Optimizador de rebaño egoísta para la resolución del problema de despacho económico

Abstract

El despacho de carga económico, ELD por sus siglas en inglés (Economic Load Dispatch) es un problema de optimización muy conocido en la operación de sistemas eléctricos, su principal objetivo es la distribución optima de la carga eléctrica, cumpliendo con diversas restricciones del sistema, como son los límites de operación de las unidades generadoras y la demanda eléctrica, la cual se puede representar mediante ecuaciones de balance de potencia. Sin embargo, los resultados obtenidos generalmente no son los más apegados a la realidad, es por esto que se desarrolló un modelo más apegado a los sistemas eléctricos reales, llamado despacho económico dinámico (DED) dicho modelo no solo se encarga de la distribución óptima de la carga eléctrica tomando en cuenta límites de operación de las unidades generadores, sino que también, considera otras restricciones como los efectos de los puntos de válvula para cada unidad generadora y las pérdidas de potencia por transmisión. Todo esto mientras se cumple con el objetivo principal del despacho económico, que es proporcionar la carga necesaria para cubrir la demanda eléctrica requerida durante el día, o parte del día, es decir, también es considerado un horizonte de tiempo que se puede dividir en despachos, estos despachos generalmente duran 60 minutos cada uno, en su mayoría los trabajos en la literatura dividen el horizonte de tiempo en 24 despachos de una hora cada uno para una cobertura del día total, aunque hay algunas excepciones en las que se realizan cálculos para 6 o 12 horas. Debido a la complejidad del problema, desde su desarrollo se han utilizado diferentes tipos de algoritmos para su resolución, desde evolutivos como el algoritmo genético, hasta de inteligencia de enjambre, como la optimización de enjambre de partículas. En el presente trabajo se utiliza un algoritmo perteneciente a la inteligencia de enjambre de reciente creación, llamado Optimizador de Rebaño Egoísta, SHO por sus siglas en inglés (Selfish Herd Optimizer), así como también sus versiones más recientes encontradas a la fecha donde los resultados obtenidos de las distintas versiones del algoritmo son comparados, así como con resultados obtenidos de algoritmos existentes en la literatura.