Scientia et Technica Año XI No 28 Octubre de 2005 UTP.

ISSN 0122-1701 59

METODOLOGÍA PARA SOLUCIONAR EL MODELO DC PARA REDES DE

TRANSMISIÓN DE ENERGÍA ELÉCTRICA USANDO PUNTOS INTERIORES

RESUMEN LUIS ALFONSO GALLEGO

En este artículo se presenta una metodología para solucionar el modelo DC. El PAREJA
cual se utiliza para representar la red eléctrica el problema del planeamiento de Ingeniero Electricista.
la expansión de redes de transmisión. El modelo DC es solucionado empleando Estudiante de maestría en ingeniería
el método de Puntos Interiores, el cual ha demostrado ser un matemáticamente eléctrica. Universidad Tecnológica
muy eficiente en problemas de gran tamaño y gran complejidad [3]. de Pereira.
algallego@utp.edu.co
PALABRAS CLAVES: Puntos Interiores, Método de Barrera Logarítmica,
Programación Lineal. Grupo de Investigación en
Planeamiento de Sistemas Eléctricos.
ABSTRACT
In this article a methodology appears to solve model DC. Model DC is used to
representen the mains in the problem of the transmission network expansion
planning. Model DC is solved using the Interior Points Method, which has
demonstrated to be a very efficient method for problems of great size and to
great complexity.

KEYWORDS: Interior Points, Method of Logarithmic Barrier, Linear programming.

