Directores

SINTONIZACIÓN DE UN CONTROLADOR PID USANDO
PARTICLE SWARM OPTIMIZATION PARA EL AGC DE
UN SISTEMA ELÉCTRICO MULTIAREA
por
Rubén Lliuyacc Blas
MASTER EN SISTEMAS DE ENERGÍA ELÉCTRICA
Departamento de Ingenierı́a Eléctrica

Escuela Técnica Superior de Ingenierı́a
UNIVERSIDAD DE SEVILLA
Agosto, 2014
Directores:
Dr. Jesús Riquelme Santos

Dr. Alejandro Marano Marcolini
Resumen
El control de frecuencia es un requisito fundamental en la operación de los sistemas

eléctricos. Durante la operación en tiempo real, diferencias entre el consumo y la producción
producen variaciones en la frecuencia. Estas variaciones deben permanecer dentro de
ciertos limites establecidos para garantizar una operación segura y confiable. En sistemas
multiareas, no solo es necesario controlar la frecuencia, sino ademas es necesario controlar
los flujos de intercambio entre áreas. El sistema de control automático de generación o
AGC es el encargado de mantener la frecuencia, ası́ como los flujos de interconexión, en sus
valores deseados. El desempeño del AGC dependerá del tipo de controlador ası́ como del
método utilizado para sintonizar el controlador. En este trabajo de fin de máster se estudia
al controlador PID sintonizado mediante el método de Particle Swarm Optimization (PSO)
para lograr mejores respuestas en la variación de la frecuencia y los flujos de interconexión
ante desbalances de cargas en sistemas eléctricos multiareas. El desempeño del algoritmo
PSO en la sintonización del controlador PID sera mostrado para dos casos caracterı́sticos
de dos y tres áreas interconectadas. Los resultados de las simulaciones demostraran un
mejor desempeño del método propuesto frente a métodos convencionales.
Índice general
Table of Contents III
Acknowledgements VIII
Dedication IX
1. Introducción y objetivos 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Planteamiento del Problema . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1. Control de frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.2. Particle Swarm Optimization (PSO) . . . . . . . . . . . . . . . . 5
1.5. Organización del documento . . . . . . . . . . . . . . . . . . . . . . . . . 6
2. Control de Frecuencia/Potencia 8
2.1. Desbalance entre la producción y el consumo en tiempo real . . . . . . . 9
2.2. Respuesta por Inercia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3. Control primario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4. Control secundario(AGC) . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5. Control terciario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6. Desafı́os en la operación del sistema eléctrico . . . . . . . . . . . . . . . . 16
2.6.1. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
iii
3. Modelo dinámico del sistema eléctrico 21
3.1. Unidades de generación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.1. Generador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.1.2. Carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1.3. Turbina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.4. Gobernador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Sistemas Interconectados . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.1. Lı́neas de interconexión (Tie-Lines) . . . . . . . . . . . . . . . . . 29
3.2.2. Error en el área de control (ACE) . . . . . . . . . . . . . . . . . . 30
3.2.3. Operación con múltiples generadores . . . . . . . . . . . . . . . . . 31
3.3. Modelo dinámico de sistema eléctrico de dos áreas interconectadas . . . . 32
3.4. Modelo dinámico de sistema eléctrico de múltiples áreas interconectadas . 33
3.5. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4. Sintonización de un controlador PID usando Particle Swarm Optimiza-

tion 36
4.1. Estudio del controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2. Controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3. Técnicas de sintonización del controlador PID . . . . . . . . . . . . . . . 39
4.3.1. Métodos clásicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.2. Métodos modernos . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4. Particle Swarm Optimazation . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4.1. Algoritmo PSO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5. Sumario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5. Casos de estudio, simulación y resultados 53

5.1. Casos de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1.1. Caso 1: Sistema eléctrico de dos áreas interconectadas . . . . . . . 53
5.1.2. Caso 2: Sistema eléctrico de tres áreas interconectadas . . . . . . 56
5.2. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
iv
5.3. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6. Conclusiones y lı́neas futuras 68

6.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.2. Lineas Futuras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Bibliography 70
1. Algoritmo PSO 74
v
Índice de figuras
1.1. Sistemas de control de frecuencia y tensión para un generador sı́ncrono. . 2
2.1. Demanda estimada y generación programada, equivalentes pero no iguales. 9

2.2. La programación de la generación no es optima debido a los errores de
estimación en la demanda. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3. Los generadores suministran potencia eléctrica a las cargas a través de la
red eléctrica. Su fuerza motriz es usualmente turbinas. . . . . . . . . . . . 11
2.4. Requerimiento de reservas para el control primario de la frecuencia según
el sistema nórdico[1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5. Esquema básico del control secundario para un sistema interconectado con
dos áreas de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.6. Diferentes niveles del control de la frecuencia y sus tiempos de acción.[2] 15
2.7. Tı́pica respuesta de los niveles de control de frecuencia ante un desbalance. 16
2.8. Evolución del error en la predicción de generación variable (eólica) con
respecto al tiempo de anticipación.[3] . . . . . . . . . . . . . . . . . . . . 18
3.1. Elementos principales de una unidad de generación en el control de frecuencia. 22

3.2. Modelo del generador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3. Modelo generador-carga. . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4. Modelo generador-carga(reducido). . . . . . . . . . . . . . . . . . . . . . 24
3.5. Modelo turbina de ciclo simple. . . . . . . . . . . . . . . . . . . . . . . . 25
3.6. Modelo turbina de ciclo simple-generador-carga. . . . . . . . . . . . . . . 26
3.7. Estatismo del gobernador. . . . . . . . . . . . . . . . . . . . . . . . . . . 26
vi
3.8. Distribución de la potencia en función del estatismo para dos unidades de
generación. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.9. Modelo del gobernador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.10. Modelo generador-carga-turbina-gobernador. . . . . . . . . . . . . . . . . 28
3.11. Modelo linea de interconexión. . . . . . . . . . . . . . . . . . . . . . . . . 30
3.12. Modelo para un sistema interconectado con dos áreas. . . . . . . . . . . . 30
3.13. Modelo generador-carga con múltiples unidades de generación. . . . . . . 32
3.14. Modelo AGC para un sistema interconectado de 2 áreas. . . . . . . . . . 33
3.15. Modelo AGC del área ’i’ compuesta por ’k’ unidades de generación para
un sistema de ’n’ áreas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1. Esquema convencional de control por retroalimentación. . . . . . . . . . . 37

4.2. Representación del controlador PID. . . . . . . . . . . . . . . . . . . . . 38
4.3. Caracterı́sticas de una respuesta. . . . . . . . . . . . . . . . . . . . . . . 39
4.4. Curva de reacción del proceso. . . . . . . . . . . . . . . . . . . . . . . . . 42
4.5. Representación de la modificación de la posición y velocidad de la partı́cula i. 50
4.6. Diagrama de flujo general del algoritmo del PSO. . . . . . . . . . . . . . . 51
5.1. Caso 1: Sistema eléctrico de dos áreas interconectadas . . . . . . . . . . . 54

5.2. Caso 2: Sistema eléctrico de tres áreas interconectadas . . . . . . . . . . 58
5.3. Caso 1: Variación de la frecuencia en el Área 1 . . . . . . . . . . . . . . . 60
5.4. Caso 1: Variación de la frecuencia en el Área 2 . . . . . . . . . . . . . . . . 61
5.5. Caso 1: Variación del flujo en la linea de interconexión . . . . . . . . . . . 61
5.9. Caso 2: Variación del flujo en el Área 1 . . . . . . . . . . . . . . . . . . . 64
vii
Índice de tablas
4.1. Efecto al incrementar las ganancias kp , ki y kd [4]. . . . . . . . . . . . . . 39

4.2. Método de Ziegler-Nichols usando la curva de reacción [5]. . . . . . . . . . 41
4.3. Método de Ziegler-Nichols usando el método de oscilación [5]. . . . . . . 42
4.4. Método de Cohen-Coon usando la curva de reacción [5]. . . . . . . . . . . 43
5.1. Información de sistema de dos áreas interconectadas [6]. . . . . . . . . . . 54

5.2. Caso 1: Parámetros del algoritmo PSO. . . . . . . . . . . . . . . . . . . . 55
5.3. Información de sistema de tres áreas interconectadas . . . . . . . . . . . 57
5.4. Caso 2: Parámetros del algoritmo PSO . . . . . . . . . . . . . . . . . . . 59
5.5. Caracterı́sticas del CPU utilizado en las simulaciones. . . . . . . . . . . . 60
5.6. Caso 1: Ganancias de los controladores PID. . . . . . . . . . . . . . . . . 60
5.7. Comparación entre el método convencional y el propuesto para el Caso 1. 62
5.8. Caso 2: Ganancias de los controladores PID. . . . . . . . . . . . . . . . . 62
5.9. Comparación entre el método convencional y el propuesto para el Caso 2. 66
viii
Agradecimientos
He de agradecer a los doctores Dr. Jesús Riquelme Santos y Dr. Alejandro Marano Mar-
colini, directores de este Trabajo de Fin de Máster, por brindarme su apoyo desinteresado
durante la elaboración de este trabajo.
ix
Dedicatoria
A mis padres Lucio y Vicenta.
x
Capı́tulo 1
Introducción y objetivos
1.1. Introducción
Los sistemas eléctricos a gran escala están normalmente conformados por zonas o áreas
de control que representan grupos de generadores que comparten caracterı́sticas similares.
Las diferentes áreas están interconectadas mediante lı́neas de interconexión. Estas lı́neas
se utilizan para intercambiar energı́a y proporcionar soporte entre las áreas en caso de
condiciones anormales de operación. Las variaciones de carga en el área y las condiciones
anormales, tales como los cortes de generación, conducen al desajuste en los intercambios
de energı́a programados entre las áreas, ası́ como también variaciones en la frecuencia de
las mismas. Estos desajustes tienen que ser corregidos mediante un sistema de control
suplementario. El sistema de control de frecuencia o Control Automático de Generación
(AGC, por sus siglas en inglés Automatic Generation Control ) en sistemas interconectados
se define como la regulación de potencia activa de los generadores, dentro de un área
prescrita; en respuesta al cambio en la frecuencia del sistema o en los flujos de interconexión,
con el objetivo de mantener la frecuencia dentro de los lı́mites predeterminados y/o
mantener intercambio programado con otras áreas del sistema. Ası́, el AGC es una
herramienta muy importante en la operación y control de los sistemas eléctricos, de modo
que se pueda suministrar suficiente energı́a eléctrica de un modo seguro y confiable.
Los sistemas de control básicos de un generador se muestran en la Figura 1.1. Estos
sistemas de control son para la frecuencia y la tensión. Se sabe que los cambios en la
1
Potencia y frecuencia
de referencia
Señal de salida
a la válvula de Potencia y
admisión Control de frecuencia real
Frecuencia
Valvula
Generador
Turbina T G Red
Sistema de
excitación
Tensión
Señal de salida
al sistema de Control de
excitación del Tensión
generador
Figura 1.1: Sistemas de control de frecuencia y tensión para un generador sı́ncrono.
potencia activa afectan principalmente a la frecuencia del sistema, mientras que la tensión
es muy sensible a los cambios en la potencia reactiva [7]. Es por esto que se utiliza la
energı́a mecánica de entrada a los generadores para controlar la frecuencia, esto se realiza
mediante el sistema de control frecuencia. Por otra parte, el control de tensión regula la
potencia reactiva cambiando la señal se salida al sistema de excitación del generador. La
constante de tiempo de excitación es mucho más pequeña que la constante de tiempo de la
válvula-turbina y su decadencia transitoria es mucho más rápida, por lo que no afecta a la
dinámica del control de frecuencia. Por lo tanto, la relación entre el control de frecuencia
y tensión puede despreciarse y estos se pueden analizar de forma independiente.
En resumen, los principales objetivos del AGC son: mantener la frecuencia razonable-
mente uniforme; regresar el sistema a su estado estable lo más rápido posible 1 ; dividir
la carga entre los generadores con el fin de lograr la máxima economı́a y; controlar las
programaciones de intercambio de las lı́neas de interconexión.
En las últimas décadas, se han realizado muchas investigaciones en el problema del
control de frecuencia dentro de sistemas eléctricos interconectados. Se han empleado una
1
Siempre que hay un cambio de carga repentino en el sistema, la frecuencia oscilará por un momento
antes de regresar a su valor de estado estable.
2
serie de estrategias en el diseño del controlador con el fin de mejorar su desempeño dentro
de un sistema de múltiples áreas.
Existen diferentes tipos de controladores, ası́ como métodos para su sintonización,
tales como localización de polos, método de Ziegler-Nichols, algoritmos genéticos, etc. Sin
embargo, debido a las limitaciones de estos de estos métodos, se introdujeron técnicas
más avanzadas, como los métodos de inteligencia Swarm. En este trabajo de fin de
máster, el desempeño del controlador convencional mejorará con el uso de dos estrategias
de control. La primera, que reemplaza al controlador integral por un controlador de
acción proporcional, integral y derivativa (PID); y la segunda, es la aplicación del método
2
conocido como optimización por enjambre de partı́culas o Particle Swarm Optimization
(PSO) para la sintonización del controlador.
1.2. Planteamiento del Problema
En la actualidad, sistemas eléctricos se interconectan por varias razones. Por ejemplo,

una compañı́a eléctrica puede estar interesada en venderle energı́a a otra compañı́a si
el costo de esta operación hace la transacción rentable. Por otro lado, a otra compañı́a
le puede parecer más barato comprar electricidad del mercado eléctrico que invertir en
la construcción de una nueva instalación de generación. En otros casos, debido a los
errores que pueden producirse en la demanda estimada, una compañı́a podrı́a verse en la
necesidad de comprar energı́a con el fin de satisfacer a sus clientes.
Algunos sistemas o áreas de control pueden interactuar con otros pares vecinos sólo para
casos de emergencia, como durante la pérdida de unidades de generación o desconexión de
lineas de transmisión. En otros casos, la interconexión mejorarı́a la fiabilidad global de
todos sistemas involucrados.
Además, la interconexión varios sistemas eléctricos permite establecer una referencia
de frecuencia común. Mientras el sistema eléctrico permanezca en su estado de operación
normal, la frecuencia estará en su valor nominal (50 o 60 Hz). El intercambio de energı́a en
la lı́nea de interconexión también se mantendrá en el valor programado. Sin embargo, si se
2
Este término en ingles se usara en adelante parar referirse a este método, para evitar una traducción
inadecuada.
3
produce una perturbación, como un cambio de carga, la frecuencia se desviará de su valor
nominal. Los flujos de interconexión también se desviarán de sus valores programados.
Si las cargas varı́an, se detectará la variación de frecuencia a la salida del generador,
como se puede observar en la Figura 1.1. El regulador controla la válvula de entrada de
vapor, por ejemplo, y por tanto este se puede ajustar para mantener la frecuencia en su
valor nominal. Esa acción también debe considerar la variación del flujo en la lı́nea de
interconexión y por tanto esta variación del valor programado necesita ser ajustada.
En resumen, el problema se puede formular de la siguiente manera: Cómo resolver el
problema del AGC para un sistema eléctrico interconectado, mientras se experimenta una
gran perturbación en la carga.
Para el caso de un sistema eléctrico convencional, el AGC tiene que monitorear
continuamente la frecuencia y las desviaciones de flujo en la lı́nea de interconexión y
tratar de ajustarlos a su valor nominal. Se sabe que si la frecuencia se desvı́a fuera de
sus lı́mites predeterminados, se tiene que desconectar carga como solución final. Aquı́ no
se está afirmando que solo con el AGC no se tendrá la necesidad de eliminar carga
por completo. El punto es el mejoramiento del desempeño del AGC ayudará a evitar la
eliminación de carga suponiendo que se cuenta con suficiente capacidad de generación.
1.3. Objetivos
El objetivo principal de este trabajo de fin de máster es diseñar un AGC basado en el

uso del controlador PID y el método del PSO para su sintonización, esto aplicado a un
sistema eléctrico multiarea, con el fin de mejorar la respuesta dinámica de la frecuencia y
el flujo de potencia en las lı́neas de interconexión.
Entre los objetivos especı́ficos se puede mencionar los siguientes:
Modelar un sistema de eléctrico multiarea para el análisis del AGC.

