THE 10

th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 1

Resumen Un Algoritmo Gentico (AG) es un mtodo de
optimizacin global de buen funcionamiento y de trabajo
eficiente en las funciones objetivos que son complejas en trminos
de las no linealidades y las limitaciones impuestas. Una de las
desventajas de un AG es la prematura convergencia, porque la
seleccin se basa en la calidad de los individuos y la informacin
gentica de los mejores individuos tiende a dominar las
caractersticas genticas de la poblacin. Este artculo trata de
resolver el problema de ubicacin ptima de bancos de
condensadores en redes de distribucin mediante una adaptacin
de un AG, utilizando el cruce estadstico adaptivo no uniforme.
El algoritmo propuesto es aplicado a una red de distribucin de 9
barras y una red de 33 barras extradas de diversas fuentes. Los
resultados indican que el algoritmo propuesto se adapta en base a
la probabilidad estadstica implcita que poseen los individuos.

Abstract-- A Genetic Algorithm (GA) is a global optimization
method that exhibits good performance and high efficiency for
objectives functions that are complex since the imposed
constraints and nonlinearities. One of the disadvantages of GA is
the premature convergence because the selection operator
depends on the quality of the individual, with the result that the
genetic information of the best individuals tends to dominate the
characteristics of the population. This paper solves the optimal
location problem of capacitor banks in the electrical distribution
system by adapting a GA through the statistics-based adaptive
non-uniform crossover. The proposed algorithm is tested with
two distribution systems; a small size system with nine bars and a
medium size system with thirty tree bars from literature. The
results show that the algorithm adapts itself based on the
individuals implicit statistic probability while it converges to the
solution.

Palabras Claves Ubicacin de Bancos de Condensadores,
Redes de Distribucin, Control de Voltaje, Prdidas Activas,
Algoritmo Gentico.
I. NOMENCLATURA
Se emplea la siguiente nomenclatura en el desarrollo del
presente documento:

: Total de costos anuales de funcionamiento de la red en $.
c
: Total de bancos instalados en la red.
|nxt
: Costo de instalacin de los bancos de condensadores en $.

Departamento de Ingeniera Elctrica, Universidad de La Frontera.
Avda. Francisco Salazar 01145, Casilla 54-D, Temuco, IX Regin, Chile.
l.barrera01@ufromail.cl, boris.pavez@ufrontera.cl,
manuel.villarroel@ufrontera.cl.

kFAr
: Costo del banco condensador en ($/kVAr).
|
: Potencia reactiva instalada en la barra .
: Total de niveles de cargas en el ao.
F
: Costo de prdida de energa anual en ($/kWh/ao).
: Nmero total de barras de la red de distribucin.
|uxx(|,|+1)
T
k
:
Prdida de potencia activa en la rama ( ) a nivel de
carga .
k
: Duracin de tiempo de nivel de carga
T
peak
:
Costo de prdida de potencia activa de carga durante
condicin de peak.
P
:
Equivalente al producto de
L
y
K
bajo demanda
constante en ($/kW/ao).
i
: Magnitud de tensin en las barras de la red.
i
: ngulo de Fase en las barras de la red.
g
|
g
|

