Tesis JuanPerez

UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS

DEPARTAMENTO DE INGENIERA INDUSTRIAL
FLUJO DE POTENCIA PTIMO CON

PROGRAMACIN CUADRTICA SECUENCIAL
JUAN EDUARDO PREZ RETAMALES
Profesor Gua
: Sr. RODRIGO PALMA
Profesores de la Comisin
: Sr. RICHARD WEBER

Sr. RAFAEL EPSTEIN
Profesor Invitado
: Sr. JOS MIGUEL CASTELLANOS
TESIS PARA OPTAR AL GRADO DE

MAGSTER EN GESTIN DE OPERACIONES
SANTIAGO - CHILE
OCTUBRE 2001
RESUMEN DE LA TESIS PARA OPTAR AL GRADO

DE MAGSTER EN GESTIN DE OPERACIONES
POR
: JUAN EDUARDO PREZ RETAMALES
FECHA
: XX/10/2001
PROF. GUA : Sr. RODRIGO PALMA B.
"Flujo de Potencia ptimo con Programacin Cuadrtica Secuencial"

El objetivo del presente trabajo es contribuir a mejorar y adaptar los mtodos de
simulacin de fenmenos estacionarios de Sistemas Elctricos de Potencia (SEP) y su uso en un
contexto de mercados competitivos. En particular, el modelamiento y resolucin del problema
del Flujo de Potencia ptimo (OPF), adecuando las metodologas para el Sistema
Interconectado Central chileno (SIC).
Para esto, se formul de manera extendida el OPF, se model explcitamente los equipos
Compensadores Estticos Regulables, se propuso rutinas de optimizacin y mejoras para el SIC.
El problema fue resuelto utilizando Programacin Cuadrtica Secuencial (SQP). SQP
requiere resolver subproblemas cuadrticos en cada una de sus iteraciones. Para esto, se utiliz
un software de optimizacin especializado Minos y se desarroll alternativamente dos mtodos
de programacin no lineal, los mtodos Zoutendijk y de Rosen.
Las rutinas fueron implementadas computacionalmente en un lenguaje orientado al
objeto JAVA y han sido introducidas en un Sistema de Apoyo a la Toma de Decisiones (DSS).
Como resultado de este trabajo, se genera una metodologa que introduce mejoras al
proceso de operacin de SEP, contemplando un escenario de mercado elctrico competitivo.
Especficamente, se obtienen puntos de operacin factibles, desde el punto de vista tcnico, y a
mnimo costo para el sistema.
Se obtuvo un mdulo computacional inserto en un DSS, que es desarrollado y utilizado
en el mbito docente, de investigacin y extensin en el Departamento de Ingeniera Elctrica
de la Universidad de Chile y posiblemente ser utilizado en empresas del sector de generacin
de energa elctrica.
Se logr disminuir el tiempo de ejecucin y aminorar la utilizacin de recursos de
memoria computacional, al aplicar la metodologa implementada, mediante el desarrollo de
mejoras en el proceso de optimizacin.
Se calculan de manera explcita los costos marginales por potencia activa y reactiva del
sistema, con lo que se obtiene una seal econmica, que puede ser utilizada en el mbito de la
planificacin de SEP.
Este trabajo posee un gran potencial de expansin y utilizacin, en la medida que se
privilegie la utilizacin de DSS por parte de los agentes del sector elctrico, se incluya el
modelamiento de nuevas tecnologas y se adapten los procedimientos de operacin y
planificacin de SEP, ante un escenario que contemple una nueva ley elctrica en Chile.
En conclusin, en la presente tesis de grado se ha formulado el OPF utilizando SQP para
su solucin. Se han propuesto metodologas para optimizar el desempeo de los algoritmos y se
han introducido mejoras especficas para el caso del SIC.
ndice
1.- INTRODUCCIN ................................................................................................................................................................. 1
1.1 M OTIVACIN Y ALCANCES.................................................................................................................................................1
1.2 OBJETIVOS ............................................................................................................................................................................4
1.3 M ETODOLOGA.....................................................................................................................................................................4
1.4 ESTRUCTURA DEL TRABAJO...............................................................................................................................................4
2.- EL PROBLEMA DEL FLUJO DE POTENCIA PTIMO ....................................................................................... 6
2.1 RESUMEN ..............................................................................................................................................................................6
2.2 INTRODUCCIN.....................................................................................................................................................................6
2.3 DESCRIPCIN GENERAL DE UNA RED ELCTRICA..........................................................................................................8
2.3.1 Modelo de Lnea de Transmisin..........................................................................................................................10
2.3.2 Modelo de Transformador.....................................................................................................................................10
2.3.3 Modelo de Compensador Esttico Regulable.....................................................................................................11
2.3.4 Modelo de Carga o Consumo................................................................................................................................12
2.4 FORMULACIN DEL PROBLEMA DEL FLUJO DE POTENCIA PTIMO ...........................................................................12
2.4.1 Parmetros, Variables de Control y de Estado..................................................................................................13
2.4.2 Funcin Objetivo.....................................................................................................................................................14
2.4.3 Restricciones............................................................................................................................................................15
2.4.4 Cotas..........................................................................................................................................................................16
3.- APLICACIN DE PROGRAMACIN CUADRTICA SECUENCIAL ..........................................................17
3.1 RESUMEN ............................................................................................................................................................................17
3.2 P ROGRAMACIN CUADRTICA SECUENCIAL ................................................................................................................17
3.2.1 Definicin..................................................................................................................................................................17
3.2.2 Formulacin General.............................................................................................................................................17
3.2.3 Criterio de Convergencia Utilizado.....................................................................................................................19
3.3 RESOLUCIN DE SUBPROBLEMAS CUADRTICOS.........................................................................................................19
3.4 CLCULO DE COSTOS M ARGINALES...............................................................................................................................20
3.5 CLCULOS PARA LA APLICACIN DE PROGRAMACIN CUADRTICA SECUENCIAL ...............................................21
3.6 CASO DETALLADO DE ESTUDIO 2 BARRAS....................................................................................................................26
4.- INTRODUCCIN EN UN SISTEMA DE APOYO A LA TOMA DE DECISIONES ....................................33
4.1 RESUMEN ............................................................................................................................................................................33
4.2 ENTORNO DE DESARROLLO..............................................................................................................................................33
4.3 HERRAMIENTA DE A NLISIS IMPLEMENTADA ..............................................................................................................38
4.3.1 Descripcin General...............................................................................................................................................38
4.3.2 Implementacin de Mtodos de Zoutendijk y Rosen .........................................................................................39
4.3.3 Validacin de mtodos de Zoutendijk y Rosen...................................................................................................40
5.- MEJORAS PROPUESTAS AL PROCESO DE OPTIMIZACIN ......................................................................44
5.1 RESUMEN ............................................................................................................................................................................44
5.2 BSQUEDA PTIMA DE PUNTOS INICIALES FACTIBLES...............................................................................................44
5.3 DUALIDAD Y SEPARACIN DE PROBLEMA DUAL DE BSQUEDA DE DIRECCIONES FACTIBLES............................47
5.3.1 Algoritmo de Descomposicin de Dantzig - Wolfe ............................................................................................47
5.3.2 Reconocimiento de la Estructura Diagonal en Bloque.....................................................................................51
5.4 DISEO DE HEURSTICA TIPO BSQUEDA TAB...........................................................................................................53
5.4.1 Bsqueda Tab.........................................................................................................................................................55
5.4.2 Determinacin de Parmetros Caso Flujo de Potencia ptimo.....................................................................56
5.5 M ATRICES RALAS EN EL SISTEMA INTERCONECTADO CENTRAL...............................................................................58
6.- RESULTADOS .....................................................................................................................................................................61
6.1 RESUMEN ............................................................................................................................................................................61
6.2 RED DE PRUEBA 6 BARRAS ..............................................................................................................................................61
6.3 A PLICACIN AL SISTEMA INTERCONECTADO CENTRAL ..............................................................................................63
6.3.1 SIC 70 Barras...........................................................................................................................................................63
6.3.2 SIC 182 Barras........................................................................................................................................................66
7.- CONCLUSIONES ...............................................................................................................................................................69
REFERENCIAS .........................................................................................................................................................................72
REFERENCIAS ELECTRNICAS ....................................................................................................................................74
GLOSARIO .................................................................................................................................................................................75
ANEXO I: MTODO DE B SQUEDA DIRECCIONES FACTIBLES DE ZOUTENDIJK..............................76
ANEXO II: MTODO DE PROYECCIN DEL GRADIENTE DE ROSEN.........................................................79
ANEXO III: CDIGOS EN GAMS DE INSTANCIAS CUADRTICAS DE PRUEB A.....................................81
ANEXO IV: DETALLE DE RESULTADOS ....................................................................................................................84
INSTALACIN DE SISTEMA DE APOYO A LA TOMA DE DECISIONES..................................................................................84
EJECUCIN DEL PROGRAMA ...................................................................................................................................................85
LECTURA DE RESULTADOS .....................................................................................................................................................88
ANEXO V: SISTEMA INTERCONECTADO CENTRAL CHILENO.....................................................................89
ndice de Ilustraciones
Figura 1: Cronologa del Proceso de Liberalizacin del Sector Elctrico _______________________________ 1
Figura 2: Esquema General de Desarrollo ______________________________________________________ 3
Figura 3: Metodologa Utilizada para el Desarrollo_______________________________________________ 4
Figura 4: Representacin de una Red Elctrica y Elementos de Red Modelados_________________________ 10
Figura 5: Representacin de una Lnea de Transmisin con Modelo PI _______________________________ 10
Figura 6: Representacin de un Transformador _________________________________________________ 11
Figura 7 : Representacin de un Equipo Compensador Esttico Regulable_____________________________ 11
Figura 8: Representacin de una Carga y sus Potencias no Servidas _________________________________ 12
Figura 9: Representacin de un Nodo de un Sistema Elctrico ______________________________________ 13
Figura 10: Red Pequea para Desarrollo Detallado______________________________________________ 26
Figura 11: Definicin y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones________________ 34
Figura 12: Estructura de Objetos de Clculo en Sistema de Apoyo a la Toma de Decisiones________________ 34
Figura 13: Informacin de Operacin para Generadores __________________________________________ 35
Figura 14: Informacin Econmica para Generadores____________________________________________ 36
Figura 15: Informacin de Operacin para Lneas de Transmisin___________________________________ 36
Figura 16: Informacin de Operacin para Transformadores_______________________________________ 37
Figura 17: Salida Entregada ante Ejecucin____________________________________________________ 38
Figura 18: Men Principal de Herramienta de Clculo ___________________________________________ 38
Figura 19: Interaccin clases_______________________________________________________________ 40
Figura 20: Red para la Verificacin de Convergencia con Bsqueda Lineal Optimizada___________________ 45
Figura 21: Grfico Convergencia en Subproblemas para Mtodo de Zoutendijk _________________________ 46
Figura 22: Grfico Convergencia en Subproblemas para Mtodo de Rosen ____________________________ 46
Figura 23: Diagrama de Flujo de Algoritmo de Dantzig - Wolfe _____________________________________ 49
Figura 24: Red con Generadores Idnticos en una Barra __________________________________________ 54
Figura 25: Red con Porciones Simtricas______________________________________________________ 55
Figura 26: Grfico Explicativo Bsqueda Tab _________________________________________________ 55
Figura 27: Diagrama de Flujo de Heurstica Diseada ___________________________________________ 57
Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras_____________________ 58
Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras_________________________ 59
Figura 30: Sistema Elctrico de Potencia Caso Wollenberg ________________________________________ 61
Figura 31: Efectos Introducidos por Compensador Esttico Regulable________________________________ 62
Figura 32: Sistema Interconectado Central Chileno, Escenario Demanda Baja e Hidrologa Hmeda ________ 64
Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras _________________________________ 65
Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras _____________________________ 65
Figura 35: Evolucin Costos Totales _________________________________________________________ 66
Figura 36: Convergencia Porcentual Lado Derecho______________________________________________ 67
Figura 37: Convergencia Porcentual de Costos _________________________________________________ 67
Figura 38: Evolucin Costos Caso SIC 182 Barras_______________________________________________ 68
Figura 39: Mdulo Computacional Implementado _______________________________________________ 70
Figura 40: Diagrama de Flujo de la Ejecucin de Mtodo de Zoutendijk ______________________________ 78
Figura 41: Interpretacin Geomtrica de la Proyeccin del Gradiente________________________________ 80
Figura 42: Diagrama de Flujo de la Ejecucin de Mtodo de Rosen__________________________________ 80
Figura 43: Men para la visualizacin y manejo de redes elctricas__________________________________ 85
Figura 44: Redes de Prueba Disponibles ______________________________________________________ 86
Figura 45: Red de prueba cargada___________________________________________________________ 86
Figura 46: Eleccin de Men _______________________________________________________________ 87
Figura 47: Ventana de Opciones de la Herramienta de Anlisis _____________________________________ 87
ndice de Tablas
Tabla 1: Parmetros de Entrada para Red de Prueba Pequea______________________________________ 26
Tabla 2: Resultados Iteracin 0 _____________________________________________________________ 30
Tabla 5: Resultado Final para Red Pequea____________________________________________________ 31
Tabla 6: Datos de Resumen para Costos Totales de Generacin _____________________________________ 32
Tabla 7: Parmetros Instancia 1_____________________________________________________________ 41
Tabla 8: Resultados Instancia 1 de Validacin __________________________________________________ 41
Tabla 9: Parmetros Instancia 2_____________________________________________________________ 42
Tabla 10: Resultados Instancia 2 de Validacin _________________________________________________ 42
Tabla 11: Parmetros Instancia 3____________________________________________________________ 42
Tabla 12: Resultados Instancia 3 de Validacin _________________________________________________ 43
Tabla 13: Convergencia en Subproblemas en Funcin de la Iteracin para Red de Prueba_________________ 46
Tabla 14: Porcentaje Operaciones Efectivas con Matrices _________________________________________ 60
Tabla 15: Utilizacin de Memoria Matrices Ralas _______________________________________________ 60
Tabla 16: Resumen de Estadsticas de Red _____________________________________________________ 62
Tabla 17: Resultados Entregados sin Considerar Compensador Esttico Regulable ______________________ 62
Tabla 18: Resultados Entregados Considerando Compensador Esttico Regulable_______________________ 62
Tabla 19: Costos Marginales por Inyeccin de Potencia Reactiva en las Barras de la Red _________________ 63
Tabla 20: Resultados para Caso SIC de 70 Barras _______________________________________________ 64
Tabla 21: Datos Resumen__________________________________________________________________ 66
Tabla 22: Informacin Convergencia _________________________________________________________ 67
Tabla 23: Descripcin de Computadora Utilizada _______________________________________________ 67
1.- Introduccin
1.1 Motivacin y Alcances
A escala mundial se observa un creciente cambio en la estructura de mercado de los
sistemas elctricos de potencia (en adelante SEP) (Palma, 2000). Un factor comn a estos
cambios es la bsqueda de mayores condiciones de competencia en los sectores de generacin y
comercializacin, con el fin de aumentar la eficiencia en la produccin y distribucin de la
energa elctrica, ofreciendo un precio ms bajo, mayor calidad y seguridad del producto. Las
razones que han ocasionado estas reformas son mltiples: crisis econmica, ineficiencia en el
sector y tarifas elevadas. En la mayora de los casos se ha tratado de la privatizacin de una
empresa estatal nica. En Sudamrica se utiliza una serie de modelos, basados en un esquema de
Pool (Rudnick y Palma, 1995), que ya estn siendo aplicados. El proceso de cambio en la
estructura de mercado comienza en Chile (1982), seguido de Argentina (1992) Per (1993),
Bolivia (1994) y Colombia (1994). Este proceso ha sido seguido, a partir de 1997, por pases
centroamericanos como Panam, El Salvador, Guatemala, Nicaragua, Costa Rica, Honduras y
Mxico en 1999. Por su parte, a partir de 1996, en diversos estados de los Estados Unidos de
Norteamrica se han propuesto estructuras de mercado competitivo, basadas en contratos
bilaterales fsicos, las que se encuentran parcialmente implementadas (Tabors, 1993). En Europa
este proceso comienza en 1989 con la creacin de un sistema Pool en Inglaterra seguido a partir
de 1990 por los pases Escandinavos, donde se ha acumulado gran experiencia en la aplicacin
de estos modelos. Las normas fijadas por la Unin Europea contemplan un esquema de acceso
libre a las redes elctricas en etapas sucesivas, las que se iniciaron en Febrero de 1999.
Asimismo, en Nueva Zelanda (1987) y Australia (1991) se han desarrollado sistemas orientados
hacia ambientes con estructura de mercado competitivo. La Figura 1 muestra la cronologa de
este proceso a nivel mundial (Palma, 2000).
Chile
Unin
Europea
Nueva
Zelanda
Noruega,
Australia
Inglaterra
1982
1987
Per
Colombia,
Bolivia
Argentina
1989 1990 1991
Mercado Comn
Europeo, USA
Centroamrica
Suecia, Finlandia,
Dinamarca
1992 1993 1994
1995 1996 1997
1998 1999
Figura 1: Cronologa del Proceso de Liberalizacin del Sector Elctrico
Una condicin bsica para la creacin de competencia es que las empresas generadoras
puedan acceder a sus clientes a travs del sistema de transmisin. Lo anterior puede lograrse con
la creacin de variados esquemas de acceso abierto a las redes (Rudnick y Palma, 1995; Tabors,
1993). En Europa se proponen los modelos de comprador nico y acceso negociado a terceros.
En Latinoamrica predominan los esquemas basados en una combinacin de tarificacin a costo
marginal con un pago en funcin del uso natural del sistema. Este pago se justifica por la
presencia de economas de escala en transmisin y es calculado en funcin de un impacto
incremental (Rudnick y Palma, 1995). Lo anterior deja de manifiesto, por una parte, el papel
1
fundamental que tiene el sistema de transmisin, y por ende su planificacin, en el desarrollo de

