in genera revol 282014

7/18/2019 In Genera Revol 282014

1/83

REVISTA DE LA FACULTAD DE INGENIER

PONTIFICIA UNIVERSIDAD CATLICA DE VAREVISTAI

NGENERARE

VOL

UMEN

28,NMERO1

2014

ISSN 0718-144

ISSN 0719-24428-12 0 1 4

INGENERARE

VOLUMEN 28, NMERO 1 2014

PLAN ESTRATGICO DE DESARROLLO 2014-2030, DE LA FACULTAD DEINGENIERA DE LA PUCV

Dante Pesce SantanaPginas 5-6

MODELADO Y SIMULACIN DE CONTROL DE OXGENOEN UN BIOPROCESO

John Cardoch, Gonzalo Farias, lvaro Daz, Hctor VargasPginas 7-17

RESTAURACIN DE SERVICIO EN REDES DE DISTRIBUCINMEDIANTE SISTEMAS MULTIAGENTE

Jos Muoz, Hctor Vargas, Jorge Mendoza,Gonzalo FarasPginas 19-26

METHODOLOGY FOR LOAD CORRECTION PER PHASEIN DISTRIBUTION SYSTEMS USING SMART METERING DATA

Guilherme Pereira Borges, Fabio Romero,Marcello Pek Di Salvo, Andr Meffe, Alden Uehara Antunes, Jarbas Barros Vilar

Pginas 27-33

ANLISIS DE OPCIONES REALES COMO HERRAMIENTA PARAEVALUAR EL IMPACTO DE LA REGULACIN EN LA EXPANSIN

DE LOS SISTEMAS ELCTRICOSRolando Pringles, Fernando Olsina, Francisco Garcs

Pginas 35-44

MODELO APLICADO ALANLISIS DE FALLAS EN SISTEMAS DE TRANSMISINDE POTENCIA ELCTRICA PARA FUTUROS ESTUDIOS DE DETECCIN

Y LOCALIZACIN DE FALLASR. H. Mira, M.R. A. Paternina, J.H, Vlez*, M.A. Arias

Pginas 45-53

REDES INTELIGENTES DE DISTRIBUCIN CON ALTA PENETRACIN DEVEHCULOS ELCTRICOS: DESAFOS Y SOLUCIONES PARA UNA

OPERACIN EFICIENTEPatricio Benalczar, Mauricio Samper y Alberto Vargas

Pginas 55-66

LA EFICIENCIA DEL APRENDIZAJE Y LA DURACIN DE LASCARRERAS DE INGENIERA

Miguel Angel De La Sotta CerbinoPginas 67-72

EVALUACIN DE LA SATISFACCIN CON LA INNOVACIN DOCENTEEN ESTUDIANTES DE LA CARRERA INGENIERA EN CONSTRUCCIN

Wilfredo Jimnez Wong, Luis Piquimil Ardiles,scar Rojas Cazaluade

Pginas 73-78


2/83

INGENERARE / VOLUMEN 28, NMERO 1 - 2014 / 1

PONTIFICIA UNIVERSIDAD CATLICA DE VALPARASOFACULTAD DE INGENIERA

AUTORIDADES

DECANO

Edmundo Lpez Estay

VICEDECANO

Gonzalo Ruiz Filippi

SECRETARIO

Luis Lpez Quijada

Directores de Escuelas, Profesores

Escuela de Ingeniera BioqumicaPaola Poirrier Gonzlez

Escuela de Ingeniera CivilAlejandro Lpez Alvarado

Escuela de Ingeniera en ConstruccinEduardo Rodrguez Aste

Escuela de Ingeniera ElctricaPaulino Alonso Rivas

Escuela de Ingeniera IndustrialRicardo Gatica Escobar

Escuela de Ingeniera InformticaSilvana Roncagliolo de la Horra

Escuela de Ingeniera MecnicaFeliciano Tomarelli Zapico

Escuela de Ingeniera QumicaHoracio Aros Meneses

Escuela de Ingeniera en TransporteFrancisco Pizarro Sols de Ovando

REVISTA INGENERAREFACULTAD DE INGENIERA

DirectorCarlos Carlesi JaraProfesor Auxiliar,

Escuela de Ingeniera Qumica

Las opiniones vertidas en los artculos son deresponsabilidad de los respectivos autores.

La Direccin de la Revista est ubicada en el Decanatode la Facultad de Ingeniera, Av. Brasil 2147, Casilla 4059,

Valparaso, Chile.E-mail: [email protected]

www.ingenieria.ucv.cl

PRODUCCIN GRFICAEdiciones Universitarias de Valparaso de la Ponticia

Universidad Catlica de ValparasoE-mail: [email protected]

www. euv.cl

INGENERAREREVISTA DE LA FACULTAD DE INGENIERAPONTIFICIA UNIVERSIDAD CATLICA DE VALPARASO

VOLMEN 28, NMERO 1 / 2014

PLAN ESTRATGICO DE DESARROLLO 2014-2030, DE LAFACULTAD DE INGENIERA DE LA PUCV

Dante Pesce SantanaPginas 5-6

MODELADO Y SIMULACIN DE CONTROL DE OXGENOEN UN BIOPROCESO

John Cardoch, Gonzalo Faras, lvaro Daz, Hctor VargasPginas 7-17

RESTAURACIN DE SERVICIO EN REDES DE DISTRIBUCINMEDIANTE SISTEMAS MULTIAGENTE

Jos Muoz, Hctor Vargas, Jorge Mendoza,Gonzalo FarasPginas 19-26

METHODOLOGY FOR LOAD CORRECTION PER PHASEIN DISTRIBUTION SYSTEMS USING SMART METERING DATA

Guilherme Pereira Borges, Fabio Romero,Marcello Pek Di Salvo, Andr Meffe, Alden Uehara Antunes,Jarbas Barros VilarPginas 27-33

ANLISIS DE OPCIONES REALES COMO HERRAMIENTA PARAEVALUAR EL IMPACTO DE LA REGULACIN EN LA EXPANSIN

DE LOS SISTEMAS ELCTRICOSRolando Pringles, Fernando Olsina, Francisco GarcsPginas 35-44

MODELO APLICADO AL ANLISIS DE FALLAS EN SISTEMASDE TRANSMISIN DE POTENCIA ELCTRICA PARA FUTUROSESTUDIOS DE DETECCIN Y LOCALIZACIN DE FALLAS

R. H. Mira, M.R. A. Paternina, J.H. Vlez*, M.A. AriasPginas 45-53

REDES INTELIGENTES DE DISTRIBUCIN CON ALTAPENETRACIN DE VEHCULOS ELCTRICOS: DESAFOS YSOLUCIONES PARA UNA OPERACIN EFICIENTE

Patricio Benalczar, Mauricio Samper y Alberto VargasPginas 55-66

LA EFICIENCIA DEL APRENDIZAJE Y LA DURACIN DE LASCARRERAS DE INGENIERAMiguel Angel de la Sotta CerbinoPginas 67-72

EVALUACIN DE LA SATISFACCIN CON LA INNOVACINDOCENTE EN ESTUDIANTES DE LA CARRERA DE INGENIERA ENCONSTRUCCIN

Wilfredo Jimnez Wong, Luis Piquimil Ardiles,scar Rojas CazaluadePginas 73-78

CONTENIDO


3/83

2/ INGENERARE / VOLUMEN 28, NMERO 1 - 2014


4/83


NOTA EDITORIAL

La Revista Ingenerare de la Facultad de Ingeniera de la Pontificia Universidad Catlica de Valparaso, alcompletar su vigsima octava edicin, se consolida como una fuente relevante de difusin de los desarrollosen los diferentes mbitos de la ingeniera. Como ha sido desde su fundacin, el principal objetivo de estarevista es difundir el conocimiento cientfico y tecnolgico, a travs de la publicacin de artculos inditos,que muestran los resultados de mltiples trabajos de investigacin aplicada y avances en la Ingeniera.De igual manera, Ingenerare es un canal de comunicacin de las experiencias en la enseanza de lasdiferentes especialidades de la Ingeniera desarrollada tanto a nivel nacional como internacional.

De acuerdo al plan de potenciamiento de la visibilidad de la revista, el presente nmero es registrado tantoen versin impresa como en digital y estarn disponibles para su libre descarga desde la pgina web dela Facultad de Ingeniera PUCV, adems, desde este ao 2014 el grupo editorial se propone aumentar

los nmeros publicados anualmente a tres, avanzando de esta manera al cumplimiento de las exigenciaspara incrementar su nivel de indexacin y visibilidad.

Finalmente, agradecemos el trabajo realizado a cada uno de los diferentes autores que enviaron susartculos e instamos a cada uno de los investigadores de nuestro pas y tambin del extranjero, a quesigan enviando sus artculos y con ello continen aportando al desarrollo de la ingeniera.

Pontificia Universidad Catlica de Valparaso

Edmundo Lpez EstayDecano

Facultad de Ingeniera

Carlos Carlesi JaraDirector Revista Ingenerare

Facultad de Ingeniera


5/83



6/83


La Facultad de Ingeniera de la Pontificia Universidad Catlica

de Valparaso elabor, durante el segundo semestre de 2013, un

conjunto de documentos que conforman un Plan Estratgico de

Desarrollo 2014-2030. La elaboracin de este plan era un requisito

bsico para postular al concurso Gubernamental (Corfo) destina-

do a apoyar a las carreras de Ingeniera Civil para que alcancen

niveles de clase mundial en el ao 2030.

El trabajo realizado consider la definicin de una lnea de base

de la Facultad de Ingeniera (FI), identificacin de las mejores

prcticas en Ingeniera en universidades destacadas en el mundo,

identificacin de las brechas existentes a partir de un diagnsticointerno y uno de tendencias del medio externo. De all surge una

proyeccin de la FI-PUCV al 2030 y una definicin de los planes

de accin para alcanzar los objetivos proyectados. Estos planes

de accin fueron estructurados sobre la base de 5 objetivos

estratgicos, a saber: Formacin de Ingenieros; Investigacin y

Desarrollo; Innovacin y Emprendimiento; Internacionalizacin; y

Gestin y Gobernanza.

A continuacin se expondrn y comentarn algunos prrafos

relativos a los ejes centrales:

FORMACIN DE INGENIEROS Y VINCULACIN CON LAS

DEMANDAS DEL CHILE 2030La Facultad de Ingeniera que se proyecta para el 2030 reconoce

que el perfil de los estudiantes de educacin superior ha sufrido

cambios significativos en los ltimos aos. El desarrollo de nuevas

tecnologas ha contribuido a conformar estudiantes pertenecientes a

una generacin de nativos digitales. Los universitarios de hoy han

crecido inmersos en los avances tecnolgicos, lo que los hace pen-

sar y procesar informacin de manera distinta a sus predecesores.