: Generacin de potencia activa y reactiva en la barra .
d
|
d
|

: Carga de potencia activa y reactiva en la barra
|j

: Matriz de admitancia de la red.
|j

: Flujo de potencia activa desde la barra hasta la barra .
|
: Tensin de la barra .
m|n
: Voltaje mnimo impuesto.
max
: Voltaje mximo impuesto.
C
Tuta|
:
Total de reactivos (kVAr) por bancos de condensadores
para la red de distribucin.
L
Tuta|
:
Total de reactivos disponible a instalar en la red de
distribucin.
: Cambio en la probabilidad de intercambio.
: Cambio en las zonas donde cae el bloque estadstico.
: Valor de penalizacin en funcin de las restricciones.
ca|
:
Valor resultante que entrega cada individuo para someterse
a la penalizacin.
max
: Restriccin mxima impuesta por el problema.
: Factor de peso que va entre 0 y 1.
II. INTRODUCCIN
NA de las necesidades ms importantes en las empresas
de distribucin es mantener la calidad y confiabilidad del
sistema. Mantener la regulacin de tensin dentro de estos
sistemas es fundamental para evitar multas, prdidas de
equipos en los hogares, demandas por falla de suministro,
entre otros. Por otro lado, el optimizar la red de distribucin
beneficia a las empresas distribuidoras en aspectos tcnicos y
econmicos, tales como: una menor sobrecarga en los
conductores, mayor capacidad en los transformadores de
poder, reduccin en las prdidas de potencia activa, y por
ltimo, disminucin en las inversiones que significaran
perfeccionar o expandir la red.
Solucin al Problema de Ubicacin ptima de
Bancos de Condensadores a travs del Cruce
Estadstico Adaptivo no Uniforme
Luis D. Barrera Gamboa, Boris J. Pavez Lazo, Manuel J. Villarroel Moreno
Departamento de Ingeniera Elctrica, Universidad de La Frontera, Casilla 54-D, Temuco, Chile
l.barrera01@ufromail.cl, boris.pavez@ufrontera.cl, manuel.villarroel@ufrontera.cl
U
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 2
Los bancos de condensadores en general son dispositivos
que se conectan en las redes de distribucin en paralelo. Estos
aparatos tienen una gran importancia, ya que, poseen la
capacidad de compensar de forma reactiva la red mejorando el
factor de potencia, disminuyendo la corriente que pasa por las
lneas y reduciendo de manera significativa la energa disipada
debido a que las prdidas de potencia dependen de esta
magnitud elevada al cuadrado. Adems eleva el nivel de
tensin en el punto por lo que ayuda a una mejor regulacin de
voltaje en la red de distribucin [1], [2] y [24].
La gran problemtica que se presenta es la extensa variedad
de combinaciones posibles para determinar la ubicacin,
tamao, tipo y nmero de bancos de condensadores a ser
instalados, adems de sus rangos de control operativo ante
diferentes niveles de carga. En [3] se presenta el estado del
arte, donde utilizando una tcnica determinista se genera la
bsqueda exhaustiva y se muestra el gran esfuerzo
computacional al momento de buscar una solucin factible.
Por otra parte, la temtica tambin ha sido abordada a travs
de heurstica donde autores como [12] y [18] evalan las
sensibilidades de las barras potenciales que posean ms
prdidas de energa y de esta manera realizan la ubicacin de
bancos o reconfiguracin de la red. Sin embargo, esta materia
ha generado un gran desarrollo a travs de la metaheurstica.
Muchos autores [4-11] utilizan AG recurrentemente por ser
una tcnica robusta y de rpida convergencia para resolver el
problema; tambin existen otras tcnicas que pertenecen a la
metaheurstica como [13], [14] y [15] que tratan de resolver el
problema obteniendo resultados destacables.
III. FLUJO DE POTENCIA EN DISTRIBUCIN
El clculo del flujo de potencia en sistemas de distribucin
difiere considerablemente del que se realiza normalmente en
sistemas de transmisin. En [19] se menciona que las redes de
distribucin son, por no decirlas todas, del tipo radial, donde
adems, las empresas deben lidiar con problemas, tales como:
conexiones de diversos tipos (no necesariamente trifsicos), ya
que en lugares apartados no es necesario utilizar este tipo de
redes, lo que implica una red variada y de mltiples
conexiones. Otro aspecto a mencionar, es la presencia de
cargas que poseen un comportamiento diferente frente a
variaciones de tensin. Por ltimo, considerar que en las lneas
de distribucin no es posible despreciar la resistencia frente a
la reactancia, como ocurre normalmente en transmisin, esto
se debe a que las lneas presentan un modelo de lnea corta, sin
transposicin y sin susceptancia.
Los mtodos ms conocidos y usados hasta el momento
para resolver flujos de potencia del tipo radial son:
Escalonado, Suma de Corrientes y Suma de Potencias, siendo
los dos ltimos, los ms utilizados. De acuerdo a estudios
realizados por [20-21], el Mtodo Suma de Potencias, es ms
robusto y presenta mejores caractersticas de convergencia que
los otros mtodos, esto se explica porque al aumentar la carga
en el proceso aguas arriba, el error que existe cuando la barra
fuente es alcanzada, encierra slo las prdidas y no las cargas.
Dichas prdidas corresponden invariablemente a una pequea
fraccin de las cargas, por consiguiente, otorga mayor
confiabilidad que los dems. Considerando lo anterior, el
problema se resolver en base a ste mtodo y ser el principal
responsable ante la bsqueda de la ubicacin ptima de bancos
de condensadores formulado en [22].
IV. UBICACIN DE BANCOS DE CONDENSADORES
A. Funcin Objetivo.
Tradicionalmente la funcin objetivo puede considerarse
para demanda variable durante un ao, como lo muestra la
ecuacin (1), as como tambin para demanda constante tal
como se aprecia en la ecuacin (2). De esta manera a lo largo
de todo el proceso se busca el beneficio econmico que
implica instalar estos aparatos.

min S = _C
nst
+C
kvA

Nc
=1
_ +__K
L
_ P
Ioss(,+1)
1
k
N-1
=0
- I
K
__
NLL
k=1
_
+A
1
pcck
(1)
nst kvA
Nc
=1
P Ioss(,+1)
N-1
=0
(2)
B. Restricciones.
Las restricciones son del tipo operacional y tcnica. Al
momento de considerarlas algunos autores [4-11] buscan
mantener la regulacin de voltaje (6), mantener flujos de
potencia (3)-(5), restringir el nmero de ubicaciones dentro de
la red y restringir la capacidad de potencia reactiva dentro de
la red (7), (8).

g

d
i
] ] ] ]
N
]=0
(3)
g

d
i
] ] ] ]
N
]=0
(4)
]
mn
] ]
mux
(5)

