Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
INTRODUCCIÓN
El Sistema Eléctrico de Potencia (SEP), tiene como objetivo principal transportar la energía eléctrica desde las centrales de generación hacia los centros de consumo, de forma segura, confiable y continua. Para esto, es necesario garantizar la correcta operación y funcionamiento de cada elemento que conforma el SEP.
La Empresa Eléctrica Quito (EEQ) dese 1894 está encargada de suministrar el servicio de energía eléctrica a todos los usuarios dentro de la provincia de Pichincha, parte de las provincias de Imbabura, Napo, Santo Domingo de los Tsáchilas y Cotopaxi, tiene un área de concesión de 15,155 km2, cuenta con equipos y líneas conectados a diferentes niveles de voltaje (subtransmisión, distribución) 138 kV, 46 kV, 23 kV, 13,8 kV y 6,3 kV, los cuales son de gran importancia dentro de la distribución de energía eléctrica [1].
Las líneas de subtransmisión, transformadores, bancos de capacitores y centrales de generación, y demás equipos con que cuenta la EEQ, son capaces de abastecer la demanda para garantizar la continuidad del servicio de electricidad, la mayor parte de subestaciones están conectas en una configuración denominada en anillo, la cual proporciona un alto nivel de confiabilidad y garantiza la continuidad del servicio [2]. Aun así, se debe tomar en cuenta que las condiciones de operación del sistema cambian según la demanda (mínima, media, máxima), sean estas por aumento o disminución de la carga conectada, o por algún tipo de contingencia (eventos externos o internos) que pueda suscitarse en el SEP.
Tomando en cuenta que, con el paso del tiempo y desarrollo de la tecnología se han implementado equipos que regulan automáticamente el nivel de voltaje en los transformadores, uno de los problemas de operación ha sido la reconfiguración del resto de equipos que conforman el SEP para que trabaje en las mejores condiciones operativas, es decir, con la menor cantidad de pérdidas de potencia durante su operación, considerando un estado de flujo de potencia óptimo.[3] El aporte de potencia reactiva por parte de los generadores, así como la conexión o desconexión de los bancos de capacitores y la posición de tap’s en los transformadores de potencia, influyen de gran manera en las pérdidas de potencia activa en las líneas de subtransmisión puesto que, aunque el nivel de voltaje este dentro de los rangos establecidos en los nodos de la red, no está garantizado que el sistema se mantenga trabajando de manera eficiente [4][5][6].
Considerando que, en el sistema de subtransmisión las condiciones operativas cambian, esta investigación se realiza con el propósito de evaluar una técnica de optimización que ayude con la disminución de pérdidas de potencia, reduciendo las sobrecargas en la red y el estrés al que son sometidos los equipos, debido a que el mejorar los niveles de voltaje se garantiza una excelente calidad de servicio técnico, con el fin de reducir las pérdidas de potencia activa en el SEP.
Los problemas de optimización han sido resueltos en el transcurso del tiempo mediante métodos alternativos, los cuales han dado como resultado aproximaciones, pero no han sido capaces de determinar soluciones exactas. Los métodos heurísticos, están fundamentados en “el conocimiento y la experiencia, dirigidos para explorar el espacio de búsqueda en un camino particularmente conveniente” [7].
Existen varios algoritmos de optimización, que permiten encontrar soluciones óptimas válidas para el funcionamiento de un sistema eléctrico, realizando ciertas configuraciones a las redes eléctricas y a los elementos que la conforman, con el objetivo de determinar una solución óptima al problema por la complejidad de las ecuaciones (no lineales) del flujo de carga y por las restricciones operativas, considerando un espacio no lineal, no convexo, con varios nodos, que bajo ciertas restricciones establecidas en el sistema de potencia se puedan minimizar sus pérdidas, mejorar la eficiencia de operación y la calidad del servicio [8][9].