Esta situacin impone la necesidad de adaptar las prcticas educa-

ARTCULO EDITORIAL

PLAN ESTRATGICO DE DESARROLLO 2014-2030, DE LA FACULTAD DEINGENIERA DE LA PUCV

Dante Pesce Santana

Ingeniero Civil Qumico, PUCV, Chile, Mster en Ingeniera Industrial; U. de California, Berkeley, USA,

Master of Arts in Economy; U. de California, Berkeley, USA

Director Escuela Ingeniera Industrial de la Ponticia Universidad Catlica de Valparaso, Chile, Av. Brasil N 2147,

Valparaso (56) (32) 273701, [email protected]

tivas, otorgando a los estudiantes un rol ms activo en sus propios

aprendizajes. Conocimos experiencias en varias universidades de

excelencia, que utilizan una serie de estrategias metodolgicas de

aprendizaje activo, como por ejemplo el ABP (aprendizaje basado

en proyectos /problemas), que requieren de una mayor vincula-

cin con los sectores productivos de bienes y servicios, tanto del

sector privado como del pblico. Asimismo, las caractersticas de

la sociedad del conocimiento obliga a los estudiantes a gestionar

aprendizajes ms all de su formacin profesional inicial, en un

enfoque de formacin continua durante toda la vida.

Ms all de los conocimientos propios de las ciencias bsicas yde la ingeniera y sus especialidades, el mundo laboral al que se

ven enfrentados los nuevos ingenieros requiere que stos posean

ciertas habilidades blandas que complementen los conocimientos

y habilidades tcnicas. Los currculos rediseados necesitan incor-

porar formacin y entrenamiento en innovacin y emprendimiento,

comunicacin oral y escrita en lengua materna e ingls, liderazgo,

negociacin, trabajo en equipo, tica profesional, entre otros.

El fenmeno de la globalizacin creciente demanda, adicionalmen-

te, un perfil de ingeniero capaz de desenvolverse en entornos de

diversidad cultural y disciplinaria. En este contexto, la movilidad

internacional estudiantil en universidades y empresas extranjeras,

como instancias articuladas e integradas en los programas de es-

tudio, constituyen experiencias formativas imprescindibles.

Si bien algunas Escuelas de nuestra Facultad han avanzado eneste camino, el proceso debe intensificarse y generalizarse atodas las Unidades Acadmicas.

RELACIN DE LAS FACULTADES DE INGENIERA CONLAS DEMANDAS DE LA SOCIEDAD DEL SIGLO XXI

La disminucin de la productividad de sectores econmicos rele-


7/83


vantes del pas y la dependencia de un conjunto de productos de

exportacin con bajo nivel de sofisticacin y valor agregado, exigir

el desarrollo de nuevos sectores productivos de bienes y servicios,

con implicancias directas sobre la formacin de ingenieros. De

all el rol relevante de articular redes ms extensas y poderosas

con universidades, centros de investigacin y empresas chilenase internacionales.

En el escenario descrito se prev el aumento de las demandas

de investigacin aplicada, transferencia tecnolgica, innovacin y

emprendimiento. La vinculacin universidad empresa, destinada

a generar o adaptar nuevos conocimientos y tecnologas es, por

lo tanto, un imperativo de las prximas dcadas, con el fin de

mantener un sistema productivo creciente y competitivo a nivel

mundial, requisito para satisfacer los requerimientos de la sociedad

chilena de mayores niveles de bienestar.

El trnsito hacia una vinculacin sistemtica y fluida entre el mundo

acadmico y el empresarial se proyecta, en nuestra Facultad de

Ingeniera, a travs de entidades intermedias que acten articu-lando las capacidades de la Facultad con los requerimientos del

entorno econmico, social, cultural y ambiental.

En este mbito se proyectan tres tipos de entidades intermediarias

que deben desarrollar un rol activo, los cuales:

-) Centros de Investigacin Aplicada. Instancias para el desarrollo

de investigacin de alto nivel en reas temticas relevantes para

el pas y acordes con las competencias que posee (y que debiera

potenciar) nuestra Facultad, gestionadas profesionalmente a tra-

vs de proyectos financiados por fuentes pblicas y privadas.

-) Observatorio Tecnolgico. Espacio de indagacin, anlisis y

colaboracin con redes nacionales e internacionales, acadmi-

cas y empresariales, en materias de tecnologas emergentes,grado de maduracin de los desarrollos, oportunidades de

adaptacin y nuevas aplicaciones de tecnologas existentes,

etc., con el fin de orientar estratgicamente las actividades de

I+D+i+e (investigacin, desarrollo, innovacin, emprendimiento)

que se desarrollen en la Facultad.

-) Nuevas Unidades dependientes de la Facultad como la Uni-

dad de Vinculacin con la Empresa, Unidad de Innovacin y

Emprendimiento y otras.

Adicionalmente, se considera que los Consejos Asesores Em-

presariales, tanto de las Escuelas como de la Facultad, deben

cumplir un papel relevante en la integracin de nuestra Facultad

con su entorno.

REFLEXIONES Y COMENTARIOS

Durante el trabajo de elaboracin de la propuesta del proyecto

Ingeniera 2030, qued en evidencia que nuestra Facultad tiene

debilidades estructurales frente a otras universidades que son

referentes a nivel nacional e internacional. La organizacin vigente

en la FI-PUCV permite satisfacer actividades de coordinacin entre

las Unidades que la conforman y con la Rectora, pero carece de

estructuras suficientes como para implementar proyectos estra-

tgicos de envergadura y establecer vinculaciones estrechas y

permanentes con el medio acadmico y empresarial, tanto nacional

como internacional.

Por otra parte, una encuesta de percepcin realizada a los aca-dmicos de la Facultad en relacin con las citadas temticas,

demostr que una importante mayora valora los procesos de

aprendizajes activos (talleres enfocados a resolver problemas

prcticos o aprendizajes basados en problemas y en proyectos).

Asimismo, ms del 80% de los acadmicos le asignan una alta

valoracin a las actividades de investigacin que respondan a

necesidades del medio (empresas y organismos del Estado), como

al desarrollo de vnculos estrechos y de largo plazo con el sector

productivo para la colaboracin mutua. Es decir, respecto de los

puntos centrales del Proyecto Ingeniera 2030, los encuestados

tienen una opinin positiva.

Los documentos entregados a Corfo abundan en detalles al respec-to. Se elaboraron 3 documentos, con ms de 150 pginas, los que

resumidamente explicitan el Anlisis Interno, el Anlisis Externo y

el Plan Estratgico 2014-2030. Este fue el resultado de la llamada

Fase 1 que me correspondi coordinar y para la que cont con la

valiosa cooperacin de la profesora de la EII, Patricia Jimnez,

del Comit Ejecutivo creado para el efecto (con representantes

de cada Unidad Acadmica de la Facultad) y con la colaboracin

de instancias de la Rectora y de varios ayudantes, que no me es

posible detallar en estas pocas lneas.

Es importante mencionar que con el fin de mejorar nuestra probabi-

lidad de xito en la adjudicacin del proyecto (Fase 2), se estableci

una postulacin conjunta con otras dos universidades de prestigio

nacional (Universidad de Concepcin y Universidad de Santiago),

que permitir aprovechar sinergias y economas de escala en la

implementacin de algunas de las lneas de accin propuestas, a

la vez que abordar desafos de envergadura nacional.

Al momento de escribir estas lneas aun no se sabe el resultado

del concurso Corfo. De ser positivo, habr recursos para llevar

adelante numerosas iniciativas, las que deben socializarse en

profundidad con nuestros acadmicos, a la vez que recibir su

apoyo para la implementacin de las mismas; ellas nos llevarn

a ser una Facultad reconocida como un referente nacional y un

lder regional (latinoamericano) en la formacin de ingenieros y

en la generacin de soluciones de base tecnolgica, en reas

de relevancia nacional lo que va en lnea con la visin 2030 denuestra Facultad. De no ser favorable nuestra postulacin, debe-

remos escoger las propuestas ms atractivas y postularlas a otros

concursos, a la vez que tratar de implementar las ms factibles

(bajo costo, capacidades actuales suficientes), pues el mundo de

la ingeniera seguir evolucionando con celeridad, el pas seguir

demandando nuevas y mayores competencias, ante las cuales

nuestra Facultad debe responder con liderazgo y as cumplir con

su importante rol en la sociedad.


8/83


MODELADO Y SIMULACIN DE CONTROL DE OXGENO

EN UN BIOPROCESOMODELING AND SIMULATION OF OXYGEN CONTROL IN A BIOPROCESS

John Cardoch*, Gonzalo Faras*, lvaro Daz**, Hctor Vargas*Escuela de Ingeniera Elctrica*, Escuela de Ingeniera Bioqumica**,

Ponticia Universidad Catlica de Valparaso, Av. Brasil 2147, Valparaso CHILE,

[email protected], [email protected], [email protected], [email protected]

RESUMEN: Con el n de estudiar la produccin de alginato porAzo-tobacter vinelandiien un sistema alimentado por un ujo de oxgeno apresin constante (DOT), se ha modelado el proceso como un sistemadinmico no lineal, utilizando ecuaciones de balance de masa.

Para la captacin de datos en lnea se us una tarjeta de adquisicinNI-DAQ USB 6008 y una aplicacin con el programa LabVIEW paraguardar los datos medido de DOT.

La validacin del modelo se realiz mediante la superposicin de losresultados del modelo de simulacin en MATLAB/Simulink con los ob-tenidos experimentalmente.

Una vez validado el modelo se desarroll y dise una estrategia de

control simulado-PI, para mantener la entrada constante de ujo degas (mezcla de oxgeno y nitrgeno), variando la proporcin de ox-geno y nitrgeno.

Palabras Clave:Control automtico, Bioprocesos, presin de oxgenodisuelto.

ABSTRACT: In order to study of alginate production by Azotobactervinelandii in a system fed by ow oxygen at constant tension (DOT), a

nonlinear modeling of the process has been performed by using massbalance equations.

The data uptake in line was done with the use of an acquisition card NI-DAQ USB 6008 and LabVIEW program application to save the mea-sured TODs data.

Model validation was done by superimposing the simulated model re-sults in MATLAB / Simulink and the data obtained experimentally.

Once validated the model a control strategy (PI) was designed anddeveloped, in order to keep constant gas ow input (variable mixture

of oxygen and nitrogen).Key Words:Automatic control, Bioprocess, dissolved oxygen pres-sure.


9/83


1. INTRODUCCIN

La biotecnologa consiste en la aplicacin tecnolgica de siste-mas biolgicos, organismos vivos, o sus derivados para generaro modificar productos o procesos para un uso particular.

Existen diversos tipos, en particular los procesos fermentativosconsisten bsicamente en el cultivo de un microorganismo enun medio lquido, normalmente genticamente modificado,que produce un metabolito de inters. Sin embargo, a pesarde los atributos de la biotecnologa, la operacin del proceso ysu control se vuelven altamente complejos debido al carcterbiolgico del sistema [1].

El proceso se lleva a cabo en un bio-reactor, esto es, un recipien-te o sistema que mantiene un ambiente biolgicamente activo.En trminos generales, un bio-reactor busca mantener ciertascondiciones ambientales propicias (pH, temperatura, concentra-cin de oxgeno, etc.) al organismo o sustancia qumica que secultiva. En funcin de los flujos de entrada y salida, la operacinde un bio-reactor puede ser de tres modos distintos: Lote (batch),Lote alimentado (fed-batch) y Continuo o Quimiostato.

