Artículo Académico / Academic Paper.
Recibido: 28-04-2024, Aprobado tras revisión: 11-06-2024
Forma sugerida de citación: Pereira, L.; Saraguro, R.; Quinatoa, C. (2024). “Evaluación de pérdidas de potencia activa en el sistema
eléctrico de la Empresa eléctrica Quito (EEQ) aplicando un Algoritmo de optimización” Revista Técnica “energía”. No. 21, Issue
I, Pp. 44-54
ISSN On-line: 2602-8492 - ISSN Impreso: 1390-5074
Doi: https://doi.org/10.37116/revistaenergia.v21.n1.2024.642
© 2024 Operador Nacional de Electricidad, CENACE
Esta publicación está bajo una licencia internacional Creative Commons Reconocimiento –
No Comercial 4.0
Evaluation of Active Power Losses in the Electrical System of the Empresa
Eléctrica Quito (EEQ) Applying an Optimization Algorithm
Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la
Empresa eléctrica Quito (EEQ) Aplicando un Algoritmo de Optimización
L.A. Pereira1
0000-0001-6959-5231
R.A. Saraguro2
0009-0006-7929-4866
C.I. Quinatoa1 0000-0001-6369-7480
1Universidad Técnica de Cotopaxi, Latacunga, Ecuador
E-mail: luis.pereira1659@utc.edu.ec; carlos.quinatoa7864@utc.edu.ec
2Departamento de Análisis Post-Falla, Empresa Eléctrica Quito, Quito, Ecuador
E-mail: rsaraguro@eeq.com.ec
Abstract
This investigation proposes to develop a
methodology based on the mean-variance mapping
optimization (MVMO) algorithm to reduce the active
power losses of the subtransmission system of the
Electric Company Quito (EEQ), determining the best
operating point of the system, considering the state of
taps of the transformers, the capacitor banks and the
contribution of reagents from the generation plants that
the company currently has. EEQ. The same ones that,
when operating in an adequate manner, lead to reducing
the value of active power losses in the network, thus
improving the operating conditions of the EEQ
Electrical Power System.
Resumen
Esta investigación propone desarrollar una
metodología basada en el algoritmo de optimización de
mapeo media varianza (MVMO) para reducir las
pérdidas de potencia activa del sistema de
subtransmisión de la Empresa Eléctrica Quito (EEQ),
determinando el mejor punto de operación del sistema,
considerando el estado de tap’s de los transformadores,
los bancos de capacitores y del aporte de reactivos de
las centrales de generación con las que cuenta
actualmente la EEQ. Los mismos que al operar de una
manera adecuada llevan a reducir el valor de las
pérdidas de potencia activa en la red, mejorando así las
condiciones operativas del Sistema Eléctrico de
Potencia de la EEQ.
Index terms— Power Flows, Active Power Losses,
Subtransmission, Optimization Algorithm, Mean
Variance Mapping.
Palabras clave— Flujos de potencia, Pérdidas de
Potencia Activa, Subtransmisión, Algoritmo de
Optimización, Mapeo Media Varianza.
44
Edición No. 21, Issue I, Julio 2024
1. INTRODUCCIÓN
El Sistema Eléctrico de Potencia (SEP), tiene como
objetivo principal transportar la energía eléctrica desde
las centrales de generación hacia los centros de consumo,
de forma segura, confiable y continua. Para esto, es
necesario garantizar la correcta operación y
funcionamiento de cada elemento que conforma el SEP.
La Empresa Eléctrica Quito (EEQ) dese 1894 está
encargada de suministrar el servicio de energía eléctrica
a todos los usuarios dentro de la provincia de Pichincha,
parte de las provincias de Imbabura, Napo, Santo
Domingo de los Tsáchilas y Cotopaxi, tiene un área de
concesión de 15,155 km2, cuenta con equipos y líneas
conectados a diferentes niveles de voltaje
(subtransmisión, distribución) 138 kV, 46 kV, 23 kV,
13,8 kV y 6,3 kV, los cuales son de gran importancia
dentro de la distribución de energía eléctrica [1].
Las líneas de subtransmisión, transformadores,
bancos de capacitores y centrales de generación, y demás
equipos con que cuenta la EEQ, son capaces de abastecer
la demanda para garantizar la continuidad del servicio de
electricidad, la mayor parte de subestaciones están
conectas en una configuración denominada en anillo, la
cual proporciona un alto nivel de confiabilidad y
garantiza la continuidad del servicio [2]. Aun así, se debe
tomar en cuenta que las condiciones de operación del
sistema cambian según la demanda (mínima, media,
máxima), sean estas por aumento o disminución de la
carga conectada, o por algún tipo de contingencia
(eventos externos o internos) que pueda suscitarse en el
SEP.
Tomando en cuenta que, con el paso del tiempo y
desarrollo de la tecnología se han implementado equipos
que regulan automáticamente el nivel de voltaje en los
transformadores, uno de los problemas de operación ha
sido la reconfiguración del resto de equipos que
conforman el SEP para que trabaje en las mejores
condiciones operativas, es decir, con la menor cantidad
de pérdidas de potencia durante su operación,
considerando un estado de flujo de potencia óptimo.[3]
El aporte de potencia reactiva por parte de los
generadores, así como la conexión o desconexión de los
bancos de capacitores y la posición de tap’s en los
transformadores de potencia, influyen de gran manera en
las pérdidas de potencia activa en las líneas de
subtransmisión puesto que, aunque el nivel de voltaje
este dentro de los rangos establecidos en los nodos de la
red, no está garantizado que el sistema se mantenga
trabajando de manera eficiente [4][5][6].
