UNIVERSIDAD DE LA FRONTERA

FACULTAD DE INGENIERA, CIENCIAS Y ADMINISTRACIN

DEPARTAMENTO DE INGENIERA ELCTRICA


Introduccin al problema de Flujo ptimo de Potencia

JUAN PARRA ASTETE

Operacin y planificacin de la generacin, Tarea numero 1, profesor Boris Pavez
Temuco, 29 de Noviembre de 2011.


Resumen: El objetivo principal de este trabajo es la introduccin al estudio genrico del problema del Flujo de Potencia ptimo (OPF -
Optimal Power Flow). Se muestran los distintos mtodos utilizados para resolver el problema con informacin obtenida de una revisin
bibliogrfica. Adems se muestra como resolver un problema OPF usando PowerWorld.



1. Introduccin

El Flujo de Potencia ptimo, OPF, es un problema que fue
definido en los inicios del ao 1960 como una extensin del
problema de despacho econmico clsico - que determina la
salida de potencia de cada central generadora que minimiza el
costo de combustible necesario [
i
] - . Posteriormente, la inclusin
de criterios de seguridad, restricciones del sistema y el
perfeccionamiento de las tcnicas computacionales ha conducido
a lo que hoy se conoce con el nombre de Flujo de Potencia
ptimo, que consiste en despachar una serie de generadores para
satisfacer una demanda dada teniendo en cuenta las restricciones
del sistema y hacindolo al menor costo posible.

La solucin general de un OPF consiste en minimizar (o
maximizar) una funcin objetivo sujeta a restricciones de
igualdad y/o desigualdad, lo que implica el uso de tcnicas de
optimizacin, de esta forma, OPF puede ser visto como un
trmino genrico que describe una amplia gama de clases de
problemas en los cuales se busca optimizar una funcin objetivo
especfica, sujeto a restricciones, que por ejemplo pueden
representar los balances de potencia activa y reactiva en los
nodos de la red, en funcin de las tensiones y ngulos de las
barras.

Existen variadas funciones objetivos que puede considerar un
modelo OPF, entre las cuales se pueden mencionar (Ristanovic,
1996) [
ii
]:

Minimizacin de los costos por generacin de potencia activa,
Minimizacin de prdidas de potencia activa,
Minimizacin del cambio en las variables de control,
Minimizacin de la potencia no servida, etc.


2. Definicin del problema OPF

Como se ha dicho, un OPF corresponde a un problema de
optimizacin con funcin objetivo y restricciones no lineales, las
cuales representan la operacin en rgimen permanente del
sistema bajo estudio. La forma general de este problema de
optimizacin est dada por la expresin (1).

max
_ _
min
_
_
_
_
) 1 ( 0 ) (
0 ) ( : .
) (
x x x
x h
x g a S
x f Min
s s
s
=


Siendo:
f (
_
x ) : Funcin objetivo, g (
_
x ) : Restricciones de igualdad.
h (
_
x ) : Restricciones de desigualdad. [ x
min
x
max
] : Lmites de las
variables

(Definicin del problema segn [
iii
])
En este caso f (
_
x ) puede representar:

- La minimizacin de los costos de operacin,
- La minimizacin de prdidas de potencia,
- La minimizacin de emisiones,
- Condiciones de contratos,
- Condiciones de seguridad, etc.
Mientras que la restriccin g (
_
x ) puede representar el balance de
potencias activa y reactiva en los nodos de la red. Y las
restricciones de desigualdad h (
_
x ) representan los lmites
tcnicos dados por mrgenes de operacin del sistema, los cuales
incluyen: lmites de generacin, lmites de flujo en las lneas,
lmites de tensin en las barras, etc.


3. Mtodos de solucin del problema

Para el OPF -problema de programacin matemtica bastante
complejo-, se han desarrollado sofisticados algoritmos de
solucin dentro de los cuales se encuentran, una gran variedad de
tcnicas de optimizacin que van desde la programacin lineal
hasta las tcnicas heursticas.



Existen cuatro tipos bsicos de mtodos de bsqueda y
optimizacin, estos son: mtodos analticos, mtodos
exhaustivos, mtodos aleatorios y mtodos heursticos.