mn

mux
(6)
C
1otuI
L
1otuI
(7)
C
1otuI

N
C
=1
(8)
V. CRUCE ESTADSTICO ADAPTIVO NO UNIFORME
A. Generalidades.
Los algoritmos genticos son tcnicas de bsqueda robustas
inspiradas en la gentica y en los procesos de seleccin natural
que se manifiestan entre individuos que compiten en un
mismo ambiente. Los individuos mejor adaptados al ambiente
tienden a transmitir su informacin gentica a las futuras
generaciones y as perpetuar sus habilidades.
Una de las ventajas que brindan los algoritmos genticos en
problemas de optimizacin, es que no necesitan mayor
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 3
informacin que la proporcionada por la funcin objetivo del
problema. Con esta tcnica se asla el proceso de bsqueda de
soluciones de las caractersticas de la funcin objetivo y de las
restricciones asociadas.
El algoritmo comienza por la creacin de un conjunto de
estructuras codificadas llamadas cromosomas (soluciones) que
componen la poblacin inicial. El criterio que valora la calidad
de cada cromosoma, es el entregado por el Fitness, que
corresponde a la evaluacin de cada individuo mediante la
funcin objetivo. Una vez conocida la calidad de los
individuos de la poblacin, son sometidos a un proceso de
seleccin donde los individuos mejor evaluados tienen
mayores probabilidades de ser elegidos como padres para el
intercambio de informacin gentica llamado cruce (proceso
anlogo a la reproduccin biolgica). Luego, un porcentaje de
los hijos (individuos generados en el cruce) son sometidos al
proceso de mutacin donde en forma aleatoria se genera un
cambio en el cromosoma. Este proceso de mutacin
proporciona mayor diversidad en los individuos de la
poblacin.
Completados los procesos de cruce y mutacin se genera la
nueva poblacin que reemplaza a la poblacin original. Lo
anterior, debe ser repetido hasta cumplir con algn criterio de
convergencia definido para el problema. Cada uno de estos
ciclos es conocido como generacin.
B. Seleccin Determinista.
Tradicionalmente, la seleccin est basada en la aptitud de
los individuos, vale decir, los individuos que son ms aptos
(mejores dotados) tienen mayor probabilidad de ser escogidos
para la reproduccin. En esta propuesta se usa una seleccin
determinista llamada Vasconcelos [23] la cual impone una
estrategia en la que los individuos ms aptos se cruzan con los
individuos menos aptos de la poblacin; por consiguiente, una
poblacin de K individuos ordenados de acuerdo a su aptitud
en orden descendente como se representa en Fig. 1, los pares
de padres que pasarn al operador de cruce sern (1, K), (2, K-
1) hasta el ltimo par formado por (K/2, K/2+1).



Fig. 1. Seleccin determinista presentada por [23].

C. Operador Cruza.
Esta tcnica de cruce fue propuesta por [16] en la cual se
considera la informacin estadstica implcita de la poblacin
de individuos para generar una cruza que se adapta de acuerdo
al comportamiento de los individuos de una poblacin. Como
la cruza es una de las etapas ms importantes ya que a partir
de los padres mejor adaptados se generan mejores hijos para la
siguiente generacin, es posible decidir dnde generar la cruza
de ellos.
Este tipo de cruza funciona otorgndole una menor
probabilidad de cruza a un bit de un cromosoma, si la
frecuencia del valor de ste es alta dentro de la poblacin. Se
utiliza en cada generacin un vector adicional
1
como
bloque que corresponde a la frecuencia de 1s en la posicin
-sima en la generacin . Luego, es necesario calcular la
probabilidad de intercambiar el valor de la posicin -sima
dado por la funcin de probabilidad
s
, esta funcin
analiza la informacin estadstica de los bloques para
distribuirla en distintas zonas. En [16] se presentan los
diferentes tipos de funcin de probabilidad, pero para efectos
de este problema se considera la funcin de probabilidad
exponencial mostrada en la ecuacin (9) y que grficamente se
puede ilustrar en Fig. 2.
s
-
(]
1
(,t)-0,5)
2
[
(9)

Se parte por la Zona Constructiva la cual construye los
componentes bsicos elementales de cada individuo, por otro
lado, en las dos zonas intermedias, los bloque pueden ser
creados o destruidos lo que se conoce como Zona Transiente,
y finalmente, en las zonas extremas, donde los bloques
presentan buenas caractersticas, encontrando refugio y
evitando ser destruidos por la funcin de probabilidad, la cual
se denomina Zona Protectora. Para los parmetros de la
funcin de probabilidad, representa el aumento o
disminucin de la probabilidad de intercambio para cada bit de
cromosoma respectivamente, y a su vez, refleja el aumento
o disminucin de las zonas donde cae el bloque estadstico.

Fig. 2. Descripcin Grfica de las Zonas de la Ecuacin (9).

Adems, es posible apreciar que mientras ms grande sea el
valor de , ms amplia ser la zona que permite al AG
construir bloques de intercambio, y por otra parte, mientras
ms pequea sea , ms fuerte ser la proteccin a genes que
convergen a un valor determinado.
Una vez calculada la probabilidad de intercambiar el valor
de la posicin de cada bit dentro de una poblacin, se crea una
mscara a partir del vector de probabilidades y se

K - 1
K
K - 2
.
.
.
K - 3
1
2
3
4
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Zona Constructiva
Zona Transiente Zona Transiente
Zona Protectora Zona Protectora
Frecuencia de 1s F
1
(i,t)
P
r
o
b
a
b
i
l
i
d
a
d

d
e

I
n
t
e
r
c
a
m
b
i
o

P
s
(
i
,
t
)


=0.5 =0.08
=0.5 =0.04
=0.7 =0.04
=0.7 =0.08
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 4
intercambian aquellas posiciones donde el valor de la mscara
de cruza sea 1, como lo muestra Fig. 3.
De esta forma, el algoritmo se implementa en un AG para
poder resolver el problema de ubicacin ptima de bancos de
condensadores como lo muestra Fig. 4 implementando el
procedimiento adaptivo.

Fig. 3. Procedimiento del cruce estadstico adaptivo no uniforme.
VI. APLICACIN DEL PROBLEMA
A. Representacin de la Solucin.
La solucin al problema de ubicacin ptima de bancos de
condensadores se puede representar como una matriz de orden
NB x C como se muestra en Fig. 5, donde NB es el nmero
total de barras de la red de distribucin y C es la capacidad de
bancos de condensadores la cual es una codificacin binaria de
5 bits.

Fig. 4. Implementacin del cruce adaptivo en un AG y su procedimiento.

