Download Descargar
Document related concepts
no text concepts found
Transcript
FUNDACIÓN BARILOCHE INSTITUTO DE ECONOMÍA ENERGÉTICA CONICET XXIII ENDIO - XXI EPIO - II ERABIO DOS ENFOQUES METAHEURÍSTICOS PARA RESOLVER PROBLEMAS DE OPTIMIZACIÓN COMBINATORIA MULTICRITERIO: FUZZY EVOLUTIONARY PARTICLE SWARM OPTIMIZATION CON TOPOLOGÍA ESTRELLA GLOBLAL/INDIVIDUAL (FEPSO GIST) Y FUZZY SIMULATED ANNEALING (FSA) Expone: Dr. Gustavo Schweickardt Autores: Gustavo Schweickardt (CONICET-IdEE/FB Argentina), Vladimiro Miranda (INESC Porto - Portugal) y Juan Manuel Gimenez (CONICET-UNSJ) Sistemas de Distribución de Energía Eléctrica – Subsistema de Baja Tensión Sistemas de Distribución de Energía Eléctrica Eléctrica (SDEE) – Esquema Unifilar Subsistema MT Alimentador CT MT/BT Subsistema BT Sistemas de Distribución de Energía Eléctrica Eléctrica en Baja Tensión Trifásicos I. Se constituyen de cuatro conductores: tres conductores de Fase, denominadas [R], [S] y [T] y un conductor Neutro (N). Por ellos fluye la Potencia (fp) que demandan los Usuarios en Baja Tensión. II. Entre Cada Conductor de Fase y el Conductor Neutro, se conecta una carga (consumo residencial, por caso, representado por la flecha en el diagrama) Monofásica. III. Existen cargas Trifásicas, consideradas 3 Monofásicas. CT MT/BT fpR fpR1 fpR2 fpS fpS1 fpS2 fpT fpT1 fpT2 13.2/0.38 [kV] R S T N El Problema del Balance de Fases en los SDEE BT El Problema General del Balance de Fases en los SDEE BT I. Se trata de que las Fases del SDEE en BT estén similarmente cargadas. II. El Desbalance implica tres problemas: 1. 2. 3. Mayores Pérdidas, afectando al Uso Racional de la Energía del lado de la Oferta. Menor Calidad del Producto Técnico Tensión. Inconvenientes en el Ajuste de Protecciones en el SubSistema MT → Componente Homopolar (I[0]) CT MT/BT fpR fpR1 fpR2 fpS fpS1 fpS2 fpT fpT1 fpT2 13.2/0.38 [kV] R S T b) Sistema Simétrico Desbalanceado a) Sistema Simétrico y Balanceado I[S] I[S] I[0] 120° 120° I[T] 120° 120° I[R] 120° 120° I[T] I[R] Propuesta de Solución para el Balance de Fases en los SDEE BT como problema MultiObjetivo mediante Metaheurísticas Formulación MultiObjetivo del Problema BF I. La propuesta en el presente trabajo se sustenta en una Formulación MultiObjetivo del Problema BF, que considere los tres objetivos referidos: Pérdidas, Perfil de Tensiones y Componente Homopolar. II. Adicionalmente, se incorpora un objetivo adicional: Si se trata de un Alimentador SDEE BT existente, desbalanceado, se pretende minimizar el número de cambios de conexiones de fase, que propenda a la satisfacción de los objetivos anteriores. Formulación MultiObjetivo del Problema BF III. Para ello, se definen tres Funciones Objetivo: FO1 vinculada a las Pérdidas; FO2 vinculada a la Componente Homopolar a la Salida del Alimentador