Вы находитесь на странице: 1из 7

Reemplazo Óptimo en un Parque de Transformadores de Distribución Usando

Algoritmos Genéticos con Programación en Matlab

P. Méndez † V. Llivichuzhca ‡
† Empresa Eléctrica Regional Centro Sur C.A
‡ Corporación Eléctrica del Ecuador CELEC E.P., Unidad de Negocio HIDROPAUTE

Resumen - El presente trabajo analiza las de transformadores de distribución, con éstos datos
capacidades de transformación y las demandas iniciales y considerando una tasa de crecimiento lineal
máximas y medias que son atendidas dentro de un de la demanda, se determinan rápidamente cuales
parque de transformadores para determinar un estaciones de transformación tienen un elevado grado
programa de reemplazos y cambios con el objetivo de sobredimensionamiento, así como aquellas que se
de minimizar el costo operativo total el cual está encuentran operando con un nivel de carga acorde a
sujeto a restricciones de orden técnico y económico. su capacidad.
Para la solución se plantea el desarrollo de un
algoritmo genético en el entorno de Matlab, el El problema de determinar, dentro del grupo de
cual encuentre la cantidad óptima de estaciones transformadores sobredimensionados, cuáles pueden
a reemplazar por transformadores dentro del ser reubicados para atender eficientemente la demanda
parque y por tanto la cantidad de estaciones a de cada estación así como el balance entre nuevas
ser cambiadas por transformadores nuevos para inversiones y transformadores que por restricciones de
lograr el más bajo costo operativo posible. orden económico deben permanecer en operación con
sus actuales condiciones de sobredimensionamiento,
Palabras clave - Transformadores de distribución, es modelado considerado los costos operativos
Algoritmos genéticos, Capacidad instalada, Factor actuales y de reemplazo de transformadores con el
de carga, Reemplazo óptimo. fin de lograr minimizar el costo operativo total del
parque.
1. INTRODUCCIÓN
Para la resolución del problema, se plantea
La demanda de energía eléctrica es una función una metodología de optimización con el uso
que varía a lo largo del día y que su comportamiento de Algoritmos Genéticos1 desarrollado en la
en horizontes mayores de tiempo depende de plataforma Matlab® para obtener las reubicaciones
numerosas variables como por ejemplo la estación que se requiere en cada estación de transformación
del año, las características de las cargas de consumo, existente, en función de un análisis de costos de
la región geográfica, los índices de crecimiento inversión y operación, siempre garantizando el
poblacional, económico, etc. Esta situación dificulta suministro de la demanda.
enormemente el predecir con suficiente precisión
el dimensionamiento del equipamiento eléctrico 2. FACTORES DE CARGA DE LOS
que debe instalarse para satisfacer las necesidades TRANSFORMADORES
energéticas de una población dentro de un horizonte
temporal determinado. Es sabido que un transformador de distribución
no soporta la misma carga a lo largo del tiempo, la
El criterio para el dimensionamiento de los demanda es un parámetro que depende de varios
transformadores de distribución se basa en la factores como por ejemplo la hora del día, el día de la
proyección de una demanda máxima unitaria que semana, la época del año, la localidad o región a
crece casi linealmente en un horizonte de 10 años, la cual este sirviendo, etc. En resumen la demanda
sin embargo este método de proyección en muchos dependerá de las costumbres y finalidad de uso que
casos lleva a un sobredimensionamiento excesivo de hagan de la energía eléctrica los clientes de la red de
la capacidad de transformación más aún considerando distribución.
que la demanda máxima suele darse durante períodos Con base en lo anterior es posible inferir
pequeños de tiempo.
1 El algoritmo genético prototipo fue desarrollado en la
El presente estudio analiza la capacidad de plataforma Matlab® con la colaboración de los ingenieros L. Guillén, A.
transformación y los niveles actuales de un parque Peñaherrera, D. Zalamea, actualmente el algoritmo se encuentra en su etapa
final de desarrollo.