mercados elctricos competitivos; por otra parte se reconoce la necesidad de incorporar
metodologas de expansin tradicionales, modelos de mercado y marcos regulatorios.
Asimismo, los avances en tecnologas que no pueden ser consideradas en forma independiente
de los procesos polticos y econmicos que dan lugar a un mercado elctrico en particular. En
concreto, la aparicin de nuevas tecnologas tales como equipos FACTS (Flexible AC
Transmission Systems) (Hingorani, 1994; Srivastava y Verma, 2000), medios de
almacenamiento de energa basados en superconductores y generacin distribuida, juegan un
papel fundamental en estudios de carcter tcnico econmico de sistemas elctricos de potencia.
En este marco, el tema de la planificacin de sistemas de transmisin en esquemas de
acceso libre a las redes elctricas ha cobrado gran importancia para los distintos agentes del
sector elctrico (compaas generadoras, organismos estatales, empresas consumidoras), ya que
es el factor que posibilita la creacin de un mercado competitivo en el sector. De este modo, la
fuerte descentralizacin de los procesos de toma de decisin en sistemas elctricos, como es el
caso de Chile, requiere del desarrollo de herramientas de anlisis flexibles que sean capaces de
abordar nuevos desafos, en especial anticiparse en el uso de nuevas tecnologas y modelos de
mercado elctrico.
La planificacin, en un contexto dinmico, es caracterizada por decisiones sucesivas e
interdependientes en el tiempo, las que son modeladas en base a una secuencia de decisiones
que describen la expansin del sistema. Las variables de control expresan el ao o perodo de
puesta en servicio de un proyecto de transmisin, en tanto que la estimacin de la demanda, la
expansin de la generacin, entre otros, son consideradas parmetros del modelo. Cada
secuencia se evala, en una primera aproximacin, en base a una simulacin del sistema con
funciones objetivo definidas a priori. Para la planificacin, se desarrollan metodologas que
utilizan un variada gama de mtodos de optimizacin existentes, incorporando herramientas de
anlisis del problema propiamente elctrico, entre las ms relevantes: eficientes mtodos de
clculo de flujo de potencia, flujo de potencia ptimo (en adelante OPF) (ESCA, 1987; Wood y
Wollenberg, 1996; El-Hawary, 1996; Glavitch y Bacher, 1991; Seibt, 1997; Momoh y ElHawary, 1999), anlisis de cortocircuito, estimacin de estado y confiabilidad. La base terica
de estas tcnicas, supone que el sistema de potencia opera en un equilibrio entre potencia
generada y demandada por el sistema, pudiendo ser descrito por un conjunto de ecuaciones
algebraicas que determinan las variables del estado de equilibrio o rgimen permanente. Estas
ecuaciones se resuelven mediante mtodos iterativos, en el caso de flujos de potencia (mtodo
de Newton Raphson y mtodo de Gauss Seidel) y mediante programas de optimizacin lineal
basadas en gradiente o bsqueda de direcciones en el caso de OPF. En la mayora de los casos,
estas metodologas tienen una fuerte componente de interaccin manual con el planificador, sin
ofrecer alternativas de expansin en forma automatizada. En Chile, la planificacin de la
operacin utiliza despachos econmicos de carga, que son ajustados manualmente con la ayuda
de un operador experto, a travs de flujos de potencia, para obtener un punto factible tcnico.
Las metodologas de simulacin existentes en la actualidad presentan deficiencias en la
incorporacin de elementos de mercado y marcos regulatorios, con lo cual no se pueden reflejar
las implicancias que tienen las decisiones de los agentes de mercado en la configuracin fsica
del sistema elctrico, aspecto muy relevante en este sector. ste es un problema pertinente de ser
abordado, que presenta un desafo en su realizacin, con un gran potencial de contribucin al
conocimiento y entendimiento del sector elctrico.
2
El proyecto Fondecyt N 1000866 (Palma, 2000) pretende cubrir las necesidades generadas
en el contexto ya descrito. El presente estudio, inserto en este proyecto, realiza una contribucin
al conjunto de modelos de simulacin de fenmenos estacionarios, incorporando la formulacin,
programacin y solucin del problema de flujo de potencia ptimo OPF.
El esquema general en el que se desarrolla el proyecto se aprecia en la Figura 2, en la cual
se pueden distinguir las componentes esenciales para el modelamiento de un SEP. Se considera
como entrada (informacin conocida), los datos del sistema, las nuevas tecnologas que se
pueden incorporar y el marco normativo vigente. Luego, la estructura general contiene tres
modelos que interactan fuertemente: el modelo de mercado y agentes, el modelo de simulacin
de fenmenos dinmicos y el modelo de simulacin de fenmenos estacionarios, en el cual est
inserto el desarrollo del OPF. En analoga a una sistema de central en lazo cerrado, ndices de
desempeo son calculados y comparados con estndares, para as poder realizar la correcciones
necesarias.
OPF corresponde a la generalizacin del problema de despacho econmico de carga
convencional, se utiliza para la determinacin ptima de las variables de control en un sistema
elctrico y considera variadas restricciones. Usualmente la funcin objetivo corresponde a la
minimizacin costos de operacin.
Estructura para el Molamiento
de un Sistema Elctrico
Datos del
Sistema
Seleccin de
Nuevas
Tecnologas
Reglamento,
Procedimiento
General
Modelo
de Mercado
y Agentes
Modelo de
Simulacin
de Fenmenos
Estacionarios
... OPF
Modelo de
Simulacin
de Fenmenos
Dinmicos
Indices
de
desempeo
Evaluacin de
Seales / Adaptacin de
de Reglas y Procedimientos
Estndares de
desempeo
Figura 2: Esquema General de Desarrollo
Es importante mencionar, que no forma parte del presente estudio la eleccin del mtodo
de solucin para OPF escogido. Se define la utilizacin de programacin cuadrtica secuencial
(en adelante SQP), a causa de su buen comportamiento en convergencia para la resolucin de
problemas no lineales (Seibt, 1997; Boggs y Tolle, 1999 a, b). SQP es un mtodo clasificado
como una extensin del mtodo Cuasi Newton, resuelve el OPF mediante repetidas
resoluciones de una aproximacin cuadrtica del problema.
3
1.2 Objetivos
En el contexto sealado en la seccin anterior, el objetivo general del presente trabajo es
contribuir a mejorar y adaptar los mtodos de simulacin de fenmenos estacionarios en SEP y
su uso en un contexto de mercados competitivos, en particular el OPF.
Este estudio tiene como objetivos especficos:
Formular de manera extendida el OPF, haciendo uso de SQP (Boggs y Tolle, 1999 a, b)
Representar explcitamente los equipos FACTS Compensadores Estticos Regulables

(en adelante SVC) (Hingorani, 1994; Srivastava y Verma, 2000)
Proponer y desarrollar rutinas especficas de optimizacin para los subproblemas

cuadrticos. Proponer mejoras para el caso del Sistema Interconectado Central (en
adelante SIC) chileno.
Apoyar a la docencia y extensin en el Departamento de Ingeniera Elctrica de la

Universidad de Chile.
1.3 Metodologa
Con el fin de cumplir con los objetivos trazados en el presente trabajo, se aplic la
metodologa que se resume en la Figura 3, siguiendo la secuencia lgica del desarrollo
matemtico que OPF SQP1 requiri.
Formulacin del
OPF
Desarrollo de
mejoras diseadas
-Aplicacin SIC
-Anlisis resultados
Aproximacin Cuadrtica
del lagrangeano
Construccin
subproblemas SQP
Anlisis para el desarrollo

de mejoras al proceso
Acoplamiento de
rutinas a DSS
Desarrollo metodologas para

solucionar subproblemas
Implementacin y validacin
computacional de metodologas
Discusin y Conclusiones
Figura 3: Metodologa Utilizada para el Desarrollo
1.4 Estructura del Trabajo

El presente trabajo se estructura en siete captulos. Comienza con una introduccin y
motivacin del tema investigado, especificando los objetivos que se persigue cumplir con el
desarrollo y la metodologa utilizada. Este apartado corresponde a dicha introduccin.
El segundo captulo, comienza describiendo el esquema general de un sistema elctrico de
potencia, incluyendo una explicacin del funcionamiento y modelamiento de los equipos y
partes integrantes del mismo. Se hace una mencin especial a los nuevos equipos FACTS SVC,
1
OPF SQP es la sigla utilizada para referirse al desarrollo realizado en la presente tesis en forma global.
dado que es parte del presente estudio incluir en el modelamiento del OPF el efecto de dichos
equipos. Luego se explica el problema del OPF, definiendo formalmente los parmetros y
variables de relevancia.
El tercer captulo, describe la aplicacin de SQP en OPF, mostrando la forma que toma el
modelo al aplicar dicho mtodo. En este captulo se incluye la descripcin de los mtodos de
Zoutendijk y Rosen (Bazaraa, 1994), utilizados para resolver los subproblemas cuadrticos
generados por SQP. Finalmente, se expone en extenso un caso de estudio en una red de dos
barras y el anlisis de resultados.
En el cuarto captulo se aborda la inclusin de OPFSQP en un DSS denominado DeepEdit
(Palma, 1999), se describe el entorno de desarrollo, la definicin de objetos y los reportes
entregados por el sistema.
En el quinto captulo, se exponen las mejoras propuestas por el autor al proceso de
optimizacin, las cuales son:
Bsqueda optimizada de un punto factible inicial para el mtodo de Zoutendijk y de

Rosen.
Utilizacin de libreras matemticas especializadas en el manejo de matrices ralas, las

cuales son apropiadas para el caso del SIC.
Descripcin del reconocimiento de problemas particulares que llevan a soluciones que

son ptimos locales y se disea una heurstica del tipo bsqueda tab para salir de
aquellas soluciones y encontrar un mejor ptimo.
Diseo de una estrategia de separacin para problema de bsqueda de direcciones

factibles de Zoutendijk, a travs del mtodo de Dantzig Wolfe.
El sexto captulo, desarrolla un caso de estudio del SIC y una red de prueba. Sobre la red de
prueba (seis barras) se efecta un anlisis que describe los efectos de la introduccin de un
equipo FACTS SVC en una de sus barras y la consecuente disminucin en los costos de
operacin. Sobre la red equivalente al SIC, se trata la convergencia de los mtodos
implementados, se realiza un anlisis comparativo entre los resultados obtenidos con SQP y los
que entrega el despacho econmico de carga y se interpreta econmicamente los resultados
obtenidos.
Finalmente, en el sptimo captulo se exponen las conclusiones del estudio. Sobre el
cumplimiento de los objetivos trazados, la eficacia de las metodologas utilizadas y
recomendaciones propuestas para la planificacin de operacin del SIC. Adems, se analizan los
alcances que del estudio, se trata el potencial apoyo al proceso de toma de decisiones en las
empresas del sector, mediante la explotacin de seales econmicas como los costos marginales
y la utilizacin en metodologas de anlisis dinmico de sistemas elctricos.
2.- El Problema del Flujo de Potencia ptimo

2.1 Resumen
En este captulo se describe el problema del flujo de potencia ptimo. Primero, y a modo
de introduccin, se resume el desarrollo histrico del tema y las clasificaciones de modelos OPF
existentes. Luego, se describe las redes elctricas y los elementos a considerar en el presente
trabajo. Finalmente se formula de manera extendida el OPF.
2.2 Introduccin
OPF es un problema que fue definido en los principios del ao 1960 como una extensin
del problema de despacho econmico de carga convencional, que se utiliza para la
determinacin ptima de las variables de control en un SEP, considerando variadas
restricciones. OPF, en su formulacin general, es un problema de optimizacin con funcin
objetivo y restricciones no lineales, que representa la operacin en estado estacionario del
sistema elctrico. Existen dos grandes grupos de modelos para representar el OPF (Glavitch y
Bacher, 1991):
Modelos de tipo A: aquellos que utilizan como ncleo de clculo un algoritmo de flujo
de potencia clsico que es llamado por un proceso de optimizacin externo. Este grupo
de algoritmos elabora sucesivamente puntos de entrada al programa de flujo de
potencia, orientndolo hacia soluciones que minimizan la funcin objetivo
especificada.
Modelos de tipo B: aquellos que modelan el problema de OPF como un problema de

optimizacin global. Las variables del sistema son optimizadas simultneamente y las
ecuaciones de flujo corresponden a restricciones adicionales del problema de
optimizacin.
La aplicacin de tcnicas de optimizacin a los problemas de planificacin y operacin de

SEP, como lo es OPF, es una activa rea de investigacin. De esta forma, OPF puede ser visto
como un trmino genrico que describe una amplia gama de clases de problemas en los cuales
se busca optimizar una funcin objetivo especfica, sujeto a restricciones que representan los
balances de potencia activa y reactiva en los nodos de la red, en funcin de las tensiones y
ngulos de las barras.
Existen variadas funciones objetivos que puede considerar un modelo OPF, entre las
cuales se pueden mencionar (Ristanovic, 1996):
Minimizacin de los costos por generacin de potencia activa,
Minimizacin de prdidas de potencia activa,
Minimizacin del cambio en las variables de control,
Minimizacin de la potencia no servida, etc.
Una gran variedad de tcnicas de optimizacin han sido aplicadas para resolver OPF
(Momoh y El-Hawary, 1999):
Programacin lineal.
Versiones hbridas de programacin lineal y programacin entera.
Mtodos de punto interior.
Programacin no lineal.
Programacin cuadrtica.
Soluciones basadas en condiciones de Newton.
Los mtodos de programacin no lineal (NLP, Non-Linear Programming) tratan

problemas que involucran restricciones y funcin objetivo no lineales. Las restricciones pueden
ser de igualdad o desigualdad (Bazaraa, 1994).
Por su parte, la Programacin Cuadrtica (en adelante QP, Quadratic Programming) es un
caso especial de programacin no lineal, donde la funcin objetivo es cuadrtica y las
restricciones son lineales (Bazaraa, 1994).
Las soluciones basadas en condiciones de Newton, utilizan las condiciones de primer
orden para puntos ptimos, que comnmente se denominan condiciones de Kuhn Tucker (en
adelante KKT, Karush Kuhn Tucker). En general, son ecuaciones no lineales que requieren de
mtodos iterativos de solucin. Los mtodos de Newton se ven favorecidos por sus propiedades
de convergencia cuadrtica (Boggs y Tolle, 1999 a, b).
Los problemas abordados con programacin lineal (LP, Linear Programming), utilizan
problemas formulados con funcin objetivo y restricciones lineales. El mtodo Simplex es un
mtodo conocido y eficiente para resolver problemas de programacin lineal de gran dimensin.
La programacin entera mixta (MIP, Mixed Integer Programming) es un caso particular
de programacin lineal, que incluye variables enteras en su formulacin. Programacin Entera,
y MIP, al igual que NLP demandan demasiados recursos computacionales (Wolsey, 1998).
Los mtodos de punto interior, introducidos por Karmarkar, se han comenzado a
popularizar, debido a que se ha podido demostrar que (hasta el momento) es el nico algoritmo
polinomial para resolver problemas de LP. Cabe mencionar que se ha encontrado un ejemplo
para el cual Simplex no es polinomial, es el conocido problema del cubo de Minty, para el cual
Simplex recorre todos los vrtices del poltopo de restricciones antes de llegar al ptimo
(Nemhauser y Wolsey, 1995).
Otro aspecto importante a considerar en las implementaciones de OPF, es aquel que se
refiere al tiempo de ejecucin del mismo. En Chile, ante el inminente cambio en la Ley
Elctrica, la tendencia es implementar una bolsa de energa, la cual podra tener como motor de
funcionamiento un OPF. En la literatura (Momoh y El-Hawary, 1999; Papalexopoulos, 1996), se
ha discutido sobre las caractersticas de velocidad en convergencia de las metodologas
utilizadas para resolver el OPF, en stas se califica de buena manera a las implementaciones del
7
tipo cuadrticas incrementales iterativas (como lo es SQP). Adems, al utilizar metodologas

que involucran matrices ralas, la convergencia puede ser mejorada (Papalexopoulos, 1996;
Ahmed y Mateev, 2000).
El presente trabajo se clasifica dentro del grupo que utiliza NLP para el modelamiento y
resolucin, considerando funcin objetivo que contempla la minimizacin de costos por
generacin de potencia activa.
2.3 Descripcin General de una Red Elctrica
En esta seccin se describen las redes elctricas que representan a los SEP y se detallan los
elementos componentes de las redes que participan en la formulacin del OPF, a travs de
parmetros y variables de optimizacin.
Las redes elctricas se basan en la interconexin entre generadores y consumos, a travs de
lneas de transmisin y transformadores, con el fin de abastecer las cargas y brindar una calidad
de suministro adecuada; en el sentido de proporcionar confiabilidad a la red a travs de la
conformacin de una red enmallada.
La generacin de energa elctrica, se realiza principalmente a travs de la conversin de
energa mecnica en elctrica. En el SIC coexisten tres tipos principales de tecnologas para
generar energa elctrica:
Generacin Hidroelctrica,
Generacin Trmica Convencional,
Generacin Trmica de Ciclo Combinado.
La generacin hidroelctrica se basa predominantemente en la conversin de la energa

potencial que posee el agua acumulada en embalses. El agua, conducida a travs de tuberas, es
aprovechada para mover turbinas, en las cuales se genera la energa elctrica.
La generacin trmica convencional se basa, en la utilizacin de algn combustible fsil,
para permitir el movimiento de las turbinas a vapor o gas y la consecuente generacin de energa
elctrica.
La generacin trmica de ciclo combinado se basa en la combinacin de una turbina a gas,
cuyo calor excedente es aprovechado en una turbina a vapor, incrementndose en forma
importante la eficiencia del proceso.
Existen otros tipos de generacin, adems de los anteriores, como la generacin nuclear, la
elica, solar y celdas de combustible entre otras. Sin embargo, el SIC est compuesto
principalmente por generacin de los primeros tres tipos.
Para efectos del este trabajo, se considera que una red elctrica est compuesta
principalmente por los siguientes seis elementos: barras o nodos de la red, cargas o consumos,
generadores, lneas de transmisin, transformadores y equipos FACTS SVC.
Una barra permite la interconexin de componentes elctricas, representa un nodo de un

SEP. Su parmetro ms importante es el tensin, representado por su magnitud V
| | y ngulo ,
stas son variables de estado para OPF.
Las cargas o consumos, son las demandas por potencia de los usuarios de la red elctrica.
Estas demandas sern, en nuestro caso, datos para OPF. Son representadas por PL y QL, siendo
PL la potencia activa y QL la potencia reactiva demandada por una carga. Las cargas se conectan
a una barra especfica.
Un generador corresponde a una mquina elctrica que es capaz de inyectar potencia (activa
P y reactiva Q) a la red, con el fin de abastecer los consumos. Sus parmetros son PG y QG y son
variables a optimizar por OPF. Este elemento posee rangos de operacin determinados por
caractersticas propias de cada mquina y determinarn restricciones para OPF.
Las lneas de transmisin y transformadores, son los encargados de transmitir la potencia
entre los nodos o barras de la red elctrica. Sus parmetros estn resumidos en una matriz
compleja denominada matriz admitancia nodal [Y], la cual representa las admitancias entre los
nodos de la red, a partir de un modelo PI asociado a cada lnea de transmisin o transformador.
Los transformadores, son elementos que tienen la capacidad de transformar tensiones
alternas. Adems, pueden cambiar su razn de transformacin a travs de los denominados taps,
que dependiendo del tipo de transformador, pueden ser manipulados de distintas formas por los
operadores de al red. En el presente estudio se modelan los taps de los transformadores como
variables de optimizacin continuas e inciden directamente sobre la matriz de admitancia.
Los equipos SVC son equipos, que forman parte de la familia de dispositivos FACTS, que
poseen la capacidad de inyectar o consumir, en forma regulable, potencia reactiva Q en un nodo
de la red, con el propsito de ajustar la tensin de la barra en que se encuentran conectados,
hacia algn valor de referencia. Ahora, lo importante para el operador de red, es conocer la
tensin de referencia en que debe fijar al equipo, con el fin de optimizar el desempeo de la red.
De esta manera, un equipo SVC puede ser modelado como una variable de control a travs de su
potencia reactiva QS, la cual a su vez se encuentra acotada. Con esta variable se puede
determinar la tensin de referencia en que debe operar el equipo.
La Figura 4 muestra una red elctrica de potencia, con los elementos anteriormente
definidos y la simbologa estndar utilizada en la literatura relacionada.
Carga o
Consumo
Barras o Nodos
SVC
Barra o Nodo
Transformador
Generador
Lnea de
FACTS tipo
Transmisin
SVC
Figura 4: Representacin de una Red Elctrica y Elementos de Red Modelados
La simbologa mostrada anteriormente se denomina diagrama unilineal, y corresponde a

una representacin monofsica del sistema trifsico, vlida en un estudio de carcter
estacionario simtrico.
2.3.1 Modelo de Lnea de Transmisin
Se utiliza un modelo PI equivalente para la lnea, el cual, a travs de sus elementos,
representa los efectos fsicos producidos en la lnea de transmisin.
La Figura 5 muestra el modelo PI equivalente a una lnea de transmisin.
I1
I2
V1
V2
Figura 5: Representacin de una Lnea de Transmisin con Modelo PI
Con este modelo se establece la relacin entre las corrientes y tensiones a travs de la
matriz compleja de admitancias. Las magnitudes de los elementos del modelo PI, son utilizados
por el OPF para calcular la matriz de admitancia nodal compleja del sistema completo. sta
participa directamente en las ecuaciones de flujo de potencia y determina las prdidas en las
lneas de transmisin.
I1
I =
2
y11
y
21
y12
y 22
V1
V
2
(1)
2.3.2 Modelo de Transformador

El modelo de transformador, similar al modelo de lnea de transmisin utilizado, incluye
adems el efecto de transformacin de tensin debida al tap. Los transformadores poseen la
capacidad de cambiar su razn de transformacin a travs de los taps, lo cual fue modelado
como variable de control en el OPF.
I1
I2
t:1
V1
V2
10
Figura 6: Representacin de un Transformador
Al igual que en el caso de las lneas de transmisin, se establece la relacin entre las
corrientes y tensiones travs de la matriz de admitancias.
y11
I1 t 2
I = y
2 21
t
y12
t V1

y 22 V2
(2)
2.3.3 Modelo de Compensador Esttico Regulable

Este dispositivo, posibilita una compensacin reactiva en una barra mediante un banco de
condensadores y una inductancia conectada a una barra a travs de un sistema de control de
flujo que utiliza tiristores de potencia, que puede variar segn los requerimientos del sistema. Se
puede modelar como una impedancia variable (modelacin pasiva), la cual afecta a la matriz de
impedancias del sistema segn el valor que posea, o se puede modelar como una inyeccin de
potencia en la barra (modelacin activa), la cual no afecta directamente a la matriz de
admitancia nodal del sistema.
Figura 7 : Representacin de un Equipo Compensador Esttico Regulable
La inyeccin de potencia reactiva del SVC se expresa segn las siguientes ecuaciones.
Qmax = BindVref2
Qmin = BcapVref2
(3)
Qmin QSVC Qmax

En ellas, la inyeccin de potencia reactiva est limitada por los valores de las capacitancias
y la inductancia, quienes en total definen un rango de operacin para este dispositivo.
En Chile estos elementos ya son utilizados. El valor de la tensin de referencia del
regulador de tensin que poseen estos equipos es definido por el operador de red, segn su
experiencia con el sistema. Luego, para el operador de red es de inters conocer la respuesta a la
siguiente pregunta: Cul debe ser la tensin de referencia al cual debe operar el SVC con el fin
de minimizar los costos del sistema (OPF)?.
11
2.3.4 Modelo de Carga o Consumo

Una forma de modelar las cargas o consumos de la red, es considerar que estas se
comportan como una impedancia conectada a una barra (modelacin pasiva). Otro modelo, que
es el utilizado en este trabajo, considera las cargas como inyecciones de potencia activa y
reactiva a la red en una barra (modelacin activa).
Los consumos son un parmetro para el OPF y participan en las ecuaciones de balance de
flujo de potencia en los nodos.
Se considera el no abastecimiento de una carga como una variable de optimizacin para el
modelo del OPF, se expresa a travs de potencia (activa y/o reactiva) inyectada en un nodo y
considera un costo para el caso de la potencia activa no servida.
PU
QU
PL
QL
Figura 8: Representacin de una Carga y sus Potencias no Servidas
2.4 Formulacin del Problema del Flujo de Potencia ptimo

