I CONGRESO VENEZOLANO DE REDES Y ENERGA ELCTRICA Comit Nacional Venezolano Noviembre 2007

167

LOCALIZACIN PTIMA DE DISPOSITIVOS FACTS EN SISTEMAS DE TRANSMISIN USANDO ENJAMBRE DE PARTCULAS Jose H. Vivas Nava Gina P. Solari Gerardo A. Figueira

Universidad Simn Bolvar, Departamento de Conversin y Transporte de Energa, Apartado Postal 89000, Caracas 1080, Venezuela

RESUMEN
Los algoritmos basados en meta-heursticas han sido ampliamente usados para resolver problemas de naturaleza combinatoria en todos los campos de la ingeniera. En los ltimos aos sus aplicaciones en Sistemas Elctricos de Potencia han permitido el desarrollo de herramientas que permiten alternativas de solucin distintas a aquellas obtenidas usando metodologas tradicionales. Este trabajo presenta la aplicacin de la tcnica de optimizacin basada en enjambre de partculas (EP) al problema de localizacin de dispositivos FACTS en derivacin en sistemas de transmisin. De esta manera se puede obtener la localizacin y el dimensionamiento ptimo de los controladores FACTS, a travs de una visin multi-objetivo del problema, donde se persigue suprimir las violaciones de los limites operacionales al menor costo posible. A modo de ilustracin de su funcionamiento se trabajar con los sistemas de prueba de IEEE. Tambin se presentar una detallada explicacin del funcionamiento de este mtodo, su correlacin con el problema de optimizacin, y las distintas formas de abordar el algoritmo en cuanto a estructura y funcionamiento, evaluando convergencia, comportamiento y tiempo de simulacin. Los resultados obtenidos muestran la factibilidad de la aplicacin de esta tcnica computacional en sistemas de potencia, puesto que permite obtener resultados importantes en tiempos relativamente cortos.

PALABRAS-CLAVE Flexible Alternating Current Transmission System (FACTS), Optimizacin, Enjambre de Partculas.

jhvivas @usb.ve

INTRODUCCIN En la actualidad los sistemas de potencia, presentan condiciones de servicio que incurren en la violacin de los lmites operacionales, tales como bajas tensiones en las barras, sobrecarga en las lneas de transmisin, etc. Estas violaciones disminuyen la confiabilidad de la red elctrica ante perturbaciones. Adicionalmente a estas situaciones operativas, el problema se ve agravado ante una creciente demanda, y la tendencia mundial de operar los sistemas de transmisin bajo condiciones de mercado abierto y no regulado. Esta situacin puede ser solucionada a travs de la implementacin de compensadores estticos y de nuevas lneas. Sin embargo se considera que el desempeo de los primeros dispositivos, est limitado debido a su dependencia con la tensin, su lentitud de respuesta y desgaste asociado. Tambin se debe considerar que el costo de la construccin de nuevas lneas es elevado y originan impacto ambiental. Son por estas razones que se justifica el uso de dispositivos FACTS en los sistemas de transmisin, para solventar los problemas de confiabilidad y mejorar la calidad del servicio elctrico. Estos son dispositivos basados en la electrnica de potencia que permiten controlar los parmetros que definen la red, sin verse limitado dicho control por las condiciones operativas en que se encuentre el sistema. [2] En el presente trabajo se describe el Enjambre de Partculas (EP), como algoritmo para la localizacin y dimensionamiento de los dispositivos FACTS en derivacin. El estudio se realiza en rgimen permanente, utilizando el mismo modelo para simular el comportamiento del STATCOM y SVC. Los criterios para definir la funcin a optimizar son los costos o capacidad de los reactivos instalados, cargabilidad en las lneas y voltaje en las barras. En el presente trabajo se describe el funcionamiento del EP, mostrando las distintas tcnicas para abordar dicho algoritmo y su efecto en el desempeo del mismo. La localizacin ptima de FACTS a travs del Enjambre de Partculas, se aplicar a los sistemas de prueba de 57 y 118 barras de IEEE. ENJAMBRE DE PARTCULAS (EP) El enjambre de partculas original fue creado en 1995 por Eberhart y Kennedy [3], y se basa en el comportamiento de bandadas de aves y banco de peces (partculas), donde se aprovecha la comunicacin social y razonamiento cognitivo (memoria) de las partculas, para la obtencin de soluciones que desde el punto de vista fsico seran interpretadas, como lugares de comida o de refugio. Cada grupo de aves y banco de peces, es tratado como un enjambre, donde se incluye el comportamiento errtico de los insectos. Las posiciones de cada partcula se inicializan aleatoriamente, obtenindose un grupo de partculas exploradoras que definirn a travs de la funcin objetivo cuan buena fue su solucin, y compartirn dicha informacin entre s, dependiendo de la forma o topologa en que se comuniquen dichas partculas. A su vez cada una tendr la capacidad de recordar sus mejores posiciones previas, este ltimo aspecto marca la diferencia del EP con los algoritmos genticos. Posteriormente a travs de la transmisin de informacin se irn actualizando las partculas, cada vez que el enjambre vuele de nuevo haca el espacio de bsqueda o en cada iteracin. Las posiciones sern ajustadas de acuerdo a su historial de mejores soluciones y de la informacin transmitida de su vecindad, dichas actualizaciones son calculadas a travs de las ecuaciones 1 y 2.
Vi t +1 = (Vi t ) + c1 r1 ( Pbest i X i t ) + c 2 r2 (Gbest i X i t ) (1) X i t +1 = X i t + Vi t +1

