Beruflich Dokumente
Kultur Dokumente
* Las unidades generadoras consumen combustible a una velocidad especfica (por ejemplo,
MBtu / h), que como se indica en el Captulo 2 se puede convertir en R / h, lo que representa
una tasa de coste. Comenzando en este captulo ya lo largo del resto del texto, usaremos
simplemente el trmino unidad de generacin "costo" para referirnos a R / h.
29
30 DESPACHO ECONMICO DE LAS UNIDADES TRMICAS
F
I
G
.
3
.
1
F
Fig 3.1 N unidades trmicas comprometidas para servir una carga de P load
Las condiciones necesarias para un valor extremo de la funcin objetivo resultan cuando
tomamos la primera derivada de la funcin de Lagrange con respecto a cada una de las
variables independientes y ponemos las derivadas igual a cero. En este caso, hay N + 1
variables, los N valores de la potencia de salida, ms el indeterminado multiplicador de
Lagrange, La derivada de la funcin Lagrange con respecto al multiplicador indeterminado
meramente devuelve la ecuacin de restriccin. Por otra parte, las N ecuaciones que resultan
cuando tomamos la derivada parcial de la funcin de Lagrange con respecto a los valores de
salida de potencia uno a la vez dan el conjunto de ecuaciones mostradas como Ec. 3.4.
condicin necesaria debemos aadir la ecuacin de restriccin de que la suma de las salidas de
potencia debe ser igual a la potencia demandada por la carga. Adems, hay dos desigualdades
que deben satisfacerse para cada una de las unidades. Es decir, la potencia de cada unidad debe
ser mayor o igual a la potencia mnima permitida y tambin debe ser menor o igual a la
potencia mxima permitida en esa unidad en particular.
Estas condiciones y desigualdades pueden resumirse como se muestra en el conjunto de
ecuaciones que componen la ecuacin 3.5.
N ecuaciones
2N'ineacuaciones (3.5)
1 restriccin
Cuando reconocemos las restricciones de desigualdad, las condiciones necesarias pueden ser
ampliadas ligeramente como se muestra en el conjunto de ecuaciones que forman la ecuacin.
3.6.
para
para
para
Varios de los ejemplos de este captulo usan las siguientes tres unidades generadoras.
Ejemplo 3A
Supongamos que queremos determinar el punto de operacin econmico de estas tres unidades
al entregar un total de 850 MW. Antes de resolver este problema, se debe especificar el costo de
combustible de cada unidad. Deje que los siguientes costos de combustible estn vigentes.
Unidad 1:
Costo de combustible
Unidad 2: Costo de combustible
Costo de combustible
Unidad 3:
Entonces
F1 (P1) = H1 (P1 ) x 1.1 = 561 + 7.92Pl + 0.001562P12/h
F2 (P2) = H2 (P2) x 1.0 = 310 + 7.85P2 + 0.00194P22/h
Tenga en cuenta que se cumplen todas las restricciones; Es decir, cada unidad est
dentro de su lmite alto y bajo y la salida total cuando se suma sobre las tres unidades
cumple con el deseado 850 MW en total.
Ejemplo 38
= 8.284 R/MWh
y
P1 = 704.6 MW
P2 = 111.8 MW
P3 = 32.6 MW
Esta solucin cumple con la restriccin que requiere una generacin total igual a
850 MW, pero las unidades 1 y 3 no estn dentro del lmite. Para resolver el envo
ms econmico mientras se cumplen los lmites de la unidad, utilice la ecuacin
3.6.
Supongamos que la unidad 1 est ajustada a su salida mxima y la unidad 3 a su
salida mnima. El despacho se convierte en
P1 = 600MW
P2 = 200MW
P3 = 50MW
. ,..."..'T'"'" - .
34 DESPACHO ECONMICO DE UNIDADES TRMICAS
A continuacin, calcule el costo incremental de las unidades 1 y 3 para ver si cumplen
las condiciones de la ecuacin 3.6.
Tenga en cuenta que el costo incremental para la unidad 1 es menor que A, por lo que la
unidad 1 debe estar en su mximo. Sin embargo, el costo incremental para la unidad 3 no
es mayor que A, por lo que la unidad 3 no debe ser forzada a su mnimo. Por lo tanto,
para encontrar el despacho ptimo, permita que el coste incremental en las unidades 2 y
3 sea igual a como sigue.
lo que resulta en
Obsrvese que este envo cumple las condiciones de la Ec. 3.6 desde
Ambos iguales .
3.2 DESPACHO DEL SISTEMA TRMICO CON PERDIDAS DE
RED CONSIDERADAS
Es mucho ms difcil resolver este conjunto de ecuaciones que el conjunto anterior sin
prdidas ya que este segundo conjunto implica el clculo de la prdida de red para
establecer la validez de la solucin en la satisfaccin de la ecuacin de restriccin. Ha
habido dos enfoques generales para la solucin de este problema. El primero es el
desarrollo de una expresin matemtica para las prdidas en la red nicamente en funcin
de la potencia de salida de cada una de las unidades. Este es el mtodo de frmula de
prdidas discutido con cierta extensin en la Operacin Econmica de Sistemas de
Energa de Kirchmayer (vase el Captulo 1, referencia 2). El otro
, .,"",_ .. , '~''''''''''---'''-'.''''---~''''-'''- -
RED DE
TRANSMISI
N CON
PRDIDAS
FIG. 3.2 N unidades trmicas que sirven a la carga a travs de la red de transmisin.
enfoque bsico para la solucin de este problema es incorporar ecuaciones de flujo de energa
como restricciones esenciales en el establecimiento formal del problema de optimizacin. Este
enfoque general se conoce como el flujo de potencia ptimo.