Se formul el OPF como un problema de optimizacin no lineal, cuya funcin de costos
es cuadrtica en las potencias activas, tanto generadas como no servidas.
( P ) min
s.a.
r
f (x )
r
p( x ) = 0
r
h( x ) 0
(4)
El conjunto de restricciones de igualdad, de la ecuacin anterior est compuesto por las

ecuaciones de balance de potencia en las barras y las ecuaciones que determinan el factor de
potencia en la liberacin de carga. Por su parte el conjunto de restricciones de desigualdad,
representa las restricciones del vector de variables de control y de estado x, tales como cotas y
lmites de operacin.
12
2.4.1 Parmetros, Variables de Control y de Estado

Las variables de control y de estado a considerar en el OPF se resumen en la Figura 9.
Se considera la simbologa estndar utilizada en la literatura relacionada.
PG
QG
G
PU
QS
SVC
PL
QU
|V| ,
QL
Figura 9: Representacin de un Nodo de un Sistema Elctrico
Donde PG, QG, son variables de control, corresponden a la potencia activa y reactiva
inyectadas por el generador. Por su parte, V y , son variables de estado, corresponden al
mdulo de la tensin y su ngulo respectivamente. QS , es una variable de control, corresponde a
la potencia reactiva inyectada por el equipo SVC. Finalmente PL y QL, son parmetros que
representan la potencia activa y reactiva de la carga o consumo.
El vector x contiene las variables de control y estado, incluye:
PGj
Potencia activa generador j; j GNi i N
QGj
Potencia reactiva generador j; j GNi i N
PUm
Potencia activa no servida en la carga m; m LNi i N
QUm
Potencia reactiva no servida en la carga m; m LNi i N
Vi :
Tensin en la barra i; i N
ngulo de la tensin en la barra i; i N
QSj
Potencia reactiva inyectada por SVC j, j SNi i N
tj
Tap del transformador j, j TNi, i N
Siendo N={1,...,n} el conjunto de barras en la red elctrica y GNi, LNi, SNi y TNi (i N)
los conjuntos de generadores, cargas, equipos SVC y transformadores conectados a la barra (o
nodo) i N respectivamente. El vector x entonces ser:
x T = PG1 ,..., PG g , Q G1 ,..., QG g , PU1 ,..., PU l , QU 1 ,..., QU l , V1 ,..., Vn , 1 ,..., n , t1 ,..., t t , Q S 1 ,..., Q Ss
13
(5)
Donde:
Nmero de generadores en la red
Nmero de cargas en la red
Nmero de nodos en la red
Nmero de transformadores en la red1
Nmero de FACTS SVC en la red
Otro parmetro a considerar es la matriz compleja de admitancia nodal (Y), representada

por sus elementos y ij = yij ? ij , que define la relacin entre corrientes y tensiones nodales del
sistema.
I1
V1
M = [Y] M

I n
Vn
(6)
y11 L L L y1n
M O
M
Y= M
O
M
O M
M
y n1 L L L y nn
(7)
Si en el arco (i,j) existe un transformador, entonces los parmetros de la matriz de

admitancia nodal consideran implcitamente el efecto del tap.
y ii =
y ij =
y ii
t i2
yij
(8)
ti
En que los parmetros y ij e y ii corresponden a los elementos de la matriz de admitancia

nodal al no existir el efecto tap (razn de transformacin igual a uno).
2.4.2 Funcin Objetivo
La minimizacin de costos por generacin de potencia activa y por potencias no servidas
en las cargas, conforman la funcin objetivo para el OPF considerada en este trabajo.
Para cada generador de la red, se supone conocida su funcin de costos en las potencias
activas generadas. Basado en una curva de eficiencia no lineal, se utiliza un modelo cuadrtico
en que los coeficientes son conocidos (Wood y Wollenberg, 1996).
1
Un aspecto a mejorar es que, no todos los transformadores tienen el tap variable, pero se considera a todos como
variable de control y aquellos que no pueden variar, se fija su lmite superior e inferior en un mismo valor.
14
CostoGi = a Gi + Gi PGi + ? Gi PG2i
i GNk k N
(9)
El costo de la energa o potencia no servida, proviene de estudios especializados, donde

se estima razonable un modelo cuadrtico que representa un mayor costo en funcin de la
profundidad de la falla. Es importante resaltar que, para el caso de los costos por el no
abastecimiento de carga, no existe costo fijo.
CostoUi = Ui PU i + ? Ui PU2i
i GN k k N
(10)
De esta manera, la funcin objetivo que describe la situacin de minimizacin de costos

por generacin y desabastecimiento (potencias activas no servidas), ser una funcin cuadrtica
en las potencias activas y se representa por la siguiente ecuacin.
1
Z = Mincf + C T x + x T Qx
2
(11)
Donde, cf es la suma de los costos fijos, C es el vector de costos lineales y Q es la matriz

de costos cuadrticos.
C T = G1 L Gg
0 L 0 U1 L Ul
L
2? G1 0
0
O O
M
O 2? Gg
O
M
M
M
Q =
M
M
M
M
0
L L
L L L
O
0
0 L 0
L
O O O
O
O 2? U1 O
O
O 2? Ul
O
L L L
L L 0
M
M
M
M
M
M
O
M
0 O M
O O 0
L 0 0
(12)
(13)
2.4.3 Restricciones
Las ecuaciones de balance de potencia activa y reactiva para un nodo i en el modelo
estacionario de red, definen el primer conjunto de restricciones. Son definidas por las siguientes
ecuaciones:
jGNi
Gj
jGN i
Gj
jLN i
Uj
jSN i
Sj
j LN i
Lj
j LN i
Uj
V j Vi y ij cos( i j ij ) = 0 i N
(14)
jN
j LN i
Lj
V j Vi y ij sin ( i j ij ) = 0 i N
j N
15
(15)
Adicionalmente se consider otro conjunto de restricciones, que supone un factor de

potencia constante frente a una situacin de liberacin de carga. Esto se expone en la siguiente
ecuacin.
PUi
PLi
Q Li
(16)
QUi = 0 i LN k k N
2.4.4 Cotas
Por ltimo, se agregan como restricciones, los lmites para las tensiones en las barras y
los lmites tcnicos de operacin de los generadores. De esta manera se define el dominio de las
variables de optimizacin a travs de restricciones de desigualdad o cotas Para el caso de la
potencia no servida, los lmites se relacionan con la demanda en el nodo.
x min x x max
(17)
En conclusin, se ha descrito los elementos componentes de una red elctrica que

representan un SEP y que son considerados en el OPF. Se efectu una mencin especial a los
transformadores, las lneas de transmisin y equipos FACTS SVC. Adems, se ha formulado el
OPF, considerando funcin objetivo cuadrtica en las potencias activas generadas y no servidas
en las cargas, se consideran las restricciones de conservacin de flujo de potencia en las barras y
restricciones de factor de potencia en la liberacin de carga.
16
3.- Aplicacin de Programacin Cuadrtica Secuencial

3.1 Resumen
En este captulo se describe la aplicacin de SQP a la modelacin extendida de OPF
descrita en el captulo anterior. Primero se resume SQP, exponiendo el criterio de convergencia,
las metodologas para resolver los subproblemas cuadrticos y la forma de clculo de costos
marginales de potencia activa y reactiva en los nodos. Finalmente se describe un caso detallado
de estudio de dos barras.
3.2 Programacin Cuadrtica Secuencial
3.2.1 Definicin
La Programacin Cuadrtica Secuencial (SQP) (Boggs y Tolle, 1999 a, b; Fletcher,
1987), se califica como una extensin del mtodo Cuasi Newton. Este mtodo resuelve el
OPF, mediante repetidas soluciones de una aproximacin cuadrtica de la condiciones de primer
orden de optimalidad del problema. Un problema de programacin cuadrtica, es un caso
especial de programacin no lineal, donde la funcin objetivo es una funcin cuadrtica y las
restricciones son lineales. La aproximacin cuadrtica del problema se basa en una expansin en
series de Taylor.
3.2.2 Formulacin General
Primero se construye la funcin Lagrangeana, penalizando las restricciones que
establecen el balance de potencia activa, potencia reactiva (2n restricciones) y de factor de
potencia en la carga (l restricciones) en la funcin objetivo del problema del OPF. La expresin
resultante se puede apreciar en la siguiente ecuacin.
r
L( x, ) = f ( x) i ci ( x )
(18)
i =1
donde:
ci ( x) = pi ( x)
; i = 1,..., 2n, 2n + 1,..., 2n + l
R 2 n+l
(19)
Luego, se aproxima el gradiente de la funcin Lagrangeana con una expansin de Taylor

de segundo orden, tal como se expone en la siguiente ecuacin.
x
L ( x (k ) + x, (k ) + ) = L( k ) + (2 ) L( k )

(20)
Se aplica la condicin de primer orden, que indica que el gradiente de la funcin

Lagrangeana es nulo. De esta forma, resolviendo el sistema que se conforma, se puede encontrar
un mnimo para el OPF.
17
x
L( k ) = ( 2) L( k )

(21)
La ecuacin anterior puede formularse equivalentemente en forma matricial, tal como se

aprecia en la siguiente ecuacin.
W (k )
(k)
A
A ( k ) x g ( k ) + A( k ) (k )
=
0
c(k)
( )
(22)
Donde las matrices y parmetros participantes de este sistema son:
A(k ) : Matriz Jacobiana de las restricciones.
W (k ) = 2x L( k ) : Matriz Hessiana con respecto a las variables x
c ( k ) = c( x ( k ) ) : Grupo de funciones de las restricciones evaluadas en punto x(k)
1
g ( k ) : f ( x ( k ) + ) f ( k ) + ( g ( k ) ) T + T G (k )
2
: Vector de incremento de las variables en x
El sistema generado se puede representar de manera equivalente con el subproblema

(SP), debido a un simple reconocimiento de las condiciones de primer orden del sistema. Ntese
que este subproblema es cuadrtico en los incrementos y lineal en las restricciones.
( SP) Min
s.a.
q ( k ) ( ) =
I
(k )
( ) =
1 T (k )
W + g ( k ) + f ( k )
2
T
A (k) + C (k)
(23)
Para la solucin SQP considera el siguiente proceso:

1. Determinar punto de partida
a. x (1)
b. (1)
2. Para k=1,2,...
a. Resolver (SP)(k) y determinar el incremento ( k ) y ( k )
3. Si se verifica convergencia, entonces terminar
4. Si no se verifica convergencia:
a. x ( k +1) x ( k ) + ( k )
5. k=k+1
6. Volver a 2
7. Si el nmero de iteraciones determinadas por el operador es superado, entonces
Terminar
18
3.2.3 Criterio de Convergencia Utilizado

En la literatura se exponen variados criterios para verificar convergencia en SQP, dada
las caractersticas de OPF, en el sentido que, junto con minimizar los costos por generacin de
potencia activa, tambin satisface las ecuaciones de flujo de potencia. As, definir un criterio de
convergencia que slo considere una diferencia pequea en costos entre iteraciones, puede
significar la no satisfaccin de las ecuaciones de flujo. De esta manera, se mezclan ambos
aspectos y se utiliza el siguiente criterio de convergencia que utiliza dos condiciones que se
deben cumplir conjuntamente (Ravindra y Lasdon, 1997).
La primera dicta que, la suma de los residuos del lado derecho de las restricciones en el
subproblema debe ser pequeo con respecto (porcentaje definido por el usuario) a la demanda
total de potencia. Lo anterior indica que el lado derecho de las restricciones tiende a cero.
La siguiente ecuacin muestra dicho criterio, donde: rhs es la tolerancia porcentual, DTP
y DTQ son las demandas totales por potencia activa y reactiva respectivamente.
| C ( k ) | rhs
DTP 2 + DTQ 2
100
(24)
El segundo criterio se basa en que, el valor absoluto de la diferencia entre costos

operacionales de dos iteraciones consecutivas debe ser menor que un cierto porcentaje (definido
por el usuario) del costo medio entre dichas iteraciones. Lo que indica una estabilizacin de
costos.
La siguiente ecuacin muestra este segundo criterio, donde cost es la tolerancia
porcentual.
|q
(k)
( k 1)
| q ( k ) + q (k 1) |
| cost
2 100
(25)
3.3 Resolucin de Subproblemas Cuadrticos

En la programacin computacional de SQP, la inclusin de un Software de optimizacin
especializado, introduce un cuello de botella en la ejecucin del programa, esto es, se debe
interrumpir la ejecucin normal del programa, luego escribir en un archivo la informacin de
entrada para el software especializado, se debe esperar que ste entregue la solucin y luego leer
los resultados entregados desde un archivo, para as seguir con la ejecucin normal del
programa. Ntese, que si se enfrenta un Sistema Elctrico de Potencia de la magnitud del SIC, la
cantidad de variables y restricciones es bastante elevada. De esta manera la introduccin de un
software especializado en optimizacin en la programacin hace que la entrega de soluciones
sea demasiado lenta. En este escenario entonces, fue necesario implementar rutinas de
optimizacin para el problema en forma especfica, siendo programados, dos mtodos para la
resolucin de los subproblemas cuadrticos, el mtodo de bsqueda de direcciones factibles de
Zoutendijk y el mtodo de proyeccin del gradiente de Rosen (Bazaraa, 1994).
Entre los mtodos existentes en programacin no lineal, una alternativa muy atractiva
para resolver problemas cuadrticos es la transformacin del (SP) en un problema lineal
19
complementario (Bazarra, 1994). Sin embargo, el reconocer el problema lineal complementario

del subproblema generado en las iteraciones de SQP, equivale a resolver el sistema de
ecuaciones del cual surge el subproblema; de esta manera se perdera el sentido de aplicar SQP
y se estara aplicando el mtodo cuasi - Newton. La idea es aprovechar el gran potencial de
SQP, con respecto a su velocidad en convergencia (Boggs y Tolle, 1999 a, b) y resolver el
subproblema cuadrtico con mtodos de programacin no lineal de manera optimizada.
Existe una familia de mtodos, denominados mtodos de conjuntos activos (Bazaraa,
1994), nombre que reciben, debido a que se basan en la generacin de conjuntos de restricciones
activas para encontrar la solucin ptima. Estos mtodos, en general requieren de un punto
inicial factible para poder solucionar el problema, a diferencia de SQP. Este punto fue
aprovechado, se hizo de una debilidad una fortaleza, y en la bsqueda de un punto factible
inicial se realiz una bsqueda de primer orden para el subproblema, esto optimiza los mtodos,
haciendo ms rpida la convergencia.
Se implement el mtodo de direcciones factibles de Zoutendijk y el mtodo de
proyeccin del gradiente de Rosen. Ambos mtodos pueden ser apreciados en detalle en el
Anexo I.
3.4 Clculo de Costos Marginales
Los costos marginales de generacin en un sistema elctrico de potencia son
considerados como una seal eficaz de estmulo a la eficiencia econmica de los sistemas
elctricos, proporcionando a los diferentes participantes del sector elctrico una informacin
precisa sobre el impacto de sus acciones en los costos de suministro.
En un SEP, los precios puntuales de la energa se definen como los costos marginales de
generacin a corto plazo, incluida una diferenciacin tanto espacial como temporal. Para un
nodo determinado, indica el costo asociado a un incremento de potencia inyectada en el sistema,
necesario para responder a incrementos de carga experimentados en dicho nodo.
De la definicin se desprende el carcter dinmico de los precios puntuales, el cual se
debe a su variacin en el tiempo y dependencia de las condiciones del sistema, condiciones que
estn relacionadas estrechamente con las decisiones de operacin del mismo. El anlisis de los
precios puntuales debe hacerse bajo un esquema de operacin ptima del sistema, con el fin de
que las seales entregadas se reflejen en condiciones acordes a la realidad del sistema.
Los precios puntuales describen perfectamente las caractersticas del sistema: las zonas
desadaptadas, las zonas de generacin, las barras de difcil acceso, entre otras. En general, el
valor de los costos marginales depende de:
Despacho inicial de carga del sistema
Curvas de costos de los generadores.
Distribucin de la demanda en los distintos nodos.
Parmetros fsicos y capacidad de las lneas de transmisin.
Parmetros fsicos y capacidad de los transformadores.

20
Curvas de costo asociadas a falla en el sistema.
En el caso del OPF, los costos marginales se pueden obtener desde los multiplicadores
de Lagrange del problema de optimizacin, que poseen dos caractersticas fundamentales:
Indican la variacin de la funcin objetivo cuando se relaja su correspondiente

restriccin. Se dice que una restriccin est activa si alcanza su valor lmite. Por ello,
una restriccin que no est activa tiene asociado un multiplicador de Lagrange nulo.
Como ejemplo, las restricciones de igualdad (balance de potencia activa y reactiva)
siempre son activas u por lo tanto poseen un multiplicador distinto de cero.
Los multiplicadores son las variables resultantes del problema dual. Esta propiedad
es muy importante ya que matemticamente se simplifica su clculo.
3.5 Clculos para la Aplicacin de Programacin Cuadrtica Secuencial

Hasta el momento, las matrices y vectores que participan en la optimizacin SQP han sido
definidos, pero no han sido explcitamente calculados. En este apartado se exponen
explcitamente estos parmetros.
Los principales clculos que deben ser efectuados para la determinacin de las matrices y
vectores participantes en los subproblemas son la Matriz Jacobiana y Hessiana de primeras y
segundas derivadas de las restricciones con respecto a las variables respectivamente. En las
siguientes ecuaciones se detallan los clculos de stas matrices.
Estructura general en bloques de la Matriz Jacobiana de primeras derivadas.
PG1 L PGg QG1 L QGg
A=
PU1 L PUl
QU1
QUl
V1
P
i
V j
0
PL1
O
L
QL1
PLl
Vn
Q Ll
t1
tt
Q
i
t j
L
P
i
t j
Q
i
j
L
O
L
P
i
j
Q
i
V j
QS 1 L QSs
0
(26)
Donde A es la matriz Jacobiana de las restricciones, las primeras n filas corresponden a las
restricciones de flujo de potencia activa, las siguientes n a las de flujo de potencia reactiva y las
ltimas l a las de mantencin de flujo de potencia en la carga.
Los elementos genricos en las variables de tensin (valor absoluto y ngulo) y taps reales
de los transformadores se calculan a continuacin.
Pi =
Qi =
jN
j N
Vi y ij cos( i j ij ) i N
(27)
V i y ij sin ( i j ij ) i N
(28)
21
i j
Pi Vi yij cos (?i ? j ?ij )
=
Vk y ik cos(?i ?k ? ik ) i = j
V j 2 Vi yij cos(?ij ) + k
N/ {i}
(29)
i j
Pi Vi V j y ij sin (?i ? j ?ij )
=
j Vk Vi y ik sin (? i ? k ?ik ) i = j
k N/ {i}
(30)
2 Vi 2 cos (?ii )y ij / t j V k Vi cos (?i ? k ?ik )y ik / t j
k i+
Pi
= V i V j cos (?i ? j ?ij )yij / t j
t j
0
i = VN ( j )
j i
(31)
j i VN ( j ) i
Vi y ij sin (?i ? j ? ij )
i j
= 2 V y sin (? ) +
Vk y ik sin (? i ? k ?ik ) i = j
i
ij
ij
V j
k
N/
{
i
}
(32)
i j
Qi Vi V j y ij cos (?i ? j ? ij )
=
j Vk Vi y ik cos(?i ? k ? ik ) i = j
kN/ {i}
(33)
Qi
2 Vi 2 sin (? ii ) y ii / t j Vk Vi sin (? i ? k ?ik ) y ik / t j
k i+
Qi
= Vi V j sin (?i ? j ? ij )y ij / t j
t j
0
i = VN ( j )
j i
(34)
j VN ( j ) i
Los conjuntos i+ y i- representan las lneas que inciden y reciben un polo transformador
desde el nodo i respectivamente.
i+ = { j / (i , j ) t i }
(35)
i = {j / (i , j ) t j }
(36)
Por su parte VN(j), j = 1, ... ,t (tap real de transformador j), es una funcin que asigna a
cada tranformador el nodo al cual est conectado. Es decir, si el transformador j est en el nodo
i, entonces VN(j)=i.
Es importante recordar que los elementos de la matriz de admitancia nodal compleja son
actualizados con el valor del tap en cada iteracin.
Se ha calculado completamente la matriz Jacobiana de restricciones, ahora se procede a
calcular la matriz W del subproblema cuadrtico, la estructura se aprecia a continuacin.
22
PG1
M
PG1 L
2 G 1 0
PGn
0
QG 1 L QGn
0 L 0
PU 1
0
0
M
0
M
PGn
2 Gn
QG 1
M
0
M
L
O
0
M
0
M
QGn
PU 1
M
PUl
M
0
M
0
M
0
QU 1
W = QUl
V1
0
0
0
0
0
0
L
L
1
M
Vn
0
M
0
M
0
M
M
0
M
0
L
L
O
L
O
L
O
L
t1
M
tt
M
0
QS1
QSs
(k)
i
A=
O
L
O
O
L
O
L
2 L1
M
0
0
0
L
L
0
0
0
0
0
M
0
M
M
0
M
0
L
O
L
O
O
L
O
L
L
O
L
O
A((1k))i + i( k ) A((2k))i
i N
k =1 ,..., 2 n
B =D =
(k)
i
i N
k =1 ,..., 2 n
(k) (k )
i
(1) i
O
0
0 2 Ll
M
0
0
M
0
M
M
0
L
L
0
0
0
0
0
M
0
M
M
0
M
0
L
L
O
L
L
O
L
O
L
O
L
0
M
0
M
O
L
O
L
M
0
L
L
0
0
0
M
0
M
L
L
O
L
O
L
O
M
0
M
0 L 0
0 L 0
0
0
M O M
0 L 0
M O M
0 L 0
M
0
M
M
0
0 L 0
0
M
M
0
O
L
0 L 0
M O M
L
O
M
0
0
M
M O M
0 L 0
M
0
L
O
L
O
L
M
0
0 L 0
0 L 0
M O M
O
L
L
O
L
0
0
M
0
L
L
0
0
O
L
O
O
L
L
O
L
M
0
M
M
0
0
M
0
O
L
O
(37)
M
0
M
(38)
(40)
(k )
i
0
M
t1 L tt QS1 L QSs
0 L 0 0 L 0
F(1( k)i) + i(k ) F((2k))i
i N
k =1,..., 2 n
I=
0
M
L
O
1 L n
0 L 0
C((1k))i + i( k ) C((2k))i
E((1k))i + i(k ) E((2k))i
L Vn
L 0
(39)
i N
k =1,..., 2 n
F=H=
V1
0
i N
k =1,..., 2 n
E=
QU1 L QUl
0 L 0
B((1k))i + i( k ) B((2k))i
(k )
i
(k)
i
PUl
0
i N
k =1 ,..., 2 n
C =G =
L
L
+ i( k ) I ((2k))i
(41)
(42)
(43)
En que X(j)i(k); X = A, B ,C, E, F, I; j = 1, 2; i N; k = 1,..., 2n, responden a la siguiente

