Documentos de Académico
Documentos de Profesional
Documentos de Cultura
COMMITMENT
El unit commitment determina la combinación de unidades generadoras disponibles y la
programación de sus salidas respectivas para satisfacer la demanda pronosticada con el
costo de producción total mínimo bajo las restricciones operativas impuestas por el
sistema por un período específico que generalmente varía de 24 horas a una semana.
Los intentos por desarrollar horarios de funcionamiento rígidos de la unidad con más de
una semana de anticipación se reducen en gran medida debido a la incertidumbre en los
pronósticos de carga por hora en los plazos de entrega superiores a una semana.
Además de lograr el costo de producción total mínimo, un cronograma de generación
debe satisfacer una serie de restricciones operativas. Estas restricciones reducen la
libertad en la opción de iniciar y apagar las unidades generadoras. Las restricciones que
se deben cumplir son generalmente la restricción de estado de las unidades generadoras
individuales, el tiempo de funcionamiento mínimo, el tiempo de inactividad mínimo, los
límites de capacidad, el límite de generación para la primera y la última hora, la velocidad
de rampa limitada, la restricción de grupo, la restricción de balance de potencia, la
restricción de reserva de giro, restricción hidráulica, etc. La alta dimensionalidad y la
naturaleza combinatoria del problema de compromiso de unidad reducen los intentos de
desarrollar cualquier método de optimización matemática riguroso capaz de resolver todo
el problema para cualquier sistema de tamaño real. Sin embargo, en la literatura, se han
propuesto muchos métodos que utilizan algún tipo de aproximación y simplificación. Los
enfoques disponibles para resolver problemas de unit commitment generalmente se
pueden clasificar en métodos heurísticos y métodos de programación matemática. Los
enfoques de programación matemática propuestos son programación dinámica, relajación
Lagrangiana, y método de lista de prioridades. En la literatura, la programación dinámica
y la relajación lagrangiana se han utilizado ampliamente para desarrollar programas de
compromiso de unidades de nivel industrial. Su principal ventaja parece ser el requisito de
tiempo de cálculo razonable en comparación con otros enfoques matemáticos. En la
programación dinámica, es relativamente fácil agregar restricciones que afectan las
operaciones en una hora (como las restricciones de balance de energía) ya que estas
restricciones afectan principalmente el método de solución y despacho económico. Sin
embargo, la programación dinámica sufre de la maldición de la dimensionalidad. Por lo
tanto, se requiere limitar los compromisos considerados a cualquier hora a través de
algunas técnicas de simplificación, como el truncamiento y la ordenación de prioridad fija.
Esta simplificación, particularmente para sistemas a gran escala, puede llevar a horarios
subóptimos. La utilización de la relajación lagrangiana en los problemas de compromiso
de la unidad de producción es mucho más reciente que los métodos de programación
dinámica. Tiene la ventaja de ser fácilmente modificado para modelar características de
utilidades específicas. El método de relajación lagrangiana es más ventajoso debido a su
flexibilidad para lidiar con diferentes tipos de restricciones. Es relativamente fácil agregar
restricciones de unidad. La relajación lagrangiana es flexible para incorporar restricciones
de acoplamiento adicionales que no se han considerado hasta ahora. El único requisito es
que las restricciones se deben separar adicionalmente en unidades. Dichas restricciones
podrían ser la restricción de reserva de área, la restricción de intercambio de área, etc.
Para incorporar dicha restricción en el marco de la relajación Lagrangiana, se define un
multiplicador de Lagrange para cada restricción para cada período de tiempo y las
restricciones se unen a la función objetivo del problema relajado. El método de relajación
Lagrangiana también es más flexible que la programación dinámica porque no se impone
un orden de prioridad. La cantidad de cálculo varía linealmente con el número de
unidades. Por lo tanto, es computacionalmente mucho más atractivo para grandes
sistemas. Una debilidad del método de relajación Lagrangiana es que la solución óptima
dual rara vez satisface las restricciones de acoplamiento una vez relajadas. Otra debilidad
es el problema de sensibilidad que puede causar compromisos innecesarios de algunas
unidades. Por lo tanto, solo se puede esperar una solución factible casi óptima.
LISTA DE PRIORIDADES
Para cada estado disponible se calcula el costo incremental y con este las
respectivas potencias, como muestra la tabla 5.
Nodo 0
Estados Costo P a1 P a2 P a3 P a4
disponibles incremental!
