Prototipo de Redes Inteligentes para Control Jerár-
quico de Sistemas Interconectados
Camus
Abstract –El continuo desarrollo tecnológico y la mejora de
nuevas estrategias relacionadas con los Sistemas de Control y
medición de Área Amplia (WAMCS) están desempeñando un
importante rol en los sistemas de potencia interconectados, ase-
gurando su estabilidad ante Oscilaciones de Baja Frecuencia
(LFO). En este documento es presentado un esquema de control
inteligente jerárquico para sistemas de potencia con el propósito
de maximizar el amortiguamiento de las oscilaciones entre-áreas
y áreas locales. La arquitectura de control propuesta combina
principios de Lógica Difusa y Sistemas Multi-agente. El controla-
dor diseñado aprovecha las definiciones de controlabilidad y
observavilidad para obtener la ubicación optima de los Sistemas
Estabilizadores de Potencia (PSS) locales y las Unidades de Me-
dición Fasorial (PMU). Se hace el desarrollo de un algoritmo
para medir el amortiguamiento de una señal y su variación en
tiempo real y es usado en los PMU en las líneas de interconexión
previamente dispuestas. La respuesta en el dominio del tiempo
del controlador diseñado es probada en un sistema de potencia,
demostrando su adaptabilidad y desempeño. El prototipo de Red
de Transmisión Inteligente (Smart Transmission Grid) presenta-
do estudia las tendencias actuales en la implementación de siste-
mas de control inteligente en sistemas de potencia y evidencia la
necesidad del uso de herramientas de control adicional a los
actuales para darle robustez ante perturbaciones.
Keywords – Sistemas de Potencia Interconectados, Sistemas de
Medición y Control de Área Amplica, Redes de Transmisión
Inteligentes, Unidades de Medición Fasorial, Lógica Difusa, Sis-
temas Multi-agente.
I. INTRODUCCIÓN
Como resultado de la migración hacia el nuevo concepto
tecnológico conocido como “Red Inteligente”, el cual es con-
cebido como la automatización de las redes eléctricas de
transmisión y distribución, varias iniciativas han sido propues-
tas, específicamente en el área de estabilidad y análisis de
pequeña señal, con el propósito de amortiguar las oscilaciones
electromecánicas asegurando una operación estable en los
sistemas interconectados [1-3].
Con el desarrollo de los Sistemas de Medición y Control de
Área Amplia (WAMCS) y el mejoramiento tecnológico duran-
te las tres últimas décadas, el uso de las Unidades de Medición
Fasorial (PMU) se ha vuelto una realidad [4, 5], entregando
mediciones en tiempo real y dando la oportunidad para diseñar
controladores y algoritmos con mayor precisión y exactitud
para obtener la supervisión de un sistema de potencia.
Como regla general, las Redes Inteligentes requieren la
aplicación de sistemas de control inteligente para enfrentar y
resolver los inminentes problemas relacionados con los siste-
mas de potencia y proveer además, de sistemas de decisión
autónomas para dar acciones correctivas ante emergencias y
contingencias imprevistas.
El control inteligente basado en Inteligencia Artificial (AI)
y las técnicas de computación suave (Soft Computing) han
sido clave en aplicaciones de sistemas de potencia dando solu-
ción a diferentes problemas de ingeniería. La lógica difusa
como uno de las ramas de la AI ha sido empleada en múltiples
aplicaciones de control de sistemas eléctricos con mucho éxito
[6 - 8].
El uso de la lógica difusa en sistemas de potencia es basado
en sus ventajas inherentes como la tolerancia con datos impre-
cisos, su flexibilidad y adaptabilidad y la capacidad de mode-
lar y abstraer el comportamiento de sistemas complejos y
extensos, sin la necesidad de un modelo matemático complejo.
En el área de las Redes Inteligentes, la aplicabilidad del
control basado en lógica difusa se ha extendido a diferentes
usos como son el análisis de fallas [9], diagnóstico y auto-
reparación [10], pronóstico y deslastre de carga [11], o la
reconfiguración o restauración [12], entre otras. Por ende,
existe una fuerte interacción entre los sistemas difusos y las
Redes Inteligentes, teniendo en cuenta que se requiere de
algún tipo de sistema de decisión ante perturbaciones o condi-
ciones de operación inesperadas.
En el marco de las Redes Inteligentes de Transmisión se
han contemplado algunos retos de control, los cuales se refie-
ren específicamente a los centros de control y despacho, la
metodología y la inteligencia que pueda ser dada a ellos y la
asociación con medidores inteligentes (Smart Meters) para su
implementación [13].
Uno de los principales problemas en los niveles de transmi-
sión son las fluctuaciones de potencia debidas a las Oscilacio-
nes de Baja Frecuencia (LOF) las cuales limitan la cantidad de
potencia a transferir [14], y producen inestabilidad que pueden
provocar apagones, desconexiones o daños importantes a lo
largo de los sistemas interconectados.
El problema de las LOF presentadas en los sistemas inter-
conectados se debe en general a las diferentes regiones de
operación y a los Operadores de los Sistemas de Transmisión
(TSO) involucrados.
La interconexión de Colombia con sus vecinos, como son
Ecuador, Panamá y Venezuela, ha dado origen al desarrollo y
estudio de la dinámica de los sistemas interconectados tenien-
do en cuenta el plan de expansión integrado de interconexión
[15], donde se prevé análisis de contingencias y estabilidad
ante futuros problemas que podrían presentarse y plantea este
problema al tener diferentes TSO.
Una perturbación debería ser monitoreada por varios TSO
utilizando una infraestructura de comunicación establecida
[16], sin embargo, en el momento los TSO están siendo ope-
rados sin o casi sin coordinación.
 Para mitigar estas oscilaciones, los Estabilizadores de Po-
tencia (PSS) fueron desarrollados como un dispositivo suple-
mentario para manipular la excitación de las máquinas sincró-
nicas o generadores del sistema [17, 18]
Aun cuando los PSS convencionales han sido probados
mostrando la atenuación de LOF indeseadas con buenos resul-
tados, algunas reformas se hacen necesarias debido a la carga
variable y las diferentes regiones de operación presentes [19].
En este sentido, diferentes trabajos relacionados con PSS
basados en lógica difusa han sido propuestos con el objetivo
de mostrar sus aplicaciones como son: la auto-sintonización
[20], el auto-aprendizaje [21] o la comparación de diferentes
controladores diseñados [22].
Consecuentemente, varias arquitecturas de control supervi-
sorio jerárquico han sido presentadas anteriormente para in-
crementar el desempeño de los PSS convencionales ante per-
turbaciones sevras o en sistemas oscilatorios [23], o coordinar-
los con Sistemas de Transmisión AC (FACTS) en sistemas de