1. INTRODUCCIÓN 2. MODELAMIENTO MATEMÁTICO.

Se presenta una metodología para solucionar los En esta sección se presenta el modelo matemático para
problemas de transmisión de redes de energía eléctrica, problemas de planeamiento de redes de transmisión de
cuando se usa el modelo DC. La metodología que se energía eléctrica usando el modelo DC. El modelo DC es
plantea presenta grandes ventajas respecto a las técnicas representado de la siguiente forma:
que se han empleado tradicionalmente para solucionar min v = ∑ c n
este problema. Entre las ventajas se encuentra la (i , j )∈Ω ij ij
disminución del tiempo computacional para problemas de s.a S fij + g = d
gran tamaño y gran complejidad. La metodología
planteada utiliza el método de Puntos Interiores, el cual o
fij − γ ij ( nij + nij )(θ i − θ j ) = 0
ha demostrado ser una herramienta muy eficiente para
solucionar problemas complejos. Comúnmente se ha o max
fij ≤ ( nij + nij ) f
empleado el método Simplex para solucionar el modelo ij
DC, el cual en problemas de gran tamaño y gran max
0≤g≤g (1)
complejidad presenta grandes dificultades, debido a que
en este método, el tiempo de cómputo crece max
0 ≤ nij ≤ n
exponencialmente con el tamaño del problema. ij
nij entero
Esta metodología puede ser empleada en los problemas
de planeamiento de la expansión de redes de energía fij y θj ilimitados
eléctrica, donde el problema es determinar donde y
cuantos circuitos deben ser adicionados a la red inicial, (i , j ) ∈ Ω
minimizando el costo de inversión de tales circuitos. El donde cij, γij, nij, nijo, fij, representan respectivamente el
problema de la expansión de redes eléctricas es un costo del circuito del circuito que puede ser adicionado
problema de una explosión combinatorial alta, y por lo entre el corredor i-j, la susceptancia del circuito, el
tanto, usar técnicas exactas para encontrar su solución número de circuitos a ser adicionados entre el corredor
puede es inadecuado, debido al alto tiempo i-j, el número de circuitos de la red base, flujo de
computacional requerido. Por lo general, se emplean potencia, y fijmax flujo de potencia máximo permitido por
técnicas combinatoriales que no garantizan la solución corredor. La variable v es la variable de inversión, S es la
óptima del problema pero encuentran soluciones de matriz de incidencia transpuesta rama-nodo del sistema
buena calidad, en tiempos computacionales aceptables. de potencia, f es un vector de los elementos de fij , g es
un vector de generaciones en las barras, y d es el vector
de demanda.
Este modelo es considerado ideal para realizar los
trabajos de planeamiento de la expansión de redes de
Fecha de Recepción: 31 Mayo de 2005
Fecha de Aceptación: 12 Septiembre de 2005
60
transmisión. En el modelo DC, el sistema eléctrico
completo debe satisfacer las dos leyes de Kirchhoff, esto
es, todas las barras del sistema deben satisfacer la
primera ley de Kirchhoff y todos los circuitos existentes
deben satisfacer la segunda ley de Kirchhoff.
Cuando se trabaja en el problema de planeamiento de la
expansión de redes de transmisión de energía eléctrica,
usando un algoritmo combinatorial se encuentran las
propuestas de los circuitos que deben ser adicionados a la
red en cada paso. El modelo DC se resuelve entonces,
para la red modificada con el fin de determinar la
demanda no atendida para dicha propuesta, el modelo DC
teniendo en cuenta los cortes de carga asume la siguiente
forma:
min v = ∑ c n + α ∑ rg
(i , j )∈Ω ij ij
s.a sfij + rg − rc = d − g
o
fij − γ ij ( nij + nij )(θ i − θ j ) = 0
o max
fij ≤ ( nij + nij ) f
ij
0 ≤ rg ≤ d
max
max
0 ≤ rc ≤ g
θj ilimitados
donde, α es el factor de penalización asociado a la
potencia no atendida, rg son los generadores ficticios
asociados a las cargas, y que deben ser adicionados
cuando la generación no puede atender la demanda por
limitaciones de la red de transmisión, y rc son las cargas
ficticias asociadas a los generadores, y que deben ser
adicionada cuando la generación de un nodo no puede ser
evacuada por restricciones en la transmisión.
El modelo presentado en (2) es un modelo no lineal,
debido a que existen multiplicaciones de variables, en el
segundo conjunto de ecuaciones de las restricciones del
problema. Las no linealidades desaparecen cuando se
trabaja con algoritmos combinatoriales, los cuales en sus
propuestas de solución entregan donde y cuantos
circuitos se deben adicionar a la red inicial, para intentar
encontrar la solución óptima del problema del
planeamiento de la expansión. Por tal motivo, el
problema se convierte en un problema lineal y se puede
emplear cualquier técnica que resuelva problemas de
programación lineal, como: el método Simplex ó el
método de Puntos Interiores.
Es este documento se solucionará el problema mostrado
en (2) usando el método de Puntos Interiores, el cual ha
demostrado ser más eficiente que el método Simplex, en
problemas complejos debido a su menor tiempo de
computo.
Conocida la propuesta de que circuitos (nij) y en donde se
deben adicionar, el primer término de la función objetivo
Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P
en la ecuación (2) es conocido y faltaría por conocer el
segundo termino de la función objetivo. En consecuencia
el subproblema que se debe resolver para determinar
modelo el corte de carga asume la siguiente forma:
min w = α ∑ rg
s.a sfij + rg − rc = d − g
o
fij − γ ij ( nij + nij )(θ i − θ j ) = 0
o max
fij ≤ ( nij + nij ) f (3)
ij
max
0 ≤ rg ≤ d
max
0 ≤ rc ≤ g
θj ilimitados
Se requiere hacer unas modificaciones al conjunto de
ecuaciones mostrado en (3), para adaptar el problema al
método de Puntos Interiores, por lo tanto el problema
operativo (3) ser reescribe de la siguiente manera
(2)
T T T T
min w = c1 fij + c2 rg + c3 rc + c4 θ
s.a M fij + I g rg − I c rc = DG
fij + Nθ = 0
L ≤ fij ≤ U (3)
0 ≤ rg ≤ d
0 ≤ rc ≤ g
θ ilimitados
donde, M es la matriz de incidencia transpuesta
elemento/nodo, N es la matriz de incidencia transpuesta
que esta multiplicada por la susceptancia del corredor y
por el número de circuitos de dicho corredor, L es el
límite inferior de los flujos por corredor. U es el límite
superior de los flujos por corredor.
Aunque los límites inferiores de los generadores ficticios
y las carga ficticias están en cero, al usar el método de
Puntos Interiores se debe considerar renombrar estos
límites inferiores posteriormente asignándole el valor de
cero. El método de Puntos Interiores que se utilizará es
un método de Puntos Interiores de los métodos de alto
orden denominado “Método Barrera logarítmica Primal
dual Predictor-Corrector. Este método emplea dos fases
en el proceso de solución de los problemas de
programación lineal. Más adelante se presenta este
aspecto durante el desarrollo y la aplicación del
algoritmo.
Teniendo en cuenta los cambios en los límites inferiores
de los generadores y cargas ficticias el modelo seria, el
siguiente:
Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P 61