($/MWh) (MW) (MW) (MW) (MW)
5 0 0 0 0 0 0 0 0
6 0 1 0 0 0 0 0 0
7 0 0 0 0 0 0 1 1
9 1 0 0 0 0 0 0 1
10 1 0 0 0 0 0 1 0
11 1 0 0 0 0 0 1 1
12 1 0 0 0 0 0 0 0
13 0 0 0 0 0 0 0 1
14 1 0 0 0 0 0 1 0
15 0 0 0 0 0 1 1 1
Fijos No fijos
Rama UI -UI
Costo Nodo 1 Restricción de límites de
incremental generación
! para los
No fijos P a1 P a2 P a3 P a4 U1
L1
0 0 0 0
Costo
increment Nodo 5 Restricción de límites de
al! para generación
losNo fijos P a1 P a2 P a3 P a4 U5
0 0 500 550 0 0 0 0
L5
0 0 0 0
Suma de C a1 C a2 C a3 C a4
potencias
1050 0 0 8.300 7852,5 16152,5
Rama UII -LII
Costo Nodo 2 Restricción de límites de
increment generación
al! para
los No P a1 P a2 P a3 P a4 U2
fijos
22.9 0 0 500 550 0 0 0 0
L2
0 0 0 0
0 0 500 550 0 0 0 0
L5
0 0 0 0
Suma de C a1 C a2 C a3 C a4
potencias
1050 0 0 8.300 7852,5 16152,5
Rama LIII -UIII
Costo Nodo 3 Restricción de límites de generación
increment
al! para
los No P a1 P a2 P a3 P a4 U3
fijos 0 0 436,5385 613,4615 0 0 0 1
L3
0 0 0 0
L1
0 0 0 0
Suma de C a1 C a2 C a3 C a4
potencias
1050 0 0 8.300 7852,5 16152,5
Rama LIV -LIV
Costo Nodo 4 Restricción de límites de generación
increment
al! para
los No P a1 P a2 P a3 P a4 U4
fijos
0 0 436,5385 613,4615 0 0 0 1
L4
0 0 0 0
L8
0 0 0 0
Suma de C a1 C a2 C a3 C a4
potencias
1050 No cumple por los limites de generación
Ahora con base en estos resultados se halla la rama para el estado disponible 3
y para los demás estados disponibles, que cumplen con las condiciones
anteriormente descritas.
5 13695,21845
6 14888,5
7 13456,16
9 13317,915
10 14924,015
11 No cumple
12 12302,58
13 No cumple
14 12388
15 No cumple
En el estado disponible 3 hay 3 ramas (UI -UI, UII -LII, LIII -UIII y LIV -LIV) dentro
del árbol binario en las cuales cumplen con las restricciones, cualquiera de las
tres opciones es válida y queda a criterio propio cual rama escoger, dentro del
programa se considera la primera rama como la rama a representar dicho
estado disponible. Con los mininos costos por estados de cada hora como
se muestra en la tabla No 9 se retoma la programación dinámica.
1 0 0 0 0 0 0
2 0 0 0 0 0 0
8 0 0 0 0 0 0
1 0 0 0 0 0 0
2 0 0 0 0 0 0
3 0 0 0 0 0 0
4 0 0 0 0 0 0
5 0 0 0 0 0 0
6 0 0 0 0 0 0
7 16.638,240 20.737,153 0 0 0 0
0 8
8 0 0 0 0 0 0
9 0 0 0 0 0 0
10 0 0 0 0 0 0
11 16.142,491 20.501,515 0 0 0 0
12 0 0 0 0 0 0 0 0
13 14.886,735 18.301,780 0 0 0 0
14 8
15.334,900 0
19.320,015 0 0 0 0
15 0 Inf 0
18.338,560 2.658,8106 24.904,067 25.086,106 24.010,223
0 9 3 9
1 0 0 0 0 0 0
2 0 0 0 0 0 0
3 0 0 0 0 0 0
4 0 0 0 0 0 0
5 0 0 0 0 0 0
6 0 0 0 0 0 0
7 14.931,040 15.076,640 0 0 0 0
8 00 00 0 0 0 0
9 0 0 0 0 0 0
10 0 0 0 0 0 0
11 14.677,440 14.795,040 0 0 0 0
12 00 00 0 0 0 0
13 13.541,440 13.659,040 0 0 0 0
14 0
13.764,980 0
13.898,100 0 0 0 0
15 0
Inf 0
Inf 29.993,515 29.526,515 25.086,106 24.365,164
0 0 3 6
2 0 0 0 0 0 0
3 0 0 0 0 0 0
4 0 0 0 0 0 0
5 0 0 0 0 0 0
6 0 0 0 0 0 0
8 0 0 0 0 0 6 0 0 0
9 0 0 0 0 0 0
10 0 0 0 0 0 0
12 0 0 0 0 0 5 0 0 0
14 0 0 0 9
20.776,015 0
17.134,176 4
15.032,180
15 0
24.365,164 24.010,223 21.164,500 19.206,735 6 Inf 0 Inf
6 Mínimos costos
Tabla No 9. 9 0 las ramas 8en los estados disponibles para
totales de
las 24 horas.
