Los estudios actuales pueden
ser ms, pero, por lo general caen en los plazos mencionados.
Principios Bsicos
Fig. 1.4 El sistema disponible para el funcionamiento del sistema
mantenimientos (Fig. 1.4). El tomador de decisiones debe decidir sobre el uso de

las plantas disponibles para servir a la carga prevista para cada hora de la semana
que viene. Por otra parte, l o ella debe decidir sobre el nivel de generacin de
cada planta, ya que las capacidades de produccin de todas las plantas pueden ser
notablemente superior a la carga prevista. Este tipo de estudio se conoce
comnmente como unidad de compromiso. Su decisin puede basarse en algunas
consideraciones tcnicas y / o econmicas.10 La decisin final puede estar en la
forma de
Commit unidad 1 (nivel de generacin: 100 MW), la unidad 3 (nivel de
generacin: 150 MW) y la unidad 6 (nivel de generacin: 125 MW) , para servir
a la carga predicha de 375 MW en hora 27 de la semana (1 semana = 168 h).
Commit unidad1 (nivel de generacin: 75 MW) y la unidad 3 (nivel de
generacin: 120 MW), para servir a la carga prevista de 195 MW en la hora 35
de la semana.
Una lista completa de todas las horas de la semana debe ser generada. Una vez
que llegamos a la hora exacta, la carga real puede no ser igual a la carga prevista.
Supongamos, por ejemplo, que la carga real en la hora 27 para ser 390 MW, en
lugar de 375 MW. Un estudio adicional tiene que ser realizada en esa hora de
asignar la carga real de 390 MW entre las plantas disponibles en ese hora
(unidades 1, 3 y 6). Este tipo de
10
El lector puede referirse a cualquier libro de texto de funcionamiento, ya sea en entornos
regulados o basados en el mercado. La lista de las referencias al final del captulo.
1.4 Estudios del sistema elctrico, una perspectiva horizonte temporal 7
estudio puede basarse en algunas consideraciones tcnicas y / o econmicas y se

conoce comnmente como despacho econmico o de flujo de potencia ptimo
(OPF).11
Prximos a los perodos de tiempo ms rpido, el siguiente paso es para controlar
automticamente la generacin de las plantas (para unidades ejemplo, 1, 3 y 6) a travs
de seales de telemetra a los niveles exigidos, para satisfacer la carga de 390 MW en
horas 27. Esta tarea es normalmente se hace referencia como control de Generacin
automtica (AGC) y debe ser realizada, de forma peridica (decir, en minutos); de lo
contrario, la frecuencia del sistema puede cambiar indeseablemente.
Adems de ir hacia los perodos de tiempo ms rpido, llegamos a los estudios de
dinmica de sistemas de potencia, en milisegundos a segundos. En este perodo de
tiempo, los efectos de algunos componentes, tales como los sistemas y gobernadores
de excitacin plantas de energa pueden ser significativas. Dos ejemplos tpicos son los
estudios de estabilidad (por ejemplo, pequea seal, seal grande, la estabilidad de
voltaje, etc.) y el fenmeno de Sub-Synchronous Resonance (SSR).12
El extremo muy lejos de la fig. 1.3consiste en el fenmeno muy rpido de los
comportamientos del sistema de potencia. Se trata de los llamados estudios de
transitorios del sistema de potencia, que implica estudios sobre los relmpagos, los
transitorios de conmutacin y similares. El perodo de tiempo de inters es de
milisegundos a nanosegundos o incluso picosegundos.13
A medida que la planificacin del sistema de alimentacin es el tema de inters
en este libro, vamos a discutir ms el tema en Secta. 1.5.
1.5 Problemas de la planificacin del sistema de alimentacin
Como se describe en Secta. 1.4, Estudios de planificacin de sistemas de energa

consisten en estudios para los prximos 1-10 aos o ms. En esta seccin, se da
una clasificacin ms precisa. Antes de eso, vale la pena mencionar que
la planificacin del sistema de alimentacin es un proceso en el que el

objetivo es decidir sobre nuevas, as como actualizar los elementos del
sistema existentes, para satisfacer adecuadamente las cargas para un futuro
previsto.
Los elementos pueden estar

1. instalaciones de generacin
2. subestaciones
3. Las lneas de transmisin y / o cables
4. Condensadores / Reactores
5. Etctera
1.
OPF requiere un modelado ms compleja del problema. La lista de las referencias al final del
captulo.
2.
El lector interesado puede referirse a los libros de texto disponibles sobre el tema. La lista de
las referencias al final del captulo.
3.
Vase la nota no. 12.
Principios Bsicos
La decisin debe ser

1. Dnde asignar el elemento (por ejemplo, el extremo de envo y la recepcin de
una lnea),
2. Cuando instalar el elemento (por ejemplo, 2015),
3. Lo que hay que seleccionar, en funcin de las especificaciones de elementos
(por ejemplo, nmero de bultos y tipo de conductor).
Obviamente, las cargas deben ser adecuadamente satisfechas.14 En las
siguientes subsecciones, se proporcionan algunas clasificaciones de la materia.
1.5.1 esttico Versus Planificacin Dinmica
Supongamos que nuestra tarea es decidir sobre los temas indicados anteriormente
para 2015-2020. Si las condiciones pico de carga son para ser investigado, los
estudios implican seis condiciones de carga. Una forma es, estudiar cada ao por
separado, independientemente de los otros aos. Este tipo de estudio se refiere a la
planificacin como algo esttico que se centra en la planificacin de una sola
etapa. El otro es para centrarse en las seis etapas, de manera simultnea, por lo que
la solucin se encuentra en las seis etapas al mismo tiempo. Este tipo de estudio se
denomina como la planificacin dinmica.
Obviamente, aunque la planificacin esttica durante un ao especfico
proporciona informacin til para ese ao, el proceso que ha dado anteriormente
conduce a resultados poco prcticos para el perodo que las soluciones para un ao
no pueden ser independientes de la solucin a partir de los aos anteriores. Una
manera de resolver el problema es incluir los resultados de cada ao en los
estudios para el ao siguiente. Esto puede ser referido a la planificacin como
semi-esttica, semi-dinmico, cuasi-esttico o cuasi-dinmica. Es evidente que la
solucin de planificacin dinmica puede ser ms ptimo en comparacin con la
solucin de planificacin semi-esttico.
Hay que mencionar que la palabra dinmica aqu no debe confundirse con la
dinmica del sistema elctrico, ya se seal en Secta. 1.4.
1.5.2 Transmisin Versus Distribution Planning
Hemos discutido anteriormente en Secta. 1.3que podemos distinguir tres niveles

principales de una estructura de sistema de potencia, a saber, la transmisin, sub-
transmisin y distribucin. Nivel de distribucin es a menudo previsto; o al menos
operado, radialmente. Figura1.5representa una red de distribucin tpica, a partir de un
63 kV: subestacin kV 20, terminando a algunos tipos de cargas, tanto a travs de 20
kV y 400 V alimentadores. Tenga en cuenta que los interruptores A y B estn
normalmente abiertas y pueden cerrarse, si es necesario. Interruptores C y D son
normalmente
14
En este libro, vamos a ver lo que significa en la prctica de
manera adecuada.
1.5 Problemas de la planificacin del sistema de alimentacin 9
63kV 20kV 400V
re segundo
do UN
Planta de generacin
400V
Fig. 1.5 una red tpica de distribucin radial
cerrado y puede ser abierto si es necesario. Una pequea generacin tambin est
conectado a la red, como algunos tipos de generaciones locales (nombrados como
Generacin Distribuida, o DG) conectados a los sistemas de distribucin, son de
las prcticas industriales actuales.
En cuanto a los niveles de transmisin y de subtransmisin, estos estn
generalmente interconectados, como ya se ha mostrado en la fig.1.1.
Normalmente, ambos pueden ser tratados de manera similar, en cuanto a los
estudios que se requieren y que participan. A partir de aqu, la transmisin, nos
referimos a la transmisin y / o niveles de subtransmisin, salvo indicacin en
contrario.
Como se ve, las dos redes de transmisin y distribucin comprenden de lneas /
cables, subestaciones y generaciones. Sin embargo, debido a la caracterstica
especfica de un sistema de distri-bucin (tales como sus caractersticas radiales), su
planificacin se separa normalmente de un sistema de transmisin, 15 aunque gran
parte de las ideas pueden ser similares.
En este libro, que se refieren principalmente a la planificacin de la
transmisin.
1.5.3 a largo plazo frente a la planificacin a corto plazo
Mencionamos enSecta. 1.4que los problemas de planificacin de sistemas de

energa pueden cubrir un perodo de 1-10 aos, o incluso ms. Supongamos que,
para la condicin mxima de carga del prximo ao, un experto en la utilidad del
sistema de potencia avisos que a partir de las dos lneas, la alimentacin de una
subestacin, uno podra estar sobrecargado en un 10% de su capacidad nominal,
mientras que, el otro sera cargado en un 60% de su capacidad nominal. Despus
de cuidadosos estudios, l o ella se entera de que si una
15
Para ver algunos detalles sobre la distribucin del sistema de energa, el lector puede referirse
a los libros de texto disponibles. La lista de las referencias al final del captulo.
Principios Bsicos
dispositivo de controldiecisisest instalado en una lnea, la distribucin de la carga

