This paper proposes the application of the sinecosine algorithm (SCA) to the optimal design of a closed coil helical spring. The optimization problem addressed corresponds to the minimization of total spring volume subject to physical constraints that represents the closed coil helical spring such as maximum working load, shear stress, and minimum diameter requirements, among other. The resulting mathematical formulation is a complex nonlinear and non-convex optimization model that is typically addressed in literature with trial and error methods or heuristic algorithms. To solve this problem efficiently, the SCA is proposed in this research. This optimization algorithm belongs to the family of the metaheuristic optimization techniques, it works with controlled random processes guided by sine and cosine trigonometric functions, that allows exploring and exploiting the solution space in order to find the best solution to the optimization problem. By presenting as main advantage an easy implementation at any programming language using sequential quadratic programming; eliminating the need to uses specialized and costly software. Numerical results demonstrating that the proposes SCA allows reaching lower spring volume values in comparison with literature approaches, such as genetic algorithms, particle swarm optimization methods, among others. All the numerical simulations have been implemented in the MATLAB software.

Objetivo: En este documento, se presenta una metodología de optimización híbrida para la ubicación y el tamaño óptimos de generadores distribuidos (DG) en redes de distribución eléctrica. Se propone un modelo de problema no lineal de enteros mixtos (MINLP) para la formulación matemática, cuya función objetivo es la minimización de las pérdidas de potencia debido al efecto Joule en los conductores. Las restricciones incluyen el equilibrio de potencia activa y reactiva, regulación del voltaje, el porcentaje de penetración de las DG en la red de distribución y las DG totales permitidas en dicha red. Metodología: Para resolver el modelo MINLP, se emplea una estrategia maestro-esclavo que utiliza el algoritmo genético Chu-Beasley (CBGA) y el modelo de flujo de potencia óptimo (OPF) como algoritmos maestro y esclavo, respectivamente. Esta técnica híbrida ayuda a reducir la complejidad del modelo MINLP al eliminar las variables binarias a través del algoritmo maestro y luego resolver el problema no lineal resultante (PNL), que corresponde al modelo OPF, utilizando un método clásico de punto interior disponible en la caja de herramientas fmincon de MATLAB Resultados: Se prueba la eficiencia y la solidez de la metodología propuesta en redes de distribución radial de 33 y 69 nodos. Los resultados muestran su alto rendimiento en términos de reducción de pérdida de potencia y dimensionamiento final de DG Conclusiones: Existe una relación directa y proporcional entre las pérdidas técnicas, el porcentaje de penetración de generación distribuida y el número de generadores disponible.