Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ISSN 0122-1701 59
transmisión. En el modelo DC, el sistema eléctrico en la ecuación (2) es conocido y faltaría por conocer el
completo debe satisfacer las dos leyes de Kirchhoff, esto segundo termino de la función objetivo. En consecuencia
es, todas las barras del sistema deben satisfacer la el subproblema que se debe resolver para determinar
primera ley de Kirchhoff y todos los circuitos existentes modelo el corte de carga asume la siguiente forma:
deben satisfacer la segunda ley de Kirchhoff.
min w = α ∑ rg
Cuando se trabaja en el problema de planeamiento de la
expansión de redes de transmisión de energía eléctrica, s.a sfij + rg − rc = d − g
usando un algoritmo combinatorial se encuentran las o
propuestas de los circuitos que deben ser adicionados a la fij − γ ij ( nij + nij )(θ i − θ j ) = 0
red en cada paso. El modelo DC se resuelve entonces, o max
para la red modificada con el fin de determinar la fij ≤ ( nij + nij ) f (3)
ij
demanda no atendida para dicha propuesta, el modelo DC
max
teniendo en cuenta los cortes de carga asume la siguiente 0 ≤ rg ≤ d
forma:
max
min v = ∑ c n + α ∑ rg 0 ≤ rc ≤ g
(i , j )∈Ω ij ij
θj ilimitados
s.a sfij + rg − rc = d − g
Se requiere hacer unas modificaciones al conjunto de
o
fij − γ ij ( nij + nij )(θ i − θ j ) = 0 ecuaciones mostrado en (3), para adaptar el problema al
método de Puntos Interiores, por lo tanto el problema
o max operativo (3) ser reescribe de la siguiente manera
fij ≤ ( nij + nij ) f (2)
ij
0 ≤ rg ≤ d
max T T T T
min w = c1 fij + c2 rg + c3 rc + c4 θ
max
0 ≤ rc ≤ g s.a M fij + I g rg − I c rc = DG
θj ilimitados fij + Nθ = 0
donde, α es el factor de penalización asociado a la L ≤ fij ≤ U (3)
potencia no atendida, rg son los generadores ficticios
asociados a las cargas, y que deben ser adicionados 0 ≤ rg ≤ d
cuando la generación no puede atender la demanda por
limitaciones de la red de transmisión, y rc son las cargas 0 ≤ rc ≤ g
ficticias asociadas a los generadores, y que deben ser
θ ilimitados
adicionada cuando la generación de un nodo no puede ser
evacuada por restricciones en la transmisión. donde, M es la matriz de incidencia transpuesta
elemento/nodo, N es la matriz de incidencia transpuesta
El modelo presentado en (2) es un modelo no lineal, que esta multiplicada por la susceptancia del corredor y
debido a que existen multiplicaciones de variables, en el por el número de circuitos de dicho corredor, L es el
segundo conjunto de ecuaciones de las restricciones del límite inferior de los flujos por corredor. U es el límite
problema. Las no linealidades desaparecen cuando se superior de los flujos por corredor.
trabaja con algoritmos combinatoriales, los cuales en sus
propuestas de solución entregan donde y cuantos Aunque los límites inferiores de los generadores ficticios
circuitos se deben adicionar a la red inicial, para intentar y las carga ficticias están en cero, al usar el método de
encontrar la solución óptima del problema del Puntos Interiores se debe considerar renombrar estos
planeamiento de la expansión. Por tal motivo, el límites inferiores posteriormente asignándole el valor de
problema se convierte en un problema lineal y se puede cero. El método de Puntos Interiores que se utilizará es
emplear cualquier técnica que resuelva problemas de un método de Puntos Interiores de los métodos de alto
programación lineal, como: el método Simplex ó el orden denominado “Método Barrera logarítmica Primal
método de Puntos Interiores. dual Predictor-Corrector. Este método emplea dos fases
en el proceso de solución de los problemas de
Es este documento se solucionará el problema mostrado programación lineal. Más adelante se presenta este
en (2) usando el método de Puntos Interiores, el cual ha aspecto durante el desarrollo y la aplicación del
demostrado ser más eficiente que el método Simplex, en algoritmo.
problemas complejos debido a su menor tiempo de
computo. Teniendo en cuenta los cambios en los límites inferiores
de los generadores y cargas ficticias el modelo seria, el
Conocida la propuesta de que circuitos (nij) y en donde se siguiente:
deben adicionar, el primer término de la función objetivo
Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P 61
θ ilimitados T
∇y1l = Mfij + Igrg − Icrc = DG, ∇fij l = c1 − M y1 − y2 − z1 + z2 = 0
donde, di es el límite inferior de los generadores ficticios, T T
gi es el limite inferior de las cargas ficticias, y DG es el ∇rg l = c2 − Ig y1 − z3 + z4 = 0, ∇rc l = c3 + Ic y1 − z5 + z6 = 0
vector de la demanda menos la generación. Aunque los
costos asociados a la inversión a los flujos y los ángulos, donde Zi son los multiplicadores de lagrange de (5).