puede ser equilibrada en ambas lneas. Una vez decidido, el proceso de instalacin
de este dispositivo se puede realizar de una manera tal que no surge ningn
problema para el prximo ao. Esta es una decisin tpica planificacin de la
transmisin de corto plazo.
Mirando al otro extremo, supongamos que la previsin de cargas para los
prximos aos muestra que con todas las generaciones ya disponibles y previstas,
habra un dficit de generacin en 9 aos a partir de ahora, en adelante. Despus
de un cuidadoso estudio, el planificador decide sobre la adicin de una nueva
planta de energa de vapor MW 2 9 500 en un bus especfico en ese ao. Su
construccin debe comenzar con suficiente antelacin para que estara disponible
en el momento requerido. Su decisin es una decisin planificacin de la
transmisin tpica a largo plazo (de 9 aos).
No hay una regla de oro en la especificacin de las cuestiones de planificacin
a largo plazo a corto plazo o. Normalmente, \ 1 ao cae en las cuestiones de
planificacin y operativas de funcionamiento (Secta. 1.4) En el que el objetivo es
tpicamente para administrar y operar los recursos disponibles en una manera
eficiente. Ms que eso cae en la etapa de planificacin. Si la instalacin de nuevos
equipos y predecir el comportamiento del sistema son posibles en un tiempo ms
corto (por ejemplo, para sistemas de distribucin, 1-3 aos), el trmino de
planificacin a corto plazo puede ser utilizado. Ms que eso (3-10 aos y an ms
alto) se llama planificacin a largo plazo (por lo general la planificacin de la
transmisin) en el que predecir el comportamiento del sistema es posible para
estos perodos ms largos. Por otra parte, la instalacin de un nuevo elemento
(como una lnea UHV 765 kV o una central nuclear) se debe decidir con suficiente
antelacin para que estara disponible en el momento oportuno.
Aunque el objetivo principal de este libro est en la planificacin del sistema de
energa a largo plazo, es importante mencionar que los aos tpicos mencionados
anteriormente dependen mucho de cada uno experimenta de servicios pblicos.
Los enfoques presentados son suficientes para ser aplicada a los problemas de
planificacin de transmisin general (independientemente de ser a corto plazo o
largo plazo), pero no necesariamente a cuestiones de planificacin de distribucin
(aunque las ideas generales, se pueden usar).
1.5.4 Problemas bsico de la planificacin de transmisin
Con la debida atencin a todos los puntos mencionados en los apartados

anteriores, llegamos ahora a nuestro principal inters de planificacin de la
transmisin. El trmino que se utiliza comnmente en la literatura es de Expansin
de Transmisin de Planificacin (TEP), para demostrar que nos centramos en
problemas a largo plazo.
Antes de seguir adelante, debemos sealar que, en este libro, para evitar la
confusin entre la planificacin de la distribucin y las cuestiones de planificacin
que implican altos voltajes, se ha utilizado el TEP terminologa hacer hincapi en
el hecho de que la transmisin y los niveles de subtransmisin se consideran .
Podemos utilizar el trmino general de la planificacin del sistema de energa,
teniendo en cuenta el hecho de que la planificacin de distribucin est excluido
de nuestro
diecisis
Tal como un transformador de
desplazamiento de fase.
discusiones. A veces, la terminologa de la planificacin de la expansin de la red

(NEP) tambin se utiliza para sealar los mismos conceptos. Como usamos la
NEP para los estudios de ampliacin de la red (lneas, cables, etc.), que no han
seguido esta idea. EnSecta. 1.5.4.1 mediante 1.5.4.6, Los temas de inters de TEP
(o ms correctamente, la planificacin del sistema elctrico; con exclusin de
planificacin de la distribucin) se introducen. No utilizamos la terminologa TEP
con frecuencia en este libro. En su lugar, se consideran las cuestiones.
En Secta. 1.6, Vamos a hablar de cmo se organizan los captulos de libros para
cubrir los puntos.
1.5.4.1 Carga de Prediccin
El primer paso crucial para cualquier estudio de planificacin es predecir el

consumo durante el perodo de estudio (2015-2020 decir), como todos los estudios
posteriores se basan en eso. Esto se conoce como la previsin de carga. El mismo
trmino se utiliza para fines operativos, tambin. Sin embargo, se entiende que una
previsin de carga a corto plazo, que se utiliza para los estudios oper-ational, es
significativamente diferente de la que a largo plazo se usa en estudios de
planificacin. En una previsin de cargas a corto plazo, para la prediccin de la
carga, por ejemplo, de la prxima semana, nos encontramos con la prediccin de
la carga por cada hora de la semana que viene. Es obvio que los factores
determinantes pueden ser las condiciones climticas, los programas especiales de
televisin y similares.
En una previsin de cargas a largo plazo, que es del inters principal de este
libro, que normalmente deseamos para predecir las condiciones pico de carga de
los prximos aos. Obvi-ormente, los factores determinantes son diferentes aqu.
aumento de la tasa de poblacin, PIB (Producto Interno Bruto) 17 y trminos
similares tienen efectos dominantes.
1.5.4.2 Generacin de planificacin de la expansin
Despus de la prediccin de la carga, el siguiente paso es determinar los

requerimientos de generacin para satisfacer la carga. Una solucin simple obvia
es suponer un aumento de generacin igual al aumento de carga. Si, por ejemplo,
en el ao 2015, la carga mxima sera de 40.000 MW y en ese momento, la
generacin disponible es de 35.000 MW, se requerira una generacin adicional de
5.000 MW. Por desgracia, la solucin no es tan simple en absoluto. Algunas de las
razones obvias son
1. Qu tipos de plantas de energa tenemos que instalar (trmica, la turbina de
gas, nuclear, etc.)?
2. hacia dnde tenemos que instalar las plantas de energa (distribuidos entre los
5 autobuses especficas, 10 autobuses especficos, etc.)?
3. Qu capacidades tenemos que instalar (5 9 1 000 MW, o 2 9 1 000 MW y 500
MW 6 9, o ...)?
4. Ya que puede haber una interrupcin en una planta de energa (ya sea existente o nuevo),
deberamos instalamos generaciones adicionales para dar cuenta de estas situaciones? En
caso afirmativo, qu, dnde y cmo?
17
Ver Cap. 3 para la descripcin de los trminos
econmicos.
Principios Bsicos
Todava hay otros puntos a tener en cuenta, que se discutirn ms adelante en

este libro. Este es un problema muy complejo, comnmente conocida como
Planificacin problema Expansin de Generacin (GEP).
1.5.4.3 Subestacin Planificacin de expansin
Una vez que la carga se predijo y se conocen los requerimientos de generacin, el

siguiente paso es determinar los requisitos de la subestacin, tanto, en trminos de
1. La ampliacin de los ya existentes,
2. Instalacin de algunos nuevos.
Esto se conoce como planificacin de Subestacin de expansin (SEP). SEP es
una tarea difcil, ya que muchos factores estn involucrados, tales como
1. Esas limitaciones debido a la rejilla hacia arriba, la alimentacin de las
subestaciones,
2. Esas limitaciones debidas a la parrilla hacia abajo, a travs del cual la
subestacin suministra las cargas,
3. Esos obstculos que representan los factores a tener en cuenta para la propia
subestacin.
1.5.4.4 Red de Planificacin de expansin
Expansin de Red de Planificacin (NEP) es un proceso en el que se determinan

(lneas trans-misin, cables, etc.) especificaciones de la red. De hecho, la red es un
medio de comunicacin para transmitir la potencia, de manera eficiente y de
manera fiable a partir de recursos gen-racin a los centros de carga. Veremos en
este libro que lo que de manera eficiente y de manera fiable significa en trminos
prcticos. Veremos cmo estos factores influyen en nuestra decisin por lo que
tenemos que decidir a partir de un gran nmero de alternativas.
Como entradas al problema NEP, GEP y SEP resultados se supone que se
conocen.
1.5.4.5 Planificacin de potencia reactiva
En el funcionamiento de NEP, los voltajes se supone que ser plana (es decir, 1 pu)
y los flujos de potencia reactiva se ignoran. La razn principal es el hecho de que
la construccin de una lnea no se considera como una herramienta principal para
la mejora de voltaje. Por otra parte, el tiempo de ejecucin de NEP puede ser
excepcionalmente alta o incluso la solucin puede no ser posible si se emplea de
carga AC Flow (ACLF). Por eso, en la prctica, NEP normalmente se basa en el
uso de flujo Carga de corriente continua (DCLF). 18 Tras ejecutar GEP, la SEP y
la NEP,
18
En el Apndice A, hemos formulado brevemente
DCLF.
la topologa de red se determina. Sin embargo, es posible que satisfecho con el

rendimiento,19 si se realiza un flujo de carga AC detallado (ACLF), sobre la base
de algoritmos existentes.20Para resolver tal dificultad, compensadores de potencia
reactiva estticos, tales como condensadores y reactores pueden ser utilizados. Por
otra parte, algunos de los recursos de potencia reactiva ms flexibles, tales como
los SVC21tambin puede ser requerida. El problema es, sin embargo
1. Dnde instalar estos dispositivos?
2. Qu capacidades tenemos que emplear?
3. Qu tipos qu tenemos que utilizar?
Este tipo de estudios se denominan comnmente como reactivo planificacin
de la energa (RPP) y se requieren clara pasos de un proceso de planificacin del
sistema elctrico.
1.5.4.6 Planificacin en presencia de incertidumbres
La industria de la energa elctrica ha cambiado drsticamente en las ltimas dos

dcadas. Se ha movido hacia un entorno orientado al mercado en el que se tramita
la energa elctrica en forma de una mercanca. Ahora la generacin, transmisin y
distribucin son desagregado y pueden pertenecer a entidades separadas. 22El
planificador no puede, por ejemplo, dictar dnde tienen que ser asignados los
recursos de generacin. De esta manera, el problema de la NEP se enfrenta a una
entrada GEP incierto. Entonces, cmo se pueden resolver NEP, una vez que los
datos de entrada es incierto?
Este fue un simple ejemplo de los problemas que enfrentan los planificadores
de sistemas de alimentacin de corriente. Obviamente, algunos tipos de soluciones
tienen que ser encontrado.
1.6 Una revisin de los captulos
Casi la mayora de las tomas de decisiones se ha indicado anteriormente requieren