72
que la capacidad del transformador debe poder Las pérdidas de potencia se expresan de la siguiente
cubrir la demanda en todo momento y por esto forma:
será indispensable estimar su grado de utilización
a través de factores que relacionen la demanda (4)
máxima y media que se encuentra abasteciendo el
transformador en un período de tiempo.
donde: Pp: Pérdidas totales de potencia.
2.1. Factor de Carga (Fc) PFe: Pérdidas de potencia en vacío. [W]
PCu: Pérdidas de potencia en el cobre a
Es la relación entre la demanda media y la capacidad nominal. [W]
demanda máxima en un período de tiempo (24 K: Coeficiente de carga a una determinada
horas). potencia instantánea.


(1) El coeficiente de carga queda determinado por:

donde: Dmed: Demanda media [KVA]
DmaxFe: Demanda máxima [KVA] (5)

2.2. Factor de Utilización (FU)


Es la relación entre la demanda máxima y la donde: Pi: carga instantánea [KVA]
capacidad nominal del transformador. Las pérdidas de energía se evalúan considerando el
parámetro tiempo:

(2) (6)

donde: Capn: Capacidad nominal [KVA]. donde: PET: Perdidas de energía total [KVA]
K: Coeficiente de carga [KVA]
2.3. Factor de cargabilidad media (FLA) T: Periodo [horas]
Es la relación entre la demanda media y la
capacidad nominal del transformador. 4. MODELAMIENTO DEL PROBLEMA

La determinación de la potencia de las estaciones de
(3) transformación en nuestro país se rige por los diferentes
procedimientos que cada Empresa de Distribución aplica,
dichos procedimientos procuran que el transformador
3. PERDIDAS DE ENERGÍA EN sea capaz de atender la demanda máxima proyectada
TRANSFORMADORES DE DISTRIBUCIÓN a lo largo del tiempo, sin embargo la experiencia
demuestra que la demanda máxima solamente se
Las pérdidas de energía en los transformadores presenta en un corto período de tiempo durante el día,
de distribución se originan en la potencia de y más importante aún, las demandas proyectadas por lo
pérdida en las dos partes básicas de esta máquina general son muy superiores a las que efectivamente se
que son el núcleo magnético y los bobinados de registran, esto ha conducido a tener un elevado grado de
cobre. La cantidad de potencia de pérdida depende sobredimensionamiento para este tipo de dispositivos.
de las características constructivas de la máquina,
es por esta razón que los fabricantes suelen tabular Para la modelación del problema se han establecido
los datos de pérdidas en catálogos para cada tipo las siguientes consideraciones y aspectos:
de transformador.
• Una misma tasa de crecimiento lineal de la
Las pérdidas en vacío pueden considerarse demanda para todos los transformadores.
prácticamente constantes para todas las • Se analizan los costos operativos y de
temperaturas usuales de funcionamiento. Las cambio o reemplazo de las unidades de
pérdidas en el cobre son debidas al efecto Joule transformación.
en los arrollamientos [3], [4], y son directamente • Se analizan solamente transformadores
proporcionales al cuadrado de la corriente que monofásicos de las siguientes potencias: 3,
circula por los arrollamientos. 5, 10, 15, 25 y 37.5 KVA.

73
• Se desprecia el efecto de la variación de la concluye con la cantidad óptima a ser reemplazada
temperatura sobre el funcionamiento de los por transformadores nuevos, en otras palabras, los
transformadores. tipos D son aquellos a los cuales es más económico
• El periodo de vida útil de los transformadores mantenerlos en operación a pesar de sus pérdidas
considerado es de 10 años y se asume que todos que reemplazarlos por nuevas unidades.
los transformadores se encuentran en su año 1.

