Experiencia 8: Optimización

César Molina López 201723065-7

Christhopher Urquieta 201623520-5

Profesor: José Reinoso

Fecha de entrega: Domingo 17 de Julio

1
Índice de Contenidos
1. Introducción 3

2. Desarrollo 4
2.1. Pregunta 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.1. a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.2. b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.3. c . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.4. d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2. Pregunta 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1. a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2. b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3. Conclusiones 10

4. Anexos 11

2
1. Introducción
La dinámica de los sistemas eléctricos de potencia implican un encendido y apagado en unidades generadores
y un costo asocidado a esto, ya sea costo de encendido o un costo de pérdidas. Es por ello que se busca optimizar
la distribución de la potencia de tal manera que disminuyan los costos, es decir, con el costo más barato posible
lograr la demanda exigida por las cargas en el SEP.

3
2. Desarrollo
2.1. Pregunta 1
En un sistema con 5 barras, hay 5 generadores que cuentan con sus restricciones propias, además de las
demandas de potencia que hay en cada barra. A medida que se incluyan restricciones al sistema, veremos como
varı́a la optimización generada.

2.1.1. a
La prinera restricción a considerar es la potencia máxima que logra cada generador, los datos de esa potencia
son los siguientes:

Generador Pmáx [MW]

1 80
2 220
3 520
4 200
5 600

Tabla 1: Potencias máximas de generadores

Ademas considerando la ecuacion a optimizar:

Costo = P1 · 14 + P2 · 15 + P3 · 30P4 · 32 + P5 · 10
Y la ecuacion de Balance nodal:
P1 + P2 + P3 + P4 + P5 = 1000;
Donde cada una de las potencias corresponden a cada uno de los generadores, con esto en mente se implementa
el metodo primal con las siguientes matrices:
Matriz A:  
1 0 0 0 0
0 1 0 0 0
 
0 0 1 0 0 (1)
 
0 0 0 1 0
0 0 0 0 1
Matriz B:  
80
220
 
520 (2)
 
200
600
Matriz Aeq :  
1
1
 
1 (3)
 
1
1
Y se tiene Beq = 1000
Con esto presente finalmente es posible realizar la optimizacion inicial considerando solo las potencias maximas
que los generadores pueden entregar, se realiza un procedimiento çonjugado”para realizar el problema dual, de
los cuales se obtiene lo siguiente:

4
Potencias obtenidas como resultado del problema primal:
 
80
 220 
 
 520  (4)
 
−420
600

Del problema dual se obtienen los siguientes resultados:

 
−16
−15
 
 0 

 0 
 (5)
 
−20
30

Con estos ultimos es posible comprobar que el primero estaba correcto ya que se encuentran correlacionados
mediante sus variables/ecuaciones. Notar que una potencia se vuelve negativa, esta debido a que se busca un
optimo sin especificar que los valores deben de ser solo positivos.

2.1.2. b
Como segunda restricción, se agregan las potencias mı́nimas que los generadores pueden suministrar. Para
efectos de calculos, si algún generador entrega menos de esta potencia, se considerará como apagado para la
optimización y su potencia no será considerada. Realizando el mismo procedimiento anterior pero esta vez

Generador Pmı́n [MW]

1 10
2 30
3 100
4 40
5 100

Tabla 2: Potencias mı́nimas de generadores

incluyendo las restricciones para potencia minima, se obtiene:

 
80
180
 
100 (6)
 
 0 
600

2.1.3. c
La variable que se agrega es una variable binaria, esto es para facilitar el trabajar con simulaciones en la
optimización. Al final de la optimización, esta variable nos indicará si el generador se encuentra encendido o
apagado.

5
 De esto se obtiene la siguiente solucion:  
1,0000
 1,0000 
 
 1,0000 
 

 0 

 1,0000 
 
 80,0000  (7)
 
220,0000
 
100,0000
 
 0 
600,0000
Donde los primeros 5 terminos son el indicador binario, de encendido o apagado para cada generador, los 5
consiguientes son las respectivas potencias que generan cada uno.

2.1.4. d
Como último dato a agregar, se agrega en la optimización los costos de encendido de las unidades generadoras,
ası́ se puede llegar a simular de la forma más precisa posible una distribución que cumpla con las condiciones
de ser lo más barata posible cumpliendo con el nivel de demanda presentado:
Al incluir el costo de encendido como una restriccion se obtiene:

Generador Costos[USD/MW]
1 180
2 190
3 240
4 30
5 210

Tabla 3: Costo de encendido de unidades

 
1,0000
 1,0000 
 
 1,0000 
 

 0 

 1,0000 
 
 80,0000  (8)
 
220,0000
 

 0 

100,0000
600,0000

Es posible ver que existe un cambio en los generadores que producen la energia, esto claramente es debido a que
ahora se considera el costo de encender el generador. Ademas cabe destacar como la solucion fue cambiando
conforme se le incorporaron restricciones al problema, como que generador debe encenderse, la potencia de cada
generador, el costo de cada uno, con ello se obtiene una solucion mas precisa y rigurosa, realizando algo mas
proximo a la realidad.

