1.

1 OPTIMIZACION SIN RESTRICCIONES

Se utiliza un sistema elctrico de potencia sencillo para introducir algunos conceptos.
Consideremos la operacin de m generadores trmicos (combustible bunker o diesel,
derivados de petrleo) conectados a una barra nica. Supongamos que la variacin del
costo del combustible utilizado en cada generador Ci, vara con la potencia activa Pi, y
est dada por un polinomio cuadrtico. El costo total para las m mquinas estar dado
por la expresin no lineal:
m

C ai bi Pi ci Pi 2

1.1. a

i 1

donde ai, bi, ci son coeficientes caractersticos de cada generador que se obtienen
mediante pruebas experimentales.
Nuestro inters es el de obtener las potencias de operacin de cada unidad de forma tal
que el costo C sea un mnimo. (Costo total de produccin en el sistema sea mnimo)
Existen dos clases de mtodos de aproximacin para obtener los valores ptimos
buscados. La primera clase son los mtodos directos, con los cuales se definen las
condiciones de optimalidad mediante un grupo de ecuaciones. Resolver este grupo de
ecuaciones constituye la respuesta deseada. La segunda clase son mtodos iterativos en
los cuales se establece una secuencia de aproximaciones a la solucin utilizando el
algoritmo apropiado. El algoritmo es diseado de forma tal que la secuencia finalmente
converja a la respuesta buscada.
Analizaremos dos mtodos diferentes en la clase de mtodos directos: Solucin
Variacional y Solucin Algebraica
SOLUCION MEDIANTE CALCULO DE VARIACIONES
La base de este mtodo es resultado del clculo ordinario, el cual nos dice que en un
punto crtico (mximo, mnimo, o punto de inflexin) la derivada parcial de C con
respecto a la potencia activa Pi es cero:
C
0
Pi

i = 1,.,m

1.1.b

haciendo la derivada e igualando a cero de 1.1.a obtenemos el valor ptimo para Pi

P i = - bi / 2ci
para que sea un mnimo, la segunda derivada: 2ci
debe ser positiva (convexa), por lo que esta condicin se cumple si ci > 0
SOLUCION ALGEBRAICA
Completando cuadrados en 1.1.a, y despus de algunas manipulaciones la Funcin
Objetivo se escribe como:
2

2 Pi bi

(ai bi ) ci Pi
4 ci
2 ci
2

C C ci [ Pi (bi / 2ci )]2

i 1

b
c 4
c
i

(1.1.c)

2
donde: C [ ai (bii / 4ci )]
i 1

como C no depende de la variable de decisin Pi, luego C ser un mximo o un

mnimo si el resto de la expresin es cero,
esto es: Pi + ( bi / 2ci ) = 0
como C es un polinomio cuadrtico para que sea convexo y sea un mnimo ci > 0
FORMULACION VECTORIAL
La funcin de costo C puede ser escrita en notacin vectorial como:

C C ( ai bi P P T CP )
T

(1.1.d)

i 1

bT = ( b1,..,bm )

la matriz diagonal C = diag(c1,.....,cm )

las variables de control P = ( P1,.,Pm )

y el problema es el de minimizar C b T P P T CP

(1.1.e)

Solucin clculo variaciones

El objetivo es minimizar la ecuacin 1.1.d. con respecto a P. Para un extremo, el

gradiente C debe ser cero : C b 2CP 0 (1.1.f)

El mnimo se obtiene como la solucin de esta ecuacin si la matriz Hessiana es
positiva definida. Esta matriz es el resultado de tomar la segunda derivada parcial.
H=2C
y la condicin del mnimo es H > 0
el ptimo se obtiene con :

1
P C 1 b
2

(1.1.f )

______________________________________________________________________
1.2 OPTIMIZACION CON RESTRICCIONES DE IGUALDAD
En la prctica los problemas de optimizacin casi nunca son sin restricciones. Lo usual
es que se minimice un costo sujeto a satisfacer ecuaciones de restricciones. Estas
ecuaciones normalmente estn basadas en modelos que describen la interaccin entre el
control y otras variables fsicas.
Para ilustrar este caso utilicemos el mismo ejemplo visto en la seccin anterior de m
generadores trmicos conectados a una barra nica.
Como antes, supongamos que el costo del combustible vara con la potencia activa
generada:

C ai bi Pi ci Pi 2

1.1. f

i 1

la tarea es hallar el Pi tal que C sea un mnimo pero que se satisfagan la ecuacin de
balance de potencia activa (generado igual a lo consumido)
m