EJEMPLO 3C
Esta frmula de prdida simplificada ser suficiente para mostrar la dificultad del
clculo del despacho por el que se contabilizan las prdidas. Tenga en cuenta que las
frmulas de prdidas en el mundo real son ms complicadas que las utilizadas en
este ejemplo.
Aplicando las ecuaciones 3,8 y 3,9
Se convierte
7.92 + O.003124P1 = [1 - 2 (O.00003) P1]
Paso 2 Calcule las prdidas incrementales Ploss / (Pi) as como las prdidas
totales Ploss Las prdidas incrementales y las prdidas totales se
considerarn constantes hasta que regresemos al paso 2.
Compare los valores de P1, P2 y P3 del paso 3 con los valores utilizados al
Paso 4
inicio del paso 2. Si no hay ningn cambio significativo en ninguno de los
valores, vaya al paso 5, de lo contrario, vuelva al paso 2.
Paso 5 Hecho
P1 = 400.0MW
P2 = 300.0 MW
P3 = 150.0 MW
P1 = 440.68
P2 = 299.12
P3 = 125.77
Paso 4 Puesto que estos valores para P1, P2, y P3 son muy diferentes de los
valores iniciales, volveremos al paso 2.
Paso 2 Las prdidas incrementales se recalculan con los valores de nueva
generacin.
Paso 3 Las nuevas prdidas incrementales y las prdidas totales se incorporan en las
ecuaciones, y un nuevo valor de , y P1, P2 y P3 se resuelven para
P1 = 433.94 MW
P2 = 300.11 MW
P3 = 131.74 MW
La Tabla 3.1 resume el proceso iterativo utilizado para resolver este problema.
EL MTODO DE LAMBDA-ITERACIN 39
INICIO
CONJUNTO
CALCULAR
Para
CALCULAR
PRIMERA
ITERACION? SI
NO
TOLERANCIA
CALENDARIO
DE IMPRESIN
PROYECTO
FIN
Proyecciones Lambda
Podra, por ejemplo, almacenar las tablas de datos dentro del ordenador e interpolar entre los
puntos de potencia almacenados para encontrar la salida de potencia exacta para un valor
especificado de tasa de coste incremental. Otro enfoque sera desarrollar una funcin analtica
(o sus coeficientes) en el ordenador, y usar esto para establecer la salida de cada una de las
unidades individuales.
Este procedimiento es un tipo de clculo iterativo, al final debemos establecer reglas de
detencin. Dos formas generales de detener las reglas parecen apropiadas para esta
aplicacin. El primero se muestra en la figura 3.3 y es esencialmente una regla basada en
encontrar el punto de funcionamiento adecuado dentro de una tolerancia especificada. El
otro, no mostrado en la figura 3.3, implica contar el nmero de veces a travs del bucle
iterativo y parar cuando se excede un nmero mximo.
El procedimiento de iteracin lambda converge muy rpidamente para este tipo particular de
problema de optimizacin. El procedimiento computacional real es ligeramente ms
complejo que el indicado en la figura 3.3, ya que es necesario observar los lmites operativos
en cada una de las unidades durante el curso del clculo.
El bien conocido mtodo de Newton-Raphson puede utilizarse para proyectar el valor de
coste incremental para conducir el error entre la generacin calculada y deseada a cero.
EJEMPLO 3D
Supongamos que se desea utilizar funciones para representar las caractersticas de entrada-
salida de las plantas generadoras de la siguiente manera.
42 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES
Para las tres unidades, encuentre el horario ptimo usando el mtodo de iteracin lambda.
Suponga que el combustible para ser 1.0R / MBtu para cada unidad y unidad de los lmites
de la siguiente manera.
Se muestran dos clculos de muestra, ambos utilizando el diagrama de flujo de la figura 3.3.
En este clculo, el valor para en la segunda iteracin se fija siempre al 10% por encima o
por debajo del valor inicial dependiendo del signo del error, para las iteraciones restantes,
lambda se proyecta como en la Figura 3.5.
El primer ejemplo muestra la ventaja de comenzar cerca del valor ptimo.
El segundo ejemplo muestra los problemas oscilatorios que se pueden encontrar con un
enfoque de iteracin lambda.
MTODOS GRADIENTES DE ENVO ECONMICO 43
Donde es un escalar para permitirnos garantizar que el proceso converge. El mejor valor de
se debe determinar por el experimento.
Y el objeto que conduce la funcin a su mnimo. Sin embargo, tenemos que preocuparnos
por la funcin de restriccin:
Para resolver el problema del despacho econmico que implica minimizar la funcin objetivo
y mantener la restriccin de igualdad, debemos aplicar la tcnica de gradiente directamente
a la funcin Lagrange misma.
La funcin Lagrange es:
El problema con esta formulacin es la falta de garanta de que los nuevos puntos generados
en cada paso estarn en la superficie . Veremos que esto puede ser superado por una simple
variacin del mtodo del gradiente.
El algoritmo de despacho econmico requiere un valor inicial y valores iniciales para P1,
P2 y P3. El gradiente para se calcula como anteriormente y los nuevos valores de y, etc., se
encuentran a partir de:
EJEMPLO 3E
Dadas las funciones de coste generador encontradas en el Ejemplo 3A, resuelve el envo
econmico de generacin con una carga total de 800 MW.
Usando = 100 y a partir de P01= 300 MW, P02= 200MW, y P03= 300 MW, establecemos el
valor inicial igual al promedio de los costos incrementales de los generadores en sus valores
de generacin inicial. Es decir:
Resultar en dificultad ya que el gradiente no puede garantizar que el ajuste a los generadores
resulte en un calendario que cumpla con la carga total correcta de 800 MW.
Una simple variacin de esta tcnica es darse cuenta de que uno de los generadores es siempre
una variable dependiente y eliminarlo del problema. En este caso, seleccionamos P3 y usamos
lo siguiente:
Tenga en cuenta que esta funcin se mantiene en s misma como una funcin de dos variables
sin restriccin de balance de generacin de carga (y no ). El coste puede ser minimizado por
un mtodo de gradiente y en este caso el gradiente es:
Obsrvese que este gradiente va al vector cero cuando el coste incremental en el generador 3
es igual al de los generadores 1 y 2. Los pasos de gradiente se realizan de la misma manera
que anteriormente, donde:
EJEMPLO 3F
En el ejemplo de reelaboracin 3E con el gradiente reducido se obtienen los resultados
mostrados en la Tabla 3.3. Esta solucin es mucho ms estable y est convergiendo en la
solucin ptima.
EL METODO DE NEWTON 47
Puesto que se trata de una funcin vectorial, podemos formular el problema como uno de
encontrar la correccin que conduce exactamente el gradiente a cero (es decir, a un vector,
cuyos elementos son cero). Nosotros averiguamos cmo encontrar esto, sin embargo, ya
que podemos usar el mtodo de Newton. El mtodo de Newton para una funcin de ms de
una variable se desarrolla de la siguiente manera.
Supongamos que deseamos conducir la funcin g (x) a cero. La funcin g es un vector y las
incgnitas, x, son tambin vectores. Entonces, para usar el mtodo de Newton, observamos:
entonces
EJEMPLO 3G
En este ejemplo usaremos el mtodo de Newton para resolver el mismo despacho
econmico que el utilizado en los Ejemplos 3E y 3F.
El gradiente es el mismo que en el Ejemplo 3E, la matriz de Hesse es:
EXPEDICIN ECONMICA CON FUNCIONES DE COSTO LINEAL DE PIEZA 49
Y un coste de generacin total de 7738,8. Tenga en cuenta que no son necesarios ms pasos,
ya que el mtodo de Newton se ha resuelto en un solo paso. Cuando el sistema de ecuaciones
que componen las funciones de coste de generacin es cuadrtico, y no se alcanzan lmites
de generacin, el mtodo de Newton se resolver en un solo paso.
Hemos introducido el gradiente, gradiente reducido y el mtodo de Newton liebre
principalmente como una forma de mostrar las variaciones de la solucin del problema de
envo econmico de la generacin. Para muchas aplicaciones, la tcnica de bsqueda lambda
es la opcin preferida. Sin embargo, en captulos posteriores, cuando introducimos el flujo
ptimo de energa, las formulaciones de gradiente y Newton se hacen necesarias.
EJEMPLO 3H
Hay tres unidades en el sistema; Todos estn en lnea. Sus caractersticas de entrada-salida
no son lisas ni convexas. Los datos son los siguientes.
La demanda total es D = 310 MW. Esto no se ajusta a los datos exactamente, por lo que
tenemos que interpolar entre los valores ms cercanos que estn disponibles a partir de los
datos, 300 y 325 MW.
Programar las unidades 1 y 2, encontramos que el costo mnimo de la funcin
52 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES
sobre el rango permisible de P2 y para 100 D 350 MW. Los datos de bsqueda se
muestran en la tabla siguiente. Necesitamos ahorrar el costo para servir cada valor de D que
es mnimo y el nivel de carga en la unidad 2 para cada nivel de demanda.
A continuacin minimizamos
Para 50 P3 175 MW y D = 325 MW. Programar la tercera unidad para los dos niveles de
demanda diferentes slo requiere dos filas de la siguiente tabla.
De modo que entre los niveles de demanda de 300 y 325 MW, la unidad marginal es la unidad
2. (Es decir, est recogiendo todo el aumento de la demanda adicional entre 300 y 325 MW).