2.2. Pregunta 2
Se nos presenta un SEP con 6 barras en él, los datos de este sistema son presentados a continuación:

6
 Lı́nea Desde Hasta X [p.u] Smax
1 1 2 0.0281 1000
2 1 4 0.0304 1000
3 1 5 0.0064 1000
4 2 3 0.0108 1000
5 3 4 0.0297 1000
6 4 5 0.0297 1000

Tabla 4: Datos de las Lı́neas del sistema

2.2.1. a
Estos datos de lı́nea son incluidos en el sistema estudiado anteriormente considerando un modelo simplificado
DC, resolviendo se obtiene la solucion:  
1,0000
 1,0000 
 
 1,0000 
 

 0 

 1,0000 
 
 3,0179 
 
 3,1306 
 
 3,1416  (9)
 
 3,0826 
 
 2,9977 
 
 80,0000 
 
220,0000
 

 0 

100,0000
600,0000
Donde los resultados mostrados corresponden del 1-5 al binario de encendido o apagado de los generadores, del
6-10 se muestran los angulos correspondientes a la resolucion del sistema de ecuaciones:

Cg · Pg − Pd = Bbus · Angulos

Bbus = A′ · Yprim · A

F = Yprim · A · Angulos
Donde se modela la ecuacion de flujo y correlaciones correspondientes.

2.2.2. b
Una vez armado el sistema de la maner más completa posible, se limita el flujo de potencia en las lı́neas a
200[MW], esta limitación será a cada lı́nea a la vez, es decir, se optimizaran 6 casos en donde una lı́nea distinta
tendrá un lı́mite de 200[MW].

7
 Caso 1, linea 1 limitada a 200[Mw]:  
0

 0 

 1,0000 
 

 0 

 1,0000 
 
 3,0854 
 
 3,1416 
 
 3,1308  (10)
 
 3,0829 
 
 3,0626 
 

 0 


 0 

407,0600
 
 0 
592,9400
Caso 2, linea 2 limitada a 200[Mw]:  
1,0000
 1,0000 
 

 0 

 1,0000 
 
 1,0000 
 
 3,0201 
 
 3,1313 
 
 3,1416  (11)
 
 3,0809 
 
 2,9993 
 
 80,0000 
 
190,4200
 

 0 

129,5800
600,0000
Caso 3, linea 3 limitada a 200[Mw]:  
1,0000
 1,0000 
 
 1,0000 
 

 0 

 1,0000 
 
 3,0593 
 
 3,1416 
 
 3,1408  (12)
 
 3,1223 
 
 3,0465 
 
 80,0000 
 
 220,000 
 
244,8300
 
 0 
455,1700

8
Caso 4, linea 4 limitada a 200[Mw]:  
1,0000
 1,0000 
 

 0 

 1,0000 
 
 1,0000 
 
 3,0179 
 
 3,1306 
 
 3,1416  (13)
 
 3,0826 
 
 2,9977 
 
 80,0000 
 
 220,000 
 

 0 

100,0000
600,0000
Caso 5, linea 5 limitada a 200[Mw]:  
1,0000
 1,0000 
 

 0 

 1,0000 
 
 1,0000 
 
 3,0179 
 
 3,1306 
 
 3,1416  (14)
 
 3,0826 
 
 2,9977 
 
 80,0000 
 
 220,000 
 

 0 

100,0000
600,0000
Caso 6, linea 6 limitada a 200[Mw]:  
1,0000
 1,0000 
 
 1,0000 
 
 1,0000 
 
 1,0000 
 
 3,0473 
 
 3,1388 
 
 3,1416  (15)
 
 3,0950 
 
 3,0356 
 
 80,0000 
 
 220,000 
 
117,3100
 
200,0000
382,6900
Al analizar los casos es posible notar como afecta el hecho de una linea u otra este limitada, pues al limitar
alguna linea, es necesario obtener potencia de otro generador aun cuando esto genere un incremento grande
en el costo, ya que lo principal es lograr que la potencia demandada sea abastecida, siempre y cuando esto
sea permitido por la potencia maxima transferible y generada, en segundo lugar se analiza el costo asociado
a la disponibilidad de despacho para elegir cual generador estara encendido y cuanta potencia entregara
respectivamente cada uno de ellos.

