Revista UIS Ingenierías

Vol. 22 Núm. 4 (2023): Revista UIS Ingenierías
Artículos

Aplicación del algoritmo de enjambre de salpas al balance de fases en sistemas trifásicos asimétricos

PDF (English)
  • Antonny Santiago Vargas-Beltrán,
  • Oscar Mauricio Angarita-Santofimio,
  • Oscar Danilo Montoya-Giraldo
Antonny Santiago Vargas-Beltrán
Universidad Distrital Francisco José de Caldas
Oscar Mauricio Angarita-Santofimio
Universidad Distrital Francisco José de Caldas
Oscar Danilo Montoya-Giraldo
Universidad Distrital Francisco José de Caldas
DOI: https://doi.org/10.18273/revuin.v22n4-2023004

Publicado 2023-10-31

Palabras clave

  • balance óptimo de fases,
  • pérdidas de potencia,
  • algoritmo de enjambre de salpas,
  • redes de distribución asimétricas,
  • flujo de potencia trifásica

Cómo citar

Vargas-Beltrán, A. S., Angarita-Santofimio, O. M., & Montoya-Giraldo, O. D. (2023). Aplicación del algoritmo de enjambre de salpas al balance de fases en sistemas trifásicos asimétricos . Revista UIS Ingenierías, 22(4), 31–50. https://doi.org/10.18273/revuin.v22n4-2023004

Derechos de autor 2023 Revista UIS Ingenierías

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.

Resumen

Esta investigación aborda el problema del equilibrio de fase óptimo a través de la aplicación de una metodología de optimización maestro-esclavo. La etapa maestra define las conexiones de carga por nodo utilizando una codificación discreta, mientras que la etapa esclava evalúa cada configuración de carga proporcionada por la etapa maestra mediante un flujo de potencia trifásico. Para la etapa maestra, se seleccionó el algoritmo de enjambre de salpas (SSA), una técnica bioinspirada eficiente para lidiar con problemas de optimización no lineal continuos y discretos. La etapa esclava empleó el método matricial de flujo de potencia hacia atrás y hacia adelante para redes trifásicas asimétricas. Las simulaciones numéricas llevadas a cabo en alimentadores de prueba IEEE compuestos por 8, 25 y 37 nodos confirman la eficacia del enfoque SSA para encontrar soluciones eficientes con respecto a las pérdidas de energía esperadas en la red después del cambio de fase de carga óptima. Las comparaciones numéricas realizadas con el algoritmo de búsqueda de vórtices, el algoritmo genético Chu & Beasley y el algoritmo de búsqueda de cuervos demuestran la eficacia de la metodología propuesta para abordar el problema de estudio. Todas las validaciones numéricas se realizaron en el entorno de programación MATLAB.

PDF (English)

