Asignación automática de rutas en redes de subestaciones eléctricas virtualizadas

Abstract

RESUMEN : Las subestaciones eléctricas son un elemento clave en la transmisión, control y transformación de la energía. Además de contar con equipos de transformación, protección y control, las subestaciones cuentan con redes de comunicación para controlar y monitorear todo el sistema. Sin embargo, esta infraestructura requiere tener (i) equipos de respaldo en algunas ocasiones en cantidad similar a los que operan en la red de comunicaciones de la subestación, y (ii) personal experto que vigile la red las 24 horas del día, los 7 días de la semana para reaccionar inmediatamente en caso de una falla. La virtualización de la red de datos de las subestaciones eléctricas ha surgido como una alternativa de actualización tecnológica. Esta transformación facilita la superación de los desafíos relacionados con la flexibilidad, resiliencia y rendimiento de la red de comunicación subyacente. La integración de todos los componentes de la subestación a la red de datos, la digitalización de las señales y el uso de la red ethernet para el control de los dispositivos de protección y el manejo de la subestación hacen que la red de comunicación sea un componente crítico para el sistema, ya que concentra el flujo de datos de todos los elementos. Dado que las redes eléctricas en general son consideradas infraestructuras críticas, resulta de suma importancia mantener el servicio en funcionamiento de manera continua, buscando reducir al mínimo cualquier tiempo de interrupción. Para lograrlo, se implementan sistemas redundantes en equipos, redes y plataformas, y se cuenta con personal técnico altamente capacitado para garantizar el funcionamiento bajo demanda y asegurar el nivel de servicio requerido, incluso en situaciones de fallo. La importancia de encontrar rutas alternativas ante un fallo en la red de datos de una subestación eléctrica impacta directamente en el funcionamiento del sistema, reduce el costo operativo de mantener el servicio en alto y, en consecuencia, evita el colapso del sistema. Por lo tanto, el rendimiento y el estado de la subestación dependen en gran medida de la estabilidad de la red de comunicación y su tolerancia a fallos en los enlaces. En esta investigación, se presentan dos enfoques diferentes para encontrar una ruta alternativa en caso de fallo en un enlace de la red de comunicaciones de una subestación eléctrica virtualizada: (i) un modelo exacto de programación lineal entera y (ii) un algoritmo metaheurístico basado en colonias de hormigas. Con el fin de reproducir funciones propias de la subestación, se implementaron servicios virtualizados (GOOSE, SV y MMS) en una red de subestaciones y se simularon fallas en algunos enlaces, midiendo dos métricas de desempeño distintas: (i) el tiempo de cálculo que cada algoritmo tomó para encontrar rutas alternativas, y (ii) el retardo del camino para la ruta alternativa resultante. Según los resultados, el algoritmo metaheurístico es más rápido para encontrar rutas alternativas en pequeñas instancias, posiblemente porque este algoritmo se centra en encontrar una ruta viable, sin necesariamente considerar si es la óptima. En cuanto a topologías con mayor número de nodos, se debe hacer ajustes al algoritmo para garantizar su convergencia. En la búsqueda de las mejores rutas entre el modelo exacto y el algoritmo ACO, la prueba estadística evidencia que no se encuentra una diferencia significativa entre ambas soluciones. Se requiere mayor investigación para evaluar la idoneidad del algoritmo metaheurístico en escenarios más realistas, donde los dispositivos físicos y virtualizados trabajen juntos.

ABSTRACT : Electrical substations are a key element in the transmission, control, and transformation of energy. In addition to having transformation, protection, and control equipment, substations have communication networks to control and monitor the entire system. However, this infrastructure requires (i) backup equipment in a quantity similar to that operating in the substation network, and (ii) expert personnel to monitor the network 24 hours a day, 7 days a week to react immediately in case of a failure. The virtualization of the data network in electrical substations has emerged as a technological upgrade alternative. This transformation facilitates overcoming challenges related to flexibility, resilience, and the performance of the underlying communication network. The integration of all substation components into the data network, signal digitalization, and the use of ethernet for controlling protection devices and managing the substation make the communication network a critical component for the system, as it concentrates the flow of data from all elements. Since electric grids, in general, are considered critical infrastructures, it is of utmost importance to maintain continuous service, aiming to minimize any downtime. To achieve this, redundant systems are implemented in equipment, networks, and platforms, and highly trained technical personnel are available to ensure on-demand operation and to guarantee the required service level, even in failure situations. A connectivity failure can consequently lead to the system's collapse. Conversely, the performance and the condition of the substation depend significantly on the stability of the communication network and its tolerance to link failures. In this research, two different approaches are presented to find an alternative route in case of a failure in a communication link of a virtualized electrical substation: (i) an exact integer linear programming model and (ii) a metaheuristic algorithm based on ant colonies. To replicate functions specific to the substation, virtualized services (GOOSE, SV, and MMS) were implemented in a substation network, and failures were simulated on some links. Two different performance metrics were measured: (i) the running time each algorithm took to find alternative routes and (ii) the delay of the path for the resulting alternative route. According to the results, the metaheuristic algorithm, Ant Colony Optimization, is faster at finding alternative routes in small instances. This is possibly because the algorithm focuses on finding a viable route without necessarily considering if it is the optimal one. In addition, convergence in this algorithm becomes challenging for larger networks due to the disappearance of pheromone imprints in the random process of choosing the path. However, adjustments are needed for the algorithm to ensure its convergence in the case of large instances. Meanwhile, the solutions for every service are similar between the exact model and the metaheuristic algorithm in all scenarios. Further research is required to assess the suitability of the metaheuristic algorithm to work in more realistic scenarios, where physical and virtualized devices work together.