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

166

LOCALIZACIN PTIMA DE DISPOSITIVOS FACTS EN SISTEMAS DE TRANSMISIN USANDO ALGORITMOS GENTICOS Jos H. Vivas Nava Gerardo A. Figueira Gina P. Solari

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

RESUMEN El crecimiento de la poblacin y el aumento del consumo de energa elctrica a nivel mundial hace que los sistemas de transmisin existentes presenten caractersticas de funcionamiento que acercan cada vez ms sus valores a los lmites de operacin. Por esta razn cualquier perturbacin que aparezca puede llevar a los mismos al colapso de ngulo o tensin. En este sentido, los dispositivos FACTS brindan una oportunidad de solucionar esta problemtica con inversiones cada vez ms moderadas, que permiten ejercer control sobre los flujos de potencia y las tensiones en el sistema. Dada la gran interconexin que poseen los sistemas de transmisin, la ubicacin de los dispositivos FACTS para solventar los problemas planteados es extremadamente no lineal y compleja, necesitndose en consecuencia herramientas que permitan obtener resultados factibles en cortos perodos de tiempo. El presente artculo aborda la localizacin ptima de dispositivos FACTS en sistemas de transmisin mediante la aplicacin de algoritmos genticos. El objetivo es eliminar las sobrecargas por las lneas y las desviaciones de tensin a mnimo costo. Para ello se implement una herramienta que permite la instalacin de dispositivos FACTS en serie y en derivacin. Con el propsito de evaluar las bondades de esta tcnica se realizaron simulaciones sobre los sistemas de prueba de IEEE. Los resultados obtenidos muestran el potencial de esta herramienta para la solucin del problema planteado. PALABRAS CLAVE
Dispositivos FACTS, Algoritmos Genticos, Localizacin ptima.

jhvivas@usb.ve

INTRODUCCIN Tradicionalmente las redes elctricas encargadas de realizar la transmisin de energa presentan un comportamiento bastante rgido con respecto a la de demanda de potencia y al precio de la misma. Las tendencias modernas sin embargo, apuntan hacia el establecimiento de mercados de energa elctrica o en su defecto a la flexibilizacin de la operacin mediante la integracin e interconexin nacional o internacional de los sistemas de potencia de una regin. Debido a estas razones es necesario ejercer cada vez ms control sobre los flujos de potencia en las lneas de transmisin sin incurrir en violaciones en la operacin del sistema. En este sentido, los avances de la electrnica de potencia ha permitido el desarrollo de dispositivos denominados FACTS que permiten controlar los flujos de energa por los principales corredores de las redes elctricas. Estas particulares caractersticas hacen que desde el punto de vista de planificacin y operacin sean necesarias herramientas que permitan evaluar el potencial de las tendencias mencionadas en tiempos relativamente cortos. Una de estas herramientas son los algoritmos genticos, que representan un mtodo meta heurstico de bsqueda sobretodo en sistemas de comportamiento combinatorio, de manera que se obtienen resultados muy interesantes en un tiempo aceptable de computacin. Por todas las razones antes mencionadas, en este trabajo se desarroll un algoritmo para la localizacin de dispositivos FACTS a partir de algoritmos genticos en los sistemas tpicos de prueba de IEEE. DESCRIPCIN GENERAL DEL ALGORITMO GENTICO (AG) Los algoritmos genticos (AG) son llamados as porque se inspiran en la evolucin biolgica, relacionando la adaptabilidad de los individuos en una poblacin determinada. Principalmente constan de tres operadores bsicos, a saber: seleccin, cruce y evaluacin. Adems de stos, se pueden tener otros parmetros como el elitismo y la mutacin, que ayudan a darle velocidad al algoritmo y a evitar los mximos locales, respectivamente [1]. El funcionamiento del AG se puede resumir de la siguiente forma: primero se crea una poblacin inicial de forma aleatoria, la cual se evala mediante una funcin objetivo, que le asigna un valor numrico asociado a las bondades del individuo denominado adaptabilidad. Luego, se realiza la seleccin de los padres, donde tendrn ms probabilidad los individuos con mayor adaptabilidad [2]. Posteriormente se realiza el cruce y la obtencin de la nueva generacin, que se vuelve a evaluar. Este proceso se repite hasta llegar al nmero de generaciones fijado, o hasta tener convergencia en el algoritmo gentico. En la siguiente figura puede apreciarse la aplicacin del operador cruce.

Figura 1. Ejemplo del cruce realizado por el Algoritmo Gentico.

El algoritmo gentico desarrollado presenta una serie de parmetros, que de acuerdo a su influencia en el desarrollo evolutivo del mismo, se pueden dividir en dos grupos: principales y secundarios. Dentro de los principales se tienen el nmero de generaciones, individuos, y la probabilidad de instalacin. Los parmetros secundarios son el elitismo, la mutacin, y el tipo de seleccin aplicado. Todo el proceso desarrollado por el AG se puede observar en la figura 2. [1]

Figura 2. Funcionamiento del Algoritmo Gentico.

