Vous êtes sur la page 1sur 15

1

TECNICAS DE RELAJACION LAGRANGIANA

Lopinta Aique, Lucero Celeste


Yucra Altamirano, Luis Giussepe
Abril 2019

Universidad Nacional San Antonio Abad del Cusco


Escuela Profesional de Ingeniería Eléctrica
Análisis de Sistemas de Potencia II
2

PRESENTACION

El presente documento tiene por finalidad presentar el método gradiente el Cual es usado

para conseguir un modelo de flujo de potencia óptima, reducida perdida en el sistema de

potencia.

Dicho algoritmo nos permite realizar ajustes al conjunto de variables de control con el fin

de reducir las pérdidas con el fin de conseguir un punto de operación que minimice las

pérdidas de potencia activa.

El método del gradiente se basa en el método de Newton, los límites de las variables

independientes son manejados mediante funciones de penalidad. El desempeño del

algoritmo es evaluado usando dos métodos diferentes para calcular el tamaño del paso a

lo largo de la dirección factible: un paso constante y un paso variable usando el método

de ajuste de parábola.
3

Tabla de Contenidos
Capítulo 1 INTRODUCCION .............................................................................................5
FLUJO ÓPTIMO DE POTENCIA ..................................................................................5
Capítulo 2 MÉTODO DEL GRADIENTE DE PRIMER ORDEN ....................................6
VENTAJAS DEL USO DEL METODO DE GRADIENTE DE PRIMER ORDEN .....6
DESVENTAJAS DEL USO DEL METODO DE GRADIENTE DE PRIMER
ORDEN ............................................................................................................................6
FUNCION OBJETIVO ....................................................................................................7
Capítulo 3 MÉTODO DEL GRADIENTE DE SEGUNDO ORDEN ...............................11
PASOS DE SOLUCION................................................................................................13
Capítulo 4 CONCLUSIONES Y RECOMENDACIONES ..............................................14
4

Lista de figuras
Figura 1: Método de gradiente de primer orden ..................................................................9
5

Capítulo 1

INTRODUCCION

FLUJO ÓPTIMO DE POTENCIA

El flujo óptimo de potencia consiste en despachar una serie de generadores con el

fin de minimizar o maximizar una función objetivo sujeta a restricciones de igualdad o

desigualdad. La función objetivo puede ser la minimización de las perdidas, la

maximización del beneficio social neto, la minimización de los costos de generación, etc.

El flujo de potencia optimo fue definido a comienzos de la década de los 60’s por

Carpentier. El primer método propuesto fue el método de gradiente reducido.

Posteriormente Dommel y Tinney abordaron el problema resolviendo las ecuaciones de

Kuhn-Tucker usando una combinación del método gradiente para un grupo conocido de

variables independientes y funciones para penalización para violaciones en las

restricciones dependientes. De los dos métodos el gradiente, el propuesto por Dommel y

Tinney es uno de los más reconocidos en la literatura existente sobre este tema.

En la actualidad existen muchos métodos para resolver el problema de flujo de

potencia optimo, básicamente estos dos métodos se pueden dividir en dos categorías: los

basados el optimización matemática clásica y los basados el metas heurísticas. En el

primer grupo se encuentran el método de programación no lineal, programación lineal,

programación cuadrática, el método de Newton y el método del gradiente. El segundo

grupo se encuentran los algoritmos genéticos, métodos basados en inteligencia artificial y

búsqueda.
6

Capítulo 2

MÉTODO DEL GRADIENTE DE PRIMER ORDEN

Este método es uno de los más exactos, es un procedimiento de alcance de

su punto óptimo, por lo tanto de naturaleza iterativo. El gradiente de primer orden tiene

variadas aplicaciones en problemas en donde es importante el conocimiento físico de las

variables, la naturaleza del problema y la conducta de la función objetivo cuando son

calculadas sus variables. El alcance con el gradiente empieza con una solución factible,

es decir que cumple con la función objetivo y sus restricciones, y se busca una trayectoria

factible hasta que en un proceso iterativo se alcanza la solución óptima.

VENTAJAS DEL USO DEL METODO DE GRADIENTE DE PRIMER ORDEN

Es una gran ventaja que el método del gradiente de primer orden siempre presente

una solución factible en cada momento, esto permite decidir en cualquier momento de la

iteración un conjunto de variables es conveniente, dependiendo de otras restricciones, que

a veces no se pueden integrar al modelo, que son en cierto modo intangibles, como los

efectos ecológicos. En este método se tiene la seguridad de que si conviene un cierto

valor aunque no sea el óptimo, el resultado será factible.