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. W. A. Ñustes-Cuellar and S. R. Rivera-Rodriguez, “Colombia: Territorio de inversión en fuentes no convencionales de energía renovable para la generación eléctrica,” in Ingeniería Investigación y Desarrollo, Jan. 2017, pp. 37–48, doi: https://doi.org/10.19053/1900771X.v17.n1.2017.5954
  2. L. Berrio, C. Zuluaga, “Concepts, standards and communication technologies in smart grid,” in 2012 IEEE 4th Colombian Workshop on Circuits and Systems (CWCAS), IEEE, Nov. 2012, pp. 1–6, doi: https://doi.org/10.1109/CWCAS.2012.6404056
  3. L. F. Grisales Noreña, B. J. Restrepo Cuestas, F. E. Jaramillo Ramirez, “Ubicación y dimensionamiento de generación distribuida: Una revisión,” Cienc. e Ing. Neogranadina, vol. 27, no. 2, pp. 157–176, Aug. 2017, doi: https://doi.org/10.18359/rcin.2344
  4. F. M. Aboshady, D. W. P. Thomas, M. Sumner, “A Wideband Single End Fault Location Scheme for Active Untransposed Distribution Systems,” IEEE Trans. Smart Grid, vol. 11, no. 3, pp. 2115–2124, 2020, doi: https://doi.org/10.1109/TSG.2019.2947870
  5. S. D. Saldarriaga-Zuluaga, J. M. Lopez-Lezama, N. Munoz-Galeano, “Protection Coordination in Microgrids: Current Weaknesses, Available Solutions and Future Challenges,” IEEE Lat. Am. Trans., vol. 18, no. 10, pp. 1715–1723, Oct. 2020, doi: https://doi.org/10.1109/TLA.2020.9387642
  6. A. Paz-Rodríguez, J. F. Castro-Ordoñez, O. D. Montoya, D. A. Giral-Ramírez, “Optimal Integration of Photovoltaic Sources in Distribution Networks for Daily Energy Losses Minimization Using the Vortex Search Algorithm,” Appl. Sci., vol. 11, no. 10, p. 4418, May 2021, doi: https://doi.org/10.3390/app11104418
  7. S. Sultana, P. K. Roy, “Krill herd algorithm for optimal location of distributed generator in radial distribution system,” Appl. Soft Comput., vol. 40, pp. 391–404, Mar. 2016, doi: https://doi.org/10.1016/j.asoc.2015.11.036
  8. S. Sultana, P. K. Roy, “Krill herd algorithm for optimal location of distributed generator in radial distribution system,” Appl. Soft Comput., vol. 40, no. 43, pp. 391–404, Mar. 2016, doi: https://doi.org/10.1016/j.asoc.2015.11.036
  9. Z. Ullah, M. R. Elkadeem, S. Wang, J. Radosavljevic, “A Novel PSOS-CGSA Method for State Estimation in Unbalanced DG-Integrated Distribution Systems,” IEEE Access, vol. 8, pp. 113219–113229, 2020, doi: https://doi.org/10.1109/ACCESS.2020.3003521
  10. F. H. M. Rafi, M. J. Hossain, M. S. Rahman, S. Taghizadeh, “An overview of unbalance compensation techniques using power electronic converters for active distribution systems with renewable generation,” Renew. Sustain. Energy Rev., vol. 125, p. 109812, 2020, doi: https://doi.org/10.1016/j.rser.2020.109812
  11. S. Sun, B. Liang, M. Dong, J. A. Taylor, “Phase Balancing Using Energy Storage <?Pub _newline ?> in Power Grids Under Uncertainty,” IEEE Trans. Power Syst., vol. 31, no. 5, pp. 3891–3903, Sep. 2016, doi: https://doi.org/10.1109/TPWRS.2015.2492359
  12. O. D. Montoya, L. F. Grisales-Noreña, E. Rivas-Trujillo, “Approximated Mixed-Integer Convex Model for Phase Balancing in Three-Phase Electric Networks,” Computers, vol. 10, no. 9, p. 109, 2021, doi: https://doi.org/10.3390/computers10090109
  13. C. A. Duarte Gualdrón, J. Bautista, G. Ordóñez, J. Barrero Perez, G. E. González Sua, “Medición de las magnitudes de potencia y energía eléctrica bajo las nuevas condiciones de los sistemas eléctricos,” Rev. UIS Ing, vol. 8, no. 1, pp. 9–19, 2009.
  14. U. D. Lubo, “Cargos de respaldo por uso de la red eléctrica en el costo unitario de energía distribuida: desafíos y oportunidades para la planificación,” Rev. UIS Ing., vol. 18, no. 3, pp. 67–74, Apr. 2019, doi: https://doi.org/10.18273/revuin.v18n3-2019007
  15. O. D. Montoya, A. Molina-Cabrera, L. F. Grisales-Noreña, R. A. Hincapié, M. Granada, “Improved Genetic Algorithm for Phase-Balancing in Three-Phase Distribution Networks: A Master-Slave Optimization Approach,” Computation, vol. 9, no. 6, p. 67, 2021, doi: https://doi.org/10.3390/computation9060067