Estudiar los fundamentos del controlador PID.
Estudiar el algoritmo del PSO.
Sintonizar el controlador PID usando el PSO para un sistema eléctrico de dos áreas
utilizando Matlab/Simulink.
4
Sintonizar el controlador PID usando el PSO para un sistema eléctrico de tres áreas
utilizando Matlab/Simulink.
Demostrar la validez del controlador propuesto y el desempeño del método de
sintonización, comparándolo con los métodos convencionales.
1.4. Antecedentes
1.4.1. Control de frecuencia
Las estrategias de control clásicas usando el controlador Integral (I) o Proporcional

Integral (PI) han sido exitosas en cumplir con el objetivo principal del AGC [8]. Métodos
convencionales como el de prueba y error se han utilizado para sintonizar estos controlado-
res [9]. Sin embargo, debido a la no linealidad en el modelado de sistemas interconectados,
estos controladores requieren estar sintonizados mediante métodos modernos [10].
Muchos de los trabajos publicados proponen diversas estrategias para mejorar el
desempeño del AGC. Por ejemplo, técnicas como el método Hybrid Bacterial Foraging
[11], el algoritmo Levy-Flight Firefly [12] o el Chaotic Optimisation algorithm [13] fueron
desarrollados para la sintonización del controlador PID. Sin embargo; mejor desempeño
lo demuestra el algoritmo PSO en la sintonización del mencionado controlador como se
demostrara más adelante. El uso de este controlador en sistemas multiareas se puede
encontrar en [13], [14], [15].
1.4.2. Particle Swarm Optimization (PSO)
Kennedy y Eberhart [16] desarrollaron el concepto de PSO basándose en un grupo de

aves. Este concepto básicamente se desarrolla a través del estudio de un ave que acude
en manada y se desplaza a lo largo de un espacio de búsqueda conforme a ciertas reglas.
Estos autores brindaron el concepto de utilizar el método PSO para optimizar funciones
no lineales. Además, describieron la relación entre el grupo de partı́culas con el algoritmo
genético y artificial.
Clerc y Kennedy [17] analizaron la trayectoria de una partı́cula a medida que se
desplaza en un tiempo discreto (en un sentido algebraico). Además, avanzaron su estudio
5
en un tiempo continuo (en un sentido analı́tico), desarrollando una representación de cinco
dimensiones que describe el sistema por completo. Estos análisis conducen a un modelo
generalizado que contiene un conjunto de coeficientes para controlar las tendencias de
convergencia del sistema. Algunos resultados del PSO sugieren métodos para alterar el
algoritmo original de manera que se eliminen algunos problemas y aumenten la capacidad
del algoritmo en encontrar mejores resultados óptimos.
Los autores en [18] proponen un algoritmo PSO hı́brido para aplicarlo en la estimación
de estado en las redes de distribución. El método propuesto considera las caracterı́sticas no
lineales de los elementos del sistema y las mediciones reales en los sistemas de distribución.
El método puede estimar la carga y las salidas de la generación distribuida en cada nudo
del sistema, reduciendo al mı́nimo la diferencia entre los voltajes y corrientes medidos
y calculados. Los autores en [19] presentan un nuevo enfoque para los problemas de
despacho económico con las funciones de costos no lineales y mediante el uso del PSO.
Los problemas prácticos de despacho económico tienen funciones de costos no lineales con
restricciones de igualdad y desigualdad que dificultan el problema de encontrar lo mejor a
solución global mediante el uso de cualquier enfoque matemático. Se sugiere el mecanismo
PSO modificado para hacer frente a las restricciones de igualdad y desigualdad en los
problemas de despacho económico.
Con esto se demuestra la versatilidad del algoritmo PSO, especialmente en aplicaciones
que involucran la operación y control de sistemas eléctricos de potencia.
1.5. Organización del documento
Este trabajo de fin de máster consta de seis capı́tulos descritos de la siguiente manera:
- En el capı́tulo 2 presenta en detalle los diferentes niveles del control de frecuencia,

cual es la función de cada uno y como estos se relacionan dentro de un sistema
eléctrico. Ademas, se hace un breve análisis de los desafı́os que se presentan en la
operación de sistemas eléctricos actuales.
- En el capı́tulo 3 se presenta el modelo de cada uno de los elementos involucrados
en el análisis del control de frecuencia y se desarrolla el modelo para un sistema
interconectado con múltiples áreas.
6
- En el capı́tulo 4 se introduce el controlador PID, sus caracterı́sticas y aplicaciones.
Ademas, se presenta diversos métodos de sintonización de este controlador, en
donde al final se detallada el método PSO, método que se utiliza para sintonizar los
controladores PID.
- En el capı́tulo 5 se exponen los casos de estudio y los resultados obtenidos en la
aplicación del algoritmo PSO en la sintonización del controlador PID.
- En el capı́tulo 6 se finaliza presentado las conclusiones y las propuestas para futuros
trabajos en esta linea de investigación.
7
Capı́tulo 2
Control de Frecuencia/Potencia
El control de frecuencia busca mantener el balance entre el consumo y la producción de

electricidad. La producción de electricidad se programa con anticipación en función a una
demanda estimada1 . Durante la operación en tiempo real, diferencias entre la producción
real y la demanda real producen desbalances entre lo que se generara y consume, lo
cual genera variaciones en la frecuencia. Esta variaciones no son deseadas en términos
seguridad y confiabilidad en la operación del sistema eléctrico debido a que los elementos
que constituyen el sistema eléctrico se han diseñado para operar a una determinada
frecuencia (50 o 60 Hz dependiendo del caso), por lo que la frecuencia debe permanecer
dentro de ciertos lı́mites establecidos en cada sistema. Para logar mantener la frecuencia
dentro de los limites establecidos se requiere generación de respaldo que pueda cubrir
posibles déficit en la generación, dicha generación de respaldo es conocida como reservas
y son activadas mediante el control de frecuencia. Existen diferentes niveles de control
de frecuencia dependiendo del periodo de operación al cual se haga referencia, según el
2
sistema europeo (ENTSO-E) estos niveles pueden ser clasificados en[2]
Respuesta por Inercia

Control Primario
Control Secundario
Control Terciario
1
En actuales sistemas eléctricos esta estimación incluye la predicción de producción de plantas eólicas
y solares.
2
De acuerdo al sistema europeo (ENTSO-E) la respuesta por inercia no constituye un nivel de control
estrictamente; sin embargo, su estudio es importante en el análisis del control de frecuencia.
8
Adicionalmente, las reservas pueden clasificadas entre reserva rotante y reserva no-
rotante. Reserva rotante es aquella generación que está disponible para ser conectada
y entregar potencia sistema, mientras la reserva no-rotante requiere de cierto tiempo
para que se pueda conectar al sistema (usualmente el tiempo de encendido de la planta
eléctrica).
2.1. Desbalance entre la producción y el consumo en
tiempo real
Teóricamente en un sistema eléctrico se cumple que: la potencia generada es igual

potencia consumida por las cargas conectadas más las pérdidas en el transporte, esto
se cumple para todo instante de operación. Entonces el termino desbalance entre la
producción y el consumo será definido como la desviación de la frecuencia con respecto a
su valor nominal. Estos desbalances pueden ser provocados por dos motivos:
Primero, como se comentó con anterioridad, la producción de electricidad se programa
con anticipación (generalmente en el mercado diario), debido a que esta programación
se realiza de manera “discreta” sobre cada periodo de operación (usualmente una hora)
en donde la generación programada no sigue exactamente a la demanda estimada, existe
desviación entre las curvas como se muestra en la Figura 2.1.
Demanda Estimada
Generación programada
Periodo de Operación
tiempo
Figura 2.1: Demanda estimada y generación programada, equivalentes pero no iguales.
9
La segunda forma de desbalance proviene de los errores en la estimación de la demanda
y eventos no programados como fallas en lı́neas de trasmisión, desconexión de generadores
o cargas, etc. En sistemas eléctricos que cuentan con generación con recurso primario
variable como el viento o la radiación solar, la estimación de la demanda incluye además
la predicción de producción de estas plantas eléctricas, esta predicción de la producción
es usada como una demanda negativa ya que en lugar de consumir aportarı́a potencia
al sistema. Cuando la presencia de este tipo de generación variable es importante, la
estimación de la demanda menos la predicción de la producción, usualmente conocido
como net load, estará sujeto a mayores errores, lo que producirá mayores excesos o déficits
en la generación programada, por ejemplo si la producción eólica es menor a la predicha,
se tendrá un déficit en la generación.
La influencia de los errores en la estimación de la demanda o en el net load se ilustra en
la Figura 2.2, donde la demanda real es mayor a la demanda estimada. El área sombreada
muestra la magnitud de la generación no programada debido a errores de estimación de la
demanda, error que tendrá que ser asumido por las reservas mediante los esquemas de
control de frecuencia.
Demanda real
Demanda Estimada
Generación programada
tiempo
Figura 2.2: La programación de la generación no es optima debido a los errores de estimación

en la demanda.
10
2.2. Respuesta por Inercia
La mayorı́a de generadores eléctricos tienen como fuerza motriz turbinas, las turbinas
entregan potencia mecánica a los generadores y estos la convierten en potencia eléctrica
que es trasmitida a las cargas mediante lı́neas de transmisión y distribución, según se
muestra el esquema de la Figura 2.3.
Pm Pe
Red
T G
Carga
Turbina Generador
Figura 2.3: Los generadores suministran potencia eléctrica a las cargas a través de la red
eléctrica. Su fuerza motriz es usualmente turbinas.
De acuerdo a las leyes de Kirchhoff, la potencia generada es siempre igual a la potencia

consumida (incluyendo las perdidas), cuando un desbalance ocurre entre lo producido y
lo consumido, la energı́a cinética almacenada en los generadores(masa turbina/generador)
conectados a la red actúan de inmediato como compensador natural. La ecuación que
describe la dinámica un generador sı́ncrono i es,
d∆wi
Mi = Pmi − Pei − PDi (2.1)
dt
donde ∆wi es la desviación de la velocidad angular mecánica con respecto a la velocidad

angular sı́ncrona, Mi es el coeficiente de inercia, Pmi es la potencia mecánica, Pei es la
potencia eléctrica y PDi es la potencia amortizadora [20]. Cuando hay balance entre la
producción y el consumo, el termino de la derecha es cero, lo que significa que el sistema se
encuentra en estado estable (aceleración angular nula en el generador sı́ncrono). Cuando
ocurre un desbalance, por ejemplo si un generador sale fuera de servicio, los generadores
restantes tienen que asumir la nueva demanda relativamente mayor, esto produce una
desaceleración en la velocidad angular de los generadores puesto que la fuente de potencia
mecánica no ha sido modificado hasta este momento (Las turbinas están equipadas con
gobernadores que cambian la potencia mecánica a suministrar en función a la referencia
que se les establezca, esto se conoce como control primario como se verá más adelante), y
11
sin embargo la potencia suministrada permanece constante. Entonces, debido a que la
velocidad de los generadores conectados a la red está ligado a la frecuencia del sistema,
una desaceleración en la velocidad angular de los generadores estarı́a produciendo una
disminución en la frecuencia (∆f = 2π∆wi ). En el caso de una disminución en la demanda,
la aceleración seria positiva por lo que la velocidad angular de los generadores ası́ como la
frecuencia aumentarı́an.
2.3. Control primario
Como se vio en el sección anterior, desbalances en la relación generación-demanda se

traducen en variaciones en la frecuencia del sistema. La respuesta por inercia amortiza
esa variación, a mayor capacidad instalada de generación sincronı́a, mayor es la inercia
con la que se cuenta y mayor es la capacidad de amortización.
Sin ninguna otra acción que la respuesta por inercia, la frecuencia seguirı́a cambiando
hasta el punto de la desestabilización del sistema eléctrico. Con motivo de estabilizar la
frecuencia a un nuevo valor el control primario es usado. Los gobernadores, dispositivos
que actúan sobre las turbinas modificando la potencia mecánica que suministran, cambian
la potencia mecánica que entregan las turbinas en función a la magnitud de la variación
de la frecuencia hasta que el balance generación-demanda se estabilice o hasta que las
reservas del control primario se agoten.
El control primario es un control netamente local, vale decir a nivel de unidad de
generación (turbina/generador), es por ello que a este nivel no existe coordinación entre las
diferentes unidades conectadas al sistemas eléctrico. La reserva (generación de respaldo)
requerida para hacer frente las variaciones de la frecuencia es definidas los códigos eléctricos
de cada sistema eléctrico, por ejemplo para el sistema nórdico[1] existen dos tipos de
control primario,el primero es usado para condiciones normales de operación (desviaciones
pequeñas) y el segundo es usado para desviaciones mayores productos básicamente de
desconexiones no programadas de lineas o generadores. Ambos tipos de control están
implementados localmente en los gobernadores de las turbinas. La Figura 2.4 muestra
el alcance del control primario en el sistema nórdico es de 50±0.1 Hz para condiciones
normales y entre 49.9-49.5 Hz para condiciones de falla, en ambas condiciones se requiere
12
un mı́nimo de reserva que para el caso de condiciones normales es 600 MW y para
condiciones de falla es Pn−1 , donde Pn−1 es la potencia necesaria para compensar cualquier
falla de acuerdo al criterio N-1. Con respecto a los tiempos de acción para este nivel de
control se requiere un tiempo activación total no mayor a 3 minutos para condiciones
normales de operación y no mayor a 30 segundos para condiciones de falla.
Pn-1
Reserva Primaria (MW)

Cond. normal
600
Cond. de falla
49.5 49.9 50
Frecuencia (Hz)
Figura 2.4: Requerimiento de reservas para el control primario de la frecuencia según el sistema
nórdico[1]
No esta demás indicar que al ser el control primario un servicio complementario

remunerado en el mercado eléctrico, cada compañı́a eléctrica decide si participa o no en la
provisión de reservas dentro de la regulación primaria.
2.4. Control secundario(AGC)
El control secundario es un control automático, generalmente conocido como Control

Automático de Generación (AGC, por sus siglas en ingles Automatic Generation Control ),
que mediante el uso de la reservas restaura la frecuencia a su valor nominal y releva el
control primario a disponibilidad de nuevos desbalances que puedan ocurrir en el sistema
eléctrico.
En algunos paı́ses el AGC es usado para mucho más que restaurar la frecuencia a su
valor nominal[21]. En Europa, por ejemplo, el AGC es usado también para controlar el flujo
13
de potencia a través de la lineas de interconexión que conectan diferentes áreas de control3 .
Por tanto, en esos sistemas el AGC tiene como entradas la variación en la frecuencia
ası́ como también la variación en el flujo de potencia en las lineas de interconexión. A
la suma de estas desviaciones se le conoce como error en el área de control (ACE, por
sus siglas en ingles Area Control Error ). El ACE es entonces la entrada del controlador
central, usualmente un controlador integral o proporcional-integral, cuya salida es la señal
requerida para restablecer el ACE a cero. La salida del controlador se traduce en un
cambio en la producción que es distribuida entre los generadores que participan en el
AGC. Esta distribución es en función a lo establecido en la programación de las reservas
dentro de la regulación secundaria.
En la Figura 2.5 se muestra el esquema del AGC para un sistema interconectado con
dos áreas de control, los controladores secundarios, AGC1 y AGC2 , ajustan la potencia
de referencia de los generadores que participan en este servicio complementario, mediante
las señales P r1 y P r2 , respectivamente.
Pr1
Δf1 G G
AGC1
Area 1
ΔPt Linea de
Interconexion
Δ f2
AGC2 G G
Area 2
Pr2
Figura 2.5: Esquema básico del control secundario para un sistema interconectado con dos
áreas de control.
3
Un área de control es parte de un sistema eléctrico interconectado, los limites de un área de control
están definidos por los puntos de conexión con otras reas. El flujo de potencia de todas las lineas que
cruzan los limites del área de control deben ser medidos, de tal modo que se pueda conocer el intercambio
neto de potencia con las demás áreas.
14
2.5. Control terciario
El control terciario se refiere a la activación manual de las reservas. Ası́ como el