DESVENTAJAS DEL USO DEL METODO DE GRADIENTE DE PRIMER

ORDEN

La desventaja que presenta el método del gradiente de primer orden es que no

tiene un indicador que establezca cuando parar, en cada iteración se va mejorando la

función objetivo, esto dificulta la obtención del punto óptimo. Normalmente los alcances

por gradientes siguen con sus iteraciones hasta que la ganancia de una iteración sea
7

insignificante en la función objetivo, o hasta que el número de iteraciones haya excedido

un valor determinado.

FUNCION OBJETIVO

Para empezar la técnica del primer gradiente se toma la función objetivo y la

ecuación de restricción:

𝐶𝑡 = 𝐶1 + 𝐶2 + 𝐶3 + ⋯ + 𝐶𝑛 (1)

𝜃 = 𝑃𝑑 − ∑ 𝑃𝑡 (2)

Después se asume que el sistema es operado en un punto factible de solución, es

decir que la suma de las potencias de generación es igual a la demanda, enseguida se

considera que la potencia de salida de cada generador es cambiada incrementándose en

una pequeña cantidad para encontrar un nuevo punto factible de operación. Lo anterior se

hace con la ayuda de la serie de Taylor aplicada a la función objetivo:

𝐶𝑡 + ∆𝐶𝑡 = 𝐶1 (𝑃1 ) + 𝐶2 (𝑃2 ) + ⋯ + 𝐶𝑛 (𝑃𝑛 ) (3)

𝑑𝐶1 𝑑𝐶2 𝑑𝐶𝑛 1 𝑑 2 𝐶1 2


𝑑 2 𝐶2
+ ∆𝑃1 + ∆𝑃2 + ⋯ + ∆𝑃𝑛 + ( [∆𝑃1 ] + [∆𝑃2 ]2 + ⋯ ) + ⋯
𝑑𝑃1 𝑑𝑃2 𝑑𝑃𝑛 2 𝑑𝑃1 2 𝑑𝑃2 2

La serie de Taylor es mostrada hasta los términos de segundo orden, pero se ha

comprobado que en la relación del incremento pueden despreciarse los términos de

segundo orden y mayores. La siguiente ecuación muestra el primer orden de cambios en

la función objetivo:

𝑑𝐶 𝑑𝐶 𝑑𝐶
∆𝐶𝑡 = 𝑑𝑃1 ∆𝑃1 + 𝑑𝑃2 ∆𝑃2 + ⋯ + 𝑑𝑃𝑛 ∆𝑃𝑛 (4)
1 2 𝑛
8

Enseguida se considera la ecuación de restricción, tomando el enfoque que la

suma de todos los incrementos de potencia deben ser igual a cero, con esto se permiten

que los incrementos mantengan la condición de factibilidad:

∑𝑛𝐼=1 ∆𝑃𝑖 = 0 (5)

Esta restricción permite además un buen grado de libertad al poder decidir cuál

generador incrementará o decrementara su potencia. Sin embargo por cuestiones de

implementación computacional de este método, por lo menos una unidad de generación

debe ser seleccionada como variable dependiente, En este caso la variación de potencia

de este generador dependiente (Px), es la suma negativa del incremento de potencia de

salida de las restantes unidades:

∆𝑃𝑥 = − ∑𝑛𝑖≠𝑥 ∆𝑃1 (6)

Las últimas dos ecuaciones se combinan para formular el cambio en la función

objetivo Ct, como una función del incremento en la potencia de salida, esta es la base del

método del gradiente de primer orden. Después se hace una lista de incrementos en la

potencia de cada generador, manteniendo la condición de factibilidad y comparando

resultados. Enseguida se detecta una tolerancia y se decide si hay que hacer otra iteración

o se termina el cálculo. La menor disminución de costos para una potencia establecida

está dada por la siguiente ecuación:

𝜕𝐶 𝜕𝐶 𝜕𝐶
∆𝐶𝑡 = ∑𝑛𝑖≠𝑥 [𝜕𝑃𝑖 − 𝜕𝑃𝑥 ] ∆𝑃𝑖 = ∑𝑛𝑖≠𝑥 [𝜕𝑃𝑡 ] ∆𝑃𝑖 (7)
𝑖 𝑥 𝑡

Como se mencionó anteriormente este método empieza con una solución factible

inicial, luego se selecciona cual generador será el dependiente Px, después se aplica un
9

incremento a cada generador, inicial mente de igual cantidad y se aplica en la ecuación

anterior.

