Evaluación de modelos de programación lineal y no lineal para la planeación de sistemas de transmisión en el software GAMS

• Autores: Diego Armando Giral Ramírez, Oscar Danilo Montoya Giraldo, Carlos Yesid Vargas Robayo, Diego Felipe Blanco Valbuena
• Localización: Tecnura: Tecnología y Cultura Afirmando el Conocimiento, ISSN-e 2248-7638, ISSN 0123-921X, Vol. 25, Nº. 69, 2021, págs. 16-50
• Idioma: español
• Títulos paralelos:
  • Evaluation of Linear and Nonlinear Models for Transmission System Planning Using the GAMS Software
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: Este trabajo analiza el costo óptimo de expansión, el número de líneas a incluir y el tiempo de simulación computacional para dos sistemas transmisión, empleando programación no lineal entera mixta a través de los solver del software GAMS (General Algebraic Modeling System). El objetivo es determinar las diferencias en los costos de expansión cuando se emplea el modelo de transporte, DC, híbrido lineal y lineal disyuntivo.

    Metodología: Está dividida en cinco etapas: la primera identifica el sistema de transmisión, la segunda establece el problema de planeamiento del sistema de transmisión, la tercera realiza la formulación del sistema de potencia de acuerdo con cada uno de los modelos de optimización, la cuarta aplica la formulación del sistema de potencia en el software GAMS y la última selecciona el costo óptimo.

    Resultados: Desde el análisis de costo óptimo, el modelo DC y el modelo lineal disyuntivo presentaron el mayor costo óptimo respecto al modelo de transporte y al modelo hibrido lineal.

    Conclusiones: Los modelos implementados presentaron desempeños equivalentes en el sistema de prueba con el menor número de nodos; al aumentar el número de nodos, el desempeño de los modelos no presenta similitud. Por el contrario, se identifican diferencias importantes en los resultados obtenidos, lo que permite caracterizar solver específicos de acuerdo con el número de nodos.

    Metodología: Está dividida en 5 etapas, la primera identifica el sistema de transmisión, la segunda establece el problema de planeamiento del sistema de transmisión, la tercera realiza la formulación del sistema de potencia de acuerdo a cada uno de los modelos de optimización, la cuarta aplica la formulación del sistema de potencia en el software GAMS y la última seleccionar el costo óptimo.

    Resultados: Desde el análisis de costo optimo, el modelo DC y el modelo lineal disyuntivo presento el mayor costo optimo respecto al modelo de transporte y al modelo hibrido lineal.

    Conclusiones: Los modelos implementados presentaron desempeños equivalente en el sistema de prueba con el menor número de nodos, al aumentar el número de nodos el desempeño de los modelos no presenta similitud, por el contrario se identifican diferencias importantes en los resultados obtenidos, lo que permite caracterizar solver específicos de acuerdo al número de nodos.

  • English

    Objective: This work analyzes the optimal expansion cost, the number of lines to include, and the computational simulation time for two transmission systems, using mixed-integer nonlinear programming through the solvers of the GAMS (General Algebraic Modeling System) software. The objective is to determine the differences in expansion costs using the transport model, DC model, linear hybrid, and disjunctive linear.

    Methodology: The methodology of this study is divided into five stages. The first identifies the transmission system; the second establishes the transmission system planning problem; the third performs the formulation of the power system according to each of the optimization models; the fourth applies the formulation of the power system in the GAMS software; the last selects the optimal cost.

    Results: Considering the optimal cost analysis, the DC model and the disjunctive linear model present the highest optimal cost concerning the transport model and the linear hybrid model.

    Conclusions: The implemented models presented equivalent performances in the test system with the smallest number of nodes; by increasing the number of nodes, the performance of the models does not present similarity. On the contrary, the results present significant differences that allow characterizing specific solvers according to the number of nodes.