Ubicación Óptima de Transformadores en Redes de Distribución Eléctrica Usando Sistemas de Información Geográfica
DOI:
https://doi.org/10.29019/enfoque.v11n1.593Palabras clave:
Despliegue óptimo; dimensionamiento; planificación; centros de transformación.Resumen
La presente investigación muestra un modelo heurístico para el diseño de redes de distribución eléctricas escalables y confiables. Los algoritmos presentados permiten optimizar la ubicación de centros de transformación usando sobre su base de datos sistemas de información geográfica de las cuales es posible definir ubicaciones de usuarios, sitios candidatos, posibles rutas para el despliegue de la red eléctrica y en general, datos para la reconstrucción del escenario. El modelo emplea métodos de clusterización y triangulación, así como algoritmos para la creación de un árbol de mínima expansión y la consecuente asignación de sitios para la ubicación de transformadores. Tras establecer las ubicaciones óptimas para el emplazamiento de unidades, los algoritmos determinan caídas de voltaje en circuitos secundarios, capacidad de transformación requerida, tiempos de ejecución y cobertura alcanzada. Los resultados obtenidos se ajustan a los requerimientos de una red eléctrica de distribución y muestran un buen desempeño sobre el escenario propuesto.
Metrics
Descargas
Citas
Carrión Galarza, D. F., & González Sánchez, J. W. (2019). Ubicación óptima de PMU considerando restricciones de contingencias N-1 en sistemas eléctricos de potencia. Enfoque UTE, 10(1), 1–12. https://doi.org/10.29019/enfoqueute.v10n1.437
Ciechanowicz, D., Pelzer, D., Bartenschlager, B., & Knoll, A. (2017). A modular power system planning and power flow simulation framework for generating and evaluating power network models. IEEE Transactions on Power Systems, 32(3), 2214–2224. https://doi.org/10.1109/TPWRS.2016.2602479
Gholizadeh-Roshanagh, R., Najafi-Ravadanegh, S., & Hosseinian, S. H. (2018). A framework for optimal coordinated primary-secondary planning of distribution systems considering MV distributed generation. IEEE Transactions on Smart Grid, 9(2), 1408–1415. https://doi.org/10.1109/TSG.2016.2590425
Li, H., Mao, W., Zhang, A., & Li, C. (2016). An improved distribution network reconfiguration method based on minimum spanning tree algorithm and heuristic rules. International Journal of Electrical Power and Energy Systems, 82, 466–473. https://doi.org/10.1016/j.ijepes.2016.04.017
Liu, J., Cheng, H., Xu, Q., Lan, Z., Zeng, P., & Yao, L. (2017). Stochastic expansion planning of interconnected distribution networks with renewable sources considering uncertainties and power transfer capability. 2017(October), 1600–1604. https://doi.org/10.1049/joe.2017.0602
Maldonado, M. G. R. (2017). Wireless Sensor Network for Smart Home Services Using Optimal Communications. 2017 International Conference on Information Systems and Computer Science (INCISCOS), 27–32. https://doi.org/10.1109/INCISCOS.2017.21
Once, M. (2017). Scalable Route Map for Advanced Metering Infrastructure Based on Optimal Routing of Wireless Heterogeneous Networks. (April), 2–9.
Quishpe, S., Padilla, M., & Ruiz, M. (2019). Despliegue Óptimo de Redes Inalámbricas para Medición Inteligente Optimal Deployment of Wireless Networks for Smart Metering. (16), 105–113.
Ruiz, M., & Inga, E. (2019). Despliegue óptimo de redes ópticas para comunicaciones en redes eléctricas inteligentes. I+D Tecnológico, 15(2), 79–85. https://doi.org/10.33412/idt.v15.2.2249
Ruiz, M., Masache, P., & Dominguez, J. (2018). High availability network for critical communications on smart grids. CEUR Workshop Proceedings, 2178, 13–17.
Ruiz, M., Masache, P., & Inga, E. (2018). Optimal Communications for Smart Measurement of Electric Energy Reusing Cellular Networks. 2018 International Conference on Information Systems and Computer Science (INCISCOS), 198–204. https://doi.org/10.1109/INCISCOS.2018.00036
Ruiz Maldonado, M. G., & Inga, E. (2019). Asignación óptima de recursos de comunicaciones para sistemas de gestión de energía. Enfoque UTE, 10(1), 141–152. https://doi.org/10.29019/enfoqueute.v10n1.447
Xie, S., Hu, Z., Zhou, D., Li, Y., Kong, S., Lin, W., & Zheng, Y. (2018). Multi-objective active distribution networks expansion planning by scenario-based stochastic programming considering uncertain and random weight of network. Applied Energy, 219(March), 207–225. https://doi.org/10.1016/j.apenergy.2018.03.023
Publicado
Cómo citar
Número
Sección
Derechos de autor 2020 Enfoque UTE
Esta obra está bajo licencia Creative Commons Attribution 3.0 International License.
Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.
La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.
Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).
Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y de publicación de sus obras originales sin restricciones [© Los Autores]. El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.
Enfoque UTE - Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE