Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.1 Introducción
La aplicación de los métodos numericos ha faciltado al analista el uso del computador para la
solución de los problemas planteados en Ingenierı́a eléctrica.
Entre las tareas que realiza el analista de redes eléctricas planteadas de manera global, se
definen entre otras las siguientes:
• Definir en forma clara el area y fenómeno fı́sico que desea manejar, controlar o analizar.
• Expresar el comportamiento por medio de ecuaciones (modelo matemático).
Las ecuaciones resultantes de plantear el modelo matemático pueden ser del tipo: Algebraico
Lineal o no lineal, diferenciales, etc. Con la ayuda del computador y de los métodos numéricos
es resuelto el modelo matemático mencionado anteriormente.
Una de las tareas del analista de redes es el de estudiar la forma como deberán ser resueltas
las ecuaciones y seleccionar el modelo matemático mas adecuado para su solución. Tambien
debera contemplar la posibilidad de que el modelo sea resuelto sin sufrir modificaciones o si
por el contrario tenga que recurrir a modificaciones o simplificaciones, sin desmejora en los
resultados.
En la selección del método matemático se deberán satisfacer varias caracterı́sticas entre las
que cabe destacar el grado de precisión y tiempo de cálculo.
Los métodos numericos que serán estudiados son:
74
El primero es utilizado en la solución de ecuaciones algebraicas lineales o linealizadas. El
método de Newton Raphson es el de mayor aplicación en la solución de ecuaciones algebraicas
no lineales que resultan de plantear el modelo matemático del problema de flujo de potencia.
El modelo matemático planteado es del tipo lineal y las ecuaciones que conforman dicho modelo
podrán ser del tipo de igualdad y/o desigualdad.
Ecuaciones planteadas en un modelo Lineal:
F1 (X1 X2 · · · , Xn ) = Y 1
.. ..
. .
Fn (X1 , X2 · · · , Xn ) = Yn
75
• Método de descomposición de Cholesky
Otro método con el cual se pueden resolver ecuaciones lineales es el de Gauss-Seidel, pero
por tratarse de un método iterativo, tendrá que asignarse una condición inicial a las variables de
estado, esta caracterı́stica lo hace diferente respecto a los métodos mencionados anteriormente,
llamados de métodos directos y en los cuales no se requiere de la condición inicial ya que el
resultado se obtiene de forma directa, invirtiendo la matriz de planta, multiplicada por el vector
independiente.
En sistemas de potencia algunos estados se pueden representar por medio de ecuaciones al-
gebráicas no Lineales, tal es el caso del estado estacionario que es representado a través de n
ecuaciones algebráicas no Lineales de segundo orden y donde n es el número de nodos.
El modelo planteado es como sigue:
F1 (X1 , · · · , Xn ) = Y1
.. .. ..
. . .
Fn (X1 , · · · , Xn ) = Yn
F (X) = Y
• Soluciones múltiples
• Se tendrá que recurrir a procesos iterativos. (La solución final de los procesos iterativos
depende del estado inicial, ası́ el sistema converge si se está cerca a la solución, caso
contrario diverge).
• Newton Raphson
• La no linealidad
76
4.3.1 Método Iterativo de Gauss
Considere que F (X) = 0 una función no lineal. Se despeja de esta la variable x y se rescribe
ası́: X = g(X)
Algoritmo de solución:
1. k = 0
2. Estimar valor inicial X k
3. Calcular X k+1 = g(X)k
4. Max |X k+1 − Xk | < ξ ⇒ Convergencia
5. Caso contrario ⇒ k = k + 1 y regresar a 3.
F(x)
El proceso diverge
y=x
El proceso converge
x4 x3 x2 x1 x0 x
X1 = g1 (X1 , · · · , Xn )
X2 = g2 (X2 , · · · , Xn )
.. ..
. .
Xn = gn (X1 , · · · , Xn )
77
Algoritmo de solución:
1. k = 0
2. Estimar valores iniciales: X = X1k , X2k , ....., Xnk
3. Actualizar las variables de estado
X1k+1 = g1 (X1k , X2k , · · · , Xnk )
X2k+1 = g2 (X1k , X2k · · · , Xnk )
..
.
Xnk+1 = gn (X1k , X2k · · · , Xnk )
Caracterı́sticas principales:
Sistema unidimensional
F(x) = 0 Función no lineal (una ecuación con una incognita). La solución del problema
consiste en determinar un valor de x para el cual la función cumple la condición de igualdad,
esto es F(x) = 0
El problema es resuelto linealizando la función alrededor de un punto e iterando al rededor
del mismo. La linealización de la función anterior se explica a través de la expansión en serie
de Taylor ası́:
78
ΔXo2
F (Xo + ΔXo ) = F (Xo ) + F (Xo )(ΔXo ) + F (Xo ) + ......
2!
F(x)
Pendiente
Error
x4 x3 x2 x1 x0 x
1. v = 0
4. Linealizar la función g(X) en torno del punto (X V , g(X V )) por intermedio de la serie de
Taylor.
79
g(X V + ΔX V ) ≈ g(X V ) + g (X V )ΔX V
Siendo: g (X) = dg/dX
Este paso se resume al cálculo de la derivada g (X V )
5. Resolver el problema linealizado, o sea encontrar ΔX tal que:
g(X V ) + g (X V )ΔX V = 0
g(X) = 0
Donde: g(X) ⇒ función vectorial (n.1) y X ⇒Vector de las incógnitas (x.1)
La función vectorial y el vector de incognitas es escrito como sigue:
La solución sigue basicamente los mismos pasos del algoritmo unidimensional, la principal
diferencia consiste en la aparición de la matriz Jacobiana.
- Linealización de la función vectorial g(X) para X = X V
La linealización es dada por los primeros términos de la serie de Taylor ası́:
V V V V V
g(X + Δ(X )) ≈ g(X ) + J(X )ΔX
∂g
Siendo la matriz Jacobiana J = ∂X
∂g1
∂X1
∂g1
∂X2
··· ∂g1
∂Xn
∂g ∂g2
∂X1
∂g2
∂X2
··· ∂g2
∂Xn
J= =
∂X ··· ··· ··· ···
∂gn
∂X1
∂gn
∂X2
··· ∂gn
∂Xn
80
El vector de Corrección ΔX es calculado como:
V V V
g(X ) + J(X )ΔX = 0
∂g1 ∂g1
g1 (X1 , X2 ) ≈ g1 (X1V , X2V ) + ΔX1V + ΔX2V
∂X1 ∂X2
∂g2 ∂g2
g2 (X1 , X2 ) ≈ g2 (X1V , X2V ) + ΔX1V + ΔX2V
∂X1 ∂X2
x21 − x22 + x1 + 1 = 0
2x1 x2 + x2 = 0
81