En base a lo descrito anteriormente y en cuanto a referencias bibliográficas revisadas durante esta investigación, se plantea implementar el algoritmo de optimización de Mapeo Media - Varianza (MVMO), el cual, en el estudio [8] fue puesto a prueba con una sola partícula, la cual, alcanzaba valores de pérdidas iguales a un algoritmo basado en una extensión del MVMO, considerando preceptos de inteligencia de enjambre denominado MVMOS (MVMO mejorado), el cual simula el comportamiento del algoritmo usando varias partículas, lo que se ve reflejado en el tiempo de procesamiento mucho mayor al MVMO (normal), por la cantidad de cálculos adicionales que debe realizar el algoritmo modificado para determinar bajo qué condiciones el SEP puede trabajar con un mínimo valor de pérdidas de potencia activa, mejorando el nivel de voltaje y el control de reactivos [8].
En [8], se encuentra un resumen completo de los métodos heurísticos de optimización, los cuales inicialmente están fundamentados en “el conocimiento y la experiencia, y dirigidos para explorar el espacio de búsqueda en un camino particularmente conveniente” [7]. Mientras que el término metaheurístico fue propuesto por F. Glover (1986) en su investigación “Caminos futuros para programación entera y vínculos a la inteligencia artificial”. Métodos que se caracterizan por explorar el espacio de búsqueda y encontrar soluciones óptimas, son algoritmos aproximados y no determinísticos. En estos métodos se encuentran los algoritmos genéticos, algoritmo de recocido simulado (SA), algoritmo de colonia de hormigas (ACO) [10]. También se mencionan otros algoritmos como: búsqueda tabú (TS), procedimiento de búsqueda adaptado aleatoriamente (GRASP), enjambre de partículas (PSO), búsqueda de armonía (HSA) [11], y los Algoritmos Evolutivos (EA), los cuales explotan ideas de evolución biológica, como la reproducción, mutación y recombinación para obtener una solución óptima [12].
Considerando que, con el pasar de los años la demanda de energía será abastecida de todos los recursos renovables posibles y que el crecimiento de la demanda de energía en relación a la sobrepoblación mundial también va en aumento, las redes eléctricas serán más extensas, por lo que, se debe garantizar que todos los usuarios tengan acceso al suministro de energía con niveles aceptables de calidad y eficiencia. Esto hace necesario desarrollar métodos inteligentes para la optimización de flujos de potencia y la reducción de pérdidas durante la operación del SEP [13].
Este tipo de estudios donde se analiza la reducción de pérdidas de potencia en sistemas eléctricos ha aumentado en los últimos años, los cuales han sido realizados en sistemas de distribución y subtransmisión con diferentes métodos heurísticos de optimización, llegando a tener excelentes resultados debido al alto costo de la energía eléctrica y por el desarrollo e implementación de sistemas de automatización en los sistemas eléctricos de potencia. Varias publicaciones, hoy en día, analizan algoritmos meta-heurísticos, heurísticos y distintos métodos de inteligencia artificial para la resolución de problemas; cada vez, con resultados más eficientes [8].
El método MVMO se ha utilizado en estudios como la reconfiguración de redes de distribución “Reconfiguración de redes de Distribución de Energía Eléctrica basada en Optimización de Mapeo Media-Varianza” para determinar la combinación óptima de apertura y cierre de los seccionadores en las diferentes derivaciones de la red para reducir las pérdidas de potencia activa, manteniendo un adecuado perfil de voltaje [8], también en el “Desarrollo de una Metodología Multimáquina para la Ubicación y Sintonización de Estabilizadores de Sistemas de Potencia de forma Automática” la cual permita ubicar y sintonizar Estabilizadores de Sistemas de Potencia (PSS´s) con un modelo matemático de optimización MVMO con el objetivo de solucionar los problemas de estabilidad oscilatoria para ser aplicado en cualquier sistema eléctrico [13], y en “El Control Óptimo de Potencia Reactiva en un parque Eólico Mar adentro con Enlace HVDC” con la implementación de una técnica de optimización de potencia reactiva con el objetivo de reducir las pérdidas de potencia activa [14].
