Planeacin ptima de sistemas de

distribucin considerando mltiples objetivos:

costo de inversin, confiabilidad y prdidas
tcnicas
Optimal planning of distribution systems considering multiple objectives: investment cost, reliability and technical losses
Ana Mara Meja Solanilla
Ingeniera electricista, magster en Ingeniera Elctrica, ingeniera de Diseo Elctrico de Transformadores de Potencia, ABB Ltda., Pereira, Colombia. Contacto:
ana.mejia@co.abb.com
Ricardo Alberto Hincapi Isaza
Ingeniero electricista, magster en Ingeniera Elctrica, estudiante de doctorado
en Ingeniera, docente del Programa de Ingeniera Elctrica, Universidad Tecnolgica de Pereira, Pereira, Colombia. Contacto: ricardohincapie@utp.edu.co
Ramn Alfonso Gallego Rendn
Ingeniero electricista, magster en Sistemas de Potencia, doctor en Ingeniera
Elctrica, docente del Programa de Ingeniera Elctrica, Universidad Tecnolgica de Pereira, Pereira, Colombia. Contacto: ragr@utp.edu.co
Fecha de recepcin: 4 de febrero del 2014
Fecha de aceptacin: 6 de mayo del 2014

Clasificacin del artculo: investigacin

Financiamiento: Vicerrectora de Investigaciones, Innovacin y
Ex tensin Universidad Tecnolgica de Pereira

Palabras clave: algoritmo gentico, confiabilidad, optimizacin, planeamiento de sistemas elctricos.

Keywords: genetic algorithm, optimization, power system planning, reliability.
RESUMEN
En este artculo se propone una metodologa para
solucionar el problema del planeamiento multiobjetivo de sistemas de distribucin de energa
elctrica, empleando un algoritmo elitista de ordenamiento no dominado (NSGA-II). Esta metodologa considera cuatro modelos matemticos,

106

Tecnura 43.indb 106

Tecnura Vol. 19

No. 43

pp. 106 - 118

donde las funciones objetivo son costos fijos, costos variables, costos fijos y variables, y confiabilidad de la red; como conjunto de restricciones se
tienen criterios tcnicos y operativos. Al solucionar cada uno de estos modelos se identifican los
elementos comunes, los cuales son fijados para la
siguiente etapa del proceso; esto se repite hasta hallar una configuracin final del sistema. De esta

enero - marzo de 2015

04/02/2015 09:05:01 a.m.

investigacin
forma, en cada paso del algoritmo se generan
especies de cortes, los cuales reducen el espacio
de solucin. La metodologa es verificada con un
sistema de distribucin de la literatura especializada y se obtienen resultados que muestran la
efectividad del mtodo al encontrar un punto de
equilibrio entre todos los objetivos considerados.
ABSTRACT
In this article, a method to solve the multi-objective planning problem of electric power distribution systems is proposed by means of using a nondominated sorting elitist algorithm (NSGA-II). This

method considers four mathematical models, where

fixed costs, variable costs, fixed and variable costs,
and network reliability are considered as objective
functions. The set of constraints is comprised of
technical and operational criteria. When all mathematical models are solved common elements to the
solutions with each model are found. This process is
repeated until a final configuration of the system is
found. In this manner, in each step of the algorithm,
sorts of cuts are generated, which reduce the solution space of the problem. The method is verified
with a distribution system from the specialized literature, obtaining results that show the effectiveness
of the method when an equilibrium point is found
among all the objectives considered.

* * *
INTRODUCCIN
El aumento del consumo de energa elctrica de
cargas existentes y la aparicin de nuevas zonas,
debido a la construccin de sectores residenciales,
comerciales e industriales, son factores que ocasionan
que los operadores de red tengan que realizar acciones de una forma adecuada, con el fin de abastecer
la cantidad de energa requerida. El estudio del
crecimiento de la demanda de energa elctrica y
el conjunto de estrategias planteadas para abastecer esta demanda se conoce como el planeamiento
de sistemas de distribucin (PSD) (Bernal-Agustn, 1998). Si estas estrategias no son apropiadas,
se pueden presentar problemas tales como regulacin de tensin por fuera de lmites permitidos,
incremento de prdidas tcnicas, sobrecargas en
elementos, prdida de confiabilidad de la red,
sobrecostos en los proyectos y empeoramiento
de ndices de continuidad y calidad del servicio.
Para evitar estos inconvenientes, en el PSD se
deben tener en cuenta los siguientes aspectos: aumento del calibre de los alimentadores existentes,
ampliacin de las subestaciones existentes, ubicacin y dimensionamiento de nuevas subesta-

ciones de distribucin, ubicacin y dimensionamiento de nuevos tramos de red, reconfiguracin

