UBICACIÓN ÓPTIMA DE GENERACIÓN DISTRIBUIDA EN SISTEMAS

ELÉCTRICOS DE DISTRIBUCIÓN UTILIZANDO UN ALGORITMO

MULTIOBJETIVO CONSIDERANDO DESPACHO.
 UNIVERSIDAD POLITÉCNICA SALESIANA
SEDE QUITO

CARRERA:
INGENIERÍA ELÉCTRICA

Trabajo de titulación previo a la obtención del título de

INGENIERO ELÉCTRICO

TEMA:
UBICACIÓN ÓPTIMA DE GENERACIÓN DISTRIBUIDA EN SISTEMAS
ELÉCTRICOS DE DISTRIBUCIÓN UTILIZANDO UN ALGORITMO
MULTIOBJETIVO CONSIDERANDO DESPACHO.

AUTOR:
VICTOR HUGO GUALOTUÑA CACUANGO

DIRECTOR:
IVÁN PATRICIO MONTALVO GALÁGARRA

Quito, junio 2019

 . Datos de Catalogación Bibliográfica .
Victor Hugo Gualotuña Cacuango

UBICACIÓN ÓPTIMA DE GENERACIÓN DISTRIBUIDA EN SISTEMAS ELÉCTRICOS

DE DISTRIBUCIÓN UTILIZANDO UN ALGORITMO MULTIOBJETIVO
CONSIDERANDO DESPACHO.

Universidad Politécnica Salesiana, Quito – Ecuador 2019

Ingeniería Eléctrica

Reseña de autores e información de contacto:

Victor Hugo Gualotuña Cacuango, (Y'1992-M'05). Realizó sus estudios de

Ingeniería Eléctrica en la Universidad Politécnica Salesiana. Su trabajo se basa
en la ubicación óptima de Generación Distribuida para el mejoramiento del
perfil de voltaje en sistemas eléctricos de distribución.
vgualotuna@est.ups.edu.ec

Dirigido por:

Iván Patricio Montalvo Galárraga (Y’1987-M’04). Se graduó de

Ingeniería eléctrica y electrónica en la Universidad San Francisco de Quito
y de Master en Power Distribution en Newcastle University en 2016.
Actualmente se encuentra trabajando como docente e investigador en la
Universidad Politécnica Salesiana. Área de interés: sistemas de puesta a
tierra, generación distribuida, localización y optimización de fallas, Smart
grids. imontalvo@ups.edu.ec

Todos los derechos reservados:

Queda prohibida, salvo excepción prevista en la ley, cualquier forma de reproducción,
distribución, comunicación pública y transformación de esta obra para fines comerciales, sin
contar con la autorización de los titulares de propiedad intelectual. La infracción de los derechos
mencionados puede ser constitutiva de delito contra la propiedad intelectual. Se permite la libre
difusión de este texto con fines académicos o investigativos por cualquier medio, con la debida
notificación a los autores.

DERECHOS RESERVADOS
©2019 Universidad Politécnica Salesiana
QUITO-ECUADOR
 DECLARATORIA DE COAUTORÍA DEL DOCENTE TUTOR/A
Yo, Iván Patricio Montalvo Galárraga declaro que bajo mi dirección y asesoría fue
desarrollado el trabajo de titulación (Ubicación óptima de generación distribuida en
sistemas eléctricos de distribución utilizando un algoritmo multiobjetivo considerando
despacho) realizado por (Victor Hugo Gualotuña Cacuango), obteniendo un producto que
cumple con todos los requisitos estipulados por la Universidad Politécnica Salesiana para
ser considerados como trabajo final de titulación.

Quito, junio de 2019

………………………………….
Iván Patricio Montalvo Galárraga
Cédula de identidad: 171648091-6
 CESIÓN DE DERECHOS DE AUTOR

Yo, Victor Hugo Gualotuña Cacuango, con documento de identificación N°

1721021275, manifiesto mi voluntad y cedo a la Universidad Politécnica Salesiana
la titularidad sobre los derechos patrimoniales en virtud de que soy autor/es del trabajo
de grado/titulación intitulado: “Ubicación óptima de generación distribuida en sistemas
eléctricos de distribución utilizando un algoritmo multiobjetivo considerando despacho”,
mismo que ha sido desarrollado para optar por el título de: Ingeniero Eléctrico, en
la Universidad Politécnica Salesiana, quedando la Universidad facultada para
ejercer plenamente los derechos cedidos anteriormente.
En aplicación a lo determinado en la Ley de Propiedad Intelectual, en mi condición de
autor me reservo los derechos morales de la obra antes citada. En concordancia, suscribo
este documento en el momento que hago entrega del trabajo final en formato impreso y
digital a la Biblioteca de la Universidad Politécnica Salesiana.

Firma

.............................................
Nombre: Victor Hugo Gualotuña Cacuango
Cédula: 1721021275
Fecha: 10 de junio de 2019
ÍNDICE GENERAL

INTRODUCCIÓN ............................................................................................................. 2
MARCO TEÓRICO. .......................................................................................................... 3
2.1. Tipo de energías renovables como parte de generación distribuida. .......................... 3
2.3. Efectos de la generación distribuida en el sistema eléctrico de potencia. ................... 4
2.4. Pérdidas en los sistemas de distribución. .................................................................... 4
2.5. Estabilidad de voltaje. ................................................................................................. 5
2.6. Límites máximos y mínimo de voltaje tolerables en el sistema de distribución. ........ 5
2.7. Índice de estabilidad.................................................................................................... 5
2.7.1 Método 1. .................................................................................................................. 6
2.7.2 Método 2. .................................................................................................................. 6
2.8. Despacho económico. ................................................................................................. 6
ALGORITMO DE SOLUCIÓN. ....................................................................................... 7
3.1. Optimización mediante GAMS. .................................................................................. 7
3.2. Optimización MINLP. ................................................................................................ 7
3.3. Optimización Multiobjetivo. ....................................................................................... 7
3.4. Optimización de Pareto. .............................................................................................. 7
MODELAMIENTO DEL SISTEMA. ............................................................................... 8
4.1 Sistema y parámetros iniciales. .................................................................................... 8
4.2. Comparación de datos en MATLAB Y GAMS. ......................................................... 9
4.3. Formulación matemática para flujos de potencia...................................................... 10
4.4. Modelo de optimización. ........................................................................................... 11
4.5. Pseudocodigo. ........................................................................................................... 13
4.6. Diagrama de flujo. ..................................................................................................... 14
ANÁLISIS DE RESULTADOS. ..................................................................................... 14
CONCLUSIONES ........................................................................................................... 17
6.1 Trabajos futuros. ........................................................................................................ 18
REFERENCIAS. .............................................................................................................. 18
7.1. Estado del Arte .......................................................................................................... 22
7.2. Resumen de indicadores ............................................................................................ 25
ÍNDICE DE FIGURAS.

Figura 1. Vinculación de GD al sistema de distribución para mejorar el perfil de voltaje 3

Figura 2. Diagrama unifilar de una línea del sistema de distribución. ............................... 6
Figura 3. sistema de 13 barras. ........................................................................................... 8
Figura 4. Perfiles de voltaje en MATLAB y GAMS. ...................................................... 10
Figura 5. Ubicación óptima de dos unidades de GD........................................................ 14
Figura 6. Mejoramiento de perfil de voltaje en el segundo escenario. ............................ 15
Figura 7. Ubicación óptima de tres unidades de GD. ...................................................... 15
Figura 8. Comparación entre perfil de voltaje inicial y con vinculación de 3 unidades de
GD. ................................................................................................................................... 15
Figura 9. Ubicación óptima de GD para el cuarto escenario. .......................................... 15
Figura 10. Perfil de voltaje mejorado con la ubicación de 4 unidades de GD. ................ 16
Figura 11. Ubicación óptima de cinco unidades de GD................................................... 16
Figura 12. Comparación de perfil de voltaje inicial y perfil de voltaje mejorado con
ubicación de GD. .............................................................................................................. 16
Figura 13. Comparación de conjunto de perfil de voltaje óptimo con vinculación de GD
vs voltaje inicial sin GD. .................................................................................................. 16
Figura 14. Curva de potencia despachada vs costo total óptimo. .................................... 17
Figura 15. Matriz del estado de arte. ................................................................................ 24
Figura 16. Grafica de temática del problema. .................................................................. 25
Figura 17. Grafica de formulación del problema. ............................................................ 26
Figura 18. Grafico en barras de solución al problema. .................................................... 27
ÍNDICE DE TABLAS

Tabla 1: Características de generación distribuida............................................................. 3

Tabla 2: parámetros de las líneas. ...................................................................................... 8
Tabla 3: Datos de generadores y GD. ................................................................................ 9
Tabla 4: Comparación valores iniciales de voltaje en p.u. del sistema de 13 barras. ........ 9
Tabla 5: variables del modelamiento del sistema. ........................................................... 11
Tabla 6: Variables y coeficientes en el modelo de optimización. .................................... 13
Tabla 7: tabla de costos fijos y costos variables para el despacho económico. ............... 17
UBICACIÓN ÓPTIMA DE GENERACIÓN DISTRIBUIDA EN
SISTEMAS ELÉCTRICOS DE DISTRIBUCIÓN UTILIZANDO
UN ALGORITMO MULTIOBJETIVO CONSIDERANDO
DESPACHO.