9
3. Conclusiones
Gracias al programa MATLAB, se pudo optimizar el SEP a pesar de las restricciones y condiciones existentes
que generaban una gran cantidad de ecuaciones para el problema dual. Con un buen planteamiento y los
comandos de optimización de MATLAB fue posible lograr una optimización en cada caso presentado.

10
4. Anexos

clear all ; clc

Xmax = [ 8 0 220 520 200 6 0 0 ] ;

Xinf = [10 30 100 40 1 0 0 ] ;
D = [ 0 300 300 400 0 ] ; %Mw
CEG = [ 1 8 0 190 240 30 2 1 0 ] ; %USD

G = [];

c = [ 1 4 15 30 32 1 0 ] ; %USD/MW
A = eye ( 5 ) ;
Aeq = [ 1 1 1 1 1 ] ;
B = [ Xmax( 1 ) Xmax( 2 ) Xmax( 3 ) Xmax( 4 ) Xmax ( 5 ) ] ;
Beq = sum (D) ;
p o t e n c i a s = l i n p r o g ( c ’ , A, B, Aeq , Beq , Xinf , Xmax ) ;
% restricciones
% sum ( x)=sum (D) ; o
% P1<PG1 ( 2 ) ; v1
% P2<PG2 ( 2 ) ; v2
% P3<PG3 ( 2 ) ; v3
% P4<PG4 ( 2 ) ; v4
% P5<PG5 ( 2 ) ; v5
% X>0;

% [ v1 v2 v3 v4 v5 o ] ; nueva ” f u n c i o n v a r i a b l e s ” para problema d u a l

% V1∗Xmax(1)+V2∗Xmax(2)+V3∗Xmax(3)+V4∗Xmax(4)+V5∗Xmax(5)+ o∗sum (D) ;
% o+v1< CG( 1 )
% o+v2< CG( 2 )
% o+v3< CG( 3 )
% o+v4< CG( 4 )
% o+v5< CG( 5 )
% V > 0;
Ad = [ 1 0 0 0 0 1 ; 0 1 0 0 0 1 ; 0 0 1 0 0 1 ; 0 0 0 1 0 1 ; 0 0 0 0 1 1 ] ;
Bd = [ 1 4 15 30 32 1 0 ] ;
Adeq = [ ] ;
Bdeq = [ ] ;
u = [ Xmax( 1 ) Xmax( 2 ) Xmax( 3 ) Xmax( 4 ) Xmax( 5 ) sum (D ) ] ; % nuevo c
t e n=l i n p r o g (−u , Ad , Bd , Adeq , Bdeq ,[ − i n f − i n f − i n f − i n f − i n f − i n f ] , [ 0 0 0 0 0 i n f ] ) ;

%% Metodo Pro
clear all ; clc ;

Costos = [ 1 4 , 1 5 , 3 0 , 3 2 , 1 0 ]
Costo en = [ 180 ,1 90 ,24 0 , 30 ,21 0]
D = 1000;
Pmax = [ 8 0 , 2 2 0 , 5 2 0 , 2 0 0 , 6 0 0 ] ;
Pmin = [ 1 0 ; 3 0 ; 1 0 0 ; 4 0 ; 1 0 0 ] ;
n gen =l e n g t h ( C o s t o s ) ;

p = optimvar ( ’ p ’ , n gen , ’ Type ’ , ’ c o n t i n u o u s ’ , ’ LowerBound ’ , 0 , ’ UpperBound ’ , i n f ) ;

g = optimvar ( ’ g ’ , n gen , ’ Type ’ , ’ i n t e g e r ’ , ’ LowerBound ’ , 0 , ’ UpperBound ’ , 1 ) ;

%e n c e n d i d o de gen

11
o b j e t i v o = sum ( C o s t o s ∗p)+sum ( C o s t o e n ∗ g )
prob = optimproblem ( ” O b j e c t i v e ” , o b j e t i v o , ’ O b j e c t i v e S e n s e ’ , ’ min ’ ) ;

prob . C o n s t r a i n t s . b a l a n c e = sum ( p ) == D

Pmax m = [ Pmax ( 1 ) 0 0 0 0
0 Pmax ( 2 ) 0 0 0
0 0 Pmax ( 3 ) 0 0
0 0 0 Pmax ( 4 ) 0
0 0 0 0 Pmax ( 5 ) ]
Pmin m = [ Pmin ( 1 ) 0 0 0 0
0 Pmin ( 2 ) 0 0 0
0 0 Pmin ( 3 ) 0 0
0 0 0 Pmin ( 4 ) 0
0 0 0 0 Pmin ( 5 ) ]
Pot max = o p t i m c o n s t r ( n gen , 1 ) ;
Pot max = p <= Pmax m∗ g
prob . C o n s t r a i n t s . Pot max= Pot max

Pot min = o p t i m c o n s t r ( n gen , 1 ) ;

