Executive Secretary
21st International Symposium on Electrical Engineering
SIE 2025
Abstract
Problem:
Growing electricity demand exacerbates technical losses and voltage drops in distribution networks, where inappropriate location of distributed generation can exacerbate these problems. Although the integration of renewable sources such as photovoltaic systems is essential for the energy transition, their optimal layout represents a complex technical challenge that must consider both energy quality and savings.
Objectives:
Determine the optimal location and sizing of distributed generation using photovoltaic parks and capacitor banks to minimize losses and improve voltage profiles in distribution systems.
Methodology:
A multi-objective genetic algorithm was implemented in MATLAB with controlled iterations, evaluating IEEE test systems with 33, 69, and 85 bus and three possible operating scenarios. Technical constraints (voltage limits, line capacity, and installed power) were used. The objective function combines loss minimization and voltage improvement.
Results:
Genetic algorithm optimization demonstrated that strategically locating photovoltaic generation and capacitor banks significantly reduces technical losses and improves voltage profiles in distribution networks. In all systems evaluated (33, 69, and 85 busbars), significant improvements were achieved across all load scenarios; all nodes remained within the regulatory range of 0.9–1.1 pu. Similar results were obtained with different grid topologies, validating the robustness of the method.
Conclusions:
Optimal integration of distributed generation significantly improves grid efficiency. The genetic algorithm demonstrated its ability to handle the nonlinearity of the problem and its scalability across different grid topologies, validating its robustness as a tool for planning problems. The methodology is replicable in real systems with minor adjustments. The hypothesis that optimal location directly impacts technical indicators was validated.
Resumen
Problemática:
El crecimiento de la demanda eléctrica agudiza las pérdidas técnicas y la caída de tensión en redes de distribución, donde la ubicación inadecuada de generación distribuida puede agravar estos problemas. Aunque la integración de fuentes renovables como sistemas fotovoltaicos es esencial para la transición energética, su disposición óptima representa un desafío técnico complejo que debe considerar tanto la calidad de la energía como el ahorro.
Objetivos:
Determinar la ubicación y dimensionamiento óptimo de generación distribuida mediante parques fotovoltaicos y bancos de capacitores para minimizar pérdidas y mejorar perfiles de tensión en sistemas de distribución.
Metodología:
Se implementó un algoritmo genético multiobjetivo en MATLAB con iteraciones controladas, evaluando en los sistemas de prueba de la IEEE de 33, 69 y 85 barras y 3 escenarios operativos posibles. Restricciones técnicas (límites de tensión, capacidad de líneas y potencia instalada). Función objetivo combinando minimización de pérdidas y mejora de tensión.
Resultados:
La optimización con algoritmo genético demostró que ubicar estratégicamente generación fotovoltaica y bancos de capacitores reduce significativamente las pérdidas técnicas y mejora los perfiles de tensión en redes de distribución. En todos los sistemas evaluados (33, 69 y 85 barras) se obtuvieron mejoras notables en todos los escenarios de carga, todos los nodos permanecieron en el rango normativo de tensión 0.9-1.1 pu. Se manifestó que con diferentes topologías de red se obtuvo resultados similares, validando la robustez del método.
Conclusiones:
La integración óptima de generación distribuida mejora significativamente la eficiencia de la red. El algoritmo genético demostró la capacidad para manejar la no-linealidad del problema, escalabilidad en diferentes topologías de red validando que es una herramienta robusta para problemas de planificación. La metodología es replicable en sistemas reales con ajustes menores. Se validó la hipótesis de que la ubicación óptima impacta directamente en indicadores técnicos.
About The Speaker
Ing. Luis Barreto Perdomo
Discussion