de la topologa de la red, reubicacin de transformadores de distribucin y ubicacin de elementos
de proteccin y control para mejorar la confiabilidad en la red.
Adicionalmente, en la vida real el problema del
planeamiento de sistemas de distribucin involucra varios objetivos; sin embargo, tradicionalmente se ha planteado un modelo matemtico con una
nica funcin objetivo que incluye los costos del
proyecto. En los modelos matemticos propuestos para este problema se consideran funciones
multiobjetivo, las cuales tienen en cuenta costos de
inversin, operacin y criterios de confiabilidad.
La importancia de emplear dos o ms objetivos
en la solucin del problema radica en una mejor
aproximacin del modelo matemtico empleado
para describir los sistemas reales.
Para solucionar el problema de la planeacin
multiobjetivo de sistemas de distribucin, se han
publicado diversos artculos en la literatura especializada, con diferentes modelos matemticos y

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 107

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 107

04/02/2015 09:05:01 a.m.

investigacin
tcnicas de solucin. Con respecto a las funciones
objetivo consideradas se tienen: costos y confiabilidad (Ramrez y Bernal, 2001); costos,
confiabilidad y riesgo de inversin (Ramrez y
Domnguez, 2004); costos e ndices de fallas del
sistema (Carrano, Soarez, Takahashi, Saldanha
y Neto, 2006); costos, prdidas y cada de tensin (Mori y Yamada, 2007); costos y cada de
tensin (Mantway y Al-Muhaini, 2008); costos,
prdidas e interrupcin del servicio (Kong et
l., 2008); costos y consumo de energa (Kayu
y Ooka, 2009); costos, confiabilidad, prdidas y
cada de tensin (Ganguly, Sahoo y Das, 2011);
costos de inversin y costos de interrupcin del servicio (Ganguly, Sahoo y Das, 2013). Para solucionar el problema se han considerado diversas
tcnicas multiobjetivo, entre las que se destacan:
algoritmos evolutivos (Ramrez y Bernal, 2001;
Carrano, Soarez, Takahashi, Saldanha y Neto,
2006; Mori y Yamada, 2007; Kong et l., 2008;
Kayu y Ooka, 2009); bsqueda tab (Ramrez y Domnguez, 2006); cmulo de partculas
(Mantway y Al-Muhaini, 2008; Sahoo, Ganguly y Das, 2012).
Con el fin de solucionar el problema planteado,
se propone una metodologa en la que se emplea
como tcnica de solucin un algoritmo gentico
de ordenamiento no dominado (Non-dominated
sorting genetic algorithm - NSGA-II). Esta metodologa emplea cuatro modelos matemticos, todos con dos funciones objetivo. Con la aplicacin de
estos modelos se busca tener ms herramientas al
momento de tomar decisiones, para as involucrar
funciones objetivos que impacten directamente
en la solucin del problema. Las funciones objetivo consideradas son: costos fijos, costos variables, costos fijos y variables y confiabilidad de la
red (energa no servida [ENS]).
El conjunto de restricciones est compuesto por
las ecuaciones de balance nodal, capacidades
mximas permitidas para los elementos del sistema, mxima cada de tensin permitida y ra-

108

Tecnura 43.indb 108

Tecnura

Vol. 19

No. 43

dialidad de la red. Con la aplicacin de la metodologa se encuentran elementos comunes a las

soluciones halladas con cada modelo, los cuales
son definidos en cada paso del proceso; esto se
repite hasta hallar una configuracin final del sistema que satisfaga los requerimientos de energa
elctrica de los usuarios de forma confiable y segura. De esta forma en cada paso del algoritmo
se generan especies de cortes (tendencias), los
cuales reducen el espacio de solucin del problema. La respuesta encontrada en un sistema de
distribucin refleja la importancia de considerar
la metodologa propuesta en el planeamiento de
estos sistemas.
Este artculo est organizado de la siguiente forma: la primera seccin (la presente) corresponde
a la introduccin; en la segunda seccin se describe la formulacin del problema; en la tercera
seccin se ilustra la metodologa propuesta; en la
cuarta seccin se presenta la aplicacin de la metodologa propuesta y los resultados obtenidos,
finalmente, se encuentran las conclusiones y recomendaciones derivadas de este artculo.
FORMULACIN DEL PROBLEMA
Para describir el problema del planeamiento de
sistemas de distribucin de energa elctrica empleamos cuatro modelos matemticos del tipo no
lineal entero mixto, los cuales consideran dos funciones objetivo cada uno. Inicialmente, se ilustra
la nomenclatura empleada. Luego se presentan las
funciones objetivo y el conjunto de restricciones de
los modelos matemticos propuestos. Por ltimo,
se describen en forma detallada estos modelos.
Nomenclatura empleada

Conjuntos
WE

Conjunto formado por los nodos del sistema

WS

Conjunto formado por subestaciones existentes y

propuestas

enero - marzo de 2015

04/02/2015 09:05:01 a.m.