Resumen Abstract
En el siguiente artículo, se plantea un In the following article, an algorithm is
algoritmo para mejorar el perfil de voltaje proposed to improve the voltage profile in
en un sistema eléctrico de distribución an electrical system of radial distribution,
radial, mediante la ubicación óptima de through the optimal location of distributed
generación distribuida (GD). Utilizando generation (DG). Using photovoltaic
generación fotovoltaica como recurso generation as a renewable resource for the
renovable para el caso de estudio. Donde, case study. Where, the objective functions
las funciones objetivo buscan minimizar seek to minimize the voltage drops in the
las caídas de tensión en el sistema de distribution system and the total cost of
distribución y el costo total de energía dispatched energy associated with the
despachada asociada a los costos fijos y fixed costs and variable costs, subject to a
costos variables, sujeto a un conjunto de set of restrictions to find the optimal
restricciones para encontrar la solución solution. For the optimization, a mixed
óptima. Para la optimización se utilizará integer mixed nonlinear programming
una programación no lineal entera mixta (MINLP) will be used, applied in the
(MINLP) multiobjetivo, aplicada en el GAMS software. In such a way that the
software GAMS. De tal manera que el algorithm finds the optimal bar for the
algoritmo encuentre la barra óptima para distributed generation location, the
la ubicación de generación distribuida, la amount of active power needed to
cantidad de potencia activa necesaria para compensate the system and in turn
compensar el sistema y a su vez mejorar el improve the voltage profile in the
perfil de voltaje en la red de distribución. distribution network. For the modeling of
Para el modelamiento de este problema se this problem, the 13-bar system of the
utilizará el sistema de 13 barras de la IEEE will be used, generating several
IEEE, generando varios escenarios para scenarios for the entire case study.
todo el caso de estudio.

Palabras Clave: Ubicación óptima, Keywords: Optimal location, Radial

Sistema radial, Perfil de voltaje, system, Voltage profile, optimization,
Optimización, despacho. dispatch.

1
1. Introducción manera radial, [6] muestra que la
reconfiguración de los alimentadores
La demanda eléctrica es un sistema implica alterar la topología de la red
dinámico que está en constante por lo cual se busca reducir las pérdidas
evolución, debido a esto se observa que de energía y mantener un equilibrio con
los sistemas eléctricos de distribución la carga dando apertura a muchas
presentan cambios notables ya que las investigaciones sobre la ubicación
pérdidas aumentan y el perfil de voltaje óptima de GD bajo múltiples técnicas
se ve desmejorado. En base a esto se de optimización.
han realizado múltiples investigaciones
El mercado eléctrico ha comenzado un
como se menciona en [1], donde se
proceso de considerables cambios ya
busca minimizar las pérdidas para
que la demanda aumenta con los
mejorar la estabilidad del sistema
avances tecnológicos a nivel mundial,
respetando aspectos técnicos y
generando problemas de confiabilidad,
satisfacer la demanda eléctrica que se
seguridad y estabilidad en el sistema
generara a futuro [1]. Por lo antes
[7]. Uno de los problemas es que la red
mencionado las redes de distribución
opera a su máxima capacidad
del sistema operan frecuentemente a su
generando una alta relación R/X en el
máxima capacidad. Otro factor que
sistema de distribución, aumentando
influye a este problema es que las
así las caídas de voltaje a lo largo de
centrales de generación son construidas
todo el sistema [8], [9], [10].
muy lejos de la carga generando
Esto ha conllevado a la construcción e
pérdidas en la red, permisos en partes
integración de nuevas fuentes de GD
pobladas, impactos ambientales, etc
para vincularlas a los sistemas de
[2].
distribución y lograr contrarrestar este
Una alternativa para suplir todo este problema. Tomando en cuenta que la
incremento en la demanda es la generación no convencional se
incorporación de generación convierte en la más flexible a utilizar,
distribuida (GD) en los sistemas debido aspectos de operación, tamaño
eléctricos de distribución. Para el caso y capacidad de expansión.
de estudio se utilizará fuentes de
En base a lo mencionado se puede
generación fotovoltaica, este tipo de
denotar que la vinculación de GD en la
generación no convencional es muy
red de distribución creara situaciones
atractiva debido a su rápida
adversas ya que su integración a la red
implementación, bajo costo y alta
no es tan sencilla y el sistema de
eficiencia.[3] Por otro lado las políticas
distribución puede generar pérdidas de
de un país a otro para la vinculación de
potencia activa y reactiva, el grado de
GD son diferentes, debido a influencias
penetración de GD puede causar
comerciales que existe en cada uno [4].
sobrevoltajes, en casos más extremos
En [5], indica como la generación
podrá generar mayores pérdidas y
distribuida al ser ubicada de una
afectaciones al sistema eléctrico porque
manera óptima ayuda a obtener grandes
previo a la conexión de GD no se
beneficios técnicos, ambientales y
realizaron los estudios pertinentes para
económicos.
determinar los beneficios y
Generalmente los sistemas eléctricos afectaciones en el sistema eléctrico de
de distribución están configurados de distribución [11], [12].

2
 Figura 1. Vinculación de GD al sistema de distribución para mejorar el perfil de voltaje

La fig. 1 muestra dos escenarios para el en el sistema eléctrico de distribución

caso de estudio, el primer caso donde el brindando mayor flexibilidad y
voltaje esta fuera de los rangos confiabilidad, permitiendo de esta
especificados para la red de manera realizar expansiones en el
distribución, en el segundo escenario se sistema eléctrico de potencia para
vincula GD para mejorar el perfil de satisfacer las nuevas demandas.
voltaje y brindar mayor estabilidad en
el sistema eléctrico de distribución. 2. Marco teórico.
En la tabla 1 se cita las tecnologías más 2.1. Tipo de energías renovables
utilizadas para GD con sus respectivos como parte de generación
porcentajes de eficiencia y rangos de distribuida.
potencia nominal [13].
Las condiciones meteorológicas juegan
Tabla 1: Características de generación un papel muy importante para la
distribuida.
vinculación de GD en la red de
Eficiencia distribución. Ya que debido a la
Tipo de Electricidad incertidumbre del recurso renovable no
Eléctrica
nominal
tecnología (%) puede ser controlable, ni ciento por
Motores a ciento predecibles, generando
36-43 20kW – 1000kW
diésel afectaciones en los flujos de potencia,
Motores a estabilidad, perfil de voltaje y calidad
28 – 42 50kW – 5000MW
gas de energía entregada al consumidor
Turbinas a
[14].
21.9 – 37 1000kW – 40000kW
gas
Se puede denotar que las energías
Micro-
25-30 30kW – 200kW renovables no convencionales (ERNC)
turbinas producen energía de una manera limpia
ya que el impacto ambiental es menor
Celdas de
34 – 54 50kW – 1000kW frente a generaciones tradicionales, las
combustible
principales fuentes de ERNC para GD
PV 10 - 22 >1kW que se utilizan son la energía eólica y
solar,[15] para el caso de estudio de
La GD se ha convertido en la opción este documento y mejoramiento de
más utilizada para lograr contrarrestar perfil de voltaje en el sistema de 13
el problema de disminución en el perfil barras se tomara como fuente principal
de voltaje e incremento de la demanda de GD la energía solar.

3
2.2. Energía Solar. obtenidas en cada escenario se analice
los diferentes efectos que cada
La capacidad global instalada de escenario genera para de esta manera
potencia fotovoltaica llego a 138.83 obtener el resultado más óptimo para la
GWp en 2013 representando un vinculación de GD [17], [18].
crecimiento del 38.2% con respecto al En los sistemas de distribución el flujo
2012 [16]. de potencia es unidireccional desde la
Los generadores fotovoltaicos generación hasta la carga, afectando
aprovechan la radiación los niveles de voltaje. Para minimizar
electromagnética del haz de luz las pérdidas por transmisión la GD
excitando un material semiconductor estará ubicada más cerca de la carga, de
dopado. La generación solar es más tal manera que el flujo de potencia
común en las zonas urbanas debido a dejará de ser unidireccional y pasará a
que su instalación es más sencilla y se ser bidireccional causando
puede realizar en el patio de una casa, inestabilidad en el funcionamiento del
terrazas de edificios a gran escala y sistema [19], [9].
diferentes tipos de edificaciones, La GD tiene un amplio potencial para
logrando de esta manera incluso auto aumentar la dependencia de fuentes de
sustentar la carga del lugar donde se energías alternativas, ayudando a
han instalado, liberando así carga del proporcionar energía de reserva
sistema de distribución. Estos sistemas durante los intervalos de tiempo donde
también se pueden utilizar para la demanda aumenta exponencialmente
alimentar sistemas de alumbrado evitando inversiones en grandes
público ya que esto representa una centrales de generación y largas líneas
carga muy importante en las redes de de transmisión reduciendo de esta
distribución, obteniendo así un campo manera las pérdidas de transmisión y
múltiple a nivel técnico y económico en distribución, además la GD mejora los
el estudio de la energía fotovoltaica perfiles de voltaje y el factor de carga,
[14]. lo que minimiza la cantidad de
Ante lo mencionado se puede denotar reguladores de voltaje, costos de
que los generadores solares tienen mantenimiento y operación [20], [10].
como objetivo utilizar toda la energía
emitida por el sol para aprovechar al
máximo este recurso no solo como
energía fotovoltaica sino también para 2.4. Pérdidas en los sistemas de
generación térmica [14]. distribución.

