PREFACIO

E n la actualidad, la energía eléctrica, es la energía más ‘limpia’ y de mayor consumo final en el mundo
entero. Por esas razones, es necesario que la operación y construcción de sistemas de generación y
transporte, sean más económicos, seguros, confiables y ambientalmente
sostenibles.

Desde la última década, con la desregulación del sector eléctrico, el mercado de la energía eléctrica
experimentó un profundo proceso de liberalización, fruto del cual, actualmente en muchos países es un
negocio que se desarrolla en un modelo de alta competitividad.

En los recientes años, los sistemas eléctricos de potencia aumentaron en complejidad debido a las
interconexiones y el uso de nuevas tecnologías.

Los problemas, tradicionalmente, enfocados en los sistemas eléctricos de potencia, tales como:
cortocircuitos, flujos de potencia y estabilidad fueron resueltos mediante programas de computadoras.
Hoy en día los nuevos problemas enfocados en el control y operación de los sistemas eléctricos de
potencia, son los relacionados con la operación económica y expansión óptima de los sistemas. Con la
desregulación del mercado eléctrico, en la operación de un sistema eléctrico de potencia, prima el
aspecto económico y se supone que el sistema eléctrico presenta un amplio margen de estabilidad y es
un sistema robusto y confiable.

Con los nuevos paradigmas planteados por el modelo neoliberal –‘modelo de libre mercado’, no
obstante ser resistido por los sectores populares, sin embargo, éste modelo está vigente-, los precios son
definidos por la oferta y la demanda, pero los precios de algunos bienes estratégicos siempre son caros,
ése es el caso de la electricidad. Por otra parte, el índice del consumo de energía eléctrica por habitante,
es decir, los kilovatios-hora per cápita de una región, es un indicador del grado de desarrollo alcanzado
por la región. Por consiguiente, se hace necesario determinar políticas óptimas para abastecer la
demanda de electricidad y abaratar el precio de éste bien para favorecer el desarrollo tan anhelado por
los países en vías de desarrollo.

La operación económica de sistemas eléctricos de potencia, tiene como uno de sus objetivos:
minimizar los costos de operación del sistema, sujeto a las restricciones de red y operación. Para lo
cual, se deberán desarrollar modelos matemáticos del sistema eléctrico, tales como los modelos de las
centrales eléctricas -térmicas e hidráulicas-, de la red y la demanda. El fundamento del problema de la
operación económica, se basa en el conjunto de características de entrada - salida de las unidades de
generación: térmica convencional - vapor, fuel, carbón, diesel y gas -, nuclear e hidráulica.

Este problema, conocido también con el nombre del despacho económico, busca un nivel de
generación para cada uno de los generadores disponibles, tal que el costo total de operación sea
mínimo para satisfacer a toda la carga y las pérdidas. El sistema consiste en N unidades térmicas de
generación conectadas al sistema que suministran energía a la demanda, las unidades hidráulicas se
pueden consideran como unidades térmicas equivalentes. Las pérdidas de transmisión son importantes,
luego, éstas se deberán incluir en la modelación del sistema. El propósito de este modelo, es encontrar
una política óptima de operación, para estas N unidades.

Por otra parte, el problema de entrada en servicio de una unidad u otra, es más complejo y se denomina
predespacho de carga -unit commitment-. El problema es dificultoso de resolver matemáticamente, i
debido a que se involucran variables enteras binarias (1 - 0, on - off). Puesto que, un generador en
particular tienen que estar conectado o desconectado de la red, pero no todos los generadores estarán
conectados al sistema, sino de acuerdo a los requerimientos operacionales; satisfacer la demanda y
disponer de suficiente reserva en giro para enfrentar una contingencia, sin embargo la cuestión es; ¿cuál
será la política óptima?. Para resolver el problema, existen tres técnicas ampliamente empleadas, las
mismas son: la lista de prioridad, la programación entera y la programación dinámica.

Un otro problema, es el uso racional del agua, éste, es un recurso estratégico en épocas de sequía, si
bien los costos variables de la generación hidráulica son despreciables, se debe tener una política
óptima del gasto de agua. Por consiguiente, la coordinación hidrotérmica, consiste en la determinación
de una política óptima para el gasto del agua en las plantas hidráulicas, combinando con el uso de
combustible en las plantas térmicas, para satisfacer la demanda, sujeta a limitaciones físicas y de
operación.

Por otra parte, es necesario conocer el estado del sistema eléctrico, éste cometido se logra, si se
conocen las tensiones en cada una de las barras del sistema. El flujo de potencia, se refiere al problema
de resolución de las ecuaciones de la red, con el objeto de conocer todas las variables eléctricas para
determinar el estado de operación del sistema. Y el flujo óptimo de potencia, se refiere a un estado de
operación en las que algunas variables son optimizadas, sujeto a limitaciones sobre las variables y
funciones.

El crecimiento de la demanda y requisitos de calidad impuestos al suministro eléctrico, obligan a las

empresas del sector eléctrico a realizar la ampliación de su parque generador y expandir los sistemas de
transporte y distribución, los cuales representan altos costos de inversión. La planificación de sistemas
eléctricos consiste en planificar su expansión que se traduce en determinar el número de centrales
generadoras, líneas de transporte y redes de distribución mediante modelos de planificación que
determinan políticas óptimas de inversión para satisfacer la demanda. El gran número y diversidad de
alternativas obligan a buscar modelos de planificación y formas de resolución adecuadas.

Las características de los modelos de planificación (lineales, no-lineales) dependen, por un lado, del
tipo de sistema eléctrico que se esté intentando modelar, y por el otro, de la representación que se haga
a cada uno de los elementos que lo conforman: sistemas de generación, transporte y distribución de
potencia. Las metodologías de planificación aplicables a ampliar generación, sistema de transmisión y
distribución son diferentes básicamente por las restricciones de operación y red propias de cada
sistema.

En algunos capítulos, se incluyen problemas resueltos, con el fin de clarificar los aspectos teóricos
abordados en el capítulo correspondiente.

Con el presente texto -que tiene su origen en los apuntes impartidas en clases-, se pretende facilitar el
proceso de comprensión de la operación económica y planificación de sistemas eléctricos de potencia.
Está dirigido a los alumnos, futuros ingenieros eléctricos, a los profesionales y personas dedicadas a
esta área.

Armengol Blanco Benito

Enero, 2010

ii
 Índice General

Tabla de contenido
PREFACIO ................................................................................................................................. i
Índice General ......................................................................................................................... iii
Capítulo I ................................................................................................................................... 1
CARACTERÍSTICAS DE LAS PLANTAS TÉRMICAS E HIDRÁULICAS .................................... 1
1.1 Introducción....................................................................................................................... 1
1.2 Operación de Sistemas Eléctricos de Potencia ....................................................................... 1
1.3 Características de Centrales Térmicas [2] .............................................................................. 1
1.3.1 Características de Entrada – Salida de Plantas Térmicas ................................................... 4
1.4 Características de las Centrales Hidráulicas ........................................................................... 9
1.4.1 Gasto Marginal de Agua ............................................................................................. 13
Capítulo II ................................................................................................................................ 14
DESPACHO ECONÓMICO DE PLANTAS TÉRMICAS ............................................................. 14
2.1 Introducción..................................................................................................................... 14
2.2 Costos de Generación ....................................................................................................... 14
2.3 Modelación del Sistema .................................................................................................... 15
2.4 Despacho Económico sin Considerar Pérdidas de Transmisión .............................................. 17
2.5 Despacho Económico Considerando las Pérdidas de Transmisión .......................................... 18
2.6 Métodos de Solución ........................................................................................................ 19
2.6.1 Método Iterativo Lambda ............................................................................................ 19
2.6.2 Método del Gradiente de 1er Orden .............................................................................. 21
2.6.3 Método del Gradiente de Segundo Orden ...................................................................... 24
2.6.4 Factores de Participación ............................................................................................ 25
2.7 Pérdidas de Transmisión ................................................................................................... 27
2.7.1 Matriz B de la Fórmula de Pérdidas.............................................................................. 28
2.7.2 Factores de Penalización ............................................................................................. 29
2.8 Despacho Económico de Sistemas Térmicos Empleando Programación Dinámica .................. 31
Ejemplo 2.1 Despacho Económico........................................................................................... 32
Capítulo III ............................................................................................................................... 38
PREDESPACHO DE CARGA ................................................................................................... 38
3.1 Introducción..................................................................................................................... 38
Ejemplo 3.1 Combinación de Unidades .................................................................................... 38
3.2 Restricciones de Operación en el Predespacho ..................................................................... 40
3.2.1 Reserva en Giro ......................................................................................................... 40
3.2.2 Restricciones de las Unidades Térmicas ........................................................................ 41
3.2.3 Restricciones Hidráulicas ............................................................................................ 42
3.2.4 Potencia Reactiva ....................................................................................................... 43
3.2.5 Restricción de Combustible ......................................................................................... 43
3.2.6 Flujo de Potencia Activa ............................................................................................. 43
3.3 Restricciones de Red ......................................................................................................... 43
3.4 Métodos de Solución del Problema del Predespacho ............................................................ 43
3.4.1 Método de las Combinaciones Secuenciales .................................................................. 44
3.4.2 Método de la Lista de Prioridad ................................................................................... 44
3.4.3 Programación Dinámica .............................................................................................. 45
Ejemplo 3.2 Predespacho de Carga [9] ..................................................................................... 46
iii
 3.5 Formulación Alternativa del Predespacho [10]..................................................................... 53
Capítulo IV ............................................................................................................................... 54
COORDINACIÓN HIDROTERMICA ........................................................................................ 54
4.1 Introducción .................................................................................................................... 54
4.2 Despacho de Energía con Límites....................................................................................... 54
4.3 Coordinación Hidrotérmica a Corto Plazo ........................................................................... 57
4.3.1 Plantas Acopladas Hidráulicamente (Plantas en Serie) ................................................... 62
4.4 Coordinación Hidrotérmica Multimáquinas ......................................................................... 63
4.5 Coordinación Hidrotérmica a Largo Plazo ........................................................................... 66
4.5.1 Modelo de Optimización ............................................................................................. 66
Ejemplo 4.1 Coordinación Hidrotérmica .................................................................................. 67
Capítulo V ................................................................................................................................ 73
FLUJO ÓPTIMO DE POTENCIA .............................................................................................. 73
5.1 Introducción..................................................................................................................... 73
5.2 Flujo de Potencia en Variables de Estado ............................................................................ 73
5.2.1 Algoritmo de Newton-Raphson ................................................................................... 76
5.3 Formulación Conceptual del Flujo Óptimo de Potencia ........................................................ 77
5.3.1 Flujo Óptimo de Potencia Activa ................................................................................. 77
5.3.2 Flujo Óptimo de Potencia Reactiva .............................................................................. 79
5.4 Formulación Matemática ................................................................................................... 79
Ejemplo 5.1 Flujo Óptimo de Potencia Activa........................................................................... 81
Capítulo VI ............................................................................................................................... 86
PLANIFICACION DE LA EXPANSIÓN DE LOS SISTEMAS ELECTRICOS DE POTENCIA ...... 86
6.1 Introducción..................................................................................................................... 86
6.2 Componentes de un Sistemas Eléctricos .............................................................................. 86
6.3 Criterios de Planificación y Restricciones ........................................................................... 86
6.3.1 Criterios de Confiabilidad ........................................................................................... 87
6.3.2 Criterios Económicos ................................................................................................. 87
6.3.3 Restricciones Ambientales .......................................................................................... 87
6.3.4 Impactos Sociales ....................................................................................................... 87
6.4 Planteamiento del Problema de Planificación de la Expansión del SEP .................................. 88
6.4.1 Planificación de la Expansión de la Red de Transporte ................................................... 88
6.5 Expansión del Sistema de Transporte: Modelo de Transbordo ............................................... 92
6.5.1 Planificación de la Expansión del Sistema de Transmisión: Modelo de Flujo DC .............. 92
6.5.2 Planificación de Expansión de la Generación [19].......................................................... 94
Referencias Bibliográficas .......................................................................................................... 97
ANEXO A OPTIMIZACIÓN ................................................................................................. 98
A.1 Introducción .................................................................................................................... 98
A.2 Fases de la Optimización [21] ........................................................................................... 98
A.3 Ejemplos ........................................................................................................................ 99
A.3.1 Fabricación de Pinturas [21] ....................................................................................... 99
A.3.2 Fabricación de Vidrios [20] ...................................................................................... 100
A.4 Solución gráfica ............................................................................................................ 102
A.5. Método Simplex ........................................................................................................... 103
ANEXO B PROGRAMACION NO LINEAL ........................................................................ 106
B.1 Introducción .................................................................................................................. 106
B.2 Método de Resolución .................................................................................................... 106
B.2.1 Multiplicadores de Lagrange, Kuhn-Tucker ................................................................ 107
Ejemplo B.1 Programación No lineal ..................................................................................... 108
B.2.2 Método de la Gradiente de Descenso más Pronunciado ................................................ 110
iv
 Ejemplo B.2 Gradiente del Ascenso más Pronunciado..................................................................................112
Ejemplo B.3 Minimización sin restricciones con paso óptimo....................................................................113
ANEXO C PROGRAMACION DINAMICA..................................................................................................116
C.1 Introducción.........................................................................................................................................................116
C.2 El Principio de Optimalidad............................................................................................................................116
Ejemplo C.1 Cargamento de un Barco [21].......................................................................................................117
C.3 Algoritmo de la Programación Dinámica...................................................................................................118
C.4 Algoritmo de Dijstra..........................................................................................................................................119
Ejemplo C.2 Distancia Mínima entre Dos Nodos............................................................................................120
ANEXO D TÉCNICAS HEURÍSTICAS...........................................................................................................121
D.1 Introducción.........................................................................................................................................................121
D.2 Templado Simulado...........................................................................................................................................121
D.3 Algoritmos Genéticos [23]..............................................................................................................................121
D.4 Búsqueda Tabú....................................................................................................................................................122
D.5 Redes Neuronales..............................................................................................................................................123

v
 Capítulo I

CARACTERÍSTICAS DE LAS PLANTAS TÉRMICAS E

HIDRÁULICAS

1.1 Introducción

P ara analizar los problemas asociados con el control y operación de los sistemas eléctricos de potencia
(SEP), es necesario modelar los diferentes elementos que componen el SEP y conocer muchos de los
parámetros de interés involucrados, principalmente los relacionados con el
comportamiento de las plantas de generación térmicas e hidráulicas.

1.2 Operación de Sistemas Eléctricos de Potencia

Para determinar la operación económica de un sistema eléctrico, se supone que el sistema está en un
estado normal [1], donde se satisfacen las restricciones de red y operación. Además, se supone que
existen suficientes márgenes de estabilidad transitoria y permanente, las tensiones en cada una de las
barras están dentro de lo permitido, no existen fluctuaciones de tensión en el sistema, la distorsión
armónica es despreciable, la variación de frecuencia es mínima, el sistema es equilibrado y balanceado,
es decir, el sistema cumple con los requisitos de calidad de servicio, en esta condición, se puede buscar
una operación óptima del sistema.

En la actualidad, con la desregulación del mercado eléctrico, en la operación de un sistema eléctrico de

potencia, prima el aspecto económico, se deja de lado el aspecto técnico.

1.3 Características de Centrales Térmicas [2]

Entre las características de mayor interés para la operación de las plantas de generación térmica, son las
curvas de costo de generación versus potencia generada. Las centrales térmicas típicas, son: las
centrales de vapor, centrales a gas y centrales nucleares.

a) Centrales a Vapor

En este tipo de centrales, el vapor es generado en una caldera que es alimentada con agua; el calor es
extraído de la combustión del carbón mineral en polvo ó petróleo u otro tipo de combustible primario.
El vapor es sobrecalentado en las diferentes etapas de la caldera y es alimentado a la turbina de vapor,
en ésta, existe una transformación de energía, el vapor se enfría, pierde energía y se convierte en
energía mecánica, la cual impulsa al generador y se obtiene la energía eléctrica. En la Fig. 1.1, se
muestra el esquema típico de generación térmica a vapor.

1
 Pbruta
B T G Pneta
Combustible

Agua S/A
Vapor

Fig. 1.1 Esquema típico de una central térmica a vapor.

donde:
B Caldera de vapor T
Turbina de vapor G
Generador eléctrico S/A
Servicios auxiliares

Una turbina de vapor típica, requiere de 2 al 6 % de la potencia de salida del generador para alimentar
los servicios auxiliares que comprende, entre otros, las bombas de alimentación de la caldera,
ventiladores, bombas para la circulación de agua en el condensador, etc. La salida eléctrica, no está
conectado solamente al sistema eléctrico de potencia, sino también al sistema de potencia auxiliar en la
central eléctrica.

La salida neta de la planta, es la potencia eléctrica disponible para ser utilizado por el sistema eléctrico
de potencia, y es una información útil para planificar la generación. En la Fig. 1.4, se muestra la
característica entrada -salida típica de una planta térmica.

b) Turbina de Gas de Ciclo Simple

En ésta planta, la turbina de gas, aprovecha los gases de combustión para convertirlo en potencia
mecánica y consiste en un compresor de gas y turbina, conectados por un eje único a una unidad
generadora. El compresor comprime los gases de combustión y en la turbina se expande el gas y se
produce la conversión de energía calorífica en energía mecánica la cual acciona al generador
obteniéndose energía eléctrica.

En la Fig. 1.2 se muestra un esquema típico de una planta de este tipo.

C TG
G

Gases de Combustión
Fig. 1.2 Esquema típico de una central a turbina de gas.

2
donde:
C Compresor
TG Turbina de gas
G Generador eléctrico

La turbina de gas de ciclo simple, tiene un rendimiento en el rango de 25 al 30 % (es decir, la tasa de
calor de la unidad es de 13.600 a 11.400 MBtu/kW-h, basado en el valor del calentamiento más alto del
combustible), requiere diesel o gas natural como combustible. Estas unidades se utilizan
principalmente, para horas punta en los sistemas eléctricos.

c) Planta Nuclear

Una planta nuclear emplea un reactor nuclear para la generación térmica. El reactor nuclear, utiliza
como combustible, uranio ligeramente enriquecido, como fuente de suministro de energía básica. En la
Fig. 1.3 se muestra el esquema típico de una central nuclear.

Combustible T G
Nuclear

Agua de Refrigeración
Vapor

Fig. 1.3 Esquema típico de una planta nuclear.

Durante el período de tiempo en que el combustible está en el reactor, se genera calor y vapor que
acciona una turbina de vapor convencional, y la potencia eléctrica se obtiene del generador que es
accionado por la turbina. Con el paso del tiempo la cantidad de material fisionable utilizado va
decreciendo, y no es capaz de mantener un nivel de potencia adecuado, de modo que el combustible
tiene que ser retirado y el reactor se recarga con un nuevo combustible. Durante este tiempo -4 a 6
meses- la planta está fuera de servicio y se aprovecha para realizar un mantenimiento general de la
central.

Para la instalación de una planta sobre la base de reactores nucleares, será necesario tomar en cuenta
que los reactores comerciales disponibles, tienen una capacidad mínima de 1000 MW para una
operación rentable. En la operación de sistemas eléctricos de potencia, las plantas nucleares, se utilizan
como plantas base, las plantas térmicas e hidráulicas se utilizan en horas de punta.

En el país, no se cuenta con centrales a vapor debido a que no se dispone de fuentes primarias de
energía barata para este tipo de centrales como serían los yacimientos de carbón mineral. Asimismo, no
se cuenta con centrales nucleares, debido principalmente a lo reducido de la demanda -650 MW-.

3
Tal vez la inexistencia del carbón mineral –fuente de alto poder calorífico- en la geografía del país, sea
la causa para el subdesarrollo del país. El carbón mineral es la principal fuente de energía para
desarrollar la siderurgia que es la industria básica de todo país industrializado. Si bien, se tienen
yacimientos de hierro en el Mutún y existen proyectos que toman en cuenta el uso del gas natural para
desarrollar una siderurgia en el Mutún, parece que no es atractivo por el bajo poder calorífico del gas
frente al poder calorífico del carbón mineral.
Las centrales termoeléctricas de generación existentes en el país, son las de jet fuel –Trinidad,
Aranjuez- y centrales a gas –Huaracachi, Valle Hermoso, Karachipampa y Kenko-.

En algunas empresas privadas, se tienen grupos electrógenos, que emplean diesel como fuente
primaria.

1.3.1 Características de Entrada – Salida de Plantas Térmicas

En las plantas térmicas a vapor, en general la curva de entrada versus salida, es discontinua, la cual es
causada por la apertura de válvulas de vapor en serie, es decir, las unidades de generación poseen una
operación multivalvular [3]. En la Fig. 1.4, se representa ésa característica, las variaciones abruptas de
gasto de calor son debidas a la apertura de las válvulas. Ésa característica normalmente se lo aproxima
y representa por una función polinomial, la cual se representa mediante la curva segmentada.

H [MBTU/h]
Apertura de válvulas

Entrada

min max
0 P Salida P P [MW]

Fig. 1.4 Características de operación de unidades térmicas multivalvulares a vapor.

Nayola, et al., [4], presentan una metodología para determinar experimentalmente las características
incrementales del consumo de calor de las unidades térmicas.
La curva característica de entrada-salida, depende del tipo de unidad térmica, en la Fig. 1.5, se
representa la curva típica de una central eléctrica a vapor, utiliza una turbina a gas multivalvular [2].

4
La característica típica de entrada-salida, es decir, el gasto de calor versus la potencia generada,
presenta una no linealidad [2], ésa característica, se muestra en la Fig. 1.6 y se puede expresar por la
siguiente función:
2 n
H 0 1P 2P ... n P
donde: i coeficientes.

