3 Despacho Econmico de Unidades

Trmicas y Mtodos de Solucin

Este captulo presenta tcnicas de optimizacin del sistema de potencia. Para una comprensin
completa de cmo se llevan a cabo los problemas de optimizacin, lea primero el apndice de
este captulo donde se introducen los conceptos del multiplicador de Lagrange y las
condiciones de Kuhn-Tucker.

3.1 EL PROBLEMA DEL DESPACHO

ECONMICO
La figura 3.1 muestra la configuracin que se estudiar en esta seccin. Este sistema consta de
N unidades generadoras trmicas conectadas a una barra de bus nica que sirve una carga
elctrica recibida Pload. La entrada a cada unidad, mostrada como Fi representa la tasa de costo *
de la unidad. La salida de cada unidad, Pi. es la salida elctrica energa generada por esa unidad
en particular. La tasa de costo total de este sistema es, por supuesto, la suma de los costos de
cada una de las unidades individuales. La limitacin esencial en el funcionamiento de este
sistema es que la suma de las potencias de salida debe ser igual a la demanda de carga.
Matemticamente hablando, el problema puede ser expresado de manera muy concisa. Ese
Es, una funcin objetivo, FT, es igual al coste total para suministrar la carga indicada. El
problema es minimizar FT sujeto a la restriccin de que la suma de las potencias generadas
debe ser igual a la carga recibida. Tenga en cuenta que las prdidas de transmisin se descuidan
y los lmites de operacin no se establecen explcitamente al formular este problema. Es decir,

* 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

Se trata de un problema de optimizacin restringido que puede ser atacado formalmente

utilizando mtodos avanzados de clculo que implican la funcin Lagrange.
Para establecer las condiciones necesarias para un valor extremo de la funcin objetivo, aada
la funcin de restriccin a la funcin objetivo despus de que la funcin de restriccin se haya
multiplicado por un multiplicador indeterminado. Esto se conoce como la funcin de
Lagrange y se muestra en la Ec. 3.3.

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.

Es decir, la condicin necesaria para la existencia de una condicin de funcionamiento de costo

mnimo para el sistema de energa trmica es que las tasas de costo incremental de todas las
unidades sean iguales a algn valor indeterminado .Por supuesto, a este
 EL PROBLEMA DE DESPACHO ECONMICO 31

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.

Unidad 1: Unidad de vapor a carbn: Mx. salida = 600 MW

Mn. salida = 150 MW

Curva de entrada - salida:

Unidad 2: Unidad de vapor de aceite: Mx. salida = 400 MW

Mn. salida = 100 MW

Curva de entrada - salida:

 32 ECONOMIC DISPATCH OF THERMAL UNITS
30 DESPACHO ECONMICO DE LAS UNIDADES TRMICAS

Unidad 3: Unidad de vapor de aceite:

Max salida = 200 MW
Min salida = 50 MW
Curva de entrada - salida:

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

F3 (P3) = H3 (P3) x 1 . 0 = 78 + 7.97 P3 + O.00482P32/h

Usando la ecuacin 3.5, las condiciones para un despacho ptimo

Resolviendo para A, se obtiene:

 EL PROBLEMA DE DESPACHO ECONMICO 33

Y resolviendo para P1,P2 y P3:

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

Supongamos que el precio del carbn disminuy a 0,9 R / MBtu. La funcin

de coste de combustible para la unidad 1 se convierte en

Si uno va sobre la solucin exactamente como se hace aqu, los

resultados son

= 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

De la ecuacin 3.6, vemos que A debe igualar el coste incremental de la unidad 2

puesto que no est en ninguno de los dos lmites. Entonces

A = dF2 = 8.626 R/MWh

dP2 P2=200

. ,..."..'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

Que es menor que , mientras que

Ambos iguales .
 3.2 DESPACHO DEL SISTEMA TRMICO CON PERDIDAS DE
RED CONSIDERADAS

La figura 3.2 muestra simblicamente un sistema de generacin de energa

totalmente trmico conectado a un bus de carga equivalente a travs de una red de
transmisin. El problema de despacho econmico asociado con esta configuracin
particular es ligeramente ms complicado de configurar que el caso anterior. Esto
se debe a que la ecuacin de restriccin es ahora una que debe incluir las prdidas
de red. La funcin objetivo, FT, es la misma que la definida para la Ec. 3.1. Sin
embargo, la ecuacin de restriccin mostrada anteriormente en la ecuacin 3.2
debe ahora. Se ampliar a la que se muestra en la Ec. 3.7.

Se sigue el mismo procedimiento en el sentido formal para establecer las

condiciones necesarias para una solucin de operacin de costo mnimo, La
funcin de Lagrange se muestra en la Ec. 3.8. Al tomar la derivada de la funcin
de Lagrange con respecto a cada una de las salidas de potencia individuales Pi,
debe reconocerse que la prdida en la red de transmisin es una funcin de las
impedancias de la red y de las corrientes que fluyen en la red. Para nuestros
propsitos, las corrientes sern consideradas slo como una funcin de las
variables independientes Pi y la carga Pload tomando la derivada de la funcin de
Lagrange con respecto a cualquiera de los N valores de Pi resulta en la Ec. 3.9.
Hay N ecuaciones de este tipo que se satisfacen junto con la ecuacin de
restriccin mostrada en la ecuacin 3.7. Esta coleccin, la Ec. 3,9 ms la Ec. 3.7,
se conoce colectivamente como las ecuaciones de coordinacin.