investigacin
WNS

Conjunto formado por subestaciones propuestas

Variables

WCS

Conjunto formado por subestaciones existentes

WF

Conjunto formado por tramos de red existentes y

propuestos

WNF

Conjunto formado por tramos de red propuestos

WCF

Conjunto formado por tramos de red existentes

CS

Wi

Conjunto formado por los nodos conectados

fsicamente al nodo i

Variable binaria para ampliacin de una subestacin existente en el nodo i, tipo s

CF

TS

Conjunto formado por tipos de subestaciones

Variable binaria para reconductorizacin de un

tramo de red existente i-j, tipo f

TF

Conjunto formado por tipos de tramos de red

S S i ,l

Potencia inyectada por una subestacin en el

nodo i, en el nivel l (MVA)

I ij ,l

Corriente que circula por el tramo de red i-j, en

el nivel de demanda l (A)

Pij

Potencia activa que circula por el tramo de red

i-j (kW)

Vi,l

Voltaje en el nodo i, para el nivel de demanda

l (kV)

Parmetros
CNSi ,s
CNFij , f

CCSi ,s
CCFij , f

Costo de una subestacin nueva en el nodo i,

tipo s ($)
Costo de un tramo de red nuevo entre los
nodos i-j, tipo f ($)
Costo de ampliacin de una subestacin existente en el nodo i, tipo s ($)
Costo de reconductorizacin de un tramo existente entre los nodos i-j, tipo f ($)

CE

Costo de la energa ($/kWh)

S Di ,l

Demanda en el nivel de carga l, en el nodo i

(MVA)
Resistencia de la rama entre los nodos i-j, tipo
f (Ohm)
Mxima capacidad de la subestacin tipo s
(MVA)

Rij , f
S Ssmax
I

max
f

V min
fa
fan

Mxima capacidad del conductor tipo f (A)

Mnimo lmite de voltaje permitido (kV)
Factor para expresar los costos operativos en
valor presente
Factor para expresar los costos del proyecto
en anualidades

LD1

Nmero de horas del nivel de carga l

nL

Nmero de niveles de la curva de duracin de

carga
Tasa de falla del tramo de red i-j, tipo f (falla/
ao/km)
Tiempo de reparacin del tramo de red i-j, tipo
f (horas/falla)
Longitud del tramo de red entre los nodos i-j
(km)

ij, f
rij, f
Lij
nTE

Nmero de tramos de red existentes

Nmero de nodos de carga del sistema

nSE

Nmero de subestaciones existentes

NS

i ,s

NF

ij , f

i ,s

ij , f

Variable binaria para instalacin de una subestacin nueva en el nodo i, tipo s

Variable binaria para instalacin de un tramo de
red nuevo i-j, tipo f

Formulacin general
Funciones objetivo

Funcin objetivo 1 (OF1). Representa los costos

de inversin del sistema (ecuacin (1)).

CNFij , f NFij , f + CCFij , f CFij , f +

f
ij

TF
ij CF f TF
NF

OF1 = f an
CNS NS + CCS CS

i ,s
i ,s
j ,s
j ,s
i NS sT

j CS s TS
S

(1)

Los dos primeros trminos representan los costos

de inversin de nuevos tramos de red y reconductorizacin de tramos de red existentes, respectivamente. Los dos ltimos trminos son los costos
de instalacin de una nueva subestacin y ampliacin de la existente, respectivamente.
Funcin objetivo 2 (OF2).Considera los costos
de operacin del sistema (ecuacin (2)), los
cuales llevan en cuenta el costo de las prdidas
de energa activa en todos los tramos de red del
sistema.

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 109

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 109

04/02/2015 09:05:05 a.m.

investigacin
nL

f a 3* CE * LDl
l
ij
f
=
1

F
T
F

OF2 = f an

I 2

*
R
*

+
ij , f ij ,l
NFij , f
CFij , f

I ij ,l

OF3 = OF1 + OF2

f TF

ij , f

(3)

Lij rij , f Sij + S ji

)( )( )

) ij ; l {1, 2,..., nL}

F

V min Vi ,l i E ; l {1, 2,..., nL}

Funcin objetivo 4 (OF4).Representa la confiabilidad del sistema de distribucin por medio de la

ENS (ecuacin (4)), mediante las tasas de falla
y los tiempos de reparacin, de acuerdo con el
tipo de conductor y la longitud de cada tramo de
red considerado. Para su evaluacin se emplea el
criterio de contingencias n-1 (Billinton y Allan,
1996).

OF4 =
ij F

I max
* NFij , f + CFij , f
f

(2)

Funcin objetivo 3 (OF3). Involucra los costos de

inversin y operacin del sistema (ecuacin (3)),
en forma conjunta. Por lo tanto:

f TF

(4)

nTE +

ij NF f TF

NF n + nS E +
ij , f

i NS s TS

El conjunto de restricciones se presenta en las

ecuaciones (5) a (9). Estas corresponden a balance nodal, capacidad mxima de subestaciones,
capacidad mxima de tramos de red, lmites de
tensin del sistema y radialidad de la red, respectivamente.