notacin, X(j)i(k) es elemento ij de la matriz Hessiana de la restriccin k. Es importante
mencionar que las restricciones que participan corresponden a los flujos de pontencia activa y
reactiva respectivamente. Puesto que, el grupo de restricciones de factor de potencia no participa
en esta ecuacin, debido a que sus segundas derivadas son nulas.
23
A continuacin se describe el clculo de las matrices A, B, C, E, F, H, I, L; se sigue

utilizando la notacin de la matriz Jacobiana y se agrega la notacin de expuesta anteriormente.
A(1)(k) :
0
0
2 Pk
=
Vi V j yij cos (?i ? j ?ij )
2 y kk cos(? kk )
k
k
k
k
i
i
=i
=i
k
k
k
k
j
j
j
j
(44)
k
k
k
k
i
i
=i
=i
k
k
k
k
j
j
j
j
(45)
A(2)(k) :
0
0
2Qk
=
Vi V j y ij sin (?i ? j ?ij )
2 y kk sin (? kk )
B(1)(k) = D(1)(k) :
0
V y sin (? ? ? )
k
j
kj
2 Pk
k kj
= V y sin (? ? ? )
k
j
kj
i V j k kj
Vk Vs y ks sin (? k ? s ? ks )
sN / {i}
k
k
k
k
i
i
=i
=i
k
k
k
k
j
j
j
j
(46)
B(2)(k) = D(2)(k) :
0
V y cos(? ? ? )
k
j
kj
2 Qk
k kj
= V y cos(? ? ? )
k
j
kj
i V j k kj
(
V
V
y
cos
?
? s ? ks )
k s ks
k
s
N
/
{
i
}
k
k
k
k
i
i
=i
=i
k
k
k
k
j
j
j
j
(47)
k = VN ( j) k i i VN ( j)
k = i = VN ( j )
(48)
C(1)(k) = G(1)(k) :
V cos(? ? ? ) y / t
k
i
ki
kj
j
k
2 Pk
= 4 Vk cos(?kk ) y kj / t j V s cos(? k ? s ?ks ) y ks / t j
Vi t j
s +k
0
otros casos
C(2)(k) = G(2)(k) :
V k sin (?k ? i ?ki ) y kj / t j

2 Qk
= 4V k sin (? kk ) y kj / t j V s sin (?k ? s ? ks ) y ks / t j

V i t j
s k+
0
24
k = VN ( j ) k i i VN ( j )
k = i = VN ( j )
otros casos
(49)
E(1)(k) :
0
V V y cos (? ? ? )
k
j
kj
2 Pk
k j kj
= V V y cos (? ? ? )
k
j
kj
i j k j kj
Vk Vs y ks cos(? k ? s ? ks )
sN /{i}
ki k j
ki k= j
(50)
k=i k j
k=i k= j
E(2)(k) :
0
V V y sin (? ? ? )
k
j
kj
2 Qk
k j kj
= V V y sin (? ? ? )
k
j
kj
i j k j kj
Vk V s y ks sin (?k ? s ?ks )
sN /{i}
k i k j
k i k = j
(51)
k =i k j
k =i k = j
F(1)(k) = H(1)(k) :
Vk Vi sin (? k ? i ? ki ) ykj / t j
Pk
= Vk Vs sin (? k ? s ? ks )y ks / t j
i t j s k+
0
2
k = VN( j ) k i i j
k = i = VN ( j )
(52)
otros casos
F(2)(k) = H(2)(k) :
Vk Vi cos(?k ?i ? ki ) y kj / t j
Qk
= Vk Vs cos(? k ? s ?ks ) y ks / t j
i t j s k+
0
2
k = VN ( j ) k i i j
k = i = VN( j )
(53)
otros casos
I(1)(k) :
6 Vk 2 cos (? kk )y kj / t i2 2 V k V s cos (? k ? s ? ks )y ks / t k2
s k+
2 Pk
= 2 V k VVN ( j ) cos (? k ?VN ( j ) ? kVN( j ) )y kVNj) / t i2

t i t j
0
k = VN ( j) = VN (i )
j = i j i
otros casos
(54)
I(2)(k) :
6 Vk 2 sin (? kk )y kj / t i2 2 Vk Vs sin (? k ? s ? ks ) yks / t k2
s k+
2 Qk
= 2 Vk VVN ( j ) sin (? k ?VN ( j ) ? kVN( j ) )y kVNj) / t i2
t i t j
0
k = VN ( j) = VN (i )
j=i
j i
(55)
otros casos
Completndose as los clculos de parmetros participantes en la definicin del

subproblema cuadrtico generado en cada iteracin de SQP.
25
3.6 Caso Detallado de Estudio 2 Barras

En esta seccin se describir completamente la aplicacin de la metodologa a una red de
dos barras, un consumo, un generador y una lnea. Se muestra todas las matrices y parmetros,
para todas las iteraciones que realiza la metodologa al converger al ptimo. La Figura 10
muestra la red en cuestin construida en el DSS desarrollado.
Figura 10: Red Pequea para Desarrollo Detallado

Tabla 1: Parmetros de Entrada para Red de Prueba Pequea
Generador
[MW]
Pmin
0
[MW]
Pmax
300
[MVAr]
Qmin
-100
[MVAr]
Qmax
200
[US$]
1
[US$]
1
2
[US$/MW
]
0.7
Lnea
X [p.u.]
0.1
R [p.u.]
0
B [p.u.]
0
Matriz Admitancia
-10j
10j
10j
-10j
Carga
P
Q
b
g
[MW]
[MVAr]
[US$/MW]
[US$/MW2 ]
100
50
333
0.8
Donde j representa la unidad compleja imaginaria j = 1 . Por su parte, el tratamiento

de los valores de potencia activa y reactiva se hacen en por unidad, reconociendo como base
100[MVAr].
Primero se muestran los parmetros de manera general para una iteracin k. Luego, para
cada iteracin, se exponen los resultados obtenidos por el mtodo.
El gradiente de la funcin de costos para una iteracin k es:
f ( x ( k ) ) t = 1 + 2 0.7 PG(1k )
0 333 + 2 0.8 PU( k1 )
0 0 0 0 0
(56)
El vector del lado derecho de las restricciones corresponde a las restricciones evaluadas
en el punto de la iteracin, esto es:
26
b1 = PG(1k ) 10 | V1( k ) || V1( k ) | cos( 11 ) 10 | V1( k ) || V2( k ) | cos( 1(k ) 2( k ) 12 )

b2 = PU( k1 ) PL1 10 | V2( k ) || V1( k ) | cos ( 2( k ) 1( k ) 21 ) 10 | V2( k ) || V2( k ) | cos( 22 )
b3 = QG( k1) + 10 | V1(k ) || V1( k ) | sin ( 11 ) 10 | V1(k ) || V2( k ) | sin ( 1( k ) 2( k ) 12 )
(57)
b4 = QU( k1) QL1 10 | V2( k ) || V1( k ) | sin ( 2( k ) 1(k ) 21 ) + 10 | V2( k ) || V2(k ) | sin ( 22 )
b5 = PU( k1) 2Qu( k )
A medida que SQP converge, el vector del lado derecho bT debe tender a cero.
Si se considera que 11 =22 =-90 y 12 =21 =90, la matriz Jacobiana de derivadas de las
restricciones es:
1
0
J = 0
0
0
0
0
1
0
1
0
0 J15
0 J 25
0 J 35
J 16
J 26
J 36
J17
J 27
J 37
0 0 1 J 45
1 2 0 0
J 46
0
J 47
0
J18
J 28
J 38
J 48
0
(58)
J 15 = 10 | V2( k ) | cos( 1( k ) 2( k ) 12 )
(59)
J 16 = 10 | V1( k ) | cos( 1( k ) 2( k ) 12 )
(60)
J 17 = +10 | V1( k ) || V2(k ) | sin ( 1( k ) 2( k ) 12 )
(61)
J 18 = 10 | V1( k ) || V2( k ) | sin ( 1( k ) 2( k ) 12 )
(62)
J 25 = 10 | V2(k ) | cos( 2( k ) 1( k ) 21)
(63)
J 26 = 10 | V1( k ) | cos( 2( k ) 1(k ) 21 )
(64)
J 27 = 10 | V1( k ) || V2( k ) | sin ( 2( k ) 1( k ) 21 )
(65)
J 28 = +10 | V1(k ) || V2( k ) | sin ( 2( k ) 1( k ) 21)
(66)
J 35 = 20 | V1( k ) | 10 | V2( k ) | sin ( 1( k ) 2( k ) 12 )
(67)
J 36 = 10 | V1( k ) | sin ( 1( k ) 2( k ) 12 )
(68)
J 37 = 10 | V1(k ) || V2( k ) | cos( 1( k ) 2(k ) 12 )
(69)
J 38 = +10 | V1( k ) || V2( k ) | cos( 1( k ) 2( k ) 12 )
(70)
J 45 = 10 | V2( k ) | sin ( 2( k ) 1( k ) 21)
(71)
27
J 46 = 10 | V1( k ) | sin ( 2( k ) 1(k ) 21 ) 20 | V1( k ) |
(72)
J 47 = +10 | V1( k ) || V2( k ) | cos( 2( k ) 1(k ) 21 )
(73)
J 48 = 10 | V1(k ) || V2( k ) | cos( 2( k ) 1(k ) 21)
(74)
La matriz W de segundas derivadas es:
14000
0
0
W =
0
0
0
0
0
0 0
0 16000 0 0
0
0
0 0
0
0
0 W55
0
0
0 W65
0
0
0 W75
0
0
0 W85
0
0
0
0
0
0
W56 W57
W66 W 67
W76 W 77
W86 W87
0
0
0
0
W58
W68
W78
W88
(75)
Se reconoce el vector =[1 , 2 , 3 , 4 , 5 ] de mutiplicadores de Lagrange y los ngulos

1 =1 -2 -12 y 2 =2 -1 -21 .
W55 = 201
(76)
W56 = 10[cos(1 ) 1 + cos( 2 ) 2 + sin (1 )3 + sin ( 2 )4 ]
(77)
W57 = 10 | V2 | [ sin (1 ) 1 + sin ( 2 ) 2 + cos(1 ) 3 cos( 2 ) 4 ]
(78)
W58 = 10 | V2 | [sin ( 1 )1 sin ( 2 ) 2 cos(1 )3 + cos( 2 ) 4 ]
(79)
W65 = 10[cos( 1 )1 + cos( 2 )2 + sin (1 )3 + sin ( 2 ) 4 ]
(80)
W66 = 204
(81)
W67 = 10 | V1 | [- sin ( 1 )1 + sin ( 2 ) 2 + cos(1 ) 3 cos( 2 )4 ]
(82)
W68 = 10 | V1 | [sin (1 )1 sin ( 2 )2 cos( 1 )3 + cos( 2 )4 ]
(83)
W75 = 10 | V2 | [- sin (1 ) 1 + sin ( 2 ) 2 + cos(1 ) 3 cos( 2 ) 4 ]
(84)
W76 = 10 | V1 | [- sin (1 ) 1 + sin ( 2 ) 2 + cos(1 )3 cos( 2 )4 ]
(85)
W77 = 10 | V1 || V2 | [cos( 1 )1 + cos( 2 )2 + sin (1 )3 + sin ( 2 )4 ]
(86)
W78 = 10 | V1 || V2 | [cos( 1 )1 + cos( 2 )2 + sin ( 1 )3 + sin ( 2 )4 ]
(87)
28
W85 = 10 | V2 | [sin (1 ) 1 sin ( 2 ) 2 cos( 1 )3 + cos( 2 )4 ]
(88)
W86 = 10 | V1 | [sin ( 1 )1 sin ( 2 )2 cos(1 ) 3 + cos( 2 )4 ]
(89)
W87 = 10 | V1 || V2 | [cos( 1 )1 + cos( 2 )2 + sin ( 1 )3 + sin ( 2 ) 4 ]
(90)
W88 = 10 | V1 || V2 | [cos(1 )1 + cos( 2 ) 2 + sin ( 1 )3 + sin ( 2 ) 4 ]
(91)
De esta manera, al resolver OPF sobre la red descrita, SQP converge en tres iteraciones,
las cuales se describen a continuacin.
29
Tabla 2: Resultados Iteracin 0

Variable
PG1
QG1
PU1
QU1
|V1 |
|V2 |
1
2
0,000
0,000
0,000
0,000
1,000
1,000
0,000
0,000
1,000
0,500
0,000
0,000
0,050
0,000
0,100
0,000
1,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,000
0,000
0,000
1,000
0,000
0,000
1,000
14000,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
16000,000
0,000
0,000
0,000
0,000
0,000
Variable
PG1
QG1
PU1
QU1
|V1 |
|V2 |
1
2
1,000
0,500
0,000
0,000
1,050
1,000
0,100
0,000
0,000
0,118
0,000
0,000
0,029
0,025
-0,002
0,008
14100,000
0,048
0,000
-0,048
33300,000
0,077
0,000
0,052
0,000
0,000
0,000
0,000
0,000
Matriz A
1,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,000
0,000
0,000
1,000
0,000
0,000
1,000
0,000
-0,998
0,000
0,998
0,000
-11,050
1,000
9,950
-2,000
0,000
Matriz W
14000,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
16000,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
100,000
0,000
0,000
1,000
33300,000
0,000
0,000
0,500
0,000
0,000
0,000
0,000
0,000
Matriz A
0,000
0,000
0,000
0,000
0,000
-10,000
1,000
10,000
-2,000
0,000
Matriz W
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000

b
f
0,000
0,000
0,000
0,000
0,000
0,000
-0,007
0,007
30
14100,000
14100,000
0,000
0,000
0,000
0,000
0,000
10,000
-10,000
0,000
-10,000
10,000
0,000
0,000
0,000
10,000
-10,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
-1,048
1,048
10,448
-9,552
0,000
-10,448
10,448
-1,048
-1,048
0,000
10,448
-10,448
1,048
1,048
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,002
-0,002
0,000
0,000
0,000
0,000
-0,007
0,002
0,000
0,000
0,000
0,000
0,000
0,000
0,007
-0,002
0,000
0,000
14100,000
14100,000
0,000
0,088
0,442
Variable
PG1
QG1
PU1
QU1
|V1 |
|V2 |
1
2
1,000
0,618
0,000
0,000
1,079
1,025
0,098
0,008
x
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,000
0,000
0,000
1,000
0,000
0,000
1,000
14000,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
16000,000
0,000
0,000
0,000
0,000
0,000

b
f
14100,000
-0,005
14100,000
0,000
0,005
14100,000
33300,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
Matriz A
0,000
-0,923
0,000
0,923
0,000
-11,360
1,000
10,212
-2,000
0,000
Matriz W
-0,971
0,971
10,742
-9,765
0,000
-11,014
11,014
-0,995
-0,995
0,000
11,014
-11,014
0,995
0,995
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
-0,008
0,008
0,000
0,000
0,000
0,000
0,009
-0,008
0,000
0,000
0,000
0,000
0,000
0,000
-0,009
0,008
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,009
-0,009
Por lo tanto, OPF entrega la siguiente solucin:

Tabla 5: Resultado Final para Red Pequea
Variable
PG1
QG1
PU1
QU1
|V1 |
|V2 |
1
2
Costo Total
ptimo
100,000 [MW]
61,886 [MVAr]
0,000 [MW]
0,000 [MVAr]
237,280 [kV]
230,580 [kV]
11,726
0,913
7100 [US$]
Se puede comprobar la validez de los costos marginales de generacin del sistema, como
una eficaz herramienta para el anlisis de SEP, a travs del siguiente experimento. Subir la
demanda 1 [MW] por potencia activa en el consumo debiese significar un aumento en el costo
de operacin del sistema, determinado por el costo marginal ya calculado. Los resultados avalan
la hiptesis y se puede apreciar en la siguiente tabla la cercana entre la diferencia de costos
entre escenarios y el costo marginal calculado.
31
Tabla 6: Datos de Resumen para Costos Totales de Generacin
Costo Original 7100,000 [U.M.]

