Restauración De Servicio Multiobjetivo en Redes De Distribución Utilizando Nsga-Ii

Abstract

RESUMENEste trabajo presenta un modelo que permite resolver el problema de la restauración del servicio en las redes eléctricas de distribución de media tensión. El algoritmo fue desarrollado en ambiente MATLAB y es capaz de encontrar aquel conjunto de topologías que minimizan dos objetivos en forma simultánea bajo el concepto de dominancia de Pareto. La búsqueda de estas soluciones eficientes se logra utilizando una técnica evolutiva de optimización multiobjetivo denominada NSGA-II, la cual es combinada con una poderosa estrategia de codificación de individuos y operadores especialmente desarrollados para los problemas de configuración de redes eléctricas. Los principales resultados de este trabajo se centran en la capacidad del algoritmo para encontrar el conjunto de soluciones eficientes y el reducido tiempo de simulación requerido. Esta herramienta permite que los despachadores del sistema puedan tomar rápidas decisiones, incluso bajo condiciones de múltiples fallas en la red. INTRODUCCIÓNLos sistemas eléctricos de distribución (SD) de media tensión normalmente son redes que funcionan de manera radial. Esta configuración permite un diseño y operación de las protecciones de manera más simple y confiable. No obstante, la desventaja de esta estructura es que ante una falla del sistema gran parte de la red podría quedar sin suministro eléctrico. Es por esto que generalmente los SD se diseñan de tal forma que las cargas puedan ser alimentadas a través de más de una alternativa.En aquellos casos en que ocurre una falla temporal, son los equipos reconectadores los encargados de restaurar el servicio [1]. No obstante, ante una falla permanente, una serie de acciones deben ocurrir de tal forma de permitir la restauración del sistema. En primer lugar, la falla debe ser detectada y posteriormente localizada. Luego de esto, ella debe ser aislada a través de los elementos de maniobra (EM) más cercanos al punto de falla. Luego, es necesario llevar a cabo un proceso por medio del cual se restaure el servicio a la mayor cantidad de usuarios y en el menor tiempo posible.

Multiobjective Optimization of the Energy Efficiency and the Steam Flow in a Bagasse Boiler

“…The evolutionary algorithm compares the results obtained from the model for different inputs to define the Pareto front. The design of experiments (DOE) model was developed using the Sobol method, which is suitable for medium to large samples [56]. The NSGA-II selects the best operating configuration in the Pareto front using the max-min technique, which guarantees the diversity of subsets by maximizing the minimum distance between the selected elements [51,52].…”

Operación Descentralizada en Grandes Sistemas De Potencia Usando Algoritmos Genéticos

“…Para el presente trabajo se asumen T i y S i son variables continuas. En este trabajo, por la naturaleza del problema OPFMO no-lineal se emplean técnicas heurísticas evolutivas, como es el caso también de compensación reactiva (Borges et al, 2012), restauración del servicio en redes de distribución, (Mendoza y Rojas, 2009), mostrando un mejor desempeño que otras técnicas similares (Amarnath y Ramana, 2011).…”