Introducción: En este documento se presenta una metodología multiobjetivo aplicada al problema del Planeamiento de la Expansión de la Transmisión (PET) cuando se consideran las incertidumbres en la demanda y la generación eólica.
Objetivo: Obtener planes de expansión robustos que minimicen los costos de inversión y maximicen el uso del recurso eólico, teniendo en cuenta su incertidumbre y la introducida por la demanda.
Metodología: La metodología propuesta se basa en la Metodología de Escenario Reducido para representar estas incertidumbres. En la formulación de la metodología se consideraron: el modelo de red en DC, los planes de expansión que minimizan la inversión, la reducción en la carga y la generación eólica. Para obtener el algoritmo multiobjetivo, utilizado para minimizar los costos de expansión y la reducción de la energía eólica, se implementó un NSGA-II mejorado y un conjunto de planes óptimos de expansión de Pareto.
Resultados: Se presenta el desempeño de los planes de expansión, los cuales fueron evaluados y comparados con trabajos anteriores para demostrar la solidez del enfoque propuesto. Todas las pruebas se realizaron en los sistemas Garver e IEEE de 24 nodos.
Conclusiones: Al observar el número de veces que el plan de expansión lleva a cero el corte de carga y la energía eólica desperdiciada, con respecto a un valor establecido en este trabajo, se tiene que la metodología propuesta presenta un índice de rendimiento superior al 75,16% para el sistema Garver y al 98,97% para el sistema IEEE de 24 nodos.
Este artículo presenta un algoritmo para la operación óptima de unidades de almacenamiento de energía (UDAE), desde la perspectiva de las pérdidas de potencia activa. Se propone un modelo exacto basado en relajación lagrangeana. Los resultados de simulación sobre el alimentador de distribución IEEE de 37 nodos demuestran que un sistema de almacenamiento de energía puede ser utilizado para minimizar las pérdidas en un sistema de distribución, a través de la modificación de la curva de carga. La principal contribución de este enfoque consiste en el tratamiento de la función objetivo y el algoritmo de optimización. Los multiplicadores de Lagrange son usados para determinar la ubicación y el dimensionamiento óptimo de las unidades de almacenamiento. Se presenta además una discusión sobre el impacto de las UDAE en el planeamiento de la red de distribución.
International audienceThis paper presents an algorithm for solving the Transmission Expansion Planning (TEP) problem when large scale wind generation is considered. Variability of wind speed and demand uncertainty are taken into account. The formulation includes the DC model of the network, and the obtained expansion plans minimize the investment, the load shedding and the wind generation curtailment. The mathematical model includes uncertainties by means of an extreme scenario methodology that maps the uncertainty set. The Chu-Beasley Genetic Algorithm (CBGA) is used for finding feasible optimal expansion plans that cope with the uncertainties in load forecasting and also to maximize wind power injection. The proposed algorithm is validated on the 6-bus Garver system, IEEE 24-bus RTS test system and the real life South-Brazilian 46-bus system. Comparison with other methods is carried out to demonstrate the performance of the proposed approach
International audienceThis paper presents a multi-objective methodology for the Transmission Expansion Planning (TEP) problem when uncertainty in demand and large wind generation is considered. The proposed scheme is based on Reduced Scenario Methodology (RSM) to represent the uncertainty set. An enhanced NSGA-II multi-objective algorithm is used to minimize expansion costs and wind power curtailment, so that a set of Pareto optimal expansion plans are obtained. The performance of the expansion plans is evaluated and compared with previous work to demonstrate the robustness of the proposed approach. Test are carried out on Garver and the IEEE 24-bus RTS systems
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.