(2)
1

Los parmetros V y X corresponde a la velocidad y a la posicin respectivamente de la partcula, el subndice i es el nmero de partcula, y el superndice t representa el nmero de vuelo de la partcula o el nmero de iteracin en el programa. La dimensin de X y V, es dos por el nmero de barras candidatas a instalacin de FACTS, las cuales son aquellas donde no hay generacin. El nmero de barras es visto como el nmero de dimensin que define a la posicin en el espacio de bsqueda. Los dems trminos de las ecuaciones 1 y 2 vienen definidos por: es el coeficiente de inercia y determina la oposicin de la partcula a cambiar su posicin previa. c1 y c2 son los coeficientes de aceleracin, cuyo efecto es hacer que la partcula adquiera una velocidad, para que vuele a sus mejores posiciones previas o a la posicin transmitida por su vecindad. r1 y r2 son valores aleatorios entre 0 y 1, que representan el comportamiento errtico de las partculas Pbest representa la mejor posicin previa para la partcula i. Gbest es la partcula encargada de transmitir la informacin proveniente de la poblacin, como se ver ms adelante este Gbest es determinado por distintas topologas de comunicacin entre partculas.

CONFIGURACIN DE PARTCULAS Y VELOCIDADES Cada partcula viene asociada con la informacin sobre la posicin en que se encuentra. En la figura 1 se presenta un ejemplo de la configuracin de la partcula.

Xi =
t

0 1 0 V22

0 1 0 V24

0 0

Figura 1. Representacin de las posiciones de una partcula i en el tiempo t, para un nmero de 5 barras candidatas a la instalacin La primera fila de la matriz asociada a la partcula, representa las posiciones referidas a si hay o no instalacin de FACTS. Sus componentes son un valor discreto, se fija en 0 cuando la componente de la fila 1 es menor que 0.5 e indica que no hay instalacin, y se fija en 1 si la componente de la fila 1 es mayor o igual que 0.5 e indica que si hay instalacin. En la segunda fila de la matriz de la figura 1 se representa, el valor de las tensiones (V) en por unidad cuando ocurre instalacin. Estos valores son generados aleatoriamente en la poblacin inicial, posteriormente son actualizados mediante la ecuacin 2. Vale destacar que dichas posiciones referidas a las tensiones tienen un lmite mximo y mnimo, y en el presente trabajo esos lmites son 1.05 pu y 0.95 pu respectivamente. FUNCIN OBJETIVO La funcin objetivo a implementar, est conformada por tres subfunciones que evalan la sobrecarga, voltajes no permitidos y costos por instalacin total de reactivos, dicha funcin viene definida por la ecuacin 3. En general es una medida de la adaptabilidad del individuo.
FOB = (ovl OVL + vtg VTG + cos OCOS ) 300

