Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Guia Optimizacion Con Matlab PDF
Guia Optimizacion Con Matlab PDF
GUIA
ndice ii
Palabras Preliminares iii
1 Introduccin 1
2 Programacin No Lineal 1
2.1 Ejemplo 1, Problema de Programacin no Lineal [4] 3
2.1.1 Interpretacin de los Resultados 7
2.2 Ejemplo 2, Programacin No Lineal: Coordinacin Hidrotrmica [4] 8
2.2.1 El modelo de optimizacin 9
2.2.2 Modelo de Optimizacin Implementado en MATLAB 11
3 Programacin lineal 16
3.1 Ejemplo 3 Problema de Programacin Lineal 17
3.2 Interpretacin de los Resultados 19
Referencias Bibliogrficas 19
ii
Palabras Preliminares
En sta gua, se presenta, el empleo del tool box de optimizacin del Matlab en la
resolucin de problemas de optimizacin en la operacin econmica de sistemas elctricos
de potencia. Contiene soluciones completas a ejemplos tpicos de la asignatura Operacin
Econmica y Planificacin de Sistemas de Potencia.
Armengol Blanco
Febrero, 2008
iii
GUIA
OPTIMIZACIN CON MATLAB
Armengol Blanco
1 Introduccin
L
a optimizacin, es una herramienta matemtica poderosa que emplea el enfoque
cientfico para la asignacin de recursos econmicos y materiales para el logro de un
determinado objetivo al resolver problemas prcticos y reales. El tool box de
optimizacin de Matlab, es una herramienta computacional interesante para resolver
problemas de optimizacin lineal y no-lineal.
2 Programacin No Lineal
min f ( x ) (1)
s. a :
g(x) = 0 (2)
h(x) 0 (3)
donde:
1
Las funciones f(), g() y h() pueden ser funciones lineales y/ no lineales. Las restricciones de
igualdad y de desigualdad pueden ser lineales y/o no lineales, entonces, el modelo se puede
explicitar con mayor detalle, por ejemplo para trabajar con Matlab [1], se utiliza la formulacin
siguiente:
min f ( x ) (4)
s. a :
C eq (x) = 0 (5)
A eq x = b eq (6)
C(x) 0 (7)
Axb (8)
LxU (9)
donde:
fmincon
Sintaxis
x = fmincon(fun,x0,A,b)
x = fmincon(fun,x0,A,b,Aeq,beq)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
2
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2, ...)
[x,fval] = fmincon(...)
[x,fval,exitflag] = fmincon(...)
[x,fval,exitflag,output] = fmincon(...)
[x,fval,exitflag,output,lambda] = fmincon(...)
[x,fval,exitflag,output,lambda,grad] = fmincon(...)
[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(...)
Descripcin [1]
Argumentos
fun es un archivo de texto ASCII, con la extensin m, que contiene la funcin objetivo a
minimizar.
x0 punto inicial para la bsqueda de la solucin.
A, b, Aeq, beq, lb, ub, definidas en el problema de optimizacin, corresponden a las
restricciones lineales.
nonlcon archivo extensin m que contiene las restricciones no lineales.
options opciones de los parmetros de optimizacin.
P1, P2, parmetros de fun y nonlcon
Salidas
x vector solucin
fval valor de la funcin objetivo
exitflag condicin de terminacin de fmincon
output estructura de la salida
lambda multiplicadores de Lagrange
grad gradiente de la funcin fun evaluada en el punto solucin
hessian valor de la Hessiana
Las variables de los argumentos y salidas pueden tomar nombres cualesquiera, solamente
es necesario respetar el lugar de su ubicacin.
3
Funcin de Costo de Generacin Pmin Pmax
$
h [MW ] [MW ]
F1 = 800 + 10.1 P1 + 0.06 P12 + 0.006 P13 35 100
F2 = 350 + 6.0 P2 + 0.07 P22 + 0.006 P23 45 125
F3 = 350 + 7.1 P3 + 0.06 P32 + 0.007 P33 50 200
sta expresin significa que las unidades 1 y 2, son responsable de las prdidas solamente.
La unidad 2 ms que la 1.