control secundario, el control terciario es un servicio complementario remunerativo. Es
ejecutada por el operador del sistema en función a la programación de la generación que
se pacto previamente en el mercado diario o cuando las reservas de control secundario se
agotan, relevando estas reservas a disponibilidad de nuevos desbalances que estén bajo la
regulación secundaria.
Por lo tanto, el control de frecuencia consiste en varios niveles de control. Cuando se
produzca un desbalance, habrá una variación en la frecuencia. La respuesta por inercia
actuara naturalmente mediante la masa de generadores sı́ncronos conectados al sistema.
Luego en intervalos de segundos el control primario se hará presente para estabilizar
la frecuencia a un nuevo valor. El control secundario actuara luego para restablecer la
frecuencia a su valor nominal y relevar el control primario. Finalmente, el control terciario
se activara manualmente con el fin de relevar al control secundario. La Figura 2.6 muestra
los intervalos de actuación de cada nivel de control de frecuencia.
Respuesta
por inercia Control primario
Control secundario
Control terciario
tiempo
Seg. Minutos Horas
Figura 2.6: Diferentes niveles del control de la frecuencia y sus tiempos de acción.[2]
Asimismo, La Figura 2.7 muestra la respuesta de la frecuencia para los diferentes niveles
de control. Como se observa solo con la respuesta por inercia el sistema se vuelve inestable,
el control primario estabiliza la frecuencia a un nuevo valor, y el control secundario
restaura la frecuencia a su valor nominal.
15
0.02
−0.02
−0.04
−0.06
−0.08
−0.1
−0.12
−0.14
Respuesta por Inercia
Control primario
−0.16 Control secundario
−0.18
0 5 10 15
Time
Figura 2.7: Tı́pica respuesta de los niveles de control de frecuencia ante un desbalance.
2.6. Desafı́os en la operación del sistema eléctrico
Esta claro que los desafı́os en los sistemas eléctricos actuales están relacionados a
la introducción de nuevas fuentes de generación, como es la generación cuya fuente de
energı́a primaria es variable, las más conocidas y utilizadas son el viento y la radiación
solar. Integrar este tipo de generación a la red eléctrica se ha convertido un desafió desde
el punto de vista operacional como de planificación. Esta sección básicamente se enfocara
en el impacto en el operación del sistema, y más especı́ficamente como esto influyen en las
reservas necesarias para el control de la frecuencia.
El problema con este tipo de generación variable (en adelante se utilizara este termino
para referirse a la generación eólica y/o solar) es la incertidumbre en su producción.
Mas aun, cuando el nivel de penetración de este tipo de generación es importante, la
incertidumbre es mayor aun. A mayor penetración mayor incertidumbre en la producción.
Mantener el balance generación-demanda significa mantener la frecuencia dentro de los
limites establecidos en el código eléctrico de cada paı́s o sistema. Ello puede ser logrado
aumentando o disminuyendo generación o, por el otro lado, aumentando o disminuyendo la
demanda. El ultimo enfoque se conoce como Respuesta a la Demanda (DR, por sus siglas
en ingles Demand Response). A pesar de los muchos estudios y el potencial que tendrı́a la
16
DR en dar soporte a las reservas, disminuyéndolas, hay todavı́a una gran vació que hace
parecer que su aplicación no se dará al menos en el corto plazo[22], al menos ası́ se muestra
en mucho de los paı́ses en donde la generación variable se ha ido integrando al sistema
eléctrico desde hace varias décadas atrás. No obstante, aumentando o disminuyendo la
generación requiere tener suficiente reserva como para poder hacer frente a desbalances
súbitos. Esto afecta al control de la frecuencia, que es balance entre lo que se produce y
consume, principalmente en los siguientes aspectos:
-Incremento en la cantidad de reserva: Incrementar la cantidad de reserva tiene un
efecto económico directo, ya que significa tener a disposición mayor cantidad de generadores
para actuar ante eventos imprevistos y, como se sabe, es un servicio remunerado.
-Generadores calificados: No solo hace falta contar con suficientes reservas sino que
también es necesario contar con generadores capaces de darles uso, respondiendo eficaz-
mente a desbalances súbitos, especialmente en el capacidad de incrementar o disminuir su
generación en periodos cortos (rampa máxima de subida y/o bajada).
Un completo estudio de los desafı́os que representan al integrar generación variable a
la red se puede encontrar en [23]. Aquı́ se resumen las recomendaciones que se plantean al
respecto:
A. Mejorar el pronóstico de la producción

El pronostico de la producción de la generación variable es usado para realizar la
programación diaria de la generación. A pesar de que las técnicas de predicción han
mejorado en los últimos años[23], el nivel de incertidumbre es aun considerable, por lo
que todavı́a se requiere contar con enorme cantidad de reservas. El problema recae en
que la información meteorológica que se utiliza para el pronostico de la producción es
información disgregada y es propiedad de múltiples compañı́as privadas. Compartiendo
y centralizando esa información la precision del pronostico mejorarı́a notablemente, lo
que disminuirı́a los errores y reducirı́an la cantidad de reservas necesarias. Para sistemas
eléctricos en donde la presencia de generación variable no sea considerable, implementar
dicha centralización podrı́a incurrir en costos mas altos que los beneficios que se obtendrı́an.
B. Desarrollar y mejorar herramientas para predecir eventos rampa
17
Conocer con antelación lo que estarı́a ocurriendo en el sistema con respecto a eventos
rampa (rampa de subida o bajada, duración de la rampa, tiempo de inicio, magnitud)
proporcionarı́a valiosa información a los operadores del sistema de modo tal que puedan
tomar acciones preventivas que reduzcan el impacto de dichos eventos sobre el sistema
eléctrico.
C. Abriendo nuevos mercados cercanos a la operación en tiempo real

Actualmente, el mercado diario e intra-diario son la aplicación práctica más cercana a
la operación en tiempo real. La ventaja de crear nuevos mercados aun más cercanos, es que
la precision del pronostico de producción de generación variable mejora considerablemente
si se reduce el tiempo de pronostico. Figura 2.8 muestra la variación del error en la
predicción con respecto al tiempo en se realiza la predicción. Se nota, por ejemplo, que el
error cambia de 15 % a 5 % para un mercado diario y un mercado ficticio con 4 horas de
anticipación, respectivamente.
Figura 2.8: Evolución del error en la predicción de generación variable (eólica) con respecto al
tiempo de anticipación.[3]
D. Cooperación entre áreas de control

Agrupando geográficamente diferentes áreas de control, cada una una con propia
generación variable, grandes desbalances individuales en cada área resultarı́a en un des-
balance menor si se considera todo el conjunto como uno. Sin embargo, esto requiere
suficiente infraestructura en puntos de conexión las áreas de modo tal que no se produzca
congestiones en las lineas de interconexión.
18
E. Asegurar flexibilidad en el sistema
La velocidad a la que una unidad de generación cambia la potencia entregada depende
del tipo de tecnologı́a usada y de su diseño . Por ejemplo, para las plantas hidráulicas
un cambio en la potencia entregada podrı́a tomar minutos, para plantas de gas podrı́a
tomar fracciones de hora, y para plantas nucleares varias horas. Grandes unidades de
generación, que sirven como generación base (Plantas nucleares o de carbón), no fueron
diseñadas para realizar cambios frecuentes en su potencia debido a que ello resultarı́a en
un excesivo costo de mantenimiento, ademas reducirı́a el tiempo de vida de la planta y
estarı́a operando fuera del punto de operación óptimo. Por otro lado, plantas de gas e
hidráulicas generalmente cumplen con los requisitos de flexibilidad y pueden ser usados
como correctores de frecuencia.
F. Conexión de generación variable a la red

Otra caracterı́stica particular para tener en cuenta es que la contribución de inercia es
muy diferente en las plantas de generación variable con respecto a plantas convencionales,
es por eso que la generación variable apoya poco en la estabilidad de la frecuencia. La
primera razón es que en las plantas convencionales la inercia se basa en soporte fı́sico
(masa generador/turbina), esta función no es inherente en la mayorı́a de los generadores
eólicos o solares que operan actualmente. En segundo lugar, la generación variable no
pueden restaurar la desviación del la frecuencia o el ACE de un sistema debido a que
sus recursos primarios no son controlables (eólica y solar), otro es el caso de los genera-
dores convencionales en los que la potencia de salida se puede controlar aumentando o
disminuyendo su fuente primaria (combustible, flujo de agua). Las plantas de generación
variable necesitan una interfaz electrónica para ser conectado a la red. En algunas plantas
eólicas, esta interfaz puede proporcionar cierto grado de respuesta inercial a través de un
diseño y control apropiado de sus dispositivos electrónicos. Esto también es posible para
las plantas solares emulando la respuesta inercial utilizando unidades de almacenamiento
de energı́a[24].
19
2.6.1. Sumario
El estudio de los niveles de control de frecuencia se realizo en base a los establecido

por la ENTSO-E. Las provisiones de reserva para el balance de frecuencia incluyen los
controles primario, secundario y terciario. El control primario, es un control local no
remunerable, mientras que los controles secundario y terciario son servicio remunerativos
que se establecen dentro del mercado eléctrico del sistema. El tiempo de actuación del
control primario es dentro de segundos, el del control secundario dentro de minutos y el
control terciario dentro de minutos u horas. El control secundario o AGC es un control
que ajusta la frecuencia a su valor nominal (en algunos casos también controla el flujo
de potencia en las lineas de interconexión del área de control). Por otro lado, el control
terciario es de activación manual que restablece la disponibilidad del control secundario.
Asimismo, el aumento de la penetración de generación variable en un sistema con-
vencional aumentará la cantidad de la reserva necesaria para garantizar ciertos limites
de seguridad y confiabilidad . Además, el impacto sobre el modo de operación fueron
discutidos y algunas recomendaciones dadas.
20
Capı́tulo 3
Modelo dinámico del sistema

eléctrico
El primer paso para el análisis y diseño de un sistema de control es el modelado del

sistema a estudiar. Los métodos más comunes para ello son mediante el uso de funciones
de transferencia y el uso de variables de estado. El último enfoque puede ser aplicado
tanto a sistemas lineales como no-lineales, mientras que el modelado mediante funciones
de transferencia requiere linealizar el sistema previamente. Para linealizar el modelo
matemático que describe un sistema eléctrico se harán aproximaciones razonables, de ese
modo se obtendrán funciones de trasferencia de los elementos que están involucrados en el
análisis de control de frecuencia. Una completa introducción en el modelamiento dinámico
de un sistema eléctrico de potencia puede encontrase en[7], [25] y [6]. En este capitulo, el
modelo dinámico del sistema eléctrico incluye el modelo de unidad de generación(generador,
carga, turbina y gobernador), el modelo de la linea de interconexión y el modelo del
sistema interconectado.
3.1. Unidades de generación
La unidad de generación es el elemento básico para ejercer el control de frecuencia en

un sistema eléctrico. La Figura 3.1 muestra una unidad de generación que alimenta a una
carga. La unidad esta compuesta por un generador sı́ncrono, una turbina que puede ser de
gas, vapor o hidráulica y una válvula de admisión a la turbina. La válvula de admisión a la
21
turbina permite regular el flujo entrante a la misma y, por lo tanto, la potencia mecánica
aportada al generador sı́ncrono.
Potencia y frecuencia
de referencia
Señal de salida
a la válvula de Potencia y
admisión Sistema de frecuencia real
Control
Valvula
Pm Pe
T G
Carga
Turbina Generador
Figura 3.1: Elementos principales de una unidad de generación en el control de frecuencia.
El sistema de control se encargara de ajustar la potencia generada a la potencia que

consume la carga, para ello se usan los niveles de control discutidos en el capitulo anterior.
Para nuestro análisis solo requeriremos discutir de los controles primario y secundario. El
control terciario es un control programado en el mercado diario y esta fuera del alcance
de nuestro estudio.
3.1.1. Generador
Aplicando la ecuación de oscilación de una maquina sincronı́a dada en (2.1), y conside-

rando una pequeña desviación en angular δ se tiene:
d∆w 1
= (Pm − Pe ) (3.1)
dt 2H
donde H es el coeficiente de inercia en segundos, Pm es la potencia mecánica, Pe es la

potencia eléctrica.
22
Tomando la transformada de Laplace de (3.1), se obtiene:
1
∆Ωs = (Pm(s) − Pe(s) ) (3.2)
2Hs
La relación matemática mostrada en (3.2) se pude representar mediante una función

de transferencia según muestra la Figura 3.2
+ 1
∆𝑃 𝑚(𝑠) ∆Ω (𝑠)
2𝐻𝑠
−
∆𝑃 𝑒(𝑠)
Figura 3.2: Modelo del generador.
3.1.2. Carga
La carga en el sistema de potencia consiste en una variedad de dispositivos eléctricos.

Para cargas puramente resistivas, la potencia eléctrica es independiente de la frecuencia.
Para cargas inductivas como el motor eléctrico, la potencia esta relacionada con la
frecuencia. El grado de dependencia lo determina la curva caracterı́stica velocidad-potencia
de cada dispositivo. Dicha relación se puede aproximar a la siguiente expresión:
∆Pe = ∆PL + D∆w (3.3)
donde ∆PL es la variación de carga no sensible a la frecuencia, D∆w es la variación

de carga sensible a la frecuencia. D representa el porcentaje de variación de la carga con
respecto al porcentaje de variación en la frecuencia. Por ejemplo, si la carga cambia en un
3 % cuando la frecuencia varia en 2 %, entonces D=1.5.
Incluyendo el modelo de carga en el diagrama de bloque del generador, se obtiene lo
mostrado en la Figura 3.3. Reduciendo el diagrama de bloque se obtiene lo que muestra
la Figura 3.4.
23
∆𝑃 𝐿(𝑠)
−
+ 1
∆𝑃 𝑚(𝑠) ∆Ω (𝑠)
−
2𝐻𝑠
Figura 3.3: Modelo generador-carga.
∆𝑃 𝐿(𝑠)
−
+ 1
∆𝑃 𝑚(𝑠) ∆Ω (𝑠)
2𝐻𝑠 + 𝐷
Figura 3.4: Modelo generador-carga(reducido).
3.1.3. Turbina
Las turbinas son usadas para transformar la energı́a primaria, como la energı́a de
una caı́da de agua, gases a alta presión, etc., en potencia mecánica que se suministra
al generador. Para el modelamiento de la turbina, es necesario tener en cuenta el tipo
de tecnologı́a que se usa. Las particularidades de cada tipo yace en el tiempo de acción
(tiempo de retraso) desde que se manda la señal al gobernador y la válvula actúa hasta
que la variación de potencia mecánica se haya realizado. Usualmente se pueden considerar
tres tipos: turbina de ciclo simple, turbina de ciclo combinado y turbina hidráulica.
Las turbinas de ciclo simple se representan mediante funciones de primer orden. El
tiempo de retraso (Tch ) ocurre entre la apertura de la válvula hasta el momento en que se
produce el par mecánico. La función de transferencia para las turbinas de ciclo simple es
representada por:
∆Pm(s) 1
Gs = = (3.4)
∆Pv(s) Tch s + 1
donde ∆Pv(s) es el cambio de posición de la válvula.

Las turbinas de ciclo combinado son de segundo orden debido a que su sistema es más
complejo, por ejemplo multiples etapas debido a niveles de alta y baja presión en el vapor
24
de agua. Su función de transferencia es representada por:
∆Pm(s) Fhp Trh s + 1

Gv = = (3.5)
∆Pv(s) (Tch s + 1)(Trh s + 1)
donde Trh representa el tiempo de recalentamiento en baja presión y Fhp representa el

ratio en alta presión.
En las turbinas hidráulicas, la presión del flujo de agua responde en oposición al cambio
de frecuencia para luego estabilizarse después de los estados transitorios. Entonces, la
función de transferencia para estas turbinas es representada según:
∆Pm(s) −Tw s + 1
Gt = = (3.6)
∆Pv(s) 0,5Tw s + 1
donde Tw es el tiempo de reacción del flujo de agua.