H [kCal/h]

min max
00 P PPmax P [MW]
Fig. 1.5 Característica típica de una central térmica a gas.

kCal
H [ ]
h

Entrada

min max
0 P Salida P P [MW]
Fig. 1.6 Característica Entrada-Salida típica de una planta térmica.

5
El gasto de calor por hora, sin perder generalidad, se puede aproximar por un polinomio de grado n, es
decir, por una función no lineal, lo más común es considerar una ecuación cuadrática o cúbica. En
algunos estudios para simplificar el proceso de la optimización, la función puede ser linealizada o
considerada como una función lineal por tramos. Estos extremos, se pueden apreciar en la Fig. 1.7.

$
F [ ]
h

min max
0 P P P [MW]

Fig. 1.7 Costo de generación por hora de una planta térmica.

El gasto de calor por hora, H, [MBTU/h], se puede convertir en costo de generación por hora, F, [$/h],
al considerar el costo del combustible y representar por la función:

2 3 n
F cH a 0 a1P a 2P a 3P .... a n P

Con las restricciones: Pmin P Pmax

donde:
kCal MBtu
H = Gasto de calor por hora ó
h h
$
F = Costo de generación por hora
h
$
c = costo del combustible
MBTU
ai = coeficientes
P = Potencia generada en MW

6
 H 0 n1
La relación 1 2P ... nP , es la razón del calor neto consumido por la turbina
P P
térmica y en la Fig. 1.8, se muestra ésa característica.

H [ kCal ]
PMW h

Pmin Pmax
0 P [MW]
H
Fig. 1.8 Característica versus potencia generada.
P

kCal
H[ ]

P MW h

0 min max
P P P [MW]
Fig. 1.9 Gasto incremental de calor versus potencia generada de una planta térmica.

7
1.3.1.1 Costo Incremental

El costo incremental, es el costo de generar un kW-h adicional. Matemáticamente es la relación de los

incrementos del costo de generación y potencia, representada por la siguiente ecuación:

F a 2a 2 n1 2 n1
1 2P 3a3P .... na n P a 2 P 3a3P P a3 P .... an P
P
En la Fig. 1.10 se representa la curva típica del costo incremental.

F [ $ ]
P MW h

0 Pmin Pmax P [MW]

Fig. 1.10 Característica costo incremental de generación típica de una planta térmica.

1.3.1.2 Costo Marginal

De una manera general, el costo marginal es el costo de producir una unidad marginal del producto de
una empresa. En la generación eléctrica, el costo marginal, es el costo de generar un kW-h adicional.
Matemáticamente, el costo marginal es el costo incremental, pero pasando al límite, dicho de otro
modo, es la derivada de la función costo de generación con respecto a la potencia. El costo incremental
difiere del costo marginal en un infinitésimo.
dF 2 n1
a1 2a 2P 3a3P .... na n P
dP
En la Fig. 1.11, se representa la gráfica de una función típica de costo marginal.

8
 dF $
[ ]
dP MW h

min max
0 P P P [MW]

Fig. 1.11 Costo marginal

1.4 Características de las Centrales Hidráulicas

Las plantas hidráulicas, constituyen una de las principales fuentes de energía renovables, si bien
dependen de la hidraulicidad de una cuenca, prácticamente sus costos variables de generación son
despreciables [2].

El agua no tiene ´costo` -lo provee la naturaleza-, pero en períodos de sequía, se le puede asignar un
costo; debido a que se debe respetar ciertas cotas mínimas, además, parte de esas aguas se utilizan en
regadíos, cría de peces, centros de recreación, etc.

El sistema hidráulico generalmente se compone de múltiples embalses y plantas hidráulicas dispuestas

en una o varias cuencas hidrográficas.

La energía hidráulica disponible se obtiene por la acumulación de agua en los embalses.

a) Planta Hidráulica Aislada

En este tipo de planta, la entrada, el volumen de agua por unidad de tiempo, está en función de la
potencia eléctrica de salida. La Fig. 1.12 muestra una curva de entrada-salida típica, para una planta
hidroeléctrica. Esta característica muestra una curva casi lineal del requerimiento del volumen de agua
de entrada por unidad de tiempo como una función de potencia disponible en la medida en que aumenta
la potencia. Se nota un comportamiento no lineal cerca de su potencia nominal, esto se debe a que las
pérdidas hidráulicas aumentan por la abertura de las válvulas por lo que se requiere más caudal. La
función típica del gasto de agua, q, está dado por el conjunto de ecuaciones:
9
 q b0 b1P ; para P P1
2
q b bP b P ; para P P P
0 1 2 1 max
donde:

m3
q Gasto de agua [ ]
h
bi coeficientes
P1 Potencia a partir de la cual comienza la no linealidad.

Ésta característica, se representa en la gráfica de la Fig. 1.12.

3
m
q [ ]
h

Entrada

max
0 Pmin Salida P1 P P [MW]

Fig. 1.12 Características entrada - salida de una planta hidráulica.

b) Plantas Acopladas Hidráulicamente

En muchas plantas, el sistema de canales y ríos están conectados tanto en serie como en paralelo –
hablando desde el punto de vista hidráulico-. En este caso la liberación de aguas arriba de una planta,
contribuye a la afluencia de la planta aguas abajo. Este extremo, se conoce como acoplamiento
hidráulico. La modelación es compleja por la gran cantidad de variables involucradas. Debido a la
importancia del acoplamiento hidráulico entre plantas, se puede afirmar que no existen dos sistemas
hidroeléctricos que sean exactamente iguales.

10
 r1 Afluyente
s1 Rebalse

V1

q1 Agua turbinada s2 Rebalse

V2

q2 Agua Turbinada

Fig. 1.13 Esquema de dos plantas hidráulicas en serie.

La situación se pone aún más compleja, cuando el sistema eléctrico tiene plantas hidroeléctricas
convencionales y plantas de bombeo-almacenamiento, las cuales deben operar conjuntamente.

El problema del uso óptimo de estos recursos, involucran problemas complicados, que están asociados
con la planificación del uso de aguas, así como la operación óptima del sistema eléctrico, para
minimizar costos de producción.

Por otra parte, las plantas hidráulicas, se utiliza solamente durante los períodos donde las unidades
térmicas tienen altos costos de generación. Otras veces, se consideran como unidades de disponibilidad
rápida ("reserva de giro" en frío).

c) Plantas de Bombeo-Almacenamiento

El funcionamiento de este sistema es el siguiente, en los periodos donde el costo de energía es elevado,
el sistema funciona como generador, se gasta el agua del reservorio. En periodos donde el costo de
energía es barato, la turbina funciona como bomba y el generador como motor, se bombea agua al
reservorio superior y se almacena energía, dicho de otro modo, la central en cada hora n puede bombear
una cantidad wbn o turbinar una cantidad qbn y que el rendimiento de su ciclo es ηb. Puede recibir o no
aportaciones. En la Fig. 1.14, se muestra el esquema del sistema bombeo-almacenamiento.

En el país, no existe éste tipo de plantas, pero se los puede encontrar en Europa.

11
 T-B Turbina-Bomba
n G-M Generador
b T-B G-M

ri
Vi

Fig. 1.14 Sistema de bombeo y almacenamiento.

En la Fig. 1.15, se muestra las características de entrada y salida para el sistema de bombeo y almacenamiento.

P [MW]
 3
m
q [ ]
h

Bombeo Generación

Entrada, PB Salida, PG

Fig. 1.15 Gasto de agua de una planta hidráulica de bombeo y almacenamiento.

12
1.4.1 Gasto Marginal de Agua

La función típica del gasto de agua, q, está dado por el conjunto de ecuaciones:

q b0 b1P ; para P P1
2
q b bP b P ; para P P P
0 1 2 1 max
donde:

q Gasto de agua
bi coeficientes
P1 Potencia a partir de la cual comienza la no linealidad.

En la Fig. 1.16, se muestra la característica del gasto marginal de agua.

3
dq m
[ ]

dP MW h

min max
P P1 P P [MW]
Fig. 1.16 Gasto marginal de agua de una planta hidráulica

En el país, se tienen diversas plantas hidroeléctricas: Zongo, Choquetanga, Corani, Santa Isabel, Río
Eléctrico (Río Yura), San Jacinto, Hidroeléctrica Boliviana.

En la programación de la generación, se emplea como planta base las centrales a gas y las plantas
hidráulicas y a jet fuel como plantas de punta.

13
 Capítulo II

DESPACHO ECONÓMICO DE PLANTAS TÉRMICAS

2.1 Introducción

L a función del despacho económico es asignar la potencia que debe generar cada una de las plantas de
generación disponibles, de tal manera que el costo del suministro de energía a la carga es minimizado,
satisfaciendo restricciones de red y operación.

Del número total de generadores del sistema, NG, se supone que existen N unidades, conectadas al
sistema y están en operación, el objetivo del problema, es encontrar una política de operación óptima,
para estas N unidades.

Los cálculos de despacho económico son realizados cada cierto tiempo (5 a 30 minutos) y se usa las
ecuaciones de coordinación, se requiere que el costo incremental de la potencia entregada a una barra
de carga arbitraria sea el mismo para todas las unidades.

2.2 Costos de Generación

Los costos de generación, están compuestos principalmente por los costos fijos y costos variables y se
puede ser presentado por la ecuación sencilla siguiente:

Costos de generación = Costos fijos + Costos variables

a) Costos Fijos

Los costos fijos no dependen de la producción y están constituidos, por:

 Sueldos
 Amortización de capital
 Intereses sobre los préstamos
 Seguros sobre los equipos
 Impuestos de los bienes inmuebles y a las utilidades

Alguno de estos ítems, son costos hundidos, es decir, son costos que no se recuperan cuando se cierra
una planta.

b) Costos variables

Los costos variables dependen de la producción, es decir, son los gastos incurridos para satisfacer una
determinada demanda. Estos costos se pueden desagregar en costos combustible, generalmente
representan más de la mitad del costo total, y los otros costos corresponden a los gastos de operación y
mantenimiento, los cuales dependen del nivel de generación y representan aproximadamente un 5 % de
la estructura de costo variable total.

14
En un proceso de optimización, los costos variables, son los que se optimizan, como los costos fijos son
constantes, no se consideran explícitamente.

2.3 Modelación del Sistema

La principal dificultad en la modelación del sistema eléctrico de potencia (SEP), es la representación de

las pérdidas óhmicas del sistema de transporte. Para determinar las pérdidas, se emplea habitualmente
un flujo de potencia tradicional, el flujo DC ó alternativamente una función de pérdidas. La carga, se
modela como potencia constante.

De acuerdo al comportamiento de los datos; tales como: la incertidumbre del pronóstico de la demanda
y lluvias, el comportamiento del mercado de precios de los combustibles, etc., los modelos resultantes
serían: Modelos determinísticos o probabilísticos.

El SEP, se pueden modelar como: Modelo de barra única ó modelo de barra múltiple –multinodal-. La
selección del modelo dependerá de la exactitud requerida en la solución del problema.

a) Modelo de Barra Única

La red se representa por una barra única a la cual están conectados los generadores y las cargas. Éste
modelo es demasiado simplista, pero requiere poco esfuerzo computacional. En la Fig. 2.1, se
representa esquemáticamente el modelo de barra única.

1 2 … N Generadores

Barra única

Carga

Fig. 2.1 Modelo de barra única

Las principales características del modelo, son:

 Modelo simple
 Barra única
 Modelo inexacto
 Costo marginal único
 Independiente entre períodos de estudio
 No se considera las pérdidas del sistema

La característica de la planta térmica, está representada por su curva entrada-salida, es el costo de

generación versus la potencia generada [2, 5, 6].

15
 En este modelo, las plantas hidráulicas, se pueden representar por plantas térmicas equivalentes.

b) Modelo de Barra Múltiple

En este modelo, se consideran que las barras, generadores y las cargas del sistema, están
interconectados por líneas y transformadores. Se puede decir que éste modelo, es el más real, pero tiene
sus limitantes como el excesivo costo computacional por ser multidimensional y multietapa. En la Fig.
2.2, se representa esquemáticamente el modelo multinodal.

Carga

Reservorio
G1 de agua
G2

Carga

Fig. 2.2 Modelo Multinodal

Las principales características del modelo, son: [6]

 Modelo complejo
 Barras múltiples
 Modelo exacto
 Costo marginal diferente para cada barra
 Considera la influencia entre períodos
 Considera las pérdidas
 Tiene carácter espacial

Este modelo, se halla implementado en los modelos TRANSCOST, JUANAC. Estos modelos que son
empleados en las principales empresas eléctricas del mundo: JUANAC en España, TRANSCOST en
Inglaterra, emplean un modelo DC para la red (flujo DC) y las pérdidas se incluyen mediante la
aproximación lineal iterativa. [7]

Entre otros modelos, se tienen: SICRET (ENEL), FIAPT (HYDRO QUEBEC), MEXICO (EDF),
WRATES.

16
2.4 Despacho Económico sin Considerar Pérdidas de Transmisión

1 Sea

N =Unidades de generación térmica a despachar

PD =Demanda de potencia
2 Pperd =Pérdidas de potencia en el sistema
: PD Pi =Potencia entregada por el generador i
N

El modelo de optimización es:

Min FT Fi
i1
s. a :
N

G PD - Pi 0
i1
min max
Pi Pi Pi

Es un problema de optimización no-lineal, con restricciones de igualdad y desigualdad. Una técnica

para hallar el óptimo, es el empleo de los multiplicadores de Lagrange.

La función aumentada de Lagrange, es:

N N
L FT GFi (PD - Pi )
i1 i1

donde: λ es el multiplicador de Lagrange.

Las condiciones necesarias para el óptimo, son:

L dF (P )
1) i i 0 Pi dPi
L
2) G P D Pi 0
N
ii 1

dFi (Pi )
Rescribiendo la primera condición: , esta ecuación indica que los costos marginales de
dPi
todas las unidades debe ser el mismo, es decir, .
17
La dimensionalidad del problema crece, de acuerdo a:

dFi (Pi ) N ecuaciones

dPi
max
Pmin P P 2N inecuaciones
i ii
N
P P
i R 1 Restricción
i1

Expresando de otro modo, para las restricciones de desigualdad, la condición necesaria para el óptimo,
son:

dFi min max

= para Pi Pi Pi
dPi
dFi max
para Pi = Pi
dPi
dFi min

para Pi = Pi

2.5 Despacho Económico Considerando las Pérdidas de Transmisión

En el modelo de barra única las pérdidas del sistema de transmisión se representan mediante una
función de pérdidas, Pperd [2].

Pperd Pperd (P1,P2 ,.....,PN )

El modelo de optimización, será:

N
Min FT = Fi (pi)
i=1
s. a :
N
G PD + Pperd - Pi 0
i=1
min max

Pi Pi Pi
La función aumentada de Lagrange, es:

18
 N N
F GF (P P - P )
L T i D perd i
i1 i1

Las condiciones necesarias para el óptimo, son:

L dFi (Pi ) P perd

(P )
i

1) 10
Pi dPi Pi
N
L G PD PperdPi 0
2)
i1

La ecuación de coordinación, es:

P
dF (P ) perd (Pi )
i i

P
dPi i
donde:

P (P )
perd i = Pérdidas marginales del sistema.
Pi

En el modelo multinodal, las pérdidas pueden ser determinadas mediante un flujo de potencia.

2.6 Métodos de Solución

Para resolver el despacho económico, existen una gran cantidad de métodos, entre otros se tiene [2]:

 Gradiente del descenso más pronunciado.

 Técnica de los multiplicadores de Lagrange
 Otras adaptadas a la particularidad de los problemas.

En lo que sigue, se hace énfasis en los métodos particulares de solución del problema del despacho
económico por el aspecto académico y su carácter ilustrativo. El despacho económico, se puede
resolver mediante la utilización de los diferentes paquetes comerciales, pero quitaría la visión del
problema por que habría que preocuparse del formato para la introducción de datos, estos paquetes
están orientados a la resolución de problemas de optimización y programación matemática.

2.6.1 Método Iterativo Lambda

Para enfocar la solución del problema del despacho económico y comprender el método, es necesario
apoyarse en una técnica gráfica para resolver el problema y entonces extender éste por medio de
algoritmos e implementarlo en un programa computacional.

19
Al elegir un determinado lambda, está determinado la generación para cada planta, la generación total
será mayor ó menor que la demanda, estableciéndose un error. Al considerar otro valor de lambda, se
tendrá un nuevo error. En la Fig. 2.3, se muestra una gráfica del error vs lambda (costo marginal).
Considerando, dos puntos, se puede hallar la intersección con el eje lambda -proyección-, donde el
error será pequeño y se tiene un nuevo lambda, procediéndose de igual modo, hasta que el error sea
menor a la tolerancia especificada.

Con las dos soluciones, se puede extrapolar (o interpolar) otra solución, y cada vez, se está más cerca
del valor deseado de la potencia generada total.

error

0
e0

1
e1
2

Solución 2 1 0 , Lambda

Fig. 2.3 Proyección Lambda,

De la Fig. 2.3, se deduce que:

e0 e1 e0 e1

0 1 02 1 2
El nuevo Lambda proyectado, es:
e ( )
2 0 0 0 1 ó
e0 e1
e( )
2 1 1 0 1
e0 e1

Tomando ésta última y generalizando, el nuevo lambda proyectado, para la iteración i > 2, es:

e ( )e e
ii 1 i 1 i 2 i 1 i2 i1

20
La Fig. 2.4, muestra un diagrama de flujo del método iterativo lambda para la solución del problema
del despacho de carga en sistemas térmicos.

Comienzo

Fijar

Calcular Pi

Calcular
Error, e

si
ra
1 Iter

no

|e|<=Tol
Solución
si

no
Fin
Proyectar

Fig. 2.4 Diagrama de flujo, método iterativo proyección Lambda

2.6.2 Método del Gradiente de 1er Orden

En éste método, no se considera pérdidas de potencia.

Sea FT F1 F2 F3 . . . FX ... FN , la función costo.

Realizando la expansión en serie de Taylor de la función de costo, se tiene:

21
 FT ΔFT F1(Pi ) F2 (P2 ) F3 (P3)FX (PX )FN (PN )
dF1 ΔP dF2 ΔP dFX ΔP dFN ΔP
dP 1 dP 2 dP X dP N
1 2 X N
2 2
1 d F 2
d F
2
d 2F d 2F 2
( 1
ΔP 2
ΔP X
ΔP 2 N
ΔP )
2 2 2
2 dP 1 dP 2 2 dP X dP N
1 2 X N
Asumiendo que los términos de segundo orden y de mayor orden pueden ser despreciados, se tiene:

ΔF dF1 ΔP dF2 ΔP dFX ΔP dFN ΔP

T dP 1 dP 2 dP X dP N
1 2 X N
Considerando una pequeña perturbación, se debe satisfacer lo siguiente:

N
Pi 0
i1

Eligiendo una unidad dependiente, la x-ésima unidad:

N
Px Pi
i1
ix

dF1 dF2 dFX dFN

ΔFT dP ΔP1 dP ΔP 2 dP ΔP X dP ΔP N
1 2 X N
N
dF1 dF2 dFX dFN
ΔFT dP ΔP1 dP ΔP 2 dP ( ΔPi ) dP ΔP N
1 2 X i1 N
i x

dFi dFX FT
ΔFT( dP dP ) Pi P ΔPi
i x i X i x i

La técnica consiste en partir de una solución factible, es decir, de una solución que satisface las
restricciones de igualdad. El método no considera pérdidas.

En la Fig. 2.5, se muestra el diagrama de flujos del algoritmo.

22
 Comienzo

Asumir solución
factible, Pi

Seleccionar
Variable
Dependiente, Px

Calcular i x
F dF dF
T i x
Pi dPi dP x

Determinar i = imax, el
F
Cual máximiza T
Pi
Ajustar Pimax, Px

Verifica
Límites ?
Se viola límites de Pi Se viola límites de Px
Seleccionar Nuevo Px
Realizar ajuste
Sin violaciones
Costo Reducido
| FT|>Tol Calcular y probar la
Magnitud de FT

| FT| Tol

Solución

Fin

Fig. 2.5 Flujograma del método del gradiente de 1er orden.

23
2.6.3 Método del Gradiente de Segundo Orden

El método del gradiente, se basa en la expansión en serie de Taylor del costo total de generación,
do
considerando hasta solo términos de 2 orden. Esta expansión contiene términos en derivadas
parciales de segundo orden.

La segunda derivada del costo marginal de una unidad dada, normalmente depende de la potencia
disponible de esa misma unidad, es decir, las derivadas cruzadas son nulas.

FT ΔFT F1(Pi ) F2 (P2 ) F3(P3) FN (PN )

dF1 dF2
ΔP1 ΔP 2dFN ΔP N
dP1dP2dPN
1 d2F d2F d2F
( 1 ΔP12 2 ΔP 22 N ΔP N2 )
2 2 2
dP1 dP2 dPN2

Por otra parte:

2Fi
0 ; para todo i j esto es que el costo de operación de una unidad depende solamente Pi Pj

de la generación propia.