del SDEE BT y FO3 vinculada a los cambios de conexiones de las cargas a cierta fase. IV. Y como Restricciones del problema, se introducen: R1 vinculada a la Tensión de Nodo mayor o igual a la impuesta regulatoriamente y R2 vinculada a que las Intensidades en cada conductor de fase, resulte menor o igual que la admisible tecnicamente. Formulación MultiObjetivo del Problema BF Minimizar: 1) FO1→∑Φ Perd 2) FO2→|I [0]| 3) FO3→NCΦ Sujeto a: Pérdidas Activas Totales Componente Homopolar de Salida Nro. de Cambios de fase Tensiones de nodo y fase en tolerancia 1) R1→ |ULim Inf| ≤ |Ui [Φ]| ≤|ULim Sup| 2) R2→ |Ir [Φ]| ≤|ILim Sup| Intensidad de rama y fase en tolerancia Decisión Maximizante en el Dominio Difuso x X; Conjunto de Alternativas Objetivo Difuso O O ( x ) R R ( x ) Restricción Difusa D O RH C R1 C R2 C Decisión Difusa C →Operador de Confluencia Decisión Maximizante Estática Bellman - Zadeh pO p R1 Exp Vp = p C R1 pR1 C R2 pR2 CRH pRH D O o pR j pR j R j R j ( x ) Ponderadores Exponenciales (PE) pRH Contracción y Dilatación en un Conjunto Difuso. Efecto de los Ponderadoradores Función de Pertenencia Lineal µ(x) Efecto de PE: µ(x) PE <1 PE =1 a) PE<1: DilataciónMenor Importancia en la Confluencia b) PE>1: ContracciónMayor Importancia en la Confluencia PE >1 xL x Relajación de los Objetivos y Restricciones Conjunto Difuso ( apX ) ap X apX µ(apX) 1 Función de Pertenencia X es una Variable asociada a un Objetivo/Restricción, con un valor de referencia límite XREF 0 Ejemplo: Pérdidas X=Perd XREF apPerd PerdREF apX=(X-XREF)/ XREF Apartamiento de la Variable X respecto de XREF Incertidumbres Incertidumbres No Estocásticas sobre las Variables del Sistema Imprecisiones Refieren Límites de conceptos no definidos con precisión en las Variables del Sistema Sistemas Difusos Los Conjuntos Difusos Modelan tanto Incertidumbres como Imprecisiones en el Sistema Objeto Función de Aptitud Difusa - FPSO μ perd 1; si perd Minperd 1) X = Pérdidas (perd) pμ(perd) Refperd -perd μ(perd) Refperd ; si Minperd perd Refperd μ perd 0; si perd Refperd 2) X = Componente Homopolar (CH) 0 0 μ(| I |) 1; si | I | MinCH RefCH - I RefCH 0 p [0] μ(|I |) 0 ; si MinCH | I | RefCH 0 0 μ(| I |) 0; si | I | RefCH Función de Aptitud Difusa μnt vft 1; si vft v1 μnt vft pμ( ) vft v2 -vft v2 v1 μnt vft 0; si vft v2 3) Perfil de Tensiones ; si v2 vft v1 v1=1/ulAd v2=1/ulnAd vft=1/ut nt →nodo terminal nNt → Nro de nodos terminales nNT μ Utf nNT μnt vft nt 1 uAd = 0.95 [pu] ulnAd = 0.92 [pu] μ Utf ITS Función de Aptitud Difusa μ ncf 4) Número de Cambios de Fase (NCf) 1; si ncf RefNCfMin p μ(ncf ) RefNCfMax - ncf μ ncf RefNCf RefNCf Max Min ; si RefNCfMin ncf RefNCfMax μ ncf 0;si ncf RefNCfMax RefNCfMax = MAX {NCfPSOMinperd; NCfPSOMinCH; NCfPSOMaxITS} RefNCfMin = RefNCfMax – NCf0 → fijado externamente