Los mtodos analticos o basados en clculos, buscan la solucin
a un problema, resolviendo ecuaciones en forma directa o por
medio de tcnicas iterativas. Muchos problemas no pueden
resolverse matemticamente en forma directa, por lo que la
bsqueda de la solucin se realiza mediante iteraciones, variando
la solucin de forma relacionada con el gradiente local; estos
mtodos presentan el problema de estancarse en mximos o
mnimos locales y necesitan que la funcin objetivo sea
diferenciable.

Los mtodos exhaustivos o enumerativos, recorren todo el
espacio finito de posibles soluciones al problema, eligiendo la
mejor solucin; aunque estos mtodos tienen la ventaja de ser
bastante simples, generalmente el espacio de bsqueda es
demasiado grande como para buscar la solucin punto por punto.

Los mtodos aleatorios o de bsqueda al azar, recorren de forma
aleatoria varios puntos del espacio de bsqueda, sin ningn
criterio de seleccin y tratando de cubrir todas las zonas de este
espacio, eligiendo la mejor solucin que se haya explorado;
aunque estos mtodos son sencillos y no consumen demasiado
tiempo, pueden dar una solucin que no sea la mejor.

Los mtodos heursticos utilizan reglas y tcnicas no rigurosas,
para encontrar la solucin de un problema, en un determinado
espacio de bsqueda.

Los mtodos de solucin del problema OPF son:

- Mtodo Iterativo LAMBDA.
- Mtodo de Gradiente.
- Mtodo de Programacin Lineal.
- Programacin no lineal.
- Programacin cuadrtica (QP).
- Programacin cuadrtica secuencial (SQP).
- Soluciones basadas en condiciones de Newton.

- Versiones hbridas de programacin lineal y programacin
entera.
- Mtodos de punto interior.
- Mtodo de Puntos Interiores de Alta Orden Predictor-Corrector.
- Mtodo de penalizaciones

- Programacin Evolutiva
- Algoritmos genticos
- Redes neuronales.
- Bsqueda Tab.
- Programacin por enjambre de partculas.
- Recocido simulado. Simulacin templada [
iv
]
- Algoritmo de sistema de colonia de hormigas [
v
]


4 Breve descripcin de los mtodos

Estos mtodos se diferencian de acuerdo a las aproximaciones y/o
simplificaciones que se utilizan para llegar a la solucin ptima.
A continuacin se presenta una breve descripcin de algunos de
estos.

4.1 Mtodo iterativo LAMBDA

Ideal para problemas con restricciones de igualdad. La funcin
objetivo y las restricciones de igualdad del modelo general es
expresado como:
0 ) ( : .
) (
_
_
= x g a S
x f Min


Este mtodo consiste en el uso de un multiplicador LAMBDA
que cumpla:
x
x f
c
c
=
) (
_

(2)
0 ) (
_
= x g



Se encuentran los valores de
_
x y talque se cumpla el sistema.


4.2 Mtodo del gradiente

Este es un mtodo de lenta convergencia, pero es capaz de
resolver problemas con ecuaciones y restricciones no lineales.

El primer mtodo de solucin para el problema de OPF es el
gradiente reducido propuesto por Carpentier en 1962 [
vi
].
Posteriormente, Donnel y Tinney abordaron el problema
resolviendo las condiciones de Karush Kuhn Tucker (KKT)
usando el mtodo del gradiente y funciones de penalizacin para
las violaciones en las restricciones.

La funcin objetivo puede ser la suma de las generaciones
controladas como se expresa en (3). Siendo ci el costo de
produccin asociado a la potencia PGi.

e
=
G i
Gi i
P c x f Min ) ( ) (
(3)

Un punto mnimo de un problema de optimizacin como el
planteado en (1) debe cumplir con las condiciones de KKT. De
acuerdo al mtodo clsico de optimizacin de multiplicadores de
Lagrange, para el problema con restricciones de igualdad las
condiciones KKT estn dadas por la expresin (4).

0 ) (
0 ) ( ) (
_
_ _
=
= V + V

x g
x g x f
k
k k

(4)

Donde:
|
|
|
.
|

\
|
c
c
c
c
c
c
= V
n
x
x
x
x
x
x
x f
) (
...
) ( ) (
) (
_
2
_
1
_
_


En (4), el gradiente de la funcin Lagrangeana indica el
crecimiento de la funcin objetivo y solo ser cero en el punto


ptimo. Este gradiente adems es ortogonal a las curvas de nivel
de la funcin objetivo e indica la direccin de crecimiento de las
prdidas del sistema. El algoritmo de este mtodo se resume a
continuacin, segn [iii].