algunos tipos de problemas de optimizacin que hay que resolver. Este tema se
aborda enCap. 2. Por otra parte, nos enfrentamos a algunas decisiones econmicas
en este libro. Algunos de los principios econmicos bsicos se tratan enCap. 3.
Cargar el pronstico est cubierto deCap. 4. Mientras GEP se trata enCaps. 5y
6SEP se aborda en Cap. 7. Los captulos 8 y 9se dedican a la NEP. RPP se discute
enCap. 10. La planificacin en la presencia de incertidumbres se discute enCap.
11. Las lneas de investigacin se dan enCap. 12. Un ejemplo es integral
demostrado en Cap. 13.
1.
tensiones inaceptables de algunos autobuses, etc.
2.
Newton-Raphson, Fast desconectada, etc.
3.
Nosotros, ms adelante, hablar de ello en este libro.
4.
Para familiarizarse con la reestructuracin del sistema de energa, consulte la lista de las
referencias al final del captulo.
Principios Bsicos
referencias
Para una descripcin detallada sobre diversos temas de la operacin del sistema de potencia;
incluyendo compromiso unidad, despacho econmico y el flujo de potencia ptima; [1] puede ser
consultado por un sistema de energa regulada (tradicional). [2] cubre los mismos puntos en un
entorno desregulado (reestructurado). Si bien los problemas de estabilidad del sistema elctrico
se discuten en [3], en [4] problemas transitorios rpidos estn cubiertos. Una buena referencia
para la planificacin de la distribucin elctrica es [5]. Aspectos fundamentales de la economa y
desregulaciones del sistema de potencia se describen en [6-9]. Los aspectos bsicos del sistema
de energa se cubren en muchas referencias. Algunos se introducen en [10-13]. Un libro dedicado
a algunos aspectos del problema de planificacin de sistemas de potencia es [14] mientras que
algunos otros problemas, especialmente en un entorno liberalizado, se tratan en [15].
1. AJ madera, Wollenberg BF (1996) La generacin de energa, operacin y control, 2 ed.

Wiley, Nueva York
2. Shahidehpour M, Yamin H, Li Z (2002) las operaciones de mercado en sistemas elctricos
de potencia: la previsin, programacin y gestin de riesgos. Wiley-IEEE Press, Nueva York
3. Grigsby LL (ed) la estabilidad del sistema (2007) de potencia y control, 2 ed. CRC Press,
Taylor & Francis Group, Florida
4. Greenwood A (1991) transitorios elctricos en sistemas de potencia, segunda ed. Wiley,
Nueva York
5. Willis NS (2004) de distribucin de potencia libro de referencia de planificacin, 2 ed.
Marcel Dekker, Nueva York
6. Ilic M, Galiana M, L Fink reestructuracin del sistema (1998) de energa: ingeniera y
economa. Kluwer Academic, Boston
7. Stoft S (2002) la economa del sistema elctrico, el diseo de los mercados de la electricidad.
Wiley-IEEE Press, Nueva York
8. Armstrong M, Cowan S, Vickers J (1994) Reforma de la reglamentacin. MIT Press,
Cambridge
9. Kirschen D, Strbac G (2004) Fundamentos de la economa del sistema de potencia. Wiley,
Chichester
10. Saadat H anlisis del sistema (2002) de energa. McGraw Hill, Boston
11. Weedy BM, Cory BJ (1998) Sistemas de energa elctrica, cuarta ed. Wiley, Chichester
12. Grainger J, Stevenson JW anlisis del sistema (1994) de energa. McGraw Hill, Nueva York
13. Elgerd O, Van Der Puije PD (1997) de ingeniera elctrica de potencia. Kluwer Academic
Press, Nueva York
14. Wang X, J McDonald (1994) Modern planificacin del sistema de potencia. McGraw Hill,
Nueva York
15. Un Mazer (2007) planificacin de la energa elctrica para los mercados regulados y
desregulados. Wiley-IEEE Press, Nueva Jersey
Capitulo 2
Las tcnicas de optimizacin
2.1 Introduccin
En la vida cotidiana, todos nosotros estamos confrontados con algunas tomas de

decisiones. Normalmente, tratamos de decidir por la mejor. Si alguien es comprar
un producto, l o ella trata de comprar la mejor calidad, sin embargo, con el
mnimo coste. Estos tipos de tomas de decisiones se clasifican como problemas de
optimizacin en el que el objetivo es encontrar las soluciones ptimas; donde el
ptimo puede ser o bien el mnimo o el mximo.
El objetivo de este captulo es un breve repaso de los conceptos bsicos de
problemas de optimizacin. Obviamente, los detalles estn ms all del alcance de
este libro y deben ser seguidas de la literatura disponible. Sin embargo, un ejemplo
sencillo se idea y resolver utilizando algunos de los enfoques; como se detalla en
el Apndice B.
2.2 Descripcin del problema
La mayor parte de los problemas operativos y de planificacin consisten en los

siguientes tres pasos principales
1. Definicin
2. Modelado
3. algoritmo de solucin
En las siguientes subsecciones, los discutimos en algunos detalles.
2.2.1 Definicin del problema
En cualquier problema de optimizacin, el tomador de decisiones debe decidir

sobre los siguientes puntos

diecisis 2 Tcnicas de optimizacin
1. Decisiones (independiente) y las variables dependientes

2. funciones limitaciones
3. funciones objetivo
2.2.1.1 decisin y variables dependientes
Las variables de decisin son las variables independientes; el tomador de decisiones

tiene que disuadir a la mina sus valores ptimos y en base a ellas, otras variables
(dependientes) pueden ser determinados. Por ejemplo, en un problema de
programacin de la generacin ptima, las generaciones de potencia activa de las
plantas de energa pueden ser las variables de decisin. Las variables dependientes
pueden ser el consumo total de combustible, las prdidas del sistema, etc., que pueden
ser-culado cal sobre la determinacin de las variables de decisin. En un problema de
asignacin de condensador, las ubicaciones y el dimensionamiento de las bateras de
condensadores son las variables de decisin, mientras que las variables dependientes
pueden ser voltajes del bus, las prdidas del sistema, etc.
Una variable de n-decisin problema resulta en un espacio de solucin de n
dimensiones en el que cualquier punto dentro de ese espacio puede ser una
solucin. Un caso de dos dimensiones se muestra en la Fig.2.1.
2.2.1.2 Restricciones Funciones
En un problema de optimizacin en la vida real, algunas limitaciones pueden

aplicarse al espacio de soluciones. Estos son tpicamente limitaciones tcnicas,
econmico, medioambiental y similares; nombrado como limitaciones que
dividen, ya sea directamente o indirectamente el espacio de soluciones en regiones
aceptables (viables) y no aceptables (no viables). El tomador de decisiones debe
encontrar un punto de solucin dentro de la regin factible. por
x1
soluciones
x2
Fig. 2.1 el espacio de soluciones para un caso de dos
dimensiones
2.2 Descripcin del problema 17
x1
solucin aceptable
Regin factible
x2
regin no viable
solucin inaceptable
Fig. 2.2 regiones viables y no viables debido a las limitaciones
ejemplo, en un problema ptima programacin de la generacin, la potencia activa

Gener-ciones de las plantas de energa debe estar dentro de sus respectivos valores
de mini-mam mximo y; o, la generacin total de las plantas debe satisfacer
carga total y una reserva especificado. En un problema de asignacin de
condensador, una restriccin tcnica puede ser el nmero mximo de las bateras
de condensadores que se pueden emplear para un autobs spe-CIFIC. Una
restriccin econmica puede haber un lmite en el costo total de inversin prctica
que no debe ser violada. La forma de las limitaciones se comportan en un caso de
dos dimensiones se muestra en la Fig.2.2.
2.2.1.3 funciones objetivo
De los numerosos puntos dentro de la regin factible de un problema, el tomador de

decisiones debe seleccionar la ms conveniente. El deseable debera, sin embargo, ser
de algn modo definido. Por ejemplo, en un aula, un maestro puede seleccionar un
estudiante como el mejor si la moralidad es la principal preocupacin. l o ella puede
seleccionar otro si se observa el entusiasmo. De hecho, una funcin objetivo es una
funcin en trminos de las variables de decisin por la que el tomador de decisiones
muestra su solucin deseable. En la Fig.2.3, Si la funcin objetivo se define como la
maximizacin de x1, La solucin termina en el punto A, mientras que, si x
minimizando2es la funcin objetivo, el punto B sera la solucin final. En un problema
ptima programacin de la generacin, la funcin objetivo puede ser elegido como el
costo total de combustible a ser minimizado. En un problema de asignacin de
condensador, la funcin objetivo puede ser el coste de inversin o las prdidas del
sistema, o ambos (a ser minimizada). El problema es considerado como un solo
objetivo, si slo una funcin objetivo debe ser optimizado. Es en contraste con los
problemas de optimizacin multi-objetivo en el que varias funciones han de ser al
mismo tiempo, optimizado.
En un caso prctico, un problema de optimizacin puede tener muchos puntos
mximos y mnimos. Por ejemplo, considere el caso representado en la Fig.2.4 en
el que la
18 2 Tcnicas de optimizacin
x1
UN
segundo
x2
Fig. 2.3 puntos ptimos en un caso de dos dimensiones
Funcin objetiva
ptimo global
ptimos locales
ptimo local
x1
Fig. 2.4 puntos ptimos locales y globales
funcin objetivo se considera que es una funcin solamente de x1 y debe ser

maximizada. Como se muestra, hay algunos ptimos locales en el sentido de que
son ptimas en las proximidades de puntos cercanos. A partir de esos puntos
ptimos locales, uno es el ptimo global.
Modelado 2.2.2 Problema
Una vez que las variables de decisin, las limitaciones y los trminos de la funcin
objetivo se deciden, el tomador de decisiones debe modelar el problema en una
forma adecuada para ser
2.2 Descripcin del problema 19
resuelto. El modelado depende mucho de las herramientas disponibles y los

algoritmos para la resolucin de problemas, la precisin requerida, las
simplificaciones posibles, etc. Un modelo genrico problema de optimizacin
estara en la forma dada por
Minimizar o maximizar C re x
re2:1