gran escala donde son requeridos [24].
Nuevos estudios en controladores en sistemas de potencia
han hecho uso de PMU para medir señales remotas [25- 27].
Además, algunas perspectivas actuales de WACS han mostra-
do el requerimiento de diferentes niveles de control asociados
y de sistemas de decisión con el fin de distribuir las acciones y
dar prioridad sobre los procesos de control, ejecutando los
controladores locales o jerarquizando los procesos implicados,
lo que implica cambios en los puntos de referencia y el ajuste
automático de los controladores [28].
Conjuntamente, los Sistemas Multiagente (MAS) han per-
mitido la cooperación, coordinación y características de co-
municación en diferentes aplicaciones de sistemas de potencia
[29, 30], sin embargo este tipo de arquitecturas no ha sido
desarrollado y requiere una profunda investigación.
Este documento de tesis, tiene el propósito de contribuir a la
evolución e iniciativa de proveer un nivel de ‘inteligencia’ a
los sistemas de potencia, especialmente a los sistemas de
transmisión. Se propone un control jerárquico multi-agente
basado en lógica difusa para incrementar el amortiguamiento
en las líneas de interconexión y reducir las LOF al mínimo,
involucrando señales remotas, sistemas de medida on-line y
controladores y mediciones locales.
Una representación básica de este sistema es mostrado en la
Fig. 1, donde se muestra los diferentes generadores, los con-
troladores locales y un nivel jerárquico donde se reciben las
señales y se administran las acciones de control.
Fig. 1 Esquema de Control Jerárquico para Sistemas Interconectados
Este documento está organizado de la siguiente manera: en
la sección II son presentadas brevemente algunas definiciones
matemáticas básicas utilizadas a lo largo del documento para
facilitar su lectura y entendimiento. En la sección III es anali-
zado el sistema en estudio y es obtenida la localización de los
PSS y los PMU en el sistema. En la sección IV el algoritmo de
medida on-line es descrito. En la sección V son presentados el
controlador local y la estrategia de control jerárquico diseña-
do. En la sección VI son comparados el controlador jerárquico
junto con los controladores locales y el desempeño de los
controladores locales únicamente. Finalmente son presentadas
las conclusiones encontradas.
II. INTRODUCCIÓN MATEMÁTICA
A. Modelo en Espacio de Estados
La representación en variables de estado de un proceso es
sumamente útil cuando se trata se sistemas de múltiples entra-
das y múltiples salidas, los cuales resultan complicados de
tratar bajo el concepto de función de transferencia, una sola
entrada-una sola salida [17]. Para modelar el comportamiento
de sistemas dinámicos, se usa a menudo un conjunto de ecua-
ciones no lineales de orden n. Este conjunto comúnmente
tiene la forma:
.
xi  f i ( x1 , x2 ,.., xn ; u1 , u2 ,.., ur ; t ) i  1,2,.., n (1)
donde n es el orden del sistema y r es el número de entra-
das. Si las variables de estado no están en funciones del tiem-
po se pueden reducir a:
.
x  f(x, u) (2)
La ecuación que relaciona las salidas con las entradas y las
variables de estado se pueden escribir como:
y  g(x, u) (3)
El concepto de estado puede ser ilustrado expresando la
ecuación de oscilación del torque de un generador:
2 H d 2
  Tm  Ter (4)
o dt 2
donde H es la constante de inercia a velocidad sincrónica
o en rad/s, t es el tiempo en segundos,  es el ángulo del
rotor en radianes. Tm y Te son el par eléctrico y mecánico en
por unidad respectivamente.
B. Linealización
Para el sistema de espacio de estados general, la linealiza-
ción de (1) y (2), en el punto de operación xo y uo dan como
resultado el sistema linealizado de espacio de estados dado
por:
.
Δ x  Ax  BΔu (5)
Δy  CΔx  DΔu
Aquí Δx es el incremento n del vector de estado, Δy es el
incremento m del vector de salida.
C. Eigenvalores y Análisis de Estabilidad
 Una vez el espacio de estados del sistema de potencia es es- E. Forma del modo
crito en la forma general dada por (5), la estabilidad del siste-
Es posible desacoplar el vector de estado Δx a través de la
ma puede ser calculada y analizada. Inicialmente los eigenva-
siguiente transformación:
lores son calculados para la matriz A, las cuales son solucio-
Δx  Φz (12)
nes no triviales de la ecuación:
de esta manera puede ser examinada en cada modo el ei-
AΦ  λΦ (6)
genvector derecho. Esta respuesta es llamada la forma del
donde Φ es un vector n x 1. Reescribiendo (6) para resol- modo.
ver resulta:
det(A  I)  0 (7) F. Controlabilidad y Observabilidad
Las n soluciones de (7) son los eigenvalores de la matriz A. La controlabilidad es una característica de un sistema, gene-
Estos eigenvalores pueden ser reales o complejos y son de la ralmente representado por un modelo en espacio de estado,
forma   i . Si A es real, los eigenvalores complejos siem- que nos indica si la evolución de una o varias de sus dinámi-
pre ocurren en parejas conjugadas. cas (estados) pueden ser modificadas por las entradas del
La estabilidad del punto de operación puede ser analizada sistema (control) [31].
estudiando los eigenvalores. El punto de operación es estable La observabilidad es una característica estructural comple-
si todos los eigenvalores están al lado izquierdo del eje imagi- mentaria de una representación de estado de un sistema, o del
nario del plano complejo, de lo contrario es inestable. Si al- sistema en sí mismo, que nos indica la capacidad de poder
guno de los eigenvalores aparece en el lado derecho de este estimar los valores históricos de un estado partiendo del cono-
eje, corresponde a los modos inestables del sistema. Esta esta- cimiento de las variables de salida y entrada del sistema [31].
bilidad es confirmada observando en el tiempo las característi-
III. UBICACIÓN DE LOS PMU Y PSS
cas dependientes de los modos oscilatorios de cada eigenva-
lor. La Fig. 2 presenta el sistema de prueba usado, cada área
Por otra parte, cada pareja compleja conjugada corresponde tiene dos generadores, enlaces y líneas débiles de intercone-
a un modo oscilatorio. Los eigenvalores inestables o pobre- xión entre las dos áreas. Los generadores son idénticos y mo-
mente amortiguados con modo oscilatorio son también llama- delados con seis variables de estado y los Reguladores de
dos modos dominantes dado que su contribución domina la Tensión Automáticos (AVR) son representados por dos varia-
respuesta del sistema. bles de estado para todas las máquinas.
Otra respuesta que puede ser determinada de los eigenvalo-
res son la frecuencia de oscilación y el factor de amortigua-
miento. La frecuencia amortiguada de la oscilación en Hertz
está dada por