Paso 1. Atribuir valores iniciales a todos los parmetros de
control. Hacer el contador de iteraciones igual a cero.
Paso 2. Resolver el problema de flujo de potencia tradicional por
el mtodo de Newton. Esto garantiza el cumplimiento de las
restricciones de igualdad.
Paso 3. Calcular los multiplicadores de Lagrange.
Paso 4. Calcular el gradiente del Lagrangeano respecto a las
variables de control.
Paso 5. Si el valor absoluto del gradiente del Lagrangeano es
menor a una tolerancia entonces pare, el mnimo fue encontrado.
De lo contrario: aumentar el contador de iteraciones, encontrar un
nuevo conjunto de parmetros de control y volver al paso 2.


4.3 Mtodo de programacin lineal

Los problemas abordados con programacin lineal (LP, Linear
Programming), utilizan problemas formulados con funcin
objetivo y restricciones lineales. El mtodo Simplex es un
mtodo conocido y eficiente para resolver problemas de
programacin lineal de gran dimensin.

El problema es que generalmente necesita partir de un punto
robusto para alcanzar convergencia.


4.4 Programacin no lineal

Los mtodos de programacin no lineal (NLP, Non-Linear
Programming) tratan problemas que involucran restricciones y
funcin objetivo no lineal. Las restricciones pueden ser de
igualdad o desigualdad.


- Programacin Cuadrtica (QP)

La Programacin Cuadrtica (en adelante QP, Quadratic
Programming) es un caso especial de programacin no lineal,
donde la funcin objetivo es cuadrtica y las restricciones son
lineales.

- Programacin Cuadrtica Secuencial (SQP)

Manteniendo las mismas caractersticas del mtodo QP, a ste se
agrega la propiedad de ser un mtodo interactivo que soluciona
problemas de optimizacin con restricciones no lineales de
igualdad y desigualdad.

Se califica como una extensin del mtodo Cuasi Newton. Este
mtodo resuelve el OPF, mediante repetidas soluciones de una
aproximacin cuadrtica de las condiciones de primer orden de
optimalidad del problema. La aproximacin cuadrtica del
problema se basa en una expansin en series de Taylor [ii].

En el artculo [vii] se profundiza este mtodo.

- Las soluciones basadas en condiciones de Newton,

Utilizan las condiciones de primer orden para puntos ptimos,
que comnmente se denominan condiciones de Kuhn Tucker (en
adelante KKT, Karush Kuhn Tucker). En general, son ecuaciones
no lineales que requieren de mtodos iterativos de solucin. Los
mtodos de Newton se ven favorecidos por sus propiedades de
convergencia cuadrtica.


4.5 Programacin entera mixta

La programacin entera mixta (MIP, Mixed Integer
Programming) es un caso particular de programacin lineal, que
incluye variables enteras en su formulacin. Programacin
Entera, y MIP, al igual que NLP demandan demasiados recursos
computacionales (Wolsey, 1998).


4.6 Mtodo de puntos interiores

Es otro de los mtodos ms ampliamente estudiado y utilizado
para resolver OPF. Tiene la facilidad de manejar las restricciones
de desigualdad.

El mtodo de puntos interiores fue introducido por Karmarkar en
1984 (
viii
). La formulacin del OPF usando un mtodo de Punto
Interior se puede obtener a partir del problema de optimizacin
presentado en (6).

(6)

Por ejemplo x puede incluir las componentes de tensin en
coordenadas rectangulares en las barras; f(x) las prdidas de
potencia activa; g(x)las ecuaciones de balance de potencias activa
y reactiva y h(x) las restricciones de tensin y potencia reactiva
en las barras.

El desarrollo de las ecuaciones del mtodo de puntos interiores se
expande en [
ix
].


4.7 Mtodo de penalizaciones.

Transforma el problema con restricciones en una solucin sin
restricciones. Las restricciones se introducen en la funcin
objetivo mediante la llamada funcin penalizacin barra.


4.8 Mtodo de programacin evolutiva

Las tcnicas evolutivas como lo son los Algoritmos genticos
(AG) basan su principio de funcionamiento en la seleccin
natural propuesta por Darwin en El Origen de las Especies en
donde se propone que la seleccin natural es un mecanismo
evolutivo que se define como la reproduccin diferencial de los
genotipos en el seno de una poblacin biolgica. La formulacin


clsica de la seleccin natural establece que las condiciones de un
medio ambiente favorecen o dificultan, es decir, seleccionan la
reproduccin de los organismos vivos segn sean sus
peculiaridades o condiciones. Ahora aplicando este mismo
principio a los problemas de optimizacin es como surgen los
AGs. Este mtodo se estudia con mas detalle en [
x
].