JUSTIFICACIÓN
La potencia reactiva es considerada como un fenómeno específico que ocurre en sistemas eléctricos de corriente alterna, la cual no realiza ninguna función específica para los consumidores, pero juega un rol importante dentro del operación del SEP. En líneas de subtransmisión, dependiendo de la corriente de carga, éstas pueden entregar o recibir potencia reactiva. Para valores de potencia transmitida por debajo de su carga natural (impedancia característica), la línea entrega potencia reactiva, mientras que, sobre su carga natural la línea recibe potencia reactiva. Independientemente de la carga natural de los equipos, los transformadores siempre absorben potencia reactiva y los elementos de compensación, que son elementos activos, se añaden a la red para entregar o recibir potencia reactiva, los cuales, a su vez, permiten controlar el nivel de voltaje [14].
Los problemas de optimización en un SEP varían dependiendo la operación y de las condiciones bajo las que esté trabajando, considerando la modelación matemática y su no linealidad, varios autores han considerado aplicar algoritmos evolutivos, los cuales realizan una búsqueda global estocástica que permiten llegar a una solución más cercana al problema planteado.
Como caso práctico para la red de la Empresa Eléctrica Quito (EEQ) a nivel de subtransmisión no se ha realizado una evaluación de pérdidas de potencia. Considerando que la EEQ tiene integrado en su sistema de supervisión, control y adquisición de datos (SCADA) dispositivos electrónicos inteligentes (IED’s), es posible obtener información que puede ser utilizada para mejorar las condiciones operativas del sistema y reducir las pérdidas de potencia.
Actualmente no se aprovechan todos los datos obtenidos por los IED’s como información relevante en el control y operación del sistema de la EEQ. Dichos equipos, pueden mejorar las condiciones operativas del sistema, tomando en cuenta que las condiciones de un SEP, varían dependiendo de los eventos que se susciten en el transcurso del tiempo, por cambios de demanda, por la estación del año, por eventos transitorios o permanentes dentro o fuera de un Sistema Eléctrico de Potencia (SEP), entre otros. En el presente trabajo, se propone desarrollar un algoritmo de optimización, que se asemeje más a un sistema ideal (sin pérdidas), y que, mediante la información disponible de los equipos en tiempo real, cítense bancos de capacitores, posición de tap’s en los transformadores de la red eléctrica (LTC’s) y la generación con la que cuenta el sistema eléctrico, permita minimizar las pérdidas de potencia activa en la red eléctrica.
Además, se debe cumplir con la regulación de la Agencia de Regulación y Control de ENERGÍA Y Recursos Naturales No Renovables (ARCERNNR) número 002/20 [15], dentro de la cual se encuentra la calidad de servicio técnico y los niveles de voltaje aceptables para los diferentes usuarios (considerado un ±5% en alto voltaje), es decir de 0.95 a 1.05 por unidad (p.u), lo cual, se dificulta al considerar fenómenos transitorios o permanentes que ocurren dentro de la operación de un SEP, como variaciones de voltajes o cortes de suministro de energía, los cuales, alteran los voltajes del sistema, por lo tanto, los valores de voltaje en las barras deben permanecer dentro de los límites establecidos ante los diferentes escenarios operativos del sistema y según la regulación vigente, así como, las obligaciones que deben cumplir cada una de las empresas eléctricas distribuidoras en el país y sus usuarios (comerciales, industriales) que se conectan a la red eléctrica.
METODOLOGÍA
Los problemas de optimización en sistemas eléctricos de potencia generalmente están basados en una función objetivo y un conjunto de restricciones que se deben cumplir. Las restricciones asociadas a la optimización de potencia reactiva están relacionas con las ecuaciones de flujos de carga y los límites de operación del sistema [16].
