Métodos de solución de UNIT

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.

Para ello pasaremos a dar el desarrollo de los 3 métodos de solución de Unit

Commiment:

 Método de Lista de Prioridades

 Método de Programación Dinámica
 Método de Relajación de Lagrangiano

LISTA DE PRIORIDADES

La lista de prioridad ordena a las centrales de generación de acuerdo a su costo medio de

producción a potencia máxima [3]; de esta forma las centrales de menor costo ocupan las
primeras posiciones de la lista. Las centrales se acoplan o desacoplan para cumplir las
restricciones de carga del sistema siguiendo el orden establecido en la lista. Este método
se emplea ´únicamente en la solución del problema de la programación horaria de
centrales térmicas, donde no toma en cuenta los costos de arranque y parada de las
centrales. Este método heurístico es muy sencillo y fácil de implementar. Requiere poca
memoria y poco tiempo de cálculo. Sin embargo, al no tener en cuenta la variación del
costo con la potencia producida o los costos de arranque y parada de las centrales, no
puede garantizar la optimalizad de la solución encontrada. Además, este método requiere
el empleo de reglas heurísticas para la consecución de una solución posible.

METODO DE PROGRAMACIÓN DINÁMICA

La estrategia de solución de la Programación Dinámica se basa fundamentalmente en

la desagregación de un problema complejo en un problema simple que será resuelto
etapa por etapa. Esta es una técnica orientada a la solución de problemas con
decisiones secuenciales en etapas sucesivas donde se debe minimizar el costo total
 de dichas decisiones, esta es una de las muchas herramientas matemáticas útiles en
la toma de decisiones relacionadas entre sí, proporcionando un procedimiento
sistemático para determinar la combinación optimas de decisiones.
La Programación Dinámica resuelve el problema en etapas que se enlazan mediante
cálculos recursivos de manera que se genere una relación óptima factible a todo el
problema ya que en cada etapa se valora no solo el costo actual de tomar una
decisión sino los costos futuros que se originan a partir de ella.

1. DETERMINACIÓN DEL DESPACHO ECONÓMICO PARA GENERADORES

TÉRMICOS MEDIANTE PROGRAMACIÓN DINÁMICA
Para determinar el despacho económico mediante programación dinámica se basa en
un sistema uninodal, el cual tiene los costos de arranque, costos de parada y un
conjunto de restricciones, que en un horizonte de 24 horas determina los generadores
óptimos y sus respectivos costos. El funcionamiento del algoritmo se realiza
evaluando los costos de despachar 4 generadores térmicos dentro de un horario de
generación de 24 horas.
2. LA PROGRAMACIÓN DINÁMICA APLICADA
La coacción de una lista de prioridades en orden de la demanda máxima da como
resultado un despacho teórico solamente si:
 Las características de entrada y salida de los generadores son lineales entre
cero y la demanda máxima.
 Sin demanda los costos son cero.
 No hay otras restricciones.
 Los costos de arranque son fijos.
Pero como las condiciones de los generadores y la demanda no son realmente lo
antes descrito, se asume que:
 Un estado consiste de un vector con unidades operando y el resto fuera de línea.
 Los costos de arranque de una unidad térmica son independientes del tiempo.
 No hay costos de reserva rodante.
 Hay un orden de prioridad, y en cada intervalo un mínimo de capacidad para ser
operado.
La Programación Dinámica empieza con la reducción de la dimensionalidad del
problema, al encontrar unidades térmicas que con cualquier combinación de ellas
cumpla la demanda. Las combinaciones máximas que se presentan están dadas por
2” – 1 estados en la hora K, siendo n el número de generadores disponibles en el
sistema.
3. APLICACIÓN Y RESULTADOS
En este capítulo se presenta la aplicación de la metodología en casos de prueba de 4.