Debido a que las centrales de

2.3. Efectos de la generación generación muchas veces se encuentra
distribuida en el sistema eléctrico lejos de la carga el transporte de la
de potencia. energía eléctrica genera pérdidas
técnicas, es por eso que las empresas de
Para lograr una evaluación de los distribución buscan minimizar estas
efectos y comportamientos que se pérdidas ya que generan impactos
generan por la vinculación de GD en económicos muy relevantes [21].
los sistemas eléctricos de potencia Logrando de esta manera realizar un
debemos considerar múltiples análisis de pérdidas en el sistema de
escenarios donde se involucren las distribución por la vinculación de GD.
horas valle y horas pico, y mediante la Esto debido a factores como: nivel de
comparación de los resultados penetración y ubicación de GD, donde

4
de tal manera la GD tiene un impacto que aportan a que el sistema colapse y
en las perdidas del sistema, logrando pierda estabilidad, como la capacidad
cambiar los perfiles de voltaje y flujos de transferencia de potencia reactiva de
de potencia [22], [12]. los generadores y las múltiples
Para un caso base donde no existe características de la carga, así también
vinculación de GD las pérdidas activas como los límites de capacidad de
se las describe en la ecuación (1). potencia reactiva de los generadores y
las características de potencia reactiva
𝑏𝑎𝑠𝑒
𝑃𝐿2 + 𝑄𝐿2 (1) de dispositivos de compensación [25],
𝑃𝑙𝑜𝑠𝑠 = ∗𝑅 [26].
𝑉2

La ecuación (2) describe las pérdidas 2.6. Límites máximos y mínimo

activas con vinculación de GD. de voltaje tolerables en el sistema
de distribución.
𝐺𝐷
𝑃𝑙𝑜𝑠𝑠 =
(𝑃𝐿 − 𝑃𝐺𝐷 )2 + (𝑄𝐿 − 𝑄𝐺𝐷 )2 (2) Las variaciones de voltaje en los
∗𝑅
𝑉2 sistemas de distribución deben
encontrarse dentro de un rango
Donde: determinado de operación óptima,
comúnmente la mayoría de contextos
𝑷𝒃𝒂𝒔𝒆
𝒍𝒐𝒔𝒔 : Pérdidas activas en el establecen que la banda de voltaje
caso sin GD aceptable oscila entre un valor de 0.95
𝑮𝑫
𝑷𝒍𝒐𝒔𝒔 : Pérdidas activas con GD pu y 1.05 pu como se indica en la
𝑷𝑳 y 𝑸𝑳 : Potencia activa y ecuación (3) para sistemas eléctricos de
reactiva de carga potencia [27], [28].
Potencia activa y
𝑷𝑮𝑫 𝒚 𝑷𝑮𝑫 : reactiva de GD
0.95 ≥ 𝑉𝑝𝑢 ≤ 1.05 (3)
𝑹: Resistencia de la línea

2.5. Estabilidad de voltaje. 2.7. Índice de estabilidad.

Los índices de estabilidad de voltaje

Tras los resultados del análisis son factores escalares que permiten
realizado en [24] se puede denotar que determinar la proximidad del sistema a
la estabilidad de voltaje es la capacidad un colapso de voltaje, mismo que tiene
de un sistema eléctrico de potencia para relación con los elementos de la matriz
mantener niveles óptimos de operación de admitancia del sistema y los
en todas las barras del sistema bajo resultados de flujos de potencia
condiciones de operación normales y (magnitudes de voltaje y ángulos) [29].
después de una perturbación. La Con lo mencionado anteriormente, se
inestabilidad de voltaje se produce puede denotar que los índices de
cuando las condiciones del sistema estabilidad permiten detectar barras
varían provocando caídas de voltaje críticas donde existe una caída en el
que no se pueden controlar de una perfil de voltaje, a partir de esto, las
manera inmediata, dejando al sistema áreas con posible inestabilidad, y así
incapaz de satisfacer el balance de lograr realizar acciones correctivas
generación y demanda o [27], [30].
imposibilitando la transmisión de La estabilidad de voltaje en un sistema
potencia generada a los puntos de de distribución se ve afectado por el
carga. En los sistemas eléctricos de permanente incremento de la demanda,
potencia reales existen otros factores

5
provocando que el sistema pase a un
estado de inestabilidad de voltaje al ≤ 1 = 𝑒𝑠𝑡𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
𝐿𝑄𝑃 = {
presentar caídas representativas en su ≥ 1 = 𝑖𝑛𝑒𝑠𝑡𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑
magnitud [31]. Donde:
𝑋: Reactancia de la línea
𝑍: Impedancia de la línea
𝑃𝑖: Potencia activa en el extremo
emisor
𝑄𝑗: Potencia reactiva en el extremo
Figura 2. Diagrama unifilar de una línea del receptor
sistema de distribución. 𝑉𝑖: Voltaje del extremo receptor
De tal manera en [32], se describe dos
métodos que permiten calcular el 2.8. Despacho económico.
índice de estabilidad para voltaje.
La problemática en el despacho
2.7.1 Método 1. económico está centrada en lograr
generar la potencia necesaria para
El método 1 se refiere al índice de cumplir una determinada demanda de
estabilidad en la línea llamado Fast energía eléctrica en un periodo de
volatge stability index (FVSI), el cual tiempo. De tal manera que cada unidad
considera el flujo de potencia que pasa de generación entregue la potencia
a través de una sola línea y se calcula necesaria al mínimo costo por kWh.
mediante la siguiente formula (4). En [33] nos indica la función de costos
totales, relacionando los costos
4 ∗ 𝑍 2 ∗ 𝑄𝑗 (4) variables y costos fijos de los
𝐹𝑆𝑉𝐼𝑖𝑗 =
𝑉𝑖2 ∗ 𝑋 generadores. Donde, los costos fijos
son aquellos rubros que se debe pagar
Sujeto a: por cada unidad de generación, así
estas no despachen energía o no estén
≤ 1 = 𝑒𝑠𝑡𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 en operación, tales como costos de
𝐹𝑆𝑉𝐼 = {
≥ 1 = 𝑖𝑛𝑒𝑠𝑡𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 mantenimiento, sueldos a operadores,
arriendos, etc.
El costo variable es aquel rubro
2.7.2 Método 2. necesario para que la unidad este en
operación además de que este rubro
El método 2 se refiere al índice de variara dependiendo la cantidad de
estabilidad llamado Line stability potencia generada por la unidad de
Factor (LQP), el cual está caracterizado generación, estos rubros serian costos
por la sensibilidad a los cambios de de combustibles, lubricantes, etc.
potencia reactiva. Considera la De acuerdo con la regulación No.
potencia activa para una valoración Conelec – 009/06, establece que el
más precisa del índice de estabilidad, límite de potencia máxima de
calculándose como se expresa en la generación fotovoltaica es de 15MW,
ecuación (5). además que debe seguir un despacho
preferente según otras regulaciones del
𝑋 𝑋 (5) Arconel, estableciendo un costo
𝐿𝑄𝑃 = 4 ∗ (𝑉 2 ) ∗ (𝑉 2 ∗ 𝑃𝑖2 + 𝑄𝑗 ) variable de 5 USD/kW[34]. Por otro
𝑖 𝑖
lado, en [35] se estima un costo fijo
Sujeto a: para generación fotovoltaica de 1690

6
USD/kW, datos que más adelante
servirán para la optimización de costos 𝑑𝑜𝑛𝑑𝑒: 𝑥 ∈ 𝑋, 𝑦 ∈ 𝑌 𝑒𝑛𝑡𝑒𝑟𝑜𝑠
totales y el despacho de energía.

3. Algoritmo de solución. 3.3. Optimización Multiobjetivo.

3.1. Optimización mediante La función multiobjetivo crea un mejor

GAMS. modelo del entorno real, que
generalmente contiene objetivos
Para la optimización del sistema de 13 contradictorios y permite a los
barras de la IEEE. Se plantea un planificadores seleccionar la mejor
modelo matemático que cuenta con una solución a partir de las soluciones
función objetivo, asociada a todas las disponibles. De acuerdo con sus
restricciones técnicas para la correcta experiencias y puntos de vista buscan
operación del sistema. encontrar una concesión entre sus
El modelo matemático al ser una diversos resultados para la ubicación
programación no lineal entera mixta, optima de generación distribuida [38].
será resuelta mediante el optimizador De tal manera que el algoritmo
General Algebraic Modeling System encuentre el punto óptimo de GD en el
(GAMS), herramienta la cual posee una sistema eléctrico de distribución para
gran cantidad de solvers que se adaptan mejorar el perfil de voltaje
a los diferentes problemas de
3.4. Optimización de Pareto.
optimización de este tipo.
En [39] se describe la teoría de Pareto
3.2. Optimización MINLP. para la optimización multiobjetivo
donde:
La optimización mediante
programación no lineal entera mixta Min 𝐹 = (𝑓1, 𝑓2, … . . , 𝑓𝑛) (8)
(MINLP), consiste en encontrar el
valor óptimo para cumplir la función Sujeto a 𝐺(𝑋) ≤ 0 (9)
objetivo satisfaciendo las restricciones
que se plantearon para la optimización Donde:
de mejorar el perfil de voltaje en el
sistema de 13 barras. Sin embargo, esta F: Conjunto de funciones
programación tiene su grado de objetivo
complejidad. Ya que su función Fn: Función objetivo individual
objetivo y respectivas restricciones son X: Vector de variables
asociadas a una relación matemática G: Restricciones del conjunto de
que involucra variables continuas, objetivos
discretas y no lineales. Por lo cual
mediante el uso de optimización La optimización general se basa en una
MINLP se optimiza simultáneamente sola función objetivo donde
toda la estructura del sistema y sus corresponde a un solo valor de
parámetros, como se expresa en la optimización, por lo cual se da paso al
ecuación (6) y (7) [4], [36], [37] . conjunto de funciones objetivo para
analizar mayores restricciones y
𝑚𝑖𝑛𝐹 = 𝑓(𝑥, 𝑢) (6) realizar una optimización más profunda
mediante el conjunto de soluciones
𝑠𝑢𝑗𝑒𝑡𝑜 𝑎: 𝑔(𝑥, 𝑢) ≤ 0 (7) optimas de Pareto. [40]