La demanda:
PD = 200 MW
N
Min FT = Fi ( P i )
i =1
s. a :
N
G = P D + P perd - P i = 0
i =1
min max
Pi P i Pi
N
FT = Fi (Pi ) = 2300 + 10.1 P1 + 0.06 P12 + 0.006 P13
i =1
+ 6.0 P2 + 0.07 P22 + 0.006 P23 + 7.1 P3 + 0.06 P32 + 0.007 P33 +
4
La restriccin de igualdad:
N
G = P D + P perd - P i = 0
i =1
P min P i P max
i i
35 P1 100
45 P 2 125
50 P3 200
47 P 4 200
funobj.m
function f=funobj(p)
F1=800+10.1*p(1)+0.06*p(1)^2+0.006*p(1)^3;
F2=350+6.0*p(2)+0.07*p(2)^2+0.006*p(2)^3;
F3=350+7.1*p(3)+0.06*p(3)^2+0.007*p(3)^3;
F4=800+7.2*p(4)+0.07*p(4)^2+0.006*p(4)^3;
f=F1+F2+F3+F4;
restricnl.m
function [c,ceq]=restricnl(p)
5
solucion.m
% Programa para resolver los problemas del 1er parcial de ELT3811 1/2003
p0=[40 50 55 55]'; % Punto de partida
A=[]; b=[]; Aeq=[]; beq=[]; % Matrices y vectores de las restricciones lineales: Vacio
lb=[35 45 50 47]'; % Lmite inferior de generacin
ub=[100 125 200 200]'; % Lmite superior de generacin
[p,fval,exitflag,output,lambda]=fmincon('funobj',p0,A,b,Aeq,beq,lb,ub, 'restricnl')
solucion
Warning: Trust region method does not currently solve this type of problem,
switching to line search.
> In C:\MATLABR11\toolbox\optim\fmincon.m at line 190
In C:\MATLABR11\work\solu1.m at line 9
Optimization terminated successfully:
Magnitude of directional derivative in search direction
less than 2*options.TolFun and maximum constraint violation
is less than options.TolCon
Active Constraints:
1
4
p=
49.2078
50.7749
50.0000
50.4431
fval =
7.6191e+003
exitflag =
output =
iterations: 7
funcCount: 43
stepsize: 1
algorithm: 'medium-scale: SQP, Quasi-Newton, line-search'
firstorderopt: []
6
cgiterations: []
lambda =
Las primeras lneas indican que el mtodo empleado no es el ms adecuado para este
problema, pero la optimizacin fue exitosa.
P1 = 49.2078
P2 = 50.7749
P3 = 50.0000
P4 = 50.4431
FT = 7619.1 $/h
' dF ( P )
Los costos marginales de las unidades Fi = i i , son:
dPi
7
F1' = 59.5902
F2' = 59.5142
F3' = 65.6000
F4' = 60.0631
La unidad 3, est saturada en su lmite mnimo, y es la unidad ms cara, pero debe operar
por estar programada seguramente para tener un margen de reserva en giro u otra
consideracin, est situacin fue definida en el predespacho-. Las unidades 1 y 2 de acuerdo
a sus costos marginales se puede decir que son las ms econmicas, pero como son
responsables de las prdidas del sistema estn penalizadas y sus factores de penalizacin
son:
1
PFi =
Pperd
1
Pi
1
PF1 = = 1.0079
1 0.00016P1
1
PF2 = = 1.0092
1 0.00016P2
PF3 = 1
PF4 = 1
La unidad marginal, es la unidad 4, cuyo costo marginal es igual al costo marginal del
sistema.
funciones de costo.
Pmin Pmax
F1 = 300 + 4.8PS1 + 0.006P 2 + 0.0006P 3 45 150
S1 S1
F2 = 400 + 7.8PS2 + 0.007 P + 0.0006P 3
2 50 180
S2 S2
F3 = 350 + 6.9PS3 + 0.009P 2 35 200
S3
8
Volumen de gasto [Acre-ft]
J max n
La funcin objetivo, es: MinZ = n k F(Psk )
k =1 s =1
Para n=1, 2, 3
9
donde:
Sujeto a:
m n
Ck = PSk + PHk Pperdk PDk = 0
S =1 H =1
C1 = PS11 + PS12 + PS13 + PH11 + PH12 + PH13 + PH14 + PH15 Pperd1 PD1 = 0
C 2 = PS21 + PS22 + PS23 + PH 21 + PH 22 + PH 23 + PH 24 + PH 25 Pperd 2 PD2 = 0
C 3 = PS31 + PS32 + PS33 + PH31 + PH32 + PH33 + PH34 + PH35 Pperd3 PD3 = 0
P PD j
Ph1 j
PS j
nj
PS1 j
1 2 j jmax
10
Restriccin de disponibilidad de agua.