El resultado obtenido tiene la particularidad de ser individual, de tal manera que

se puede observar cual generador aporta una disminución y cual un aumento. Con lo

anteriormente expuesto se toma el criterio de cual generador será ahora el dependiente en

la siguiente iteración y se decide cuanto será en nuevo incremento en cada generador.

INICIO

ASUMIR Pi=n

Seleccionar Px

Calcular:
𝜕𝐶𝑡 𝜕𝐶𝑖 𝜕𝐶𝑥
= =
𝜕𝑃𝑡 𝜕𝑃𝑖 𝜕𝑃𝑥
Para i=n

Viola Pi Viola Px
Limite
Seleccion
Selecciona
a nuevo Pi
No violados nuevo Px

Calcular:
∆𝐶𝑡

Tolerancia
Imprimir

Figura 1: Método de gradiente de primer orden


10

La Figura 1 muestra el algoritmo del método del gradiente de primer orden, los

diferentes puntos de operación son revisados primero si alcanza un límite de generación

tanto en las variables independientes como en la variable dependiente, se compara el

decremento de la ecuación de costos y se decide si hay que hacer otra iteración, si es

necesaria se vuelve a seleccionar la variable dependiente y el nuevo incremento.

Por último se revisa si el incremento de Ct sobrepasa la tolerancia o si es aceptado

como solución.
11

Capítulo 3

MÉTODO DEL GRADIENTE DE SEGUNDO ORDEN

Los resultados del método del gradiente de primer orden pueden ser

mejorados notablemente en la trayectoria de búsqueda, usando los términos de segundo

orden de la expansión de la serie de Taylor de la ecuación del costo total de generación.

El problema es el mismo, encontrar un camino económico de generación para un nivel de

demanda.

𝐶𝑡 + ∆𝐶𝑡 = 𝐶1 (𝑃1 ) + 𝐶2 (𝑃2 ) + ⋯ + 𝐶𝑛 (𝑃𝑛 ) (3)

𝑑𝐶1 𝑑𝐶2 𝑑𝐶𝑛 1 𝑑 2 𝐶1 2


𝑑 2 𝐶2
+ ∆𝑃1 + ∆𝑃2 + ⋯ + ∆𝑃𝑛 + ( [∆𝑃1 ] + [∆𝑃2 ]2 + ⋯ ) + ⋯
𝑑𝑃1 𝑑𝑃2 𝑑𝑃𝑛 2 𝑑𝑃1 2 𝑑𝑃2 2

Con esto se obtiene mayor exactitud al incluir las derivadas parciales de segundo

orden en el problema. La segunda derivada del costo de generación para una unidad dada

es normalmente dependiente de la potencia de salida de esa unidad o lo que es lo mismo:

𝜕2 𝐶𝑖
=0 (8)
𝜕𝑃𝐼 𝜕𝑃𝑗

Para toda 𝑖 ≠ 𝑗 Este método también necesita considerar que la suma de las

potencias de salida de los generadores debe ser igual a cero. Junto con esto aparece

también la condición de adoptar una variable de generación dependiente Px.

∑𝑛𝐼=1 ∆𝑃𝑖 = 0 (9)

∆𝑃𝑥 = − ∑𝑛𝑖≠𝑥 ∆𝑃1 (10)


12

Ahora bien si se sustituye la ecuación anterior (10) en la serie de Taylor de la

función de costos, considerando los términos de primero y segundo grado, se obtiene:

𝜕𝐶 𝜕𝐶
∆𝐶𝑡 = ∑𝑛𝑖≠𝑥 [𝜕𝑃𝑖 − 𝜕𝑃𝑥 ] ∆𝑃𝑖 (11)
𝑖 𝑥

1 𝑑 2 𝐶1 2
𝑑 2 𝐶2
+ (∑ ( [∆𝑃 ]
1 + [∆𝑃2 ]2 + ⋯ )
2 𝑑𝑃1 2 𝑑𝑃2 2
𝑖≠𝑥

𝑑 2 𝐶𝑥
+ 2 (∆𝑃1 2 + ∆𝑃2 2 + ⋯ + 2∆𝑃1 ∆𝑃2 + 2∆𝑃1 ∆𝑃3 + ⋯ ))
𝑑𝑃𝑥

El cambio en el costo total de operación ∆𝐶𝑡 se puede resolver usando métodos

ordinarios involucrando los cambios independientes de las potencias de salida ∆𝑃𝑖 . Las

restricciones que existen son los límites de generación de cada generador. El mejor punto

de operación se logra cuando la derivada parcial de ∆𝐶𝑡 con respecto al incremento de

