Académique Documents
Professionnel Documents
Culture Documents
Philip Liedtke
I. I NTRODUCCI ON
En la actualidad la mayora de los hogares y practicamente
todas las industrias del mundo dependen fuertemente de
la electricidad, y es por esta razon que todos los pases
han desarrollado grandes redes electricas para suministrar
energa a la mayor cantidad de lugares posibles. Es claro
que tener una intrincada red electrica capaz de abastecer a la
mayor parte de la poblacion es un beneficio para la sociedad,
sin embargo la complejidad que han alcanzado los sistemas
de distribucion de energa electrica en los u ltimos anos ha
llegado a niveles que hacen muy compleja su operacion en
tiempo real.
Los sistemas electricos siempre tratan de optimizar la
generacion de energa de manera de minimizar los costos
totales de operacion. Este modelo era sencillo de resolver con
sistemas electricos donde operaban unos cuantos generadores
y haban unas pocas cargas, sin embargo con el crecimiento
en general de las redes de transmision y los requerimientos
de consumo la solucion a este problema dejo de ser evidente,
y aun peor, no existen computadores lo suficientemente
poderosos como para poder resolver la operacion o ptima de
un sistema electrico en tiempo real. Es por esta razon que se
ha ido desarrollando toda una teora en torno a la modelacion
y resolucion del problema del Optimal Power Flow (OPF)
para poder simplificarlo y resolverlo en un tiempo prudente.
La principal complicacion que posee el OPF es que se
trata de un problema no convexo lo cual hace muy difcil de
resolver en un tiempo acotado. En su formulacion estandar,
tal como se ve en la figura, el OPF es un problema de
minimizacion de los costos totales de operacion del sistema,
restringido u nicamente por las propiedades fsicas del sistema y los requerimientos mnimos de operacion. Aunque
(1)
s.t. xT Ri x + riT x + di 0
(2)
A. SDP
B. SOCP
min tr(C X)
(3)
s.t. tr(Ai X) = b
(4)
X 0
(5)
(6)
tr(Q X) = xT Qx
(7)
(8)
(9)
X = xxT
(10)
(11)
rank(X) = 1
(12)
Donde nuevamente la no convexidad del problema solamente queda en la u ltima de las dos. De esta forma
al eliminar la restriccion de rango uno del problema se
obtiene una relajacion SDP del QCP original. Este principio
puede ser aplicado de la misma forma al OPF clasico de
manera que se obtiene una relajacion SDP del problema,
la cual presenta la gran ventaja de que es convexa. Sin
embargo esta relajacion tiene un inconveniente con respecto
al problema original, para poder encontrar la solucion exacta
del problema original tiene que cumplirse que la matriz X
en la relajacion SDP tenga rango uno. En caso de no tenerlo
la solucion no es exacta y solo representa una aproximacion
del o ptimo real. A pesar de esto esta relajacion del OPF es
la relajacion convexa mas exacta que se ha descubierto hasta
ahora y por lo tanto es la mas usada por los investigadores.
min f T x
s.t.
kAi x + bi k2 CiT x + di
(13)
(14)
(15)
xii 0
(16)
(17)
s.t. Ax = b
(18)
x0
(19)
Como se puede observar la formulacion de este problema es muy sencilla ya que presenta una funcion objetiva
cuadratica y restricciones lineales. Su gran ventaja con
respecto a los demas es que es solucionable de manera
muy sencilla sin la necesidad de grandes esfuerzos computacionales, sin embargo al relajar un OPF a un QP, la solucion
pocas veces sera una buena representacion de la realidad.
s.t.
yi Ai + Z = C
(21)
i=1
Z0
(22)
(23)
(24)
(25)
s.t.
(kYk + kYk + k Mk ) 0
(26)
k=1
1
rl1
rl1
0, l = 1, 2, . . . , m
rl2
(27)
R EFERENCES
[1] H. Yamashita, H. Yabe and K. Harada, A primal-dual interior point
method for nonlinear semidefinite programming Mathematical Programming, vol. 135, no 1-2, 2011
[2] Javad Lavaei & Steve Low. Zero Duality Gap in Optimal Power
Flow Problem. IEEE Transactions on Power Systems, vol. 27, no. 1,
February 2012
[3] J. Lavaei, Zero duality gap for classical OPF problem convexifies
fundamental nonlinear power problems, in Proc. American Control
Conf., Jun. 29-Jul. 1, 2011, pp. 45664573.
[4] Lesieutre, B.C.; Molzahn, D.K.; Borden, A.R.; DeMarco, C.L., Examining the limits of the application of semidefinite programming to power
flow problems, Communication, Control, and Computing (Allerton),
2011 49th Annual Allerton Conference on , vol., no., pp.1492,1499,
28-30 Sept. 2011.
[5] Jabr, R.A., Exploiting Sparsity in SDP Relaxations of the OPF
Problem, Power Systems, IEEE Transactions on , vol.27, no.2,
pp.1138,1139, May 2012. doi: 10.1109/TPWRS.2011.2170772.
[6] M. Fukuda, M.Kojima, K. Murota, and K. Nakata, Exploiting sparsity
in semidefinite programming via matrix completion I: General framework, SIAM J. Optimiz., vol. 11, no. 3, pp. 647674, Mar. 2000.
[7] S. Kim, M. Kojima, M. Mevissen, and M. Yamashita, Exploiting sparsity in linear and nonlinear matrix inequalities via positive semidefinite
matrix completion,Math. Program., DOI: 10.1007/s10107-010-0402-6,
Published Online: Aug. 13, 2010.
[8] Dzung T. Phan, Lagrangian Duality and Branch-and-Bound Algorithms
for Optimal Power Flow, Oper. Res. 60, 2 (March 2012), 275-285.
http://dx.doi.org/10.1287/opre.1110.1036.
[9] Gan, L., Li, N., Topcu, U., and Low S.H.,Exact Convex Relaxation of
Optimal Power Flow in Tree Networks, arXiv:1208.4076v4 [math.OC]
[10] B. Lesieutre, D. Molzahn, A. Borden and C.L. DeMarco.Examining
the Limits of the Application of Semideffinite Programming to Power
Flow Problems, in Proc. 49th Annu. Allerton Conf., 2011, pp. 13421348
[11] Madani, R.; Sojoudi, S.; Lavaei, J., Convex Relaxation for Optimal Power Flow Problem: Mesh Networks, Power Systems, IEEE
Transactions on, vol.30, no.1, pp.199,211, Jan. 2015. doi: 10.1109/TPWRS.2014.2322051.
[12] Taylor, J.A.; Hover, F.S., Conic AC transmission system planning,
Power Systems, IEEE Transactions on , vol.28, no.2, pp.952,959, May
2013. doi: 10.1109/TPWRS.2012.2214490
[13] Taylor, J.A.; Hover, F.S., Convex Models of Distribution System
Reconfiguration, Power Systems, IEEE Transactions on , vol.27, no.3,
pp.1407,1413, Aug. 2012. doi: 10.1109/TPWRS.2012.2184307.