Ubicación y tamaño óptimos de unidades de generación de energía fotovoltaica en redes eléctricas para reducir los costos operativos anuales totales: una aplicación del algoritmo de búsqueda de la multitud
Autores: Cortés-Caicedo, Brandon; Grisales-Noreña, Luis Fernando; Montoya, Oscar Danilo; Perea-Moreno, Miguel-Angel; Perea-Moreno, Alberto-Jesus
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Ubicación y tamaño óptimos de unidades de generación de energía fotovoltaica en redes eléctricas para reducir los costos operativos anuales totales: una aplicación del algoritmo de búsqueda de la multitud
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estudio
Unidades de generación fotovoltaica
Redes eléctricas
Programación No Lineal Mixta-Entera
Costos
Metodología maestro-esclavo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
Este estudio presenta una metodología maestro-esclavo para resolver el problema de localización y dimensionamiento óptimo de unidades de generación fotovoltaica (PV) en redes eléctricas. Este problema se representa mediante un modelo de Programación No Lineal Entera Mixta (MINLP), cuya función objetivo es reducir los costos operativos anuales totales de una red para un período de planificación de 20 años. Tales costos incluyen (i) los costos de compra de energía a los generadores convencionales (el nodo de suministro principal en este caso particular), (ii) la inversión en las unidades de generación PV, y (iii) sus costos de operación y mantenimiento correspondientes. En el método maestro-esclavo propuesto, la etapa maestra utiliza la versión Discreta-Continua del Algoritmo de Búsqueda de Multitudes (DCCSA) para definir el conjunto de nodos donde se instalarán las unidades de generación PV (ubicación), así como su potencia nominal (dimensionamiento), y la etapa esclava emplea la técnica de flujo de potencia por aproximación sucesiva para encontrar el valor de la función objetivo de cada individuo proporcionado por la etapa maestra. Los resultados numéricos obtenidos en los sistemas de prueba de 33 y 69 nodos demostraron su aplicabilidad, eficiencia y robustez en comparación con otros métodos reportados en la literatura especializada, como el algoritmo de búsqueda de vórtices, el optimizador de distribución normal generalizada y el algoritmo de optimización de enjambre de partículas. Todas las simulaciones se realizaron en MATLAB utilizando nuestros propios scripts.
Descripción
Este estudio presenta una metodología maestro-esclavo para resolver el problema de localización y dimensionamiento óptimo de unidades de generación fotovoltaica (PV) en redes eléctricas. Este problema se representa mediante un modelo de Programación No Lineal Entera Mixta (MINLP), cuya función objetivo es reducir los costos operativos anuales totales de una red para un período de planificación de 20 años. Tales costos incluyen (i) los costos de compra de energía a los generadores convencionales (el nodo de suministro principal en este caso particular), (ii) la inversión en las unidades de generación PV, y (iii) sus costos de operación y mantenimiento correspondientes. En el método maestro-esclavo propuesto, la etapa maestra utiliza la versión Discreta-Continua del Algoritmo de Búsqueda de Multitudes (DCCSA) para definir el conjunto de nodos donde se instalarán las unidades de generación PV (ubicación), así como su potencia nominal (dimensionamiento), y la etapa esclava emplea la técnica de flujo de potencia por aproximación sucesiva para encontrar el valor de la función objetivo de cada individuo proporcionado por la etapa maestra. Los resultados numéricos obtenidos en los sistemas de prueba de 33 y 69 nodos demostraron su aplicabilidad, eficiencia y robustez en comparación con otros métodos reportados en la literatura especializada, como el algoritmo de búsqueda de vórtices, el optimizador de distribución normal generalizada y el algoritmo de optimización de enjambre de partículas. Todas las simulaciones se realizaron en MATLAB utilizando nuestros propios scripts.