Académique Documents
Professionnel Documents
Culture Documents
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
2 Pi bi
(ai bi ) ci Pi
4 ci
2 ci
2
b
c 4
c
i
(1.1.c)
2
donde: C [ ai (bii / 4ci )]
i 1
C C ( ai bi P P T CP )
T
(1.1.d)
i 1
bT = ( b1,..,bm )
y el problema es el de minimizar C b T P P T CP
(1.1.e)
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
Pm PD Pi
1.1.i
i 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
PD Pi
i 1
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
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
P2
b2
2c2
P i ( bi ) / 2ci
m
Si
PD Pi
bi 2ci Pi
i 1
2 PD (bi / ci ) /( ci1 )
L
= -
b
de donde obtenemos
Si
P P
i 1
0 L=C+(Pi-PD)
L
PD
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 )
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, )}
L
, muchas veces el lado derecho de las
bi
PD
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:
4 x10 9
2.5 x10 5 R
PR
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
R 2.5 x10 5 P
P
R
R
P
dL
PR 9000
d
L 1000 P
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*) =
L
2x s 0
x s
o sea xs = 0
4 x10 9
2.5 x10 5 R
PR
L = 1000 P
4 x10 9
2.5 x10 5 R ( PR s 2 9000)
PR
L
4 x10 9
2.5 x10 5
P
R
P R2
L
2 s
s
L
PR s 2 9000
y resolviendo P = 1000
R=4
C
2.5 x10 5 4 x10 9 / R 2 P 0
R
C = 3 x 106
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)
C C K ( Pi PD ) 2
1.1.o
i 1
m
C
C
(
) 2 K ( Pi PD )
Pi
Pi
i 1
i=1,,m
1.1.p
(b / 2) KP (c
i
K ) Pi K
j 1 j i
i=1,..,m 1.1.q
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
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)
L CT ( PD i 1 PGi )
N
s
( PG1 PGMAX
)2
1
2
donde s= 9x106
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
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
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