Sujeto a g re x segundo
donde x es la variable de decisin, C (x) es la funcin objetivo y g (x) B B es la

restriccin de desigualdad.
Las variables de decisin puede ser real o entero. Por ejemplo, en un problema
de generacin ptima de programacin, las generaciones de potencia activa son
reales, mientras que en un problema de asignacin de condensador, el nmero de
bancos de condensadores para ser instalado en un bus especfico es entero.
C y g pueden ser funciones continuas o discretas de la variable de decisin en
una forma explcita o implcita; lineal o no lineal. Sobre la base de los, el
problema optimi-zacin es el apropiado nombre. Por ejemplo un problema de
optimizacin lineal entero es un problema en el que tanto C y G son funciones
lineales de variables de decisin de nmero entero.
En trminos generales, como
1. Maximizar C es equivalente a minimizar (-C).
2. Podemos nombrar la restriccin de igualdad como f (x), para separarlo de g (x).
3. g (x) [glo (o (g (x) - GLO) [0) es equivalente a - (g (x) - glo) \ 0.
4. Puede haber ms de una f (x) o uno g (x).
5. Puede haber ms de una variable independiente x (en cambio, un vector de x).
El problema general de optimizacin puede enunciarse como
min Crex re2:2

x
st frex 0 re2:3
gramorex 0 re2:4
1. Solucin Algoritmos, Matemtica Versus tcnicas

heursticas
El problema de optimizacin con restricciones segn lo declarado por (2.2), (2.3)

Y (2.4) Pueden ser resueltos por algunas tcnicas de optimizacin disponibles.
Estas tcnicas pueden ser generalmente clasificados como matemtico y
heurstico. Ambos han sido objeto de atencin en la literatura sistema de energa.
Estos son revisados en las siguientes subsecciones.
2.3.1 algoritmos matemticos
Una tcnica de optimizacin matemtica formula el problema en una

representacin matemtica; como dado por (2.2) mediante (2.4). Siempre y cuando
la funcin objetivo y / o las restricciones son lineales, el problema resultante se
designa como
Problema no lineal de optimizacin (PNL). Un caso especial de la PNL es la
programacin cuadrtica en la que la funcin objetivo es una funcin cuadrtica
de x. Si ambas funciones objetivo y las restricciones son funciones lineales de x, el
problema se designa como un problema de programacin lineal (LP). Otras
categoras tambin pueden ser identificados en base a la naturaleza de las
variables. Por ejemplo, si x es de tipo entero, el problema se denota por
programacin entera (IP). pueden existir tambin tipos mixtos tales como MILP
(Mezclado de programacin lineal entera) en el que mientras que las variables
pueden ser tanto real como nmero entero, el problema es tambin de tipo LP.
Para las formulaciones basadas matemticos, algunos algoritmos han sido,
hasta el momento, se han desarrollado; con base en ellos tambin se han generado
algn tipo de software comercial. En las siguientes subsecciones, un breve repaso
de estos algoritmos. Debemos, sin embargo, tenga en cuenta que, en general, un
algoritmo matemtico puede sufrir de problemas numricos y puede ser bastante
compleja en su ejecucin. Sin embargo, su convergencia puede ser garantizada,
pero encontrar la solucin ptima global slo puede ser garantizada para algunos
tipos tales como LP.
No existe una clasificacin definida y fija de algoritmos matemticos. En este
caso, no vamos a discutir en detalles. En su lugar, vamos a introducir algunos
temas que son de mayor inters en este libro y puede ser aplicable a las cuestiones
de planificacin del sistema elctrico.1 Algunos temas, como la teora de juegos,
que son de mayor inters para otros problemas en el sistema de energa (tales
como el anlisis del mercado de sistemas de energa), no se tratan aqu.
2.3.1.1 Mtodos Clculo
Estos tipos de mtodos son la forma tradicional de buscar puntos ptimos. Estos
son aplicables a las funciones continuas y diferenciables de ambos trminos
objetivos y limitaciones. Ellos hacen uso del clculo diferencial en la localizacin
de los puntos ptimos.
Basado en el clculo diferencial bsico desarrollado para encontrar los puntos
ptimos de C (x) (ver (2.2)), El mtodo de los multiplicadores de Lagrange se ha
desarrollado en la bsqueda de los puntos ptimos; donde las restricciones de
igualdad (2.3) Tambin se pueden aplicar. Si las restricciones de desigualdad (2.4)
Tambin son aplicables, siendo el mtodo bsico puede ser utilizado; Sin
embargo, se deben observar las denominadas condiciones de Kuhn-Tucker. La
solucin no es tan sencillo en ese caso.
1
El ptimo de la bsqueda de mtodos son generalmente conocidos como tcnicas de
programacin o investigacin de operaciones; una rama de las matemticas. Para ms detalles, el
lector interesado puede consultar la lista de las referencias al final del captulo.
2.3 Solucin Algoritmos, Matemtica Versus tcnicas heursticas 21
2.3.1.2 programacin lineal (LP) Mtodo
Como ya se ha sealado, LP es un mtodo de optimizacin en el que tanto la

funcin objetivo y las restricciones son funciones lineales de las variables de
decisin. Este tipo de problema se reconoci por primera vez en 1930 por los
economistas en el desarrollo de mtodos para la asignacin ptima de los recursos.
Teniendo en cuenta el hecho de que
1. Cualquier problema de programacin lineal se puede plantear como un
problema de minimizacin; debido al hecho de que, como ya se ha descrito,
maximizando C (x) es equivalente a minimizar (-C (x)).
2. Todas las restricciones pueden establecerse como tipo de igualdad; debido al
hecho de que cualquier restriccin de desigualdad de la forma dada por
un0 un0 un0 segu

nort
x x x ndo0 2:5
nort \
1 1 22 e e re
o
A100x1 a200x2 un00xn [b00 re2:6

puede ser transformado a restricciones de igualdad,
dado por
un un0 un0 n
0 0
x x x o x segundo0 2:7
nort rt nort
1 1 2 2 e e e1 re
un00 un00 un00 n
x x x o x00 segundo00 2:8
rt nort
1 1 2 2 norte e re
e1
respectivamente, donde yxn00a1 son variables no negativos, conocidos como
xn0 1 excedente
variables.
1. Todas las variables de decisin pueden ser considerados no negativo, como
cualquier XJ, sin restricciones de signo, se puede escribir como xj x0j x00j
dnde
x0j 0 y x00j 0 re2:9
Se puede observar que XJ ser negativo, cero o positivo dependiendo de si x00j

es mayor que, igual a o menor que x0j.
El problema puede plantearse en una forma conocida como cannica. Entonces,
una solucin conocida como el mtodo simplex, primero ideado en 1940, se puede
usar para resolver el problema.
Utilizando el mtodo simplex normalmente requiere una gran cantidad de
almacenamiento y tiempo de computadora. El llamado mtodo simplex revisado
es un mtodo revisado en el que se requieren menos tiempo de clculo y espacio
de almacenamiento.
An otro tema de inters en problemas de PL es la teora de la dualidad. De
hecho, asociado con cada problema LP, un denominado problema dual se puede
formular. En muchos casos, la solucin de un problema de PL puede ser ms
fcilmente obtenido a partir de la doble problema.
Si el problema de PL tiene una estructura especial, el llamado principio de
descomposicin puede ser empleado para resolver el problema en el que se
requiere menos espacio de almacenamiento del ordenador. De esta manera, el
problema puede ser resuelto de manera ms eficiente.
Los problemas de transporte son problemas de PL especiales, que se producen

a menudo en la prctica. Estos problemas pueden ser resueltos por algunos
algoritmos que son ms eficiente que el mtodo simplex.
2.3.1.3 programacin no lineal (NLP) Mtodo
Sealamos anteriormente que si la funcin objetivo y / o las restricciones son

