Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange
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 cl...
- Autores:
-
Anzola, Diego
Castro, Julio
Giral, Diego
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad Tecnológica de Bolívar
- Repositorio:
- Repositorio Institucional UTB
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.utb.edu.co:20.500.12585/10360
- Acceso en línea:
- https://hdl.handle.net/20.500.12585/10360
- Palabra clave:
- Despacho económico
Flujo óptimo de potencia
Multiplicadores de Lagrange
Optimización no lineal
LEMB
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by/4.0/
| id |
UTB2_8bc1a90ad8b58a0ff60570e28bbff74c |
|---|---|
| oai_identifier_str |
oai:repositorio.utb.edu.co:20.500.12585/10360 |
| network_acronym_str |
UTB2 |
| network_name_str |
Repositorio Institucional UTB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| title |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| spellingShingle |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange Despacho económico Flujo óptimo de potencia Multiplicadores de Lagrange Optimización no lineal LEMB |
| title_short |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| title_full |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| title_fullStr |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| title_full_unstemmed |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| title_sort |
Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange |
| dc.creator.fl_str_mv |
Anzola, Diego Castro, Julio Giral, Diego |
| dc.contributor.author.none.fl_str_mv |
Anzola, Diego Castro, Julio Giral, Diego |
| dc.subject.keywords.spa.fl_str_mv |
Despacho económico Flujo óptimo de potencia Multiplicadores de Lagrange Optimización no lineal |
| topic |
Despacho económico Flujo óptimo de potencia Multiplicadores de Lagrange Optimización no lineal LEMB |
| dc.subject.armarc.none.fl_str_mv |
LEMB |
| description |
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 %. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-02-08 |
| dc.date.accessioned.none.fl_str_mv |
2021-08-26T13:20:38Z |
| dc.date.available.none.fl_str_mv |
2021-08-26T13:20:38Z |
| dc.date.submitted.none.fl_str_mv |
2021-08-24 |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.hasVersion.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.spa.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Anzola, D., Castro, J., & Giral, D. (2021). Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange. Transactions on Energy Systems and Engineering Applications, 2(1), 1-16. https://doi.org/10.32397/tesea.vol2.n1.1 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12585/10360 |
| dc.identifier.doi.none.fl_str_mv |
DOI: 10.32397/tesea.vol2.n1.1 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Tecnológica de Bolívar |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Universidad Tecnológica de Bolívar |
| identifier_str_mv |
Anzola, D., Castro, J., & Giral, D. (2021). Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange. Transactions on Energy Systems and Engineering Applications, 2(1), 1-16. https://doi.org/10.32397/tesea.vol2.n1.1 DOI: 10.32397/tesea.vol2.n1.1 Universidad Tecnológica de Bolívar Repositorio Universidad Tecnológica de Bolívar |
| url |
https://hdl.handle.net/20.500.12585/10360 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessRights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.cc.*.fl_str_mv |
Atribución 4.0 Internacional |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ Atribución 4.0 Internacional http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
16 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.none.fl_str_mv |
Colombia |
| dc.publisher.place.spa.fl_str_mv |
Cartagena de Indias |
| dc.publisher.sede.spa.fl_str_mv |
Campus Tecnológico |
| dc.publisher.discipline.spa.fl_str_mv |
Ingeniería Electrónica |
| dc.source.spa.fl_str_mv |
TESEA 2021, Volume 2, Number 1 |
| institution |
Universidad Tecnológica de Bolívar |
| bitstream.url.fl_str_mv |
https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/1/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/2/license_rdf https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/3/license.txt https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/4/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.txt https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/5/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.jpg |
| bitstream.checksum.fl_str_mv |
48fc5251f97e29716369c8aabcb3b947 0175ea4a2d4caec4bbcc37e300941108 e20ad307a1c5f3f25af9304a7a7c86b6 af80e99d904e85b4852d5979022ec1ac 354cc2093b1db17a4c7587d9c64e2df0 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UTB |
| repository.mail.fl_str_mv |
repositorioutb@utb.edu.co |
| _version_ |
1808397585859215360 |
| spelling |