T T T T ∇z1l = fij − s1 = L, ∇z2 l = fij + s2 =U

min w = c1 fij + c2 rg + c3 rc + c4 θ

s.a ∇z3l = rg − s3 = di , ∇z4 l = rg + s4 = d

M fij + I g rg − I c rc = DG ∇z5 l = rc − s5 = gi , ∇z6 l = rc + s6 = g

fij + Nθ = 0 ∇y2 l = fij + Nθ = 0, ∇s1l = S1Z1e = µe

(4)
L ≤ fij ≤ U ∇s2 l = S2Z2e = µe, ∇s3l = S3Z3e = µe (6)

d i ≤ rg ≤ d ∇s4 l = S4Z4e = µe, ∇s5 l = S5Z5e = µe

T
g i ≤ rc ≤ g ∇s6 l = S6Z6e = µe, ∇θ l = c4 − N y2

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

3. APLICACIÓN DEL MÉTODO DE PUNTOS RcZ5e = µe; S6Z6e = µe

INTERIORES AL MODELO DC. T
Usando las variables de holgura para convertir las N y2 = c4; fij − s1 = L
desigualdades en igualdades en (4), usando el criterio de (7)
fij + s2 = U; rg + s4 = d
barrera logarítmica para eliminar las restricciones de no
negatividad, y penalizando las restricciones de sj ≥0 rc + s6 = g; fij + Nθ = 0
tenemos:
T
T T T T Mfij + I g rg − Icrc = DG; c1 − M y1 − y2 − z1 + z2 = 0
min w = c1 fij + c2 rg + c3 rc + c4 θ

( ))
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

T2 = − R g ( µ af e − ∆Rg af ∆Z3af e) + S4−1 ( µ af e − ∆S4af ∆Z 4af e)

−1
+ ( k af k
s 6 + γα p ∆ s 6 a f ) (
T k af k
z 6 + γα d ∆ z 6 af )
T3 = − Rc ( µ e − ∆Rc ∆Z 5 e ) + S6 ( µ e − ∆S6 ∆Z 6 e )
−1 af af af −1 af af af
k T T T T T T
ρˆ = s1 z1 + s 2 z 2 + rg z3 + s 4 z 4 + rc z5 + s6 z 6
3.1 Paso predictor
El método de Barrera Logarítmica Primal Dual Predictor- Una forma más elaborada de estimar el parámetro de
Corrector es una variante del método de Barrera
Logarítmica Primal Dual mejorando el cálculo de las
barrera es: µ
af
= min {( ρˆ af
/ ρˆ k ) ,0.2} ρˆ
2 af
/ 2n

direcciones de búsqueda para acelerar el proceso de

convergencia, [1]. donde n es el número de variables del problema de
programación lineal. La estrategia seleccionada para el
En el paso predictor sólo se tienen en cuenta los términos parámetro de barrera, es pequeño cuando la dirección
lineales, y se desprecia el parámetro de barrera. Este affine-scaling produce una gran disminución en el gap de
parámetro será calculado en el paso corrector. Por lo complementaridad, en el caso contrario el gap de
tanto el sistema que se soluciona en el paso predictor no complementaridad será grande.
tiene en cuenta los términos T1, T2 T3 de la parte
derecha de (8), y para el cálculo las variables ∆s sólo se 3.2 Paso corrector
tiene en cuenta el primer término que las conforma. Con los resultados del Paso Predictor se puede calcular
los términos no lineales. Los tamaños de los pasos primal
El paso predictor es usado para aproximar los términos y dual para el paso corrector se pueden calcular
no-lineales, y para estimar el valor del parámetro de como:
barrera µk que serán usados en el paso corrector. ⎧ ⎛ −s ⎞ ⎛ −s ⎞ ⎛ −r ⎞ ⎫
⎪ min ⎜ 1k ⎟ , min ⎜ 2k ⎟ , min ⎜ gk ⎟ ,⎪
El tamaño del paso primal y dual, en la dirección affine- k ⎪∆s k <0 ⎝ ∆s1 ⎠ ∆s2k <0 ⎝ ∆s2 ⎠ ∆rg k <0 ⎜⎝ ∆rg ⎟⎠ ⎪
scaling, αpaf y αdaf están relacionados con los tamaños αp = min ⎨ 1 ⎬
máximos de los pasos permitidos de las variables primal ⎪ min ⎛ − s4 ⎞ , min ⎛ − rc ⎞ , min ⎛ − s6 ⎞ ⎪
y dual, respectivamente, en la iteración k. ⎪ k ⎜ k⎟ k ⎜ k⎟ k ⎜ k⎟⎪
⎩∆s4 <0 ⎝ ∆s4 ⎠ ∆rc <0 ⎝ ∆rc ⎠ ∆s6 <0 ⎝ ∆s6 ⎠ ⎭
Los tamaños de los pasos primal y dual para el paso
predictor se pueden calcular como:
Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P 63