Por cuestiones de estabilidad, un compensador de transitorios es necesario en el
modelamiento de turbinas hidráulicas, dicha función de compensación se expresa como
sigue:
TR s + 1
GC = (3.7)
TR RRT s + 1
donde TR , RT y R representan el tiempo de reposición, caı́da temporaria y caı́da

permanente, respectivamente[7].
El modelo de turbina de ciclo simple es mostrado en la Figura 3.5. Añadiendo el
diagrama de bloque generador-carga de la Figura 3.3 se obtiene lo mostrado en la
Figura 3.6
1
∆𝑃 𝑣(𝑠) ∆𝑃 𝑚(𝑠)
𝑇𝑐ℎ 𝑠 + 1
Figura 3.5: Modelo turbina de ciclo simple.
3.1.4. Gobernador
El control primario de frecuencia es realizada por el gobernador en cada unidad

generadora de manera automática; por tanto, el gobernador debe contar con un dispositivo
25
∆𝑃 𝐿(𝑠)
−
1 ∆𝑃 𝑚(𝑠) + 1
∆𝑃 𝑣(𝑠) ∆Ω (𝑠)
𝑇𝑐ℎ 𝑠 + 1 2𝐻𝑠 + 𝐷
Figura 3.6: Modelo turbina de ciclo simple-generador-carga.
de medida de frecuencia del sistema, un controlador que ejecute la acción a seguir y un

mecanismo que actúe sobre la válvula de admisión de la turbina.
Cuando la carga conectada a un generador incrementa de repente, la potencia eléctrica
.excede.a la potencia mecánica de referencia. Como se vio en el capitulo anterior, la primera
reacción que se da es la respuesta por inercia debido a la energı́a cinética que almacena la
masa generador/turbina, esta reacción produce una reducción en la velocidad de rotación
de la turbina causando un decaimiento en la frecuencia. El gobernador de la turbina
reconocerá esta variación de frecuencia y actuara ajustando la señal de entrada de la
válvula de admisión de la turbina, de modo que se estabilice la velocidad de rotación
llegando ası́ a un nuevo estado estable (con frecuencia distinta a la nominal). Esto se
representa en la Figura 3.7 donde se muestra como se relaciona la variación de frecuencia
ante variación de potencia de una unidad, a esta pendiente caracterı́stica se le conoce como
Estatismo del gobernador. Por ejemplo, si la carga incrementa de P0 a Pb , la frecuencia se
reducirı́a de f0 a fb , y viceversa. Luego, se cumple que:
f0 − fb fa − f0
R= = (3.8)
P b − P0 P0 − Pa
Frecuencia
Estatismo (R)
Frecuencia nominal
fa
f0
fb
Pa P0 Pb Potencia
Figura 3.7: Estatismo del gobernador.
26
Con el fin de permitir la operación en paralelo de generadores el estatismo se introduce
como una una señal de retroalimentación R hacia la válvula de cada turbina. Si dos
unidades de generación están conectadas al mismo sistema, ante una variación en la carga
estas unidades compartirán dicha variación en función a sus respectivos estatismos, siempre
a una misma frecuencia, esto se ilustra en la Figura 3.8. Por ejemplo, cuando la carga
conectada aumenta en ∆PL , se produce una reducción en la frecuencia, el gobernador
actúa y se establece un nuevo estado estable a frecuencia f2 . La contribución de potencia
de cada unidad de generación esta en función a la pendiente de la recta o estatismo (R1 y
R2 ). La unidad 1 incrementa su potencia de P1 a P10 y la unidad 2 de P2 a P20 , donde a P10
- P1 + P10 - P1 resulta igual a ∆PL .
Frecuencia
Frecuencia
R1 R2
f1
f2
P1 P'1 Potencia P2 P'2 Potencia

Unidad 1 Unidad 2
Figura 3.8: Distribución de la potencia en función del estatismo para dos unidades de genera-
ción.
Una vez que se ha obtenido un balance a un valor de frecuencia diferente a la nominal,

es necesario un control complementario (o suplementario) para restablecer la frecuencia
a su valor nominal, a esta acción se le denomina control secundario o AGC, como se
detallara mas adelante.
El diagrama de bloque del gobernador es mostrado en la Figura 3.9.
1
∆Ω (𝑠)
𝑅
−
+ 1
∆𝑃 𝑟𝑒𝑓(𝑠) ∆𝑃 𝑣(𝑠)
𝑡𝐺 𝑠 + 1
Figura 3.9: Modelo del gobernador.
Considerando el modelo generador-carga-turbina-gobernador vistos hasta ahora se
27
obtiene lo mostrado en la Figura 3.10
1
𝑅
∆𝑃 𝐿(𝑠)
− ∆𝑃 𝑣(𝑠) ∆𝑃 𝑚(𝑠) −
+ 1 1 + 1
∆𝑃 𝑟𝑒𝑓(𝑠) ∆Ω (𝑠)
𝑡𝐺 𝑠 + 1 𝑇𝑐ℎ 𝑠 + 1 2𝐻𝑠 + 𝐷
Figura 3.10: Modelo generador-carga-turbina-gobernador.
3.2. Sistemas Interconectados
El concepto de área de control corresponde a un conjunto de generadores (usualmente

de la misma compañı́a eléctrica o situados dentro de una misma zona geográfica) unidos por
lı́neas de baja impedancia de forma que se pueda decir que la frecuencia es siempre la misma
en cualquier nudo dentro del área. Sin embargo, el sistema eléctrico está interconectado, de
forma que distintas compañı́as eléctricas y distintos paı́ses intercambian energı́a eléctrica
entre sus áreas de control. La razón por la que un área se interconecta no solo es debido a
que de esta forma puede comercializar energı́a eléctrica con sus vecinos, según le convenga
o disponga. Ademas, conectar varias áreas proporciona mayor estabilidad al sistema global
ante eventos no programados como fallas en lineas o generadores, garantizando de ese
modo la continuidad del suministro eléctrico.
A causa de que las cargas varı́an continuamente, la generación debe ser ajustada
continuamente para restaurar la frecuencia a su valor nominal. Como se vio en el capitulo
anterior, a este esquema de control se le conoce como control secundario o AGC. En un
sistema interconectado constituido por varias áreas, la función del AGC es asignar las
variaciones de carga dentro del área que corresponda, controlando al mismo tiempo el
intercambio de potencia entre las áreas interconectadas, de modo tal que la frecuencia
permanezca dentro de los limites establecidos. Estas consideraciones son para condiciones
de estado estable o cuasi-estable, para condiciones de grandes perturbaciones transitorias
o condiciones de emergencias otros controles son utilizados[25]. En resumen, los objetivos
del AGC en un sistema interconectado son:
28
Mantener la frecuencia alrededor del valor nominal y dentro limites establecidos.
Controlar el intercambio de potencia entre las áreas de acuerdo a lo programado.
Controlar que cada área se responsable de las variaciones de cargas dentro de sus
fronteras.
3.2.1. Lı́neas de interconexión (Tie-Lines)
El flujo de potencia a través de una linea de transmisión puede se modelada usando el

modelo DC o lineal de flujo de carga[7].
1
P12 = (θ1 − θ2 ) (3.9)
X12
Este es el flujo de potencia en estado estable a través de la linea de interconexión con

impedancia X12 . Añadiendo un pequeña variación (perturbación) a la ecuación anterior,
se obtiene:
1
P12 + ∆P12 = [(θ1 + ∆θ1 ) − (θ2 + ∆θ2 )] (3.10)
X12
Entonces:
1
∆P12 = (∆θ1 − ∆θ2 ) (3.11)
X12
donde ∆θ1 y ∆θ2 son equivalentes a la desviación angular (∆w = d(∆θ)/dt), luego:
T
∆P12 = (∆w1 − ∆w2 ) (3.12)
s
donde T = 2πf /X12

Para un sistema interconectado con dos áreas conectadas por una linea de transmisión.
El flujo de potencia a través de esta linea aparecerá como una carga negativa para un área,
y positiva (y de igual magnitud) para la otra, o viceversa, dependiendo del sentido del
flujo. La dirección del flujo es determinada por los ángulos de fase en los nudos extremos
que conectan la linea, como muestra la ecuación (3.11), esta a su vez es determinada por
29
∆𝑤1
+
𝑇
∆𝑃 12
𝑠 −
∆𝑤2
Figura 3.11: Modelo linea de interconexión.
la desviación de la velocidad angular relativa de las áreas o la desviación relativa de las

frecuencias.
1
𝑅1
∆𝑃 𝐿1
− −
+ 1 1 + 1
∆𝑃 𝑟𝑒𝑓1 ∆𝑤1
𝑡𝐺1 𝑠 + 1 𝑇𝑐ℎ1 𝑠 + 1 2𝐻1 𝑠 + 𝐷1
−
Gobernador Turbina Generador-Carga
+
𝑇
∆𝑃 12
𝑠 −
∆𝑃 𝐿2
− −
+ 1 1 + 1
∆𝑃 𝑟𝑒𝑓2 ∆𝑤2
𝑡𝐺2 𝑠 + 1 𝑇𝑐ℎ2 𝑠 + 1 2𝐻2 𝑠 + 𝐷2
−
Gobernador Turbina Generador-Carga
1
𝑅2
Figura 3.12: Modelo para un sistema interconectado con dos áreas.
La Figura 3.12 muestra el diagrama de bloques para un sistema interconectado

compuesto por dos áreas de control.
3.2.2. Error en el área de control (ACE)
Con el objetivo de eliminar el error de frecuencia y el error de flujo de potencia entre

áreas existe el control secundario, que aplica una acción de control de tipo integrador
sobre una combinación de ambos errores. A esta combinación se le conoce como el error
en un área de control (ACE, por sus siglas en ingles Area Control Error ). El ACE del
30
área i para un sistema interconectado compuesto por n áreas , esta definido por:
n
X
ACEi = ∆Pij + Bi ∆wi (3.13)
j=1
donde,
1
Bi = + Di (3.14)
Ri
y, el sumatorio de los ∆Pij es la exportación neta de potencia activa del área i, es

decir, la suma de los flujos de potencia salientes hacia todas las áreas vecinas.
En general, el AGC no es realizado por todas las unidades de generación de una misma
área, sino únicamente por aquellas que participan en la regulación secundaria. El ACE
representa el cambio requerido en la generación de cada área, y usualmente se expresa en
MW.
Cabe mencionar que el valor de Bi en un sistema eléctrico real no permanece constante
a lo largo del tiempo. Como se ve en la ecuación (3.13), Bi es función de Ri y Di . Ri
depende del número de generadores conectados y de sus constantes de estatismo y Di
depende de la naturaleza de la carga. Por tanto, Bi puede variar significativamente entre
las horas punta y valle de demanda.
3.2.3. Operación con múltiples generadores
Cuando dos o más unidades de generación están conectados al mismo sistema eléctrico,
la masa turbina-generador de todas la unidades se combinan en una sola unidad repre-
sentativa, cuya constante de inercia es igual a la suma de todas las constantes de inercia
referidas a una misma potencia base, que es alimentada por la suma de potencias mecánicas
de todas las turbinas. Ello es ilustrado en la Figura 3.13, donde las todas unidades de
generación son representadas por una sola unidad equivalente (2Hequiv ). Asimismo, todas
31
la cargas fueron son representadas por una equivalente (Dequiv ).
n
X
Hequiv = Hi (3.15)
i=1
n
X
Dequiv = Di (3.16)
i=1
∆𝑃 𝐿(𝑠)
∆𝑃 𝑚1(𝑠) −
+
+
1
∆𝑃 𝑚2(𝑠) ∆Ω (𝑠)
2𝐻𝑒𝑞𝑢𝑖𝑣 𝑠 + 𝐷𝑒𝑞𝑢𝑖𝑣
+
∆𝑃 𝑚𝑛(𝑠)
Figura 3.13: Modelo generador-carga con múltiples unidades de generación.
3.3. Modelo dinámico de sistema eléctrico de dos
áreas interconectadas
Para un sistema interconectado compuesto por dos áreas, el error en las respectivas
áreas vendrı́a dado por:
ACE1 = ∆P12 + B1 ∆w1 (3.17)
ACE2 = ∆P21 + B2 ∆w2 (3.18)
El ACE es usado como señal de entrada del controlador (generalmente integral o

proporcional-integral) de modo tal que se regule la potencia de generación, llevando los
valores de ∆P12 y ∆w a cero. El control integral garantiza que mientras que el ACE no sea
nulo la salida del integrador seguirá aumentando, lo que provocará una variación del valor
de la potencia de referencia. Solamente cuando el error de frecuencia llegue a un valor
nulo se conseguirá que la potencia de referencia de entrada al gobernador permanezca
constante. El diagrama de bloques para este caso es mostrado en la Figura 3.14.
donde K1 y K2 son las ganancias del los controladores integrales, controladores
usualmente usados en el AGC. El valor de estas ganancias caracteriza la rapidez con la que
32
𝐵1
1
𝑅1
∆𝑃 𝐿1
− 𝐴𝐶𝐸1 − −
𝐾1 + 1 1 + 1
∆𝑤1
− 𝑠 𝑡𝐺1 𝑠 + 1 𝑇𝑐ℎ1 𝑠 + 1 −
2𝐻1 𝑠 + 𝐷1
Controlador Gobernador Turbina Generador-Carga
+
∆𝑃 12 𝑇
𝑠 −
∆𝑃 𝐿2
+ 𝐴𝐶𝐸2 − −
𝐾2 + 1 1 + 1
∆𝑤2
−
𝑠 − 𝑡𝐺2 𝑠 + 1 𝑇𝑐ℎ2 𝑠 + 1 2𝐻2 𝑠 + 𝐷2
Controlador Gobernador Turbina Generador-Carga
1
𝑅2
𝐵2
Figura 3.14: Modelo AGC para un sistema interconectado de 2 áreas.
disminuye el error en el área de control. Por lo tanto, estos parámetros son fundamentales
para el control ya que dependiendo de sus valores el sistema será inestable o estable; y en
caso de ser estable, determinaran si la respuesta será o no oscilatoria. Como regla general,
el sistema será inestable para ganancias muy grandes.
3.4. Modelo dinámico de sistema eléctrico de múlti-
ples áreas interconectadas
El mismo esquema aplicado a un sistema con dos áreas puede extenderse a un sistema
con cualquier numero de áreas. Para el caso general de un sistema interconectado compuesto
por n áreas, en donde cada área esta compuesta por k unidades de generación, el modelo
AGC para el área i se muestra en la Figura 3.15.
Los parámetros pi,1 , pi,2 , .., pi,k son los factores de participación de las unidades de
33
𝐵𝑖
1 1 1
𝑅𝑖,𝑘 𝑅𝑖,2 𝑅𝑖,1
−
+
𝑝𝑖,1 𝐺𝑜𝑏𝑒𝑟𝑛𝑖,1 𝑇𝑢𝑟𝑏𝑖,1
∆𝑃 𝐿𝑖
𝐴𝐶𝐸𝑖
−
−
𝐾𝑖 +
− +
1 ∆𝑤𝑖
𝑝𝑖,2 +
𝐺𝑜𝑏𝑒𝑟𝑛𝑖,2 𝑇𝑢𝑟𝑏𝑖,2 +
− 𝑠 −
2𝐻𝑖 𝑠 + 𝐷𝑖
+
Controlador Generador-Carga
−
+
𝑝𝑖,𝑘 𝐺𝑜𝑏𝑒𝑟𝑛𝑖,𝑘 𝑇𝑢𝑟𝑏𝑖,𝑘
+
−
𝑇𝑖,1
∆𝑤1
𝑠
+ +
−
𝑇𝑖,2
+
𝑠
∆𝑤2
+
+
𝑇𝑖,𝑛 −
𝑠
∆𝑤𝑛
n≠i
Figura 3.15: Modelo AGC del área ’i’ compuesta por ’k’ unidades de generación para un sistema
de ’n’ áreas.
generación dentro de un área, en este caso dentro del área i. Ademas, se debe cumplir que:
pi,1 + pi,2 + .. + pi,k = 1 (3.19)
Dentro del área, cada gobernador tiene un estatismo particular (Ri,1 , Ri,2 , .., Ri,k ) que
define, junto con el factor de participación el grado de aportación al control de frecuencia.
El termino Bi estarı́a calculado por:
1 1 1
Bi = + + .. + + Di (3.20)
Ri,1 Ri,2 Ri,k
El sumatorio de los flujos de interconexión del área i, que están en función de los
coeficientes Ti,1 , Ti,2 , .., Ti,n (para i 6= n), representan el flujo de potencia neto para dicha
área.
34
3.5. Sumario
El modelado de cada componente que participa en el análisis del control de frecuencia

ha sido desarrollado mediante modelos lineales y se han representado usando funciones
de transferencia. Del mimo modo, la razones para interconectar áreas de control es el
intercambio de energı́a, ademas de la posibilidad de asistencia mutua durante condiciones
de operación desfavorables. Finalmente, el modelo para un un sistema interconectado con
dos áreas de control fue mostrado ası́ como también para el caso general de un sistema
con múltiples áreas. Este capitulo sirve de base para el diseño del controlador PID y el
modelamiento del sistema eléctrico a estudiar en este trabajo de fin de máster.
35
Capı́tulo 4
Sintonización de un controlador PID

usando Particle Swarm Optimization
El control de frecuencia en un sistema eléctrico requiere de un controlador que pueda