Minimizar f (u, x)
Sujeto a:
Donde:
u Variables de control
xVariables de estado
f (u, x) Función objetivo
h (u, x) Restricciones de igualdad
g (u, x) Restricciones de desigualdad
Los objetivos de este tipo de algoritmo de optimización son: reducir las pérdidas de potencia activa y mejorar el perfil de voltaje mediante las variables de control del ajuste de tap’s en los transformadores, el ajuste de la excitación de los generadores y considerando la conexión o desconexión de los bancos de capacitores que forman parte del sistema. Mientras que las variables de estado son la magnitud y fase del voltaje en las barras del SEP y el flujo de potencia en las líneas de subtransmisión.
Función objetivo del algoritmo
La principal función objetivo de la optimización de potencia reactiva consiste en minimizar las pérdidas de potencia que se pueden expresar como se establecen en las referencias [17] [18] [19].
Donde:
Restricciones de igualdad
Las restricciones de igualdad corresponden a las ecuaciones de balance de potencia activa y reactiva en las barras del SEP.
Donde:
N Número de barras
Restricciones de desigualdad del algoritmo
Las restricciones de desigualdad se definen tanto a las variables de estado y a las variables de control, las cuales están definidas por los límites de operación del sistema. En este caso se tienen: los límites de flujos máximos a través de las líneas, y los rangos de magnitud de voltaje en las barras del sistema.
Donde:
Un sistema de potencia es considerado estable, cuando todas las variables eléctricas se encuentran dentro de los parámetros establecidos, y que al presentarse una contingencia éste puede volver a un punto de equilibrio, garantizando la continuidad y calidad de servicio técnico suministrado a los usuarios [20][21].
Durante estos eventos o contingencias, el sistema de potencia debe adaptarse a las nuevas condiciones operativas, las cuales van a depender de los elementos que son parte de la red. Un problema de operación de una red es su configuración o reconfiguración con el fin de reducir las pérdidas de potencia del sistema y evitar las sobrecargas en los elementos que lo conforman. La reconfiguración de la red puede ser utilizada para mejorar la eficiencia en cuanto a la operación y a la calidad del servicio [22].
Con lo expuesto anteriormente, se considera como red de prueba el sistema de la EEQ (ver Fig. 1) modelado en DIgSILENT PowerFactory, en el cual, se pueden ejecutar scripts de Python [25], donde ha sido programado el algoritmo MVMO, el mismo que realiza múltiples flujos de potencia, donde se varían los tap’s en los transformadores, la potencia reactiva en los generadores y en los bancos de capacitores, hasta encontrar los puntos de operación del sistema en el cual las pérdidas de potencia activa son menores. Esto en base al diagrama de flujo del algoritmo de optimización MVMO (ver Fig. 2).
Todos estos cálculos están enfocados en un ámbito cuantitativo, es decir, considerando la potencia activa del sistema de subtransmisión, para posteriormente realizar un análisis porcentual en que se reducen las pérdidas de potencia activa. Esto se aplica para cualquier estado de operación del sistema, consideración de demanda, etc. En este caso en general, se realizará el análisis para demanda máxima, en donde se mostrarán los resultados de los transformadores de potencia más relevantes en el sistema de 138 kV, 69 kV y 46 kV, así como los perfiles de voltaje en estos nodos.
Al finalizar la simulación y ejecución del algoritmo ejecutada en Power Factory, en demanda máxima, luego de 1000 iteraciones, se puede observar en la Fig. 3 que la pérdida de potencia activa en la primera iteración se encuentra sobre los 14,58 MW, mientras que luego de ejecutarse el script y analizar todas las posibles opciones de operación del sistema se llega a tener una pérdida de potencia de 10,32 MW. La pérdida de potencia activa en porcentaje es del 6.5% con respecto al valor inicial de 11,042 MW calculado en Power Factory.
Para obtener el resultado de cada uno de los transformadores y los voltajes en cada una de las barras del sistema de subtransmisión, se ha tomado como referencia el anexo 1 (documento en Excel), en donde se encuentran listados los elementos del SEP, que se desean graficar.
