VALORACIÓN
DE PROGRAMAS DE IMPLEMENTACIÓN DE GENERACIÓN DISTRIBUIDA EN SISTEMAS DE
POTENCIA CONSIDERANDO PERFIL DE TENSIONES Y SEGURIDAD
Carlos
Andrés Tamayo 1, Martín Miguel Sánchez Mora 2, Jesús
María López Lezama 3
1
Carlos
Andrés Tamayo: Estudiante de Ingeniería Eléctrica, Facultad de Ingeniería,
Universidad de Antioquia, e-mail: carlosa.tamayo@udea.edu.co
2
Martín
Miguel Sánchez Mora: Estudiante de Ingeniería Eléctrica, Facultad de
Ingeniería, Universidad de Antioquia, e-mail: martin.sanchez@udea.edu.co
3
Jesús
María López Lezama: Doctor en Ingeniería Eléctrica, Docente del Departamento de
Ingeniería Eléctrica, Facultad de Ingeniería, Universidad de Antioquia, e-mail:
jmaria.lopez@udea.edu.co
RESUMEN
En
este artículo se presenta una metodología para valorar programas de
implementación de generación distribuida (GD) en sistemas de potencia. La
valoración de los programas se hace a través de diferentes índices que consideran
la cargabilidad y el perfil de tensión de la red ante diferentes escenarios
operativos. Adicionalmente, se considera el efecto de contingencias simples
(criterio N-1). Inicialmente los índices se usan para diagnosticar el sistema e
identificar elementos y escenarios operativos críticos. Posteriormente, se
evalúa el efecto de la implementación de programas de GD en la red cuando esta
se reparte de forma uniforme y cuando se ubica en los nodos críticos
identificados en el caso base. Se realizaron varias pruebas en los sistemas
IEEE de 24 y 57 barras. Los resultados muestran que la GD conduce a una
importante reducción de la criticidad de líneas y escenarios operativos cuando
se ubica en nodos estratégicos.
Palabras
clave:
Sistemas
de potencia, contingencias, generación distribuida.
Recibido:
11 de Octubre de 2018. Aceptado: 18 de Marzo de 2019
ASSESSMENT
OF DISTRIBUTED GENERATION IMPLEMENTATION PROGRAMS IN POWER SYSTEMS
ABSTRACT
This
paper presents a methodology for the assessment of distributed generation (DG)
implementation programs in power systems. The assessment of such programs is performed
through different indexes that consider the chargeability and voltage profile
of the network under different operative scenarios. Additionally, the effect of
simple contingencies (N-1 criterion) was taken into account. Initially, the
indexes are used to diagnose the system and identify critical elements and
scenarios. Subsequently, the effect of the implementation of DG programs in the
network is evaluated when it is distributed uniformly and when it is located in
the critical nodes identified in the base case. Several tests were performed on
the IEEE 24 and 57 bus test systems. Results show that DG leads to an important
reduction of the criticality of both lines and operative scenarios when located
in strategic nodes.
Keywords: Power systems, contingencies,
distributed generation.
Cómo citar este artículo: C. Tamayo, M. Sánchez, J. López,
“Valoración de programas de implementación de generación distribuida en
sistemas de potencia considerando perfil de tensiones y seguridad”, Revista
Politécnica, vol. 15, no.28 pp.63-75, 2019. DOI: https://doi.org/10.33571/rpolitec.v15n28a6
1.
INTRODUCCIÓN
Los
sistemas eléctricos de potencia juegan un papel fundamental en la industria
moderna. Garantizar el suministro de la creciente demanda de energía eléctrica,
cumpliendo con los niveles de calidad y confiabilidad especificados por el ente
regulador, ha sido el principal reto de los planeadores de los sistemas de
potencia
[1]. En la
actualidad, crecientes restricciones económicas y socio-ambientales retrasan y,
en ocasiones, imposibilitan la construcción de nuevas líneas de transmisión y
proyectos de generación; haciendo que los sistemas de potencia operen cada vez
más cerca de sus límites. En este contexto, es conveniente que el planeador
cuente con herramientas que le permitan identificar señales de alerta en su
red, como el caso de demanda no atendida ante la salida de operación de un
circuito o escenarios operativos que comprometan severamente el sistema.