4.1. Planteamiento del problema

El problema a ser solucionado consiste en


encontrar el mínimo costo de operación del parque
de transformadores a ser analizado, cumpliendo las
restricciones de orden técnico y económico que se
impongan. Para ello los transformadores se clasifican
en dos grupos principales: Figura 1: Representación del problema

• Aquellos que técnicamente se encuentran 4.2. Función de costos


adecuadamente dimensionados y atienden
eficientemente la demanda. La alternativa óptima de operación de un grupo
• Aquellos que presentan cierto grado de de transformadores de distribución será aquella que
dimensionamiento excesivo para las minimice el costo total que el funcionamiento del
condiciones de la demanda y que por tanto parque de transformadores genere para brindar el
incurren en costos operativos que pueden ser suministro eléctrico en la zona, los componentes de
evitados. este costo total son:

Sobre la segunda clase de transformadores es 4.2.1. Costos operativos (COp)


que se debe encontrar la solución al problema para
minimizar los costos operativos. Una vez que se tiene Son los costos que representan las pérdidas
el número de transformadores que pertenecen a cada de potencia y energía en los transformadores
clase, el costo total de operación debe ser calculado de distribución, debido a sus características
para cada uno de los siguientes transformadores tipo: constructivas, tanto en el núcleo de hierro como en
los arrollamientos de cobre de media y baja tensión.
Transformadores Tipo A (TrA): Son los
pertenecientes a la primera clase de transformadores Estos costos tienen impacto directo sobre la
descrita en el párrafo anterior. Empresa de Distribución ya que se suman a los cargos
de potencia y energía que se liquidan mensualmente
Transformadores Tipo B (TrB): Son aquellos por el servicio eléctrico que la Empresa compra en el
pertenecientes a la segunda clase definida mercado. La expresión de los costos operativos es:
anteriormente pero que encontraron un transformador

de reemplazo dentro dicho segmento que satisface
eficientemente la demanda de la estación. (7)

Transformadores Tipo C (TrC): Son aquellos


transformadores pertenecientes a la segunda clase
pero que no tienen un transformador de reemplazo donde: tr =TrA, TrB, TrC, TrD
dentro de este segmento. El proceso de solución del N: Número de transformadores de cada tipo
problema debe encontrar, dentro de este segmento, M: Tipos de transformadores
la cantidad óptima de transformadores a ser CPpji: Costo de pérdidas de potencia
reemplazados por nuevas unidades de capacidad CPETji: Costo de pérdidas de energía
adecuada para suplir la demanda de la estación, ANa: Anualización de costos a 10 años
cumpliendo la restricción de que el costo de inversión
no exceda al costo de operación. 4.2.2. Costos de inversión (CInv)

Transformadores Tipo D (TrD): Este tipo de Representa la inversión inicial del proyecto
transformador se deriva de los transformadores tipo para la sección de los transformadores nuevos
C luego de que el proceso de búsqueda de solución tipo C, para el análisis se considera un valor

74
anualizado, considerando la vida útil de la unidad El costo de inversión tiene que ser menor que

de transformación en 10 años, de esta forma se el costo operativo de los transformadores
asigna la parte correspondiente de la inversión en tipo C.
cada año. • La cantidad de transformadores a reubicar
(TrB) tiene que ser mayor que la cantidad de
(8) transformadores que serán reemplazados por
nuevas unidades (TrC).
• Los transformadores de remplazo se
(9) reubicaran considerando que tienen que
suplir la demanda máxima requerida.
• El factor de cargabilidad de las estaciones de
donde: A: Anualidad transformación tiene que estar entre 0.55 y
I: Tasa de descuento 0.85.
Na: Numero de años
Cin: Costo inicial de inversión (12)

4.2.3. Costos de remplazo (CRem)


(13)
Se refiere a los costos en los que se incurre al realizar
la reubicación de los transformadores pertenecientes
al tipo B descrito en párrafos anteriores, este costo (14)
incluye el desmontaje del transformador existente y
el montaje del transformador de capacidad óptima
en cada punto de transformación. Estos valores son (15)
establecidos en función de los costos que representa
cada actividad.
5. ALGORITMO GENÉTICO
Para el presente estudio estos costos han sido
considerados como un costo promedio para todos Los métodos genéticos son algoritmos que
los transformadores donde se incluye mano de obra se utilizan para la búsqueda y optimización de
y transporte. soluciones a problemas del mundo real, que basan
su funcionamiento en el proceso genético de los
(10) organismos vivos.

