Planificación de la expansión en sistemas eléctricos mediante descomposición y reducción de dimensionalidad basada en factores de sensibilidad

Abstract

La planificación eléctrica es el proceso de determinar la capacidad de generación y transmisión de un sistema eléctrico para satisfacer la demanda futura de energía. Este proceso es complejo y debe considerar una serie de factores, como la demanda de energía, la disponibilidad de recursos energéticos, los costos de inversión y operación, y las restricciones ambientales. Dentro de las muchas metodologías desarrolladas para abordar esta temática en los sistemas eléctricos de potencia, el presente trabajo se centrará en el uso de metodologías de descomposición para resolver problemas de inversiones tanto en generación como en transmisión, incluyendo restricciones de operación de corto plazo con el objetivo de representar de mejor manera la operación del sistema. Los métodos de descomposición dividen el problema en subproblemas más pequeños que son más fáciles de resolver. Esto permite a los planificadores eléctricos considerar una mayor cantidad de factores y restricciones en su análisis. La metodología propuesta, descomposición de Benders, apunta a descomponer el problema en dos problemas más pequeños y abordables desde el punto de vista computacional, obteniendo así un problema maestro relacionado con las inversiones y un subproblema relacionado exclusivamente con la operación. La ventaja que supone esta metodología es que , bajo ciertas condiciones, los tiempos de resolución se reducirían considerablemente frente a la resolución completa del problema original, especialmente si el problema cuenta con muchos detalles modelados. Para validar la metodología propuesta(...). The approach separates investment decisions (master problem) from operational constraints (subproblem), allowing for iterative convergence towards an optimal solution. To further enhance computational efficiency, dimensionality reduction techniques using Shift Factors are incorporated into the model formulation, significantly reducing the number of variables and constraints associated with power flow equations without compromising accuracy. The proposed algorithm was implemented in Python using Gurobi as the optimization solver. Validation was performed on standard test systems (Garver 6-bus) to verify convergence against a full monolithic model. Subsequently, the methodology was applied to more complex scenarios: the IEEE-39 bus system and a reduced version of the Chilean National Electric System (SEN). Results demonstrate that the decomposition method effectively handles large-scale problems where traditional solvers would require excessive computation time. The study confirms that incorporating operational constraints such as unit commitment is feasible within a planning framework while maintaining computational performance through dimensionality reduction techniques.