Costo Actual 7114,106 [U.M.]
14,106 [U.M.]
Costo
Costo Marginal 14,100 [U.M.]
En conclusin, se ha descrito la aplicacin de SQP al modelamiento especfico del OPF,
especificando los criterios de convergencia y las metodologas utilizadas. As tambin, se
calculan explcitamente los trminos que participan en el proceso de resolucin del OPF.
Los multiplicadores de Lagrange, asociados al balance de potencia reactiva en los nodos,
son nulos, esto se debe a que la resistencia en la lnea de transmisin es nula. Si existiese
resistencia en dicha lnea, dichos multiplicadores no son nulos.
32
4.- Introduccin en un Sistema de Apoyo a la Toma de Decisiones

4.1 Resumen
En este captulo se describe la introduccin de las metodologas desarrolladas, en un
sistemas de apoyo a la toma de decisiones denominado DeepEdit (DSS) (Palma, 1999). Se
muestra el entorno de desarrollo y la interfaz que ofrece la herramienta de anlisis OPF-SQP.
4.2 Entorno de Desarrollo
DeepEdit es un DSS que se utiliza (y desarrolla) en la docencia, investigacin y
extensin en el Departamento de Ingeniera Elctrica de la Universidad de Chile, ha sido
desarrollado en lenguaje de programacin orientado al objeto JAVA y ha definido variadas
estructuras de objetos. A continuacin se detallan slo aquellas que han sido utilizadas y creadas
en el presente estudio.
Los elementos de red definidos previamente, son los objetos utilizados y creados (para el
caso del SVC). Entre los elementos de red, se distinguen dos grupos:
Elementos de un polo: Son elementos de red que poseen slo un polo o nivel de
tensin (que representa un estado), que es la representacin monofsica de un
SEP en estado estacionario. Los elementos de red considerados en el OPF y que
corresponden a especificaciones de la clase de un polo son:
Barras o Nodos de red
Generadores
FACTS SVC
Elementos de dos polos: Son elementos de red a los que se asocia dos niveles de
tensin en la red monofsica que representa un SEP. Pertenecen a esta categora:
Lneas de Transmisin
Transformadores
La Figura 11 muestra el rbol jerrquico de clases del modelo utilizado y creados para el
OPF.
33
: Herencia
Elemento de Red
: Clase existente
: Clase creada
1 - Polo
Barra
2 - Polos
Generador
SVC
Lnea
Transformador
Figura 11: Definicin y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones
Mediante la estructura de objetos presentada en la Figura 11, el DSS posee herramientas

de clculo como: flujos de potencia, clculos de cortocircuito, despacho econmico de carga,
entre otras. Este trabajo agrega a estas herramientas el clculo de flujo de potencia ptimo e
incorpora los equipos FACTS SVC. Las herramientas de clculo conforman a su vez un
conjunto de objetos que son capaces de comunicarse con los objetos fsicos y entre s, con el fin
de obtener la informacin requerida por los algoritmos. La Figura 12 muestra la estructura
general de los objetos de clculo o herramientas de anlisis. En ella se destaca con lnea gruesa
el desarrollo correspondiente al presente estudio.
: Herencia
Objetos de Clculo
Flujo de
Potencia
OPF
Sensibilidades
Cortocircuito
Tarifacin
Newton
Raphson
Newton
Raphson
Despacho
Econm.
SQP
Figura 12: Estructura de Objetos de Clculo en Sistema de Apoyo a la Toma de Decisiones
Todos los objetos que representan a los elementos de red poseen campos o atributos en
los cuales se definen sus principales caractersticas. Los campos utilizados en el presente
desarrollo son:
Informacin de Operacin
Informacin Econmica
34
Existen otros campos como Informacin Grfica e Informacin de Ubicacin, este

ltimo es utilizado para una Sistema de Informacin Geogrfico incorporado en el DSS.
Para el caso de los generadores se utiliza la informacin de operacin y la informacin
econmica. Los siguientes datos de operacin son utilizados por el OPF:
Pmin y Qmin : Es la potencia activa y reactiva mnima que puede inyectar el

generador a la red.
Pmax y Qmax : Es la potencia activa y reactiva mxima que puede inyectar el

generador a la red.
Mientras que los atributos econmicos de inters para el OPF son:
Alfa : Corresponde al costo fijo de la curva de costos cuadrtica en la potencia

activa del generador en cuestin.
Beta : Corresponde al ponderador lineal de la potencia activa en la funcin de

costos del generador.
Gama : Corresponde al ponderador cuadrtico de la potencia activa en la funcin

de costos del generador.
La Figura 13 muestra la interfaz grfica que ofrece el DSS para fijar la informacin de
operacin para los generadores al construir una red a ser evaluada por el OPF. Por su parte, la
Figura 14 muestra la interfaz para la informacin econmica.
Figura 13: Informacin de Operacin para Generadores
35
Figura 14: Informacin Econmica para Generadores
Los equipos SVC, poseen similares caractersticas (en el modelo de OPF) que los
generadores, la diferencia radica en la imposibilidad de generar potencia activa de los SVC y
por ende la no utilizacin de la informacin econmica, ya que no incide en la funcin de costos
considerada por OPF. De esta forma, la informacin utilizada por OPF de los SVC es la
potencia reactiva mnima y mxima que son capaces de inyectar a la red.
Para el caso de las barras, OPF utiliza slo la informacin de operacin, especficamente
el rango de tensin a la cual opera dicha barra. La interfaz es similar a la de los generadores y
los lmites para los valores de tensin son fijados internamente en el OPF, correspondiendo para
el caso del SIC en los valores absolutos de tensin 10% y +10% con respecto a la tensin
nominal (valores porcentuales con respecto a una base conocida, tpicamente de 220 [kV]).
En los elementos de red de dos polos, slo se utiliza la informacin de operacin, las
Figura 15 y Figura 16 muestran la interfaz grfica ofrecida por el DSS para estos elementos
(transformadores y lneas de transmisin).
Figura 15: Informacin de Operacin para Lneas de Transmisin
36
Figura 16: Informacin de Operacin para Transformadores
La informacin utilizada por el OPF de las lneas de transmisin y transformadores, son

los parmetros del modelo equivalente. Con estos valores de los elementos de dos polos, se
calcula la matriz de admitancia compleja de la red, que es utilizada en todos los clculos que
involucra el OPF. En el caso de transformadores, en una primera instancia no se considera el
efecto tap para el clculo de la matriz de admitancia nodal compleja. Luego, en cada iteracin se
actualiza con el valor de tap correspondiente.
Toda la informacin extrada desde los elementos de red es utiliza para resolver el OPF.
Luego que ste es resuelto, el reporte que entrega el DSS es la red construida con los valores
ptimos encontrados y adems se genera un archivo, el cual contiene toda la informacin
concerniente a las variables ptimas, informes de costos totales e informacin sobre la
convergencia del mtodo, como valores de tolerancia y nmero de iteraciones en que se logra la
convergencia. La Figura 17 muestra una pequea red de tres barras, una lnea de transmisin, un
generador, un transformador y dos consumos, la cual est simulando la operacin a los valores
encontrados por el OPF.
37
Figura 17: Salida Entregada ante Ejecucin
4.3 Herramienta de Anlisis Implementada

4.3.1 Descripcin General
Entre las herramientas de anlisis estacionario de SEP se encuentra OPF SQP, el men
principal y sus opciones se muestran en la siguiente figura, la clase asociada a este men se
denomina OPFFrame. Este men permite escoger los parmetros y mtodos con que se aplicar
OPF SQP.
Figura 18: Men Principal de Herramienta de Clculo
38
4.3.2 Implementacin de Mtodos de Zoutendijk y Rosen

Tanto para la implementacin de SQP como de Zoutendijk y Rosen se utiliz la librera
de JAVA para el manejo de lgebra matricial OP-RESEARCH (DRA Systems, 2001). sta
librera permite la utilizacin de matrices ralas, denominadas SparseMatrix. Las que habilitan la
realizacin de mejoras al aplicar OPF-SQP al SIC chileno. El tipo de matrices y vectores
especficos utilizados son DenseMatrix y DenseVector respectivamente, para el caso de matrices
ralas se utiliz SparseMatrix.
La clase que define OPF-SQP es llamada OPF. sta realiza las iteraciones utilizando
alternativamente la clase que define al mtodo de Zoutendijk o una llamada al software de
optimizacin externo Minos para solucionar los subproblemas cuadrticos de cada iteracin. En
esta clase adems, se realiza la lectura de los parmetros desde la red construida por el usuario,
que son los parmetros de entrada para OPF-SQP.
El mtodo de Zoutendijk, con el fin de encontrar una direccin factible, requiere resolver
problemas de programacin lineal en sus iteraciones. Se utiliz la librera LPsolve (Princeton,
2001) especializada en la resolucin de problemas de programacin lineal. OP-RESEARCH
tambin ofrece herramientas de programacin lineal, pero present problemas en la
implementacin al errar en la solucin de algunas instancias clsicas y al presentar un mal
funcionamiento en problemas que definen variables menores que cero.
Se gener una nueva clase llamada newsimp, la cual recibe las matrices y vectores tipo
DenseMatrix, que definen un problema de programacin lineal y entrega como resultado un
vector tipo DenseVector que contiene el valor ptimo y las variables duales del problema, sta
utiliza como ncleo de clculo la librera LPsolve.
La clase que define al mtodo de bsqueda de direcciones factibles se denomin
zoutendijk y la que define el mtodo de proyeccin del gradiente se denomin Rosen. stas
reciben vectores y matrices que definen un problema de programacin cuadrtica. Ambas
entregan como solucin un vector tipo DenseVector que contiene las variables ptimas y los
multiplicadores de Lagrange del problema cuadrtico.
La siguiente figura representa las interacciones entre las clases desarrolladas.
39
OPF.class
zoutendijk.class
Determinacin
restricciones activas
Activas.class
Mtodos
Parmetros
Matriz de admitancias
Make_MatY
Matriz de admitancias
MatY
newsimp.class
Parmetros costos
Make_vec_c
Make_Mat_WFix
Costos
G , G , G , U , U , U
Determinacin
paso bsqueda
lambda.class
Bqueda direccin
Construccin Jacobiana
Make_Mat_A
Construccin Hessiana
Make_Mat_W
Llamada solver
subproblemas
L mites de operacin
Vec_xmin y Vec_xmax
Matriz Jacobiana
Mat_A
Matriz Hessiana
Mat_W
SALIDA Variables de control pti mas

vec_xtempabs
Transferencia
de archivos
MINOS
Figura 19: Interaccin clases
Los mtodos de Zoutendijk y Rosen han sido validados contrastando sus soluciones
frente a las entregadas por Minos y tambin verificando resultados frente a instancias de
optimizacin conocidas. A continuacin, se presentan tres problemas en los que aplic los
mtodos y sus resultados, los que concuerdan con los expuestos en la literatura y los entregados
por Minos.
Es importante mencionar que, el mtodo de Rosen ha sido implementado y probado slo
externamente, a la fecha de entrega del trabajo de tesis no ha sido enlazado con DeepEdit. Sin
embargo, ha sido validado con ejemplos, contrastando los resultados con el software de
optimizacin Minos.
4.3.3 Validacin de mtodos de Zoutendijk y Rosen
La validacin se basa en dos comparaciones de resultados. La primera comparacin
considera el resultado de la programacin del modelo en GAMS (Rosenthal, 2001) resuelto con
Minos y la segunda a la comparacin con los resultados expuestos por los creadores del
ejemplo.
Instancia 1
Esta instancia corresponde a un problema de prueba de diez variables y cinco

restricciones (ms veinte restricciones de dominio de variables) (Princeton, 2001). Las
siguientes tablas resumen el problema y los resultados obtenidos.
40
Tabla 7: Parmetros Instancia 1
48
42
-2
6
-5
9
8
-6
-5
6
5
7
-4
22
-100 0
0 -100
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Costos lineales
48 45 44 41 47 42 45 46
Matriz de Restricciones
-1
0
-3
-3
-2 -6
-2
-2
8
-3
0
1
3
8
9
-3
5
3
8
-8
9
2
0
-9
0
-9
1
-8
3
-9
-9
-3
-4
-5
-9
1
-7 -1
3
-2
Lado Derecho
-6 -23 -12
Matriz Hessiana
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
-100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100 0
0
0
0
0
0
0
0 -100
Dominio de las Variables
0 xi 1 ; i=1,...,10
Tabla 8: Resultados Instancia 1 de Validacin
Variable
1
2
3
4
5
6
7
8
9
10
GAMS/MINOS
1
0
0
1
1
1
0
1
1
1
SOLUCIN
Zoutendijk Rosen
0,999
1
0
0
0
0
1
1
1
1
1
1
0
0
1
1
1
1
1
1
Autor
1
0
0
1
1
1
0
1
1
1
Instancia 2
Esta instancia corresponde a un problema de prueba de dos variables y dos restricciones

(ms dos restricciones de dominio de variables) (Bazaraa, 2994), las siguientes tablas resumen
el problema y los resultados obtenidos.
41
Costos lineales
-6
-4
Matriz Restricciones
1
1
1
5
Lado Derecho
2
5
Matriz Hessiana
2
-1
-1
2
Dominio Variables
xi 0
i = 1,2
SOLUCIN
Variable GAMS/MINOS Zoutendijk Rosen
1
1,129
1,129
1,129
2
0,774
0,774
0,774
Autor
1,129
0,774
Instancia 3
Esta instancia corresponde a un problema de prueba de cinco variables y una restriccin

(ms once restricciones de dominio de variables) (Princeton, 2001), las siguientes tablas
resumen el problema y los resultados obtenidos.
42
20
Costos lineales
44
45
47
Matriz Restricciones
12
11
7
Lado Derecho
47,5
4
40
-100
0
0
0
0
Matriz Hessiana
0
0
0
-100
0
0
0
-100
0
0
0
-100
0
0
0
Dominio Variables
0 xi 1
i = 1,...,5
42
0
0
0
0
-100
Variable
1
2
3
4
5
GAMS/MINOS
1
1
0
1
0
SOLUCIN
Zoutendijk Rosen
1
1
1
1
0
0
1
1
0
0
Autor
1
1
0
1
0
El Anexo 1 muestra los cdigos en GAMS y JAVA de todas las instancias expuestas.
En conclusin, las rutinas implementadas han sido introducidas en el DSS DeepEdit, el
cual posee una buena interfaz grfica y gran potencial de expansin. Se han validado las
metodologas desarrolladas a travs variadas instancias de prueba.
43
5.- Mejoras propuestas al Proceso de Optimizacin

5.1 Resumen
En el presente captulo se describe el diseo de cuatro mejoras al proceso de
optimizacin SQP. stas se basan en el reconocimiento de estructuras particulares conformadas
en el modelamiento extendido del OPF, las cuales son:
1. Bsqueda optimizada de puntos iniciales factibles para subproblemas cuadrticos
generados por SQP.
2. Dualidad y separacin de Dantzig Wolfe en bsqueda de direcciones factibles en
mtodo de Zoutendijk.
3. Diseo de heurstica tipo bsqueda tab para evitar ptimos locales.
4. Utilizacin de libreras especializadas en utilizacin de matrices ralas para el caso del
SIC chileno.
Todas las mejoras fueron diseadas, siendo la primera y cuarta implementadas. Estas
mejoras pretenden aumentar la velocidad en la convergencia de las resoluciones del OPF. La
primera y la tercera son de alcance general, mientras que la segunda se especializa para redes de
gran envergadura como el SIC y la cuarta se especializa para el caso de redes poco enmalladas
del tipo longitudinal, el cual tambin es el caso del SIC.
5.2 Bsqueda ptima de Puntos Iniciales Factibles
Tal como se ha mencionado, paralelamente a la utilizacin de Minos y por razones de
velocidad en resolucin, se implement dos mtodos de conjuntos activos para solucionar los
subproblemas cuadrticos que genera SQP en cada una de sus iteraciones. Es sabido que, SQP
no requiere de un punto inicial factible para efectuar el proceso de optimizacin (Fletcher,
1987). Sin embargo, los mtodos implementados (de bsqueda de direcciones factibles de
Zoutendijk y de proyeccin del gradiente de Rosen) s requieren de un punto factible inicial para
realizar el proceso de optimizacin. Esto es una debilidad, dado que es conocido que la
bsqueda de un punto factible inicial, puede ser, en muchos casos, un problema tan complejo
como el que se quiere resolver (Nemhauser y Wolsey, 1995). Sin embargo, en la propuesta
descrita a continuacin, se ha hecho de sta debilidad, una fortaleza. Se utiliz una bsqueda
lineal de primer orden para determinar un punto inicial factible. En un principio, lo que se
efectuaba era una bsqueda simple de un punto que cumpliese con las restricciones del
subproblema. Luego, se utiliz una bsqueda optimizada, que permite disminuir el nmero de
iteraciones en la cuales los mtodos convergen.
La bsqueda simple consiste en encontrar un punto que satisficiere las restricciones del
subproblema generado en las restricciones de SQP. Esto se efectuaba resolviendo el sistema
lineal generado por las restricciones del subproblema. La siguiente ecuacin muestra el sistema
de ecuaciones resuelto para encontrar el punto factible inicial con una bsqueda simple.
Ex = e
Ax b
(92)
44
En este sistema, las restricciones de igualdad representan la aproximacin lineal del

Lagrangeano del OPF y las restricciones de desigualdad representan los lmites tcnicos de
operacin de los elementos de red.
La bsqueda lineal de primer orden o bsqueda optimizada de puntos iniciales factibles,
consiste en la determinacin de un punto que minimice el vector f(x k)tx, sujeto a las
restricciones del subproblema del OPF. Luego, la bsqueda optimizada de puntos iniciales
factibles, se basa en resolver el siguiente problema lineal.
min f ( xk ) x
s.a. Ex = e
Ax b
(93)
A continuacin, se muestran los resultados para una red de dos nodos, una carga, un
generador y una lnea de transmisin (Figura 20). Se compar en cada iteracin de SQP, el
nmero de iteraciones que requeran los mtodos para solucionar el subproblema. En todos los
casos el nmero de iteraciones con bsqueda lineal optimizada fue menor o igual que con
bsqueda simple. Estos resultados, en general, se cumplen tambin para redes de mayor
dimensin. Este resultado no ha sido demostrado para un caso genrico. Se piensa que se debe a
las caractersticas de los problemas generados por los SEP, y que pueden haber casos para los
cuales una bsqueda ptima de primer orden no disminuya el nmero de iteraciones en la
resolucin del subproblema.
Figura 20: Red para la Verificacin de Convergencia con Bsqueda Lineal Optimizada
45
Tabla 13: Convergencia en Subproblemas en Funcin de la Iteracin para Red de Prueba
Iteracin SQP
1
2
3
4
5
Bsqueda Simple
Cantidad de Iteraciones en SP
Zoutendijk 1
Rosen 1
5
5
3
2
2
2
1
1
1
1
Bsqueda Optimizada
Cantidad de Iteraciones en SP
Zoutendijk 2
Rosen 2
2
2
2
2
2
2
1
1
1
1
N Iteraciones SP
Iteraciones Convergencia en Subproblemas

Mtodo de Zoutendijk
6
5
Bsqueda
Simple
4
3
Bsqueda
Optimizada
2
1
0
0
Iteracin SQP
Figura 21: Grfico Convergencia en Subproblemas para Mtodo de Zoutendijk
N Iteraciones SP
Iteraciones Convergencia en Subproblemas

Mtodo de Rosen
6
5
Bsqueda
Simple
4
3
Bsqueda
Optimizada
2
1
0
0
Iteracin SQP
Figura 22: Grfico Convergencia en Subproblemas para Mtodo de Rosen
Es importante mencionar que la resolucin del sistema de ecuaciones para la bsqueda

simple, en trminos computacionales equivale a la bsqueda optimizada y corresponde a un caso
particular de la bsqueda optimizada donde los costos en la funcin objetivo son nulos.
46
5.3 Dualidad y Separacin de Problema Dual de Bsqueda de Direcciones Factibles

Con el fin de mejorar el desempeo de las rutinas implementadas, se diseo una
estrategia de separacin del problema de bsqueda de direccin factible que efecta el mtodo
de Zoutendijk en cada iteracin. Esto es posible gracias a la estructura que toma el problema
dual de la bsqueda de direcciones factibles. En ste, se puede reconocer claramente una
estructura diagonal en bloque y un conjunto de restricciones no separable, lo que permite aplicar
la estrategia de separacin de Dantzig Wolfe (Wolsey, 1998).
En este apartado se muestra la construccin del problema dual de la bsqueda lineal, el
reconocimiento de la estructura diagonal en bloque y la estrategia diseada para aplicar la
separacin de Dantzig Wolfe (en adelante DW).
Previo a la construccin y diseo de solucin del problema dual separable, se describe
brevemente el principio de descomposicin de DW.
5.3.1 Algoritmo de Descomposicin de Dantzig - Wolfe
El algoritmo de descomposicin de DW (Wolsey, 1998) se aplica a problemas de
programacin lineal de grandes dimensiones, en que la matriz que conforma el poltopo de las
restricciones posee una estructura diagonal en bloque. El mtodo procura aprovechar la
estructura especial de la matriz para reducir a dimensin de la base, creando un problema
equivalente con una gran reduccin en el nmero de restricciones. La caracterstica ms
relevante del algoritmo es el esquema de generacin de columnas no bsicas en el problema
equivalente.
Considrese el problema de programacin lineal de la siguiente ecuacin.
r
( D) max
s.a
xj
j =1
1 1
Ax +
L + Ar x r
B1x 1
O
B x
L
= b1
(94)
x1 ,
= b0
, xr
= br
0
c j , x j R nj
A j R m 0nj
b0 R m0
b R
j
(95)
mj
B j R mjnj
j = 1,K,0
DW se basa en el principio de descomposicin de las restricciones con estructura

diagonal en bloque.
47
Si se supone que es un poliedro acotado, esto es, si es un poltopo, entonces se

puede describir este poltopo con una combinacin lineal convexa de sus vrtices. Esto es:
r
x x = j x j
(96)
j =1
j =1
=1 j 0
(97)
Luego, el problema (D), puede ser reformulado de manera equivalente reconociendo los
poltopos de restricciones para cada grupo de restricciones formada por las matrices Bj.
p j = x R nj / B j x = b j ; x 0
(98)
Se reconocen los vrtices x kj para los poltopos pj. Luego, si x j estn en pj, entonces se
puede expresar como una combinacin lineal convexa de los vrtices.
Nj
x j p j x j = kj x kj
(99)
k =1
Nj
j
k
= 1 kj 0
(100)
k =1
De esta manera, el problema (D) puede ser reformulado. La siguiente ecuacin muestra
esta formulacin equivalente.
r
( D' ) max
s.a
Nj
c
j =1 k =1
N1
1
kj xkj
x
1
k
1
k
k =1
N1
Nr
+ A r rk xkr
= b0
k =1
k =1
Nr
=1
r
k
xkj 0
(101)
=1
1
k
k = 1,K , N j
k =1
j = 1,K, r
La equivalencia entre (D) y (D) se plasma en tres puntos clave:

1. x ptimo de ( D) ptimo de ( D' )
Nj
x = kj x kj
j =1 k =1
2. Si (D) y (D), tienen ptimo, el valor de la funcin objetivo en el ptimo es igual

r
para ambos problemas; esto es:
Nj
c j x j = c j kj x kj
j =1
48
j =1 k =1
3. Si se conoce una solucin ptima de (D), entonces se puede determinar una

solucin ptima para (D).
Pero, se deben determinar los costos reducidos de todas las variables de (D)?, la
solucin a esta pregunta est dada por el algoritmo de DW. La Figura 23 muestra el diagrama
de flujo que describe el funcionamiento general de este algoritmo.
Determinar Solucin Bsica
Inicial para D
Determinar Solucin de
Problema D
ptimo?
NO
Determinar Variable que