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

Comenzando con las mismas unidades y los costos de combustible como en el

Ejemplo 3A, incluiremos una expresin de prdida simplificada.

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]

Similarmente para P2 y P3,

7.85 + O.00388P2 = [l - 2 (O.OO009) P2]

7.97 + O.00964P3 = [l - 2 (O.OOOI2) P3]
y
 DESPACHO DE SISTEMA TRMICO CON PRDIDAS DE RED CONSIDERADAS 37

Ya no tenemos un conjunto de ecuaciones lineales como en el Ejemplo 3A. Esto

requiere un procedimiento de solucin ms complejo como sigue.
Paso 1 Elija un conjunto de valores iniciales para P1, P2 y P3 que suman a la
carga.

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.

Calcular el valor de que hace que P1, P2 y P3 sumen al total

Paso 3
Carga ms prdidas. Esto es ahora tan simple como los clculos en el
ejemplo 3A puesto que las ecuaciones son de nuevo lineales.

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

Usando este procedimiento, obtenemos

Paso 1 Seleccione los valores iniciales P1, P2 y P3 como

P1 = 400.0MW
P2 = 300.0 MW
P3 = 150.0 MW

Paso 2 Las prdidas incrementales son

Las prdidas totales son 15.6 MW.

Paso 3 Ahora podemos resolver para usando lo siguiente:

7.92 + 0.003124P1 = (1 - 0.0240) = (0.9760)

7.85 + 0.00388P2 = (1 - 0.0540) = (0.9460)
7.97 + 0.00964P3 = (1 - 0.0360) = (0.9640)
y
 38 DESPACHO ECONMICO DE UNIDADES TRMICAS

Estas ecuaciones son ahora lineales, por lo que podemos resolver

directamente A. Los resultados son
= 9.5252 R/MWh

Y las salidas del generador resultantes son

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.

Las prdidas totales son de 15,78 MW.

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

Resultando en = 9.5275 R/MWh y

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

TABLA 3.1 Proceso iterativo utilizado para resolver el ejemplo 3

P1 P2 P3 Prdidas
Iteracin (MW) (MW) (MW) (MW) (R/MWh)
Inicio 400.00 300.00 150.00 15.60 9.5252
1 440.68 299.12 125.77 15.78 9.5275
2 433.94 300.11 131.74 15.84 9.5285
3 435.87 299.94 130.42 15.83 9.5283
4 434.13 299.99 130.71 15.83 9.5284

3.3 EL MTODO DE LAMBDA-ITERACIN

La figura 3.3 es un diagrama de bloques del mtodo de solucin de lambda-iteracin

para las unidades trmicas, despachando el problema descuidando las prdidas.
Podemos abordar la solucin a este problema considerando una tcnica grfica para
resolver el problema y luego extenderlo al rea de los algoritmos informticos.
Supongamos que tenemos un sistema de tres mquinas y deseamos encontrar el

INICIO

CONJUNTO

CALCULAR
Para

CALCULAR

PRIMERA
ITERACION? SI
NO

TOLERANCIA

CALENDARIO
DE IMPRESIN
PROYECTO
FIN

FIG. 3.3 Despacho econmico por el mtodo lambda-iteracin.

40 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES

FIG. 3.4 Solucin grfica para el despacho econmico.

econmico. Un enfoque sera trazar las caractersticas de costo incremental para

cada una de estas tres unidades en el mismo grfico, tal como se ilustra en la Figura
3.4. Con el fin de establecer los puntos de operacin de cada una de estas tres
unidades de tal manera que tengamos un costo mnimo y al mismo tiempo satisfacer
la demanda especificada, podramos usar este boceto y una regla para encontrar la
solucin. Es decir, podramos asumir una tasa de coste incremental (l) y encontrar
las potencias de cada una de las tres unidades para este valor de costo incremental.
Por supuesto, nuestra primera estimacin ser incorrecta. Si hemos asumido el valor
del costo incremental tal que la potencia total es demasiado baja, debemos aumentar
el valor de A. y probar otra solucin. Con dos soluciones, podemos extrapolar (o
interpolar) las dos soluciones para acercarnos al valor deseado de potencia total
recibida (ver Figura 3.5).
Mediante el seguimiento de la demanda total frente al costo incremental, podemos
encontrar rpidamente el punto de operacin deseado. Si lo deseramos, podramos
fabricar toda una serie de tablas que mostraran la potencia total suministrada para
diferentes niveles de costos incrementales y combinaciones de unidades.
Este mismo procedimiento puede ser adoptado para una implementacin
informtica como se muestra en la Figura 3.3. Es decir, vamos a establecer ahora un
conjunto de reglas lgicas que nos permitiran lograr el mismo objetivo que
acabamos de hacer con el papel de gobernador y el grfico. Los detalles reales de
cmo se establece la potencia de salida en funcin de la tasa de coste incremental
son de muy poca importancia. Nosotros
 EL METODO DE ITERACION LAMBDA 41

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

3.4 MTODOS GRADIENTES DE EXPEDICIN ECONMICA

Tenga en cuenta que la tcnica de bsqueda lambda siempre requiere que uno pueda
encontrar la potencia de salida de un generador, dado un costo incremental para ese
generador.
En el caso de una funcin cuadrtica para la funcin de coste, o en el caso en que la funcin
de coste incremental est representada por una funcin lineal por piezas, esto es posible. Sin
embargo, a menudo es el caso de que la funcin de costo es mucho ms compleja, como la
que se muestra a continuacin.