Como Pi 0
i1

Eligiendo una unidad dependiente, la x-ésima unidad:

Px Pi
i1
ix

De la expansión en serie de Taylor, se tiene:

ΔFT ( dFi dFX ) Pi

i x dPi dPX
1 { d2 F1 ΔP 2 d2 F2 ΔP 2 d2 FN ΔP 2
2
2 dP 1 dP2 2 dP2 N
1 2 N
d2 F 2 2
x
( P ΔP 2 P ΔP 2 P ΔP)}
1 2 1 2 1 3
dPx

24
Determinando las derivadas parciales respecto a los incrementos
2
F dF dF d F d 2F
T 1 x 1 x
2 2
P1 ( dP1 dPx ) dP P1 dP Pi 0
1 x i x
2 2
F dF dF d F d F
T 2 x 2 x
2
P2 ( dP2 dPx ) dP P2 dP2 Pi 0
2 x i x
. 2 2
F dF dF d F d F
T N x N x

PN ( dPN dPx ) dP 2 PN dP 2 Pi 0
N x i x
Utilizando una notación más simple, como:

Fi'
dF
i
dPi

F''
d2F
i
i 2

dPi
En forma matricial, la expresión resulta:
'' ''
F F F'' F'' P F 'F '
1 x x x
. 1

'' '' '' '' 1 x

Fx F2 Fx Fx . P F' F
'

2 2 x
F'' F'' F'' F'' .
P 3
F' F '
x x 3 x 3 x
. . . . . .

Ésta metodología se puede implementar en un algoritmo que tiene los siguientes pasos:

1. Partir de una solución factible

2. Calcular los elementos de la matriz.
3. Invertir la matriz y determinar los cambios de generación.
4. Verificar que la solución no viole ninguna restricción.
' '
5. Probar que los valores del vector Fi Fx del nuevo punto de operación, es decir, que los costos
incrementales sean iguales, el proceso terminar, caso contrario ir a 2.

2.6.4 Factores de Participación

Este método supone que el problema de despacho económico es resuelto repetidamente, moviendo los
generadores de un plan económicamente óptimo a otro, para cambios de carga en una cantidad
razonablemente pequeña.
25
 dFi
dPi

Pi

P i0 P i’ Pi
Fig. 2.6 Incrementos en el costo marginal

Se comienza con un plan dado –alrededor del punto de operación normal-. Después, el planificador
supone un cambio en la carga e investiga en cuánto debe modificarse la generación de cada unidad
generadora (es decir, en cuanto debe "participar" en el cambio de carga) para que la nueva carga sea
servida en el punto operativo más económico.

Se supone que tanto las primeras como las segundas derivadas del costo con respecto a la potencia
' ''
disponible, existen (es decir, Fi y Fi existen).

La curva del costo incremental de la unidad i, está dada en Figura 2.6. Como la carga de la unidad i
0 0
está cambiando en una cantidad Pi , el costo incremental del sistema se mueve de i a i para un
cambio pequeño de la potencia disponible en esta unidad i.

Ésta situación, es verdadera por cada una de las N unidades en el sistema. De modo que, el cambio total
en generación (es igual al cambio de la demanda total del sistema), es por supuesto, la suma de los
cambios de las unidades individuales.

La Fig. 2.6, se puede utilizar para deducir y encontrar el factor de participación por cada unidad, como
sigue:
'' d2Fi
Fi ; despejando , se tiene:
2 P
dPi i

'' 0
i Fi (Pi ) Pi

0
PD PD PD

26
donde:
P1

P2

:
PN

Ante un cambio en la demanda, se tiene:

PD PR Pérdidas

ΔPD ΔP1 ΔP2 ΔPN

1
Δλ
i F'' i''
P 1F
i i
; es el factor de participación
1
PD F''
i i
Entonces, los valores de generación económica, están determinados por los valores nuevos de
generación, que están determinados por la ecuación siguiente:

nuevo base Pi
P
Pi Pi P D
D
Un plan menos elegante para proveer factores de participación involucraría un repetido cálculo de
despacho económico y crear un plan simple para tomar la carga existente más el aumento proyectado
para buscar esta información y computar los factores.

Esta metodología se puede implementar muy fácilmente en un programa computacional, donde el

tiempo para determinar el despacho económico es corto y dará siempre respuestas consistentes.

2.7 Pérdidas de Transmisión

Las perdidas de un sistema eléctrico -pérdidas en el sistema de transmisión-, pueden representarse

aproximadamente por:
T T
Pperd = P [B] P + P Bo + Boo

27
donde:
P Vector de Generación en MW de dimensión N.
PT Transpuesta de P.
[B] Matriz cuadrada de la misma dimensión de P.
Bo Vector de la misma dimensión de P
Boo Constante

La ecuación se denomina, formula de pérdidas y puede reescribirse como:

NN N
Pperd = Pi Bij P j + Bio Pi + Boo
i j i

La suposición básica, para la obtención de la formula, es que la carga de cada barra se comporta del
mismo modo -conforming load-, que la carga total [2, 8].

2.7.1 Matriz B de la Fórmula de Pérdidas

Un marco de referencia, es un conjunto de tensiones y corrientes que describen completamente el

sistema eléctrico. El cálculo de la matriz B involucra el concepto de transformación del marco de
referencia de la red [2, 8].

Sea i una barra de la red de N barras:

*
Pi jQi ViI i; potencia inyectada.

N N
*
Las pérdidas del sistema son: P jQ (Pi jQi ) Vi I i
i1 i1

V1 I1
V I
donde: V 2; I 2
: :

V I
N N
T*
P jQ V I ;

donde VT es la transpuesta de V.

Sea C una matriz de conexiones con elementos complejos y la transformación:

Vnueva C T* Vantigua

28
 CI
I antigua nueva

Iantigua ,Vantigua , los valores iniciales

T * T* T *
P jQ V I Vantigua I antigua Vnueva I nueva

T * T* T * V T C * I* V T *
Vnueva I nueva C Vantigua I nueva antigua nueva antigua ( C I nueva )
T * T
VT I* V (CI ) V I*
nueva nueva antigua nueva antigua antigua

T T T
considerando que: AB B A

V TZ I
antigua antigua antigua

T* T* T*
Vnueva C Vantigua C Zantigua Iantigua C Zantigua C Inueva Znueva Inueva

donde:
T*
Znueva C Zantigua C

V T Z I
nueva nueva nueva

2.7.2 Factores de Penalización

Si se considera la primera condición necesaria de optimalidad:

L = 0 para todo Pmin Pmax

Pi i Pi i
L dF Pperd
= i - (1 - )=0
Pi dPi Pi
La solución de la función aumentada de Lagrange, es:

dFi (1 - Pperd )
dPi Pi

29
Reordenando la ecuación, se tiene:
 1 dFi (Pi)
=
Pperd dPi
1-
Pi

donde:

Pperd
Pi

se denomina pérdida marginal en la barra i, y

1
fP i =
1 - Pperd
Pi

se denomina factor de penalización de la barra i.

Las pérdidas, se incrementan si se incrementa la potencia en la barra i, por lo que el factor de

penalización es mayor que uno. Esto significa, que cuanto más alejado se encuentra de la barra slack,
se tiene mayores costos incrementales debido a las pérdidas del sistema.

En la Fig. 2.7, se muestra el caso de 3 generadores que tienen diferentes factores de penalización. Los
costos marginales cuando no se toman en cuenta las pérdidas, están representados por la curva continua
y cuando se tienen pérdidas, están representados por la curva segmentada.

El generador 3, tiene un factor de penalización menor a uno, esto significa que no contribuye al
aumento de pérdidas, mas al contrario, su funcionamiento disminuye las pérdidas del sistema,
seguramente por la posición geográfica del generador dentro del SEP, éste generador tiene una pérdida
marginal negativa.

30
 dF1 dF2
dF3
dP1 dP2
dP3

'' o o o
' o o o

' '
P'' P'
1 1
P'' 2
P
2
P
3
P'' 3

a) Fp1 = 1.05 b) Fp 2 = 1.10 c) Fp3 = 0.90

Fig. 2.7 Costos marginales con factores de penalización

donde:
' Costo marginal sin pérdidas
'' Costo marginal con pérdidas
'
Pi Potencia generada por la unidad i cuando no existen pérdidas
''
Pi Potencia generada por la unidad i cuando existen pérdidas en el sistema.

2.8 Despacho Económico de Sistemas Térmicos Empleando Programación

Dinámica

Una alternativa para resolver el despacho económico de carga, es emplear el método de la

programación dinámica.

Se supone las siguientes condiciones [2]:

1. Todas las unidades pueden ser conectadas al sistema.

2. Las pérdidas son despreciables.
3. Será satisfactorio la búsqueda del despacho económico al discretizar en escalones la carga. Ésta
discretización equivale a plantear un problema en el tiempo, al que se pueden aplicar las técnicas de
la Programación Dinámica.

Sea i la representación del número de una unidad, se define:

Pi La carga en MW sobre la unidad i

Fi (Pi ) El costo de generación de Pi MW de la unidad i

31
 f i (D) El costo de la etapa para abastecer la demanda de D MW con la unidad i

En cada etapa se debe usar relaciones recursivas para buscar el óptimo:

fi (D) min{fi 1(D Pi ) Fi (Pi )}

{Pi }

Ejemplo 2.1 Despacho Económico

Realizar el despacho económico para el sistema eléctrico que tiene tres unidades térmicas, cuyas
funciones de gasto de calor, son:

Función gasto de calor Pmin pmax ci

MBtu $
MW MW
h MBtu
H 225 8.4 P 0.0025 P2 45 350 0.8
1 1 1
H 729 6.3 P 0.0081 P2 45 350 1.02
2 2 2
2
H 400 7.5 P 0.0025 P 47.5 450 0.9
3 3 3
$
Los costos de generación de cada unidad, expresado en , son:
h
F1 c1H1 180 6.72 P1 0.0020 P12
F2 c2 H2 743.58 6.426 P2 0.00826 P22
F3 c3H3 360 6.75 P3 0.00225 P32

PD = 450 MW

a) Método Iterativo Lambda, λ

dFi
Se determina la función costo marginal:
dPi
dF1
1 6.72 0.004 P1
dP1
dF2
2 6.426 0.016524 P2
dP2
dF3
3 6.75 0.0045 P3
dP3

El problema del despacho económico queda resuelto cuando los costos marginales de todas las
unidades de generación son iguales, es decir: 1 2 3 0 . Por tanto, resulta un sistema de tres ecuaciones:

Iteración No. 1
32
Se elige con una cierta heurística, un lambda inicial: 0 8
dF1
1 6.72 0.004 P1 0 8
dP1
dF2
2 6.426 0.016524 P2 0 8
dP2
dF3
3 6.75 0.0045 P3 0 8
dP3
En este caso las potencias se calculan mediante las siguientes expresiones:
6.72
P1 i 320 MW
0.004
6.426
P2 i 95.255 MW
0.016524
i 6.75
P3 277.7778 MW
0.0045

La potencia total generada, es: PT Pi 693.0332 MW ; el error, es: e0 PT PD 243.0332 , existe

un exceso de generación y como las potencias generadas son proporcionales a lambda, es necesario
reducir el lambda, por ejemplo en 10 % -con una cierta heurística-.

1 0 0.1 0 8 0.1 8 7.2

Iteración No. 2

Empleando las expresiones para calcular las potencias, se tiene:

P1 120 MW
P2 46.8410 MW
P3 100 MW
PT 266.8410 MW
e 1 PT PD 183.1590 MW

Como se tienen dos lambdas y sus respectivos errores, se puede proyectar un nuevo Lambda mediante
e ( )
ei ( i i 1 ) ó i 1 i 1i
la expresión: i 1 i i 1i 1 , empleando ésta última, se tiene:
e e e e
i i1 i1 i

20
e0 ( 0 1 ) 8 243.0332 (8 7.2) 7.5438
e0 e1 243.0332 ( 183.1590)

Iteración No. 3

Las nuevas potencias, son:

33
 P1 205.9513 MW
P2 67.6474 MW
P3 176.4012 MW
PT 449.9999 MW
e 1 PT PD 0.0001 MW

Como el error es muy pequeño, entonces, está resuelto el problema.

er
b) Método del Gradiente de 1 Orden

Iteración No. 1

Dada la solución factible, mediante una cierta heurística:

P1 180 MW
P2 70 MW
P3 200 MW PX

Se elige la unidad 3 como la unidad dependiente.

Los costos marginales, son:

dF1
1 6.72 0.004 P1
dP1
dF 2
2 6.426 0.016524 P2
dP2
dF 3 dFx
3 6.75 0.0045 P3 x

dP3 dPx

El incremento del costo de generación, está dado por:

dF3 dF3
, reemplazando, los costos marginales, se tiene:
dF dF

P
1 2

F dP dP 1 dP dP P
2

1 3 2 3

F 0.21 P1 0.06732 P2

La unidad que más contribuye a minimizar el costo de generación es la unidad No. 1, ya que le
corresponde el mayor valor absoluto de la diferencia de costos marginales.

Tomando

P1 40 MW
P3 40 MW Px

34
Esos valores, se eligen con una cierta heurística. Se toma el signo contrario a la diferencia de los costos
marginales correspondiente al del mayor valor absoluto.

Iteración No. 2

P1 220 MW
P2 70 MW ; son las nuevas potencias actualizadas, también es una solución factible.
P3 160 MW

La nueva variación del costo de generación, es:

F 0.13 P1 0.11268 P2

La unidad que debe modificar su generación es nuevamente el generador No. 1, ya que le corresponde
el mayor valor absoluto de la diferencia de costos marginales. El nuevo vector de corrección, es la
mitad del vector de corrección de la iteración anterior, y es:

P1 20 MW
P3 20 MW

Los resultados se muestran en la tabla 2.1.

Tabla 2.1 Resultados de la aplicación del método del gradiente de 1er orden.
k P1 P2 P3 ΔF ΔP1 ΔP2 ΔP3
1 180 70 200 (-0.21)ΔP1+(-0.06732)ΔP2 +40 0 -40
2 220 70 160 (0.13)ΔP1+(0.11268)ΔP2 -20 0 +20
3 200 70 180 (-0.04)ΔP1+(0.02268)ΔP2 +10 0 -10
4 210 70 170 (0.045)ΔP1+(0.06768)ΔP2 0 -5 +5
5 210 65 175 (0.0225)ΔP1+(-0.03744)ΔP2 0 +2.5 -2.5
6* 210 67.5 172.5 (0.0337)ΔP1+(0.01512)ΔP2 -2.5 0 +2.5
7 207.5 67.5 175 (0.035)ΔP1+(0.00387)ΔP2 -1.25 0 +1.25
8 206.25 67.5 176.25 (1.87E-3)ΔP1+(-1.755E-3)ΔP2 -0.625 0 +0.625
9 205.625 67.5 176.875 (-3.43E-3)ΔP1+(-4.56E-3)ΔP2 0 +0.3125 -0.3125
10 205.625 67.8125 176.562 (-2.03E-3)ΔP1+(2.002E-3)ΔP2 +0.15625 0 -0.15625
11 205.781 67.8125 176.406 (-7.03E-4)ΔP1+(2.7E-3)ΔP2 0 -0.07815 +0.078125
12 205.781 67.7343 176.484

La convergencia a la solución es lenta, como se puede apreciar en los resultados. Esta desventaja, es
er
común a todo método de optimización basado en el gradiente de 1 orden.

c) Método del Gradiente de 2do Orden

Considerando la solución factible:

P1 180 MW
P2 70 MW y se toma el generador No. 3, como unidad dependiente.
P3 200 MW PX

35
Iteración No. 1

Se necesita calcular las segundas derivadas de la función costo de generación, las cuales son:
d 2F
1 0.004

d2F
2 0.0016524
2
dP2
d 2F
3 0.0045
2

dP3
F" P F' F'
F" F"
F' , y reemplazando valores, se tiene:
x 1 1 x
" "
Empleando la ecuación: 1 x F F P F'

Fx" 2 x 2 2 x

0.21
0.0085 0.0045P1 , la solución se obtiene multiplicando por la inversa
0.0045 0.021024 P 0.06732
2
de la matriz de segundas derivadas, y se tiene:

P1 132.6820 28.3994 0.21 25.9514 3 1

y PP P23.5988 MW
2

P
2 28.3994 53.6433 0.06732 2.3526
Las potencias generadas, son:

P1 180 25.9514 205.9514 MW

P2 70 2.3526 67.6474 MW
P3 200 23.5988 176.4012 MW

Iteración No. 2

Los nuevos costos marginales, son:

F1' 7.5438
F2' 7.5438 Como los costos marginales son iguales, el proceso se para.
F3' 7.5438

d) Factores de Participación

Se pide realizar el despacho económico para una carga de PD = 500 MW, entonces el incremento
resultante de la demanda, es: PD 50 MW

Las segundas derivadas de Fi, son:

36
 d 2F
1 0.004

d 2F
2 0.0016524
2

dP2
d 2F
3 0.0045
2

dP3

Los factores de participación son:

1
P1 0.004 250 0.469272
1 1 1
PD 532.74
0.004 0.016524 0.0045
1
P2 0.016524 60.51 0.113598
1 1 1
PD 532.74
0.004 0.016524 0.0045
1
P3 0.0045 222.222 0.417131
1 1 1
PD 532.74
0.004 0.016524 0.0045

Considerando como caso base una demanda de PD = 450 MW, resuelto por el método iterativo
Lambda. El nuevo perfil de generación, es:

P P
PnuevoP base i
i i D

P1 205.9516 0.469272 50 229.4149 MW

P2 67.6474 0.113598 50 73.3273 MW
P3 176.4012 0.417131 50 197.25775 MW

Los nuevos costos marginales, son:

1 7.6376596
2 7.637660 3
7.6376598

Los cuales son prácticamente iguales y está resuelto el problema.

37
 Capítulo III

PREDESPACHO DE CARGA

3.1 Introducción

E l objetivo del predespacho de carga, conocido también como programación de la generación, es decidir
para un periodo determinado, qué unidades de generación deben operar y cuáles deben quedar fuera de
servicio, de tal modo que el costo de operación del sistema sea minimizada,
considerando las restricciones físicas de los equipos y elementos del sistema eléctrico de potencia.

El problema de la entrada ó salida de una unidad u otra, es complejo y es dificultoso de resolver

matemáticamente, ya que involucra variables enteras binarias (1, 0; on – off, conexión - desconexión).

El predespacho de carga –unit commitment, generation scheduling, generation programming-,

determina si un generador en particular tiene que estar conectado o desconectado de la red, pero no
todos los generadores estarán conectados al sistema, solo se consideran aquellos que satisfacen los
requerimientos operacionales del sistema, es decir, se debe satisfacer la demanda y disponer de
suficiente reserva en giro para enfrentar alguna contingencia, pero la cuestión es ¿cuál será el plan
óptimo?.

Para comprender el problema del predespacho, se presenta el ejemplo siguiente:

Ejemplo 3.1 Combinación de Unidades

Se desea satisfacer una demanda de 350 MW, para tal efecto se dispone de tres generadores, cuyas
funciones costo y límites de potencia generada, son:

Pmin [MW] Pmax [MW]

2
F 180 6.72P 0.002P
1 1 1 45 350
F 743.58 6.426P 0.00826P 2
2 2 2 45 350
2
F 360 6.75P 0.00225P
3 3 3 47.5 450
Tabla 3.1 Combinación de unidades y despacho económico para una carga de 350 MW.
C U1 U2 U3 PMin PMax P1 [MW] P2 [MW] P3 [MW] F1 [$/h] F2 [$/h] F3 [$/h] FT [$/h]
1 0 0 0 0 0 infactible 0 0 0
2 0 0 1 47.5 450 0 0 350 0 0 2998 2998
3 0 1 0 45 350 0 350 0 0 4004 0 4004
4 0 1 1 92.5 800 0 90.40 259.6 0 1392 2264 3656
5 1 0 0 45 350 350 0 0 2777 0 0 2777
6 1 0 1 92.5 800 188.8 0 161.2 1520 0 1506 3026
7 1 1 0 90 700 267.5 82.5 0 2121 1330 0 3451
8 1 1 1 137.5 1150 159 56.3 134.7 1299 1139 1310 3741
38
Como se tiene 3 unidades, resultan 2N = 23 = 8 combinaciones, la combinación 1, es infactible y se
le asigna un costo elevado ( ).
En la Tabla 3.1, se presenta el despacho económico para todas las combinaciones posibles que
satisfacen la demanda de 350 MW.

En este ejemplo, la combinación 5 (unidad 1 conectada, las restantes desconectadas) presenta los
menores costos de operación y satisface los requerimientos del problema, como el generador No. 1
debe operar a su capacidad máxima, no existe potencia de reserva. Pero, si se impusiera una potencia
de reserva, entonces la combinación 2 (unidad 3 conectada, las restantes desconectadas), presenta el
segundo menor costo.

Estos resultados se pueden emplear para realizar el predespacho y el método se denomina, regla de
salida –shut down rule- [2]. En la Fig. 3.1, se muestra la curva de carga de un consumo hipotético.

1150 MW

2
2

3
3

350 MW

0 24 h
Fig. 3.1 Curva de carga hipotética

Suponiendo que es necesario suministrar potencia para abastecer una demanda de 1150 MW, entonces
las tres unidades deben estar conectados a la red, pero si la demanda a satisfacer es de 750 MW, la
combinación más económica es (unidades 1+3), entonces debe salir de servicio la unidad 2 por ser la
más cara y si la demanda fuera 300 MW, la combinación económica es que la unidad 1 abastezca a la
demanda y debe quedar fuera de servicio la unidad 3. En la Tabla 3.2, se esquematiza la programación
de generación mediante la regla de salida de unidades.

39
Tabla 3.2 Combinaciones óptimas: Regla de salida –shut down rule-

Carga U1 U2 U3
1150 1 1 1
1100 1 1 1
1050 1 1 1
1000 1 1 1
950 1 1 1
900 1 1 1
850 1 1 1
800 1 0 1
750 1 0 1
700 1 0 1
650 1 0 1
600 1 0 1
550 1 0 1
500 1 0 1
450 1 0 1
400 1 0 1
350 1 0 0
300 1 0 0
250 1 0 0

3.2 Restricciones de Operación en el Predespacho

El problema del predespacho, planteado como un problema de optimización, presenta varias

restricciones de operación.