En este caso se trabaja con el cultivo por lotes, el que consiste ensolo una carga inicial de sustrato de alimentacin y de biomasainicial en un volumen constante [2], se emplea una bacteria deltipo aerbico por lo que se debe inyectar oxgeno, esto se realizacon un flujo constante de gas en el cual se vara la proporcinentre oxgeno y nitrgeno.

El microorganismo a cultivar es la Azotobacter vinelandii. Una

bacteria de vida libre, que no parasita a otros organismos, y que

aprovecha el nitrgeno del aire para incorporarlo a su metabo-

lismo, convirtindolo en molculas nitrogenadas que otros orga-nismos, como las plantas, necesitan para crecer. Debido a estas

caractersticas, la bacteria es utilizada frecuentemente como un

biofertilizante. Adems, este microorganismo tiene la capacidad

de producir dos polmeros de inters industrial: elpolister poli--

hidroxibutirato(PHB), y elpolisacrido alginato. Ambos polmeros

presentan un gran potencial en diversas aplicaciones tanto en la

industria de alimentos como en la qumica y farmacutica [2].

El alginato es un polisacrido empleado como espesante,gelificante y estabilizante en la industria textil, farmacutica yalimentaria. La importancia de los alginatos radica en su capa-cidad para modificar las propiedades reolgicas de los sistemasacuosos. La aplicacin del alginato depende en gran medida delas caractersticas moleculares del polmero, siendo su pesomolecular muy determinante de estas [3].

La produccin de alginato por Azotobacter vinelandiies alta-mente dependiente del nivel de oxgeno disuelto del cultivo.

As, para producir alginato con un peso o tamao molecularespecfico, se requiere desarrollar cultivos de Azotobactervinelandiien los cuales la tensin de oxgeno disuelto (TOD)sea constante mientras la bacteria crece y produce el alginato.

Por esta razn, para producir alginatos a la medida se requiereimplementar un sistema de control de la TOD durante el tiempode fermentacin [4].

En la Seccin 2 de este trabajo se muestra la implementacinde un sistema de adquisicin de datos, en el que se captura la

medicin de la TOD, pH, CO2y O2en el bio-reactor.En la Seccin 3 se realiza el modelamiento de un bio-reactor decultivos por lotes, donde se calculan sus parmetros en funcindel cultivo especfico de la bacteriaAzotobacter vinelandii.

En la Seccin 4 se desarrolla la simulacin del modelo obtenido

en MATLAB/Simulink y se comparan las respuestas simuladas

respecto de las obtenidas experimentalmente en el sistema real.

En la Seccin 5 se disea y simula la propuesta de una estrategiade control para regular la tensin de oxgeno disuelto.

Finalmente, en la Seccin 6, se presentan las principales con-clusiones del artculo as como tambin las lneas de trabajo

futuras.

2. SISTEMA DE ADQUISICIN DE DATOS

Con el objetivo de realizar pruebas reales sobre el bio-reactorque es objeto de estudio, se ha desarrollado un sistema de ad-quisicin de datos usando la conocida plataforma de desarrollopara control e instrumentacin LabVIEW [5-7]. A travs de estaaplicacin es posible monitorear la evolucin temporal del sis-tema, permitiendo realizar experimentos y registrar los mismoscon el fin de corroborar los modelos obtenidos y el desempeode los controladores diseados.

DESCRIPCIN DEL PROCESO DE DISEO YDESARROLLO DE LA APLICACIN DE ADQUISICINDE DATOS

Se utiliza un bio-reactor con un cultivo por lotes de la bacteriaAzotobacter Vinelandii, a una temperatura de 30C, pH de 6.7,velocidad de giro de 400 rpm, flujo de aire de 2L/h, volumen delrecipiente de 2L, Biomasa inicial 0.58g/L, Sustrato carbnicoinicial (Sacralosa) 20g/L.

En la Fig. 1 se muestra el esquema tpico de un bio-reactor.

Fig. 1.Esquema Bio-reactor.


10/83


A. Hardware y software utilizado

En la Fig. 2 se muestra un esquema del sistema completo, donde

se aprecian:

a) los sensores que miden las variables principales del proceso

b) la tarjeta de adquisicin utilizada para acceder a estas varia-bles y que estar conectada a un computador que permitir el

monitoreo del proceso

c) la interfaz de usuario final desarrollada en LabVIEW.

Fig. 2. Sistema de Adquisicin de Datos.

Un resumen del hardware utilizado y sus principales caractersticas

se presentan a continuacin:

1) Tarjeta DAQ modelo NI-6008-USB. Tarjeta de adquisicin

de datos de bajo coste de la empresa National Instruments.

Posee 8 entradas analgicas (con 12 bits de resolucin y una

tasa mxima de muestreo de 10 kS/s), 2 salidas analgicas

(12 bits de resolucin y una tasa mxima de muestreo de 150S/s), 12 canales de E/S digitales y un contador de 32 bits.

2) Sensor Dissolved Oxygen Transmitter Model 20-03 de

Broadley-James (para medicin de variable TOD). Los da-

tos de medida son entregados como una seal elctrica de

corriente que est en el rango de los 4mA a 20mA.

3) Sensor de pH TS-ALPHA ph800. Los datos de medida son

entregados como una seal elctrica de corriente que est

en el rango de los 4mA a 20mA.

4) Sensor Series Model 7500 Infrared Gas Analyzer de Teledyne

Analytical Instruments. Los datos de medida son entregados

como una seal elctrica de corriente que est en el rango

de los 4mA a 20mA .

5) Computador con un procesador Intel de la serie i5 de 2.4

Ghz, 4 Gb de RAM y un monitor de 20. Este equipo cuenta

con LabVIEW versin 2013, el cual est licenciado por la

Escuela de Ingeniera de la Pontificia Universidad Catlica

de Valparaso.

La aplicacin desarrollada es capaz de recibir seales de corriente

desde los sensores anteriormente descritos y luego los escala a

sus unidades reales respectivas. Estas variables son finalmente

desplegadas en pantalla mediante controles e indicadores pro-

pios de la plataforma LabVIEW. La aplicacin entrega adems

la posibilidad de guardar registros de datos experimentales en

archivos de texto que luego pueden ser procesados y analizados

para diversos fines.Finalmente, cabe mencionar que se ha considerado un periodo

de muestreo de 1 [Hz], lo cual es suficiente para aplicaciones

con constantes de tiempo de respuesta lentas, como la tratada

en este trabajo.

B. Desarrollo de la aplicacin en LabVIEW

El interfaz de usuario grfica final de la aplicacin se muestra en la

Fig. 3. Su aspecto grfico es sencillo y permite la visualizacin de

la evolucin temporal de las variables principales del sistema.

En su parte superior izquierda se muestra un reloj que indica la

fecha-hora y los parmetros de configuracin bsicos del progra-ma, como son, las entradas analgicas usadas para cada sensor

y la frecuencia de muestreo utilizada.

En la parte inferior izquierda se localiza el botn que abre una

ventana auxiliar que permite guardar registros de datos experimen-

tales. Finalmente, la aplicacin cuenta con botn de parada el cual

etiquetado como STOP que detiene la ejecucin del programa.

Por otra parte, el lado derecho de la interfaz est dividido en cuatro

grficas que despliegan el valor instantneo presente en cada uno

de los sensores. La grfica permite guardar un historial de datos

mximo de 72 horas de experimentacin. En este sentido, a fin

de no saturar el buffer que almacena la informacin histrica de

la evolucin, los datos se almacenan cada un minuto de ejecucinde la aplicacin.

Aun cuando esta interfaz ya contiene los elementos mnimos para

ser utilizada, actualmente sta se encuentra en proceso de mejora

con el objetivo de agregar nuevas funcionalidades que permitan

realizar experimentos con planificacin en el tiempo.

Fig. 3. Panel Frontal Adquisicin de Datos Bio-reactor.


11/83


C. Diagrama de Bloques

La programacin en LabVIEW que rige el funcionamiento dela interfaz grfica de usuario presentada en la seccin anteriorinvolucra bsicamente tres etapas de desarrollo. La primeraconsiste en la creacin e inicializacin de los cuatro canales de

medicin (uno para cada sensor) y la temporizacin del mues-treo. Adicionalmente, se define el uso del reloj del computadorcomo fuente de reloj, ya que la DAQ a utilizar no cuenta conreloj interno para realizar esta tarea (Fig. 4).

Estos bloques realizan la transformacin del valor obtenido enformato de corriente elctrica a su unidad real correspondiente.Por otro lado, el bucle WHILE tambin contiene la programacinnecesaria para el registro de datos experimentales, el que utilizalas iteraciones del bucle para almacenar el valor de los sensores

cada 60 segundos, siempre y cuando el usuario seleccione laopcin de guardado.

La tercera etapa y final del ciclo cierra la comunicacin con latarjeta de adquisicin al presionar el botn de STOP o al ocurrirun error imprevisto durante el ciclo de adquisicin. La Fig. 5muestra la programacin de las etapas 2 y 3.

Fig. 4.1era etapa del Diagrama de Bloques.


12/83


Fig. 5. 2da y 3ra etapa Diagrama de Bloques.


13/83


3. MODELAMIENTO BIO-REACTOR CULTIVO POR LOTES

Un sistema de cultivo por lotes no posee alimentacin ni extrac-cin; se carga el contenido del bio-reactor (tanda o lote) conel medio de cultivo y luego se inocula con el cultivo (clulas omicroorganismos) y se deja crecer hasta obtener el producto

(biomasa o metabolito).

A.Modelo MatemticoLa dinmica de las principales variables (biomasa, sustrato yTOD) del proceso se obtiene realizando un balance de masas,las ecuaciones se presentan a continuacin:

1) Velocidad de crecimiento Biomasa:

(1)

Donde, es la velocidad especfica de crecimiento,es la velocidad especfica de crecimiento mxima, Ses el

sustrato limitante (por ej. Fuente de carbono) y es laconstante de saturacin [8] y [11].

2) Tasa de crecimiento Biomasa:

(2)

DondeXes la biomasa.

3) Tasa de consumo Sustrato:

(3)

Donde Ses el sustrato y es el rendimiento del sustratopara la biomasa.

4) Tasa de consumo de la TOD:

(4)

Donde, es el oxgeno disuelto, es el oxgeno enequilibrio, a es el coeficiente volumtrico de transferenciade oxgeno (viene dada por la velocidad de giro, tamao de lasburbujas de oxgeno, densidad del lquido entre otros) y es

el rendimiento del oxgeno en la biomasa [8-12].El modelado del flujo de aire a porcentaje de los elementos de lamezcla (oxgeno y nitrgeno) se realiza por medio una relacinlineal, donde se toma que el 20.9% de la mezcla correspondeal oxgeno y el resto al nitrgeno.

Para pasar de % de oxgeno a oxgeno disuelto tambin serealiza una relacin lineal donde el 0% corresponde a 0 ppm yel 100% a 7.58 ppm y sabemos que ppm es igual a mg/L.

