FLUJOS DE POTENCIA PTIMOS

CONTENIDO
FLUJOS DE POTENCIA PTIMOS..........................................................................1
CONTENIDO..........................................................................................................1
INTRODUCCIN....................................................................................................1
FORMULACIN DEL PROBLEMA DE FPO..........................................................2
Funcin objetivo..................................................................................................3
Restricciones de igualdad...................................................................................3
Restricciones de desigualdad.............................................................................4
Variables de control.............................................................................................4
Variables de estado.............................................................................................5
CLASIFICACIN DE LOS ALGORITMOS DE FPO..............................................5
CONDICIONES DE OPTIMALIDAD DE KARUSH-KUHN-TUCKER.....................5
DEFINICIN DE CASOS CRTICOS Y NO CRTICOS EN LOS FPO..................6
REFERENCIAS......................................................................................................8

INTRODUCCIN
El problema de Flujos de Potencia ptimos (FPO), fue definido en los aos 60s
como una extensin del Despacho Econmico Convencional para determinar los
ajustes ptimos para determinadas variables de control de un sistema de potencia.
Esto con el objetivo de optimizar una funcin objetivo mientras se satisfacen un
conjunto de restricciones fsicas y de operacin; garantizando as la factibilidad,
confiabilidad y seguridad del sistema. [1] [10]
Desde la primera formulacin, el problema de FOP ha sido objeto de numerosos
estudios, en su mayora de investigaciones ms eficientes para encontrar solucin.
Algunos mtodos han sido propuestos para resolver dichos estudios, entre ellos
se encuentran, el mtodo del gradiente reducido de Dommel-Tinney, el mtodo de
inyecciones diferenciales de Carpentier, el mtodo del Lagrangiano proyectado,
mtodos de programacin cuadrtica secuencial, algoritmos especficos basados
en la resolucin de una secuencia de problemas de programacin lineal y
cuadrtica y recientemente el mtodo de puntos interiores. Debido a este
extensivo desarrollo numrico, algunos aspectos tericos del problema an no han
sido completamente entendidos. [3] [4]
Como mtodos de solucin de un problema de FPO pueden ser clasificados de
manera general en: [1]

Mtodos basados en la programacin lineal.

Mtodos basados en la programacin no lineal.

La primera clasificacin corresponde a tcnicas confiables y robustas para

resolver problemas especializados de FPO, caracterizados por utilizar funciones
objetivos lineales separables y restricciones lineales. Los mtodos han sido
exitosamente implementados a resolver problemas de despacho de potencia
activa y reactiva, as como problemas de minimizacin de prdidas de transmisin
por potencia activa. El mtodo mejor posicionado en la programacin lineal para la
solucin de FPO la programacin lineal sucesiva.
Las principales fortalezas de los mtodos basados en la programacin lineal son:
[1]

Deteccin eficiente y manejo de casos no factibles.

Modelado y solucin de problemas de FPO con restricciones de
contingencia.
Manejo de sistemas de control local de flujos de potencia (no optimizados).

Por otra parte, los mtodos de programacin no lineal son generalmente

desarrollados para cada tipo de problema que se desee resolver, bsicamente
tratan de convertir un problema no lineal restringido a uno no restringido pudiendo
emplear para ello una gran cantidad de tcnicas para manejar las restricciones. El
siguiente paso consiste en encontrar una direccin de bsqueda y su tamao de
paso asociado. Si se cumple una tolerancia entre la ltima solucin obtenida y la
obtenida para el paso anterior, el mtodo ha convergido a una solucin final, de no
ser el caso el ciclo se repite de nueva cuenta. [9]
Algunas tcnicas de programacin no lineal para la solucin de un problema de
flujos ptimos de potencia son los siguientes: [1]

Programacin cuadrtica secuencial.