Un aspecto fundamental del AG es la escogencia y sintonizacin de la funcin objetivo FOB (ec. 1). En este estudio, se implement una funcin que consta de 3 trminos, a saber: el primero representa la penalizacin por sobrecargas en las lneas; el segundo simboliza la penalizacin por tensiones fuera del rango permitido; y el tercero modela la funcin de costo. Luego de diversas simulaciones, se lleg a que cada trmino de la funcin objetivo debe tener el mismo peso (ovl, vtg ,cos) para que el desenvolvimiento del AG sea adecuado.
2

(1)

La expresin OVL evala la sobrecarga de cada lnea mediante una exponencial decreciente a partir de los valores donde se presenta la sobrecarga. La productoria permite considerar todas las lneas del sistema. El coeficiente ovl determina la pendiente de la exponencial. [3] (2)

Por otro lado VTG es la encargada de verificar la tensin en cada barra a travs de una exponencial decreciente. Al igual que el caso anterior, posee un coeficiente vtg que ajusta la velocidad de decaimiento de la exponencial, modificando as el factor de penalizacin de la funcin. [3]

(3)

Finalmente la funcin de costo es lineal, buscando penalizar la instalacin de reactivos de manera ms uniforme, ya que si se utiliza una funcin exponencial, al pasar de cierto valor de reactivos prcticamente la naturaleza de la funcin hace que la penalizacin sea muy grande, lo que genera que los individuos no puedan distinguirse de manera adecuada. Toda esta escogencia va aunada al hecho que al maximizar la funcin objetivo, implcitamente se obtendr una instalacin mnima de reactivos. Para esta funcin se asumi un costo de instalacin de dispositivos FACTS de 100 $/kVAr.

(4)

El coeficiente cos es utilizado para determinar el grado de penalizacin, y costomax representa el costo mximo encontrado en una generacin, el cual va cambiando a medida que aparezca un individuo con mayor instalacin. Para la escogencia de los coeficientes de cada uno de los trminos de la funcin objetivo se realizaron una serie de simulaciones, que arrojaron los siguientes valores de los parmetros de la funcin objetivo: ovl=35; vtg=35; cos=1,5. Con estos valores se tiene un desempeo ascendente de la adaptabilidad para cada generacin, logrando as evolucin o en este caso la obtencin del mejor lugar para la instalacin del dispositivo FACTS.

CASOS DE ESTUDIO Para evaluar la efectividad del algoritmo, se aplic el AG para la colocacin de dispositivos FACTS en derivacin para los sistemas de prueba de IEEE de 57 y 118 barras [4]. Se evaluaron aspectos como la ubicacin de los dispositivos, el grado de operabilidad del sistema (sobrecargas, violaciones de tensin), tiempo de simulacin, etc. Para estas simulaciones se utilizaron valores grandes del nmero de individuos y generaciones, ya que el AG tiene un mejor comportamiento con estos parmetros cuando el sistema presenta un nmero considerable de barras. La probabilidad de instalacin es baja, ya que esto ayuda a que el AG tienda a instalar menor cantidad de reactivos al sistema. En las figuras 3 y 4 se presentan los diagramas unifilares de los casos estudiados.

Figura 3. Diagrama unifilar del sistema de 57 Barras.

Figura 4. Diagrama unifilar del sistema de 118 Barras.

SISTEMA 57 BARRAS El sistema elctrico de 57 barras presenta un total de seis barras con violaciones de tensin en su situacin inicial sin compensacin reactiva. Cinco de estas barras presentan una tensin menor a 0,95 pu (25, 30, 31, 32, 33), y la otra restante (barra 46) tiene una tensin mayor a 1,05 pu. La mejor solucin obtenida para este sistema consta de una instalacin total de 40,5 MVAr; mezclando compensacin inductiva en la barra 46 y capacitiva en la barra 31. Esta solucin luce interesante, puesto que a priori no es posible seleccionar estas 2 barras del total de aquellas que presentan violaciones. En lo que respecta al tiempo de simulacin, este caso emple 12,8 minutos. La solucin se encontr en la generacin 32, indicando esto que el AG logr una evolucin de su poblacin inicial hasta dar con este individuo. Los parmetros empleados para esta simulacin son: 20% de probabilidad de instalacin, 50 generaciones y 100 individuos. Como segunda opcin est el individuo asociado a una instalacin de 46 MVAr. Igual que el caso anterior, present compensacin inductiva en la barra 46, lo que es lgico ya que es la nica barra que presenta un nivel de tensin superior al mximo permitido; y compensacin capacitiva en la barra 32. Este caso tard 5,9 minutos en su simulacin. Los parmetros utilizados fueron: 20% de probabilidad de instalacin, 25 generaciones y 100 individuos, adems de tener la opcin del elitismo activada. El AG encontr la solucin en la generacin 19, demostrando nuevamente el carcter evolutivo de la herramienta computacional aplicada.