En el caso, debemos encontrar un mtodo ms bsico de solucin para el ptimo.

3.4.1 Bsqueda de Gradiente

Este mtodo trabaja sobre el principio de que el mnimo de una funcin, f (x), se puede
encontrar por una serie de pasos que siempre nos llevan en direccin descendente. Desde
cualquier punto de partida, x0, podemos encontrar la direccin de "descenso ms
pronunciado" observando que el gradiente de f, es decir,
44 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES

Siempre apunta en la direccin de ascenso mximo. Por lo tanto, si queremos moverse en la

direccin de descenso mximo, negamos el gradiente. Entonces debemos ir x0 de x1 a usar:

Donde es un escalar para permitirnos garantizar que el proceso converge. El mejor valor de
se debe determinar por el experimento.

3.4.2. Despacho Econmico por Bsqueda de Gradiente

En el caso del despacho econmico del sistema elctrico esto se convierte en:

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:

Y el gradiente de esta funcin es:

 MTODOS GRADIENTES DE ENVO ECONMICO 45

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:

Donde el vector x es:

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:

Este valor es 9.4484.

El progreso de la bsqueda de gradiente se muestra en la Tabla 3.2. La tabla muestra que
las iteraciones no han conducido a ninguna solucin en absoluto. Los intentos de usar esta
formulacin
46 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES

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:

Entonces el coste total, que debe ser minimizado, es:

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:

Cada vez que se realiza un gradiente, la generacin en el generador 3 se establece en 800

menos la suma de la generacin en los generadores 1 y 2. Este mtodo se denomina a menudo
"gradiente reducido" debido al menor nmero de variables.

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

3.5 EL METODO DE NEWTON

Podemos desear ir un paso ms all del mtodo del gradiente simple y tratar de resolver el
despacho econmico observando que el objetivo es conducir siempre

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:

Si dejamos que la funcin se defina como:

entonces

Que es la matriz Jacobiana familiar. El ajuste en cada paso es entonces:

48 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES

Ahora, si dejamos que la funcin g sea el vector gradiente obtenemos:

Para nuestro problema de envo econmico esto toma la forma:

Y es como se defini antes. La matriz Jacobiana se convierte ahora en una compuesta

de derivadas secundarias y se denomina matriz de Hesse.

Generalmente, el mtodo de Newton resolver la correccin que es mucho ms cerca del

costo mnimo de generacin en un paso que sera el mtodo del gradiente.

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

En este ejemplo, simplemente estableceremos la inicial igual a 0, y los valores de generacin

iniciales sern iguales que en el Ejemplo 3E tambin. El gradiente de las funciones de
Lagrange es:

La matriz de Hessians es:

Resolviendo para la correccin al vector x y haciendo la correccin, obtenemos

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.

3.6 ENVO ECONMICO CON FUNCIONES DE COSTO LINEALES

Muchas compaas elctricas prefieren representar sus funciones de coste de generador como
funciones de coste lineal de un solo segmento o de mltiples segmentos. Las curvas
mostradas en la figura 3.6 son representativas de tales funciones. Tenga en cuenta que si
intentramos usar el mtodo de bsqueda iteracin de lambda en la funcin de costo de
segmento nico, siempre aterrizaramos en Pmin o Pmax a menos que estuviera exactamente
igual al costo incremental en qu punto el valor de P seria indeterminado.
50 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES

Funciones de coste lineales por pieza

Para resolver este problema, realizamos el envo de forma diferente.

Para todas las unidades que se ejecutan, comenzamos con todas ellas en Pmin, luego
comenzamos a elevar la salida de la unidad con el segmento de costo incremental ms bajo.
Si esta unidad golpea el extremo derecho de un segmento, o si golpea Pmax, entonces
encontraremos la unidad con el siguiente segmento de coste incremental ms bajo y
elevaremos su salida. Eventualmente, llegaremos a un punto en el que la salida de una unidad
se est elevando y el total de todas las salidas de unidad es igual a la carga total, o carga ms
prdidas. En ese punto, asignamos la ltima unidad que est siendo ajustada para tener una
generacin que est parcialmente cargada para un segmento. Tenga en cuenta que si hay dos
unidades con exactamente el mismo coste incremental, simplemente las cargamos por igual.
Para hacer este procedimiento muy rpido, podemos crear una tabla que da a cada segmento
de cada unidad su contribucin MW (el extremo de la mano derecha MW menos la mano
izquierda en MW). Luego ordenamos esta tabla por orden ascendente de costo incremental.
Al buscar de arriba abajo en esta tabla no tenemos que ir y buscar el siguiente segmento cada
vez que un nuevo segmento debe ser elegido. Esta es una forma extremadamente rpida de
envo econmico.
 EXPEDICIN ECONMICA UTILIZANDO PROGRAMACIN DINMICA 51

