Está en la página 1de 95

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL







FLUJO DE POTENCIA ÓPTIMO CON
PROGRAMACIÓN CUADRÁTICA SECUENCIAL





JUAN EDUARDO PÉREZ RETAMALES





Profesor Guía : Sr. RODRIGO PALMA

Profesores de la Comisión : Sr. RICHARD WEBER
Sr. RAFAEL EPSTEIN

Profesor Invitado : Sr. JOSÉ MIGUEL CASTELLANOS





TESIS PARA OPTAR AL GRADO DE
MAGÍSTER EN GESTIÓN DE OPERACIONES




SANTIAGO - CHILE
OCTUBRE 2001


RESUMEN DE LA TESIS PARA OPTAR AL GRADO
DE MAGÍSTER EN GESTIÓN DE OPERACIONES
POR : JUAN EDUARDO PÉREZ RETAMALES
FECHA : XX/10/2001
PROF. GUÍA : Sr. RODRIGO PALMA B.
"Flujo de Potencia Óptimo con Programación Cuadrática Secuencial"
El objetivo del presente trabajo es contribuir a mejorar y adaptar los métodos de
simulación de fenómenos estacionarios de Sistemas Eléctricos de Potencia (SEP) y su uso en un
contexto de mercados competitivos. En particular, el modelamiento y resolución del problema
del Flujo de Potencia Óptimo (OPF), adecuando las metodologías para el Sistema
Interconectado Central chileno (SIC).
Para esto, se formuló de manera extendida el OPF, se modeló explícitamente los equipos
Compensadores Estáticos Regulables, se propuso rutinas de optimización y mejoras para el SIC.
El problema fue resuelto utilizando Programación Cuadrática Secuencial (SQP). SQP
requiere resolver subproblemas cuadráticos en cada una de sus iteraciones. Para esto, se utilizó
un software de optimización especializado Minos y se desarrolló alternativamente dos métodos
de programación no lineal, los métodos Zoutendijk y de Rosen.
Las rutinas fueron implementadas computacionalmente en un lenguaje orientado al
objeto JAVA y han sido introducidas en un Sistema de Apoyo a la Toma de Decisiones (DSS).
Como resultado de este trabajo, se genera una metodología que introduce mejoras al
proceso de operación de SEP, contemplando un escenario de mercado eléctrico competitivo.
Específicamente, se obtienen puntos de operación factibles, desde el punto de vista técnico, y a
mínimo costo para el sistema.
Se obtuvo un módulo computacional inserto en un DSS, que es desarrollado y utilizado
en el ámbito docente, de investigación y extensión en el Departamento de Ingeniería Eléctrica
de la Universidad de Chile y posiblemente será utilizado en empresas del sector de generación
de energía eléctrica.
Se logró disminuir el tiempo de ejecución y aminorar la utilización de recursos de
memoria computacional, al aplicar la metodología implementada, mediante el desarrollo de
mejoras en el proceso de optimización.
Se calculan de manera explícita los costos marginales por potencia activa y reactiva del
sistema, con lo que se obtiene una señal económica, que puede ser utilizada en el ámbito de la
planificación de SEP.
Este trabajo posee un gran potencial de expansión y utilización, en la medida que se
privilegie la utilización de DSS por parte de los agentes del sector eléctrico, se incluya el
modelamiento de nuevas tecnologías y se adapten los procedimientos de operación y
planificación de SEP, ante un escenario que contemple una nueva ley eléctrica en Chile.
En conclusión, en la presente tesis de grado se ha formulado el OPF utilizando SQP para
su solución. Se han propuesto metodologías para optimizar el desempeño de los algoritmos y se
han introducido mejoras específicas para el caso del SIC.