J max
Wk = n k q Hk = Vk
k =1
W1 = n1 q11 + n 2 q12 + n 3 q13 = V1
W2 = n1 q 21 + n 2 q 22 + n 3 q 23 = V2
W3 = n1 q 31 + n 2 q 32 + n 3 q 33 = V3
W4 = n1 q 41 + n 2 q 42 + n 3 q 43 = V4
W5 = n1 q 51 + n 2 q 52 + n 3 q 53 = V5
P min PSk P max
Sk Sk
P min PHk P max
Hk Hk
donde
q 21 = 300 + 7.1PH 21
q 22 = 300 + 7.1PH 22
q 23 = 300 + 7.1PH 23
q 31 = 250 + 7.2PH31
q 32 = 250 + 7.2PH32
q 33 = 250 + 7.2PH33
q 41 = 300 + 8.2PH 41
q 42 = 300 + 8.2PH 42
q 43 = 300 + 8.2PH 43
q 51 = 400 + 10PH51
q 52 = 400 + 10PH52
q 53 = 400 + 10PH53
11
En los pargrafos siguientes, se lista estos archivos.
funobj.m
n1=6;
n2=6;
n3=12;
% primer intervalo
F11=300+4.8*p(1)+0.006*p(1)^2+0.00006*p(1)^3;
F21=400+7.8*p(2)+0.007*p(2)^2+0.00007*p(2)^3;
F31=350+6.9*p(3)+0.009*p(3)^2;
% segundo intervalo
F12=300+4.8*p(4)+0.006*p(4)^2+0.00006*p(4)^3;
F22=400+7.8*p(5)+0.007*p(5)^2+0.00007*p(5)^3;
F32=350+6.9*p(6)+0.009*p(6)^2;
% tercer intervalo
F13=300+4.8*p(7)+0.006*p(7)^2+0.00006*p(7)^3;
F23=400+7.8*p(8)+0.007*p(8)^2+0.00007*p(8)^3;
F33=350+6.9*p(9)+0.009*p(9)^2;
restricc.m
function [c,ceq]=restricc(p)
c=[];
% Periodos
n1=6;
n2=6;
n3=12;
%Volmenes de descarga.
v1=37000;
v2=25000;
v3=35000;
v4=20000;
v5=15000;
%Unidades hidraulicas.
q11=240+6.1*p(10);
12
q21=300+7.1*p(11);
q31=250+7.2*p(12);
q41=300+8.2*p(13);
q51=400+10*p(14);
q12=240+6.1*p(15);
q22=300+7.1*p(16);
q32=250+7.2*p(17);
q42=300+8.2*p(18);
q52=400+10*p(19);
q13=240+6.1*p(20);
q23=300+7.1*p(21);
q33=250+7.2*p(22);
q43=300+8.2*p(23);
q53=400+10*p(24);
% Carga
Pd1=1000;
Pd2=1600;
Pd3=700;
% Perdidas
Pperd1=0.00007*p(10)^2+0.00008*p(12)^2+0.00009*p(1)^2+0.00007*p(2)^2;
Pperd2=0.00007*p(12)^2+0.00008*p(17)^2+0.00009*p(4)^2+0.00007*p(5)^2;
Pperd3=0.00007*p(20)^2+0.00008*p(22)^2+0.00009*p(7)^2+0.00007*p(8)^2;
% Restriccion de igualdad
ceq=[p(1)+p(2)+p(3)+p(10)+p(11)+p(12)+p(13)+p(14)-Pperd1-Pd1
p(4)+p(5)+p(6)+p(15)+p(16)+p(17)+p(18)+p(19)-Pperd2-Pd2
p(7)+p(8)+p(9)+p(20)+p(21)+p(22)+p(23)+p(24)-Pperd3-Pd3
n1*q11+n2*q12+n3*q13-v1
n1*q21+n2*q22+n3*q23-v2
n1*q31+n2*q32+n3*q33-v3
n1*q41+n2*q42+n3*q43-v4
n1*q51+n2*q52+n3*q53-v5];
solucion.m
% archivo solucin
A=[];
b=[];
Aeq=[];
beq=[];
p0=[100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;1
00;100;100;100];
lb=[45;50;35;0;0;0;0;0;45;50;35;0;0;0;0;0;45;50;35;0;0;0;0;0];
13
ub=[150;180;200;300;450;600;700;800;150;180;200;300;450;600;700;800;150;180;200;300;4
50;600;700;800];
[p,fval,exitflag,output,lambda]=fmincon('funobj',p0,A,b,Aeq,beq,lb,ub,'restricc')
>> solguia
Warning: Large-scale (trust region) method does not currently solve this type of problem,
using medium-scale (line search) instead.