Considerando que, en el sistema de subtransmisión
las condiciones operativas cambian, esta investigación se
realiza con el propósito de evaluar una técnica de
optimización que ayude con la disminución de pérdidas
de potencia, reduciendo las sobrecargas en la red y el
estrés al que son sometidos los equipos, debido a que el
mejorar los niveles de voltaje se garantiza una excelente
calidad de servicio técnico, con el fin de reducir las
pérdidas de potencia activa en el SEP.
Los problemas de optimización han sido resueltos en
el transcurso del tiempo mediante métodos alternativos,
los cuales han dado como resultado aproximaciones, pero
no han sido capaces de determinar soluciones exactas.
Los métodos heurísticos, están fundamentados en “el
conocimiento y la experiencia, dirigidos para explorar el
espacio de búsqueda en un camino particularmente
conveniente” [7].
Existen varios algoritmos de optimización, que
permiten encontrar soluciones óptimas válidas para el
funcionamiento de un sistema eléctrico, realizando
ciertas configuraciones a las redes eléctricas y a los
elementos que la conforman, con el objetivo de
determinar una solución óptima al problema por la
complejidad de las ecuaciones (no lineales) del flujo de
carga y por las restricciones operativas, considerando un
espacio no lineal, no convexo, con varios nodos, que bajo
ciertas restricciones establecidas en el sistema de
potencia se puedan minimizar sus pérdidas, mejorar la
eficiencia de operación y la calidad del servicio [8][9].
En base a lo descrito anteriormente y en cuanto a
referencias bibliográficas revisadas durante esta
investigación, se plantea implementar el algoritmo de
optimización de Mapeo Media - Varianza (MVMO), el
cual, en el estudio [8] fue puesto a prueba con una sola
partícula, la cual, alcanzaba valores de pérdidas iguales a
un algoritmo basado en una extensión del MVMO,
considerando preceptos de inteligencia de enjambre
denominado MVMOS (MVMO mejorado), el cual simula
el comportamiento del algoritmo usando varias
partículas, lo que se ve reflejado en el tiempo de
procesamiento mucho mayor al MVMO (normal), por la
cantidad de cálculos adicionales que debe realizar el
algoritmo modificado para determinar bajo qué
condiciones el SEP puede trabajar con un mínimo valor
de pérdidas de potencia activa, mejorando el nivel de
voltaje y el control de reactivos [8].
En [8], se encuentra un resumen completo de los
métodos heurísticos de optimización, los cuales
inicialmente están fundamentados en “el conocimiento y
la experiencia, y dirigidos para explorar el espacio de
búsqueda en un camino particularmente conveniente”
[7]. Mientras que el término metaheurístico fue propuesto
por F. Glover (1986) en su investigación “Caminos
futuros para programación entera y vínculos a la
inteligencia artificial”. Métodos que se caracterizan por
explorar el espacio de búsqueda y encontrar soluciones
óptimas, son algoritmos aproximados y no
determinísticos. En estos métodos se encuentran los
algoritmos genéticos, algoritmo de recocido simulado
(SA), algoritmo de colonia de hormigas (ACO) [10].
También se mencionan otros algoritmos como: búsqueda
tabú (TS), procedimiento de búsqueda adaptado
aleatoriamente (GRASP), enjambre de partículas (PSO),
búsqueda de armonía (HSA) [11], y los Algoritmos
45
Pereira et al. / Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la Empresa eléctrica Quito (EEQ)
Evolutivos (EA), los cuales explotan ideas de evolución
biológica, como la reproducción, mutación y
recombinación para obtener una solución óptima [12].
Considerando que, con el pasar de los años la
demanda de energía será abastecida de todos los recursos
renovables posibles y que el crecimiento de la demanda
de energía en relación a la sobrepoblación mundial
también va en aumento, las redes eléctricas serán más
extensas, por lo que, se debe garantizar que todos los
usuarios tengan acceso al suministro de energía con
niveles aceptables de calidad y eficiencia. Esto hace
necesario desarrollar métodos inteligentes para la
optimización de flujos de potencia y la reducción de
pérdidas durante la operación del SEP [13].
Este tipo de estudios donde se analiza la reducción de
pérdidas de potencia en sistemas eléctricos ha aumentado
en los últimos años, los cuales han sido realizados en
sistemas de distribución y subtransmisión con diferentes
métodos heurísticos de optimización, llegando a tener
excelentes resultados debido al alto costo de la energía
eléctrica y por el desarrollo e implementación de sistemas
de automatización en los sistemas eléctricos de potencia.
Varias publicaciones, hoy en día, analizan algoritmos
meta-heurísticos, heurísticos y distintos métodos de
inteligencia artificial para la resolución de problemas;
cada vez, con resultados más eficientes [8].
