Professional Documents
Culture Documents
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.
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.
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
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.
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.
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
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.
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.
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
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.
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]
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]
2 3 n
F cH a 0 a1P a 2P a 3P .... a n P
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
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
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]
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.
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.
3
m
q [ ]
h
Entrada
max
0 Pmin Salida P1 P P [MW]
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
V2
q2 Agua Turbinada
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
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
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.
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
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.
Los costos de generación, están compuestos principalmente por los costos fijos y costos variables y se
puede ser presentado por la ecuación sencilla siguiente:
a) Costos Fijos
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.
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.
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
Modelo simple
Barra única
Modelo inexacto
Costo marginal único
Independiente entre períodos de estudio
No se considera las pérdidas del sistema
15
En este modelo, las plantas hidráulicas, se pueden representar por plantas térmicas equivalentes.
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
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
Min FT Fi
i1
s. a :
N
G PD - Pi 0
i1
min max
Pi Pi Pi
N N
L FT GFi (PD - Pi )
i1 i1
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:
Expresando de otro modo, para las restricciones de desigualdad, la condición necesaria para el óptimo,
son:
para Pi = Pi
En el modelo de barra única las pérdidas del sistema de transmisión se representan mediante una
función de pérdidas, Pperd [2].
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
1) 10
Pi dPi Pi
N
L G PD PperdPi 0
2)
i1
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.
Para resolver el despacho económico, existen una gran cantidad de métodos, entre otros se tiene [2]:
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.
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
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
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:
N
Pi 0
i1
N
Px Pi
i1
ix
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.
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
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.
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
Px Pi
i1
ix
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
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:
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
PD PR Pérdidas
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.
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
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].
*
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.
Vnueva C T* Vantigua
28
CI
I antigua nueva
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
dFi (1 - Pperd )
dPi Pi
29
Reordenando la ecuación, se tiene:
1 dFi (Pi)
=
Pperd dPi
1-
Pi
donde:
Pperd
Pi
1
fP i =
1 - Pperd
Pi
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
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.
31
f i (D) El costo de la etapa para abastecer la demanda de D MW con la unidad i
Realizar el despacho económico para el sistema eléctrico que tiene tres unidades térmicas, cuyas
funciones de gasto de calor, son:
PD = 450 MW
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
Iteración No. 2
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
er
b) Método del Gradiente de 1 Orden
Iteración No. 1
P1 180 MW
P2 70 MW
P3 200 MW PX
dP3 dPx
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
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
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.
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:
P
2 28.3994 53.6433 0.06732 2.3526
Las potencias generadas, son:
Iteración No. 2
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
36
d 2F
1 0.004
d 2F
2 0.0016524
2
dP2
d 2F
3 0.0045
2
dP3
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
1 7.6376596
2 7.637660 3
7.6376598
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.
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:
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
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:
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
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.
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:
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.
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.
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.
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.
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.
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
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 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.
En la Tabla 3.3 se muestra que la cantidad de combinaciones puede hacerse prohibitiva (maldición de
la dimensionalidad), al considerar N unidades.
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.
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.
max max
Pi Pi MW h
Para el ejemplo introductorio, el costo promedio a carga plena, se muestra en la Tabla 3.4:
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.
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.
‘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’.
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.
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
Definiciones de trabajo
Estado inicial: la unidad 1 está en servicio y la unidad 2 está fuera de servicio: (1, 0)
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, ).
47
5
7
11 1
10
8
3 9 4
6 2
k 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.
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}
donde:
En la Fig. 3.5, se muestra el diagrama de flujos para la implementación del algoritmo; PD de avance.
Fcos t (K,I) Min Pcos t (K,I) Scos t (I, K : J,K 1) Fcos t (K 1,J)
{J}
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.
49
Comienzo
K=1
No
K=M
Si
Programación Óptima
FIN
50
Comienzo
K=M
No
K=1
Si
Programación Óptima
FIN
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:
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
52
3.5 Formulación Alternativa del Predespacho [10]
T N
min CFi Pi (t) νi (t) CSi (t)
t1i1
sujeto a las restricciones :
N
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.
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
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
Ns
n T
j max j
1
NS NS
55
donde: es el multiplicador de Lagrange.
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 .
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
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
57
qj Fj
H T
PHj PTj
PDj
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
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
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
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
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
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
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
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.
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
m plantas térmicas
n plantas hidráulicas aisladas
jmax intervalos
sujeto a:
64
m n
CP P P P 0
k Sk h k perdk Dk
s1 h1
para k 1, 2, ... , jmax
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
jmax n
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
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.
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
Determinar la coordinación hidrotérmica de una planta térmica y una planta hidráulica, cuyos datos
son:
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
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
λ = 180
γ=2
ra
J = 1; (1 etapa)
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 5.6 1 0.00016PH1 1
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
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)
69
J = 2; en ésta etapa los valores iniciales de partida, se toman los siguientes:
1
2 146.37371039 ; 2 ; PD = 1300 MW
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
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.