Índice
1.- INTRODUCCIÓN ................................................................................................................................................................. 1
1.1 MOTIVACIÓN Y ALCANCES.................................................................................................................................................1
1.2 OBJETIVOS............................................................................................................................................................................4
1.3 METODOLOGÍA.....................................................................................................................................................................4
1.4 ESTRUCTURA DEL TRABAJO...............................................................................................................................................4
2.- EL PROBLEMA DEL FLUJO DE POTENCIA ÓPTIMO....................................................................................... 6
2.1 RESUMEN..............................................................................................................................................................................6
2.2 INTRODUCCIÓN.....................................................................................................................................................................6
2.3 DESCRIPCIÓN GENERAL DE UNA RED ELÉCTRICA..........................................................................................................8
2.3.1 Modelo de Línea de Transmisión..........................................................................................................................10
2.3.2 Modelo de Transformador.....................................................................................................................................10
2.3.3 Modelo de Compensador Estático Regulable.....................................................................................................11
2.3.4 Modelo de Carga o Consumo................................................................................................................................12
2.4 FORMULACIÓN DEL PROBLEMA DEL FLUJO DE POTENCIA ÓPTIMO...........................................................................12
2.4.1 Parámetros, Variables de Control y de Estado..................................................................................................13
2.4.2 Función Objetivo.....................................................................................................................................................14
2.4.3 Restricciones............................................................................................................................................................15
2.4.4 Cotas..........................................................................................................................................................................16
3.- APLICACIÓN DE PROGRAMACIÓN CUADRÁTICA SECUENCIAL..........................................................17
3.1 RESUMEN............................................................................................................................................................................17
3.2 PROGRAMACIÓN CUADRÁTICA SECUENCIAL................................................................................................................17
3.2.1 Definición..................................................................................................................................................................17
3.2.2 Formulación General .............................................................................................................................................17
3.2.3 Criterio de Convergencia Utilizado.....................................................................................................................19
3.3 RESOLUCIÓN DE SUBPROBLEMAS CUADRÁTICOS.........................................................................................................19
3.4 CÁLCULO DE COSTOS MARGINALES...............................................................................................................................20
3.5 CÁLCULOS PARA LA APLICACIÓN DE PROGRAMACIÓN CUADRÁTICA SECUENCIAL...............................................21
3.6 CASO DETALLADO DE ESTUDIO 2 BARRAS....................................................................................................................26
4.- INTRODUCCIÓN EN UN SISTEMA DE APOYO A LA TOMA DE DECISIONES ....................................33
4.1 RESUMEN............................................................................................................................................................................33
4.2 ENTORNO DE DESARROLLO..............................................................................................................................................33
4.3 HERRAMIENTA DE ANÁLISIS IMPLEMENTADA..............................................................................................................38
4.3.1 Descripción General...............................................................................................................................................38
4.3.2 Implementación de Métodos de Zoutendijk y Rosen .........................................................................................39
4.3.3 Validación de métodos de Zoutendijk y Rosen...................................................................................................40
5.- MEJORAS PROPUESTAS AL PROCESO DE OPTIMIZACIÓN......................................................................44
5.1 RESUMEN............................................................................................................................................................................44
5.2 BÚSQUEDA ÓPTIMA DE PUNTOS INICIALES FACTIBLES...............................................................................................44
5.3 DUALIDAD Y SEPARACIÓN DE PROBLEMA DUAL DE BÚSQUEDA DE DIRECCIONES FACTIBLES............................47
5.3.1 Algoritmo de Descomposición de Dantzig - Wolfe ............................................................................................47
5.3.2 Reconocimiento de la Estructura Diagonal en Bloque.....................................................................................51
5.4 DISEÑO DE HEURÍSTICA TIPO BÚSQUEDA TABÚ...........................................................................................................53
5.4.1 Búsqueda Tabú.........................................................................................................................................................55
5.4.2 Determinación de Parámetros Caso Flujo de Potencia Óptimo.....................................................................56
5.5 MATRICES RALAS EN EL SISTEMA INTERCONECTADO CENTRAL...............................................................................58
6.- RESULTADOS .....................................................................................................................................................................61
6.1 RESUMEN............................................................................................................................................................................61
6.2 RED DE PRUEBA 6 BARRAS ..............................................................................................................................................61
6.3 APLICACIÓN AL SISTEMA INTERCONECTADO CENTRAL..............................................................................................63
6.3.1 SIC 70 Barras...........................................................................................................................................................63
6.3.2 SIC 182 Barras........................................................................................................................................................66
7.- CONCLUSIONES ...............................................................................................................................................................69

