Carlos Adrián Correa Flórez, Alejandro Sánchez Salcedo, Andrés Panesso Hernández
{"title":"Metodología Multiobjetivo para el Planeamiento de la Expansión de la Transmisión considerando Incertidumbres en la Generación Eólica y la Demanda","authors":"Carlos Adrián Correa Flórez, Alejandro Sánchez Salcedo, Andrés Panesso Hernández","doi":"10.17981/ingecuc.16.1.2020.20","DOIUrl":null,"url":null,"abstract":"Introducción: En este documento se presenta una metodología multiobjetivo aplicada al problema del Planeamiento de la Expansión de la Transmisión (PET) cuando se consideran las incertidumbres en la demanda y la generación eólica. \nObjetivo: Obtener planes de expansión robustos que minimicen los costos de inversión y maximicen el uso del recurso eólico, teniendo en cuenta su incertidumbre y la introducida por la demanda. \nMetodología: La metodología propuesta se basa en la Metodología de Escenario Reducido para representar estas incertidumbres. En la formulación de la metodología se consideraron: el modelo de red en DC, los planes de expansión que minimizan la inversión, la reducción en la carga y la generación eólica. Para obtener el algoritmo multiobjetivo, utilizado para minimizar los costos de expansión y la reducción de la energía eólica, se implementó un NSGA-II mejorado y un conjunto de planes óptimos de expansión de Pareto. \nResultados: Se presenta el desempeño de los planes de expansión, los cuales fueron evaluados y comparados con trabajos anteriores para demostrar la solidez del enfoque propuesto. Todas las pruebas se realizaron en los sistemas Garver e IEEE de 24 nodos. \nConclusiones: Al observar el número de veces que el plan de expansión lleva a cero el corte de carga y la energía eólica desperdiciada, con respecto a un valor establecido en este trabajo, se tiene que la metodología propuesta presenta un índice de rendimiento superior al 75,16% para el sistema Garver y al 98,97% para el sistema IEEE de 24 nodos.","PeriodicalId":41463,"journal":{"name":"INGE CUC","volume":null,"pages":null},"PeriodicalIF":0.3000,"publicationDate":"2020-04-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"INGE CUC","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17981/ingecuc.16.1.2020.20","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENGINEERING, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 2
Abstract
Introducción: En este documento se presenta una metodología multiobjetivo aplicada al problema del Planeamiento de la Expansión de la Transmisión (PET) cuando se consideran las incertidumbres en la demanda y la generación eólica.
Objetivo: Obtener planes de expansión robustos que minimicen los costos de inversión y maximicen el uso del recurso eólico, teniendo en cuenta su incertidumbre y la introducida por la demanda.
Metodología: La metodología propuesta se basa en la Metodología de Escenario Reducido para representar estas incertidumbres. En la formulación de la metodología se consideraron: el modelo de red en DC, los planes de expansión que minimizan la inversión, la reducción en la carga y la generación eólica. Para obtener el algoritmo multiobjetivo, utilizado para minimizar los costos de expansión y la reducción de la energía eólica, se implementó un NSGA-II mejorado y un conjunto de planes óptimos de expansión de Pareto.
Resultados: Se presenta el desempeño de los planes de expansión, los cuales fueron evaluados y comparados con trabajos anteriores para demostrar la solidez del enfoque propuesto. Todas las pruebas se realizaron en los sistemas Garver e IEEE de 24 nodos.
Conclusiones: Al observar el número de veces que el plan de expansión lleva a cero el corte de carga y la energía eólica desperdiciada, con respecto a un valor establecido en este trabajo, se tiene que la metodología propuesta presenta un índice de rendimiento superior al 75,16% para el sistema Garver y al 98,97% para el sistema IEEE de 24 nodos.