UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

DEPARTAMENTO DE INGENIERÍA ELÉCTRICA

COORDINACIÓN DE PROTECCIONES DE SISTEMAS ELÉCTRICOS

DE POTENCIA MEDIANTE FORMULACIÓN DE PROBLEMA DE
OPTIMIZACIÓN

MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO CIVIL ELÉCTRICO

FRANCISCO JAVIER PÉREZ SAN MARTÍN

PROFESOR GUÍA:
PABLO MEDINA COFRÉ

MIEMBROS DE LA COMISIÓN:
RODRIGO MORENO VIEYRA
PATRICIO MENDOZA ARAYA

SANTIAGO DE CHILE
2021
 RESUMEN DE LA MEMORIA PARA OPTAR
AL TÍTULO DE INGENIERO CIVIL ELÉCTRICO
POR: FRANCISCO JAVIER PÉREZ SAN MARTÍN
FECHA: 2021
PROFESOR GUÍA: PABLO MEDINA COFRÉ

COORDINACIÓN DE PROTECCIONES DE SISTEMAS ELÉCTRICOS

DE POTENCIA MEDIANTE FORMULACIÓN DE PROBLEMA DE
OPTIMIZACIÓN
Las protecciones eléctricas se encargan de despejar las fallas que puedan llegar a
ocurrir, siendo una pieza clave del sistema eléctrico. Dentro de las protecciones más
empleadas se encuentran las de sobrecorriente por ser bastante económicas. No obstan-
te, lograr una operación coordinada de este tipo de protecciones es complicado cuando
el sistema reúne ciertas características. Por ello, se suelen emplear modelos simplificados
para encontrar un ajuste que asegure una operación coordinada de estas protecciones.

El objetivo de este trabajo es coordinar el ajuste de protecciones eléctricas de so-

brecorriente mediante la formulación de un problema de optimización entero mixto
no-lineal. Se busca con ello minimizar los tiempos de operación de las protecciones
de manera coordinada, es decir, selectiva y sensitivamente. Para esto, se propone un
problema de optimización que incluya todas las características de las protecciones de
sobrecorriente, y se desarrolla un programa capaz de resolverlo. Dicho programa se
construye en base a un sistema ilustrativo radial para posteriormente ser probado en
el sistema benchmark IEEE 9 Busbars. Una vez obtenida la solución, esta es validada
en el software ETAP. Finalmente, se vuelve a coordinar este sistema, pero esta vez
considerando dos topologías en el problema de optimización.

El programa es desarrollado en Python y se desglosa en tres partes. La primera

parte, es el modelo del relé que consiste en un código orientado a objetos que reúne
todo lo necesario para simular lo que ocurre entre que se produce una falla y la señal
de apertura del relé. La segunda parte, es una rutina que establece el problema de op-
timización y lo resuelve mediante el software GEKKO. La última parte, es una rutina
que establece las restricciones de coordinación en base a los datos de las corrientes de
cortocircuito extraídos del software ETAP.

Del trabajo realizado se extraen varias conclusiones. Primero, debido a que el siste-
ma es enmallado, las protecciones direccionales son fundamentales para poder conseguir
una operación coordinada de los relés. Por esto, se incorporan protecciones direccionales
en este trabajo junto con las de sobrecorriente. Segundo, por la necesidad de redondear
ciertos ajustes resultantes de la coordinación, dado el modelo del relé en ETAP, es
necesario incluir ciertas variables como discretas. Al hacer esto, el problema de optimi-
zación se vuelve muy complejo de resolver, ante lo cual como solución se emplea una
co-optimización. Por último, se concluye que, para asegurar la operación coordinada
de los relés para múltiples topologías, es necesario incluir las restricciones de cada to-
pología al problema de optimización, aunque esto lo vuelva más complicado de resolver.

i
 “If you’re not scared, you’re not taking a chance.
And if you’re not taking a chance, then what the hell are you doing?”
— Ted Mosby

ii
Agradecimientos

Quiero agradecer a mi familia. Por apoyarme en mi educación desde muy temprano,

y ofrecerme todas las herramientas necesarias para llegar a lo que soy hoy en día. Fue-
ron ellos quienes me incentivaron a dar pasos cada vez más grandes, partiendo desde
el jardín a pocas cuadras de mi casa, para terminar donde estoy ahora. En especial
agradecer a mi madre, quien me incentivó a esforzarme para conseguir mis metas desde
muy temprano en mi vida.

Le doy muchas gracias a mi profesor guía, Pablo Medina. Agradezco su constante

preocupación por el estado de mi trabajo, lo que se refleja en reuniones bastante fre-
cuentes como en consejos fundamentales para poder seguir adelante ante los problemas
que surgieron. Pero principalmente le agradezco haber confiado en mi este trabajo su-
mamente desafiante, más aún en los tiempos en que fue desarrollado este trabajo.

Agradecer también a mis compañeros de Universidad, el equipo de dólares por me-

gawatt. A pesar de ser personas bastante diferentes, jamás pensé que un grupo así
sería capaz de lograr tanto. Desde aprobar SEP, realizar trabajos en tiempo récord, ir a
tocar puertas para encontrar práctica, armarnos oficinas improvisadas, fueron muchas
anécdotas de mucho ingenio que surgieron de este pequeño grupo. Sin lugar a dudas
hicieron de mi estancia en la Universidad más amena, y espero volver a encontrarme
con alguno de ustedes en algún otro proyecto fuera de la Universidad. Por eso muchas
gracias a Joseph Gutiérrez, Ignacio Ponce y Matías Villela.

Por último, agradecer a mi pareja, Carla Garrido. Por ayudarme a crecer como per-
sona durante estos años universitarios y por su apoyo incondicional durante toda la
carrera. Por más pequeño que haya sido un logro, ella siempre estuvo ahí para felicitar-
me y celebrarlo.

iii
Tabla de Contenido

1. Introducción 1
1.1. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Objetivo general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Alcances . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Marco Teórico 4
2.1. Protecciones eléctricas . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.1. Características de las protecciones . . . . . . . . . . . . . . . . . 4
2.1.2. Protección de sobrecorriente . . . . . . . . . . . . . . . . . . . . 5
2.1.3. Coordinación de protecciones . . . . . . . . . . . . . . . . . . . 6
2.2. Optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1. Definición de un problema de optimización . . . . . . . . . . . . 8
2.2.2. Tipos de problemas de optimización . . . . . . . . . . . . . . . . 8
2.2.3. Optimización robusta . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4. Problemas de optimización en ingeniería eléctrica . . . . . . . . 11
2.3. Coordinación de protecciones como problema de optimización . . . . . 11
2.3.1. Una mirada histórica . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3.2. Coordinación robusta para microrred . . . . . . . . . . . . . . . 14
2.3.3. Coordinación de relés duales para microrred . . . . . . . . . . . 15
2.3.4. Formulación incorporando naturaleza discreta de Ip . . . . . . . 16
2.3.5. Coordinación con enfoque entero mixto no-lineal . . . . . . . . . 17
2.4. Esquemas de descomposición . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1. Descomposición por topología . . . . . . . . . . . . . . . . . . . 18
2.4.2. Descomposición por localización de falla . . . . . . . . . . . . . 19
2.4.3. Descomposición por topología-localización de falla . . . . . . . . 19
2.5. Consideraciones generales . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.6. Herramientas de resolución . . . . . . . . . . . . . . . . . . . . . . . . . 21

3. Metodología 24
3.1. Problema ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Modelo del relé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3. Problema ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4. Traspaso de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5. Problema Benchmark . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6. Problema Benchmark con múltiples escenarios . . . . . . . . . . . . . . 30

iv
4. Resultados 32
4.1. Desarrollo problema ilustrativo . . . . . . . . . . . . . . . . . . . . . . 32
4.2. Modelo del relé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1. Secuencia de eventos . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.2. Modelo del relé . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3. Problema ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3.1. Prueba del modelo . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4. Traspaso de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4.1. Estudios eléctricos . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.4.2. Restricciones del problema . . . . . . . . . . . . . . . . . . . . . 43
4.5. Problema Benchmark . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.1. Límites y punto inicial . . . . . . . . . . . . . . . . . . . . . . . 47
4.5.2. Direccionalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.5.3. Corriente de pick up y TDS discretas . . . . . . . . . . . . . . . 51
4.5.4. Co-optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.5.5. Resultado final . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.6. Problema Benchmark con múltiples escenarios . . . . . . . . . . . . . . 57

5. Conclusiones y trabajo futuro 61

5.1. Trabajo futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

Bibliografía 63

v
Índice de Tablas

2.1. Valores para curvas de relé de sobrecorriente . . . . . . . . . . . . . . . . 6

4.1. Corrientes de cortocircuito para las fallas propuestas . . . . . . . . . . . 33
4.2. Corrientes en amperes secundarios . . . . . . . . . . . . . . . . . . . . . . 33
4.3. Ajustes para las protecciones del sistema ilustrativo . . . . . . . . . . . . 34
4.4. Tiempos de actuación para las fallas estudiadas del sistema ilustrativo . . 34
4.5. Ajustes para las protecciones del problema ilustrativo obtenidos por pro-
blema de optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6. Tiempos de actuación para las fallas del problema ilustrativo obtenidos
por problema de optimización . . . . . . . . . . . . . . . . . . . . . . . . 42
4.7. Límites y punto inicial para las protecciones ANSI51 . . . . . . . . . . . 48
4.8. Límites y punto inicial para las protecciones ANSI50 . . . . . . . . . . . 49

vi
Índice de Ilustraciones

2.1. Tipos de curvas para relés de sobrecorriente [4] . . . . . . . . . . . . . . . 5

2.2. Visualización de la coordinación de protecciones según: localización de la
falla (a) y según corriente de cortocircuito (b) [6] . . . . . . . . . . . . . 7
2.3. Descomposición por topología . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4. Descomposición por localización de falla . . . . . . . . . . . . . . . . . . 19
2.5. Descomposición por topología-localización de falla . . . . . . . . . . . . . 19
2.6. Descomposición por relés . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.1. Problema ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2. Sistema Benchmark . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3. Diagrama metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.1. Secuencia homopolar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2. Secuencia directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3. Secuencia inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4. Secuencia de eventos una vez producida una falla [2] . . . . . . . . . . . . 35
4.5. Comparación entre emplear función sigmoide vs emplear función if . . . . 36
4.6. Dataframe intermediario . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.7. Restricciones de falla en barra . . . . . . . . . . . . . . . . . . . . . . . . 44
4.8. Restricciones de falla en línea . . . . . . . . . . . . . . . . . . . . . . . . 45
4.9. Restricciones del otro extremo de la línea . . . . . . . . . . . . . . . . . . 46
4.10. Restricciones para el último respaldo . . . . . . . . . . . . . . . . . . . . 46
4.11. Requerimientos contradictorios en sistema enmallado . . . . . . . . . . . 50
4.12. Ejemplo de co-optimización [25] . . . . . . . . . . . . . . . . . . . . . . . 52
4.13. Co-optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.14. Resultados secuencia de apertura falla en barra 4 . . . . . . . . . . . . . 57
4.15. Secuencia de apertura falla en barra 8 para segunda topología con optimi-
zación considerando solo topología base . . . . . . . . . . . . . . . . . . . 59
4.16. Secuencia de apertura falla en barra 8 para segunda topología con optimi-
zación considerando ambas topologías . . . . . . . . . . . . . . . . . . . . 60

vii
Capítulo 1

Introducción

1.1. Motivación
Los sistemas eléctricos de potencia (SEP) son sumamente complejos, es decir, invo-
lucran varias áreas de la ingeniería eléctrica. En [1] se define un SEP como un “conjunto
de instalaciones que permiten generar, transportar y distribuir la energía eléctrica en
condiciones adecuadas de tensión, frecuencia y disponibilidad”. Y dada la importancia
de la energía eléctrica es fundamental que todas estas áreas funcionen de manera co-
rrecta para poder tener un sistema confiable.

Una de estas áreas es el estudio de protecciones eléctricas, la cual se encarga de

darle seguridad al sistema ajustando la operación de estos dispositivos. Debido a que
no existen sistemas eléctricos de potencia con nula probabilidad de contingencias, las
protecciones son las encargadas de aislar las fallas del resto del sistema lo más rápido
posible. Hay varios atributos que se esperan de un sistema de protecciones, además de
la rapidez. Por ejemplo, que las protecciones como conjunto operen de forma sensible,
selectiva, coordinada y confiable.

Dentro de los diferentes tipos de protecciones eléctricas se encuentran las de distan-

cia o diferenciales, pero las protecciones de sobrecorriente destacan por ser de las más
económicas. En muchos casos, la coordinación de estas protecciones considera un mo-
delo simplificado. Esto conlleva a que su operación no necesariamente sea en el mínimo
tiempo de operación, sino que en un subóptimo. Para lograr encontrar un mejor ajuste
que asegure la mejor operación que estos equipos pueden proveer, es necesario incluir
en el modelo sus características no lineales y de entero mixtas.

En este trabajo se realiza la formulación de un problema de optimización que in-

corpora estas características de los relés de sobrecorriente. Además, se desarrolla un
algoritmo y código capaz de resolver el problema de optimización para un sistema eléc-
trico específico. Para esta investigación, se resuelve la coordinación de protecciones para
un sistema benchmark considerando primero un punto de operación y luego múltiples
puntos de operación.

1
1.2. Objetivos
Objetivo general
El objetivo general de esta memoria es coordinar el ajuste de protecciones eléctricas
de sobrecorriente mediante la formulación de un problema de optimización entero mixto
no-lineal. Se busca con ello minimizar los tiempos de operación de las protecciones de
manera coordinada, es decir, selectiva y sensitivamente.

Objetivos específicos
Formular el problema de coordinación de protecciones como problema de optimi-
zación entero mixto no-lineal.

Desarrollar un algoritmo y escribir un código que resuelvan el problema de opti-

mización.

Obtener el ajuste de las protecciones resolviendo el problema de optimización

computacionalmente para el sistema benchmark IEEE 9 Busbars considerando
un punto de operación del sistema.

Validar la coordinación de protecciones para el sistema benchmark IEEE 9 Bus-

bars en el software ETAP considerando un punto de operación del sistema.

Obtener el ajuste de las protecciones resolviendo el problema de optimización

computacionalmente para el sistema benchmark IEEE 9 Busbar considerando
múltiples puntos de operación del sistema.

Validar la coordinación de protecciones para el sistema benchmark IEEE 9 Bus-

bars en el software ETAP considerando múltiples puntos de operación del sistema.

2
1.3. Alcances
Para cumplir los objetivos propuestos el trabajo contempla el estudio de pro-
blemas similares donde se haya abordado la coordinación de protecciones como
problema de optimización. En especifico, se enfatiza en la formulación del pro-
blema (función objetivo y restricciones) y metodología empleada para resolver
el problema. También se requiere familizarizarse con programas computacionales
que permitan la resolución del problema.

Asimismo, se necesita lograr un mayor conocimiento de optimización para com-

prender de forma plena las formulaciones de problemas similares. Junto con esto,
es necesario revisar las metodologías empleadas para la resolución de este tipo de
problemas de optimización con el fin de identificar sus ventajas y desventajas. Sin
embargo, está fuera del alcance de este trabajo probar con nuevos métodos que no
sean los que comúnmente se emplean para coordinar protecciones como problema
de optimización.

Además, es necesario familiarizarse con dos softwares para lograr cumplir los ob-
jetivos planteados. Primero, se requiere familiarizarse con algún programa que
permita resolver computacionalmente el problema de optimización, en este caso
se empleará Gekko. Segundo, es necesario familiarizarse con ETAP para así lograr
validar la coordinación de protecciones propuesta en este trabajo.

3
Capítulo 2

Marco Teórico

2.1. Protecciones eléctricas

En todo sistema eléctrico de potencia existe un sistema de protecciones eléctricas
encargado de despejar las fallas en caso de que exista alguna contingencia que ponga
en peligro al sistema eléctrico. Lograr esto de manera correcta requiere un trabajo
minucioso, en el cual todos los dispositivos de protección deben trabajar en conjunto. En
esta sección, se explican los aspectos esenciales respecto a las protecciones eléctricas en
general para comprender este trabajo, con hincapié en las protecciones de sobrecorriente.

2.1.1. Características de las protecciones

Existen varios términos específicos al hablar de protecciones eléctricas, los cuales
se refieren a una determinada característica de la protección en sí. Los términos más
relevantes a tener en cuenta para esta memoria en relación a las protecciones eléctricas
son: sensibilidad, selectividad, coordinación, zonas de protección, relés primarios y de
respaldo.

Se habla de sensibilidad como la habilidad del sistema eléctrico de identificar una

condición anormal, que excede cierto valor límite en relación con la operación normal
del sistema. Se espera que las protecciones eléctricas sean lo suficientemente sensibles
para detectar toda condición anormal, pero no tan sensibles como para operar durante
condiciones normales de la red [2, p. 9], [3, p. 6].

Por su parte, la selectividad se refiere al diseño estratégico donde las protecciones

más cercanas a una falla operarán para remover los componentes afectados para despe-
jarla. Esto implica ajustar los dispositivos de protecciones para obtener la selectividad
deseada que logre interrumpir exclusivamente los componentes fallados. Para ello tam-
bién se definen zonas de protección, que son regiones del sistema donde, ante una falla,
su sensibilidad respecto a dicha falla será mayor.

Por último, un relé de protección primario es aquel que para una zona de protección
determinada le corresponde operar ante condiciones anormales que ocurran dentro de
la zona. Mientras que, los relés de respaldo, son relés que se encuentran fuera de la zona
de protección de otro relé primario, pero en una zona adyacente. Estos son ajustados

4
para operar ante fallas en la zona de protección del relé primario independientemente
de la operación del relé primario. De esta forma, se habla de coordinación cuando los
dispositivos de protecciones, tanto primarios como de respaldo, han sido ajustados tal
que se ha logrado una operación selectiva [2, p. 9].