Adicionalmente, los planeadores y operadores de red deben tener en cuenta
situaciones emergentes que impactan el sistema, como es el caso de la
generación distribuida (GD). La GD puede interpretarse como la generación a
pequeña escala, en la red de distribución o cerca a los centros de consumo. Las
tecnologías más comunes de GD incluyen pequeñas centrales hidroeléctricas,
energía solar fotovoltaica, turbinas a gas, turbinas eólicas y microturbinas [2].
Existen
numerosos estudios sobre la implementación de programas de GD en sistemas de
transmisión y distribución. En [3] se presenta una metodología de
ubicación y dimensionamiento óptimo de GD para control de reactivos. En este
caso los autores consideran sistemas fotovoltaicos en una red de distribución
con el objetivo de minimizar las variaciones de tensión en la red. En [4] se
presenta un método analítico para ubicar GD en redes de distribución con el
objetivo de minimizar pérdidas de potencia activa. En [5] y [6] también se
presentan métodos analíticos para la ubicación óptima de GD en redes de
distribución. La ventaja de este tipo de métodos es que son fáciles de
implementar; sin embargo, recurren a simplificaciones de la red que pueden
llevar a resultados poco aplicables para sistemas reales. En [7] se
presenta un estudio para la ubicación óptima de GD en sistemas de distribución
radiales. En este caso los autores consideran incertidumbre en la generación y
la demanda y resuelven el problema de ubicación óptima mediante un algoritmo
genético especializado. En [7] y [8] también
se recurre a este tipo de algoritmos para ubicar y dimensionar GD en sistemas
de distribución. En [9] se propone un algoritmo híbrido para la
ubicación de GD y se presenta una comparación con otras técnicas
metaheurísticas. En [10] se explora una propuesta basada en
programación binivel para determinar la ubicación y el precio de contrato
óptimo de GD en sistemas de distribución. La literatura técnica referente a
estudios de GD es muy extensa. Una revisión bibliográfica sobre los impactos de
la GD y los métodos para su correcta ubicación y dimensionamiento puede ser
consultada en [11] y [12].
A
diferencia de los trabajos mencionados anteriormente, en este artículo no se
exploran metodologías de ubicación o dimensionamiento óptimo de GD. En lugar de
esto, se presenta una metodología para evaluar el impacto de eventuales
programas de masificación de GD en sistemas de potencia. Para ello se parte de
la hipótesis de que la GD puede ser representada como una reducción de la
demanda neta desde el punto de vista de la red de transmisión [13]. El
análisis se realiza desde el punto de vista estacionario y no se considera de
forma explícita la variación horaria de la generación; en lugar de esto, se
definen diferentes escenarios operativos en función de la generación
centralizada disponible en el sistema. Las variaciones en la disponibilidad de
generación centralizada se pueden dar por aspectos del mercado (estrategias de
los competidores en ofertas de cantidad), restricciones operativas el sistema o
limitación de recursos. Adicionalmente, se considera la confiabilidad del
sistema ante contingencias N-1; es decir, se evalúa la capacidad del sistema de
operar, respetando límites operativos, ante la salida de cualquier línea o
transformador. El impacto de los programas de GD es cuantificado mediante la
definición de diferentes índices que consideran la operación del sistema en los
estados de pre y post-contingencia para diferentes escenarios operativos.
Inicialmente, se hace un diagnóstico del sistema en cuanto al impacto de
diferentes contingencias sobre los escenarios operativos definidos.
Posteriormente, se identifican los escenarios y contingencias más críticas y se
definen programas de implementación de GD para evaluar su impacto. Los
resultados en los sistemas IEEE de 24 y 57 barras muestran que el promedio de
líneas sobrecargadas y perfiles de tensión por debajo de los límites de
operación segura del sistema, ante contingencias, se reducen de manera
importante cuando se implementan programas de GD, especialmente si esta es
ubicada en los nodos críticos del sistema previamente identificados.