A.Obtencin parmetros del modelo

La constante de saturacin ( y el rendimiento de oxgeno( fueron obtenidos de trabajos publicados [4, 10], para elrendimiento de oxgeno se tiene un rango y la determinacin delvalor se realiz empricamente en la simulacin.

La velocidad de crecimiento mxima se obtiene de la curvaexperimental mostrada en la Fig. 6 que corresponde a la evo-lucin de la Biomasa.

El rendimiento del sustrato se obtiene con la frmula mostradaen la ecuacin (5).

(5)

Donde, y son laconcentracin final e inicial de Biomasa respectivamente,los valores se desprenden de la Fig. 6.

y corresponde al sustrato inicial y finalrespectivamente, sus valores se desprenden de la configuracindel medio de cultivo.

Fig. 6. Curva experimental del crecimiento de la biomasa para laobtencin de la velocidad de crecimiento mxima, = 0.0523

(1/h).

El coeficiente volumtrico de transferencia de oxgeno ase

determina experimentalmente usando el mtodo de Gassing-Out [4]. El cual requiere que el bio-reactor no contenga anel microorganismo. El procedimiento consiste en saturar deoxgeno el bio-reactor, para posteriormente inyectar solonitrgeno. Con ello se consigue variar la TOD desde 100 al0%, como se representa en la Fig. 7.

En este caso, luego de varias experiencias se escoge la bajadade TOD en el intervalo de 37 a 43 minutos, al cual se le aplica


14/83


la ecuacin 6 para obtener el valor de a. Como se puedeobservar en la Fig. 8, el coeficiente representa la pendiente dela recta.

(6)

Fig. 7.Curva de calibracin de la TOD, se inyecta aire hastatener el 100% de saturacin luego se corta el suministro de aire

y se inyecta nitrgeno.

Fig. 8. Curva de obtencin a.

Finalmente en la Tabla 1 se muestran los valores de los pa-rmetros del modelo para el cultivo por lotes de la bacteriaAzotobacter vinelandii.

Tabla 1. Parmetros azotobacter Vinelandii.

Smbolo Valor

0.0523 1/h

20g/L

0.02gS/L

0.355gdw/gS

a 60 1/h0.7gdw/mgO

2

Xo 0.58g/L7.58mg/L

4. SIMULACIN Y VALIDACIN DEL MODELO

La simulacin del modelo se realiza en el entorno de simulacinMATLAB/Simulink. La Fig. 9 muestra el diagrama de bloquesdel proceso completo.

Fig. 9. Diagrama modelo del proceso en Simulink.

En la Fig. 10 se observa el modelo del bio-reactor, mientras queen la Fig. 11 se puede observar el submodelo para el sustrato,biomasa y velocidad de crecimiento.

Fig. 10.Diagrama modelo del bio-reactor.


15/83


Fig. 11.Modelo Biomasa, sustrato y velocidad de crecimiento.

La Fig. 12 muetra el submodelo de la TOD (bloque oxigenodi-suelto_lotede la Fig. 5).

Fig. 12. Modelo de la TOD.

En la Fig. 13 se muestra el resultado de la simulacin y los valores delas variables principales del proceso.

Fig. 13. Grfica simulacin modelo Bio-reactor.

La validacin del modelo se puede observar comparando lascurvas de las variables TOD y biomasa reales versus las pro-porcionadas por la simulacin del modelo.

La Fig. 14 muestra la comparacin de la variable TOD, en ellase aprecia que la bajada de la simulacin es ms lenta que lareal, ya que el tiempo en llegar a cero para el caso simuladoes de 46 (h) mientras que la variable medida en el experimentoreal alcanza el valor de cero en solo 4 (h). Esta diferencia es

comnmente observada en la literatura debido al modelo simpli-ficado que se est utilizando. Respecto a la subida se observaque la dinmica tanto en la TOD medida como en la simuladaes muy similar.

Fig. 14. Validacin modelo de la TOD.

La Fig. 15 muestra la comparacin para la Biomasa. En ella seaprecia que se logra el estado estacionario en el mismo instante48 (h) y que la dinmica es bastante parecida. Se debe men-cionar que la toma de datos de la Biomasa se realiz fuera delnea en los instantes indicados en la Fig. 6.

Fig. 15.Validacin Biomasa.


16/83


5. ESTRATEGIA DE CONTROL

Para realizar el control de la tensin de oxgeno disuelto (TOD)en el modelo del bio-reactor, se propone una estrategia decontrol clsico, como es el controlador proporcional integral (PI)[13]. En la ecuacin 6 se muestra la funcin de transferencia

del controlador utilizado.

(6)

Donde, C(s)es la seal de control, es la constanteproporcional y es el tiempo de integracin [14], parmetrosque son sintonizados de forma emprica (Tabla 2).

Tabla 2.Parmetros sintonizacin PI.

Constante Valor

50

10

Los valores de las variables principales del sistema simuladose pueden observar en la Fig. 16, donde se muestra la grficade las variables principales.

Fig. 16. Grfica simulacin Bio-reactor con lazo de control PI.

En la Fig. 17 se muestra la grfica de la TOD, en ella se apreciaque el sistema logra seguir el set-point de 3%.

Fig. 17. Grfica de la TOD simulada con lazo de control PI.

En la Fig. 18 se presenta la grfica del flujo de oxgeno y nitr-geno, donde se observa que el flujo de la mezcla est fijo en2(L/h) y solo vara la proporcin de los gases.

Fig. 18.Grfica de los Flujos del Bio-reactor simulado con lazode control PI.

El diagrama de bloques del sistema de control del modelo del

bio-reactor se presenta en la Fig. 19.


17/83


6. CONCLUSIONES

La identificacin de sistemas nos proporciona una herramientade gran utilidad y versatilidad para realizar el modelamiento deun sistema biolgico. A partir de un modelo matemtico sencilloajustado a los parmetros propios del bio-reactor es posiblerealizar una simulacin muy cercana al comportamiento real.

El modelo tambin se puede utilizar para definir una estrategiade control apropiada para las variables manipulables, como latensin de oxgeno disuelto en este caso. La simulacin delmodelo en lazo cerrado permite en primer lugar realizar unestudio del comportamiento del sistema en un tiempo muchomenor que el que tomara realizar experiencias de control con elsistema real (72 horas). Evidentemente el costo monetario, dela puesta en funcionamiento del bio-reactor en modo simulacin

es inexistente.

Respecto al controlador propuesto en modo simulacin, po-demos comprobar que con la estrategia PI se logra controlarel sistema y obtener el resultado esperado de forma sencilla,cumpliendo con el objetivo de disear un controlador que cum-pla con las caractersticas requeridas de mantener la tensinde oxgeno disuelto, adems es un controlador bien conocido yusado en el mbito acadmico e industrial.

El sistema de instrumentacin se implement con xito mediantelos elementos seleccionados. La tarjeta de adquisicin de datostiene dos salidas anlogas, las cuales se pueden utilizar parael control de las vlvulas que inyectarn el nitrgeno y oxgenoal bio-reactor en una implementacin futura, sin necesidad deagregar mayor componentes que las vlvulas controladas porcorriente o tensin continua.

Quedan entonces propuestos, como trabajos futuros, la imple-mentacin del control en la planta real, el modelamiento del bio-reactor con el oxgeno como sustrato limitante, as como tambinel estudio de otras estrategias de control avanzado, como porejemplo el control predictivo basado en modelos.

Fig. 19. Diagrama de bloques del proceso con lazo de control PI.

REFERENCIAS

[1] Diaz-Barrera, A., and E. Soto. Biotechnological uses ofAzotobacter vinelandii: Current state limits and prospects.Afr J Biotechnol9, no. 33 (2010): 5240-5250.

[2] Cuesta, A., Monsalve-Gil, J., Mesa, M., Zapata, A., Trujillo,M. Estrategias de cultivo en la produccin de alginatos por

Azotobacter vinelandii. Pub. Interna (2005). UniversidadNacional de Colombia. Bogot, Colombia.

[3] C. F. Pea, A. Garca, La belleza de una bacteria, el casodeAzotobacter vinelandii, Hypatia, no. 42 (2012).

[4] Daz-Barrera, A., C. Pea, and E. Galindo. The oxygentransfer rate influences the molecular mass of the alginateproduced by Azotobacter vinelandii.Applied microbiologyand biotechnology76, no. 4 (2007): 903-910.

[5] http://sine.ni.com/nips/cds/view/p/lang/es/nid/202291

[6] http://www.ni.com/pdf/products/us/20056083301101d.pdf

[7] http://www.ni.com/labview/

[8] Gomez, E., V. E. Santos, A. Alcon, and F. Garcia-Ochoa.Oxygen transport rate on Rhodococcus erythropoliscultures: Effect on growth and BDS capability. Chemicalengineering science61, no. 14 (2006): 4595-4604.

[9] Garcia-Ochoa, Felix, Emilio Gomez, Victoria E. Santos,and Jose C. Merchuk. Oxygen uptake rate in microbial

processes: an overview. Biochemical Engineering Journal49, no. 3 (2010): 289-307.

[10] Daz-Barrera, A., C. Pea, and E. Galindo. The oxygentransfer rate influences the molecular mass of the alginateproduced by Azotobacter vinelandii.Applied microbiologyand biotechnology76, no. 4 (2007): 903-910.


18/83


[11] M. Crcamo, P. Saa, J. Torres, S. Torres, P. Mandujano,R. Prez y E. Agosin, Estrategia de Control de OxgenoDisuelto en un Cultivo de Alta Densidad Celular. Congre-so Chileno de Control Automtico (ACCA2012), 12-16 deNoviembre de 2012, Santiago, Chile.

[12] Faccin, D.L.J., R. Rech, A.R. Secchi, N.S.M. Cardozo,M.A.Z. Ayub. Influence of oxygen transfer rate on the accu-mulation of poly(3-hydroxybutyrate) by Bacillus megaterium,Process Biochemistry 48, no. 3 (2013): 420-425.

[13] Dorf, R.; Bishop, R. Modern Control Systems, 10th ed.;Prentice Hall: Upper Saddle River, NJ, USA (2004).

[14] H. Vargas, G. Faras, G. Rodrguez, Modelado, control ysimulacin interactiva de un sistema de tanques acoplados,Congreso Chileno de Control Automtico (ACCA2012), 12-16 de Noviembre de 2012, Santiago, Chile.

J. Cardoch received the degree inengineering electronic science fromthe Pontificia Universidad Catlica deValparaso (PUCV), Valparaso, Chile,in 2013.

He is currently a student of Master inengineering sciences mention electricalengineering in the PUCV.

G. Fariasreceived the degree in com-puter science from the De la FronteraUniversity, Temuco, Chile, in 2001and the Ph.D. degree in automatic

and engineering systems from theNational University from Distance Edu-cation (UNED), Madrid, Spain, in 2010.Since 2012, collaborates with the Elec-trical Engineering School at PontificiaUniversidad Catlica de Valparaiso(PUCV), Valparaiso, Chile.

