Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange

Author:

Anzola Diego1ORCID,Castro Julio1,Giral Diego1

Affiliation:

1. Universidad Distrital Francisco José de Caldas

Abstract

El análisis del flujo óptimo es un problema complejo y desafiante por sus características no lineales. La inclusión de restricciones de potencia y los modelos de las líneas de transmisión hacen complejo determinar el respectivo despacho. Los multiplicadores de Lagrange son un método de optimización clásico que permite solucionar problemas de despacho económico de múltiples variables sujetas con diversas restricciones. Este articulo presenta el desarrollo de una herramienta de simulación denominada SOPF (Software Optimal Power Flow), desarrollada en Guide-Matlab y que permite analizar el problema de flujo óptimo clásico de un sistema de potencia con pérdidas y con restricciones de potencia activa, el simulador desarrollado es un herramienta académica de apoyo para los estudiantes, profesores y personas interesadas en la aplicación de algoritmos de optimización para la operación económica de sistemas eléctricos de potencia. Como métricas, el simulador determina el despacho de la potencia activa de cada generador, los costos de generación de la potencia despachada, el aporte de cada máquina, los costos incrementales y las pérdidas de acuerdo al balance de potencia. Finalmente, los resultados se presentan a través de dos casos de estudio: flujo óptimo clásico con pérdidas y sin restricciones de potencia activa y flujo óptimo clásico con pérdidas y con restricciones de potencia activa. Para ambos casos, se obtienen errores inferiores al 1 %.

Publisher

Universidad Technologica de Bolivar

Reference16 articles.

1. Alvarez-Bustos, A., Kazemtabrizi, B., Shahbazi, M., and Acha-Daza, E. (2021). Universal branch model forthe solution of optimal power flows in hybrid AC/DC grids.International Journal of Electrical Power & EnergySystems, 126:106543. doi:https://doi.org/10.1016/j.ijepes.2020.106543.Bukhsh, W., Edmunds, C., and Bell, K. (2020). OATS: Optimisation and Analysis Toolbox for Power Systems.IEEE Transactions on Power Systems, 35(5):3552–3561. doi:10.1109/TPWRS.2020.2986081.Castro Rico, J. E., Anzola Bustos, D. A., and Giral, D. (2019).Software en Matlab para el flujo óptimo clásico para eldespacho hidrotérmico. PhD thesis, Universidad Distrital Francisco José de Caldas.Chaudhary, R., Sethi, S., Keshari, R., and Goel, S. (2012). A study of comparison of Network Simulator -3 andNetwork Simulator -2.International Journal of Computer Science and Information Technologies.Chen, H., Ngan, H., and Zhang, Y. (2016).Power system optimization: large-scale complex systems approaches. JohnWiley & Sons.Cuffe, P. (2020).Optimization and Visualization Tools for Situational Awareness in Highly RenewablePower Systems.In2020 6th IEEE International Energy Conference (ENERGYCon), pages 930–933.doi:10.1109/ENERGYCon48941.2020.9236524.

2. Das, J. C. (2017).Load flow optimization and optimal power flow. Crc Press.Grisales-Noreña, L. F., Garzón-Rivera, O. D., Ocampo-Toro, J. A., Ramos-Paja, C. A., and Rodriguez-Cabal, M. A.(2020). Metaheuristic Optimization Methods for Optimal Power Flow Analysis in DC Distribution Networks.Transactions on Energy Systems and Engineering Applications, 1(1):13–31. doi:10.32397/tesea.vol1.n1.2.Hasan, F., Kargarian, A., and Mohammadi, A. (2020). A survey on applications of machine learning for optimalpower flow. In2020 IEEE Texas Power and Energy Conference, TPEC 2020. doi:10.1109/TPEC48276.2020.9042547.Ilyas, A. M., Suyuti, A., Gunadin, I. C., and Siswanto, A. (2020). Optimal Power Flow the Sulselrabar 150 KVsystem before and after the penetration of wind power plants considering power loss and generation costs.IOP Conference Series: Materials Science and Engineering, 850:12030. doi:10.1088/1757-899x/850/1/012030.Ma, X. and Elia, N. (2019). Optimization Dynamics: A Bus-Level Distributed Approach for Optimal PowerFlows.IEEE Transactions on Control of Network Systems, 6(2):642–652. doi:10.1109/TCNS.2018.2864140.Montoya, O. D. (2017). Solving a Classical Optimization Problem Using GAMS Optimizer Package: EconomicDispatch Problem Implementation.Ingeniería y Ciencia, 13(26):39–63. doi:10.17230/ingciencia.13.26.2.Pinheiro, R. B. N. M., Nepomuceno, L., and Balbo, A. R. (2020).Solving large-scale reactive optimalpower flow problems by a primal–dual M2BF approach.Optimization and Engineering, 21(2):485–515.doi:10.1007/s11081-019-09451-4.Thurner, L., Scheidler, A., Schäfer, F., Menke, J., Dollichon, J., Meier, F., Meinecke, S., and Braun, M. (2018).Pandapower—An Open-Source Python Tool for Convenient Modeling, Analysis, and Optimization of ElectricPower Systems.IEEE Transactions on Power Systems, 33(6):6510–6521. doi:10.1109/TPWRS.2018.2829021.Wood, A. J., Wollenberg, B. F., and Sheblé, G. B. (2013).Power generation, operation, and control. John Wiley &Sons.

3. Alvarez-Bustos, A., Kazemtabrizi, B., Shahbazi, M., and Acha-Daza, E. (2021). Universal branch model forthe solution of optimal power flows in hybrid AC/DC grids.International Journal of Electrical Power & EnergySystems, 126:106543. doi:https://doi.org/10.1016/j.ijepes.2020.106543.

4. Bukhsh, W., Edmunds, C., and Bell, K. (2020). OATS: Optimisation and Analysis Toolbox for Power Systems.IEEE Transactions on Power Systems, 35(5):3552–3561. doi:10.1109/TPWRS.2020.2986081.

5. Castro Rico, J. E., Anzola Bustos, D. A., and Giral, D. (2019).Software en Matlab para el flujo óptimo clásico para eldespacho hidrotérmico. PhD thesis, Universidad Distrital Francisco José de Caldas.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3