f  (8)
2
y el factor de amortiguamiento está dado por:

  (9)
 2  2
D. Factores de Participación
La matriz de factores de participación, denotada por P da la
medida de la asociación entre las variables de estado y los
modos oscilatorios. Está definido por:
P  p1 p 2 ... pn  (10)
Fig. 2 Sistema de Potencia de Prueba
con
 p1i   1i i1  Existen múltiples posibilidades para ubicar los PSS en los
 p     AVR del sistema y de igual manera los PMU. Para enfrentar
p i   2i    2i i 2  (11)
este problema de conocer la ubicación óptima es aplicada la
 ...   ... 
    conocida metodología basada en el Análisis de Pequeña Señal
 pni    ni in  (SSSA) particularmente el análisis de controlabilidad [32- 34].
Los eigenvalores de amortiguamiento débil influencian de
El elemento pki   ki ik es llamado factor de participación gran manera la estabilidad dinámica de los sistemas de poten-
cia y los eigenvalores de frecuencias más bajas manejan las
y da la medida de la participación de la k-esima variable de
oscilaciones de potencia inter-área. La Tabla I y II muestran
estado en el i-esimo modo. El uso de los factores de participa-
dos eigenvalores dominantes y los factores de participación
ción en este documento permite analizar el perfil oscilatorio
del sistema de potencia estudiado. dados por el análisis.
 Controlability Mode 4
TABLE I. EIGENVALORES DEL SISTEMA 1.6