REFERENCIAS .........................................................................................................................................................................72
REFERENCIAS ELECTRÓNICAS ....................................................................................................................................74
GLOSARIO.................................................................................................................................................................................75
ANEXO I: MÉTODO DE BÚSQUEDA DIRECCIONES FACTIBLES DE ZOUTENDIJK..............................76
ANEXO II: MÉTODO DE PROYECCIÓN DEL GRADIENTE DE ROSEN.........................................................79
ANEXO III: CÓDIGOS EN GAMS DE INSTANCIAS CUADRÁTICAS DE PRUEBA.....................................81
ANEXO IV: DETALLE DE RESULTADOS ....................................................................................................................84
INSTALACIÓN DE SISTEMA DE APOYO A LA TOMA DE DECISIONES..................................................................................84
EJECUCIÓN DEL PROGRAMA...................................................................................................................................................85
LECTURA DE RESULTADOS.....................................................................................................................................................88
ANEXO V: SISTEMA INTERCONECTADO CENTRAL CHILENO.....................................................................89

Índice de Ilustraciones

Figura 1: Cronología del Proceso de Liberalización del Sector Eléctrico _______________________________ 1
Figura 2: Esquema General de Desarrollo ______________________________________________________ 3
Figura 3: Metodología Utilizada para el Desarrollo_______________________________________________ 4
Figura 4: Representación de una Red Eléctrica y Elementos de Red Modelados_________________________ 10
Figura 5: Representación de una Línea de Transmisión con Modelo PI _______________________________ 10
Figura 6: Representación de un Transformador _________________________________________________ 11
Figura 7 : Representación de un Equipo Compensador Estático Regulable_____________________________ 11
Figura 8: Representación de una Carga y sus Potencias no Servidas _________________________________ 12
Figura 9: Representación de un Nodo de un Sistema Eléctrico ______________________________________ 13
Figura 10: Red Pequeña para Desarrollo Detallado______________________________________________ 26
Figura 11: Definición y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones________________ 34
Figura 12: Estructura de Objetos de Cálculo en Sistema de Apoyo a la Toma de Decisiones________________ 34
Figura 13: Información de Operación para Generadores __________________________________________ 35
Figura 14: Información Económica para Generadores____________________________________________ 36
Figura 15: Información de Operación para Líneas de Transmisión___________________________________ 36
Figura 16: Información de Operación para Transformadores_______________________________________ 37
Figura 17: Salida Entregada ante Ejecución____________________________________________________ 38
Figura 18: Menú Principal de Herramienta de Cálculo ___________________________________________ 38
Figura 19: Interacción clases_______________________________________________________________ 40
Figura 20: Red para la Verificación de Convergencia con Búsqueda Lineal Optimizada___________________ 45
Figura 21: Gráfico Convergencia en Subproblemas para Método de Zoutendijk _________________________ 46
Figura 22: Gráfico Convergencia en Subproblemas para Método de Rosen ____________________________ 46
Figura 23: Diagrama de Flujo de Algoritmo de Dantzig - Wolfe _____________________________________ 49
Figura 24: Red con Generadores Idénticos en una Barra __________________________________________ 54
Figura 25: Red con Porciones Simétricas______________________________________________________ 55
Figura 26: Gráfico Explicativo Búsqueda Tabú _________________________________________________ 55
Figura 27: Diagrama de Flujo de Heurística Diseñada ___________________________________________ 57
Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras_____________________ 58
Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras_________________________ 59
Figura 30: Sistema Eléctrico de Potencia Caso Wollenberg ________________________________________ 61
Figura 31: Efectos Introducidos por Compensador Estático Regulable________________________________ 62
Figura 32: Sistema Interconectado Central Chileno, Escenario Demanda Baja e Hidrología Húmeda ________ 64
Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras _________________________________ 65
Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras _____________________________ 65
Figura 35: Evolución Costos Totales _________________________________________________________ 66
Figura 36: Convergencia Porcentual Lado Derecho______________________________________________ 67
Figura 37: Convergencia Porcentual de Costos _________________________________________________ 67
Figura 38: Evolución Costos Caso SIC 182 Barras_______________________________________________ 68
Figura 39: Módulo Computacional Implementado _______________________________________________ 70
Figura 40: Diagrama de Flujo de la Ejecución de Método de Zoutendijk ______________________________ 78
Figura 41: Interpretación Geométrica de la Proyección del Gradiente________________________________ 80
Figura 42: Diagrama de Flujo de la Ejecución de Método de Rosen__________________________________ 80
Figura 43: Menú para la visualización y manejo de redes eléctricas__________________________________ 85
Figura 44: Redes de Prueba Disponibles ______________________________________________________ 86
Figura 45: Red de prueba cargada___________________________________________________________ 86
Figura 46: Elección de Menú _______________________________________________________________ 87
Figura 47: Ventana de Opciones de la Herramienta de Análisis _____________________________________ 87