RefNCfMin ≠ 0; pues NCf = 0 corresponde a la situación de referencia, la cual pretende mejorarse. Función de Aptitud Difusa: La t-Norma Producto de Einstein tPEinstein : tPEinstein1 tPEinstein2 x,y xy 2 (x y x y) 0 μ perd μ( I ) 0 0 2 (μ perd μ( I ) μ perd μ( I )) tPEinstein1 μ utf 2 ( tPEinstein1 μ utf ) tPEinstein1 μ utf ) tPEinstein2 μ ncf μD 2 2 2 ( tPEinstein μ ncf ) tPEinstein μ ncf ) µD= tPEinstein { µ(perd); µ(|I[0]|); µnt(vft); µ(ncf)} La Metaheurística soporte PSO utilizada en FEPSO META-HEURÍSTICA PSO – Modelo con Factor de Constricción: Modelo de CLERC Ecuación del Cambio de Velocidad con Factor de Constricción χ vin(k+1) = χ x {vin(k) + φc bbbb[gn(k) - xin(k)] } χ= x r1 x [pin(k) 2 κ 2 φ φ 4φ 2 r2 x φ = φ φ S - xin(k)] + φS x κ [0,1] C φ > 4 Configuración de Valores con: κ = 1 φC = φS = 2.05; φ = 4.1→ χ = 0.729 La Partícula o Agente FPSO para el Problema BF Es un Vector [Xi] con ND componentes: x d1 x d2 Xi x dND En este caso: Si se tienen NC cargas a conectar Las Cargas Trifásicas son fijas Si existen 3 fases [R, S, T] posibles para conectar 1 carga → ND = Vrep(3,NC) = 3NC dn = {1, 2, 3} Esquema Básico de Implementación Inicialización de los Parámetros del PSO. Ponderadores Exponenciales. NC Cargas (P, Q), Factor de Simultaneidad, Factor de Potencia. Valores de Referencia de los PSO MonoObjetivo. k=1 µD Simulación FEPSO MultiObjetivo k=k+1 No Si Fin? nCf U i (*) I[0] Perd FPRT nCf U i (k) I[0] Perd La Metaheurística a en FEPSO GIST Topología de Estrella Estocástica – Factor de Comunicación META-HEURÍSTICA EPSO – Topología - Estrella Topología Estrella – [] → p =1 1 2 8 G*(k) 7 p=1 6 3 4 [] = 5 G*(k)=(g*1, g*2, ...,g*N) (k) 1 - 1 - 1 - 1 - 1 - 1 - 1 - 1 Vector Mejor Global La Información sobre G* tiene certeza de llegar a cada partícula del Swarm → [] =1 META-HEURÍSTICA EPSO – Topología - Estrella Topología Estrella Estocástica– [] → {1, 0} 1 2 8 G*(k) 7 p=1 6 5 3 4 [] = 1 - 0 - 1 - 0 - 0 - 1 - 0 - 1 G*(k)=(g*1, g*2, ...,g*N) (k) Vector Mejor Global La Información sobre G* tiene probabilidad p de llegar (=1) y (1-p) de no llegar (=0) a cada partícula del Swarm META-HEURÍSTICA EPSO – Topología – Estrella Estocástica Global-Individual (Porqué no sólo la Diagonal Principal en [] ?) La Información sobre 1 - - - - - cada p*i podría tener - 1 - - - - - cierta probabilidad p(ij) - - 1 - - - de influencia entre partículas del Swarm, [] = - - - 1 - - - - - - - 1 - por aplicación de los operadores evolutivos. - - - - - 1 - Esta Topología es 1 propuesta por el autor y - - - - - - - 1 está siendo investigada (Estrella GlobalTérminos Adicionales en la IndividualEstocástica) Ecuación Evolutiva de p*(k)=(p*1, p*2, ...,p*N) (k) Movimiento Vector Mejor Individual META-HEURÍSTICA EPSO – Formulación Ecuación Evolutiva del EPSO – Topología Estrella Global/Individual