en la función objetivo, son cero, es necesario definirlos
durante el proceso en el método de Puntos interiores. Como di=0 y gi=0, entonces rg=0 y rc=0, por lo tanto (6)
se puede representar de la siguiente forma:
El modelo matemático presentado en (4) es el modelo S1Z1e = µe; S2Z2e = µe
que se empleará para solucionar el problema de
operación usando el método de Puntos Interiores. Rg Z3e = µe, S4Z4e = µe
( ))
T T
n c2 − I g y1 − z3 + z4 = 0; c3 + Ic y1 − z5 + z6 = 0
i =1
(
− µ ∑ ln s1 + ln s2 + ln s3 + ln s4 + ln s5 + ln s6
donde: Sj es una matriz diagonal de sj, Zj es una matriz
s.a M fij + I g rg − I c rc = DG, fij + Nθ = 0 diagonal de zj, Rg es una matriz diagonal de rg, Rc es una
(5) matriz diagonal de rc, e es un vector de unos.
fij − s1 = L, fij + s2 = U
Las condiciones necesarias de optimalidad de primer
rg − s3 = di , rg + s4 = d orden, ecuaciones (7), son no-lineales y deben ser
solucionadas simultáneamente para obtener las
rc − s5 = gi , rc + s6 = g direcciones de búsqueda en los espacios primal y dual.
Generalmente estas ecuaciones son solucionadas
donde µ es parámetro de barrera que decrece empleando el método de Newton. El método de Newton
monótonamente a cero durante el proceso iterativo en el requiere la linealización de las condiciones necesarias de
método de Puntos Interiores. optimalidad de primer orden alrededor de un punto, para
un parámetro de barrera dado. Aplicando el método de
La función lagrangeana para el problema de
newton para solucionar (7) tenemos:
programación lineal representado en (5), y las
condiciones necesarias de optimalidad de primer orden k
(CONPO) de Karush-Kuhn-Tucker (KKT), las cuales se ⎡ X 0 0 0 M T I ⎤ ⎡∆fij ⎤ ⎡ R + X + T ⎤
⎢ 1 ⎥ ⎢ ⎥ 1 2 1
obtienen igualando el gradiente de la función lagrangeana k ⎢R + X + T ⎥
0 ⎥ ⎢∆rg ⎥
T
a cero, y que requiere que la primera derivada de l con ⎢ 0 X3 0 0 I g ⎢ 2 4 2⎥
⎢ T ⎥ ⎢ ∆r k ⎥ ⎢ R + X + T ⎥ (8)
respecto a todas las variables sean cero, es de la siguiente ⎢ 0 0 X 5 0 − Ic 0 ⎥ ⎢ c ⎥ = ⎢ 3 6 3 ⎥
forma. ⎢I 0 0 N 0 ⎢ k⎥
0 ⎥ ∆θ R10
⎢ ⎢ ⎥ ⎢ ⎥
T⎥⎢ k ⎥ ⎢ R4 ⎥
⎢ 0 0 0 0 0 N ⎥ 1 ∆y
⎢ ⎥
⎢⎣ M I g −Ic 0 0 0 ⎥ ⎢∆y k ⎥ ⎣ R9 ⎦
⎦ ⎢⎣ 2 ⎥⎦
62 Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P
donde: ⎧
k k k k ⎛ −s ⎞ ⎛ −s ⎞ ⎛ −r ⎞ ⎫
∆s1 = − R5 + ∆fij ; ∆s 2 = R6 − ∆fij ⎪ min ⎜ af1 ⎟ , min ⎜ 2af ⎟ , min ⎜ gaf ⎟ ,⎪
⎪∆s af <0 ⎝ ∆s1 ⎠ ∆s2af <0 ⎝ ∆s2 ⎠ ∆rg af <0 ⎜⎝ ∆rg ⎟⎠ ⎪
= min ⎨ 1 ⎬
af
k k k k αp
∆s 4 = R7 − ∆rg ; ∆s 6 = R8 − ∆rc
⎪ min ⎛ − s4 ⎞ , min ⎛ − rc ⎞ , min ⎛ − s6 ⎞ ⎪
k −1
∆z1 = − S1 Z1 s1 − R5 + ∆fij (
k
) + S1
−1 af
( af af
µ e − ∆S1 ∆Z1 e ) ⎪ af ⎜ af ⎟ af ⎜ af ⎟ af ⎜ af ⎟ ⎪