(3)

Donde: OVL es la funcin de sobrecarga en las lneas. VTG es la funcin que evala incumplimiento del rango de voltajes permitidos OCOS es la funcin que evala costo asociado a la instalacin de reactivos.
2

 ovl es el peso dado a la funcin de sobrecarga y es igual a 1/3 vtg es el peso dado a la funcin de violacin de voltajes y es igual a 1/3 cos es el peso dado a la funcin costos y es igual a 1/3 El factor multiplicativo de 300 en la ecuacin 3 es para amplificar el valor obtenido en la funcin objetivo. Cada sub-funcin se presenta en la ecuacin 4, 5 y 6.
OVL =

exp
i =1

nl

ovl

Si 1 S max

(4)

Para Si > Smax, si est fuera de la desigualdad en vez de usar el trmino de la exponencial, se usa la constante 1.
VTG =

exp
i =1

nb

vtg

V max + V min (V max V min) Vi (5) 2 2

Para Vmin > Vi o Vi > Vmax, si est fuera de la desigualdad en vez de usar el trmino de la exponencial, se usa la constante 1.
OCOS = 1 costos cos tomax cos

(6)

Donde: ovl es el coeficiente que permite ajustar la penalizacin por sobrecarga y es igual a 35. vtg es el coeficiente que permite el dominio de penalizacin por incumplimiento del rango de voltajes y es igual a 35. cos permite modificar el grado de penalizacin por costos y es igual a 1.5. Si es el valor de potencia aparente que hay en la lnea i. Smax es el valor mximo de potencia que puede haber en la lnea i. nl es el nmero de lneas. Vi es el valor de voltaje en pu que hay en la barra i. Vmax es el lmite superior del rango de voltaje permitido. Vmin es el lmite inferior del rango de voltaje permitido nb es el nmero de barras. Costos es el precio asociado a la instalacin total de reactivos en la partcula. costomax es el mximo valor de costos encontrado en una iteracin, a medida que avanzan las iteraciones este valor es modificable por una partcula que tenga una mayor instalacin de reactivos asociada. Los valores de los coeficientes en la funcin objetivo, provienen de un vasto estudio realizado, para la evaluacin correcta de soluciones proporcionadas por los algoritmos metaheursticos, donde se le da una importancia adecuada a cada subfuncin de la funcin objetivo. Vale destacar que la funcin costos vara de iteracin en iteracin, debido a la influencia del costo mximo, esto permite a la funcin objetivo auto ajustarse de acuerdo al sistema de transmisin, en que se quiera realizar la localizacin ptima de FACTS.

PARMETROS DEL ENJAMBRE DE PARTCULAS Una buena combinacin de coeficientes y delimitacin de la velocidad con que vuela la partcula, permite el mejoramiento del desempeo del EP. Los valores de coeficientes proporcionados en las referencias dan muy buenos resultados [6], sin embargo para la realizacin del presente trabajo se realiz un estudio del desempeo de los principales parmetros, mediante la simulacin de distintas combinaciones de coeficientes y lmites de velocidad. A travs de los estudios se ha demostrado que un nmero de partculas grande permite dar capacidad al EP a abarcar un mayor nmero de soluciones, obtenindose en consecuencia mejores resultados. Un nmero grande de iteraciones permite afinar las soluciones ya encontradas por las partculas. Se usa entonces como criterio para evitar el esfuerzo computacional, la parada de la simulacin cuando el promedio de la adaptabilidad de todas las partculas no vare de forma significativa en 3 iteraciones consecutivas. LMITES DE VELOCIDAD La velocidad determina la posicin a la cual viaja la partcula en su prximo vuelo. Asignar un valor mximo y mnimo para cada velocidad, es esencial para que las partculas vuelen a posiciones, que se encuentren dentro del subespacio de bsqueda deseado. Un lmite de velocidad pequeo implica en la convergencia del EP en un mximo local. Un lmite de velocidad grande, permite a las partculas volar a una mayor gama de soluciones. [6] Los lmites puestos a prueba para definir la velocidad mxima y mnima referida a los voltajes fueron 1, 0.5 y 0.02. INERCIA Un valor grande de inercia implica facilidades para la bsqueda global de soluciones, en cambio un valor pequeo implica una bsqueda local, es decir que la partcula vuela dentro del espacio de bsqueda en un rea menor.
= 0 m
t 1 t max 1