El método MVMO se ha utilizado en estudios como
la reconfiguración de redes de distribución
“Reconfiguración de redes de Distribución de Energía
Eléctrica basada en Optimización de Mapeo Media-
Varianza” para determinar la combinación óptima de
apertura y cierre de los seccionadores en las diferentes
derivaciones de la red para reducir las pérdidas de
potencia activa, manteniendo un adecuado perfil de
voltaje [8], también en el “Desarrollo de una
Metodología Multimáquina para la Ubicación y
Sintonización de Estabilizadores de Sistemas de Potencia
de forma Automática” la cual permita ubicar y sintonizar
Estabilizadores de Sistemas de Potencia (PSS´s) con un
modelo matemático de optimización MVMO con el
objetivo de solucionar los problemas de estabilidad
oscilatoria para ser aplicado en cualquier sistema
eléctrico [13], y en “El Control Óptimo de Potencia
Reactiva en un parque Eólico Mar adentro con Enlace
HVDC” con la implementación de una técnica de
optimización de potencia reactiva con el objetivo de
reducir las pérdidas de potencia activa [14].
2. JUSTIFICACIÓN
La potencia reactiva es considerada como un
fenómeno específico que ocurre en sistemas eléctricos de
corriente alterna, la cual no realiza ninguna función
específica para los consumidores, pero juega un rol
importante dentro del operación del SEP. En líneas de
subtransmisión, dependiendo de la corriente de carga,
éstas pueden entregar o recibir potencia reactiva. Para
valores de potencia transmitida por debajo de su carga
natural (impedancia característica), la línea entrega
potencia reactiva, mientras que, sobre su carga natural la
línea recibe potencia reactiva. Independientemente de la
carga natural de los equipos, los transformadores siempre
absorben potencia reactiva y los elementos de
compensación, que son elementos activos, se añaden a la
red para entregar o recibir potencia reactiva, los cuales, a
su vez, permiten controlar el nivel de voltaje [14].
Los problemas de optimización en un SEP varían
dependiendo la operación y de las condiciones bajo las
que esté trabajando, considerando la modelación
matemática y su no linealidad, varios autores han
considerado aplicar algoritmos evolutivos, los cuales
realizan una búsqueda global estocástica que permiten
llegar a una solución más cercana al problema planteado.
Como caso práctico para la red de la Empresa
Eléctrica Quito (EEQ) a nivel de subtransmisión no se ha
realizado una evaluación de pérdidas de potencia.
Considerando que la EEQ tiene integrado en su sistema
de supervisión, control y adquisición de datos (SCADA)
dispositivos electrónicos inteligentes (IED’s), es posible
obtener información que puede ser utilizada para mejorar
las condiciones operativas del sistema y reducir las
pérdidas de potencia.
Actualmente no se aprovechan todos los datos
obtenidos por los IED’s como información relevante en
el control y operación del sistema de la EEQ. Dichos
equipos, pueden mejorar las condiciones operativas del
sistema, tomando en cuenta que las condiciones de un
SEP, varían dependiendo de los eventos que se susciten
en el transcurso del tiempo, por cambios de demanda, por
la estación del año, por eventos transitorios o
permanentes dentro o fuera de un Sistema Eléctrico de
Potencia (SEP), entre otros. En el presente trabajo, se
propone desarrollar un algoritmo de optimización, que se
asemeje más a un sistema ideal (sin pérdidas), y que,
mediante la información disponible de los equipos en
tiempo real, cítense bancos de capacitores, posición de
tap’s en los transformadores de la red eléctrica (LTC’s) y
la generación con la que cuenta el sistema eléctrico,
permita minimizar las pérdidas de potencia activa en la
red eléctrica.
Además, se debe cumplir con la regulación de la
Agencia de Regulación y Control de ENERGÍA Y
Recursos Naturales No Renovables (ARCERNNR)
número 002/20 [15], dentro de la cual se encuentra la
calidad de servicio técnico y los niveles de voltaje
aceptables para los diferentes usuarios (considerado un
±5% en alto voltaje), es decir de 0.95 a 1.05 por unidad
(p.u), lo cual, se dificulta al considerar fenómenos
transitorios o permanentes que ocurren dentro de la
operación de un SEP, como variaciones de voltajes o
cortes de suministro de energía, los cuales, alteran los
voltajes del sistema, por lo tanto, los valores de voltaje
en las barras deben permanecer dentro de los límites
establecidos ante los diferentes escenarios operativos del
sistema y según la regulación vigente, así como, las
46
Edición No. 21, Issue I, Julio 2024
obligaciones que deben cumplir cada una de las empresas
eléctricas distribuidoras en el país y sus usuarios
(comerciales, industriales) que se conectan a la red
eléctrica.
3. METODOLOGÍA
Los problemas de optimización en sistemas eléctricos
de potencia generalmente están basados en una función
objetivo y un conjunto de restricciones que se deben
cumplir. Las restricciones asociadas a la optimización de
potencia reactiva están relacionas con las ecuaciones de
flujos de carga y los límites de operación del sistema [16].
Minimizar f (u, x)
Sujeto a:
h (u, x) =0 (1) g (u, x) <0 (2)
Donde:
u Variables de control
x Variables de estado
f (u, x) Función objetivo
h (u, x) Restricciones de igualdad
g (u, x) Restricciones de desigualdad
Los objetivos de este tipo de algoritmo de
optimización son: reducir las pérdidas de potencia activa
y mejorar el perfil de voltaje mediante las variables de
control del ajuste de tap’s en los transformadores, el
ajuste de la excitación de los generadores y considerando
la conexión o desconexión de los bancos de capacitores
que forman parte del sistema. Mientras que las variables
de estado son la magnitud y fase del voltaje en las barras
del SEP y el flujo de potencia en las líneas de
subtransmisión.
