Resumen

El creciente interés por la red inteligente, el uso cada vez mayor de la generación distribuida y los problemas clásicos de reconfiguración y restauración del sistema de distribución (DSR) han llevado a la búsqueda de herramientas eficientes de automatización de la distribución. Una de estas herramientas, el algoritmo genético mejorado de ordenación rápida no dominante (FNSGA), no sólo es eficaz para encontrar configuraciones del sistema que sean óptimas con respecto a tensiones, corrientes y pérdidas, sino que también consideró el estudio paramétrico para determinar los valores mínimos de N y Gen. En este trabajo, se amplía el concepto de árbol de spanning esencial para mejorar la eficiencia computacional del algoritmo. Los resultados del estudio muestran que, para sistemas de prueba relativamente pequeños, las configuraciones óptimas del sistema se obtienen utilizando valores de N y Gen que requieren tiempos de CPU muy reducidos. En sistemas más grandes, también se pueden encontrar valores óptimos de N y Gen que requieren tiempos de CPU razonables, siempre que se eliminen ciertas ramas cuidadosamente elegidas del conjunto de posibilidades al producir la población inicial en el algoritmo. El uso de árboles esenciales mejora la eficiencia del cálculo.

• Materias:Geomecánica Modelado de simulación Microrredes comunitarias
• Subjects:Geomechanics Simulation modeling Community microgrids
• Palabras claves:N, Algoritmo genético de ordenación rápida no dominante, reconfiguración clásica de sistemas de distribución, herramientas eficaces de automatización de la distribución, configuraciones óptimas de sistemas, tiempos de CPU razonables, tiempos de CPU reducidos, sistemas de prueba pequeños, Gen, algoritmo
• Keywords:N, Fast Nondominated Sorting Genetic Algorithm, classical distribution system reconfiguration, efficient distribution automation tools, optimum system configurations, reasonable CPU times, small CPU times, small test systems, Gen, algorithm