funciones no lineales de las variables de decisin, el problema de optimizacin
resultante se llama PNL.
Antes de seguir adelante en los problemas de PNL, hay que sealar que los
problemas ms prcticos son de tipo restringido en el que algunas funciones de
restriccin deben ser satisfechas. En cuanto a los problemas con restricciones, sin
embargo, algunos algoritmos funcionan segn el principio de transformar el
problema en un caso sin restricciones, que inicialmente se revisan algunos
algoritmos existentes en la solucin de problemas sin restricciones.
Los mtodos de solucin para los problemas sin restricciones pueden ser
generalmente clasificados como bsqueda directa (o no gradiente) mtodos y
descenso (o gradiente) mtodos. Los mtodos anteriores no utilizan las derivadas
parciales de la funcin objetivo y son adecuados para problemas simples de un
nmero relativamente pequeo de variables. Estos ltimos mtodos requieren las
evaluaciones de la primera y, posiblemente, las derivadas de orden superior de la
funcin objetivo. Como resultado, estos mtodos son en general ms eficientes
que los mtodos directos.
Todos los mtodos de optimizacin sin restricciones son de naturaleza iterativa
y empezar a partir de una solucin de prueba inicial; en movimiento paso a paso
de una manera secuencial hacia la solucin ptima. Los mtodos de gradiente han
recibido ms atencin en la literatura sistema de energa. Por ejemplo, en el
llamado mtodo del descenso ms agudo; ampliamente utilizado en la literatura
sistema de potencia, el vector gradiente se utiliza para calcular la longitud del paso
opti-mum a lo largo de la direccin de bsqueda de manera que se maximiza la
eficiencia del algoritmo.
Volvamos al caso limitado. Hay dos tipos de mtodos, es decir, se aplican
mtodos directos e indirectos. En los mtodos anteriores, las limitaciones son
manejados de una manera explcita, mientras que en la mayor parte de los ltimos
mtodos; el problema constreido se convierte en una secuencia de problemas sin
restricciones y resuelto a travs de algoritmos disponibles.
Como un ejemplo de los mtodos directos, en el llamado mtodo de restriccin
de aproximacin, la funcin objetivo y las restricciones son linealizado sobre
algn punto. El problema LP aproximado resultante se resuelve utilizando
tcnicas de LP. La solucin resultante se utiliza entonces para construir un nuevo
problema de PL. se contina el proceso hasta que se satisface un criterio de
convergencia.
Como un ejemplo de los mtodos indirectos, el llamado mtodo de funcin de
penalizacin, funciona segn el principio de convertir el problema en un tipo de
restricciones. Es, a su vez, clasificado como mtodos funcin de penalizacin
interiores y exteriores. En el primero, la secuencia de mnimos sin restricciones se
encuentran en la regin factible mientras que en el segundo, que se encuentran en
la regin no factible. En tanto, se mueven hacia la solucin deseada.
1 2 3 4 15 23 24
1011 1011 0011 1011 ......... 1101 ......... 1111 1110
Fig. 2.5 unidades combinaciones ms el perodo de 24 h
2.3.1.4 Programacin Dinmica (DP) Mtodo
La programacin dinmica es una tcnica ampliamente utilizada en estudios de

sistemas de potencia. Es, de hecho, una tcnica matemtica utilizada para
problemas de decisin de varias etapas; desarrollado originalmente en 1950.
Un problema de decisin de varias etapas es un problema en el que las
decisiones ptimas tienen que hacerse durante algunas etapas. Las etapas pueden
ser diferentes momentos, diferentes espacios, diferentes niveles, etc. El punto
importante es que la salida de cada etapa es la entrada a la siguiente etapa en serie.
La funcin objetivo general debe ser optimizado durante todas las etapas.
Normalmente es una funcin de las variables de decisin (xi) de todas las etapas.
El hecho importante es que no se puede iniciar desde la optimizacin de la primera
etapa; en movimiento hacia la etapa final; ya que puede haber algunas
correlaciones entre las etapas, tambin.
Para hacer que el problema claro, expresemos un ejemplo de sistema de
potencia. Supongamos que vamos a minimizar el costo de generacin de un
sistema de energa durante un perodo de 24 h. Parte de la informacin es la
siguiente
1. Hay cuatro unidades de generacin disponibles; cada uno de los cuales puede
ser o bien apagado o encendido (de manera que varias combinaciones son
posibles, tales como, 1111, 1101, 1001, 0011,...).
2. Las eficiencias de la unidad son diferentes; de manera que si la carga del sistema es
baja y decir, dos unidades pueden cumplir con la carga, debemos utilizar las
unidades de mayor eficiencia para alimentar la carga.
3. La carga vara en todo el periodo de 24 h; cambiante en cada hora (etapa).
El problema de decisin de mltiples etapas es, de hecho, la decisin sobre las
unidades para estar en en cada etapa de manera que el coste total de generacin en
el perodo de 24 h se reduce al mnimo. Observamos que si se impone ninguna
otra restriccin, debemos optimizar nuestro problema en cada etapa y resumir lo
largo de todas las etapas. En otras palabras, 24 de una sola etapa problemas
optimi-zacin2 tienen que ser resueltos para encontrar la solucin final.
Supongamos que la solucin final se parece a la fig. 2.5 en el que las Combina-
ciones de la unidad se muestran en cada etapa.
Como se muestra, la unidad 1 est en en horas 1 y 2, bajar en hora 3, y de
nuevo en horas 4. Ahora lo que sucede si una restriccin se impone que expresa el
hecho de que si la unidad 1 est apagado, no puede ser activada a menos que haya
transcurrido un perodo de 5 h.3Por lo tanto, nuestra solucin anterior no es
prctico. Ahora bien, cmo podemos encontrar la solucin?
1.
Es importante tener en cuenta que el problema que se utilizar en cada etapa es irrelevante para
nuestra discusin aqu. De hecho, puede ser LP, PNL o cualquier otro problema.
2.
Este tipo de restriccin se llama tiempo de inactividad mnimo de una unidad.
Se puede comprobar que en cada etapa, para el caso de cuatro unidades

anteriormente, el nmero de combinaciones es de 24 - 1 = 15.4Para el periodo de
24 h, el nmero de combinaciones sera (15) 24. Qu ocurre si el nmero de las
unidades es, digamos, 100 y el
nmero de etapas es, digamos, 168 (una semana). El nmero de las combinaciones
global sera local (2100 - 1) 1685!
En la tcnica de DP, un problema de decisin de mltiples etapas se
descompone en una secuencia de problemas de una sola etapa; resuelto
sucesivamente. La descomposicin debe hacerse de tal manera que la solucin
ptima del problema original se puede obtener de la solucin ptima de los
problemas de una sola etapa.
2.3.1.5 Entero mtodo de programacin
En los algoritmos discutidos hasta ahora, cada una de las variables de decisin
puede tomar cualquier valor real. Qu ocurre si una variable de decisin se limita
a tomar slo un valor entero? Por ejemplo, si la variable de decisin es el nmero
de unidades de generacin, tomando un valor real no tiene sentido. Los algoritmos
de optimizacin desarrollados para esta clase de problemas se clasifican como
mtodos IP. Si todas las variables de decisin son de tipo entero, el problema se
aborda como un problema de IP. Si algunas variables de decisin son de tipo
entero, mientras que otros son de tipo no entero, el problema es conocido como
problema de programacin entera mixta.
Adems, basndose en la naturaleza del problema original, tanto nmero entero
de programacin lineal y mtodos de programacin no lineal de enteros se han
desarrollado. Como resultado, en la literatura sistema de energa, han aparecido
algunos trminos como MILP.
2.3.2 algoritmos heursticos
La mayora de los algoritmos matemticos basados puede garantizar alcanzar una

solucin ptima; mientras que no garantizan necesariamente alcanzar un ptimo
global. optimalidad global puede ser slo alcanz, marcada o garantizada para los
casos simples.
Por otro lado, muchos problemas de optimizacin prctica no caen en formas
estrictas y los supuestos de algoritmos basados matemticos. Por otra parte, si el
problema es muy complejo, es posible que no fcilmente capaz de resolverlos, en
absoluto, a travs de algoritmos matemticos. Adems, la bsqueda ptimo global
es de inters, como la bsqueda de una local sera un gran inconveniente.
Los algoritmos heursticos estn pensados para hacer frente a los puntos antes
mencionados. Que, normalmente, se pueden resolver los problemas combinatorios, a
veces muy compleja, sin embargo, en un tiempo razonable. Sin embargo, buscan
soluciones buenas, sin ser capaz de garantizar el ptimo, o incluso qu tan cerca estn
las soluciones para el punto ptimo. Adems,
1.
La combinacin 0000 se considera inviable.
2.
El llamado, maldicin de la dimensionalidad, en problemas DP.
algunos algoritmos heursticos modificados se han desarrollado en la literatura

mediante el cual se obtienen los comportamientos mejorados, afirmando que las
soluciones ptimas estn garantizados.
Un simple algoritmo heurstico puede ser diseado sobre la base de algunos tipos de
anlisis de sensibilidad. Por ejemplo, en un problema de asignacin de condensador, la
sensibilidad de la funcin objetivo pueden ser determinadas por la aplicacin de una
batera de condensadores en un autobs. Una vez hecho esto, se aade el condensador
al bus ms sensible y el procedimiento se repite hasta que se consigue ninguna mejora
adicional en trminos de la funcin objetivo.
Sin embargo, la mayora de los algoritmos heursticos se basan en algunos
comportamientos biolgicos. Bsicamente, todo el comienzo del un punto o un
conjunto de puntos, avanzando hacia una mejor solucin; a travs de una bsqueda
guiada. Pocas se han desarrollado hasta el momento, algunos son vale la pena
mencionar aqu
1. Algoritmo Gentico (AG), basado en la gentica y la evolucin,
2. El recocido simulado (SA), basado en algunos principios de la termodinmica,
3. Enjambre de partculas (PS), sobre la base de los movimientos de aves y peces,
4. Bsqueda Tabu (TS), basado en la respuesta de la memoria,
5. Colonia de Hormigas (CA), con base en el comportamiento de las hormigas.
Sin embargo, otras tcnicas pueden ser citados. Sin embargo, limitamos
nuestras discusiones aqu para los algoritmos anteriores. El lector interesado debe
consultar las referencias al final de este captulo.
2.3.2.1 Algoritmo Gentico
En la naturaleza, cada especie se enfrenta a un entorno difcil y deben adaptarse a