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
J = 2; PD = 1300 MW
3
El error: e -1729.19522532
Procediendo nuevamente:
J = 1; PD = 1000 MW
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
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
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.
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
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.
*
Sk Vk Ik Pk jQk ; la potencia inyectada en la barra k.
*
N
Sk Vk YijVj; N es el número de barras del sistema.
Pk (V, ) Re(Sk )
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
Barra PV
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:
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.
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
nG
2 3
F(x, u) Fi (a0i a1iPG i a2iPG i a3iPG i )
i1
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
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
Sea el problema:
Min f(x, u)
s. a :
g(x, u, p) 0
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
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
u c f
unuevo uanterior u
80
Ejemplo 5.1 Flujo Óptimo de Potencia Activa
En el sistema dado:
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:
Carga en la barra 3
V1 1.05 p.u.
V2 1.03 p.u.
Min f(x, u)
s. a :
g(x, u, p) 0
T
x 2 3 V3 ; Variables de estado
81
Para resolver el ejemplo, se sigue los siguientes pasos:
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
2.- Encontrar una solución factible del flujo de potencia y obtener el Jacobiano
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
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
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.
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
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
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
unuevo uanterior
nuevo
u
u 100 5.1606 105.1606
85
Capítulo VI
6.1 Introducción
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].
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.
Los criterios y restricciones importantes hoy en día en la planificación de sistemas eléctricos, son:
86
Fig. 6.1 Estructura típica de un sistema eléctrico
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-.
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).
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.
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
1. Técnica
2. Confiabilidad
3. Financieros
4. Medio Ambientales
5. Otros (políticas, Administrativas, etc.)
1. Intercambio de potencia
2. Hidrología
3. Despacho económico previsto
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:
89
6.4.1.3 Proceso Clásico de Planificación
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
90
Datos
- Previsión de demanda
- Plan de expansión de
la generación
- Red existente
No
Estudios de Falla y
Estabilidad satisfactorios?
Si
Decisión de Planificación
- Incorporar todas las
modificaciones al sistema
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:
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 = .
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:
AT P
donde:
A = Matriz de incidencia nodal
T = Vector de flujos de potencia en las ramas
P = Vector de potencias inyectadas
T Tmax (Z j )
En el modelo del flujo lineal, cada elemento del vector T, puede describirse como:
Zj
Tj (θ j θl)
donde:
93
Ésta restricción puede ser escrito como:
B(Z j ) θ P
donde:
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:
s.a :
B(Z j ) θ P
BL A t θ Tmax (Z j )
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.
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.
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.
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.
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.
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?
Variables
Función objetivo
99
La función objetivo, es el ingreso bruto:
Restricciones
Restricción de la demanda
XI XE+1
XI 2
Restricciones de no negatividad
XE 0; XI 0
Sujeto a:
XE+2XI 6
2XE+XI 8
-XE+XI 1 restricciones
XI 2
XE; XI 0
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.
Variables
Función objetivo
Restricciones
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
2XP
18
XV , X P
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.
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.
102
Fig. A.1 Solución gráfica del ejemplo A.3.1
(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
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
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
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
min f (x)
sujeto a :
g(x) 0
h(x) 0
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.
Si bien no es un método como tal, pero provee una herramienta para determinar la optimalidad de la
solución hallada por algún método.
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
m p
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
107
Ejemplo B.1 Programación No lineal
g ( x1 , x2 ) 6 x1 x2 0
h( x1 , x2 ) x1 2 x2 7 0
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
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
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.
En el problema
min f (x)
s.a :
g(x) 0
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.
El método de la gradiente de descenso más pronunciado, es un método de primer orden, se aplica para
resolver problemas de minimización.
110
Fig. B.2 Interpretación gráfica del método del descenso más pronunciado.
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
g(x0 ) 0
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)
max 2x1 3x 2 1
s. a :
2 2
x1 1.5x 2 6 0
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
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.
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 ))
~ 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
115
ANEXO C PROGRAMACION DINAMICA
C.1 Introducción
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.
V función objetivo
f() función de retorno
g() Ecuación de movimiento o de transición
ut Variables de control
yt Variable de estado
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.
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
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.
max V1 k1 V2 k 2 ...... VN k N
s. a :
W1 k1 W2 k 2 ...... WN k N W
ki entero no negativo
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
Sea fj(Yj)= valor óptimo de las etapas j, j+1, ...... , N; dado el estado Yj
YN 0, 1, ......., W
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
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
Hacer U U {i}
119
y g(i) = h(i) si U = V parar
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.
2
2
6
1
1 4
4 2
Sea U 1 V 1, 2, 3, 4
Paso 1
g(1) = 0
g(2) = h(2) = 2 U V
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
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.
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.
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.
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.
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.
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