His current research interests include simulation and control ofdynamic systems, engineering education and pattern recogni-tion.

A. Dazreceived the degree in bioche-mical from the Pontificia UniversidadCatlica de Valparaso, Valparaso,Chile, in 1995 and the Ph.D. degree inbiochemical sciences from the Univer-

sidad Nacional Autnoma de Mxico(UNAM), Mxico, in 2007.

Since 2008, collaborates with theBiochemical Engineering School at

Pontificia Universidad Catlica de Valparaso (PUCV), Valpara-so, Chile. His current research interests include biotechnologyindustrial, biopolymers production, and bioprocess design.

H. Vargasreceived the degree in elec-tronic engineering from the De la Fron-tera University, Temuco, Chile, in 2001and the Ph.D. degree in automatic andengineering systems from the NationalUniversity from Distance Education(UNED), Madrid, Spain, in 2010.

Since 2011, collaborates with the Elec-trical Engineering School at Pontificia

Universidad Catlica de Valparaiso (PUCV), Valparaiso, Chile.

His current research interests include simulation and controlof dynamic systems, engineering education and multiagentsystems.


19/83



20/83


RESUMEN: El presente trabajo describe un modelo multi-agente pararesolver problemas de restitucin de servicio en redes de distribucin.El modelo considera dos niveles jerrquicos compuestos por agentesdispositivo (DA) y agentes de control (CA). Los primeros son compo-nentes distribuidos que representan equipos genricos de adquisicinde datos mientras que los segundos realizan las acciones de restau-racin usando el estado de la informacin generada por los agentesdispositivo.

El Sistema se completa con un agente adicional el cual ejecuta con-temporneamente las funciones de coordinacin de tareas y represen-tacin grca del estatus de la red. El mecanismo de restauracin fue

simulado con el software JADE el cual es basado en plataforma Java yque sirve para simplicar la implementacin de sistemas multiagentesde acuerdo a los estndares de comunicacin de agentes FIPA.

Las simulaciones desarrolladas demostraron la capacidad del modelopara restaurar rpidamente los sistemas frente a fallas analizando dosescenarios de fallas en redes de distribucin consideradas.

Palabras Clave: Redes de distribucin, restauracin del servicio, sis-temas multiagentes, redes inteligentes.

RESTAURACIN DE SERVICIO EN REDES DE DISTRIBUCIN MEDIANTE

SISTEMAS MULTIAGENTENEW MULTIAGENT MODEL TO SOLVE THE SERVICE RESTORATION PROBLEM IN DISTRIBUTION NETWORKS

Jos Muoz*, Hctor Vargas, Jorge Mendoza and Gonzalo FarasEscuela de Ingeniera Civil Electrnica, Ponticia Universidad Catlica de Valparaso, Chile, Av. Brasil 2147, 2362804 Valparaso, Chile.

*[email protected]

ABSTRACT: This paper presents a new multiagent model to solve theservice restoration problem in distribution networks. The proposed mo-del consists of a two- agents level hierarchy which is composed by twotypes of agent: device agents (DA) and controller agents (CA). Deviceagents are distributed components that represent a generic eld de-vice performing data acquisition tasks. On the other hand, controlleragents perform restoration actions using the network state informationacquired from device agents and cooperating with other neighboringcontroller agents. An additional agent for both coordination tasks andgraphical rendering of the network status is used.

The restoration mechanism was simulated using the JADE framework,a Java basedplatform that simplies the implementation of multiagente

systems through a middle-ware that complies with the FIPA specica-tions.

Simulation results show the ability of the model to quickly restore thesystem under fault events analyzing two fault scenarios on a testingdistribution network.

Key words:Distribution networks, service restoration, multi-agent sys-tems, smart grid.


21/83


1. INTRODUCCIN

Las primeras redes elctricas fueron diseadas con el propsi-to principal de transportar la energa hacia los distintos puntosde consumo. A medida que la demanda fue creciendo, la es-tructura de estas aument considerablemente, lo que a su vez

increment en gran medida la dificultad para su administracindebido a problemas que empezaron a ser cada da ms noto-rios en ellas.

Uno de los problemas presentes en las redes elctricas de dis-tribucin ocurre cuando una falla detiene el suministro normalde las cargas conectadas a la red. Esto, por un lado, afectala confiabilidad de la red [1]; mientras que por otro lado, lasempresas distribuidoras dejan de vender energa por el tiempode la interrupcin, lo cual se traduce en prdidas econmicas.Por esto ltimo, es imperativo que el tiempo en que las cargasquedan des-energizadas sea mnimo.

El proceso de Restauracin de Servicio busca retornar el sumi-nistro elctrico a las cargas afectadas por una falla, mediantela bsqueda de un camino alternativo que las vuelva a conectaral sistema, aprovechando las caractersticas topolgicas de lasactuales redes.

Las redes elctricas de distribucin poseen una estructura en-mallada por lo que, en algunas ocasiones, es posible llegar conenerga elctrica a un determinado punto por distintas vas; sinembargo, en funcionamiento normal, estas operan de maneraradial para as facilitar el control del sistema. Esta caractersticaha sido aprovechada para optimizar el funcionamiento de la red,estudiando distintos parmetros en ella [2,3].

Para llevar a cabo el proceso, al momento de ocurrir una falla,el sistema debe detectar la falla y, luego, aislarla de la red. Pos-teriormente, se busca si existen rutas alternativas que puedanreanudar el servicio a las cargas que han quedado sin energaelctrica. En este punto, como mnimo, se debe considerar si losalimentadores del sistema estn preparados para soportar unaumento en la demanda, y si los conductores son capaces detransportar esa energa. Encontrada la solucin, se realizan lasoperaciones para restablecer el servicio a las cargas afectadasy se mantiene este estado hasta que la falla es reparada, conlo cual se vuelve al estado inicial de la red.

En la ltima dcada, se ha buscado proporcionar un mayor gradode inteligencia y autonoma a las redes elctricas, dando pasoal concepto Smart Grid (Redes Inteligentes) [4]. Bajo este con-cepto, distintos estudios se han propuesto para dar solucionesinteligentes y sin intervencin humana a variadas problemticas.Centrando la discusin en el problema de la restauracin deservicio, varios enfoques se han propuesto segn la adminis-tracin de la red, la que puede ser de tipo centralizada, es decir,acumulando la informacin en un punto de la red, el cual toma ladecisin en base a esta; o de forma descentralizada, dividiendo

la red en zonas donde existe una concentracin de informacina nivel local, dentro de una vecindad considerablemente menoral sistema completo.

Ya sea desde un punto de vista centralizado o descentralizado,la restauracin de servicio ha sido abordada utilizando distin-

tas metodologas y herramientas que pueden ser clasificadasen cinco categoras: Heurstica [5], Sistemas Expertos [6,7],Programacin Matemtica [8], Soft Computing[9] y EnfoquesMultiagentes [10-13]; en donde estos ltimos son el centro deatencin del modelo propuesto en este trabajo.

Los Sistemas Multiagente estn compuestos por mltiples uni-dades de software llamadas agentes. Un agente de softwarebsicamente es un programa computacional diseado para llevara cabo una determinada tarea, y que en conjunto con sus pares,es capaz de solucionar o abordar un objetivo general, que en elcaso de la restauracin de servicio, ser maximizar el nmerode cargas servidas dentro del rea de un apagn.

El presente artculo se organiza de la siguiente manera: la sec-cin II expone las caractersticas del sistema a desarrollar y laspropiedades de cada agente en el modelo. La siguiente seccincomenta la implementacin del sistema multiagente dentro dela plataforma. La seccin IV describe los escenarios de pruebasimulados y los resultados obtenidos. Finalmente, se presentanlas conclusiones del trabajo realizado y las proyecciones parala continuacin del estudio.

2. ARQUITECTURA MULTI-AGENTE PROPUESTA

La arquitectura propuesta para realizar el proceso de restaura-cin de servicio se observa en la Fig. 1.

En ella se pueden apreciar dos tipos de agentes, con tareasorientadas a la solucin del problema de restauracin: el AgenteDispositivo (DA) y el Agente Controlador (CA); a su vez, tam-bin existe un tercer agente, el Agente GUI (GuiA), que cumplelabores de presentacin de resultados, mostrando el estado dela red y lo que va ocurriendo en ella a lo largo del tiempo. Lasfunciones de estos agentes son explicadas a continuacin enbase a diagrama de Fig.1.

Fig. 1.Arquitectura de agentes propuesta para resolver elproblema de la restauracin de servicio.


22/83


A. Agente Dispositivo (DA)

El agente DA es el componente base de la arquitectura pro-puesta para realizar el proceso de restauracin de servicio. Esteagente es el ms cercano a la red elctrica fsica, ya que es unelemento de campo que puede adoptar tres perfiles distintos

segn el dispositivo que controle: un elemento de conmutacin(switch), una carga (load), o una barra (bus). Un agente DAque controla un interruptor o seccionador tiene la capacidad deconocer el estado actual de dicho dispositivo, adems de sercapaz de maniobrarlo cuando sea necesario. Al supervisar unacarga, puede conocer el consumo y estado de esta; ademses capaz de desconectarla de la red si la situacin lo amerita.En el caso de estar configurado para controlar una barra, sele atribuyen la supervisin y el control de los dos elementosanteriormente descritos.

Cada agente DA al ser puesto en marcha, solicita al usuariolos parmetros de configuracin iniciales, como el nombre del

agente que controla el rea de influencia donde se encuentraemplazado dentro de la red elctrica, el tipo de elemento quecontrola, y el nmero asignado al dispositivo (ver Fig. 2).

B. Agente Controlador (CA)

El agente CA est ubicado en el nivel superior del sistemajerrquico propuesto en este modelo. Cada agente de este tipotiene a cargo una seccin de la red llamadarea de Influencia,en donde se encuentran todos los agentes DA que estn bajosu supervisin y que conforma una micro-red.

Fig. 2. Ventana de configuracin inicial de un Agente DA.

La inteligencia de toda la red se encuentra en este agente, yaque por una parte incorpora las estrategias matemticas pararealizar la restauracin, tanto parcial o completa; y por otra,contiene los parmetros para establecer conversaciones conlos dems agentes y solicitarles informacin o ayuda cuando

sea necesario. Este agente est diseado con el objetivo demaximizar la cantidad de cargas restauradas en el rea afectadapor un evento de falla. Para ello, en (1) se muestra la funcinobjetivo a optimizar para el modelo propuesto.

(1)

Donde Licorresponde a la carga de la barra i;w

ies el factor de

prioridad o peso asignado a la carga de la barra i;yies la va-

riable de decisin de la funcin objetivo, la que puede adoptardos valores (1 para indicar que la carga ser restaurada y 0 encaso contrario); y Ndenota el conjunto de cargas en la zona delapagn. La funcin objetivo adems se encuentra sujeta a lassiguientes restricciones.

Capacidad de transmisin de cada lnea.

(2)

Donde ikindica la corriente que circula por la lnea k; e i

max-ico-

rresponde a la mxima corriente que puede soportar la lnea.

Balance de potencia en nodos de la red.