la mxima probabilidad de supervivencia. A medida que transcurre el tiempo, la
especie con caractersticas mejoradas sobrevive. De hecho, sobreviven el llamado
tipo ms apto. Este tipo de fenmeno que ocurre en la naturaleza es la base de la
evolucin basada GA.
Algoritmo Gentico fue desarrollado principalmente por Holanda. Las
variables de decisin que se encuentran son codificado en binario, bienes
codificada de valor o entero-codificada, en forma de una cadena de genes. Esta
cadena se denomina cromosoma problema, seleccionados entre el llamado
conjunto de poblaciones. La funcin objetivo se calcula para este cromosoma
como la funcin de la aptitud problema. Despus de establecer una poblacin
inicial, la seleccin de un cromosoma y el clculo de su aptitud, se genera una al
lado de la poblacin; basado en el procedimiento que se describe despus.
cromosomas iniciales se llaman como los padres y los cromosomas se llaman
regeneradas descendencia. Como veremos, la regeneracin da lugar a cromosomas
con mejores valores de fitness. El algoritmo contina hasta que se consigue
ninguna mejora adicional en funcin de aptitud.
Observamos que GA slo utiliza la informacin de la funcin objetivo y no los
derivados. Ya que al azar, pero de una manera guiada, busca en el espacio posible,
la probabilidad de llegar a las proximidades del ptimo global es alta; aunque
convergentes en el propio ptimo global no es muy probable. Seleccin, cruce y
mutacin como los tres principales operadores GA se describen a continuacin.
1. Seleccin. Basndose en la estructura del cromosoma definida, se genera una

poblacin de chromo-somes inicialmente, ya sea, al azar o de manera
inteligente. 30-100 chromo-somes puede ser considerado. A continuacin,
podemos seleccionar dos cromosomas como padres para su posterior proceso. El
valor de aptitud se utiliza como criterio para la seleccin de los padres.
2. Crossover. Una vez que se seleccionan los padres, debemos generar nuevas
cadenas; fuera de los resortes, a travs de dos tipos de operadores. El llamado
de cruce funciona segn el principio de intercambiar los valores despus de una
posicin especfica. Por ejemplo, si A y B son los dos cromosomas iniciales
seleccionados
A: 0 1 1 0 1 0 1 1 1 0
B: 1 0 1 0 1 1 1 0 0 1
y operador de cruce se aplica en la posicin 6, las cras resultantes parecen
UN0: 0 1 1 0 1 0 1 0 0 1
segund
o 0: 1 0 1 0 1 1 1 1 1 0
Este tipo de regeneracin se realiza al azar en diversas posiciones. Como
resultado, se genera una nueva poblacin de cromosomas en la que, de nuevo, el
proceso de seleccin puede ser reiniciado.
1. Mutacin. Un inconveniente inherente del operador de cruce es el hecho de que
en alguna posicin particular, el valor del gen no puede cambiar en absoluto.
Para evitar este problema, el operador de mutacin intenta alterar el valor de un
gen, al azar de 1 a 0 y viceversa. Hay que mencionar, sin embargo, que esto se
hace muy poca frecuencia.
Hay que mencionar que los operadores definidos anteriormente son los tipos
ms simples. En la prctica, los operadores ms sofisticados se han desarrollado
para mejorar la GA perfor-mance. Actualmente, GA ha recibido amplia atencin
en la literatura sistema de energa.
2.3.2.2 recocido simulado
El recocido simulado es un algoritmo flexibles para hacer frente a los problemas

opti-mizacin combinatorias. Se puede aplicar a los problemas complejos,
implicando funciones incluso no diferenciables, discontinuos y no convexas.
El recocido es el proceso natural de enfriamiento de un material fundido; desde
una temperatura alta. Si el proceso de enfriamiento se realiza bajo equilibrio
trmico con-diciones, resultados de recocido en la formacin de cristales. La
formacin de un cristal perfecto es equivalente a un estado de energa mnima.
Fue en la dcada de 1980 que los principios citados anteriormente se apareci
por primera vez como un algoritmo para resolver problemas de optimizacin. Se
observ que una correspondencia puede definirse entre los estados fsicos de la
materia y el espacio de la solucin de un problema de optimizacin. La energa
libre de la materia puede corresponder a la funcin objetivo del problema de
optimizacin.
Antes de seguir adelante, debemos analizar primero el algoritmo de Metropolis

como la base del algoritmo SA.
1. algoritmo de Metropolis. Las partculas que forman un material tienen
diferentes niveles de energa, de acuerdo con una distribucin de probabilidad y
en funcin de su temperatura
(T). El algoritmo de Metropolis funciona segn el principio de generar un nuevo
estado Sj; desde un estado inicial dado Si; con la energa Ei. Este nuevo estado
es generado por un mecanismo, que consiste en una pequea perturbacin en el
estado original. Por la-
turbacin es, de hecho, obtiene moviendo una de las partculas seleccionadas
por el mtodo de Monte Carlo.6
Por la energa del nuevo estado, EJ (encontr probabilsticamente), la diferencia
Ej - Ei se comprueba para ser menor que o igual a cero con el fin de aceptar el
nuevo estado Sj. Si esta diferencia es positiva, an se acepta Sj; pero con una
probabilidad dada por
pag miremiyo mi
j
=k T
segundo re2:10
donde T es la temperatura del material y kB es la constante de Boltzmann. El
proceso dado anteriormente normalmente requiere un gran nmero de
transiciones de estado en alcanzar el estado con el nivel de energa ms bajo.
Los principios anteriores se siguen en la solucin de un problema de optimizacin.
SA consta bsicamente de dos mecanismos principales. Una de ellas es la generacin
de alternativas (estados) y la otra es una regla de aceptacin. Inicialmente, para una
temperatura dada T0, Una secuencia de configuraciones se genera (N 0). La
configuracin inicial Syoa continuacin, se elige. Tkes el parmetro de control.
Inicialmente T es grande; a continuacin, se reduce sobre la base de un horario de
enfriamiento. El criterio de aceptacin es como se discuti en el algoritmo Metropolis.
T0 inicial de la temperatura, el nmero de transiciones realizadas en cada nivel
de temperatura (Nk), la temperatura final, Tf (como el criterio de parada) y la
secuencia de enfriamiento (dada por Tk + 1 = g (Tk) Tk; donde g (Tk) es una
funcin que controla la tem-peratura), son cuatro parmetros principales SA.
determinaciones apropiadas de los parmetros anteriores han sido objeto de
atencin en la literatura.
2.3.2.3 enjambre de partculas
Algunas criaturas naturales, tales como peces y aves se comportan como un

enjambre. Cada indi-viduo coordina su movimiento con los dems de una manera
tal que no colisione con los otros, se mueve hacia el destino y se mueve hacia el
centro del grupo (enjambre).
Fue a mediados de 1990 que la idea bsica de la PS se formul como un
algoritmo de optimizacin.
Las caractersticas de cada uno (el agente de llamada) individuales se muestran
en un espacio de dos dimensiones por su posicin (x e y) y su vector de velocidad
(vx y vy). Cada agente optimiza su movimiento hacia el destino. De este modo,
hace un seguimiento
6
Para ms detalles, ver la lista de las referencias al final del captulo.
1. El mejor valor de la funcin objetivo que se ha logrado hasta la fecha (el

llamado pbest),
2. El mejor valor de la funcin objetivo que los otros agentes han logrado hasta la
fecha (el llamado gbest).
Por lo tanto, el agente modifica su posicin, sealando

1. Su posicin actual,
2. Su velocidad de la corriente,
3. Las distancias entre la posicin actual con pbest y gbest.
Matemticamente hablando, nueva posicin de un agente i en la iteracin k 1
reesqu1 puede ser determinado a partir de su posicin actual (iteracin k)
reesqu; sabiendo su velocidad en la iteracin k 1 revki1.7 revki1 se
puede determinar como
yo yo 1 1 re yoyo th th 2 2 re yo

re
vk1 WVK do rand pbest sk C rand gbest sk 2:11

donde w es un factor de ponderacin, C 1 y C2 son coeficientes de ponderacin y rand1
y rand2 son dos nmeros aleatorios entre 0 y 1.
Los primeros resultados plazo en movimiento agente en la misma direccin que
antes; como resultado de explorar nuevo espacio de bsqueda. Por eso, w, que se
llama el coeficiente de diversificacin. Por lo general, se define como8
iter re
ww
w w iter 2:12
w y w tpicamente se seleccionan para ser 0,9 y 0,4, respectivamente. Con (2.12), En

un principio la diversificacin se inclina fuertemente y se reduce hacia el final del
procedimiento de bsqueda. Por otro lado, el segundo y el tercer trmino (2.11) Como
resultado de la llamada intensificacin. do1 y C2 puede ser tpicamente seleccionado
para que sea 2,0.
Los pasos a seguir en un algoritmo de optimizacin PS se pueden describir en
general como
1. Generar la condicin inicial para cada agente
2. Evaluar la punta de cada agente de la bsqueda
3. Modificar cada punto de la bsqueda
El procedimiento se repite para un nmero mximo de iteraciones.
Cabe mencionar que algunas variantes del mtodo de optimizacin PS se han
desarrollado, hasta el momento, para dar cuenta de algunos problemas de
optimizacin combinatoria prcticos.
1. ki1 ki ki 1
s s v .
2.
w, w y iter son el mximo w, el mnimo w y el nmero mximo de iteraciones,
respectivamente.
2.3.2.4 Bsqueda Tabu
Tabu significa prohibido para buscar o para tener en cuenta. A diferencia de otros
enfoques combinatorios, TS no est relacionado con los fenmenos fsicos. Se
propuso inicialmente en la dcada de 1980. Es un procedimiento iterativo que se
inicia a partir de una solucin inicial y tiende a moverse a la nueva solucin de
espacio de una manera ms agresiva o ms codicioso de GA o SA. El barrio, a
partir del cual la solucin siguiente / movimiento es para ser seleccionado, se
modifica mediante la clasificacin de algunos movimientos como tabu,9 otros
como deseable.
En cada iteracin del algoritmo, se define una estructura de vecindad; un
movimiento se hace a continuacin, a la mejor configuracin. Para escapar de puntos
ptimos locales, tambin se permiten algunas transiciones a las configuraciones con
mayores costos. Al igual que en el algoritmo PS, mediante la intensificacin y la
diversificacin resultado de una exploracin compre-hensive ms atractivos de las
regiones y, al mismo tiempo, se mueve a Previ-ormente regiones no visitadas. Estos
ayudan a evitar la captura de puntos ptimos locales.
Los pasos a seguir en un algoritmo de optimizacin TS pueden resumirse como
1. Generar una solucin inicial,
2. Seleccione el movimiento,
3. Actualizar la solucin. La solucin siguiente se elige de la lista de vecinos que
se considera ya sea como desee (aspirante) o no tabu y para el cual la funcin
objetivo es ptimo.
El proceso se repite en base a cualquier regla de detencin propuesto. A
diferencia de otros algoritmos heursticos, no hay suficiente base terica para
adaptar TS a un problema prctico a la mano y los usuarios tienen que recurrir a
sus experiencias prcticas.
2.3.2.5 Colonia de Hormigas
La tcnica de optimizacin de CA es una tcnica de optimizacin combinatoria,