*
S Si ,l = S Di ,l SGi ,l + Vi ,l * NFij , f + CFij , f * I ij ,l
j i
f TF

)( )

i E ; l {1, 2,..., nL}

110

Tecnura 43.indb 110

max
Ss

Tecnura

* NFi ,s + CFi ,s

Vol. 19

No. 43

NSi ,s

1 (9)

Los cuatro modelos matemticos empleados se

ilustran en las ecuaciones (10) a (13).
Modelo matemtico 1
min {OF1, OF2 }
s.a. Ecuaciones (5) a (9)

(10)

Modelo matemtico 2
min {OF1, OF4}
s.a. Ecuaciones (5) a (9)

(11)

min {OF3, OF4}

s.a. Ecuaciones (5) a (9)

(12)

Modelo matemtico 4
min {OF2, OF4}

(13)

METODOLOGA PROPUESTA
(5)

) i ; l {1, 2,..., nL}

(8)

Modelos matemticos empleados

s.a. Ecuaciones (5) a (9)

s TS

(7)

Modelo matemtico 3

Conjunto de restricciones

S Si ,l

(6)

En esta seccin se describe la metodologa propuesta para solucionar el problema del planeamiento de sistemas de distribucin de energa
elctrica, empleando como tcnica de solucin el
algoritmo NSGA-II.

enero - marzo de 2015

04/02/2015 09:05:07 a.m.

investigacin
Codificacin empleada

Se emplea un vector con variables enteras que

representa una configuracin del sistema (figura 1), donde te, tn, se y sn representan el nmero
de tramos de red existentes y nuevos, as como el
nmero de subestaciones existentes y nuevas, respectivamente. En este vector cuando una posicin
tiene asociado un cero, eso quiere decir que este
elemento no se propone en dicha solucin. Cuando tiene un valor diferente de cero, quiere decir
que ese elemento es propuesto con el tipo descrito
en su posicin.

Figura 1. Esquema de codificacin

Recombinacin y mutacin: se aplica la recombinacin sobre dos padres, generando dos descendientes directos y seleccionando el de mejor
calidad, el cual es sometido a mutacin. Esto se
realiza hasta completar la poblacin descendiente. Las tasas de recombinacin y de mutacin se
encuentran por pruebas de ensayo y error.
Evaluacin de configuraciones e infactibilidades:
para la evaluacin de las configuraciones los modelos son transformados de restrictos a irrestrictos;
de esta forma las violaciones de las restricciones
(en caso de que existan) son llevadas a la funcin
objetivo como un valor de penalizacin, multiplicados por un factor con el fin de unificar unidades
de la funcin objetivo. Para evaluar las configuraciones se emplea un flujo de carga radial de barrido iterativo (Shirmohammadi, Hong, Semlyeny
Luo, 1988).
Criterio de parada: el criterio de parada se basa
en dos aspectos: si la solucin incumbente no
mejora despus de un nmero predefinido de iteraciones, o si se alcanza un nmero mximo de
iteraciones del algoritmo.

Fuente: elaboracin propia.

Tcnica de solucin

Los aspectos del algoritmo se describen a continuacin (Deb, 2004; Gallego, Escobar y Toro,
2008).
Generacin de la poblacin inicial: puede generarse usando una tcnica heurstica constructiva o
de forma aleatoria. En este artculo se genera de
forma aleatoria.
Seleccin: se emplea la seleccin por torneo considerando apilamiento. En esta etapa se comparan dos soluciones y se retorna el ganador, asumiendo que cada solucin i tiene un rango de no
dominancia y una distancia de apilamiento. Una
solucin i gana un torneo con otra solucin j si la solucin i tiene mejor rango (mejor frente de Pareto), o si tienen el mismo rango pero la solucin i
tiene mayor distancia de apilamiento.

Seleccin de una solucin del frente

Para seleccionar una solucin del frente de Pareto

se emplea el criterio max-min, el cual consiste en
normalizar para cada solucin los valores de ambas funciones objetivo con respecto a los valores
extremos encontrados en el frente (Deb, Amrit,
Agarwaly Meyarivan, 2000). Una vez normalizadas ambas funciones objetivo, se selecciona el
menor valor para cada solucin. Luego se obtiene el mximo valor de todos los valores mnimos
encontrados previamente. El valor final definido
est asociado a la solucin encontrada con el criterio max-min, es decir, pertenece a una solucin
que tiene en cuenta la importancia de cada objetivo considerado, llevando a soluciones centradas
en el frente ptimo de Pareto.