3.7 ENVO ECONMICO UTILIZANDO PROGRAMACIN DINMICA

Como vimos en el captulo 2 cuando consideramos los puntos de vlvulas en la curva de

entrada-salida (por ejemplo, Figura 2.6), la posibilidad de curvas no convexas debe ser
considerada si se desea una precisin extrema. Si se van a utilizar curvas de entrada / salida
no convexas, no podemos usar una metodologa de costo incremental igual, ya que hay
valores mltiples de salida de MW para cualquier valor dado de costo incremental.
En tales circunstancias, hay una manera de encontrar un despacho ptimo que utiliza la
programacin dinmica (DP). Si el lector no tiene antecedentes en DP, el Apndice 3B de
este captulo debe leerse en este momento.
La solucin de programacin dinmica para el despacho econmico se hace como un
problema de asignacin, como se indica en el Apndice 3B. Usando este enfoque, no
calculamos un solo conjunto ptimo de salidas de MW del generador para una carga total
especfica suministrada, sino que generamos un conjunto de salidas, en puntos discretos, para
un conjunto completo de valores de carga.

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.

Esto resulta en:

* Carga de unidades 2 a un nivel de coste mnimo

 EXPEDICIN ECONMICA UTILIZANDO PROGRAMACIN DINMICA 53

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.

Los resultados muestran:

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

El cambio en la generacin a muchas otras unidades, de modo que el cambio de la carga

puede ser Acomodados lo suficientemente rpido.
Cuando se haga el despacho econmico con programacin dinmica y Las curvas de
coste son no convexas, nos encontramos con un problema difcil cada vez que un Un
pequeo incremento en la carga produce un nuevo despacho que requiere uno o
Generadores para bajar mucho su produccin y otros para aumentar un gran cantidad. El
envo resultante puede tener los valores ms Determinada por el DP, pero la accin de
control no es aceptable y Probablemente violen las tasas de rampa para varias de las
unidades. La nica manera de producir un despacho que sea aceptable para el sistema de
control, Adems de ser el ptimo econmicamente, es aadir los lmites de velocidad de
rampa a La propia formulacin del despacho econmico. Esto requiere una carga de corto
alcance Pronstico para determinar los requerimientos ms probables de carga y carga de
las unidades. Este problema se puede afirmar de la siguiente manera. Dada una carga a
suministrar en incrementos de tiempo t = 1. . . T ,,,, con niveles de carga De Pioada, nd N
generadores on-line para suministrar la carga:

Cada unidad debe obedecer un lmite de velocidad tal que:

Entonces debemos programar las unidades para minimizar el costo de entregar energa
sobre El perodo de tiempo como:

Este problema de optimizacin se puede resolver con la programacin dinmica y

Rendimiento de control" del envo ser considerablemente mejor que el Utilizando la
programacin dinmica y sin restricciones de lmite de rampa (consulte el Captulo 9,
referencia 19).
 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES 56

3.8 PUNTOS BSICOS Y FACTORES DE PARTICIPACIN

Este mtodo supone que el problema del despacho econmico tiene que ser resuelto
Repetidamente moviendo los generadores de un horario econmicamente ptimo A otro
como la carga cambia por una cantidad razonablemente pequea. Partimos de Un horario
determinado, el punto base. A continuacin, el planificador asume un cambio de carga E
investiga cunto debe moverse cada unidad generadora (es decir, "Participar" en el
cambio de carga) para que la nueva carga sea Punto de funcionamiento ms econmico.
Supongamos que tanto la primera como la segunda derivada en el coste versus potencia
Salida estn disponibles (Le., Tanto F como Fy existen). El costo incremental Curva de la
isima unidad se da en la figura 3.7. Como la carga unitaria se cambia Cantidad A 4, el
coste incremental del sistema se mueve de A 'a 2' + AA. Para un pequeo Cambio en la
salida de potencia en esta sola unidad,

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,

Fig 3.8:puntos bsicos

57 EXPEDICIN ECONMICA DE LAS UNIDADES TERMALES
La suma de la unidad individual cambia. Sea PD la demanda total en la
Generadores (donde PD = Plaod+Ploss), entonces

La ecuacin anterior, 3.33, puede usarse para encontrar el factor de participacin para
cada
Unidad como sigue.

La implementacin informtica de tal esquema de despacho econmico es sencillo. Se

podra hacer mediante la provisin de tablas de los valores de FY como Una funcin de
los niveles de carga y disear un esquema sencillo para tomar las Carga ms el aumento
proyectado para buscar estos datos y calcular los factores. Un esquema algo menos
elegante para proporcionar factores de participacin Implican un clculo de repeticin de
despacho econmico en Pg + APD. El punto base Los valores de la generacin
econmica se sustraen de los nuevos Generacin y la diferencia dividida por APD para
proporcionar la participacin Factores. Este esquema funciona bien en implementaciones
de Tiempo de ejecucin para el despacho econmico es corto y siempre proporcionar
Respuestas cuando las unidades alcanzan lmites, pasan a travs de puntos de rotura en
piezas Funciones de coste incremental lineal, o tienen curvas de costes no convexas.