A continuación, se muestra en las figuras dos de los transformadores de potencia donde se puede ver el cambio de sus tap’s, y el valor del voltaje en por unidad (p.u) conforme el algoritmo se ejecuta en Power Factory. Mientras que, los resultados obtenidos en los otros transformadores de potencia y sus voltajes se muestran en el anexo del presente documento. En este caso se ha tomado en cuenta la Subestación (S/E) Gualo (elemento 70 dentro anexo 1) con un nivel de 138 kV, la cual cuenta con un transformador de dos devanados, en la que los tap’s se encuentran en el lado de alto voltaje y estos pueden variar en un rango de -8 a 8.
Durante la simulación en la Fig. 4, se observa el cambio de tap’s que ocurren en el transformador de la subestación Gualo durante la búsqueda de la mejor condición operativa para reducir las pérdidas de potencia activa, obtenida en la Fig. 3, dejando el tap del transformador de potencia en la posición -7.
En la Fig. 5, en la interfaz de Python se puede confirmar el estado del tap (-7) del transformador de la subestación Gualo en la última iteración de la simulación, considerada en este caso la número 999 debido a que dentro del software la numeración comienza en 0, y de igual forma considerando que el elemento a analizar es el 70, al iniciar el listado en el programa desde 0, la Subestación Gualo se encuentra en el listado en el número 69. Mientras que en la Fig. 6, verificamos el último estado de la posición del tap al finalizar la simulación en Power Factory.
Tomando en cuenta dos transformadores de 3 devanados, con cambiador de tap’s en dos de los 3 devanados, en las figuras 7, 8, 9 y 10 se consideran los transformadores de potencia T08 y T09 de la Subestación Vicentina, con los tap’s en el primer devanado con un rango de 1 a 5 denominado de alto voltaje “HTAP” (elemento 130 para el T08 y elemento 131 para el T09 de acuerdo al anexo 1) y el segundo devanado denominado de medio voltaje con un rango de tap’s que va de 1 a 33 “MTAP” (elemento 139 para el T08 y elemento 140 para el T09 del anexo 1).
En las figuras 11 y 12, en la interfaz de Python se puede evidenciar el estado de los tap’s, tomando en cuenta lo indicado anteriormente, en los datos obtenidos de la S/E Gualo, y de acuerdo con la lista de variables en Python, los elementos 129 y 130 corresponden a los tap’s en el lado de alto voltaje (elementos 130 y 131 según anexo 1), mientras que los elementos 138 y 139 corresponden a los tap’s en el lado de medio voltaje (elementos 139 y 140 según anexo 1) en los transformadores T08 y T09 de la subestación Vicentina.
Con los resultados obtenidos en los gráficos, en el almacenamiento de las variables en Python y en la simulación de Power Factory, se tiene que los tap’s en los dos transformadores de la subestación Vicentina para reducir las pérdidas de potencia activa deberán encontrarse en alto y medio voltaje en la posición 1 y 32 respectivamente.
De la misma forma que el caso anterior, en las figuras 13 y 14, se muestra el valor de los tap’s de cada uno de los transformadores al terminar las iteraciones de la simulación.
Con respecto a los voltajes en estos puntos, en las figuras 15 y 16 a continuación podemos observar que los niveles de voltaje a 138 kV no varían notablemente, manteniéndose en estas barras (Gualo y Vicentina) en 1 p.u. Tomando en cuenta que el valor final del voltaje, se encuentra dentro de los rangos establecidos por la regulación vigente (±5%).
Ahora se realizará una revisión del comportamiento del sistema en los niveles de subtransmisión restantes que tiene al momento la Empresa Eléctrica Quito, (69 kV y 46 kV), mostrando las gráficas del comportamiento de los tap’s de los transformadores y de los voltajes en las barras. A nivel de 69 kV, la EEQ cuenta con una subestación denominada Los Bancos (43 en la lista del anexo 1), a continuación, en la Fig. 17 se puede ver el cambio de los tap’s del transformador de potencia de dos devanados el cual tiene rango de -8 a 8, mientras que la Fig.18 nos muestra el voltaje en la barra de la subestación mientras se ejecuta el algoritmo. En este caso la posición final del tap en el transformador de la S/E Los Bancos para obtener el menor número de pérdidas de potencia activa debe estar en la posición 7.