3.2.1 Reserva en Giro

La reserva en giro, es la potencia de generación disponible de todas las unidades sincronizadas en el sistema menos la
carga y las pérdidas, es decir:
P P P P
reserva en giro i Disp D perd
i

donde:

PiDisp Potencia generada disponible por la unidad i

PD La demanda de potencia.
Pperd Las pérdidas del sistema.

La reserva en giro debe ser tal que la salida ó pérdida de uno o más unidades, no cause la caída de
frecuencia.

Además, se debe considerar la reserva programada off-line, es decir, la reserva en frío, como ser las
unidades de diesel de arranque rápido ó turbinas de gas, también las plantas hidráulicas.
40
3.2.2 Restricciones de las Unidades Térmicas

Las principales restricciones en la operación de plantas térmicas, son:

Tiempo mínimo de operación

Una vez que la unidad entra en funcionamiento, no puede ser desconectado inmediatamente, dicho de
otro modo, una vez arrancada la unidad, debe permanecer operando al menos un tiempo mínimo
establecido.

Tiempo mínimo de parada

Una vez que la unidad sale de servicio, hay un tiempo mínimo antes de entrar en funcionamiento, es
decir, debe permanecer en paro al menos un tiempo mínimo.

Restricción de personal

Si en una planta existen dos ó más unidades, estas no pueden ser accionadas simultáneamente.

Costos de Partida

Debido a que la temperatura y presión en una unidad térmica debe cambiar lentamente para evitar el
choque térmico que afectaría la vida útil de la unidad, además, se consume energía al poner en línea la
unidad, es decir que se tiene asociado costos de partida, estos costos, son:

a) Costo de partida en frío

El costo de partida en frío, está dado por la ecuación siguiente:

t
C C 1 e
Pfrio C F Cf

El costo de partida de una unidad termoeléctrica depende del tiempo que la caldera estuvo parada en
frío. El costo, depende del calor que es necesario inyectar a la caldera hasta lograr las condiciones
operativas. En las unidades con turbina de gas o diesel, los costos de partida son mucho menores que
los relacionados con unidades de vapor.

b) Costo de partida en caliente

El costo de partida en caliente, está dado por la ecuación siguiente:

C C tF C
Pcaliente t f

donde:
CC = Costo de partida en frío, MBtu
F = Costo de combustible
41
 Cf = Costos fijos
= Constante térmica de la unidad
t = Tiempo calentada en horas de la unidad fría
MBtu
Ct = Costo de mantenimiento de la unidad a la temperatura de operación
h
El costo de partida caliente, es proporcional al calor que debe inyectarse a la caldera y a la turbina para
mantenerlas en condiciones operativas que les permitan iniciar la partida muy rápidamente.

La parada caliente de unidades térmicas de generación, es muy conveniente cuando la carga fluctúa en
periodos cortos, durante los cuales las unidades térmicas están en condiciones operativas y así se evitan
mayores costos por la partida en frío cuando es necesaria mayor generación.

Costos de Partida

Caliente

En frío

1 2 3 4 5 t [h]
Fig. 3.2 Costos de partida

La Fig. 3.2, muestran los costos típicos de partida en frío y en caliente, y están determinados por
las respectivas expresiones de los costos mencionados.

3.2.3 Restricciones Hidráulicas

Existen restricciones hidráulicas, debido a que no se puede ´turbinar´ toda el agua almacenada en una
represa, se debe mantener un nivel mínimo ya que el agua se utiliza en regadíos, navegación,
esparcimiento, etc., además hay que prever épocas de sequía.

Además, se debe considerar la dependencia funcional que existe entre la carga hidráulica útil en las
turbinas con los niveles de almacenamiento (potencia firme de la planta)

Otra restricción es el acoplamiento hidráulico existente entre centrales en cascada, así como el tiempo
de propagación del agua por los ductos.

42
3.2.4 Potencia Reactiva

En algunas barras de un sistema eléctrico de potencia, es menester inyectar potencia reactiva para
que el perfil de tensiones en el SEP sea el adecuado, por lo que se tendrá unidades de generación en
funcionamiento para proveer potencia reactiva.

3.2.5 Restricción de Combustible

Debido a la limitación de combustible en cantidad y precio, es necesario considerar la reconversión

de unidades generadoras, por lo que estas unidades estarán fuera de servicio temporal.

Otra restricción de la operación, es la disponibilidad del tipo de combustible o mezcla de combustibles

a utilizar.

3.2.6 Flujo de Potencia Activa

El flujo de potencia activa en líneas y/o transformadores importantes está acotado entre límites
específicos. La capacidad de carga de una línea, está dada por consideraciones de estabilidad dinámica
que permitan hacer frente a diversas contingencias, en un transformador la limitación es su capacidad
térmica de sobrecarga.

3.3 Restricciones de Red

Las principales restricciones de red, están dadas por las ecuaciones del flujo de potencia, las cuales
satisfacen las dos leyes de Kirchhoff de los circuitos eléctricos.

3.4 Métodos de Solución del Problema del Predespacho

Los principales métodos para la resolver el problema del predespacho, son:

a) Combinaciones Secuenciales
b) Lista de prioridad
c) Programación Dinámica
d) Programación Lineal Entera Mixta
e) Programación Dinámica más Combinaciones Secuenciales.
f) Programación Dinámica más Ventana de Búsqueda.
g) Programación Dinámica más Combinaciones Secuenciales y Ventana de Búsqueda.
h) Algoritmos Evolutivos

En este texto, solo se abordarán los tres primeros métodos.

43
3.4.1 Método de las Combinaciones Secuenciales

Considerando que el problema del predespacho es muy dificultoso de resolver, una alternativa
es considerar todas las combinaciones secuenciales, para lo cual se supone, lo siguiente:

 Se pueden establecer la variación de la carga en M períodos.

 Se dispone de N unidades a programar y despachar.
 Los M niveles de carga pueden ser abastecidas por una unidad como por la combinación
de las N unidades.

Se puede establecer, el predespacho por enumeración de todos los estados (método de fuerza bruta), el
número de combinaciones que se necesita cada hora es:

N
C(N,1) C(N,2) C(N, N 1) C(N, N) 2 1

donde:

N!
C(N, j) ;
(N j)! j!

j!, es el factorial de j.

N M
Para un período de M intervalos, el número máximo de combinaciones posibles, es (2 - 1) , el
cual puede resultar muy grande.

Sea M = 24, (24 períodos de una hora)

En la Tabla 3.3 se muestra que la cantidad de combinaciones puede hacerse prohibitiva (maldición de
la dimensionalidad), al considerar N unidades.

Tabla 3.3 Número máximo de combinaciones posibles

N 24
N (2 – 1)
35
5 6.2 10
72
10 1.73 10
20 3.12 10144

Este método no es práctico por la gran cantidad de combinaciones posibles a considerar, pero se puede
considerar una ventana de búsqueda, es decir, tomar algunos estados en cada etapa (con una cierta
heurística), lo cual reduce el espacio de búsqueda y por consiguiente el tiempo computacional.

3.4.2 Método de la Lista de Prioridad

Éste método consiste en crear una lista de prioridad de unidades sobre la base de los costos de
generación promedio a carga total de cada unidad.

El costo promedio a carga plena está definido por:

44
 max
F F (P P ) $
i i ii

max max
Pi Pi MW h
Para el ejemplo introductorio, el costo promedio a carga plena, se muestra en la Tabla 3.4:

Tabla 3.4 Costo promedio a carga plena

Unidad $
MW h
1 7.93
2 11.44
3 8.56

El estricto orden de prioridad de unidades sobre la base de los costos promedios, se muestra en la Tabla
3.5 y en la Tabla 3.6, se muestra la combinación económica.

Tabla 3.5 Lista de prioridad

Unidad Costo promedio Pmin Pmax
1 7.93 45 350
3 8.56 47.5 450
2 11.44 45 350

Tabla 3.6 Combinación económica (Esquema de enumeración)

Combinación Pmin Pmax
1+3+2 137.5 1150
1+3 92.5 800
1 45 350

Otro método para resolver el problema del predespacho de carga, es combinar la ventana de búsqueda
con la lista de prioridad y la programación dinámica.

3.4.3 Programación Dinámica

La programación dinámica (PD), es un proceso de decisión de optimización de T-etapas, se basa en las

proposiciones de Bellman [2], quien introduce éste método en 1957.

Principio de Optimalidad de Bellman

‘Una política es óptima si, en una etapa determinada, cualesquiera que hayan sido las decisiones
previas, las decisiones que se tomen constituyen una política óptima al incluir los resultados previos’.

Expresando éste principio en otra forma:

45
‘Una política óptima tiene la propiedad de que independientemente de las decisiones tomadas para
llegar a un estado particular en una etapa particular, las decisiones restantes deben constituir una
política óptima para abandonar ese estado’. En otras palabras, la trayectoria óptima desde el punto de
partida al punto final tiene la propiedad que para cualquier punto intermedio, la trayectoria debe ser
aquella óptima desde el punto de partida hasta aquel punto intermedio.

Teorema: Una política óptima sólo puede contener decisiones óptimas.

Para comprender la programación dinámica, se presenta un ejemplo para entender el algoritmo.

Ejemplo 3.2 Predespacho de Carga [9]

Considerando que dos unidades de 300 y 200 MW, -(1) y (2) respectivamente- deben servir una
demanda en 4 periodos (200-300-200-200 MW), determinar el predespacho de carga. En la Fig. 3.3, se
muestra la curva de carga.

200 MW 300 MW

200 MW

0 8 14 18 24 t [h]

0 1 2 3 K

Fig. 3.3 Curva de carga hipotética del ejemplo.

Definiciones de trabajo

Estado: Condición determinada de las unidades, 1 ó 0

Espacio de estados: Conjunto de todos los estados posibles.

Etapa: Fase del problema asociado con el periodo k.

Nodo ó Vértice: Par ordenado (Etapa, Estado).

Arco o Paso: Transición de un estado en la etapa k a un estado en la etapa k+1

Costo: Valor asignado a un arco o paso.

46
En el ejemplo:

Estado inicial: la unidad 1 está en servicio y la unidad 2 está fuera de servicio: (1, 0)

Espacio de estados: (0,0), (0,1), (1,0), (1,1)

El costo de pasar de la etapa 0 a la 1, desde el estado al estado , es:

f1 u1(1) P1(1) f2 u2 (1) P2 (1)

En este ejemplo, no se considera restricciones, como por ejemplo la reserva en giro.

Tabla 3.7 Los estados en cada etapa

Etapa 0 1 2 3

Estados

En la Tabla 3.7, se muestra todos los estados en cada etapa, pero los estados , son estados no
factibles, es decir no satisfacen la demanda. En la etapa 1, el estado , tampoco es factible, por lo que no
se los toma en cuenta. A partir de la etapa 3, la curva de carga para las etapas posteriores es similar,
por lo que el estado final de la etapa 3, será el estado .

En la Fig. 3.4, se muestra la conexión de nodos y arcos, se indican los estados consideradas en cada
etapa y el costo de transición (costos de partida, tiempos mínimos de operación y parada expresadas
como costos) entre diferentes estados de las etapas adyacentes.

Según Bellman:

El camino o paso óptimo desde el nodo inicial al final tiene la propiedad que para cualquier nodo
intermedio, el paso debe ser óptimo desde el nodo inicial hasta el nodo intermedio.

El valor óptimo del costo que conecta el nodo inicial con un nodo (k, ) es S(k, ).

La trayectoria óptima hasta (k, ) es {(0, 0) , (1, 1) , .... , (k-1, k-1) }

47
 5

7
11 1

10
8

3 9 4

6 2

k 0 1 2 3

Fig. 3.4 Diagrama de nodos y arcos para el ejemplo 3.2.

En el ejemplo: De la etapa 0 a la 1, como existen dos estados factibles:

S(1, ) = 3 Trayectorias {(0,) , (1, ) }*

S(1, ) = 7 {(0,) , (1, )}
* Trayectoria de costo mínimo.

De la etapa 1 a la 2, existen tres estados factibles:

S(2, ) = min {6 + S(1, ), 8 + S(1, )}= 9

Trayectorias = {(0, ) , (1, ), (2, )} *
S(2, ) = min {9 + S(1, ), 10 + S(1, )} = 12
Trayectorias = {(0, ) , (1, ), (2, )}
S(2, ) = min {11 + S(1, ), 5 + S(1, )} = 12
Trayectorias = {(0, ) , (1, ), (2, )}

De la etapa 2 a la 3, existe solamente un estado factible:

S(3, ) = min {1 + S(2, ), 4 + S(2, ), 2 + S(2, )}= 11

Trayectorias = {(0, ) , (1, ), (2, ), (3, )} *

Costo óptimo, es: S(3, ) = 11

* Trayectoria óptima {(0, ) , (1, ), (2, ), (3, )}

48
Acotación
N
Si hay N unidades, el espacio de estados contiene 2 elementos. Si se consideran los tiempos límites de
N 12
operación y de partida, hay muchísimos más, (TO TP ) . Si TO = 4 y TP = 6, entonces resulta 10
estados. Se requiere disminuir el espacio de estados, se debe tomar en cuenta que la demanda elimina
muchos estados, los tiempos mínimos de operación y parada, elimina muchos arcos o pasos. Aun así, el
0.001 de los casos son 109.

a) Método de Programación Dinámica de Avance [2]

El algoritmo recursivo para computar el costo mínimo en la hora K con la combinación I, es:

Fcos t (K,I) Min Pcos t (K,I) Scos t (K 1,L : K,I) Fcos t (K 1,L)
{L}

Fcos t (1, I) Pcos t (1, I)

donde:

Fcost(K,I) Menor costo para arribar al estado (K,I) de la etapa K

Pcost(K,I) Costo de producción para el estado (K,I) de la etapa K.
Scost(K-1,L:K,I) Costo de transición del estado (K-1,L) al estado (K,I)
{L} Conjunto de estados factibles en el intervalo K-1.

En la Fig. 3.5, se muestra el diagrama de flujos para la implementación del algoritmo; PD de avance.

b) Método de Programación Dinámica de Retroceso

[2] El algoritmo recursivo es:

Fcos t (K,I) Min Pcos t (K,I) Scos t (I, K : J,K 1) Fcos t (K 1,J)
{J}

Fcos t (M, I) Pcos t (M, I)

donde:
Fcost(K,I) Costo total mínimo de combustible desde el estado I en la etapa K a la última etapa
M.
Pcost(K,I) Costo de generación mínimo para abastecer la carga durante la etapa K, en un estado
I dado.
Scost(I, K:J, K+1) Costo incremental de partida desde el estado I en la etapa K al estado J de la etapa
(K+1)
{J} Conjunto de estados factibles en la etapa K+1.

El costo de generación Pcost(K,I), se obtiene realizando el despacho económico de las unidades en

operación en el estado I. En la Fig. 3.6, se muestra el diagrama de flujos para la implementación del
algoritmo; programación dinámica de retroceso.

49
 Comienzo

K=1

Fcos t (K, I) Min Pcos t (K, I) Scos t (K 1, L : K, I) Fcos t (K 1, L)

{L}

{X} Calcular para todos

los estados I en la
K=K+1 etapa K = 1

{L} = ‘N’ estados factibles en

la etapa K-1

Fcos t (K, I) Min Pcos t (K, I) Scos t (K 1, L : K, I) Fcos t (K 1, L)

{L}

{X} Calcular para

Almacenar los N menores
todos los estado I
costos
en el periodo K

No
K=M

Si

Programación Óptima

FIN

Fig. 3.5 Diagrama de flujo: PD en avance

50
 Comienzo

K=M

Fcos t (K, I) Pcos t (M, I)

Calcular para todos

los estados I en la
K=K-1 etapa K = M

{J} = Todos los estados factibles

en la etapa K+1

Fcos t (K, I) Min Pcos t (K, I) Scos t (I, K : J, K 1) Fcos t (K 1, J)

{L}

Calcular para todos

Almacenar los N menores
los estado I en el
costos
periodo K

No
K=1

Si

Programación Óptima

FIN

Fig. 3.6 Diagrama de flujo: PD en retroceso

51
La aplicación directa de la programación dinámica a la resolución del predespacho económico, requiere
mucho esfuerzo computacional, por lo que es común emplear la siguiente estrategia:

1) En cada etapa, se selecciona un conjunto de estados de costo mínimo {N}.

2) Para la etapa siguiente, se selecciona un conjunto de estados {X} con alguna heurística,
con el objeto de limitar el espacio de búsqueda.

Esta estrategia se repite en cada transición de etapa, con suerte se encuentra la trayectoria óptima o una
trayectoria muy cercana al óptimo. En la Fig. 3.7, se esquematiza esta situación.

Trayectoria
Óptima

Trayectoria
cercana a la
Óptima

N
X

Etapa K-1 K K+1

Fig. 3.7 Esquema elección de estados de búsqueda.

52
3.5 Formulación Alternativa del Predespacho [10]

Una formulación alternativa del predespacho, es el modelo siguiente:

T N
min CFi Pi (t) νi (t) CSi (t)
t1i1
sujeto a las restricciones :
N

a) Demanda : i (t)Pi (t) u(t); t 1, ... , T

i1
min max
b) Límites de Capacidad : (t)P P (t) (t)P ; t 1, ... , T; i 1, ... , N
i i i i i
c)Tiempos mínimos de parada y funcionamiento :
i (t) I(1 xi (t 1) tup 1); t 1, ... , T; i 1, ... , N
i (t) 1 I( td 1 xi (t 1) 1); t 1, ... , T; i 1, ... , N
N
max
d) Potencia de reserva : i (t)Pi u(t) r(t); t 1, ..., T
i1
donde:

CFi(P) Costo de producción de P unidades de potencia por la unidad

i CSi(t) Costo de partida de la unidad i en la etapa t
u(t) Demanda en la etapa t
r(t) Potencia de reserva en la etapa t (En caso de falla de unidades)
Pi(t) Cantidad de potencia producida por la unidad i
i(t) Variable de control de la unidad i en la etapa t
0 si la unidad i está fuera de servicio en el tiempo t
i (t)
1 si la unidad i está en servicio en el tiempo t
xi(t) Tiempo consecutivo en que la unidad i ha estado en servicio o fuera de servicio en la etapa
t
I(x) Función lógica definida por:
0 si x es falso
I(x)
1 si x es verdadero
t Etapa

53
 Capítulo IV

COORDINACIÓN HIDROTERMICA

4.1 Introducción

E n la operación del sistema eléctrico de potencia, las plantas hidráulicas y térmicas (vapor, gas, diesel,
nuclear, etc) suministran energía eléctrica a los centros de consumo a través de líneas de transporte y
transformadores.

La coordinación hidrotérmica consiste en determinar una política óptima para el gasto del agua en
centrales hidroeléctricas, combinando el uso de combustible de las centrales térmicas para satisfacer la
demanda y restricciones de operación y de red.

Se pueden considerar dos extremos. Por una parte, si se utiliza todo el recurso hidráulico disponible y
se suceden bajos aportes de los ríos, podrá ser necesario usar generación térmica de alto costo de
producción o eventualmente recurrir al racionamiento del suministro de energía eléctrica.

Por otra parte, si se mantienen los embalses del sistema con niveles altos de cotas, usando
preferentemente la generación térmica para satisfacer la demanda y se suceden volúmenes elevados de
aporte, podría existir un desperdicio del recurso hidráulico debido a la probable descarga por vertedero,
resultando un costo total asociado a la generación térmica elevada durante el periodo analizado.

La disponibilidad de cantidades limitadas de energía hidráulica, en forma de agua almacenada en los

embalses y el caudal de los ríos dependientes de las lluvias en centrales de pasada, hacen que la
operación de sistemas hidrotérmicos sea muy compleja.

4.2 Despacho de Energía con Límites

Considerando una planta hidroeléctrica y otra térmica suministran energía eléctrica a una cierta carga,
en la Fig. 4.1, se muestra un esquema del sistema.

q F
H T

PH PT

PD

Fig. 4.1 Coordinación de plantas Térmica e Hidráulica

54
La planta hidráulica puede abastecer a la carga por si sola durante un tiempo limitado, es decir:
max
P P ; j = 1, 2, ... , j
Hj Dj max

Sin embargo, la energía disponible de la planta hidráulica, es insuficiente para satisfacer la carga, es
decir:
j j
max max
PH j n j PD j n j ; nj número de horas del periodo j
j1 j1

j
max
n j Tmax ; periodo total
j1
Entonces:
j j
max max
PD j n j PH j n j E ; es la energía de la planta térmica
j1 j1

No se requiere que la planta térmica, funcione todo el período Tmax:

N
s
PS j n j E ; NS número de periodos de la planta térmica en funcionamiento
j1

Ns
n T
j max j
1

El problema de optimización queda expresado por:

N
S
Min FT F(PS j ) n j
j1
sujeto a :
NS
P n E
Sj j
j1

La función de Lagrange, es:

NS NS

L F(PSj ) n j (EPS j nj)

j1 j1

55
donde: es el multiplicador de Lagrange.

La condición de optimalidad, es:

L dF(PS j )
dP 0 ; j = 1, 2, ... ,NS
P
Sj Sj
dF(PS j )
dP ; j = 1, 2, ... , NS
Sj

El costo marginal para todas las etapas es el mismo, es decir, el generador térmico debe entregar la
*
misma potencia en todos los periodos de funcionamiento PSi PS j PS .