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

Luego, para cada unidad

3.9 EL ENVO ECONMICO CONTRA EL COMPROMISO DE LA UNIDAD

En este punto, puede ser bien enfatizar la diferencia esencial entre el compromiso de la
unidad y el problema del despacho econmico. El despacho econmico Problema supone
que hay N unidades ya conectadas al sistema. Los El objetivo del problema del despacho
econmico es encontrar el Para estas N unidades. Este es el problema que hemos estado
investigando Hasta ahora en este texto. Por otro lado, el problema del compromiso de la
unidad es ms complejo. Supongamos que tenemos N unidades a nuestra disposicin y
que tenemos una previsin del Demanda para ser servido. La pregunta que se plantea en
el compromiso de la unidad Problema es aproximadamente como sigue.

Dado que hay una serie de subconjuntos del conjunto completo de N

Unidades generadoras que satisfagan la demanda esperada, cul de estas
Subconjuntos deben ser utilizados para proporcionar el costo mnimo de
operacin?
Este problema de compromiso de la unidad puede extenderse durante algn perodo de
tiempo, Como las 24 h de un da o las 168 h de una semana. El problema de compromiso
de la unidad Es un problema mucho ms difcil de resolver. Los procedimientos de
solucin
Econmico como un subproblema. Es decir, para cada uno de los subconjuntos Del
nmero total de unidades que se van a probar, para un conjunto dado de ellas Conectado a
la carga, el subconjunto particular debe ser operado de forma ptima Econmica. Esto
permitir encontrar el costo mnimo de operacin para ese Subconjunto, pero no establece
cul de los subconjuntos es de hecho el que Dar el coste mnimo durante un perodo de
tiempo.
Un captulo posterior considerar el problema del compromiso de la unidad con algn
detalle. El problema es ms difcil de resolver matemticamente ya que se trata de entero
58 ENVO ECONMICO DE LAS UNIDADES TERMALES
Variables. Es decir, las unidades generadoras deben estar todas encendidas o apagadas.
(Cmo se puede activar un interruptor a la mitad?)
APNDICE 3A
Optimizacin dentro de las restricciones
Supongamos que est tratando de maximizar una funcin de varias variables. Es
relativamente difcil encontrar el mximo o mnimo usando reglas de clculo. En primer
lugar, por supuesto, debe encontrar un conjunto de valores para la variable donde la
primera derivada de la funcin con respecto a cada variable es cero. Adems, las
segundas derivadas deben usarse para determinar si la solucin encontrada es un punto
mximo, mnimo o de silla.
En la optimizacin de un problema de la vida real, uno suele enfrentarse a una funcin
que debe maximizarse o minimizarse, as como numerosas restricciones que deben
cumplirse. Las limitaciones, a veces llamadas condiciones laterales, pueden ser otras
funciones con condiciones que deben cumplirse o pueden ser condiciones simples tales
como lmites sobre las variables mismas.
Antes de comenzar esta discusin sobre la optimizacin restringida, vamos a poner
algunas definiciones. Puesto que el objetivo es maximizar o minimizar una funcin
matemtica, llamaremos a esta funcin la funcin objetivo. Las funciones de restriccin y
los lmites de las variables simples se agruparn bajo las restricciones de trmino. La
regin definida por las restricciones se dice que es la regin factible para las variables
independientes. Si los constantes son tales que no existe tal regin, es decir, no hay
valores para las variables independientes que satisfagan todas las restricciones, entonces
se dice que el problema tiene una solucin inviable. Cuando una solucin ptima a un
problema de optimizacin restringida se produce en el lmite de la regin factible definida
por una restriccin, decimos que la restriccin es vinculante. Si la solucin ptima se
encuentra alejada del lmite, la restriccin es no vinculante.

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

FIG3.8: funcin elipse

FIG3.9: Funcin objetivo elptica con restriccin de igualdad.

Necesitamos observar que el ptimo como se representa, da el valor mnimo para nuestra
funcin objetivo, f, mientras que tambin cumple la funcin de restriccin, w. Este punto
ptimo se produce cuando la funcin f es exactamente tangente a la funcin w. De hecho,
esta observacin puede hacerse ms rigurosa y formar la base para nuestro desarrollo de
multiplicadores de Lagrange.
En primer lugar, vuelva a dibujar la funcin f para varios valores de f alrededor del punto
ptimo. En el punto (x1 ', x2'), calcule el vector de gradiente de f. Esto se ilustra en la
Figura 3.10 como (1 , 2 ). Obsrvese que el gradiente en (x1 ', x2') es perpendicular
a f pero no a w, y por lo tanto tiene una componente no nula a lo largo de w. De manera
similar, en el punto (x1 '', x2 '') el gradiente de f tiene una componente no nula a lo largo
de w. El componente no nulo del gradiente a lo largo de w nos dice que un pequeo
movimiento a lo largo de w en la direccin de este componente aumentar la funcin
objetivo. Por lo tanto, para minimizar f debemos ir w en la direccin opuesta.
60 DESPACHO ECONMICO PARA UNIDADES TRMICAS

FIG. 3.10 Gradientes cerca de un ptimo restringido

Componente del gradiente proyectado sobre . En el punto ptimo, el gradiente de f es

perpendicular (matemticos dicen "normal") a y por lo tanto no puede haber mejora
en f desplazando este punto. Podemos resolver matemticamente este punto ptimo
utilizando esta propiedad "normal" en el ptimo. Para garantizar que el gradiente de f
(es decir, f) es normal a , simplemente requerimos que f y el gradiente de , ,
sean vectores linealmente dependientes. Los vectores linealmente dependientes deben
"alinearse" entre s (es decir, apuntan exactamente en la misma direccin o exactamente
en la direccin opuesta), aunque pueden ser diferentes en magnitud. Matemticamente,
podemos entonces establecer la siguiente ecuacin.