cumplir con los requerimientos que dicho sistema demande. El controlador PID por su
versatilidad y simpleza es usado en muchas aplicaciones incluyendo los sistemas eléctricos
de potencia. Uno de los desafı́os en el diseño de controladores es la sintonización de los
mismos. Muchas técnicas han sido desarrolladas para diferentes tipos de controladores y
aplicaciones. En esta sección se hará una presentación del controlador PID, y luego se
presentara diversas técnicas para su sintonización. Sin embargo, se enfocara al final en el
método de Particle Swarm Optimization.
4.1. Estudio del controlador PID
El controlador PID es un mecanismo de control por retrolamientación que incluye tres

parámetros caracterı́sticos: el proporcional, el integral y el derivativo. Este controlador
es usado ampliamente en los procesos industriales debido a su fácil implementación y
su aceptable desempeño en muchas situaciones practicas. Una representación básica de
un mecanismo de control por retroalimentación es mostrado en la Figura 4.1, en donde
la planta es el sistema a controlar. La idea de un controlador es ajustar la variable de
salida y a la consigna r. Para lograr ello, la variable u es modificada por el controlador.
La variable d representa los disturbios externos que puedan afectar a la planta o sistema.
36
𝑑
+ 𝑒 𝑢
𝑟 𝐶(𝑠) 𝑃(𝑠) 𝑦
−
Controlador Planta
Figura 4.1: Esquema convencional de control por retroalimentación.
El compensador (C(s) ) modifica la variable u en función a su entrada e, que es el error

calculado por: e = y − r. Cabe mencionar que en la Figura 4.1 se asume que la variable
y es medida con gran precision, de modo tal que se omite las presencia del sensor en el
diagrama de bloques, y como resultado la entrada del controlador es exactamente e.
Los controladores PID tienen la misma estructura de control que la mostrada en la
Figura 4.1, en donde el controlador PID vendrı́a a ser el compensador C(s) .
4.2. Controlador PID
El aporte de los parámetros caracterı́sticos (proporcional, integral y derivativo) son

representados mediante factores de multiplicación o ganancias, estos pueden ser definidos
de la siguiente manera:
Proporcional: Esta caracterı́stica simplemente multiplica el error por la ganancia

proporcional para obtener la salida del controlador. Solo el uso del termino propor-
cional podrı́a dar un control aceptable; sin embargo, la respuesta del sistema podrı́a
tornarse inestable para valores grandes de esta ganancia.
Integral: Asegurará que la salida del controlador permanezca en un valor no nulo en
el estado estacionario (después del perı́odo transitorio), a pesar de que su entrada
sea nula. Esta caracterı́stica permite tener un valor de error igual a cero.
Derivativo: Esta caracterı́stica asegurará una respuesta mucho más rápida.
Estas tres caracterı́sticas permiten al controlador PID operar en estados estacionarios

ası́ como también estados transitorios. La función de transferencia del controlador PID se
expresa como [26]:
37
u kp 1
= kp + + kp Td s (4.1)
e Tr s
O también como
u 1
= kp + ki + kd s (4.2)
e s
donde Tr es el tiempo de reseteo, Td es el tiempo derivativo, kp , ki y kd son las ganancias

proporcional, integral y derivativa, respectivamente. La representación de controlador PID
se muestra en la Figura 4.2.
P: 𝒌𝒑
𝑒 I : 𝒌𝒊 𝒔
𝟏
𝑢
D : 𝒌𝒅 𝒔
Figura 4.2: Representación del controlador PID.
En la implementación del controlador PID se requiere: primero, determinar cual(es)

de los tres elementos es necesario incluir y; segundo, determinar sus ganancias. Para esto
se asume que el modelo del sistema o planta a controlar ası́ como los requerimientos
operacionales son conocidos de antemano. Los requerimientos de operación son definidos
por el usuario, estos generalmente se hacen en base a parámetros que definen la respuesta
del sistema de control. La Figura 4.3 muestra una respuesta general, en donde se indican
los parámetros que la definen. El concepto de cada parámetro es como sigue:
- Tiempo de subida: El tiempo transcurrido hasta que la respuesta alcanza por primera
vez el valor de 0,9y∞ , donde y∞ es el valor de la respuesta en estado estable.
- Sobrepico: El máximo valor que alcanza la respuesta sobre y∞ .
- Tiempo de asentamiento: El tiempo transcurrido hasta que la respuesta entre (y
permanezca) a una banda especificada alrededor de y∞ .
38
Sobrepico
Error en
estado
estable
Tiempo
Tiempo de Tiempo de
subida asentamiento
Figura 4.3: Caracterı́sticas de una respuesta.
Tabla 4.1: Efecto al incrementar las ganancias kp , ki y kd [4].
kp ki kd
Tiempo de subida Disminuye Disminuye poco Disminuye poco
(Rise time)
Sobrepico Aumenta Aumenta Disminuye
(Overshoot)
Tiempo de asentamiento Aumenta poco Aumenta Disminuye
(Settling time)
Error en estado estable Disminuye Disminuye bastante Poca variación
(Steady State Error)
Estabilidad Degrada Degrada Mejora
- Error en estado estable: Este error define la banda del tiempo de asentamiento, su
valor oscila habitualmente entre 2 % a 5 % [5].
La funcionalidad las ganancias kp , ki y kd mostradas en la Tabla 4.1 sirven como regla

general para la sintonización del controlador PID.
4.3. Técnicas de sintonización del controlador PID
La finalidad del sintonizar un controlador PID es determinar las ganancias que cumplan
con las especificaciones que el sistema requiere, esto garantizando la robustez del sistema
de control ante una amplia gama de condiciones de operación. En la practica, es bastante
39
difı́cil cumplir con todos los requerimientos deseados. Por ejemplo, un controlador que se
ajusta para obtener respuestas rápidas usualmente resulta en sobrepicos ante disturbios.
Por otro lado, si se hace al sistema de control robusto, ajustando el controlador con
ganancias conservadoras, la respuesta del sistema a cambios normales resulta lento.
El proceso de sintonización del controlador PID es único para cada aplicación. Un juego
de ganancias puede funcionar perfectamente para un sistema en particular y terriblemente
para otro. Asimismo, unos métodos de sintonización pueden ser más efectivos que otros
para ciertas aplicaciones. En esta sección se describirá, sin entrar en mucho detalle, los
métodos de sintonización más comunes, para ello se hará la siguiente clasificación de los
mismos:
Métodos clásicos
Métodos modernos
4.3.1. Métodos clásicos
Método de Prueba y Error
El método de prueba y error requiere primero que el sistema de control sea de lazo
cerrado o por retroalimetación. Se puede decir que este método es sencillo, pero el éxito de
sintonizar el controlador no esta garantizado; y en caso se pueda, se requiere un largo tiempo
antes de alcanzar una sintonización adecuada. El modo de actuar es como sigue. Primero
se sintoniza los parámetros proporcional y derivativo (ya que representan las frecuencias
elevadas en la respuesta), y segundo el parámetro integrador. Por ejemplo, un criterio de
sintonización podrı́a ser el sobrepico en la respuesta, que esta relación con el margen de
estabilidad del sistema de control. Altos margenes de estabilidad significan bajos sobrepicos
en la respuesta, y bajos margenes significan mayores comportamientos oscilatorios. Este
método no requiere mucho conocimiento acerca del proceso. Las desventajas que se pueden
mencionar son la poca fiabilidad en la robustez, y ademas se requiere un largo proceso de
repetición hasta encontrar un desempeño aceptable.
40
Tabla 4.2: Método de Ziegler-Nichols usando la curva de reacción [5].
Método de Ziegler-Nichols
El método de Ziegler-Nichols tiene dos enfoques clásicos para sintonizar el controlador

PID. El primer método se basa en la forma de lazo abierto del sistema, que es caracterizado
por tres parámetros (K0 , τ0 y ν0 ) . Estos parámetros son determinados por la repuesta
del sistema a un paso de rango de 10-20 % [5], tal como la Figura 4.4 muestra. Este
procedimiento se puede resumir como sigue:
-Con el sistema de control en lazo abierto, establecer el sistema en un punto de operación
estable (y0 , u0 ).
-En el tiempo t0 , aplicar un cambio en la entrada del sistema (paso) de u0 a uf , el rango
de variación deberá ser entre 10-20 %.
-Registrar la salida del sistema luego que haya alcanzado un nuevo estado estable. La
Figura 4.4 ilustra esta salida, a la curva mostrada se le conoce como curva de reacción del
proceso. La linea trazada es la máxima tangente de la curva.
-Calcular los siguientes parámetros
yf − y0
K0 = ; τ0 = t1 − t0 ; ν0 = t2 − t1 (4.3)
uf − u0
-Obtener los parámetros del PID de acuerdo a la Tabla 4.2.

El segundo enfoque del método de Ziegler-Nichols es valido solo para sistemas estables
en lazo abierto, y se desarrolla de acuerdo al siguiente procedimiento:
41
Tangente
tiempo
Figura 4.4: Curva de reacción del proceso.
Tabla 4.3: Método de Ziegler-Nichols usando el método de oscilación [5].
-Establecer solamente el termino proporcional con una ganancia pequeña.

-Incrementar la ganancia hasta que la respuesta del sistema empiece a oscilar.
-Registrar el valor de ganancia critico (kp = kc ), y el periodo de la onda oscilatoria (Pc ).
-Ajustar los parámetros del controlador PID de acuerdo a la Tabla 4.3.
Método de Cohen-Coon
El método de Cohen-Coon es una version más compleja del método de Ziegler-Nichols.

Siguiendo el procedimiento del primer enfoque del método Ziegler-Nichols se obtienen los
parámetros K0 , τ0 y ν0 . La diferencia en el método de Cohen-Coon es que este método
mejora la sensibilidad en la respuesta, usando diferentes relaciones para encontrar los
parámetros de PID. Estas relaciones se muestran en la Tabla 4.4.
42
Tabla 4.4: Método de Cohen-Coon usando la curva de reacción [5].
Localización de polos
La idea de este método es localizar los polos de la función de transferencia de lazo

cerrado en los puntos deseados. Para ello se requiere tener un buen modelado del sistema a
estudiar. Los polos deseados son especificados y los parámetros que mueven los polos a esas
posiciones son calculados analı́ticamente. El numero de polos que pueden ser posicionados
es igual al numero de parámetros del controlador, que para el controlador PID serian 3
polos. Cuando los requerimientos son mayores en cuanto al numero de polos a desplazar,
este método ya no es realizable [26].
Polo dominante
El método de localización de polos busca localizar todos los polos del sistema de lazo
cerrado, una dificultad de ese método es que para sistemas de grado alto se requiere
controladores de grado alto. El método del polo dominante se basa en la localización
de solo algunos polos, conocidos como polos dominantes. El comportamiento de varios
sistemas por retroalimentación es dictado por los polos dominantes. La influencia de los
otros polos (no dominantes) es considerada pequeña siempre y cuando la parte real de
estos polos estén muy alejados del origen. Los parámetros del controlador son calculados
bajo el principio de localizar solo los polos dominantes según se convenga.
43
Modelo interno de control
El modo interno de control (IMC, por sus siglas en ingles Internal Model Control )
usa explı́citamente el modelo de la planta en el diseño del controlador. Es un método
general, pero para la sintonización del controlador PID acepta preferentemente sistemas de
bajo orden. Una importante caracterı́stica de este método es que la robustez del sistema
es explicito en el diseño del controlador. La robustez puede ser ajustada introduciendo
filtro en el controlador [26]. El balance entre la robustez y la buen desempeño puede ser
regulada mediante el filtro, que seria usado como un parámetro de diseño.
4.3.2. Métodos modernos
Muchos nuevos métodos se han desarrollado en las ultimas décadas, en ellos se busca
lograr mayor eficiencia y buscar soluciones optimas globales a los problemas [27]. Dentro
de la gama denominada inteligencia artificial se encuentran Computación Evolucionarı́a
y Inteligencia Swarm. El primero, se basa en principios de evolución biológica, mientras
que el segundo fueron inspirados en el comportamiento de masas que se encuentra en
la naturaleza [28]. Con el mejoramiento de herramientas computacionales, estas nuevas
técnicas se han extendido en su uso para resolver complejos sistemas lineales y no-lineales.
En esta sección provee una introducción de computación evolucionarı́a, pero se foca
principalmente en el algoritmo del PSO que proporciona un enfoque alternativo para la
sintonización del controlador PID.
Computación evolucionarı́a
Estos métodos fueron inspirados por fenómenos biológicos como por ejemplo la mutación
de células, auto-organización y supervivencia de la adaptación. Estos son referidos como
métodos estocásticos de búsqueda que simula el proceso natural de selección y evolución del
mundo biológico. Estas estrategias se han desarrollado desde los últimos 50 años y consisten
en un numero de sub-ramas que incluyen a los algoritmos genéticos y programación
evolucionarı́a. Sin embargo, entre los principales representantes de este tipo de técnica se
pueden mencionar a [29]:
Programación genética
44
Programación evolucionarı́a
Estrategias evolucionarı́a
Algoritmos genéticos
Los algoritmos genéticos fue uno de los primeros enfoques computacionales en la

sintonización del controlador PID que pudo producir mejores resultados que los métodos
convencionales [30], utilizando caracterı́sticas estocásticas en su algoritmo que le permi-
tió emular el proceso de evolución natural del sistema. Más tarde, un conjunto de nuevos
métodos inteligentes llamados inteligencia swarm (Swarm Intelligent) fueron presentados
prometiendo efectividad en sistemas por retroalimentación, mecanismos de búsqueda y un
requerimiento computacional distribuido [31].
Inteligencia Swarm
Inteligencia Swarm se basa en el estudio de comportamiento de sistemas colectivos

descentralizados y auto-organizados. Este método es comúnmente construido sobre un
colectivo de simples partı́culas interactuando localmente unos contra otros dentro de un
especı́fico entorno. Aunque no existe un control centralizado que dicte el comportamiento
de cada partı́cula, la interacción local entre esos partı́culas suele llevar a una tendencia de
comportamiento global.
Los dos métodos más conocidos en el modelado del comportamiento de sistemas
colectivos naturales son:
Optimizacion de la colonia de hormigas (ant colony optimization)

Particle swarm optimization (PSO)
Estos métodos se basan en cinco principios que son definidos a continuación [27]:
- Principio de proximidad : El grupo (swarm) debe ser capaz de hacer simples cálculos
a través del tiempo y espacio.
- Principio de calidad : El grupo debe ser capaz de a factores de corrección en su
entorno.
- Principio de respuesta diversa: El grupo no debe realizar sus actividades en canales
demasiado estrechos.
45
- Principio de estabilidad : El grupo no debe cambiar su comportamiento cada vez
que su entorno cambie.
- Principio de adaptabilidad : El grupo debe ser capaz de cambiar su estado a cambio
de ganancias computacionales.
El método PSO involucra todos estos principios [16], por ello es considerado un sistema
inteligente. Ademas, debido a que se basa en inteligencia artificial y tiene sus raı́ces en
computación evolucionarı́a.
Como cualquier método de computación evolucionarı́a, PSO consiste en un grupo de
partı́culas que representan la solución a un problema de optimización. Una solución optima
es seleccionada a través de un proceso iterativo y probabilı́stico en donde las soluciones
son modificadas a través del proceso. No hay mucha diferencia entre el PSO y cualquier
otro algoritmo evolucionario; sin embargo, la diferencia yace en como la población o
grupo es modificado de una iteración a otra. En algoritmos evolucionarios, operadores
genéticos como selección y mutación son usados, mientras que el PSO las partı́culas son
modificadas de acuerdo a formulas matemáticas después de cada iteración. Ademas, en
el PSO las partı́culas están presentes durante todo el proceso iterativo, por otro lado,
en algoritmos evolucionarios los individuos son reemplazados en cada iteración. Otra
diferencia fundamental es que en los algoritmos evolucionarios el objetivo es logrado a
través de una búsqueda competitiva, mientras que en el PSO, ello es logrado a través de
una búsqueda cooperativa.
Como resultado, el PSO difiere de los algoritmos evolucionarios en cuanto a su
desempeño [29]. Los algoritmos evolucionarios han sido aplicados en muchas áreas, sin
embargo, PSO es un algoritmo más robusto y rápido que puede dar mejores resultados en
sistemas no-lineales, no-diferenciables y multi-modales.
4.4. Particle Swarm Optimazation
Particle Swarm Optimization (PSO) fue presentado por James Kennedy y Russel
Eberhart en 1995 [16] en una conferencia de redes neuronales organizada por la IEEE.
PSO es uno de los algoritmos heurı́sticos contemporáneos que como se vio pertenece a
la categorı́a de métodos de inteligencia Swarm. Uno de los primeros atributos del PSO
46
es que se basa en una metodologı́a heurı́stica. Por definición, un método heurı́stico no
garantiza una solución optima; sin embargo, se espera obtener una solución buena, cercana
a la solución optima, dentro de un tiempo computacional corto [32]. Esta estrategia
es tı́picamente empleada en problemas de optimización que no pueden ser resultas por
métodos convencionales debido a restricciones de tiempo o debido al grado de complejidad
del problema en si. En este tipo de problemas, el método heurı́stico proporciona un vı́a corta
en donde solo una porción, de toda la gama de soluciones posibles, es evaluada. En lugar
de usar un algoritmo tonto, la estrategia heurı́stica limita la búsqueda en subconjuntos
donde podrı́a encontrarse la solución optima. Estos subconjuntos se escogen en base a la
información de previos resultados obtenidos de modo tal que la búsqueda este direccionada
al valor optimo. Esta estrategia debe ser robusta y debe ser capaz de ir eficientemente a
través de los subconjuntos sin quedarse estancando en obstáculos como los por ejemplo
los mı́nimos locales. Debido a que el enfoque heurı́stico responde dinámicamente y se
adapta acorde a la información recogida en cada ciclo de búsqueda de la solución optima,
el método heurı́stico es también es definido como un tipo de inteligencia artificial.
Fue desarrollado a través de la simulación de un sistema social simplificado. En la
simulación del modelo social, la posición de cada partı́cula (particle) puede considerarse
como un estado de variables abstractas que representan los pensamientos y actitudes de
cada individuo. En donde, el movimiento de partı́culas es causado por cambios en sus
variables. Swarm o grupos sociales ajustan sus pensamientos y actitudes a evaluando
estı́mulos de su entorno y comparando estos con los conocimientos que poseen. Tres
importantes caracterı́sticas del ser social: evaluación, comparación e imitación; son la base
para el PSO, y este método usa esos conceptos para adaptarse a cambios de su entorno y
solucionar problemas complejos de minimización o maximización [16].
A parte de ser modelado del comportamiento humano o animal, PSO es bastante
relacionado con la técnica de inteligencia swarm. Aquı́ no hay un control central que de
ordenes, cada partı́cula es un simple agente que actúa en función a la información local.
Sin embargo, el grupo como conjunto es capaz de realizar tareas que esta fuera de las
capacidades individuales de cada partı́cula. La interacción entre las partı́culas resultan en
complejas estructuras al nivel de grupo, esto permite el la realización de la optimización
en sistemas complejos.
47
4.4.1. Algoritmo PSO
En un sistema PSO, un grupo de partı́culas (llamados también individuos o agentes) se