2. METODOLOGÍA
La
GD puede tener diferentes impactos en los sistemas de potencia que dependen de
su correcta ubicación y dimensionamiento. Estos impactos han sido ampliamente
discutidos en la literatura técnica e incluyen el mejoramiento del perfil de
tensiones, la minimización de pérdidas y el aplazamiento de inversiones [14]. En este
artículo se hace énfasis en dos aspectos primordiales: la confiabilidad y el
perfil de tensiones en operación normal y bajo contingencias simples. Para ello
se definen cuatro índices: 1) violación del límite de cargabilidad por línea,
2) violación del límite de cargabilidad promedio por escenario, 3) violación
del límite de tensión por nodo y 4) violación del límite de tensión promedio
por escenario.
Inicialmente
se utilizan los cuatro índices como diagnóstico del sistema para valorar la
criticidad de líneas y nodos, con respecto a sobrecargas y sub-tensiones
post-contingencia, respectivamente. Posteriormente, se evalúa el impacto de la
implementación de programas de GD en el sistema calculando nuevamente los
índices una vez la GD se haya incorporado en la red. La selección óptima de los
nodos donde ubicar la GD está fuera del alcance de este artículo. Por otro
lado, la ubicación y porcentaje de participación de la GD obedece a diferentes
factores que incluyen criterios técnicos y económicos del planeador, como
también respuesta a incentivos por parte de los entes reguladores. Por
simplicidad, la GD se ha modelado de forma determinista, como una inyección de
potencia negativa en los nodos de carga. Las especificidades de las diferentes
tecnologías de DG, así como la capacidad de inyectar o no reactivos a la red no
se han tenido en cuenta en el modelo.
2.1. Escenarios
operativos
La
operación de los sistemas de potencia depende de diferentes factores que
incluyen restricciones técnicas y económicas. En particular, la criticidad de
un escenario operativo se puede dar en función de la capacidad de generación
disponible o la topología de la red. En los mercados eléctricos los escenarios
operativos dependen del despacho que haga el operador del sistema en función de
las diferentes ofertas y disponibilidad de los agentes generadores [13]. De esta
forma, un sistema de potencia debe estar en capacidad de operar, con criterios
de seguridad, bajo diferentes despachos de generación.
Para
modelar la variabilidad de los recursos de generación disponibles los
escenarios se han definido eliminando un generador centralizado a la vez y
distribuyendo su despacho inicial en partes iguales entre los generadores
restantes. Posteriormente, para cada escenario operativo se evalúan las
contingencias N-1. Por lo tanto, para un sistema con Ng generadores y NL
líneas se evalúan Ng*NL condiciones operativas correspondientes a cada
uno de los escenarios de generación bajo cada una de las contingencias simples.
2.2. Violación
del límite de cargabilidad por línea
El
índice de violación del límite de cargabilidad por línea 
está definido en la
ecuación (1). En este caso NL, NK y NC indican el número
de líneas, número de escenarios operativos y contingencias, respectivamente; 
indica el flujo de
potencia aparente en la línea l, en el escenario k, bajo la
contingencia c; 
es el límite máximo de
potencia aparente en la línea l. En este caso, se consideran solamente
elementos que han sobrepasado el 90% de su cargabilidad máxima. El índice 
consiste en la suma de
sobrecargas por línea para todas las contingencias y todos los escenarios
operativos; es un vector cuya longitud equivale al número de líneas e indica
cuáles de éstas presentan mayores sobrecargas, en promedio, para todos los
escenarios operativos y contingencias. Con este índice se pueden identificar
las líneas críticas del sistema en función de su cargabilidad
post-contingencia, para todos los escenarios operativos.
|
|
(1)
|
2.3. Violación
del límite de cargabilidad promedio por escenario
El
índice de violación del límite de cargabilidad promedio por escenario (
) está dado por la
ecuación (2). El índice 
permite identificar
los escenarios en que en promedio se presentan más sobrecargas. Note que este
índice es análogo al pero en lugar de
líneas, clasifica la criticidad de los escenarios.