Anzola, Diego366b7ea0-c57c-4940-8fb2-1fbabb6c4f35Castro, Julio6e1f554c-8c72-403a-bfd0-6a1bc267a10eGiral, Diego04c23b18-18fe-4cbb-a925-7b44d9849c1eColombia2021-08-26T13:20:38Z2021-08-26T13:20:38Z2020-02-082021-08-24Anzola, D., Castro, J., & Giral, D. (2021). Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrange. Transactions on Energy Systems and Engineering Applications, 2(1), 1-16. https://doi.org/10.32397/tesea.vol2.n1.1https://hdl.handle.net/20.500.12585/10360DOI: 10.32397/tesea.vol2.n1.1Universidad Tecnológica de BolívarRepositorio Universidad Tecnológica de BolívarEl 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 %.The optimal flow analysis is a complex and challenging problem because of its non-linear characteristics. It is difficult to determine the respective flow of active power due to the inclusion of power restrictions and models of the transmission lines. Lagrange multipliers are a classical optimization method that allows solving the economic flow of multiple variables subject to various limits. This article presents a simulation tool called SOPF (Software Optimal Power Flow) developed in Guide-Matlab. This tool analyzes the classical optimal flow problem of a power system with leaks and energetic power limitations. This simulator is an academic support tool for students, professors, and people interested in applying optimization algorithms for economic electrical power systems. The software not only determines the flow of the power of each generator, the costs of the generated flow power, the contribution of each machine, the incremental costs, and the leaks according to the power balance. Finally, the results are presented through two case studies: classic optimal flow with losses and without active power restrictions and classical optimal flow with leaks and brisk power restrictions. For both cases, errors of less than 1 % are obtained.Universidad Tecnológica de Bolívar16 páginasapplication/pdfspahttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessAtribución 4.0 Internacionalhttp://purl.org/coar/access_right/c_abf2TESEA 2021, Volume 2, Number 1Herramienta de simulación para el análisis de flujo óptimo clásico utilizando multiplicadores de Lagrangeinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Despacho económicoFlujo óptimo de potenciaMultiplicadores de LagrangeOptimización no linealLEMBCartagena de IndiasCampus TecnológicoIngeniería ElectrónicaInvestigadoresAlvarez-Bustos, A., Kazemtabrizi, B., Shahbazi, M., and Acha-Daza, E. (2021). Universal branch model for the solution of optimal power flows in hybrid AC/DC grids. International Journal of Electrical Power & Energy Systems, 126:106543. doi:https://doi.org/10.1016/j.ijepes.2020.106543Bukhsh, 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 parael despacho 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 and Network 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. John Wiley & Sons.Cuffe, P. (2020). Optimization and Visualization Tools for Situational Awareness in Highly Renewable Power Systems. In 2020 6th IEEE International Energy Conference (ENERGYCon), pages 930–933. doi:10.1109/ENERGYCon48941.2020.9236524.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 optimal power flow. In 2020 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 KV system 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 Power Flows. 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: Economic Dispatch 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 optimal power 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 Electric Power 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.http://purl.org/coar/resource_type/c_2df8fbb1ORIGINALHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdfHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdfapplication/pdf1074796https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/1/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf48fc5251f97e29716369c8aabcb3b947MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/2/license_rdf0175ea4a2d4caec4bbcc37e300941108MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-83182https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/3/license.txte20ad307a1c5f3f25af9304a7a7c86b6MD53TEXTHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.txtHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.txtExtracted texttext/plain39467https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/4/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.txtaf80e99d904e85b4852d5979022ec1acMD54THUMBNAILHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.jpgHerramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.jpgGenerated Thumbnailimage/jpeg91185https://repositorio.utb.edu.co/bitstream/20.500.12585/10360/5/Herramienta_de_simulaci_n_para_el_an_lisis_de_flujo__ptimo_cl_sico_utilizando_multiplicadores_de_LagrangeHow_to_cite_this_article.pdf.jpg354cc2093b1db17a4c7587d9c64e2df0MD5520.500.12585/10360oai:repositorio.utb.edu.co:20.500.12585/103602021-08-27 02:05:26.654Repositorio Institucional UTBrepositorioutb@utb.edu.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 |