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 111

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 111

04/02/2015 09:05:08 a.m.

investigacin
Determinacin de tendencias de las
configuraciones

Al aplicar la tcnica de solucin a los modelos

matemticos propuestos (ecuaciones (10) a (13))
y luego de seleccionar la mejor solucin del
frente de Pareto, se comparan las configuraciones encontradas con el fin de hallar una tendencia entre estas (elementos comunes). Una vez se
determina esta tendencia, se fijan sus posiciones
en el vector codificacin y se ejecuta nuevamente el algoritmo con todos los modelos matemticos propuestos. Este proceso se repite hasta que
se encuentra una topologa final (tendencia final)
que tenga elementos comunes a todas las soluciones de los modelos matemticos (ver figura 2).
Al final de cada tendencia se pueden encontrar
tramos de red propuestos que generan anillos en
el sistema, por lo que estos elementos no forman
parten de los elementos definidos en la siguiente fase del proceso. Adicionalmente, se pueden
encontrar tramos de red comunes a los modelos
matemticos que no estn conectados al resto
del sistema (islas), razn por la cual estos elementos (al igual que los anteriores), tampoco
forman parte de los elementos que son definidos
en la siguiente fase del proceso; es decir, quedan
nuevamente como tramos propuestos para la siguiente iteracin (tendencia).

Figura 2. Tendencia empleada

Fuente: elaboracin propia.

Lectura de datos

Estn todos los

nodos conectados?

Emplear NSGA-II

Algoritmo

La metodologa propuesta se ilustra en la figura 3.

112

Tecnura 43.indb 112

Tecnura

Vol. 19

No. 43

SI

Definir
capacidades
de elementos

Evaluar funcin objetivo

Definir tendencias
Obtener frente de Pareto

Una vez definida la topologa del sistema, se seleccionan los calibres de los conductores. Inicialmente se fijan los calibres que son iguales en
los modelos matemticos. Luego, para los tramos
de red con calibres diferentes se define su calibre
escogiendo el mayor valor obtenido en los modelos; esto con el fin de dar cumplimiento a los
resultados de todos los modelos matemticos empleados.

Mostrar
resultados

NO

Definir modelo matemtico

SI
Se evaluaron
todos los
modelos?

Aplicar mtrica
NO

Figura 3. Metodologa empleada

Fuente: elaboracin propia.

APLICACIN Y RESULTADOS
Con el fin de probar la metodologa propuesta en
este artculo, se emple un sistema de distribucin de 25 nodos (Nahman y Peric, 2008).

enero - marzo de 2015

04/02/2015 09:05:08 a.m.

investigacin
De cada frente de Pareto encontrado con los
primeros tres modelos matemticos se selecciona una configuracin, usando la mtrica descrita
en la subseccin Seleccin de una solucin del
frente. Posteriormente, se determinan los elementos comunes, los cuales son definidos para
el siguiente paso del proceso. Esto se repite hasta que se encuentra una configuracin comn
a todos los modelos y en la cual no hay nodos
desconectados. En la figuras 9 a 11 se presentan
las configuraciones encontradas despus de evaluar tres tendencias. La topologa de la figura 11
corresponde a la configuracin final del sistema
encontrada por la metodologa. Para esta configuracin las dos subestaciones son de igual capacidad (tipo 2).

Resultados obtenidos

La implementacin y aplicacin de la metodologa

se realiz en Matlab R2009b. En la figura 4 se ilustra la configuracin inicial del sistema, cuyo voltaje
nominal es 13,2 kV. El nodo con el nmero 1 corresponde a la subestacin existente y el nmero 10 a
la subestacin propuesta. Se consideran cuatro tipos
de calibres para los conductores y cuatro tipos de
subestaciones, los cuales se ilustran en la tabla 1,
donde los trminos CI y CR corresponden a costos de instalacin y repotenciacin, respectivamente. Los tramos de red existentes (1-3, 1-16, 1-19) y
la subestacin existente son del tipo 1.
Los parmetros empleados por el algoritmo son:
60 individuos en la poblacin, 300 generaciones y
tasas de recombinacin y mutacin de 0,9 y 0,05,
respectivamente. El comportamiento del algoritmo
cuando se emplean los cuatro modelos matemticos
propuestos se presenta en las figura 5 a 8. En estas figuras se observa cmo el algoritmo converge a regiones de buena calidad, al partir de una poblacin
inicial generada aleatoriamente. De las figuras 5 a
la 7 se observa que las funciones objetivo estn en
conflicto, ya que el mejoramiento de uno de ellos
empeora al otro objetivo. Esta situacin no ocurre
con el cuarto modelo matemtico (figura 8), pues
se observa que ambos objetivos estn en la misma
direccin. De acuerdo con esto para las prximas
iteraciones (tendencias) no se considera el cuarto
modelo matemtico, pues este no considera objetivos en conflicto.

Figura 4. Configuracin inicial del sistema de prueba

Fuente: elaboracin propia.

