Sie sind auf Seite 1von 21

POWER SYSTEM OPERATION AND CONTROL

DE ALLEN J. WOOD Y BRUCE F. WOLLENBERG

Capitulo 13 Flujo de Potencia Optimo


(OP F: Optimal Power Flow)

Tarmeño Bernuy. Julio Alberto


Mendoza Jaime, Enrique Martin
Flujo de Potencia Optimo
1.- INTRODUCCION
El flujo de potencia Optimo (OPF) fue discutido inicialmente por Carpentier (1962) y
tomado en cuenta mucho tiempo después como algoritmo exitoso que puede ser
aplicado en la solución de ecuaciones de sistemas de potencia en el día a día.
Actualmente el uso del OPF se centra en la disponibilidad de tomarlo en cuenta en la
seguridad del sistemas eléctricos.
Inicialmente considerábamos el despacho económico con una sola restricción es decir
“la potencia total generada es igual a la carga mas las perdidas”:

PLoad  PLosses   Pi  0

Así el despacho económico resultaba en un problema de Lagrange con una sola


restricción:
L   F ( Pi )   ( PLoad  PLosses   Pi )
Flujo de Potencia Optimo

Realmente estamos diciendo que:


“la generación debe obedecer las condiciones del flujo de potencia”
Es decir que:
“el flujo entero de potencia es una simple restricción de igualdad”
Lo que realmente sabemos es que el calculo del Despacho Económico involucra una
serie de restricciones, mas aun si deseamos optimizar los costos y la seguridad de los
entes involucrados, es así que observamos que las:
 Restricciones de igualdad son las ecuaciones de balance de carga, que se obtienen al
imponer una restricción de balance de potencia activa y reactiva en todos los nodos del
sistema.
 Restricciones de desigualdad consideran los límites que deben satisfacer las unidades de
SEP.
Estas reflejan los límites operativos impuestos a los dispositivos y al SEP, pueden ser:
Límites: de PG y QG , de t onmin y t off min , de velocidad de cambio de generac.
de flujos de carga en las ramas, del cambiador de fase de un transformador, de las
variables de control de los dispositivos FACTS, de emisión de contaminantes al medio etc.
Flujo de Potencia Optimo

SOLUCIÓN DEL FLUJO DE POTENCIA OPTIMO


El OPF es un problema de programación matemática demasiado extenso y difícil de
resolver, para lo cual se han desarrollado técnicas aplicadas satisfactoriamente, entre
los más trascendentes que se pueden citar están:
 Método del Gradiente
 Programación lineal
 Programación cuadrática
 Métodos de Newton
 Aproximaciones por descomposición P-Q
 Métodos por Punto Interior
 Algoritmos genéticos
 Redes neuronales
 Programación Evolutiva
 Búsqueda Tabú
 Programación por enjambre de partículas
Flujo de Potencia Optimo
Características de algunos de estos métodos:
 Método de iteración Lambda: Base de estándares de programa de despacho
económico on-line. Las pérdidas las representa por la matriz B; las penalidades se
calculan por un flujo de potencia externo. Pasa por alto limitaciones en el sistema de
transmisión. No produce despacho de generación que evite sobrecargas, violaciones
del limite de tensión o de la restricciones de seguridad. Esta técnica puede
procesarse rápidamente.
 Método del gradiente: De convergencia lenta y difícil para resolver en presencia de
restricciones de desigualdad (inecuaciones).
 Método de Newton: De muy rápida convergencia; presenta problemas con las
restricciones de desigualdad.
 Programación lineal (LPOPF): Es el más desarrollado y ahora de uso común.
Trabaja fácilmente con restricciones de desigualdad. Las funciones objetivo y
restricciones no lineales son manejadas por linealización.
 Método de Punto interior: Es otro de los métodos más ampliamente desarrollado y
utilizado para resolver OPF. Tiene la facilidad de manejar las restricciones de
desigualdad.
Flujo de Potencia Optimo
Formulación matemática del OPF
La Función Objetivo en el OPF suele ser minimizado. En algunos casos, como la
transferencia de Potencia, esta función puede ser maximizada. De forma general, el
OPF puede ser formulado como un problema de optimización no lineal con
restricciones y limites de variable de control y estado, que matemáticamente se
expresa como:
Min f (x,u)
sujeto a h(x,u) = 0 y g(x,u) < 0
Donde:
f (x,u) : función objetivo, es el criterio o índice de desempeño usado para optimizar.
Algunas funciones objetivo empleadas en un estudio de OPF son:

 Costo de generación.
 Pérdidas de transmisión de potencia activa/reactiva.
 Costo por interrupción de carga.
 Número de reprogramación de los controles.
 Emisiones contaminantes por parte de los generadores térmicos.
Flujo de Potencia Optimo
x ∈ Rn1 : vector de n1 variables de estado
u∈ Rn2 : vector de n2 variables de control
h(x,u) = 0 : r restricciones de igualdad (límites operativos de las variables de control)
g(x,u) : m restricciones de desigualdad (restricciones operativas)
Variable de control: Se ajustan para encontrar la solución óptima y satisfacer las
restricciones.
Valor continuo (generación de potencia activa)
Valor discreto (posición del tap de un transformador)
Variable de estado: Se calculan a partir de las variables de control (dependientes).
Ejm.: Potencia nodo slack, Voltaje nodos de carga, Potencia
reactiva de generadores, Ángulo de fase nodos (excepto
el slack),
Flujos de potencia en red de transmisión.
Flujo de Potencia Optimo
Función Objetivo del Flujo de Potencia Optimo
La función objetivo del FPO es usualmente minimizarlo: g(Z) = 0
Donde las variables del vector Z, son controles ajustables; tales como, magnitudes
de tensión de barra, ángulos de fase, así como parámetros fijos del sistema, luego
debemos “partir” las variables en un conjunto de variables de estado, variables de
control y parámetros fijos.
Restricciones en desigualdades :
En MVA:
En estado o variables de control:

El problema de FPO entonces consiste en minimizar (o maximizar) la función


objetivo, sujeto a inecuaciones de restricciones y límites de variables de control y de
estado.
Flujo de Potencia Optimo
Metodo de Gradiente
Consideramos la función objetivo al total de los costos de generación. La función objetivo a minimizar es:

Donde la suma se extiende a todos los generadores del sistema de potencia, incluyendo a la barra de
referencia.
Definimos la variable desconocida “x” como:
x=
Otro vector “y” es definido como:

y=
Flujo de Potencia Optimo
Metodo de Gradiente
Debido a que algunos parámetros son fijos y otros variables, dividimos el vector “y”
en dos partes: “u” y “p”, tal como:

Donde “u” denota el vector de control o ajuste de variables y “p” variables fijas o
constantes en este punto.
Finalmente, debemos definir un conjunto de “m” ecuaciones que gobiernan el flujo
de potencia:
x=

Deseamos expresar que el costo ó función objetivo como una función de las
variables de control y de variables de estado. Hacemos esta división de la función
del costo como sigue:
Flujo de Potencia Optimo
Donde en el primer sumando no se incluya la barra de referencia. Pi son todas las
variables independientes y Pref variables dependientes, Pi es un vector “u” y Pref
una función de las red de tensiones y ángulos:
Entonces la función de costo viene a ser:

Entonces podremos ajustar la ecuación de Lagrange para la FPO como sigue:

Donde:
x = Vector de variables de estado
u = Vector de variables de control
p = Vector de parámetros fijos
= Vector multiplicador de Lagrange
g = Conjunto de desigualdades de restricciones que representan las ecuaciones del flujo de
potencia.
Flujo de Potencia Optimo
Metodo de Gradiente
Esta ecuación de Lagrange es quizás mejor visto cuando es escrito de la siguiente
manera:

Ahora tenemos una ecuación de Lagrange con una única función objetivo y “m”
multiplicadores de Lagrange, una de cada “m” ecuaciones de flujo de potencia.
Minimizando:

FO para la barra Slack:


Flujo de Potencia Optimo
Metodo de Gradiente
Nótese que la matriz vista en la ecuación (13.18) en la transpuesta.
La ecuación (13.19) es el gradiente de la función de Lagrange con respecto a las
variables de control. Aquí el vector en un función de derivadas de la función
objetivo con respecto a las variables de control es:

El otro término en la ecuación (13.19) , realmente consiste de una matriz de todos


elementos ceros y alguno -1 en la diagonal, el cual corresponde a la ecuación en
g(x,u,p), donde la variable de control es presente. Finalmente en la ecuación
(13.20) consiste simplemente de la misma ecuación de flujo de potencia.
Flujo de Potencia Optimo
Metodo de Gradiente
La solución del método de gradiente de un FPO es como sigue:
1. Dado un conjunto de parámetros “p” fijos, asumir un conjunto de arranque de
variables de control “u”.
2. Resolver el flujo de potencia. Esto garantiza que la ecuación (13.20) es satisfecha.
3. Resolver la ecuación (13.19) para lambda:
4. Sustituir en la ecuación (13.18) para obtener la gradiente de con respecto a las
variables de control.
Flujo de Potencia Optimo
Metodo de Newton
El problema con el método de gradiente radica principalmente en el hecho de que la dirección de la
gradiente deberá estar cambiando continuamente a menudo y esto conduce a una muy lenta convergencia.
Para llegar con una convergencia mas rápida a la solución, podremos usar en método de Newton, donde
tomamos la derivada de la gradiente con respecto a “x”, “u” y . Entonces el flujo de potencia óptimo
viene a ser:

Esta matriz ecuación en muy formidable garantía para computar y manipular. Esto es extremadamente
esparcido y requiere de una especial lógica de esparcidez.
El método usual es de formar una restricción de función es “penalidad”, como sigue:
Esto es posible para reforzar las restricciones por la invención de las funciones de penalidad exterior
siguiente:
Flujo de Potencia Optimo
Metodo de Newton
La función de penalidad es mostrado en la siguiente figura:

Penalidad

 Para resolver el FPO con las inecuaciones de restricción de voltaje, nosotros agregamos la función de penalidad hacia la
función objetivo “f”. La función resultante será enorme la tensión de salida está en el límite y así en FPO intentará forzar
esto dentro de los límites como minimizar el objetivo.
 Desde que el método de Newton información de la segunda derivada en si misma y esto no hace gran dificultad en
converger y este puede manejar las inecuaciones de restricción muy bien. La dificultad con el método de Newton surge
el hecho de que cerca al límite de penalidad es pequeño así que la solución óptima tenderá a permitir la variable, un
voltaje como en el ejemplo de arriba que flota sobre su límite. Esto es aparentemente un procedimiento de cambio
simple de alcanzar el valor de K puede eventualmente causar la matrices que sean mal condicionados y el método
fracasa. Cuando estos son pocos límites a ser considerados con una función objetivo es “poco profundo” que es, la
variabilidad de “f” con ajustes en las variables de control es muy baja, el método de Newton es el mejor método a usar.
Flujo de Potencia Optimo
Método de programación lineal
Análisis de sensibilidad lineal
Antes de discutir con la discusión de los métodos de programación lineal y el de puntos interiores para el
cálculo de FPO, debemos desarrollar el concepto de análisis de sensibilidad lineal. Los coeficientes de
sensibilidad lineales dan indicación del cambio de una de las cantidades del sistema (ejemplo : flujo de MW,
flujo de MVA, tensión de barra, etc.) como otra cantidad es variada (ejemplo: salida de MW de un generador,
posición del TAP de un transformador, etc.) estas relaciones lineales son esenciales para la aplicación de la
programación lineal). Nótese que como la variables ajustable es cambiada asumimos que la reacción del
sistema de potencia tanto como para mantener todas la ecuaciones de flujo resueltas. Como tal, los
coeficientes de sensibilidad lineal puede ser expresado como derivadas parciales por ejemplo:

Muestra la sensibilidad del flujo en una línea de transmisión (de i a j) con respecto a la potencia generada en
la barra k.
Programación Lineal
Los métodos de gradiente y de Newton para resolver los FPO sufren a partir de manejar las inecuaciones de
las restricciones. La programación lineal sin embargo es ideal para este manejo siempre que el problema a ser
resuelto es tal que este puedes ser linealizado sin pérdidas de precisión.
La figura (13.14) muestra un tipo de estrategia a usar para crear un FPO usando programación lineal. Las
ecuaciones del flujo de potencia pueden ser para representaciones en DC y para ecuaciones en AC de un
conjunto desacoplado o un completo cálculo de ecuaciones de flujo de potencia en AC. Escoger el método
afectará la dificultad de obtener los coeficientes de sensibilidad linealizados y las pruebas de convergencia
usadas.
Métodos de programación lineal
Condicones de flujo de potencia
inicial

Resolución de las ecuaciones de


flujo de potencia

Creación de la función objetivo


lineal

Obtención de los Coeficientes de


Sensiblidad de restricciones

Ajustar y resolver la
programación lineal PL para
ajustes de variables de control
nuevos

No convergencia Test de Convergencia


convergencia
No significa los ajustes No significa
de una o mas movimientos de
variables de control variables de control
Fig. 13.14
Flujo de Potencia Optimo
Metodo de Programación Lineal
En la información mostrada líneas abajo, mostramos como el FPO puede ser
estructurado como una PL. Primero, atacaremos el problema de la expresión de
la entrada y salida no lineal o funciones de costo como un ajuste de funciones
lineales. Esto fue similarmente tratado en la sección 7.9 para unidades
hidroeléctricas. Permite la función de costo ser F(Pi) y mostrados en la figura
13.5.
Nosotros podemos aproximar esta función no lineal como una serie de líneas
segmentadas y mostradas en la figura 13.6. Los tres segmentos podrán ser
representados como Pi1, Pi2, Pi3 y cada segmento tendrá una pendiente
designada: si1, si2 y si3.
Entonces la función costo por si misma es:

y:
y finalmente:
Flujo de Potencia Optimo
Metodo de Programación Lineal

Fi Fi

Pi Pi
Pi1 Pi2 Pi3

Fig. 13.5. Característica no lineal de Fig. 13.6. La función costo linealizada


la función costo

Fig. 13.6
Flujo de Potencia Optimo
Flujo de potencia óptimo con seguridad Restringida
Inicio

Solución básica del FPO Algoritmo de muestreo de contingencias

NO Nuevas
End
contingencias?
SI
Admitir nuevas contingencias a
la lista de contingencias

Resolver flujo de potencia Resolver flujo de potencia Resolver flujo de potencia


en AC para 1er. Caso de en AC para 2do. Caso de en AC para ultimo Caso de
contingenica contingenica contingenica

Salvar restricciones de Salvar restricciones de Salvar restricciones de


contingencia contingencia contingencia

Resolver el FPO con restricciones


ITERACION FPO
Monitoreo de criterios de convergencia y parada ahsta el criterio definido

ITERACION DE MUESTREOS DE CONTINGENIAS


Operación del sistema de potencia óptimo (sin contingencias)

Das könnte Ihnen auch gefallen