Beruflich Dokumente
Kultur Dokumente
PLoad PLosses Pi 0
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:
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:
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:
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
Ajustar y resolver la
programación lineal PL para
ajustes de variables de control
nuevos
y:
y finalmente:
Flujo de Potencia Optimo
Metodo de Programación Lineal
Fi Fi
Pi Pi
Pi1 Pi2 Pi3
Fig. 13.6
Flujo de Potencia Optimo
Flujo de potencia óptimo con seguridad Restringida
Inicio
NO Nuevas
End
contingencias?
SI
Admitir nuevas contingencias a
la lista de contingencias