desarrollado inicialmente a principios de 1990. Se basa en el comportamiento de
los insectos, especialmente las hormigas.
Las hormigas tienen capacidad maravillosa para encontrar la distancia ms
corta desde un alimento a su nido. Incluso si un obstculo se pone en el medio, se
encuentran de nuevo la distancia ms corta.
Los cientficos han descubierto que la herramienta principal de este fenmeno
es la llamada feromona utilizado como los medios de comunicacin bsica entre
los individuos.
Al entrar, cada uno de los depsitos de hormigas una sustancia qumica, llamada
feromona, como un mapa en el suelo. Inicialmente, todas las hormigas se mueven de
manera aleatoria en busca de comida. Si se considera que tienen la misma velocidad,
la bsqueda de la comida ms rpidamente (es decir, con la distancia ms corta)
regresa al nido antes y depsitos de feromonas en volver. El camino ser ms rico en
feromonas. Otras hormigas
9
Las personas con funciones objetivo indeseables (ms alto para un problema de
minimizacin).
pronto se reconocer como un camino prometedor y todos lo siguen. Basado en lo

anterior, algunos algoritmos de CA se han desarrollado. Bsicamente, los pasos
son los siguientes:
1. Inicializacin en la que las variables del problema, se codifican y se genera
poblacin inicial; al azar dentro de la regin factible. Ellos se arrastrarn a
diferentes direcciones en un radio no mayor de R.
2. Evaluacin en la que la funcin objetivo se calcula para todas las hormigas.
3. Trail adicin en el que se aade una cantidad rastro para cada hormiga; en
proporcin a su funcin objetivo calculado (el llamado de fitness).
4. Las hormigas que envan en el que las hormigas se envan a sus siguientes
nodos, de acuerdo con la densidad de pista y visibilidad.
5. Ya hemos descrito densidad rastro como la feromona se deposita. Las hormigas
no son completamente ciega y se movern en cierta medida, basado en nodos
visibili-dades. Estas dos acciones se asemejan a los pasos involucrados en PS y
TS algoritmos (de intensificacin y diversificacin) para evitar el atrapamiento
en puntos ptimos locales.
6. La evaporacin en la que el rastro depositado por una hormiga finalmente se
evapor, y el punto de partida se actualiza con la mejor combinacin
encontrado.
Los pasos se repiten hasta que se alcanza un criterio de regla de detencin.
referencias
Extensos libros se publican en las tcnicas de optimizaciones. Algunas de las ms tpicas son
introducidos aqu. El lector puede consultar libros especficos de aplicaciones y algoritmos
detallados de cada sujeto.
1. Hillier FS, Lieberman GJ (2010) Introduccin a la investigacin de operaciones, 9 ed.

McGraw Hill, Nueva York
2. Rao SS (2009) Optimizacin de Ingeniera, 4 ed. Wiley, New Jersey
3. Chong EKP, Zak SH (2001) Introduccin a la optimizacin, 2 ed. Wiley, Nueva York
4. Branke J, Deb K, Miettinen K, Slowinski R (eds) (2008) de optimizacin multiobjetivo.
Springer, Berlin
5. Bartolom-M Biggs (2008) de optimizacin no lineal con aplicaciones de ingeniera. Springer,
Boston
6. Burke EK, Kendall G (2005) metodologas de bsqueda: tutoriales de introduccin de tcnicas
de optimizacin y soporte de decisiones. Springer, Nueva York
Captulo 3
Algunos principios econmicos
3.1 Introduccin
Todos nosotros estamos familiarizados con la economa; aunque no estamos,

necesariamente, capaz de definirlo en trminos cientficos. Afecta a nuestra vida
cotidiana, ya que ganar dinero y gastarlo despus. La economa es, de hecho, el
estudio de cmo una sociedad decide sobre qu, cmo y para quin producir.
Mientras que el llamado anlisis microeconmico se centra en un tratamiento
detallado de las decisiones individuales sobre algunos productos determinados, el
llamado anlisis macroeconmico hace hincapi en las interacciones en la
economa en su conjunto.
Al igual que en cualquier otra de las ciencias sociales, la economa ha
aparecido en el campo sistema de energa, tambin. Al igual que cualquier otra
industria hecha por el hombre, industria de la energa elctrica se enfrenta a los
ingresos y los gastos; lo que resulta en principios econmicos que se deben
observar continuamente. Los mercados de energa elctrica surgido han dado lugar
a compromisos completos de este sector en las teoras, las aplicaciones y los
principios econmicos basados.
El tema de la economa es bastante amplio. No estamos, aqu, para investigar
sus prin-cipios. No queremos estar involucrados en aquellos aspectos de la
economa, que, algunos tcnicos, interactuar con los mercados elctricos, tambin.
En su lugar, queremos, en breve, revisar las definiciones de algunos trminos
bsicos utilizados en el campo de la planificacin del sistema de alimentacin y
sobre todo en este libro. Los trminos definidos no son, necesariamente,
relacionados entre s. Ms tarde, se van a utilizar en todo el libro, una vez que sea
necesario. El concepto de flujo de caja se revisa enSecta. 3.3. Los mtodos para el
anlisis econmico se cubren enSecta. 3.4.
3.2 Definiciones de Trminos
1. Ingresos
El ingreso es el dinero que gana una empresa de prestacin de servicios en un
perodo determinado, como un ao.
2. Costo
El costo es el gasto incurrido en la prestacin de los servicios durante un
perodo.

32 3 Algunos principios
econmicos
1. Lucro
El beneficio es el exceso de ingresos sobre los gastos.
2. Costo de inversin1
costo de inversin es el coste incurrido en la inversin en maquinaria y equipo
de edificios utilizados en la prestacin de los servicios.
3. Costo operacional
costo operativo es el coste incurrido en el funcionamiento de un sistema para
proporcionar la Ser-vicios. Salarios, recursos (combustible, agua, etc.), los
impuestos son tales costos tpicos.
4. Depreciacin
La depreciacin es la prdida de valor resultante de la utilizacin de maquinaria
y equipo durante el perodo. Durante un perodo especfico, el coste de
utilizacin de un bien de capital es la depreciacin o prdida del valor de ese
bien, no su precio de compra. tasa de depreciacin es la razn de esta prdida de
valor.
5. Tasa de inters nominal
Tipo de inters nominal es el porcentaje de incremento anual en el valor
nominal de un activo financiero. Si un prestamista hace un prstamo a un
prestatario, al principio, el prestatario se compromete a pagar la suma inicial (el
principal) con inters (a la tasa determinada por la tasa de inters) en una fecha
futura.
6. tasa de inflacin
Tasa de inflacin es el aumento porcentual por un periodo determinado
(generalmente un ao) en el precio promedio de los bienes y servicios.
7. tasa de inters real
tasa de inters real es la tasa de inters nominal menos la tasa de inflacin.
8. Valor presente
Valor actual de un poco de dinero en una fecha futura es la suma que si prestado
hoy, se acumulara a x para esa fecha futura. Si este valor actual se resenta rep-
por P y la tasa de inters anual i se denomina, despus de N aos tendramos (F)
F PAGre1 yonorte re3:1

o
1
PA
G re1
norte
yo F re3:2
1. Factor de descuento
Factor de descuento es el factor utilizado para calcular los valores actuales. Es
igual a 1 / (1? I) N (veo (3.2)).
1
A veces llamado el capital o el costo de inversin de capital. EnCap. 5, Diferenciamos un poco
ms, entre estos dos trminos. Sin embargo, utilizamos principalmente el costo de inversin
como el trmino ms comn.
3.2 Definiciones de Trminos 33
1. valor de la salvacin2
valor de la salvacin es el valor real de un activo / equipos, restante, en un
momento determinado y despus de considerar la tasa de depreciacin.
2. Producto interno bruto (PIB)
El PIB mide la salida producida por factores de produccin ubicada en una
economa domstica, independientemente de quin posee estos factores. El PIB
mide el valor de la produccin dentro de la economa. Mientras que la mayor
parte de esta produccin se producira por factores internos de produccin,
puede haber algunas excepciones.
3. Producto Nacional Bruto (PNB) o Ingreso Nacional Bruto (INB)
PNB (o PIB) mide los ingresos totales obtenidos por los ciudadanos nacionales,
independientemente del pas en el que sus servicios factoriales se suministran.
PNB (o INB) es igual al PIB ms los ingresos netos de propiedad del extranjero.
4. PNB nominal
PNB nominal medidas PNB a los precios vigentes cuando se considera ingreso.
5. PNB real
PNB real o PIB a precios constantes se ajusta a la inflacin mediante la
medicin de PNB en aos distintos a los precios vigentes en algunos datos de la
agenda particulares conocidos como ao base.
6. El ingreso per cpita (o per cpita PNB real)
PNB real per cpita es el PIB real dividido por la poblacin total. Es el PNB
real per cpita.
Concepto 3.3 de flujos de efectivo
El flujo de dinero, tanto las entradas y las salidas, como resultado de un proyecto
se llama flujo de caja. Para entender este concepto, debemos definir primero el
valor de tiempo ofmoney.
3.3.1 Valor temporal del dinero
Cualquiera entiende fcilmente que el dinero hace dinero. En otras palabras, si