Estocástica vin(k+1) = {wi*(k) x vin(k)} + wi*C(k) x r1 x [pin(k) - xin(k)] + wi*S(k) x BBBr2 x [G*n(k) - xin(k)] x p() + ∑j=1, j≠in x wib*[k] x p(αij) BBBx [pjn(k)- xin(k)] } wib*[k] = wib x [1+ ψ x N(0,1)] ψ controla la amplitud de las mutaciones n≡P Es el tamaño de la Población Los Términos ∑j=1, j≠in se aplican para componer una nueva generación, integrando el resto de los Operadores Evolutivos. p() corresponde al Factor de Topología Global, mientras que p(αij) a la de Topología Individual El Procedimiento Bootstrap en un Espacio de Búsqueda (EB) Discreto Función de Aptitud en un EB Discreto con Buenas Soluciones muy Aisladas d3 3 3 2 A 1 Las dimensiones son intervalos: [1, 2, 3]. B f : Función de Aptitud ND: Número de Dimensiones 2 1 C 1 2 3 f(A) > 0 f(B) > 0 f(C) > 0 d1 En el Resto de los puntos f(p) = 0. d2 si ND >> 3 al inicializar Aleatoriamente el Enjambre f(p) puede no mejorar nunca o sólo un poco, hacia una solución Óptimo Local. Cambio de la Función de Pertenencia μITS 1) Relajación de la Función μ(Utf). μ(Utf)* = e-[ξ x Nntft]; con 0< ξ ≤1 2) Se itera con estas soluciones y llevando, simultáneamente, el cálculo de μ(Utf). 3) Cuando el MG alcanzado implique μ(Utf) > 0, se cambia de μ(Utf)* a μ(Utf). nNT μ Utf nNT μ vft nt nt 1 Metaheurística SA (Recocido Simulado) Comienzo Procedimiento SA 1. Establecer un punto de referencia o partida (estado) = i0 2. Establecer una Temperatura de Partida T = T0 y una Tasa de Enfriamiento: 0 < < 1; 3. Establecer NT (Número Pruebas/Iteraciones por Nivel de de 4. Mientras la Condición de Parada no sea satisfecha, hacer 5. Para k ← 1 hasta NT hacer 6. Generar puntos de prueba, j, desde Si (vecinos a la solución i) utilizando la función q(i, j); 7. Aceptar la solución j-ésima con una probabilidad p(accept j) dada por la expresión (1); 8. Fin Para 9. Reducir la Temperatura mediante la regla T ← T x ; 10. Fin Mientras Fin Procedimiento SA Simulación: Esquema Trifilar del SDEE BT Real y Resultados Obtenidos Esquema Trifilar de la Red/Salida CT MT/BT considerada en la Simulación. Sobrecargas Importantes en las Fases [S] y [T] ND = 3115 Resultados Valores del Esquema Base: Perd[kW] =13.02 χ-PSO MonoO Nro Part |I[0]|[A] = 47.6 T Ejecución Perd[kW] μ(Uft) = 0 |I[0][|[A] Min Perd 150 45 [min] 6.94 18.93 Min |I[0]| 150 37 [min] 10.16 0.1 Max μ(Uft) 150 43 [min] 7.02 13.80 FSA MultiO Nro Part T Ejecución Perd[kW] 250 1 [h] 37 [min] 8.64 Max tPeinstein FEPSO GIST MultiO Nro Part Max tPeinstein 200 T Ejecución Perd[kW] 47 [min] 7.21 ncf = 0 μ(Uft) ncf 0.32 81 0 79 0.34 85 |I[0][|[A] μ(Uft) 3.9 ncf 0.57 80 |I[0]| [A] μ(Uft) ncf 0.4 59 0.27 Exponentes y Referencias para las Funciones de Pertenencia: μ(perd)=pμ(|I[0]|)=pμ(ncf)=3; pμ(vft)=4; [Minperd=6.94, Refperd=13.02]; [MinCH=0.1, RefCH=47.6]; [RefNCfMin =45, RefNCfMax =81] Fin