|
|
(2)
|
2.4. Violación
del límite de tensión por nodo
El
índice de violación del límite de tensión por nodo (
) está dado por la
ecuación (3). Este índice permite identificar los nodos con subtensiones
post-continencia más severas. En este caso 
indica la tensión en
el nodo n, tras la contingencia c en el escenario k y 
indica el límite
mínimo de tensión en el nodo n.
|
|
(3)
|
2.5. Violación
del límite de tensión promedio por escenario
El
índice de violación del límite de tensión promedio por escenario 
está dado por la
ecuación (4). Este índice permite identificar los escenarios críticos con respecto
a todas las contingencias.
|
|
(4)
|
3. RESULTADOS
Para
validar la metodología propuesta se utilizaron los sistemas de prueba IEEE de
24 y 57 barras. Inicialmente se calculan los índices para ambos sistemas a modo
de diagnóstico. Posteriormente, se evalúan dos casos de implementación de
programas de GD para ambos sistemas. El primer caso consiste en suponer que la
GD se ubica en todos los nodos de carga de forma uniforme. El segundo caso
consiste en ubicar la GD en nodos estratégicos, usando los índices inicialmente
calculados para el diagnóstico del sistema. En ambos sistemas se compara el
impacto de los programas de GD.
3.1. Resultados
con el sistema IEEE de 24 barras
El
sistema IEEE de 24 barras, ilustrado en la Fig. 1, cuenta con 11 barras de
generación y una demanda máxima de 2850MW. Los índices para este sistema se
calcularon usando las ecuaciones (1)-(4) y se ilustran en la Fig. 2. Se puede
observar que las líneas con mayor violación de límite de cargabilidad
post-contingencia (índice ) son la 5, 10 y 11.
Los nodos 2 y 6 están asociados a la línea 5, los nodos 6 y 10 están asociados
a la línea 10 y los nodos 7 y 8 están asociados a la línea 11.
Por
otro lado, los nodos con mayor violación del límite de tensión
post-contingencia (índice ) son el 3, 7 y 24.
Esto indica que las barras 2, 3, 6, 7, 8, 10 y 24 son problemáticas con
respecto a sobrecargas y subtensiones post-contingencia. Se observa también que
los escenarios problemáticos con respecto a cargabilidad (índice ) son el 3 y el 11;
además, el escenario más crítico en cuanto a subtensiones (índice 
) es el 3.
Fig. 1. Sistema
IEEE 24 barras.
Fig. 2. Índice
para el sistema IEEE de 24 barras: Caso base.
3.1.1. Sistema IEEE
de 24 barras Caso 1:
Inicialmente
se considera una participación de GD del 2% de la demanda máxima (57MW). Este
valor se distribuye uniformemente en los nodos de carga (a cada nodo se asignan
3.56MW). En la Fig. 3 se ilustran los resultados de los índices para este caso.
Se puede observar que al repartir de forma igual la GD en la red no hay cambios
significativos en los índices (ver Fig. 2 y 3). Con respecto a la violación de
límites de cargabilidad post-contingencia (índice ), el mayor cambio se
presenta en la línea 10 que pasa de 0.15 a 0.121 (reducción de aproximadamente
el 20% con respecto al caso base). Con respecto a la violación del límite de
tensiones por nodo (índice ) se puede observar que
el mayor cambio se presenta en el nodo 3. Este pasa de 0.022 a 0.018 (mejora
aproximada del 18%). Por otro lado, la criticidad de los nodos 6 y 24 no mejora
apreciablemente. Con respecto a la violación del límite de cargabilidad
promedio por escenario () se puede apreciar que
los escenarios 8 y 11 empeoran su criticidad, mientras el escenario 3 la
mejora. Esto indica que la introducción de GD de forma uniforme en la red no
garantiza que haya reducción en las sobrecargas post-contingencia para todos
los escenarios bajo estudio. Finalmente, en cuanto a la violación del límite
de tensión promedio por escenario () se presenta una
mejora del 15% en el escenario 3, mientras en el resto de los escenarios las
mejoras no son significativas.
Fig. 3. Índices para el sistema IEEE de 24
barras: Caso 1.