Por lo tanto, podemos interpolar para encontrar el costo a un nivel de carga de 310 MW, o
un nivel de salida en la unidad 2 de 110 MW. Los resultados para un nivel de demanda de
310 MW son:
P1 = 50, P2 = 110 y P3 = 150 para un coste total de 4286R / h
Un problema que es comn al despacho econmico con programacin dinmica es el pobre
desempeo de control de los generadores. Nos ocuparemos del control del generador en el
captulo 9 cuando hablamos de control automtico de generacin (AGC). Cuando un
generador est bajo AGC y se aade un pequeo incremento de carga al sistema de potencia,
el AGC debe aumentar la salida de las unidades apropiadas para que la nueva produccin de
generacin cumpla con la carga y los generadores estn en el despacho econmico. Adems,
los generadores deben ser capaces de pasar al valor de la nueva generacin en un corto
perodo de tiempo. Sin embargo, si los generadores son grandes unidades generadoras de
vapor, no se les permitir cambiar la produccin de generacin por encima de un "lmite
mximo de velocidad" prescrito de tantos megavatios por minuto. Cuando este sea el caso,
el AGC debe asignar
54 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES
Entonces debemos programar las unidades para minimizar el costo de entregar energa
sobre El perodo de tiempo como:
Esto es cierto para cada una de las N unidades del sistema, de modo que
El cambio total en la generacin (= cambio en la demanda total del sistema) es, por
supuesto,
La ecuacin anterior, 3.33, puede usarse para encontrar el factor de participacin para
cada
Unidad como sigue.
Ejemplo 31
Partiendo de la solucin econmica ptima que se encuentra en el Ejemplo 3A, Mtodo
de factor de participacin para calcular el despacho de una carga 900 MW.
Usando la ecuacin 3.24,
EXPEDICIN ECONMICA CONTRA EL COMIT DE LA UNIDAD 57
El nuevo valor de generacin se calcula utilizando
Para empezar, veamos una simple funcin objetiva elptica. Esto se muestra en la figura
3.8 para varios valores de f. Tenga en cuenta que el valor mnimo f puede alcanzar es
cero, pero que no tiene un valor mximo finito. El siguiente es un ejemplo de un
problema de
optimizacin restringida.
Minimizar:
Sujeto a la restriccin:
Dnde:
Este problema de optimizacin se puede representar como en la figura 3.93.
OPTIMIZACIN DENTRO DE LAS LIMITACIONES 59
Es decir, los dos gradientes se pueden agregar juntos de tal manera que se cancelan
entre s mientras uno de ellos es escalado. La variable de escala, , se denomina
multiplicador de Lagrange, y en lugar de usar los gradientes como se muestra en la Ec.
3A.3, los reafirmaremos como
Para mostrar cmo funciona esto, resuelva el punto ptimo para el problema de la
muestra utilizando el mtodo de Lagrange.
Esta sujeto:
Una vez ms, podemos establecer una ecuacin lagrangiana como antes.
Hasta ahora, hemos asumido que todas las restricciones en el problema eran restricciones
de la igualdad; Que es w (x1, x2,....) = 0. En general, sin embargo, los problemas de
optimizacin implican restricciones de desigualdad; Es decir g (x1, x2,...) = <0, as como
restricciones de igualdad. La solucin ptima a tales problemas no necesariamente
requerir que todas las restricciones de desigualdad sean vinculantes. Los que son
vinculantes resultarn en g (x1, x2,...) = 0 en el ptimo.
Puesto que el producto ui * gi (x0) es igual a cero, ui es igual a cero o gi (x0) es igual a cero, o ambos
son iguales a cero. Si ui0 es igual a cero, gi (x0) es libre de ser no vinculante; Si ui0 es positivo,
entonces gi (x0) debe ser cero. Por lo tanto, tenemos una clara indicacin de si la restriccin es
vinculante o no mirando a ui0.
La segunda condicin da
La tercera condicin da
La cuarta condicin da
En este punto, nos enfrentamos al hecho de que las condiciones de Kuhn-Tucker slo dan las
condiciones necesarias para un procedimiento mnimo, no preciso, sobre cmo se puede encontrar ese
mnimo. Para resolver el problema que acabamos de exponer, debemos literalmente experimentar con
varias soluciones hasta que podamos verificar que una de las soluciones cumple con las cuatro
condiciones. Primero, sea = 0, lo que implica que g (xl, x2) puede ser menor o igual a cero. Sin
embargo, si = 0, podemos ver que las condiciones primera y segunda dan la misma solucin que la que
tenamos antes, sin la restriccin de desigualdad. Pero la solucin anterior viola nuestra restriccin de
desigualdad; Y por lo tanto las cuatro condiciones de Kuhn-Tucker no se mantienen con = 0. En
resumen,
Ahora vamos a intentar una solucin en la que > 0. En este caso, g (x1, x2) debe ser exactamente cero
y nuestra solucin se puede encontrar resolviendo la interseccin de g (x1, x2) y (xl, x2 ), Que ocurre
en x1 = 2,5, x2 = 2,5. Adems, la condicin 1 da = 5.9375 y = 4.6875, y las cuatro condiciones de
Kuhn-Tucker
pero =2
x1 = 2.5
x2 -= 2.5
Por condicin 1
= 5.9375
= 4.6875 y
- . + g1(x1) = x1 x.1+ 0
X1 < x1 < x 1 -
g2 (x1 ) = x1 x1 0
X2- < x < x.
