Resumen de Flujo óptimo de potencia a través de técnicas de inteligencia artificial

César Augusto Hernández Suárez, William Sánchez Huertas, Víctor Gómez

• español

  Contexto: La integración de los métodos de optimización en los diversos procesos llevados a cabo por un sistema de energía eléctrica que busca la eficiencia energética ha llevado a resultados satisfactorios en la reducción del consumo, así como en términos de pérdidas técnicas, aumento de seguridad y confiabilidad del sistema.

  Objetivo: El propósito de este artículo es identificar un método que ofrezca el mejor resultado de optimización para el flujo de energía de un sistema de distribución de energía con 10 nodos a 13.2 kV.

  Metodología: Los resultados de los perfiles de voltaje se presentan para un sistema de distribución de energía de 10 nodos utilizando el método de Newton Raphson. Posteriormente, el sistema se optimiza utilizando algoritmos genéticos y de colonias de hormigas.

  Resultados: Su implementación determinó que la suma de las posibles diferencias de las líneas de distribución se reduce notablemente con el algoritmo genético. Sin embargo, el código de optimización de la colonia de hormigas tarda menos tiempo en ejecutarse y tiene un número menor de iteraciones.

  Conclusiones: La optimización más eficiente se logra con el algoritmo genético ya que la evolución de la población muestra mejores niveles de optimización en comparación con el algoritmo de colonias de hormigas.

  Financiamiento: Universidad Francisco José de Caldas y Colciencias

• English

  Context: The integration of optimization methods into the various processes carried out by an electric power system seeking energy efficiency have led to satisfying results in the reduction of consumption as well as in terms of technical losses, security increase and system reliability.

  Objective: The purpose of this article is to identify a method offering the best optimization outcome for the power flow of an energy distribution system with 10 nodes at 13.2 kV.

  Methodology: The results of voltage profiles are presented for a 10-node energy distribution system using the Newton Raphson method. Afterward, the system is optimized using genetic and ant colony algorithms.

  Results: Their implementation determined that the sum of the potential differences of distribution lines is notably reduced with the genetic algorithm. However, the ant colony optimization code takes less time to run and has a lower number of iterations.

  Conclusions: The most efficient optimization is achieved with the genetic algorithm since the evolution of the population shows better optimization levels in comparison to the ant colony algorithm.

  Financing: Universidad Francisco José de Caldas and Colciencias