desplazan a través de un área de búsqueda. Cada partı́cula representa un posible candidato
a la solución del problema de optimización. La posición de cada partı́cula es influenciada
por la mejor posición en la que dicha partı́cula haya estado hasta ese momento, ası́ como
también, por la mejor posición de todas las partı́culas del grupo. La mejor posición
obtenida es referida como la mejor posición global. El desempeño de cada partı́cula (por
ejemplo, que tan cerca esta de la mejor posición global) es medido usando una función
objetivo que se formula de acuerdo a lo que se busque en el problema a resolver. Cabe
señalar que la selección de la función objetivo es un paso muy importante, ya que de este
dependerá el éxito y desempeño del algoritmo PSO [13].
Cada partı́cula es representada por su posición y velocidad en cada instante de tiempo
o iteración, la partı́cula i es entonces representada por:
(xi(t) , vi(t) )
La partı́cula i pertenece a un conjunto de partı́culas o población de tamaño p, donde

i = 1, 2, 3, ..., p. La posición de cada partı́cula representa una posible solución al problema
de optimización. Para un sistema cuyas soluciones son de dimension n, cada partı́cula
es tratada como un vector de la misma dimension y la posición de la partı́cula i es
representada por:
xi = (xi1 , xi2 , ..., xin ) (4.4)
Luego, la particula i se desplaza a una nueva posición con una velocidad:
vi = (vi1 , vi2 , ..., vin ) (4.5)
48
La mejor posición de la particula i es determinada deacuerdo al valor de su funcion
objetivo, y se representa como sigue:
pbest,i = (pbest,i1 , pbest,i2 , ..., pbest,in ) (4.6)
Ademas, la mejor posición encontrada por todas las particulas del grupo (mejor posición
global) es representada por:
gbest = (gbest,1 , gbest,2 , ..., gbest,n ) (4.7)
En cada iteración, la posición xik y la velocidad vik correspondiente a una dimensión k de

la particula i puede ser actualizada usando las siguientes expresiones [33]:
xik(t+1) = xik(t) + vik(t+1) (4.8)
vik(t+1) = wvik + c1 rand1,ik (pbest,ik − xik(t) ) + c2 rand2,ik (gbest,k − xik(t) ) (4.9)
Donde:
k = 1, 2, . . . , n : indices de las partı́culas.

w : peso inercial.
rand1 , rand2 : numeros aleatorios dentro del rango [0 1].
c1 , c2 : factores de aprendizaje.
t : numero de iteración.
El peso inercial es calculado por:
wmax − wmin
w = wmax − t (4.10)
T
49
Donde:
wmax , wmin : pesos maximo y minimo, respectivamente.

T : numero total de iteraciones.
La Figura 4.5 ilustra el concepto de actualización de la posición y velocidad en el

proceso del PSO. Como se puede observar xi y xi(t+1) representan la posición actual y la
modificada, respectivamente. vi y vi(t+1) son las velocidad actual y modificada. Asimismo,
vp,best,i y vg,best representa las velocidades asociadas a las mejor posición actual y mejor
posición global, respectivamente.
xi(t+1)
vi(t+1)
vi
vg,best
xi vp,best,i
Figura 4.5: Representación de la modificación de la posición y velocidad de la partı́cula i.
Usualmente un algoritmo estándar de PSO contiene los siguientes pasos [33]:
Especificar parámetros: peso inercial máximo y mı́nimo (wmax , wmin ), factores de

aprendizaje (c1 , c2 ), numero total de iteraciones (T ), tamaño de la población (p) y
dimension de la partı́cula (n).
Inicializar todas las partı́culas de manera aleatoria. En este nivel, la posición y
velocidad de cada partı́cula son generadas mediante vectores aleatorios. Los valores de
las posiciones y velocidades deben ser generadas dentro de un rango pre-establecido.
Calcular el valor de la función objetivo asociadas a estas partı́culas.
Comparar la función objetivo de la posición actual de cada partı́cula con la función
objetivo de la mejor posición preestablecida. Reemplazar la posición preestablecida
con la posición actual, si y solo si, este proporciona un mejor resultado.
50
Comparar la función objetivo de la mejor posición actual con la función objetivo de
la mejor posición global. Reemplazar la mejor posición actual por la mejor posición
global, si y solo si, se proporciona un mejor resultado.
Actualizar el peso inercial según la ecuación (4.10).
Actualizar la posición y velocidad de cada partı́cula de acuerdo a las ecuaciones
(4.8) y (4.9).
Detener el algoritmo si el criterio de parada es satisfecho, de otro modo ir al segundo
paso.
La Figura 4.6 muestra la secuencia descrita lineas arriba en un diagrama de flujo

general.
Inicio
Especificar parámetros
Generar posición inicial de

partículas
i=0
Iniciar PSO
Modificar posiciones y
velocidades de la partículas
en base al valor de la
función objetivo
Si
i > N° máximo
Fin
de interaciones
No
Actualizar posiciones y
velocidades usando
ecuaciones (4.8) y (4.9)
Figura 4.6: Diagrama de flujo general del algoritmo del PSO.
Para el caso de sintonización del PID, una partı́cula estarı́a representando las ganancias
del controlador PID que se quieren encontrar. Y la función objetivo, que se definirá en
51
detalle en el siguiente capitulo, sera una expresión matemática que permita controlar las
variaciones de frecuencia y flujos de potencia a través de las lineas de interconexión.
4.5. Sumario
En este capitulo se introdujo el controlador PID, sus caracterı́sticas y aplicaciones.

Ademas, se presento diversos métodos de sintonización del controlador PID, en donde al
final se resalto el método denominado Particle Swarm Optimization que sera usado para
la sintonización del controlador PID.
52
Capı́tulo 5
Casos de estudio, simulación y

resultados
5.1. Casos de estudio
Para mostrar las cualidades del algoritmo PSO en la sintonización del controlador
PID para sistemas multiareas se analizaran dos casos estudio. La implementación de estos
casos, ası́ como las simulaciones correspondientes se realizaran en Matlab/Simulink. Las
caracterı́sticas de cada caso se describen a continuación.
5.1.1. Caso 1: Sistema eléctrico de dos áreas interconectadas
Lo que se quiere mostrar mediante la presentación de este caso es el desempeño que

tiene el PSO en la sintonización del controlador PID. Para esto se toma como caso base
de comparación el sistema de dos áreas propuesto por Saadat [6]. Este sistema consiste
en dos áreas interconectadas en donde cada área posee una unidad de generación, con
una turbina de ciclo simple. El controlador usado por el autor (Saadat) es un controlador
integral sintonizado convencionalmente [6].
Como propuesta se presenta el controlador PID localizado dentro del sistema según se
muestra en la Figura 5.1. Estos dos controladores serán sintonizados mediante el uso del
PSO.
Los parámetros del sistema interconectado de dos áreas, con una potencia base común
53
𝐵1
1
𝑅1
∆𝑃 𝐿1
− 𝐴𝐶𝐸1 − −
+ 1 1 + 1
𝑃𝐼𝐷1 ∆𝑓1
− 𝑡𝐺1 𝑠 + 1 𝑇𝑐ℎ1 𝑠 + 1 −
2𝐻1 𝑠 + 𝐷1
Gob_1 Turb_1 Gen1
+
∆𝑃 12 𝑇12
𝑠 −
+ 𝐴𝐶𝐸2 −
+ 1 1 + 1
𝑃𝐼𝐷2 ∆𝑓2
− − 𝑡𝐺2 𝑠 + 1 𝑇𝑐ℎ2 𝑠 + 1 2𝐻2 𝑠 + 𝐷2
Gob_2 Turb_2 Gen_2
1
𝑅2
𝐵2
Figura 5.1: Caso 1: Sistema eléctrico de dos áreas interconectadas
de 1000 MVA, se exponen en la Tabla 5.1.
Tabla 5.1: Información de sistema de dos áreas interconectadas [6].
R1 (Hz/pu) 0.05
TG1 (s) 0.2
Tch1 (s) 0.5
Area 1
H1 (pu.s) 5
D1 (pu/Hz) 0.6
B1 (pu.s) 20.6
R2 (Hz/pu) 0.0625
TG2 (s) 0.3
Tch2 (s) 0.6
Area 2
H2 (pu.s) 4
D2 (pu/Hz) 0.9
B2 (pu.s) 16.9
T12 (pu) 2
El ACE de cada área es una combinación de la frecuencia y el flujo de interconexión
54
según la ecuación (3.13), que para este caso se definen como sigue:
ACE1 = ∆P12 + B1 ∆f1 (5.1)
ACE2 = ∆P21 + B1 ∆f2 (5.2)
Una perturbación PL1 sera aplicado dentro del Área 1. Esta perturbación representa
un desbalance entre la generación y la demanda. La magnitud de la perturbación sera de
0.2 pu 1 .
El algoritmo del PSO fue implementado en Matlab/Simulink (ver Anexo 1). Los
parámetros utilizados en el algoritmo PSO para la sintonización del controlador PID se
muestran en la Tabla 5.2:
Tabla 5.2: Caso 1: Parámetros del algoritmo PSO.
Numero total de iteraciones (T ) 100

Tamaño de la población (p) 50
Dimensión de la partı́cula (n) 6
Peso inercial máximo (wmax ) 0.9
Peso inercial mı́nimo (wmin ) 0.2
c1 2.1
c2 2.1
La función objetivo (FO) que se utilizo en el algoritmo para el presente caso es:
Z ts Z ts
uno1 = |ACE1 |dt + 100 |ACE2 |dt (5.3)
0 0
Z ts Z ts
∆ACE1 ∆ACE2
dos1 = | |dt + | |dt (5.4)
0 ∆t 0 ∆t
F O1 = uno1 + dos1 (5.5)
donde ts es el tiempo de simulación, que dependerá del tiempo transcurrido antes de

alcanzar el estado estable después de aplicar la perturbación. Para este primer caso se
1
pu: por unidad
55
trabajo con un ts = 30s.
El PSO busca minimizar esta función objetivo, que se caracteriza por sus dos términos.
El primero, se encarga de que el error en el área de control (ACE) se reduzca, incluso
llegando a cero. El segundo termino reduce las oscilaciones en la respuesta de la frecuencia
y los flujos de interconexión en el proceso de llevar a cero el ACE. Cabe mencionar, que
debido a la inclusión del segundo termino, no se espera tener una función objetivo igual a
cero. Incluso suponiendo que el primer termino fuese nulo, el segundo termino no lo sera
debido a las oscilaciones que, por mas pequeñas que sean, siempre estarán presentes.
5.1.2. Caso 2: Sistema eléctrico de tres áreas interconectadas
Este caso representa con mayor realidad un sistema eléctrico convencional, ya que no
solo se analiza dos áreas interactuando una con otra; sino que se añade un área adicional, de
modo tal que cada área interactúa con dos áreas vecinas. Ademas, la inclusión de una unidad
hidráulica y una unidad de ciclo combinado en cada área, representan las caracterı́sticas
de generación que se suele encontrar en muchos sistemas reales. La representación de este
sistema se muestra en la Figura 5.2.
Los parámetros del sistema interconectado de tres áreas se exponen en la Tabla 5.3.
El ACE de cada área se definen según la ecuación ecuación (3.13), que para este caso
es como sigue:
ACE1 = ∆P12 + ∆P13 + B1 ∆f1 (5.6)
ACE2 = ∆P21 + ∆P23 + B2 ∆f2 (5.7)
ACE3 = ∆P31 + ∆P32 + B3 ∆f3 (5.8)
Al igual que en el primer caso, una perturbación PL1 de magnitud 0.2 pu sera aplicado
dentro del Área 1. Esta perturbación representa un desbalance entre la generación y la
demanda.
Los parámetros utilizados en el algoritmo PSO (ver Anexo 1) para la sintonización del
controlador PID se muestran en la Tabla 5.4:
La función objetivo (FO) que se utilizo en el algoritmo para el presente caso es:
56
Tabla 5.3: Información de sistema de tres áreas interconectadas
RH1 (Hz/pu) 0.1