NO. R. PART IM. PART FRECUENCIA AMORTIGUAMIENTO 1.4

1 -0.58 6.99 1.12 8.3% 1.2

2 -0.69 6.89 1.10 8.5% 1

3 -0.61 6.64 1.06 9.1% 0.8

4 -0.26 4.75 0.76 5.5% 0.6

5 -0.23 4.17 0.66 5.4% 0.4

0.2
TABLA II. FACTORES DE PARTICIPACIÓN 0
1 2 3 4 5 6
NO. G1 G2 G3 G4 G5 G6 Machines
Controlability Mode 5
1 33% 6% 2% 1% 47% 3% 1.4

2 2% 42% 21% 6% 2% 18% 1.2

3 7% 10% 35% 27% 3% 10% 1

4 0% 13% 12% 31% 0% 38% 0.8

5 36% 5% 5% 12% 27% 10%
0.6

0.4
De la Tabla I, se puede ver que los modos oscilatorios son
0.2
principalmente el 4 y el 5, sin embargo de la Tabla II no es
totalmente claro donde los PSS pueden ser ubicados. 0
1 2 3 4 5 6
Machines
Cuando los modos de forma (mode shapes) de los modos
Fig. 3 Controlabilidad de los modos críticos
críticos (4 y 5) son graficados (Fig. 2), se puede inferir que
hay una oscilación entre-área debida a los generadores G2 y G6 IV. MEDICIÓN ON-LINE PROPUESTA
en contra de los generadores G3 y G4, en otras palabras, el área
La estimación fasorial es un importante tema que ha estado
1 vs. el área 3. En el otro modo crítico, los generadores G1 y
en continuo desarrollo y ha tenido importantes avances en
G5 están oscilando contra los generadores G4 y G6 principal-
materia de la medida de las oscilaciones de la potencia en las
mente, así que existe otra oscilación entre-areas (área 2 vs
líneas que interconectan diferentes centros de control [35, 36].
áreas 1&3).
Mode 4: 0.75658 Hz Tomando en cuenta que este acercamiento busca maximizar
0.08 Axis x
Axis y
el amortiguamiento en las líneas de interconexión, se desarro-
0.06
Gen1 lla un algoritmo para medir el factor de amortiguamiento de
0.04 Gen2
Gen3 cualquier señal de manera on-line, no sólo una señal de poten-
0.02 Gen4
Gen5 cia, no obstante se supone que la señal esta previamente fil-
0 Gen6
trada de ruido. Este algoritmo es mostrado en la Fig. 4.
-0.02

-0.04

-0.06

-0.08

-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15

Mode 5: 0.66342 Hz
0.08 Axis x
Axis y
0.06
Gen1
0.04 Gen2
Gen3
0.02 Gen4
Gen5
0 Gen6
-0.02

-0.04

-0.06

-0.08

-0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15

Fig. 2 Graficas de los modos de forma

Para garantizar la observación de los modos en las mencio-

nadas áreas, las PMU son ubicadas en las correspondientes
líneas de interconexión, específicamente las barras 5 y 12 del
sistema.
El índice de controlabilidad del sistema muestra que los
PSS deben ser ubicados en G1, G4 y G6 como es representado
en la Fig. 3. Fig. 4 Algoritmo de detección de amortiguamiento on-line
 Para probar el algoritmo es simulada una señal típica en quico está basado en control difuso tipo Takagi Sugeno. Fig 7.
Simulink® con la siguiente ecuación característica Representa el esquema de controlador jerárquico propuesto.
x  ke sint  , conociendo los parámetros constantes. La
nt Local
Measurement

Fig. 5 muestra la señal introducida y el factor de amortigua-

miento que corresponde a la ecuación. FL-PSSn Vstab AVRn Gn
14

12

10

6
Signal

Local
4 Hierarchical Measurement
Takagi-Sugeno
2 Fuzzy Logic
(HTSFL) FL-PSSi Vstab AVRi Gi
0
PSS
-2

-4 Coeffient
0 1 2 3 4 5 6 7 8 9 10 weights
Time(s) Remote
0.1 Measurement Power System
0
Network
Fig. 7 Proposed Hierarchical Fuzzy Scheme
-0.1