2.1.2. Protección de sobrecorriente

Dentro de las protecciones eléctricas existen varios tipos de protecciones, uno de
estos es el relé de sobrecorriente, cual opera cuando la corriente a través de él supera
un valor predeterminado [2, p. 56]. Los relés de sobrecorriente son simples y baratos, a
costa de ser difíciles de implementar y requerir ajustes en cuanto hay cambios significa-
tivos en la topología de la red. Estos dispositivos son empleados a lo largo del sistema
eléctrico, en algunos casos como sistema de protección principal y en otros como res-
paldo. Así, destacan principalmente en sistemas de distribución [3, p. 259].

Ahora bien, existen dos tipos de relés de sobrecorriente. El primero es el relé de so-
brecorriente, el cual opera de manera instantánea (sin retardo intencional) tras detectar
una anomalía en la operación. El segundo, es el relé de sobrecorriente temporizado. Este
último relé cuenta con distintas curvas donde el tiempo de operación varía inversamente
respecto a la corriente que mide el relé. Las formas de estas curvas se pueden observar
en la figura 2.1 [2, p. 56].

Figura 2.1: Tipos de curvas para relés de sobrecorriente [4]

5
 La curva para un relé de sobrecorriente temporizado se representa mediante la ecua-
ción 2.1. Donde TDS proviene del inglés Time Dial Setting, If es la corriente de falla,
IP ickU p es la corriente desde la cual el relé comienza a operar y los valores de K y α se
ajustan para lograr las distintas curvas. En la tabla 2.1 se muestran los valores K y α
según la norma IEC 60255 para distintas curvas.

K
top = T DS ∗ If (2.1)
( IP ickup )α − 1

Tabla 2.1: Valores para curvas de relé de sobrecorriente

Tipo de curva K α
Standar Inverse 0,14 0.02
Very Inverse 13,5 1
Extremely Inverse 80 2
Long Time Inverse 120 1

La característica de tiempo inverso de los relés de sobrecorriente lo hacen ideales

para sistemas de distribución. Esto se debe a que en los sistemas de distribución la
corriente de falla depende principalmente de la localización de la falla y prácticamente
no se ve afectada por cambios en generación o en el sistema de transmisión de alta
tensión [3, p. 259]. Otro elemento importante a destacar es la posibilidad de incorporar
protecciones de sobrecorriente direccionales, los cuales solo actúan en base a la corriente
que circula en una dirección específica a través del relé.

Por otro lado, si bien son los coeficientes expuestos anteriormente los que determinan
la forma de la curva, existen otros dos ajustes adicionales que también afectan a la curva
del relé de sobrecorriente. Estos son la corriente de Pick up (IP ickup ), y el TDS. Con
el ajuste de IP ickup se espera que un relé sea lo suficientemente sensible para detectar
cualquier falla que pueda ocurrir, pero no tanto como para operar con carga máxima
esperada. Por último, el ajuste de TDS espera lograr selectividad del relé respecto a los
otros relés que se encuentren cercanos [3, pp. 259 262].

2.1.3. Coordinación de protecciones

El objetivo de un estudio de coordinación de protecciones es determinar las caracte-
rísticas y ajustes de las protecciones que minimicen el daño a los equipos e interrumpan
los cortocircuitos lo más rápido posible ante una falla [5]. También, se busca que tras
una contingencia o condición de sobrecarga solo una mínima parte del sistema se vea
interrumpida. Además de esto, es necesario destacar que en los sistemas eléctricos exis-
tentes hay constantes cambios de topología y de condiciones de operación. Por esta
razón, un nuevo estudio de coordinación de protecciones debe llevarse a cabo cuando
estos cambios producen variaciones en las corrientes de cortocircuito, ya sea por una
nueva topología de la red o carga en el sistema.

6
 Para lograr la coordinación de protecciones, se definen protecciones primarias y de
respaldo. Las primarias se ajustan de manera que operen rápido y una porción menor
del sistema sea removida ante una falla. Por otro lado, las de respaldo solo deben entrar
en operación en caso de que las protecciones primarias fallen en despejar la falla. Por
ello, se ajustan para operar con cierto retardo respecto al tiempo de operación de la
protección primaria. Así, la protección primaria tiene un margen de tiempo para operar
antes que la protección de respaldo lo haga. Es importante que la protección primaria
opere antes que la protección de respaldo. Puesto que, en la mayoría de los casos, que la
protección de respaldo opere, conlleva a que una mayor parte del sistema se desconecte
en comparación a la que desconectaría la protección primaria.

No obstante, en la práctica existe un trade-off entre protección (rapidez) y selecti-

vidad a la hora de coordinar protecciones. Esto quiere decir que, si la coordinación es
más rápida, será a costa de selectividad, y si es más selectiva, las protecciones actuarán
más lento. Ante esto, la rapidez suele posicionarse por sobre la selectividad.

Una vez realizada la coordinación de protecciones, y así obtenidos los ajustes de

los relés que componen el sistema de protecciones, es importante corroborar que efec-
tivamente exista coordinación entre estos. Para ello, una de las formas más comunes
es visualizar de manera gráfica como operarían las protecciones ante una determinada
falla. Así, en la figura 2.2 se puede observar cómo comprobar gráficamente que los tiem-
pos de intervalo de coordinación (CTI, del inglés Coordination Interval Time) se hayan
cumplido. De esta forma, es posible observar los tiempos de operación de los relés según
la localización de la falla o según la corriente de cortocircuito.

Figura 2.2: Visualización de la coordinación de protecciones se-

gún: localización de la falla (a) y según corriente de cortocircuito
(b) [6]

En el caso chileno, la Norma Técnica de Seguridad y Calidad de Servicio (NTSyCS)

determina que el CTI debe ser de 15 ciclos (300 milisegundos)[7, p. 91].

7
2.2. Optimización
En esta sección se exponen los conceptos de optimización necesarios para la com-
prensión de esta memoria. Se detalla qué es un problema de optimización, los tipos de
problemas de optimización que existen y se mencionarán algunos métodos existentes
para resolverlos. También se dan ejemplos en donde se usan problemas de optimización
dentro de la ingeniería eléctrica.

2.2.1. Definición de un problema de optimización

En [8, p. 1] se define que un problema de optimización tiene la siguiente forma:

min f0 (x)
s.a. fi (x) ≤ bi i = 1, ..., m.

Donde en el problema de optimización, x = (x1 , ..., xn ) es la variable de optimización

del problema, la función f0 : Rn → − R es la función objetivo del problema, las funciones
n
fi : R → − R, i = 1, ..., m, son las funciones de restricción del problema y las constantes
b1 , ..., bm son los límites de las restricciones. Un vector x∗ será óptimo o solución del
problema si posee el menor valor objetivo entre todos los vectores que satisfacen las
restricciones, es decir, para cualquier z tal que f1 (z) ≤ b1 , ..., fm (z) ≤ bm se tiene que
f0 (z) ≥ f0 (x∗ ).

2.2.2. Tipos de problemas de optimización

Según la naturaleza de las funciones y variables del problema de optimización, se
puede clasificar un problema de optimización como lineal, no-lineal, entero mixto lineal
y entero mixto no-lineal. A continuación, se habla brevemente de cada uno de los tipos
de problemas de optimización.

Lineal
Un problema de optimización será lineal o LP (del inglés Linear Programing) si su
función objetivo y restricciones son lineales. Para este tipo de problemas existen una
variedad de métodos para resolverlos como simplex y otros expuestos en [8]. Se recalca
también que estos métodos no presentan dificultades en su resolución, ya que cualquier
computador es capaz de resolver un problema de cientos de variables y miles de restric-
ciones en segundos [8, p. 6]. Por ello, se puede decir que esta es una de las formulaciones
más amigables que existe a la hora de resolver un problema de optimización. A modo
de ejemplo, a continuación, se muestra un problema de optimización lineal [9, p. 2]:

min 2x1 − x2 + 4x3

s.t. x1 + x2 + x4 ≤2
3x2 − x3 =5
x3 + x4 ≥3
x1 ≥0
x3 ≤0

8
No-lineal
Un problema de optimización será no-lineal o NLP (del inglés Non-Linear Progra-
ming) si la función objetivo o al menos una de las restricciones es no-lineal. En general,
es deseable evitar trabajar con problemas de optimización no lineales debido a que no
existen métodos que logren resolver cualquier NLP. Los métodos que existen suelen
tener alguna forma de abordar el problema, la cual trae consigo algún compromiso de
antemano [8, p. 9]. No obstante, en [8] se pueden encontrar varios métodos para resolver
problemas de NLP, por ejemplo, el método del gradiente.

Otro punto relevante es que al haber no-linealidad en el problema, puede darse que
existan soluciones locales para el problema de optimización. Es decir, puede existir una
solución al problema de optimización tal que lo sea para los puntos dentro de una ve-
cindad. Sin embargo, este punto puede no ser la solución general del problema.

Debido a esto, varios algoritmos emplean una técnica de optimización local, la cual
requiere de un punto inicial que supone estar cercano a la solución global del problema.
Estos algoritmos son útiles en problemas NLP donde se tiene o se puede obtener un
valor inicial con facilidad. Estos algoritmos suelen converger más rápido que otros que
buscan la solución global al problema sin valor inicial [8, pp. 9-10].

Para ejemplificar, a continuación, se muestra un problema de optimización no lineal

[10, p. 109]:

min x21 + x22 + 2x23 + x24 − 5x1 − 5x2 − 21x3 + 7x4

s.t. −x21 − x22 − x23 − x24 − x1 + x2 − x3 + x4 + 8 ≥0
−x21 − 2x22 − x23 − 2x24 + x1 + x4 + 10 ≥0
−2x21 − x22 − x23 − 2x1 + x2 + x4 + 5 ≥0

Entero mixto lineal

Un problema de optimización será entero mixto lineal o MILP (del inglés Mixed
Integer Linear Programing) cuando el problema es de tipo lineal, pero además, posee
restricciones enteras para alguna de sus variables [11, p. 236]. Evidentemente, esto
agrega un nivel de dificultad diferente al problema, ya que, como se detalla en [10]
por las características del problema, el algoritmo debe tanto resolver como verificar la
optimalidad de la solución. En [11], se presentan métodos que permiten resolver este
tipo de problemas como Lenstra’s algorithm, cutting planes y Bender’s decomposition.
Dicho esto, a continuación, se muestra un ejemplo de un problema de optimización
entero mixto lineal [9, p. 482]:

min x1 − 2x2
s.t. −4x1 + 6x2 ≤9
x1 + x2 ≤4
x1 , x2 ≥0
x1 , x2 integer

9
Entero mixto no-lineal
Un problema de optimización será entero mixto no-lineal o MINLP (del inglés Mixed
Integer Non-Linear Programing) cuando su función objetivo o alguna de sus restriccio-
nes son de tipo no-lineal y además, hay restricciones enteras para alguna de sus varia-
bles. Este tipo de problema de optimización es el más difícil de resolver de todos los
mencionados anteriormente pues recoge las dificultades que representa la no-linealidad
y el carácter entero. En [10] se presentan varios métodos para resolver MINLP donde
destaca el método branch-and-bound y métodos que reformulan el problema a uno de
tipo MILP. Para ejemplificar, a continuación, se muestra un problema de optimización
entero mixto no lineal [10, p. 110]:
1 x3 x2
min 6,931
− x1 x4
s.t. xi ≤ 60, ∀i = 1, 2, 3, 4
xi ≥ 12, ∀i = 1, 2, 3, 4
xi integer, ∀i = 1, 2, 3, 4

2.2.3. Optimización robusta

Hay casos donde existe incertidumbre o variaciones dentro de los parámetros del
problema de optimización. Para estos casos se espera que las restricciones del problema
de optimización se cumplan para todos los escenarios posibles, lo que nos lleva a la
optimización robusta [8, p. 157].

Hay varias formas de incorporar optimización robusta a nuestro problema depen-

diendo de cómo es la variación o incertidumbre de nuestros parámetros [8, cap. 6.4].
Así, hay dos distinciones importantes dentro de la optimización robusta.

La primera, es la optimización robusta estocástica. Donde sabemos que nuestro pa-

rámetro con incertidumbre tiene un comportamiento aleatorio con un valor promedio.
Una forma simple de abordar este problema, es cuando el parámetro con incertidumbre
puede tomar solo un número finito de valores con una probabilidad asociada a cada
uno. Esto conlleva a minimizar una suma ponderada de cada caso por su respectiva
probabilidad de ocurrencia.

La segunda es la optimización robusta de peor escenario. Aquí se busca resolver

la peor situación que se puede presentar al problema. Volviendo al ejemplo anterior
cuando se tiene un número finito de valores que puede tomar nuestro parámetro con
incertidumbre, el problema se presenta de la siguiente forma:

min[ max kAi x − bk]

i=1,...,k

Lo cual, como se muestra en [8, p. 321] es equivalente a:

minimize t
subject to kAi x − bk ≤ t, i = 1, ..., k

10
 No obstante, se quiere recalcar que existen varias formas de abordar una optimi-
zación robusta. Para saber de qué forma conviene abordar el problema es necesario
comprender la naturaleza de los parámetros que presentan variaciones o incertidumbre.

2.2.4. Problemas de optimización en ingeniería eléctrica

Por último, se enuncian a continuación un par de ejemplos donde en la ingeniería
eléctrica se aplican problemas de optimización.

El primer ejemplo, es el caso de Unit Commitment. Este problema busca pre-

optimizar el despacho económico de las centrales generadoras dada la naturaleza que
algunas centrales poseen como el tiempo que tardan en encenderse o apagarse y el
coste asociado a esto. En [12] se hace una revisión bibliográfica de los métodos que se
han desarrollado para resolver el problema, el cual suele ser tratado como NLP o MILP.

Otro caso que vale la pena mencionar es el de coordinación hidrotérmica. Este

problema busca la mejor forma de despachar las centrales hidroeléctricas con tal de
minimizar el costo de operación. Dependiendo del horizonte temporal, este problema se
plantea de diferentes maneras. En el corto plazo, se modela como un MINLP [13].

2.3. Coordinación de protecciones como problema

de optimización
La coordinación de protecciones eléctricas como problema de optimización comienza
alrededor del año 1988 donde se destaca la publicación de [14]. En dicha publicación
se plantea que, hasta esa fecha, los algoritmos empleados para coordinar protecciones
se basaban en probar distintos casos para distintas fallas en varias configuraciones. Por
esta razón esos algoritmos carecían de ser soluciones óptimas en el sentido estricto de
la palabra siendo solo las mejores soluciones probadas.

En esta sección se describen distintas formulaciones de problemas de optimización

que se han planteado con el fin de coordinar protecciones de sobrecorriente. Solo se
consideran formulaciones cuyo enfoque sean similares a las de la presente memoria,
evitando así estudios donde el enfoque es probar un nuevo método para resolver el
problema de optimización, por ejemplo.

2.3.1. Una mirada histórica

Como se mencionó anteriormente, una de las primeras formulaciones de un problema
de optimización con el fin de coordinar protecciones eléctricas fue la presentada en 1988
mediante la publicación de [14]. Dicho trabajo comienza con una forma general de un
problema de coordinación de protecciones mostrada en (2.2). Donde z representa1 algún
índice de desempeño, s la configuración del dispositivo de protección, S el conjunto

1
Se mantiene la notación original de los autores cada vez que una formulación de problema de opti-
mización sea citada.

11
de ajustes que permite el dispositivo y p los parámetros concernientes a la falla o
perturbación que afecta al sistema.

min [z(s, p)] (2.2)

s∈S
Dado que el problema posee una gran dimensionalidad, en especial al alto número
de perturbaciones que se pueden considerar, se propone solucionar el problema con un
enfoque minimax como es expuesto en (2.3).

min [max z(s, p)] (2.3)

s∈S p∈P

Donde se espera que el subproblema max z(s,p) cuente con varias soluciones locales
del tipo p∗k ∈ P ∗ , k=1, ..., np. Donde P ∗ = {p∗1 , ..., p∗np } representa el conjunto de peo-
res escenarios o los más relevantes a considerar para coordinar protecciones. Obtener
dicho conjunto es un problema aparte al de coordinar protecciones y se suele considerar
resuelto de antemano.

Cada una de las perturbaciones existentes en P ∗ define su propio problema de opti-

mización y restricciones. Con ello (2.3) puede formularse como un problema de optimiza-
ción multiobjetivo como en (2.4). Donde Sk , k=1, ..., np, representa las configuraciones
factibles para las perturbaciones más relevantes.

min [z(s, p∗1 ), ..., z(s, p∗np )]

(2.4)
s.t. s ∈ S1 , ..., s ∈ Snp
Asumiendo un objetivo por perturbación, el problema se transforma en un problema
de optimización no lineal de la siguiente forma:

min [z1 (s, T ), ..., znp (s, T )]

s.t. h(T ) ≤ 0 (Criterio de Coordinación),
smin ≤ s ≤ smax , (Límites de configuración del relé), (2.5)
Tmin ≤ T ≤ Tmax , (Límites de tiempo de operación),
T = f (s), (Característica del relé)
Siendo (2.5) la formulación de un problema de optimización general independiente
del tipo de protección.