3.1 Función objetivo del algoritmo
La principal función objetivo de la optimización de
potencia reactiva consiste en minimizar las pérdidas de
potencia que se pueden expresar como se establecen en
las referencias [17] [18] [19].
󰇛󰇜

 (3)
󰇛󰇜 󰇟
󰇛 󰇜󰇠



 (4)
Donde:
󰇛󰇜 Función objetivo a minimizar
 Pérdidas totales del sistema
 Pérdidas reales de potencia de la k-ésima línea
del sistema
 Magnitud de voltaje y ángulo de la i-ésima
barra
 Conductancia de la línea k = (i, j) del sistema
 Número de líneas del sistema
3.1.1 Restricciones de igualdad
Las restricciones de igualdad corresponden a las
ecuaciones de balance de potencia activa y reactiva en las
barras del SEP.

    (5)

    (6)
Donde:
Potencia activa entregada en la barra i
Potencia reactiva entregada en la barra i
 Magnitud de voltaje y ángulo de la i-ésima
barra
 Elemento de la matriz de admitancia
correspondiente a la i-ésima fila y j-ésima columna
 Diferencia de ángulo del voltaje entre las
barras i-ésima y j-ésima
N Número de barras
3.1.2 Restricciones de desigualdad del algoritmo
Las restricciones de desigualdad se definen tanto a las
variables de estado y a las variables de control, las cuales
están definidas por los límites de operación del sistema.
En este caso se tienen: los límites de flujos máximos a
través de las líneas, y los rangos de magnitud de voltaje
en las barras del sistema.

 (7)
  (8)
Donde:
Magnitud del voltaje en la i-ésima barra
Número de barras
Flujo de potencia por la k-ésima línea
 Número de líneas
Un sistema de potencia es considerado estable,
cuando todas las variables eléctricas se encuentran dentro
de los parámetros establecidos, y que al presentarse una
contingencia éste puede volver a un punto de equilibrio,
garantizando la continuidad y calidad de servicio técnico
suministrado a los usuarios [20][21].
Durante estos eventos o contingencias, el sistema de
potencia debe adaptarse a las nuevas condiciones
operativas, las cuales van a depender de los elementos
que son parte de la red. Un problema de operación de una
red es su configuración o reconfiguración con el fin de
reducir las pérdidas de potencia del sistema y evitar las
sobrecargas en los elementos que lo conforman. La
reconfiguración de la red puede ser utilizada para mejorar
la eficiencia en cuanto a la operación y a la calidad del
47
Pereira et al. / Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la Empresa eléctrica Quito (EEQ)
servicio [22].
Figura 1: Sistema EEQ modelado en DIgSilent Power Factory
[23]
Con lo expuesto anteriormente, se considera como
red de prueba el sistema de la EEQ (ver Fig. 1) modelado
en DIgSILENT PowerFactory, en el cual, se pueden
ejecutar scripts de Python [25], donde ha sido
programado el algoritmo MVMO, el mismo que realiza
múltiples flujos de potencia, donde se varían los tap’s en
los transformadores, la potencia reactiva en los
generadores y en los bancos de capacitores, hasta
encontrar los puntos de operación del sistema en el cual
las pérdidas de potencia activa son menores. Esto en base
al diagrama de flujo del algoritmo de optimización
MVMO (ver Fig. 2).
Figura 2: Proceso de búsqueda del algoritmo de mapeo media –
varianza (MVMO) [25]
Todos estos cálculos están enfocados en un ámbito
cuantitativo, es decir, considerando la potencia activa del
sistema de subtransmisión, para posteriormente realizar
un análisis porcentual en que se reducen las pérdidas de
potencia activa. Esto se aplica para cualquier estado de
operación del sistema, consideración de demanda, etc. En
este caso en general, se realizará el análisis para demanda
máxima, en donde se mostrarán los resultados de los
transformadores de potencia más relevantes en el sistema
de 138 kV, 69 kV y 46 kV, así como los perfiles de
voltaje en estos nodos.
Al finalizar la simulación y ejecución del algoritmo
ejecutada en Power Factory, en demanda máxima, luego
de 1000 iteraciones, se puede observar en la Fig. 3 que la
pérdida de potencia activa en la primera iteración se
encuentra sobre los 14,58 MW, mientras que luego de
ejecutarse el script y analizar todas las posibles opciones
de operación del sistema se llega a tener una pérdida de
potencia de 10,32 MW. La pérdida de potencia activa en
porcentaje es del 6.5% con respecto al valor inicial de
11,042 MW calculado en Power Factory.
Figura 3: Resultado al finalizar el algoritmo MVMO en Power
Factory Demanda mínima
Para obtener el resultado de cada uno de los
transformadores y los voltajes en cada una de las barras
del sistema de subtransmisión, se ha tomado como
referencia el anexo 1 (documento en Excel), en donde se
encuentran listados los elementos del SEP, que se desean
graficar.
A continuación, se muestra en las figuras dos de los
transformadores de potencia donde se puede ver el
cambio de sus tap’s, y el valor del voltaje en por unidad
(p.u) conforme el algoritmo se ejecuta en Power Factory.
