Comparative analysis of the Julia and AMPL computational tools used in the radial distribution network optimization problem

Contexto:La investigación sobre el desarrollo de modelos matemáticos para optimizar los sistemas dedistribución de energía eléctrica ha cobrado cada vez más importancia en los últimos años. La selecciónde las herramientas de optimización ysolversadecuados para resolver los problemas de optimizacióne...

Full description

Autores:
Quintero Restrepo, Jaime
Hoyos Vallejo, Juan Camilo
Tipo de recurso:
Article of investigation
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
eng
OAI Identifier:
oai:red.uao.edu.co:10614/16203
Acceso en línea:
https://hdl.handle.net/10614/16203
https://doi.org/10.14483/23448393.22049
https://red.uao.edu.co/
Palabra clave:
Mathematical optimization
Power distribution networks,
Solvers
Optimal capacitor placement
Optimal allocation of distributed generation
Optimización matemática
Redes de distribución eléctrica
Solucionadores
Colocaciónóptima de condensadores
Asignación óptima de generación distribuida
Rights
openAccess
License
Derechos reservados - Juan Camilo Hoyos Vallejo, Jaime Quintero Restrepo, 2024
Description
Summary:Contexto:La investigación sobre el desarrollo de modelos matemáticos para optimizar los sistemas dedistribución de energía eléctrica ha cobrado cada vez más importancia en los últimos años. La selecciónde las herramientas de optimización ysolversadecuados para resolver los problemas de optimizaciónen estos sistemas se ha vuelto fundamental.Método:Se implementaron modelos matemáticos no lineales y no lineales de enteros mixtos paraabordar la ubicación óptima de capacitores y generación distribuida en las plataformas AMPL y Julia.Estos modelos, junto con los solvers Ipop, Knitro y Bonmin, fueron evaluados y comparados utilizandosistemas de prueba de 33, 69 y 83 barras.Resultados:El análisis comparativo evidencia que AMPL permite una implementación más directa yadecuada para este tipo de problemas de optimización, mientras que Julia requiere construcciones máselaboradas. Los resultados experimentales evidencian reducciones significativas en las pérdidas delsistema mediante la ubicación optima de capacitores y generación distribuida.Conclusiones:AMPL ofrece una curva de aprendizaje más rápida y una sintaxis más adecuada parael modelado matemático. Por otro lado, Julia proporciona una versatilidad superior y acceso a unadiversidad más amplia desolvers. Aunque lossolversno lineales evaluados resultaron adecuados paralos modelos no convexos y alcanzaron soluciones equivalentes, Knitro, unsolvercomercial, presentótiempos de procesamiento más cortos. En este sentido, elegir entre alternativas gratuitas o comercialesimplica un compromiso entre los tiempos de procesamiento y el presupuesto disponible. Además,la solución de los problemas de optimización mencionados permitió minimizar de manera efectivalas perdidas en los sistemas de prueba. Estos modelos son versiones básicas que pueden ampliarse aproblemas de optimización más complejos