PD Pi

1.1.g

i 1

donde PD es la potencia activa total demanda por el sistema elctrico (esto para un
instante de tiempo especfico, o podra ser la energa en un perodo de tiempo)
El resultado obtenido anteriormente para la minimizacin sin restricciones fue:
m

P i
i 1

1 m
(bi / ci )
2 i 1

1.1.h

En general, la sumatoria no es igual a la potencia requerida PD por lo que la solucin

obtenida no sera la correcta.
Uno de los enfoques de ataque a este problema es el de convertir el problema con
restricciones a uno sin restricciones y aplicar los mtodos estudiados en la seccin
anterior. El primer mtodo es el de Eliminar una Variable, lo que requiere que por lo
menos una variable pueda ser expresada en trminos de las restantes utilizando las
restricciones dadas. El segundo mtodo es el de Multiplicadores de Lagrange y el
tercero es el de Funciones de Penalizacin.
1.2.1 ELIMINACION DE VARIABLES
La ecuacin de restricciones 1.1.g se transforma de forma tal que exprese una variable
como
m 1

Pm PD Pi

1.1.i

i 1

Sustituyendo Pm en 1.1.f se obtiene:

m 1

m 1

m 1

i 1

i 1

i 1

C ( ai bi Pi ci Pi 2 ) bm ( PD Pi ) cm ( PD Pi ) 2 am

1.1.j

Ahora se puede aplicar cualquiera de los mtodos de minimizacin sin restricciones

vistos previamente. C es ahora una funcin de (m-1) variables Pi (i=1,., m-1)
MULTIPLICADORES DE LAGRANGE
Un mtodo alternativo muy popular es la tcnica de Multiplicadores de Lagrange,
retomando la ecuacin 1.1.g.
m

PD Pi
i 1

puede ser reformulada como:

m

PD Pi 0

1.1.k

i 1

y esta ecuacin (1.1.k) puede ser incluida en la funcin de costo original utilizando un
multiplicador de Lagrange, tradicionalmente llamado
m

i 1

i 1

C ai bi Pi ci Pi 2 ( PD Pi )

1.1.l

las unidades de son $/MW (variaciones en $ respecto a variacin de MW)

La idea es la de penalizar cualquier violacin de la restriccin sumando el respectivo
trmino del error al costo C. El multiplicador de Lagrange es tambin un factor de
conversin que toma en cuenta las incompatibilidades de dimensiones entre la funcin
de costo y las restriccines. Tenemos de nuevo un problema sin restricciones y hemos
incrementado el nmero de incgnitas en uno.
las condiciones de optimalidad son:
C
bi 2ci Pi 0
Pi

1.1.m

m
C
PD Pi 0

i 1

1.1.n

C
C1 C 2

..... i
P1
P2
Pi
las unidades individuales comparten la potencia de forma tal que sus costos
incrementales sean iguales.
de 1.1.m se llega a la conclusin

bi 2ci Pi = b1 2c1 P1 b2 2c2 P2

Pi

bi
2ci

Pi

b1
2c1

P2

b2
2c2

De 1.1.m la potencia ptima de operacin es:

P i ( bi ) / 2ci
m

Si

PD Pi

bi 2ci Pi

i 1

2 PD (bi / ci ) /( ci1 )

Para el caso general en el que la funcin de costo C est sujeta a restricciones de

igualdad g = b formamos el Lagrangeano, incorporando las restricciones de igualdad
mediante los multiplicadores de Lagrange:
L = C + (g-b)

L
= -
b

de donde obtenemos

Si

P P
i 1

0 L=C+(Pi-PD)

L
PD

Considere 3 unidades trmicas en lnea. Encontrar el Despacho Econmico Optimo para

una demanda de 350 MW
C1(PG1) = 561 + 7.8 PG1 + 0.00156 P2G1 $
C2(PG2) = 310 + 8.4 PG2 + 0.00142 P2G2 $
C3(PG3) = 78 + 7.6 PG3 + 0.00228 P2G3 $
Los costos incrementales son las derivadas de las expresiones anteriores. Y las
condiciones de primer orden son:
dL
7.8 0.00312 PG1 0
dPG1
dL
7.6 0.00456 PG 3 0
dPG 3

dL
8.4 0.00284 PG 2 0
dPG 2

dL
PG1 PG 2 PG 3 350 0
d

En forma matricial:

0
0.00312

0
0.00284

0
0

0.00456

1
1
1

PG1
P
G2

PG 3

7.8
8.4

7.6

350

PG1
185.93
P
7.005
G2

Resolviendo
PG 3
171.075

8.3801
Observe, que al no existir restricciones para las potencias de los generadores se
obtienen hasta valores negativos. El costo marginal de demanda es [$/MW]

EL LAGRANGEANO
En general, para una funcin f: Rn R sujeta a la restriccin de igualdad g(x) = b,
g: Rn R g ( x 0 ) 0
Existir un extremo que optimiza ( mximo, mnimo o
inflexin) en x0 de la funcin f si existe un nmero real tal que f ( x 0 ) g ( x 0 )
en los puntos extremos, f y g (son vectores de igual pendiente si >0 si <0
son de sentido opuesto)
Se considera F(x) = f(x) g(x) sabiendo que max F(x) = max f(x)
en la restriccin g(x) = 0 para # 0
se buscan valores de x y en los cuales F ( x) 0
F ( x ) g ( x )

i g i ( x) es una funcin de n+m variables, x Rn y

El Lagrangiano L( x, ) f ( x )
i

m restricciones de igualdad. Diferenciando respecto a n+m ecuaciones e igualando a

cero obtenemos el sistema de ecuaciones que nos da la solucin. Cuando se satisfacen
las restricciones las gi(x) = 0 y sin importar el valor de i , L(x,) = f(x)
Se puede imaginar el uso del Lagrangiano como una maximizacin de f con
restricciones de la siguiente forma: nos movemos alrededor de x Rn buscando el
mximo valor de f(x), esto se ve como el problema sin restricciones.
Pero no tenemos control sobre el valor de , luego seleccionamos para minimizar L
El problema es encontrar las x tal que:
f * max x {min L( x, )}

Si las restricciones estn activas L(x,) = f(x) sin importar el valor de , pero si algunas
restricciones no son satisfechas algunos gi(x) son diferentes de cero, y podemos
seleccionar los i para hacer L lo ms pequeo posible,
El anterior problema puede ser tambin resuelto si primero buscamos los valores de , y
luego, al igual que anteriormente buscamos los x que maximizan L, pero sin considerar
aquellos valores de x que no estn en la regin factible
f * min {max x L( x, )}

CONCEPTO DE DUALIDAD
El concepto de dualidad se expresa mediante la siguiente formulacin, y se acostumbra
decir que el problema primal tiene un equivalente en su problema dual.
f * max x {min L( x, )} = min {max x L( x, )}

INTERPRETACION DE LOS MULTIPLICADORES

Los multiplicadores de Lagrange en el valor ptimo, dan adems informacin adicional
importante. Si las ecuaciones de restricciones son escritas con parmetros b i en el lado
derecho, los multiplicadores dan el cambio en el valor de la funcin objetivo J con
respecto a los parmetros, esto es,

L
, muchas veces el lado derecho de las
bi

ecuaciones de restricciones representan la disponibilidad de materiales, demanda o

productos o capacidades de mquinas o cualquier cosa. Es importante conocer como el
valor de la solucin ptima se modifica ante cambios en capacidades, demanda,
disponibilidad de recursos (bi), etc. Tambin, permite analizar si vale la pena considerar
una variacin en los recursos (anlisis de sensibilidad) observando cmo se modifica el
valor de la funcin de costo. Los multiplicadores de Lagrange tienen informacin de la
sensibilidad de la funcin objetivo con respecto a cambios en las restricciones.

PD

En este caso, ya analizado, nos indica cuanto cuesta el incrementar una

unidad en la demanda PD denominado, costo marginal de demanda.

Matemticamente los multiplicadores i son los valores de las derivadas parciales de L

respecto a las restricciones gi. Es la tasa a la cual incrementamos el Lagrangeano si
incrementaramos el valor de la restriccin desde cero. Pero en un punto de solucin

L(x*,) = f(x*) pues todas las gi son cero, por lo que la tasa de incremento del
Lagrangeano respecto a una restriccin es tambin la tasa de incremento respecto al
mximo valor restringido de f. La relajacin de cul de las restricciones produce el
mximo cambio de L?
En economa cuando f es una funcin de ganancias/beneficios, y las restricciones son
cantidades de recursos, i indica en cuanto se incrementan las ganancias si pudiramos
contar con una unidad ms del recurso i, esto se llama el precio sombra de i. La cantidad
que sera interesante relajar esa restriccin.
_____________________________________________________________________