⎩∆s4 <0 ⎝ ∆s4 ⎠ ∆rc <0 ⎝ ∆rc ⎠ ∆s6 <0 ⎝ ∆s6 ⎠ ⎭
∆z 2
k
= −S2
−1
Z2 ( s 2 + R6 − ∆fij
k
) + S2
−1
(µ af
e − ∆S 2
af
∆Z 2
af
e ) ⎧ ⎛ − z1 ⎞ ⎛ − z2 ⎞ ⎛ − z3 ⎞ ⎫
⎪ min ,⎪
⎪∆z af <0 ⎜⎝ ∆z1af ⎟⎠ ∆z2af <0 ⎜⎝ ∆z2 af ⎟⎠ ∆z3af <0 ⎜⎝ ∆z3af ⎟⎠ ⎪
, min , min
∆z 3
k
= − Rg
−1
(
Z 3 rg + ∆rg
k
) + Rg
−1
(µ af
e − ∆R g
af
∆Z 3
af
e ) αd
af
= min ⎨ 1 ⎬
⎪ min ⎛ − z 4 ⎞ , min ⎛ − z5 ⎞ , min ⎛ − z6 ⎞ ⎪
∆z 4
k
= −S4
−1
Z4 ( s 4 + R7 − ∆rg
k
) + S4
−1
(µ af
e − ∆S 4
af
∆Z 4
af
e ) ⎪⎩∆z4af <0 ⎜⎝ ∆z 4 af ⎟⎠ ∆z5af <0 ⎝⎜ ∆z5 af ⎠⎟ ∆z6af <0 ⎜⎝ ∆z6 af ⎟⎠ ⎭⎪
∆z 5
k
= − Rc
−1
(
Z 5 rc + ∆rc
k
) + Rc
−1
(µ af
e − ∆Rc
af
∆Z 5
af
e ) af
α p = min 1, γ α p ( af
) y
af
α p = min 1, γ α d ( af
)
∆z 6
k
= − S6
−1
Z6 ( s 6 + R8 − ∆rc
k
) + S6
−1
(µ af
e − ∆S 6
af
∆Z 6
af
e ) donde γ típicamente es γ=0.99998.
−1
(
X 1 = − S1 + S 2
−1
) Una estimación del gap de complementaridad del paso
predictor es:
−1
X 2 = S1 Z1 s1 − R5 ( ) − S 2 −1Z 2 ( s2 + R6 ) ρˆ
af
= ( k af k
s1 + γα p ∆ s1 af ) (
T k af k
z 1 + γα d ∆ z 1 af ) +
X 3 = − Rg ( −1
Z3 + S4
−1
Z4 ) ( k af k
s 2 + γα p ∆ s 2 a f ) (
T k af k
z 2 + γα d ∆ z 2 a f )
X 4 = Rg
−1
Z 3 rg − S 4
−1
Z4 ( s4 + R7 )
( ) ( )
k af k T k af k
+ rg + γα p ∆ rg a f z 3 + γα d ∆ z 3 af
X 5 = − Rc ( −1
Z5 + S6
−1
Z6 )
( ) ( )
k af k T k af k
X 6 = Rc
−1 −1
Z 5 rc − S6 Z 6 s6 + R8 ( ) + s 4 + γα p ∆ s 4 a f z 4 + γα d ∆ z 4 af
( ) ( ) ( ) ( )
−1 af af af −1 af af af k af k T k af k
T1 = − S1 µ e − ∆S1 ∆Z1 e + S 2 µ e − ∆S 2 ∆ Z 2 e + rc + γα p ∆ rc a f z 5 + γα d ∆ z 5 af
⎧
⎪ min
⎛ − z1 ⎞ ⎛ − z2 ⎞ ⎛ − z3 ⎞ ⎫
,⎪
o
s1 = max ( ⎡⎣
ξ1 , max ( o
fij − L )⎤⎦ ) o
, s 2 = max ( ⎡⎣ (
ξ1 , max U − fij
o
)⎤⎦ )
⎪∆z k <0 ⎜⎝ ∆z1k ⎟⎠ ∆z2k <0 ⎜⎝ ∆z 2 k ⎟⎠ ∆z3k <0 ⎜⎝ ∆z3k ⎟⎠ ⎪
, min , min
( ⎡⎣ ( )⎤⎦ ) ( ⎡⎣ ( )⎤⎦ )
k o o o o
αd = min ⎨ 1 ⎬ s 4 = max ξ1 , max d − rg , s 6 = max ξ1 , max g − rc
⎪ min ⎛ − z 4 ⎞ , min ⎛ − z5 ⎞ , min ⎛ − z6 ⎞ ⎪
k ⎜ k ⎟ k ⎜ k ⎟ k ⎜ k ⎟
⎩⎪∆z4 <0 ⎝ ∆z 4 ⎠ ∆z5 <0 ⎝ ∆z5 ⎠ ∆z6 <0 ⎝ ∆z6 ⎠ ⎪⎭ Las variables duales y1=0 y y2=0, deben satisfacer las
k
(
k
α p = min 1, γ α p ) y k
( k
α d = min 1, γ α d ) condiciones de factibilidad dual:
o
z1 = c1 + ξ 2 ,
o o
z 2 = ξ 2 z3 = c 2 + ξ 2
o o o
3.3 Actualización de las variables z4 = ξ 2 , z5 = c3 + ξ 2 , z5 = ξ 2
Las actualizaciones de las variables se realizan usando las donde: ζ1, y ζ3 son parámetros definidos inicialmente. En
siguientes expresiones: [3] se recomienda el uso de ζ1=100, y ζ3=1. Sin
embargo, en [2] se recomienda usar ζ1=1, y ζ3=0.01. Con
k +1 k k
fij = fij + α p ∆fij
y1
k +1 k k
= y1 + α d ∆y1
estos parámetros se logro que el algoritmo convergiera
k +1 k k
más rápido, con un ahorro entre el 20-30 % del tiempo