(3)

donde, del conjunto Ede lneas incidentes, Pjcorresponde a

la potencia entrante en el bus j;mientras que, del conjunto Sde lneas salientes, P

jequivale a la potencia transmitida aguas

abajo por el busj;pies la prioridad de la carga i,Lies la potenciaconsumida por la carga i, e ykes la variable de decisin de la

carga i, de dicho bus.

Radialidad de la red.

(4)

donde, del universo Tde ramas conectadas a una determinadabarra, el nmero de lneas N

ktransmitiendo energa hacia dicho

bus debe ser menor o igual a 1.

C. Agente GUI (GuiA)

El Agente GUI (Interfaz Grfica de Usuario) es nico en la red, yest diseado para cumplir tareas orientadas a la recopilacin dedatos del estado del sistema, para luego usar esa informacin ydesplegar una ventana representativa de la red, mostrando loscambios que en ella van ocurriendo. Todo esto lo logra graciasa los informes que recibe por parte de los agentes CA de la red,los que reportan los cambios del rea de influencia que cadauno de ellos controla.


23/83


3. IMPLEMENTACIN DEL SISTEMA MULTI-AGENTE

La implementacin del sistema se realiza de acuerdo al diagra-ma de flujo de la Fig. 3. En ella se observa que los agentesse encuentran en vigilancia constante de los cambios que sepuedan producir en la red, principalmente eventos de falla, a fin

de tomar acciones de recuperacin.

Fig. 3.Funcionamiento general del sistema propuesto.

El diseo de cada uno de los agentes propuestos se realizamediante programacin en lenguaje Java. Para que ellos poseanlas caractersticas propias de un agente, se hace uso de laslibreras proporcionadas por la herramienta de software JADE.La plataforma de desarrollo de agentes JADE es un softwareque permite realizar la ejecucin de sistemas multiagente, obser-vando su funcionamiento y ofreciendo herramientas interacciny depuracin del sistema.

Una de las herramientas de JADE utilizada para conocer la co-municacin entre agentes es el Sniffer. El Sniffer es un agenteinterno de la plataforma que muestra, mediante flechas, losmensajes que son intercambiados por los distintos agentes,permitiendo observar el contenido de cada uno de ellos. En laFig. 4 se observan los mensajes entre los agentes ejecutadosen JADE para la simulacin del sistema propuesto.

Otra de las herramientas internas que posee la plataforma esel Directorio Facilitador o tambin llamado Pginas Amarillas.En este directorio, los agentes pueden registrar servicios paraser consultados por agentes vecinos. Por ejemplo, en el casodel problema abordado, cuando existe energa extra en los

alimentadores, los agentes CA encargados publican en laspginas amarillas esta situacin, y as estos consiguen sercontactados para cooperar en caso de falla. Los agentes soncapaces publicar y quitar servicios desde el directorio las vecesque sea necesario.

La comunicacin de los agentes de este modelo est sujeta a lainteraccin propuesta por los estndares FIPA. La Foundationfor Intelligent Physical Agents (FIPA) es un organismo para el

desarrollo y establecimiento de estndares de comunicacinrelacionado con agentes de software. Seguir estas recomen-daciones permite asegurar mnimas condiciones para la intero-perabilidad entre sistemas de agentes.

Fig. 4. Intercambio de mensajes del sistema multiagentediseado para simular restauracin de servicio en JADE.

La estructura de cada mensaje emitido por un agente estregida por el lenguaje FIPA-ACL. Un mensaje enviado bajoeste estndar contiene una serie de campos donde se permiteestablecer el emisor y receptor, la intencin de la comunicacinmediante distintas etiquetas, el contenido de la comunicacin, elprotocolo de comunicacin, entre otros. Los agentes diseadosbajo las libreras de JADE permiten crear mensajes bajo estaestructura.

Otro punto considerado en el diseo de los agentes son losprotocolos de interaccin entre agentes recomendados porFIPA. Estos protocolos determinan la estructura de intercambiode mensajes entre los agentes, indicando el tipo de mensaje aemitir dependiendo del contexto de la conversacin. En estemodelo se utilizan tres protocolos de interaccin segn lascondiciones por la que est pasando la red. Para establecer elcompromiso entre los distintos CA de la red con el agente GuiApara actualizar la informacin del sistema se utiliza el protocolode interaccin FIPA Subscribe; para solicitar propuestas u ofre-cimiento de energa extra en los alimentadores al momento deocurrir una falla, la comunicacin se lleva a cabo por medio delprotocolo de interaccin FIPA Contract-Net; mientras que al so-licitar acciones directas entre agentes CA, como en el caso de

solicitar la apertura entre lneas cuando la falla ha sido reparada,se hace empleando del protocolo de interaccin FIPA Request.Ms informacin acerca de los estndares de comunicacin deagentes FIPA se puede encontrar en [14].

4. SIMULACIN Y RESULTADOS

Para validar el modelo propuesto, se han analizado dos escena-rios de prueba. Para efectos de las simulaciones, cada agente


24/83


DA ejecutado en la plataforma se configura en modo barra,supervisando tanto la carga directamente conectada a la barray el interruptor ms cercano a ella.

La red de prueba utilizada para realizar la simulacin se observaen la Fig. 5. Esta red cuenta con 24 barras o buses, en donde

cada uno de ellos posee una carga conectada; 24 interruptores;11 seccionadores que permiten la interconexin entre lneas;y 6 alimentadores. Cada uno de los alimentadores tiene unadisponibilidad para proveer de 400 unidades de potencia a lascargas conectadas a l.

Fig. 5. Red elctrica de prueba.

D. Primer Escenario: Falla nica

El objetivo de este escenario es mostrar cmo acta el modelopropuesto frente a una nica falla en el sistema. Se ejecutarnen la plataforma 12 agentes DA (todos con la misma prioridaddentro de la red); 3 agentes CA, quedando cada uno de ellosa cargo de 4 agentes DA; 11 agentes DA para la interconexinde lneas; y tambin, para observar la red y sus cambios, elagente GUI.

Cabe sealar que en esta primera prueba slo se utiliza la mitadizquierda de la red de prueba, para facilitar la comprensin delas operaciones del modelo.

La Tabla 1 muestra la configuracin inicial de cargas para estaprimera simulacin, en donde, tomando como referencia la Fig.5, el primer DA de la lnea es el agente que se encuentra mscercano al alimentador (por ejemplo, DA1 es el primer DA de la

zona del alimentador 1 que es gestionado por CA1), mientrasque el cuarto corresponde al agente ms lejano al alimentador(DA4, siguiendo el ejemplo).

Tabla 1.Consumo de Cargas en el Primer escenario de Prueba

CA1 CA2 CA3

Consumo primer DA* 100 45 90Consumo segundo DA* 70 65 70Consumo tercer DA* 30 45 50

Consumo cuarto DA* 90 35 30

Potencia mxima del alimentador 400 400 400

Potencia extra del alimentador 110 210 160

*Respecto a la cercana del agente DA con el agente CA que locontrola.

1) Deteccin, Notifcacin y Aislacin de la Falla.

La falla es simulada dentro de la zona de operacin del agenteDA10 (aguas abajo del interruptor S10), abrindose la lneadesde ese punto. Esta falla deja sin alimentar a las cargas L10,L11 y L12. Los agentes DA que se encuentran en la zona de

apagn proceden a desconectar las cargas del sistema comomedida de seguridad y se comienza a notificar la falla al agenteCA3, quien est a cargo de la zona afectada. CA3 establece laposicin de la falla, y de acuerdo a los datos que ha recopiladodetermina cuales son los interruptores ms prximos a la falla,ordenando as que estos sean abiertos para aislar el problemade la red y dar paso a la restauracin.

Fig. 6.Intercambio de mensajes entre agentes al ocurrir una fallaen la red de pruebas.

La Fig. 6 muestra, mediante la herramienta Sniffer de la plata-forma JADE, el proceso de intercambio de mensajes entre losagentes DA y el agente CA encargado al ocurrir la falla en lared elctrica. Este proceso siempre ocurre de la misma manera,

preparando la red para el proceso de restauracin.-

2) Proceso de Negociacin

El proceso de restauracin comienza determinando la energanecesaria para realizar una restauracin de cargas completa.En este primer escenario, la cantidad necesaria para ello esde 80 unidades (el consumo de L10 no es tomado en cuentaya que se encuentra en una zona aislada de la red). El agente


25/83


CA3 enva mensajes a todos los agentes vecinos que poseenenerga extra en sus alimentadores, solicitndoles que indiquenel valor disponible para asistir a las cargas que han quedadodesenergizadas. Los agentes CA1 y CA2 responden indicandolas 110 y 210 unidades extras, respectivamente, que poseen

para la restauracin. Al recibir las respuestas, CA3 observa queambas propuestas dan la opcin de realizar una restauracincompleta de cargas. En esta situacin, el agente siempre de-termina la opcin que le proporcione una mayor oferta, que eneste caso es la propuesta de CA2.

Para aceptar la asistencia ofrecida por CA2, el agente CA3procede a enviar mensajes a todos los participantes de la ne-gociacin. A quienes su propuesta es ignorada, se les enva unmensaje de rechazo, mientras que al participante que es selec-cionado para ser incluido en el proceso se le enva un mensajeindicndole los pasos a seguir, adems de los nombres de losagentes que controlan las cargas que alimentar.

El agente CA2, al recibir una respuesta afirmativa a la propuesta que

previamente realiz, ordena al agente encargado de interconectar

las lneas establecer el puente entre ambas zonas y as traspasar

la energa solicitada. Al mismo tiempo, CA2 enva mensajes a DA11

y DA12 para que ellos le informen su estado actual mientras la falla

contine sin ser reparada, con el objetivo de evitar una sobrecarga en

el alimentador si se diera el caso de que el consumo de las cargas

aumente y se acerque a un lmite peligroso.

En este punto, se destaca que la prioridad de cualquier agenteCA, para el modelo propuesto, son las demandas de su propiarea de influencia; infiriendo as que, en caso de que la demandade las cargas inicialmente conectadas a l comenzara a elevar-se de manera significativa, este agente ordenar terminar la

asistencia otorgada y mantener energa disponible en su propiazona. Si esto llega a ocurrir, se iniciar un nuevo proceso derestauracin que posiblemente concluya con un nuevo acuerdocon otro agente vecino.

Confirmadas las operaciones, el agente informa al iniciador delproceso que el enlace entre ambas lneas ha sido exitoso y yaes posible volver a conectar las cargas al sistema.

El proceso descrito anteriormente puede ser observado en la Fig.7, mediante el intercambio de mensajes entre los participantesinvolucrados en este escenario de prueba.

Fig. 7.Proceso de negociacin entre agentes para llevar a cabola restauracin de servicio.

Para restaurar el servicio, el agente CA3 ordena a los agen-tes DA11 y DA12 que vuelvan a conectar las cargas a la red.Finalmente, slo la carga L10 queda sin energa, a la esperade que la falla sea reparada. Cuando esto ocurre, se solicita alagente CA2 desconectar las lneas. Realizada la maniobra, se

ordena reconectar la lnea con la configuracin inicial de la redy el sistema queda trabajando como lo haca en un comienzo,esperando cualquier nuevo evento.