El costo total sobre el intervalo

NS
* *
FT F(PS ) n j F(P S ) n j F(P S ) TS
j1

donde:
N
S
T n
S j
j1
2
F(PS ) a0 a1PS a 2PS

* *2
FT (a0 a1PS a 2PS )TS

N N
S S
* *
PS j n j PS n j PS TS E
j1 j1

56
 P

*
PS

TS Tmax

Fig. 4.2 Programación de la generación

4.3 Coordinación Hidrotérmica a Corto Plazo

La coordinación hidrotérmica de corto plazo determina la programación horaria (ó semanal),

económica y confiable de la operación de cada unidad de generación del sistema.

La operación del sistema se considera que la carga es abastecida por una planta térmica y otra
hidráulica. En la Fig. 4.3, se muestra un diagrama esquemático de una planta hidráulica. Y en la Fig.
4.4, se muestra el diagrama esquemático de coordinación hidrotérmica.

rj
sj

Vj

qj

Fig. 4.3 Diagrama esquemático de una represa

57
 qj Fj
H T

PHj PTj

PDj

Fig. 4.4 Coordinación hidrotérmica para el periodo j

donde:

rj = Aporte en el periodo j
sj = Rebalse, pérdidas y otros usos en el periodo j
qj = Gasto de agua en el periodo j
Vj = Volumen de descarga en el periodo j

El modelo de optimización, es:

jmax
Min FT Fj n j
j1
sujeto a :
j
max
q j n j qtotal ; Descarga total de agua
j1
PD j PH j PS j 0 ; Balance de potencia para j = 1, 2, ... , j max

donde:
nj = Longitud del periodo j
j
max
n T
j max j
1

Vj j 0 VS ; Volumen inicial

V V ; Volumen final
j j jmax E

min max
q j qj q j límite de flujo de agua para j = 1, 2, ... , j max
58
 q j = Descarga constante para un periodo particular.

La descarga depende de potencia entregada por el generador, ésta dependencia se muestra en la Fig.
4.5.

q m
3

q = q(PH)

PH MW
Fig. 4.5 Gasto de agua de una planta hidráulica
La función de Lagrange, es:
j
max
j
max
(P P P
L n jF(PSj ) j Dj Hj Sj )q j (PH j )ni qtotal
j1 j1

para un intervalo específico j = k, la ecuación de coordinación, es:

L 0;n dF(PS ) k

P k dP k
Sk Sk

dq(P
L H )
0; nk k

P dP k
Hk Hk

59
Si se considera pérdidas, el modelo de optimización, es:
j
max

Min FT Fj n j
j1
sujeto a :
j
max
q n q
j j total
j1

P P P
PSj 0
Dj perd j H j

La función de Lagrange, es:

j j
max

L n jF(PSj ) j(PD jmax P P P

perd j Hj Sj )q j(PH j )ni qtotal
j1 j1

Las ecuaciones de coordinación para el periodo k, son:

P
dF(PSk ) perdk
nk dP k P k
Sk Sk
P
dq(PHk ) perdk
nk dP k P k
Hk Hk
Una metodología para resolver el problema de la coordinación hidrotérmica, considerando una unidad
térmica y otra hidráulica, es emplear el método de proyección lambda, λ, agregando la proyección
gamma, γ. El método, se denomina método iterativo λ-γ (Lambda-Gamma).

En la Fig. 4.6, se presenta el diagrama de flujo para implementar el método iterativo λ-γ con pérdidas.

60
 Comienzo

Asumir valores
iniciales: k, , Psk

J=1

Resolver las ecuaciones de coordinación

P
df (PSk ) k perd k
n k dP P k
Sk Sk
P
dq(PH k ) perd k
n k dP k P k
H H
k k Proyectar
nuevo j

P P P No
D perd H P S e1
j j j j

Si
Determinar qj(PHj)

No
J=Jmax J = J +1

Si

j
max No
n q q
j j total e2
Proyectar
j1 nuevo

Si
Programación de generación

FIN

Fig. 4.6 Diagrama de flujo: método iterativo - con pérdidas

61
4.3.1 Plantas Acopladas Hidráulicamente (Plantas en Serie)

Sean tres plantas en serie, las aguas ‘turbinadas’ por la planta superior se consideran como afluentes de
la planta aguas abajo. En la Fig. 4.7, se muestra un diagrama esquemático de esta situación. En las
plantas de aguas abajo, no se consideran afluentes, el funcionamiento de estas plantas depende
exclusivamente de las aguas turbinadas por las plantas de aguas arriba.

r1

s1

q1
s2

q2 s3

q3

Fig. 4.7 Centrales hidráulicas acopladas

Para un intervalo j, se verifica:

V V (r s q )n
1j 1j 1 1j 1j 1j j
V V (q s s q )n
2j 2j1 1j 1j 2j 2j j
V V (q s s q )n
3j 3j 1 2j 2j 3j 3j j

62
El problema de optimización queda planteado, por el siguiente modelo de optimización:
j
max
Min n F(P )
j S j
j1
s. a :
P P P P P 0
Dj S j H1j H2 j H3 j

V1j V1j 1 (r1j s1j q1j) n j 0

V2 j V2 j 1 (q1j s1j s2 j q2 j) n j 0
V3j V3 j 1 (q2 j s2 j s3j q3j) n j 0
para j 1, 2, .... , jmax

La función de Lagrange aumentada, es:

j
max

L {n F (P ) (P P P P P )
j S j j D j S j H1 j H 2 j H3 j

j1

1(V1 j V1 j 1 (r1 j s1 j q1 j ) nj )
2 (V2 j V2 j 1 (q1 j s1 j s2 j q2 j ) nj ) 3 (V3 j
V3 j 1 (q2 j s2 j s3 j q3 j ) nj )}

Nótese que por cada planta hidráulica i considerada, se debe añadir un multiplicador de Lagrange,
denominada γi.

4.4 Coordinación Hidrotérmica Multimáquinas

El despacho de carga óptimo en un sistema eléctrico de potencia, es la determinación de la generación

de cada planta, tal que el costo total de generación sea mínimo, satisfaciendo las restricciones del
sistema. Sin embargo debido a la insignificancia de los costos de operación de las plantas hidráulicas, el
problema se reduce a minimizar el costo de combustible de las plantas térmicas restringido por los
límites generación, disponibilidad de agua y el balance de energía para un periodo [11,12].

Los métodos para la resolución son:

 Programación dinámica
 Método de la variación local
 Técnica de análisis funcional
 Método iterativo -
 Técnicas generales de programación matemática
 Técnica de la Gradiente
 Técnica de Newton-Raphson
 Método Híbrido de Powell
 Algoritmos Genéticos
63
Para un determinado periodo, la carga debe ser abastecida por n generadores hidráulicos desacoplados
y m generadores térmicos, como se aprecia en la Fig. 4.8.

P P
Dj

P
hj

P
h2j

P
h1j
P
Sj
nj

P
S2 j

P
S1j

1 2 j jmax

Fig. 4.8 Curva de carga

Para la formulación básica del problema, se considera:

m plantas térmicas
n plantas hidráulicas aisladas
jmax intervalos

La función objetivo, es:

j
max m
Min Z nk F(PSk )
k1s1

sujeto a:

Ecuación del balance de energía:

64
 m n
CP P P P 0
k Sk h k perdk Dk
s1 h1
para k 1, 2, ... , jmax

Restricción de disponibilidad de agua:

j
max
Wn q
h k hk Vh
k1
para h 1, 2, ... , n

Restricción de capacidad:
min
P P Pmax
Sk Sk Sk
min
P P Pmax
hk hk hk
donde:
2
F(P ) P P
2s
Sk Sk 1s Sk 0s
q P2 P
h h
k 2h h k 1h k 0h
m nm n m n
P BP P bP b
perdk ij ik jk i ik 0
i1 j1 i1

La función de Lagrange aumentada, es:

jmax n

L (P, , ) ZkCkh (Wh Vh )

k 1 h1

Las condiciones de optimalidad, son:

L dF (PS ) C
n k k 0
P k dP k P
Sk Sk Sk

L Ck n dWh 0
k h
Ph
P h
k dP h

k k k

65
 L

Ck 0
L
Wh Vh 0

4.5 Coordinación Hidrotérmica a Largo Plazo

El objetivo de la coordinación hidrotérmica a largo plazo (1 a 5 años), es determinar el modo de

operación de cada central del sistema, tal que minimice el valor esperado total del costo de operación a
lo largo del periodo analizado, considerando las restricciones de red, de operación, de disponibilidad de
recursos energéticos y de confiabilidad. En otras palabras, asegurar el recurso electricidad en cantidad
y calidad al mínimo costo, cumpliendo las restricciones físicas del sistema.

En este problema, existe una vinculación entre la ‘decisión’ de generar desde una central hidráulica
determinada de operación en una etapa y las consecuencias de esta decisión en etapas posteriores, ésta
vinculación es debida a la disponibilidad limitada del recurso energético agua y a la no-linealidad de la
función costos de generación de las centrales térmicas, volviéndose de este modo en un problema
dinámico

La coordinación hidrotérmica a largo plazo, es un problema estocástico debido a que es imposible tener
un pronóstico exacto de los aportes futuros a los embalses de las centrales hidráulicas y en cierto modo
a la carga misma. Es un problema no lineal, debido a la no-linealidad de la función costo de generación
térmica, asimismo debido al comportamiento no lineal de la energía generada por las plantas
hidráulicas.

En general, el problema de la coordinación hidrotérmica, es un problema multidimensional debido a

que los periodos se pueden dividir en subperiodos –coordinación hidrotérmica a corto plazo-,
secuencial y estocástico.

4.5.1 Modelo de Optimización

Una modelación simple, es suponer un comportamiento determinístico de las centrales térmicas, los
aportes a los embalses y la demanda. El problema de la coordinación hidrotérmica a largo plazo para
sistemas multiembalse puede ser resuelto a través del siguiente modelo de optimización lineal recursivo
[13]:

1
t (X t ) E min C (U t ) t 1 (X t 1 )
Y /X U
t

t t t
sujeto a :
X t 1 ft (Xt , Ut ,Yt )
gt 1(Xt 1) 0
ht (Ut ) 0
t T, T 1, ... ,1; Xt
donde:

66
t Índice de las etapas para un horizonte de planificación T
Xt Vector de estado del sistema al inicio de la etapa t
Ut Vector de decisión durante la etapa t
Yt Vector de agentes externos no controlables durante la etapa t
Yt/Xt Distribución de probabilidad de las variables externas condicionadas por el vector de estado Xt
E {.} Valor esperado
αt(Xt) Costo futuro esperado de operación desde la etapa t hasta el final del periodo de planificación
bajo la política de operación óptima
β Tasa de actualización de la función de costo futuro

Ejemplo 4.1 Coordinación Hidrotérmica

Determinar la coordinación hidrotérmica de una planta térmica y una planta hidráulica, cuyos datos
son:

H 1 500 8 P 0.0016 P2 MBtu ; c 1 1.15 $

S1 S1

h MBtu
50 PS1 600 MW
acre f
q1 240 5.6PH1
h
0 PH1 1200 MW
P 0.00008 P2 0.00008 P2 MW
perd S1 H1
V 110000 acre ft

La curva de carga, está dada en la figura siguiente:

MW

1300

1000

0 1 2 h

67
El diagrama esquemático, está dado por la figura siguiente:

PS1 PH1
PD

Resolución:

Jmax = 2
n1 = 12 h
n2 = 12 h

2 $
F1 c1 H1 575 9.2 PS1 0.00184 PS1
h
dF1 9.2 0.00368 P
dPS1 S1

dq1
5.6
dPH1
Pperd
0.00016 PS1
P
S1
P
perd

0.00016 PH1
PH1

Tomando en cuenta los siguientes valores de partida:

λ = 180
γ=2
ra
J = 1; (1 etapa)

Las ecuaciones de coordinación, son:

n dF1 1
0.00016 P
dP 1 S1 1
S1

n dq1 0.00016 P
1
dP 1 H1 1
H1
Reemplazando el costo marginal de la unidad térmica y el gasto marginal de agua, se tiene:

n1 (9.2 0.00368 PS1 ) 1 0.00016PS1 1

n1 5.6 1 0.00016PH1 1

Despejando PS1 y PH1, se tiene:

68
 P 1 n1 9.2
S1 n1 0.00368 0.00016 1 953.9474 MW
P 1 5.6 n1 1583.3 MW
H1 1 0.00016

Pperd 273.3568 MW
Los resultados son elevados, no pueden ser satisfechos por los generadores, por lo tanto, es necesario
reducir el lambda.

2
Sea 1 150 , entonces se procede a calcular los nuevos valores de potencia:

P2 580.9859 MW
S1
2
P 650.0 MW
H1

P perd
2 60.8036 MW
1

e2 1000 60.8036 580.9859 650.0 170.1823 MW

1
Tomando un nuevo Lambda:
3
1 140 , los nuevos valores de potencia, son:

P3 444.7115 MW
S1

P3 250.0 MW
H1

P perd
3 20.8215 MW
1
3
e 1000 20.8215 444.7115 250.0 326.1099 MW
1
Se proyecta lambda mediante la formula:

i1 i eij i
j
i 1
j

j j eij eij 1

33 2
4 3 e1 1 1 326.1099 140 150
1 1 140 146.5709
3 2
e1 e1 326.1099 ( 170.1823)

Repitiendo los pasos, se tiene los resultados en la tabla 3.1

Iteración λ PS PH Pperd Error, e

4 146.57092496 534.98304707 518.98615676 44.44427932 -9.52492450
5 146.38444980 532.45996952 511.68557433 43.62685969 -0.51868416
6 146.37371039 532.31459350 511.26455531 43.58002175 0.00087294

Volumen de descarga en esta etapa; n1q1 37236.978116

69
 J = 2; en ésta etapa los valores iniciales de partida, se toman los siguientes:

1
2 146.37371039 ; 2 ; PD = 1300 MW

En la tabla 3.2 se tiene, los resultados en cada iteración:

Iteración λ PS PH Pperd Error, e
1 146.37371039 532.31459350 511.26455531 43.58002175 300.00087294
2 150 580.98591549 650.0 60.80357072 1.2981765522
3 152.76617412 617.55941648 751.40055683 75.67859437 6.71862105
4 152.91714912 619.54198509 756.82932014 76.52983128 0.15852605
5 152.92079746 619.58987700 756.96037468 76.55044996 0.00019827

Volumen de descarga en esta etapa; n2q2 53747.737178

J max
La descarga total:n jq j 37236.978116 53747.737178 90984.715295
j1
J max
1
El error de la descarga de agua: e n jq j qT 19015.284704
j1
Se elige otro γ2 = 2.1 y se repite el proceso nuevamente; PD = 1000 MW

J=1
Iteración λ PS PH Pperd Error, e
1 150 580.98591549 370.000 37.95557072 86.96965522
2 148 554.24528301 290.54054054 31.32813115 1.8654230759
3 151.74685826 604.13737505 437.68856171 44.52425959 2.69832283
4 151.80185181 604.86314569 439.79419896 44.74226899 0.08492433
5 151.80363886 604.88672702 439.86259763 44.74936458 0.00003993

Volumen de descarga en esta etapa; n1q1 12 (240 5.6 439.86259763) 32438.766560

J=2;
Iteración λ PS * PH Pperd Error, e
1 151.80363886 604.88672702 439.86259763 44.74936458 300.00003993
2 155 646.75174013 559.67741935 58.52213016 1.5209297067
3 158.28682099 689.15890772 677.83679350 74.75221749 7.75651626
4 158.46345190 691.41966513 684.04779226 75.67860283 0.21114542
5 158.46839465 691.48290246 684.22139823 75.70460209 0.00030139
* En éste caso, es necesario relajar la restricción de Pmax del generador térmico para facilitar la
resolución del problema.

Volumen de descarga en esta etapa; n2q2 48859.677961

70
 J max
2
El error de la descarga de agua: e n jq j qT 28701.555478
j1
2 21
3 2 e
Se realiza la proyección de Gama: 1.80368828
2 1
e e
Se repite el proceso nuevamente:

J = 1; PD = 1000 MW

Iteración λ PS PH Pperd Error, e

1 150.0 580.98591549 1199.672816 142.1407599 -638.5179715
2 145.0 513.65795724 1025.52360275 105.24345254 -433.9381074
3 134.39440816 365.41689656 613.23960219 40.767385438 62.110886689
4 135.72234697 384.39659578 668.39096882 47.56057840 -5.22698620
5 135.61926801 382.92771339 664.14860372 47.01816012 -0.05815699
6 135.61810822 382.91118210 664.10083413 47.01207130 0.00005506

Descarga de agua: n1q1 47507.57605380

J = 2; PD = 1300 MW

Iteración λ PS PH Pperd Error, e

1 135.61810822 382.91118210 664.10083413 47.01207130 300.00005506
2 140 444.71153846 838.93516000 72.12644441 88.47974594
3 141.83296191 470.17834848 908.86443205 83.76817881 4.72539827
4 141.93637714 471.60852211 912.75599791 84.44304878 0.07852875
5 141.93812478 471.63268493 912.82171386 84.45446966 0.00007086

Descarga de agua: n2q2 64221.61917151

3
El error: e -1729.19522532

El nuevo gamma proyectado: γ4 = 1.82052588011029

Procediendo nuevamente:

J = 1; PD = 1000 MW

Iteración λ PS PH Pperd Error, e

1 135 374.08759124 586.14170632 38.68029006 78.45099250
2 137 402.54237288 668.82576900 48.74946170 -22.6186802
3 136.55241410 396.19835575 650.53202513 46.41320422 -0.31717665
4 136.54604843 396.10803052 650.27098270 46.38031382 0.00130059
5 136.54607443 396.10839940 650.27204879 46.38044812 -0.000000074

J = 2; PD = 1300 MW
71
Iteración λ PS PH Pperd Error, e
1 136.54607443 396.10839940 650.27204879 46.38044812 299.999999925
2 145 513.65795724 976.75262312 97.43121470 -92.97936566
3 142.99979157 486.27398262 902.99311835 84.14871663 -5.11838434
4 142.88326846 484.67065449 898.63256642 83.39569062 0.09246969
5 142.88533623 484.69911428 898.71000899 83.40903293 -0.00009034

Las descargas de agua, son:

n1q1 46578.2816789
n2q2 63273.3126043
n jq j 109851.59428327

4
El error de la descarga de agua: e 148.405716728
5
El nuevo gamma proyectado: γ = 1.803677782 y se repite el proceso hasta que el error sea menor a la
tolerancia especificada.

72
 Capítulo V

FLUJO ÓPTIMO DE POTENCIA

5.1 Introducción

U n sistema eléctrico de potencia (SEP), está compuesto básicamente por centrales de generación, líneas
de transmisión, transformadores y cargas. Este sistema eléctrico queda descrito por medio de un modelo
fasorial de régimen permanente y al que se aplica las leyes de circuitos
eléctricos (Leyes de Kirchhoff), formándose así las ecuaciones de redes [14].

Un flujo de potencia, se refiere al problema de resolver las ecuaciones de redes (ecuaciones de flujo de
potencia), con el objeto de conocer todas y cada una de las variables eléctricas.

El término Flujo Óptimo de Potencia (FOP), se usa para referirse a un estado de operación o una
solución para dicho flujo -dentro de las muchas soluciones-, donde alguna variable del SEP, es
optimizada o mejorada, sujeta a la presencia o no de limitaciones sobre las variables del problema o
sobre algunas funciones.

El flujo de potencia, será óptimo cuando los costos de generación (costo de combustible) o alguna otra
variable (por ejemplo, las pérdidas del sistema) sean minimizados.

Los problemas que enfocan el flujo óptimo de potencia, se basan en dos objetivos:

a) Despacho económico de carga (DEC), dando lugar al flujo óptimo de potencia activa, FOPA.

2
b) Minimización de pérdidas, RI , dando lugar al flujo óptimo de potencia reactiva, FOPR.

5.2 Flujo de Potencia en Variables de Estado

Se considera que el estado de operación del SEP, está en régimen permanente equilibrado, es decir, en
estado normal de operación [1].

En la modelación del SEP, se consideran hasta el nivel de barras de alta tensión. Para el desarrollo del
modelo matemático, es necesario realizar suposiciones, tales como:

 El sistema, es equilibrado.
 Las líneas de transmisión, son transpuestas.
 La barra slack, dispone de suficiente potencia para compensar las pérdidas.

En la Fig. 5.1, se representa dos barras de un SEP, interconectadas por una línea de transporte, donde
en cada barra se inyecta potencia activa y reactiva.

73
 P jQ P jQ
Gi Gi Gj Gj

L/T

S P jQ S P jQ
Di Di Di Dj Dj Dj
Fig. 5.1 Diagrama esquemático
donde:
(P P ) j(Q Q )
S i Gi Di Gi Di
S j (PG j PD j ) j(QG j QD j ) : potencia inyectadas en las barra i y j

En una barra, 4 son las variables de interés:

V, , P, Q: Módulo de tensión, ángulo de fase, potencia activa y reactiva, dos de ellas son
independientes y existen cinco tipos de barras:

i) Barra tipo 1, barra de carga, denominada también como barra PQ. Son conocidas P y Q,
(potencias inyectadas) y son incógnitas V y .
ii) Barra tipo 2, barra de tensión controlada, denominada también barra PV. Son conocidos P y V
y son incógnitas y Q
iii) Barra tipo 3, barra de referencia, denominada también barra de holgura, barra flotante, barra
slack. Son conocidos V y , son incógnitas P y Q
iv) Barra tipo 4, barra de generación con regulador de tensión.
v) Barra tipo 5, barra de tensión controlada de un transformador con taps variables. Son
conocidos V, P y Q y son incógnitas t y .