Llevando la formulación general a una de protecciones de sobrecorriente, lo primero

a considerar es la curva característica de estos relés. La cual es en función de TDS, Ip
(corriente de pick up) e I (corriente que mide el relé).
T DS
T = f (T DS, Ip, I) = K1 ∗ I K2 (2.6)
( Ip ) − K3
A partir de la curva, se debe considerar que la esencia del ajuste de protecciones de
sobrecorriente es obtener los valores de TDS e Ip, lo que equivale a que s=[TDS, Ip].
Respecto a zk , es una función que refleja el objetivo a alcanzar, por ejemplo, minimizar el
estrés al que son sometidos los equipos. Una forma de medir esto es con el calor disipado

12
por el equipo, el cual es proporcional al cuadrado de la corriente por el tiempo. De esta
forma, se puede minimizar el estrés de los equipos de la red es haciendo de zk una suma
ponderada de los tiempos de los relés como se muestra en (2.7). Donde Tijk es el tiempo
de operación del relé i, en la zona j para una falla en la zona k. Esta sumatoria es
ponderada por los pesos ωijk según la probabilidad de la falla, no obstante, el ajuste de
protecciones no se ve afectado por los pesos ωijk con lo que suele omitirse de la función
objetivo del problema.
XX
zk (T DS, Ip, T ) = ωijk Tijk (2.7)
i j

Las restricciones para los relés de sobrecorriente a partir de (2.5) se resumen en tres
tipos:

1. Criterio de coordinación: Sea Tnmk el tiempo de operación del relé de respaldo

para el relé Rij para una falla en k y ∆Tmj el tiempo de intervalo de coordinación
para zonas m y j, la restricción de coordinación queda:

Tnmk ≥ Tijk + ∆Tmj (2.8)

2. Límites de configuración del relé y de tiempos de operación: Los valores para TDS,
Ip y T de un relé i en zona j se encuentran acotados por un mínimo y máximo
valor:
T DSijmin ≤ T DSij ≤ T DSijmax
Ipijmin ≤ Ipij ≤ Ipijmax (2.9)
Tijmin ≤ Tij ≤ Tijmax

3. Característica del relé: Como se mencionó anteriormente, la característica de un

relé Rij dependerá de su TDS, Ip y de la corriente Iijk , que representa la corriente
vista por el relé Rij para una falla en k.

Tijk = f (T DSij , Ipij , Iijk ) (2.10)

No obstante, es sumamente relevante destacar que es posible llevar la formulación

(2.5) a una forma reducida, donde depende exclusivamente de TDS e Ip. Con ello se
elimina la restricción (2.10) relacionada a la característica del relé.

Sumado a todo lo anterior, se debe mencionar la existencia de restricciones para la

configuración transitoria que ocurre cuando solo uno de los relés de la zona que debe
ser despejada ha actuado. Si bien esta restricción puede ser omitida, de todas formas se
plantea en la formulación expuesta. En caso de considerarse, la coordinación durante
el transitorio se asegura mediante la siguiente restricción:
0 0 0
Tnmk ≥ Tijk + C

13
 Finalmente, los autores proponen un algoritmo para resolver el problema propuesto
por ellos, el cual consiste en los siguientes pasos:

1. Elegir un conjunto inicial de ajustes para los valores Ip∗ .

2. Encontrar T DS ∗ como solución de minT DS z(T DS, Ip∗ ) con las restricciones re-
levantes y la forma lineal de TDS.

3. Encontrar Ip∗ como solución de minIp z(T DS ∗ , Ip) con las restricciones relevan-
tes.

4. Repetir pasos 2. y 3. para los nuevos valores de los ajustes hasta que se logre
convergencia.

Es relevante resaltar que el algoritmo expuesto consiste en obtener un punto inicial

y tras ello realizar un paso lineal y otro no-lineal, lo cual se repite hasta alcanzar la
convergencia.

2.3.2. Coordinación robusta para microrred

En el trabajo presentado en [15] se propone una formulación de un problema de op-
timización robusta para coordinar protecciones de sobrecorriente y de mínima tensión
para una microrred. Se definen los relés de sobrecorriente como protección principal y
los de mínima tensión de respaldo.

La optimización robusta es necesaria debido a que la microrred no posee estudios de

ocurrencia de falla. Solo se cuenta con algunos reportes de falla, sobre todo en aquellas
que culminaron en la desconexión completa de la microrred. Por ello, los datos estadís-
ticos concernientes a las fallas de cortocircuito son inciertos.

Un criterio de optimización robusta busca minimizar la función objetivo para el peor

escenario. Así, sea A ∈ Rmxn , b ∈ Rmx1 y x ∈ Rnx1 , con el conjunto A = {A1 , ..., Ak }
los peores escenarios posibles, el problema se define de la siguiente manera:

min[ max kAi x − bk] (2.11)

i=1,...,k

Lo cual puede ser expresado como se vio en la sección 2.2.3:

min t
(2.12)
s.t. kAi x − bk ≤ t, i = 1, ..., k
La curva de un relé de sobrecorriente expresada en (2.1) puede ser reescrita de forma
lineal si se asume Ip como conocida. De esta manera, sea Tij el tiempo de operación del
relé de sobrecorriente i para la falla en k y Kik = Iik c1c2 se obtiene:
( Ip ) +c3
i

Tij = Kik T DSi (2.13)

De manera análoga para un relé de mínima tensión j, es posible linealizar su curva:

14
 Dj
Tjk = V = Ljk Dj (2.14)
1 − ( V jk
pj
)
Dado que los ajustes de los relés primarios y los relés de respaldo son indepen-
dientes, es preciso que para formular el problema de optimización ambos tiempos de
operación se incluyan por separado, puesto que se busca minimizar tanto el tiempo de
operación primaria como el de respaldo. De esta manera la formulación del problema
de optimización para M relés de sobrecorriente y N relés de mínimo voltaje se muestra
a continuación:

min t
T DSi , Dj
M
X N
X
s.t. (Kik T DSi ) + (Ljk Dj ) ≤ t, ∀k,
i=1 j=1

Tikmin ≤ Tik ≤ Tikmax , (2.15)

min max
Tjk ≤ Tjk ≤ Tjk ,
Tmk ≥ Tik + Tim ,
Tjk ≥ Tik + Tij
Se puede notar que esta formulación solo incluye los límites en tiempo de operación,
ya que es redundante incluir los del TDS debido a que tiene una relación líneal con
T. Asimismo, Ip ya fue fija y su restricción se excluye del problema. Finalmente, se
debe asegurar que exista una coordinación tanto para relés de sobrecorriente como de
mínimo voltaje, lo que se logra con las últimas dos restricciones.

2.3.3. Coordinación de relés duales para microrred

Similar a lo presentado en [15], la formulación propuesta en [16] corresponde a coor-
dinar relés de sobrecorriente de doble configuración para una microred.

Este tipo de relé de sobrecorriente presenta la particularidad que posee dos pares de
variables a configurar [TDS, Ip], una para cada dirección. En este caso, para un relé i y
una falla en j, la dirección definida para adelante define el tiempo de operación tf w_ij
y para atrás el tiempo de operación trv_ij donde fw viene del inglés forward y rv de
reverse. Para este problema se considera que los relés principales son las curvas que ven
para adelante de todos los relés duales y los de respaldo son las curvas que ven para atrás.

Además, se opta por no linealizar la curva (2.1) y formular un problema de optimi-

zación no lineal. Con ello se obtiene la siguiente formulación:
C X
N X
M K
p
tbk
X X
min T = (tf w_cij + rv_cij )
c=1 i=1 j=1 k=1

s.t. tbk
rv_cij − tpf w_cij ≥ CT I, (2.16)
Ipi_min ≤ Ipf wi , Iprvi ≤ Ipi_max ,
T DSi_min ≤ T DSf wi , T DSrvi ≤ T DSi_max

15
 Se puede observar que para esta formulación se vuelve a dar que la configuración
primaria y de respaldo están separadas como en la formulación lineal presentada en
2.3.2, por lo que se incluyen aparte a la hora de sumar el tiempo de operación. Ahora
bien, la triple sumatoria representa la suma de los relés primarios N, la suma de los
relés de respaldo M y que la microrred puede considerar varias topologías representada
por C. Particularmente se consideraron solo dos, una donde la microrred se encuentra
conectada a la red y otra donde opera en forma aislada.

Respecto a las restricciones, nuevamente tenemos la de coordinación y los límites

de configuración del relé donde cabe destacar que las primarias solo están acotadas por
debajo y las de respaldo por arriba según los ajustes permitidos por el relé.

Los autores agregan también el algoritmo empleado para resolver el problema, el cual
cuenta con una subrutina de dos partes. La primera subrutina determina las corrientes
de falla para los relés primarios y de respaldo. La segunda subrutina resuelve el problema
de optimización. Se enfatiza que para la segunda subrutina existen varios métodos para
resolver el problema de optimización propuesto. Agregan que en su caso, el punto inicial
del problema es variado en un amplio rango para evitar caer en mínimos locales.

2.3.4. Formulación incorporando naturaleza discreta de Ip

Hasta ahora, las formulaciones presentadas no han incorporado la naturaleza dis-
creta que presenta la configuración de un relé, los cuales cuentan con valores discretos
para Ip y TDS. La justificación que se da para omitir la característica discreta de estas
variables es que los pasos que hay entre los distintos valores que se pueden escoger
no son muy grandes. Por lo que es una simplificación recurrente optimizar asumiendo
ambas variables como continuas y luego redondear su valor al más cercano que permite
el relé.

No obstante, en [17] se propone incorporar la naturaleza discreta de Ip como parte

de las restricciones del problema, manteniendo TDS como variable continua y partiendo
de una formulación estándar similar a la presentada en [14] como la que se muestra a
continuación:
X
min Wi Tik
s.t. Tnk − Tik ≥ ∆T,
T DSimin ≤ T DSi ≤ T DSimax , (2.17)
Ipimin ≤ Ipi ≤ Ipimax ,
Timin ≤ Ti ≤ Timax
Para incorporar la naturaleza discreta de Ip, se propone reescribir la variable Ip
como la suma ponderada de todos los valores que dicha variable puede adquirir de la
siguiente forma:
X
Ipi = ymi Ipam , ∀ i con i=1, ..., n (2.18)
m

16
 Así, basta con fijar ymi = 1 si la configuración Ipm es escogida e igual a 0 si no. Por
último, fijando que la suma de todas las variables y debe ser igual a 1, se logra que solo
se fije uno de los posibles valores para Ip, lo que equivale a:
X
ymi = 1, ∀ i con i=1, ..., n (2.19)
m

Incorporando las restricciones (2.18) y (2.19) al problema (2.17) se obtiene una

formulación entera mixta no-lineal para coordinar protecciones de sobrecorriente.

2.3.5. Coordinación con enfoque entero mixto no-lineal

Otra opción de formulación es la entera mixta lineal. Dicha formulación busca linea-
lizar la curva característica del relé con tal de evitar métodos de resolución no lineales.
En [18] proponen una formulación MILP en base a una técnica de linealización la cual
es una simplificación del teorema presentado en [19], el cual se presenta como: “Given a
quadratic term yw, in which y is a binary variable and w is a continuous one such that
0 ≤ w ≤ w̄, with w̄ a constant, yw can be linearized as yw = q, where the following
inequalities are satisfied:

w + (y − 1)w̄ ≤ q ≤ w
0 ≤ q ≤ y w̄”

Mediante el teorema expuesto se produce un trade-off donde se reduce la no-

linealidad del problema, pero se incrementa el número de variables y restricciones.

Con ello, partiendo con una formulación clásica del problema de coordinación de pro-
tecciones de sobrecorriente como las que se han visto anteriormente, es posible adaptar
el problema tal que se puede linealizar mediante el teorema expuesto. En esta formula-
ción se agrega la distinción entre el relé del extremo de la línea cercano a la falla como
F1 y lejano como F2:
n
X
min ti
i=1
s.t. tFb 1 − tFp 1 ≥ CT I,
(2.20)
tFb 2 − tFp 2 ≥ CT I,
T DSimin ≤T DSi ≤ T DSimax ,
max min
max(Iloadi
, Iseti
) ≤ Iseti ≤ min(Ifmin max
aulti , Iseti )

Ahora bien, la curva característica del relé se puede expresar como la ponderación
entre TDS y una función de Iseti (corriente de pick up):

ti = f (Iseti )T DSi

f (Iseti ) = [ If aultK θ + β]
i −1
Iset
i

Al igual que lo presentado en [17], se propone reescribir Ip como una suma ponderada
de los valores que se pueden escoger por una variable binaria de tal forma que xij =1 si

17
se escoge el j vo valor y xij =0 si no se escoge. Imponiendo también que la suma de estas
variables binarias debe ser 1. Con ello:

Iseti = I¯i1 xi1 + ... + I¯im xim

xi1 + ... + xim = 1

De esta manera, es posible reescribir f (Iseti ) y con ello también la ecuación carac-
terística del relé de sobrecorriente:

f (Iseti ) = αi1 xi1 + ... + αim xim

ti = αi1 xi1 T DSi + ... + αim xim T DSi

Así, considerando T̄ como el límite superior de T DSi , es posible linealizar los tér-
minos xik T DSi de la forma que se expone en [18], es decir, agregando la variable
x¯ik = xik T DSi y las siguientes restricciones a nuestra formulación de problema de
optimización:

T DSi + (xik − 1)T̄ ≤ x¯ik ≤ T DSi

(2.21)
0 ≤ x¯ik ≤ xik T̄

2.4. Esquemas de descomposición

En [14], además de mostrar una de las primeras formulaciones de un problema de
coordinación de protecciones como problema de optimización y sugerir un algoritmo
para su resolución, se proponen varios esquemas de descomposición cuando la red eléc-
trica a proteger considera múltiples topologías. Esto quiere decir que, por ejemplo, la
red puede contemplar un escenario donde alguna línea se encuentre fuera de servicio
de manera regular. Así, los autores proponen varios esquemas de descomposición del
problema que se muestran en esta sección.

2.4.1. Descomposición por topología

Un primer acercamiento a cómo desglosar el problema general es por topologías.
Aquí, el problema se divide en un subproblema por cada topología relevante. Así, cada
subproblema cuenta con un par de ajustes para cada relé y posteriormente estos se unen
con el hecho de que los ajustes deben ser los mismos para todas las topologías. En este
caso, cada subproblema de optimización considera las perturbaciones más relevantes a
la que puede ser sometida la topología.

18
 Figura 2.3: Descomposición por topología

2.4.2. Descomposición por localización de falla

Análogo al anterior, este esquema considera dividir el problema en subproblemas
considerando las localizaciones de falla más relevantes para el problema. Por cada sub-
problema, en este caso, se considerarán las topologías más relevantes.

Figura 2.4: Descomposición por localización de falla

2.4.3. Descomposición por topología-localización de falla

El esquema de descomposición por localización de falla es aplicable en el caso de una
topología fija. Esto abre la posibilidad de realizar una descomposición de dos niveles,
donde cada subproblema atiende el caso de una localización de falla, y una topología.
Con ello, la dimensionalidad del subproblema de optimización a resolver se ve signifi-
cativamente reducida.

Figura 2.5: Descomposición por topología-localización de falla

Sumado a esto es posible seguir fraccionando el problema aún más. Donde se divide
un subproblema para cada relé principal y luego otro subproblema para cada relé de
respaldo, lo que culmina en una descomposición de 4 subproblemas.

19
 Figura 2.6: Descomposición por relés

2.5. Consideraciones generales

En las secciones anteriores se han expuesto diferentes formar de abordar la formu-
lación de un problema de optimización para la coordinación de protecciones de sobre-
corriente. En esta sección se discuten los elementos de la bibliografía presentada que se
consideran más interesantes para aplicar en la presente memoria. También se discuten
los motivos por el cual otros elementos son dejados de lado.

En primer lugar, es claro que hay aspectos de la formulación inicial de [14] que se
han mantenido hasta ahora. Elementos como las restricciones del problema y las varia-
bles sobre las cuales optimizar son la base de cualquier formulación de un problema de
optimización para coordinar protecciones.

Otros elementos destacables de la bibliografía tienen relación con el modo en que se

deben manejar las múltiples topologías que se pueden presentar. Por ejemplo, en [16]
agregan una sumatoria a la función objetivo con un enfoque de descomposición de dos
niveles presentada anteriormente en la figura 2.5. Lo cual, llama la atención al ser una
manera simple pero efectiva de trabajar múltiples topologías.

También se rescata de la bibliografía los algoritmos que emplean pasos para obtener
un punto inicial, pasos lineales y pasos no-lineales. Así, no se descarta emplear el criterio
de que Ip está acotado inferiormente por la máxima corriente de carga más un margen
porcentual, para obtener un valor inicial para Ip. Posteriormente, se podría emplear un
paso lineal para tener un buen acercamiento al punto inicial sobre el cual disponer de
formulaciones más complejas (NLP, MILP, MINLP).

Por otro lado, vale la pena cuestionarse ciertos aspectos que son recurrentes en la
literatura. Uno de estos aspectos es no adentrarse en optimizar considerando la direc-
cionalidad o el tipo de curva del relé como variable de optimización, lo cual puede ser
de sumo interés para encontrar una mejor solución al problema. Hasta ahora, ambos
elementos han sido parámetros del problema, donde los relés tienen una dirección y
un tipo de curva dado. Como los relés digitales permiten variar el tipo de curva y la
dirección, vale la pena cuestionarse sobre si se debe dejar como constante o considerar
como variables de optimización estas características del relé.

20
 También es importante hablar sobre las restricciones transitorias introducidas en
[14] y que son mencionadas también ocasionalmente a lo largo de la literatura. Se con-
sidera de dicha restricción que el valor que aporta al problema, no vale el costo que
trae incorporarla. Por costo se hace referencia a las dificultades en la resolución del
problema de optimización que trae consigo, lo cual no es menor dado que el problema
ya es bastante difícil de resolver. Además, el fin de esta restricción, como se mencio-
nó anteriormente, es asegurar la coordinación cuando hay cambios topológicos tras la
apertura de un interruptor, no obstante, existen otros métodos para lograr esto por lo
que se le ve poco valor a esta restricción.

Continuando con lo anterior, es fundamental plantearse el valor que agrega al proble-

ma el tipo de formulación a medida que este se complejiza. Si se desea que los métodos
de resolución tradicionales resuelvan el problema, hay que ser cautelosos con la dimen-
sionalidad y no-linealidad del problema. Respecto a esto hay dos ideas importantes.
La primera, es sobre incorporar el carácter entero de Ip. Debido a que los pasos entre
los valores que se pueden escoger son bastante pequeños, es una simplificación válida
considerarla continuo en vistas a emplear el carácter entero a otra variable como qué
tipo de curva es mejor usar. La segunda, es cuestionarse si el modelo no-lineal entrega
mejores soluciones dadas las técnicas de linealización existentes, como la presentada en
[18].