3.1.2. Sistema
IEEE de 24 barras Caso 2:
En
este caso, el mismo porcentaje de GD se ubica en 5 de los nodos problemáticos
previamente identificados en el caso base. En este caso, se seleccionan los
nodos 3, 6, 8, 10 y 24. A cada nodo se asignan 11.4 MW para un total de 57MW
(2% de la demanda total). En la Fig. 4 se ilustran los nuevos resultados de los
índices.
Con
respecto a la violación de límites de cargabilidad post-contingencia (índice ), el mayor cambio en
magnitud se presenta en la línea 11 que pasa de 0.242 a 0.202 (reducción de
aproximadamente el 16.5% con respecto al caso base). Por otro lado, para la
línea 10 hay una reducción de 39% con respecto al caso base (mejor que en caso
1). Con respecto a la violación del límite de tensiones (índice ) el nodo 3 sigue
siendo el que presenta mayor cambio (mejora del 36%). Por otro lado, la
criticidad de los nodos 6 y 24 no mejora apreciablemente; sin embargo, es mayor
que la obtenida en el caso 1.
Con
respecto a la violación del límite de cargabilidad promedio por escenario () se puede observar que
el caso 11 empeora su criticidad (pero en menor magnitud que para el caso 1).
Por otro lado, se presentan mejoras en el caso 3 pero en menor magnitud que
para el caso 1. Finalmente, en cuanto a la violación del límite de tensión
promedio por escenario () se presenta una
mejora del 22% en el escenario 3. El en resto de los escenarios las mejoras no
son significativas, pero son mayores que para el caso 1.
Fig. 4. Índices para el sistema IEEE de 24
barras: Caso 2.
En
las Fig. 5 y 6 se presenta una comparación de los resultados de los índices y en las líneas y nodos
donde mayor cambio se registró. En la Fig. 5 se evidencia que, si bien se
presentan mejoras en las sobrecargas post-contingencia en la mayoría de las
líneas, para algunas, específicamente la 24, 28 y 29, la ubicación de GD, en
ambos casos no alivia las sobrecargas post-contingencia.
En
la Fig. 6 se ilustran los nodos que presentan mayores cambios en el índice 
se puede observar que
la introducción de GD siempre tiene un efecto positivo en el perfil de tensión.
Para ambos casos se registraron reducciones en las violaciones de tensión, en todos
los escenarios.
Fig.
5. Índices 
para diferentes casos:
Sistema IEEE de 24 barras.
Fig.
6. Índices 
para diferentes casos:
Sistema IEEE de 24 barras.
3.2. Resultados
con el sistema IEEE de 57 barras
El
sistema IEEE de 57 barras, ilustrado en la Fig. 7, cuenta con 7 barras de
generación y una demanda
máxima
de 1250.8 MW. Los índices para este sistema se calculan usando las expresiones
(1)-(4) y se ilustran en la Fig. 8. Con respecto al índice , se puede observar que
hay pocas líneas críticas, siendo las más problemáticas las líneas 8, 15, 45 y
47. Los nodos 8 y 9 están asociados a la línea 8, los nodos 1 y 15 están
asociados a la línea 15, los nodos 32 y 33 están asociados a la línea 45 y los
nodos 34 y 35 están asociados a la línea 47.
Con
respecto al índice se encuentra que los
nodos 30 a 35 son los que presentan mayor criticidad. Al combinar la
información de los índices de subtensiones y sobrecargas se puede identificar
el conjunto de nodos [1 8 9 15 30 31 32 33 34 35] como aquellos de mayor
interés para ubicar GD.
Para
el índice se observa que los
escenarios críticos en cuanto a sobrecargas post-contingencias son el 7, 5 y 1.
En el resto de los escenarios prácticamente no hay problemas de sobrecargas.
Finalmente, con respecto al índice se encuentra que el
escenario 3 es aquel de mayor criticidad.
Fig.
7. Sistema IEEE de 57 barras.
Fig. 8. Índices del sistema IEEE de 57 barras:
Caso base.