Para el planteamiento de las ecuaciones de flujo de potencia en variables de estado, se consideran las
siguientes variables:

Variables independientes:

T p
y p, u u

74
donde:
:
p pi
:

Son las variables fijas y están dadas por el sistema, son variables especificadas, por ejemplo la
carga especificada en cada barra.

:
u ui
:

Son las variables de control, variables manipuladas, tales como: el ajuste del regulador de
velocidad de la turbina, corriente de excitación de los generadores, taps de los transformadores,
bancos de capacitores conmutables, etc.

Variables dependientes:

:
x xi :

Son variables de estado, variable incógnita, tales como módulos y ángulos de tensión.

Sea: Vk Vk k , la tensión en la barra k

Yij Gij jBij ; elemento de la matriz de admitancia nodal.

*
Sk Vk Ik Pk jQk ; la potencia inyectada en la barra k.

*
N
Sk Vk YijVj; N es el número de barras del sistema.

Si se denotan, las potencias activas y reactivas, por:

Pk (V, ) Re(Sk )

Q k (V, ) Im(Sk ) ; para todo k = 1, 2, ..., N

Por otra parte:

P P P
neta k G k Dk
75
 Q Q
Q neta k Gk Dk

P
neta k Pk (V,δ) 0 (1)
Q
neta k Qk (V,δ) 0 (2)
Las ecuaciones (1) y (2), son las típicas ecuaciones de flujo de potencia. En los problemas de
optimización se consideran como restricciones de igualdad, y se conocen también como restricciones
de red.

Si se define como barra flotante a la barra 1, en el cual se conoce su módulo de la tensión, V1 = Vslack
y el ángulo 1 = 0 como referencia, entonces resulta N-1 ecuaciones (1) y (N-M) ecuaciones (2). El total
de ecuaciones e incógnitas, es L = 2N-M-1, donde M es el número de barras PV incluido el slack.

V Para cada
Barra PQ

Para cada
Barra PV

V1
1 Barra Slack
------
y Pneta Para cada
Q
neta Barra PQ
P
neta En cada

V barra PV

Ecuación (1) Para cada

Ecuación (2)
g(x, y) Barra PQ 0
Ecuación (1) Para cada

Barra PV

5.2.1 Algoritmo de Newton-Raphson

El método Newton-Raphson, es el principal algoritmo para resolver las ecuaciones del flujo de
potencia. Este algoritmo, se puede expresar en los siguientes pasos:

1.- Se supone un vector de estado inicial, x0

2.- Se utiliza la ecuación recursiva para encontrar las nuevas aproximaciones al vector x.

76
 (h) (h)
g(x , y) g(x , y) x (h 1)
x

(h) 1
x(h 1)
g(x , y) g(x
(h)
, y)
x

x (h 1) x (h) x (h 1)
3.- Probar un criterio de convergencia para:

x ó g(x, y)

4.- Si no se logra satisfacer el criterio de convergencia, se debe regresar al punto dos, para
buscar una nueva aproximación al vector x. Si se satisface el criterio de convergencia se
tiene el vector solución.

5.3 Formulación Conceptual del Flujo Óptimo de Potencia

Los problemas de optimización encierran la idea de buscar el mejor valor, máximo o mínimo de algún
índice de confiabilidad, la cual depende de un grupo de parámetros (las variables de estado x i), por
medio de un ajuste del otro juego de parámetros (las variables de control u) del modelo.

Min F(x, u)
s. a :
g(x, u, p)

0
h(x, u)

0
donde:
F() función objetivo
g() restricción de red
h() restricción de operación
x variable de estado
u variable de control
p variable independiente

5.3.1 Flujo Óptimo de Potencia Activa

En la Fig. 5.2, se representa la curva de costos de generación típica de centrales térmicas.

77
 $
F [ ]
h

Pmin Pmax P [MW]

Fig. 5. 2 Función costo de generación

La función de costos queda expresada como:

2 3
F (P ) a a P a P a P [$/h], entonces la función objetivo está dado por la siguiente
i Gi 0i 1i Gi 2i Gi 3i Gi
expresión:

nG
2 3
F(x, u) Fi (a0i a1iPG i a2iPG i a3iPG i )
i1

Las variables de control son las potencias activas de generación.

T
u PG 2 PG3 PGnG

PG1 P1(x, u) PD1 ; Es la potencia generada por la barra slack, el cual debe tomar en cuenta
las pérdidas del sistema.
Las variables especificadas, son:

78
 T
p PDi QDi Vj V1 1 ; para todo i = 1, 2, ... , N y j = 2, 3, ... , M; son las cargas y las
tensiones de las barras de generación.

Y las variables de estado, son los ángulos de fase y los módulos de tensión.

T
x 2 ... N , VM 1, ... VN

5.3.2 Flujo Óptimo de Potencia Reactiva

Es un problema de minimización de las pérdidas del sistema.

La disminución de pérdidas, se obtendrá eligiendo una función objetivo que refleje en forma autentica
las pérdidas.

Para minimizar las pérdidas, puede tomarse como minimizar las pérdidas del sistema al considerar la
minimización de la potencia real P1 de la barra slack.
P P
F(x, u) Pneta P1(x, u, p) Pperd D G
1 i slack i i slack i

T
u V1 ,..., VM , tij

T
p PDi QDi PG j 1

x ... ,V , ... V T
2 N M1 N

5.4 Formulación Matemática

Sea el problema:
Min f(x, u)
s. a :
g(x, u, p) 0

La función de Lagrange, es:

T
L(x,u,p, ) f (x,u) g(x,u,p)

donde:
T
1 2 ... i ... ; son los multiplicadores de Lagrange.

79
La condición de optimalidad, es:

T T
L f g g
0; Jacobiano.
x x x x
T T
L f g g
0; Jacobiano reducido
u u u u
L
g(x,u,p) 0

El algoritmo de solución, es:

1.- Asumir un conjunto de variables de control u

2.- Encontrar una solución factible del flujo de potencia y obtener el Jacobiano
3.- Resolver la ecuación

T1
g f

x x
4.- Calcular la gradiente
T
f g
f
u u
5.- Verificar la convergencia

k1 k k1 k
f ;óf f ;óu u

6.- Encontrar un nuevo valor para u

u c f

unuevo uanterior u

7.- Volver a dos

80
Ejemplo 5.1 Flujo Óptimo de Potencia Activa

En el sistema dado:

a) Plantear el modelo de optimización

b) Determinar el flujo óptimo de potencia

Generadores:
2
GA F 0.002P
A 120 10P A A
2
GB F 300 9.5P 0.003P
B B B

Líneas
Líneas Zij [p.u.] Yij [p.u.]
1-2 0.01+j0.17 j0.2
1-3 0.01+j0.15 j0.2
2-3 0.01+j0.20 j0.2
Valores Base:

MVABase 100 MVA

kVLLBase 230 kV

Carga en la barra 3

P jQ 150 j100 MVA

Tensiones de los nodos de generación:

V1 1.05 p.u.
V2 1.03 p.u.

El modelo de optimización del problema queda expresada como:

Min f(x, u)
s. a :
g(x, u, p) 0

donde: Las variables de control son las potencias activas de generación.

2

f (x, u) a02 a12PG2 a22PG2 ; Función objetivo

u PG2 ; Variable de control

T
x 2 3 V3 ; Variables de estado
81
Para resolver el ejemplo, se sigue los siguientes pasos:

1.- Asumir un conjunto de variables de control u

El ejemplo tiene dos generadores, pero el generador uno se toma como holgura, por tanto, solamente la
potencia generada por la unidad dos se puede tomar como variable controlada:

u PG2

y el valor de partida se considera PG2 100 MW 1.0 p.u.

2.- Encontrar una solución factible del flujo de potencia y obtener el Jacobiano

La matriz admitancia nodal, es:

0.7873 -12.2992i - 0.3448 + 5.8621i - 0.4425 + 6.6372i

Y - 0.3448 + 5.8621i 0.5942 -10.6496i - 0.2494 + 4.9875i
Bus

- 0.4425 + 6.6372i - 0.2494 + 4.9875i 0.6919 -11.4247i

Considerando que la unidad dos entrega 100MW . la solución factible, es:

GENERACION CARGA
BUS VOLTS ANGULO ACTIVA REACTIVA ACTIVA REACTIVA
1 1.050 0.000 0.517 0.602 0.000 0.000
2 1.030 2.327 1.000 0.079 0.000 0.000
3 0.951 -6.223 0.000 0.000 1.500 1.000

PERDIDA TOTAL POTENCIA ACTIVA : 0.0172463.

PERDIDA TOTAL POTENCIA REACTIVA: -0.318599.

FLUJOS EN LINEAS
LINEA DE BUS A BUS ACTIVA REACTIVA
1 1 2 -0.250 0.033
1 2 1 0.251 -0.237
2 1 3 0.767 0.569
2 3 1 -0.758 -0.627
3 2 3 0.749 0.316
3 3 2 -0.742 -0.373

Y el jacobiano correspondiente, es:

11.2187 - 4.8690 0.5097

J - 4.7963 11.3390 - 0.9186

0.9681 - 2.1261 9.8171

La transpuesta del Jacobiano, es:
82
 11.2187 - 4.7963 0.9681
T
J - 4.8690 11.3390 - 2.1261

0.5097 - 0.9186 9.8171

y su inversa es:

0.1092 0.0461 - 0.0008

T 1
J 0.0466 0.1095 0.0191

- 0.0013 0.0078 0.1037

3.- Resolver la ecuación

T1
g f

x x

La función objetivo depende explícitamente de u, pero no de las variables de estado x, sin embargo PG1
P1(x, u) PD1 , es la potencia generada por barra snack, el cual toma en cuenta las pérdidas del
sistema.

Aplicando la regla de la cadena para el cálculo de la derivada, se tiene:

df df dPG1 dP1
dx dPG1 dP1 dx
donde:

df a 2a P
dPG1 11 21 G1
dP
G1 1
dP1
dP1
los elementos de se determinan de la potencia inyectada en la barra 1, los cuales son:
dx

Pk Vk Vi Gki cos( k i ) Bkisen( k i )

Qk Vk Vi Gkisen( k i ) Bki cos( k i )
dP
1

d
2 145.0731
dP1 dP1 6.6364
dx d
3 0.2935
dP1

dV 3

83
 df a 2a P 10 2 *0.002*51.7 10.2068
11 21 G1
dPG1
145.0731 1480.7
df df dPG1 dP1 10.2068*1* 6.6364 67.7
dx dPG1 dP1 dx
0.2935 3

0.1092 0.0461 - 0.0008 1480.7 158.5549

T 1 f
J 0.0466 0.1095 0.0191 67.7 61.7065
x
- 0.0013 0.0078 0.1037 3 2.1529
4.- Calcular la gradiente
T
f g
f
u u
f a 2a P 9.5 2* 0.003*100 10.1
12 22 G2
u
g
El cálculo de implica determinar g, son las potencias activas:

g1 PG1 PD1 P1( , V) 0

g 2 PG2 PD2 P2 ( , V) 0 g3
PG3 PD3 P3( , V) 0

como u PG2

Por tanto:

0
g
1
u
0
T 158.5549
f g
f 10.1 0 1 0 61.7065 =-51.6065

u u
2.1529
5.- Verificar la convergencia

k1 k k1 k
f ;óf f ;óu u

Como es la primera iteración, es seguro que el error es grande, se continua con el siguiente paso.
84
6.- Encontrar un nuevo valor para u

u c f

considerando c 0.1

u 0.1*( 51.6065) 5.16065

unuevo uanterior
nuevo
u
u 100 5.1606 105.1606

7.- Volver a dos

Es necesario resolver el flujo de potencia, la potencia especificada para el generador 2, es PG2

105.1606 MW 1.051606 p.u. .

Después de unas tres iteraciones, se resolvería el problema.

85
 Capítulo VI

PLANIFICACION DE LA EXPANSIÓN DE LOS SISTEMAS

ELECTRICOS DE POTENCIA

6.1 Introducción

E l principal objetivo de la planificación de los sistemas eléctricos de potencia, es suministrar energía

eléctrica a los consumidores que la necesiten de un modo económico como sea posible con un grado
de seguridad aceptable, confiable y de calidad.

La planificación de los sistemas eléctricos de potencia, se vuelve más complejos hoy en día debido a
las incertidumbres en el comportamiento de la demanda, precio de combustibles y la recuperación de
costos bajo los sistemas regulatorios.

Las empresas eléctricas están usando alternativas como compra de capacidades -potencia y energía- de
otras empresas, control de la demanda, sistemas de co-generación antes de invertir en plantas base.
Estas nuevas opciones dan como resultado el incremento de la cargabilidad de las líneas de transmisión
e incrementa la dependencia con otros generadores y se reduce la confiabilidad del sistema en su
conjunto.

Los sistemas de planificación, incluyen estudios para determinar los recursos requeridos para satisfacer
la demanda a un menor costo posible considerando restricciones ambientales, técnicas y financieros [6,
15, 16].

6.2 Componentes de un Sistemas Eléctricos

Los componentes de un sistema eléctrico se pueden agrupar en dos grupos: Sistema Eléctrico de
Potencia (SEP) y Sistema Eléctrico de Distribución (SED). Los SEPs, están constituidos por
generadores, transformadores y líneas, se caracterizan por presentar una alta redundancia, es decir, son
sistemas mallados, mientras que los SEDs, están constituidos por transformadores, distribuidores y
alimentadores, presentan baja redundancia por que son sistemas radiales. En la Fig. 6.1, se muestra un
diagrama esquemático de esta situación.

6.3 Criterios de Planificación y Restricciones

Los criterios y restricciones importantes hoy en día en la planificación de sistemas eléctricos, son:

 Confiabilidad, que fue crítica en las décadas 1970 a 1990

 Ambiental, cobra importancia alrededor de los años 1970 y sigue vigente.
 Económica y precios de la electricidad, fueron críticos en los años 1980.
 Financieras, son críticos debido a la incertidumbre y riesgos.
 Impactos sociales y el valor de la electricidad son importantes hoy en día.

86
Fig. 6.1 Estructura típica de un sistema eléctrico

6.3.1 Criterios de Confiabilidad

Estos criterios son utilizados en principio para determinar los requerimientos de la capacidad de reserva
del sistema de generación y redundancia en transmisión, es decir, unidades de generación, líneas de
transmisión, subestaciones de transformación para la operación del sistema bajo condiciones de falla y
variaciones de carga. Estos criterios están basados en la experiencia de explotación del sistema y
probabilidad de ocurrencia de fallas, están orientados para evitar los colapsos –black outs-.

6.3.2 Criterios Económicos

Los criterios económicos, son ampliamente utilizados por las empresas eléctricas para minimizar
costos, cargos de transporte (depreciación, retorno de la inversión, tasa de impuestos sobre el capital).

6.3.3 Restricciones Ambientales

La contaminación ambiental incluye la emisión de SO 2, NOX, derrame de sólidos, descargas térmicas

desde las plantas de potencia.

Actualmente en el mundo, la protección ambiental es un tema que durante los últimos años cobró
mucha importancia, especialmente relacionado con la ecología. En el país, existe la Ley de protección
al medio ambiente.

6.3.4 Impactos Sociales

Los impactos sociales, incluyen los efectos de la instalación de plantas en la economía local y fuentes
de trabajo.

87
6.4 Planteamiento del Problema de Planificación de la Expansión del SEP

El objetivo de la planificación, es determinar las ampliaciones en capacidad de la red a realizar en el

horizonte de planificación, así como su programación temporal, de forma tal que:

 El sistema (conjunto de generación y transporte) permita satisfacer la demanda prevista a costo

mínimo.
 Cumpliendo los criterios de aceptabilidad:

1. Técnica
2. Confiabilidad
3. Financieros
4. Medio Ambientales
5. Otros (políticas, Administrativas, etc.)

 Diversos contextos posibles:

1. Localización del equipo generador

2. Planificación conjunta generador/red
3. Planificación de la red

6.4.1 Planificación de la Expansión de la Red de Transporte

En la planificación de la red de transporte los aspectos a ser considerados, son:

 Subordinación a la expansión de la generación

 Selección de niveles de tensión
 Selección de la densidad de mallado
 Corriente alterna versus corriente continua
 Líneas áreas versus líneas subterráneas
 Consideraciones de confiabilidad:

Sobrecargas en líneas y transformadores

Estabilidad
Violaciones de tensión Capacidad
de cortocircuito Confiabilidad de
los componentes Medidas
correctoras

 Consideraciones medio ambientales

 Consideraciones económicas y financieras
 Consideraciones operacionales:

1. Intercambio de potencia
2. Hidrología
3. Despacho económico previsto

 Control del sistema eléctrico

88
  Predicción de la demanda
 Circulación de potencia reactiva
 Pérdidas óhmicas
 Cambios a tensiones más elevadas
 Nuevas tecnologías (protecciones, control y diseño)

El problema de la planificación de los sistemas de transmisión, se traduce en un modelo matemático de

optimización complejo y que posee las siguientes características:

 Desacoplado, existe un desacoplamiento natural entre el problema de inversión y el de

operación.
 Gran dimensionalidad, debido al gran número de alternativas de inversión, periodos de análisis,
variables de operación
 Dinámico, por la existencia de la dependencia temporal de las decisiones de planificación.
 Entero-mixto, debido a que las variables de decisión de inversión –variables binarias, 0 ó 1- y
variables de operación generalmente continuas.
 Estocástico, debido a las incertidumbres asociadas a la demanda, hidrologías, disponibilidad de
equipos, etc.
 No lineal, debido a que la función de costos de centrales generadoras, pérdidas eléctricas, etc.,
que son funciones no lineales.

6.4.1.1. Función Objetivo

La función objetivo puede tomar en cuenta distintos índices, como son:

 Costos esperados de operación del sistema (costo de combustible)

 Costo de falla esperado en el sistema
 Pérdidas eléctricas en el sistema
 Costo de inversión en líneas, transformadores, equipos de control y protección
 Número de fallas en el sistema

Los que pueden ser evaluados en un contexto estático o dinámico.

6.4.1.2 Restricciones

En el problema de la expansión del sistema de transporte, la función objetivo está sujeta a las
principales restricciones siguientes:

 Plan de obras de generación

 Derecho de paso de vía
 Condiciones técnicas de operación
 Restricciones de seguridad y confiabilidad
 Restricciones de inversión

89
6.4.1.3 Proceso Clásico de Planificación

El proceso de planificación se divide en dos etapas:

1. Búsqueda de mejores planes (costo de inversión)

2. Estudios de estabilidad y falla

Comienzo

Previsión de consumos

No
Comportamiento
aceptable del sistema
(sin contingencias)

Si
No
Comportamiento
aceptable del sistema
(bajo contingencias)

Expansión del
Si
Sistema Actual
Decisión de Planificación

Diseño de nueva
configuración del
sistema Plan de Expansión
de 15-20 años
No
finalizado?

Costos Si
totales
aceptables?
Si No FIN

Fig. 6.2 Diagrama de flujo. Etapa 1

90
 Datos
- Previsión de demanda
- Plan de expansión de
la generación
- Red existente

Estudios de Flujos de Potencia

- Considerar todas las alternativas de generación y de cargas
- Seleccionar nuevas líneas
- Corregir tensiones bajas y sobrecargas con nuevos suministros
y adición de circuitos

Análisis de Falla Estudios de Estabilidad

- Asegurar operación - Análisis de la estabilidad de
adecuada de la red bajo los generadores del sistema
condiciones de falla

No
Estudios de Falla y
Estabilidad satisfactorios?

Si

Decisión de Planificación
- Incorporar todas las
modificaciones al sistema

Fig. 6.3 Diagrama de flujo. Etapa 2

91
6.5 Expansión del Sistema de Transporte: Modelo de Transbordo

Una alternativa de formulación matemática del problema de expansión de la red de transporte, se puede
plantear sobre la base del modelo de transbordo –caso particular del modelo de transporte- donde
existen nudos fuentes, nudos de demanda y nudos de transbordo [17, 18].

La formulación matemática del problema de transporte con transbordo, queda de la siguiente forma:

Min C X
ijij
i NjN
s.a :
Xij ai K; para i N
jN
Xij b j K; para j N
i N
0 Xij Uij
donde:

I = {1, 2, ....., m} = Nudos fuente (generadores)

J = {1, 2, ....., n} = Nudos de demanda (cargas)
N =I J
ai = Generación en el nudo i, para i N
bj = Demanda en el nudo j, para j N
Cij = ‘Costo’ de transportar potencia desde el nudo i hasta el nudo j
Xij = Cantidad de potencia enviada de i hasta j
Uij = Límite superior del flujo de potencia enviada desde i hasta j. Determinada por la capacidad de la
línea de transmisión
K = Suma de las demandas ó generación

Si i I, entonces ai > 0; de otro modo ai = 0. Si j J, entonces bj > 0; de otro modo bj = 0. Cij

= 0 para todo i N

El costo de retener el exceso de potencia en un nudo i, es cero para todo i. La variable Xii, se puede
interpretar como una variable slack. Si no existe conexión entre los nudos i y j, entonces se asume que
Cij = .