7
 ∀𝑚 = 1,2, … , 𝑀𝑜𝑏𝑗, 𝑓𝑖, 𝑚 ≤ 𝑓𝑗, 𝑚
∃𝑛 = 1,2, … , 𝑀𝑜𝑏𝑗, 𝑓𝑖, 𝑛 < 𝑓𝑗, 𝑛 (10)

Donde:
Mobj Conjunto de funciones
objetivo
fi, fj Funciones objetivo

Al cumplir la ecuación (10) donde la

solución fi domina la solución de fj se
puede definir que el conjunto de
soluciones no dominadas. Cada
solución no dominada en el conjunto de
soluciones se lo llamara conjunto de
soluciones de Pareto, mientras que las
soluciones optimas o vector de
soluciones construirán el frente de
Pareto, la realización de este tipo de
optimización con dos funciones
objetivo da como resultado una curva,
si se la realiza con tres funciones Figura 3. sistema de 13 barras.
objetivos nos dará como resultado una
superficie.[16] La tabla 2 muestra los datos de las
líneas del sistema de distribución,
4.Modelamiento del sistema. indicando el bus de partida de la línea y
bus de llegada de la misma; además de
4.1 Sistema y parámetros los datos de resistencia y reactancia en
iniciales. las líneas de conexión del sistema
radial de 13 barras. Estos datos
Para realizar la optimización y análisis permitirán realizar el flujo de potencia
de resultados utilizaremos el sistema inicial, el cual servirá como base del
radial de 13 barras de la IEEE, el cual estudio.
inicialmente está formado, por un
generador, sus respectivas 13 barras y Tabla 2: parámetros de las líneas.
sus líneas de conexión asociado a las
Bi Bj RLpu XLpu
cargas respectivas del sistema como se
aprecia en la figura 3. Donde se L1 1 2 0,46643 0,137019
presenta el diagrama unifilar del L2 2 3 0,25214 0,39756
sistema, el cual no se encuentra L3 3 4 0,0001 0,00001
manipulado; es decir, sin vinculación L4 2 5 0,44738 0,45332
de GD y sin optimización para el L5 5 6 0,26842 0,27197
mejoramiento del perfil de voltaje. Este L6 2 7 0,46643 0,137019
sistema permitirá realizar un flujo de L7 7 8 0,0001 0,000001
potencia mediante el cual se L8 8 9 0,26859 0,15018
encontrarán las condiciones iniciales L9 7 10 0,26707 0,27396
del sistema, que serán utilizadas 10 11 0,26838 0,27208
L10
posteriormente para la comparación de
L11 10 12 0,72284 0,27751
los resultados obtenidos después de la
L12 7 13 0,2332 0,68509
optimización.

8
Donde: de los valores del perfil de voltaje en
p.u. del sistema de 13 barras de la IEEE
Bi: Bus inicial de la línea realizado en los programas Matlab y
Bj: Bus final de la línea Gams. En donde, inicialmente se
RL: Resistencia de la línea en pu realizó un flujo de potencia en
XL: Reactancia de la línea en pu MATLAB basado en la figura 3,
ingresando todos los datos pertinentes
Para el flujo de potencia inicial se de barras, líneas, generadores y cargas
utilizará una potencia base de 100 para el flujo de potencia inicial en el
MVA para facilidad de cálculos en los sistema. Posteriormente en el programa
resultados finales; mientras, el voltaje Gams se realizó la programación bajo
base que se utilizara para el sistema es las mismas condiciones y datos
de 12.66kV, siendo este sistema mencionados anteriormente para el
escalable para diferentes niveles de flujo de potencia, obteniendo de esta
voltaje en distribución como son manera, potencias, voltajes y ángulos
6.3kV, 13.2kV, 23kV y 46kV. Los aproximadamente similares para
demás datos de potencia activa y ambos programas. Esto forma una base
potencia reactiva de las barras se sólida para trabajar en la optimización
encuentran en la tabla 3. del sistema. Con todos estos datos
anteriormente descritos en las tablas 2
Tabla 3: Datos de generadores y GD. y 3 se procederá a realizar la
optimización con la finalidad de
Nc Pc Qc Gex
encontrar la ubicación óptima de GD,
B1 1 1,9021 1,1539 1
minimizar las caídas de voltaje y
B2 2 0,2 0,116 0 mejorar el perfil de voltaje para el
B3 3 0 0 0 sistema de 13 barras en estudio.
B4 4 0,4 0,29 0
B5 5 0,17 0,125 0
6 0,23 0,132 0 Tabla 4: Comparación valores iniciales de
B6
voltaje en p.u. del sistema de 13 barras.
B7 7 1,155 0,66 0
B8 8 0,17 0,151 0 Voltaje p.u Voltaje p.u
BUS
B9 9 0,843 0,462 0 MATLAB GAMS
1 1 1,0000
B10 10 0 0 0
2 0,9113 0,9252
B11 11 0,17 0,08 0
3 0,9074 0,9212
B12 12 0,128 0,086 0
4 0,9074 0,9212
B13 13 0 0 0
5 0,906 0,9198
Donde: 6 0,9042 0,9180
7 0,8509 0,8639
Nc: Nodo de conexión 8 0,8509 0,8639
Pc: Potencia activa de carga 9 0,8452 0,8581
Qc: Potencia reactiva de carga 10 0,8485 0,8614
Gex: Generador existente 11 0,8472 0,8601
12 0,8464 0,8593
13 0,8509 0,8639
4.2. Comparación de datos en
MATLAB Y GAMS.
La figura 4 es una representación
En la tabla 4 se describe una
gráfica de la tabla 4 en la cual se puede
comparación, en condiciones iniciales,

9
apreciar la similitud del perfil de de admitancia propia se describe en la
voltaje inicial y la aproximación de los ecuación (16).
datos en los dos softwares antes 𝑌𝑖𝑗 = |𝑌𝑖𝑗 | cos 𝜃𝑖𝑗 + 𝑗|𝑌𝑖𝑗 | sen 𝜃𝑖𝑗 (11)
mencionados. = 𝐺𝑖𝑗 + 𝑗 𝐵𝑖𝑗
𝑋 (12)
𝐵𝑖𝑗 = 2
𝑅𝑖𝑗 + 𝑋𝑖𝑗2

𝑅 (13)
𝐺𝑖𝑗 = 2
𝑅𝑖𝑗 + 𝑋𝑖𝑗2

Yin = −Yin ∠θin (14)

0 −Yin … −Yin (15)

−Yin 0 −Yin ⋮
Y𝑖𝑛 = [ ]
⋮ −Yin 0 −Yin
Figura 4. Perfiles de voltaje en MATLAB y −Yin ⋯ −Yin 0
GAMS.

N
(16)
Yii = − ∑ −Yin ∠θin
4.3. Formulación matemática j=1
para flujos de potencia.

Las condiciones iniciales de voltaje y Al realizar las operaciones matemáticas

cargas dadas en el sistema dan apertura pertinentes en las ecuaciones
a realizar un flujo de potencia para anteriormente descritas se obtiene
encontrar los estados actuales en cada como resultado la matriz de
escenario [41]. admitancias como se representa en la
La información obtenida al realizar el ecuación (17) y (18).
flujo de potencia es, magnitudes y
Yij = Yin + Yii (17)
ángulos de fase de voltajes en los
nodos, potencia reactiva en los nodos
Yii −Yin … −Yin (18)
de generación, flujo real y reactivo de ⋱ ⋮
−Yin −Yin
potencia en las líneas de transmisión Yij = [ −Yin ]
⋮ ⋱ −Yin
del sistema eléctrico. −Yin ⋯ −Yin Yii
Para el estudio del flujo de potencia se
debe conocer como parámetro inicial la
impedancia de cada uno de los La ecuación (19) da como resultado el
elementos y su interdependencia con voltaje en cada barra(i) del sistema.
todo el sistema eléctrico, por lo que es
necesario obtener la matriz de Vi = |Vi |∠δi = |Vi | cos δi (19)
admitancia (Ybarra). + j|Vi | sen δi
Donde la admitancia es conformada
por cada elemento que se interconecta Para obtener la potencia activa y
entre las barras del sistema aplicando reactiva, es necesario obtener la
las ecuaciones (11), (12) y (13). La inyección de corriente por cada nodo.
matriz de admitancia de dividirá entre Esta inyección resulta de la interacción
admitancia propia y admitancia mutua, entre la matriz de admitancia y los
la ecuación (14) describe la admitancia voltajes de cada barra y se obtiene a
mutua y su matriz se representa en la través de las ecuaciones (20) y (21).
ecuación (15), la fórmula para la matriz Las ecuaciones (22) y (23) se utilizan