Revisar documentos:
http://valle.fciencias.unam.mx/internat/ArticuloLag/articuloPDFb.pdf
http://www.cs.berkeley.edu/~klein/papers/lagrangemultipliers.pdf
http://people.usd.edu/~jflores/ArticuloLag/articuloPDF.pdf

Ejemplo:
Considere la siguiente funcin: min f (x1,x2) = -x1x2
sujeto a g(x1,x2) = x1 + x2 -2 = 0
la funcin Lagrangeana:

L(x,) = -x1x2 ( x1 + x2 -2)

El gradiente del Lagrangeano L( x, ) se calcula como:
L( x, )
x2 0
x1
L( x, )
x1 0
x 2
L( x, )
x1 x 2 2 0

La solucin de este sistema es x1 = x2 = 1 y * = -1. El punto (x*,*) = ( 1,1,-1)

satisface las condiciones necesarias para mnimo.
Ejemplo
Minimizar el costo C
C 1000 P

4 x10 9
2.5 x10 5 R
PR

y que cumpla PR = 9000

Solucin por sustitucin directa
P= 9000/R C = 9x106/R + (4/9)x106 + 2.5x105 R

dC 9 x10 6

2.5 x10 5 0
2
dR
R
Restriccin activa
dC
0
dR

R = 6 P = 1500 y C = 3.44x106

Cul es el costo sin la restriccin? Es mayor o menor?

Solucin mediante multiplicadores de Lagrange
4 x10 9
2.5 x10 5 R ( PR 9000)
PR
L
4 x10 9 2
L
4 x10 9 2
1000
P R

R 2.5 x10 5 P
P
R
R
P
dL
PR 9000
d

L 1000 P

= -117.3 R = 6 P = 1500 y C = 3.44x106

Ejemplo
Optimizar f: R2 R, f ( x, y ) x 3 xy y 2 3 sujeta a la condicin que los puntos (x,y)
satisfagan la ecuacin de una elipse x 2 2 y 2 1
Solucin: g(x,y) = 0 = x 2 2 y 2 1
En el plano donde la elipse interseca la funcin f, existen 4 puntos crticos, en esos
puntos las curvas de nivel de f(x,y) son tangentes a la curva dada por la condicin de la
elipse g(x,y) = 0, en cada uno de estos 4 puntos se cumple que f ( x) g ( x)

Ejemplo
Min x12+x22
s.a. x1+x2=1

2x
f ( x)
f ( x ) 1
x
2 x2

1
g ( x)
g ( x )
x
1

f ( x ) g ( x )

F = f(x) + g(x)

2 x1
2x
2

1
1 0

Resolviendo con

f ( x ) g ( x )

o de otra forma

x1+x2 = 1

x1* =

x1
2 0 1
0 2 1 x2

x2* =

0
0

* = -1

f(x1*, x2*) =

El ptimo se logra cuando la curva de

nivel de f es tangente a la recta de
restriccin, en ese punto los gradientes
son colineales (=-1) y de sentido
contrario.
F f ( x1 x 2 b) para nuestro caso la restriccin b = 1
F

Se obtiene que g 1 lo que indica que la funcin objetivo aumenta su valor

conforme se incremente la restriccin. As al pasar a b= 2, x1+x2 = 2 la solucin ptima
es en x1*= x2*=1 y f(x1*,x2*) = 2

MULTIPLICADORES DE LAGRANGE CON RESTRICCIONES DE

DESIGUALDAD
En el caso de tener una funcin de costo sujeta a restricciones de desigualdad se puede
utilizar el mismo procedimiento, pero analizando dos casos. Uno cuando el
multiplicador es cero y otro cuando no lo es.
Optimizar J(x)
s.a. g(x) 0
planteamos el Lagrangeano utilizando una variable slack, xs como xs2
L(x,) = J(x) +i[g(x) + xs2]
las primeras derivadas con respecto a las xis y i e igualando a cero se obtiene un
sistema de ecuaciones a resolver en el punto estacionario. Para simplicidad, el caso
escalar

L
2x s 0
x s

o sea xs = 0

tenemos dos casos = 0 y xs # 0 la restriccin se dice inactiva

o # 0 y xs = 0 restriccin est activa, estamos en el borde o lmite
Ejemplo
Minimizar el costo C
C 1000 P