Gob.
TG1 (s) 0.2
Unidad Fhp 0.3
Hidráulica Turb. Trh (s) 7
Tch (s) 0.3
p1 0.4
RCC1 (Hz/pu) 0.1
Gob.
TG2 (s) 0.3
Unidad de
Área 1 Turb. Tw (s) 1
Ciclo
TR (s) 5
Combinado Comp.
RT (Hz/pu) 0.38
p2 0.6
T12 (pu) 2
T13 (pu) 2
H1 (pu.s) 5
D1 (pu/Hz) 0.6
B1 (pu.s) 20.6
RH2 (Hz/pu) 0.125
Gob.
TG1 (s) 0.2
Unidad Fhp 0.3
Tch (s) 0.3
p3 0.5
RCC2 (Hz/pu) 0.125
Gob.
TG2 (s) 0.2
Unidad de
Ciclo
TR (s) 5
Combinado Comp.
RT (Hz/pu) 0.38
p4 0.5
T21 (pu) 2
T23 (pu) 2
H2 (pu.s) 4
D2 (pu/Hz) 0.9
B2 (pu.s) 16.9
RH3 (Hz/pu) 0.1
Gob.
TG1 (s) 0.3
Unidad Fhp 0.3
Tch (s) 0.3
p5 0.8
RCC3 (Hz/pu) 0.125
Gob.
TG2 (s) 0.3
Unidad de
Ciclo
TR (s) 10
Combinado Comp.
RT (Hz/pu) 0.38
p6 0.2
T31 (pu) 2
T32 (pu) 2
H3 (pu.s) 3
D3 (pu/Hz) 1
B3 (pu.s) 19
57
𝐵1
1 1
𝑅𝐻1 𝑅𝐶𝐶1
−
+ 1 𝐹ℎ𝑝 𝑇𝑟ℎ + 1 ∆𝑃 𝐿1
𝑝1
𝑡𝐺1 𝑠 + 1 (𝑇𝑐ℎ 𝑠 + 1)(𝑇𝑟ℎ 𝑠 + 1)
− 𝐴𝐶𝐸1 + −
∆𝑓1
Gob_CC1 Turb_CC1 + 1
𝑃𝐼𝐷1
− − −
2𝐻1 𝑠 + 𝐷1
𝑇𝑅 𝑠 + 1 +
𝑝2
+ 1 −𝑇𝑤 𝑠 + 1 Gen_1
𝑅𝑇
𝑡𝐺2 𝑠 + 1 𝑇𝑅 𝑠+1 0.5𝑇𝑤 𝑠 + 1
𝑅
Gob_H1 Com_1 Turb_H1 +
−
𝑇12
∆𝑓2
+
𝑠
+ +
𝑇13 −
𝑠
∆𝑓3
𝐵2
1 1
−
+ 1 𝐹ℎ𝑝 𝑇𝑟ℎ + 1
𝑝3
𝑡𝐺1 𝑠 + 1 (𝑇𝑐ℎ 𝑠 + 1)(𝑇𝑟ℎ 𝑠 + 1)
− 𝐴𝐶𝐸2 +
∆𝑓2
𝑃𝐼𝐷2
− − −
2𝐻2 𝑠 + 𝐷2
𝑇𝑅 𝑠 + 1 +
𝑝4
+ 1 −𝑇𝑤 𝑠 + 1 Gen_2
𝑅
𝑡𝐺2 𝑠 + 1 𝑇𝑅 𝑇 𝑠 + 1 0.5𝑇𝑤 𝑠 + 1
𝑅
−
𝑇21
∆𝑓1
+
𝑠
+ +
𝑇23 −
𝑠
∆𝑓3
𝐵3
1 1
−
+ 1 𝐹ℎ𝑝 𝑇𝑟ℎ + 1
𝑝5
𝑡𝐺1 𝑠 + 1 (𝑇𝑐ℎ 𝑠 + 1)(𝑇𝑟ℎ 𝑠 + 1)
− 𝐴𝐶𝐸3 +
∆𝑓3
𝑃𝐼𝐷3
− − −
2𝐻3 𝑠 + 𝐷3
𝑇𝑅 𝑠 + 1 +
𝑝6
+ 1 −𝑇𝑤 𝑠 + 1 Gen_3
𝑅
𝑡𝐺2 𝑠 + 1 𝑇𝑅 𝑇 𝑠 + 1 0.5𝑇𝑤 𝑠 + 1
𝑅
−
𝑇31
∆𝑓1
+
𝑠
+ +
𝑇32 −
𝑠
∆𝑓2
Figura 5.2: Caso 2: Sistema eléctrico de tres áreas interconectadas
58
Tabla 5.4: Caso 2: Parámetros del algoritmo PSO
Numero total de iteraciones 50

Tamaño de la población 50
Dimensión de la partı́cula 9
Peso inercial máximo 0.9
Peso inercial mı́nimo 0.2
c1 2.1
c2 2.1
Z ts Z ts Z ts
uno2 = |ACE1 |dt + 100 |ACE2 |dt + 100 |ACE3 |dt (5.9)
0 0 0
Z ts Z ts Z ts
∆ACE1 ∆ACE2 ∆ACE3
dos2 = | |dt + | |dt + | |dt (5.10)
0 ∆t 0 ∆t 0 ∆t
F O2 = uno2 + dos2 (5.11)
donde ts es el tiempo de simulación, que dependerá del tiempo transcurrido antes de

alcanzar el estado estable después de aplicar la perturbación. Para este segundo caso se
trabajo con un ts = 50s.
Al igual que en el caso anterior, el algoritmo PSO busca minimizar esta función
objetivo, que se caracteriza por sus dos términos. El primero, se encarga de que el error en
el área de control (ACE) se reduzca, incluso llegando a cero. El segundo termino reduce las
oscilaciones en la respuesta de la frecuencia y los flujos de interconexión en el proceso de
llevar a cero el ACE. De igual modo, en este caso no se espera tener una función objetivo
igual a cero a causa de la inclusión del segundo termino.
5.2. Resultados
Las caracterı́sticas del CPU utilizado para realizar todas las simulaciones en Matlab/-
Simulink se muestran en la Tabla 5.5.
59
Tabla 5.5: Caracterı́sticas del CPU utilizado en las simulaciones.
Procesador Intel(R) Core(TM) i5-3230M CPU @ 2.6GHz 2.6GHz

Memoria RAM instalada 8.00 GB
Tipo de sistema Sistema operativo de 64-bit
Caso 1:
Después de ejecutar el algoritmo del PSO (ver Anexo 1) usando los parámetros de
la Tabla 5.2 sobre el sistema de la Figura 5.1, se obtuvieron las ganancias para los
controladores PID mostrados en la Tabla 5.6. El tiempo computacional requerido por el
algoritmo PSO para este caso fue de 9 minutos 10 segundos.
Tabla 5.6: Caso 1: Ganancias de los controladores PID.
kp ki kd
P ID1 8.4793 17.8955 6.2907
P ID2 0.0100 0.0100 30.2353
El método convencional, y de comparación, representa el uso del controlador integral

con ganancia igual a 0.3 [6].
Las repuestas obtenidas se muestran a continuación:
−3
x 10
2
PSO
Convencional
0
−2
−4
df1 (pu)
−6
−8
−10
−12
−14
0 5 10 15 20 25 30
Tiempo (s)
Figura 5.3: Caso 1: Variación de la frecuencia en el Área 1
60
−3
x 10
0.5
PSO
Convencional
0
−0.5
−1
df2 (pu)
−1.5
−2
−2.5
−3
−3.5
0 5 10 15 20 25 30
Tiempo (s)
0
PSO
Convencional
−0.005
−0.01
−0.015
dP12 (pu)
−0.02
−0.025
−0.03
−0.035
−0.04
0 5 10 15 20 25 30
Tiempo (s)
Figura 5.5: Caso 1: Variación del flujo en la linea de interconexión
61
Tabla 5.7: Comparación entre el método convencional y el propuesto para el Caso 1.
Convencional PSO
Tiempo de asentamiento (s) 14.4 3.2
∆f 1 Pico máximo (pu) 2 x 10−3 0.3 x 10−3
Pico mı́nimo (pu) 13.7 x 10−3 2.1 x 10−3
∆f 2 Pico máximo (pu) 0 0
Pico mı́nimo (pu) 3.3 x 10−3 0.08 x 10−3
∆P12 Pico máximo (pu) 0 0
Pico mı́nimo (pu) 35 x 10−3 1.3 x 10−3
El desempeño del PID sintonizado usando el algoritmo PSO demuestra largamente

mejores respuestas ante una perturbación de 0.2 pu. La comparación de estas respuestas
de puede resumir en la Tabla 5.7.
Como se observa el tiempo de asentamiento de la respuesta en la frecuencia se reduce en
78 % para el área 1, en 90 % para el área 2 y en 90 % para el flujo de interconexión. Asimismo,
los picos máximos y mı́nimos de todas las respuestas disminuyen considerablemente.
Caso 2:
Después de ejecutar el algoritmo del PSO (ver Anexo 1) usando los parámetros de
la Tabla 5.4 sobre el sistema de la Figura 5.2, se obtuvieron las ganancias para los
controladores PID mostrados en la Tabla 5.8.
Tabla 5.8: Caso 2: Ganancias de los controladores PID.
kp ki kd
P ID1 0.9047 0.7393 1.3447
P ID2 0.8027 0.0100 1.3927
P ID3 4.0722 0.0100 2.9162
El tiempo computacional requerido por el algoritmo PSO para este caso fue de 2 horas
12 minutos 34 segundos.
El método convencional, y de comparación, representa el uso del controlador integral
sintonizado mediante el método de prueba y error. Las ganancias integrales para estos
controlador son 0.1, 0.02 y 0.02 para las áreas 1, 2 y 3; respectivamente.
Las repuestas obtenidas se muestran a continuación:
62
0.005
PSO
Convencional
−0.005
df1 (pu)
−0.01
−0.015
−0.02
−0.025
0 5 10 15 20 25 30 35 40 45 50
Tiempo (s)
−3
x 10
6
PSO
Convencional
4
−2
df2 (pu)
−4
−6
−8
−10
−12
−14
0 5 10 15 20 25 30 35 40 45 50
Tiempo (s)
63
−3
x 10
4
PSO
Convencional
2
−2
−4
df3 (pu)
−6
−8
−10
−12
−14
0 5 10 15 20 25 30 35 40 45 50
Tiempo (s)
0.02
PSO
Convencional
0
−0.02
−0.04
−0.06
dP1 (pu)
−0.08
−0.1
−0.12
−0.14
−0.16
0 5 10 15 20 25 30 35 40 45 50
Tiempo (s)
Figura 5.9: Caso 2: Variación del flujo en el Área 1
64
0.09
PSO
Convencional
0.08
0.07
0.06
0.05
dP2 (pu)
0.04
0.03
0.02
0.01
−0.01
0 5 10 15 20 25 30 35 40 45 50
Tiempo (s)
0.08
PSO
Convencional
0.07
0.06
0.05
0.04
0.03
0.02
0.01
−0.01
0 5 10 15 20 25 30 35 40 45 50
Time
65
Para este caso, que se acerca mas a un sistema real, las respuestas muestran un mejor
desempeño del controlador sintonizado mediante el uso del algoritmo PSO. La comparación
de estas respuestas de puede resumir en la Tabla 5.9.
Tabla 5.9: Comparación entre el método convencional y el propuesto para el Caso 2.
Convencional PSO
∆f 1 Pico máximo (pu) 4.3 x 10−3 3.2 x 10−3
Pico mı́nimo (pu) 23.5 x 10−3 17.6 x 10−3
∆f 2 Pico máximo (pu) 5 x 10−3 0.5 x 10−3
Pico mı́nimo (pu) 13.7 x 10−3 4.9 x 10−3
∆f 3 Pico máximo (pu) 2.1 x 10−3 0.3 x 10−3
Pico mı́nimo (pu) 12.9 x 10−3 2.8 x 10−3
Tiempo de asentamiento (s) >50 27.1
∆P1 Pico máximo (pu) 5.3 x 10−3 -
Pico mı́nimo (pu) 150.9 x 10−3 73.2 x 10−3
Tiempo de asentamiento (s) >50 26
∆P2 Pico máximo (pu) 80.5 x 10−3 35.9 x 10−3
Pico mı́nimo (pu) 3.4 x 10−3 1.5 x 10−3
Tiempo de asentamiento (s) >50 27.5
∆P3 Pico máximo (pu) 70.5 x 10−3 38.4 x 10−3
Pico mı́nimo (pu) 3.9 x 10−3 -
Se observa que el tiempo de asentamiento de la respuesta en la frecuencia se reduce

en 65 % para el área 1, en 55 % para el área 2 y en 39 % para el área 3. El cuanto las
respuestas en los flujos de interconexión, se observa una reducción mayor a 46 % para el
área 1, mayor a 48 % para el área 2 y mayor a 45 % para el área 3. Estos flujos, cuyos
tiempos de asentamientos son mayores a 50 s (tiempo de simulación), son los flujos netos
entrantes o salientes a cada área de control. Asimismo, los picos máximos y mı́nimos de
todas las respuestas disminuyen considerablemente.
5.3. Resumen
En este capitulo se mostró el desempeño del controlador PID dentro del AGC de un
sistema multiarea para controlar la frecuencia y los flujos de interconexión . El controlador
fue sintonizado usando el algoritmo PSO. La simpleza y eficacia del PID fueron combinados
con las cualidades del algoritmo PSO. Los resultados de las simulaciones muestran la
66
validez del método PID-PSO propuesto comparado con el controlador integral sintonizado
convencionalmente.
67
Capı́tulo 6
Conclusiones y lı́neas futuras
6.1. Conclusiones
En este trabajo de fin de máster se presentó el algoritmo PSO como método de

sintonización del controlador PID para el control de frecuencia y flujos de interconexión
en un sistema eléctrico multiarea. El proyecto comenzó exponiendo la función del control
de frecuencia dentro de la operación de un sistema eléctrico, mostrando ası́ los diferentes
niveles que este constituye. El modelo del AGC fue desarrollado usando el método de la
función de transferencia. El modelo fue construido paso a paso hasta lograr el modelado
general de un sistema eléctrico con múltiples áreas. El controlador integral es usado
tradicionalmente y, aunque pueda eliminar el error de estado estacionario, su respuesta
transitoria tiene picos elevados y un tiempo de asentamiento largo. El controlador PID
como alternativa fue presentado y estudiado para sustituir el regulador integral. El
algoritmo PSO fue utilizado para encontrar las ganancias de los controladores PID. Dos
casos de estudio fueron establecidos y utilizados para probar la estabilidad, confiabilidad
y robustez del sistema AGC ante la presencia de variaciones de carga. Los dos casos de
estudios son un sistema eléctrico de dos áreas, incluyendo generación de ciclo simple; y un
sistema eléctrico de tres áreas, incluyendo generación hidráulica y de ciclo combinado en
cada área. Los resultados de las simulaciones de ambos casos mostraron mejores respuestas
transitorias con picos máximos y mı́nimos reducidos y un tiempo de asentamiento más
corto en comparación con métodos de sintonización convencionales.
68
Los resultados demuestran la mayor eficacia del algoritmo PSO en la sintonización
del controlador PID, regulando exitosamente las variaciones de frecuencia y los flujos de
interconexión ante la presencia de disturbios externos en un sistema eléctrico multiarea.
6.2. Lineas Futuras
El desempeño del AGC en sistemas eléctricos tiene importancia particular en estos

tiempos, esto debido al incremento de generación con fuente primaria variable, como
el viento y la radiación solar. Este tipo de generación introduce cierto grado de incer-
tidumbre (que depende de su grado de penetración) en el balance generación-demanda.
Mayores desbalances requieren sistemas AGC mas confiables y robustos. Es por ello que
mejoramiento de controladores y métodos de sintonización son necesarios.
En ese sentido, entre los trabajos que se pueden desarrollar en esta linea de investigación
se pueden mencionar las siguientes propuestas:
-Investigar el desempeño del controlador difuso en la regulación de frecuencia y flujos
de interconexión en un sistema eléctrico multiarea.
-Investigar el desempeño del algoritmo PSO en la sintonización del controlador difuso
propuesto lineas arriba.
-Investigar la factibilidad de incluir la predicción de la producción de la generación
variable en el esquema del control de frecuencia. Por ejemplo, usar esa información como
una entrada en el controlador difuso, de tal modo que se pueda mejorar el desempeño del
AGC en sistemas eléctricos con gran presencia de generación variable.
69
Bibliografı́a
[1] Nordel. Agreement regarding operation of the interconnected Nordic power system
(System Operation Agreement). Technical report, 2006.
[2] UCTE. P1 - policy 1: Load-frequency control and performance. Technical report,

