Identifying Best Candidates for Busbar Splitting

Título: Identificación de los Mejores Candidatos para la División de Barras (Busbar Splitting)

1. Problema

La creciente demanda eléctrica y la integración de fuentes de energía renovable (RES) están intensificando la congestión en las redes de transmisión. La expansión física de la red es costosa, lenta y a menudo enfrenta oposición pública y cuellos de botella en la cadena de suministro. Como alternativa, la optimización de la topología de la red mediante la división de barras (Busbar Splitting - BuS) y la conmutación óptima de transmisión (OTS) puede aliviar la congestión y reducir los costos de generación.

Sin embargo, el problema de optimización de BuS es computacionalmente intratable en redes grandes porque requiere un gran número de variables binarias para evaluar todas las posibles configuraciones de división en cada subestación. Evaluar exhaustivamente cada barra del sistema uno por uno para encontrar aquellas que reduzcan los costos es prohibitivo en términos de tiempo de cálculo. Existe una necesidad crítica de métodos predecitivos que permitan a los operadores del sistema identificar un subconjunto pequeño y prometedor de barras candidatas sin necesidad de probar todas.

2. Metodología

Los autores proponen un enfoque en dos etapas que combina métricas de preselección con modelos de optimización avanzados:

• Modelo de Optimización: Utilizan un modelo de optimización de topología basado en una aproximación lineal por partes de la corriente alterna (LPAC-OPF) que incluye la división de barras. Este modelo genera un problema de optimización cuadrática convexa mixta-entera (MIP) que es más eficiente de resolver que el flujo de potencia de CA no lineal completo, pero cuyos resultados son factibles para el sistema CA real.
• Validación de Factibilidad: Una vez obtenida la topología optimizada mediante el modelo LPAC, se ejecuta una simulación de Flujo de Potencia Óptimo de CA (AC-OPF) no lineal para verificar la factibilidad física y cuantificar la reducción real de costos en comparación con la topología original.
• Propuesta de Métricas de Selección: Para evitar la búsqueda exhaustiva, proponen tres métricas basadas en los resultados de una simulación AC-OPF inicial (con la topología original) para clasificar las barras:
  1. Métrica $\phi$ (Suma de diferencias absolutas de LMP): Suma de las diferencias absolutas de los Precios Marginales Locales ($\Delta$LMP) en todas las ramas conectadas a una barra. Busca barras con múltiples ramas con altos gradientes de precio, indicando zonas de congestión donde la topología puede ayudar.
  2. Métrica $\xi$ (Número de ramas congestionadas): Cuenta cuántas ramas conectadas a la barra están operando cerca de sus límites térmicos. Indica desequilibrios locales que podrían resolverse redistribuyendo flujos.
  3. Métrica $\zeta$ (Límites de voltaje y ángulo vinculantes): Identifica si las ramas conectadas están operando en los límites de magnitud de voltaje o diferencia de ángulo. Si estos límites están "vinculados" (binding), la división de la barra es menos probable que reduzca costos.

3. Contribuciones Clave

• Desarrollo de Métricas Híbridas: Se propone una combinación novedosa de métricas que integra conceptos de precios (LMP), congestión térmica y restricciones de voltaje (AC), superando las limitaciones de trabajos anteriores que se basaban únicamente en aproximaciones de corriente continua (DC) o en métricas aisladas.
• Validación en Escala: A diferencia de estudios previos limitados a sistemas pequeños, este trabajo valida las métricas en sistemas de prueba de diferentes tamaños (desde 39 hasta 3374 barras), demostrando su escalabilidad.
• Eficiencia Computacional: Demuestran que es posible reducir drásticamente el tiempo de cálculo al filtrar las barras candidatas, evitando la necesidad de ejecutar optimizaciones topológicas en toda la red.
• Análisis de Factibilidad AC: Validan rigurosamente que las topologías optimizadas con el modelo simplificado (LPAC) son factibles y reducen costos cuando se prueban con el modelo AC-OPF completo.

4. Resultados

El estudio se probó en casos de prueba de PGlib (39, 118, 793 y 3374 barras):

• Correlación Métrica-Costo: Se encontró que las barras con un alto valor de $\phi$ (suma de $\Delta$LMP) y un gran número de elementos conectados, que además no tienen límites de voltaje vinculantes ($\zeta=0$), son las más propensas a generar reducciones significativas de costos.
• Rendimiento en Sistemas Grandes:
  • En el caso de 793 barras, las métricas identificaron 3 de las 4 barras que producían las mayores reducciones de costos. El tiempo total para optimizar solo las barras seleccionadas fue de 0.98 horas, frente a las 19.14 horas que habría tomado probar todas las barras individualmente.
  • En el caso de 3374 barras, las métricas identificaron varias barras que lideraron las reducciones de costos. El tiempo de optimización para las barras seleccionadas fue de 3.77 horas, comparado con 15.62 días para una evaluación exhaustiva.
• Limitaciones Detectadas: Se observó que algunas barras con alto potencial de reducción de costos no fueron identificadas por las métricas porque la reducción de costos se lograba principalmente mediante la desconexión de líneas (conmutación de líneas) más que por la división efectiva de la barra. Además, en sistemas muy grandes, las reducciones de costos absolutas pueden ser menores, haciendo más difícil la identificación de candidatos óptimos.

5. Significado e Impacto

Este trabajo proporciona una herramienta práctica y escalable para los operadores de sistemas de transmisión. Al permitir la identificación rápida de subestaciones candidatas para la división de barras, facilita la implementación de tecnologías de mejora de la red (Grid-Enhancing Technologies) sin necesidad de inversiones de capital masivas en nueva infraestructura.

La metodología permite:

1. Maximizar la capacidad de transferencia de la red existente.
2. Reducir los costos de congestión y la generación de energía más cara.
3. Acelerar la planificación de acciones topológicas correctivas o preventivas en sistemas eléctricos modernos dominados por convertidores, donde las consideraciones de voltaje y potencia reactiva (incluidas en el modelo AC) son críticas para la estabilidad.

En resumen, el artículo establece un marco metodológico robusto para transformar la optimización topológica de un problema computacionalmente prohibitivo en una tarea viable para la operación en tiempo real y la planificación de redes a gran escala.