𝜕∆𝐶𝑡
cada variable independiente ∆𝑃𝑖 es cero. Es decir la derivada parcial 𝜕∆𝑃𝑖 debe ser igual a

cero para toda 𝑖 excepto 𝑖 ≠ 𝑥. Lo anterior da como resultado un arreglo de ecuaciones

simultáneas:

𝜕∆𝐶𝑡 𝜕𝐶 𝜕𝐶 𝑑2 𝐶 𝑑2 𝐶
= 0 = (𝜕𝑃1 − 𝜕𝑃𝑥 ) + 𝑑𝑃 21 ∆𝑃1 + 𝑑𝑃 𝑥2 ∑𝑛𝐼=1 ∆𝑃𝑖 (12)
𝜕∆𝑃1 1 𝑥 1 𝑥

𝜕∆𝐶𝑡 𝜕𝐶 𝜕𝐶 𝑑2 𝐶 𝑑2 𝐶
= 0 = (𝜕𝑃2 − 𝜕𝑃𝑥 ) + 𝑑𝑃 22 ∆𝑃1 + 𝑑𝑃 𝑥2 ∑𝑛𝐼=1 ∆𝑃𝑖 (13)
𝜕∆𝑃2 2 𝑥 2 𝑥

Una buena aproximación de estas últimas las ecuaciones (12) y (13) son las

siguientes:

𝑑𝐶
𝐶 ′ 𝑖 = 𝑑𝑃𝑖 (14)
𝑖
13

𝑑2 𝐶
𝐶 ′ ′𝑖 = 𝑑𝑃 2𝑖 (15)
𝑖

Ambas ecuaciones deben ser evaluadas para un punto inicial de operación.

Entonces las N -1 ecuaciones simultáneas son puestas en forma matricial para obtener el

incremento de potencia:

C1''  C1' Cx'' Cx'' ...  P1   C1'  Cx' 


     
 Cx
''
C2''  C2' Cx'' ...  P2  C2'  Cx' 
 Cx'' Cx'' C3''  C3' ... *  P3   C3'  Cx' 
     
 0 0 0 ...  0   0 
 0 ...  0   0 
 0 0

PASOS DE SOLUCION

El método por alcance de gradiente de segundo grado produce componentes

multidimensionales del gradiente de la función de costos de la manera siguiente:

1. Empieza con una solución factible y obtiene la matriz inicial.

2. Se soluciona el sistema de ecuaciones para obtener el nuevo incremento de cada

generador.

3. Se verifica si la solución si cumple con las restricciones y no viola los límites de

generación.

4. Revisa los valores del vector C1'  Cx' en el nuevo punto de operación para

observar si todos los costos incrementales son iguales. Si los costos incrementales

no son iguales el procedimiento se repite.

El método del segundo gradiente parece más complicado que el del primer gradiente,

pero tiene una gran ventaja, el resultado siempre converge en un solo paso. Con esto se

elimina todos los problemas de iteraciones que tiene el método del primer gradiente.
14

Capítulo 4

CONCLUSIONES Y RECOMENDACIONES

El presente informe nos permitió conocer y analizar de manera más profunda el

proceso para la solución de flujo óptimo de potencia haciendo uso del método del

gradiente.

Además mencionado método no servirá para la minimización de pérdidas en el sistema

de potencia.

Cave recalcar que el principal inconveniente en utilizar un método antes que el otro es

que no se conoce con anticipación un valor óptimo de este, lo cual puede llevar a un

algoritmo que converja prematuramente.


15

Lista de referencias

Lopez Lezama, Jesus M., Gallego Pareja, Luis A. (2008). Flujo de potencia óptimo
usando método de gradiente para reducción de pérdidas en sistemas de potencia.
Leon Vleazquez, Rafael (1997). Optimizacion de potencia activa y reactiva en sistemas
de potencia.
T.F. Edgar, D.M. Himmelblau, L.S. Lasdon, “Optimización of Chemical Processes”, 2nd
Edition, New York, USA, McGraw Hill Inc., 2001