Reconfiguración óptima de redes de distribución con generación renovable mediante el algoritmo híbrido cuántico-clásico qaoa para minimización de pérdidas de potencia

Read full text Summarise with VIRAT
Authors: José Luis Bosmediano Yánez
Cited by: 0
References: 34

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Este trabajo presenta un enfoque híbrido cuántico-clásico para la reconfiguración óptima de redes de distribución con generación renovable, integrando el algoritmo QAOA con el flujo de potencia AC no lineal. La metodología transforma el problema combinatorio de 32 configuraciones del sistema IEEE 33-barras en una formulación QUBO de 15 parámetros mediante la evaluación a detalle por Newton- Raphson, mapea los coeficientes al Hamiltoniano de Ising, y ejecuta la optimización variacional mediante un circuito cuántico de profundidad unitaria. El algoritmo identifica en 1.36 segundos la configuración que cierra los tie-switches SW34 y SW37, estableciendo una topología radial alternativa que reduce las pérdidas activas de 282.938 kW a 95.773 kW, equivalente al 66.15% de mejora. La solución presenta una desviación del 9.98% respecto al óptimo global, eleva el voltaje mínimo a 0.9531 p.u. cumpliendo los límites normativos IEEE 1547, y redistribuye los flujos reduciendo la corriente troncal de 246 A a 141 A. La sinergia entre la generación distribuida y la reconfiguración cuántica alcanza una eficiencia del 78.0%, demostrando que QAOA supera las limitaciones de la convergencia prematura de las metaheurísticas clásicas en problemas de reconfiguración con restricciones no lineales.

Fields of Study & Subjects

Optimal Power Flow Distribution Electric Power System Optimization Smart Grid and Power Systems

Publication details

Journal / source
Universidad Politécnica Salesiana Repositorio Digital (Universidad Politécnica Salesiana)
Publication date
1 March 2026
Language
ES
Document type
Thesis