En este caso al igual que para los casos de 138 kV se tiene que el voltaje en la S/E Los Bancos permanece constante con un valor, cercano al 1 p.u.
A nivel de 46 kV de la EEQ, tomaremos como ejemplo la S/E Santa Rosa la cual cuenta con dos transformadores de 2 devanados de 46/23 kV (elementos 117 y 118 dentro del anexo 1) con un rango de cambio de tap’s de -8 a 8. En las figuras 19 y 20 se observa el cambio de tap’s de los dos transformadores de la S/E Santa Rosa, quedando el T82 en posición -4 y el T83 en posición -5. El perfil de voltaje en esta barra esta dado por la Fig. 21, donde también se puede observar que éste se encuentra dentro de los valores admisibles dado por la regulación 002/20 del ARCERNNR.
El algoritmo de optimización de mapeo, media -varianza MVMO, se lo ejecuta de la misma manera para las demandas mínima y media, el resultado va a cambiar dependiendo de las condiciones operativas bajo las que se encuentre el sistema eléctrico de potencia en ese momento, así como de los generadores que se encuentren funcionando en los diferentes horarios.
A continuación, se muestran en las figuras 22 y 23 las curvas con las pérdidas de potencia en las demandas mínima y media respectivamente, mientras que en la figura 24 se puede observar el algoritmo aplicado para demanda máxima con 2000 iteraciones como caso particular.
Tabla 1: Valores de pérdidas de potencia activa antes y después de aplicar el algoritmo MVMO al sistema de la EEQ
RESULTADOS
Al aplicar el algoritmo de optimización MVMO en cada una de las demandas (mínima, media y máxima) desarrolladas en este estudio, se puede determinar el valor de las pérdidas de potencia activa en el sistema de subtransmisión de la EEQ para cada caso, los cuales se detallan en la Tabla 1.
Estos porcentajes de pérdidas varían por la hora y la disponibilidad de los equipos (generadores, bancos de capacitores) que se encuentran funcionando en el SEP. Si bien la reducción de las pérdidas de potencia es calculada en un instante de tiempo, es importante considerar que, al sumar estas pérdidas en el transcurso del tiempo, representan un valor considerable al final del día, debido a que el sistema posiblemente no trabaja bajo condiciones adecuadas de operación, y, como se mencionó en el desarrollo de este estudio, el hecho de que el sistema opere dentro de los rangos permitidos de voltaje ,establecidos por el agente regulador de cada región, en este caso la ARCERNNR, no garantiza que el sistema trabaje con pérdidas mínimas de potencia.
Durante la simulación se pueden observar en DIgSILENT Power-Factory el aporte de potencia reactiva y el estado de los bancos de capacitores en cada iteración del método MVMO. Pero si se desea ver el cambio en cada iteración se lo puede realizar de mejor manera en la interfaz de variables en Python una vez que finaliza el algoritmo.
Interpretación de la Curva MVMO
Una vez finalizado el estudio, y al analizar las curvas de las figuras obtenidas durante la simulación, se puede observar que, al comienzo las pérdidas de potencia son considerables, pero, conforme el algoritmo va avanzando, se van encontrando mejores soluciones dentro de los elementos, cuyos estados operativos pueden cambiar (bancos de capacitores, tap’s en transformadores y potencia reactiva en generadores), para que las pérdidas vayan disminuyendo. Tomando en cuenta que, las pérdidas de potencia activa no alcanzan valores muy elevados, lo que se logra al aplicar la técnica MVMO es que, conforme transcurre el tiempo, el sistema va encontrando un nuevo punto de operación de estado estable, donde las pérdidas disminuyen, al tiempo que los valores de voltaje en las barras se mantienen constantes, es decir, que el sistema no pierde convergencia durante la búsqueda de la mejor condición operativa.