3.1. APLICACIÓN DE LA PROGRAMACIÓN DINÁMICA PARA 4

GENERADORES TÉRMICOS
La programación horaria de centrales térmicas se va a resolver, para proporcionar
el plan de acoplamiento de las centrales de generación durante un horizonte en
el corto plazo, de forma que se suministre la demanda a un costo mínimo. Esto
implica que el objetivo es minimizar el costo de producción, incluyendo los costos
derivados de los arranques y paradas de las centrales, teniendo en cuenta las
restricciones técnicas de las centrales así como la de balance entre la potencia
producida y la demandada.
En el desarrollo de esta aplicación se tiene un sistema de generación térmica
compuesto por 4 generadores, los cuales poseen restricciones de salida potencia,
costos de encendido y apagado en un sistema uninodal para un periodo de estudio
de 24 horas.

Figura 1. Curva de la demanda de carga para el sistema de 4 generadores

térmicos.

La figura 1, muestra la curva de demanda de carga desde las 4 a.m. de un día

hasta las 4 a.m. del siguiente día.
 COEFICIENTES COSTO
COSTO DE CARGA CARGA COSTO DE DE
UNIDA COMBUSTIBLE MÍNIMA MÁXIM ENCENDID APAGAD
D (MBtu/h) (MW) A (MW) O (MBtu/h) O
a b c (MBtu/h)
a1 0.0056 7 600 400 505 1230.4 658.03
a2 0.0096 6.4 400 300 600 890.68 437.56
a3 0.015 7.9 600 300 550 1398.05 698.07
a4 0.011 7.5 400 440 550 856.1 410.6
Tabla 1. Datos de entradas de los generadores térmicos.

La tabla 1 contiene los coeficientes de los costos de combustible, las salidas

mínimas y máximas de potencia de los generadores térmicos y los costos de
encendido y apagado asociados a las transiciones de los estados de cada una de
las etapas de la programación dinámica.

TIEMPO (h) GENERADORES EN LÍNEA CARGA (MW) COSTO TOTAL

($/h)

01:00 a2,a4 10 1369,5218

02:00 a2,a4 50
9 26013,4584
7
03:00 a2,a4 9 37684,0184
0
3
04:00 a2,a4 9 48888,9784
0
0
05:00 a2,a4 9 60093,9384
0
0
06:00 a2,a4 9 72578,8984
0
8
07:00 a1,a2,a4 12 88696,0342
0
70
08:00 a1,a2,a4 15 106997,8142
00
09:00 a1,a2,a3,a4 20 13498,3971
20
10:00 a1,a2,a3,a4 19 159888,0385
30
11:00 a1,a2,a3,a4 19 184974,1448
40
12:00 a1,a2,a3,a4 18 208984,3687
80
13:00 a1,a2,a3,a4 11 223159,9487
14:00 60 237058,0487
a1,a2,a3,a4 11
15:00 a1,a2,a3,a4 70
21 267907,6637
16:00 80 297434,1787
a1,a2,a3,a4 21
60
17:00 a1,a2,a3,a4 19 322520,2851
40
18:00 a1,a2,a3,a4 19 346885,4497
00
19:00 a1,a2,a3,a4 19 371250,6143
00
 20:00 a1,a2,a3,a4 18 395260,8382
21:00 a1,a2,a3,a4 17
80 416425,3382
22:00 a1,a2,a3,a4 15
10 435632,0740
23:00 a1,a2,a4 13
70 452723,4440
00:00 a1,a2,a4 12
80 467358,5924
Tabla No 2. Combinación de generadores en
50línea, carga y costos totales
(arranque, salida y parada), el costo del combustible =1.0 $/MBtu.

La tabla 2 muestra la combinación óptima de generadores, la demanda de

potencia y los costos de funcionamiento en un intervalo de una hora. El orden de
cada estado está dado por una combinación binaria de las unidades térmicas
y a cada estado se le asigna la capacidad máxima para cada combinación, este
procedimiento se muestra en la tabla No 3. Otro procedimiento similar se
presentaría si se basara en la capacidad mínima para cada combinación.