Figura 2. Ruta óptima de la programación dinámica.
En la programación dinámica, para llegar al mínimo costo totalFCOSTO (K , I ); se
comienza por calcular el mínimo costo del estado I en la hora K
[PCOSTO (K , I )] , este se calcula con el costo incremental ! y si son violados los
hora K-1 a la hora K y por último se tiene el acumulado del mínimo costo total
[FCOSTO (K )1, I )] de la hora K-1. Este procedimiento se resume en la tabla
7.16. La cual tiene la ruta más económica (5, 5, 5, 5, 5, 5, 5, 13, 13, 15, 15, 15,
15, 14, 14, 15, 15, 15, 15, 15, 15, 15, 13 y 13) , también muestra el costo total
de la ruta 467358,5924 $/h y las salidas de potencia de cada generador en
cada hora.
Costo de
Costo Costo K- Costo K Posición Posición
Hor transición Pa1 (MW) Pa2(MW) Pa3 (MW) Pa4 (MW)
total ($/h) 1 ($/h) ($/h) K-1 K
a ($/h)
Inicial - - - - - 5 - - - -
1 1369,5218 - - 13695,2184 5 5 - 587,3786 - 462,6214
2 26-13,4584 1369,5218 - 12318,2400 5 5 - 530 - 440
3 37684,0184 26013,4584 - 11670,5600 5 5 - 490 - 440
4 48888,9784 37684,0184 - 11204,9600 5 5 - 460 - 440
5 60093,9384 48888,9784 - 11204,9600 5 5 - 460 - 440
6 72578,8984 60093,9384 - 12484,9600 5 5 - 540 - 440
7 88696,0342 72578,8984 1230,4000 14886,7358 5 13 505 325 - 440
106997,814
8 88696,0342 - 18301,7800 13 13 505 555 - 440
2
9 13498,3971 106997,8142 1398,5000 26588,1063 13 15 505 600 379,4231 535,5769
159888,038
13 13498,3971 410,-6000 24904,0679 15 15 505 600 341,3462 483,-6538
5
184974,144
14 159888,0385 - 25086,1063 15 15 505 600 345,5769 489,4231
8
208984,368
15 184974,1448 856,-1000 24010,2239 15 15 505 587,0116 325,6874 462,3010
7
297434,178
16 267907,6637 - 29526,5150 15 15 505 600 505 550
7
322520,285
17 297434,1787 - 25086,1063 15 15 505 600 346 489,4231
1
346885,449
18 322520,2851 - 24365,1646 15 15 505 594,9711 331 469,2475
7
371250,614
19 346885,4497 - 24365,1646 15 15 505 594,9711 330,7815 469,2475
3
395260,838
20 371250,6143 - 24010,2239 15 15 505 587,0116 325,6874 462,3010
2
416425,338
21 395260,8382 - 21164,5000 15 15 505 465 300 440
2
435632,074
22 416425,3382 - 19206,7358 15 15 505 325 300 440
0
23 452723,444 435632,0740 698,0700 16393,3000 15 13 505 435 - 440
0
467358,592
24 452723,4440 - 14635,1484 13 13 505 305 - 440
4
Tabla No 10. Ruta óptima de la programación dinámica para 4 generadores térmicos.
Relajación Lagrangeana.
Ahora para una descripción de estos pasos en términos técnicos, se tienen las siguientes
ecuaciones matemáticas de acuerdo a cada paso mencionado anteriormente.