3.2.1 Sistema IEEE
de 57 barras caso 1:
En
este caso se considera una participación de GD del 4% de la demanda máxima
(equivalente a aproximadamente a 50MW). Inicialmente se considera participación
uniforme de GD en cada una de las barras de carga. Los índices se calculan
nuevamente y se ilustran en la Fig. 9. Con respecto al índice se puede observar que
el número de líneas críticas se mantiene bajo, como en el caso base. Sin
embargo, la criticidad de varias líneas aumenta, especialmente la 47 que pasa
de 0.0164 a 0.836. Esto también se ve reflejado en el índice en el que la
criticidad del escenario 3 también aumenta de forma considerable (de 6x10-6
a 0.018). Se puede concluir que desde el punto de vista de cargabilidad la
distribución uniforme de GD en este sistema produce mayores sobrecargas
post-contingencia, en mayor número de escenarios que el caso base sin GD. En
cuanto al desempeño de las tensiones, se puede observar que el índice se reduce de manera
importante, especialmente en los nodos 30 a 35. Finalmente, en cuanto al índice
se aprecia una reducción
para todos los escenarios. En particular, hay una reducción del 74% en el
escenario 3. En general, se pudo observar que en este caso la GD tiene un
impacto positivo en las tensiones, pero negativo en las sobrecargas.
Fig. 9. Índices para el sistema IEEE de 57
barras: Caso 1.
3.2.2 Sistema IEEE
de 24 barras caso 2:
En
este caso la misma cantidad de GD (50MW) es repartida en partes iguales en los
nodos 15, 30, 31, 33 y 35 que hacen parte del conjunto de mayor criticidad
identificados en el caso base. Los nuevos índices se ilustran en la Fig. 10. Se
puede observar que asignando GD a estos nodos se obtienen mejores valores para
todos los índices. En cuanto a cargabilidad (índices y ), para este caso solo
aparece una línea y un escenario crítico. En cuanto a la magnitud de las
tensiones post-contingencia se puede observar que el índice se reduce de forma
importante para todos los nodos al igual que la criticidad de todos los
escenarios. De forma general se observó que esta asignación de GD trae mayores
ventajas que la descrita en el caso 1.
Fig. 10. Índices para el sistema IEEE de 57
barras: Caso 2.
En
las Fig. 11 y 12 se presenta una comparación de los resultados de los índices
y en las líneas y nodos
donde mayor cambio se registró para este sistema. En la Fig. 11 se puede
observar que para el Caso 2, solo la línea 8 presenta problemas de cargabilidad.
Por otro lado, varias líneas que no presentaban problemas de cargabilidad en el
caso base, sí lo presentan en el caso 1, especialmente la línea 47.
En
la Fig. 12 se evidencia que en ambos casos la participación de GD disminuye de
forma considerable los problemas de tensión. A pesar de que en ambos casos el
porcentaje de GD instalado en el sistema es el mismo, se puede apreciar un
mayor impacto en el Caso 2. Esto indica que la propuesta de ubicación de GD
para el Caso 2 aumenta los impactos positivos de la misma con respecto a los
perfiles de tensión.
Fig.
11. Índices para diferentes casos:
Sistema IEEE de 57 barras.
Fig.
12. Índices para diferentes casos:
Sistema IEEE de 57 barras.
4. CONCLUSIONES
En
este artículo se presentó una metodología para la evaluación de programas de GD
en sistemas de potencia. Se definieron cuatro índices para medir el impacto de
la GD en la seguridad, considerando contingencias simples y diferentes
escenarios operativos en función de la generación centralizada disponible. Se
realizaron varias pruebas en los sistemas IEEE de 24 y 57 barras. En ambos
sistemas se consideraron dos casos: uno en el que la GD es repartida de forma
uniforme en los nodos de carga y otro en que la GD es ubicada en nodos
críticos, previamente identificados en el caso base. Se pudo observar que la
ubicación de GD en nodos críticos tiene un efecto significativamente mayor en
el mejoramiento de la seguridad del sistema que la ubicación de GD de manera
uniforme en los nodos de carga. En particular, se pudo observar que esta última
estrategia puede reducir violaciones en los límites de tensión, pero aumentar
violaciones en los límites de sobrecargas en algunas líneas. Lo anterior indica
la importancia de contar con estrategias de búsqueda apropiadas para
identificar las barras en las que la GD trae mayores beneficios. En un trabajo
futuro se considerarán otros aspectos de la GD como su variabilidad, al igual
que estrategias de búsqueda sofisticadas para su ubicación y dimensionamiento
en sistemas de potencia.