ESTAD COMBINACIÓN DE UNIDADES CARGA

OS MICAS (MW)
a a a a
1 2 3 4
1 0 0 0 1 5
5
2 0 0 1 0 5
0
5
3 0 0 1 1 11
0
00
4 0 1 0 0 6
0
5 0 1 0 1 11
0
50
6 0 1 1 0 11
50
7 0 1 1 1 17
00
8 1 0 0 0 5
0
9 1 0 0 1 10
5
55
1 1 0 1 0 10
0 55
1 1 0 1 16
1 05
1 1 1 0 0 11
2 05
1 1 1 0 1 16
3 55
1 1 1 1 0 16
4 55
 1 1 1 1 1 22
5 05
Tabla No 3. Combinación de unidades en cada estado.

El orden de prioridad de la programación dinámica se basa en buscar los estados

que sean iguales o mayores que la demanda en una determinada hora, por
eso los estados que cumplen esta prioridad para la hora 1 y la cual tiene una
demanda de 1050 son los descritos en la tabla No 4. Solamente estos 11 estados
son los que se calculan en el algoritmo de la programación dinámica para la hora
1.

Estados Combinación de unidades (MW) Capaci

disponib dad
les Pmax a1 Pmax a2 Pmax a3 Pmax a4 máxima
de
3 0 0 5 5 genera
11
50 ción
00
5 0 6 5 11
0 0 (MW)
6 0 0
6 5 50 50
11
7 0 0
6 5 0
5 50
17
9 5 00 0
50 5 00
10
1 0
5 00 0
5 0
50 55
10
0
1 5
0
5 0 5 0
5 55
16
1 5
0
5 6 0
50 50 05
11
2
1 5
0
5 0
6 00 0
5 05
16
3
1 5
0
5 0
6 5 50 55
16
4
1 5
0
5 0
6 5 0
5 55
22
5 5 0 0
Tabla No 4.0 Capacidad máxima de generación
5 en cada5estado para la05
hora 1 con
5 0 0 0
una demanda de 1050 MW.

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)

3 20,9962 0 0 436,5385 613,4615

5 17,6777 0 587,3786 0 462,6214
6 19,278 0 670,7317 379,2683 0
7 15,1873 0 457,67 242,9088 349,4211
9 14,9614 710,8434 0 0 339,1566
10 15,8078 786,4078 0 263,5922 0
11 13,561 585,8017 0 188,6993 275,499
12 14,2063 643,4211 406,5789 0 0
13 12,5747 497,7371 321,5967 0 230,6662
14 13,0031 535,9881 343,9097 170,1022 0
15 11,8669 434,5428 284,7333 132,2293 198,4945
Tabla No 5. Costo incremental de cada estado y sus respectivas potencias para la
hora 1.
Violan límite superior Violan límite inferior

Como algunas potencias de los generadores térmicos en los estados violan el

límite de generación se utiliza la metodología del árbol binario, para fijar estos
generadores a sus límites de generación y los generadores libres se calculan con
base en el costo incremental modificado (!'), dado que en el algoritmo de árbol
binario se generan nodos, con el propósito de formar las ramas,
enumeraremos este como el nodo 0 (nodo inicial).

Estados Restricción de límites de generación

Disponibles
U L
0 0
3 0 0 0 1 0 0 0 0

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

Tabla No 6. Formación de los vectores U0 y L0 de cada estado para la hora1.

Los generadores que se encuentran con 1 en los vectores U0 y L0 del nodo 0

respectivamente se fijan a su límite de generación violado y se forman para cada
estado las ramas del árbol binario, cada rama se forma con las posibles
combinaciones UU, UL, LU y LL, cada nivel del árbol se limita por la cantidad
de generadores que se están utilizando. Ahora cuando se refiere a la rama
U1I, nivel 1 de la trayectoria I, los generadores fijos que están violando su
límite superior se fijan a su límite, como antes se describió, y los generadores
libres se calculan con base en el costo incremental modificado (!'). Las nuevas
potencias de los generadores libres se chequean con los límites de generación
formando los vectores U1 y L1 del nodo 1. Así se repite para la rama U2I y
para las demás ramas del árbol, hasta que se encuentra una rama cuyas
características son L y U vacíos sin generadores para fijar, y que cumplan las
restricciones por demanda y que su costo sea el mínimo sobre todas las
ramas. Este procedimiento se realiza para todos los estados disponibles de la
programación dinámica y para todas las horas.

