Planeamiento de la expansión de los sistemas eléctricos de transmisión utilizando el modelo AC resuelto mediante algoritmos evolutivos

El Planeamiento de la Expansión de la Transmisión (PET) consiste en determinar todas las modificaciones necesarias de la infraestructura del sistema eléctrico de transmisión de energía, es decir, establecer cuáles deberían ser las ampliaciones o refuerzos, a fin de permitir el equilibrio entre la demanda prevista y el suministro de energía eléctrica, minimizando la inversión a lo largo del horizonte de planeamiento. El PET es un problema de optimización o programación no lineal entera-mixta, no convexo y de explosión combinatoria. Debido a la complejidad del problema, se requiere de mayor investigación en técnicas de optimización que busquen la solución del problema de manera eficiente. En este trabajo de investigación, el centro de atención del estudio fue el uso de métodos heurísticos y meta heurísticos de optimización basados en Algoritmos Evolutivos (AE) aplicados a la solución del problema del PET estático, empleando el modelo AC. Los algoritmos de implementación usados fueron la Programación Evolutiva (PE), la Estrategia Evolutiva (EE) y la Estrategia Evolutiva Modificada (EEM). Se evaluaron los desempeños de los algoritmos de forma gradual para diferentes escenarios del sistema de prueba de Garver y se aplicó el algoritmo de mejor rendimiento sobre el sistema de la IEEE de 24 barras. Su desempeño final fue comparado de manera relativa con otros algoritmos heurísticos disponibles en la bibliografía.The Transmission Expansion Planning (TEP) problem consists of determining all the changes needed in the transmission system infrastructure (i.e. additions and reinforcements) in order to allow the balance between the projected demand and the power supply, at minimum investment along the planning horizon. The TEP is a large scale, mixed-integer, non-linear and non-convex problem. Due to the complexity of the problem requires greater research in optimization techniques that seek a solution of the problem in an efficient manner. Therefore, more optimization techniques must be explored to solve the TEP problem in an efficient way. In this research work, the focus was on the study of the optimization heuristic and metaheuristics based on Evolutionary Algorithms (EA) applied to the problem of static TEP, using the AC model. The algorithms used were: Evolutionary Programming (EP), Evolutionary Strategy (EE) and Modified Evolutionary Strategy (MEE). The performance of the algorithms were evaluated in a gradual manner for different scenarios of the Garver test system. Then the better performance algorithm was applied to solve the TEP problem using the IEEE 24-bus system. Its final performance was compared with other heuristic algorithms available in the reference literature.Magíster en Sistemas Eléctricos de PotenciaCuenc