Adems, esta representacin se realiza para cada nivel de
demanda -sima obtenida de la curva de demanda. Para dar
un ejemplo, para tres niveles de carga en una red de
distribucin de nueve barras se utilizara una matriz de 9x15
en cada individuo para resolver el problema.
B. Penalizacin de la funcin objetivo.
En casos donde la poblacin es netamente aleatoria es
necesario penalizar la funcin objetivo en base a las
restricciones que posee el sistema, por consiguiente, a la
funcin objetivo se le agrega un factor de penalizacin en caso
que el individuo no cumpla las restricciones impuestas.

Fig. 5. Representacin de la Solucin.

En la ecuacin (10) se presenta la nueva funcin objetivo.

(10)

En esta nueva funcin objetivo penalizada (F.O.P.)
considera la funcin objetivo original descrita en la ecuacin
(1) y ecuacin (2), entonces es el valor de penalizacin en
funcin de las restricciones. Todas las restricciones se
penalizan de la misma manera donde se usar la funcin
cuadrtica en cmo se muestra en la Ecuacin (11).

mux
mux
2
mux
mux
(11)

Grficamente la funcin de penalizacin se representa en
Fig. 6._
____________________________________________

Fig. 6. Funcin de penalizacin.
C. Obtencin de la frecuencia de unos y aplicacin de la
mscara de cruza.
Una vez seleccionado el par de padres por medio de la
seleccin determinista, se elige un par de barras n y m de
forma aleatoria tal como se muestra en la Fig. 7, quienes sern
parte de la informacin gentica que ser intercambiada entre
los padres, para ello se produce la creacin del vector
1
.
Lo anterior hace alusin a la suma de los unos de cada bit que
corresponde a la capacidad de los bancos de condensadores y
finalmente se divide en la cantidad de individuos de las
generaciones.
Frecuencias de 1's 0,5 0,3 0,8 0,7 0,5 0,1 0,2 0,5
Probabilidad de Intercambio 0,1 0,2 0,5 0,2 0,4 0,2 0,1 0,4
Creacin de Mscara 0 0 1 0 1 0 0 1
Aplicacin de Mscara
Padre P1 0 0 0 0 1 1 1 1
Padre P2 1 1 1 1 0 0 0 0
Intercambio
Hijo S1 0 0 1 0 0 1 1 0
Hijo S2 1 1 0 1 1 0 0 1
Calculo de Fitness en la
poblacin
Parada
Satisface
el criterio
pedido?
Generacin = Generacin + 1
Poblacin de Padres
Orden: Mejor <=> Peor
Seleccin Determinista
Cruce Estadstico Adaptativo
no Uniforme
Estrategia Elitista
Poblacin
Inicial
Si
No
Mutacin
Flujo de
Potencia
Radial a
cada
individuo
16 8 4 2 1
1 1 1 0 1 1 27
2 0 1 1 1 1 15
3 0 1 0 1 0 10
4 0 0 1 1 0 6
: : : : : : :
NB 0 0 1 0 0 4
Demanda i-sima
N

m
e
r
o

d
e

B
a
r
r
a
s
Codificacin Binaria
Capacidad de Bancos
de Condensadores
1 2 3 4 5 6 7 8 9
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Valor calculado sometido a la penalizacin
V
a
l
o
r

d
e

O
m
e
g
a

(

)


Rec
max
=6, f=70%
Rec
max
=6, f=80%
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 5

Fig. 7. Ejemplo de eleccin de genes y toma de la frecuencia de 1s.

Dicho vector de frecuencia
1
es evaluado en la
funcin de probabilidad exponencial, el cual dar lugar a un
nuevo vector de probabilidades de cruza
s
que
posteriormente servir como base para crear la mscara de
cruza adaptativa. En relacin a la media del vector
s

obtenido se crea la mscara que tendr unos o ceros
dependiendo de si la media de
1
es menor o mayor que
s
respectivamente, esto se muestra en Fig. 8.
Finalmente, estas dos mscaras obtenidas se unen para dar
forma a una mscara final que seguramente contendr ms
unos que cada mscara por separado. Conceptualmente el
hecho de que la mscara posea ms unos, implica que habr
mayor transferencia de informacin entre padres, por lo que se
ampliar el espacio de bsqueda del algoritmo permitiendo
una mayor diversidad en el amplio nmero de posibles
soluciones que el problema posee.




