EE354 - Clase 11T2 - Programación Dinámica 2019-I PDF

Universidad Nacional de Ingeniería
Facultad de Ingeniería Eléctrica y Electrónica
Escuela Profesional de Ingeniería Eléctrica
Curso: EE354N
Análisis de Sistemas de Potencia II
Expositor : Manfred F. Bedriñana Aronés

Doctor en Ingeniería Eléctrica
Ingeniero Electricista C.I.P. Nº 95644
2019
Escuela Profesional de Ingeniería Eléctrica, FIEE-UNI
Curso EE354 – Análisis de Sistemas de Potencia II
Capítulo 3
Operación Económica de
Sistemas de Potencia
15/06/2019 manfred.bedrinana@ieee.org 2
Introducción a la
Programación Dinámica
A. Introducción (1)
Programación Dinámica
◼ A fines de la década de 1950, la
aplicación de métodos digitales, para
resolver una amplia variedad de
problemas de control y optimización
dinámica, llevó al Dr. Richard Bellman y
asociados al desarrollo de la
Programación Dinámica (PD).
◼ Estas técnicas son útiles para resolver una
variedad de problemas y pueden reducir
en gran medida el esfuerzo computacional
para encontrar trayectorias óptimas o
políticas de control.
A. Introducción (2)
Aplicación de la Programación Dinámica
◼ La programación dinámica es una técnica matemática que se utiliza para la
solución de problemas matemáticos seleccionados, en los cuales se toma un
serie de decisiones en forma secuencial.
◼ En la programación de sistemas de generación, se han desarrollado técnicas

de PD para los siguientes casos:
◼ Despacho económico de los sistemas térmicos.
◼ Coordinación hidrotérmica.
◼ Pre despacho (unit commitement).
◼ Antes de la aplicación de la PD, primero será necesario introducir algunas de

las nociones por medio de algunos ejemplos unidimensionales.
B. Problema de la Ruta de Mínimo Costo (1)

Problema de la Ruta de Mínimo Costo
◼ La Figura 1 muestra los costos que
representa transportar un producto desde el
nodo A al nodo N.
◼ Los nodos se etiquetan en los círculos.
◼ Los arcos representan transportar el producto
de un nodo inicial a un nodo final.
◼ Los valores son los costos de transporte.
◼ El problema es encontrar la ruta de mínimo

costo desde el nodo A al nodo N.
Solución
◼ Se puede decir que la elección de cualquier
ruta se realiza en secuencia, en etapas de
por medio. Figura 1 - Problema de la Ruta de
Mínimo Costo.
Kaufmann, A., Graphs, Dynamic
Programming and Markov Processes, Wiley
and Technology Press, New York, 1967.

Solución de la Ruta de Mínimo Costo
◼ Solución 1: Seleccionar la ruta más barata
ofrecido en cada etapa sucesiva.
Desde el nodo A, AC es el más barato (2).

Desde el nodo C, CF es el más barato (4).
Desde el nodo F, FJ es el más barato (5).
Desde el nodo J, JL es el más barato (7).
Desde el nodo L, LN es el único camino (4).
Ruta ACFJLN: costo de 22.
¿Será la ruta de mínimo costo?

Sacrificando un mayor costo en las etapas
iniciales, pudo obtenerse ahorros mayores Figura 1 - Problema de la Ruta de
en el futuro. Mínimo Costo.
Por ejemplo, la ruta ACE es globalmente
más barata que la ruta ACF.

◼ Solución 2: Se puede seleccionar la ruta de
mínimo costo por tanteo.
¿Cuántas rutas se deben analizar?

Se debe analizar el siguiente número de
rutas:
1 × 3 × 3 × 4 × 2 × 1 = 72
Este número de rutas puede ser grande!
En problemas reales se alcanza una

explosión combinatorial que hace inviable
el uso de este método.
Figura 1 - Problema de la Ruta de

Mínimo Costo.

