Flujo óptimo de potencia extendido a sistemas renovables controlables y cargas controlables
Cargando...
Archivos
Autores
Reyes Moreno, Elkin David
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En un esfuerzo por cuantificar y dar manejo a las incetidumbres dentro de los sistemas de potencia se han definido los costos de incertidumbre y se han calculado distintas funciones de costo de incertidumbre para diferentes tipos de generadores y vehículos eléctricos. Esta tesis busca emplear la formulación de los costos de incertidumbre para solucionar el problema del flujo de potencia óptimo extendido a sistemas renovables controlables y cargas controlables. Para lo anterior, se calcularon las primeras y segundas derivadas de las funciones de costo de incertidumbre y se incluyeron en Matpower, así, se encontró una solución analítica del flujo de potencia óptimo. Para corroborar la solución analítica se resolvió el flujo de potencia óptimo por medio de métodos metaheurísticos. Finalmente se encontró que los métodos analíticos tienen un desempeño mucho más alto que los métodos metaheurísticos, especialmente a medida que crece el número de variables de decisión en un problema de optimización. (Texto tomado de la fuente)
Abstract
In order to quantify and handle the uncertainties present in power systems, uncertainty costs
have been defined and several uncertainty cost functions have been calculated for different
types of generators and electric vehicles. This thesis attempts to use the formulation of the
uncertainty costs functions in order to solve the optimal power flow extended to renewable
controllable systems and controllable loads. In order to do so, the first and second derivatives
of uncertainty cost functions were calculated and included in Matpotuer, thus, an analytical
solution was found for the optimal power flow. In order to validate the analytic solutions,
optimal power flow was solved through metaheuristic methods. Finally, it was found that
analytical methods have better performance than metaheuristic methods, especially when
variable numbers become bigger in an optimization problem.