2009.
[3] Integrating intermittent renewables sources into the eu electricity system by 2020:
Challenges and solutions. Technical report, Eurelectric, 2010.
[4] Anisha MC Fernandes. Gas Turbine Control and Load Sharing of a Shipboard Power
System. PhD thesis, West Virginia University, 2006.
[5] Graham Clifford Goodwin, Stefan F Graebe, and Mario E Salgado. Control system
design, volume 240. Prentice Hall New Jersey, 2001.
[6] Hadi Saadat. Power system analysis. WCB/McGraw-Hill, 1999.
[7] Prabha Kundur, Neal J Balu, and Mark G Lauby. Power system stability and control,
volume 7. McGraw-hill New York, 1994.
[8] Yusuf Oysal. A comparative study of adaptive load frequency controller designs
in a power system with dynamic neural network models. Energy conversion and
management, 46(15):2656–2668, 2005.
[9] A Morinec and F Villaseca. Continuous-mode automatic generation control of a

three-area power system. In The 33rd North American Control Symposium, pages
63–70, 2001.
70
[10] YL Karnavas and DP Papadopoulos. Agc for autonomous power system using
combined intelligent techniques. Electric power systems research, 62(3):225–239,
2002.
[11] Nour EL Yakine Kouba, Mohamed Menaa, Mourad Hasni, Bouziane Boussahoua,
and Mohamed Boudour. Optimal load frequency control based on hybrid bacterial
foraging and particle swarm optimization. In Multi-Conference on Systems, Signals
& Devices (SSD), 2014 11th International, pages 1–6. IEEE, 2014.
[12] Mahmoud Reza Shakarami, Iraj Faraji, Iraj Asghari, and Mohsen Akbari. Optimal
pid tuning for load frequency control using lévy-flight firefly algorithm. In Electric
Power and Energy Conversion Systems (EPECS), 2013 3rd International Conference
on, pages 1–5. IEEE, 2013.
[13] M Farahani, S Ganjefar, and M Alizadeh. Pid controller adjustment using chaotic
optimisation algorithm for multi-area load frequency control. Control Theory &
Applications, IET, 6(13):1984–1992, 2012.
[14] Yao Zhang, Lili Dong, and Zhiqiang Gao. Load frequency control for multiple-area
power systems. In American Control Conference, 2009. ACC’09., pages 2773–2778.
IEEE, 2009.
[15] Haider AF Mohamed, Lokman H Hassan, M Moghavvemi, and SS Yang. Load

frequency controller design for iraqi national super grid system using fuzzy logic
controller. In SICE Annual Conference, 2008, pages 227–232. IEEE, 2008.
[16] Russ C Eberhart and James Kennedy. A new optimizer using particle swarm theory.
In Proceedings of the sixth international symposium on micro machine and human
science, volume 1, pages 39–43. New York, NY, 1995.
[17] Maurice Clerc and James Kennedy. The particle swarm-explosion, stability, and
convergence in a multidimensional complex space. Evolutionary Computation, IEEE
Transactions on, 6(1):58–73, 2002.
[18] Shigenori Naka, Takamu Genji, Toshiki Yura, and Yoshikazu Fukuyama. A hybrid
71
particle swarm optimization for distribution state estimation. Power Systems, IEEE
Transactions on, 18(1):60–68, 2003.
[19] Jong-Bae Park, Ki-Song Lee, Joong-Rin Shin, and Kwang Y Lee. A particle swarm
optimization for economic dispatch with nonsmooth cost functions. Power Systems,
IEEE Transactions on, 20(1):34–42, 2005.
[20] Antonio Gómez-Expósito, Antonio J Conejo, and Claudio Cañizares. Electric energy
systems: analysis and operation. CRC Press, 2008.
[21] Göran Andersson. Dynamics and control of electric power systems. Lecture notes,
pages 227–0528, 2012.
[22] Tang Yi and Fang Tingting. Research on demand response technology for reserve
requirements caused by the large-scale penetration of wind power. In Electric
Utility Deregulation and Restructuring and Power Technologies (DRPT), 2011 4th
International Conference on, pages 292–296. IEEE, 2011.
[23] John G Kassakian and Richard Schmalensee. The future of the electric grid: An
interdisciplinary mit study. Technical report, Technical report, Massachusetts Institute
of Technology, 2011.
[24] Johan Morren, Sjoerd WH De Haan, Wil L Kling, and JA Ferreira. Wind turbines
emulating inertia and supporting primary frequency control. Power Systems, IEEE
Transactions on, 21(1):433–434, 2006.
[25] Bruce Wollenberg and Allen Wood. Power generation, operation and control. editorial
John Wiley & Sons, USA, 1996.
[26] Karl J Astrom, T Hagglund, and Controllers PID. Theory, design and tuning.
Research Triangle Park: 2nd Ed. Instrumentation, Systems and Automatic Society,
1995.
[27] Russell C Eberhart, Yuhui Shi, and James Kennedy. Swarm intelligence. Elsevier,
2001.
72
[28] James Kennedy, James F Kennedy, and Russell C Eberhart. Swarm intelligence.
Morgan Kaufmann, 2001.
[29] Lawrence J Fogel. Evolutionary programming in perspective: The top-down view.

Computational intelligence: Imitating life, 1, 1994.
[30] Renato A. Krohling and Joost P. Rey. Design of optimal disturbance rejection pid
controllers using genetic algorithms. Evolutionary Computation, IEEE Transactions
on, 5(1):78–82, 2001.
[31] Soumya Ghosal, Rajkumar Darbar, Biswarup Neogi, Achintya Das, and Dewaki N Ti-
barewala. Application of swarm intelligence computation techniques in pid controller
tuning: A review. In Proceedings of the International Conference on Information Sys-
tems Design and Intelligent Applications 2012 (INDIA 2012) held in Visakhapatnam,
India, January 2012, pages 195–208. Springer, 2012.
[32] Maurice Clerc. Particle swarm optimization, volume 93. John Wiley & Sons, 2010.
[33] Hassan Bevrani and Takashi Hiyama. Intelligent automatic generation control. CRC
Press, 2011.
73
Anexo 1
Algoritmo PSO
%% Algoritmo PSO : S i n t o n i z a c i o n de c o n t r o l a d o r PID

%%
clc ;
clear all ;
close all ;
format l o n g ;
%I n f o r m a c i o n g e n e r a l d e l a l g o r i t m o
g e n e r a t i o n n =100; % Numero de i t e r a c i o n e s
popuS ize =50; % Tamano de l a p o b l a c i o n
wmax= 0 . 9 ; % Peso i n e r c i a l maximo
wmin = 0 . 2 ; % Peso i n e r c i a l minimo
c1 = 2 . 1 ;
c2 = 2 . 1 ;
% I n f o r m a c i o n de l a s p a r t i c u l a s
r an g e=ones ( 6 , 2 ) ;
r an g e ( : , 1 ) =[1 1 1 0 . 0 0 1 0 . 0 0 1 1 ] ;
r an g e ( : , 2 ) =[20 50 20 10 10 1 0 0 ] ;
v a r n=s i z e ( range , 1 ) ;
vmax=( r ange ( : , 2 )−range ( : , 1 ) ) ’ . / 3 ; % Maxima v e l o c i d a d de
74
d e z p l a z a m i e n t o de l a s p a r t i c u l a s
%I n i c i a l i z a n d o p o s i c i o n e s y v e l o c i d a d e s
f o r i =1: v a r n
f o r j =1: popuSize
v e l o c i t y ( j , i )=rand ( 1 ) ∗vmax ( i ) ;
end
end
popu = rand ( popuSize , v a r n ) ;
f o r k=1: v a r n
pop1 ( j , k )=range ( k , 1 ) ’+( range ( k , 2 ) ’− range ( k , 1 ) ’ ) ∗popu ( j , k
);
end
end
s i z e ( pop1 ) ;
upper = z e r o s ( g e n e r a t i o n n , 1 ) ;
average = z e r o s ( generation n , 1) ;
lower = z e r o s ( generation n , 1) ;
f c n v a l =1e10 ∗ ones ( popuSize , 1 ) ;
p b e s t=z e r o s ( popuSize , v a r n ) ;
% Algoritmo p r i n c i p a l d e l PSO
c l e a r SViter ;
t=cputime ;
f o r i =1: g e n e r a t i o n n
w=wmax−((wmax−wmin ) ∗ i ) / g e n e r a t i o n n ;
%E v a l u a c i o n de l a Funcion O b j e t i v o (FO)
75
f o r in d =1: popuSize
i nd
kt=pop1 ( ind , : ) ;
e r r =0;
try
simout=sim ( ’ LFC PID ’ , ’ timeout ’ , 6 0 0 ) ;
uno=t r a p z ( simout . g e t ( ’ACE1 ’ ) . time , abs ( simout . g e t ( ’ACE1 ’ )
. s i g n a l s . v a l u e s ) ) +100∗ t r a p z ( simout . g e t ( ’ACE2 ’ ) . time ,
abs ( simout . g e t ( ’ACE2 ’ ) . s i g n a l s . v a l u e s ) ) ;
dos=t r a p z ( simout . g e t ( ’ACE1 ’ ) . time , abs ( simout . g e t ( ’dACE1 ’
) . s i g n a l s . v a l u e s ) )+t r a p z ( simout . g e t ( ’ACE2 ’ ) . time , abs (
simout . g e t ( ’dACE2 ’ ) . s i g n a l s . v a l u e s ) ) ;
e r r=uno+dos ;
d i s p l a y ( ’ done ’ )
catch
e r r =1e10 ;
display ( ’ f a i l ’ )
end
e r r o r 1 ( i nd )=e r r ;
f c n v a l u e ( in d )=e r r ;
end
% A c t u a l i z a c i o n de l o s m e j o r e s p o s i c i o n e s
i f fcnval ( j ) > fcn value ( j ) ,
f c n v a l ( j )=f c n v a l u e ( j ) ;
p b e s t ( j , : ) =pop1 ( j , : ) ;
end
end
% Ploteo
76
axis tight ;
p l o t ( p b e s t ( : , 1 ) , p b e s t ( : , 2 ) , ’ ∗b ’ ) ;
h o l d on ;
% Almacenado de l a s FO
upper ( i ) = max( f c n v a l ) ;
a v e r a g e ( i ) = mean ( f c n v a l ) ;
l o w e r ( i ) = min ( f c n v a l ) ;
% Mejores p o s i c i o n e s g l o b a l e s
[ b e st , i n d e x ] = min ( f c n v a l ) ;
S e r r o r ( t i d , i )=e r r o r 1 ( i n d e x ) ;
f p r i n t f ( ’ E v a l u a t i o n %i : ’ , popuSize ∗ i ) ;
f p r i n t f ( ’ f = %f \n ’ , e r r o r 1 ( i n d e x ) ) ;
g b e s t=pop1 ( index , : ) ;
p l o t ( g b e s t ( : , 1 ) , g b e s t ( : , 2 ) , ’ ∗ r ’ ) ; a x i s ([ −2 2 −2 2 ] ) ;
t e x t ( − 1 . 5 , − 1 . 5 , [ ’ I t e r a t i o n= ’ num2str ( i ) ’ and Best FF= ’
num2str ( e r r o r 1 ( i n d e x ) ) ] ) ;
h o l d o f f ; pause ( 0 . 2 ) ;
p o p u l a t i o n 1=pop1 ( index , : ) ;
S V i t e r ( i , : ) =p o p u l a t i o n 1 ;
% A c t u a l i z a c i o n de l a p o s i c i o n y v e l o c i d a d de l a p a r t i c u l a
i f i ˜= g e n e r a t i o n n
[ pop1 v e l o c i t y ]= pso ( pop1 , vmax , v e l o c i t y , f c n v a l u e , w, c1 ,
c2 , pbest , gb est , range ) ;
end
end % Finalizacion del algoritmo principal
PSO Location ( t i d , : ) =p o p u l a t i o n 1 ;
PSOerror ( t i d )=e r r o r 1 ( i n d e x ) ;
t 1=cputime−t ;
77
figure ;
plot ( Serror (1 ,:) ) ;
%Obtencion de l a s g a n a n c i a s d e l c o n t r o l a d o r PID
kt=S V i t e r ( 5 0 , : ) ;
%kt=pop1 ( 1 , : )
%% PSO : A c t u a l i z a c i o n d e l p o s i c i o n e s y v e l o c i d a d e s
% Funcion que e n t r e g a nuevas p o s i c i o n e s y v e l o c i d a d e s de l a s
particulas
%%
f u n c t i o n [ pop1 v e l o c i t y ] = pso ( pop1 , vmax , v e l o c i t y , f c n v a l u e , w, c1
, c2 , pbest , g best , range )
r=rand ( s i z e ( pop1 , 1 ) , 2 ) ;
% Encuentra l a s dos m e j o r e s y l a s mantiene
tmp fitness = fcn value ;
[ junk , i n d e x 1 ] = min ( t m p f i t n e s s ) ; % l a primera mejor
t m p f i t n e s s ( i n d e x 1 ) = max( t m p f i t n e s s ) ;
[ junk , i n d e x 2 ] = min ( t m p f i t n e s s ) ; % l a segunda mejor
temp1=pop1 ( index1 , : ) ; temp2=pop1 ( index2 , : ) ; % Memoria t e m p o r a r i a
f o r i =1: s i z e ( pop1 , 1 ) ;
p a r e n t = pop1 ( round ( rand ∗( s i z e ( pop1 , 1 ) −1)+1) , : ) ;
f o r j =1: s i z e ( pop1 , 2 ) ;
v e l o c i t y ( i , j )=w∗ v e l o c i t y ( i , j ) +(c1 ∗ r ( i , 1 ) ∗( p b e s t ( i , j )
−pop1 ( i , j ) ) ) +(c2 ∗ r ( i , 2 ) ∗( g b e s t ( j )−pop1 ( i , j ) ) ) ;
v e l o c i t y ( i , j )=s i g n ( v e l o c i t y ( i , j ) ) ∗min ( abs ( v e l o c i t y ( i
, j ) ) , vmax ( j ) ) ;
pop1 ( i , j )=pop1 ( i , j )+v e l o c i t y ( i , j ) ;
78
pop1 ( i , j )=min ( pop1 ( i , j ) , range ( j , 2 ) ) ;
pop1 ( i , j )=max( pop1 ( i , j ) , range ( j , 1 ) ) ;
end
end
% Almacenamiento
pop1 ( [ 1 2 ] , : ) = [ temp1 ; temp2 ] ;
79

Directores

Cargado por

Copyright:

Formatos disponibles

Directores

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Directores

Cargado por

Copyright:

Formatos disponibles

SINTONIZACIÓN DE UN CONTROLADOR PID USANDO

PARTICLE SWARM OPTIMIZATION PARA EL AGC DE

UN SISTEMA ELÉCTRICO MULTIAREA

Rubén Lliuyacc Blas

MASTER EN SISTEMAS DE ENERGÍA ELÉCTRICA

Departamento de Ingenierı́a Eléctrica

Dr. Jesús Riquelme Santos

El control de frecuencia es un requisito fundamental en la operación de los sistemas

Table of Contents III

4. Sintonización de un controlador PID usando Particle Swarm Optimiza-

5. Casos de estudio, simulación y resultados 53

6. Conclusiones y lı́neas futuras 68

1.1. Sistemas de control de frecuencia y tensión para un generador sı́ncrono. . 2

2.1. Demanda estimada y generación programada, equivalentes pero no iguales. 9

3.1. Elementos principales de una unidad de generación en el control de frecuencia. 22

4.1. Esquema convencional de control por retroalimentación. . . . . . . . . . . 37

5.1. Caso 1: Sistema eléctrico de dos áreas interconectadas . . . . . . . . . . . 54

4.1. Efecto al incrementar las ganancias kp , ki y kd [4]. . . . . . . . . . . . . . 39

5.1. Información de sistema de dos áreas interconectadas [6]. . . . . . . . . . . 54

A mis padres Lucio y Vicenta.

Figura 1.1: Sistemas de control de frecuencia y tensión para un generador sı́ncrono.

1.2. Planteamiento del Problema

En la actualidad, sistemas eléctricos se interconectan por varias razones. Por ejemplo,

El objetivo principal de este trabajo de fin de máster es diseñar un AGC basado en el

Modelar un sistema de eléctrico multiarea para el análisis del AGC.

1.4.1. Control de frecuencia

Las estrategias de control clásicas usando el controlador Integral (I) o Proporcional

1.4.2. Particle Swarm Optimization (PSO)

Kennedy y Eberhart [16] desarrollaron el concepto de PSO basándose en un grupo de

1.5. Organización del documento

- En el capı́tulo 2 presenta en detalle los diferentes niveles del control de frecuencia,

El control de frecuencia busca mantener el balance entre el consumo y la producción de

Respuesta por Inercia

2.1. Desbalance entre la producción y el consumo en

Teóricamente en un sistema eléctrico se cumple que: la potencia generada es igual

Figura 2.1: Demanda estimada y generación programada, equivalentes pero no iguales.

Figura 2.2: La programación de la generación no es optima debido a los errores de estimación

De acuerdo a las leyes de Kirchhoff, la potencia generada es siempre igual a la potencia

donde ∆wi es la desviación de la velocidad angular mecánica con respecto a la velocidad

2.3. Control primario

Como se vio en el sección anterior, desbalances en la relación generación-demanda se

Reserva Primaria (MW)

No esta demás indicar que al ser el control primario un servicio complementario

2.4. Control secundario(AGC)

El control secundario es un control automático, generalmente conocido como Control

El control terciario se refiere a la activación manual de las reservas. Ası́ como el

2.6. Desafı́os en la operación del sistema eléctrico

A. Mejorar el pronóstico de la producción

B. Desarrollar y mejorar herramientas para predecir eventos rampa

C. Abriendo nuevos mercados cercanos a la operación en tiempo real

D. Cooperación entre áreas de control

F. Conexión de generación variable a la red

El estudio de los niveles de control de frecuencia se realizo en base a los establecido

Modelo dinámico del sistema

El primer paso para el análisis y diseño de un sistema de control es el modelado del

3.1. Unidades de generación

La unidad de generación es el elemento básico para ejercer el control de frecuencia en

Figura 3.1: Elementos principales de una unidad de generación en el control de frecuencia.

El sistema de control se encargara de ajustar la potencia generada a la potencia que