Mientras que, los resultados obtenidos en los otros
transformadores de potencia y sus voltajes se muestran
en el anexo del presente documento. En este caso se ha
tomado en cuenta la Subestación (S/E) Gualo (elemento
70 dentro anexo 1) con un nivel de 138 kV, la cual cuenta
con un transformador de dos devanados, en la que los
tap’s se encuentran en el lado de alto voltaje y estos
pueden variar en un rango de -8 a 8.
48
Edición No. 21, Issue I, Julio 2024
Durante la simulación en la Fig. 4, se observa el
cambio de tap’s que ocurren en el transformador de la
subestación Gualo durante la búsqueda de la mejor
condición operativa para reducir las pérdidas de potencia
activa, obtenida en la Fig. 3, dejando el tap del
transformador de potencia en la posición -7.
En la Fig. 5, en la interfaz de Python se puede
confirmar el estado del tap (-7) del transformador de la
subestación Gualo en la última iteración de la simulación,
considerada en este caso la número 999 debido a que
dentro del software la numeración comienza en 0, y de
igual forma considerando que el elemento a analizar es el
70, al iniciar el listado en el programa desde 0, la
Subestación Gualo se encuentra en el listado en el
número 69. Mientras que en la Fig. 6, verificamos el
último estado de la posición del tap al finalizar la
simulación en Power Factory.
Figura 4: Cambio de tap’s TR_Gualo durante la simulación
Figura 5: Verificación del tap del TR_Gualo en la ventana de
variables de Python
Figura 6: Verificación del tap del TR_Gualo en Power Factory
Tomando en cuenta dos transformadores de 3
devanados, con cambiador de tap’s en dos de los 3
devanados, en las figuras 7, 8, 9 y 10 se consideran los
transformadores de potencia T08 y T09 de la Subestación
Vicentina, con los tap’s en el primer devanado con un
rango de 1 a 5 denominado de alto voltaje “HTAP”
(elemento 130 para el T08 y elemento 131 para el T09 de
acuerdo al anexo 1) y el segundo devanado denominado
de medio voltaje con un rango de tap’s que va de 1 a 33
“MTAP” (elemento 139 para el T08 y elemento 140 para
el T09 del anexo 1).
En las figuras 11 y 12, en la interfaz de Python se
puede evidenciar el estado de los tap’s, tomando en
cuenta lo indicado anteriormente, en los datos obtenidos
de la S/E Gualo, y de acuerdo con la lista de variables en
Python, los elementos 129 y 130 corresponden a los tap’s
en el lado de alto voltaje (elementos 130 y 131 según
anexo 1), mientras que los elementos 138 y 139
corresponden a los tap’s en el lado de medio voltaje
(elementos 139 y 140 según anexo 1) en los
transformadores T08 y T09 de la subestación Vicentina.
Figura 7: Cambio de tap’s en el lado de alto voltaje en el
TR_VCNTNA-1 durante la simulación
Figura 8: Cambio de tap’s en el lado de alto voltaje en el
TR_VCNTNA-2 durante la simulación
49
Pereira et al. / Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la Empresa eléctrica Quito (EEQ)
Figura 9: Cambio de tap’s en el lado de medio voltaje en el
TR_VCNTNA-1 durante la simulación
Figura 10: Cambio de tap’s en el lado de medio voltaje en el
TR_VCNTNA-2 durante la simulación
Figura 11: Verificación de los tap’s del TR_VCNTNA-1 en la
ventana de variables de Python
Con los resultados obtenidos en los gráficos, en el
almacenamiento de las variables en Python y en la
simulación de Power Factory, se tiene que los tap’s en los
dos transformadores de la subestación Vicentina para
reducir las pérdidas de potencia activa deberán
encontrarse en alto y medio voltaje en la posición 1 y 32
respectivamente.
Figura 12: Verificación de los tap’s del TR_VCNTNA-2 en la
ventana de variables de Python
De la misma forma que el caso anterior, en las figuras
13 y 14, se muestra el valor de los tap’s de cada uno de
los transformadores al terminar las iteraciones de la
simulación.
Figura 13: Verificación del tap del TR_VCNTNA-1
Figura 14: Verificación del tap del TR_VCNTNA-2
Figura 15: Voltaje en la Barra de la S/E Gualo
Con respecto a los voltajes en estos puntos, en las
figuras 15 y 16 a continuación podemos observar que los
niveles de voltaje a 138 kV no varían notablemente,
manteniéndose en estas barras (Gualo y Vicentina) en 1
p.u. Tomando en cuenta que el valor final del voltaje, se
encuentra dentro de los rangos establecidos por la
regulación vigente (±5%).
Ahora se realizará una revisión del comportamiento
del sistema en los niveles de subtransmisión restantes que
tiene al momento la Empresa Eléctrica Quito, (69 kV y
46 kV), mostrando las gráficas del comportamiento de
los tap’s de los transformadores y de los voltajes en las
barras. A nivel de 69 kV, la EEQ cuenta con una
subestación denominada Los Bancos (43 en la lista del
anexo 1), a continuación, en la Fig. 17 se puede ver el
cambio de los tap’s del transformador de potencia de dos
devanados el cual tiene rango de -8 a 8, mientras que la
Fig.18 nos muestra el voltaje en la barra de la subestación
mientras se ejecuta el algoritmo. En este caso la posición
final del tap en el transformador de la S/E Los Bancos
para obtener el menor número de pérdidas de potencia
activa debe estar en la posición 7.
