Eficiencia energética mediante el balance de fases en sistemas de distribución en baja tensión: Solución desde un enfoque metaheurístico

Abstract

Los Algoritmos Metaheurísticos son ampliamente reconocidos como uno de los más exitosos enfoques para la solución de problemas de optimización combinatoria. Una de las más interesantes áreas de aplicación la constituyen los Sistemas de Potencia. En particular, los sistemas de distribución de energía eléctrica en términos de su planificación y operación. Este Artículo presenta dos enfoques metaheurísticos para resolver un típico problema de optimización combinatoria vinculado a la eficiencia energética: el balance de fases en un sistema de distribución en baja tensión. Primero es introducida una nueva metaheurística, denominada por el autor Optimización Evolucionaria Difusa por Enjambre de Partículas con Topología Estrella Global/ Individual, sustentada en los principios de la inteligencia de grupo y estrategias de evolución, y que se extiende al dominio difuso para modelar una optimización multi-objetivo, apelando a una función de aptitud difusa. Luego, se presenta una simulación sobre un sistema real, y sus resultados son comparados con otro nuevo enfoque metaheurístico propuesto por el autor, denominado recocido simulado difuso, evidenciándose las ventajas de la Optimización Evolucionaria Difusa por Enjambre de Partículas con Topología Estrella Global/Individual.

Metaheuristics Algorithms are widely recognized as one of most practical approaches for combinatorial optimization problems. One the most interesting areas of application are the power systems. In particular, distribution systems planning and operation. This paper presents two metaheuristics approachs to solve a typical combinatorial optimization problem: the phase balancing in low voltage electric distribution systems. first, a new metaheuristicis introduced, called Fuzzy Evolutionary Particle Swarm Optimization with Global/Individual Star Topology, based in the swarm intelligence principles and evolution strategies, which is extended to fuzzy domain to modelling a multi-objective optimization, by means of a fuzzy fitness function. A simulation on a real system is presented, and advantages of this approach Fuzzy Evolutionary Particle Swarm Optimization with Global/Individual Star Topology with respect to another new metaheuristic, called simulated annealing, extended to fuzzy domain too (FSA) and proposed in this work, are evidenced.