Modelo de optimización no lineal para estimación de perfiles de carga en sistemas eléctricos de distribución
DOI:
https://doi.org/10.62943/rig.v3n2.2024.93Palabras clave:
Comportamiento, distribución, estimación, optimización, perfil, validaciónResumen
Este artículo presenta una metodología novedosa para abordar el problema de la estimación de perfiles de carga en sistemas de distribución eléctrica, enfrentando desafíos como la escasez de datos y la variabilidad en el comportamiento de los consumidores. El enfoque se basa en la utilización de datos históricos proporcionados por la Empresa Eléctrica Riobamba (EERSA), los cuales permiten desarrollar modelos de optimización no lineales que diferencian los perfiles de carga según el tipo de cliente. Estos modelos se centran en los perfiles de potencia activa y reactiva, teniendo en cuenta las restricciones que afectan su comportamiento. Un aspecto fundamental del estudio es la validación de la precisión de estos perfiles, la cual se realiza mediante la comparación de datos medidos por equipos de medio voltaje con datos estimados a partir de los perfiles de carga en un alimentador específico dentro de la red de distribución de EERSA. Este enfoque no solo aborda las limitaciones de datos y la variabilidad del comportamiento del consumidor, sino que también demuestra la viabilidad de utilizar modelos de optimización para mejorar la precisión en la estimación de perfiles de carga y su aplicación en la gestión de sistemas de distribución eléctrica. Los resultados obtenidos indican un avance significativo en la precisión de la estimación de perfiles de carga, lo que proporciona valiosos conocimientos para la planificación y operación de sistemas eléctricos de distribución.
Citas
J. Constante and G. Colomé, “Estado del Arte y Tendencias en el Modelamiento de Carga,” Rev. Técnica “energía,” vol. 18, no. 2, pp. 1–12, 2022, doi: 10.37116/revistaenergia.v18.n2.2022.475. DOI: https://doi.org/10.37116/revistaenergia.v18.n2.2022.475
F. Elkarmi, “Load research as a tool in electric power system planning, operation, and control— The case of Jordan,” Energy Policy, vol. 36, no. 5, pp. 1757–1763, May 2008, doi: 10.1016/J.ENPOL.2008.01.033. DOI: https://doi.org/10.1016/j.enpol.2008.01.033
C. H. Oh, S. Il Go, J. H. Choi, S. J. Ahn, and S. Y. Yun, “Voltage Estimation Method for Power Distribution Networks Using High-Precision Measurements,” Energies, vol. 13, no. 9, p. 2385, May 2020, doi: 10.3390/EN13092385. DOI: https://doi.org/10.3390/en13092385
V. Sohrabi Tabar, S. Tohidi, S. Ghassemzadeh, and P. Siano, “Enhancing security and observability of distribution systems with optimal placement of μPMUs and firewalls,” Int. J. Electr. Power Energy Syst., vol. 135, p. 107601, Feb. 2022, doi: 10.1016/J.IJEPES.2021.107601. DOI: https://doi.org/10.1016/j.ijepes.2021.107601
W. He, “Load Forecasting via Deep Neural Networks,” Procedia Comput. Sci., vol. 122, pp. 308–314, Jan. 2017, doi: 10.1016/J.PROCS.2017.11.374. DOI: https://doi.org/10.1016/j.procs.2017.11.374
K. Foteinaki, R. Li, C. Rode, and R. K. Andersen, “Modelling household electricity load profiles based on Danish time-use survey data,” Energy Build., vol. 202, p. 109355, Nov. 2019, doi: 10.1016/J.ENBUILD.2019.109355. DOI: https://doi.org/10.1016/j.enbuild.2019.109355
J. Namaganda-Kiyimba, J. Mutale, B. Azzopardi, B. Domenech, and A. GarcíaVilloria, “Improving the Load Estimation Process in the Design of Rural Electrification Systems,” Energies, vol. 14, no. 17, p. 5505, Sep. 2021, doi: 10.3390/EN14175505. DOI: https://doi.org/10.3390/en14175505
M. M. Hussain, S. Serwan, and Z. H. Zakaria, “Nodal Load Profiles Estimation for Time Series Load Flow Using Independent Component Analysis,” vol. 6, no. 12, pp. 1050–1055, 2012.