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

Esta ecuacin se denomina ecuacin de Lagrange y consta de tres variables, x1, x2 y .

Cuando resolvemos los valores ptimos para x1 y x2, calcularemos automticamente el
valor correcto para . Para cumplir con las condiciones establecidas en la Ec. 3A.3,
simplemente requerimos que la derivada parcial de con respecto a cada una de las
variables desconocidas x1, x2 y , sea igual a cero. Es decir,
En el ptimo:
 OPTIMIZACIN DENTRO DE LAS RESTRICCIONES 61

Para mostrar cmo funciona esto, resuelva el punto ptimo para el problema de la
muestra utilizando el mtodo de Lagrange.

Obsrvese que la ltima ecuacin en (3A.6) es simplemente la ecuacin de restriccin

original. La solucin de la ecuacin 3A.6 es:

Cuando hay ms de una restriccin presente en el problema, el punto ptimo se puede

encontrar de una manera similar a la que se acaba de usar. Supongamos que hay tres
limitaciones que se deben cumplir, entonces nuestro problema sera el siguiente.
Minimizar:

Esta sujeto:

El punto ptimo tendra la propiedad de que el gradiente de fy

Los gradientes de w1, w2 y w3 son linealmente dependientes. Esto es,

Una vez ms, podemos establecer una ecuacin lagrangiana como antes.

Cuyo ptimo ocurre en:

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.

La regla fundamental que dice cundo se ha alcanzado el ptimo se presenta en un famoso

documento de Kuhn y Tucker (referencia 3). Las condiciones de Kuhn-Tucker, como se les
llama, se presentan aqu.

Entonces, formando la funcin de Lagrange

La primera condicin da:

Las condiciones para un ptimo para el punto, son:

La primera condicin es simplemente el conjunto familiar de las derivadas parciales de la funcin de

Lagrange que debe ser igual a cero en el ptimo. La segunda y tercera condiciones son simplemente
una reafirmacin de las condiciones de restriccin en el problema. La cuarta
condicin, denominada a continuacin la condicin de holgura complementaria, proporciona una forma
matemtica concisa de resolver el problema de las restricciones de unin y no vinculantes.

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.

Que puede ilustrarse como en la figura 3.11

Primero, configure la ecuacin de LAGRANGE para el problema.

FIG. 3.11 Funcin objetivo elptica con restricciones de igualdad y desigualdad

La primera condicin da:

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

si = 0, Entonces por condiciones 1 y 2

xl = 4
x2 = 1

pero =2

g(x1, x2) = 4 + 0.2(1) 3 = 1.20

xi=4
x2= I
La primera condicin da:

If u > 0, Entonces por condiciones 2 y 3

x1 = 2.5

x2 -= 2.5

Por condicin 1

= 5.9375

= 4.6875 y

g(x1, x2)|x1= sobre

Se pueden obtener considerables conocimientos x2= 2.5las= 2.5 + 0.2(2.5) -3
caractersticas de =0
las soluciones
ptimas mediante el uso de las condiciones de Kuhn-Tucker. Una idea importante viene
Se cumplen
de la formulacin del problema de optimizacin todas
para las condiciones.
que refleje nuestros problemas de
despacho econmico del sistema elctrico estndar. Especficamente, asumiremos que la
funcin objetivo consiste en una suma de funciones de coste individuales, cada una de las
cuales es una funcin de una sola variable. Por ejemplo,

f(x1, x2) = C1(x1) + C2(x2)

Adems, restringiremos este problema para tener una restriccin de igualdad de la forma

(x1, x2) = L xi x2= 0

Y un conjunto de restricciones de desigualdad que actan para restringir las
variables del problema dentro de un lmite superior e inferior. Es decir,

- . + 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

Y u1, u3 y u4 sern iguales a cero. Entonces desde la condicin 1:

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:

Y los valores especficos para landa, u1 y u3 seran indeterminados. En resumen, para el

problema general de N variables:

Deje que el ptimo se encuentre en xi = xi opt i = 1 ... N y asuma que al menos un xi no

es un lmite. Entonces,

Formulacin de la variable de holgura:

Un enfoque alternativo al problema de optimizacin con las restricciones de
desigualdad requiere que todas las restricciones de inercialidad se conviertan en
restricciones de igualdad. Esto se hace agregando variables flojas de la siguiente
manera.

Aadimos s1 ^ 2 a que s1 no necesita ser limitado en signo. Hacer todas las

restricciones de desigualdad elimina la necesidad de las condiciones 3 y 4 de las
condiciones de Khun-Tucker. Sin embargo, como veremos en breve, el resultado es
esencialmente el mismo. Utilicemos nuevamente nuestro problema de dos variables:
 Los resultados de Lagrange son:

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:

La funcin de lagrange ser:

Si definimos una funcin dual es:

Entonces el "problema dual" es encontrar:

La solucin, en el caso del problema dual implica dos problemas de optimizacin

separados. Thefirts requiere que tomemos un conjunto initialset de valores para x1 y x2
y luego encontramos el valor de landa que maximiza q (landa). Entonces tomamos este
valor de landa, mantenindolo constante, encontramos valores de x1 y x2 que
minimizan el lagrange. Este proceso se repite o itera hasta que se encuentra la solucin.
En el caso de funciones objetivas convexas, como el ejemplo utilizado en este apndice,
se garantiza que este procedimiento resuelve al mismo ptimo que la solucin del
problema primal presentada anteriormente.
El lector notar que en el caso de las funciones presentadas en la Ec. 3A.2, podemos
simplificar el procedimiento anterior eliminando x1 y x2 del problema en conjunto, en
cuyo caso podemos encontrar el mximo de q (landa) directamente. Si expresamos las
variables del problema en trminos del multiplicador de Lagrange (o variable dual),
obtenemos:

Ahora eliminamos las variables originales del problema de la funcin lagrangiana:

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:

La proximidad a la solucin final en el mtodo de optimizacin dual se mide observando el

tamao relativo de la "brecha" entre la funcin primaria y la funcin dual. El problema de
optimizacin primal puede ser resuelto directamente en el caso del problema indicado en la Ec.
3A.2 y el valor ptimo se llamar J * y se define como:

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

Para un problema convexo con variables continuas, la brecha de dualidad se convertir

en cero en la solucin final. Cuando adoptemos el mtodo de optimizacin dual en el
captulo 5, trataremos de problemas no convexos con variables no continuas y la brecha
de dualidad nunca llegar a cero.
Utilizando el enfoque de optimizacin dual en el problema dado en la Ec. 3A.2 y
comenzando con landa = 0, se obtienen los resultados mostrados en la Tabla 3.4. Como
puede verse, este procedimiento converge a la respuesta correcta.
Una nota especial sobre la bsqueda lambda. El lector debe notar que la tcnica dual,
cuando se aplica al despacho econmico, es la misma que la tcnica de bsqueda
lambda que introdujimos anteriormente en este captulo para resolver el problema del
despacho econmico.

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

La eleccin de la ruta se realiza en secuencia. Hay varias etapas recorridas. La poltica

de secuencia ptima; Cualquier subsecuencia es una subpoltica. A partir de esto puede
verse que la poltica ptima (es decir, la ruta de coste mnimo) consta slo de
subpolitcas ptimas. El suyo es el teorema de la optimalidad.

Una poltica ptima debe contener slo una

subpolitica ptima.

En la referencia 20, Bellman y Dreyfus lo llaman el "Principio de optimalidad" y lo

declaran como
Una poltica es ptima si, en una etapa declarada, cualesquiera que hayan sido las
decisiones anteriores, las decisiones an por tomar constituyen una poltica ptima
cuando se incluye el resultado de las decisiones anteriores
Seguimos con el mismo ejemplo, slo ahora vamos a encontrar la ruta de costo mnimo.
La figura 3.13 identifica las etapas (I, II, III, IV, V). En el trmino de cada etapa, hay un
conjunto de opciones de nodos (Xi) a elegir (x3) = (H, I, J, K))
El smbolo Va, depende de los nodos de inicio y terminacin. Por ltimo, Fa (Xi) es el
costo mnimo para las etapas I a travs de A para llegar a algn nodo particular Xi al
final de esa etapa, partiendo de A. Los nmeros en los crculos de nodo de la figura 3.13
representan este costo mnimo.

F1 (X1): el coste mnimo para la primera etapa es obvio:

F11 (X2): coste mnimo para las etapas I y II en funcin de X2:

Figura 3.13 Ejemplo de programacin dinmica que muestra el coste mnimo en cada nodo

El coste es el nodo infinito D ya que no hay camino de D a E:

Por lo tanto, en cada etapa debemos registrar el costo mnimo y la terminacin que
comienza la etapa con el fin de lograr la ruta de costo mnimo para cada uno de los
nodos que termina la etapa actual.

Coste mnimo de las etapas I, II y III en funcin de X 3:

En general:

Dando:

Coste mnimo de las etapas I a IV en funcin de X4:

 Coste mnimo de las etapas I a V en funcin de X5:

El camino del coste mnimo se encuentra como sigue:

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

Asignar, el problema es encontrar la asignacin de inversin ptima. La nica

restriccin es que las inversiones deben hacerse en cantidades enteras. Por ejemplo, si
uno tena 10 unidades para invertir y la poltica era poner 3 en I, 1 en II, 5 en III y 1 en
IV, entonces:
El problema es encontrar una poltica de asignacin que produzca el mximo beneficio. Dejar:

Son las inversiones en I a IV

Son las ganancias

10 es la restriccin; Es decir, 10 unidades

deben ser invertidas

Para transformar esto en un problema de varios niveles, deje que las etapas sean:

Dnde:

El total de beneficio es:

Que puede escribirse:

