Resumen

Este trabajo presenta un novedoso algoritmo de evolucin diferencial (ED), con su versin mejorada (IDE) para las funciones de referencia y el problema de despacho ptimo de potencia reactiva (ORPD). La minimizacin de la prdida total de potencia activa se considera normalmente como la funcin objetivo del problema ORPD. Las restricciones implicadas son los generadores, las derivaciones de los transformadores, las reactancias en derivacin y otras fuentes de potencia reactiva. El objetivo de este estudio es descubrir el mejor vector de variables de control para minimizar la prdida de potencia, bajo la premisa de considerar el sistema de restricciones. En el IDE propuesto, se desarrolla una nueva estrategia de inicializacin para construir la poblacin inicial para garantizar su calidad y simultneamente mantener su diversidad. Adems, para mejorar la caracterstica de convergencia de la ED original, se emplean dos tipos de estrategias de ajuste autoadaptativas para actualizar el factor de escalado y el factor de cruce, respectivamente, en las que la informacin detallada sobre los dos factores puede intercambiarse para cada generacin de forma dinmica. Se llevan a cabo aplicaciones numricas de diferentes casos en varias funciones de referencia y dos sistemas IEEE estndar, es decir, sistemas de prueba de 14 y 30 buses. Se discuten y analizan en detalle los resultados obtenidos utilizando la IDE propuesta, en comparacin con otros algoritmos de optimizacin. Los resultados obtenidos demuestran que la IDE propuesta puede utilizarse con xito para tratar el problema ORPD.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Evolución diferencial; Algoritmo; Despacho óptimo de potencia reactiva; Restricciones; Variables de control; Pérdida de potencia
• Keywords:Differential evolution; Algorithm; Optimal reactive power dispatch; Constraints; Control variables; Power loss