4 x10 9
2.5 x10 5 R
PR

y que cumpla PR 9000

Solucin. Agregando la variable slack s, como s2
Formamos el Lagrangeano

L = 1000 P

4 x10 9
2.5 x10 5 R ( PR s 2 9000)
PR

Las primeras derivadas respecto a P, R , , s

L
4 x10 9
1000 2 R
P
P R

L
4 x10 9
2.5 x10 5
P
R
P R2

L
2 s
s

L
PR s 2 9000

para el caso en que s = 0 # 0 PR = 9000 la restriccin est activa

y el valor ptimo es el analizado anteriormente con la restriccin de igualdad.
= -117.3 R = 6 P = 1500 y C = 3.44x106
para el caso en que s # 0 = 0 la restriccin es de desigualdad y est inactiva
C
1000 4 x10 9 / RP 2 0
P

y resolviendo P = 1000

R=4

C
2.5 x10 5 4 x10 9 / R 2 P 0
R

C = 3 x 106

PR = 4000 < 9000

FUNCIONES DE PENALIZACION
En el mtodo de Funciones de Penalizacin, bsicamente el problema de minimizacin
restringido es transformado en un problema sin restricciones o una secuencia de
problemas sin restricciones. La idea es la de formar una nueva funcin agregando un
trmino de penalizacin que fuerce la solucin a satisfacer las restricciones. (Se han
propuesto muchas diferentes funciones de penalizacin)

Introduzcamos un parmetro positivo K y obtengamos una funcin aumentada C

C C K ( Pi PD ) 2

1.1.o

i 1

donde C es el costo de combustibles

Lo que hemos hecho es introducir un trmino de penalizacin para cualquier violacin,
claramente el proceso de minimizacin forzar el trmino de penalizacin a un mnimo,
este se espera que sea cero y por lo tanto la restriccin ser satisfecha.
Las condiciones de optimalidad sern:

m
C
C
(
) 2 K ( Pi PD )
Pi
Pi
i 1

i=1,,m

1.1.p

utilizando un costo cuadrtico:

(b / 2) KP (c
i

K ) Pi K

j 1 j i

i=1,..,m 1.1.q

cualquier seleccin de K dar una solucin que en general no satisface exactamente la

restriccin. Sin embargo, conforme K aumenta se obtiene una solucin que si la
satisface. Para K = la restriccin se satisface plenamente.

Como un ejemplo, para un sistema con dos plantas trmicas, las potencias ptimas de
operacin como una funcin de K son:

P1 c2 PD (b2 b1 ) / 2 (c2 b1 / 2 K ) /
P2 c1 PD (b1 b2 ) / 2 (c1b2 / 2 K ) /
con -1 = (c1+c2+(c1 c2 / K )
con PE = P1 + P2
esta suma dependiente de K se expresa como

b c b2 c1

PE (c1 c2 ) PD ( 1 2
) /
2K

esta expresin no es igual a PD a menos que K sea infinito

Ejemplo. Resolver el problema de despacho econmico para las 3 unidades trmicas

descritas anteriormente, pero considerando que el generador 1 tiene un mximo de 50
MW. La demanda total es 350 MW
L CT ( PD i 1 PGi ) ( PG1 PGMAX
)
1
N

Las condiciones de primer orden son:

dL
dL
7.8 0.00312 PG1 0
8.4 0.00284 PG 2 0
dPG1
dPG 2
dL
dL
7.6 0.00456 PG 3 0
PG1 PG 2 PG 3 350 0
dPG 3
d
dL
PG1 PGMAX
0
1
d

En forma matricial
0.00312

0.00284

0
1

0
1

0.00456
1

1 1
1 0
1 0

0
0
0
0

PG1
7.8
P
8.4
G2

PG 3 7.6

350

50

PG1
50
P
76.757
G2

PG 3 223.24

8.618

0.662

PG1 esta en el lmite superior, y = 0.662, lo que indica que si vale la pena aumentar la
capacidad de esa mquina ( relajar la restriccin)

Ejemplo Consideremos el ejemplo anterior, pero la restriccin de desigualdad se trata

mediante una funcin de penalizacin, el Lagrangeano es:

L CT ( PD i 1 PGi )
N

s
( PG1 PGMAX
)2
1
2

donde s= 9x106

Condiciones de primer orden:

dL
dL
7.8 0.00312 PG1 s ( PG1 PGMAX
0
8.4 0.00284 PG 2 0
1
dPG1
dPG 2
dL
dL
7.6 0.00456 PG 3 0
PG1 PG 2 PG 3 350 0
dPG 3
d

0
0.00312 s

0
0.00284

En forma matricial:

PG1

G2

Solucin
PG 3

1
0
1
0.00456 1

1
0

PG1
P
G2

PG 3

7.8 s * 50

8 .4

7.6

350

50.0
76.757
223.24

8.618

EJEMPLO Despacho econmico con prdidas por trasmisin y sin restricciones de

transmisin
N

Minimizar: CT C i ( PG )
i 1

i 1

i 1

PD +PL - PGi = 0

L Ci ( PGi ) ( PD PL PGi )

condiciones de optimalidad

C i ( PGi )
P
L

(1 L ) 0
PGi
PGi
PGi
N
L
PD PL PGi

i 1

EJEMPLO Despacho econmico Restringido

Por razones fsicas, la cantidad de potencia transmitida a travs de una lnea tiene un
lmite, el cual, es debido a consideraciones trmicas, cada de tensin, estabilidad o por
seguridad operativa. Por tanto, una lnea debe funcionar de manera que su lmite de
transporte no se supere en ningn caso. Esto se formula como:
Pij PijMAX donde PijMAX es la capacidad mxima de transmisin de la lnea que
Conecta los nodos i y j

La cantidad de potencia enviada es proporcional a la diferencia angular entre los nodos.

La potencia transmitida desde el nodo i al nodo j a travs de la lnea que los conecta es:
Pij = bij (i j ) donde bij es susceptancia serie de la lnea que conecta los nodos i y j
i ,j son los ngulos de los voltajes complejos de los nodos i y j
normalmente se fija una referencia angular a cero considerando k = 0
k nodo referencia
bij = 1/ xij

xij reactancia serie de la lnea

En cada nodo, la potencia que llega debe coincidir con la potencia que sale del mismo
(ley de conservacin de energa)
PGi PDi Pij PGi PDi bij ( i j ) 0
ji

ji

i=1,2,..,n

j i indica todo aquel nodo j conectado al nodo i a travs de una lnea

la potencia transmitida por cada lnea est acotada
Pijmax bij ( i j ) Pijmax

EJEMPLO Problema de flujos ptimos por el Mtodo de Newton

El problema de flujos ptimos formulado como un programa no lineal con restricciones,
se transforma en un problema algebraico no lineal, mediante la tcnica de
multiplicadores de Lagrange, el cual puede ser resuelto por el mtodo de Newton.
Adems, la formulacin del problema de flujos ptimos puede contener una de varias
funciones objetivo (problema multiobjetivo) como minimizacin de costos de
produccin de potencia activa, minimizacin de prdidas, maximizacin de reservas de
reactivo, minimizacin de desviaciones de voltaje, minimizacin de impacto ambiental,
etc.
TAREA
(Ver documento sobre Modelado de la Demanda con Curva de Duracin de carga)
La seleccin del modelo de la demanda elctrica tiene fuerte influencia sobre los costos
y la precisin de los anlisis del desempeo de sistemas de generacin.
En el mbito del planeamiento operativo de los sistemas elctricos de potencia es muy
importante el conocer los posibles efectos que pueda tener la representacin de la
demanda (modelo utilizado) en la precisin y tambin sobre los costos computacionales.

El Planeamiento Operativo se encarga, entre otros, de definir la programacin de la

generacin en un sistema elctrico. En un pas como Costa Rica, en donde se tienen
disponibles recursos hidro, geotrmicos, trmicos (bunker/diesel), elicos se debe
decidir (programar) como deben ser utilizados estos recursos para suministrar la
demanda elctrica de la forma ms barata y ms confiable.
En un estudio de Planeamiento Operativo, existen diferentes posibilidades de
representacin de la demanda de energa y potencia cada una de ellas presenta algunas
ventajas y desventajas, las cuales deben ser crticamente evaluadas antes de
seleccionarse la ms adecuada a un especfico tipo de estudio o de modelo de
simulacin o de optimizacin de la operacin. La representacin de la demanda en los
modelos es una de las decisiones ms importantes en el desarrollo y en la aplicacin de
computadoras al planeamiento de la operacin de sistemas de energa elctrica. La
seleccin de la representacin ms adecuada depende de muchos factores, tales como: la
cantidad y la calidad de los datos disponibles, el perodo elemental de anlisis, el
objetivo de los anlisis, tambin el equipo computacional disponible, el horizonte de
estudio, etc.
Investigue sobre el tema de la Representacin (modelos) de la Demanda Elctrica
utilizados para el Planeamiento de la Operacin en un sistema elctrico como el de
Costa Rica.