SISTEMA 118 BARRAS Si se detalla la condicin inicial de este sistema de potencia, se puede observar que presenta tres barras fuera de los lmites operativos de tensin, en este caso inferiores a 0,95 pu. Las barras con problemas de operatividad son la 53, 76 y 118. La mejor solucin obtenida por el AG arroj la instalacin de 20,4 MVAr en la barra 51. Se puede ver que dicha solucin no es trivial, ya que propone la compensacin en una barra que en principio no presenta ningn problema operacional. Esta simulacin se realiz con una probabilidad de instalacin del 20%, 50 generaciones y 50 individuos, y con la opcin del elitismo activada. Para este caso, solo una barra qued fuera de los lmites operativos, a saber: la barra 76 con una tensin de 0,94 pu. Cabe destacar que la barra 76 es PV, lo que hace que el AG no instale dispositivos FACTS, pudiendo considerar as que el AG logr el cometido de corregir las violaciones de tensin a travs de FACTS en derivacin. En lo que respecta al tiempo de simulacin, este caso tard 23,7 minutos. Tambin hay que resaltar que el AG encontr esta solucin en la generacin 20, lo que indica que hubo una evolucin de la poblacin hasta llegar a dicho punto de la simulacin. Otra solucin encontrada fue la instalacin de 46,1 MVAr repartidos en las barras 7, 22, 41 y 52. Nuevamente se obtuvo una solucin donde no existe una compensacin directa en las barras originalmente problemticas. En este caso los parmetros principales del AG fueron: 20% de probabilidad de instalacin, 50 generaciones y 100 individuos. En lo que respecta a las tensiones del sistema compensado, qued nuevamente fuera la barra mencionada anteriormente por las razones ya explicadas. Este caso el algoritmo emple un tiempo de simulacin de 48,7 minutos encontrando la solucin en la generacin 22. CONCLUSIONES A travs del estudio realizado se pudo comprobar las ventajas que ofrece el algoritmo gentico para la localizacin ptima de dispositivos FACTS en sistemas de transmisin. Una de las caractersticas que hacen efectivo el mtodo es el bajo tiempo de simulacin requerido, en comparacin con un planteamiento determinstico del problema, que es altamente no lineal y por lo tanto complejo. En lo que respecta a las soluciones obtenidas, se puede decir que con un bajo nivel de instalacin de reactivos, el AG fue capaz de llevar a los sistemas estudiados a una condicin operativa libre de problemas en su perfil de tensiones. Tambin se pudo observar que el AG no arroj soluciones triviales, sino que con instalacin en barras distintas a las problemticas, y variando entre instalacin inductiva y capacitiva, fue capaz de solventar los problemas que presentaban los sistemas en sus condiciones inciales.
6

Se pudo ver que para que el AG arrojara soluciones buenas, los parmetros deben ser escogidos de manera adecuada. En particular, como los sistemas estudiados presentaban un nmero de barras considerable, es recomendable utilizar un alto nmero de generaciones e individuos, as como tambin una baja probabilidad de instalacin. Todo esto hace que el AG encuentre soluciones interesantes desde el punto de vista tcnico-econmico. Un factor que ayuda a darle velocidad a la convergencia del AG es el elitismo, y se pudo ver como para el caso de 118 barras la mejor solucin se obtuvo con este parmetro activo, lo que demuestra que no es necesario colocar tantos individuos y generaciones, si se toma en cuenta el elitismo en el desempeo del AG. Todos estos resultados comprueban que los mtodos meta heursticos conforman una gran solucin al problema de localizacin ptima de dispositivos FACTS, ya que con un tiempo de simulacin relativamente pequeo, arrojan soluciones no triviales y factibles tanto en el aspecto tcnico como en el econmico, lo que convierte al AG en una poderosa herramienta para aplicar en sistemas de transmisin. BIBLIOGRAFA [1] Vivas J., Estezo A., Temes D. Localizacin ptima de FACTS serie en sistemas de transmisin considerando el flujo de potencia activa. Trabajo de Grado, USB, 2003. [2] Gerbex S., Cherkaoui R., Germond A.J. Optimal location of FACTS devices in a power system using genetic algorithms. En: Proceedings of the 13th Power Systems Computation Conference, 1999. pp. 1252-1259 [3] Gerbex S., Cherkaoui R., Germond A.J. Optimal location of multi-type FACTS devices in a power system by means of genetic algorithms. IEEE Trans. Power Systems, vol. 16, no 3, Agosto 2001, pp. 537-544 [4] Power System Test Case Archive. En: https://www.ee.washington.edu/research/pstca