Por consiguiente, se debe ser sumamente cauteloso con las decisiones que se escogen
en la formulación del problema debido a la existencia de un trade-off entre que tanto
valor entrega una variable, una restricción, incorporar un carácter entero o una no-
linealidad respecto a la dificultad que esto conlleva en resolver el problema.

2.6. Herramientas de resolución

Formular el problema de optimización es solo el primer paso para obtener los ajus-
tes de las protecciones a coordinar. Una vez formulado el problema, es necesario contar
con buenas herramientas para resolverlo. En esta sección se presenta información de
GEKKO y cómo implementarlo en python.

Gekko es un paquete de python para problemas de optimización entero mixtos, ma-

chine learning y resolución de ecuaciones diferenciales. Está conectado con solvers de
gran escala para problemas de programación lineal, cuadrática, no-lineal y de entero
mixto (LP, QP, NLP, MILP, MINLP) [20],[21].

A continuación se muestra un problema de tipo benchmark de un problema de

programación entero mixto no-lineal para posteriormente ser resuelto mediante Gekko
[22].

21
 min x1 x4 (x1 + x2 + x3 ) + x3
x∈R
s.t. x1 x2 x3 x4 ≥ 25,
x1 + x2 + x23 + x24 = 40,
2 2
(2.22)
x1 , x2 , x3 , x4 ≥ 1,
x1 , x2 , x3 , x4 ≤ 5,
x1 , x4 ∈ {1, 2, 3, 4, 5}
Considerando el punto inicial x1 = 1, x2 = 5, x3 = 5, x4 = 1, se muestra a continua-
ción el código de cómo resolver el problema en python mediante Gekko detallando las
opciones que permite modificar el solver [23].

Código 2.1: Problema Benchmark resuelto en Gekko

1 from gekko import GEKKO
2 m = GEKKO() # Inicio GEKKO
3 m.options.SOLVER=1 #Fija APOPT como solver (el unico que resuelve minlp)
4

5 # Optional solver settings with APOPT

6 m.solver_options = [’minlp_maximum_iterations 500’,
7 # Maximo numero de iteraciones
8 ’minlp_max_iter_with_int_sol 10’, \
9 # Iteraciones con solucion entera
10 ’minlp_as_nlp 0’, \
11 # Trata minlp no como nlp
12 ’nlp_maximum_iterations 50’, \
13 # Numero maximo de iteraciones del sub-problema npl
14 ’minlp_branch_method 1’, \
15 # Metodo de busqueda, 1=depth first (encontrar solucion entera
,→ mas rapido), 2=breadth first
16 ’minlp_integer_tol 0.05’, \
17 # Desviacion maxima respecto al numero entero
18 ’minlp_gap_tol 0.01’, \
19 #Tolerancia de convergencia (Se mide respecto a la mejor solucion
,→ no entera)
20 ]
21 # Declaracion de variables
22 x1 = m.Var(value=1,lb=1,ub=5)
23 x2 = m.Var(value=5,lb=1,ub=5)
24 # Declaracion de variables enteras x3 y x4
25 x3 = m.Var(value=5,lb=1,ub=5,integer=True)
26 x4 = m.Var(value=1,lb=1,ub=5,integer=True)
27 # Restricciones
28 m.Equation(x1*x2*x3*x4>=25)
29 m.Equation(x1**2+x2**2+x3**2+x4**2==40)
30 m.Obj(x1*x4*(x1+x2+x3)+x3) # Funcion objetivo
31 m.solve(disp=False) # Resolver
32 # Mostrar resultados
33 print( ’Results’ )

22
34 print( ’x1: ’ + str(x1.value))
35 print( ’x2: ’ + str(x2.value))
36 print( ’x3: ’ + str(x3.value))
37 print( ’x4: ’ + str(x4.value))
38 print( ’Objective: ’ + str(m.options.objfcnval))

El código presentado retorna la solución x1 = 1, 358, x2 = 4, 599, x3 = 4, x4 = 1

donde la función objetivo alcanza su mínimo 17,532.

23
Capítulo 3

Metodología

3.1. Problema ilustrativo

Con el fin de desarrollar un código capaz de coordinar protecciones eléctricas de so-
brecorriente mediante un problema de optimización, se necesita un punto de referencia.
Para ello, se escoge un sistema ilustrativo, el cual consiste de un sistema radial con dos
relés de sobrecorriente como se muestra en la figura 3.1. A partir de aquí, se espera
encontrar un ajuste para las protecciones de sobrecorrientes temporizadas (TDS, co-
rriente de pick up y tipo de curva) sin ayuda computacional que respete las restricciones
de coordinación del sistema. Estos valores se usan posteriormente para probar que el
código funciona correctamente y se encuentra en buen camino.

Así, para lograr encontrar un ajuste a las protecciones se calculan las corrientes de
cortocircuito del sistema ilustrativo para fallas específicas. Luego, se definen dos curvas
de sobrecorriente temporizadas que deben cumplir una operación coordinada para las
fallas definidas y se itera mediante prueba y error hasta encontrar un ajuste que sea
coordinado y rápido. Para ello, se varían los tipos de curva, TDS y corriente de pick up
de las curvas de ambos relés a coordinar.

Figura 3.1: Problema ilustrativo

24
 Con respecto al sistema ilustrativo, este consiste en un sistema de tres barras en el
cual la barra A se encuentra conectada a la red eléctrica en 220 kV. A partir de aquí,
se alimenta el sistema radial mediante un transformador T1, el cual baja la tensión a
110 kV a la barra B. Esta barra B está conectada a la barra C mediante una línea de
20 km. Por último, existen dos relés en el sistema, uno a cada lado de la barra B. Los
datos del problema, considerando base común de 100 MVA, son:

1. Red externa:

Icc: 25 kA
Icc: 95.26 pu

2. Transformador T1: YNd1, 220kV/110kV

X1 = X2 = 0.15 pu
X0 = 0.12 pu

3. Línea de transmisión:

X1 = X2 = 0.08 pu
X0 = 0.2 pu

Por otro lado, para este sistema se estudian tres fallas: la falla A, se produce en 3/4
de la línea L1, la falla B, se produce a 1/4 de la línea L1 y la falla C se produce en la
barra B. Para cada falla se estudian los casos de una falla bifásica y una trifásica.

3.2. Modelo del relé

Una vez calculados los ajustes que se usan como referencia para el sistema ilustrativo,
se debe desarrollar un código y algoritmo que sean capaces de resolver la coordinación
de protecciones para este sistema mediante un problema de optimización. Se espera con
esto, conseguir resultados similares a los calculados anteriormente. No obstante, previo
a implementar un código de optimización, se necesita desarrollar el modelo de un relé.

Para lograrlo, es necesario identificar la secuencia de eventos que ocurren desde

que se produce una falla en el sistema hasta que el relé envía la señal de apertura al
interruptor. Esto con el fin de determinar todos los elementos que se requieren, los
valores con los que cuentan y las funciones que manejen. Así, se desarrolla un código
orientado a objetos donde cada elemento del sistema es una clase, sus valores se ingre-
san como atributos y las funciones que ejecuten se programan como métodos de la clase.

3.3. Problema ilustrativo

El sistema ilustrativo coordinado anteriormente es ahora coordinado computacional-
mente mediante un problema de optimización. Con este sistema se tienen dos objetivos

25
principales. Primero, lograr implementar el problema de optimización que resuelva la
coordinación de protecciones. Esto es, definir las variables de optimización, restriccio-
nes, función objetivo, límites y punto inicial de las variables. Segundo, corregir errores
asociados al código. Estos pueden ser de distinta naturaleza, pero es inherente al desa-
rrollo de cualquier programa corregir los problemas que puedan surgir. Se da énfasis en
corregir los errores debidos a la compatibilidad entre el modelo del relé y el optimizador.
En consecuencia, a partir de este sistema se determinan las bases para implementar el
programa para otros sistemas eléctricos. Esto abarca desde cómo se desarrolla a nivel
de código el problema de optimización, los límites y puntos iniciales de las variables y
la estructura de los distintos datos.

Así, a partir de la bibliografía consultada es posible establecer un problema de op-

timización para coordinar las protecciones del sistema ilustrativo. Las distintas partes
del problema de optimización son descritas a continuación:

Parámetros

Los parámetros del problema de optimización corresponden a valores fijos que de-
penden de la marca y modelo del relé a coordinar. Estos son los siguientes:

Ipi_min : Corriente de pick up mínima para protecciones de sobrecorriente tempo-

rizadas del relé i.

Ipi_max : Corriente de pick up máxima para protecciones de sobrecorriente tem-

porizadas del relé i.

T DSi_min : Time dial setting mínimo para protecciones de sobrecorriente tempo-

rizadas del relé i.

T DSi_max : Time dial setting máximo para protecciones de sobrecorriente tempo-

rizadas del relé i.

Ci : Curvas disponibles para protecciones de sobrecorriente temporizadas del relé

i.

Ip50i_min : Corriente de pick up mínima para protecciones de sobrecorriente ins-

tantáneas del relé i.

Ip50i_max : Corriente de pick up máxima para protecciones de sobrecorriente ins-

tantáneas del relé i.

Delayi_min : Retardo mínimo para protecciones de sobrecorriente instantáneas del

relé i.

Delayi_max : Retardo máximo para protecciones de sobrecorriente instantáneas del

relé i.

26
 Variables de optimización

Las variables de optimización son los valores que el optimizador debe determinar
con tal de obtener un ajuste para las protecciones de sobrecorriente de manera que se
respeten las restricciones y los relés operen de forma rápida. Así pues, en la mayoría
de los casos estudiados en la bibliografía, estas variables corresponden a la corriente de
pick up y TDS de las protecciones de sobrecorriente temporizadas. Para este trabajo se
propone, de igual forma, optimizar respecto a aquellas variables. Además, se agregan
como variable de optimización las curvas de las protecciones de sobrecorriente tempo-
rizada y las variables asociadas a la protección de sobrecorriente instantánea, es decir,
corriente de pick up y tiempo de operación de esta. Para poder optimizar respecto al
tipo de curva, esta se escribe como la suma de todas las curvas disponibles en el relé,
multiplicadas por una variable binaria yijm donde solo una puede ser uno.
X
cij = cijm ∗ yijm (3.1)
m

Dicho esto, explícitamente las variables de optimización son:

Ipij : Corriente de pick up de la protección de sobrecorriente temporizada j del

relé i. Se considera variable real.

T DSij : Time dial setting de la protección de sobrecorriente temporizada j del relé

i. Se considera variable real.

yijm : Variable binaria asociada a las curvas de la protección de sobrecorriente

temporizada j del relé i.

Ip50ij: Corriente de pick up de la protección de sobrecorriente instantánea j del

relé i. Se considera variable real.

topih : Retardo en el tiempo de operación de la protección de sobrecorriente ins-

tantánea h del relé j. Se considera variable real.

Función objetivo

La función objetivo del problema de optimización representa el tiempo de actuación

de los relés del problema ante las distintas fallas para las que se desea coordinar. Así, en
la bibliografía estudiada se presentan dos tipos de funciones objetivo para el problema
de optimización. Una donde se suma solo el tiempo de operación de los relés primarios,
y otra donde además se suma el tiempo de operación de sus respaldos. Para este trabajo,
se opta por incluir el tiempo de operación de los relés de respaldo en la función objetivo.
De esta forma, la función objetivo es:
XX
Ripk + Ribk (3.2)
k i

Donde Ripk representa el tiempo de operación del relé primario i para la falla k y
Ribk representa el tiempo de operación del relé de respaldo i para la falla k.

27
 Restricciones

Para este problema de optimización, es posible distinguir varios tipos de restriccio-

nes. Por ello, la bibliografía define una serie de restricciones propias al problema de
coordinar protecciones de sobrecorriente. Así, para este trabajo, se distinguen 3 tipos
de restricciones para el problema de optimización propuesto. Primero, restricciones por
límites de ajuste del relé, segundo, criterio de coordinación y, tercero, restricciones para
la parte entera asociada a elegir solo una curva para las protecciones de sobrecorriente
temporizada.

Límites de configuración del relé:

T DSi_min ≤ T DSij ≤ T DSi_max (3.3)

Ipi_min ≤ Ipij ≤ Ipi_max (3.4)
Ip50i_min ≤ Ip50ij ≤ Ip50i_max (3.5)
Delayi_min ≤ topih ≤ Delayi_max (3.6)

Criterio de Coordinación:
Ribk − Ripk ≥ CT I (3.7)

Parte entera: X
yijm ∈ {0, 1} yijm = 1, ∀i, j (3.8)
m

3.4. Traspaso de datos

Otro aspecto fundamental del programa, fuera del modelo del relé y del optimiza-
dor, es el manejo de datos relacionados a las restricciones de coordinación. Teniendo en
consideración que a estas alturas las estructuras de los datos ya están definidas en el op-
timizador y modelo del relé, es necesario desarrollar varias rutinas capaces de manejar
los datos que ingresan al optimizador. El principal objetivo de desarrollar rutinas para
el manejo de datos es lograr un nivel considerable de automatización en el programa.
Así, a partir de los reportes de cortocircuito de ETAP, se llega a las restricciones que
debe cumplir el optimizador. De este modo se espera desarrollar dos rutinas.

La primera rutina, se encarga de manejar los datos de ETAP y transformarlos en

restricciones. Para ello, se deben definir todas las restricciones de coordinación necesa-
rias para asegurar una operación coordinada de los relés. Luego, se debe crear la rutina
capaz de establecer estas restricciones que, en esta etapa del programa, deben expresar
qué relé es el primario, cuáles son sus respaldos, cuáles son las corrientes que ve cada
uno ante la falla y cuál es el paso de coordinación. El paso de coordinación si bien
es 300 ms por norma técnica, debe ser manipulable en caso de que sea requerido un
paso diferente a 300 ms, por lo que la rutina debe contemplar el ingreso de un paso de
coordinación diferente. A partir de aquí, la segunda rutina se encarga de leer el resul-
tado de la rutina anterior y transformarlo en restricciones que sean manejables por el
optimizador. Dado que el optimizador ya tiene una estructura de datos para ingresar

28
las restricciones, esta rutina se encarga de llevar la estructura de datos anterior a la del
optimizador. Finalmente, las restricciones son escritas en su forma matemática dentro
de la rutina del optimizador.

3.5. Problema Benchmark

El sistema eléctrico de potencia escogido como benchmark es el sistema IEEE 9 bus-
bars, figura 3.2, el cual se caracteriza por ser un sistema enmallado. Este sistema cuenta
con 9 barras, de las cuales 3 son de media tensión y 6 de alta tensión, 3 generadores, 3
transformadores y 3 consumos. Las barras de alta tensión se encuentran conectadas a
través de 6 líneas de transmisión formando un anillo.

Figura 3.2: Sistema Benchmark

Este sistema cuenta con 21 relés, los cuales serán coordinados mediante el programa
desarrollado para el sistema ilustrativo, para lo cual, es necesario adaptar el problema
de optimización. Esto consta de dos aristas principales. Primero, se necesita adaptar

29
el código en sí. Esto implica ingresar los datos propios de este sistema, creando los
objetos relés y las protecciones a optimizar de cada relé. Segundo, se debe adaptar el
problema a un sistema enmallado. Los sistemas enmallados tienen otras necesidades
propias de sus características en términos de coordinar protecciones, por lo que será ne-
cesario identificar los problemas que surjan al tratar de coordinar el sistema benchmark
mediante el código resultante del problema ilustrativo. Por lo cual, tanto el modelo del
relé como el problema de optimización no se encuentran exentos de cambios. En conse-
cuencia, no se descarta incorporar protecciones direccionales al problema. Esto implica
incorporarlas como funciones de protección al modelo y como variables de optimización.

Por otro lado, previo a comenzar con lo mencionado en el párrafo anterior, es necesa-
rio obtener un buen punto inicial y límites de las variables de optimización, puesto que
es fundamental para resolver cualquier problema de optimización computacionalmente.
Para lograr esto, se hará uso de las corrientes de cortocircuito, por lo cual es necesa-
rio implementar una rutina que determine, según diversos criterios, los mejores puntos
iniciales y límites apropiados. Además, se debe considerar que la corriente de pick up
cuenta con límites ya establecidos por su naturaleza eléctrica. Esto porque, la corriente
de pick up debe ser mayor a 1.2 veces la corriente máxima de operación normal (para
evitar que la protección se active en situación de sobrecarga), y menor a 0.8 veces la
mínima corriente de cortocircuito (para asegurar que actúe ante toda falla), lo que se
expresa en la ecuación 3.9. Por consiguiente, es habitual escoger la corriente de pick up
muy cercana a su límite inferior, y mediante esta corriente, se pueden escoger puntos
iniciales y límites para otras variables de optimización.

Iloadmax ∗ 1.2 ≤ Ip ≤ Iccmin ∗ 0.8 (3.9)

3.6. Problema Benchmark con múltiples escenarios

Por último, otro requisito en un estudio de coordinación de protecciones es que el
ajuste resultante para las protecciones del sistema considere varias topologías. En otras
palabras, los relés del sistema deben operar de forma coordinada para todas las topo-
logías habituales del sistema. Dado que, incorporar más de una topología conlleva un
nivel de dificultad extra al problema, es necesario escoger adecuadamente las topologías
habituales para el sistema eléctrico. Para el caso del sistema benchmark, se escoge una
topología con dos generadores en vez de tres, dejando de lado el generador 2, utilizando
el mismo sistema de la figura 3.2 pero con el interruptor CB1 abierto.

Se escoge esta segunda topología pues, con tan solo desconectar una unidad gene-
radora, se obtiene una segunda topología lo suficientemente diferente a la primera en
términos de corrientes de cortocircuito. De este modo, el programa debe ser capaz de
encontrar un ajuste a las protecciones de tal manera que los relés operen de forma coor-
dinada para ambas topologías. Esto implica incorporar nuevas restricciones al problema
de optimización asociadas a la nueva topología. Además, en caso de ser necesario, se
debe adaptar el programa según las necesidades que surjan para encontrar un ajuste
que cumpla con las nuevas exigencias.

