Comparación de flujo óptimo de potencia con métodos heurísticos en sistemas de potencia con alta penetración de energía renovable

Abstract

Euristic optimization algorithms are increasingly used to solve problems of optimal power flow in power systems with high penetration of renewable energies. This is because optimal power flow is a problem of high mathematical and numerical complexity that cannot be solved by means of classical optimization methods but with euristic methods. Among the different euristic algorithms, which could produce the lowest operating costs for the system operator? In order to solve this question, in this document I propose a comparison of three different Optimization algorithms applied to the optimal power flow problem: Entropy Enhanced Covariance Matrix Adaptation Evolution Strategy (EECMAES), Particle Swarm Optimization (PSO) and Improved Chaotic Differential Evolutionary Particle Swarm Optimization (ICDEPSO). In addition to including renewable energy, I also consider controllable loads which are added to the objective function and to the number of decision variables. For the comparison I propose six scenarios in the IEEE 57 power system with three renewable generators. For the evaluation of the algorithms, I use the fitness function and the objective function, the latter looks forward to the lowest cost of operating the system. According to the results, it is observed that the EECMAES algorithm is the one that produces the best result, followed by ICDEPSO and finally PSO. Although EECMAES has the lowest cost for the system, it is observed that it differs maximum by 1% from ICDEPSO. In this way it is observed how algorithms such as PSO can be improved to ICDEPSO and obtain better results.

Los algoritmos de optimización heurística se usan cada vez más para resolver problemas de despacho óptimo de carga en sistemas de potencia con alta penetración de energías renovables. Esto debido a que la optimización del flujo de carga es un problema de alta complejidad matemática y numérica que es difícil de resolver por medio de métodos de optimización clásica, en cambio con métodos heurísticos ya existen diferentes algoritmos para resolver el flujo óptimo de carga. De los diferentes algoritmos de optimización que existen ¿Cuál algoritmo de optimización puede dar menores costos de operación para el sistema de potencia?. Para resolver esta pregunta, en este documento se plantea una comparación de tres algoritmos de optimización heurística aplicado al despacho óptimo de carga: el primero, estrategia evolutiva de matriz de covarianza mejorada Entropy Enhanced Covariance Matriz Adaptation Evolution Strategy (EECMAES), el segundo, optimización por enjambre de particulas Particle Swarm Optimization (PSO) y el tercero, enjambre de partícula mejorado con diferenciales evolutivos y caos Improved Chaotic Differential Evolutionary Particle Swarm Optimization (ICDEPSO). Además de incluir energías renovables, también se consideran cargas controlables las cuales se agregan a la función objetivo y al número de variables de decisión. Ahora bien, para la comparación se proponen seis escenarios de carga en el sistema de potencia IEEE 57 con tres generadores renovables. Para la evaluación de los algoritmos, se emplea la función fitness y la función objetivo, la cual consiste en minimizar el costo de generación del sistema en los diferentes escenarios de carga. De acuerdo con los resultados de los seis escenarios, se observa que el algoritmo EECMAES es el que arroja mejor resultado, seguido de ICDEPSO y finalmente PSO. Si bien EECMAES tiene el menor costo para el sistema, se observa que difiere máximo en 1% respecto a ICDEPSO. De esta forma se observa como se pueden potenciar algoritmos como el PSO dando origen al ICDEPSO y obtener mejores resultados.