10
para determinar las potencias activa Pi permiten obtener la potencia activa y
y la reactiva Qi para cada nodo. reactiva de cada nodo respectivamente.
𝑃𝑖 (𝑉, 𝜃)
= |𝑉𝑖 2 |𝐺𝑖𝑖
𝑁
𝐼𝑖𝑗 ⋯ 𝐼𝑖𝑗 (24)
[ ⋮ ⋱ ⋮] + ∑|𝑉𝑖 𝑉𝑘 |[𝐺𝑖𝑘 𝑐𝑜𝑠(𝜃𝑘 − 𝜃𝑖 )
𝐼𝑖𝑗 ⋯ 𝐼𝑖𝑗 𝑘=1
𝑉𝑖 𝑌𝑖𝑖 −𝑉𝑛 𝑌𝑖𝑛 … −𝑉𝑛 𝑌𝑖𝑛 − 𝐵𝑖𝑘 𝑠𝑖𝑛(𝜃𝑘 − 𝜃𝑖 )] , 𝑖 𝜖 𝑁
−𝑉𝑛 𝑌𝑖𝑛 ⋱ −𝑉𝑛 𝑌𝑖𝑛 ⋮ (20)
=[ −𝑉𝑛 𝑌𝑖𝑛 ]
⋮ ⋱ −𝑉𝑛 𝑌𝑖𝑛
−𝑄𝑖 (𝑉, 𝜃)
−𝑉𝑛 𝑌𝑖𝑛 ⋯ −𝑉𝑛 𝑌𝑖𝑛 𝑉𝑖 𝑌𝑖𝑖
= |𝑉𝑖 2 |𝐵𝑖𝑖
𝑁
𝐼𝑖 = 𝑌11 𝑉1 + 𝑌12 𝑉2 ⋯ 𝑌𝑖𝑛 𝑉𝑖𝑛
(25)
+ ∑|𝑉𝑖 𝑉𝑘 |[𝐵𝑖𝑘 cos(𝜃𝑘 − 𝜃𝑖 )
𝑁
𝑘=1
= 𝑌𝑖𝑖 𝑉𝑖 + ∑ 𝑌𝑖𝑛 𝑉𝑛 , 𝑖 𝜖 𝑁 + 𝐺𝑖𝑛 sin(𝜃𝑘 − 𝜃𝑖 )] , 𝑖 𝜖 𝑁
𝑛=1 (21)
𝑁
2 4.4. Modelo de optimización.
𝑃𝑖 − 𝑗𝑄𝑖 = 𝑌𝑖𝑖 𝑉𝑖 +𝑉𝑖 ∗ ∑ 𝑌𝑖𝑛 𝑉𝑛 , 𝑖 𝜖 𝑁 (22)
𝑛=1
Para el presente estudio, se propone dos
𝑃𝑖 − 𝑗𝑄𝑖 = |𝑌𝑖𝑖 𝑉𝑖 2 |∠(𝜃𝑖𝑖 ) funciones objetivo, la primera
𝑁

+ ∑|𝑉𝑖 𝑌𝑖𝑛 𝑉𝑛 |∠(𝜃𝑖𝑛 representa la suma de diferencia entre

𝑛=1
(23) el voltaje de referencia y los voltajes
+ 𝛿𝑛 − 𝛿𝑖 ), 𝑖 𝜖 𝑁 nodales para minimizar la caída de
tensión.
Tabla 5: variables del modelamiento del
sistema.
La función objetivo mencionada se
Nombre Interpretación encuentran expresada en la ecuación
Pi : Flujo de potencia activa. (26) la cual garantiza minimizar las
caídas de voltaje. Así mismo, las
Qi : Flujo de potencia reactiva restricciones a ser aplicadas para la
Módulos de voltaje en el nodo i resolución de este problema estarán
Vi, Vk :
y del nodo k relacionadas a las condiciones
Ángulo del voltaje en el nodo i operacionales de un sistema eléctrico,
δi, δk : y en el nodo k entre las principales se pude
mencionar: las condiciones de balance
Gii : ii-ésimo elemento de la matriz nodal de potencia activa y reactiva
propia de conductancia nodal.
expresadas en las ecuaciones (30), (31),
Bii : ii-ésimo elemento de la matriz (32) y (33), el límite máximo y mínimo
propia de suceptancia nodal.
de voltaje para establecer la banda de
Gik :
ik-ésimo elemento de la matriz operación óptima para el sistema, esta
mutua de ecuación se encuentra expresada en la
conductancia nodal.
ecuación (34). Otra restricción que se
ik-ésimo elemento de la matriz utiliza en el modelo matemático se
Bik : mutua de refiere a la cantidad máxima y mínima
suceptancia nodal.
de potencia activa que puede generar la
central fotovoltaica, estas dos
restricciones se encuentran expresadas
Al igualar los componentes reales e
en las ecuaciones (35) y (36).
imaginarios de la ecuación (22) y
descomponerlos, se deducen las
La ecuación (37) corresponde a
ecuaciones (23) y (24), las cuales
definición de la variable binaria de

11
decisión para ubicar o no una unidad de Tal que:
GD (1 binario si se debe ubicar, o 0
binario si no se puede ubicar), 𝐶𝐹 = ∑ 𝑃𝑔𝑛 ∗ 𝐶𝐹𝑛 ∗ 𝐹𝑅𝐶
determinando la barra en la que se (28)
ubicara el generador y la potencia
activa que debe inyectar para cada 𝐶𝑉 = ∑ (𝐶𝑉𝑛 ∗ (∑ 𝑃𝑔𝐵𝑛 ∗ 𝑁ℎ)) (29)
caso. El número máximo de unidades
de GD para ser instalados en el sistema
es una restricción más que se considera Donde:
y está dada por la ecuación (38), en
donde la cantidad máxima de unidades Pgn : Potencia de generación
de GD estará dada por el número de CFn : Costo fijo de cada unidad
barras que existe en el sistema para este FRC: Factor de recuperación de
caso de estudio, no obstante, este capital
algoritmo puede alojar n cantidad de CVn : Costo variable de cada
unidades de GD. unidad
PgBn : Potencia generada por
La segunda función objetivo se bloque
encuentra expresada en la ecuación Nh: Número de horas
(27). Donde, se busca minimizar los
costos totales de la suma de costos Sujeto a:
variables y costos fijos de las unidades
de GD. Las ecuaciones (28) y (29) Ecuaciones de Balance de
muestran de una manera más detallada Potencia
como se calcula los costos fijos y PG i  PD i  P i (V ,  )  0. (30)
costos variables de manera individual.
Esta función objetivo de igual manera QG i  QD i  Q i (V ,  )  0. (31)
está asociada a diferentes restricciones
como son: la capacidad de generación n (32)
P i (V ,  )   V i  V k  ( g ik cos ik  b ik sin  ik ).
por cada generador para cumplir con la k 1
demanda en un periodo de tiempo la
cual se encuentra expresada en la n (33)
Q i (V ,  )   V i  V k  ( g ik sin  ik  b ik cos ik ).
ecuación (39), la ecuación (40) expresa k 1
el balance de potencia con respecto a la
demanda por bloque, la capacidad Límites de la magnitud de los
máxima de potencia que se debe voltajes nodales
despachar para cumplir con la demanda V i min  V i  V i max (34)
esta expresada en la ecuación (41), por
último la ecuación (42) indica el Límites de potencia de los GD
balance de energía que se debe cumplir
en el sistema. 𝑃𝐺𝑖 ≤ 0.15 ∗ 𝑈𝐺𝐷𝑖 (35)
A continuación, se presentan en forma
detallada el problema de optimización 𝑃𝐺𝑖 ≥ 0.01 ∗ 𝑈𝐺𝐷𝑖 (36)
a ser resuelto.
Variable binaria para ubicar
las unidades
(26) de GD
𝐹𝑂1 = ∑ 𝑉𝑟𝑒𝑓 − 𝑉𝑖 𝑈𝐺𝐷𝑖 ∈ {0,1} (37)
𝐹𝑂2 = ∑ 𝐶𝐹 − 𝐶𝑉 (27)

12
 Número máximo de unidades 4.5. Pseudocodigo.
de GD a ubicar
𝑖
Pseudocódigo optimización
∑ 𝑈𝐷𝐺𝑖 ≤ 𝑁𝐺𝐷𝑚𝑎𝑥 (38) MINLP
1
Paso 1: Inicio.
Capacidad de generación Paso 2: Ingreso de datos:
𝐶𝑔𝑖 ≥ 𝑃𝑔𝑖,𝑗 (39) Sbase
Vbase
Balance por bloque Tabla de datos de los buses
Tabla de datos de las líneas
𝐵𝑁𝑖 ≥ 𝐷𝑁𝑖 (40) Tabla de datos de generadores.
Paso 3: Construcción de Ybarra:
Capacidad máxima 𝑅
Conductancia.𝐺𝑖𝑗 = 2 2
∑ 𝐶𝑎𝑝𝑖 ≥ 𝐷𝑚𝑎𝑥 (41) 𝑅𝑖𝑗 +𝑋𝑖𝑗