Mtodo del lagrangiano aumentado.
Gradiente reducido generalizado.
Lagrangiano aumentado proyectado.
Programacin lineal sucesiva.
Mtodo de puntos interiores

FORMULACIN DEL PROBLEMA DE FPO

Matemticamente este problema de FPO puede ser formulado como un problema
de optimizacin no lineal restringido, el cual puede ser resuelto a travs de
mtodos de programacin no lineal. El problema general no lineal de FPO es: [1]
[8] [10]

Minimizar

F( x , u)
s .a .
g ( x , u )=0 h( x , u) 0

Donde:

F(x,y): Funcin objetivo

g(x,u): Conjunto de restricciones de igualdad no lineales (ecuaciones de
flujos de potencia)
h(x,u): Conjunto de restricciones de desigualdad no lineales de un vector de
argumentos x y u.
x: Vector de variables de estado y parmetros de ajuste.
u: Vector de variables de control.

La formulacin bsica del problema de FPO puede ser extendida al incluir

restricciones de seguridad y/o medioambientales ya sea utilizando un criterio
preventivo o correctivo, priorizando ya sea la maximizacin de la seguridad o la
minimizacin de los costos y tomando en consideracin el tiempo de accin de los
dispositivos de control, entre otros. [1] [2] Cada uno de los trminos de la
formulacin puede contener diferentes tipos de variables de pendiendo del
problema de FPO a optimizar. Como se describe a continuacin:
Funcin objetivo
La funcin objetivo representa el criterio (o ndice de desempeo) usado para
optimizar. La seleccin de la funcin objetivo obedece a un anlisis cuidadoso de
la seguridad y economa del sistema elctrico de potencia. Dentro de las ms
conocidas estn las siguientes [1] [5]:

Minimizar el costo de generacin.

Minimizar las prdidas de transmisin potencia activa.
Minimizar las prdidas de transmisin de potencia reactiva.
Minimizar el costo por interrupcin de carga.
Minimizar el nmero de acciones de control.
Minimizar el nmero de sistemas de control.
Minimizar el costo de instalacin de nuevos capacitores y reactores.
Minimizar el costo de MVARs suministrado.
Minimizar el tiempo para corregir violaciones.
Minimizar emisiones contaminantes por parte de los generadores trmicos.

Restricciones de igualdad
Son tpicamente las ecuaciones de balance de potencia, las ecuaciones de
balance consideran un punto de equilibrio de potencia activa y reactiva que debe

satisfacer cada uno de los nodos, es decir necesitan ser explcitamente

satisfechas para obtener una solucin factible en la mayora de los problemas de
optimizacin. [5] [6]
PGiP Di+ Pi ( V , )=0 para i=1,2, , k
QGiQ Di+Qi ( V , )=0 para i=1,2, ,l
Donde:

k: Nmero de nodos del sistema de potencia excepto el nodo slack.

l: Nmero de nodos del sistema de potencia.
PGi, QGi: Potencia activa y reactiva de generacin programada para el isimo generador.
PDi, QDi: Potencia activa y reactiva de la carga conectada para el i-simo
nodo.
Pi(V,), Qi(V,): Potencia activa y reactiva inyectada en el i-simo nodo.

Restricciones de desigualdad
Consideran los lmites que deben satisfacer las variables de estado y control, es
decir, tienen que satisfacer ya sea un lmite inferior o superior para tener una
solucin factible. Estas restricciones reflejan los lmites operativos impuestos a los
dispositivos y al sistema elctrico de potencia, las principales restricciones de
desigualdad de los FPO, son las siguientes [1] [6] [7]:

Lmites de potencia activa y reactiva de generacin.

Lmites de transmisin de flujo de potencia (MW, MVAR o MVA) en las
lneas del sistema de transmisin.
Lmites en los voltajes nodales.
Lmites de reserva activa/reactiva.
Lmites del cambiador de fase de un transformador.
Lmites de la posicin de taps.
Lmites de compensacin de potencia reactiva.
Lmites en todas las variables de control de los dispositivos FACTS.
Lmites del corredor (transmisin de interfase).
Lmites de emisin de contaminantes al medio.

Variables de control
Estas variables, tambin llamadas como variables independientes, son las que
pueden ser ajustadas con la finalidad de encontrar la solucin ptima. Estas
variables, pueden tomar valores continuos dentro de sus lmites operativos (como
es el case de la generacin de potencia activa de los generadores) o valores

discretos (por ejemplo, la posicin del tap de un transformador). Las variables de

control pueden ser: [1] [5] [7]

Potencia activa y reactiva de las unidades de generacin.