Tabla 1. Tipos de conductores y subestaciones

Conductores
Tipo
1

[/km]

[ /km]

0,8

0,45

A
454,5

Subestaciones

CI

CR

[M$/km]

[M$/km]

12

MVA

0,054

10,75

CI

CR

[M$]

[M$]

20

0,65

0,42

606,0

20

0,096

10,75

40

10

0,52

0,38

909,0

25

10

0,078

8,95

60

15

0,4

0,34

1893,9

35

14

0,064

8,95

80

20

Fuente: elaboracin propia.

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 113

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 113

04/02/2015 09:05:09 a.m.

investigacin

Figura 8. Modelo matemtico 4 Tendencia 1

Figura 5. Modelo matemtico 1 Tendencia 1

Fuente: elaboracin propia.

Fuente: elaboracin propia.

Figura 9. Primer tendencia encontrada

Figura 6. Modelo matemtico 2 Tendencia 1

Fuente: elaboracin propia.

Fuente: elaboracin propia.

Figura 7. Modelo matemtico 3 Tendencia 1

Figura 10. Segunda tendencia encontrada

Fuente: elaboracin propia.

Fuente: elaboracin propia.

114

Tecnura 43.indb 114

Tecnura

Vol. 19

No. 43

enero - marzo de 2015

04/02/2015 09:05:10 a.m.

investigacin
cuales se obtienen: costos de inversin, costos de
operacin, costos totales y confiabilidad (ENS).
Estos valores se ilustran en la tabla 3.
Discusin de los resultados

Figura 11. Tercer tendencia encontrada Configuracin final

Fuente: elaboracin propia.

Los calibres de cada tramo de red se presentan

en la tabla 2. A la configuracin seleccionada se
le evalan los tres modelos matemticos, con los

Al resolver el modelo matemtico 4 (costos de

operacin vs. confiabilidad), se observa que ambos objetivos estn en la misma direccin (figura 8). Esto se debe a que las tasas de falla y los
tiempos de reparacin vienen dados por calibres
de conductor, los cuales disminuyen a medida
que aumenta el calibre. Dado que a mayor calibre
se tienen menores prdidas tcnicas (disminuye
la resistencia) y considerando el aspecto descrito previamente, el algoritmo tiene una tendencia
por seleccionar siempre calibres de gran tamao,
pues de esta forma disminuye el nivel de ENS
(mejorando la confiabilidad) y reduce el costo de
prdidas de energa (costos operativos).

Tabla 2. Calibres de la configuracin final

Tramo

Tipo

Tramo

Tipo

Tramo

Tipo

Tramo

Tipo

Tramo

Tipo

Tramo

Tipo

10

10

13

22

18

16

15

16

17

21

22

23

19

19

20

12

20

24

10

14

11

23

10

10

25

17

16

---

---

---

Fuente: elaboracin propia.

Tabla 3. Valores de las funciones objetivo

Funcin objetivo
Modelo matemtico

Costos de inversin

Costos de inversin
[M$]

Costos de Operacin
[M$]

Modelo 1

54,59

93,33

147,92

64081,24

Modelo 2

43,06

156,09

199,16

61725,81

Modelo 3

83,67

69,36

153,03

56836,82

Configuracin seleccionada

67,68

83,81

151,49

45346,02

y operacin [M$]

Confiabilidad (kW-h)

Fuente: elaboracin propia.

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 115

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 115

04/02/2015 09:05:11 a.m.

investigacin
Con respecto a los costos de inversin, se observa
que la configuracin seleccionada tiene un valor
mayor que los modelos matemticos 1 y 2 y menores al modelo 3. Los valores mayores de costos operativos se obtienen con los modelos 1 y
2. Adicionalmente, los costos totales del proyecto
($151,49 millones) son menores que los costos
encontrados con los tres modelos matemticos.
El mayor nivel de ENS se encuentra en el modelo
1, ya que este solamente considera costos en sus
funciones objetivo (inversin vs. operacin). Sin
embargo, cuando en los modelos matemticos se
considera la minimizacin de criterios de confiabilidad, se observa que este valor es menor que
el caso en que no se consideran. Adicionalmente,
se observa que la configuracin seleccionada presenta menores valores de ENS que los tres modelos matemticos.
Si se considera solamente el modelo 1, la energa
no servida sera alta en comparacin con los otros
modelos, por lo cual la confiabilidad del sistema
sera baja; si se considera exclusivamente el modelo 2, los costos totales seran elevados, con un
gran porcentaje representado en los costos de operacin; en el caso del modelo 3 se tienen los mayores costos de inversin, lo cual reduce los costos
de operacin y mejora la confiabilidad, aunque requiere una mayor inversin inicial. Esto demuestra que la metodologa permite encontrar un punto
de equilibrio entre todos los objetivos, generando
una inversin moderada, con costos de operacin
cerca de la mitad de los costos totales y un nivel de
ENS inferior al que puede establecerse solamente considerando costos de inversin y operacin.
Una ventaja de manejar tendencias considerando
varios modelos matemticos es que se puede reducir el espacio de solucin, con algoritmos ms eficientes y estableciendo diferentes alternativas que
permiten la evaluacin y la bsqueda de los parmetros ptimos de acuerdo con el inters sobre
cada objetivo en particular.