◼ Solución 3: Se puede aplicar la
Programación Dinámica (PD).
Parte de una pequeña porción del problema

y encuentra la solución óptima para ese
problema más pequeño.
Luego, gradualmente se agranda el
problema, hallando la solución óptima en
curso a partir de la anterior, hasta que se
resuelve por completo el problema original.
La solución de la ruta de mínimo costo es:

Ruta ACEILN: costo de 19.
Mínimo Costo.

Solución mediante Programación Dinámica
◼ La PD no cuenta con una formulación
matemática estándar, sino que se trata de un
enfoque de tipo general para la solución de
problemas, y las ecuaciones específicas que
se usan se deben desarrollar para que
representen cada situación particular.
◼ La teoría unificadora fundamental de la PD

es el Principio de Optimalidad, que nos
indica básicamente como se puede resolver
un problema adecuadamente descompuesto
en etapas utilizando cálculos recursivos.

Mínimo Costo.

Solución mediante Programación Dinámica
◼ En la solución se presenta lo siguiente:
◼ A partir de A, la ruta de mínimo costo a N es ACEILN.
◼ A partir de C, la ruta de menor costo a N es CEILN.
◼ A partir de E, la ruta de menor costo a N es EILN.
◼ A partir de I, la ruta de menor costo a N es ILN.
◼ A partir de L, la ruta de menor costo a N es LN.
◼ Se podría seguir el mismo tipo de

razonamiento sobre la ruta de máximo
costo de A a N (ABEHLN).
◼ La ruta de máximo costo al nodo N, a
partir de cualquier nodo de la ruta
óptima de máximo costo, está contenida
en esa ruta.
Mínimo Costo.

Teorema de optimalidad de Bellman
◼ Se parte de las siguientes definiciones:
◼ La secuencia óptima se denomina política
óptima;
◼ Cualquier subsecuencia es una subpolítica.
◼ Se puede ver que la política óptima (es

decir, la ruta de mínimo costo) contiene
solo las subpolíticas óptimas. Este viene a
ser el teorema de la optimalidad.
Una política óptima debe contener
solo subpolíticas óptimas.

Mínimo Costo.

Principio de optimalidad
◼ Bellman y Dreyfus declaran el “principio
de optimalidad” como:
Una política es óptima si, en cualquier
etapa, independientemente de las
decisiones anteriores, las decisiones
restantes constituyen una política óptima
cuando se incluye el resultado de las
decisiones anteriores.
◼ Una vez conocida la política óptima,

cualquier subpolítica que involucre sólo
una parte de las etapas es también una Figura 1 - Problema de la Ruta de
subpolítica óptima. Mínimo Costo.
◼ La política óptima para las siguientes
etapas no depende de la política tomada en
las etapas anteriores.

◼ La Figura 2 muestra las etapas I, II, III, IV, V.
◼ Al final de cada etapa i, hay un conjunto de
opciones de nodos {𝑋𝑖 } para ser elegidos.
◼ El símbolo 𝑉𝑎 (𝑋𝑖 , 𝑋𝑖+1 ) representa el “costo”

de atravesar la etapa a (= I, ..., V) y depende
de las variables seleccionadas de los
conjuntos {𝑋𝑖 } y {𝑋𝑖+1 }. Es decir, el costo
𝑉𝑎 , depende de los nodos de inicio y fin.
◼ Finalmente, 𝑓𝑎 (𝑋𝑖 ) es el mínimo costo de las
etapas I hasta a para alcanzar el nodo 𝑋𝑖 al
final de esa etapa, comenzando desde A.
◼ Los números en los círculos de nodos en la Figura 2 - Desarrollo de la Ruta de
Figura 2 representan este mínimo costo. Mínimo Costo.

◼ 𝑓𝐼 (𝑋1 ): El mínimo costo para la primera
etapa es obvio:
◼ 𝑓𝐼𝐼 (𝑋2 ): El mínimo costo para las etapas I y

II en función de 𝑋2 :
◼ El costo es infinito para el nodo D ya que no

hay ruta desde D hasta E.
Figura 2 - Desarrollo de la Ruta de
Mínimo Costo.

