Manejo de la congestión de potencia en zonas con alta penetración de energía renovable en Colombia para mitigar restricciones operativas

Abstract

El presente documento aborda el manejo de la congestión de potencia en zonas con alta penetración de fuentes no convencionales de energía renovable (FNCER) en Colombia, con el objetivo de mitigar las restricciones operativas que comprometen la estabilidad y eficiencia del sistema eléctrico. El trabajo se centra en dos subáreas críticas del Caribe colombiano: GCM (Guajira-Cesar-Magdalena) y Atlántico, donde la creciente demanda y la limitada capacidad de infraestructura han generado cuellos de botella que dificultan la integración efectiva de proyectos solares y eólicos. Para afrontar este reto, se emplean algoritmos de optimización metaheurísticos, específicamente el Particle Swarm Optimization (PSO) y el Algoritmo Genético (GA), con el fin de realizar un despacho óptimo de generación. Además, se incorpora el modelado de incertidumbre asociado a la generación renovable mediante distribuciones Weibull y Lognormal, lo que permite una representación más realista del comportamiento de las FNCER. La investigación incluye la construcción de modelos eléctricos en el software DIgSILENT PowerFactory, la evaluación de condiciones base y de contingencia para los años 2025 y 2033, y la aplicación de técnicas de optimización para reducir sobrecargas, mejorar perfiles de tensión y minimizar costos de despacho. Los resultados mostraron reducciones de cargabilidad superiores al 20 % en elementos críticos, mejor estabilidad de tensión y un despacho más eficiente desde el punto de vista económico. Además, se realizó una comparación entre PSO y GA, destacando que PSO tiende a converger más rápido, mientras que GA ofrece una exploración más diversa del espacio de soluciones. (Texto tomado de la fuente).

The present research explores the management of power congestion in areas with high penetration of non-conventional renewable energy sources (NCRES) in Colombia, aiming to mitigate operational constraints that affect the stability and efficiency of the power system. The study focuses on two critical subareas of the Colombian Caribbean region—GCM (Guajira-Cesar-Magdalena) and Atlántico—where growing demand and limited transmission infrastructure have created bottlenecks hindering the effective integration of solar and wind energy projects. To tackle this challenge, the research employs metaheuristic optimization algorithms, specifically Particle Swarm Optimization (PSO) and Genetic Algorithm (GA), to achieve an optimal redispatch of power generation. Additionally, uncertainty modeling of renewable generation is incorporated using Weibull and Lognormal distributions, providing a more realistic representation of NCRES behavior. The study involves the development of power system models in DIgSILENT PowerFactory, analysis of base and contingency scenarios for the years 2025 and 2033, and the application of optimization techniques to reduce line and transformer overloads, improve voltage profiles, and minimize dispatch costs. The results showed loading reductions above 20% in critical elements, improved voltage stability, and a more economically efficient dispatch. Additionally, a comparison between PSO and GA was carried out, highlighting that PSO tends to converge more quickly, while GA offers a more diverse exploration of the solution space.