Publication:
Ubicación de zonas de congestión en redes eléctricas aplicando teoría de grafos y precios marginales nodales

Thumbnail Image
Files

Files

Ubicación de zonas de congestión en redes eléctricas aplicando teoría de grafos y precios marginales nodales.pdf (970.22 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Mora, Paola A.
Duran Tovar, Ivan Camilo
Abstract (Spanish)
Los autores se enfocan en hallar la ubicación de las zonas de congestión en una red de transmisión, con base en su caracterización topológica por teoría de grafos y la información derivada de los precios marginales nodales (LMP, por su sigla en inglés). En el artículo se propone una metodología que aprovecha la caracterización topológica de las interconexiones en una red de transmisión, como red de mercado eléctrico, para identificar las líneas de separación entre nodos. Esta metodología es una herramienta útil para que reguladores del sistema de potencia puedan identificar zonas con problemas de estabilidad a causa de la variación de los LMP entre nodos.
Extent
8 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/1438
Collections

Collections

AE - Modelación Estratégica en Energía y Potencia – MEEP
References

Alomoush, M. I. & Shahidehpour, S. M. (1999). Fixed transmission rights for zonal congestion management. IEEE Proceedings - Generation, Transmission and Distribution, 146(5), 471. doi:10.1049/ip-gtd:1999044

Blumsack, S. (2006). Network topologies and transmission investment under electricity-industry restructuring, (Doctoral dissertation). Tomado de: http://www.personal.psu.edu/faculty/s/a/ sab51/Blumsack_Dissertation.pdf.

Bollobás, B. (1998). Modern Graph Theory. Springer-Verlag, New York, 6, doi: 10.1007/978-1-4612-0619-4

Bompard, E., Correia, P., Gross, G. & Amelin, M. (2003). Congestion- management schemes: a comparative analysis under a unified framework. IEEE Transactions on Power Systems, 18(1), 346–352. doi:10.1109/tpwrs.2002.807077

Chacón, J. L. (2005). Matemática discreta. Tema 3. Introducción a la teoría de grafos, pp. 6-15, 2005. Tomado de http://webdelprofesor. ula.ve/ciencias/jlchacon/materias/discreta/grafos.pdf.

Cheng, X. & Overbye, T. J. (2005). PTDF-Based Power System Equivalents. IEEE Transactions on Power Systems, 20(4), 1868–1876. doi:10.1109/tpwrs.2005.857013.

Ferreira, J., Ramos, S., Vale, Z., & Soares, J. P. (2010). Zonal prices analysis supported by a data mining based methodology. IEEE PES General Meeting. doi:10.1109/pes.2010.5590078.

Hong, Y.Y., Chang, C.N., Wu, K.L., & Yang, M.S. (2002). Determination of Congestion Zones in Deregulated Electricity Market using Fuzzy Clustering. Proceedings - 14th Power Systems Computation Conference, PSCC02, 1-7.

Moreno, R. & Mora, P. A. (2016) Coherence of locational marginal prices in an electricity market network, 13th International Conference on the European Energy Market (EEM). Porto, 2016, pp. 1-5. doi: 10.1109/EEM.2016.7521291.

Pandi, V. R., Biswas, A., Dasgupta, S. & Panigrahi, B. K. (2009). A hybrid bacterial foraging and differential evolution algorithm for congestion management. European Transactions on Electrical Power, n/a–n/a. doi:10.1002/etep.368.

Christie, R. (1993). 118 Bus Power Flow Test Case. University of Washington. Tomado de: https://www.ee.washington.edu/ research/pstca/pf118/pg_tca118bus.htm.

Raoofat, M. & Eghtedarpour, N. (2012). A modified fuzzy clustering algorithm for market zonal partitioning in electricity markets. Int. Trans. Electr. Energ. Syst., 23(4), 526-538. doi:10.1002/ etep.1610.

Sajjadi, M. & Raoofat, M. (2008). Zonal partitioning of deregulated power systems using fuzzy Monte Carlo simulation. 2008 IEEE 2nd International Power and Energy Conference. doi:10.1109/ pecon.2008.4762656.