◼ Para los nodos F y G se tiene:
◼ Por lo tanto, en cada etapa debemos registrar

el mínimo costo y la ruta del costo mínimo
para cada uno de los nodos que terminan la
etapa actual.

Mínimo Costo.

◼ 𝑓𝐼𝐼𝐼 (𝑋3 ): mínimo costo de las etapas I, II y
III en función de 𝑋3 :
◼ En general:
◼ Resultando:

Mínimo Costo.

◼ 𝑓𝐼𝑉 : mínimo costo de las etapas I a IV en
función de 𝑋4 :
◼ 𝑓𝑉 : mínimo costo de I a V en función de 𝑋5 :

Mínimo Costo.

◼ La ruta de mínimo costo se encuentra de la
siguiente manera:

Mínimo Costo.
C. Problema de la Asignación de Inversión (1)

Problema de Asignación de Inversión
◼ La Tabla 1 muestra las ganancias que se
obtendrán en cada una de las cuatro
empresas en función de la inversión en la
empresa en particular.
◼ Dada una cantidad limitada de dinero para
asignar, el problema es encontrar la
asignación de inversión óptima.
◼ La única restricción es que las inversiones
deben hacerse en cantidades enteras.
◼ Por ejemplo, si uno tiene 10 unidades para
invertir y la política puede ser poner 3 en
I, 1 en II, 5 en III y 1 en IV, entonces: Tabla 1 – Beneficio vs inversión.
◼ El problema es encontrar una política de

asignación que produzca el máximo
beneficio.

Solución de Asignación de Inversión
◼ Se define lo siguiente:
◼ 𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 inversiones en I hasta IV.
◼ 𝑉(𝑋1 ), 𝑉(𝑋2 ), 𝑉(𝑋3 ), 𝑉(𝑋4 ) son beneficios.
◼ 𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 = 10 es la restricción
de invertir 10 unidades.
◼ Se transforma el problema en múltiples

etapas:
donde:
Tabla 1 – Beneficio vs inversión.
◼ El beneficio total es:

◼ Se puede escribir como:

◼ En la segunda etapa se tiene:

◼ En la tercera etapa se tiene:

◼ En la etapa final se tiene:

◼ Comentarios
a. No fue necesario enumerar todas las soluciones posibles. En su lugar, utilizamos
una búsqueda ordenada, por etapas, cuya forma era la misma en cada etapa.
b. La solución se obtuvo no solo para A = 10, sino para el conjunto completo de
valores de {A} = 0, 1, 2,…, 10.
c. La política óptima solo contiene subpolíticas óptimas.
Por ejemplo, A = 10, (4,3,1,2) es la política óptima.
Para las etapas I, II y III, 𝑈2 = 8, (4,3,1) es la subpolítica óptima.
Para las etapas I y II, 𝑈1 = 7, (4,3) es la subpolítica óptima.
Solo para la etapa I, 𝑋1 = 4 fija la política.
d. Tenga en cuenta también que al almacenar los resultados intermedios, podríamos
trabajar variaciones diferentes del mismo problema con los datos ya calculados.
Coordinación Hidrotérmica
usando Programación Dinámica
A. Modelo del sistema hidrotérmico (1)

Sistema hidrotérmico
◼ La PD puede aplicarse a la solución del problema de programación
hidrotérmica.
◼ Los sistemas con múltiples plantas, acoplados hidráulicamente ofrecen
dificultades de cómputo que hacen que sea difícil usar ese tipo de sistema
para ilustrar los beneficios de aplicar PD a este problema.
◼ En su lugar, se mostrará la aplicación con una sola planta hidroeléctrica
operada en conjunto con un sistema térmico.
Figura 3 - Modelo de sistema

hidrotérmico utilizado para PD.