𝑋
Conductancia. 𝐵𝑖𝑗 = 2 +𝑋 2
𝑅𝑖𝑗 𝑖𝑗
Balance de energía
𝐶𝑔𝑖 ≤ 𝐶𝑚𝑎𝑥𝑔𝑖 (42) Matriz de admitancia.
Yii −Yin … −Yin
Tabla 6: Variables y coeficientes en el modelo −Yin ⋱ −Yin ⋮
Yij = [ −Yin ]
de optimización. ⋮ ⋱ −Yin
−Yin ⋯ −Yin Yii
Nombre Interpretación
Vi : Voltaje en el nodo i (en pu). Paso 4: Flujo de potencia bajo condiciones
Iniciales.
Vref : Voltaje de referencia (1 pu).
Vk : Magnitud del voltaje en el n
nodo k. P i (V ,  )   V i  V k  ( g ik cos ik  b ik sin  ik ).
k 1
P i (V ,  ) Inyección neta de potencia n
activa en el nodo i Q i (V ,  )   V i  V k  ( g ik sin  ik  b ik cos ik ).
k 1
Q i (V ,  ) Inyección neta de potencia
reactiva en el nodo i
Calculo de 𝑉𝑟𝑒𝑓
g ik Parte real de la matriz de
admitancia nodal. Paso 5: Función objetivo y restricciones.
b ik Parte imaginaria de la matriz
de admitancia nodal. 𝐹𝑂 = ∑ 𝑉𝑟𝑒𝑓 − 𝑉𝑖
 ik Ángulo entre los nodos i y k

PGi min: Límite mínimo de potencia Paso 6:

Restricciones.
activa del GD ubicado el nodo
i Balance de potencia:
PGi máx Límite máximo de potencia PG i  PD i  P i (V ,  )  0.
activa del GD ubicado en el
nodo i QG i  QD i  Q i (V ,  )  0.
QGi min: Límite mínimo de potencia Generación distribuida:
reactiva del GD ubicado en el 𝑃𝐺𝑖 ≥ 0.01 ∙ 𝑈𝐺𝐷𝑖
nodo i. 𝑃𝐺𝑖 ≤ 0.15 ∙ 𝑈𝐺𝐷𝑖
QGi máx Límite máximo de potencia
reactiva del GD ubicado en el Máximo de unidades de GD:
nodo i. 𝑖
𝑼𝑮𝑫𝒊 Variable binaria de decisión en ∑ 𝑈𝐷𝐺𝑖 ≤ 𝑁𝐺𝐷𝑚𝑎𝑥
el nodo i 1
Variable binaria de decisión:
𝑈𝐺𝐷𝑖 ∈ {0,1}

13
 Planteando diferentes escenarios
Paso 7: Obtención de resultados finales vinculando de una a ocho unidades de
Para cada escenario seleccionado.
Paso 8: Fin.
GD. Donde se obtuvo un mejoramiento
en el perfil de voltaje, mediante la
4.6. Diagrama de flujo. ubicación óptima de GD, para el caso
de estudio la fuente de GD que se
utilizo fue de generación fotovoltaica.
Utilizando como función objetivo la
diferencia entre el voltaje inicial y el
voltaje obtenido luego de la
vinculación de GD.
Para el primer escenario se toma en
cuenta una sola unidad de GD. Donde
el optimizador no establece una
ubicación de la misma ni una cantidad
de potencia activa que se deba inyectar
para el mejoramiento del perfil de
voltaje en la red de distribución.
Para el segundo escenario donde se
toma en cuenta dos unidades de GD. La
figura 5 permite apreciar que la
ubicación óptima de GD para este caso
será en la barra 6 y 7, con una potencia
activa de 2.56MW y 11.09MW
respectivamente en cada barra, la figura
6 muestra una comparación entre el
perfil de voltaje bajo condiciones
iniciales y el perfil de voltaje mejorado
posteriormente a la vinculación de dos
unidades de GD.

5. Análisis de resultados.
En esta sección se realizará un análisis
Figura 5. Ubicación óptima de dos unidades
a todos los resultados obtenidos en el de GD.
sistema de 13 barras de la IEEE.

14
 Figura 6. Mejoramiento de perfil de voltaje Figura 8. Comparación entre perfil de voltaje
en el segundo escenario. inicial y con vinculación de 3 unidades de GD.

La figura 7 representa la ubicación En el cuarto escenario donde se tomará

óptima de GD para el tercer escenario, en cuenta cuatro unidades de GD para
vinculando tres unidades de GD para el la ubicación óptima y el mejoramiento
caso de estudio. Donde el optimizador del perfil de voltaje. La figura 9
arroja como resultado que la ubicación muestra que la ubicación óptima de GD
óptima será en las barras 5, 6 y 12. Con en este escenario es en las barras 6, 9,
una potencia activa de 2.76MW, 12 y 13 con una potencia activa de
5.95MW y 5.23MW respectivamente 4.33MW, 4.93MW, 3.04MW y
para cada barra seleccionada. Además, 1.41MW, respectivamente.
en la figura 8 se muestra la Posteriormente en la figura 10 se puede
comparación de perfil de voltaje en el apreciar la mejora en el perfil de voltaje
caso sin GD y con GD para un al ubicar cuatro unidades de GD con
escenario con tres unidades respecto al perfil de voltaje inicial.
fotovoltaicas.

Figura 7. Ubicación óptima de tres unidades Figura 9. Ubicación óptima de GD para el

de GD. cuarto escenario.

15
 Figura 12. Comparación de perfil de voltaje
Figura 10. Perfil de voltaje mejorado con la inicial y perfil de voltaje mejorado con
ubicación de 4 unidades de GD. ubicación de GD.
A partir del quinto escenario se vinculó Posteriormente tras el análisis en cada
de cinco a ocho unidades de GD para la uno de los escenarios donde se ubicó de
optimización de cada caso, obteniendo manera óptima la GD con su respectiva
como resultado que el máximo de cantidad de potencia activa. La figura
unidades que se puede ubicar para todo 13 permite apreciar una comparación
el cado de estudio es de cinco unidades en general de como el perfil de voltaje
de GD. En la figura 11 se puede ha mejorado para cada escenario en
observar que la ubicación optima de relación al perfil de voltaje inicial y
GD será en las barras 6, 7, 9, 12 y 13, además como en cada caso optimizado
con una potencia activa de 2.56MW, el voltaje oscila en su banda de
7.18MW, 1MW, 1.93MW y 1MW operación óptima.
respectivamente para cada unidad.
Obteniendo de esta manera un
mejoramiento en el perfil de voltaje con
respecto al voltaje inicial del sistema.
Este mejoramiento en el perfil de
voltaje se puede hacer evidente en la
figura 12.

Figura 13. Comparación de conjunto de perfil

de voltaje óptimo con vinculación de GD vs
voltaje inicial sin GD.

La tabla 7 muestra los datos referentes

para la optimización de costos totales
para todo el sistema de 13 barras. Se
utilizará 5 generadores debido a que en
el caso de optimización para la
ubicación optima de GD los resultados
fueron que el mínimo de unidades de
GD son 2 y el máximo de unidades de
Figura 11. Ubicación óptima de cinco GD es de 5, para la n cantidad de barras
unidades de GD. que existen en el sistema.

16
Tabla 7: tabla de costos fijos y costos 6. Conclusiones
variables para el despacho económico.

CF CV Td VU FRC Cap Luego de realizar la optimización en

los diferentes escenarios se llega a la
G1 1690 5 0.1 20 0.117 15 conclusión de:
G2 1690 5 0.09 20 0.110 15 Para cada caso de optimización donde
se empieza a vincular GD la cantidad
G3 1690 5 0.08 20 0.102 15 total de potencia activa que se inyecta
G4 1690 5 0.07 20 0.094 15
al sistema alcanza los 13.67MW en
total. Esto debido a la restricción de
G5 1690 5 0.11 20 0.126 15 potencia mínima y máxima que se
estableció en el modelo matemático
para establecer un rango de potencia
Donde: aceptable para este tipo de GD. El cual
es justificado en la regulación del
CF: Costo fijo USD/kW-inst Arconel junto a su costo de generación
CV: Costo variable USD/MWh por kWh. Logrando de esta manera que
Td: Tasa de descuento % el perfil de voltaje alcance la banda de
VU: Vida útil en años operación óptima.
FRC: Factor de recuperación de
capital Por otro lado, la potencia que se inyecta
Cap: Capacidad max de a la red de distribución por parte de los
generación MW generadores fotovoltaicos son
independientes del caso de estudio de la
segunda función objetivo, la cual
La figura 14 permite apreciar como el
involucra los costos. De tal manera que
costo total varía según la cantidad de
en esta función se buscó lograr un
unidades de GD se vinculen al sistema, despacho de energía para cumplir una
además de la cantidad de potencia que determinada demanda en un periodo de
estas entregan para lograr compensar la tiempo, logrando encontrar de esta
demanda existente en un periodo de manera el costo optimo en cada caso
tiempo. donde se vinculó unidades de GD.

