PyOPF – Modelado avanzado del flujo de potencia óptimo de CA
PyOPF es un solucionador de flujo de potencia óptimo de CA basado en Python de código abierto diseñado para mejorar el conocimiento y el acceso a los modelos de optimización de la red.
Desafío
Los solucionadores ACOPF de código abierto existentes carecían de implementaciones claras y estandarizadas, lo que dificultaba que los investigadores comprendieran y aplicaran la formulación de corriente-voltaje de manera efectiva.
Enfoque (Metodología y Análisis)
1. Desarrollo de un solucionador de flujo de potencia óptimo de CA (ACOPF) basado en Python
Diseñó un marco de optimización utilizando Pyomo, un lenguaje de modelado algebraico basado en Python, para resolver problemas ACOPF .
Se implementó la optimización de puntos interiores (IPOPT) como solucionador principal para la programación no lineal.
C2DataUtilities integrado para el análisis de archivos RAW , lo que permite una compatibilidad directa con casos de prueba de sistemas de energía de redes estándar RTS-GMLC e IEEE.
2. Manejo de la optimización de sistemas de energía a gran escala
Ecuaciones de flujo de potencia modeladas utilizando una formulación de corriente-voltaje , mejorando la estabilidad numérica en casos donde fallan los modelos de flujo de potencia en forma polar tradicionales.
Se probó el rendimiento del solucionador en los casos de prueba IEEE-14, IEEE-118 y Texas7k , evaluando la precisión de la solución, la viabilidad y el tiempo de ejecución .
Hallazgos y perspectivas clave
PyOPF resolvió con éxito los problemas de ACOPF en múltiples redes de prueba
Se lograron soluciones factibles de despacho de energía en todos los casos de prueba , validando su capacidad para manejar escenarios complejos de flujo de energía.
Se garantizó el cumplimiento de las restricciones del sistema , incluidos los límites de voltaje, la carga de línea y los límites de despacho de generación .
Las mejoras futuras podrían ampliar la funcionalidad
La integración con modelos de incertidumbre de energía renovable podría mejorar la confiabilidad de la red y las estrategias de despacho económico .
Se podrían introducir técnicas de optimización adaptativa para mejorar la eficiencia del solucionador en condiciones cambiantes de la red .