6.5.1 Planificación de la Expansión del Sistema de Transmisión: Modelo de Flujo DC

El objetivo del modelo matemático del problema de la planificación de la expansión del sistema
transmisión, es minimizar los costos de capital y operación, asociados con la expansión del sistema
sobre el horizonte de planificación [18]. Las restricciones asociadas con el modelo son las restricciones
físicas y económicas que son importantes cuando se decide expandir a costo mínimo.
92
El problema de la expansión de sistema de transmisión, puede ser planteado mediante:

0
min CiPGi K j(Z j Z j)
i N jA

donde:
Ci = Costo por unidad de potencia en el nodo i para el periodo de planificación,
PG i = Potencia activa inyectada a la red por los generadores en el nodo i
K j = Costo de inversión en la construcción por enlace paralelo de la línea j
Zj = Variable que representa el número de enlaces paralelos a la línea j
Z0j = Número inicial de enlaces paralelo de la línea j
NG = Número de nodos con generadores
An = Conjunto de posibles líneas

Para simplificar el problema, se asume el modelo de flujo de carga lineal (Flujo DC), el problema está
sujeto a las siguientes restricciones:

a) Balance de potencia nodal en cada nodo, por las leyes de Kirchhoff:

AT P
donde:
A = Matriz de incidencia nodal
T = Vector de flujos de potencia en las ramas
P = Vector de potencias inyectadas

b) Límites de potencia en las ramas

T Tmax (Z j )

donde: Tmax = Vector de límites de flujos de potencia en las ramas

En el modelo del flujo lineal, cada elemento del vector T, puede describirse como:
Zj
Tj (θ j θl)

donde:

Z j = Variable que representa el número total de enlaces paralelos de la línea j

x j = reactancia de un enlace de la rama j
j y θl = ángulos de tensión de los nodos terminales de la rama j

93
Ésta restricción puede ser escrito como:

B(Z j ) θ P
donde:

B(Z j ) = Matriz de susceptancias, cuyos elementos son:

1
x
kl

Bkk Bkl ; para los elementos de la diagonal

l

xkl = Reactancia total de la rama (k,l)

l Ω k = rama conectadas a la barra k
θ = Vector de ángulos de las tensiones nodales

La otra restricción:

BL A t θ Tmax (Z j )

Zj
donde: BL = Matriz diagonal cuyos elementos, son:
xj
El modelo de optimización resultante, es:

min Ci PGi K j (Z j Z0j )

iN jA

s.a :
B(Z j ) θ P
BL A t θ Tmax (Z j )

6.5.2 Planificación de Expansión de la Generación [19]

El objetivo tradicional del problema de expansión de la generación (PEG), es determinar un programa

de inversiones, la cual permite atender a la demanda, minimizando el valor presente tanto de los costos
de inversión como de los costos de operación. Es un problema de optimización no lineal, estocástico,
complejo y de gran escala, con variables discretas, continuas y enteras.

Debido a la complejidad, normalmente se emplean los esquemas de descomposición como las de

Benders (1962). El método de descomposición, es muy adecuado cuando existen plantas hidráulicas,
debido a que el costo de operación óptimo del sistema depende de las condiciones hidrológicas, las
cuales tienen un comportamiento estocástico.

94
El PEG puede ser formulado, como:

T N
min z c x d y
t it it it it
t1 i1
subjet to :
At xt bt
t
Ex F y h
t t t
1
t 1, ... , T; i 1, ... , N
donde:
T Número de etapas en el horizonte de planificación
N Número de plantas candidatas para la expansión
t tasa de actualización en la etapa t
ct = [cit] Vector de costos de inversión en la etapa t
xt = [xit] Vector de opciones de expansión en la etapa t (cuando xit = 1, la planta i podrá
construirse en la etapa t, de otro modo, xit = 0)
dt = [dit] Vector de costos de operación en la etapa t
yt = [yit] Vector de variables de operación en la etapa t (usualmente la cantidad de energía
generada por la planta i en la etapa t o recorte de carga en t cuando i representa déficit
de energía)
At, Et, Ft Matrices de transformación en la etapa t
bt, ht Vector de recursos en la etapa t
La formulación alternativa del problema de la expansión de generación, se puede representar, como:

Minimizar cx dy
sujeto a :
Ax b
Ex Fy h
n
x 0,1
y 0

Este problema puede ser resuelto mediante la técnica de descomposición de Benders. Éste método
también recibe el nombre de descomposición primal porque el problema maestro fija variables del
primal. Descompone el problema lineal bietapa en un problema maestro y un subproblema.

95
El subproblema de inversión (Problema Maestro)

Minimizar cx
sujeto a :
Ax b
i
(h - Ex); i 1, ... , k
n
x 0,1

donde:
i Vector de multiplicadores duales asociado con la solución óptima del sub-problema de
operación.
R
k Número de iteraciones realizadas por el algoritmo de Benders.

El subproblema de operación (Subproblema)

Minimizar dy
sujeto a :
*
Fy h Ex
y 0

96
Referencias Bibliográficas
[1] A. Blanco, Control de Emergencias y Desprendimiento Óptimo de Carga. Tesis de Magíster,
PUCCh, Santiago de Chile, 1992.
[2] A. J. Wood, B.F. Wollenberg, Power Generation Operation & Control. John Wiley & Sons,
New York, 1983.
[3] Ch. A. Gross, Power System Analysis. John Wiley & Sons, Inc., New York, 1986.
[4] A. H. Noyola, et al., ‘An Optimized Procedure for Determining Incremental Heat Rate
Characteristics’. IEEE Trans. PS, Vol. 5, No. 2, May 1990, pp. 376 – 383.
[5] R. Aduviri, Operación Económica de Sistemas Eléctricos de Potencia. Proyecto de Grado,
UTO, Oruro, 1988.
[6] H. Rudnick, Aspectos Técnico Económicos de la Desregulación del Sector Eléctrico. La Paz,
Febrero, 1995.
[7] J. I. Pérez, Valoración Económica en Sistemas de Energía Eléctrica: Servicios de Red y
Tránsitos de Potencias. PUCCh, Santiago de Chile, 1990.
[8] P. S. R. Murty, Power System Operation and Control. Mc Graw-Hill, New Delhi, 1984.
[9] H. Rudnick, ‘Operación Económica de Sistemas Eléctricos’. Apuntes de Curso, PUCCh,
Santiago de Chile, 1990.
[10] J. Valenzuela, A. E. Smith, ‘A Seeded Memetic Algorithm for Large Unit Commitment
Problems’. Journal of Heuristics, 1999.
[11] P. Almendras, Modelo de Coordinación Hidrotérmica en Sistemas Eléctricos de Potencia.
Proyecto de Grado, UTO, Oruro, 1996.
[12] A. Halim, et al., ‘An Efficient Method for Optimal Scheduling of Fixed Head Hydro and Thermal
Plants’. IEEE Trans. PS, Vol. 6, No. 2, May 1991, pp. 632-636.
[13] D. Camac, Programación Dinámica Dual Determinística en el Despacho Hidrotérmico. Tesis
de Magíster, PUCCh, Santiago de Chile, 1994.
[14] S. Tupa, Flujo Óptimo de Potencia. Proyecto de Grado, UTO, Oruro, 1995.
o
[15] H. Congreso Nacional, Ley de Electricidad. Ley N 1604 de 21 de diciembre de 1994, Gaceta
Oficial de Bolivia.
[16] L. A. Machado, et al., Introdução ao Planejamento da Expansão e Operação de Sistemas de
Produção de Energia Eléctrica. Eletrobras, EDUFF, Editora Universitária, 1990.
[17] A. Blanco, Aplicación de Técnicas de Optimización en Sistemas Eléctricos. Curso de
Actualización, FNI, noviembre 1997.
[18] J. Contreras, A Cooperative Game Theory Approach to Transmission Planning in Power
Systems. Thesis Ph. D. University of California, Berkeley, 1997.
[19] Eloisa Teixera, et al., ‘Generation Expansion Planning: An Iterative Genetic Algorithm
Approach’. IEEE Trans. PS, Vol. 17, No.3, august 2002, pp. 901-906.
[20] F.S. Hillier, G. J. Lieberman, Una Introducción a la Investigación de Operaciones. Mc Graw-
a
Hill, 3 Edición, México, 1991.
[21] H. A. Taha, Investigación de Operaciones, Una Introducción. Alfaomega S.A. de C.V., 2da
edición, México. 1991.
[22] I. Castillo, Un Criterio Óptimo Para Coordinar Estabilizadores en Sistemas Eléctricos de
Potencia. Tesis de Doctorado, IPN, Guadalajara, 2002.
[23] A. Blanco, ‘Optimización Vía Algoritmos Genéticos’. Jornadas de Ingeniería Eléctrica y
Electrónica, UTO, diciembre, 2002.

97
ANEXO A OPTIMIZACIÓN

A.1 Introducción

E l desarrollo de los métodos de optimización tiene su origen en la época de los grandes matemáticos como
Newton, Lagrange y Cauchy. Pero, a pesar de que en ésa época se dieron a conocer contribuciones
importantes, no fue sino hasta mediados del siglo XX, cuando se
desarrollaron las computadoras digitales y se implementaron nuevas herramientas de optimización.

Las raíces de la optimización como ciencia, se remontan a muchas décadas, cuando se hicieron los
primeros intentos para emplear el enfoque científico para la asignación de recursos económicos y
materiales para el logro de un objetivo.

La optimización, conocido también con el nombre de Investigación de Operaciones (IO), nace en la

segunda guerra mundial. Los científicos británicos fueron los precursores de la Investigación
Operativa, su trabajo tenía que ver principalmente con la asignación óptima de los recursos limitados
del material de guerra [22, 23].

El inicio de la Investigación de Operaciones, si bien fue de uso militar, rápidamente su aplicación se

amplia a las áreas de la economía e ingeniería.

En el área de la ingeniería eléctrica [1-3, 5, 6], la IO tiene una aplicación relevante, principalmente por
la desregulación de los mercados eléctricos.

A.2 Fases de la Optimización [21]

Las principales fases de la optimización, son:

1. Definición del problema

2. Construcción del modelo
Modelo Matemático
3. Solución del modelo
Método de Optimización
Análisis de Sensibilidad
Análisis de Confiabilidad
4. Validación del modelo
5. Aplicación de los resultados

Los aspectos más importantes dentro del proceso de optimización, son la modelación y el análisis de
sensibilidad, es decir, la interpretación de las variables duales (multiplicadores de Lagrange y Kuhn-
Tucker) con el objeto de mejorar la solución obtenida e implementar los resultados.

98
A.3 Ejemplos

Los ejemplos presentados, consideran ejemplos de autores reconocidos con el objeto de clarificar
conceptos e ideas sobre los problemas de optimización.

A.3.1 Fabricación de Pinturas [21]

Una compañía posee una fábrica de pinturas para interiores y exteriores de casas para su distribución al
mayoreo. Se utilizan dos materiales básicos, A y B para producir pinturas.

La disponibilidad máxima de A es de 6 toneladas diarias; la de B es de 8 toneladas por día. La

necesidad diaria de materia por tonelada de pintura para interiores y exteriores, se resume en la Tabla
A.1.

Tabla A.1 Relación de materias primas y disponibilidad.

Existencia Toneladas de materia prima por Disponibilidad
tonelada de pintura máxima (ton)
Recursos Exterior Interior
Materia prima A 1 2 6
Materia prima B 2 1 8

Un estudio de mercado ha establecido que la demanda diaria de pintura para interiores no puede ser
mayor que la pintura para exteriores en más de una tonelada, asimismo, el estudio señala que la
demanda de pinturas para interiores está limitada a dos toneladas diarias.

El precio al mayoreo por tonelada es de $ 3000 para la pintura de exteriores y $ 2000 para la pintura de
interiores.

¿Cuanta pintura para exteriores e interiores debe producir la compañía todos los días para maximizar el
ingreso bruto?

Construcción del modelo

Las interrogantes que se plantean, son:

1.- ¿Cuáles son las variables del problema?

2.- ¿Qué restricciones deben imponerse a las variables a fin de satisfacer las limitaciones del
sistema?
3.- ¿Cuál es el objetivo que necesita alcanzarse para determinar la solución óptima?

Variables

Las variables consideradas, son:

XE = numero de toneladas de pintura para exteriores producidas diariamente

XI = numero de toneladas de pintura para interiores producidas diariamente

Función objetivo

99
La función objetivo, es el ingreso bruto:

El ingreso bruto es CEXE+CIXI

Z= 3XE+2XI en miles de unidades monetarias

Restricciones

Uso de materias primas disponibilidad máxima

en ambas pinturas de materias primas
XE+2XI 6 materia prima A
2XE+XI 8 materia prima B

Restricción de la demanda

XI XE+1
XI 2

Restricciones de no negatividad

XE 0; XI 0

El modelo matemático, es:

Maximizar Z= 3XE+2XI función objetivo

Sujeto a:

XE+2XI 6
2XE+XI 8
-XE+XI 1 restricciones
XI 2
XE; XI 0

A.3.2 Fabricación de Vidrios [20]

La WYNDOR GLASS CO., produce artículos de vidrio de alta calidad, incluyendo ventanas y puertas
de vidrio. Tiene tres plantas. Los marcos y molduras de aluminio se hacen en la planta 1, los marcos de
madera se fabrican en la planta 2 y en la 3 se produce el vidrio y se ensamblan los productos.

Debido a que las ganancias se han reducido, la gerencia general ha decidido reorganizar la línea de
producción. Se discontinuarán varios productos no rentables y se dejará libre una parte de la capacidad
de producción para emprender la fabricación de uno o dos productos nuevos que han tenido demanda.
Uno de los productos propuestos (producto 1) es una puerta de vidrio de 8" con marco de aluminio. El
otro (producto 2) es una ventana grande (4x6") para vidrio doble con marco de madera. El
100
departamento de mercadotecnia ha sacado por conclusión que la compañía puede vender todo lo que
pueda producir de cualquiera de los productos. Sin embargo, como ambos productos compiten por la
misma capacidad de producción en la planta 3, no es obvio qué mezcla de los productos sería la más
redituable. Por todo esto, la gerencia pidió al departamento de investigación de operaciones que
estudiara el asunto.

Después de hacer algunas investigaciones, el departamento mencionado determinó: 1) el porcentaje de

la capacidad de producción en cada planta que estará disponible para estos productos, 2) el porcentaje
de esta capacidad que requiere cada unidad producida por minuto y 3) la ganancia unitaria por cada
producto. Esta información se resume en le tabla siguiente:

Tabla A.2 Datos para la Wyndor Glass Co.

Capacidad usada por unidad de tasa de producción

Producto Capacidad
Planta 1 2 disponible
1 1 0 4
2 0 2 12
3 3 2 18
Ganancia Unitaria $ 3 $5

Construcción del modelo

Las interrogantes planteadas, son:

1.- ¿Cuáles son las variables del problema?

2.- ¿Qué restricciones deben imponerse a las variables a fin de satisfacer las limitaciones del
sistema?
3.- ¿Cuál es el objetivo que necesita alcanzarse para determinar la solución óptima?

Variables

XV = numero de ventanas producidas por minuto

XP = numero de puertas producidas por minuto

XV , XP , son las variables de decisión del modelo

Función objetivo

La función objetivo considerada es:

El ingreso bruto es CVXV+CPXP

Z= 3XV+5XP en unidades monetarias

Restricciones

Capacidad utilizada Capacidad disponible

101
 XV 4 Capacidad disponible planta 1
2XP 12 Capacidad disponible planta 2
3XV + 2XP18 Capacidad disponible planta 3
Restricciones de no negatividad

XV, XP 0

El modelo matemático resultante, está dado por:

Maximizar Z 3XV 5XP

sujeto a :
X
V 4
2XP 12
3XV

2XP

18
XV , X P

Es un modelo de programación lineal, que se puede expresar del siguiente modo:

max f (x)
s. a :

hi(x)

0
x

0
donde f() es la función objetivo y hi() las restricciones, son funciones lineales. Este problema no
tiene restricciones de igualdad.

A.4 Solución gráfica

El modelo se puede resolver en forma gráfica si tiene dos variables, para modelo de tres o más variables, el
método gráfico no es práctico, debido a que es imposible una representación comprensible.

El método gráfico consiste en graficar las soluciones factibles que satisfagan las restricciones en forma
simultánea.

De la infinidad de soluciones factibles, solo son candidatos para el óptimo, los puntos de intersección
del espacio de soluciones (vértices).
Uno de los puntos extremos, es la solución básica del problema. En la Fig. A.1, se muestra la región
factible determinada por las restricciones del ejemplo 3.A.1.

En un espacio n-dimensional, la función objetivo, es un hiperplano y las restricciones son otros

hiperplanos, entonces la región de intersección será la solución factible. La región factible, en éste
caso, es un poliedro formado por los hiperplanos definidos por las restricciones en el espacio
dimensional n.

102
Fig. A.1 Solución gráfica del ejemplo A.3.1

Los vértices (XE, XI) y el valor de la función objetivo Z, son:

(XE, XI) Z

A (0,0) 0
B (0,1) 2
C (1,2) 7
D (2,2) 10
E (3 1 , 1 1 ) 12 2
3 3 3
F (4,0) 12

Considerando los diferentes valores de la función objetivo evaluadas para cada vértice, se concluye que
1 1 2
el vértice E (3 , 1 ), entrega el valor máximo de la función objetivo: 12
3 3 3

A.5. Método Simplex

El método simplex desarrollado por Dantzig en 1947, consiste en probar todos los puntos candidatos –
intersecciones-, si se satisface la condición de optimalidad, entonces el punto de intersección en
cuestión, será la solución.

En el problema de optimización:

max Z = f(x)
s.a: Ax b
x 0

103
Las inecuaciones se pueden convertir con la adición de una variable de holgura, Si, en ecuaciones:

Ax + S = b

El nuevo problema queda planteado de la siguiente forma:

max Z = 3XE +2XI + 0S1+ 0S2 + 0S3 + 0S4 Forma estándar

s. a: XE+2XI+S1 =6
2XE+XI +S2 =8
-XE+XI +S3 =1
XI +S4 =2
X,S 0

Método Simplex Primal

Básica Z XE XI S1 S2 S3 S4 Solución
Z 1 -3 -2 0 0 0 0 0
S1 0 1 2 1 0 0 0 6
S2 0 2 1 0 1 0 0 8
S3 0 -1 1 0 0 1 0 1
S4 0 0 1 0 0 0 1 2

Solución básica XE=0; XI=0; S1=6; S2=8; S3=1; S4=2

La columna entrante; es el más negativo de Z

La variable que sale

6 8
min { , } = 4
1 2
S2

Z XE XI S1 S2 S3 S4 Solució Solució
n n
-3 -2 0 0 0 0 0
S1 1 2 1 0 0 0 6 S1= 6
XE 1 ½ 0 ½ 0 0 4 XE= 4
S3 -1 1 0 0 1 0 1 S3= 1
S4 0 1 0 0 0 1 2 S4 = 2

XE XI S1 S2 S3 S4 Solució N. sol.
n
Z 0 -1/2 0 3/2 0 0 12
S1 0 3/2 1 - 0 0 2 S1= 2
1/2
XE 1 ½ 0 ½ 0 0 4 XE= 4
S3 0 3/2 0 ½ 1 0 5 S3= 5
S4 0 1 0 0 0 0 2 S4= 2

Columna entrante XI
104
 2 4 5 2 4 10
min , , , = min ,8, ,2
3
32 12 2 1 3 3
S1

Básico XE XI S1 S2 S4 Solución
S3
Z 0 -1/2 0 3/2 0 0 12
X1 0 3/2 1 -1/2 0 0 2
XE 1 ½ 0 ½ 0 0 4
S3 0 3/2 0 ½ 1 0 5
S4 0 1 0 0 0 0 2

Básico XE XI S1 S2 S3 S4 Solución
Z 0 -1/2 0 3/2 0 0 12
XI 0 1 2/3 -1/3 0 0 4/3
XE 1 ½ 0 ½ 0 0 4
S3 0 3/2 0 ½ 1 0 5
S4 0 1 0 0 0 1 2

Básico XE XI S1 S2 S3 S4 Solución
Z 0 0 1/3 4/2 0 0 12 2/3
XI 0 1 2/3 -1/3 0 0 4/3
XE 1 0 -1/3 2/3 0 0 10/3
S3 0 0 -1 1 1 0 3
S4 0 0 -2/3 1/3 0 1 2/3

En ésta ultima tabla, en la columna solución, se tienen los valores óptimos de la función objetivo, las
variables del problema y las variables de holgura.

105
ANEXO B PROGRAMACION NO LINEAL

B.1 Introducción

M uchos problemas de optimización conducen a modelos no-lineales sin restricciones y con

restricciones. La resolución de estos problemas puede ser compleja por su gran
dimensionalidad y el tipo de variables consideradas (continuas y/o discretas).

El modelo general de optimización, es de la forma:

min f (x)
sujeto a :
g(x) 0
h(x) 0

donde: f(), g() y h(), son en general funciones no lineales.

Al conjunto (x) se denomina conjunto de soluciones factibles o conjunto de oportunidades del

problema.

B.2 Método de Resolución

Los principales métodos de optimización considerando los modelos no lineales, son:

 Método del gradiente del descenso (ascenso) más pronunciado

 Método de Fletcher-Reeves
 Método de Newton
 Método de Davidson-Fletcher-Powell
 Método Cuasi-Newton

Son métodos que requieren del conocimiento de valores de la función objetivo, el cálculo de la primera
derivada, y otros de la segunda derivada de la función objetivo. Son métodos de búsqueda indirecta y
son conocidos como métodos del gradiente.

Un objetivo principal en la teoría de la programación no-lineal es la formulación de las condiciones

necesarias y suficientes que se satisfacen en un punto solución, estas condiciones se conocen como:

 Técnica de los multiplicadores de Lagrange, Kuhn-Tucker

Si bien no es un método como tal, pero provee una herramienta para determinar la optimalidad de la
solución hallada por algún método.

Existen los métodos heurísticos, tales como:

 Algoritmos genéticos
106
  Búsqueda Tabú
 Recocido Simulado

B.2.1 Multiplicadores de Lagrange, Kuhn-Tucker

Los multiplicadores de Lagrange se emplean cuando se tienen restricciones de igualdad y los de Kuhn-
Tucker (1951) cuando se tienen restricciones de desigualdad. Éstos multiplicadores, se obtienen de las
condiciones de optimalidad que se muestran a continuación.