Los principios postulados por Darwin (1859)


donde: Cmo: Costo de mano de obra indican que la selección natural y la supervivencia de
Ctsp: Costo de transporte los individuos, corresponden a los más fuertes o de
aquellos que mejor se adaptan a nuevas condiciones,
4.2.4. Costo total luego de prevalecer en la competencia de obtención
de recursos, búsqueda de reproducción y como
El costo total viene dado por la suma de los tres consecuencia se tendrá la propagación de los genes
costos anteriores, es decir, por los costos operativos en los descendientes con mejores condiciones
asociados a las pérdidas de potencia y energía, costos de adaptación a su entorno incluso mayor a sus
de remplazo (reubicación) y por el costo de inversión predecesores.
de los transformadores nuevos.
Una analogía a lo descrito anteriormente es utilizada

por los Algoritmos Genéticos en donde se establece
aleatoriamente un grupo de posibles soluciones al
(11) problema, denominada como “población” [7]. Cada
una de estas soluciones constituye un “individuo” o
un “cromosoma”, al que se le asigna una puntuación
de acuerdo a la solución que proporciona, siendo
4.3. Restricciones del problema los de mayor puntuación los escogidos para la
reproducción y así crear una nueva “población” que
Dentro del problema en análisis se consideran las comparta alguna de sus características, especialmente
siguientes restricciones: las óptimas.

75
Las características mejoradas de los individuos es básicamente una secuencia de genes en la cual
pueden ser compartidas en toda una “generación” cada gen es la representación o codificación de un
por todos los cruces que se presentan llegando a una parámetro de una solución, en este caso se utilizó
solución óptima del problema. una codificación binaria.

La codificación correcta de las soluciones es


una tarea clave para permitir que el Algoritmo
Genético logre una buena resolución del problema
[5], [7], [8].

La Fig. 3 presenta la codificación esquemática


adoptada por el algoritmo para el análisis
del problema, donde se indica que para cada
estación de transformación existen seis tipos de
transformadores para su remplazo, la longitud del
cromosoma esta dado por el número de estaciones
“candidatas” por los seis tipos de transformadores
de cambio.

Figura 3: Representación del Cromosoma

5.2. Población inicial

La población inicial consiste de un grupo


de cromosomas que representan las posibles
soluciones del problema que está siendo
considerado. La población inicial es generada
Figura 2: Diagrama de flujo del Algoritmo Genético de manera aleatoria siguiendo una distribución
normal, en la cual se ha procurando que tenga
Dentro del alcance del presente estudio, se ha un buen nivel de diversidad genética entre los
desarrollado un algoritmo prototipo en la plataforma cromosomas con probabilidad de 65% para
Matlab para el reemplazo óptimo (reubicaciones) de reemplazo y 35% para no reemplazo en cada
unidades de transformación, el cual bien puede individuo de la población inicial.
probarse en una empresa distribuidora, realizando
previamente los ajustes y análisis necesarios. En el 5.3. Selección de los individuos
esquema de la Fig. 2 se muestra el diagrama de flujo
del algoritmo genético prototipo. Para cada generación se debe realizar una
selección de los individuos que tengan mejores
Inicialmente el algoritmo discrimina las unidades características para realizar un cruce de sus genes y
“mejores candidatas” para reemplazo en función pasarlos a la siguiente generación. La selección de
del factor de cargabilidad, posteriormente realiza un los padres puede ser de forma randómica (al azar)
ranking de mejores estaciones para reemplazo en base conocida como selección por Torneo o de acuerdo
al mayor sobredimensionamiento con respecto a la a una proporcionalidad de la función de evaluación
demanda media que atiende dicha estación. (función fitness) o selección por Rueda de Ruleta [7],
[8], [9].
5.1. Representación del cromosoma
Otras maneras para escoger a los padres pueden
Un Algoritmo Genético requiere que cada ser la selección dinámica o estática por rangos
solución, perteneciente a una población de soluciones, establecidos. En el algoritmo prototipo se selecciona
sea representada mediante una estructura que imite a los individuos con una combinación de selección
a la estructura de un cromosoma. Un cromosoma por rueda por ruleta y selección elitista.