-0.2 A. Sistemas Multiagente

Damping

-0.3 El elemento fundamental de los sistemas multi-agente es

-0.4
-0.5
-0.6
0 1 2 3 4 5 6 7 8 9
Time(s)
Fig. 5 Medida del amortiguamiento on-line
V. ESQUEMA DE CONTROL JERÁRQUICO DISEÑADO
El control jerárquico propuesto basado en sistemas multi-
agente, utiliza un esquema de coordinación y planeamiento
descentralizado/distribuido dado que cada agente tiene sus
propias acciones y existe una estrategia de planificación global
que concibe la organización de las acciones de los agentes
locales [37]. Como puede ser visto en la Fig. 6, los procesos
identificados son asociados a los PSS locales los cuales son
gobernados por los supervisores locales y el nivel superior
comanda los controladores locales.
un agente inteligente el cual puede ser definido por las si-
guientes características [37]:
Reacción: Es la habilidad de los agentes para percibir su
10
ambiente y responder en un tiempo adecuado.
Habilidad social: Es la interacción de los agentes con otros
agentes.
Iniciativa: Los agentes deben tomar decisiones que afecten
el objetivo directo de manera autónoma.
Los agentes utilizados en este caso son:
Agente Jerárquico: Es el responsable de supervisar el conti-
nuo estado de la estrategia
Agentes locales distribuidos: Controladores locales PSS.
B. Controlador Local
El controlador local es diseñado utilizando lógica difusa.
Las variables de entrada utilizadas son la variación de la velo-
cidad de la maquina sincrónica y la variación de la potencia
activa. Las abreviaturas de las variables lingüísticas utilizadas
son BN=Negativo Grande, MN=Negativo Mediano,
LN=Negativo Pequeño, Z=Cero, LP= Positivo Pequeño,
MP=Positivo Mediano y BP=Positivo Grande, donde todas las
funciones son trapezoidales. La Fig. 8 muestra las funciones
de pertenencia de entrada. Estas entradas tienen las mismas
funciones teniendo en cuenta que son dependientes de acuerdo
la siguiente expresión (1):

2 Hs  d  Pa (13)
dt
LN LP
BN Zero BP
MN MP
1

0.8
Degree of membership

Fig. 6 Representación del Control Jerárquico 0.6

0.4

La estructura de control descentralizada propuesta es basada 0.2

en TSO los cuales reciben las señales remotas a partir de una

0

PMU ubicada en la red de transmisión y envía de vuelta las -5 -4 -3 -2 -1 0 1 2 3 4 5

dw
señales de comando hacia los controles locales correspondien- Fig. 8 Funciones de Pertenencia de la Variación de la Velocidad y la Varia-
tes a cargo de los generadores. En este caso, el control jerár- ción de la Potencia Activa
 La función de pertenencia de salida, la cual es la entrada de 1
BNC LNC LPC BPC

los AVR es representada en la Fig. 9

BN MN LN BZ LP MP BP 0.8
LZ
1

Degree of membership
0.6
0.8
Degree of membership

0.6 0.4

0.4
0.2

0.2
0

0
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
DpDev
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
Vstab
Fig. 10 Funciones de Pertenencia para el Control Jerárquico
Fig. 9 Funciones de pertenencia de Salida
Las reglas difusas describen la salida del controlador basa-
Las funciones de salida están ajustadas para encontrar el
dos en las entradas, variación de velocidad (Δw) y variación de
mínimo error en estado estable y la mínima oscilación en
la potencia activa (ΔPa). Existen (7x7) 49 reglas de acuerdo a
estado transitorio. Los parámetros de cada regla son obtenidos
los rangos de las variables del sistema. La tabla de decisión es
por estimación de mínimos cuadrados.
mostrada en la Tabla III.
Las reglas que representan el conocimiento obtenido del
comportamiento del sistema es resumido en la Tabla IV. Las
TABLA III. REGLAS DE DECISIÓN
reglas del controlador son propuestas después obtener un pre-
∆W/∆PA BP MP LP Z LN MN BN
vio conocimiento de la dinámica y el comportamiento en esta-
BN BZ LN MN MN BN MN BN
do estable del sistema. La salida del controlador difuso arroja
MN LP BZ LN MN MN BN BN
factores ponderados los cuales indican cual controlador local
LN MP LP BZ LN LN MN BN debe ser ajustado y basado en esto, un factor de amortigua-
Z BP MP LP LZ LN MN BN miento cercano a uno es la mejor opción sabiendo que esto
LP BP MP LP LP BZ LN MN sucede cuando las oscilaciones son mitigadas. En el caso de
MP BP BP MP MP LP BZ LN que la medida del amortiguamiento de un factor bajo, el con-
BP BP BP BP MP MP LP BZ trol jerárquico ordena una acción con mayor ponderación para
los controladores locales encargados. Un factor de amorti-
C. Características del Controlador Jerárquico
guamiento puede aparecer y se presenta cuando hay oscilacio-
Teniendo en cuenta que la idea del controlador jerárquico es nes débiles y cambian a oscilaciones fuertes, el cual es el caso
obtener un amortiguamiento máximo y teniendo la medida del de una falla y la acción correspondiente es contemplada con
amortiguamiento por el algoritmo on-line propuesto, se plan- un factor alto. En ese orden, las variables lingüísticas son
tea un controlador difuso de tipo Takagi Sugeno (TS) junto únicamente positivas divididas en tres escalas: Factor Bajo (S),
con el uso de teoría de juegos para dar las señales de activa- Factor Medio (M), Factor Alto (L).
ción a los PSS locales.
La inferencia difusa utiliza como antecedente la medida del TABLE IV. REGLAS DE DECISIÓN
amortiguamiento y su variación en las líneas de interconexión ∆DP/DP BN LN Z LP BP
para dar una información cualitativa de la señal y dar mayor BNC PL1 PL2 PM1 PS2 PL1 PL2 PL1 PL2 PL1 PL2
robustez al controlador. LNC PL1 PM2 PM1 PM2 PL1 PL2 PM1 PM2 PM1 PM2
Las variables lingüísticas asociadas al amortiguamiento son LPC PM1 PS2 PL1 PM2 PL1 PL2 PM1 PL2 PM1 PS2
similares a las funciones de pertenencia de los controladores BPC PM1 PS2 PS1 PS2 PL1 PL2 PL1 PM2 PL1 PL2
locales, sin embargo para la variación del amortiguamiento se
proponen los siguiente subconjuntos difusos: BNC= Cambio D. Estrategia de Control
Negativo Grande, LNC=Cambio Negativo Pequeño, LPC=, La estrategia global propuesta está basada modelos de ne-
BPC= Cambio Positivo Grande. Las funciones de pertenencia gociación cooperativa en la que dos o más agentes deben al-
son presentadas en la Fig. 10. canzar un acuerdo acerca de cómo repartirse un objeto o can-
BN LN Z LP BP
1 tidad. En este caso cada operador del sistema TSO tiene un
0.8
peso asignado y negocia con otro TSO para repartirse el peso
final, el objetivo común es la maximización del amortigua-
Degree of membership