Índice de Tablas

Tabla 1: Parámetros de Entrada para Red de Prueba Pequeña______________________________________ 26
Tabla 2: Resultados Iteración 0 _____________________________________________________________ 30
Tabla 3: Resultados Iteración 1 _____________________________________________________________ 30
Tabla 4: Resultados Iteración 2 _____________________________________________________________ 31
Tabla 5: Resultado Final para Red Pequeña____________________________________________________ 31
Tabla 6: Datos de Resumen para Costos Totales de Generación _____________________________________ 32
Tabla 7: Parámetros Instancia 1_____________________________________________________________ 41
Tabla 8: Resultados Instancia 1 de Validación __________________________________________________ 41
Tabla 9: Parámetros Instancia 2_____________________________________________________________ 42
Tabla 10: Resultados Instancia 2 de Validación _________________________________________________ 42
Tabla 11: Parámetros Instancia 3____________________________________________________________ 42
Tabla 12: Resultados Instancia 3 de Validación _________________________________________________ 43
Tabla 13: Convergencia en Subproblemas en Función de la Iteración para Red de Prueba_________________ 46
Tabla 14: Porcentaje Operaciones Efectivas con Matrices _________________________________________ 60
Tabla 15: Utilización de Memoria Matrices Ralas _______________________________________________ 60
Tabla 16: Resumen de Estadísticas de Red _____________________________________________________ 62
Tabla 17: Resultados Entregados sin Considerar Compensador Estático Regulable ______________________ 62
Tabla 18: Resultados Entregados Considerando Compensador Estático Regulable_______________________ 62
Tabla 19: Costos Marginales por Inyección de Potencia Reactiva en las Barras de la Red _________________ 63
Tabla 20: Resultados para Caso SIC de 70 Barras _______________________________________________ 64
Tabla 21: Datos Resumen__________________________________________________________________ 66
Tabla 22: Información Convergencia _________________________________________________________ 67
Tabla 23: Descripción de Computadora Utilizada _______________________________________________ 67