76
5.4. Cruce

Esta operación consiste en el cruce (crossover) de los


genes de los padres para establecer la “herencia” genética
de la siguiente generación. El procedimiento establecido
para el algoritmo prototipo considera una conservación
del 80% de los genes de un padre y un intercambio del
20% para así generar un nuevo individuo (hijo).

Figura 4: Cruce de Cromosomas Figura 6: Función fitness de un parque de 2000


transformadores
5.5. Mutación
5.7. Criterio de Parada
La mutación comprende la selección de los
individuos que serán sometidos al cambio aleatorio El proceso se detiene cuando uno de los siguientes
de uno de los genes de su cromosoma, la mutación criterios se satisface: si una probable solución no
también puede ser establecida sistemáticamente como mejora en un determinado número de generaciones
las modificaciones que se presentan en el entorno para (10 para el caso de estudio) o a su vez cuando el
la búsqueda de la solución del problema planteado. algoritmo ha cumplido el máximo de generaciones
La mutación puede llevar a resultados positivos o previamente determinadas por el usuario.
negativos en relación con la resolución del problema.
Para el análisis que nos compete se ha utilizado una 6. CONCLUSIONES Y RECOMENDACIONES
tasa de mutación de acuerdo al criterio de Schaffer &
Col [9]. • Del análisis con un grupo de transformadores,
se encontraron los cambios que se deben
realizar para optimizar el uso del parque
de transformación así como también el
remplazo (reubicaciones) de las estaciones.
De esta forma se logra un mejor uso de los
recursos disponibles evitando inversiones
Figura 5: Mutación de un Cromosoma de 6 genes adicionales y disminuyendo la capacidad
excesivamente sobredimensionada en dicha
5.6. Función de Evaluación etapa.
• La aplicación de los algoritmos genéticos
La función de evaluación o fitness (fgen) se encarga dentro de un proceso de búsqueda y además
de evaluar la calidad de la solución representada por cumpliendo con ciertas condiciones o
un cromosoma y de asignarle un puntaje o valor de restricciones, permite hallar soluciones
fitness en función de su calidad. La calidad de una óptimas cuando se deben realizar múltiples
solución se refiere a cuán buena es esta última para comparaciones dentro del proceso o análisis.
resolver el problema que se está tratando. • El regulador del sector eléctrico debería
realizar un estudio que actualice y estandarice
Durante la evaluación de un cromosoma, este la forma de determinar las demandas
último es decodificado con el objetivo de obtener una unitarias proyectadas, la cual considere las
serie de parámetros a partir de los cuales se determina particularidades de cada región y se evite
una solución. Dentro del objetivo principal se el excesivo sobredimensionamiento que
considera para el algoritmo genético la minimización actualmente se presenta.
de la función de costos total. • Los resultados del algoritmo mostraron
una convergencia prematura del algoritmo
En la Fig. 6 se presenta el comportamiento de la genético al inicio del desarrollo, esto se está
función fitness del algoritmo desarrollado para un resolviendo con la aplicación de las técnicas
ejemplo de 2000 transformadores. de aptitud específicamente el método de