Además de todo esto como

inicialmente se propuso para todo el
caso de estudio se busca vincular de
una a n cantidad de unidades de GD sea
posible vincular según el número de
barras que exista en el sistema eléctrico
de potencia. Pero el optimizador arrojo
como resultado que el mínimo de
unidades de GD que se puede vincular
es de dos y el máximo de unidades de
GD será de cinco para lograr el
mejoramiento de perfil de voltaje.
Acotando además que al momento de
intentar vincular una sola unidad de GD
Figura 14. Curva de potencia despachada vs
costo total óptimo.
no será posible debido a que la cantidad
necesaria de potencia que se debe

17
inyectar es muy elevada para una sola A. Siddiqui, and M. Zaid,
central fotovoltaica. “Power Loss Minimization in a
Radial Distribution System with
Distributed Generation,” 2018
6.1 Trabajos futuros. Int. Conf. Power, Energy,
Control Transm. Syst., pp. 21–
Basándose en la investigación realizada 25, 2018.
en este documento, se puede considerar [5] M. Pesaran H.A, P. D. Huy, and
como trabajo futuro, la vinculación de V. K. Ramachandaramurthy, “A
otras fuentes de energías renovables review of the optimal allocation
para el caso de estudio, tales como of distributed generation:
aerogeneradores. Agregándole además Objectives, constraints,
a esto, que el modelo de optimización methods, and algorithms,”
se lo realice con más de dos funciones Renew. Sustain. Energy Rev.,
objetivo, con las respectivas vol. 75, no. October 2016, pp.
restricciones del caso, tales como el 293–312, 2017.
costo de instalación entre otras. Para [6] W. Guan, Y. Tan, H. Zhang,
que de esta manera se logre una and J. Song, “Distribution
investigación más profunda y system feeder reconfiguration
resultados más acertados. considering different model of
DG sources,” Int. J. Electr.
Power Energy Syst., vol. 68, pp.
7. Referencias. 210–221, Jun. 2015.
[7] L. I. Duləu, M. Abrudean, and
[1] S. K. Injeti, “A Pareto optimal D. Bicə, “Impact of distributed
approach for allocation of generation upon Reghin -
distributed generators in radial Ləpuşna Medium Voltage line,”
distribution systems using 2014 Int. Symp. Fundam.
improved differential search Electr. Eng. ISFEE 2014, 2015.
algorithm,” J. Electr. Syst. Inf. [8] K. Mahmoud, N. Yorino, and
Technol., Jan. 2017. A. Ahmed, “Optimal
[2] N. Jayasekara, M. A. S. Distributed Generation
Masoum, and P. J. Wolfs, Allocation in Distribution
“Optimal operation of Systems for Loss
distributed energy storage Minimization,” IEEE Trans.
systems to improve distribution Power Syst., vol. 31, no. 2, pp.
network load and generation 960–969, 2015.
hosting capability,” IEEE [9] S. M. Said, B. Hartmann, M. M.
Trans. Sustain. Energy, vol. 7, Aly, M. Mosa, and R. S. Balog,
no. 1, pp. 250–261, Jan. 2016. “Comparison between operating
[3] N. Mourad and B. Mohamed, modes of distributed generation
“Impact of increased distributed on voltage profile and stability
photovoltaic generation on of distribution systems,” 2018
radial distribution networks,” in IEEE Texas Power Energy
International Conference on Conf. TPEC 2018, vol. 2018–
Control, Decision and Febru, pp. 1–6, 2018.
Information Technologies, [10] A. Águila Téllez, G. López, I.
CoDIT 2016, 2016, pp. 292– Isaac, and J. W. González,
295. “Optimal reactive power
[4] A. Alam, A. Gupta, P. Bindal, compensation in electrical

18
 distribution systems with sistema estructurado de
distributed resources. Review,” comercialización de productos
Heliyon, vol. 4, no. 8, 2018. orgánicos, p. 206, 2018.
[11] K. Y. Liu, W. Sheng, Y. Liu, X. [18] V. Villa and A. Águila,
Meng, and Y. Liu, “Optimal “Óptima Gestión Y Regulación
sitting and sizing of DGs in De Voltaje En Microredes De
distribution system considering Distribución Con Generación
time sequence characteristics of Distribuida Y Almacenamiento
loads and DGs,” Int. J. Electr. De Energía.,” 2017.
Power Energy Syst., vol. 69, pp. [19] R. Rajaram, K. Sathish Kumar,
430–440, 2015. and N. Rajasekar, “Power
[12] A. Águila Tellez, D. C. Carrión, system reconfiguration in a
and L. Ortiz Matos, “Analysis radial distribution network for
of power losses in the reducing losses and to improve
asymmetric construction of voltage profile using modified
electric distribution systems,” plant growth simulation
IEEE Lat. Am. Trans., vol. 13, algorithm with Distributed
no. 7, pp. 2190–2194, 2015. Generation (DG),” Energy
[13] “perfil de voltaje-santiago Reports, vol. 1, pp. 116–122,
espinosa.pdf.” . Nov. 2015.
[14] J. G. Hernández-Travieso, C. [20] S. Kansal, V. Kumar, and B.
M. Travieso, J. B. Alonso, and Tyagi, “Optimal placement of
M. K. Dutta, “Solar radiation different type of DG sources in
modelling for the estimation of distribution networks,” Int. J.
the solar energy generation,” Electr. Power Energy Syst., vol.
2014 7th Int. Conf. Contemp. 53, no. 1, pp. 752–760, 2013.
Comput. IC3 2014, pp. 536– [21] R. Viral and D. K. Khatod, “An
541, 2014. analytical approach for sizing
[15] A. M. Abd-rabou, A. M. and siting of DGs in balanced
Soliman, and A. S. Mokhtar, radial distribution networks for
“Impact of DG different types loss minimization,” Int. J.
on the grid performance,” J. Electr. Power Energy Syst., vol.
Electr. Syst. Inf. Technol., vol. 67, pp. 191–201, 2015.
2, no. 2, pp. 149–160, Sep. [22] Y. Guo, H. Gao, and J. Wang,
2015. “Analysis of Distributed
[16] J. R. Castro and T. D. Castillo, Generation Effect on System
“Comparative analysis among Losses in Distribution
Pareto, Pareto - Fuzzy logic and Network,” 2015 5th Int. Conf.
Pareto - Fuzzy logic PI for Electr. Util. Deregul. Restruct.
distribution networks with the Power Technol., pp. 1998–
presence of DGs,” 2017 IEEE 2002, 2015.
2nd Ecuador Tech. Chapters [23] H. Li, S. Ge, and H. Liu,
Meet. ETCM 2017, vol. 2017– “Analysis of the Effect of
Janua, no. Dm, pp. 1–5, 2018. Distributed Generation on
[17] L. Chiliquinga, “Ubicación de Power Grid,” Asia-Pacific
recursos distribuidos basado en Power Energy Eng. Conf., pp.
flujos de potencia usando 1–5, 2012.
optimización por enjambre de [24] L.-A. Dessaint, I. Kamwa, and
partículas,” Tesis de Grado, vol. T. Zabaiou, “Preventive control
Tesis, no. Estructura de un approach for voltage stability

19
 improvement using voltage Proceedings - EMS 2015:
stability constrained optimal UKSim-AMSS 9th IEEE
power flow based on static line European Modelling
voltage stability indices,” IET Symposium on Computer
Gener. Transm. Distrib., vol. 8, Modelling and Simulation,
no. 5, pp. 924–934, May 2014. 2016, pp. 260–265.
[25] V. V. S. N. Murty and A. [31] K. V Kumar and M. P. Selvan,
Kumar, “Optimal placement of “Planning and Operation of
DG in radial distribution Distributed Generations in
systems based on new voltage Distribution Systems for
stability index under load Improved Voltage Profile,”
growth,” Int. J. Electr. Power 2009 IEEEPES Power Syst.
Energy Syst., vol. 69, pp. 246– Conf. Expo., vol. 620015, pp.
256, 2015. 1–7, 2009.
[26] E. M. García, A. Águila, I. [32] F. Castillo, A. Aguila, J.
Isaac, J. W. González, and G. González, and S. Member,
López, “Analysis of voltage “Analysis of Stability of
profile to determine energy Tension and Losses of Electric
demand using Monte Carlo Power in Distribution Networks
algorithms and Markov Chains with Distributed Generation,”
(MCMC),” Proc. - 2016 51st vol. 14, no. 11, pp. 4491–4498,
Int. Univ. Power Eng. Conf. 2016.
UPEC 2016, vol. 2017–Janua, [33] X. Shiwei, Z. Qian, Z. Weiwei,
no. Mcmc, pp. 1–6, 2017. and L. Gengyin, “Distributed
[27] Z. W. Khan and S. Khan, economical dispatch for
“Analyzing the impacts of renewable power system with
Distributed Generation on time-varying topology and
power losses and voltage fluctuating power generations,”
profile,” Proc. 2015 Int. Conf. in 2017 China International
Emerg. Technol. ICET 2015, Electrical and Energy
pp. 1–4, 2016. Conference (CIEEC), 2017, pp.
[28] P. Caramia, G. Carpinelli, P. 52–57.
Verde, and Wiley InterScience [34] “PRECIOS DE LA ENERGÍA
(Online service), Power quality PRODUCIDA CON
indices in liberalized markets. J. RECURSOS ENERGÉTICOS
Wiley, 2009. RENOVABLES NO
[29] A. Bagheri, H. Monsef, and H. CONVENCIONALES EL
Lesani, “Integrated distribution DIRECTORIO DEL CONSEJO
network expansion planning NACIONAL DE
incorporating distributed ELECTRICIDAD CONELEC.”
generation considering [35] J. P. Muñoz-Vizhñay, M. V.
uncertainties, reliability, and Rojas-Moncayo, and C. R.
operational conditions,” Int. J. Barreto-Calle, “Incentivo a la
Electr. Power Energy Syst., vol. generación distribuida en el
73, pp. 56–70, Dec. 2015. Ecuador,” Ingenius, no. 19, p.
[30] V. Vita, T. Alimardan, and L. 60, Jan. 2018.
Ekonomou, “The impact of [36] Z. Liu, Y. Jun, and S. Qi,
distributed generation in the “Optimal power flow research
distribution networks’ voltage on distributed network
profile and energy losses,” in considering distributed