30
 Finalmente, se presenta un diagrama resumen de la metodología a emplear en este
trabajo.

Figura 3.3: Diagrama metodología

31
Capítulo 4

Resultados

4.1. Desarrollo problema ilustrativo

En esta sección se expone el desarrollo con el cual se obtuvo la coordinación de las
protecciones mediante prueba y error para el sistema ilustrativo (figura 3.1).

La primera etapa, previo a comenzar a manipular las protecciones, consiste en calcu-

lar las corrientes de cortocircuito para las fallas del sistema. Estas corrientes se obtienen
a partir de las mallas de secuencia. Los diagramas de las tres mallas de secuencia se
muestran a continuación.

Figura 4.1: Secuencia homopolar

Figura 4.2: Secuencia directa

32
 Figura 4.3: Secuencia inversa

Los resultados de cada falla se muestran a continuación en secuencias, luego en pu

y luego en amperes.

Tabla 4.1: Corrientes de cortocircuito para las fallas propuestas

Falla Corriente [sec] Corriente [pu] Corriente [A]
A bifásica 2.273 3.936 2065.85
B bifásica 2.778 4.812 2525.63
C bifásica 3.125 5.413 2841.07
A trifásica 4.545 4.545 2385.49
B trifásica 5.556 5.556 2916.12
C trifásica 6.250 6.250 3280.38

Considerando transformadores de corriente con razón de transformación de 300/5

para cada relé, las corrientes en amperes secundarios para las distintas fallas son:

Tabla 4.2: Corrientes en amperes secundarios

Falla Corriente [A sec]
A bifásica 34.431
B bifásica 42.094
C bifásica 47.351
A trifásica 39.758
B trifásica 48.602
C trifásica 54.673

La segunda etapa es determinar un ajuste para las protecciones a partir de las

corrientes de la tabla 4.2, con el cual dos relés de sobrecorriente operen de manera
coordinara para estas fallas. El primer relé, R0 , se encuentra en la barra B entre el
transformador y la barra. El segundo relé, R1 , se encuentra en la barra B entre la línea
de transmisión y la barra. Así, considerando que las fallas A y B ocurren en la línea
de transmisión, estas deben ser despejadas por el relé R1 y respaldadas por el relé R0 .
Mientras que, la falla C, debe ser despejada por el relé R0 pues en este caso el relé R1
no ve corriente de cortocircuito . Luego, se debe encontrar un ajuste para ambos relés
tal que respete las restricciones de coordinación para las fallas mencionadas (el relé de

33
respaldo actúa 300 ms después que el relé primario), y que resulte en una apertura rápi-
da para los relés tanto en operación principal como de respaldo. Para ello, se considera
que el tiempo de actuación mínimo de los relés para las máximas corrientes que verán
es de 0.15 segundos.

De esta forma, mediante ensayo y error, se encuentra un ajuste de protecciones para

ambos relés que cumple con lo descrito anteriormente:

Tabla 4.3: Ajustes para las protecciones del sistema ilustrativo

Relé Curva TDS Ip
R0 Standard Inverse 0.1 2.5
R1 Standard Inverse 0.05 7.324

Tabla 4.4: Tiempos de actuación para las fallas estudiadas del

sistema ilustrativo
Falla Tiempo R0 [seg] Tiempo R1 [seg]
A bifásica 0.540 0.227
B bifásica 0.499 0.200
C bifásica 0.478 -
A trifásica 0.510 0.207
B trifásica 0.473 0.185
C trifásica 0.454 -

Lo que en total suma: 3.773 segundos.

4.2. Modelo del relé

En esta sección se presenta el resultado final del modelo del relé. El modelo consis-
te en un programa orientado a objetos que incorpora todo lo necesario para describir
los eventos que se producen desde ocurrida la falla hasta que el relé envía la señal de
apertura del interruptor. El programa se construye de tal manera que el modelo del relé
es capaz de tener más de una curva de protección, así, el tiempo de operación del relé
ante una falla es el tiempo de la curva que actúe en menor tiempo para cierta corriente
de cortocircuito. Las clases del programa que componen el modelo son detalladas a
continuación.

4.2.1. Secuencia de eventos

El primer paso para construir un modelo completo es identificar todos los eventos
que ocurren en el fenómeno a modelar. Así, se establece la secuencia de eventos que
ocurren desde que se produce el cortocircuito hasta que el relé dispara su señal de
apertura al interruptor. Para ello, se hace uso del diagrama mostrado en la figura 4.4.

34
Aquí se puede apreciar que existe un bloque de medición y otro bloque que contiene
las cantidades límites, estos ingresan a un bloque donde se deben comparar estas can-
tidades para así pasar a un bloque de decisión y finalmente a uno de acción. Dicho de
otra manera, la corriente de cortocircuito pasa por un relé de medida y se transforma a
amperes secundarios, los cuales ingresan al relé. El relé evalúa los tiempos de actuación
de sus diferentes funciones de protección según la corriente medida para luego, compa-
rar y determinar cuál es el menor tiempo de actuación entre todas sus funciones para
dicha corriente. Luego, dispara su señal tras el tiempo resultante de la comparación en
caso de que esa haya sido la decisión.

Figura 4.4: Secuencia de eventos una vez producida una falla [2]

A partir de la secuencia de eventos, es claro que se deben incluir ciertos objetos

y métodos para desarrollar el modelo del relé. De ahí que, este debe contar con una
clase que se encargue del transformador de medida, con un atributo para su razón
de transformación. También, contar con clases para los distintos tipos de funciones de
protecciones. En este caso, se consideran las de sobrecorriente instantáneas y tempori-
zadas. Las clases consideradas para las funciones de protección contemplan atributos
para sus ajustes, y un método capaz de recibir una corriente de cortocircuito y retornar
un tiempo de operación según dicha corriente.

Para terminar, la clase relé es aquella encargada de agrupar todas las demás clases,
para lo cual consideran tres características. Primero, contar con una serie de atributos
asociados a los límites del relé. Por ejemplo, el valor mínimo y máximo que puede ad-
quirir la variable TDS de una función de protección de dicho relé. Segundo, tener un
método que, tras recibir la corriente de cortocircuito, retorna el menor tiempo de ope-
ración tras comparar todas sus funciones de protección. Y, por último, que sea capaz
de manejar las distintas funciones que se le agregan al relé.

4.2.2. Modelo del relé

Para empezar, una vez producida alguna falla en el sistema, la información que llega
al relé es recolectada a través de transformadores de medida con los que este cuenta.
Por ello mismo, cada relé tendrá asociado un transformador de corriente (TTCC) y un
transformador de potencial (TTPP) capaces de medir la corriente y el voltaje en un

35
punto del sistema respectivamente. Ambas clases tienen los atributos vueltas primarias
y secundarias, que representan las vueltas de cada embobinado del transformador. Con
ellas se calcula el atributo razón de transformación como vueltas primarias en secun-
darias.

Por otro lado, el modelo del relé cuenta con una serie de funciones de protección.
Estas funciones de protección se construyen en base a funciones sigmoide para evitar
el uso de las funciones “if” dentro del código. La razón de esto es que, las disconti-
nuidades de la función if causan un mal desempeño del optimizador, el cual retorna
malas soluciones si las funciones se construyen de esta manera. Si bien los desarrollado-
res del optimizador ofrecen funciones propias capaces de manejar las discontinuidades
que producen funciones como “if” o “min”, solo la función min dio resultados positivos,
mientras que la función if continuaba dando problemas al optimizador, independiente si
era la función propia de Python o la del optimizador. Como alternativa, se optó por im-
plementar funciones sigmoides adaptadas a las necesidades de la función de protección
para que se encarguen de cumplir el rol de un if dentro del código. Esto trajo consigo
excelentes resultados, pues el desempeño del optimizador mejoró considerablemente ya
que las funciones fueron construidas a partir de funciones continuas y dos veces dife-
renciables. A modo de ejemplo, en la figura 4.5 se puede observar la diferencia entre
usar una función sigmoide para construir la curva de protección en contraste a usar la
función if.

Figura 4.5: Comparación entre emplear función sigmoide vs em-

plear función if

36
 Así, la primera función de protección del modelo es la de sobrecorriente temporizada
(número 51 en el código numérico de protecciones ANSI), la cual posee el nombre de
clase ANSI51. Esta clase corresponde a una protección que incorpora un retardo en
base a la intensidad de la corriente de cortocircuito según los estándares IEC. De esta
manera, esta clase presenta los atributos TDS, Ip, EI, VI, SI, LI, los cuales representan
los ajustes de la curva: time dial setting, corriente de pick up, curva extremely inverse,
vey inverse, standard inverse y long-time inverse respectivamente. Asimismo, los méto-
dos de la clase ANSI51 corresponden a una función sigmoide, una función de la curva
de protección de sobrecorriente temporizada iec para cada uno de los tipos de curva
mencionados y un método de tiempo de actuación. Todos los métodos mencionados
reciben como argumento una corriente y son empleados para modelar la función que
retorna el tiempo de actuación de la protección. A continuación, se detalla cada uno de
los métodos de la clase ANSI51.

El método sigmoide (Ec. 4.1) se incorpora para poder construir una función de
protección ANSI51 que sea constante a partir de 20 veces la corriente de cortocircuito
como múltiplo de la corriente de pick up. Esto se debe a que los modelos reales de los
relés presentan esta característica, por lo cual se debe incorporar al modelo. Por ello,
se adapta la función sigmoide para que retorne un valor 0 cuando la corriente de cor-
tocircuito sea menor a 20 veces la corriente de pick up y que retorne 1 cuando sea mayor.

1
sigmoide(Icc) = (4.1)
1+ e−Icc/Ip+20
Los métodos asociados a las funciones iec se construyen según la ecuación 2.1 y los
valores de la tabla 2.1, existiendo un método para cada una de las cuatro curvas. De
forma genérica, estas curvas se representan con la ecuación 4.2.

T DS ∗ K
iec(Icc) = (4.2)
( Icc
Ip
)α − 1
Finalmente, la función tiempo de actuación o trip time de la clase ANSI51 corres-
ponde al método que retorna el tiempo de actuación de la función de protección para
una corriente especifica. Esta se construye como la suma de las cuatro curvas iec, mul-
tiplicadas por una variable binaria (Bi ). De este modo, la variable binaria es cero para
todos los casos salvo para la curva seleccionada, donde adquiere el valor de uno. Por
otra parte, en este método, cada curva iec se construye junto a la función sigmoide, para
lograr que el tiempo de actuación sea constante a partir de veinte veces la corriente de
corto circuito en términos de la corriente de pick up, como se mencionó anteriormente.
Para lograr esto, se calcula y define este valor constante como (ctei ) para cada una de
los cuatro tipos de curva, pues, es específico para cada una de estas. Esta constante es
calculada según la ecuación 4.3. Luego, para modelar la curva de protección de sobre-
corriente temporizada, se considera la curva iec seleccionada menos una curva sigmoide
multiplicada por la misma curva iec seleccionada menos el valor constante de dicha
curva. Así, para corrientes previas a 20 veces la corriente de pick up, la sigmoide es
cero y el tiempo de actuación es el de la curva iec. Por el contrario, para corrientes
superiores a 20 veces la corriente de pick up la sigmoide pasa a ser uno. Esto conlleva

37
a que, el valor de la curva iec se cancela y solo queda el valor de la constante, logrando
el comportamiento deseado. Así, la función que retorna el tiempo de actuación es la
ecuación 4.4.
T DS ∗ Ki
ctei = (4.3)
20αi − 1
X
triptime(Icc) = (ieci (Icc) − (ieci − ctei ) ∗ sigmoide(Icc)) ∗ Bi (4.4)
i

La segunda función de protección del modelo es la de sobrecorriente instantánea

(número 50 en el código numérico de protecciones ANSI) la cual posee el nombre de
ANSI50. Esta clase corresponde a una protección que dispara su señal tras un retardo
fijo si la corriente medida supera el umbral de ajuste. Así, los atributos de esta clase
son el tiempo de operación (o retardo) y la corriente de pick up. Además, esta clase
cuenta solamente con el método triptime, el cual retorna el tiempo de operación de la
protección. No obstante, si bien el método sigmoide no existe como tal en esta clase,
se emplea esta función de todas formas para construir el modelo de esta protección.
En efecto, como esta protección se activa para corrientes mayores a la de pick up, una
función sigmoide invertida en el eje X resulta sumamente conveniente para modelar el
tiempo de actuación de esta protección. Así, es posible modelar el método triptime co-
mo un tiempo de operación constante (retardo) más una función sigmoide. Ya que, para
valores de corriente de cortocircuito que estén bajo el ajuste de pick up de la ANSI50
(Ip50), la función sigmoide retorna el valor 1, el cual se multiplica por una constante
100 para modelar que la función no actúa. Si la corriente de corto circuito es superior a
la corriente de pick up, esta retorna 0, siendo el tiempo de actuación el retardo fijo de
la protección (top ). El método triptime de la clase ANSI50 se muestra en la ecuación 4.5.

e5(−Icc+Ip50)
triptime(Icc) = ∗ 100 + top (4.5)
1 + e5(−Icc+Ip50)
La tercera función de protección del modelo es la direccional (número 67 en el có-
digo numérico de protecciones ANSI). Esta función se combina con alguna de las otras
dos funciones de protección de tal forma que, cuando la corriente viaja en la dirección
contraria a la determinada, esta no opera. En caso contrario, el tiempo de operación de
la protección es el de la función con la cual se combina la direccional. De este modo,
para modelar la función direccional se crean las clases ANSI51_67 y ANSI50_67. Cada
una de estas clases poseen los mismos atributos que las clases ANSI51 o ANSI50 con los
cuales se construye un atributo objeto, el cual es un objeto de tipo ANSI51 o ANSI50
según corresponda. Además, se agrega un atributo dirección, el cual puede adquirir un
valor entero entre -1 y 1, y determina si la direccional esta apagada (valor 0), si mira
hacia adelante (valor 1) o hacia atrás (valor -1). También, en ambas clases existe el
método triptime, el cual retorna el tiempo de operación de la función de protección.
Este método se construye a partir del tiempo de operación de la clase ANSI51 o AN-
SI50 según corresponda y una función sigmoide. Esto porque, al igual que en el caso
de la clase ANSI50, resulta conveniente el uso de una función sigmoide que agregue un
retardo cuando corresponda para construir el método triptime. En este caso, la función
sigmoide se construye de tal manera que, para valores iguales o mayores a cero, retorne

38
el valor cero y cualquier otro caso retorne el valor 1 como se muestra en la ecuación 4.6.

La función sigmoide en esta clase es construida así porque, si el argumento de la

función es el múltiplo entre la corriente de corto circuito y la variable de dirección, se
obtiene el comportamiento de una función direccional. De esta forma, cuando la co-
rriente vaya hacia adelante y la dirección sea la misma, el múltiplo será mayor a cero
y la función sigmoide retornará cero. Análogamente, para el caso de reversa ocurre lo
mismo, es decir, al multiplicar una corriente negativa (reversa) cuando la variable di-
rección también va en reversa (-1), se retorna el valor cero. Si la corriente va contraria
a la dirección determinada, el producto entre ambos será menor a cero, por lo que la
sigmoide retornará 1. Para el caso donde la dirección sea bidireccional (variable direc-
ción con valor 0), la sigmoide se construye de tal manera que retorna el valor cero,
desplazando el eje X levemente hacia la derecha.

De esta forma, el tiempo de actuación de la clase ANSI51_67 ó ANSI50_67 será el

del objeto ANSI51 ó ANSI50 más el valor de la sigmoide multiplicado por 100. Así, si
las direcciones concuerdan, no se agrega retardo al tiempo de actuación, dejando solo
el tiempo de la curva de sobrecorriente temporizada o instantánea. Caso contrario, se
agrega un retardo de 100 segundos equivalente a que la protección no operaría para
dicha corriente, tal y como se muestra en la ecuación 4.7.

1
inv_sigmoide(y) = (4.6)
1+ e100(−y+0.1)

triptime(Icc) = obj(Icc) + invs igmoide(−(Icc ∗ direction)) ∗ 100 (4.7)

Para terminar, la última clase del modelo es la clase relé, la cual se encarga de
modelar el funcionamiento de un relé en base a las clases anteriores. En esta clase se
definen una serie de atributos necesarios para poder modelar el problema de optimi-
zación. El primero, es el atributo nombre, el cual se emplea para poder iterar sobre
las distintas variables de optimización. Luego, los atributos TTCC y TTPP, que repre-
sentan los transformadores de medida asociados al relé en particular. Después, existen
varios atributos que fijan el valor máximo y mínimo que pueden adquirir las variables
de optimización. Estos son: Ip máxima, Ip mínima, TDS máximo, TDS mínimo, tiempo
de operación mínimo, tiempo de operación máximo, Ip ANSI50 máximo y Ip ANSI50
mínimo. Originalmente estos valores son los entregados por el fabricante según la marca
y modelo del relé. No obstante, estos se actualizan según los valores de las corrientes de
cortocircuito, lo cual será explicado más adelante. Finalmente, existe el atributo pro-
tecciones, el cual consiste en una lista de todas las funciones de protección que estarán
activas en el relé.

Por otra parte, los métodos de la clase relé son add_protection y get_triptime.
La primera, es un método que permite agregar una nueva función de protección al
atributo protecciones del relé. La segunda, es el método que se encarga de entregar el
tiempo de operación del relé ante una corriente determinada. Para ello, compara todas
las funciones de protección del atributo protecciones para entregar el mínimo tiempo
de actuación entre todas estas. Para ello, se considera la corriente de falla en amperes

39
secundarios según sus transformadores de medida dentro de este método.