Fig. 8. Cruza adaptiva propuesta.
D. Mutacin.
La mutacin toma un individuo de la poblacin de forma
aleatoria cambiando su informacin gentica para poder
acercarse an ms al menor costo. Para este tipo de problema
se consider la mutacin del tipo multigen, donde es cambiado
un gen de un individuo de forma aleatoria y completa, a un
porcentaje reducido de la poblacin.
E. Nueva Poblacin.
Para crear una nueva poblacin, es preciso unir la
poblacin de padres y la poblacin de hijos, evaluar a cada
individuo y escoger los K mejores para la siguiente
generacin. Este tipo de estrategia es conocida como Elitismo
Mximo.
F. Metodologa de resolucin.
Paso N 1: Se ingresan los parmetros de la red
realizando un flujo de potencia radial para obtener tanto las
prdidas de la red, como los niveles de tensin antes de
colocar bancos de condensadores, cuyos valores registrados
son almacenados. Posteriormente, se crea la poblacin
aleatoria.
Paso N 2: A la poblacin inicial, luego de ser creada, se
le asigna la capacidad de bancos de condensadores segn su
codificacin binaria y se evala cada individuo realizando el
flujo de potencia radial con los bancos designados.
Paso N 3: Al momento de evaluar, se procede a ver el
cumplimiento de las restricciones, si el individuo no cumple se
penaliza en base al F.O.P. permitiendo de esta manera que
cada individuo posea un fitness.
Paso N 4: Se ordenan los individuos de mejor solucin a
peor y se realiza la seleccin determinista para comenzar la
cruza de padres y obtener nuevos hijos para la siguiente
generacin.
Paso N 5: De forma aleatoria se selecciona un gen de
cada individuo para la cruza adaptativa, considerando la
informacin estadstica para ser evaluada en la funcin
exponencial.
Paso N 6: Se obtiene la probabilidad de intercambio, en
base a la media del vector de probabilidades obtenido y se crea
la mscara que tendr unos o ceros dependiendo si la media de
dicho vector es menor o mayor que la probabilidad de
intercambio.
Paso N 7: Estas mscaras se combinan para obtener una
mscara resultante y generar nuevos hijos.
Paso N 8: Se realiza la mutacin de los hijos (slo a un
porcentaje de la poblacin), se evalan nuevamente y se
conserva un porcentaje de individuos (elitismo) para la
siguiente generacin.
Paso N 9: Los pasos 2 al 8 se repiten hasta que se haya
completado el nmero de generaciones.
Paso N 10: Luego, el mejor individuo se entrega
realizando el ltimo flujo de potencia radial donde se muestra
el antes y el despus de la ubicacin ptima de bancos de
condensadores.
VII. RESULTADOS
Con el objetivo de ilustrar la aplicacin de la metodologa
propuesta, se presentan dos ejemplos de aplicacin. El mtodo
de optimizacin propuesto, fue realizado en ambiente Matlab.
Para tener una muestra confiable se ejecuta 20 veces el
algoritmo propuesto. En los parmetros utilizados en el AG se
consider un anlisis de sensibilidad el cual arroj: para
anlisis de la funcin de probabilidad exponencial los valores
de igual a 0,4 y por otro lado igual a 0,7 a su vez un
nmero de generaciones igual a 500, un nmero de individuos
del orden de 80, una penalizacin de la funcin de un 80%, un
porcentaje de probabilidad de cruce de 100% y por ltimo un
1 1 0 1 1 0 1 0 0 0
0 1 1 1 1 n 1 0 0 1 1
0 1 0 1 0 0 0 1 0 1
0 0 1 1 0 1 1 0 0 1 m
: : : : : : : : : :
0 0 1 0 0 0 0 0 0 1
0 1 1 1 1 n, t=1 1 1 0 0 1 m, t=1
1 1 0 0 1 n, t=2 1 0 1 0 1 m, t=2
1 1 1 0 1 n, t=3 0 1 0 1 0 m, t=3
0.667 1 0.667 0.333 1 f(i,t) 0.667 0.667 0.333 0.333 0.667 f(i,t)
Individuo M
---------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------------
Individuo N
Frec. 1's 0,66 0,33 1 0 1 Frec. 1's 0,33 0,66 0,66 1 1
P. Int. 0,1 0,8 0,5 0,2 0,4 P. Int. 0,1 0,7 0,4 0,3 0,8
Mscara N 0 1 1 0 0 Mscara M 0 1 0 0 1
Individuo N Individuo M
Mscara Resultante 0 1 1 0 1
Aplic. de Mscara
Padre N 0 1 0 0 1
Padre M 0 0 1 0 0
Intercambio
Hijo N 0 0 1 0 0
Hijo M 0 1 0 0 1
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 6
porcentaje de probabilidad de mutacin y etilismo
respectivamente del 10% y 20%.
A. Red de Distribucin de 9 barras.
Se tiene un alimentador de 9 barras de 23 kV descrito en
[17], [25] y mostrado en Fig. 9.



Fig. 9. Red de distribucin de 9 barras.

Adems, se considera bajo las mismas condiciones que
[15], vale decir la red para demanda constante (ver ecuacin
2), bancos de condensadores con costos variables obtenidos de
[25], es decir 27 posibles combinaciones de bancos de
condensadores con sus respectivos costos asociados (
kvA
) y
el costo de instalacin
nst
es igual a cero. Las posibles
combinaciones se presentan a continuacin en Tabla I.

TABLA I
POSIBLES COMBINACIONES DE BANCOS DE CONDENSADORES (B.C.) Y SUS
COSTOS

Capacidad 1 2 3 4 5 6 7
B.C.
(kVAr)
150 300 450 600 750 900 1.050
Costo/kVAr 0,500 0,350 0,253 0,220 0,276 0,183 0,228
Costo($) 75 105 113,85 132 207 164,7 239,4

Capacidad 8 9 10 11 12 13 14
B.C.
(kVAr)
1.200 1.350 1.500 1.650 1.800 1.950 2.100
Costo/kVAr 0,170 0,207 0,201 0,193 0,187 0,211 0,176
Costo($) 204 279,45 301,5 318,45 336,6 411,45 369,6

Capacidad 15 16 17 18 19 20 21
B.C.
(kVAr)
2.250 2.400 2.550 2.700 2.850 3.000 3.150
Costo/kVAr 0,197 0,170 0,189 0,187 0,183 0,180 0,195
Costo($) 443,25 408 481,95 504,9 521,55 540 614,25

Capacidad 22 23 24 25 26 27 28
B.C.
(kVAr)
3.300 3.450 3.600 3.750 3.900 4.050 -
Costo/kVAr 0,174 0,188 0,170 0,183 0,182 0,179 -
Costo($) 574,2 648,6 612 686,25 709,8 724,95 -

Considerando el costo de los bancos, se toma como
referencia el valor de
P
igual 168 kW/ao, en Fig. 10 se
muestra la convergencia del algoritmo propuesto.