  16. G. Carrillo, J. F. Petit Suárez, “Reducción de pérdidas de potencia activa y mejoramiento de la calidad de la onda de tensión en sistemas de distribución,” Rev. UIS Ing, vol. 1, no. 1, pp. 59–66, 2002.
  17. J. Zhu, G. Bilbro, Mo-Yuen Chow, “Phase balancing using simulated annealing,” IEEE Trans. Power Syst., vol. 14, no. 4, pp. 1508–1513, 1999, doi: https://doi.org/10.1109/59.801943
  18. M. A. Rios, J. C. Castano, A. Garces, and A. Molina-Cabrera, “Phase Balancing in Power Distribution Systems: A heuristic approach based on group-theory,” in 2019 IEEE Milan PowerTech, IEEE, Jun. 2019, pp. 1–6. doi: https://doi.org/10.1109/PTC.2019.8810723
  19. H. Khodr, I. Zerpa, P. De Oliveira-de Jesu’s, M. Matos, “Optimal Phase Balancing in Distribution System Using Mixed-Integer Linear Programming,” in 2006 IEEE/PES Transmission & Distribution Conference and Exposition: Latin America, IEEE, 2006, pp. 1–5. doi: https://doi.org/10.1109/TDCLA.2006.311368
  20. Bo Yang, Yunping Chen, Zunlian Zhao, Qiye Han, “A Master-Slave Particle Swarm Optimization Algorithm for Solving Constrained Optimization Problems,” in 2006 6th World Congress on Intelligent Control and Automation, IEEE, 2006, pp. 3208–3212. doi: https://doi.org/10.1109/WCICA.2006.1712959
  21. J. Zhu, C. Mo-Yuen, F. Zhang, “Phase balancing using mixed-integer programming [distribution feeders],” IEEE Trans. Power Syst., vol. 13, no. 4, pp. 1487–1492, 1998, doi: https://doi.org/10.1109/59.736295
  22. A. Correa, “Balance de fases multiobjetivo en sistemas de distribución,” Sci. Tech. Año XIII, vol. 37, no. 37, pp. 55–60, 2007.
  23. A. Garcés Ruiz, M. Granada Echeverri, R. A. Gallego-R., “Balance de fases usando colonia de hormigas,” Ing. Y Compet., vol. 7, no. 2, pp. 43–52, 2011, doi: https://doi.org/10.25100/iyc.v7i2.2517
  24. A. G. Ruiz, J. C. G. Manso, R. A. Gallego Rendón, “Solución al problema de balance de fases y reconfiguración de alimentadores primarios bajo un modelamiento trifásico usando Simulated Annealing,” Sci. Tech. no. 30, pp. 37–42, 2006.
  25. F. Postigo, et al. “Phase-selection algorithms to minimize cost and imbalance in U.S. synthetic distribution systems” International Journal of Electrical Power & Energy Systems, https://doi.org/10.1016/j.ijepes.2020.106042
  26. G. A. Schweickardt G. Wiman, “Metaheurística Fepso multiobjetivo. Una aplicación para el análisis del balance de cargas en redes de distribución de baja tensión,” Energética, no. 41, pp. 33–48, 2008.
  27. M. Sathiskumar, A. Nirmal kumar, L. Lakshminarasimman, S. Thiruvenkadam, “A self adaptive hybrid differential evolution algorithm for phase balancing of unbalanced distribution system,” Int. J. Electr. Power Energy Syst., vol. 42, no. 1, pp. 91–97, Nov. 2012, doi: https://doi.org/10.1016/j.ijepes.2012.03.029
  28. R. Hooshmand, S. H. Soltani, “Simultaneous optimization of phase balancing and reconfiguration in distribution networks using BF–NM algorithm,” Int. J. Electr. Power Energy Syst., vol. 41, no. 1, pp. 76–86, Oct. 2012, doi: https://doi.org/10.1016/j.ijepes.2012.03.010
  29. P. Samal, S. Ganguly, S. Mohanty, “Planning of unbalanced radial distribution systems using differential evolution algorithm,” Energy Syst., vol. 8, no. 2, pp. 389–410, 2017, doi: https://doi.org/10.1007/s12667-016-0202-z
  30. I. P. Abril, “Multi-objective optimization of the balancing of phases in primary distribution circuits,” Int. J. Electr. Power Energy Syst., vol. 82, pp. 420–428, 2016, doi: https://doi.org/10.1016/j.ijepes.2016.03.047
  31. B. Cortés-Caicedo, L. S. Avellaneda-Gómez, O. D. Montoya, L. Alvarado-Barrios, H. R. Chamorro, “Application of the Vortex Search Algorithm to the Phase-Balancing Problem in Distribution Systems,” Energies, vol. 14, no. 5, p. 1282, 2021, doi: https://doi.org/10.3390/en14051282