Magnitud de voltaje de los nodos de generacin.
ngulo de los transformadores cambiadores de fase.
Posicin del tap de los transformadores.
Magnitud de interrupcin de carga.
Parmetros de control de los dispositivos FACTS.
Intercambio neto.
Flujo de lneas de transmisin de C.D.
Estado de los elementos en derivacin.
o Potencia reactiva de los condensadores sncronos.
o Potencia reactiva de un compensador de reactivos.

Variables de estado
Conocidas tambin como variables dependientes, se calculan a partir de las
variables de control. Como ejemplo se tienen: [5] [7]

La potencia en el nodo slack.

Magnitud de voltaje en los nodos de carga.
ngulo de fase de todos los nodos (excepto el slack).
Potencia reactiva asignada a los generadores.
Flujos de potencia en la red de transmisin.

CLASIFICACIN DE LOS ALGORITMOS DE FPO

La clasificacin de los algoritmos de FPO en dos clases, es debida al hecho que
existen varios mtodos poderosos para los flujos de potencia ordinarios, los cuales
proporcionan un fcil acceso a la solucin resultante de un proceso iterativo.
Adems, se puede notar que la solucin ptima se encuentra generalmente cerca
de una solucin de flujos de potencia existente y por lo tanto la relacin de
sensibilidad conduce al ptimo. [7]
La segunda clasificacin se origina de una rigurosa formulacin del problema de
FPO, que emplea las condiciones exactas de optimalidad y usa tcnicas para
poder cumplir la solucin. Es este case, un flujo de potencia resuelto no es un
prerrequisito. El mtodo preferido para alcanzar las condiciones de optimalidad es
el mtodo de Newton. Existen ventajas y desventajas en ambos mtodos los
cuales tienen un soporte marcado dependiendo del objetivo, el tamao del
problema y la aplicacin prevista. Por lo tanto, los algoritmos de FPO se resumen
en [7]:

Clasificacin A: Mtodos donde la optimizacin empieza de un flujo de

carga resuelto. El Jacobiano y otra relacin de sensibilidad son usados en

el proceso de optimizacin. Como el proceso es completamente iterativo,

cada iteracin de flujo de carga es resuelta nuevamente.
Clasificacin B: Mtodos que dependen de las condiciones exactas de
optimalidad por lo que la relacin de flujos de potencia estn ligadas a las
restricciones de igualdad. No hay un conocimiento previo de una solucin
de flujos de potencia. El proceso iterativo y cada solucin intermedia
aproxima la solucin de los flujos de carga.

CONDICIONES DE OPTIMALIDAD DE KARUSH-KUHN-TUCKER

Tomando en cuenta la formulacin de problema no lineal, las condiciones de
optimalidad se derivan de la formulacin Lagrangiana ( L ): [7]
T

L=F ( x ) + g ( x ) + h( x )
El teorema de Kuhn-Tucker dice que si

^x

es el extremo relativo de

F( x ) el

cual satisface al mismo tiempo las restricciones de la formulacin de FPO, los

^
vectores de , ^ deben existir y satisfacer el siguiente sistema: [7]
L

=
( F ( x )+ T g ( x )+ T h( x )) ^x , ^, ^ 0
x
x
L
= g ( x ) x^
0

L
= diag { } h (x)x^ , , ^
0

^
0
El conjunto de la tercera restriccin junto con el ltimo conjunto pretende que una
^ >0 . Este es el objetivo de
restriccin de desigualdad solo se activa cuando
los algoritmos de FPO al encontrar la solucin de ^x y el vector correspondiente
^
a , ^ que satisfaga todas las condiciones. Si esta solucin es encontrada, no
hay garanta de un ptimo global sea encontrado. Es decir, las condiciones de
Kuhn-Tucker garantizan el encontrar solo un ptimo local o relativo. Sin embargo,
aunque ninguna prueba formal es posible, generalmente solo un ptimo (por
ejemplo el ptimo global) existe para las formulaciones del problema de FPO. [1]
[7]