77
Normalización Lineal, el cual en primera [6] Luis Alberto Ochoa, Esteban Albornoz.
instancia ayudo a reducir el dominio por “Optimización de las Inversiones de Energía
algunos cromosomas. en Alimentadores Primarios, Basada en la
• Se espera que el algoritmo se ejecute en Estandarización de un Conjunto Óptimo de
un caso práctico y real de una empresa Conductores”. XXI Seminario de Distribución
distribuidora, esto ayudara a calibrar de y Comercialización de Energía Eléctrica.
mejor manera el modelo y brindará un mejor ECUACIER.
performance del mismo.
• Para posteriores investigaciones se propone [7] D. Goldberg, Genetic Algorithms in Search,
que el algoritmo prototipo deba incluir otros Optimization and Machine Learning, Addison-
factores dentro del análisis, tales como: la Wesley 1989.
distancia entre transformadores a reubicar,
el crecimiento de la demanda de manera no [8] Koza, John R., Genetic programming: on the
lineal y la inclusión de los diferentes tipos de programming of computers by means of natural
transformadores trifásicos. selection, Cambridge, MA: MIT Press,1998.

AGRADECIMIENTOS [9] J.D. Schaffer, R.A. Caruna, L.J. Eshelman, R. Das


(1989). “A study of control parameters affecting
Agradecemos la colaboración de los Ingenieros: online performance of genetic algorithms
Luis Guillén, Agustín Peñaherrera y Diego Zalamea, for function optimization.” J.D. Schaffer
los cuales formaron parte del grupo de trabajo para el (ed.), Proceedings of the Third International
desarrollo del algoritmo prototipo, el proyecto formó Conference on Genetic Algorithms, Morgan
parte en el módulo de “Negocio del Transporte” de Kaufmann, 51-60.
la Maestría en Sistemas Eléctricos de Potencia en la
Universidad de Cuenca.

REFERENCIAS BIBLIOGRÁFICAS Pablo Alejandro Méndez S.- Nació


en Cuenca en 1979. Recibió su título
[1] J. Moreno, R. Moreno, S. Mocarquer, H. Rudnick. de Ingeniero Eléctrico de la
“Determinación de un Parque Óptimo de Universidad Politécnica Salesiana en
Transformadores para una Empresa Modelo de 2004. Se encuentra desarrollando su
Distribución”. IEEE. tesis de Maestría en Sistemas
Eléctricos de Potencia en la
[2] Francois Maurice Montagnon Casanova, Hugh Universidad de Cuenca, sus áreas de
Rudnick Van Wyngard. (1999) “Planificación interés e investigación están relacionadas con la
de la Expansión de Sistemas de Distribución operación económica de sistemas de potencia,
Vía Algoritmos Genéticos”. Tesis de Ingeniero regulación del sector eléctrico, distribución de energía
Civil de Industrias con Mención en Electricidad. eléctrica y mercados de electricidad. Actualmente
Santiago de Chile. labora en la Dirección de Comercialización de la
Empresa Eléctrica Regional Centro Sur dentro del área
[3] Luis Alberto Ochoa, Esteban Albornoz. de Mercado Eléctrico y Grandes Clientes.
“Dimensionamiento de Estaciones de
Transformación de Media Tensión/Baja Tensión Vicente Alejandro Llivichuzhca P.-
Basada en Programación Dinámica”. XIX Nació en Cuenca en 1980. Recibió
Seminario de Distribución y Comercialización su título de Ingeniero Eléctrico de la
de Energía Eléctrica. ECUACIER, Ecuador. Universidad Politécnica Salesiana
en 2006. Se encuentra desarrollando
[4] H. Lee Willis, Power Distribution Planning su tesis de Maestría en Sistemas
Reference Book, Marcel Dekker, 1997, USA. Eléctricos de Potencia en la
Universidad de Cuenca, y sus áreas
[5] Miguel Leiva Gómez (2001) “Localización de interés se encuentran relacionadas con la operación
óptima de condensadores en un sistema de económica, planificación con procesos de
distribución eléctrico vía algoritmos genéticos” optimización, operación de centrales eléctricas.
Tesis de Ingeniero Civil de Industrias con Diploma Actualmente labora en la Unidad de Negocio
en Ingeniería Eléctrica. Santiago de Chile. Hidropaute de CELEC EP.

78

Вам также может понравиться