Descripción del modelo
◼ En la Figura 3 se muestra una única central térmica equivalente (𝑃𝑠 ), y una
hidroeléctrica con embalse (𝑃𝐻 ), que atiende a una carga (𝑃𝐿 ).
◼ 𝑟𝑗 : Caudal afluente de entrada en el periodo j
◼ 𝑉𝑗 : Volumen de almacenamiento al final del periodo j
◼ 𝑞𝑗 : Caudal turbinado en el periodo j
◼ 𝑃𝐻𝑗 : Potencia de salida en el periodo j
◼ 𝑠𝑗 : Caudal de vertimiento en el periodo j
◼ 𝑃𝑠𝑗 : Potencia de salida de la central térmica en el periodo j
◼ 𝑃𝑙𝑜𝑎𝑑𝑗 : Potencia de la carga en el periodo j
◼ 𝐹𝑗 : Costo de combustible en el periodo j


Descripción del modelo
◼ Sean los volúmenes de almacenamiento inicial y final 𝑉0 y 𝑉𝑗𝑚𝑎𝑥 , definidos
en los periodos de carga.
◼ Se asume que la planta a vapor está operando durante todo el período. Su
característica de costos se expresa como:
◼ El caudal turbinado de la central hidroeléctrica se expresa como:

para
para


Comentarios
◼ Los coeficientes 𝑎 a ℎ son constantes.
◼ Las unidades de caudal de agua son acre-ft/h.
◼ Si cada intervalo 𝑗 dura 𝑛𝑗 horas, entonces el volumen de almacenamiento
cambia de la siguiente forma:
◼ No se permite vertimiento del agua (es decir, todos 𝑠𝑗 = 0).

◼ Si 𝑉𝑖 y 𝑉𝑘 denotan dos estados de volumen, y
entonces el caudal turbinado de la unidad hidroeléctrica durante el intervalo 𝑗

será:
donde 𝑞𝑗 debe ser no negativo y está limitado a un caudal máximo 𝑞𝑚𝑎𝑥 , que
corresponde a la potencia máxima de salida de la unidad hidroeléctrica.

Problema de coordinación hidrotérmica
◼ El problema de programación implica encontrar la trayectoria de mínimo
costo (es decir, el volumen en cada etapa).
◼ Como se indica en la Figura 4, pueden existir numerosas trayectorias
Figura 4 - Trayectorias para operación de la hidroeléctrica.
B. Aplicación de la PD a la coordinación hidrotérmica (1)

◼ La aplicación del algoritmo de PD es bastante simple.
◼ Sea:
▪ 𝑖 : Estados de volumen al inicio del periodo j.
▪ 𝑘 : Estados de volumen al final del periodo j.
▪ TC𝑘 𝑗 : Costo total desde un inicio de la programación hasta el final del periodo
j para el estado de almacenamiento del embalse 𝑉𝑘
▪ PC 𝑖, 𝑗 − 1: 𝑘, 𝑗 : Costo de producción del sistema térmico en el periodo j para ir
desde el volumen inicial 𝑉𝑖 hasta el volumen al final del periodo 𝑉𝑘 .
◼ El algoritmo PD hacia adelante (forward) es entonces:
B. Aplicación de la PD a la coordinación hidrotérmica (2)

Comentarios
◼ Las cargas y afluentes naturales deben ser datos de entrada.
◼ El caudal de la unidad hidroeléctrica está fijado por los niveles de
almacenamiento inicial y final y, a su vez, se establece los valores de 𝑃𝐻 y 𝑃𝑠 .
◼ El cálculo del costo de producción térmica se realiza directamente.
◼ Es posible que haya estados de volumen en el conjunto 𝑉𝑘 que no se puedan
alcanzar con respecto a algunos de los estados de volumen iniciales 𝑉𝑖 debido
a los límites de operación de las unidades hidroeléctricas.
◼ Existen muchas variaciones en las restricciones hidráulicas que pueden
incorporarse en el cálculo de la PD.
◼ Por ejemplo, los caudales turbinados se pueden fijar durante ciertos intervalos
para permitir la pesca o el riego.
◼ El uso de los niveles de volumen como variables de estado restringe los
niveles de salida de la unidad hidroeléctrica considerados en cada etapa, ya
que el caudal turbinado determina el valor de potencia.
C. Ejemplo de la PD en la coordinación hidrotérmica (1)

Ejemplo de coordinación hidrotérmica
◼ Se considera dos unidades, donde las características de la unidad térmica se
muestran en la Figura 5 con:
para 𝑃𝑠 en MW,
Figura 5 - Función de costo incremental de la unidad térmica.