> In fmincon at 317
In solguia at 10
Optimization terminated: magnitude of directional derivative in search
direction less than 2*options.TolFun and maximum constraint violation
is less than options.TolCon.
Active inequalities (to within options.TolCon = 1e-006):
lower upper ineqlin ineqnonlin
1
3
9
15
17
p=
Ps11 = 150.0000
Ps21 = 95.1933
Ps31 = 200.0000
Ps12 = 153.3929
Ps22 = 95.1942
Ps32 = 238.0430
Ps13 = 153.3924
Ps23 = 95.1938
Ps33 = 150.0000
Ph11 = 51.1815
Ph21 = 180.3394
Ph31 = 109.7460
Ph41 = 168.7391
Ph51 = 48.6068
Ph12 = 700.0000
Ph22 = 172.8211
Ph32 = 150.0000
Ph42 = 60.8773
Ph52 = 35.0666
Ph13 = 51.1852
Ph23 = 32.3400
Ph33 = 205.7751
Ph43 = 15.2731
Ph43 = 3.1633
fval =
14
1.1023e+005
exitflag =
output =
iterations: 45
funcCount: 1150
lssteplength: 1
stepsize: 0.0287
algorithm: 'medium-scale: SQP, Quasi-Newton, line-search'
firstorderopt: 2.1709e-004
message: [1x172 char]
lambda =
>> lambda.eqnonlin
ans =
-67.1086
-67.1087
-134.2173
1.8204
1.5753
1.5023
1.3640
1.1185
De donde:
1 = -67.1086
2 = -67.1087
3 = -134.2173
1 = 1.8204
15
2 = 1.5753
3 = 1.5023
4 = 1.3640
5 = 1.1185
3 Programacin lineal
linprog
x = linprog(f,A,b,Aeq,beq)
x = linprog(f,A,b,Aeq,beq,lb,ub)
x = linprog(f,A,b,Aeq,beq,lb,ub,x0)
x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options)
[x,fval] = linprog(...)
[x,fval,exitflag] = linprog(...)
[x,fval,exitflag,output] = linprog(...)
[x,fval,exitflag,output,lambda] = linprog(...)
Descripcin [1]
Argumentos
Salidas
x vector solucin
fval valor de la funcin objetivo
exitflag condicin de terminacin de fmincon
output estructura de la salida
16
lambda multiplicadores de Lagrange
Se renombran las variables, XE; XI, por X1; X2, el modelo se implement en un archivo
extensin m, prolineal.m, que se lista en el pargrafo siguiente:
prolineal.m
[x,fval,exitflag,output,lambda] = linprog(f,A,b,Aeq,beq,lb,ub)
prolineal
f=
-3
-2
A=
1 2
17
2 1
-1 1
b=
6
8
1
lb =
0
0
ub =
100
2
x=
3.3333
1.3333
fval =
-12.6667
exitflag =
output =
iterations: 7
cgiterations: 0
algorithm: 'lipsol'
lambda =
lambda.ineqlin
ans =
18
0.3333
1.3333
0.0000
La optimizacin fue exitosa, se utiliz la rutina lipsol; algoritmo para optimizacin de gran
escala. Fueron necesarias siete iteraciones.
XE = 3.3333
XI = 1.3333
fval = -12.6667
El problema original, fue de maximizar, por tanto, el valor de la funcin objetivo es:
Z = 12.6667
1 = 0.3333
2 = 1.3333
3 = 0.0000
Las dos primeras restricciones, estn activas y el tercer multiplicador indica que la tercera
restriccin est inactiva.
Referencias Bibliogrficas
[1] Thomas Coleman, et al., Optimization Toolbox For Use with Matlab. Users Guide,
Version 2, January, 1999.
[2] Software, Matlab. Versin 7.4.0.287, 2007.
[3] F.S. Hillier, G. J. Lieberman, Una Introduccin a la Investigacin de Operaciones. Mc
Graw-Hill, 3a Edicin, Mxico, 1991.
[4] A. Blanco, Operacin Econmica y Planificacin de Sistemas Elctricos de
Potencia. Apuntes de la asignatura, 2003.
19