4.9 Solucin usando algoritmos genticos

Los algoritmos genticos son mtodos sistemticos para la
resolucin de problemas de bsqueda y optimizacin, que aplican
los mismos mtodos de la evolucin biolgica, los cuales son:
seleccin basada en la poblacin, reproduccin sexual y
mutacin.
Tambin se puede decir que un algoritmo gentico es una tcnica
de programacin, que imita a la evolucin biolgica, como
estrategia para resolver problemas. Dado un problema especfico
a resolver, la entrada del algoritmo gentico consiste en un
conjunto de soluciones potenciales a ese problema, las cuales
pueden especificarse o generarse aleatoriamente; estas soluciones
son codificadas de alguna forma y evaluadas mediante una
funcin de aptitud, que permite valuar cuantitativamente a cada
candidata; este conjunto de soluciones son sometidas a acciones
aleatorias, semejantes a las que actan en la evolucin biolgica,
hasta encontrar la mejor solucin al problema.

En un algoritmo gentico cada solucin potencial constituye un
individuo de la poblacin; a cada individuo se le asigna un valor
de aptitud, para que los mejores individuos tengan mayor
probabilidad de reproducirse, transmitiendo parte de su
informacin a sus descendientes, como sucede en la evolucin
biolgica.

Este mtodo se puede estudiar mas detalladamente en [
xi
]

4.10 Optimizacin mediante cmulos de Partculas PSO

En 1995, James Kennedy y Russell Eberhart, propusieron una
nueva heurstica a la que denominaron optimizacin mediante
cmulo o enjambre de partculas, esta optimizacin comnmente
conocida como PSO (por las siglas de su nombre en ingls:
Particle Swarm Optimization) ha sido utilizada en diversas
aplicaciones en los ltimos aos, gozando de gran popularidad y
xito.
La idea central de este paradigma es la de simular los
movimientos (colectivo o social) de un grupo de aves o peces que
intentan encontrar comida motivados por tres factores: inercia,
memoria y cooperacin.
La tcnica del PSO puede ser vista como un algoritmo de
comportamiento distribuido que lleva a cabo una bsqueda
multidimensional.

Se puede estudiar con mas detalle este mtodo en [
xii
]


5. Comparacin entre mtodos

En el artculo [iii] se comparan los mtodos de programacin
matemtica:

- Mtodo del Gradiente, GD.
- Mtodo de Newton Acoplado, NWA
- Mtodo de Newton Desacoplado, NWD
- Mtodo de Puntos Interiores PI.
- Mtodo de Puntos Interiores de Alta Orden Predictor-Corrector.

En cuatro sistemas de prueba:

- un sistema bsico de 3 barras
- un sistema de 6 barras conocido como sistema Wood-
Wollenberg
- un sistema estndar de 14 barras de la IEEE
- un sistema de 30 barras, tambin de la IEEE, con algunas
modificaciones.

En dicho artculo se muestran las tablas con los valores de tensin
(en p.u.) con sus respectivos ngulos (en grados) en cada barra,
adems de las prdidas de potencia activa PL (en MW) y el
nmero de iteraciones Iter obtenidos para los sistemas de prueba
indicados. Por ejemplo la Tabla 1:

Tabla 1. Tensiones y prdidas en el sistema de 3 barras.


En el mtodo de Gradiente y el mtodo de Newton, las
restricciones de igualdad son introducidas en la funcin objetivo
a travs del mtodo de optimizacin clsica de los
multiplicadores de Lagrange. Las restricciones de desigualdad
funcionales son introducidas al problema a travs del mtodo de
las penalidades.

La conclusin de la comparacin de los mtodos en dicho
artculo es:

La idea bsica del mtodo del Gradiente es desplazarse desde una
solucin factible en la direccin de mayor mejora de la funcin
objetivo (direccin negativa del gradiente de la funcin
Lagrangeana) hasta una nueva solucin factible con un mejor
valor de la funcin objetivo. Con la repeticin de estos
desplazamientos en la direccin del gradiente negativo el mnimo
es eventualmente alcanzado, generalmente en un nmero
relativamente grande de iteraciones en la medida en que el
problema aumenta de tamao comparado con los otros mtodos
estudiados.