Figura 1. Ramificación del árbol binario con la prioridad de L y U.

Para el desarrollo de esta aplicación se mostrara la solución del estado 3 paso

a paso en la tabla 7 y finalmente en la tabla 8 se mostraran los
resultados obtenidos de los mínimos costos totales de las ramas en los
estados disponibles.

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

22.9 0 0 500 550 0 0 0 0

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

Restricción de Costo de la rama Costo total de

demanda la rama

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

Costo Nodo 6 Restricción de límites de

incremental generación
! para los
No fijos P a1 P a2 P a3 P a4 U6

0 0 500 550 0 0 0 0

L5

0 0 0 0

Restricción de Costo de la rama Costo total de

demanda la rama

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

Costo Nodo 7 Restricción de límites de generación

increment
al ! para
los No P a1 P a2 P a3 P a4 U7
fijos
22.9 0 0 500 550 0 0 0 0

L1

0 0 0 0

Restricción de Costo de la rama Costo total de

demanda la rama

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

Costo Nodo 8 Restricción de límites de generación

increment
al! para
los No P a1 P a2 P a3 P a4 U8
fijos
0 0 436,5385 613,4615 0 0 0 1

L8

0 0 0 0

Restricción de Costo de la rama Costo total de

demanda la rama

Suma de C a1 C a2 C a3 C a4
potencias
1050 No cumple por los limites de generación

Tabla No 7. Calculo de las ramas del árbol binario.

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.

Estados disponibles Mínimos costos

de la hora 1 totales de las
ramas ($/h)
 3 16152,50000

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

Tabla No 8. Mínimos costos totales de las ramas en los estados

disponibles.

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.

Estados Mínimos costos totales de las ramas ($/h)

disponible
s Hora 1 Hora 2 Hora 3 Hora 4 Hora 5 Hora 6

1 0 0 0 0 0 0
 2 0 0 0 0 0 0

3 16.152,500 14.416,500 13.619,634 13.041,153 13.041,153 14.623,000

0 0 6 8 8 0
4 0 0 0 0 0 0

5 13.695,218 12.318,240 11.670,560 11.204,960 11.204,960 12.484,960

4 0 0 0 0 0
6 14.888,500 13.272,500 12.536,353 12.005,426 12.005,426 13.464,000
0 0 7 8 8 0
7 13456.16 Inf Inf Inf Inf Inf

8 0 0 0 0 0 0

9 13.317,915 11.829,115 11204,16 10.834,560 10.834,560 12.007,515

0 0 0 0 0
10 14.924,015 13.080,015 12.230,015 11.624,015 11.624,015 13.300,015
0 0 0 0 0 0
11 Inf Inf Inf Inf Inf Inf

12 12.302,580 11014,900 10417,14 9988,98 9988.98 11169,14

0 0
13 Inf Inf. inf. inf. inf. inf.

14 12.388,000 Inf Inf Inf Inf Inf

0
15 Inf Inf Inf Inf Inf Inf

Estados Mínimos costos totales de las ramas ($/h)

disponibles
Hora 7 Hora 8 Hora 9 Hora 10 Hora 11 Hora 12

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

Estados Mínimos costos totales de las ramas ($/h)

disponibles Hora 13 Hora 14 Hora 15 Hora 16 Hora 17 Hora 18

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

Estados Mínimos costos totales de las ramas ($/h)

disponible Hora 19 Hora 20 Hora 21 Hora 22 Hora 23 Hora 24
s
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 0 0 0 22.112,500 18.535,532 16.310,560

8 0 0 0 0 0 6 0 0 0

9 0 0 0 0 0 0

10 0 0 0 0 0 0

11 0 0 0 22.062,515 18.130,952 15.797,615

12 0 0 0 0 0 5 0 0 0

13 0 0 0 19.524,676 16.393,300 14.635,148

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

límites por generación se recurre a la metodología del árbol binario. Debido a

que los generadores térmicos tienen sus respectivos costos de arranque
parada se calcula el mínimo costo de transición [S COSTO (K )1, L : K , I )] de la

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.