(7)

Donde: es el coeficiente de inercia o es el coeficiente de inercia inicial para la primera iteracin m es el grado con que decae la inercia. t es el nmero de iteracin tmax es el nmero de iteracin mxima

Los valores considerados de inercia constante para encontrar la combinacin de coeficientes ptima son 0.5, 0.729 y 1. Para una inercia decreciente la combinacin (o,m) a considerar son (0.729,0.629) y (0.9,0.8). CONSTANTES DE ACELERACIN El criterio usado para definir las constantes de aceleracin, es aquel donde ambas constantes son iguales, dando por tanto una misma ponderacin para el historial de soluciones de la partcula, y para la informacin transmitida de la vecindad. Los valores usados para la sintonizacin del EP de los coeficientes de aceleracin son 1, 1.5 y 2.

TOPOLOGAS DEL ENJAMBRE DE PARTCULAS A continuacin se describen 4 topologas empleadas para la implementacin del programa [4]: GLOBAL SINCRONIZADO Para este caso se selecciona la mejor partcula de toda la poblacin en una iteracin, y sta ser la escogida como Gbest (ecuacin 1), para la actualizacin de todas las partculas en la prxima iteracin. GLOBAL ASINCRONIZADO La diferencia con la anterior topologa descrita, radica en que el Gbest vara a medida que se van actualizando las partculas. Es decir el Gbest no se asigna cuando termine el desarrollo de una iteracin, sino cuando la actualizacin de la partcula implique en una adaptabilidad mayor que la del Gbest registrado, siendo asignada por tanto esta partcula como el nuevo Gbest. PONDERADO Se define a partir del hecho de que cada partcula tiene una probabilidad de ser escogida como Gbest, de acuerdo a su adaptabilidad asociada. Este tipo de topologas permite evitar el estancamiento haca una solucin, debido a que la comunicacin entre partculas depende de la probabilidad asignada. LOCAL Se puede representar esta topologa por un anillo que enlaza todas las partculas. Cada partcula tendr dos vecinos, y Gbest en este caso ser llamado Ibest, que corresponde al vecino con mejor desempeo de la partcula. Esto ayuda al igual que la topologa anterior a evitar el estancamiento en una solucin, y usa la ubicacin geogrfica de la partcula como determinante para definir quienes sern sus posibles informantes [4]. FLUJO DE ALGORITMO En el diagrama figura 2. se muestra una simplificacin del funcionamiento del algoritmo, debido a que el clculo de Gbest vara de acuerdo a la topologa escogida, por tanto tambin se modifica el diagrama de flujo del algoritmo.

Figura 2. Diagrama de flujo simplificado del EP.

5

RESULTADOS DE SIMULACIONES SINTONIZACIN DEL EP Despus de realizar muchas simulaciones para determinar la mejor combinacin de topologa y coeficientes, se lleg a la conclusin de que la topologa que implic un mejor desempeo en el algoritmo fue la ponderada con la siguiente combinacin de coeficientes cte c1 c2 vmax 0.729 1.5 1.5 0.02 Tabla 1 Combinacin de coeficientes seleccionados. SISTEMA DE PRUEBA DE IEEE DE 57 BARRAS En la tabla 2 se muestran las barras en que ocurri instalacin de FACTS, y los reactivos asociados. La instalacin total fue suficiente para suprimir todas las violaciones de voltaje presentes en el sistema. Esta simulacin fue hecha para un nmero de partculas igual a 100 y de iteraciones igual 50. La duracin total correspondi a 10 minutos. Barra Qfact (MVAr) 31 6.0 46 -15.4 Tabla 2. Capacidad reactiva de los FACTS en derivacin instalados en las barras. En la tabla 3. se registra el valor de voltaje en pu de las barras en que ocurre violacin previamente a la instalacin de FACTS.