Fig. 10. Convergencia del algoritmo propuesto.

Al momento de realizar el flujo de potencia sin bancos de
condensadores las prdidas de potencia son 783,8 kW y el
costo inicial por la red en este estado es de $ 131.675, en Fig.
11 se presentan los niveles de tensin antes y despus de la
compensacin reactiva.

Fig. 11. Nivel de tensin en las barras antes y despus de la compensacin
para la red de 9 barras.

En Tabla II se presentan los resultados en comparacin con
los resultados obtenidos en [15].

TABLA II
RESULTADOS PARA RED DE DISTRIBUCIN DE 9 BARRAS
(DEMANDA CONSTANTE)

Barra N
Sin
compensar
Propuesta
[15]
Propuesta
[26]
Algoritmo
propuesto
1

2

3.600 3.750 4.050
3

4.050 1.650 1.800
4

450 2.400 2.400
5

1.200 900 600
6

450 600
7

8

150

9

600 600 600

Total kVAr

10.050 9.750 10.050
Prdidas de
potencia (kW)
783,4199 681,28 676,0102 676,1753
Voltaje mnimo
(p.u.)
0,8375 0,90014 0,9002 0,9004
Costos ($) 131.675 116.320 115.470 115.463
Ahorro ($)

15.355 16.205 16.212

B. Red de Distribucin de 33 barras (Demanda Constante).
Para esta red, se considera un alimentador de 33 barras de
11 kV descrito en [4], [15] y mostrado en Fig. 12.


Fig. 12. Red de distribucin de 33 barras.
0 100 200 300 400 500
1.15
1.16
1.17
1.18
1.19
1.2
1.21
x 10
5
Generacin
C
o
s
t
o

(
$
)
0 1 2 3 4 5 6 7 8 9
0.8
0.85
0.9
0.95
1
1.05
Barra N
T
e
n
s
i

n

(
p
.
u
.
)


Tensin sin Compensacin
Tensin con Compensacin
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 7

La red sin compensar posee un total de prdidas de
potencia activa y potencia reactiva respectivamente de 221,5
kW y 65,06 kVAr, por otro lado los respectivos lmites de
tensin se encuentran entre 1,0 y 0,9417 pu.
Los costos de la red en este estado sin compensar son
aproximadamente $ 37.212 y es considerado como lmite de
bancos de condensadores (
L
1otuI
) en total de 2.873,5 kVAr,
nuevamente se utiliza los costos variables en los bancos de
condensadores, pero, esta vez se utilizan 19 de las 27
combinaciones posibles mostrados en Tabla I.
En Tabla III se presentan los resultados obtenidos en
comparacin con los obtenidos por otros autores [25, 27],
considerando la funcin de costo de ecuacin (2).

TABLA III
RESULTADOS PARA LA RED DE DISTRIBUCIN DE 33 BARRAS
(DEMANDA CONSTANTE)

Barra N
Sin
compensar
Propuesta
[25]
Propuesta
[27]
Algoritmo
propuesto
5

900 900
10

750

600
17

450

20

300

21

450
25

1.200 600 600
28

300

32

450


Total kVAr

2.400 2.550 2.550
Prdidas de
potencia (kW)
221,5 165,2 161,8 165,4
Voltaje mnimo
(p.u.)
0,9417 0,9506 0,9500 0,9511
Costos ($) 37.212 28.236 27.783 27.656
Ahorro ($)

8.976 9.429 9.556

Por otro lado en Fig. 13 se muestran los niveles de tensin
antes y despus de la compensacin reactiva.

Fig. 13. Nivel de tensin en las barras antes y despus de la compensacin
para la red de distribucin de 33 barras.

C. Red de Distribucin de 33 barras (Demanda Variable).
En esta nueva situacin se utiliza la misma red bajo las
mismas condiciones de [15], pero con la funcin objetivo de
ecuacin (1) para distintos niveles de carga (
k
) y distintos
tiempos de duracin (
k
).
En base a lo anterior se realiza un estudio: para una
demanda mnima (
1
=0,5 p.u. y
1
=1.000 horas), demanda
media (
2
=0,8 p.u. y
2
=6.760 horas) y una demanda mxima
(
3
=1,0 p.u. y
3
=1.000 horas). Los valores usados en esta
optimizacin son de
L
igual 0,06 $/kWh/ao, se utiliza la
Tabla I, adems
1
pcck
es el valor de
P
por
Ioss(,+1)
1
k

aplicado solo a demanda mxima.
En Tabla IV se presenta la compensacin en los distintos
niveles de carga y se muestra la comparacin con [15].