◼ La unidad hidroeléctrica presenta una característica q versus 𝑃𝐻 como
mostrado en la Figura 6, con:
donde 𝑃𝐻 está en MW, y 0 ≤ 𝑃𝐻 ≤ 200 MW
Figura 6 – Característica q versus 𝑃𝐻 de la unidad hidroeléctrica.
◼ El caudal turbinado está en acre-ft/h.

◼ No hay vertimiento y tanto el volumen inicial como el final son 10000 AF.
◼ Los límites de volumen de almacenamiento son 6000 y 18000 AF.
◼ El afluente natural es de 1000 acre-ft/h.

◼ El problema de coordinación hidrotérmica se resolverá para un día completo
de 24 h con períodos individuales de 4 h cada uno (𝑛𝑗 = 4 h).
◼ La potencia de la carga y caudal de los afluentes naturales se muestran en el
siguiente cuadro:

Procedimiento
◼ Se podría iniciar la búsqueda utilizando una
cuadrícula gruesa tanto en el intervalo de
tiempo como en los estados de volumen.
◼ Esto permitiría el refinamiento en el futuro de
la búsqueda de la trayectoria óptima después
de que una búsqueda inicial (gruesa) hubiese
establecido un bosquejo general.
◼ Podrían utilizarse cuadrículas más finas,
ajustadas al rango de los pasos gruesos
alrededor de la trayectoria óptima inicial, para
establecer un mejor camino.
◼ El método PD funcionará bien para problemas
con funciones convexas (cóncavas).
◼ En este ejemplo, utilizaremos pasos de tiempo
de 4 horas y pasos de volumen de
almacenamiento separados por 2000 AF. Figura 7 – Trayectorias iniciales para
el ejemplo de PD.

Procedimiento
◼ Durante cualquier período, el caudal turbinado
a través de la unidad hidroeléctrica será:
◼ El caudal turbinado debe ser no negativa y no

mayor a 2260 acres-ft/h.
◼ Para este problema, podemos usar la ecuación
que relaciona la producción de la unidad
hidroeléctrica 𝑃𝐻 con el caudal turbinado 𝑞.
◼ En un caso más general, es posible que se
tenga que tratar con tablas 𝑃𝐻 versus 𝑞.
Figura 7 – Trayectorias iniciales para

el ejemplo de PD.

Aplicación de la PD
◼ El procedimiento de PD puede ilustrarse para los
primeros dos intervalos de la siguiente manera.
◼ Se toman pasos de volumen de almacenamiento
de 6000, 8000, 10000, …, 18000 AF.
◼ El conjunto inicial de estados de volumen está
limitado a 10000 AF.
◼ La siguiente tabla presenta cálculos para 𝑗 = 1.
Figura 7 – Trayectorias iniciales para

el ejemplo de PD.
◼ El gráfico muestra las trayectorias.
◼ No necesitamos calcular datos para estados de
mayor volumen, ya que se desconecta la unidad
y permitir que el afluente aumente la cantidad de
agua almacenada.

◼ La tabla para el segundo intervalo e intervalos
subsiguientes es más compleja, ya que hay que
tener en cuenta una serie de estados de volumen.
Algunos se muestran en la siguiente tabla.
Figura 8 – Trayectorias de segunda

etapa para el ejemplo de PD.
a Denota la ruta de coste mínimo.