En la segunda etapa, podemos calcular

Luego, en la tercera etapa.
Finalmente, la ltima etapa es
f4(A)= max [f3(U2) + V4(A U2)] {U2}
ptima sub-tctica.
U2 A or X4 f3(U2) V4(X4) f4(A) for I, II, & III ptima tctica
0 0 0 0 0, 0, 0 0, 0, 0, 0
1 0.28 0.20 0.28 1, 0, 0 1, 0, 0, 0
2 0.53 0.33 0.53 1, 1, 0 1, 1, 0, 0
3 0.70 0.42 0.73 2, 1, 0 1, 1, 0, 1
4 0.90 0.48 0.90 3, 1, 0 3, 1, 0,0 or 2, 1, 0, 1
5 1.06 0.53 1.10 3, 2, 0 3, 1, 0, 1
6 1.21 0.56 1.26 3, 2, 1 3, 2, 0, 1
7 1.35 0.58 1.41 3, 3, 1 3, 2, 1, 1
8 1.48 0.60 1.55 4, 3, 1 3, 3, 1, 1
9 1.60 0.60 1.68 5, 3, 1 or 3, 3, 3 4,3,1,1or 3,3,1,2
10 1.73 0.60 1.81 4, 3, 3 4, 3, 1, 2

Considere el procedimiento y las soluciones:

1. No es necesario enumerar todas las soluciones posibles. En su lugar, utilizamos una bsqueda
ordenada y escnica, cuya forma era la misma en cada etapa.
2. La solucin se obtuvo no slo para A = 10, sino para el conjunto completo de valores de A {A} = 0,
1, 2, ..., 10.
3. La poltica ptima slo contiene subpolticas ptimas. Por ejemplo, A = 10, (4, 3, 1, 2) es la poltica
ptima. Para las etapas I, II, III y U2 = 8, (4, 3, 1) es la subpoltica ptima. Para las etapas I y II, y U1 =
7, (4, 3) es la subpoltica ptima. Para la etapa I solamente, X1 = 4 fija la poltica.
4. Observe tambin que al almacenar los resultados intermedios, podramos trabajar una serie de
variaciones diferentes del mismo problema con los datos ya calculados.
PROBLEMAS
3.1 Suponga que las entradas de combustible en MBtu por hora para las unidades 1 y 2, ambas en
lnea, estn dadas por
Hl = 8P1 + 0.02411 + 80
H2 = 6P2 0.04P3 + 120
Dnde
Hn = entrada de combustible a la unidad n en MBtu por hora (millones de Btu por hora)
Pn= potencia de la unidad en megavatios
A. Muestre las caractersticas de entrada-salida para cada unidad que expresa la entrada en MBtu por
hora y la salida en megavatios. Suponga que la carga mnima de cada unidad es de 20 MW y que la
carga mxima es de 100 MW.
B. Clculo de la tasa de calor neto en Btu por kilovatio-hora, y grfico contra la produccin en
megavatios.
C. Suponga que el costo del combustible es de 1,5 R / MBtu. Calcule el costo de produccin incremental
en R/MWh de cada unidad, y compute contra la produccin en megavatios.
3.2 Despacho con funcin de tasa de calor incremental lineal de tres segmentos
Dado: Dos unidades de generacin con curvas incrementales de velocidad de calor (IHR) especificadas
como tres segmentos de lnea conectados (cuatro puntos como se muestra en la figura 3.14).

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:

Point MW IHR (Btu/kWh)

1 - 150 7500
2 275 7700
3 390 8100
4 450 8500
Fuel cost for unit 2 = 2.10 g/MBtu
Ambas unidades estn funcionando. Calcular el horario ptimo (es decir, la unidad de salida de
megavatios para cada unidad) para diversos valores de megavatios totales que deben suministrar las
unidades. Encuentre el horario para estos valores de megavatios totales:
300 MW, 500 MW, 700 MW, 840 MW
Notas: Piecewise curvas de coste de incremento lineal son bastante comunes en las ejecuciones de
computadora digital de envo econmico. El problema se resuelve mejor usando una tcnica de
"bsqueda". En tal tcnica, se le da un valor al coste incremental y las unidades estn programadas para
cubrir este costo incremental. Las salidas de megavatios de las unidades se suman y se comparan con el
total deseado. Dependiendo de la diferencia, y si el total resultante est por encima o por debajo del total
deseado, se intenta un nuevo valor de coste incremental. Esto se repite hasta que se encuentra el coste
incremental que da el valor deseado correcto. El truco es buscar de una manera eficiente para que el
nmero de iteraciones se minimice.

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.

Los costos de combustible son:

Unit No. Fuel Cost (g/MBtu)
1 0.61
2 0.75
3 0.75

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.

FIG.3.16 Posibles rutas de diligencia para el problema 3.12.

El posible entrenador de rutas en etapas se muestra en la Figura 3.16. Despus de pensar un poco, el
vendedor dedujo una manera inteligente de determinar su ruta ms segura. Las plizas de seguro de vida
se ofrecan a los pasajeros, y como el costo de cada pliza se basaba en una evaluacin cuidadosa de la
seguridad de esa carrera, la ruta ms segura debera ser la que tuviera la poltica ms barata. El coste de
la poltica
FIG.3.17 Costo para pasar del estado i al estado j en el problema 3.12. Los costos no mostrados son
infinitos.
La diligencia de ejecucin del estado i al estado j, denotada como C, se da en la figura 3.17.
Encuentre el camino (s) ms seguro (s) para que el vendedor tome.
3.13 Problema de envo econmico.
Considere tres unidades generadoras que no tienen funciones convexas de entrada-salida. (Este es el tipo
de problema que se encuentra al considerar los puntos de vlvula en el problema de envo).

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.

A. Encuentre el horario ptimo para una potencia total de 500 MW.

B. Ahora suponga que hay prdidas de transmisin en el sistema y las prdidas incrementales para los
generadores son:

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.