DEFINICIN DE CASOS CRTICOS Y NO CRTICOS EN LOS FPO

Existen diferentes razones por las cuales un algoritmo de FPO falla al encontrar el
ptimo en la formulacin general. El caso ms conocido es cuando no existe un

punto factible al conjunto de igualdades y desigualdades impuestas. Otra caso, es

cuando el algoritmo numrico falla al encontrar el ptimo aun cuando exista. [3]
Esta situacin toma relevancia si el algoritmo alcanza un punto donde las
condiciones de optimalidad de primer y segundo orden no son localmente
satisfechas o las condiciones de factibilidad no son conocidas. Para hace que el
algoritmo contine ms halla de tal punto, podra ser necesario hacer un cambio
extenso en la solucin estimada durante el proceso de optimizacin. Este es un
paso el cual la mayora de los algoritmos de optimizacin no lineal no son capaces
de lograr resultando en falla al encontrar la solucin. [3]
Aunque las paqueteras de FPO se basan en modelos lineales los cuales pueden
reconocer con facilidad los casos no factibles, no existe una manera sencilla de
lograr detectarlos en los modelos no lineales. Sin embargo, algunos autores han
utilizado modelos heursticos para detectar la no factibilidad en los FPO no
lineales, pero cabe resaltar que no hay un estudio sistemtico de causas de fallo
en los algoritmos de FPO que se haya llevado acabo. [3]
Al observar el comportamiento en la solucin de los FPO respecto a las
variaciones de los parmetros desglosan dos tipos de casos: [3]

Casos no crticos: Se caracteriza cuando existe un pequeo cambio en los

parmetros del problema, que resulta en un cambio pequeo en la solucin
ptima, es decir, en un estudio de FPO, la solucin tiene una sensibilidad
limitada a las variaciones de los parmetros.
Casos crticos: En estos, una pequea variacin al problema conlleva a una
de las dos condiciones que resultan a menudo en el fallo de la solucin del
problema de FPO, es decir, prdida de factibilidad local o prdida de
optimalidad local. En esencia, un pequeo cambio en algn parmetro
podra resultar en un fallo en no encontrar una solucin o en un cambio
drstico en la solucin ptima.

REFERENCIAS
[1]
P. Ristanovic, Succesive Linar Programing Based OPF Solution IEEE
Tutorial Course, pp V, 1996.
[2]
V. M. David y R. V. Daniel, Comparacin Crtica de Mtodos para Estudios
de Flujos de Potencia ptimos, Instituto Politcnico Nacional, Seccin de
Estudios de Posgrado e Investigacin, ESIME Zacatenco, Mxico D.F., 2010.
[3]
K. C. Almeida and D. G. Francisco, Critical Cases in the Optimal Power
Flow, IEEE Transactions on Power Systems, Vol. 11, No. 3, August 1993.
[4]
G. Sergio and M. A. Flvio Rodrigo, Active-Reactive coupling in Optimal
Reactive Dispatch: a solution via Karush-Kuhn-Tucker Optimality Conditions IEEE
Transactions on Power Systems, Vol. 9, No. 4, November 1994.
[5]
Oate Y.P.E., Tesis Doctoral en Ingeniera Elctrica, Solucin del problema
de ujos de potencia ptimo con restricciones de seguridad por un optimizador de
partculas modicado, Febrero 2008.
[6]
Villareal Martnez David, Reporte de Investigacin para el examen
predoctoral, Instituto Politcnico Nacional, Seccin de Estudios de Posgrado e
Investigacin, ESIME Zacatenco, Mxico D.F., 2010.
[7]
Hans Glavitsch, Rainer Bacher, Optimal Power Flow Algoritms, Swiss
Federal Institute of Technology, CH-8092 Zrich, Switzerland.
[8]
A. D. Papalexopoulos, Changelles to On-lime OPF Implementation, IEEE
Tutorial Course, pp. 36, 1996.

[9]
S. M. Shahidehpour and V. C. Ramesh Nonlinear Programming Algorithms
and Descomposition Strategies for OPF IEEE Tutorial Course, pp 10-25, 1996.
[10] James A. Momoh, Interior Point Methods and Variants for OPF, IEEE
Tutorial Course, pp. 26, 1996.