50
Edición No. 21, Issue I, Julio 2024
Figura 17: Cambio de tap’s en el TR_BNCS durante la simulación
En este caso al igual que para los casos de 138 kV se
tiene que el voltaje en la S/E Los Bancos permanece
constante con un valor, cercano al 1 p.u.
Figura 18: Voltaje en la Barra de la S/E Los Bancos
Figura 19: Cambio de tap’s en el lado de medio voltaje en el
TR_SRSA-1 durante la simulación
A nivel de 46 kV de la EEQ, tomaremos como
ejemplo la S/E Santa Rosa la cual cuenta con dos
transformadores de 2 devanados de 46/23 kV (elementos
117 y 118 dentro del anexo 1) con un rango de cambio de
tap’s de -8 a 8. En las figuras 19 y 20 se observa el cambio
de tap’s de los dos transformadores de la S/E Santa Rosa,
quedando el T82 en posición -4 y el T83 en posición -5.
El perfil de voltaje en esta barra esta dado por la Fig. 21,
donde también se puede observar que éste se encuentra
dentro de los valores admisibles dado por la regulación
002/20 del ARCERNNR.
Figura 20: Cambio de tap’s en el lado de medio voltaje en el
TR_SRSA-2 durante la simulación
Figura 21: Voltaje en la Barra de la S/E Santa Rosa
El algoritmo de optimización de mapeo, media -
varianza MVMO, se lo ejecuta de la misma manera para
las demandas mínima y media, el resultado va a cambiar
dependiendo de las condiciones operativas bajo las que
se encuentre el sistema eléctrico de potencia en ese
momento, así como de los generadores que se encuentren
funcionando en los diferentes horarios.
A continuación, se muestran en las figuras 22 y 23 las
curvas con las pérdidas de potencia en las demandas
mínima y media respectivamente, mientras que en la
figura 24 se puede observar el algoritmo aplicado para
demanda máxima con 2000 iteraciones como caso
particular.
51
Pereira et al. / Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la Empresa eléctrica Quito (EEQ)
Figura 22: Resultado al finalizar el algoritmo MVMO en Power
Factory Demanda mínima
Tabla 1: Valores de pérdidas de potencia activa antes y después de
aplicar el algoritmo MVMO al sistema de la EEQ
Mínima
Media
Máxima
7,90
7,96
11,042
7,62
7,59
10,32
3,5
4,6
6,5
Figura 23: Resultado al finalizar el algoritmo MVMO en Power
Factory Demanda media
Figura 24: Resultado al finalizar el algoritmo MVMO en Power
Factory Demanda máxima con 2000 iteraciones
4. RESULTADOS
Al aplicar el algoritmo de optimización MVMO en
cada una de las demandas (mínima, media y máxima)
desarrolladas en este estudio, se puede determinar el
valor de las pérdidas de potencia activa en el sistema de
subtransmisión de la EEQ para cada caso, los cuales se
detallan en la Tabla 1.
Estos porcentajes de pérdidas varían por la hora y la
disponibilidad de los equipos (generadores, bancos de
capacitores) que se encuentran funcionando en el SEP. Si
bien la reducción de las pérdidas de potencia es calculada
en un instante de tiempo, es importante considerar que, al
sumar estas pérdidas en el transcurso del tiempo,
representan un valor considerable al final del día, debido
a que el sistema posiblemente no trabaja bajo condiciones
adecuadas de operación, y, como se mencionó en el
desarrollo de este estudio, el hecho de que el sistema
opere dentro de los rangos permitidos de voltaje
,establecidos por el agente regulador de cada región, en
este caso la ARCERNNR, no garantiza que el sistema
trabaje con pérdidas mínimas de potencia.
Durante la simulación se pueden observar en
DIgSILENT Power-Factory el aporte de potencia
reactiva y el estado de los bancos de capacitores en cada
iteración del método MVMO. Pero si se desea ver el
cambio en cada iteración se lo puede realizar de mejor
manera en la interfaz de variables en Python una vez que
finaliza el algoritmo.
4.1 Interpretación de la Curva MVMO
Una vez finalizado el estudio, y al analizar las curvas
de las figuras obtenidas durante la simulación, se puede
observar que, al comienzo las pérdidas de potencia son
considerables, pero, conforme el algoritmo va
avanzando, se van encontrando mejores soluciones
dentro de los elementos, cuyos estados operativos pueden
cambiar (bancos de capacitores, tap’s en transformadores
y potencia reactiva en generadores), para que las pérdidas
vayan disminuyendo. Tomando en cuenta que, las
pérdidas de potencia activa no alcanzan valores muy
elevados, lo que se logra al aplicar la técnica MVMO es
que, conforme transcurre el tiempo, el sistema va
encontrando un nuevo punto de operación de estado
estable, donde las pérdidas disminuyen, al tiempo que los
valores de voltaje en las barras se mantienen constantes,
es decir, que el sistema no pierde convergencia durante
la búsqueda de la mejor condición operativa.
En el anexo 2, al final de este documento, se muestran
los gráficos de los cambios de los tap’s de los
transformadores de potencia, tanto de dos como tres
devanados existentes en el sistema eléctrico de la EEQ,
así como los perfiles de voltaje en cada una de las barras
que forman parte de la red a nivel de 138 kV, 69 kV y 46
kV, donde se puede observar cómo cambian las
posiciones en los transformadores y cómo se mantiene el
perfil de voltaje en cada una de las barras mientras se
ejecuta la simulación.
