Reducción del espacio de búsqueda aplicada a la planificación óptima de sistemas de transmisión de energía eléctrica de gran escala
La Planificación de la Expansión del Sistema de Transmisión (TNEP) es una actividad esencial para garantizar que el sistema de energía eléctrica pueda satisfacer la demanda futura al mínimo costo cumpliendo restricciones técnicas y ambientales. El actual desafío para llevar a la práctica cualquier m...
שמור ב:
| מחבר ראשי: | |
|---|---|
| פורמט: | bachelorThesis |
| שפה: | spa |
| יצא לאור: |
2025
|
| נושאים: | |
| גישה מקוונת: | https://dspace.ucuenca.edu.ec/handle/123456789/47442 |
| תגים: |
הוספת תג
אין תגיות, היה/י הראשונ/ה לתייג את הרשומה!
|
הוספת תג | סיכום: | La Planificación de la Expansión del Sistema de Transmisión (TNEP) es una actividad esencial para garantizar que el sistema de energía eléctrica pueda satisfacer la demanda futura al mínimo costo cumpliendo restricciones técnicas y ambientales. El actual desafío para llevar a la práctica cualquier metodología de TNEP es la complejidad computacional derivada del tamaño de los sistemas de transmisión y el alto número de líneas candidatas para la expansión, lo que resulta en espacios de búsqueda grandes, y por ende tiempos de computación inmanejables. Por lo tanto, en este trabajo se propone una metodología basada en la Reducción del Espacio de Búsqueda (SSR) utilizando algoritmos de agrupamiento, para producir un subconjunto o grupo de líneas candidatas en el cual idealmente se encuentre la solución óptima. Se compara el desempeño de los algoritmos no supervisados tales como Kmeans, PAM y CLARA, considerando como método de agrupamiento al criterio de sobrecarga, de costo-beneficio y de mínimo esfuerzo. Para validar que el subespacio de búsqueda contenga la solución óptima se usa como técnica de optimización la metaheurística híbrida Improved version of DE-PBILc hybrid metaheuristic (IDE-PBILc). Finalmente, la metodología es aplicada a cuatro sistemas eléctricos de prueba de distintas escalas, el sistema Garver de 6 barras, IEEE de 24 barras, IEEE de 118 barras modificado e IEEE de 300 barras modificado, obteniendo una reducción significativa del tiempo de procesamiento, 12.05%, 98.85%, 78.81% y 95.76% respectivamente, producto de la reducción de la complejidad computacional. También se comprueba que la solución óptima es parte de los subespacios obtenidos para cada uno de los sistemas de prueba. |
|---|