Algoritmos genéticos en Python para la ubicación óptima de elementos de protección en alimentadores primarios: Caso Arequipa

• Autor: Llerena Huayhua, Paul David
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/15321
• Enlace del recurso: http://hdl.handle.net/20.500.12773/15321
• Nivel de acceso: acceso abierto
• Materia: Ubicación de elementos de protección; algoritmos genéticos en PYTHON; sistemas de distribución; https://purl.org/pe-repo/ocde/ford#2.02.01

En este trabajo se presenta una solución para la ubicación óptima de elementos de protección en redes primarias, tales como Reconectores, fusibles y seccionadores, utilizando un modelo matemático basado en Algoritmos Genéticos. Los algoritmos genéticos son métodos de solución válidos para problemas del tipo de optimización, es un método numérico de tipo heurístico – evolutivo, que requieren de poca información acerca de la solución, ya que está diseñado para minimizar o maximizar un problema dado. En este caso, las funciones a minimizar en la presente tesis son los indicadores de confiabilidad de servicio eléctrico SAIDI y SAIFI, los cuales son un parámetro común en sistemas de distribución, que indica el tiempo total promedio de interrupción de servicio eléctrico en los usuarios en un periodo determinado.  El presente trabajo se focaliza en alimentadores primarios de Arequipa, 2 casos específicos, su topología se extrae mediante POWER FACTORY, se aplica programación no lineal entera mixta y el algoritmo genético se desarrolla en la herramienta Python. La función a minimizar relaciona la posición de elementos de protección que se eligió: seccionador, reconector y fusible, mediante variables binarias y otros datos históricos de cada sistema eléctrico como tasas de falla temporal y permanente. Con los resultados y análisis, se demuestra que el algoritmo encuentra mejores configuraciones que los diseños convencionales, mejorando de manera sustancial los indicadores SAIDI y SAIFI, si se implementara permitiría al ingeniero diseñador elegir una configuración que sea eficiente y económica teniendo el respaldo que la configuración elegida por el algoritmo genético es óptima.