116

Tecnura 43.indb 116

Tecnura

Vol. 19

No. 43

De los resultados obtenidos en el sistema de prueba se observa que las subestaciones son de igual
tamao en todos los modelos matemticos (tipo 2).
De acuerdo con esto, se nota que la seleccin de
las subestaciones solamente se ve afectada por
los costos de inversin, pues selecciona siempre
el menor tipo (ms econmico), pero no se ve influenciada por los costos de operacin o confiabilidad. Se puede deducir entonces que los elementos que ms tienen peso a la hora de definir
una tendencia son los tramos de red, ya que varan
dependiendo del objetivo tratado.
CONCLUSIONES
En este artculo se propuso e implement un
algoritmo NSGA-II aplicado a la solucin del
problema de la expansin de sistemas de distribucin de energa elctrica usando modelos de
optimizacin multiobjetivo. Los modelos matemticos empleados consideran dos funciones
objetivo: el primero usa costos de inversin vs.
costos de operacin; el segundo emplea costos de
inversin vs. confiabilidad; el tercero considera
costos de inversin y operacin vs. confiabilidad y el cuarto modelo usa costos de operacin
vs. confiabilidad. Los cuatro modelos tienen en
cuenta el mismo conjunto de restricciones: ecuaciones de balance nodal, capacidades mximas en
subestaciones y alimentadores, regulacin mxima permitida y radialidad de la red. Esta metodologa fue verificada con un sistema de prueba de
la literatura y se encontraron soluciones que reflejan su validez al aportar al estado del arte en
esta temtica, dado que las configuraciones halladas encuentran un punto de equilibrio con respecto a todos los objetivos considerados, lo que
demuestra la importancia de tenerlos en cuenta.
La configuracin obtenida es de buena calidad ya
que cumple criterios tcnicos y operativos de radialidad, cargabilidad y regulacin.

enero - marzo de 2015

04/02/2015 09:05:11 a.m.

investigacin
En el sector elctrico se presentan fluctuaciones
en los proyectos de inversin, dado que pueden
tenerse diferentes prioridades dependiendo de los
rubros que se tengan asignados, de los reglamentos internos o cdigos que se deban cumplir en
un periodo especfico, o de las sanciones que se
tengan a nivel nacional por ENS o prdidas en
la red. Esta condicin genera que las prioridades
de las empresas del sector elctrico puedan cambiar,
lo que genera cambios en sus inversiones o planeamiento de la red. Establecer una metodologa
que pueda evaluar diferentes parmetros y conocer el comportamiento que se presenta ante una
determinada condicin, permite tomar decisiones
basadas en diferentes criterios y da la flexibilidad necesaria para elegir cul condicin requiere
priorizar la empresa de acuerdo con su contexto y
la condicin en que se encuentre.
De los resultados obtenidos se aprecia que existe una tendencia en las topologas y capacidades de
las subestaciones, independiente de las funciones
objetivo empleadas. Encontrar este tipo de tendencias permite disminuir el espacio de solucin
mediante especies de cortes generados.
La gran diferencia en la tendencia obtenida a partir de los tres modelos matemticos, se encuentra
en los calibres de los conductores. La seleccin
de los calibres de los tramos de red puede ser
realizada a partir del inters especfico de cada
electrificadora por los objetivos considerados, o

empleando una tcnica que permita encontrar un

punto de equilibrio entre estos. En este artculo se considera el mayor calibre obtenido de los
tres modelos, con el fin de dar cumplimiento a
todos los objetivos.
El algoritmo NSGA-II es una herramienta efectiva y poderosa para solucionar problemas multiobjetivo. Se puede observar el comportamiento
adecuado del algoritmo, dado que sin importar el
modelo matemtico empleado, el tamao del sistema de prueba y la generacin aleatoria de la poblacin inicial, este siempre converge a regiones
de buena calidad.
La metodologa propuesta es general y flexible y
puede ser empleada en la solucin del problema
del planeamiento de sistemas de distribucin realizando un planeamiento esttico o por etapas y
empleando dos o ms objetivos, con la ventaja de
obtener soluciones con buenas condiciones operativas sin importar el tamao o la topologa del
sistema empleado.
FINANCIAMIENTO
Este artculo es producto del proyecto Planeamiento integrado de redes de distribucin de energa elctrica de media y baja tensin (Cdigo
6-13-4), el cual ha sido financiado por la Universidad Tecnolgica de Pereira.