Sea el problema:

min f (x)
sujeto a :
g(x) 0
h(x) 0

La función de Lagrange aumentada, es:

m p

L f (x)i gi (x)k h k (x)

i1 k1
donde:
i Multiplicador de Lagrange
k Multiplicador de Kuhn-Tucker

Las condiciones necesarias para obtener el óptimo (obtener un mínimo local), son:

1.- L 0 ; i = 1, 2, 3, ... , n
xi
L g (x) 0
2.- i ; i = 1, 2, 3, ... , m
i

L h k (x) 0
3.- ; k = 1, 2, 3, ... , p
k

4.- k h k (x) 0 ; k = 1, 2, 3, ... , p

k 0
Para determinar las n+m+p incógnitas x1, x2, ... , xn ; 1, 2 , ... , m ; 1 , 2, ... , P, es necesario resolver el
conjunto de n+m+p ecuaciones. La solución, entrega el punto óptimo en la región factible.

107
Ejemplo B.1 Programación No lineal

Minimizar f ( x1 , x2 ) 3x1 x2 2 x2 2 x12 x22 sujeto

a:

g ( x1 , x2 ) 6 x1 x2 0
h( x1 , x2 ) x1 2 x2 7 0

La función de Lagrange aumentada, es:

2 2
L 3x1x2 2x2 2x1 x 2 (6 - x1 x2 ) (x1 2x2 7)
Las condiciones necesarias de optimalidad, son:

L
1 3x2 4x1 0 x1
L
3x1 2 2x2 2 0
L
2 6 x1 x2 0
L
3 x1 2x2 7 0

(x1 2x 2 7) 0
4
0

Si se considera que la restricción h() está activa, entonces de acuerdo con la condición de optimalidad,
0
Las ecuaciones, resultantes, son:

3x2 4x1 0
3x1 2 2x2 2 0
6 x1 x2 0
x1 2x2 7 0

La solución, está dado por: x1 19

ˆ x2 13
f 1658 315
200
Como µ > 0, se confirma que la restricción h() está activa.
108
Por otra parte, si se considera que la restricción h() no está activa, entonces, µ = 0, por lo tanto, las
nuevas ecuaciones resultantes, son:

3x 2 4x1 0
3x1 2 2x 2 0
6 x1 x 2 0
x1 2x 2 7 0
La solución, es:
7
x1
11
x2
5
3

Pero, si se evalúa la restricción h() en el punto solución, se ve que no se satisface la restricción:

50
h(x , x ) 0
1 2 (2.333, 3.66) 3
El cual contradice a la suposición inicial de que ésta restricción no es activa, por tanto, µ > 0 y la
solución válida es la primera.

El teorema de Lagrange – Karush - Kuhn – Tucker, solo entrega las herramientas necesarias para la
verificación de la existencia de un punto extremo correspondiente a un mínimo. En el problema en
cuestión, las ecuaciones resultantes son lineales y aceptan una solución, pero, si fueran no lineales, ésta
técnica no permite hallar la solución fácilmente.

B.2.1.1 Interpretación Geométrica de los Multiplicadores de Lagrange

En el problema

min f (x)
s.a :
g(x) 0

La función Lagrangeana, es:

L f(x) g(x)

109
Considerando un espacio de dos dimensiones, en la Fig. B.1, se muestra la gráfica de f(x) y g(x).
L
Como condición de existencia de un mínimo, es la nulidad del vector , el que corresponde al
x
vector gradiente de f en x, f, este vector es ortogonal a la familia de curvas de la función objetivo, en el
punto en cuestión.

En el punto óptimo el gradiente de f, f, es perpendicular a g(x). Para garantizar que la gradiente de f, f,

sea normal a g, se requiere que f y g sea vectores linealmente dependientes.
L
Es decir: f (x) g(x) 0 , por tanto λ, es un factor de proporcionalidad, valor necesario
x
L
para que sea nulo.
x

Fig. B.1 Interpretación gráfica de los multiplicadores de

B.2.2 Método de la Gradiente de Descenso más Pronunciado

El método de la gradiente de descenso más pronunciado, es un método de primer orden, se aplica para
resolver problemas de minimización.

En el caso de problemas de maximización, el método equivalente es el método de la gradiente del

ascenso más pronunciado, pero todo problema de maximización se puede transformar en un problema
de minimización equivalente. En lo que sigue solo se explicará el método del descenso solamente.

110
Fig. B.2 Interpretación gráfica del método del descenso más pronunciado.

La gradiente de f, f, es ortogonal a la familia de curvas de la función objetivo, esta característica del

gradiente es la que se usa en este método. La idea básica de este método es moverse desde un punto de
solución factible f, en busca de nuevas y mejores soluciones en la dirección del descenso más
acelerado, esto es, en la dirección del gradiente negativo. El nuevo punto factible encontrado estará
más cercano al óptimo

De acuerdo a la Fig. B.2, la interpretación gráfica del método, es el siguiente: Sea A una solución
factible inicial, si se evalúa el gradiente de f en este punto, f A, se encontrará la dirección en que más
rápidamente crecen las funciones. Por lo tanto es posible encontrar otra solución en la dirección del
gradiente negativo. Sea esta nueva solución el punto B, consecuentemente este punto tendrá un menor
valor para la función objetivo y estará más cerca de la solución óptima que el punto A, se procede así
sucesivamente hasta satisfacer algún criterio de convergencia.

El gradiente de f, provee una dirección adecuada para acercarse al punto óptimo; pero ello aún no es
suficiente. ¿Con que valor debe ser amplificado el vector f para poder llegar desde A a B ó desde B a
C?.

Claramente se puede comprender que el vector corrección x queda determinado no solo por una
dirección, sino también por un escalar que le da el tamaño necesario a dicho paso, entonces:
x c f

La elección del escalar c, es una de las partes débiles y críticos del método.

Pasos de solución

Paso 1.- Asumir un punto inicial factible x 0 que satisfaga

g(x0 ) 0

Paso 2.- Determinar

111
 t
L f g
L 0
x x x
t 1
g f
; x variable dependiente

x x
Paso 3.- Calcular la gradiente L

t
f g
L ; x variable independiente
x x
Paso 4.- Buscar nuevos valores

i1 i
x x x
x c L

Paso 5.- Repetir los pasos 1 al 4 hasta que L sea suficientemente pequeño ó:

i1 i
f (x) f (x)

En el ejemplo B.2, se aplica éste método.

Ejemplo B.2 Gradiente del Ascenso más Pronunciado

max 2x1 3x 2 1
s. a :
2 2
x1 1.5x 2 6 0

Sea: x2 la variable independiente y

x1 la variable dependiente

2 2
L 2 x1 3 x2 (x1 1.5 x 2 6)

L 3 3 x 0
2 (a)
x2
L 2 2 x 0
1 (b)
x1
112
 L x 2 1.5 x 2 6 0
1 2 (c)

2
Paso 1 x1 6 1.5 x2 de (c )

1
Paso 2 de (b)
x1

Paso 3 L 3 3 x2 de (a)

i 1 i
Paso 4 x2 x2 c L
0
Sea: c = 0.3 y x =1
2
En la tabla B.1, se muestra los resultados de cada iteración y en la séptima iteración se puede hallar la
solución.

Tabla No. B.1 Resultados del método del gradiente del ascenso más pronunciado
i x2 x1 L
0 1 2.12 -0.47 1.59
1 1.476 1.653 -0.605 0.322
2 1.572 1.514 -0.661 -0.116
3 1.538 1.566 -0.638 0.055
4 1.554 1.542 -0.648 -0.024
5 1.547 1.553 -0.644 0.010
6 1.555 1.549 -0.646 -0.004
7 1.549 1.549 -0.646 0

Y el valor de la función objetivo, es:

f (x , x ) 6.745
1 2 (1.549, 1.549)
En el método del gradiente, la elección del tamaño del paso es muy crítica para lograr la convergencia.
En cada paso, se puede buscar el paso óptimo al resolver un sub-problema de optimización como se
muestra en el ejemplo B.3.

Ejemplo B.3 Minimización sin restricciones con paso óptimo

Este ejemplo muestra que en cada paso, se puede determinar el tamaño del paso óptimo en cada
iteración.
Sea el problema de minimización:

113
 min 2x1x2 2x 2 x12 2x 22
0
considerando el punto de partida: x 0
0

x1 x 0 t f x0 ; sea d0f x 0

Sub problema

0 0
min h(t) f (x t f (x ))

donde: t tamaño del paso

2x 2x 0
d0f (x 0 ) 2 1 0
2x 1 2 4x
2
X0 2
0

~ 0 0 ~ ~
h(t) f (x td ) f ((0,0) t (0,2)) f (0, 2t)
2 2
h(t) 2(2t) 2(2t) 4t 8t
ˆ 1
h’(t) = -4 + 16t = 0; t
4
0 1 0 0
1 0 ˆ 0
x x t 0 d
0 4 2 1/ 2
1 1 1
d f (x )
0
~ 1 1 ~ ~
h(t) f (x td ) f((0,1/ 2) t (1,0)) f (t,1/ 2)
2
1 1 1 1
2
h(t) 2t 2 t 2 t t 2
2 2 ˆ 1
2 2
h’(t) = -1 + 2t = 0; t
2
0 1 1 1/ 2
x x 2 1 ˆ 1
t1 d

1/ 2 2 0 1/ 2
La solución, tiende a:

0 0 1/ 2 1/ 2 3/4 3/ 4 7 / 8 1
, , , , , ,
, .... ,

3/ 4 1
0 1/ 2 1/ 2 3 / 4 7 / 87/8
En la Fig. B.3, se muestra esquemáticamente, la convergencia a la solución, el punto (1, 1). En
problemas reales, la determinación del paso óptimo para cada iteración, requiere mucho esfuerzo
computacional adicional, debido a la cual, se elige el tamaño de paso adecuado por pruebas sucesivas y
se mantiene constante a lo largo del proceso de optimización.

114
 x2

1 o

3/4

1/2

x1
0 1/2 3/4 1

Fig. B.3 Representación esquemática de la convergencia a la solución

115
ANEXO C PROGRAMACION DINAMICA

C.1 Introducción

L a programación dinámica (PD), es una técnica de optimización intertemporal. Esta metodología de

optimización dinámica fue desarrollada por el matemático Richard Bellman en 1957, y desde
entonces ha sido utilizada principalmente en el planteamiento de modelos de optimización.

Esta técnica aprovecha la naturaleza recursiva del problema para resumir el planteamiento en una
relación denominada Ecuación de Bellman. El método se sustenta en el principio de optimalidad.

Un problema de optimización intertemporal o con variables discretas, se puede plantear mediante el

siguiente modelo de optimización:
T
Minimizar Vft (yt , u t ) Z(yT 1)
t 0
sujeto a y t 1 g t (yt , u t ) t 0, 1, 2, ... , T
y0 dado (C.1)
yt 1 libre
yt 0
ut 0
donde:

V función objetivo
f() función de retorno
g() Ecuación de movimiento o de transición
ut Variables de control
yt Variable de estado

C.2 El Principio de Optimalidad

El problema de programación dinámica cumple con dos propiedades fundamentales que permiten la
resolución de una forma recursiva:

a) Propiedad de separabilidad: Para todo t, las funciones de retorno y transición, ft() y gt(), dependen
de “t” y de los valores contemporáneos de las variables de control y estado, pero no de sus valores
pasados o futuros.

b) Propiedad de aditividad: El funcional objetivo V es la suma de las funciones de retorno en los “T”
períodos.

Sobre la base de estos dos principios es que se establece el principio de optimalidad:

116
Principio de optimalidad

La secuencia de variables de control ut* ( t = 0, 1, 2, ... , T) es una solución óptima al problema (C.1)
si y sólo si u * ( =t,t+1,t+2,...,T) resuelve el siguiente problema t=0,1,2,...,T:

T
Minimizar Vtf (y 1, u ) Z(yT 1)
t
sujeto a y 1 g (y , u ) t, t 1, t 2,...,T (C.2)
yt dado
yT 1 dado

Ejemplo C.1 Cargamento de un Barco [21]

Considere que se carga un barco con N artículos. Cada unidad del artículo i tiene un peso Wi y un valor
de Vi, (i = 1, 2, ... , N). El peso de carga máxima es W. Se requiere determinar la cantidad de carga más
valiosa sin que se exceda el peso máximo que puede cargar el barco.

Si ki es el número de unidades del artículo i, el problema será:

max V1 k1 V2 k 2 ...... VN k N
s. a :
W1 k1 W2 k 2 ...... WN k N W
ki entero no negativo

La programación dinámica originalmente se origina como un método para la toma de decisiones

óptimas en un proceso secuencial en el tiempo. Pero los problemas se pueden plantear como
dependientes del tiempo.

El problema general
T
z max g t (St i , Xt )
ti
S t t (St i , X t ); t 1, 2, ..... , T 1 ; Ecuación de estado del sistema S0
dado; estado inicial
St variable de estado

117
 Fig. C.1 Diagrama de secuencias óptimas.

El valor de St, para t dado, provee el valor del estado del sistema al inicio del intervalo ti

xt, variable de decisión en el intervalo t. En un cierto instante t, el valor del estado inicial S0 y de la
secuencia de decisiones posible x1, x2, x3, ... , xt-1

C.3 Algoritmo de la Programación Dinámica

El modelo de programación dinámica se construye considerando sus tres elementos básicos:

La etapa j , representada por el artículo j, j = 1, 2, ..... , N

1. El estado Yj, en la etapa j es el peso total asignado a las
etapas j, j+1, ..... , N; Y1=W y Yj = 0, 1, ... , W, para j = 2, 3, ..... , N
2. La alternativa kj en la etapa j es el numero de unidades del articulo j. El valor de kj puede ser tan
chico como cero o tan grande como W/wi

Sea fj(Yj)= valor óptimo de las etapas j, j+1, ...... , N; dado el estado Yj

La ecuación recursiva (de retroceso) esta dada como:

fN (YN ) max VNk N

kN 0, 1, ......., YN / WN

YN 0, 1, ......., W

f j(Yj) max Vjkj f j 1(Yj Wjk j , j 1, 2, .... , N

-1 k j 0, 1, ......., Yj/ Wj
Yj 0, 1, ......., W

La ecuación recursiva (de avance) esta dada como:

f1(Y1) max V1k1

118
f j(Yj) max Vjkj f j 1(Yj Wjk j , j 2,
3, .... , N k j 0, 1, ......., Yj/ Wj
Yj 0, 1, ......., W

C.4 Algoritmo de Dijstra

El algoritmo de dijstra, es un algoritmo para determinar caminos de costo mínimo.

Sea un grafo que contiene nudos y arcos:

Wij peso asignado al arco (i, j) Wij

i j

g(i) costo del camino de peso mínimo del nudo 1 al nudo i

asumir g(1) = 0

Paso 1

g(1) = 0; V={1};
h
Wij, si el arco (i, j) existe
j
, si no existe el arco

Paso 2

Sea i arg min h(j)

jU
Min f (x)
xC
xˆ solución óptima
xˆ

arg min f(x)

xC

Si es único, elegir i, si no elegir uno cualquiera de ellos

Hacer U U {i}

119
 y g(i) = h(i) si U = V parar

V conjunto de todos los vértices.

Paso 3

Para todo j V , con (i, j) arco presente en el grafo, calcular h( j) min{g(i) Wij, h(j)}. Volver al paso 2.

Ejemplo C.2 Distancia Mínima entre Dos Nodos

Determinar el costo mínimo entre los nudos 1 y 4

2
2
6

1
1 4
4 2

Sea U 1 V 1, 2, 3, 4

Paso 1
g(1) = 0

Paso 2: i 2 arg min h( j)

jU
U U 1 1, 2

g(2) = h(2) = 2 U V

Paso 3: h(3) min g(2) 1, h(3) 3

h(4) min 2 6,8
i arg min h( j) arg min h(3), h(4) 3
jU

U 1, 2, 3
Paso 2: g(3) = h(3) =3 U V

Paso 3: V U 4
h(4) min g(3) 2, 8 5

120
ANEXO D TÉCNICAS HEURÍSTICAS

D.1 Introducción

L os métodos clásicos de optimización se basan en la formulación geométrica de las funciones convexas.

Es decir, que el espacio de búsqueda es convexo, el cual garantiza la existencia de un mínimo. Si el
modelo de optimización está compuesta de funciones no convexas, los métodos
clásicos pueden fallar, una alternativa para enfrentar estos problemas son la técnicas heurísticas.

Otra complicación de los métodos clásicos, es que algunos exigen que exista la primera y segunda
derivada. Muchos problemas prácticos se caracterizan por ser no-diferenciables, discontinuos y no-
convexo en algunos puntos, en estos casos los métodos clásicos, resultan ser ineficientes, con un alto
costo computacional y solo entregue óptimos relativos (locales).

En los últimos años, la optimización basada en técnicas heurísticas tiene un especial interés y atrae la
atención de especialistas en problemas de optimización.

Estas técnicas, son: [22]

 Recocido (Templado) Simulado, éste método es análogo al proceso físico del templado de
sólidos.
 Búsqueda Tabú, se basa en almacenar en memoria una lista con los resultados recientes y los
vuelve tabú para la obtención de los resultados siguientes.
 Redes Neuronales, ésta técnica se basa en la solución de los problemas utilizando el cálculo
eficientes de una red de neuronas interconectadas
 Algoritmos Genéticos, son técnicas de búsqueda basadas en la mecánica de la selección natural
y de la genética natural.

D.2 Templado Simulado

El templado simulado es un método de búsqueda global que usa variaciones estocásticas para aceptar o
rechazar nuevas soluciones para evitar quedar atrapado en mínimos globales.

Éste método es análogo a considerar un proceso físico de templado de materiales sólidos basado en el
enfriamiento de los cristales. El algoritmo requiere de una temperatura inicial, una temperatura final y
una función de variación de temperatura. No requiere mucho espacio de almacenamiento en memoria.

D.3 Algoritmos Genéticos [23]

Los Algoritmos Genéticos (GA) fueron introducidos por John Holland en 1970 inspirándose en el
proceso observado en la evolución natural de los seres vivos.

Los Biólogos han estudiado en profundidad los mecanismos de la evolución, y aunque quedan parcelas
por entender, muchos aspectos están bastante explicados. De manera muy general se puede decir que
121
en la evolución de los seres vivos, el problema al que cada individuo se enfrenta cada día es la
supervivencia. Para ello cuenta con las habilidades innatas provistas en su material genético. A nivel de
los genes, el problema es el de buscar aquellas adaptaciones beneficiosas en un medio hostil y
cambiante. Debido en parte a la selección natural, cada especie gana una cierta cantidad de
"conocimiento", el cual es incorporado a la información de sus cromosomas.

Así pues, la evolución tiene lugar en los cromosomas, en donde está codificada la información del ser
vivo. La información almacenada en el cromosoma varía de unas generaciones a otras. En el proceso
de formación de un nuevo individuo, se combina la información cromosómica de los progenitores
aunque la forma exacta en que se realiza es aún desconocida.

La Biología Evolucionaria es una fuente fuerte de inspiración para resolver problemas de optimización.
La propia naturaleza tiene que realizar una búsqueda en un enorme conjunto de soluciones posibles, las
secuencias genéticas, para desarrollar organismos aptos que vivirán y se reproducirán en sus ambientes.

Los Algoritmos Genéticos son métodos da Computación Evolucionaria que siguen los principios de la
selección natural y de la sobrevivencia del más apto, expuestos en el libro The Origin of Species de
Charles Darwin, para simular el proceso de la evolución natural y desarrollar soluciones para el mundo
real. A estos principios son adicionados los conceptos iniciados por Mendel, en el que se refiere a la
estructura genética dos seres vivos.

Los algoritmos genéticos establecen una analogía entre el conjunto de soluciones de un problema y el
conjunto de individuos de una población natural, codificando la información de cada solución en un
string (vector binario) a modo de cromosoma.

A tal efecto se introduce una función de evaluación de los cromosomas, que se llama calidad ("fitness")
y que está basada en la función objetivo del problema. Igualmente se introduce un mecanismo de
selección de manera que los cromosomas con mejor evaluación sean escogidos para "reproducirse" más
a menudo que los que la tienen peor.

El algoritmo que representa el funcionamiento de los algoritmos genéticos es el siguiente:

1.- Se crea una población inicial de m individuos.

2.- El valor de cada individuo se escoge de forma aleatoria.
3.- Se evalúa cada uno de los individuos sobre la función de evaluación.
4.- Se seleccionan n individuos para formar la población intermedia.
5.- Se aplica el cruce a los p individuos progenitores.
6.- Se aplica la mutación a la nueva población.
7.- Se sustituyen los individuos de la población inicial por los nuevos.
8.- Si se cumple la condición de parada, se elige el individuo más apto, si no se vuelve al punto
3.

D.4 Búsqueda Tabú

La búsqueda tabú emplea una memoria a corto plazo para guiar la búsqueda, de tal forma que algunas
soluciones examinadas recientemente se memorizan y se vuelven tabú (prohibidas) al tomar decisiones

122
acerca del siguiente punto de búsqueda. De esta manera, el método tiene una habilidad de escapar de
óptimos locales usando la memoria de recientes soluciones conocida como lista tabú.

D.5 Redes Neuronales

El método de redes neuronales está basado en una estructura de procesamiento de información paralela,
distribuida, que consiste de elementos de procesamiento (puede tener memoria local y realizar
operaciones de procesamiento de información localizada). Cada elemento de procesamiento tiene
muchas entradas y una sola salida.

123