Inicialización:
λt = 0
Óptimo primal:
Óptimo dual:
Brecha dual:
Actualización de lambda:
La clave para la eficiencia del método de relajación lagrangeana para resolver este tipo de
problemas, se encuentra en la eficacia que tenga para resolver el problema dual y encontrar
la solución factible en esta fase del procedimiento
clear all
%Unidades Pmin Pmax c b a arranque parada
DatosG=[1 100 600 0.002 10 500 0 0
2 100 400 0.0025 8 300 0 0
3 50 200 0.005 6 100 0 0];
%%Datos Carga
% t Pload(MW)
DatosCarga=[1 170
2 520
3 1100
4 330];
Nunidades=size(DatosG,1);
Horas=size(DatosCarga,1);
Lambda=zeros(Horas,1);
posibles=zeros(Nunidades,Horas);
iter=0;
BD=100000;
TOLERANCIA=0.04;
while BD>TOLERANCIA
q=0;
clear balance Popt P U paux
for i=1:1:Nunidades
for j=1:1:Horas
%% Posibles casos para Popt relacionados con los limites de potencia
Popt(i,j)=(Lambda(j)-DatosG(i,5))/(2*DatosG(i,4));
if Popt(i,j)<=DatosG(i,2)
P(i,j)=DatosG(i,2);
elseif (Popt(i,j)>=DatosG(i,2))&(Popt(i,j)<DatosG(i,3))
P(i,j)=Popt(i,j);
posibles(i,j)=1;
elseif Popt(i,j)>=DatosG(i,3)
P(i,j)=DatosG(i,3);
end
%% Programacion Dinamica para definir estado de U
F(i,j)=DatosG(i,[4:6])*[P(i,j)^2;P(i,j);1]-Lambda(j)*P(i,j);
if F(i,j)<0
U(i,j)=1;
else
U(i,j)=0;
end
end
end
U
for j=1:Horas
for i=1:Nunidades
q=q+(DatosG(i,[4:6])*[P(i,j)^2;P(i,j);1]+sum(DatosG(i,[7:8])))*U(i,j);
end
end
for j=1:Horas
balance(j)=DatosCarga(j,2)-sum((P(:,j).*U(:,j)));
end
% Calculo de valor Dual
for j=1:Horas
q=q+Lambda(j)*balance(j);
end
q
indice=find(balance<0)
J=0;
aux=length(indice)
if ~isempty(indice)
paux= (P(:,:).*U(:,:));
Pcomp=paux;
for j=1:length(balance)
[maximo indice2]=max(Pcomp(:,j));
if balance(j)>0
Pcomp(:,j)=0;
else
Pcomp(indice2,j)=Pcomp(indice2,j)+balance(j);
end
end
for j=1:Horas
for i=1:Nunidades
J=J+(DatosG(i,[4:6])*[Pcomp(i,j)^2;Pcomp(i,j);1]+sum(DatosG(i,[7:8])))*U(i,
j);
end
end
end
% Calculo valor Primal
positivos=Horas-aux;
J=J+positivos*10000;
J
%%Brecha de Dualidad
BD=abs((J-q)/q);
BD
for j=1:Horas
if balance(j)>0
alfa(j)=0.01;
end
if balance(j)<0
alfa(j)=0.002;
end
%%Actualizacion Lambda
Lambda(j)=Lambda(j)+balance(j)*alfa(j);
end
Lambda
iter=iter+1;
end
CONCLUSIONES
En este trabajo se presenta una revisión del estado del arte de los métodos de solución
aplicados al problema de coordinación hidrotermica a corto plazo. Los métodos
considerados se han clasificados en dos grupos; los métodos clásicos que abarcan la
mayoría de las tendencias y los métodos meta heurísticos que representa un nuevo enfoque
para resolver los problemas de optimización y obtener una solución factible para la
coordinación hidrotermica. La mayoría de los métodos descritos han sido presentados con
sus principales ventajas y desventajas, el método adecuado para resolver el problema
depende de la naturaleza del mismo y el nivel de complejidad con el cual se ha represente el
sistema. Es evidente que la búsqueda por mejorar los métodos existentes y la de desarrollar
nuevas técnicas, representa un ´área abierta e interesante de investigación.
REFERENCIAS BIBLIOGRAFICAS
[1] Velásquez, J. M. y G. Nieto, “Sistema SHTG/Colombia. Despacho Integrado de
Electricidad y Gas, Versión Colombiana”. agosto del 1998. Memorias del congreso
ENERCOL 98.
[2] Mapura, G. A. y De los Ríos, “Despacho Óptimo de Centrales Térmicas de
Generación Eléctrica”. Marzo del 2006. Trabajo de Grado 2006, Programa de Ingeniería
Eléctrica Universidad Tecnológica de Pereira.
[3] Barrera Robellón Mauricio y Bedoya Ceballos Juan Carlos “Solución al problema del
despacho Hidrotérmico de dos plantas eléctricas mediante la programación dinámica
estocástica” Trabajo de Grado 2005. Programa de Ingeniería Eléctrica Universidad
Tecnológica de Pereira.
[6] Sherkat, V.R., R.A. Campo, K. Moslehi and E.O. Lo, “Stochastic Long - Term
Hydrothermal Optimatization of a Multireservorir System”. IEEE Transactions on power
Apparatus and Systems, Vol PAS-104, No 6, pp 2040-2050, 1985