4.2 Análisis Económico
La implementación de un algoritmo de optimización
permite analizar y evaluar la mejor condición operativa
en la que puede operar un sistema eléctrico de potencia,
estimando variables o factores que muchas veces no se
consideran dentro del funcionamiento del SEP, es por
esto que, la reducción de pérdidas de potencia se
relaciona directamente con la disminución de costos
operativos en el sistema eléctrico.
Un SEP bajo condiciones normales de operación no
sufre daños (eléctricos o mecánicos) cuando las
52
Edición No. 21, Issue I, Julio 2024
condiciones operativas cambian de forma normal, pero se
ven afectados al no trabajar en condiciones óptimas, o al
ser forzados por cambios bruscos que ocurren
inesperadamente en la red (fallas transitorias o
permanentes). En este caso, el sistema de la EEQ, al
operar con la menor cantidad de pérdidas de potencia
activa, aumenta la disponibilidad de capacidad instalada
de la red y a su vez, el sistema podría operar con un
menor consumo de electricidad, por lo que, se tienen
menores gastos de operación, se reduce la corriente que
circula por los elementos de la red y se evita su
sobrecalentamiento; alargando la vida útil de los
elementos que forman parte de la red.
5. CONCLUSIONES Y RECOMENDACIONES
Elegir el mejor método de optimización para resolver
un problema es muy importante en el desarrollo de
cualquier investigación, se debe considerar cada uno de
los aspectos y elementos que lo conforman. Además, se
debe tomar en cuenta la correcta integración y
funcionalidad del método que se va a trabajar, para que
este no afecte a los parámetros de la simulación durante
su ejecución, ya que esto se verá reflejado en los
resultados.
El correcto modelamiento de la red, así como cada una
de las características de los elementos que forman el
sistema eléctrico de la Empresa Eléctrica Quito es
fundamental dentro del desarrollo del estudio de
optimización de las pérdidas de potencia activa, lo cual,
garantiza que la aplicación del algoritmo no tenga
problemas en la convergencia de los flujos de potencia.
La programación del algoritmo desarrollado en este
trabajo se puede aplicar a cualquier sistema eléctrico de
potencia y bajo cualquier condición operativa. En este
caso en particular, se tiene que las mayores pérdidas de
potencia activa en demanda máxima, alcanzando un valor
de pérdidas de 10.32 [MW] y el porcentaje de reducción
es del 6.5 % en relación a los 11,042 [MW] en
condiciones iniciales de operación del sistema.
La reconfiguración de los tap’s de los transformadores
de potencia, al aplicarse el algoritmo de optimización
MVMO, puede ser utilizada para mejorar la calidad de
servicio, técnico y para aumentar la eficiencia de los
equipos dado que trabajarán bajo mejores condiciones
operativas.
Con la aplicación del algoritmo MVMO se confirma
que este método muestra convergencia para buscar una
solución óptima y se acerca lo suficiente al óptimo global
para resolver el problema planteado de la reconfiguración
de los elementos de la red en el sistema de subtransmisión
de la EEQ, el mismo que puede ser aplicado en cualquier
otro sistema eléctrico.
Se ha demostrado que, el aplicar el algoritmo de
optimización, para los diferentes estados del sistema, no
afecta el estado operativo del SEP.
Al ampliar el análisis del estudio, incrementando el
número de iteraciones a 2000, se puede observar en la
figura 24, que el comportamiento de la curva no
representa una disminución considerable de las pérdidas
ya calculadas, debido a que la curva converge cerca de
las 1000 iteraciones, por lo que no influye en el resultado
aumentar el número de iteraciones, pero si en el tiempo
de procesamiento del algoritmo.
6. REFERENCIAS BIBLIOGRÁFICAS
[1] Empresa Eléctrica Quito, 2023, Sitio web:
https://www.eeq.com.ec/historia
[2] Gustavo Adolfo Segura Bovea, Confiabilidad de
Subestaciones, “Propuesta de mejora de
confiabilidad en subestación 20 de Julio Asociada al
SDL de la ciudad de Barranquilla”, Universidad de
la Costa, 2018.
[3] J. A. Caicedo Rivadeneira, “Flujo Òptimo de
Potencia en Sistemas Eléctricos basado en Criterios
de Mínimas Pérdidas de Potencia Activa usando el
Método del Gradiente”, Universidad Politécnica
Salesana Sede Quito, Marzo 2022.
[4] Sarfaraz, A. Bansal, and S. Singh, “Optimal
allocation and sizing of distributed generation for
power loss reduction,” IET Conf. Publ., Vol. 2016,
no. CP700, pp. 15–20, 2016.
[5] J. Carpentier and G. Grundmeier, “Chemical
structure and morphology of thin bilayer and
composite organosilicon and fluorocarbon
microwave plasma polymer films,” Surf. Coatings
Technol., vol. 192, pp. 189–198, Mar. 200.
[6] M. F. Hossain, S. Chowdhury, and M. O. Khan,
Optimization of Colorimetric β-Hematin Formation
Assay Method for Antimalarial Drug Leads
Screening. 2017.
[7] M. Gavrilas, «Heuristic and Metaheuristic
Optimization Techniques with Application to Power
Systems,» Power System Department-“Gheorghe
Asachi” Technical University of Iasi Romania,
2010.