4.3. Problema ilustrativo

En esta sección, se describe el algoritmo y código empleado para resolver el pro-
blema ilustrativo. Para ello, se escribe una rutina capaz de establecer el problema de
optimización, es decir, crear las variables de optimización, restricciones y función obje-
tivo en base al modelo del relé. A partir de esto, el optimizador es capaz de resolver el
problema, entregando finalmente la información de los ajustes de todas las curvas de
los relés que fueron especificadas en un comienzo. En esta sección del código es posible
distinguir tres partes.

Primero, se crean los distintos objetos del sistema. Estos son los TTCC, TTPP
y relés, junto con las funciones de protección con las que cuenta cada relé. Dicho de
otra manera, se especifica si el relé cuenta con una protección de sobrecorriente ins-
tantánea, temporizada o ambas y si cuentan con direccional o no. En esta parte del
código las protecciones se definen como listas, las cuales contienen los valores iniciales
para las distintas variables de optimización de las protecciones. También, a cada relé
se le ingresan los valores mínimos y máximos permitidos para las distintas variables de
optimización dados los rangos que permite el modelo y marca del relé. No obstante,
tanto los límites como el valor inicial de las variables son actualizados posteriormente
con la información de las corrientes de cortocircuito, lo cual será detallado más adelante.

Segundo, se crean las variables de optimización. Esto se realiza iterando por cada
relé e identificando las protecciones que se encuentran en forma de listas. Así, por cada
lista, se determinan las variables de optimización, fijando su valor inicial, valor mínimo
y máximo para cada una según corresponda. Con estas variables, se crea un objeto de
clase ANSI51 o ANSI50, y se agrega al relé mediante el método add_protection. Es ne-
cesario especificar que, a medida que se crean las variables, hay restricciones asociadas
a estas. Es por ello que se agregan las restricciones para las variables binarias asociadas
a cada tipo curva de las protecciones ANSI51, donde la suma de estas variables debe
ser 1. También, para todos los relés que cuenten con protecciones direccionales, se crea
una restricción donde ambas no puedan ver al mismo lado, es decir, la suma debe ser
mayor o igual a -1 y menor o igual a 1 (si ambas mirasen para el mismo sentido, la
suma de estas variables sería -2 o 2).

Por último, se debe determinar la función objetivo y las restricciones. Para ello,
toda la información necesaria está contenida en forma de tres listas, de las cuales dos
de estas contienen listas como elementos, es decir, son listas de listas. Esto porque,
para respaldar un relé puede que se requiera más de un relé de respaldo, así, se forman
listas donde el primer ítem representa información del relé principal y luego la de sus
respaldos. De este modo, la primera de las tres listas contiene la información de los
valores de las corrientes de cortocircuito y corresponde a una de las listas de listas. La
segunda lista contiene la información de los índices de los relés con los cuales es posible
identificar el principal y cuales son sus respaldos, por lo que también es una lista de
listas. La tercera lista es la única que no contiene listas en sus elementos, sino que

40
valores, los cuales indican los pasos de coordinación. Esto porque, algunas restricciones
no cumplen una operación de respaldo como tal, por lo que a estas se les asigna un CTI
menor. Por otro lado, es importante mencionar que una falla está contenida en más de
una lista, pues con una lista solo se especifica cuál relé es el principal y cuáles deben
actuar después para ciertas corrientes, no obstante, para despejar una falla se requiere
la apertura de más de un relé. Además, las listas poseen la misma dimensión, y en el
caso de las listas de listas, cada elemento de estas también posee la misma dimensión,
pues para cada relé, ya sea respaldo o principal, debe haber una corriente respectiva.

De esta forma, mediante la información contenida en las tres listas, se itera sobre
cada una de las listas para construir la función objetivo y las restricciones. Como las
listas son de igual dimensión, se itera sobre cada elemento de estas de forma simultánea.
En el caso de la función objetivo solo se usan las listas de corrientes e índices, por lo que
por cada iteración se cuenta con dos listas. Luego, se itera sobre cada elemento de estas
listas, logrando acoplar índice y corriente, con lo que es posible indicar que el tiempo
de operación que se suma a la función objetivo corresponde a cierto relé que ve cierta
corriente de falla. Por otro lado, para las restricciones, estas solo se generan si existe al
menos un respaldo, es decir, si las listas contienen más de un elemento. Así, se fija el
primer elemento de la lista, correspondiente al relé principal, y se itera sobre el resto.
Análogamente a la función objetivo, es posible determinar el relé y la corriente que ve.
Para el caso de las restricciones también se emplea la lista de pasos de coordinación.

4.3.1. Prueba del modelo

En esta sección, se muestran los resultados obtenidos de la prueba del problema
ilustrativo. Para probar el modelo, se comparan el resultado que entrega el optimizador
para las mismas fallas de la tabla 4.1 con los resultados de coordinar este sistema a
mano, mostrados en la tabla 4.4. Por otro lado, para obtener estos resultados se em-
plea como punto inicial los ajustes obtenidos previamente de la tabla 4.3 y se ajusta
el tiempo de operación mínimo que puede tener un relé como 0.150 segundos. Esto
debido a que, para coordinar mediante ensayo y error, el ajuste fue realizado conside-
rando que el relé primario actuaría alrededor de este tiempo. De ahí que, para obtener
un resultado con el que se pueda comparar, es necesario incluir esto dentro del problema.

Como resultado, el optimizador fue capaz de encontrar un ajuste tal que los relés
actúan de forma coordinada y en un tiempo similar al obtenido originalmente. Los
ajustes de los relés y los tiempos de actuación de estos se muestran en las tablas 4.5 y 4.6.
Al sumar los tiempos de actuación se obtiene un tiempo total de 3.414 segundos, tiempo
similar al obtenido mediante ensayo y error, lo que indica que el optimizador es capaz
de coordinar el sistema ilustrativo para las condiciones mencionadas anteriormente.

41
 Tabla 4.5: Ajustes para las protecciones del problema ilustrativo
obtenidos por problema de optimización
Relé Curva TDS Ip
R0 Standard Inverse 0.186 2.919
R1 Standard Inverse 0.058 2.338

Tabla 4.6: Tiempos de actuación para las fallas del problema

ilustrativo obtenidos por problema de optimización
Falla Tiempo R0 [seg] Tiempo R1 [seg]
A bifásica 0.516 0.150
B bifásica 0.476 0.150
C bifásica 0.455 -
A trifásica 0.487 0.150
B trifásica 0.450 0.150
C trifásica 0.430 -

4.4. Traspaso de datos

En esta sección, se describen todos los procedimientos asociados al manejo de datos
previo al problema de optimización. Los datos necesarios para el problema son obtenidos
a partir de los estudios de cortocircuitos realizados en ETAP. Con estos datos es posible
determinar límites, puntos iniciales, restricciones, etc. De este modo, el proceso de
traspasar los datos desde ETAP al programa consta de dos etapas. Primero, se deben
ejecutar todos los estudios eléctricos necesarios en ETAP. Segundo, se desarrolla una
rutina que convierte la información de las corrientes de cortocircuito a restricciones.
Cada una de estas etapas es descrita a continuación.

4.4.1. Estudios eléctricos

La primera etapa consiste en realizar todos los estudios necesarios para el problema
de optimización en ETAP. Para ello, se debe contar con el modelo del sistema eléctrico
a coordinar. En este caso, el modelo del sistema eléctrico a estudiar ya existe, y solo
requiere cambios menores. Posterior a esto, se requiere realizar un estudio de flujo de
potencia con tal de obtener la corriente que miden los relés en condiciones normales
de operación. Esto pues, esta información se emplea para el cálculo de límites para las
variables de optimización. Luego, se realizan los estudios de corrientes de cortocircuito.
Estos estudios se realizan fallando todas las barras del sistema. Desde estos estudios, se
extrae toda la información necesaria para el problema mediante los reportes que genera
ETAP.

42
4.4.2. Restricciones del problema
A partir de los distintos reportes de fallas extraídos de ETAP, se construyen las
distintas restricciones del problema. Esto se realiza a partir de un data frame interme-
diario, el cual consiste en una matriz donde los relés están en las columnas y el bus
fallado en las filas, tal y como se muestra en la figura 4.6. Este data frame se construye
iterando por bus fallado, donde se itera a su vez por relé del sistema. Así, se busca
en los reportes de ETAP la corriente que corresponde al relé. Es importante destacar
que en los reportes de ETAP, se indica desde cual bus y hacia cual fluye la corriente
de cortocircuito. Por lo que es posible determinar la dirección de la corriente que ve
el relé para la falla. Así, como cada relé también tiene una dirección asociada (desde
un bus específico hacia otro), se le da un valor negativo si la corriente es contraria a la
dirección del relé.

Figura 4.6: Dataframe intermediario

Previo a generar las restricciones del problema, se debe realizar un ajuste en las
barras con transformadores en el data frame intermediario. Esto porque, los reportes
de cortocircuito de ETAP usan como referencia la tensión de la barra fallada, lo que
provoca que, al fallar una barra con un transformador conectado a dicha barra, el re-
porte muestra la corriente de cortocircuito que va a través del transformador en base
a la tensión de la barra fallada. Por ello, así como se encuentra el data frame interme-
diario, uno de los relés asociados al transformador ve la corriente del otro extremo del
transformador y no la ve que realmente, por lo que es necesario corregir estos valores.
Esta situación también se da para los relés que están a otros niveles de tensión dentro
del sistema. Para solucionar esto, se especifican los relés que se encuentran asociados a
un transformador, y se itera sobre ellos usando la razón de transformación del trans-
formador que protegen según corresponda.

Además, para poder iterar sobre el data frame intermediario, se crea el data frame
de las restricciones vació solo con los encabezados para ir escribiendo sobre este. Para
crear este data frame de restricciones, se debe tener en consideración que, en esta etapa
del manejo de datos, una restricción de coordinación consiste en que un relé de respaldo
debe actuar cierto tiempo después, o más, que el relé principal, dándole tiempo a que
este actúe primero. Es por esto que previo a escribir las restricciones como ecuaciones
para el optimizador, se escriben en un data frame de restricciones vacío con los encabe-
zados. En este data frame, se especifican las columnas para el relé primario, la corriente
que ve el relé primario, el paso de coordinación, y se deja espacio para varios relés de

43
respaldo con sus respectivas corrientes. Se consideran varios relés de respaldo porque en
un sistema enmallado, para lograr dar respaldo a un relé es necesaria la apertura de más
de un relé en ciertos casos. Luego, una vez creado el data frame de restricciones vacío
y corregido el data frame intermediario, se itera sobre él para generar las restricciones
de coordinación del problema.

Con esto en consideración, se distinguen tres tipos de restricciones que debe generar
la rutina encargada de manejar los datos de ETAP. El primer tipo de restricciones, son
las asociadas a falla en bus. Para este caso, se espera que todos los relés asociados a la
barra actúen como primarios, ya que solo así es posible cortar todos los aportes de la
corriente de cortocircuito y despejar la falla. Por otra parte, los relés correspondientes
al otro extremo del elemento asociado al relé principal (además de la barra), actúan
como respaldo en esta operación. En la figura 4.7 se ejemplifica una falla en barra donde
en verde se muestran los relés principales y en rojo los de respaldo.

Figura 4.7: Restricciones de falla en barra

El segundo tipo de restricciones, son las asociadas a falla en elemento. Dado que en
el caso de una línea de transmisión la corriente de cortocircuito que ve un relé depende
de la ubicación de la falla a lo largo de la línea, se considera como falla en elemento el
peor caso para el relé, es decir, cuando la falla se produce en bornes del transformador
de medida del relé, pues, esa es la máxima corriente que debe despejar el relé. Para
este caso, la corriente del relé principal es igual a la corriente que se produce al haber
una falla en la barra asociada al relé, menos su aporte a dicha falla. Y sus respaldos
son todos los demás relés de la barra, ya que, todos deben abrir para poder despejar la
falla en caso de que el relé principal no abra. Por ello, en un sistema enmallado, para
poder respaldar un relé se requiere la apertura de más de un relé, contando todos ellos
como relés de respaldo. En la figura 4.8 se ejemplifica este caso mostrando la ubicación
de la falla, el relé principal en verde y los respaldos en rojo.

44
 Figura 4.8: Restricciones de falla en línea

Por último, existe un tercer tipo de restricción a considerar que se desprende de la

misma falla en elemento del caso anterior. Esta corresponde a la asociada al relé del
otro extremo del elemento que se está protegiendo. Se espera que este relé tenga un
ajuste tal que abra lo más rápido posible sin considerar comunicaciones. Para ello, este
relé se considera como relé principal y sus respaldos son, análogo al caso anterior, los
demás relés de su barra asociada. En la figura 4.9 se ejemplifica este caso mostrando
la misma falla que en la figura 4.8 pero la restricción asociada al relé del otro extremo
del elemento. Nuevamente, en verde se muestra el relé principal de esta restricción y en
rojo sus respaldos.

Por otra parte, durante el desarrollo del trabajo se agrega un cuarto tipo de res-
tricción además de las que se tenía contempladas en un principio. Esto ya que, para la
restricción mostrada en la figura 4.9, nada impide que el ajuste resultante sea tal que,
para un relé de respaldo en dicha restricción, los relés de la siguiente barra alejándose
de la falla abran previo a este. Para evitar esto, se incorpora un tipo de restricción que
impide que esto suceda. Esta restricción es la que se muestra en la figura 4.10, donde los
relés en verde son los principales para esta restricción y sus respaldos se encuentran en
rojo. Es importante destacar que aquí no es necesario cumplir con los 300 ms de paso
de coordinación que exige la norma técnica, ya que, esta restricción está hecha para
que los relés que deben respaldar en la figura 4.9 sean efectivamente los esperados y no
algún otro relé en las proximidades. Por ello, el paso de coordinación para este caso es
considerablemente menor y es de 50 ms.

45
Figura 4.9: Restricciones del otro extremo de la línea

Figura 4.10: Restricciones para el último respaldo

46
4.5. Problema Benchmark
En esta sección se muestran todos los cambios realizados al programa, respecto
al empleado para coordinar el problema ilustrativo, que fueron necesarios para lograr
encontrar una solución al problema benchmark. Dichos cambios fueron producto a ne-
cesidades que surgieron al implementar el código resultante del problema ilustrativo a
un sistema enmallado como lo es el IEEE 9 Busbars. Todo con el fin de lograr adaptar
el programa a las nuevas necesidades y exigencias del sistema eléctrico a coordinar.

4.5.1. Límites y punto inicial

El primer cambio a considerar respecto al programa anterior es determinar los puntos
iniciales y límites de las distintas variables de optimización del problema. Esto debi-
do a la importancia que poseen estos valores para que el optimizador logre resolver el
problema de optimización. Afortunadamente, la naturaleza del problema de coordinar
protecciones eléctricas se presta para ello. A partir del flujo de carga y las restriccio-
nes del problema, es decir, las corrientes de cortocircuito, es posible elegir un punto
inicial y límites razonables. No obstante, dichos puntos y límites se encuentran suje-
tos a los límites técnicos que permite el relé, debiéndose encontrar en el rango permitido.

Para la corriente de pick up de las protecciones ANSI51, los límites escogidos son
en función de la máxima carga que ve el relé y la mínima corriente de corto circuito,
tal y como se expresa en la ecuación 3.9. Así, el límite inferior corresponde a 1.2 ve-
ces la máxima corriente de carga en operación normal, y el límite superior como 0.8
veces la mínima corriente de cortocircuito que verá el relé. Así mismo, el punto inicial
del problema se considera como 1.25 veces la corriente de carga máxima que verá el relé.

Para la variable TDS de las protecciones ANSI51 no existe referencia como en el

caso de la corriente de pick up. No obstante, gracias a que ya se conocen valores para
Ip, se emplea el punto inicial de la corriente de pick up para encontrar el punto inicial
y límites para TDS. En primer lugar, se escoge el mínimo valor que acepta el relé como
límite inferior, pues como se desea una operación rápida, a menor valor de TDS más
rápida es la respuesta del relé. En segundo lugar, el valor inicial de TDS se calcula en
base al valor inicial de la corriente de pick up. Así, se escoge la segunda corriente de
cortocircuito más grande que verá el relé, pues corresponde a la falla en barra y, por
la naturaleza del problema, el relé debiese operar alrededor de los 350 ms para esta
corriente. Esto pues, para esa corriente se da que el relé actúa como respaldo cuando
ocurre una falla en un elemento de otro relé de la misma barra, tal y como se muestra
en la figura 4.8. Por ello, y suponiendo una operación instantánea del relé principal de
la falla mencionada, se espera que el relé de respaldo opere tras 300 ms para la corriente
que ve para falla en barra. Por consiguiente, se fija en 350 ms, dejando un margen extra
de 50 ms para el punto inicial. De este modo, conociendo la variable Ip, la corriente de
falla, el tiempo de operación, y el tipo de curva, es posible determinar el valor inicial
de TDS como:

47
 0.35 Iccmin2 α
T DS0 = ∗( ) (4.8)
K Ip0
Por último, como el rango de valores admisibles para TDS suele ser muy amplio, se
escoge un TDS máximo como múltiplo del valor inicial. Este valor puede variar según
si el problema alcanza solución o no, estando entre 5-10 el valor inicial de TDS. Pa-
ra este trabajo, se escoge un valor de 5 veces el valor inicial de TDS como límite superior.

Finalmente, para las protecciones ANSI51, es necesario escoger un tipo de curva ini-
cial y direcciones iniciales en caso de contar con protección direccional. Para este caso,
se considera como curva inicial una standard inverse para todas las curvas de sobreco-
rriente temporizadas. Mientras que, en caso de contar con direccional, se consideran 2
curvas ANSI51 para el relé comenzando una en cada dirección, pero permitiendo que
puedan pasar a bidireccionales. Se profundiza respecto a la direccionalidad más adelan-
te.

