Planificación de expansión en generación utilizando la relajación Lagrangiana

Abstract

Este trabajo consiste en desarrollar y evaluar un algoritmo, que sirva para la toma de decisiones en la planificación de expansión en generación en Colombia, el cual debe proporcionar información como: la tecnología de la planta (hídrica, térmica y/o gas), tamaño de generación y ubicación de la planta. El modelo para la planificación de expansión en generación planteado es de tipo entero no lineal, donde la función objetivo representa el valor presente de los costos de inversión y operación del sistema, esta función objetivo se minimiza y está sujeta a ciertas restricciones de abastecimiento, capacidad y demás. El problema se soluciona mediante el paquete de simulación de sistemas de potencia MATPOWER y la técnica de relajación del Lagrangiano, que demuestra ser apropiado en la solución de este tipo de problemas, presentando además ventajas frente a otras técnicas de solución por su gran bondad a operar problemas dimensionalmente grandes y así complejos. Esta metodología de solución descompone el problema inicial en uno de inversión y otro de operación

Abstract : This work deals with the development and evaluation of an algorithm, which is pretended to be used for decision-making in the generation expansion planning in Colombia. This algorithm should provide the following information: plant technology (hydro, thermal and/or gas), size of generation and plant location. The model proposed for the generation expansion planning is a model of integer and nonlinear type, where the objective function represents the present value of the inversion and system operation costs. This objective function is minimized and subject to certain supply, capacity and other constraints. The problem is solved by means of a MATLAB power systems simulation toolbox, called MATPOWER, and also by using the Lagrangian relaxation technique. This technique shows to be appropriate for the solution of this kind of problems, also having advantages when compared to other techniques, because of its capacity to deal with dimensionally big and then complex problems. This methodology of solution decomposes the initial problem into an inversion problem and an operation one