Ubicación óptima de PMU considerando restricciones de contingencias N-1 en sistemas eléctricos de potencia

• Carrión Galarza, Diego Francisco ^[1] ; González Sánchez, Jorge Wilson ^[2]
  1. [1] Universidad Politécnica Salesiana

     Universidad Politécnica Salesiana

     Cuenca, Ecuador

     
  2. [2] Universidad Pontificia Bolivariana

     Universidad Pontificia Bolivariana

     Colombia

     
• Localización: Enfoque UTE: Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE, ISSN-e 1390-6542, Vol. 10, Nº. 1, 2019, págs. 1-12
• Idioma: español
• Títulos paralelos:
  • Optimal PMU placement considering N-1contingencies constraints in electrical power systems
• Enlaces
  • Texto completo
• Resumen
  • español

    La evaluación de los parámetros eléctricos mediante unidades de medición fasorial en los sistemas de potencia es fundamental, ya que con los datos obtenidos se realiza la estimación del estado de la operación de los mismos. En la presente investigación se plantea el problema para el despliegue óptimo de unidades de medición fasorial respetando restricciones de observabilidad, redundancia y contingencias N-1. La minimización de unidades considera la salida de una línea de transmisión o la falla de una unidad de medición fasorial y garantiza el 100 % de observabilidad de sistema de potencia; para la optimización se utilizó programación lineal entera mixta. El algoritmo propuesto fue probado con los modelos de prueba del IEEE de 9, 14, 30 y 118 nodos.

  • English

    The measurement of electrical parameters through phasor measurement units in the power systems is fundamental, since the obtained data is used to estimate the state of its operation. In the present investigation the problem arises for the optimal deployment of phasor measurement units regarding restrictions of observability, redundancy and N-1 contingencies. Unit minimization considers the output of a transmission line or the failure of a phasor measurement unit and guarantees 100 % observability of the power system; For the optimization mixed integer linear programming was used. The proposed algorithm was tested with the IEEE test models of 9, 14, 30 and 118 nodes.