V (pu) sin V (pu) con FACTS FACTS 25 0.948 0.980 30 0.930 0.970 31 0.909 0.969 32 0.933 0.971 33 0.931 0.969 46 1.057 1.048 Tabla 3. Valores de voltajes en las barras pq donde existe violacin de voltaje, antes y despus de la instalacin de FACTS Barra La demanda de reactivos total de este sistema de 57 barras es de 336.4MVAr, la instalacin de reactivos representa un 5.6% justificndose la implementacin de los dispositivos FACTS. Vale destacar la calidad de los resultados, en cuanto a perfil de tensiones se refiere. SISTEMA DE PRUEBA DE IEEE DE 118 BARRAS Se aplic un nmero de partculas igual a 100 y de iteraciones igual a 50, sin implementacin de convergencia, y la simulacin dur un total de 30 minutos. La capacidad reactiva total instalada dada por el mejor resultado obtenido en el EP se muestra en la tabla 4.
6

Barra Qfact (MVAr) 52 10,59 118 1,76 Tabla 4. Capacidad reactiva de los FACTS en derivacin instalados en las barras. En la tabla 5 se muestran los valores de voltaje en pu de las barras en que ocurre violacin previamente a la instalacin de FACTS. V (pu) sin V (pu) con FACTS FACTS 53 0.944 0.95 118 0.947 0.95 Tabla 5. Valores de voltajes en las barras pq donde existe violacin de voltaje, antes y despus de la instalacin de FACTS Barra

CONCLUSIONES A travs de los resultados se demuestra que este algoritmo es una herramienta poderosa y promisoria para la obtencin de una buena localizacin y dimensionamiento de los dispositivos FACTS, sin embargo es necesario realizar un estudio ms amplio sobre la influencia de los parmetros sobre el EP, sobre todo abordar el aspecto del nmero de partculas e iteraciones a implementar en el algoritmo para cada sistema. Es necesario aplicar el EP a Sistemas Elctricos ms grandes, pero para la realizacin de esto hay que hacer un estudio ms profundo sobre el tamao del subespacio de bsqueda, y de la probabilidad de instalacin para la inicializacin de las partculas. Para demostrar en definitivo el alcance del EP, se debe comparar el desempeo de ste con otros algoritmos metaheursticos, en caractersticas tales como esfuerzo computacional usado para encontrar la solucin y tiempo empleado para la sintonizacin del algoritmo. En el estudio tambin se puede incluir la localizacin ptima de los dispositivos FACTS hbrido y serie BIBLIOGRAFA [1] [2] [3] [4] [5] [6] S. Gerbex, R. Cherkaoui, A. Germond, Heuristical Methods applied to optimal location of FACTS devices in transmission lines, (IEEE Conferencia de postgraduacin, Budapest, 2002). N.G. Hingorani, L. Gyugi, Understanding FACTS Concepts and Technology of Flexible AC Transmission Systems. (IEEE Press, Nueva York, 2000). J. Kennedy, R. Eberhart, Particle Swarm Optimization, (Proceeding of IEEE International Conference on Neural Networks (ICNN), Vol. IV, pp. 1942-1948, Australia, 1995 ). J. Kennedy, R. Mendes, Population Structure and Particle Swarm Performance, (Proceeding of the 2002 Congress on Evolutionary Computation, Hawai, 2002.) A. Neira, G. Matas, Evaluacin del uso de dispositivos FACTS en el Sistema de Transmisin Venezolano, (IV Congreso Venezolano de Ingeniera Elctrica, 2004). Y. Shi, Particle Swarm Optimization, (Neural Networks Society, USA 2004)