REFERENCIAS
Bernal-Agustn, J. (1998). Application of Genetic Algorithms To the Optimal Design of
Power Distribution Systems. Zaragoza, Espaa: Universidad de Zaragoza.
Billinton, R. y Allan, R. (1996). Reliability Evaluation of Power Systems. Nueva York:
Plenum.

Carrano, E., Soarez, L., Takahashi, R., Saldanha,

R. y Neto, O. (2006). Electric Distribution
Network Multiobjective Design Using
a Problem-Specific Genetic Algorithm.
IEEE, 21 (2), 995-1005.
Deb, K. (2004). Multi-Objective Optimization
using Evolutionary Algorithms. Nueva
York: John Wiley y Sons.

Planeacin ptima de sistemas de distribucin considerando mltiples objetivos 117

Ana Mara Meja Solanilla / Ricardo Alberto Hincapi Isaza / Ramn Alfonso Gallego Rendn

Tecnura 43.indb 117

04/02/2015 09:05:11 a.m.

investigacin
Deb, K., Amrit, P., Agarwal, S. y Meyarivan, T.
(2000). A Fast and Elitist Multiobjective
Genetic Algorithm. Nueva Delhi: Kanpur
Genetic Algorithms Laboratory, Indian
Institute of Technology.
Gallego, R., Escobar, A. y Toro, E. (2008). Tcnicas metaheursticas de optimizacin.
Pereira: Textos Universitarios Universidad
Tecnolgica de Pereira.
Ganguly, S., Sahoo, N. y Das, D. (2011). MultiObjective Planning of Electrical Distribution Systems Incorporating Shunt Capacitor Banks. International Conference on
Energy, Automation, and Signals (ICEAS)
(pp. 1-6). Bhubaneswar, India.
Ganguly, S., Sahoo, N. y Das, D. (2013). Multi-Objective Planning of Electrical Distribution Systems Using Dynamic Programming. Electrical Power and Energy
Systems, 46, 65-78.
Kayu, G. y Ooka, R. (2009). Application MultiObjective Genetic Algorithm for Optimal
Design Method of Distributed Energy System. Eleventh Intenational IBPSA Conference (pp. 162-172). Glasgow, Escocia.
Kong, T., Cheng, H., Hu, Z., Wang, C., Chen, C.
y Gao Y. (2008). Multiobjective Planning
of Open-Loop mv Distribution Networks Using ComGIS Network Analysis and
MOGA. Third International Conference
on Electric Utility Deregulation and Restructuring and Power Technologies (pp.
1340-1346). NanJing, China.
Mantway, A., y Al-Muhaini, M. (2008). MultiObjective BPSO Algorithm for Distribution
System Expansion Planning Including Distributed Generation. Transmission and Distribution Conference and Exposition. T&D. IEEE/
PES, (pp. 1-8). Chicago, Estados Unidos.

118

Tecnura 43.indb 118

Tecnura Vol. 19

No. 43

pp. 106 - 118

Mori, H. y Yamada, Y. (2007). An Efficient MultiObjective Meta-Heuristic Method for Distribution Network Expansion Planning.
Ponencia presentada en la conferencia IEEE
Lausanne Power Tech Conference, Lausana,
Suiza, 1-5 de julio de 2007 (pp. 374-379).
Nahman, J. y Peric, D. (2008). Optimal Planning of Radial Distribution Networks by
Simulated Annealing Technique. IEEE
Transactions on Power Systems, 23 (2),
790-795.
Ramrez, I. y Bernal, J. (2001). Reliability and
Costs Optimization for Distribution Network Expansion Using an Evolutionary
Algorithm. IEEE Transactions on Power
Systems, 16 (1), 111-118.
Ramrez, I. y Domnguez, J. (2004). Possibilistic
Model Based on Fuzzy Sets for the Multiobjective Optimal Planning of Electric
Power Distribution Networks. IEEE Transactions on Power Systems, 19 (4), 18011810.
Ramrez, I. y Domnguez, J. (2006). New Multiobjective Tabu Search Algorithm for
Fuzzy Optimal Planning of Power Distribution Systems. IEEE Transactions on
Power Systems, 21 (1), 224-233.
Sahoo, N., Ganguly, S. y Das, D. (2012). MultiObjective Planning of Electrical Distribution Systems Incorporating Sectionalizing
Switches and Tie-Lines Using Particle
Swarm Optimization. Swarm and Evolutionary Computation, 3, 15-32.
Shirmohammadi, D., Hong, H., Semlyen, A. y
Luo, G. (1988). A Compensation-Based
Power Flow Method for Weakly Meshed
Distribution and Transmission Networks.
IEEE Transactions on Power Systems, 3
(2), 753-762.

enero - marzo de 2015

04/02/2015 09:05:11 a.m.

Copyright of Tecnura is the property of Tecnura and its content may not be copied or emailed
to multiple sites or posted to a listserv without the copyright holder's express written
permission. However, users may print, download, or email articles for individual use.