2
+
2 g3(x2) = x2 x.2+ 0
-
g4(x2) = x2 x2 0
Entonces la funcin lagrange se convierte en:
La condicin 1 da:
La condicin 2 da:
La condicin 3 da:
La condicin 4 da:
Caso 1:
Si la solucin ptima se produce en valores para x1 y x2 que no estn en un lmite
superior o inferior, entonces todos los valores de u son iguales a cero y:
Es decir, los costos incrementales asociados con cada variable son iguales y este valor
es exactamente el landa que nos interesa.
Caso 2:
Supongamos ahora que la solucin ptima requiere que x1 est en su lmite superior (es
decir, x1 -x1 * = 0) y que x2 no est en su lmite superior o inferior. Entonces. Y u2, u3
y y4 sern iguales a cero. Entonces, a partir de la condicin 1,
Caso 3:
Supongamos ahora que ocurre lo contrario del caso 2; Es decir, que la solucin ptima
requiera que x1 est en su lmite inferior (es decir, x1- -x1 = 0) y asuma de nuevo que
x2 no est en su lmite superior o inferior. Entonces
Por lo tanto, el costo incremental asociado con una variable en su lmite inferior ser
mayor o igual a landa mientras que, de nuevo, el costo incremental asociado con la
variable que no es lmite igualar a landa
Caso 4:
Si la solucin ptima requiere que x1, x2 estn en el lmite y la restriccin de igualdad
pueda ser satisfecha, entonces landa y los valores u no nulos son indeterminados. Por
ejemplo, supongamos que el ptimo requiera que:
La condicin 1 dara:
Tenga en cuenta que todas las restricciones son ahora restricciones de igualdad, por lo
que hemos utilizado slo los valores landa como multiplicadores lagrange.
Podemos ver que las derivadas de la funcin lagrange con respecto a las variables de
holgura nos proporcionan una vez ms una regla de holgura complementaria. Por
ejemplo, si 2 landa 1 * S1 = 0, entonces landa 1 = 0 y S1 es libre t sea cualquier valor o
S1 = 0 y landa 1 es libre (o landa 1 y S1 pueden ser cero). Puesto que hay tantas
variables de problema, cualquiera que use la forma de variable de holgura o la forma de
restriccin de desigualdad, hay poca ventaja para cualquiera, aparte de quizs una
ventaja conceptual para el estudiante.
Variable dual
Otra manera de resolver un problema de optimizacin es utilizar una tcnica que
resuelva directamente las variables de lagrange y luego resuelva las propias variables
del problema. Esta formulacin se conoce como "solucin dual" y los multiplicadores
de lagrange se denominan "variables duales". Utilizaremos el ejemplo que acabamos de
resolver para demostrar esta tcnica.
La presentacin hasta ahora se ha ocupado de la solucin de lo que se denomina
formalmente el "problema primario", que fue expresado en la Ec. 3A.2 como:
Podemos utilizar la variable dual para resolver nuestro problema de la siguiente manera:
Por lo tanto, el valor de la variable dual es q * (landa) = 5. Los valores de las variables
primitivas son x1 = 4 y x2 = 1.
En el problema de despacho econmico tratado en este captulo, no se pueden eliminar
las variables problemticas, ya que las funciones de coste unitario de generacin pueden
ser lineales por piezas u otras funciones complejas. En este caso, debemos utilizar el
algoritmo de optimizacin dual descrito anteriormente; A saber, primero optimizamos
en landa y luego en las variables de problema, y luego volvemos y actualizamos landa,
etc. Dado que el problema dual requiere que encontremos:
Y no tenemos una funcin explcita en landa (como hicimos arriba), debemos adoptar
una estrategia ligeramente diferente. En el caso del despacho econmico u otros
problemas donde no podemos eliminar las variables problemticas, encontramos una
forma de ajustar landa para mover q (landa) de su valor inicial a uno que es mayor. La
forma ms sencilla de hacerlo es usar un ajuste de degradado para que
Donde alfa simplemente hace que el gradiente se comporte bien. Una manera ms til
de aplicar la tcnica de gradiente es dejar que landa se ajuste hacia arriba a una
velocidad y hacia abajo a una velocidad mucho ms lenta; por ejemplo:
Este valor se comparar con el valor ptimo de la funcin, q *. La diferencia entre ellos se llama
la "brecha de dualidad". Una buena medida de la cercana a la solucin ptima es la "brecha de
la dualidad relativa", definida como:
TABLA 3.4 Optimizacin dual
APNDICE 3B
Aplicaciones de programacin dinmica
La aplicacin de mtodos digitales para resolver una amplia variedad de problemas de
optimizacin de control y dinmica a finales de 1950 llev al Dr. Richard Bellman y sus
asociados al desarrollo de la programacin dinmica. Estas tcnicas son tiles para
resolver una variedad de problemas y pueden reducir en gran medida la Esfuerzo
computacional para encontrar trayectorias ptimas o polticas de control.
El fondo terico matemtico, basado en el clculo de variaciones, es algo difcil. Sin
embargo, las aplicaciones no dependen de la voluntad de expresar el problema de
optimizacin particular en trminos apropiados para una formulacin de programacin
dinmica (DP).
En la programacin de sistemas de generacin de energa, se han desarrollado tcnicas
DP para lo siguiente.
El despacho econmico de los sistemas trmicos
La solucin de problemas hidrotermales de planificacin econmica
La solucin prctica del problema de compromiso de la unidad.