E. Segundo Escenario: Doble falla

En este segundo escenario de prueba, se utiliza la estructurade la red elctrica completa. En la plataforma JADE se ejecutan24 agentes DA que poseen distinta prioridad dentro de la red;6 agentes CA con 4 agentes DA a cargo cada uno; 11 agentesDA para los interconectadores; y el agente GUI.

La Tabla 2 muestra los datos uti lizados para la simulacin de esteescenario, mientras que la Tabla 3 posee los niveles de prioridad

usados para cada una de las cargas en el sistema.

Tabla 2.Consumo de Cargas para el Segundo Escenario.

CA1 CA2 CA3 CA4 CA5 CA6

Consumo primer DA* 100 40 30 60 60 50

Consumo segundo DA* 50 80 80 100 100 90

Consumo tercer DA* 70 90 70 50 90 40

Consumo cuarto DA* 90 20 80 60 70 100

Potencia maxima delalimentador

400 400 400 400 400 400

Potencia extra delalimentador

90 170 140 130 80 100

*Respecto a la cercana con el alimentador

Tabla 3. Prioridad de Cargas en el Segundo Escenario.

CA1 CA2 CA3 CA4 CA5 CA6

Prioridad primer DA* 1 2 2 2 3 2

Prioridad segundoDA*

3 3 3 3 1 3

Prioridad tercer DA* 2 2 1 1 2 1

Prioridad cuarto DA* 1 1 2 3 1 3

*Respecto a la cercana con el alimentador

1) Deteccin, Notifcacin y Aislacin de la Primera Falla.

La primera falla ocurre en la proximidad del interruptor S2(aguas abajo), con lo cual este elemento abre la lnea, dejandolas cargas L2, L3, y L4 sin energa. Tal como se describe enel escenario anterior, se desconectan las cargas del sistema ysegn las notificaciones de falla de los agentes involucrados,el encargado de la zona afectada (CA1) procede a establecerla posicin fsica de la falla y los interruptores cercanos a ellapara aislarla. Realizada esta primera etapa, comienza el pro-


26/83


ceso de negociacin para restaurar la energa a las cargasdesenergizadas.

2) Proceso de Negociacin para Primera Falla

El agente CA1 procede a realizar una solicitud a los demsagentes CA para preguntarles la cantidad de energa extra conla que cuentan en sus alimentadores. Las propuestas son re-copiladas por el agente encargado, determinando que la mejoropcin es la alternativa ofrecida por CA2, con 170 unidades depotencia extra. Esta oferta es suficiente para alimentar las cargasL3 y L4, que en total suman 160 unidades (recordando que L2ha quedado aislada y slo espera la reparacin de la falla). Senotifica a CA2 para que interconecte las lneas y luego se vuelvea energizar la zona afectada.

3) Deteccin, Notifcacin y Aislacin de la Segunda Falla.

El sistema contina operando segn el estado anterior, y la falla

an no ha sido reparada. En este punto ocurre una segunda fallaaguas abajo del elemento S13, dejando toda la zona supervi-sada por CA4 sin energa. Los agentes notifican y nuevamentese determina los elementos que aslan la falla, es decir, S13 yS14 son abiertos dejando al sistema listo para iniciar un nuevoproceso de restauracin.

4) Proceso de Negociacin para Segunda Falla

El sistema se encuentra pasando por una nueva falla que hadejado a las carga L13 a la espera de la reparacin, y a lascargas L14, L15 y L16 con la posibilidad de ser alimentadasdesde otro punto de la red. En este momento, las condiciones

de la red son distintas a las iniciales. Por un lado, el alimentador1, supervisado por CA1, cuenta con gran cantidad de energaextra (300 unidades de potencia), debido a la falla anterior. Sinembargo, esta opcin no est disponible ya que en la nuevanegociacin este agente no participa por encontrarse en estadode falla, y adems por no tener un camino alternativo que permitausar esa energa en otro punto de la red.

De la consulta a los agentes CA disponibles de la red, CA3 esquien posee la mejor opcin, con 130 unidades de potencia, yl es elegido para participar del proceso. Las cargas afectadassuman un consumo total de 210 unidades, lo que supera am-pliamente lo ofrecido por CA3. En este caso opera la priorizacin

de las cargas segn el nivel que cada una de ellas tiene. L14 yL16 poseen prioridad de nivel 3, mientras que L15 tiene prioridad1. El agente CA4 calcula las condiciones en que se realiza elproceso, determinando que solo la carga L14 ser restaurada, ylas cargas L15 y L16 deben esperar a la reparacin de la falla.

Esto ya que se maximiza el uso de la energa disponible consi-derando la prioridad de las cargas, tal cual lo expone la funcinobjetivo en el modelo. Luego, las decisiones son tomadas y las

respectivas lneas se interconectan. El agente DA14 recibe laorden de conectar su punto de carga, y a su vez DA15 y DA16son notificados de la decisin de no conectar las cargas L15 yL16, quedando en espera.

Fig. 8.Estado de la red posterior a los procesos de restauracin.

Finalmente, el panorama del estado de la red es mostrado en laFig. 8, proporcionado por la interfaz grfica del agente GUI. Enla imagen, se observan las cargas que fueron desconectadasde la red, adems de la cantidad de energa que los alimenta-dores 2 y 3 estn transmitiendo a otros puntos de la red queno pertenecen a su zona de operacin (fechas roja y violeta,respectivamente).

5. CONCLUSIONES

Este artculo presenta un modelo basado en sistemas multiagen-tes, para abordar el problema de la restauracin de servicio enredes de distribucin. La propuesta se basa en una arquitectura

jerrquica de 2 niveles, donde los agentes son capaces de cal-cular una ruta alternativa para alimentar las cargas con energaextra desde otros puntos de la red; manteniendo la estructurade funcionamiento radial del sistema. En el nivel inferior se en-cuentran los agentes de campo DA, que permiten operar la redfsica, segn el tipo de configuracin inicial que estos reciban;mientras que los agentes CA de la capa superior administran de


27/83


forma descentralizada la red elctrica, la cual ha sido dividida enzonas o reas de influencia controladas por ellos. Adems, untercer agente implementado en el sistema, denominado GuiA,desarrolla tareas de visualizacin del estado del sistema, paraobservar como la estructura de la red va cambiando segn los

eventos que van ocurriendo.Las simulaciones realizadas demuestran la posibilidad de rea-lizar una restauracin parcial o completa de cargas segn lasalternativas existentes en la red, lo cual se realiza mediante lacooperacin entre los agentes encargados de los alimentadores.

Adems, el sistema es capaz de determinar la mejor opcin encuanto a la alimentacin de las cargas afectadas, cuando cadauna de ellas es etiquetada con un nivel de prioridad, lo cual puedeser usado como una estrategia de mercado si la legislacin decada zona lo permite.

AGRADECIMIENTOS

Los autores agradecen a la Comisin Nacional de Chile deCiencia y Tecnologa (CONICYT), por el apoyo financiero atravs del Proyecto de Iniciacin Fondecyt 11121437 y ProyectoRegular Fondecyt 1120178.

REFERENCIAS

[1] J. Mendoza, M. Lopez, C. Coello y E. Lopez; Microgeneticmultiobjective reconfiguration algorithm considering powerlosses and reliability indices for medium voltage distributionnetwork Generation, Transmission & Distribution, IET, vol.3, n 9, pp. 825-840, 2009.

[2] J. Mendoza, R. Lopez, D. Morales, E. Lopez, P. Dessante y

R. Moraga; Minimal loss reconfiguration using genetic algo-rithms with restricted population and addressed operators:real application Power Systems, IEEE Transactions, vol.21, n 2, pp. 948-954, 2006.

[3] R. Ahmed y AbulWafa; A new heuristic approach for opti-mal reconfiguration in distribution systems Electric PowerSystems Research, vol. 81, n 2, pp. 282-289, 2011.

[4] Massachusetts Institute of Technology The Future of theElectric Grid: An Interdisciplinary MIT study 2011.

[5] E. J. Simburger y F. J. Hubert; Low Voltage Bulk PowerSystem Restoration Simulation IEEE Trans. on Power

Apparatus & Systems, Vols. 2PAS-100, n 11, pp. 4479-4484, 198.

[6] K. Hotta, H. Nomura, H. Takemoto, K. Suzuki, S. Nakamura

y S.Fukui; Implementation of a Real Time Expert Systemfor a Restoration Guide in a Dispatch Center EEE Trans. onPower Systems, Vols. 2PWRS-5, pp. 1032-1038, 1990.

[7] D. S. Kirschen y T. L. Volkmann; Guiding a Power SystemRestoration with an Expert System IEEE Trans. on PowerSystems, vol. 6, n 2, pp. 556-566, 1991.

[8] T. Nagata, H. Sasaki y R. Yokoyama; Power System Res-toration by Joint Usage of Expert System and MathematicalProgramming Approach IEEE Trans. on Power Systems,vol. 10, n 3, pp. 1473-1479, 1995.

[9] S. Lee, S. Lim y B. Ahn; Service Restoration of PrimaryDistribution Systems Based on Fuzzy Evaluation of Multi-

criteria IEEE Trans. on Power Systems, vol. 13, n 3, pp.1156-1163, 1998.

[10] T. Nagata y H. Sasaki; A Multi-Agent Approach to PowerSystem Restoration IEEE Trans. on Power Systems, vol.17, n 2, pp. 457-462, 2002.

[11] Y. Dayong , Z. Minjie y D. Sutanto; A Hybrid MultiagentFramework With Q-Learning for Power Grid Systems Res-toration Power Systems, IEEE Transactions on, vol. 26, n4, pp. 2434-2441, 2011.

[12] T. Nagata, Y. Tahara y H. Fujita; An Agent Approach to BulkPower System Restoration IEEE Power Eng Soc Gen, vol.1, pp. 599-604, 2005.

[13] I.-H. Lim, T. Sidhu, M.-S. Choi, S.-J. Lee, S. Hong, S.-I. Lim yS.-W. Lee; Design and Implementation of Multiagent-BasedDistributed Restoration System in DAS Power Delivery,IEEE Transactions on, vol. 28, n 2, pp. 585-593, 2013.

[14] Foundation for Intelligent Physical Agents, FIPA, 2002.[En lnea]. Available: http://www.fipa.org/repository/stan-dardspecs.html. [ltimo acceso: 31 Julio 2013].


28/83


1. INTRODUO

Na ltima dcada, em virtude do grande avano no que dizrespeito adoo de grandes sistemas de banco de dadoscorporativos nas empresas distribuidoras de energia, tornou-se possvel viabilizar um gerenciamento mais detalhado darede de distribuio, tanto no que tange a evoluo topolgicaquanto no detalhamento dos dados de consumo e demandados clientes.

Neste sentido, destaca-se a necessidade da adoo de ummodelo de fluxo de potncia mais sofisticado e compatvel com

a maior disponibilidade de informaes provenientes do SmartGrid, sendo este fundamental em diversas atividades estratgi-cas das distribuidoras, tais como anlises de planejamento deexpanso, avaliao do desempenho tcnico da rede, proteode sistemas de distribuio, estudos de novas conexes redeeltrica, entre outros.