A continuación, se muestra una tabla resumen de los puntos iniciales y límites su-
periores e inferiores para una protección de sobrecorriente temporizada ANSI51:

Tabla 4.7: Límites y punto inicial para las protecciones ANSI51

Ip TDS Curva Dirección
Valor
I load * 1.25 0.35
K
∗ ( Icc2damin
Ip0
)α 3 1/-1
inicial
Límite
Icc min * 0.8 TDS*5 1 1
superior
Límite
I load * 1.2 0.05 4 -1
inferior

Igualmente, se deben escoger valores iniciales y límites para las variables Ip y retardo
de las protecciones ANSI50. Primero, para la corriente de pick up se escoge como valor
inicial 0.8 veces la máxima corriente de cortocircuito que verá el relé, mientras que sus
límites inferior y superior son 0.8 y 0.95 veces dicha corriente respectivamente. Esto
debido a que las protecciones de sobrecorriente instantáneas en este caso cumplen el rol
de despejar la máxima corriente de cortocircuito que verá un relé con el menor retardo
posible, ya que, esta corriente al ser la más alta es la que expone a los equipos a un
mayor peligro. Con ello, también se le resta el peso a las protecciones de sobrecorriente
temporizadas de tener que despejar una corriente de gran magnitud. Sin embargo, esta
función de protección presenta un retardo fijo ajustable, el cual para el problema de
optimización comienza con un valor inicial de 0.1 segundo, 0 como límite inferior y 0.1
como máximo. Por último, dado que las funciones de protección de sobrecorriente ins-
tantáneas pueden contar con direccional, se fija como valor inicial hacia adelante, pues
es donde se espera que vaya la máxima corriente la cual corresponde a la mencionada
en la figura 4.8.

48
 A continuación, se muestra una tabla resumen de los puntos iniciales y límites su-
periores e inferiores para una protección de sobrecorriente instantánea ANSI50:

Tabla 4.8: Límites y punto inicial para las protecciones ANSI50

Ip Delay
Valor
Icc max* 0.8 0.1
inicial
Límite
Icc max* 0.8 0.1
superior
Límite
Icc max* 0.95 0
inferior

Ya para terminar, es conveniente recalcar que todos los valores calculados son com-
parados respecto a los límites técnicos de los relés. Así, cada vez que los límites y valores
iniciales son calculados, estos son comparados con los límites técnicos del relé y se elige
el menor o mayor según corresponda. Más específicamente, se elige el mínimo de los
límites superiores y el máximo de los límites inferiores.

4.5.2. Direccionalidad
Como se mencionó al inicio de esta sección, es necesario adaptar el programa del
problema ilustrativo que corresponde a un sistema radial al problema benchmark. Pa-
ra resolver el problema ilustrativo no se implementaron las protecciones direccionales
pues el problema consideraba el flujo de corrientes de cortocircuito en una dirección
solamente. Este no es el caso en un sistema enmallado, donde se presentan flujos de las
corrientes de cortocircuito en ambas direcciones para la mayoría de los relés.

Al aplicar el problema de optimización sin direccionales fue imposible para el opti-

mizador encontrar una solución factible. Esto se debe a que, en varios casos, se producen
situaciones donde las corrientes que fluyen de un lado para otro son muy similares, como
por ejemplo en la figura 4.11. Aquí, se puede apreciar como para la falla en el Bus 7,
se requiere que el relé 3 actúe como relé primario y el relé 4 como respaldo para una
corriente de 1659 A. No obstante, al fallar el bus 8, se produce una corriente de 1395 A
en dirección contraria a la corriente anterior que requiere del relé 4 actuar como prin-
cipal y del relé 3 como respaldo. Esto es algo sumamente exigente para el optimizador,
ya que, se espera que ambos relés se respalden para corrientes prácticamente iguales,
según los órdenes de magnitud de las corrientes de cortocircuito. Más aún, aunque fue-
se posible coordinar dichas restricciones con la diferencia de 264 A, hay muchas otras
restricciones que se deben respetar dentro del problema, por lo que es poco probable
que siquiera exista una solución factible al problema de optimización planteado tal y
como se encuentra sin protecciones direccionales.

49
 Figura 4.11: Requerimientos contradictorios en sistema enmalla-
do

Por esta razón, se necesitan incorporar las protecciones direccionales con tal de
encontrar una solución al problema de coordinación de protecciones para el sistema
benchmark. Así, es necesario implementar dos protecciones de sobrecorriente tempori-
zadas con direccional por relé. Como resultado, un par de estas curvas (una curva por
relé) se encargan de una dirección de la corriente, y el otro par de la otra dirección. De
esto se concluye que para que un relé pueda operar ante todas las corrientes de corto-
circuito, este necesita 2 curvas de sobrecorriente temporizadas, una para cada dirección.

A partir de aquí, se producen los siguientes cambios al programa. Primero, se agregan

al modelo del relé las clases ANSI51_67 y ANSI50_67, que corresponden a curvas de
protección de sobrecorriente temporizada con protección direccional y protección de
sobrecorriente instantánea con protección direccional respectivamente. El modelo de
ambas clases es detallado en la sección 4.2. Segundo, se agrega una nueva variable de
optimización encargada de definir la dirección de una curva. Finalmente, se incorporan
restricciones que impiden que las 2 direcciones de las protecciones ANSI51 de un relé
sean iguales. Esto con el fin de evitar que el optimizador busque en un espacio de
búsqueda donde ambas protecciones direccionales miran para el mismo lado, lo que se
sabe es infactible. Esto es importante, ya que, la variable de optimización encargada
de la dirección es entera, por lo que restringir espacios de búsqueda para esta variable
contribuye a un mejor desempeño del optimizador.
Nueva variable de optimización

v67ij : Variable encargada de determinar la dirección de la curva de sobrecorriente

j del relé i. Se considera discreta tal que v67 ∈ {−1, 0, 1}.

Nuevas restricciones

v671j + v672j ≥ −1 ∀j
v671j + v672j ≤ 1 ∀j

50
4.5.3. Corriente de pick up y TDS discretas
Por otro lado, además de incluir lo mencionado en las secciones anteriores, se debe
incorporar al modelo la naturaleza discreta de la corriente de pick up y TDS. Si bien es-
te problema no posee relación directa con el hecho de adaptar el problema a un sistema
enmallado, los resultados de la validación de la solución entregada por el optimizador,
considerando dichas variables continuas, evidenció la necesidad de discretizar estas va-
riables. Esto pues, el modelo de ETAP de un relé maneja hasta 2 decimales para las
distintas variables que se pueden ajustar, por lo que, al redondear los resultados de las
distintas variables se produce un error no despreciable.

A modo de ejemplo, considerando el caso de redondear TDS para un tiempo de

operación mayor a 300 ms, se puede apreciar el efecto de redondear esta variable en el
tiempo de actuación del relé. En efecto, dada la curva de una protección de sobreco-
rriente temporizada según la ecuación 2.1, redondear TDS resultó que empíricamente
el tiempo de operación cambia en aproximadamente 30 ms. Este error depende del ter-
cer decimal del resultado, es decir, que tanto se aleja del valor final. También depende
del tiempo de operación, donde a mayor tiempo de operación mayor es la diferencia al
redondear el resultado de la variable. Además, se debe tener en cuenta que los pasos
de coordinación dependen de dos relés. Por esta razón, se pueden dar casos donde el
paso de coordinación aumenta y en otros disminuyen respecto a la solución entregada
por el optimizador. Esto ya que, se producen casos donde la diferencia en el tiempo de
operación de ambos relés se anula y en otros se suman, pudiendo cambiar el paso de
coordinación de 300 ms a 250 ms en un peor escenario.

De igual modo, redondear la corriente de pick up trae consigo el mismo problema.

No obstante, dado que Ip tiene como función determinar el punto de inicio de la cur-
va, es decir, desde qué corriente debiese actuar el relé, el impacto de redondear dicha
variable en el tiempo de actuación es considerablemente menor en relación a TDS. Es-
to porque, la variable TDS tiene como fin ajustar el retardo, por lo que es razonable
que el redondear esta variable cambie significativamente el tiempo de operación del relé.

Por consiguiente, se requiere incorporar la naturaleza discreta de estas variables al

problema de optimización. De esta forma, se toma como ejemplo un caso similar de
la bibliografía consultada, más específicamente en [17]. En dicho trabajo, solo la co-
rriente de pick up se maneja como variable discreta en el problema de optimización,
no obstante, como se mencionó en el párrafo anterior, no es posible pasar por alto la
necesidad de discretizar TDS. Por ello, ambas variables pasan a ser variables discretas
dentro del problema de optimización. Ahora bien, evidentemente las variables de por
sí no son discretas, sino que cuentan con dos decimales, por lo que para el optimizador
estas variables son multiplicadas por 100, pero para la ecuación 2.1 las variables son
divididas por 100 para compensar. Así, la solución entregada por el optimizador es
exactamente la que se ingresa a ETAP y los tiempos de actuación de los relés indicados
por el optimizador son los de la validación en ETAP.

Por último, el motivo de haber manejado estas variables de forma continua en un

comienzo es el trade-off existente entre incluir una variable discreta al problema y que

51
el optimizador sea capaz de encontrar una solución factible. Es más, por cada variable
discreta que se agrega al problema de optimización, este se vuelve más complejo de
resolver. Por lo que, incluir la corriente de pick up, por ejemplo, significa agregar 42
variables discretas, pues el sistema cuenta con 21 relés con 2 corrientes de pick up cada
relé (debido a las direccionales). Debido a esto, incorporar la naturaleza discreta de la
corriente de pick up y TDS efectivamente trajo consigo problemas para poder resolver
el problema de optimización. Esto es explicado a fondo en la siguiente sección.

4.5.4. Co-optimización
Para lograr resolver el problema de optimización computacionalmente incorporando
la corriente de pick up y TDS discretas se empleó un método iterativo. Ante esto, es
conveniente definir el concepto de co-optimización. En [25] se define co-optimización
como “[...] the simultaneous optimization of two or more different yet related resources
within one optimization formulation”. No obstante, en la misma referencia se entre-
ga una segunda definición a partir de la primera. Esta dice: “Another perspective to
co-optimization of resources is given by relaxing definition A to: “co-optimization is
the optimization of two or more different yet related resources within one planning
framework.” Here the emphasis on simultaneous optimization within one formulation
is relaxed, while still the objective is to comprehensively optimize all related resources
within one framework. This can be achieved by introducing an “iterative approach [...]”.
Dicho esto, para este trabajo la segunda definición de co-optimización es la empleada. A
modo de ejemplo, en [25] se presenta un esquema iterativo donde optimizan la planifica-
ción de la generación y transmisión de forma iterativa como se muestra en la figura 4.12.

Figura 4.12: Ejemplo de co-optimización [25]

52
 Teniendo en cuenta lo anterior, es fundamental detallar las causas que hicieron
necesario emplear una co-optimización. Esto surge de cambiar a variables discretas la
corriente de pick up y TDS en el problema de optimización. A grandes rasgos, el optimi-
zador presentó problemas que suelen ser habituales al emplear algoritmos que trabajan
problemas de optimización enteros mixtos no lineales. Esto culminó en implementar
una co-optimización para que el problema pudiese ser resuelto.

En relación a los problemas presentados por el optimizador, estos surgen tras incor-
porar solo TDS como variable discreta para evaluar el desempeño del optimizador en
una primera instancia. Sin embargo, el programa no es capaz de encontrar una solución
con los límites de las distintas variables que se tenían en consideración originalmente.
En este caso, la alternativa más intuitiva es ampliar los límites de TDS, puesto que esta
variable no presenta límites por requerimientos eléctricos a diferencia de la corriente de
pick up, por lo que cambiar estos límites resulta más sencillo. Finalmente, se determi-
nan los límites de la tabla 4.7. Estos límites logran encontrar una solución factible al
problema. No obstante, el optimizador resulta sumamente dependiente de los límites
expresados en la tabla. Tal es así, que la más mínima variación resulta en que el op-
timizador se vuelve incapaz de encontrar la solución que había encontrado previamente.

Ante esto, en la literatura se mencionan los problemas existentes al trabajar con

problemas de optimización con parte entera y/o no lineales, además de los problemas
que presentan los optimizadores que resuelven este tipo de problemas. Por ejemplo, en
[10] se enuncia que los problemas MILP son problemas de optimización combinatorial,
por lo cual la mayoría de los algoritmos puede llegar a tener que realizar un número
exponencial de subproblemas. Otro problema que surge es que, los algoritmos que re-
suelven este tipo de problemas, además de tener que encontrar la solución óptima, deben
verificar que esta lo sea, aumentando el trabajo requerido para retornar una solución.
Es más, incluso en el caso donde el punto inicial es el óptimo global del problema de
optimización, los algoritmos requieren un número exponencial de iteraciones para poder
reconocer el óptimo como tal. En el mismo texto se recalca también que, en la práctica,
el tiempo para resolver este tipo de problemas crece exponencialmente en la medida que
se incorporan variables de optimización. Por su parte, los problemas MINLP presentan
los aspectos de un problema MILP y uno NLP, además de otras características propias,
por lo que resolver el problema se vuelve aún más complicado y demandante para los
algoritmos.

A pesar de los problemas mencionados anteriormente, algoritmos como el branch

and bound han tenido éxito resolviendo este tipo de problemas de optimización. Tanto
en [10] como en [24] se menciona dicho algoritmo como uno de los más exitosos y que
se han creado otros algoritmos basados en él por lo mismo. Sin ir muy lejos, Gekko
emplea un algoritmo propio basado en branch and bound. Se debe destacar también
que, así como existen muchos algoritmos derivados de branch and bound, existen dis-
tintos tipos de estrategias que se pueden ajustar al algoritmo para que pueda encontrar
una solución al problema. En [24] se enumeran varias pero es de particular interés la
selección de nodo, pues Gekko, si bien ofrece varias alternativas, sugiere usar "Depth
First Search". Esto es debido a que, en la práctica, esta selección de nodo encuentra
el mayor número de soluciones factibles en comparación a otros métodos. No obstante,

53
presenta el problema que el algoritmo parte de un punto infactible y a partir de ahí
busca la mejor solución que cumpla con el mayor número de restricciones [24].

Teniendo en cuenta lo ya mencionado, y que el problema de coordinar protecciones

de sobrecorriente es altamente no lineal, es posible que el algoritmo sea simplemente
incapaz de resolver el problema tal y como está planteado. Por lo que fue un evento
azaroso que se hayan encontrado límites específicos para los cuales el algoritmo fue
capaz de encontrar una solución factible. No obstante, esto no asegura que, a futuro,
al implementar el programa desarrollado a otro sistema, este sea capaz de resolverlo.
Por ende, el desempeño del optimizador no es confiable y debe buscarse una alternativa
para evitar este comportamiento.

Así, se opta por implementar una co-optimización, iterando sobre las soluciones que
se van encontrando con tal de llegar a tener una solución que considere la corriente
de pick up y TDS como variables discretas. La co-optimización implementada consta
de tres iteraciones, siendo cada una de ellas un problema de optimización. La primera
iteración resuelve el problema como se tenía planteado originalmente, es decir, con las
variables TDS y corriente de pick up continuas, además de todas las demás variables
del problema en general con los límites de la tabla 4.7. Esta primera iteración mostró
dar buenos resultados, por lo que su solución es una buena base para continuar iterando
sobre ella. La segunda iteración cuenta solamente con la corriente de pick up y TDS
como variables de optimización, siendo TDS discreta e Ip continua, dejando todas las
demás variables del problema fijas al resultado de la primera optimización. Además, se
usa el resultado de la primera optimización como punto inicial del segundo problema
de optimización, y se fijan límites en relación a este punto inicial, siendo 0.8 y 4 veces
del resultado de la primera iteración los límites inferiores y superiores respectivamente.
Se debe recalcar que los nuevos límites son comparados con los límites originales, ya
que, estos responden a limitaciones eléctricas o técnicas, por lo que deben respetarse en
todas las iteraciones. Finalmente, la tercera iteración considera la corriente de pick up
y TDS como variables de optimización discretas y, análogamente, su punto inicial es el
resultado de la segunda optimización. Para este caso, los límites son 0.99 y 1.01 veces
el resultado de la segunda iteración los límites inferiores y superiores respectivamente.
Por otro lado, la función objetivo de cada iteración también cambia. Para la segunda
y tercera iteración solo considera la suma de la acción primaria de los relés, mientras
que la primera considera además el tiempo de operación de los respaldos. Un diagrama
resumen de la co-optimización se encuentra en la figura 4.13.

El motivo tras implementar una co-optimización es acercarse a la solución final ase-

gurando un buen desempeño del optimizador. Es por esta razón que desde la segunda
iteración se descartan las demás variables, y así dar énfasis en las que deben ser discre-
tas. Por otro lado, el motivo por el cual no se implementaron ambas variables de forma
discreta en la segunda iteración es porque al hacerlo el optimizador no tuvo un buen
desempeño. Por ende, y dado que la variable TDS es la que más afecta al tiempo de
operación cuando es redondeada, se considera que la segunda iteración solo busque una
solución con TDS discreto, dejando la variable Ip continua para que tenga un mayor
espacio de búsqueda. De este modo, ya estando más cerca de la solución, se implementa
un tercer problema de optimización que incluye ambas variables de forma discreta. Con

54
respecto a los límites, estos cada vez son más estrechos para evitar que el optimizador
se aleje mucho de la solución anterior. Así, el optimizador busca la mejor solución para
las variables discretas en torno a la solución entregada por la iteración anterior. Y dado
que cada vez se está más cerca de la solución final, cada vez los espacios de búsqueda
deben ser menores. Por último, el cambio de la función objetivo es con el fin de mejorar
el desempeño del optimizador. Dado que la primera iteración se encarga de minimizar
el tiempo de operación de los relés de respaldo, y que las siguientes iteraciones no se
alejan considerablemente de ese resultado, resulta conveniente eliminar la operación de
los relés de respaldo de la función objetivo.

