Abstract
Objetivo: Este trabajo analiza el costo óptimo de expansión, el número de líneas a incluir y el tiempo de simulación computacional para dos sistemas transmisión, empleando programación no lineal entera mixta a través de los solver del software GAMS (General Algebraic Modeling System). El objetivo es determinar las diferencias en los costos de expansión cuando se emplea el modelo de transporte, DC, híbrido lineal y lineal disyuntivo.
Metodología: Está dividida en cinco etapas: la primera identifica el sistema de transmisión, la segunda establece el problema de planeamiento del sistema de transmisión, la tercera realiza la formulación del sistema de potencia de acuerdo con cada uno de los modelos de optimización, la cuarta aplica la formulación del sistema de potencia en el software GAMS y la última selecciona el costo óptimo.
Resultados: Desde el análisis de costo óptimo, el modelo DC y el modelo lineal disyuntivo presentaron el mayor costo óptimo respecto al modelo de transporte y al modelo hibrido lineal.
Conclusiones: Los modelos implementados presentaron desempeños equivalentes en el sistema de prueba con el menor número de nodos; al aumentar el número de nodos, el desempeño de los modelos no presenta similitud. Por el contrario, se identifican diferencias importantes en los resultados obtenidos, lo que permite caracterizar solver específicos de acuerdo con el número de nodos.
Metodología: Está dividida en 5 etapas, la primera identifica el sistema de transmisión, la segunda establece el problema de planeamiento del sistema de transmisión, la tercera realiza la formulación del sistema de potencia de acuerdo a cada uno de los modelos de optimización, la cuarta aplica la formulación del sistema de potencia en el software GAMS y la última seleccionar el costo óptimo.
Resultados: Desde el análisis de costo optimo, el modelo DC y el modelo lineal disyuntivo presento el mayor costo optimo respecto al modelo de transporte y al modelo hibrido lineal.
Conclusiones: Los modelos implementados presentaron desempeños equivalente en el sistema de prueba con el menor número de nodos, al aumentar el número de nodos el desempeño de los modelos no presenta similitud, por el contrario se identifican diferencias importantes en los resultados obtenidos, lo que permite caracterizar solver específicos de acuerdo al número de nodos.
Publisher
Universidad Distrital Francisco Jose de Caldas
Reference39 articles.
1. Abdin, I. F. y Zio, E. (2019). Optimal planning of electric power systems. En M. Fathi (Ed.), Optimization in large scale problems (pp. 53-65). Springer. DOI: https://doi.org/10.1007/978-3-030-28565-4_10
2. Álvarez, E. F., Paredes, M. y Rider, M. J. (2020). Semidefinite relaxation and generalised benders decomposition to solve the transmission expansion network and reactive power planning. IET Generation, Transmission & Distribution, 14(11), 2160-2168. DOI: https://doi.org/10.1049/iet-gtd.2019.0331
3. Babu, P. V. y Singh, S. P. (2016). Optimal placement of DG in distribution network for power loss minimization using NLP & PLS Technique. Energy Procedia, 90, 441-454. DOI: https://doi.org/10.1016/j.egypro.2016.11.211
4. Correa Flórez, C. A., Sánchez Salcedo, A. y Panesso Hernández, A. (2020). Metodología multiobjetivo para el planeamiento de la expansión de la transmisión considerando incertidumbres en la generación eólica y la demanda. INGE CUC, 16(1), 2382-4700. DOI: https://doi.org/10.17981/ingecuc.16.1.2020.20
5. Chaudhary, R., Sethi, S., Keshari, R. y Goel, S. (2012). A study of comparison of Network Simulator-3 and Network Simulator-2. International Journal of Computer Science and Information Technologies, 3(1), 3085-3092.
Cited by
3 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献