0.6 miento en las líneas de interconexión, la asignación de pesos

0.4
se hace dinámicamente en la medida que las señales cambian.
Como restricción se establece que el generador Slack que
0.2 corresponde al dominante del sistema aporta un peso mayor.
0

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Dp

Fig. 10 a.
 VI. RESULTADOS DE SIMULACIÓN
550

El sistema es implementado en Simpower® y simulado ini- 500

cialmente sin las señales de los PSS en las maquinas, como

Electrical Power (MW)

450
perturbación se introduce una falla trifásica en el bus número 400
6, el cual está en la mitad de las áreas 1 y 2, la falla tiene una 350
duración de cinco ciclos y luego es despejada. La Fig. 11 300
muestra la respuesta en el tiempo del sistema para cada má- 250
quina siendo claro que el sistema presenta una estabilidad 200
crítica y oscilaciones entre-area.
1.2 150
G1 20 25 30 35 40 45
G2
Time(s)
1 G3 Fig. 13 Respuesta en el tiempo de la Potencia Eléctrica en las líneas de inter-
G4
G5 conexión con controles convenciones (Rojo) y el Control Jerárquico (azul)
Electrical Power (MW)

G6
0.8

0.6
La selección de los controladores locales difusos en vez de
controladores locales convencionales es basada en su adapta-
0.4 bilidad. Se hace una prueba combinando el control jerárquico
0.2
junto con los dos tipos de control local.
La Fig. 14 muestra la medida de potencia en los generado-
0
20 25 30 35 40 45 res cuando se usa el control local convencional y el jerárquico
Time(s)
Fig. 11 Respuesta en el tiempo de los generadores (Local) y la Fig. 15 muestra las mismas señales cuando es usado el
controlador local difuso diseñado y el control jerárquico si-
La Fig. 12 muestra las oscilaciones en la línea de intercone- multáneamente. Se puede ver que, cuando se usa la segunda
xión entre las áreas 1 y 2. opción las oscilaciones son reducidas.
G1
0.9 G2
280 G3
G4
260 0.8 G5
Electrical Power (MW)
Electrical Power (MW)

G6
240 0.7

220 0.6

200
0.5

180
0.4
160
0.3
140
20 25 30 35 40 45 50 0.2
Time(s) 25 30 35 40 45 50
Fig. 12 Respuesta en el tiempo en una línea de interconexión (Remota) Time(s)
Fig. 14 Respuesta en el tiempo de la Potencia Eléctrica de los generadores con
PSS convencionales junto con el control jerárquico
Ahora, el sistema es simulado con sólo dos PSS locales,
cumpliendo con el criterio de controlabilidad, y con el control G1
jerárquico propuesto. Se observa que el flujo de potencia en 0.9
G2
G2
las líneas de interconexión entre las áreas 1 - 2 y 2-3 respecti- 0.8
G4
G5
vamente. Aun cuando las oscilaciones son mitigadas usando
Electrical Power(MW)

G6
0.7
los PSS locales únicamente (en verde y magenta), cuando se
0.6
aplica la metodología de control jerárquico se logra un mínimo
de oscilaciones (en azul y rojo), siendo mucho mas efectivo 0.5

para el amortiguamiento entre-áreas. 0.4

400
0.3
350
20 25 30 35 40 45
Time(s)
Electrical Power (MW)

300
Fig. 15 Respuesta en el tiempo de la potencia eléctrica de los generadores
mientras con PSS basados en lógica difusa junto con el Control Jerárquico
250