TABLA IV
RESULTADOS PARA LA RED DE DISTRIBUCIN DE 33 BARRAS
(DEMANDA VARIABLE)

Barra N - kVAr
Prdida
de
potencia
(kW)
Voltaje
mnimo
(p.u.)
Propuesta
[15]
N
1
=0,5 8-600 29-150 33-450 - - 39,27 0,97563
N
2
=0,8 8-900 26-450 29-300 33-450 - 101,18 0,96087
N
3
=1,0 8-900 23-450 29-450 31-300 33-450 160,5 0,95068
Ubicacin ptima 8-900 26-600 29-150 33-450 - - -
Barra N - kVAr
Prdida
de
potencia
(kW)
Voltaje
mnimo
(p.u.)
Algoritmo
Propuesto
N
1
=0,5 10-300 16-300 22-450 - - 39,33 0,9719
N
2
=0,8 16-600 22-750 27-150 30-450 - 99,70 0,9612
N
3
=1,0 3-300 16-900 22-300 30-300 - 158,48 0,9514
Ubicacin ptima 10-300 16-900 22-600 30-450 - - -

El costo antes de la compensacin es de $ 37.237, por una
parte la propuesta [15] no incluye costos en su optimizacin
por lo que fue calculado, su costo es de $ 28.412. Por ltimo,
la compensacin del algoritmo propuesto genero el costo de
$27.974.
VIII. CONCLUSIONES
El AG propuesto permite gracias al operador de seleccin
determinista una mayor diversidad entre los individuos, ya
que, de igual manera ocupa la informacin gentica de
individuos menos aptos complementando las caractersticas de
los individuos ms aptos. Adems, el operador de cruza
adaptiva permite una adaptacin de las mascaras de cruza de
acuerdo al comportamiento de los individuos de una poblacin
y en conjunto con un criterio estadstico permiten el
intercambio de la informacin gentica entre los distintos
padres analizados.
Los resultados encontrados y comparados con los dems
autores permiten validar la aplicacin del AG propuesto al
problema de ubicacin ptima de bancos de condensadores, se
mejora la convergencia y aumenta la calidad de la mejor
solucin encontrada, reflejada en un ahorro monetario en la
compensacin reactiva.
0 5 10 15 20 25 30
0.9
0.95
1
1.05
Barra N
T
e
n
s
i

n

(
p
.
u
.
)