Figura 4.13: Co-optimización

4.5.5. Resultado final

Una vez implementadas todas las consideraciones mencionadas en la sección ante-
rior, se obtienen los ajustes finales para que los relés operen de forma coordinada y
rápida ante fallas en el sistema Benchmark. Estos resultados fueron validados en ETAP
para las distintas fallas consideradas, teniendo el mismo comportamiento que el entre-
gado por el programa. A modo de ejemplo de los resultados, en la figura 4.14 se puede
apreciar la secuencia de apertura de los 9 primeros interruptores que abrirían ante una
falla en la barra 4, marcados con una cruz y un número que indica su posición en la
secuencia de apertura. Aquí se puede visualizar que los primeros relés que abren son los
cercanos a la barra, es decir, los relés 16, 11 y 10, donde el relé 16 abre primero, luego
el 11 y después el 10. Posteriormente, en caso de no operar estos, abrirían sus respaldos
directos, es decir, los del otro extremo de la línea o elemento que protegen además de
la barra, siendo los relés 15, 12 y 9, marcados con un número 4, 5 y 6 respectivamente
en relación con la secuencia de apertura. Finalmente, se cuenta con los respaldos que
involucran la apertura de los relés de las barras aledañas, es decir, los relés 13, 19 y 20,
marcados con un número 7, 8 y 9 respectivamente.

55
 A pesar de esto, si bien las secuencias de apertura tienen un comportamiento de
acuerdo a lo esperado, no todos los pasos de coordinación logran ser de al menos 300 ms.
No obstante, son pocos los pasos menores a este valor y estos no se alejan mucho de los
300 ms. Ante esto, se debe mencionar que, si bien uno espera conseguir un ajuste que
logre cumplir con todas las exigencias, según como se encuentra planteado el problema
no existe un ajuste tal que todos los pasos de coordinación sean mayores a 300 ms.
Esto, por el contrario de ser algo negativo, es un buen indicador. En efecto, que el op-
timizador entregue una solución indicando cuales pasos de coordinación no se cumplen
muestra que el problema de optimización, con las condiciones específicas entregadas,
no tiene solución factible en el espacio de búsqueda del problema de optimización. En
otras palabras, dados los relés, los elementos discretos del problema, las corrientes de
carga, las corrientes de cortocircuito y la topología del sistema, se genera una situación
tal que no es posible coordinar todos los relés para asegurar pasos de coordinación de
300 ms en todos los casos.

Por lo mencionado anteriormente, se destaca que el optimizador Gekko incluye en

la función objetivo una penalización cada vez que no se cumple una restricción. Esta
penalización es igual a la diferencia entre el paso de coordinación exigido menos el de
la solución entregada. Por ello mismo, el optimizador tiene motivos para cumplir con
todas las restricciones posibles, puesto que minimiza la función objetivo. Pero si no
existe solución que cumpla con todas las restricciones busca aquella que cumpla con el
mayor número de ellas y que aquellas que no se cumplen se acerquen lo más posible.
Por ello, una medida que se puede implementar una vez encontrada la solución es ajus-
tar los pasos de coordinación disminuyendo aquellos que no se lograron alcanzar. Esto
se vuelve más relevante en la medida que existan pasos de coordinación que se alejan
significativamente de los 300 ms.

Por último, se debe destacar que a medida que se avanza en las iteraciones del
problema de co-optimización, existe un mayor número de pasos de coordinación que
no alcanzan los 300. Esto respalda que, en la medida que uno incluye más exigencias
dentro del problema de optimización, el número de soluciones factibles disminuye. Por
ello, al manejar la corriente de pick up y TDS como variables continuas, la probabilidad
de encontrar un ajuste que cumpla con todas las restricciones es mayor que al conside-
rarlas discretas. En efecto, en la primera iteración casi no existen pasos de coordinación
menores a 300 ms, salvo casos muy particulares del orden de 270 ms. Esto ocurre debido
a lo similares que resultan en algunos casos las corrientes de cortocircuito junto con los
límites de las variables. Posteriormente, tras la última iteración aparecen otros casos
donde los pasos son de 295 ms. Esto se produce al convertir las variables TDS e Ip en
discretas. Como se mencionó anteriormente, el error de discretizar TDS era mayor que
el de discretizar la corriente de pick up, pero como se busca primero una solución para
TDS con Ip continua, y luego para ambas en conjunto, el error de la solución final se
asemeja al de Ip.

56
 Figura 4.14: Resultados secuencia de apertura falla en barra 4

4.6. Problema Benchmark con múltiples escenarios

Dado que se logró conseguir un ajuste para los relés de tal forma que existe una
operación coordinada para la topología base del sistema IEEE 9 Busbars, es necesa-
rio verificar que el programa sea capaz de entregar un ajuste que logre coordinar la
operación de los relés para la segunda topología expuesta en la metodología. Teniendo
en consideración los resultados expuestos anteriormente, se mostrarán a continuación
los resultados de extrapolar el ajuste obtenido a la segunda topología. Así, es posible
estudiar qué ocurre con los relés ante una falla en una topología similar pero no igual
a la que se tenía considerada en el problema de optimización. De esta forma, tomando
de ejemplo una barra cercana al generador dos (el generador ahora fuera de servicio),
se considera la secuencia de apertura para una falla en la barra 8. En la figura 4.15,
se aprecia que al fallar la barra con el ajuste obtenido anteriormente se producen una
serie de descoordinaciones, en especial para los relés más cercanos al generador dos.
Por ello mismo, es indispensable incluir dentro de las restricciones la segunda topología
para encontrar un ajuste que resulte en la operación coordinada de los relés para ambos
escenarios.

57
 Por consiguiente, se incluyen ahora en el problema de optimización las restricciones
asociadas a la nueva topología. Esto duplica el número de restricciones, volviendo más
difícil de resolver el problema. No obstante, el programa fue capaz de encontrar un nue-
vo ajuste para los relés de tal manera que existe una operación coordinada para ambos
escenarios, solución que es validada en ETAP para todas las fallas y para ambas topo-
logías. Para ejemplificar la importancia de incluir ambas topologías como restricciones
en el problema de optimización, se compara el caso anterior mostrado en la figura 4.15
con el nuevo ajuste, mostrado en la figura 4.16, donde ahora los relés sí actúan de forma
coordinada.

Para finalizar, se recalca lo mencionado para la solución anterior con respecto a los
pasos de coordinación. Al incluir ambas topologías en las restricciones se logra encon-
trar un ajuste tal que los relés operan de forma coordinada. No obstante, los pasos de
coordinación no logran alcanzar los 300 ms para todos los casos. En efecto, al igual que
para la coordinación de una topología, se repite la situación donde, debido a las exigen-
cias del problema, puede que no se encuentre una solución que cumpla con todos los
pasos de coordinación de al menos 300 ms. Ante esto, el optimizador entrega la mejor
solución que es capaz de encontrar, repitiéndose el caso donde existen pasos de coordi-
nación del orden de 270 ms y otros de 295 ms para ambas topologías por los motivos
mencionados anteriormente. Sin embargo, se debe destacar que el resultado entregado
por el optimizador logra ajustes de 300 ms para la mayoría de los pasos de coordi-
nación en ambas topologías, lo que suele ser difícil de conseguir. Previo a encontrar
este resultado, se manejaba como opción que, de haber problemas para encontrar una
solución, la segunda topología considerara pasos de 250 ms en sus restricciones. De este
modo, no se descarta que en caso de existir una topología muy distinta a las demás, esta
considere un paso de coordinación menor a 300 ms, lo cual en este caso no fue necesario.

58
Figura 4.15: Secuencia de apertura falla en barra 8 para segunda
topología con optimización considerando solo topología base

59
Figura 4.16: Secuencia de apertura falla en barra 8 para segunda
topología con optimización considerando ambas topologías

60
Capítulo 5

Conclusiones y trabajo futuro

En este trabajo se propone coordinar protecciones de sobrecorriente mediante un

problema de optimización entero mixto no-lineal con el fin de conseguir una operación
rápida y coordinada de las protecciones. Para esto se desarrolla un algoritmo y código
capaz de resolver el problema de optimización planteado. Dicho programa se prueba re-
solviendo el problema de coordinar las protecciones del sistema IEEE 9 Busbars, donde
dicha solución es validada en el software ETAP. Del desarrollo del programa se extraen
una serie de conclusiones que son expuestas a continuación.

Una buena construcción de las funciones de protección es fundamental para un buen

desempeño del optimizador. Debido a las discontinuidades que provoca la función “if”,
modelar las funciones de protección con esta función causa que el optimizador no sea
capaz de encontrar una buena solución al problema. Ante esto, resulta una mejor alter-
nativa construir las funciones de protección a partir de otras funciones continuas y dos
veces diferenciables, como lo es la función sigmoide.

Las protecciones direccionales son indispensables para poder coordinar un sistema

eléctrico enmallado. A raíz de lo similares que pueden llegar a ser las corrientes de corto-
circuito fluyendo en direcciones opuestas en un sistema enmallado, la tarea de coordinar
un sistema así resulta prácticamente imposible sin emplear protecciones direccionales.
Ante esto, estas protecciones permiten encontrar un ajuste para cada dirección de la
corriente y así lograr una operación coordinada de los relés.

Dada la naturaleza entera mixta y altamente no-lineal del problema, los optimi-
zadores pueden no retornar buenas soluciones según como se encuentre planteado el
problema de optimización. Ante esto, la co-optimización resulta una buena forma de
abordar el problema. Así, realizando varios problemas de optimización consecutivos, es
posible resolver problemas de optimización complejos y evitar los problemas comunes
que los algoritmos presentan para resolverlos.

A pesar de todas las medidas incluidas, no se logra alcanzar pasos de coordinación

superiores a 300 ms en todos los casos. Si bien este requerimiento es por norma técnica,
en la práctica, lograr esto resulta difícil cuando los sistemas eléctricos son altamente
enmallados. Por ello, el programa retorna la mejor solución posible, entendiendo que,
dadas las exigencias planteadas en el problema de optimización, como límites o varia-

61
bles discretas, puede no haber una solución factible con todos los pasos de coordinación
mayores a 300 ms. Por ello mismo, mientras la mayoría de los pasos cumplan con los 300
ms, o se acerquen a ese valor, se acepta que en la solución entregada por el optimizador
puedan existir pasos menores, donde aquellos que no se cumplen deben ser tomados
como un indicador de que ese paso en particular es muy exigente, y de ser necesario,
puede volver a ejecutarse el programa disminuyendo los pasos de coordinación especí-
ficos que resultaron menores a 300 ms.

Incluir en el problema de optimización todas las topologías relevantes del sistema a

coordinar en forma de restricciones es imprescindible, a pesar de volver más complejo
el problema. En caso de no incluir todas las topologías, nada asegura una operación
coordinada de los relés en todos los casos, especialmente en las barras cercanas donde se
produce algún cambio topológico. En caso de que el problema se vuelva muy complejo
de resolver para el optimizador, pueden relajarse los pasos de coordinación para las
topologías menos recurrentes y así encontrar una solución.

5.1. Trabajo futuro

A raíz del trabajo expuesto surgen una serie de trabajos futuros propuestos.

Debido a que existen varios fabricantes de relés de protección en el mercado, algunos

poseen ciertas particularidades. Las características más relevantes que varían según el
modelo del relé son la variedad de curvas con las que este cuenta, y que algunos relés
no aumentan el tiempo de actuación en la medida que la corriente de cortocircuito
disminuye desde cierto punto. Concretamente, durante el desarrollo de este trabajo el
modelo del relé empleado para la validación no considera un aumento en el tiempo de
actuación para corrientes menores a 1.5 veces la corriente de pick up. Como el enfo-
que de este trabajo es manejar las curvas de forma general, esto fue pasado por alto.
No obstante, incorporar el tipo de relé al modelo contribuiría a que los resultados del
programa sean más fidedignos o encontrar otras soluciones. Para lograr esto, se puede
realizar un estudio de los relés más comunes y agruparlos de tal manera que el modelo
contemple características propias de cada tipo de relé.

Una vez realizado el paso anterior, resulta natural en la continuación del trabajo
implementar el programa a un sistema real. De esta forma, se puede mostrar que el
programa expuesto es capaz de resolver un sistema real o, por el contrario, estudiar
los problemas que surgen en comparación con el sistema benchmark. En este último
caso, se deben identificar las causas que provocan un peor desempeño del optimizador
y corregirlas.

Con el fin de automatizar aún más el proceso, se puede desarrollar una rutina capaz
de extraer los resultados del programa y traspasarlos al modelo del sistema en ETAP.
Esto resulta un paso importante en la medida que el programa se implementa en siste-
mas de mayor número de barras, pues consigo hay un mayor número de relés. De esta
forma, el traspaso automático de los resultados es de gran valor en términos de tiempo

62
y evitar el error humano, lo que ayuda a realizar la validación en ETAP.

Por último, dado que existen muchas otras funciones de protección, el modelo se
puede volver más completo incorporando otras funciones de protección como las de dis-
tancia o diferenciales. Para esto se deben desarrollar las nuevas funciones de protección
e incorporarlas al modelo como clases con sus respectivos métodos. Además, debido
a que otras funciones de protección requieren información adicional a la corriente de
cortocircuito de la falla, como el voltaje, se debe adaptar la forma en que los datos de la
falla son ingresados a la clase relé del modelo para entregar todos los datos necesarios
según las funciones de protección que existan en el modelo.

63
Bibliografía

[1] W. Brokering, R. Palma y L. Vargas, Ñom Lüfke (El Rayo Domado) o Los Sistemas
Eléctricos de Potencia, 1st ed. Santiago de Chile: Prentince Hall - Pearson Education,
2008, p. 4.
[2] P. Anderson, Power system protection, 1st ed. Canadá: IEEE Press y John Wiley
& Sons, Inc, 1999.
[3] C. Russell Mason, Art & Science of Protective Relaying, 1st ed. Estados Unidos:
General Electric, 2009.
[4] Circuit Globe, “Overcurrent Relay.” https://circuitglobe.com/overcurrent-relay.
html. Visitado: 11/06/2020
[5] IEEE Recommended Practice for Protection and Coordination of Industrial and
Commercial Power Systems (IEEE Buff Book), IEEE Std 242-2001 (Revision of IEEE
Std 242-1986) [IEEE Buff Book], 17 Dec. 2001.
[6] B. Polajžer, M. Pintarič, M. Rošer and G. Štumberger, “Protection of MV Closed-
Loop Distribution Networks With Bi-Directional Overcurrent Relays and GOOSE
Communications,” IEEE Access, vol. 7, pp. 165884-165896, 2019.
[7] Norma Técnica de Calidad y Servicio, CNE, 12-2019.
[8] S. Boyd and L. Vandenberghe, Convex optimization, 7th ed. Nueva York: Cambridge
University Press, 2004.
[9] D. Bertsimas and J. Tsitsiklis, Introduction to lineal optimization, 1st ed. Nashua:
Athena Scientific , 1997.
[10] S. Leyffer, “Deterministic Methods for Mixed Integer Nonlinear Programming,”
PhD Thesis, Department of Mathematics & Computer Science, University of Dundee,
Dundee, Reino Unido, Diciembre, 1993.
[11] A. Schrijver, Theory of Linear and Integer Programming, 1st ed. New York: John
Wiley & Sons, 1986.
[12] N. P. Padhy, “Unit commitment-a bibliographical survey,” IEEE Transactions on
Power Systems, vol. 19, no. 2, pp. 1196-1205, May 2004.
[13] H. Gao and C. Wang, “A Optimal Operation Scheduling Method of Pumped Sto-
rage Station and Thermal Power Station Coordination,” 2006 IEEE PES Power Sys-
tems Conference and Exposition, pp. 1829-1832, 2006.
[14] A. J. Urdaneta, R. Nadira and L. G. Perez Jimenez, “Optimal coordination of
directional overcurrent relays in interconnected power systems,” IEEE Transactions

64
 on Power Delivery, vol. 3, no. 3, pp. 903-911, July 1988.
[15] O. Nuñez-Mata, R. Palma-Behnke and P. Mendoza-Araya, “Robust Coordination
of Overcurrent and Undervoltage Protection Devices for Microgrids,” 2018 IEEE 38th
Central America and Panama Convention, pp. 1-6, 2018.
[16] H. M. Sharaf, H. H. Zeineldin and E. El-Saadany, “Protection Coordination for
Microgrids With Grid-Connected and Islanded Capabilities Using Communication
Assisted Dual Setting Directional Overcurrent Relays,” IEEE Transactions on Smart
Grid, vol. 9, no. 1, pp. 143-151, Jan. 2018.
[17] H. Zeienldin, E. F. El-Saadany and M. A. Salama, “A novel problem formula-
tion for directional overcurrent relay coordination,” 2004 Large Engineering Systems
Conference on Power Engineering, pp. 48-52, 2004.
[18] Y. Damchi, M. Dolatabadi, H. R. Mashhadi, and J. Sadeh, “MILP approach for
optimal coordination of directional overcurrent relays in interconnected power sys-
tems,” Electr. Power Syst. Res., vol. 158, pp. 267–274, Feb. 2018.
[19] H.L. Li, C.T. Chang, “An approximate approach of global optimization for poly-
nomial programming problems,” Eur. J. Oper. Res. 107, pp. 625-632, Jun 1998.
[20] Gekko, “GEKKO Optimization Suite.” https://gekko.readthedocs.io/en/latest/
#. Visitado: 30/06/2020
[21] L. Beal, D. Hill, R. Martin, and J. Hedengren, “GEKKO Optimization Suite,”
Processes, Volume 6, Number 8, p. 106, 2018.
[22] Apmonitor.com, “GEKKO Python Tutorials.” http://apmonitor.com/wiki/
index.php/Main/GekkoPythonOptimization Visitado: 30/Jun/2020
[23] Apopt.com, “APOPT Solutions.” https://apopt.com/download.php Visitado:
30/ Jun/2020
[24] A. Martin, “General Mixed Integer Programming: Computational Issues for
Branch-and-Cut Algorithms,” Lecture Notes in Computer Science, vol. 2241, pp.
1-25, Jan. 2001.
[25] Eastern Interconnection States’ Planning Council. (2013, Sept.). Co-optimization
of Transmission and Other Supply Resources. [En línea]. Disponible: https://pubs.
naruc.org/pub.cfm?id=536D834A-2354-D714-51D6-AE55F431E2AA

65