L. Giorgi, A. Obushevs, and P. Korba, “Electric Vehicles Load Profile Generator Based on the Probability Density Functions,” IEEE 62nd Int. Sci. Conf. Power Electr. Eng. Riga Tech. Univ., 2021, doi: 10.1109/RTUCON53541.2021.9711591. DOI: https://doi.org/10.1109/RTUCON53541.2021.9711591
F. Yılmaz and Y. Eren, “A novel load profile generation method based on the estimation of regional usage habit parameters with genetic algorithm,” Electr. Power Syst. Res., vol. 217, pp. 109–165, Apr. 2023, doi: 10.1016/J.EPSR.2023.109165. DOI: https://doi.org/10.1016/j.epsr.2023.109165
G. Grigoraş, F. Scarlatache, and G. Cârţinǎ, “Load estimation for distribution systems using clustering techniques,” Proc. Int. Conf. Optim. Electr. Electron. Equipment, OPTIM, pp. 301– 306, 2012, doi: 10.1109/OPTIM.2012.6231789. DOI: https://doi.org/10.1109/OPTIM.2012.6231789
E. Guillén-García, L. Morales-Velazquez, A. L. Zorita-Lamadrid, O. Duque-Perez, R. A. Osornio-Rios, and R. de J. Romero-Troncoso, “Identification of the electrical load by C-means from non-intrusive monitoring of electrical signals in non-residential buildings,” Int. J. Electr. Power Energy Syst., vol. 104, pp. 21–28, Jan. 2019, doi: 10.1016/J.IJEPES.2018.06.040. DOI: https://doi.org/10.1016/j.ijepes.2018.06.040
C. Pavlatos, E. Makris, G. Fotis, V. Vita, and V. Mladenov, “Utilization of Artificial Neural Networks for Precise Electrical Load Prediction,” Technol. 2023, Vol. 11, Page 70, vol. 11, no. 3, p. 70, May 2023, doi: 10.3390/TECHNOLOGIES11030070. DOI: https://doi.org/10.3390/technologies11030070
J. Jeyaranjani and D. Devaraj, “Load Profile Generation for DR Program,” IEEE Int. Conf. Intell. Tech. Control. Optim. Signal Process., Apr. 2019, doi: 10.1109/INCOS45849.2019.8951357. DOI: https://doi.org/10.1109/INCOS45849.2019.8951357
M. Ntombela and K. Musasa, “Load Profile and Load Flow Analysis for a Grid System with Electric Vehicles Using a Hybrid Optimization Algorithm,” Sustain. , vol. 15, no. 12, p. 9390, Jun. 2023, doi: 10.3390/SU15129390. DOI: https://doi.org/10.3390/su15129390
M. A. Hammad, B. Jereb, B. Rosi, and D. Dragan, “Methods and Models for Electric Load Forecasting: A Comprehensive Review,” Logist. Sustain. Transp., vol. 11, no. 1, pp. 51–76, 2020, doi: 10.2478/jlst-2020-0004. DOI: https://doi.org/10.2478/jlst-2020-0004
L. I. Dulǎu and D. Bicǎ, “Power Flow Analysis with Loads Profiles,” Procedia Eng., vol. 181, pp. 785–790, Jan. 2017, doi: 10.1016/J.PROENG.2017.02.466. DOI: https://doi.org/10.1016/j.proeng.2017.02.466
“CYME International - Software, Steady State Analysis with Load Profiles.” https://www.cyme.com/software/cymepm/
“From 5% to 94% Grid Visibility: How Ecuador Modernized Its Energy Distribution Network with ADMS - Schneider Electric Blog.” https://blog.se.com/infrastructure-andgrid/smart-grid/2019/02/22/from-5-to-94-gridvisibility-how-ecuador-modernized-its-energydistribution-network-with-adms/
“ADMS 3.9.” https://smartgrid.schneiderelectric.com/smartgrid/s/adms-39
Agencia de Regulación y Control de Energía y Recursos Naturales No Renovables, “Atlas del sector eléctrico Ecuatoriano 2021,” 2021, [Online]. Available: https://www.controlrecursosyenergia.gob.ec/wp- content/uploads/downloads/2022/04/Atlas2021. pdf
C. Vargas et al., “Diseño e Implementación de una Plataforma Informática CLOUD/GIS de Gestión, Operación y Control de Sistemas Fotovoltaicos de Iluminación,” Rev. Politécnica, vol. 45, no. 2, pp. 19–30, May 2020, doi: 10.33333/RP.VOL45N2. DOI: https://doi.org/10.33333/rp.vol45n2.02
I. Alejandro, G. Navarro, M. C. J. Josué, O. Mireles, I. Irving, and J. Carlos, “Demostración de la eficiencia real en tecnologías de iluminación fluorescente: factor de potencia en cargas no lineales,” no. May 2016, 2015.
J. A. Segovia, J. F. Toaquiza, J. R. Llanos, and D. R. Rivas, “Meteorological Variables Forecasting System Using Machine Learning and Open-Source Software,” Electron., vol. 12, no. 4, 2023, doi: 10.3390/electronics12041007. DOI: https://doi.org/10.3390/electronics12041007
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Alvaro Chiguano Velasco, Leonardo Rentería Bustamante
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
