Implementación del algoritmo VNS-DEEPSO para el despacho de energía en redes distribuidas inteligentes

Abstract

Introducción− Las redes eléctricas tradicionales están migrando a nuevas configuraciones de redes inteligentes, que traen retos operacionales y de planeación. Con miras a avanzar en estos retos se propone resolver un problema de optimización usando programación en elementos de redes distribuidas inteligentes. Objetivo− El problema de optimización consiste en adminis-trar el despacho energético de una red inteligente para opti-mizar los recursos disponibles, considerando la incertidum-bre de energías renovables, viajes planeados de vehículos eléctricos, el pronóstico de carga y los precios del mercado. Metodología− Se propuso utilizar un ensamble entre dos métodos heurísticos. El algoritmo VNS (Variable Neigh-borhood Search) y el DEEPSO (Differential Evolutionary Particle Swarm).Resultados− El algoritmo VNS-DEEPSO fue evaluado en una competencia de “Smart Grids” con otros algoritmos con un valor de 18.21, siendo 7 % mejor que el segundo algoritmo clasificado en la competencia.Conclusiones− El algoritmo VNS-DEEPSO fue ganador entre 9 algoritmos metaheurísticos que solucionaron el prob-lema, este problema tenía un mayor incremento de dificultad debida a la incertidumbre generada por factores ambien-tales, pronóstico de carga, viajes en vehículos eléctricos y el mercado de precios. Acorde a los resultados, el algoritmo VNS-DEEPSO demostró ser el más eficiente en minimizar los costos operacionales y maximizar los ingresos de la red inteligente.

Introduction− Traditional electric networks are mi-grating to new configurations of intelligent networks, which bring operational and planning challenges. In order to advance in these challenges, an optimization problem is proposed to solve in the programming of intelligent network elements.Objective− The optimization problem consists of man-aging the energy dispatch of an intelligent network to optimize the available resources, considering the uncer-tainty of renewable energies, planned trips of electric vehicles, cargo forecast and market prices.Methodology− It was proposed to use an assembly between two heuristic methods. The VNS algorithm (Variable Neighborhood Search) and the DEEPSO (Dif-ferential Evolutionary Particle Swarm).Results− The value obtained by the VNS-DEEPSO algorithm was 18.21, being 7 % better than the second algorithm classified in the competition. Conclusions− The VNS-DEEPSO algorithm was the winner among 9 metaheuristic algorithms that solved the problem. This problem has a greater increase in difficulty due to the uncertainty generated by weather conditions, load forecast, planned EV ́s trips, and mar-ket prices. According to the results, the VNS-DEEPSO algorithm proved to be the most efficient in minimizing operational costs and maximizing the revenues of the intelligent network.