O conceito Smart Grid advm de um conjunto de diversos dispo-sitivos, como medidores, sensores, controladores e equipamen-

METHODOLOGY FOR LOAD CORRECTION PER PHASE IN DISTRIBUTION

SYSTEMS USING SMART METERING DATA

Guilherme Pereira Borges*, Fabio Romero*, Marcello Pek Di Salvo*, Andr Meffe*,Alden Uehara Antunes* e Jarbas Barros Vilar**

Daimon Engenharia e Sistemas, So Paulo, SP, Brasil*

[email protected], [email protected],

[email protected], [email protected], [email protected]

Companhia Energtica de Pernambuco, Recife, PE, Brasil**.

[email protected]

ABSTRACT: One of the main problems in distribution networks mana-gement is the lack of real time measurement data. However, with theadvent of Smart Grid concept it becomes possible to obtain real timeelectric data from the feeders to improve the network state estimation.The aim of this paper is to present a new methodology which usescurrent and power measurements at specic points along the feeder

to improve estimation of these values throughout it. Such data are ofgreat utility to management and operation of feeders, mainly to evalua-te the need to expand the system, in addition to assist in the evaluationof technical and non-technical losses.

Key Words:Distribution Systems, Load Correction, Load Flow, SmartGrid, Smart Metering, State Estimation.

tos microprocessados instalados nos sistemas eltricos e quese comunicam atravs de sistemas de telecomunicao. Taisequipamentos somam-se infraestrutura de rede eltrica com oobjetivo de gerenciar, monitorar e supervisionar este sistema.

Aproveitando o avano no que tange a integrao entre asredes de energia eltrica, tecnologias digitais, comunicaese controles e os incentivos do governo brasileiro para que asdistribuidoras invistam no conceito de Smart Grid, a CELPE(Companhia Energtica de Pernambuco) em parceria coma Daimon Engenharia e Sistemas esto desenvolvendo um

projeto de P&D (Pesquisa e Desenvolvimento) que objetiva,dentre outros tpicos, desenvolver uma nova metodologiapara clculo de correo de demanda por fase em sistemasde distribuio de mdia tenso, levando em conta os dadoseltricos medidos ao longo do alimentador atravs de medi-dores inteligentes.

Com mais de 3,1 milhes de clientes, a CELPE fornece energiaeltrica a mais de 184 municpios do Estado de Pernambuco.Para continuar entre as melhores distribuidoras do Brasil (deacordo com o ranking da continuidade do servio em 2011 pu-blicado pela ANEEL Agncia Nacional de Energia Eltrica), aCELPE se mantm atualizada com novas tecnologias de comu-

nicao, distribuio e manuteno, contribuindo para elevar osndices de qualidade no fornecimento de energia eltrica.

A rede eltrica inteligente capaz de executar continuamenteo seu prprio diagnstico, podendo estabelecer condies ade-quadas de balano de suas cargas, analisando, localizando erespondendo em tempo real s necessidades das condies deoperao do sistema, sendo capaz de adequar ou restabeleceros componentes de rede ou das reas afetadas por alguma con-


29/83


dio incomum utilizando o mnimo de interveno humana e,portanto, contribuindo para manter a confiabilidade, a segurana,a qualidade da energia e a eficincia da rede eltrica.

Essas informaes de monitoramento podem ser de grande utili-dade para a operao do sistema. Entretanto, pelo fato do Smart

Grid ser um conceito recente se faz necessrio desenvolver ma-neiras para utilizar esses novos dados agora disponveis. Nesteartigo proposto um novo mtodo de correo de demanda nasredes de distribuio de energia eltrica que emprega os dadoscoletados de medidores instalados em pontos estratgicos paraaprimorar seus resultados.

Muitas tarefas de planejamento da rede dos sistemas de distri-buio de energia so baseadas em uma estimao das suaspiores condies operacionais num futuro prximo, considerandotanto as demandas como as correntes dos alimentadores. De-cises como construir novas subestaes, dividir um alimentadorou mesmo a postergao de tais medidas so dependentes

da estimao desses parmetros. Outros dados importantesnormalmente obtidos destas estimaes so curvas de cargatpicas de consumo, fatores de potncia e fatores de potnciaefetivos dos transformadores de distribuio. Estas informaesso usadas para avaliar, por exemplo, as perdas tcnicas darede, usando um clculo de fluxo de carga para cada condiode carregamento.

Com base nos dados de perdas tcnicas e demandas estimadasnos pontos de medio, tambm possvel estimar a parcela deperdas no tcnicas dos alimentadores, que toda energia oudemanda efetivamente entregue ao consumidor, ao consumoprprio ou a outra concessionria, mas que, por algum motivo,

no foi computada nas vendas (energia ou demanda no fatura-da). Estas so de difcil aferio, pois no podem ser medidas enem so contempladas pelos mtodos de clculo, que utilizamexatamente os consumos faturados.

As principais metodologias atualmente utilizadas para correode demanda foram desenvolvidas levando-se em conta ape-nas as medies existentes no incio de cada alimentador. Talproblema foi abordado por Andr Mffe [1, 2], onde a soluoproposta consiste em determinar um fator de correo nicocom base na corrente mxima medida e a maior corrente esti-mada no incio do alimentador, e ento aplic-lo nos mdulosdas trs fases ao longo de toda sua extenso. As vantagensda metodologia proposta neste artigo em relao quelaapresentada em [1, 2], diz respeito utilizao das mediesdistribudas ao longo do alimentador e de fatores de correoindependentes para cada uma das fases, os quais so capazesde corrigir no s o mdulo, mas tambm a defasagem dascorrentes, para a determinao de valores mais condizentescom o estado real da rede.

2. OBJETIVO

Um bom sistema de gerenciamento de redes est baseadoem clculos de fluxo de potncia. Considerando um plano demedies ideal, a rede teria medies e sensores em pontossuficientes para o clculo de fluxo ser desnecessrio, pois seria

possvel visualizar em tempo real a situao de carregamento emcada ponto da rede. Dessa forma, o clculo de fluxo de potnciavem para suprir essa falta de medio/sensoriamento.

Entretanto, para que o resultado do fluxo de potncia representebem a realidade da rede, a carga deve ser muito bem caracteriza-da a partir do clculo de demanda realizado com base em dadosde faturamento e de curvas tpicas. Esse clculo, no entanto,possui imprecises, pois as curvas tpicas possuem certa vali-dade estatstica e, frequentemente, no se sabe como a cargado consumidor est dividida entre as fases que o alimenta. Almdisso, h a questo da qualidade do cadastro da concessionriaque pode afetar a qualidade do resultado do clculo. O uso de

medies em vrios pontos permitir efetuar correes no cl-culo de demanda a fim de corrigir tais imprecises.

Este artigo apresenta uma nova metodologia para o clculo decorreo de correntes e demandas por fase em sistemas dedistribuio, utilizando de forma eficiente os dados obtidos pelosmedidores inteligentes instalados ao longo da rede.

Em comparao com o mtodo atualmente empregado pelaCELPE, a metodologia proposta possui a vantagem de corrigir osdesequilbrios de carga de forma independente e mais precisa,visto que cada fase do alimentador possui seu prprio fator decorreo de mdulo e fase, em funo dos dados obtidos aolongo do alimentador.

3. METODOLOGIA

Muitas podem ser as causas das discrepncias entre as de-mandas medidas na sada da subestao (SE) e as demandasestimadas pelo clculo de fluxo de potncia. Neste contexto,existem aspectos de difcil tratamento, podendo-se citar:

l eventuais erros de cadastro;

l eventuais erros em medidores de grandezas eltri-cas;

l existncia de consumidores clandestinos;

l descompasso existente entre a efetivao de ma-nobras permanentes na rede de distribuio e aatualizao correspondente nos bancos de dados decadastro;

l dificuldade de caracterizao da demanda dos pontosde carga.


30/83


O mtodo utilizado pela CELPE para o tratamento de tais discre-pncias feito na sada da SE [1-2]. Nele os dados das mediesno incio do alimentador so empregados para calcular um fatorde correo na fase que apresenta a maior corrente medida.Este fator ento aplicado igualmente em todas as correntes

e demandas das trs fases do alimentador, de modo que osdesequilbrios estimados pelo clculo de fluxo de carga ao longodo alimentador permaneam inalterados aps a aplicao domtodo, mesmo que isso resulte em valores discrepantes dosmedidos anteriormente.

J a metodologia proposta neste artigo utiliza os valores medi-dos das correntes em um determinado ponto de medio paraobter fatores de correo de corrente individuais por fase doalimentador.

Estes fatores so ento aplicados nas correntes de cada umadas cargas dentro do raio de ao do medidor em questo,de modo a torn-las compatveis com os valores obtidos nas

medies, tanto em mdulo quanto em defasagem. Aps isso,a demanda de cada carga corrigida utilizando estes mesmosfatores ou outros a serem calculados de acordo com sua con-figurao.

Na Fig. 1, sejam as correntes de cada fase doalimentador, complexas, obtidas no medidor, eas correntes complexas estimadas no mesmo ponto, os fatoresde correo de corrente fso definidos como:

(por fase)med

est

If

I= (1)

Estes fatores so ento aplicados nas correntes de linha estima-das na entrada de cada uma das cargas daquele trecho, de talforma que as correntes corrigidas resultantesso dadas por:

( )corr est I I f por fase= (2)

Em seguida, feita a correo da demanda destas cargas, de

acordo com a configurao de cada uma. Nas cargas que pos-suem o primrio em estrela aterrada a corrente que circula emcada fase do primrio a prpria corrente de linha, desta formaa correo feita aplicando-se os prprios fatores de correode corrente nas demandas por fase da carga, de modo que:

( )corr est D D f por fase= (3)

No entanto, quando o primrio das cargas apresenta configu-rao do tipo estrela isolada ou delta, esta correo no podeser feita de forma imediata, sendo necessrio para isso realizar aconverso de estrela isolada para delta e posteriormente calcularas correntes, tanto estimadas quanto corrigidas, em seu interior,para obter um novo fator de correo nas fases do delta quesero aplicados nas demandas. Para calcular estas correntes,utiliza-se a seguinte expresso emprica [2]:

( ) [ ]2AC eq B A ci z i i i pu= + (4)

em que a corrente que circula entre os ns A e C dodelta, e so as correntes de linha da carga, e

, sendo e asimpedncias do primrio da Estao de Transformao (ET).Obtida a corrente , as correntes e podem ser deter-minadas aplicando-se a lei dos ns de Kirchhoff. Desta forma,calculam-se estas trs correntes utilizando-se tanto os valoresestimados quanto corrigidos de e , que sero utilizadospara calcular o fator de correo de cada fase do delta. Estesfatores sero dados por:

, ,corr corr corr

BC CAABAB BC CAest est est

AB BC CA

I IIf f f

I I I

= = = (5)

em que as corren

in genera revol 282014

Documents