invertimos una cantidad de X, esperamos que algn porcentaje que se aade al
final del ao. En otras palabras RX en la actualidad valores de las partes ms en el
futuro. Este concepto se utiliza si alguien invierte o pide dinero prestado.
2
Este trmino no es un trmino econmico muy comn. Sin embargo, tal como se utiliza en el
paquete de WASP (vaseCap. 5) Para el problema de GEP, se introduce aqu.
34 3 Algunos principios
econmicos
Ejemplo 3.1 Si alguien invierte R 100 en un proyecto con un retorno previsto en

un 5%, l o ella ganara R 105 al final del ao. En otras palabras, R 100 en la
actualidad sera el valor de R 105 en el tiempo de un ao.
Ejemplo 3.2 Supongamos que alguien pide prestado R 100 de devolver el dinero
dentro de un ao, con una tasa de inters anual del 10%. l o ella tendra que
regresar R 110 al final del ao.
En la prctica, los casos son ms complejos que los casos citados
anteriormente. Para el anlisis econmico de una decisin o un proyecto,
debemos, en primer lugar, definir algunos de los trminos econmicos de la
siguiente manera.
3.3.2 Condiciones econmicas
Para un proyecto, los flujos de efectivo son de los siguientes dos tipos
1. Las entradas (tales como un ingreso)
2. Las salidas (tales como un coste)
Ambos tipos pueden ocurrir en la actualidad o en un momento especfico en el
futuro. Debemos, entonces, definir el valor actual del dinero (P) y el valor futuro
del dinero (F). El nmero de perodos se supone que N, mientras que la tasa de
inters se supone que es i (%).
Un valor de P en la actualidad en valores de las partes de tiempo n-ao como
sigue
F1 PAG Pi PAGre 1 yo 2 al final del primer ao

F2 F1 F1 yo F1re 1 yo PAGre 1 yo al final del segundo ao
. .
. .
. .
norte
F Fn 1 Fn 1 i PAGre 1 yo al final del ao ensimo
En otras palabras, si tenemos RF en el tiempo n aos, sera la pena F / (1? I) n en
la actualidad. (1? I) n es nombrado como amountfactor compuesto y se designa
por (F / P, i%, n). 1 / (1? I) n es denominada como presente factor de valor y se
denota por (P / F, i%, n).
Ejemplo 3.3 Si repetimos ejemplo 3.1 para un perodo de 5 aos, las ganancias de
los inversores R (1? 0.05) 5 9 100 = R 127.6 al final de la quinta aos.
Ejemplo 3.4 Qu ocurre si repetimos ejemplo 3.2 para un perodo de 10 aos. En
otras palabras, el prestatario tiene que devolver el dinero en el tiempo de 10 aos.
Podemos comprobar fcilmente que el prestatario debe devolver una cantidad total
de R (1? 0,1) 10 9 100 = R 259.4 al final del tiempo de 10 aos.
En lo que respecta ejemplo 3.3, el inversor puede obtener pagos anuales iguales
y no la cantidad total al final del quinto ao. En el ejemplo 3.4, el prestatario
puede tener que devolver el dinero en cantidades anuales iguales. Como flujos de
efectivo ocurren en diferentes momentos, cmo debemos calcular ellos?
Concepto 3.3 de flujos de efectivo 35
1 2 3 4 5 6 7 n-2 n-1 norte
UN UN UN UN UN UN UN UN UN UN UN
PAG
Fig. 3.1 pagos uniformes en el tiempo n aos
Como se muestra en la Fig. 3.1, Un presente RP se devuelve en una cantidad

regular de la AR en
norte
Al final de cada ao. Como pago de la AR en valores de las partes de tiempo n-ao (1 / (1? I)) A en
Actualmente, tendramos #
"
!
PAG 1 UN 1 1 U
re1thth
1 yo 2
UN re1 yonorte
N
th re3:3

re th
n #U
1 1 1 o
rt

" re1 yo 1i 2 !
re1 yo e N

A partir del clculo elemental
xre1 x
x x2 x3 xn re3:4
n
1 x
entonces
1 U
PA
G yonorte 1 N re3:5

n
yor yo
o orte
re e1

UN n P re3:6

yor yo
orte
e1 A
1 y o norte
1G
re th th
1 yonorte 1 = Dyore1 yonorte y se nombra como serie uniforme
presente worthfactor y es denotado por (P / A, i%, n). d yore1 yonorte =
1 yonorte 1 yse nombra como factor de recuperacin de capital y se
denota por (A / P, i%, n). Es fcil comprobar que

Electric Power System Planning Issues and Algorithms and Solutions - En.es

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Electric Power System Planning Issues and Algorithms and Solutions - En.es

Uploaded by

Copyright:

Available Formats

Sistemas de poder

Para mayores volmenes:

ISSN 1612-1287 e-ISSN 1860-4676

ISBN 978-3-642-17988-4 e-ISBN 978-3-642-17989-1

DOI 10.1007 / 978-3-642-17989-1

Springer Heidelberg Dordrecht Londres Nueva York

Springer-Verlag Berlin Heidelberg 2011

Diseo de portada: eStudio Calamar, Berln / Figueres

Impreso en papel libre de cido

Uno de los ms grandes, o tal vez, el sistema de escala ms grande jams se ha

Tehern, mayo de 2011 Hossein Seifi

1 Planificacin, principios bsicos del sistema elctrico. . . . . . . . . . . . . . . . . .

3 Algunos principios econmicos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.4 Anlisis Economico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

5-bus sola generacin planificacin de la expansin. . . . . . . . . . . . . . . . . 69

6 Multi-bus Generacin planificacin de la expansin. . . . . . . . . . . . . . . . . . 89

6.5 GEP un algoritmo gentico (GA) base. . . . . . . . . . . . . . . . . 98 6.6

7 Subestacin planificacin de la expansin. . . . . . . . . . . . . . . . . . . . . . . . . . 105

8 Red de Expansin de Planificacin, un enfoque bsico. . . . . . . . . . . . . 133

9 Red de Expansin de Planificacin, un enfoque avanzado. . . . . . . . . 155

10 reactiva planificacin de la energa. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

11 Potencia planificacin de sistemas en presencia de incertidumbre. . . . . . . 197

11.5 Cmo hacer frente a las incertidumbres en la planificacin de sistemas

12 tendencias de investigacin en la planificacin de sistemas de energa. . . . . . . .

13 Un ejemplo completo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 13.1

Apndice A: DC flujo de carga. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

Apndice B: Un problema de optimizacin simple. . . . . . . . . . . . . . . . . . 249

Apndice C: autorregresivo de media mvil Modeling (ARMA). . . . 259

Apndice D: Cul es EViews. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261

Apndice E: Los clculos de los ndices de fiabilidad. . . . . . . . . . . 263

Apndice F: Garver Prueba de datos del sistema. . . . . . . . . . . . . . . . . . . . . . . . 267

Apndice G: Sistema de Informacin Geogrfica. . . . . . . . . . . . . . . . 271

Apndice H: 84-Bus de datos de prueba del sistema. . . . . . . . . . . . . . . . . . . . . . . .

Apndice I: numricos detalles del enfoque bsico. . . . . . . . . . . . 285

Apndice J: 77-Bus de datos de prueba del sistema. . . . . . . . . . . . . . . . . . . . . . . .

K Apndice: numricos detalles del enfoque hbrido. . . . . . . . . . 301

Apndice L: Generado Matlab M-Files cdigos. . . . . . . . . . . . . . . . . . 307

La industria de la energa elctrica ha evolucionado a lo largo de muchas dcadas,

H. Seifi y MS Sepasian, planificacin de sistemas de Energa Elctrica, Power Systems, 1

discutido en ms detalles en Secta. 1.5. Por otra parte, se da nfasis al problema de

1.2 Elementos del sistema de alimentacin

Como ya se ha sealado, un sistema de energa tpico se compone de gran nmero

Estructura 1.3 Power System

Se supone que el lector ya est familiarizado con los conceptos bsicos de un

230 kV 230 kV 400 kV

Fig. 1.1 Un sistema de energa tpico

Fig. 1.2 La representacin diseo de una subestacin tpica

1.4 Estudios del sistema elctrico, una perspectiva horizonte

Sealamos brevemente antes de que el pensamiento de la corriente y los futuros

Control Automtico de Generacin

nanosegundos - Los transitorios de la instalacin

1 ao8estudiar para decidir, por adelantado, en el mantenimiento de los elementos

Fig. 1.4 El sistema disponible para el funcionamiento del sistema

mantenimientos (Fig. 1.4). El tomador de decisiones debe decidir sobre el uso de

estudio puede basarse en algunas consideraciones tcnicas y / o econmicas y se

1.5 Problemas de la planificacin del sistema de alimentacin

Como se describe en Secta. 1.4, Estudios de planificacin de sistemas de energa

la planificacin del sistema de alimentacin es un proceso en el que el

Los elementos pueden estar

La decisin debe ser

1.5.1 esttico Versus Planificacin Dinmica

1.5.2 Transmisin Versus Distribution Planning

Hemos discutido anteriormente en Secta. 1.3que podemos distinguir tres niveles