Pot min = p >= Pmin m∗ g
prob . C o n s t r a i n t s . Pot min= Pot min

problema = p r o b 2 s t r u c t ( prob )
[ s o l , f v a l , e x i t f l a g , output ] = i n t l i n p r o g ( problema )

%% Parte I I
clear all , clc ;

Sb = 1 0 0 ;
x = [0.0281 0.0304 0.0064 0.0108 0.0297 0 . 0 2 9 7 ] ; % [ p . u ]
L in ea = [ 1 , 2 , 3 , 4 , 5 , 6 ] ;
Desde = [ 1 , 1 , 1 , 2 , 3 , 4 ] ;
Hasta = [ 2 , 4 , 5 , 3 , 4 , 5 ] ;
Gene = [ 1 , 2 , 3 , 4 , 5 ] ; % G e n e r a d o r e s x B a r r a s
barras = [ 1 , 1 , 3 , 4 , 5 ] ;
DB = [ 0 ; 3 0 0 ; 3 0 0 ; 4 0 0 ; 0 ] / 1 0 0 ;
Cg = z e r o s ( 5 , 5 ) ;
f o r b=Gene
Cg( b a r r a s ( b ) , b )=1;
end
Yprim = d i a g ( −1./ x ) ;
A = zeros (6 ,5);
f o r a=Li ne a
A( a , Desde ( a ) ) = 1 ;
A( a , Hasta ( a ))= −1;
end
Bbus = A’ ∗ Yprim∗A;
o = optimvar ( ’ o ’ , 5 , ’ Type ’ , ’ c o n t i n u o u s ’ , ’ LowerBound ’ ,− pi , ’ UpperBound ’ , p i ) ;

Costos = [ 1 4 , 1 5 , 3 0 , 3 2 , 1 0 ]
Costo en = [ 180 ,1 90 ,24 0 , 30 ,21 0]
D = 1000;

12
Pmax = [ 8 0 , 2 2 0 , 5 2 0 , 2 0 0 , 6 0 0 ] ;
Pmin = [ 1 0 ; 3 0 ; 1 0 0 ; 4 0 ; 1 0 0 ] ;
n gen =l e n g t h ( C o s t o s ) ;
F l u j o = Yprim∗A∗ o

p = optimvar ( ’ p ’ , n gen , ’ Type ’ , ’ c o n t i n u o u s ’ , ’ LowerBound ’ , 0 , ’ UpperBound ’ , i n f ) ;

g = optimvar ( ’ g ’ , n gen , ’ Type ’ , ’ i n t e g e r ’ , ’ LowerBound ’ , 0 , ’ UpperBound ’ , 1 ) ;

% e n c e n d i d o de gen

o b j e t i v o = ( sum ( C o s t o s ∗p∗100)+sum ( C o s t o e n ∗ g ) ) %∗100 para p a s a r de pu a mw

prob = optimproblem ( ” O b j e c t i v e ” , o b j e t i v o , ’ O b j e c t i v e S e n s e ’ , ’ min ’ ) ;

prob . C o n s t r a i n t s . b a l a n c e = (Cg∗p−DB) == Bbus∗ o

Pmax m = [ Pmax ( 1 ) 0 0 0 0
0 Pmax ( 2 ) 0 0 0
0 0 Pmax ( 3 ) 0 0
0 0 0 Pmax ( 4 ) 0
0 0 0 0 Pmax ( 5 ) ] / 1 0 0
Pmin m = [ Pmin ( 1 ) 0 0 0 0
0 Pmin ( 2 ) 0 0 0
0 0 Pmin ( 3 ) 0 0
0 0 0 Pmin ( 4 ) 0
0 0 0 0 Pmin ( 5 ) ] / 1 0 0
Pot max = o p t i m c o n s t r ( n gen , 1 ) ;
Pot max = p <= Pmax m∗ g
prob . C o n s t r a i n t s . Pot max= Pot max

Pot min = o p t i m c o n s t r ( n gen , 1 ) ;

Pot min = p >= Pmin m∗ g
prob . C o n s t r a i n t s . Pot min= Pot min

F max = o p t i m c o n s t r ( 6 , 1 ) ;
F max = F l u j o <= [ 1 0 0 0 ; 1 0 0 0 ; 1 0 0 0 ; 1 0 0 0 ; 1 0 0 0 ; 2 0 0 ] / 1 0 0
prob . C o n s t r a i n t s . F max = F max

F min = o p t i m c o n s t r ( 6 , 1 ) ;
F min = F l u j o >= [ −1000; −1000; −1000; −1000; −1000; −200]/100
prob . C o n s t r a i n t s . F min = F min

problema = p r o b 2 s t r u c t ( prob )
[ s o l , f v a l , e x i t f l a g , output ] = i n t l i n p r o g ( problema )

13