El aumento de las centrales eléctricas en los sistemas de potencia y la necesidad de

involucrar nuevos tipos de generación a éste, hace de éste un problema mayor para la
optimización de operaciones y del despacho económico a corto plazo para este sector.
La relajación lagrangeana dada a conocer y llamada así por Joseph-Louis Lagrange en 1797
y definida formalmente en 1974 por Geoffrion como un problema de optimización [24],
aparece así, para ser una solución a este problema y considerada como uno de los métodos
más eficaces.
Este método soluciona el problema de optimización mediante la coordinación de unidades a
corto plazo (programación horaria de centrales eléctricas), basada en la resolución de un
problema dual del problema que se pretende resolver, llamado problema primal. Empleando
multiplicadores de Lagrange para incorporar a la función objetivo las restricciones de carga,
demanda y reservas rodantes.
Con el fin de formar la función lagrangeana y con ello descomponer el problema en
subproblemas para cada central involucrada, pasando así de un gran problema de
dimensionalidad a muchos problemas de tamaño pequeño y estructuras homogéneas.
Esta teoría de dualidad busca por medio de los multiplicadores de Lagrange maximizar la
función objetivo del problema dual, aunque no coincide exactamente con la solución óptima
del problema primal por la no convexidad del problema de programación horaria, pero dan
paso estos dos valores a lo que se conoce como Brecha Dual, que es la diferencia entre la
cota inferior del optimo del problema primal y la cota superior dada por el máximo de
problema dual.
La Relajación lagrangeana permite de forma iterativa actualizar los multiplicadores de
Lagrange y resolver los subproblemas de acuerdo con la amplitud de la violación de las
restricciones de balance de potencia y reserva rodante [25]. De esta manera se llega a la
solución cuasi óptima del problema, arrojando un resultado con una desviación respecto al
óptimo inferior.
En términos generales, el método de la relajación lagrangeana se compone de los siguientes
pasos. Esto para el caso particular que se necesita en el presente trabajo.
Inicialización de las iteraciones fijando el valor inicial de los
multiplicadores de Lagrange.
Solución de la cota inferior del óptimo primal.
 Solución de la cota superior del óptimo dual.
Encontrar la brecha dual, si cumple con el valor pactado por el operador, parar ahí,
de lo contrario pasar al siguiente paso.
Actualizar el valor de los multiplicadores de Lagrange y repetir procedimiento a partir
del paso 2.

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:

F(P_i^t,U_i^t) = ∑_(t=1)^T▒∑_(i=1)^N▒〖[F_i (P_i )+ 〖SUC〗_it]〗 U_i^t

Óptimo dual:

L(P,U,λ) = F(P_i^t,U_i^t) + ∑_(t=1)^T▒〖λ^t (P_load^t- 〗 〖∑_(i=1)^n▒P_i^t U〗_i^t)

Brecha dual:

BD= (J* -q*)/(q*)

Actualización de lambda:

λ^(t+1)= λ^t+[d/dλ q(λ)]α

α: Es un multiplicador asignado con dos valores que dependen del signo de la respuesta de
la derivada

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

ALGORITMO DE RELAJACION LAGRANGIANA

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.

[4] Msc. Alejandro Garcés Ruiz “Sistemas de Generación de Energía” Programa de

Ingeniería Eléctrica Universidad Tecnológica de Pereira.

[5] Ing. Daniel Javier Camac Gutiérrez “Programación Deterministica En El Despacho

Hidrotérmico” Pontificia Universidad Católica de Chile – Escuela de Ingeniería
Departamento de Ingeniería Eléctrica 1994.

[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