20
 generation,” China Int. Conf. flow algorithm,” 2015 IEEE Int.
Electr. Distrib. CICED, vol. Conf. Signal Process.
2016–Septe, no. Ciced, pp. 1–6, Informatics, Commun. Energy
2016. Syst. SPICES 2015, pp. 1–5,
[37] A. Alam, M. N. Alam, V. Pant, 2015.
and B. Das, “Placement of [40] K. Qu, T. Yu, X. Zhang, and H.
protective devices in Li, “Homogenized adjacent
distribution system considering points method: A novel Pareto
uncertainties in loads, optimizer for linearized multi-
temporary and permanent objective optimal energy flow
failure rates and repair rates,” of integrated electricity and gas
IET Gener. Transm. Distrib., system,” Appl. Energy, vol.
vol. 12, no. 7, pp. 1474–1485, 233–234, pp. 338–351, Jan.
2017. 2019.
[38] K. Dharageshwari and C. [41] M. Tesarova and R. Vykuka,
Nayanatara, “Multiobjective “Impact of Distributed
optimal placement of multiple Generation on Power Flows
distributed generations in IEEE along Parallelly Operated MV
33 bus radial system using Feeders,” 2018 IEEE Int. Conf.
simulated annealing,” IEEE Int. Environ. Electr. Eng. 2018
Conf. Circuit, Power Comput. IEEE Ind. Commer. Power Syst.
Technol. ICCPCT 2015, no. Eur. (EEEIC / I&CPS Eur., pp.
2014, 2015. 1–6, 2018.
[39] R. J. R. Kumar and A. Jain,
“Modelling of distributed
generation for radial power

21
7.1. Estado del Arte
UBICACIÓN ÓPTIMA DE GENERACIÓN DISTRIBUIDA UTILIZANDO UN ALGORITMO PARA MEJORAR PERFILES DE VOLTAJE BASADO EN CRITERIOS DE
EFICIENCIA Y CALIDAD PARA SISTEMAS ELÉCTRICOS DE DISTRIBUCIÓN.

P R OP U ES TA S
F OR M U LA C ION D EL R ES TR IC C ION ES D EL PARA S OLU C IÓN
D A TOS TEM Á TIC A
P R OB LEM A P R OB LEM A R ES OLV ER EL P R OP U ES TA
P R OB LEM A

Ubicacion optima de generacion distribuida

Impacto de GD en redes de distribucion

Limites de angulos y voltajes en cada bus

Mejorar perfil de voltaje y estabilidad

minimizacion de perdidas de potencia
TÍTULO DEL ARTÍCULO

Mejoramiento perfil de voltaje

Localizacion de barras criticas

Minimizacion de perdidas de
Potencia activa y reactiva

Limites de potencia de GD
Tecnologias de Generacion

Minimizacion de perdidas

Ubicacion optima de GD
Optimizacion MINLP

Tamaño optimo de GD
Minimizacion de costos
Perdidas de potencia

Perdidas de potencia

Balance de potencia
Ubicación optima

Perfil de voltaje

ubicación de GD
Distribuida

Tamaño
CITAS

potencia
ITEM

AÑO

Costos
A Pareto o p timal ap p ro ach fo r allo catio n o f d is trib uted
1 2 0 17 g enerato rs in rad ial d is trib utio n s ys tems us ing imp ro ved 0 X X X X X X X X X X
d ifferential s earch alg o rithm
Op timal o p eratio n o f d is trib uted energ y s to rag e s ys tems
2 2 0 16 to imp ro ve d is trib utio n netwo rk lo ad and g eneratio n 38 X X X X X X X X X X X
ho s ting cap ab ility
Imp act o f increas ed d is trib uted p ho to vo ltaic g eneratio n
3 2 0 16
o n rad ial d is trib utio n netwo rks
13 X X X X X
Po wer Lo s s M inimizatio n in a Rad ial Dis trib utio n Sys tem
4 2 0 18
with Dis trib uted Generatio n
0 X X X X X X X X X
A review o f the o p timal allo catio n o f d is trib uted
5 2 0 17 g eneratio n: Ob jectives , co ns traints , metho d s , and 0 X X X X X X X X X
alg o rithms
Dis trib utio n s ys tem feed er reco nfig uratio n co ns id ering
6 2 0 15 d ifferent mo d el o f DG s o urces 17 X X X X X X X X
Imp act o f d is trib uted g eneratio n up o n Reg hin ' Lăpuşna
7 2 0 14
M ed ium Vo ltag e line
5 X X X X X
Op timal d is trib uted Generatio n Allo catio n in Dis trib utio n
8 2 0 16
s ys tems fo r lo s s minimizatio n
19 X X X X X X X X X X X

22
 Co mp aris o n b etween o p erating mo d es o f d is trib uted
9 2 0 18 g eneratio n o n vo ltag e p ro file and s tab ility o f d is trib utio n 0 X X X X X X X
s ys tems
Op timal reactive p o wer co mp ens atio n in electrical
10 2 0 18
d is trib utio n s ys tems with d is trib uted res o urces . Review 0 X X X X X X X
Op timal s iting and s izing o f DGs in d is trib utio n s ys tem
11 2 0 15 co ns id ering time s eq uence characteris tics o f lo ad s and 9 X X X X X X X
DGs
Analys is o f p o wer lo s s es in the as ymmetric co ns tructio n
12 2 0 15
o f electric d is trib utio n s ys tems X X X X X X X X X
So lar rad iatio n mo d elling fo r the es timatio n o f the s o lar
13 2 0 14
energ y g eneratio n
2 X X X
14 2 0 15 Imp act o f DG d ifferent typ es o n the g rid p erfo rmance 1 X X X X X X
Co mp arative analys is amo ng Pareto , Pareto - Fuzzy lo g ic
15 2 0 18 and Pareto - Fuzzy lo g ic PI fo r d is trib utio n netwo rks with 5 X X X X X X X X
the p res ence o f DGs

Ub icació n d e recurs o s d is trib uid o s b as ad o en flujo s d e

16 2 0 18
p o tencia us and o o p timizació n p o r enjamb re d e p artículas
0 X X X X X X X X

Óp tima Ges tió n Y Reg ulació n De Vo ltaje En M icro red es

17 2 0 17 De Dis trib ució n Co n Generació n Dis trib uid a Y 0 X X X X X X X X
Almacenamiento De Energ ía.

Po wer s ys tem reco nfig uratio n in a rad ial d is trib utio n

18 2 0 15 netwo rk fo r red ucing lo s s es and to imp ro ve vo ltag e 23 X X X X X X X X
p ro file us ing mo d ified p lant g ro wth s imulatio n alg o rithm
Op timal p lacement o f d ifferent typ e o f DG s o urces in
19 2 0 13
d is trib utio n netwo rks
10 9 X X X X X X X X
An analytical ap p ro ach fo r s izing and s iting o f DGs in
20 2 0 15 b alanced rad ial d is trib utio n netwo rks fo r lo s s 34 X X X X X X X X X X
minimizatio n
Analys is o f Dis trib uted Generatio n Effect o n Sys tem
21 2 0 15
Lo s s es in Dis trib utio n Netwo rk
2 X X X X
Analys is o f the effect o f d is trib uted g eneratio n o n p o wer
22 2 0 16
g rid
8 X X X X X X X
Preventive co ntro l ap p ro ach fo r vo ltag e s tab ility
23 2 0 14 imp ro vement us ing vo ltag e s tab ility co ns trained o p timal 19 X X X X X X X X X
p o wer flo w b as ed o n s tatic line vo ltag e s tab ility ind ices

Op timal p lacement o f DG in rad ial d is trib utio n s ys tems

24 2 0 15
b as ed o n new vo ltag e s tab ility ind ex und er lo ad g ro wth
35 X X X X X X X X X
Analys is o f vo ltag e p ro file to d etermine energ y d emand
25 2 0 17 us ing M o nte Carlo alg o rithms and M arko v Chains 3 X X X X X X
(M CM C)
Analyzing the imp acts o f Dis trib uted Generatio n o n
26 2 0 16
p o wer lo s s es and vo ltag e p ro file 3 X X X X X X X

23
 Integ rated d is trib utio n netwo rk exp ans io n p lanning
27 2 0 15 inco rp o rating d is trib uted g eneratio n co ns id ering 24 X X X X X X X X
uncertainties , reliab ility, and o p eratio nal co nd itio ns
The imp act o f Dis trib uted Generatio n in the Dis trib utio n
28 2 0 15
Netwo rks ' vo ltag e Pro file and Energ y Lo s s es
1 X X X X X X X X X X
Planning and o p eratio n o f d is trib uted g eneratio ns in
29 2009
d is trib utio n s ys tems fo r imp ro ved vo ltag e p ro file
6 X X X X X X X X X
Analys is o f Stab ility o f Tens io n and Lo s s es o f Electric
30 2 0 16 Po wer in Dis trib utio n Netwo rks with Dis trib uted 6 X X X X X
Generatio n
Op timal p o wer flo w res earch o n d is trib uted netwo rk
31 2 0 16
co ns id ering d is trib uted g eneratio n
8 X X X X X X
Placement o f p ro tective d evices in d is trib utio n s ys tem
32 2 0 17 co ns id ering uncertainties in lo ad s , temp o rary and 17 X X X X X X
p ermanent failure rates and rep air rates
Imp act o f Dis trib uted Generatio n o n Po wer Flo ws alo ng
33 2 0 18
Parallelly Op erated M V Feed ers
0 X X X X X X
CANTIDAD: 6 9 11 16 9 13 17 7 11 14 3 15 13 9 8 8 6 8 1 12 14 19 14 6

Figura 15. Matriz del estado de arte.

24
7.2. Resumen de indicadores

Figura 16. Grafica de temática del problema.

25
Figura 17. Grafica de formulación del problema.

26
Figura 18. Grafico en barras de solución al problema.

27
28