5. AGRADECIMIENTOS
Los autores agradecen a la Universidad de Antioquia
y al Proyecto Colciencias 2016-10306 por el apoyo para el desarrollo de este
proyecto.
6. Referencias Bibliográficas
[1] Dehghan, S.N., Amjady, N y Conejo, A.J. Adaptive
Robust Transmission Expansion Planning Using Linear Decision Rules, IEEE Trans.
Power Syst., 32, 5, 4024–4034, 2017.
[2] El-Khattam W y Salama, M.A. Distributed generation
technologies, definitions and benefits, Electr. Power Syst. Res., 71, 2,
119–128, 2004.
[3] Kim I. Optimal distributed generation allocation for reactive
power control, Transm. Distrib. IET Gener., 11, 6, 1549–1556, 2017.
[4] Mahmoud, K.N., Yorino, N y Ahmed, A. Optimal
Distributed Generation Allocation in Distribution Systems for Loss
Minimization, IEEE Trans. Power Syst., 31, 2, 960–969, 2016.
[5] Kumawat, P. Sarfaraz y Tandon, A. An analytical
approach for optimal allocation of DG unit in distribution system, in 2016 IEEE
7th Power India International Conference (PIICON), 1–6, 2016.
[6] Hosseini R.K. y Kazemzadeh, R. Optimal DG allocation
by extending an analytical method to minimize losses in radial distribution
systems, in 2011 19th Iranian Conference on Electrical Engineering, pp. 1–6,
2011.
[7] Ganguly, S. y Samajpati, D. Distributed Generation Allocation
on Radial Distribution Networks Under Uncertainties of Load and Generation
Using Genetic Algorithm, IEEE Trans. Sustain. Energy, 6, 3, 688–697, 2015.
[8] Talaat, H.E.A y Al-Ammar, E. Optimal allocation and
sizing of Distributed Generation in distribution networks using Genetic
Algorithms, in 11th International Conference on Electrical Power Quality and
Utilisation, 1–6, 2011.
[9] Candelo, J.E., Hernandez, H.E y Santander, A.R. A
hybrid bat-inspired algorithm with harmony search to locate distributed
generation, Rev. Espac, 38. 57, 2017.
[10] Rider, M.J., Lopez-Lezama, J.M., Contreras, J y Padilha-Feltrin,
A. Bilevel approach for optimal location and contract pricing of distributed
generation in radial distribution systems using mixed-integer linear
programming, Transm. Distrib. IET Gener, 7, 7, 724–734, 2013.
[11] Kareem, Z.A. Ahmad, W.F.W., Jasni, J y Wahab, N.I.A. A
review on optimal location of distributed generation techniques in electrical
network, in 2016 IEEE International Conference on Power and Energy (PECon),
632–636, 2016.
[12] Sharma, P y Tandon, A. Techniques for optimal
placement of DG in radial distribution system: A review, in 2015 Communication,
Control and Intelligent Systems (CCIS), 453–458, 2015.
[13] Casadiegos, A., Muñoz-Quintana, J.A., Moreno,
D., Paniagua-Osorio, J.F., Tamayo-Cortes, Marín-Cano, C.C., Jaramillo-Duque, A
y López-Lezama, J.M. C.A. Impact assessment of demand response and distributed
generation in the colombian power system chargeability, in 2017 IEEE PES
Innovative Smart Grid Technologies Conference - Latin America (ISGT Latin
America), 1–6, 2017.
[14] Lepadat, I., Helerea, E., Abagiu, S y Mihai, C. Impact
of Distributed Generation on voltage profile and power losses in a test power
grid, in 2017 International Conference on Optimization of Electrical and
Electronic Equipment (OPTIM) 2017 Intl Aegean Conference on Electrical Machines
and Power Electronics (ACEMP), pp. 128–133, 2017.