[8] R.X Loor Toro, “Reconfiguración de redes de
Distribución de Eléctrica basada en optmimización
de Mapeo Media - Varianza”, Escuela Politécnica
Nacional, 2014.
[9] F. F. Mesut E.Baran, “Network reconfiguration in
distribution systems for loss reduction and load
balancing”, IEEE Transactions on Power Delivery,
vol. 4, Nº 2, pp. 1401-1407, April 1989.
[10] M. B. C. d. Oliveira, Reconfiguração de
alimentadores em sistemas de distribuição usando a
metaheurística Grasp, Dissertação de Mestrado -
UNESP, Maio 2011.
[11] S. V. L. N. M. R. R. A. S. R. Rayapudi Srinivasa
Rao, “Optimal Network Reconfiguration of Large –
53
Pereira et al. / Evaluación de Pérdidas de Potencia Activa en el Sistema Eléctrico de la Empresa eléctrica Quito (EEQ)
Scale Distribution System Using Harmony Search
Algorithm”, IEEE Transactions on Power System,
vol. 26, Nº 3, pp. 1080-1088, Agosto 2011.
[12] O. G.-B. A. S.-A. Paola Pezzinia, “Optimization
techniques to improve energy efficiency in power
systems”, ELSEVIER-Renewable and Sustainable
Energy Reviews, 2011.
[13] H. B. Flores Terán, “Desarrollo de una Metodología
Multimáquina para la Ubicación y Sintonización de
Estabilizadores de Sistemas de Potencia de forma
Automática”, Escuela Politécnica Nacional, 2016.
[14] R. M. Tapia López, “Control Óptimo de Potencia
Reactiva en un parque Eólico Mar adentro con
enlace HVDC”, Escuela Politécnica Nacional, 2016.
[15] ARCERNNR. Resolución Nro. 003/2023,
Regulación 002/20, Calidad del Servicio de
Distribución y comercialización de energía eléctrica,
Ecuador 2023.
[16] H. Amaris, M. Alonso, C. Álvarez Ortega, “Reactive
Power Managment of Power Networks with Wind
Generation”, Springer, 2013.
[17] J. Rimez, "Optimal Power Flow Modeling of Hybrid
AC/DC Systems" en "HVDC Grids For Offshore
and Supergrid of the Future", IEEE Press & Wiley,
2016.
[18] I. Erlich, W. Nakawiro y M. Martínez, “Optimal
Dispatch of Reactive Sources in Wind Farms”, 2011
IEEE Power and Energy Society General Meeting.
[19] G. Migliavacca, "Advanced Technologies for Future
Transmission Grids", Springer 2013.
[20] Kundur, P. “Power System Stability and Control”.
Mc-Graw-Hill, 1994.
[21] Flores, H. “Estudio de Estabilidad de Pequeña Señal
en el Sistema Nacional Interconectado Aplicando el
Método de Análisis Modal” Escuela Politécnica
Nacional, Facultad de Ingeniería Eléctrica, Ecuador,
Septiembre 2004.
[22] F. F. Mesut E.Baran, «Network reconfiguration in
distribution systems for loss reduction and load
balancing,» IEEE Transactions on Power Delivery,
vol. 4, nº 2, pp. 1401-1407, April 1989.
[23] L. A. Pereira Herrera, “Análisis y Determinación de
tiempos de Recierres Tripolares en Líneas de 138 kV
y 46 kV de la Empresa Eléctrica Quito”, Escuela
Politécnica Nacional, 2017.
[24] DIgSILENT PowerFactory.(2012). User Manual.
Gomaringen, Germany.
[25] Cepeda, J.; Rueda, J. L.; Erlich, I.; Korai, A.; F.
Gonzalez-Longatt,“MeanVariance Mapping
Optimization Algorithm for Power System
Applications in DIgSILENT PowerFactory”
PowerFactory Applications for Power System
Analysis Book, Chapter 12, Springer International
Publishing, 2014.
Luis Andrés Pereira Herrera. -
Nació en Quito, Ecuador en 1991.
Recibió su título de Ingeniero
Eléctrico de la Escuela Politécnica
Nacional en 2017; Actualmente se
encuentra culminando sus estudios
de Master en Electricidad con
mención en Sistemas Eléctricos de
Potencia. Sus campos de investigación están
relacionados con la Operación del Sistema Eléctrico en
Tiempo Real en el Centro de Control de la Empresa
Eléctrica Quito.
Roberth Saraguro Ramírez. -
Recibió su título de Ingeniero
Eléctrico en la Escuela Politécnica
Nacional en 2007, realizo estudios
de Posgrado en la Universidad
Nacional de Rosario Argentina
obteniendo el título de Magister en
Energía para el Desarrollo
Sostenible, y Magister en Ingeniería Eléctrica en la
Escuela Politécnica Nacional. Sus campos de acción son
los análisis Post falla ante eventos presentados en el
Sistema Eléctrico Quito.
Carlos Quinatoa Caiza. – Nació en
Tanicuchi, Ecuador en 1988.
Ingeniero en Sistemas Eléctricos
de Potencia de la Universidad
Técnica de Cotopaxi, Master en
Ciencias de la Ingeniería Eléctrica
de la Universidad Tecnológica de
Pereira, aspirante a Doctor en
Ciencias de la Ingeniería Eléctrica de la Universidad
Central de Venezuela y docente investigador de la UTC.
54