Este texto abordar tres reas:
Figura 3.12. Ejemplo de programacin dinmica
En primer lugar, sin embargo, ser tambin necesario introducir algunos ejemplos
unidimensionales. La figura 3.12 representa el costo de transportar un envo unitario
desde el nodo A al nodo N. Los valores en los arcos son los costos o valores del arco. El
problema es encontrar el mnimo del costo de A a N. El mtodo a ser ilustrado es el de
la programacin dinmica. Los dos primeros ejemplos son de la referencia 18 y se
utilizan con permiso.
Comenzando en A, la trayectoria mnima del coste a N es ACEILN
Comenzando en C, la ruta de menor costo a N es CEILN
Comenzando en E, la ruta de menor costo a N es EILN
Comenzando en I, la ruta de menor costo a N es ILN
Comenzando en L, la ruta de menor costo a N es LN
Figura 3.13 Ejemplo de programacin dinmica que muestra el coste mnimo en cada nodo
En general:
Dando:
Sera posible llevar a cabo este procedimiento en la direccin opuesta con la misma
facilidad.
Un problema de asignacin
Tabla 3.5 Ganancia versus inversin
Para transformar esto en un problema de varios niveles, deje que las etapas sean:
Dnde:
FIG.3.14 Curva de rgimen de calor incremental lineal por pieza para el problema 3.2.
Unit 1:
Point MW IHR (Btu/kWh)
1 100 7000
2 200 8200
3 300 8900
4 400 11000
Fuel cost for unit 1 = 1.60 R/MBtu
Unit 2:
3.3 Suponga que la carga del sistema servida por las dos unidades del problema 3.1 vara de 50 a
200 MW. Para los datos del problema 3.1, trazar las salidas de las unidades 1 y 2 en funcin de la carga
total del sistema al programar la generacin por iguales costos incrementales de produccin. Suponga
que ambas unidades estn funcionando.
3.4 Como ejercicio, obtenga la carga ptima de las dos unidades generadoras en el Problema 3.1
usando la siguiente tcnica. Las dos unidades entregarn 100 MW. Suponga que ambas unidades estn
en lnea y entregan energa. Trace el coste total del combustible para 100 MW de potencia entregada, ya
que la generacin se cambia de una unidad a otra. Encuentre el costo mnimo. El horario ptimo debe
comprobar con el horario obtenido por igual los costos incrementales de produccin.
3.5 Este problema demuestra la complejidad que implica cuando debemos comprometer (activar)
las unidades generadoras, as como enviarlas econmicamente. Este problema se conoce como el
problema de compromiso de la unidad y es el tema del Captulo 5.
Dadas las dos unidades generadoras en el Problema 3.1, suponga que ambas estn fuera de lnea al
principio. Adems, suponga que la carga comienza en 50 MW y aumenta a 200 MW. El programa ms
econmico para suministrar esta carga variable requerir comprometer una unidad primero, seguido por
el compromiso de la segunda unidad cuando la carga alcanza un nivel ms alto.
Determine qu unidad debe cometer primero y en qu carga debe ser comprometida la unidad restante.
Suponga que no hay costos de "puesta en marcha" para ninguna de las dos unidades.
3.6 El sistema a estudiar consta de dos unidades, tal como se describe en el problema 3.1. Suponga un
ciclo de carga diaria como sigue.
Time Band Load (MW)
0000-0600 50
0600-1800 150
1800-0000 50
Adems, supongamos que se incurre en un costo de 180 para tomar cualquiera de las unidades fuera de
lnea y devolverlo al servicio despus de 12 h. Considere el perodo de 24 horas desde 0600 una maana
a 0600 la maana siguiente.
A. Sera ms econmico mantener ambas unidades en servicio durante este perodo de 24 horas
o retirar una de las unidades del servicio durante el perodo de 12 horas de 1800 una noche a
0600 la maana siguiente?
B.Cul es el calendario econmico para el perodo de tiempo de 0600 a 1800 (carga = 150
MW)?
C.Cul es el calendario econmico para el perodo de tiempo de 1800 a 0600 (carga = 50 MW)?
3.7 Suponga que se estn ejecutando las tres unidades trmicas descritas a continuacin.
Encuentre los horarios de despacho econmico segn lo solicitado en cada parte. Utilice el mtodo y las
condiciones iniciales indicadas
M i n i mu m Ma x i mu m F ue l Co st Unit Data
(MW) (MW) (R/MBtu)
H1 = 225 + 8.4P1 + 0.0025P? 45 350 0.80
H2 = 729 + 6.3P2 + 0.0081P3 45 350 1.02
H3 = 400 + 7.5P 3 + 0.0025/1 47.5 450 0.90
A.Utilizar el mtodo de iteracin lambda para encontrar el despacho econmico para una
demanda total de 450 MW.
B.Utilizar el mtodo base y el factor de participacin para encontrar el calendario econmico
para una demanda de 495 MW. Comience desde la solucin hasta la parte a.
C.Utilice un mtodo de gradiente para encontrar la planificacin econmica para una demanda
total de 500 MW, suponiendo que las condiciones iniciales (es decir, las cargas) de las tres
unidades son
P1= P3 = 100 MW Y P2 = 300 MW
D las cargas unitarias individuales y el costo por hora, as como el costo total por hora para
suministrar cada nivel de carga. (MBtu = millones de Btu; Hj =, entrada de calor en MBtu / h;
Pi= potencia elctrica en MW; i = 1, 2, 3.)