En el anexo 2, al final de este documento, se muestran los gráficos de los cambios de los tap’s de los transformadores de potencia, tanto de dos como tres devanados existentes en el sistema eléctrico de la EEQ, así como los perfiles de voltaje en cada una de las barras que forman parte de la red a nivel de 138 kV, 69 kV y 46 kV, donde se puede observar cómo cambian las posiciones en los transformadores y cómo se mantiene el perfil de voltaje en cada una de las barras mientras se ejecuta la simulación.
Análisis Económico
La implementación de un algoritmo de optimización permite analizar y evaluar la mejor condición operativa en la que puede operar un sistema eléctrico de potencia, estimando variables o factores que muchas veces no se consideran dentro del funcionamiento del SEP, es por esto que, la reducción de pérdidas de potencia se relaciona directamente con la disminución de costos operativos en el sistema eléctrico.
Un SEP bajo condiciones normales de operación no sufre daños (eléctricos o mecánicos) cuando las condiciones operativas cambian de forma normal, pero se ven afectados al no trabajar en condiciones óptimas, o al ser forzados por cambios bruscos que ocurren inesperadamente en la red (fallas transitorias o permanentes). En este caso, el sistema de la EEQ, al operar con la menor cantidad de pérdidas de potencia activa, aumenta la disponibilidad de capacidad instalada de la red y a su vez, el sistema podría operar con un menor consumo de electricidad, por lo que, se tienen menores gastos de operación, se reduce la corriente que circula por los elementos de la red y se evita su sobrecalentamiento; alargando la vida útil de los elementos que forman parte de la red.
CONCLUSIONES Y RECOMENDACIONES
Elegir el mejor método de optimización para resolver un problema es muy importante en el desarrollo de cualquier investigación, se debe considerar cada uno de los aspectos y elementos que lo conforman. Además, se debe tomar en cuenta la correcta integración y funcionalidad del método que se va a trabajar, para que este no afecte a los parámetros de la simulación durante su ejecución, ya que esto se verá reflejado en los resultados.
El correcto modelamiento de la red, así como cada una de las características de los elementos que forman el sistema eléctrico de la Empresa Eléctrica Quito es fundamental dentro del desarrollo del estudio de optimización de las pérdidas de potencia activa, lo cual, garantiza que la aplicación del algoritmo no tenga problemas en la convergencia de los flujos de potencia.
La programación del algoritmo desarrollado en este trabajo se puede aplicar a cualquier sistema eléctrico de potencia y bajo cualquier condición operativa. En este caso en particular, se tiene que las mayores pérdidas de potencia activa en demanda máxima, alcanzando un valor de pérdidas de 10.32 [MW] y el porcentaje de reducción es del 6.5 % en relación a los 11,042 [MW] en condiciones iniciales de operación del sistema.
La reconfiguración de los tap’s de los transformadores de potencia, al aplicarse el algoritmo de optimización MVMO, puede ser utilizada para mejorar la calidad de servicio, técnico y para aumentar la eficiencia de los equipos dado que trabajarán bajo mejores condiciones operativas.
Con la aplicación del algoritmo MVMO se confirma que este método muestra convergencia para buscar una solución óptima y se acerca lo suficiente al óptimo global para resolver el problema planteado de la reconfiguración de los elementos de la red en el sistema de subtransmisión de la EEQ, el mismo que puede ser aplicado en cualquier otro sistema eléctrico.
Se ha demostrado que, el aplicar el algoritmo de optimización, para los diferentes estados del sistema, no afecta el estado operativo del SEP.
Al ampliar el análisis del estudio, incrementando el número de iteraciones a 2000, se puede observar en la figura 24, que el comportamiento de la curva no representa una disminución considerable de las pérdidas ya calculadas, debido a que la curva converge cerca de las 1000 iteraciones, por lo que no influye en el resultado aumentar el número de iteraciones, pero si en el tiempo de procesamiento del algoritmo.