200 Para evaluar la respuesta dinámica del controlador jerárqui-

co propuesto, el factor de amortiguamiento (ζ) y tiempo de
150
establecimiento (st) son medidos y comparados con la respues-
100
20 25 30 35 40 45 50
ta de los controladores locales convencionales. La Tabla V
Time(s)
muestra las ventajas del control propuesto.
Fig. 13 a.
 TABLE V. CONTROLLERS COMPARISON
LOCAL CONTROLLERS HIERARCHICAL CONTROLLER
ζ (%) 10 65
st (s) 15 8.33
El uso del controlador jerárquico logra maximizar el factor
de amortiguamiento en tiempo mínimo comparado con el uso
de los controles convencionales.
VII. CONCLUSIONES
Este resumen de documento de tesis propone un acerca-
miento innovador en el área de Redes Inteligentes, específi-
camente en transmisión logrando buenos resultados cumplien-
do con los retos futuros de interconexión de diferentes áreas
geográficas y operadores del sistema.
La metodología de control jerárquico basado en lógica difu-
sa Takagi Sugeno y sistemas multiagente, involucrando medi-
das on-line demuestran un tiempo de respuesta adecuado ob-
teniendo una maximización del factor de amortiguamiento
adecuada.
Las medidas on-line para área amplia propuestas dan una
ventaja sobre las medidas locales para reducir las oscilaciones
a baja frecuencia en las líneas de interconexión.
El algoritmo de medida de amortiguamiento puede ser fá-
cilmente empotrado en un hardware.
Este tipo de control puede ser aplicado en sistemas más
grandes, sin embargo es necesario un sistema de cómputo
robusto para futuras implementaciones en tiempo real.
La adaptabilidad de los controladores basados en lógica di-
fusa en Redes de Transmisión Inteligentes da una buena solu-
ción para la siguiente generación de sistemas de control.
Se debe tener en cuenta un procesamiento de señal adecua-
do para reducir el ruido externo de las medidas en sistemas
prácticos.
VIII. REFERENCES
[1] H.M. Behbehani, J. Bialek and Z. Lubosny, "Enhancement of Power
System Stability using Fuzzy Logic based Supervisory Power System
Stabilizer," in Proceedings of IEEE 2nd International Power and Energy
Conference, Johor Bahru, Malaysia, 2008
[2] A.R. Roosta, H. Khorsand and M. Nayeripour, "Design and Analysis of
Fuzzy Power System Stabilizer," in Proceedings of Innovative Smart
Grid Technologies Conference Europe, Gothemburg, Sweden, 2010
[3] D. Chun-xia and et al, "Decentralized Stabilizer Design for Model-
Uncertain Large Interconnected Power Systems based on WAMS," in
Proceedings of International Power Engineering Conference, Singapore,
2007
[4] I. Kamwa, R. Grondin and Y. Hebert, "Wide-area Measurement based
Stabilizing Control of Large Power Systems- A Decentrali-
zed/Hierarchical Approach," IEEE Transactions on Power Systems, ,
vol.16, no.1, pp.136-153, 2001
[5] W. Huaren, W. Qi and L. Xiaohui, "PMU-Based Wide Area Damping
Control of Power Systems," in Proceedings of Power System Technology
and IEEE Power India Conference, New Delhi, 2008
[6] S. Yong-Hua and A.T. Johns, "Applications of Fuzzy Logic in Power
Systems. III. Example Applications," Power Engineering Journal, vol.13,
no.2, pp.97-103, April 1999
[7] B.K. Bose, "Expert System, Fuzzy Logic, and Neural Network Applica-
tions in Power Electronics and Motion Control," Proceedings of the
IEEE, vol.82, no.8, pp.1303-1323, Aug 1994
[8] R.W. Dunn, K.W. Bell and A.R. Daniels, "Fuzzy Logic and its Applica-
tion to Power Systems," in Proceedings of IEE Colloquium on Artificial
Intelligence Techniques in Power Systems, London, UK, 1997
[9] J.R. Aguero and A. Vargas, "Inference of Operative Configuration of
Distribution Networks using Fuzzy Logic Techniques-Part I: Real-time
Model," IEEE Transactions on Power Systems, vol.20, no.3, pp. 1551-
1561, 2005
[10] G. Acampora, V. Loia and A. Vitiello, "Exploiting Timed Automata
based Fuzzy Controllers for Voltage Regulation in Smart Grids," in Pro-
ceedings of IEEE International Conference on Fuzzy Systems, Taipei,
Taiwan, 2011
[11] T.Y. Kurniawan, "Electrical Load Time Series Data Forecasting using
Interval Type-2 Fuzzy Logic System," in Proceedings of IEEE Interna-
tional Conference Computer Science and Information, 2010
[12] V. Loia, and A. Vaccaro, "A Decentralized Architecture for voltage
regulation in Smart Grids," in Proceedings of IEEE International Sym-
posium on Industrial Electronics, Gdańsk, Poland, 2011
[13] L. Fangxing and et al, "Smart Transmission Grid: Vision and Frame-
work," IEEE Transactions on Smart Grid, vol.1, no.2, pp.168-177, 2010
