Análisis de flujo de carga y

Representación de los sistemas

eléctricos de potencia.
• Iván Jiménez miguel
• Jair chirinos García Rojas
• José Manuel Aragón cardona
• Michel Bielma Ramírez
• Irving de Jesús Morales Jiménez
Estudio de flujos de potencia

• Un sistema de potencia tiene muchos nodos (“buses”) y muchas ramas.

 *Existen nodos con generación, con carga o combinaciones.

 LIMITACIONES O REQUISITOS:
 1.-Generación = Demanda (para todo tiempo)
 2.-No se debe exceder la capacidad de potencia de las líneas.
 3.-Mantener niveles de voltaje dentro de las tolerancias permitidas

 *Los estudios de flujo de potencia ayudan a planear el crecimiento (respuesta

del sistema)
subproblemas

.- Formular un modelo matemático adecuado del sistema

(Debe describir relaciones entre voltajes y corrientes)

2.- Especificar restricciones de voltaje y potencias.

3.- Solución computacional de las ecuaciones sujetas a las restricciones

existentes.

4.- Cuando se resuelve el sistema y se conocen los voltajes, entonces se

procede a calcular los flujos de potencia en las líneas.
MÉTODOS NUMÉRICOS PARA RESOLVER LAS
ECUACIONES DE FLUJOS DE POTENCIA (PFB)

Requerimientos:

1. RÁPIDO.
2. MANEJO DE NÚMEROS COMPLEJOS.
3. Capacidad para resolver ecuaciones No Lineales.
4. Manejo de cientos de nodos y miles de líneas.
5. Consideración de pérdidas en líneas.
Método gauss-seidel

 El método de eliminación para resolver ecuaciones simultáneas suministra

soluciones suficientemente precisas hasta para 15 o 20 ecuaciones. El número
exacto depende de las ecuaciones de que se trate, del número de dígitos que
se conservan en el resultado de las operaciones aritméticas, y del
procedimiento de redondeo. Utilizando ecuaciones de error, el número de
ecuaciones que se pueden manejar se puede incrementar considerablemente
a más de 15 o 20, pero este método también es impráctico cuando se
presentan. por ejemplo, cientos de ecuaciones que se deben resolver
simultáneamente. El método de inversión de matrices tiene limitaciones
similares cuando se trabaja con números muy grandes de ecuaciones
simultáneas.
La secuencia de pasos que constituyen el
método de Gauss-Seidel es la siguiente:
 1. Asignar un valor inicial a cada incógnita que aparezca en el conjunto. Si es posible hacer una hipótesis
razonable de éstos valores, hacerla. Si no, se pueden asignar valores seleccionados arbitrariamente. Los
valores iniciales utilizados no afectarán la convergencia como tal, pero afectarán el número de
iteraciones requeridas para dicha convergencia.
 2. Partiendo de la primera ecuación, determinar un nuevo valor para la incógnita que tiene el coeficiente
más grande en esa ecuación, utilizando para las otras incógnitas los valores supuestos.
 3. Pasar a la segunda ecuación y determinar en ella el valor de la incógnita que tiene el coeficiente más
grande en esa ecuación, utilizando el valor calculado para la incógnita del paso 2 y los valores supuestos
para las incógnitas restantes.
 4. Continuar con las ecuaciones restantes, determinando siempre el valor calculado de la incógnita que
tiene el coeficiente más grande en cada ecuación particular, y utilizando siempre los últimos valores
calculados para las otras incógnitas de la ecuación. (Durante la primera iteración, se deben utilizar los
valores supuestos para las incógnitas hasta que se obtenga un valor calculado). Cuando la ecuación final
ha sido resuelta, proporcionando un valor para la única incógnita, se dice que se ha completado una
iteración.
 5. Continuar iterando hasta que el valor de cada incógnita, determinado en una iteración particular,
difiera del valor obtenido en la iteración previa, en una cantidad menor que cierto seleccionado
arbitrariamente. El procedimiento queda entonces completo.
Método interactivo de newton-raphson

En análisis numérico, el método de Newton (conocido también como el método

de Newton-Raphson o el método de Newton-Fourier) es un algoritmo eficiente
para encontrar aproximaciones de los ceros o raíces de una función real.

La única manera de alcanzar la convergencia es seleccionar un valor inicial lo

suficientemente cercano a la raíz buscada. Así, se ha de comenzar la iteración
con un valor razonablemente cercano al cero (denominado punto de arranque o
valor supuesto). La relativa cercanía del punto inicial a la raíz depende mucho de
la naturaleza de la propia función; si ésta presenta múltiples puntos de inflexión
o pendientes grandes en el entorno de la raíz, entonces las probabilidades de que
el algoritmo diverja aumentan, lo cual exige seleccionar un valor supuesto
cercano a la raíz.
Si se extiende una tangente desde el punto