Por ende una desventaja de los mtodos del gradiente y Newton
con respecto a los otros es que se debe realizar un nmero alto de
iteraciones.

Ahora, en el mtodo de Newton la idea es una solucin
simultnea y directa, en cada iteracin se minimiza una
aproximacin cuadrtica del Lagrangeano para encontrar todas
las incgnitas presentes en este. Normalmente el mtodo
converge a las condiciones de optimalidad de KKT en un nmero
pequeo de iteraciones. Sin embargo, este nmero es
incrementado cuando el problema es desacoplado en los
subsistemas de potencia activa y reactiva.



La funcin Lagrangeana asociada es linealizada alrededor de un
punto estacionario que debe satisfacer las condiciones de KKT y
el sistema no lineal obtenido es solucionado usando el mtodo de
Newton. El mtodo de Puntos Interiores de Alta Orden Predictor-
Corrector manifiesta notable reduccin en el nmero de
iteraciones.

El uso de coordenadas rectangulares para representar las
tensiones en las barras en el mtodo de Puntos Interiores evita la
presencia de errores de redondeo al hacer la aproximacin por
series de Taylor de segundo orden.

Esto no ocurre con los mtodos del Gradiente y Newton donde se
usan coordenadas polares.

Se concluye que todos los mtodos utilizados tienen potencial
para encontrar soluciones rpidamente y pueden ser considerados
como candidatos para aplicaciones computacionales interactivas
online tales como estudios de planeamiento operativo.

Los mtodos de Newton tienen problemas en los que respecta
al manejo de restricciones. Lo concerniente al mtodo de
Programacin Lineal hace una linealizacin del problema y dado
a la naturaleza no lineal del FOP implica sacrificar precisin.

El mtodo de punto interior para resolver el PL resultante
muestra ser eficiente para sistemas pequeos y medianos, sin
embargo, para analizar sistemas de grande porte, es necesario
optimizar el mtodo utilizando rutinas que aprovechen la
esparcidad de la matriz de restricciones con el fin de obtener
resultados en tiempos de clculo aceptables. [x]


6. OPF en el sofware POWERWORLD Simulator
(Extrado de [
xiii
])

El despacho econmico no considera las limitaciones del sistema
de transmisin y solo hace consideracin de potencia activa. Para
obtener resultados ms complejos es necesario introducir en la
formulacin del problema de las ecuaciones de flujo de potencia.
Esta formulacin completa se llama OPF.

El flujo ptimo de potencia resuelve las ecuaciones de flujo de
potencia simultneamente con la minimizacin de (existen dos
posibilidades en PowerWorld):

- Costos de generacin
- Cambios en los controles


Figura 1. Entorno de las opciones OPF en PowerWorld
El problema puede considerar todos los lmites tcnicos (de
generacin, de transmisin).

El mtodo usado por este software es programacin lineal (LP)
OPF.

A modo de ejemplo se estudia el caso B3LP.pwb que viene en el
directorio de ejemplos.


Figura 2. Sistema elctrico de potencia, ejemplo en el entorno
Powerworld

Para ser incluido en el OPF, se requiere que todos los campos del
estado del AGC estn con OPF. Para realizar esto se debe ir a LP
OPF > OPF areas; o OPF Case 100info > OPF Areas

Una vez verificado esto se selecciona LP > Primal LP para
resolver el caso. O dependiendo de la versin del Sofware OPF
Options and Results > Solve LP OPF.

Los resultados se pueden ver en Results.


