[14] Basler, M.J.; Schaefer, R.C.; , "Understanding Power-System Stability,"
IEEE Transactions on Industry Applications, Vol.44, no.2, pp.463-474,
2008
[15] Unidad de Planeación Minero Energética, "Plan de Expansión de Refe-
rencia Generación – Transmisión 2005 – 2019", UPME., Bogotá, Co-
lombia, 2005.
[16] R. Hoffmann, G. Krost, M. Rohner. "Displaying Operational Information
to Yield Situation Awareness in Case of System Splits of Large Inter-
connected Grids" in CIGRÉ 2011, Bologna, pp. 277-283
[17] Kundur. P., Power System Stability and Control, McGraw-Hill, Inc.,
1994
[18] Anderson,M., Fouad, A., Power System Control and Stability., John
Wiley & Sons 2003
[19] A. Murdoch, S. Venkataraman, R.A. Lawson, and W.R.Pearson, "Inte-
gral of Accelerating Power Type PSS. I. Theory, Design, and Tuning
Methodology," IEEE Transactions on Energy Conversion, vol.14, no.4,
pp.1658-1663, 1999
[20] P. Hoang and K. Tomsovic, "Design and Analysis of an Adaptive Fuzzy
Power System Stabilizer ," IEEE Transactions on Energy Conversion,
vol.11, no.2, pp.455-461, 1996
[21] T. Abdelazim and O.P. Malik, "An Adaptive Power System Stabilizer
using On-line Self-learning Fuzzy Systems," in Proceedings of Power
Engineering Society General Meeting, Toronto, Ontario Canada, 2003
[22] A.M. Ghany, "Design of a Mixed H2/H∞ Robust PID Power System
Stabilizer with Fuzzy Adaptation and Simulated Annealing Optimizati-
on," in Proceedings of International Middle-East Power System Confe-
rence, 2008
[23] H. Behbehani, Z. Lubosny and J.W.Bialek, "Survey of Supervisory
Power System Stabilizers for Enhancement of Power System Stability,"
in Proceedings of Universities Power Engineering Conference, Brighton,
UK, 2007
[24] L. Zijian, Y. Jilai and S. Hong-Chun, "Coordination Control between
PSS and SVC Based on Fuzzy-Satisfactory Degree and MOEA," in Pro-
ceedings of Asia-Pacific Power and Energy Engineering Conference,
Wuhan, China, 2009
[25] M. Vijayaraghavan and M.Y. Sanavullah, "A Supervisory Hierarchical
Fuzzy logic Controller for Power System Stabilizer," in Proceedings of
International Conference on Electronics Computer Technology, Kanya-
kumari, India, 2011
[26] T. Hussein, A.L. Elshafei and A. Bahgat, "Design of a Hierarchical
Fuzzy Logic PSS for a Multi-machine Power System," in Proceedings of
Mediterranean Conference on Control & Automation, 2007
[27] H. Pei-Hwa, T. Ta-Hsiu and D. Shao-Chiang, "Power System Stabilizer
using Local and Remote Signals," in Proceedings of Annual Conference
on International Conference on Instrumentation Control and Informa-
tion Technology, Tokyo, Japan, 2008
[28] C. Rehtanz, "Autonomous Systems and Intelligent Agents in Power
System Control and Operation", Springer-Publisher, Chapter 2,3, 2003
[29] H ger, S. Lehnhoff, C. Rehtanz and H.F. Wedde, "Multi-Agent
System for Coordinated Control of Facts Devices" in Proceedings on In-
ternational Conference on Intelligent System Applications to Power Sys-
tems, Curitiba, Brazil, 2009.
[30] H ger and et al pplica ility of Coordinated Power Flow Control
based on Multi-Agent Systems" in Proceedings of Bulk Power System
Dynamics and Control Symposium, Buzios, Rio de Janeiro, Brazil 2010.
[31] B.C. Kuo. Automatic Control Systems, 5th Ed., New Jersey: Prentice-
Hall, Inc., 1987, pp.185-187 and 384-459.
[32] H, Yuan-Yih and C. Chern-Lin, "Identification of Optimum Location for
Stabiliser Applications using Participation Factors," IEE Proceedings C
Generation, Transmission and Distribution, vol.134, no.3, pp.238-244,
1987
[33] D.R. Ostojic, "Identification of Optimum Site for Power System Stabili-
ser Applications," IEE Proceedings C Generation, Transmission and Dis-
tribution, vol.135, no.5, pp.416-419, 1988
[34] L. Chun, R. Yokoyama and V.R. Silva, "Optimal Allocation and Design
of PSSs for Damping of Low-Frequency Oscillations in Multi-Regional
Interconnected Power System," in Proceedings of Transmission and Dis-
tribution Conference and Exhibition: Asia and Pacific, 2005
[35] L. Angquist and C. Gama, "Damping Algorithm based on Phasor Esti-
mation," in Proceedings of Power Engineering Society Winter Meeting,
Columbus, Ohio USA, 2001
[36] S. Horowitz, A. Phadke and B. Renz, "The Future of Power Transmis-
sion," Power and Energy Magazine, vol.8, no.2, pp.34-40, March-April
2010
[37] J. Ferber. MultiAgent Systems: an Introduction to Distributed Artificial
Intelligence, Addison Wesley, Longman, 1999.