Sale de la Base
FIN
Actualizar Inversa de la Base
Figura 23: Diagrama de Flujo de Algoritmo de Dantzig - Wolfe
Luego de determinar una solucin bsica factible, el criterio que define el ptimo es la
verificacin que los costos reducidos sean menores que cero. Para hacer una descripcin ms
detallada de este algoritmo, se introducir la notacin tpica utilizada y paralelamente se irn
definiendo los pasos que involucra el algoritmo de DW, tal como se aprecia en el diagrama de
flujo de la figura (Bazaraa, 1994).
ci = ci Ai
= cB B
B R (m 0+r )( m0+ r )
(102)

= 1

0
R; R
0
Donde B es la base asociada a la solucin bsica factible, es el vector de

multiplicadores Simplex. Con estos parmetros se puede determinar los costos reducidos de las
variables kj.
0 A j xkj
c kj = ckj 1
e j
(103)
49
0
M

1
ej =
0
M

0
(104)
ej R r
El criterio es:
Solucin ptima c kj 0; k , j min c kj 0
(105)
k, j
Por lo tanto, al desarrollar la condicin se concluye que:
min c kj = min min c j xkj 1j 0 A j xkj

1 j r 1 k Nj
k, j
]}
min min
c j x kj 1j 0 A j x j
j
j
x
1 j r
(106)
Luego se debe minimizar por los vrtices de los poltopos, pero stos no estn
disponibles. Por lo tanto, en vez de hacer esto, se minimiza un problema dentro del poliedro
original que igualmente ser ptimo. Luego, para determinar el mnimo de los costos reducidos,
se deben resolver r problemas de programacin lineal.
( SP) j
min
s.a.
Zj =
j j
B x =bj
xj 0
c j x j 1j 0 A j x j
(107)
x p
j
Zj* es el valor ptimo de (SP)j, luego si:
Z *j < 0 1 j r
ptimo ( D' )
(108)
Ahora, si se encuentra un valor menor que cero, entonces ste ser el que entrar a la
base. Es ms, el costo reducido mnimo (entre los menores que cero obviamente) ser el que
entra a la base.
si
ls
Z *jl < 0
jl {1,..., r},
sea
{ {
}}
s = arg min Z *j / 1 j r Menor Costo Reducido
(109)
Sea x ls solucin ptima (vrtice) del problema (SP)s entra la variable asociada a x ls
As, se ha determinado el criterio de optimalidad. De no cumplirse, se determina la

variable que entrar a la base. Ahora se debe actualizar la base y determinar la variable que sale.
A s x ls
A ls = B 1 Als = B 1
: es la columna asociada a ls
e
s
Se actualiza el vector del lado derecho.
50
(110)
b = B 1b
(111)
La variable que sale es:
b
t = arg min i / (Als )i > 0
( A ls )i
(112)
Determinada la variable que sale, llega un momento en que se encuentre el ptimo (si
existe), pero cmo determinar el ptimo de (D) a partir de un ptimo de (D)?.
Sea kj* solucin ptima de (D), y para los kj > 0 (equivale a que sea variable bsica de
(D)) se tienen los x kj asociados a la base, luego el ptimo para (D) estar dado por la siguiente
ecuacin:
Nj
j*
= kj xk
*
(113)
k =1
De esta manera, se ha descrito el algoritmo de Dantzig Wolfe. ste ser aplicado al

dual del problema de bsqueda de direcciones factibles del mtodo de Zoutendijk al reconocer
su estructura diagonal en bloque.
5.3.2 Reconocimiento de la Estructura Diagonal en Bloque
Al plantear el dual del problema para la determinacin de una direccin factible que se
genera en las iteraciones del mtodo de Zoutendijk, se puede reconocer claramente una
estructura diagonal en bloques. sta puede ser aprovechada para mejorar el desempeo en la
resolucin del OPF cuando se est en frente a una red de gran tamao, como es el SIC chileno.
En las siguientes ecuaciones se aprecia la formulacin dual del problema de bsqueda
de direccin factible del mtodo de Zoutendijk.
( P ) min f ( x ) t d
s.a. Ad
Ed
d1
O
dn
d1
O
dn
0
0
1
1
1
1
Duales
irrestrict a
0
1
M
M
M
0
n
1
0
M
M
M
n
0
51
(114)
i =1
i =1
i i
( D) max
[A
s.a.
Et
In

I n = f ( x )

(115)
In corresponde a la matriz identidad de dimensin n, por lo que en particular tiene

estructura diagonal. Considrese que n es el nmero de variables del OPF. As n = 2 iN|GN i|
+ 2 iN|LN i| + 2 iN|N i| + iN|Ti|}, siendo | | la cardinalidad de los conjuntos definidos en la
formulacin del OPF.
La matriz A, corresponde a las restricciones de lmites tcnicos de operacin de los
elementos de red, luego es una matriz diagonal que posee estructura diagonal en bloque al igual
que In . La siguiente ecuacin muestra la estructura de At.
In
x max
I x x
n
min
Ax b
Ad 0
At = [I n
In ]
(116)
Por su parte, E corresponde a la matriz Jacobiana de las restricciones, que no posee dicha
estructura. Sin embargo, al ser transpuesta, s se puede reconocer una estructura diagonal en
bloques, con un grupo de restricciones finales que son enlazantes, stas provienen de los
trminos de flujo de potencia donde se involucran las corrientes provenientes de las diferentes
lneas. ( | Vi || V j | y ij cos( i j ij ) ). Luego, la estructura general de la matriz que define el
j N
poliedro de las restricciones para la formulacin dual del problema de bsqueda de direcciones
factibles de Zoutendijk, posee estructura diagonal en bloque, por lo cual es posible aplicar el
algoritmo de descomposicin de DW. Las siguientes ecuaciones muestran la estructura general
de esta matriz, ntese que se ha alterado el orden de las variables (ahora filas), con el fin de
identificar claramente los bloques. Adems, se debe reconocer que si a una matriz diagonal
(como lo es la identidad), se le altera el orden de las filas, entonces sigue teniendo estructura
diagonal en bloque.
D = [I n
[A
Et
In ]
In
(117)
] [
In = D E t
(118)
52
1
PG1 0
L
1
PGg 1
QG1
M
|N| 1
0
QGg
QS1
M
QSs
PU 1
M
PUl
0
1
O
L
1
0
QU 1
0
Qul
|N |
0
L
0
0
0
0
1
1
O
0
M
0
1
| L|
1
M
1
M
0
0
1
0
0
O
0
0
1
0
PLl
PL1 Q
L1
(119)
QLl
V1
M
P
i
V j
Q
i
V j
P
i
j
Q
i
j
P
i
t j
Q
i
t j
Vn
1
M
n
t1
M
tn
Reconocindose as, la estructura diagonal para las filas que involucran las variables
(filas) de generacin de potencia activa y reactiva de generadores e inyeccin de potencia
reactiva de los equipos FACTS SVC.
5.4 Diseo de Heurstica Tipo Bsqueda Tab
Se ha reconocido dos casos para los cuales el mtodo podra entregar ptimos locales. El
primero corresponde a la posibilidad de falta de convexidad del poliedro de restricciones del
subproblema, debido a la linealizacin de funciones sinusoidales. La segunda causa es la
existencia de redes con porciones simtricas. Se ha reconocido dos tipos de redes, en las cuales
SQP, al resolver OPF puede entregar ptimos locales. Los casos son los siguientes:
Red con generadores idnticos en una misma barra
Zona de red simtrica
El primer caso, el ms simple, considrese una red en la cual se disponen dos

generadores idnticos como en la Figura 24.
53
Figura 24: Red con Generadores Idnticos en una Barra
La situacin que genera el ptimo local, supone que el ptimo para la red de la figura es
operar slo con el generador 3. Sin embargo, OPF puede hacer lo siguiente: en una iteracin
k+1 puede encontrar un vector de variables de control tal que la suma de la generacin de los
generadores idnticos sea igual a la iteracin k, de esta manera el mtodo verificara el criterio
de convergencia y se detendra entregando un ptimo local. Lo que sucede en la prctica, es que
el mtodo queda iterando entre los dos puntos simtricos hasta que se completa el nmero de
iteraciones determinado por el usuario.
La segunda situacin, es similar a la anterior, pero ahora son porciones de red simtricas
las que generan el criterio de optimalidad entre iteraciones. La Figura 25 muestra una red que
presenta simetra. La situacin de los generadores idnticos en una barra es un caso particular
del segundo caso.
En la red de la Figura 25, el ptimo sera operar slo con el generador 4 (parte inferior
de la figura). Sin embargo, se entrega un ptimo local debido a la simetra de la parte superior
que conforma una delta.
La solucin propuesta es una heurstica tipo bsqueda tab. A continuacin se describe
el esquema general de esta heurstica, para luego mostrar el diseo creado para aplicar al OPF.
54
Figura 25: Red con Porciones Simtricas
5.4.1 Bsqueda Tab

La idea de esta metodologa se puede explicar de mejor forma a travs del anlisis del
grfico de la Figura 26.
Figura 26: Grfico Explicativo Bsqueda Tab
55
SQP llega al punto A, verifica la condicin de optimalidad y entrega al punto A como

solucin. Sin embargo, es claro que el ptimo global est en el punto F. La heurstica de
bsqueda tab propone lo siguiente: seguir buscando en otros puntos, pese a que la funcin
objetivo sea peor, de esta manera se sigue la secuencia de puntos B, C, D, E y F, encontrando as
el ptimo global del sistema (o al menos un mejor ptimo).
Se ha explicado esquemticamente el funcionamiento de la bsqueda tab, ahora se
formaliza el proceder de esta heurstica a travs de los cuatro siguientes pasos:
i. Inicializacin:
Solucin inicial = S
Lista Tab = (vaca)
ii. Determinar una solucin inicial S.

iii. Mientras el criterio de detencin no se cumpla:
iv.
Escoger un subconjunto Q(S) Q(S) desde las soluciones no tab (Q es el

conjunto de vecinos).
S = arg[min{f(T)/TQ(S)}]
Actualizacin de S por S y de lista tab.
Mejor solucin encontrada = solucin tab.
Pero, cmo determinar el criterio de detencin? y cmo determinar la lista tab?.

Depender de la aplicacin particular que se desee optimizar. En general, la determinacin de
Q(S) depende de |Q(S)|, (Q(S) = Q(S) si |Q(S)| es pequeo). Por su parte, la lista tab
tpicamente es determinada con un paso de bsqueda (tal como se muestra en la Figura 26).
5.4.2 Determinacin de Parmetros Caso Flujo de Potencia ptimo
A continuacin, se describe el diseo de la heurstica para el caso de SQP sobre OPF.
Primero se define la lista de vecinos, luego la lista tab y finalmente el criterio de detencin.
Dos estrategias son las ms utilizadas para determinar una solucin heurstica:
Intensificacin,
Diversificacin.
La intensificacin se basa en suponer que el ptimo global se encuentra cercano al

ptimo local encontrado, y segn esto intensificar la bsqueda del ptimo global en zonas
cercanas (cercana definida con la norma entre los vectores solucin).
Por su parte, la diversificacin supone que el ptimo global del sistema se encuentra
alejado de la solucin actual. Luego, define vecinos que se encuentran alejados de la solucin
actual y hace la bsqueda en torno a los vecinos alejados. Recurdese los ejemplos expuestos,
56
que representan los casos tpicos en los que pueden encontrarse ptimos locales. Segn stos, se
piensa que la diversificacin es la mejor estrategia para afrontar el caso de SQP sobre OPF.
As, dado un vector solucin x, cuya componente de potencias activas generadas sea:
r
P = (PG1 ,..., PGg )
(120)
Se generan g/3 (cajn superior de un tercio del nmero de generadores) vectores de la

siguiente manera:
r
r
i. Se define P = max P min P
ii. Se generan aleatoriamente g/3 pares ordenados (i, j) GNGN; g/3 podr
alternativamente ser definido por el operador y depender de cuan minuciosa se
desee efectuar la bsqueda.
{}
{}
iii. Para cada par ordenado (ix, jx) creado en la fase ii, se generan los valores
Pix=Pi-P y Pjx=Pj+P, se fija en los lmites si stos son sobrepasados.
iv.
Se fijan los valores para las potencias activas ix y j x y se corren g/3 OPFs, si
valor de funcin objetivo de una corrida es menor que la original, entonces se
actualiza la solucin con la solucin heurstica. De no ser as, se prosigue con
la bsqueda.
v. Si se sobrepasa el lmite de iteraciones definido por el usuario o g/3, entonces

se detiene y se sigue con la solucin inicial.
Inicio
r
r
? P = max P min P
{}
{}
Se generan g/3
pares ordenados
K=0
K g/3 ?
P ik=P i- P
P jk =P j+P
K=K+1
SI
Se corre OPF con
(P ik , P jk) fijo.
solucin mejor?
SI
Se escoge solucin
heurstica
Fin
Figura 27: Diagrama de Flujo de Heurstica Diseada
57
5.5 Matrices Ralas en el Sistema Interconectado Central

El SIC es un SEP cuya red elctrica representativa posee una topologa longitudinal y
tambin posee un grado de enmallamiento bajo. Esto se refleja en la matriz de admitancia nodal
compleja del sistema, al conformar una matriz rala.
Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras
Las matrices Jacobianas y Hessianas que se conforman en los subproblemas de SQP

poseen una estructura en bloques, donde muchos de los trminos son cero. Adems, los trminos
distintos de cero estn estrechamente vinculados con la matriz de admitancia nodal, y muchos
de ellos tambin son cero. Luego, las matrices Jacobianas y Hessiana tambin son ralas, es ms,
la matriz Hessiana de la primera iteracin es una matriz llena de ceros. Esto permite la
utilizacin de libreras matemticas especializadas en matrices ralas, lo que har disminuir el
uso de recursos de memoria y acelerar el proceso de optimizacin OPF-SQP en la medida que se
implementen rutinas ad hoc.
58
Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras
La complejidad computacional de las operaciones con matrices ralas es proporcional a la

cantidad de elementos distintos de cero. Adems, depende linealmente del nmero de filas y
columnas de la matriz, pero es independiente del producto entre las cantidad de elementos cero
y distintos de cero. La complejidad de operaciones ms complicadas, como soluciones de
sistemas lineales con matrices ralas (como es el caso del sistema que genera los subproblemas
cuadrticos de SQP), involucra tareas como ordenamientos y llenado (Ahmed y Mateev, 2000).
En general, el tiempo requerido para realizar operaciones con matrices ralas es proporcional al
nmero de operaciones algebraicas con los elementos distintos de cero. De esta forma, la
utilizacin de libreras especializadas en el manejo de matrices ralas, permite mejorar el
desempeo de OPF-SQP, disminuyendo el nmero de operaciones algebraicas a realizar en cada
iteracin y aminorando la utilizacin de memoria. Las estimaciones de disminuciones en el
nmero de operaciones se basan, tal como se mencion anteriormente, en el nmero de
operaciones algebraicas con los elementos distintos de cero. Por su parte las estimaciones del
menor uso de memoria se basan en la medicin directa de utilizacin de memoria de las
matrices ralas.
Existen variadas libreras matemticas especializadas en el manejo de matrices ralas, en
particular, las libreras OP-RESEARCH utilizadas en la implementacin computacional OPFSQP ofrecen la opcin de utilizar matrices del tipo SparseMatrix para el manejo de matrices
ralas. Se utiliz este formato para las matrices de admitancias, Jacobiana y Hessiana de OPFSQP.
Se realiz estimaciones de la disminucin en el nmero de operaciones en base al ndice
de esparcidad1 (sparsity) y la linealidad entre el nmero de operaciones y este ndice. Con
respecto a la disminucin en la utilizacin de memoria, se midi la memoria utilizada por las
1
Este es el porcentaje de ceros con respecto al total de elementos de la matriz.
59
matrices con formato DenseMatrix, luego con SparseMatrix y se verific la eficacia de

SparseMatrix. Vase las siguientes tablas.
Tabla 14: Porcentaje Operaciones Efectivas con Matrices
Estimacin Porcentaje Operaciones Efectivas
por Matriz con Respecto Original
Admitancia
Jacobiana
Hessiana
4,9%
1,6%
0%
Tabla 15: Utilizacin de Memoria Matrices Ralas
DenseMatrix SparseMatrix Disminucin

[kBytes]
[kBytes]
[%]
Admitancia
7,84
3,14
59,95
Jacobiana
663,94
17,42
97,38
Hessiana
1273,61
1,61
99,87
En conclusin, se implement una bsqueda optimizada del punto inicial factible, la cual
mejora el desempeo en la resolucin del OPF, puesto que disminuye el nmero de iteraciones
de los mtodos que resuelven el subproblema y por lo tanto disminuye el tiempo de resolucin
del OPF.
Se reconoci una estructura diagonal en bloque para el problema dual de la bsqueda de
direcciones factibles del mtodo de Zoutendijk, lo que permite la utilizacin de la
descomposicin de Dantzig Wolfe.
Se expuso tipos de SEP que generan ptimos locales en SQP. Para evitarlos, se diseo
una heurstica tipo Bsqueda Tab.
Finalmente, se observ que la topologa elctrica longitudinal de Chile, en especial del
SIC, incide en un SEP poco enmallado, esto implica que las matrices de admitancia nodal,
Jacobiana y Hessiana de OPF-SQP sean ralas. As, se utiliz esta estructura para disminuir la
utilizacin de recursos de memoria y aminorar el nmero de operaciones al tratar dichas
matrices.
60
6.- Resultados
6.1 Resumen
En este captulo se describen y analizan los resultados de dos ejemplos. El primero es
una red de seis barras y corresponde a un ejemplo expuesto en la literatura (Wood y
Wollenberg, 1996). En ste se explica la introduccin de un equipo SVC. Finalmente, se
describe la aplicacin de la metodologa a dos sistema equivalentes del SIC de distinta
envergadura.
Es importante resaltar que los resultados expuestos en esta seccin son de alcance
general y entregados como resumen de los resultados en detalle se encuentran en el Anexo II.
6.2 Red de Prueba 6 Barras
Se ha aplicado la metodologa a una red de seis barras expuesta en la literatura (Wood y
Wollenberg, 1996). En una primera etapa, se aplica OPF sin considerar el equipo SVC y luego
considerndolo (Palma y Prez, 2001). El equipo tiene la capacidad de inyectar o consumir
potencia reactiva entre (-0.6[pu], 0.6[pu]) base 100[MVAr].
Figura 30: Sistema Elctrico de Potencia Caso Wollenberg
61
Tabla 16: Resumen de Estadsticas de Red

Nmero de Barras
Nmero de Lneas
10
Nmero de Generadores
Nmero de Cargas
Consumo Total Potencia Activa

Consumo Total Potencia Reactiva
[MW]
210
[MVAr]
210
Tabla 17: Resultados Entregados sin Considerar Compensador Esttico Regulable

Variable
Variable
PG1
[MW]
PG2
[MW]
PG3
[MW]
QG1
QG2
QG3
[MVAr] [MVAr] [MVAr]
PU1
[MW]
PU2
[MW]
PU3
[MW]
50,00
89,97
76,02
37,23
74,01
|V4|
[kV]
|V3|
[k V]
|V6|
[kV]
|V2|
[kV]
|V1|
[kV]
228,70
241,51
242,00
242,00
226,71
229,49
QU1
QU2
QU3
60,00
0,00
0,00
0,00
0,00
0,00
0,00
|V5|
[kV]
4
[]
3
[]
6
[]
2
[]
1
[]
5
[]
-358,82 -355,28 -355,76 -354,93 -360,00 -359,38
Costo Total :
2464,66 [US$]
Si se dispone un equipo SVC en una barra de carga, entonces al correr nuevamente el