Tensin sin Compensacin
Tensin con Compensacin
THE 10
th
LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013 8
IX. TRABAJOS FUTUROS
La utilizacin de este mismo algoritmo en problemas de
optimizacin de redes de distribucin como ubicacin de
reguladores de tensin, ubicacin de generadores distribuidos
e incluso reconfiguracin de la red de distribucin.
De manera prctica tambin sera interesante analizar dos
problemtica simultneas, como ubicacin de banco
condensadores y reguladores de tensin como una publicacin
a futuro.
X. AGRADECIMIENTOS
Los autores agradecen el apoyo financiero del programa de
Magister en Ciencias de la Ingeniera mencin Ingeniera
Elctrica de la Universidad de La Frontera.
XI. REFERENCIAS
[1] Milosevic, B.; Begovic, M., "Capacitor placement for conservative
voltage reduction on distribution feeders," Power Delivery, IEEE
Transactions on , vol.19, no.3, pp.1360,1367, July 2004.
[2] Sen P.K., Larson S.L., "Fundamental concepts of regulating distribution
system voltages," Rural Electric Power Conference, 1994. Papers
Presented at the 38th Annual Conference, vol., no., pp.C1/1,C110, 24-26
Apr 1994.
[3] Rivera S., Estado del Arte en la ubicacin ptima de capacitores y
estudio de Optimalidad de la solucin mediante bsqueda exhaustiva
Ingeniera e Investigacin, Universidad de Colombia, Vol. 24, No 3,
2004.
[4] Leiva M., Localizacin ptima de Condensadores en un sistema de
Distribucin Elctrico va Algoritmos Genticos, Trabajo de
Titulacin, Departamento de Ingeniera Elctrica, Pontificia
Universidad Catlica de Chile, 2001.
[5] Galarza M., Localizacin Optima de Capacitores en Redes Primarias de
Distribucin va Algoritmos Genticos, Escuela Politcnica Nacional,
2006.
[6] Mwakabuta, N.; Sekar, A., "Study of the Application of Evolutionary
Algorithms for the Solution of Capacitor Deployment Problem in
Distribution Systems", System Theory, 2008. SSST 2008. 40th
Southeastern Symposium on, vol., no., pp.178-182, 16-18 March 2008.
[7] Samimi Asl, T.; Jamali, S., "Optimal capacitor placement size and
location of shunt capacitor for reduction of losses on distribution
feeders," Clean Electrical Power, 2009 International Conference on,
vol., no., pp.223-226, 9-11 June 2009.
[8] Mady Ib., "Optimal sizing of capacitor banks and distributed generation
in distorted distribution networks by genetic algorithms," Electricity
Distribution - Part 1, 2009. CIRED 2009. 20th International Conference
and Exhibition on, vol., no., pp.1,4, 8-11 June 2009.
[9] dos S.Fonseca, W.A.; Barros, F. G N; Nunes, M. V A; Bezerra, U.H.;
Oliveira, R. C L, "Genetic algorithms and treatment of multiple
objectives in the allocation of capacitor banks in an electric power
distribution system," Industry Applications (INDUSCON), 2010 9th
IEEE/IAS International Conference on, vol., no., pp.1,6, 8-10 Nov.
2010.
[10] Alujo G. Ubicacin Optima de Capacitores en Redes Primarias de
Distribucin utilizando Algoritmos Genticos considerando Demanda
Variable, Trabajo de Titulacin, Escuela Politcnica Nacional, 2011.
[11] Montoya D.P.; Ramirez J.M., "Reconfiguration and optimal capacitor
placement for losses reduction," Transmission and Distribution: Latin
America Conference and Exposition (T&D-LA), 2012 Sixth IEEE/PES,
vol., no., pp.1,6, 3-5 Sept. 2012.
[12] Segura S., Romero R., Rider M. J., Efficient heuristic algorithm used
for optimal capacitor placement in distribution systems, International
Journal of Electrical Power & Energy Systems, Volume 32, Issue 1, pp
71-78, January 2010.
[13] Jabr R.A., Optimal placement of capacitors in a radial network using
conic and mixed integer linear programming, Electric Power Systems
Research, Volume 78, Issue 6, pp 941-948, June 2008.
[14] Takehara R.S.; Romero R., "Artificial Immune Systems Applied to
Optimal Capacitor Placement in Radial Distribution
Networks", Transmission & Distribution Conference and Exposition:
Latin America, 2006. TDC '06. IEEE/PES , vol., no., pp.1,7, 15-18 Aug.
2006.
[15] Seifi A., Hesamzadeh M. A., A hybrid optimization approach for
distribution capacitor allocation considering varying load conditions,
International Journal of Electrical Power & Energy Systems, Volume
31, Issue 10, pp 589-595, NovemberDecember 2009.
[16] Yang S., Statistic-based adaptive non-uniform crossover for genetic
algorithms, Proceedings of the 2002 U.K. Workshop on Computational
Intelligence (UKCI02), Birmingham, pp 201-208, 2-4 September 2002.
[17] Grainger J.J., Lee S.H., "Capacity Release by shunt Capacitor Placement
on Distribution Feeders: A New Voltage Dependent Model", IEEE
Transactions on Power Apparatus and Systems, PAS-101, no. 15, pp.
1236-1244, 1982.
[18] Estrada G., Tobar J.H., Gutirrez G., Metodologa para la Localizacin
ptima de Capacitores mediante Sensibilidades Lineales, IEEE Latn
Amrica Transactions, Vol. 3, No. 2, April 2005.
[19] Villarroel M., Anlisis de Sistemas Elctricos de Potencia,
Universidad de La Frontera vol. 1, pp. 52-56, 2012.
[20] Gutirrez I., Clculo de Flujo de Potencia para Sistemas de
Distribucin Radial, Trabajo de Titulacin, Universidad de Santiago de
Chile, 1991.
[21] Sols F., Paillalef R., Clculo de Flujo de Potencia para Sistemas de
Distribucin Radial (Radis), Trabajo de Titulacin, Universidad de La
Frontera, 1999.
[22] Neelima, S.; Subramanyam, P. S., "Optimal capacitor placement in
distribution networks using differential evolution incorporating
dimension reducing power flow method," Innovative Smart Grid
Technologies - India (ISGT India), 2011 IEEE PES , vol., no.,
pp.396,401, 1-3 Dec. 2011.
[23] A. Kuri. "Pattern Recognition via Vasconcelos' Genetic Algorithm".
Lecture Notes in Computer Science. Vol. 3287, pp. 328-335. 2004.
[24] IEEE Std 18-2002, IEEE Standard for Shunt Power Capacitors. 2002
[25] Mekhamer, S. F., Soliman, S. A., Moustafa, M. A., & El-Hawary, M. E.
Application of fuzzy logic for reactive-power compensation of radial
distribution feeders. IEEE Transaction on Power System, 18(1), 206
213. 2003.
[26] Bhattacharya S.K., Goswami S.K., A new fuzzy based solution of the
capacitor placement problem in radial distribution system, Expert
Systems with Applications, Volume 36, Issue 3, Part 1, April 2009,
Pages 4207-4212.
[27] Tabatabaei S.M., Vahidi B., Bacterial foraging solution based fuzzy
logic decision for optimal capacitor allocation in radial distribution
system, Electric Power Systems Research, Volume 81, Issue 4, pp
1045-1050, April 2011.
XII. BIOGRAFAS
Luis Daniel Barrera Gamboa, Naci en Santa Cruz, Sexta Regin, Chile.
Obtuvo el Grado de Licenciado en Ciencias de la Ingeniera en 2011, el Ttulo
de Ingeniero Civil Electricista en 2013, en la Universidad de La Frontera.
Actualmente es estudiante en la misma universidad para la obtencin del
Grado de Magister en Ciencias de la Ingeniera c/m en Ingeniera Elctrica.
Sus areas de inters son la Optimizacin de los Sistemas Elctricos de
Potencia, Eficiencia Energtica y Energas Renovables No Convencionales.
Boris Javier Pavez Lazo, Naci en Lota, VIII Regin, Chile. Obtuvo el
Ttulo de Ingeniero Civil Electricista en la Universidad de Concepcin en
1999, el Grado de Magister en Ciencias de la Ingeniera, en la Universidad de
Concepcin en 2002 y el Grado de Doctor en Ciencias de la Ingeniera, en la
Universidad de Concepcin en 2010. Actualmente es acadmico de la
Universidad de La Frontera, Temuco, Chile desde abril del 2002. Sus reas de
inters estn relacionadas con Sistemas Elctricos de Potencia y Energas
Renovables No Convencionales
Manuel Jess Villarroel Moreno, Naci en Lautaro, IX Regin, Chile.
Obtuvo el Ttulo de Ingeniero Civil Electricista en la Universidad Tcnica del
Estado (hoy Universidad de Santiago de Chile) en 1979 y el Grado de
Magister en Ciencias de la Ingeniera, en la Pontificia Universidad Catlica de
Chile en 1989. Es actualmente acadmico de la Universidad de La Frontera
desde abril de 1973. Sus reas de inters estn relacionadas con el Anlisis de
Sistemas Elctricos de Potencia y los Sistemas de Protecciones Elctricas de
Media y Alta tensin.