◼ Finalmente, en el último periodo, las siguientes
combinaciones.
las cuales son las únicas combinaciones posibles

ya que el volumen final se establece en 10000
AF, y la potencia mínima para la central térmica
es de 200 MW.
◼ La trayectoria final de mínimo costo para el Figura 9 – Trayectoria final para el
volumen de almacenamiento se traza en la ejemplo de coordinación hidrotérmica.
figura.
◼ Esta ruta está determinada a una cuadrícula
bastante gruesa de 2000 AF en pasos de 4 h en el
tiempo y podría volver a calcularse fácilmente
con cuadrículas más finas.

EE354 - Clase 11T2 - Programación Dinámica 2019-I PDF

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

EE354 - Clase 11T2 - Programación Dinámica 2019-I PDF

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional de Ingeniería

Facultad de Ingeniería Eléctrica y Electrónica

Escuela Profesional de Ingeniería Eléctrica

Expositor : Manfred F. Bedriñana Aronés

◼ En la programación de sistemas de generación, se han desarrollado técnicas

◼ Antes de la aplicación de la PD, primero será necesario introducir algunas de

B. Problema de la Ruta de Mínimo Costo (1)

◼ El problema es encontrar la ruta de mínimo

B. Problema de la Ruta de Mínimo Costo (2)

Desde el nodo A, AC es el más barato (2).

¿Será la ruta de mínimo costo?

B. Problema de la Ruta de Mínimo Costo (3)

¿Cuántas rutas se deben analizar?

En problemas reales se alcanza una

Figura 1 - Problema de la Ruta de

B. Problema de la Ruta de Mínimo Costo (4)

Parte de una pequeña porción del problema

La solución de la ruta de mínimo costo es:

B. Problema de la Ruta de Mínimo Costo (5)

◼ La teoría unificadora fundamental de la PD

Figura 1 - Problema de la Ruta de

B. Problema de la Ruta de Mínimo Costo (6)

◼ Se podría seguir el mismo tipo de

B. Problema de la Ruta de Mínimo Costo (7)

◼ Se puede ver que la política óptima (es

Figura 1 - Problema de la Ruta de

B. Problema de la Ruta de Mínimo Costo (8)

◼ Una vez conocida la política óptima,

B. Problema de la Ruta de Mínimo Costo (9)

◼ El símbolo 𝑉𝑎 (𝑋𝑖 , 𝑋𝑖+1 ) representa el “costo”

B. Problema de la Ruta de Mínimo Costo (10)

◼ 𝑓𝐼𝐼 (𝑋2 ): El mínimo costo para las etapas I y

◼ El costo es infinito para el nodo D ya que no

B. Problema de la Ruta de Mínimo Costo (11)

◼ Por lo tanto, en cada etapa debemos registrar

Figura 2 - Desarrollo de la Ruta de

B. Problema de la Ruta de Mínimo Costo (12)

Figura 2 - Desarrollo de la Ruta de

B. Problema de la Ruta de Mínimo Costo (13)

◼ 𝑓𝑉 : mínimo costo de I a V en función de 𝑋5 :

Figura 2 - Desarrollo de la Ruta de

B. Problema de la Ruta de Mínimo Costo (14)

Figura 2 - Desarrollo de la Ruta de

C. Problema de la Asignación de Inversión (1)

◼ El problema es encontrar una política de

C. Problema de la Asignación de Inversión (2)

◼ Se transforma el problema en múltiples

◼ El beneficio total es:

C. Problema de la Asignación de Inversión (3)

C. Problema de la Asignación de Inversión (4)

C. Problema de la Asignación de Inversión (5)

C. Problema de la Asignación de Inversión (6)

A. Modelo del sistema hidrotérmico (1)

Figura 3 - Modelo de sistema

A. Modelo del sistema hidrotérmico (2)

Figura 3 - Modelo de sistema

A. Modelo del sistema hidrotérmico (3)

◼ El caudal turbinado de la central hidroeléctrica se expresa como:

Figura 3 - Modelo de sistema

A. Modelo del sistema hidrotérmico (4)

◼ No se permite vertimiento del agua (es decir, todos 𝑠𝑗 = 0).

entonces el caudal turbinado de la unidad hidroeléctrica durante el intervalo 𝑗

A. Modelo del sistema hidrotérmico (5)