OPF sobre esta red modificada, los costos totales debiesen ser menores. Dado que, si se instala
un equipo SVC en una barra de carga, este inyectar potencia reactiva, lo cual har subir la
tensin en la barra, esto a su vez har que la corriente proveniente de barras con mayor tensin
disminuya, y la proveniente de las barras con menor tensin aumente. Esto har disminuir las
prdidas en las lneas donde la corriente es menor y aumentar donde la corriente es mayor. Si el
efecto de disminuir prdidas es mayor, entonces el efecto total ser una disminucin en el costo
total de generacin. Este razonamiento se resume en el esquema de la Figura 31.
Inyeccin
Reactivos
Variacin
de Tensin
Variacin de
Corrientes
Bajan
Prdidas
Baja
Costo
Figura 31: Efectos Introducidos por Compensador Esttico Regulable
Al aplicar OPF a la red de la Figura 30, considerando el equipo SVC, los resultados
indican que el costo disminuye y se verifica el razonamiento anterior.
Tabla 18: Resultados Entregados Considerando Compensador Esttico Regulable
Var.iable
Variable
PG1
[MW]
PG2
[MW]
PG3
[MW]
50,00
89,67
75,42
33,53
50,07
|V4|
[kV]
|V3|
[kV]
|V6|
[kV]
|V2|
[kV]
228,97
242,00
242,00
242,00
Variable QSVC
[MVAr]
QG1
QG2
QG3
PU1
[MW]
PU2
[MW]
PU3
[MW]
23,61
0,00
0,00
0,00
0,00
0,00
0,00
|V1|
[kV]
|V5|
[kV]
4
[]
3
[]
6
[]
2
[]
1
[]
5
[]
228,55
237,10
356,10
359,38
359,19
360,00
354,67
354,58
Costo Total :
QU1
QU2
QU3
2453,87 [US$]
60,00
62
Utilizando como indicador los costos (beneficios) marginales por inyeccin de potencia
reactiva en los nodos, se puede efectuar una evaluacin econmica de la introduccin de un
equipo FACTS SVC en una barra del sistema expuesto.
Se supone que el sistema opera siempre con el mismo perfil de demanda. Este supuesto
es bastante fuerte, dado que los perfiles de carga son variables en el tiempo. Sin embargo, se
pretende esbozar la forma en que se pueden explotar los indicadores que entrega este trabajo, en
el mbito de la planificacin de la expansin de la red.
La siguiente tabla expone los costos marginales por inyeccin de potencia reactiva en los
nodos de la red. Segn estos, lo ms beneficioso es introducir un equipo SVC en la barra 5.
Dado que, el costo de inyectar potencia reactiva en dicha barra, es el ms elevado.
Tabla 19: Costos Marginales por Inyeccin de Potencia Reactiva en las Barras de la Red
Barra
Cmg [US$/MWh]
1
0
2
0
3
8,03
4
42,16
5
46,58
6
34,34
Se introduce un equipo SVC en dicho nodo y se encuentra un nuevo punto de operacin

en el cual el sistema opera con costos totales de 2450,31 [US$], luego se puede incurrir en un
ahorro de 14,35 [US$/h], suponiendo que el sistema seguir operando con el mismo perfil de
demanda.
Si se considera que el costo de un SVC es aproximadamente de 10000 [US$], se podra
recuperar el capital de inversin en 30 das.
La evaluacin efectuada es muy poco precisa por tres razones:
El supuesto de mantencin del perfil de demanda en el tiempo es poco realista
Los valores de costos son poco precisos
La legislacin vigente en Chile invalida este tipo de evaluaciones
6.3 Aplicacin al Sistema Interconectado Central

6.3.1 SIC 70 Barras
Se dispone de un sistema reducido de setenta barras del SIC (vase Figura 32), ste
representa un escenario de demanda baja e hidrologa hmeda.
63
Figura 32: Sistema Interconectado Central Chileno, Escenario Demanda Baja e Hidrologa Hmeda
Se aplica OPF-SQP a esta red y se obtienen los resultados que se muestran en la

siguiente tabla.
Tabla 20: Resultados para Caso SIC de 70 Barras
Costos
Potencia Activa
Potencia Reactiva
Potencia no Servida
Prdidas
Prdidas
Demanda Potencia Activa
Demanda Potencia Reactiva
[US$]
17.384,355
[MW]
2329,686
[MVAr]
-112,256
[MW]
0
[MW]
67,388
[%]
3,001
[MW]
2245,188
[MVAr]
841,428
La generacin negativa de potencia reactiva, por parte de los generadores en la red, se

debe al siguiente fenmeno fsico: las lneas de transmisin en el SIC son de gran longitud, esto
lleva a que el efecto capacitivo de las lneas sea elevado incluso superando a la demanda de
potencia reactiva en los consumos (escenario de demanda baja), de esta manera, y para
compensar este efecto, la generacin total de potencia reactiva resulta ser negativa.
Al aplicar la metodologa de despacho econmico de carga convencional (Wood y
Wollenberg, 1996), se puede apreciar que los costos totales resultan ser levemente mayores, esto
se debe a la capacidad que tiene OPF-SQP, por sobre el despacho econmico, de manejar las
variables de potencia reactiva generada. El costo del despacho econmico convencional es de
17807,691 [US$] que es un 2,4[%] mayor que OPF-SQP. Adems, el despacho no asegura el
balance de potencia reactiva, por lo que puede ser infactible tcnicamente.
64
Tambin se reporta como resultado, la estimacin de los costos marginales por

generacin de potencia activa y reactiva. Es importante notar que, para el caso de generacin de
potencia reactiva es posible que no sea costo marginal, sino que beneficio marginal. As, es
beneficioso consumir potencia reactiva en algunos nodos.
La convergencia, segn los indicadores utilizados, es encontrada en la octava iteracin.
El comportamiento de dicha convergencia se puede apreciar los siguientes grficos.
Convergencia Porcentual RHS
3,000
RHS [%]
2,500
2,000
1,500
1,000
0,500
0,000
0
Iteracin
Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras
Convergencia Porcentual Costos
Diferencia Costo [%]
250
200
150
100
50
0
0
Iteracin
Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras
65
Evolucin Costos Totales

35000
30000
Costo [$]
25000
20000
15000
10000
5000
0
0
Iteracin
Figura 35: Evolucin Costos Totales
Al incluir los taps de los transformadores como variable de optimizacin se obtiene un

punto de operacin con costos levemente menores de 17378,033 [US$]. Sin embargo, lo
interesante de esta inclusin es la proposicin de un nuevo punto de operacin.
6.3.2 SIC 182 Barras
Se dispone de un sistema reducido de ciento ochenta y dos barras del SIC. Este considera
un escenario de demanda alta e hidrologa seca y representa en mejor forma, que el caso de
setenta barras, la realidad del SIC. En el Anexo III se puede apreciar en extenso la figura del
SIC de 182 barras.
La convergencia se encuentra en la quinta iteracin, considerando una tolerancia de
0.1[%] para el RHS y de 5[%] para costos. Esta es menos exigente que para la red SIC de 70
barras, porque su dimensin es mucho mayor y si se considerase una tolerancia menor no se
encuentra convergencia.
Se obtienen los resultados que se muestran en la siguiente tabla. Se puede notar ahora, a
diferencia del caso anterior, que la generacin de potencia reactiva es mayor que cero, esto se
debe a que en este nuevo escenario de demanda alta, la inyeccin de potencia reactiva en las
lneas de transmisin no alcanza a cubrir los requerimientos de los consumos, luego se debe
generar potencia reactiva.
Tabla 21: Datos Resumen
FO
Gen Activa
Gen Reactiva
Prdidas
Prdidas
[US$]
[MW]
[MVAR]
[MW]
[%]
66
48503,26
3986,94
379,39
252,42
6,71
Tabla 22: Informacin Convergencia
Iteracin
RHS TOL
[%]
1,689
0,161
0,061
0,031
0,011
1
2
3
4
5
COS TOL
[%]
200,000
78,200
37,926
12,040
2,847
FO
[US$]
82752,66
36226,44
53181,19
47141,32
48503,26
5,8
Tiempo Total de Ejecucin [s]
Tabla 23: Descripcin de Computadora Utilizada
Procesador
RAM
AMD Athlon K7 @ 1 [GHz]

256 [MB] @ DDR
RHS TOL [%]
Convergencia Porcentual RHS

1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
0
Iteracin
Figura 36: Convergencia Porcentual Lado Derecho
Convergencia Porcentual Costo
COST TOL [%]
250,000
200,000
150,000
100,000
50,000
0,000
0
Iteracin
Figura 37: Convergencia Porcentual de Costos
67
Costo [$]
Evolucin Costos
90000
80000
70000
60000
50000
40000
30000
20000
10000
0
0
Iteracin
Figura 38: Evolucin Costos Caso SIC 182 Barras
68
7.- Conclusiones
En el presente estudio se ha formulado el problema del Flujo de Potencia ptimo OPF,
incluyendo la modelacin explcita de equipos FACTS SVC y utilizando Programacin
Cuadrtica Secuencial SQP para solucionarlo. Los subproblemas cuadrticos que se generan con
SQP fueron resueltos con el software de optimizacin MINOS y alternativamente fueron
desarrollados dos mtodos, el de Zoutendijk de bsqueda de direcciones factibles y de Rosen de
proyeccin del gradiente.
Utilizando la estructura particular del problema, se propuso metodologas para mejorar
los mecanismos de optimizacin. Especficamente, se reconoci estructuras diagonales en
bloque, que permiten la utilizacin de la descomposicin de Dantzig Wolfe en el problema de
bsqueda de direcciones factibles utilizado por el mtodo de Zoutendijk y se implement una
bsqueda optimizada del punto inicial factible, la cual mejora el desempeo en la resolucin del
OPF, puesto que disminuye el nmero de iteraciones de los mtodos que resuelven los
subproblemas y por lo tanto disminuye el tiempo de resolucin del OPF.
Se reconoci casos particulares para los cuales el mtodo entregaba ptimos locales y se
dise una heurstica de bsqueda tab, con el fin de salir de estos y converger a un mejor punto
de operacin del sistema.
Se aplic el desarrollo a variadas redes elctricas, la ms importante, el SIC. Este, dada
su topologa longitudinal posee caractersticas especiales, las que fueron explotadas para
proponer mejoras en las rutinas de optimizacin. La topologa longitudinal de la red elctrica,
implica que las matrices conformadas en el modelo sean ralas. Se utiliz libreras matemticas
especializadas en dichas matrices, con el fin de minimizar la utilizacin de recursos
computacionales y mejorar el desempeo en la resolucin del problema especfico,
disminuyendo de esta forma la utilizacin de recursos de memoria y aminorando el nmero de
operaciones.
Se ha podido comprobar empricamente, que la introduccin adecuada de equipos SVC
entendidos como caso particular de los FACTS (Srivastava y Verma, 2000) en una red de
transmisin de energa elctrica, llevara a menores costos totales por concepto de ahorro de
generacin de potencia activa. Lo que puede ser explotado para efectuar mejores anlisis para la
planificacin de los SEP. Un buen indicador para decidir en cual nodo introducir un SVC, es el
costo (o beneficio) marginal por generacin (o consumo) de potencia reactiva en un nodo de la
red. Mientras ms alejado del costo cero, ms beneficioso o costoso es introducir o consumir
potencia reactiva en dicho nodo. Este costo (beneficio) marginal se obtiene directamente del
reconocimiento del multiplicador de Lagrange de la restriccin de conservacin de flujo de
potencia reactiva de los nodos de la red.
Se incluy las metodologas desarrolladas en un sistema de apoyo a la toma de
decisiones (DSS) denominado DeepEdit (Palma, 1999). La implementacin computacional fue
desarrollada utilizando un lenguaje orientado al objeto (JAVA). OPF SQP fue incluido dentro
de las opciones del sistema, formando parte de las herramientas de anlisis estacionario de
sistemas elctricos de potencia. DeepEdit es utilizado en el mbito docente, de investigacin y
extensin en el Departamento de Ingeniera Elctrica de la Universidad de Chile y posiblemente
ser utilizado en empresas del sector de generacin de energa elctrica.
69
Como resultado, se obtuvo una herramienta de anlisis de sistemas elctricos de

potencia, que est incluida dentro del DSS DeepEdit (la Figura 39 muestra esquemticamente
dicha herramienta). ste posee una buena interfaz grfica y un gran potencial de expansin,
debido a sus propias fortalezas, como la disponibilidad de mltiples metodologas para el
anlisis tcnico y econmico de SEP e inclusive la opcin de un Sistema de Informacin
Geogrfico. Otro aliciente para el gran potencial de expansin de DeepEdit, son las seales de
crecimiento que muestra el mercado elctrico chileno, entre las cuales destacan: la introduccin
de una nueva ley elctrica y la constante introduccin de nuevas tecnologas.
OPF
SQP
Parmetros
Entrada
Rosen
Subproblema
Cuadrtico
Minos
Variables
de Control
ptimas
Zoutendijk
Figura 39: Mdulo Computacional Implementado
Dado el proceso de revisin en que se encuentra la ley elctrica chilena. Se plantean

distintas alternativas de anlisis relacionadas con el presente estudio, por ejemplo, el despacho
de carga ser distinto al despacho econmico tradicional que se utiliza en la actualidad. En una
primera etapa se podrn celebrar contratos bilaterales entre las empresas generadoras y los
grandes clientes del SIC (clientes que tienen una potencia instalada mayor a 2 [MW]). Luego, se
permitir la participacin en un mercado diario donde se realizarn ofertas de compra y venta en
una bolsa de energa. Dependiendo del tipo de bolsa de energa que se instaure, herramientas
OPF pueden jugar un rol central en el proceso de casacin llevado a cabo por el operador del
mercado. El presente estudio ayuda al proceso de automatizacin y optimizacin en la
determinacin de las variables de control del SIC chileno y pretende ser un prototipo para el
motor de funcionamiento de esta bolsa de energa.
Actualmente, el proceso de despacho de carga se realiza considerando un modelo de
costos marginalista. En este esquema las restricciones tcnicas del sistema se consideran en
forma simplificada, llevando a soluciones no necesariamente ptimas. La utilizacin del OPF
lleva a mejoras en este proceso, dado que generaliza el despacho econmico de carga
convencional utilizado. Esto se debe a que incluye restricciones tcnicas, tales como: balances
de flujo de potencia activa y reactiva, lmites tcnicos de operacin de los equipos y limitaciones
en el factor de potencia en la liberacin de carga. Esto se ver plasmado en una disminucin de
costos al determinar y fijar en forma ptima las variables de control de un SEP.
En conclusin, en la presente tesis de grado se ha formulado el OPF utilizando SQP para
su solucin. Se propuso metodologas para optimizar el desempeo de los algoritmos y se
introdujo mejoras especficas para el caso del SIC chileno. El resultado es una herramienta de
anlisis estacionario de SEP incluida en el DSS DeepEdit.
70
El estudio tiene un gran potencial de expansin en la medida que se introduzca el

modelamiento de nuevas tecnologas como equipos FACTS y se procuren bajos tiempos de
ejecucin, que permitan la entrega de resultados en lnea en un posible escenario que considere
una bolsa de energa va Internet.
Existen trabajos proyectados y en realizacin, que continan y generalizan el presente
desarrollo, como lo son:
Incorporar restricciones de lmites de corrientes por lneas de transmisin,
Brindar estabilidad numrica a las rutinas cuadrticas implementadas,
Implementar y probar las mejoras propuestas,
Eliminar la relajacin de las variables de tap de transformadores y asumir un modelo

de programacin entera mixta,
Establecer el marco de utilizacin del desarrollo en un contexto que considere una

bolsa de energa.
71
Referencias
Ahmed N., Mateev N., 2000, A Framework for Sparse Matrix Code Synthesis from High-level
Specifications, Department of Computer Science, Cornell University, Ithaca, New
York.
Bazaraa M., Sherali H., Shetty C., 1994, "Nonlinear Programming", John Wiley & Sons, New
York.
Boggs P., Tolle J., 1999 a, Sequential Quadratic Programming for Large Scale Nonlinear
Optimization, Journal of Computational and Applied Mathematics.
Boggs P., Tolle J., Kearsley A., 1999 b, A Global Convergence Analysis of an Algorithm for
Large Scale Nonlinear Optimization Problems, SIAM Journal on Optimization.
El-Hawary E., 1996, "Optimal Power Flow: Solution Techniques, Requirements, and
Challenges", University of Nova Scotia, IEEE Tutorial Course N 96 TP 111-0, pp. v.
ESCA Corporation, 1987, "Optimal Power Flow,: Research and Code Developement" EPRI EL4894, Project 1724-1, Final Report.
Fletcher R., 1987, "Practical Methods of Optimization", 2. Auflage, John Wiley & Sons, New
York.
Glavitch H., Bacher R., 1991, Optimal Power Flow Algorithms, Analysis and Control System
Techniques for Electric Power Systems, Vol. 41, Academic Press.
Hingorani N., 1994, Power Electronic Equipment: HVDC and FACTS, CIGR Session
Papers, Panel 2 on More Effective Networks, Paper 2-02, Paris.
Momoh J., El-Hawary E., Adapa R., 1999, A Review of Selected Optimal Power Flow
Literature to 1992, IEEE Transactions on Power Systems, Vol. 14, N 1.
Nemhauser G., Wolsey L., 1995, Integer and Combinatorial Optimization, John Wiley & Sons
Inc.
Palma R., 1999, "Modelo Orientado al Objeto para la Planificacin de Redes de Transmisin
Elctrica, bajo Condiciones Competitivas", Tesis, Universidad de Dortmund, Alemania.
Palma R., 2000, "Incorporacin de Modelos de Mercado y Marcos Regulatorios en una
Planificacin Dinmica de Sistemas Elctricos", Proyecto Fondecyt 1000866.
Palma R., Prez J., 2000, Flujo de Potencia ptimo con Programacin Cuadrtica Secuencial,
Congreso Optima 2001.
Papalexopoulos A., 1996, Challenges to On-Line OPF Implementation, Pacific Gas and
Electric Company, IEEE Tutorial Course N 96 TP 111-0, Cap 4.
72
Ravindra S., Lasdon L., 1997, Computational Experience with a Safeguarded Barrier
Algorithm for Sparse Nonlinear Programming, College of Business Administration of
University of Texas at Austin.
Ristanovic P., 1996, Succesive Linear Programming Based OPF Solution, Siemens Energy &
Automation, Inc., IEEE Tutorial Course N 96 TP 111-0, Cap.1.
Rudnick H., Palma R., Fernndez J., 1995, Marginal Pricing and Supplement Cost Allocation
in Transmisin Open Access. IEEE Transactions on Power Systems, Vol. 10, N12, pp.
1125 1132.
Seibt T., 1997, Entwicklung eines OPF-Algorithmus zur Untersuchung von Durchleitungen im
Verbundbetrieb, Diplomarbeit EV 9702, Lehrstuhl fr elektrische Energieversorgung,
Universitt Dortmund, Januar.
Srivastava S., Verma R., 2000, Impact of FACTS Devices on Transmission Pricing in a DeRegulated Electricity Market, IEEE, 0-7803-5902-X.
Tabors R., 1993, Transmission Systems Management and Pricing: New Paradigms and
International Comparisons. 1993 IEEE PES Winter Meeting, Columbus, OH.
Wolsey L., 1998, Integer Programming, John Wiley & Sons Inc.
Wood A., Wollenberg B., 1996, "Power Generation, Operation and Control", 2nd Edition, John
Wiley and Sons Inc. New York.
73
Referencias Electrnicas
<http://www.OpsResearch.com>, DRA Systems, Libreras en lenguaje JAVA, especializacin
en investigacin de operaciones, [consulta: 1Agosto 2001].
<http://www.cs.wustl.edu/~javagrp/source/>, libreras para programacin lineal en lenguaje
JAVA, [consulta: 1 Agosto 2001].
<http://www.gams.com/>, Rosenthal R., Gams Tutorial, Monterrey School, California USA,
2000, [consulta: 1 Agosto 2001].
<http://titan.princeton.edu/TestProblems/>, fuente
cuadrtricas, [consulta: 1 Agosto 2001].
74
de
problemas
para
prueba
de
rutinas
Glosario
DSS
Decision Support System
DW
Algoritmo de Descomposicin de Dantzig - Wolfe
FACTS
Flexible AC Transmission Systems
IEEE
Institute of Electrical and Electronic Engineers
KKT
Condicin de primer orden de Karush Kuhn Tucker
LP
Linear Programming
MIP
Mixed Integer Programming
NLP
Non Linear Programming
QP
Quadratic Programming
OPF
Optimal Power Flow
SIC
Sistema Interconectado Central
SEP
Sistema Elctrico de Potencia
SQP
Sequential Quadratic Programming
SVC
Static Var Compensator
75
Anexo I: Mtodo de Bsqueda Direcciones Factibles de Zoutendijk