3.8 Programacin trmica con segmentos de lnea recta para curvas de entrada y salida.
Los siguientes datos se aplican a tres unidades trmicas. Calcule y bosqueje las caractersticas de
entrada-salida y las caractersticas incrementales del caudal de calor. Supongamos que las curvas
de entrada-salida de la unidad consisten en segmentos de lnea recta entre los puntos de potencia
dados.
Calcule el calendario econmico para las demandas del sistema de 300, 460, 500 y 650 MW,
suponiendo que las tres unidades estn en lnea. Dadas las cargas unitarias y los costos por hora, as
como los costos totales en l por hora.
3.9 Despacho medioambiental
Recientemente, ha habido preocupacin que el despacho econmico ptimo no era el mejor
ambientalmente. Los principios del despacho econmico pueden
ampliarse fcilmente para manejar este problema. El siguiente es un problema basado en una situacin
real que ocurri en el medio oeste de los Estados Unidos en 1973. Otros casos han surgido con la
emisin "NO" en Los ngeles.
Dos unidades de vapor tienen curvas de entrada-salida como sigue.
H1 = 400 + 5P1 + 0.01n MBtu/h, 20 < P1 < 200 MW
H2 = 600 + 4P2 + 0.015P3, MBtu/h, 20 < P2 < 200 MW
Las unidades queman carbn con un contenido de calor de 11,500 Btu / lb que cuesta 13,50 pies por
tonelada (2000 lb). El proceso de combustin en cada unidad da como resultado el 11,75% del carbn en
peso subiendo la pila como cenizas volantes.
A. Clculo de las tasas netas de calor de ambas unidades a 200 MW.
B. Clculo de las tasas de calentamiento incremental; Programar cada unidad para una economa ptima
para atender una carga total de 250 MW con ambas unidades en lnea.
C. Clculo del costo del suministro de esa carga.
D. Clculo de la tasa de emisin de cenizas volantes para ese caso en libras (lb) por hora, suponiendo
que no hay dispositivos de eliminacin de cenizas volantes en servicio.
E. Unidad 1 tiene instalado un precipitador que elimina el 85% de las cenizas volantes; El precipitador
de la unidad 2 es 89% eficiente. Reescalonar las dos unidades para la tasa de emisin mnima total de
cenizas volantes con ambas en lnea para servir una carga de 250 MW.
F. Clculo de la tasa de emisin de cenizas y el costo de este programa para atender la carga de 250
MW. Cul es la penalizacin de costos?
G. Dnde va todo eso ceniza voladora?
3.10 Tomar los datos de generacin mostrados en el Ejemplo 3A. Ignorar los lmites de
generacin y resolver para el despacho econmico utilizando el mtodo de gradiente y el mtodo de
Newton. Resolver para una generacin total de 900 MW en cada caso.
3.11 Se le ha asignado el trabajo de construir un oleoducto desde la costa oeste de los Estados
Unidos hasta la costa este. Se le dice que cualquiera de los tres sitios de la Costa Oeste es satisfactorio y
que cualquiera de los tres sitios de la costa este es satisfactorio. Los nmeros en la figura 3.15
representan el costo relativo en cientos de millones de dlares 10w). Encuentre el oleoducto ms barato
de Costa Oeste a Costa Este.
3.12 El problema de la diligencia
Un vendedor mtico que tena que viajar al oeste por diligencia, a travs de un pas hostil,
deseaba tomar la ruta ms segura. Su punto de partida y destino eran fijos, pero tena una considerable
eleccin en cuanto a qu estados viajara a travs de la ruta.
FIG.3.15 Posibles rutas de oleoductos para el problema 3.11.
Unit 1:
H1(P1) = {80 + 8P1 + 0.024Pi 196.4 20 MW < P1 < 60 MW
60 MW < Pi < 100 MW
+ 3P1 + 0.075P?
Los lmites de generacin son 20 MW <P3 <100MW. Costos de combustible = 1,5 R / MBtu
para todas las unidades.
A. Muestre la funcin de costo de cada unidad (ver Problema 3.1).
B. Muestre la funcin de costo incremental para cada unidad.
C. Consulte el envo ms econmico para las siguientes demandas totales suponiendo que
todas las unidades estn en lnea:
PD = 100 MW
PD= 140 MW
PD = 180 MW
PD = 220 MW
PD = 260 MW
Dnde:
PD = P1 P2 P3
Resolver utilizando la programacin dinmica y los pasos de carga discreta de 20 MW,
comenzando en 20 MW a 100MW para cada unidad.
D. Puede resolver estos problemas de despacho sin programacin dinmica? Si usted
piensa que usted sabe cmo, intente resolver para PD = 100 MW.
3.14 Dado: las dos unidades generadoras a continuacin con funciones de coste lineal por piezas
F (P) como se muestra.
Encuentre el horario de generacin ptimo para una potencia total de 350 MW (supongamos que
ambos generadores estn en lnea).
3.15 Dado: dos unidades de generador con funciones de coste incremental lineal por pieza como
se muestra.