REFERENCIAS

[
i
] Manuel Villarroel Moreno, Anlisis de sistemas elctricos de potencia,
Universidad de La Frontera, 2011.
[
ii
] Juan Perez Retamales, Flujo De Potencia ptimo Con Programacin
cuadrtica Secuencial, Tesis para optar al grado de magister en gestin de
operaciones, Universidad de Chile, Santiago de Chile, 2001.
[
iii
] RUEDA MEDINA, AUGUSTO CESAR; LOPEZ LEZAMA, JESUS
MARIA, Comparacin de mtodos de programacin matemtica
aplicados a la solucin del problema de flujo de potencia optima.
Disponible en: http:// redalyc.uaemex.mx/
src/inicio/ArtPdfRed.jsp?iCve=84916714007
[
iv
] C. Roa-Sepulveda, Boriz Pavez-Lazo, A solution to the
optimal flow using simulated annealing, junio 2002.
[
v
] NSTOR OSWALDO CHACN NAVARRETE, MODELO DE
PLANIFICACIN DE SISTEMAS DE TRANSMISIN, TRABAJO
DE GRADUACIN PREPARADO PARA LA FACULTAD DE
INGENIERA Y ARQUITECTURA, UNIVERSIDAD
CENTROAMERICANA JOS SIMEN CAAS, OCTUBRE 2010
[
vi
] Carpentier J. Contribution e letude do Dispatching Economique
Bulletin Society Franaise Electriciens, Vol. 3, pp. 431-447, August
1962.
[
vii
] Rodrigo Palma B., Juan Prez R., Jaime Nez D, Flujo de Potencia
ptimo con Programacin Cuadrtica Secuencial, Departamento de
Ingeniera Elctrica - Universidad de Chile, Av. Tupper 2007 - Casilla
412-3 - Santiago Chile, Email: rodpalma@ing.uchile.cl
[
viii
] Karmarkar N. K. A new polynomicl-time algorithm for linear
programming. Combinatorica. Vol. 4, No. 2, pp. 373-395, 1984.
[
ix
] Torres G. L. and Quintana V. H. An Interior Point Method for
Nonlinear Optimal Power Flow Using Voltage Rectangular Coordinates,
IEEE Transactions on Power Apparatus and Systems, Vol. 13, No. 4, pp.
1211-1218, November 1998.
[
x
] Nimrod Guerrero Jimnez, J.C. Silva Chvez Member, Solucin del
Problema de Flujos ptimos de Potencia usando Algoritmos Genticos,
PRESENTADA EN LA REUNIN DE VERANO, RVP-AI2010,
ACAPULCO GRO., DEL 11 AL 17 DE JULIO DEL 2010, e-mail:
nimgj@hotmail.com, jcsilvach@yahoo.com
[
xi
] JOS FRANCISCO CASTRO GARCA, ALGORITMOS
GENTICOS COMO SOLUCIN AL PROBLEMA DE FLUJO DE
POTENCIA, UNIVERSIDAD DE SAN CARLOS DE GUATEMALA,
GUATEMALA, AGOSTO DE 2007.
[
xii
] Edgar A. Moreno, Vctor H. Hinojosa, FLUJO PTIMO DE
POTENCIA UTILIZANDO ALGORITMOS EVOLUTIVOS
PROGRAMACIN EN DIGSILENT
[
xiii
] Rgulo Javier Viscarra Jaramillo, Utilizacin del simulador
powerworld para la evaluacin de la operacin de los sistemas elctricos
de potencia, Tesis de grado, 2001.
[xiv] MAURICIO GRANADA E. , Flujo de potencia para sistemas
radiales de distribucin usando el mtodo de la cadena, SCIENTIA ET
TECHNICA, Universidad Tecnolgica de Pereira, ao VIII, No. 20,
Octubre 2002.
[xv] Jess Maria Lopez Lezana, Luis Gallego Pareja, Flujo de potencia
Optimo usando el mtodo del gradiente para reduccin de perdidas en
sistemas de potencia, Ingenieria y ciencia ISSN 1794 9164, Volumen 4,
nmero 7, junio de 2008.
[xvi] JESS MARA LPEZ LEZAMA, LUIS ALFONSO GALLEGO
PAREJA, FLUJO DE POTENCIA PTIMO CON RESTRICCIONES
DE SEGURIDAD USANDO UN METODO DE PUNTO INTERIOR,
Universidad Tecnolgica de Pereira. ISSN 0122-1701, Scientia et
Technica Ao XIV, No 39, Septiembre de 2008.
[xvii] MAURICIO GRANADA E, JOSE R. S. MANTOVANI,
TCNICA DE DESCOMPOSICIN APLICADA AL PROBLEMA DE
FLUJO DE POTENCIA PTIMO MULTI-REA, Scientia et Technica
Ao XIV, No 38, Junio de 2008. Universidad Tecnolgica de Pereira.
ISSN 0122-1701
[xviii] JUAN CARLOS POZUELOS BUEZO, DESPACHO PTIMO
DE POTENCIA REACTIVA EN UN SISTEMA ELCTRICO DE
POTENCIA POR MEDIO DE PROGRAMACIN NO LINEAL,
Universidad de San Carlos de Guatemala, Guatemala, agosto de 2005.