  32. H. Faris, S. Mirjalili, I. Aljarah, M. Mafarja, A. A. Heidari, “Salp Swarm Algorithm: Theory, Literature Review, and Application in Extreme Learning Machines,” in Nature-Inspired Optimizers, in Studies in Computational Intelligence. Cham: Springer International Publishing, 2020, pp. 185–199. doi: https://doi.org/10.1007/978-3-030-12127-3_11
  33. B. Cortés-Caicedo, L. S. Avellaneda-Gómez, O. D. Montoya, L. Alvarado-Barrios, C. Álvarez-Arroyo, “An Improved Crow Search Algorithm Applied to the Phase Swapping Problem in Asymmetric Distribution Systems,” Symmetry (Basel)., vol. 13, no. 8, p. 1329, Jul. 2021, doi: https://doi.org/10.3390/sym13081329
  34. V. C. Strezoski, L. D. Trpezanovski, “Three-phase asymmetrical load-flow,” Int. J. Electr. Power Energy Syst., vol. 22, no. 7, pp. 511–520, Oct. 2000, doi: https://doi.org/10.1016/S0142-0615(00)00012-0
  35. M. Granada Echeverri, R. A. Gallego Rendón, and J. M. López Lezama, “Planeamiento Optimo de Balance de Fases para Reducción de Perdidas en Sistemas de Distribución usando un Algoritmo Genético Especializado,” Ing. y Cienc , vol. 8, no. 15, pp. 121–140, 2012.
  36. L. Abualigah, M. Shehab, M. Alshinwan, H. Alabool, “Salp swarm algorithm: a comprehensive survey,” Neural Comput. Appl., vol. 32, no. 15, pp. 11195–11215, Aug. 2020, doi: https://doi.org/10.1007/s00521-019-04629-4
  37. S. Mirjalili, A. H. Gandomi, S. Z. Mirjalili, S. Saremi, H. Faris, S. M. Mirjalili, “Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems,” Adv. Eng. Softw., vol. 114, pp. 163–191, Dec. 2017, doi: https://doi.org/10.1016/j.advengsoft.2017.07.002
  38. L. S. Avellaneda-Gómez and O. D. Montoya-Giraldo, “Aplicación del algoritmo de optimización por enjambre de salpas para la estimación de parámetros en transformadores monofásicos empleando medidas de tensión y corriente,” Rev. UIS Ing., vol. 21, no. 2, pp. 131–146, May 2022, doi: https://doi.org/10.18273/revuin.v21n2-2022011
  39. S. Ben Chaabane, A. Belazi, S. Kharbech, A. Bouallegue, L. Clavier, “Improved Salp Swarm Optimization Algorithm: Application in Feature Weighting for Blind Modulation Identification,” Electronics, vol. 10, no. 16, p. 2002, 2021, doi: https://doi.org/10.3390/electronics10162002
  40. R. A. Ibrahim, A. A. Ewees, D. Oliva, M. Abd Elaziz, S. Lu, “Improved salp swarm algorithm based on particle swarm optimization for feature selection,” J. Ambient Intell. Humaniz. Comput., vol. 10, no. 8, pp. 3155–3169, Aug. 2019, doi: https://doi.org/10.1007/s12652-018-1031-9
  41. H. Faris et al., “An efficient binary Salp Swarm Algorithm with crossover scheme for feature selection problems,” Knowledge-Based Syst., vol. 154, pp. 43–67, Aug. 2018, doi: https://doi.org/10.1016/j.knosys.2018.05.009
  42. H. Zhang et al., “A multi-strategy enhanced salp swarm algorithm for global optimization,” Eng. Comput., vol. 38, no. 2, pp. 1177–1203, Apr. 2022, doi: https://doi.org/10.1007/s00366-020-01099-4
  43. D. Shirmohammadi, H. W. Hong, A. Semlyen, G. X. Luo, “A compensation-based power flow method for weakly meshed distribution and transmission networks,” IEEE Trans. Power Syst., vol. 3, no. 2, pp. 753–762, May 1988, doi: https://doi.org/10.1109/59.192932
  44. T. Shen, Y. Li, J. Xiang, “A Graph-Based Power Flow Method for Balanced Distribution Systems,” Energies, vol. 11, no. 3, p. 511, Feb. 2018, doi: https://doi.org/10.3390/en11030511
  45. R. P. Broadwater, A. Chandrasekaran, C. T. Huddleston, A. H. Khan, “Power flow analysis of unbalanced multiphase radial distribution systems,” Electr. Power Syst. Res., vol. 14, no. 1, pp. 23–33, Feb. 1988, doi: 10.1016/0378-7796(88)90044-2.
  46. T. Ramana, V. Ganesh, S. Sivanagaraju, “Distributed Generator Placement And Sizing in Unbalanced Radial Distribution System,” Cogener. Distrib. Gener. J., vol. 25, no. 1, pp. 52–71, Jan. 2010, doi: https://doi.org/10.1080/15453661009709862
  47. W. H. Kersting, “Radial distribution test feeders,” IEEE Trans. Power Syst., vol. 6, no. 3, pp. 975–985, 1991, doi: https://doi.org/10.1109/59.119237