rg = rg + α p ∆rg k +1 k k computacional total.
y2 = y 2 + α d ∆y 2
k +1 k k k +1 k k
rc = rg + α p ∆rc z1 = z1 + α d ∆z1 4. ALGORITMO HEURÍSTICO CONSTRUCTIVO.
Garver fue el primero en proponer un algoritmo
k +1 k k k +1 k k
θ =θ + α p ∆θ z2 = z 2 + α d ∆z 2 heurístico constructivo usando el modelo DC [5]. Otros
k +1 k k k +1 k k
algoritmos heurísticos para encontrar soluciones usando
s1 = s1 + α p ∆s1 z3 = z3 + α d ∆z3 el modelo DC pueden ser consultados en la literatura
k +1 k k k +1 k k especializada.
s2 = s 2 + α p ∆s 2 z4 = z 4 + α d ∆z 4
50 MW 80 MW
240 MW 53.0 MW
5 1
165 MW 187.0 MW
51.3 MW
3
62.0 MW
40 MW 240 MW 31.7 MW
2
Figura 3. Comportamiento de la función objetivo y el costo del
corte de carga.
6. CONCLUSIONES
356.9 MW
Se ha presentado una metodología la cual usa el método
de puntos interiores predictor corrector el cual hace parte
de la familia de los métodos de puntos interiores de alto
6
188.1 MW 4
545 MW 160 MW orden. La metodología presentada es innovadora y tiene
Figura 1. Solución óptima del sistema de 6 barras de Garver. grandes ventajas computacionales respecto a las
metodologías tradicionales que se han empleado para dar
solución al problema.
7. BIBLIOGRAFÍA
[1] I.J. Lusting, R.E. Marsten and D.F. Shanno, “ On
implementing mehrota’s predictor-corrector interior
point method for linear programming”. SIAM
Journal on Optimazation, vol. 2, pp. 435-449, 1992.
[2] X. Yan, and V.H Quintana, ”An efficient predictor
interior pointer algorithm for segurity-constrained
economic dispatch”, IEEE trans. Power Systems,
Figura 2. Evolución del parámetro de barrera.
vol. 12 no. 2 pp. 803-810, May. 1997.
En la figura 3 se muestra el comportamiento de la [3] RIDER, Marcos J. Método de Puntos Interiores para
función objetivo y el corte de carga, con la evolución del Optimización en Sistemas de Potencia. Universidad
algoritmo heurístico constructivo, empleando el método Tecnológica de Pereira, Pereira 2004.
de Puntos Interiores para solucionar los problemas de [3] GALLEGO, Ramón A., Escobar Antonio H., Romero
programación lineal (PL) que se requiere solucionar en Rubén A. Optimización en Sistemas Eléctricos I.
cada paso del algoritmo. Se utiliza un parámetro de Programación Lineal, Primera edición, Universidad
penalización de 1. Por lo tanto el corte de carga es igual Tecnológica de Pereira, Pereira, 2003.
al costo de la carga no atendida, la cual en el proceso [4] L.L. Garver, “Transmission network estimation
iterativo disminuye hasta llegar a cero. using linear programming”, IEEE Trans. Power App.
Systems, vol. 89, no. 7, pp. 1688-1697, 1970.