Estrategia de optimización híbrida para ubicación y dimensionamiento óptimo de GD en redes de distribución

Objective: In this paper, is present a hybrid optimization methodology for the optimal location and sizing of distributed generators (DGs) in electrical distribution networks. We propose a mixed-integer nonlinear problem (MINLP) model for the mathematical formulation, whose objective function is the minimization of power losses due to the Joule effect in conductors. The constraints we considered include active and reactive power balance, voltage regulation, percentage of penetration of DGs into the distribution network, and total DGs allowed in such network. Methodology: To solve the MINLP model, we employed a master–slave strategy that uses the Chu-Beasley genetic algorithm (CBGA) and the optimal power flow (OPF) model as the master and slave algorithms, respectively. This hybrid technique helps to reduce the complexity of the MINLP model by eliminating binary variables through the master algorithm and then solving the resulting Nonlinear problem (NLP), which corresponds to the OPF model, using a classical interior-point method available in MATLAB’s fmincon toolbox. Results: We tested the efficiency and robustness of the proposed methodology in 33- and 69-node radial distribution networks. The results show its high performance in terms of power loss reduction and final sizing of DGs Conclusions: The results obtained in the test systems under analysis reveal that there is a direct and proportional relationship between technical losses, the percentage of distributed generation penetration, and the number of generators available.
Objetivo: En este documento, se presenta una metodología de optimización híbrida para la ubicación y el tamaño óptimos de generadores distribuidos (DG) en redes de distribución eléctrica. Se propone un modelo de problema no lineal de enteros mixtos (MINLP) para la formulación matemática, cuya función objetivo es la minimización de las pérdidas de potencia debido al efecto Joule en los conductores. Las restricciones incluyen el equilibrio de potencia activa y reactiva, regulación del voltaje, el porcentaje de penetración de las DG en la red de distribución y las DG totales permitidas en dicha red. Metodología: Para resolver el modelo MINLP, se emplea una estrategia maestro-esclavo que utiliza el algoritmo genético Chu-Beasley (CBGA) y el modelo de flujo de potencia óptimo (OPF) como algoritmos maestro y esclavo, respectivamente. Esta técnica híbrida ayuda a reducir la complejidad del modelo MINLP al eliminar las variables binarias a través del algoritmo maestro y luego resolver el problema no lineal resultante (PNL), que corresponde al modelo OPF, utilizando un método clásico de punto interior disponible en la caja de herramientas fmincon de MATLAB Resultados: Se prueba la eficiencia y la solidez de la metodología propuesta en redes de distribución radial de 33 y 69 nodos. Los resultados muestran su alto rendimiento en términos de reducción de pérdida de potencia y dimensionamiento final de DG Conclusiones: Existe una relación directa y proporcional entre las pérdidas técnicas, el porcentaje de penetración de generación distribuida y el número de generadores disponible.