Encontrar el horario ptimo para una potencia total de 650 MW; Es decir, 650 es igual a la carga ms las
prdidas.
OTRAS LECTURAS
Dado que este captulo introduce varios conceptos de optimizacin, sera til referirse a algunos de los
trabajos generales sobre optimizacin como las referencias 1 y 2. La importancia del teorema de Kuhn-
Tucker se da en su artculo (referencia 3). Una discusin muy completa del teorema de Kuhn-Tucker se
encuentra en el captulo 1 de la referencia 4.
Para una visin general de las prcticas recientes de optimizacin de sistemas de potencia, vanse las
referencias 5 y 6. Se han presentado varias otras aplicaciones de optimizacin. En la referencia 7 se
discute la asignacin del margen de regulacin al despachar unidades generadoras. Las referencias 8-11
discuten cmo formular el problema de despacho como uno que minimiza la contaminacin del aire de
las plantas de energa.
La referencia 12 explica cmo se desarrolla el despacho econmico dinmico. La referencia 13 es una
buena revisin de los trabajos recientes en materia de despacho econmico. Las referencias 14 y 15
muestran cmo se pueden incorporar problemas especiales al despacho econmico, mientras que las
referencias 16 y 17 muestran cmo pueden aplicarse algoritmos no convencionales totalmente diferentes
al despacho econmico. Las referencias 18-21 son un resumen de la programacin dinmica, que se
presenta en uno de los apndices de este captulo.
1. Application of Optimization Methods in Power System Engineering, IEEE Tutorial Course Text
76CH1107-2-PWR, IEEE, New York, 1976.
2. Wilde, P. J., Beightler, C. S., Foundations of Organization, Prentice-Hall, Englewood Cliffs, NJ, 1967.
3. Kuhn, H. W., Tucker, A. W., "Nonlinear Programming," in Second Berkeley Symposium on
Mathematical Programming Statistics and Probability, 1950, University of California Press, Berkeley,
1951.
4. Wismer, D. A., Optimization Methods for Large-Scale Systems with Applications, McGraw-Hill,
New York, 1971.
5. IEEE Committee Report, "Present Practices in the Economic Operation of Power Systems," IEEE
Transactions on Power Apparatus and Systems, Vol. PAS-90, July/August 1971, pp. 1768-1775.
6. Najaf-Zadeh, K., Nikolas, J. T., Anderson, S. W., "Optimal Power System Operation Analysis Techniques,"
Proceedings of the American Power Conference, 1977.
7. Stadlin, W. 0., "Economic Allocation of Regulating Margin," IEEE Transactions on Power
Apparatus and Systems, Vol. PAS-90, July/August 1971, pp. 1777-1781.
8. Gent, M. R., Lamont, J. W., "Minimum Emission Dispatch," IEEE Transactions on Power Apparatus and
Systems, Vol. PAS-90, November/December 1971, pp. 26502660.
9. Sullivan, R. L., "Minimum Pollution Dispatching," IEEE Summer Power Meeting, Paper C-72-468, 1972.
10. Friedman, P. G., "Power Dispatch Strategies for Emission and Environmental Control," Proceedings
of the Instrument Society of America, Vol. 16, 1973.
11. Gjengedal, T., Johansen, S., Hansen, 0., "A Qualitative Approach to EconomicEnvironment
DispatchTreatment of Multiple Pollutants," IEEE Transactions on Energy Conversion, Vol. 7, No. 3,
September 1992, pp. 367-373.
12. Ross, D. W., "Dynamic Economic Dispatch," IEEE Transactions on Power Apparatus and Systems,
November/December 1980, pp. 2060-2068.
13. Chowdhury, B. H., Rahman, S., "A Review of Recent Advances in Economic Dispatch," IEEE
Transactions on Power Systems, Vol. 5, No. 4, November 1990, pp. 1248-1259.
14. Bobo, D. R., Mauzy, D. M., "Economic Generation Dispatch with Responsive Spinning Reserve
Constraints," 1993 IEEE Power Industry Computer Applications Conference, 1993, pp. 299-303.
15. Lee, F. N., Breipohl, A. M., "Reserve Constrained Economic Dispatch with Prohibited
Operating Zones," IEEE Transactions on Power Systems, Vol. 8, No. 1, February 1993, pp. 246-254.
16. Walters, D. C., Sheble, G. B., "Genetic Algorithm Solution of Economic Dispatch with Valve
Point Loading," IEEE Transactions on Power Systems, Vol. 8, No. 3, August 1993, pp. 1325-1332.
17. Wong, K. P., Fung, C. C., "Simulated Annealing Bbased Economic Dispatch Algorithm," I
EE Proceedings, Part C: Generation, Transmission and Distribution, Vol. 140, No. 6, November
1993, pp. 509-515.
18. Kaufmann, A., Graphs, Dynamic Programming and Finite Games, Academic Press, New York,
1967.
19. Howard, R. A., Dynamic Programming and Marko') Processes, Wiley and Technology Press, New
York, 1960.
20. Bellman, R. E., Dreyfus, S. E., Applied Dynamic Programming, Princeton University Press,
Princeton, NJ, 1962.
21. Larson, R. E., Costi, J. L., Principles of Dynamic Programming, M. Decker, New York, 1978-
1982.