⎧
⎪ 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

k +1 k k k +1 k k Un algoritmo heurístico constructivo involucra un

s4 = s 4 + α p ∆s 4 z5
k +1 k k
s6 = s 6 + α p ∆s 6 z6
3.4 Selección del punto inicial
Uno de los aspectos más importante en los métodos de
Puntos Interiores es la selección del punto inicial.
Experimentos numéricos presentados en [2] muestran
como se puede calcular el punto inicial. Esta es una de las
propuestas que se encuentran disponibles en la literatura
especializada para su cálculo. También en [3] se presenta
otra forma de calcular el punto inicial, aunque esta
propuesta a resultado menos eficiente que la presentada
en [2], se tendrá en cuenta durante la investigación
intentando encontrar la propuesta que mejor se adapte a
las condiciones del problema operativo.
A continuación se presenta la propuesta de la referencia
[2] para el cálculo del punto inicial, adaptada al problema
de determinación del corte de carga para cada propuesta:
¾ Se debe definir primero:
ξ1 = 1, ξ3 = 0.01, ξ 2 = 1 + ξ3 c
donde: ||.|| es la norma del vector c, además c esta
conformado por todos los vectores de costo, esto es:
c=c1+c2+c3+c4.
¾ Luego se define el punto inicial de las variables que
conforman el problema primal:
o o o o
fij = ξ1 , rg = ξ1 , rc = ξ1 , θ g = ξ1
¾ Definidas las variables iniciales del problema primal,
se pueden evaluar las variables de holgura del
problema primal a través de:
= z5 + α d ∆z5 proceso iterativo en el cual se encuentran soluciones de
k +1 k k buena calidad a problemas complejos. Una alternativa de
= z 6 + α d ∆z 6
solución consiste en adicionar líneas o transformadores
en cada paso, y el proceso termina cuando se encuentra
una solución de buena calidad. En el caso del problema
de la expansión de redes de transmisión de energía
eléctrica, un circuito es seleccionado y adicionado a la
red inicial en cada iteración, y el proceso finaliza cuando
la solución es factible y es de buena calidad. El algoritmo
heurístico es menos robusto y la convergencia es más
rápida, pero, los algoritmos heurísticos usados en
problemas de gran tamaño y gran complejidad son
inadecuados, debido a que no garantizan soluciones de
alta calidad, ni la solución óptima del problema.
5. PRUEBAS Y RESULTADOS.
Para probar la metodología se empleó el denominado
sistema eléctrico Garver, el cual consta de 6 barras y
posee una generación y una demanda de 760 MW [1].
El algoritmo constructivo más el método de Puntos
Interiores encuentra la solución óptima después de 7
iteraciones. La solución encontrada es: n2--4=4, n3--5=1,
n4-6=2.
En la figura 1 se muestra la solución encontrada por el
algoritmo heurístico constructivo y el método de Puntos
Interiores, la cual tiene un costo de inversión de 200,000
de dólares y un corte de carga cero.
En la figura 2 se muestra el desempeño del parámetro de
barrera µ, el cual empieza en un valor muy alto y durante
el proceso iterativo del método de Puntos interiores
decrece a cero.
64 Scientia et Technica Año XI, No 28, Octubre de 2005. U.T.P

Durante la ejecución del método de Puntos Interiores se

utilizaron los siguientes parámetros:
• Criterio de parada: cuando las condiciones de
factibilidad y optimalidad son cumplidas con un error
de 10-10, o el parámetro de barrera es igual a 10-15.
• γ = 0.99998.
• Parámetro de penalización: α = 1.

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.

Se ha empleado un algoritmo heurístico constructivo para

dar solución al problema del planeamiento de redes de
transmisión de energía eléctrica. En cada paso el
algoritmo usa un índice de sensibilidad para adicionar
circuitos en el proceso de búsqueda y emplea el método
de puntos interiores para dar solución a los problemas de
programación lineal que resultan cuando se trabaja en el
problema de planeamiento eléctrico.

Figura 2. Evolución del parámetro de barrera.
En la figura 3 se muestra el comportamiento de la
función objetivo y el corte de carga, con la evolución del
algoritmo heurístico constructivo, empleando el método
de Puntos Interiores para solucionar los problemas de
programación lineal (PL) que se requiere solucionar en
cada paso del algoritmo. Se utiliza un parámetro de
penalización de 1. Por lo tanto el corte de carga es igual
al costo de la carga no atendida, la cual en el proceso
iterativo disminuye hasta llegar a cero.
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,
vol. 12 no. 2 pp. 803-810, May. 1997.
[3] RIDER, Marcos J. Método de Puntos Interiores para
Optimización en Sistemas de Potencia. Universidad
Tecnológica de Pereira, Pereira 2004.
[3] GALLEGO, Ramón A., Escobar Antonio H., Romero
Rubén A. Optimización en Sistemas Eléctricos I.
Programación Lineal, Primera edición, Universidad
Tecnológica de Pereira, Pereira, 2003.
[4] L.L. Garver, “Transmission network estimation
using linear programming”, IEEE Trans. Power App.
Systems, vol. 89, no. 7, pp. 1688-1697, 1970.