Este mtodo parte desde un punto factible x 0 , desde el cual se busca una direccin d0 tal
que para un > 0, se cumplan las siguientes condiciones:
2. x k+1 = x k + dk es factible
3. El valor de la funcin objetivo en x k+1 es mejor que en x k
Luego que se determina la direccin, se resuelve un problema de optimizacin en una
dimensin para determinar el paso de avance en dicha direccin dk. Esto conduce a un nuevo
punto x k+1 , y el proceso se repite. Dado que la factibilidad del problema primal se mantiene
durante el proceso de optimizacin, estos procedimientos frecuentemente son llamados mtodos
primales. Los mtodos de este tipo generalmente convergen a una solucin que cumple con las
condiciones de Karush Kuhn Tucker (KKT).
Considrese el problema de minimizacin de f(x) sujeto a x S, donde f: En E1 y S es
un conjunto no vaco en En . Un vector d (distinto de cero) se define como direccin factible en x
S si existe un > 0 tal que x+d S (0,). As, d se define como direccin factible de
mejoramiento en x S si > 0 tal que f(x+d)< f(x) y x+d S (,0).
Considrese el siguiente problema de optimizacin con funcin objetivo cuadrtica y
restricciones lineales.
(QP ) min
s.a.
f (x ) =
Ax
Ex
fk + gx +
b
= e
1 t
x Wx
2
(121)
A es una matriz de m x n, E es una matriz de l x n, b es un vector de dimensin m, y e es

un vector de dimensin l. En particular, d es una direccin factible de mejoramiento si A1 d 0
y Ed = 0. Si f(x)td<0, entonces d es una direccin de mejoramiento.
Considrese el problema (QP), sea x una solucin factible, y supngase que A1 x = b1 y
A2 x < b2 , donde At se descompone en (A1 t, A2 t) y bt es descompuesto en (b1 t,b2 i). Entonces, un
vector d es una direccin factible en x si y slo si A1 d 0 y Ed = 0. Si f(x)td<0, entonces d es
una direccin de mejoramiento.
Dado un punto factible x, un vector d distinto de cero es una direccin factible de
mejoramiento si f(x)td<0, A1 d 0 y Ed = 0. Un mtodo natural para generar esta direccin es
minimizar f(x)td<0 sujeto a las restricciones A1 d 0 y Ed = 0. Ntese que si un vector d es
direccin factible de mejoramiento, entonces el valor de la funcin objetivo del siguiente
problema es - considerando un paso d , donde es arbitrariamente largo. As, se introduce
una restriccin que acota la direccin d, esta restriccin se denomina restriccin de
normalizacin.
76
Existen variadas formas para generar una direccin factible de mejoramiento, a

continuacin se muestran tres, cada una de las cuales introduce de distinta manera la restriccin
de normalizacin.
( P1) min f ( x ) t d
s.a. Ad
Ed
1
=
dj
( P 2) min f ( x ) t d
s.a. Ad
Ed
d td
0
= 0
1
( P3) min f ( x ) t d
s.a. Ad
Ed
f (x )t d
0
= 0
1
0
0
1 para j = 1,..., n
(122)
(123)
(124)
Los problemas P1 y P3 son lineales en las variables d1 ,...,dn y pueden ser resueltos con
mtodos de programacin lineal. El problema P2 contiene restricciones cuadrticas por lo que su
implementacin es ms compleja. En el presente estudio se ha implementado la solucin
considerando el problema P1.
Considrese el problema QP, sea x una solucin factible tal que A1 x = b1 y A2 x<b2 ,
donde At=(A 1 t,A2 t) y bt=(b1 t,b2 t). Entonces, para cada i=1,2, x es un punto que cumple las
condiciones de KKT si y slo si el valor de la funcin objetivo del problema P1 es igual a cero.
Se ha mostrado como generar una direccin factible y a concluir cuando un punto es
KKT para el problema QP. Ahora sea x k un punto factible y dk una direccin factible de
mejoramiento a partir de x k. El prximo punto x k+1 estar dado por x k + k dk, donde el largo del
paso k se obtiene resolviendo el siguiente problema de una dimensin.
( PLS ) min
s.a.
f ( xk + d k )
A( x k + d k )
(125)
E ( xk + d k ) = e
Ahora supngase que At se descompone en At=(A 1 t,A2 t) y bt=(b1 t,b2 t), tal que A1 x = b1 y
A2 x<b2 . Entonces, el problema puede ser simplificado de la siguiente manera. Ntese que Ex k=e
y Edk=0, por lo tanto la restriccin E(x k+dk)=e es redundante. Por su parte, A1 x k = b1 y A1 dk
0, entonces A1 (x k+dk)b1 para todo 0. De esta forma es necesario restringir solamente
con A2 dk b2 -A2 x k. As, el problema PLS se puede reducir al siguiente problema equivalente.
77
( PLS ) min
s.a.
f ( xk + d k )
0 max
(126)
El valor de max se determina segn los siguientes grupos de ecuaciones.
min bi / d i : d i > 0
max =
si di > 0
si d 0
(127)
b = b2 A2 x k
d = A d
2
(128)
En el esquema de la siguiente figura se puede apreciar el diagrama de flujo del mtodo.

Este diagrama sirvi de base para la implementacin computacional del mtodo.
Bsqueda primer
orden de factible
x0 factible inicial
Resolver P1
SI
zP1 = 0
xk es KKT
Bsqueda de
paso k
x k+1 = xk + kdk
k:=k+1
NO
k>kmax
FIN
Figura 40: Diagrama de Flujo de la Ejecucin de Mtodo de Zoutendijk
78
Anexo II: Mtodo de Proyeccin del Gradiente de Rosen

Este mtodo proyecta el gradiente en direccin opuesta (gradiente negativo) de forma
que mejore la funcin objetivo y se mantenga la factibilidad.
Considrese el problema QP. Dado un punto factible x, la direccin de paso descendente
es -f(x). Sin embargo, al moverse segn -f(x) se puede perder la factibilidad. Para mantener
esta factibilidad, -f(x) es proyectada para moverse segn la direccin d = -Pf(x), donde P es
una matriz de proyeccin adecuada. Adems -Pf(x) es una direccin factible de mejoramiento
cuando -Pf(x) 0.
Sea x un punto factible que A1 x = b1 , A2 x < b2 , donde At=(A 1 t,A2 t) y bt=(b1 t,b2 t). Si P es
una matriz de proyeccin tal que -Pf(x) 0, entonces d=-Pf(x) es una direccin de
mejoramiento de f en x. Adems, si Mt = (A 1 t,Et) es de rango completo, y si P es de la forma
P=I-Mt(MMt)-1 M, entonces d es una direccin factible de, mejoramiento.
Ahora para el caso en que Pf(x)=0, entonces:
0 = P f ( x) = I M t ( MM t ) 1 M f ( x ) = f ( x ) + M t w = f ( x ) + A1t u + E t v
(129)
Donde w = -(MMt)-1 Mf(x) y wt = (ut,v t). Si u 0, entonces el punto x satisface las

condiciones de KKT y por lo tanto el mtodo debe detenerse. Si u tiene algn elemento menor
que cero, se puede definir una nueva matriz de proyeccin P tal que d = P f ( x ) es adems
una direccin factible de mejoramiento.
Considrese el problema QP. Sea x una solucin factible, y supngase que A1 x = b1 , A2 x
< b2 , donde At=(A 1 t,A2 t) y bt=(b1 t,b2 t). Supngase que Mt=(A 1 t,Et) es de rango completo, y sea
P=I-Mt(MMt)-1 M. Adems, supngase que Pf(x) = 0, y sea w=-Mt(MMt)-1 f(x) y wt = (ut,v t).
Si u 0, entonces x es un punto de KKT. Si u tiene alguna componente menor que cero, sea uj <
0 una componente negativa de u, y sea M t = A 1t , E t , donde A1 se obtiene borrando la fila de
A1 correspondiente a uj. Ahora sea P = I M t ( M M t ) 1 M , y sea d = P f ( x ) . Entonces d es
una direccin factible de mejoramiento.

Ntese que la matriz P es una matriz de proyeccin que satisface P = Pt y PP=P.
Adems, MP = 0, esto es, A1 P = 0 y EP = 0. En otras palabras, la matriz P proyecta cada fila de
A1 y E en el vector cero. Pero como las columnas de A1 y E son los gradientes de las
restricciones activas, P es la matriz que proyecta los gradientes de las restricciones activas en el
vector cero. De esta manera, en particular, Pf(x) es la proyeccin de f(x) sobre el espacio
nulo de restricciones activas.
La Figura 41 ilustra el proceso de proyeccin del gradiente para un problema con
restricciones de desigualdad.
79
Contornos de la
Funcin Objetivo
Solucin
ptima
-f(x)
-Pf(x)
A1
Figura 41: Interpretacin Geomtrica de la Proyeccin del Gradiente
En el esquema de la Figura 42 se puede apreciar el diagrama de flujo del mtodo de

Rosen. Este diagrama sirvi de base para la implementacin computacional del mtodo.
Bsqueda primer
orden de factible
xk es KKT
x 0 factible inicial
SI
SI
f(xk)=0?
M vaco?
dk=-f(x k)
dk=-Pf(xk)
SI
SI
Bsqueda de
paso k
dk=0?
xk+1 = x k + kdk
k:=k+1
Bsqueda de
paso k
uj<0?
x k+1 = xk + kdk
k:=k+1
NO
k>k max
FIN
Figura 42: Diagrama de Flujo de la Ejecucin de Mtodo de Rosen
80
A continuacin se describe la estructuracin especfica que toma OPF al ser abordado con
SQP, se utiliza la abreviacin OPF-SQP para referirse a esta estructura.
Anexo III: Cdigos en GAMS de Instancias Cuadrticas de Prueba

INSTANCIA 1: Corresponde al ejemplo 6 de la referencia http://titan.princeton.edu
*------------------------------------------------------------------------------*
* Quadratic Programming - Test Problem 6
*
* By Juan Prez, Enero 2001 - Fuente: http://titan.princeton.edu/ *
*------------------------------------------------------------------------------*
Sets
i /1*5/
j /1*10/
alias(j,k);
Parameters
b(i)
/1 -4
2 22
3 -6
4 -23
5 -12/
c(j)
/1 48
2 42
3 48
4 45
5 44
6 41
7 47
8 42
9 45
10 46/
A(i,j)
Q(j,k);
Table A(i,j)
1 2 3 4 5 6 7 8 9 10
1 -2 -6 -1 0 -3 -3 -2 -6 -2 -2
2 6 -5 8 -3 0 1 3 8 9 -3
3 -5 6 5 3 8 -8 9 2 0 -9
4 9 5 0 -9 1 -8 3 -9 -9 -3
5 -8 7 -4 -5 -9 1 -7 -1 3 -2;
loop(j, loop(k, Q(j,k) = 100 $ (ord(j) eq ord(k))));
Variables
x(j)
f;
Loop(j,
x.lo(j) = 0;
x.up(j) = 1);
Equations
Obj objective function
Con(i) constraint functions;
Obj ..
f =e= sum(j, c(j)*x(j)) - 0.5*sum(j, x(j)*sum(k, Q(j,k)*x(k)));
Con(i) ..
sum(j, A(i,j)*x(j)) =l= b(i);
Model
problem /Obj, Con/;
solve problem using nlp minimizing f;
display x.l;
INSTANCIA 2: Corresponde al ejemplo 10.1.5 (pgina 413) del texto Nonlinear Programming de Bazaraa
(1994).
********************************************
*archivo: cargaqp.gms
*Autor : Juan Eduardo Perez Retamales
*Fecha : Enero de 2001
********************************************
*Carga y resolucion de problemas cuadraticos
*El uso de Gams nos independiza del solver
*Los solvers disponibles son CPLEX y MINOS
81
********************************************
********************************************
*Conjuntos para definir parametros
********************************************
Sets
i variables
$include var.inc
j restricciones desigualdad
$include rle.inc
aux1(i)
aux2(j);
aux1(i)=yes;
aux2(j)=yes;
********************************************
*Parametros que definen completamente el
*problema cuadratico
********************************************
Parameters
fk
constante de la FO
g(i)
vector costos lineales de la FO
w(i,i)
Matrix Hessiana de la FO
a(j,i)
Matrix restricciones desigualdad
b(j)
RHS restricciones desigualdad;
$include fk.inc
fk=0;;
$include g.inc
g("1")=-4;
g("2")=-6;;
$include w.inc
w("1","1")=2;
w("1","2")=-1;
w("2","1")=-1;
w("2","2")=2;;
$include a.inc
a("1","1")=1;
a("1","2")=1;
a("2","1")=1;
a("2","2")=5;
a("3","1")=-1;
a("3","2")=0;
a("4","1")=0;
a("4","2")=-1;;
$include b.inc
b("1")=2;
b("2")=5;
b("3")=0;
b("4")=0;;
********************************************
*Variables del problema
********************************************
Variables
x(i)
Vector de variables
FO
func obj;
********************************************
*Ecuaciones del problema
********************************************
Equations
costo
para definir la F.O.
resle(j)
restricciones desigualdad;
costo.. FO=e=fk + sum(i,g(i)*x(i)) + sum(i,x(i)*sum(aux1,w(i,aux1)*x(aux1)));
resle(j).. sum(i,a(j,i)*x(i))=l=b(j);
Model qpprob /all/;
option nlp=minos5;
option iterlim =100000;
option reslim=1000000000;
solve qpprob using nlp minimizing FO;
display x.l;
INSTANCIA 3: Corresponde al ejemplo 1 de la referencia http://titan.princeton.edu.

*------------------------------------------------------------------------------*
* Quadratic Programming - Test Problem 1
*
* By Juan Prez, Enero 2001 - Fuente: http://titan.princeton.edu/ *
*------------------------------------------------------------------------------*
82
File
res / results / ;
Put res ;
Sets
i /1*5/
alias(i,j);
Parameters
c(i)
/1 42
2 44
3 45
4 47
5 47.5/
Q(i,j);
loop(i, loop(j, Q(i,j) = 100 $ (ord(i) eq ord(j))));
Variables
x(i)
f;
loop(i,
x.lo(i) = 0;
x.up(i) = 1);
Equations
Obj objective function
Con constraint function;
Obj ..
f =e= sum(i, c(i)*x(i)) - 0.5*sum(i, x(i)*sum(j, Q(i,j)*x(j)));
Con ..
20*x('1') + 12*x('2') + 11*x('3') + 7*x('4') + 4*x('5') - 40 =l= 0;
Model
problem /Obj, Con/;
solve problem using nlp minimizing f;
PUT "Min f",f.l:16:10//;
loop(i, PUT "x ",x.l(i):16:10//);
display x.l;
83
Anexo IV: Detalle de Resultados

En el disco compacto adjunto en el presente trabajo, se puede acceder al detalle de
resultados de la aplicacin de OPFSQP a las siguientes redes de prueba:
Red de 2 barras: Desarrollado en extenso en el presente trabajo.
Red caso Wollenberg de 6 barras: Expuesto en la literatura (Wood y Wollenberg,

1996; Palma y Prez, 2001).
Red SIC de 70 barras: Desarrollado en el Departamento de Ingeniera Elctrica de la

Universidad de Chile, escenario demanda baja e hidrologa hmeda.
Red SIC de 182 barras: Desarrollado en el Departamento de Ingeniera Elctrica de

la Universidad de Chile, escenario demanda alta e hidrologa seca.
Red Sistema Interconectado del Norte Grande (SING) de 33 barras: Desarrollado en

el Departamento de Ingeniera Elctrica de la Universidad de Chile.
Red caso Porto de 13 barras: Desarrollado en el Departamento de Ingeniera Elctrica

de la Universidad de Chile, escenario mercado elctrico competitivo.
El disco compacto contiene los archivos necesarios para ejecutar el DSS DeepEdit, entre
ellos una gua explicativa que describe los pasos para instalar el programa. Esta gua se
reproduce en el siguiente apartado.
Instalacin de Sistema de Apoyo a la Toma de Decisiones
Se recomienda utilizar una computadora Pentium III, 128[MB] de memoria RAM,
500[MHz], 100[MB] espacio en disco duro o su equivalente (o superior) en AMD.
El disco compacto adjunto contiene los siguientes archivos y carpetas1 :
1) Instrucciones.doc: El cual entrega la informacin necesaria para instalar y utilizar
DeepEdit.
2) jdk-1_1_8_006-win.exe: El cual instala las libreras para la ejecucin de la
plataforma JAVA que soporta a DeepEdit.
3) DeepEdit.exe: Contiene las libreras necesarias para ejecutar DeepEdit
Sgase los siguientes pasos para instalar el DSS DeepEdit:
Instalar archivo jdk-1_1_8_006-win.exe en la raz de la estructura de directorios

de la computadora utilizada
Instalar archivo DeeEdit.exe en la raz de la estructura de directorios de la

computadora utilizada
Es importante mencionar que las libreras JAVA son de libre acceso, por lo que se considera que no se violan
licencias al reproducirlos en el disco compacto adjunto.
84
Con la realizacin de estos pasos se finaliza la instalacin.

Ejecucin del Programa
Para utilizar OPFSQP en DeepEdit:
Ejecutar el archivo C:\work\java\version\run\run.bat desde la lnea de comandos o

desde una ventana de Windows y en la pantalla aparecer la ventana de DeepEdit.
Cargar la red que se desee investigar resultados. Se debe utilizar el men de carga de
redes, tal como de ilustra en la siguiente figura. Se encuentran disponibles las
siguientes redes.
OPF2c.sim
Red de prueba de 2 barras
Wollenberg.sim
Red caso Wollenberg 6 barras
Porto.sim
Red caso Porto 13 barras
SIC70.sim
Red SIC 70 barras
SICFINHSDAC.sim
Red SIC 182 barras
SING33.sim
Red SING 33 barras
Figura 43: Men para la visualizacin y manejo de redes elctricas
85
Figura 44: Redes de Prueba Disponibles
Figura 45: Red de prueba cargada
Escoger el men Java Optimal Power Flow desde las herramientas de simulacin
de fenmenos estacionarios de SEP, tal como se muestra en la siguiente figura.
86
Figura 46: Eleccin de Men
Ejecutar OPFSQP con los parmetros de tolerancia y mtodo deseado, en la

siguiente figura se muestra la ventana de opciones disponible.
Figura 47: Ventana de Opciones de la Herramienta de Anlisis
Con la realizacin de estos pasos se completa la ejecucin de OPF SQP. A

continuacin se detallan los pasos para acceder a la informacin resultante de la aplicacin del
modelo.
87
Lectura de Resultados
Existen tres formas de acceder a los resultados entregados OPFSQP va DeepEdit:
1. Leer directamente desde la red elctrica en la ventana de DeepEdit los valores
de las variables de control y estado.
2. Leer los resultados desde una base de datos que contiene los valores
entregados por el mtodo. La base de datos se encuentra en el archivo
C:\work\java\version\run\database\DeepDB.mdb y debe ser ledo con el
software Microsoft Access
3. Leer archivo C:\work\java\version\run\results\OPF-SQP.dat
88
Anexo V: Sistema Interconectado Central Chileno

En el presente anexo se muestra la figura en extenso del SIC de 182 barras.
89

Tesis JuanPerez

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis JuanPerez

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS

FLUJO DE POTENCIA PTIMO CON

JUAN EDUARDO PREZ RETAMALES

: Sr. RODRIGO PALMA

: Sr. RICHARD WEBER

: Sr. JOS MIGUEL CASTELLANOS

TESIS PARA OPTAR AL GRADO DE

RESUMEN DE LA TESIS PARA OPTAR AL GRADO

"Flujo de Potencia ptimo con Programacin Cuadrtica Secuencial"

1989 1990 1991

1992 1993 1994

1995 1996 1997

Figura 1: Cronologa del Proceso de Liberalizacin del Sector Elctrico

fundamental que tiene el sistema de transmisin, y por ende su planificacin, en el desarrollo de

Representar explcitamente los equipos FACTS Compensadores Estticos Regulables

Proponer y desarrollar rutinas especficas de optimizacin para los subproblemas

Apoyar a la docencia y extensin en el Departamento de Ingeniera Elctrica de la

Anlisis para el desarrollo

Desarrollo metodologas para

Figura 3: Metodologa Utilizada para el Desarrollo

1.4 Estructura del Trabajo

Bsqueda optimizada de un punto factible inicial para el mtodo de Zoutendijk y de

Utilizacin de libreras matemticas especializadas en el manejo de matrices ralas, las

Descripcin del reconocimiento de problemas particulares que llevan a soluciones que

Diseo de una estrategia de separacin para problema de bsqueda de direcciones

2.- El Problema del Flujo de Potencia ptimo

Modelos de tipo B: aquellos que modelan el problema de OPF como un problema de

La aplicacin de tcnicas de optimizacin a los problemas de planificacin y operacin de

Minimizacin de los costos por generacin de potencia activa,

Minimizacin de prdidas de potencia activa,

Minimizacin del cambio en las variables de control,

Minimizacin de la potencia no servida, etc.

Versiones hbridas de programacin lineal y programacin entera.

Mtodos de punto interior.

Soluciones basadas en condiciones de Newton.

Los mtodos de programacin no lineal (NLP, Non-Linear Programming) tratan

tipo cuadrticas incrementales iterativas (como lo es SQP). Adems, al utilizar metodologas

Generacin Trmica Convencional,

Generacin Trmica de Ciclo Combinado.

La generacin hidroelctrica se basa predominantemente en la conversin de la energa

Una barra permite la interconexin de componentes elctricas, representa un nodo de un

Figura 4: Representacin de una Red Elctrica y Elementos de Red Modelados

La simbologa mostrada anteriormente se denomina diagrama unilineal, y corresponde a

Figura 5: Representacin de una Lnea de Transmisin con Modelo PI

2.3.2 Modelo de Transformador

Figura 6: Representacin de un Transformador

2.3.3 Modelo de Compensador Esttico Regulable

Figura 7 : Representacin de un Equipo Compensador Esttico Regulable

Qmin QSVC Qmax

2.3.4 Modelo de Carga o Consumo

Figura 8: Representacin de una Carga y sus Potencias no Servidas

2.4 Formulacin del Problema del Flujo de Potencia ptimo

El conjunto de restricciones de igualdad, de la ecuacin anterior est compuesto por las

2.4.1 Parmetros, Variables de Control y de Estado

Figura 9: Representacin de un Nodo de un Sistema Elctrico

Potencia activa generador j; j GNi i N

Potencia reactiva generador j; j GNi i N

Potencia activa no servida en la carga m; m LNi i N

Potencia reactiva no servida en la carga m; m LNi i N

ngulo de la tensin en la barra i; i N

Potencia reactiva inyectada por SVC j, j SNi i N

Tap del transformador j, j TNi, i N