1
1.- Introducción
1.1 Motivación y Alcances
A escala mundial se observa un creciente cambio en la estructura de mercado de los
sistemas eléctricos de potencia (en adelante SEP) (Palma, 2000). Un factor común a estos
cambios es la búsqueda de mayores condiciones de competencia en los sectores de generación y
comercialización, con el fin de aumentar la eficiencia en la producción y distribución de la
energía eléctrica, ofreciendo un precio más bajo, mayor calidad y seguridad del producto. Las
razones que han ocasionado estas reformas son múltiples: crisis económica, ineficiencia en el
sector y tarifas elevadas. En la mayoría de los casos se ha tratado de la privatización de una
empresa estatal única. En Sudamérica se utiliza una serie de modelos, basados en un esquema de
Pool (Rudnick y Palma, 1995), que ya están siendo aplicados. El proceso de cambio en la
estructura de mercado comienza en Chile (1982), seguido de Argentina (1992) Perú (1993),
Bolivia (1994) y Colombia (1994). Este proceso ha sido seguido, a partir de 1997, por países
centroamericanos como Panamá, El Salvador, Guatemala, Nicaragua, Costa Rica, Honduras y
México en 1999. Por su parte, a partir de 1996, en diversos estados de los Estados Unidos de
Norteamérica se han propuesto estructuras de mercado competitivo, basadas en contratos
bilaterales físicos, las que se encuentran parcialmente implementadas (Tabors, 1993). En Europa
este proceso comienza en 1989 con la creación de un sistema Pool en Inglaterra seguido a partir
de 1990 por los países Escandinavos, donde se ha acumulado gran experiencia en la aplicación
de estos modelos. Las normas fijadas por la Unión Europea contemplan un esquema de acceso
libre a las redes eléctricas en etapas sucesivas, las que se iniciaron en Febrero de 1999.
Asimismo, en Nueva Zelanda (1987) y Australia (1991) se han desarrollado sistemas orientados
hacia ambientes con estructura de mercado competitivo. La Figura 1 muestra la cronología de
este proceso a nivel mundial (Palma, 2000).

Mercado Común
Europeo, USA
Suecia, Finlandia,
Dinamarca
1982 1987 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Chile
Nueva
Zelanda
Inglaterra
Unión
Europea
Noruega,
Australia
Argentina
Perú
Colombia,
Bolivia
Centroamérica

Figura 1: Cronología del Proceso de Liberalización del Sector Eléctrico
Una condición básica para la creación de competencia es que las empresas generadoras
puedan acceder a sus clientes a través del sistema de transmisión. Lo anterior puede lograrse con
la creación de variados esquemas de acceso abierto a las redes (Rudnick y Palma, 1995; Tabors,
1993). En Europa se proponen los modelos de comprador único y acceso negociado a terceros.
En Latinoamérica predominan los esquemas basados en una combinación de tarificación a costo
marginal con un pago en función del uso natural del sistema. Este pago se justifica por la
presencia de economías de escala en transmisión y es calculado en función de un impacto
incremental (Rudnick y Palma, 1995). Lo anterior deja de manifiesto, por una parte, el papel
2
fundamental que tiene el sistema de transmisión, y por ende su planificación, en el desarrollo de
mercados eléctricos competitivos; por otra parte se reconoce la necesidad de incorporar
metodologías de expansión tradicionales, modelos de mercado y marcos regulatorios.
Asimismo, los avances en tecnologías que no pueden ser consideradas en forma independiente
de los procesos políticos y económicos que dan lugar a un mercado eléctrico en particular. En
concreto, la aparición de nuevas tecnologías tales como equipos FACTS (Flexible AC
Transmission Systems) (Hingorani, 1994; Srivastava y Verma, 2000), medios de
almacenamiento de energía basados en superconductores y generación distribuida, juegan un
papel fundamental en estudios de carácter técnico económico de sistemas eléctricos de potencia.
En este marco, el tema de la planificación de sistemas de transmisión en esquemas de
acceso libre a las redes eléctricas ha cobrado gran importancia para los distintos agentes del
sector eléctrico (compañías generadoras, organismos estatales, empresas consumidoras), ya que
es el factor que posibilita la creación de un mercado competitivo en el sector. De este modo, la
fuerte descentralización de los procesos de toma de decisión en sistemas eléctricos, como es el
caso de Chile, requiere del desarrollo de herramientas de análisis flexibles que sean capaces de
abordar nuevos desafíos, en especial anticiparse en el uso de nuevas tecnologías y modelos de
mercado eléctrico.
La planificación, en un contexto dinámico, es caracterizada por decisiones sucesivas e
interdependientes en el tiempo, las que son modeladas en base a una secuencia de decisiones
que describen la expansión del sistema. Las variables de control expresan el año o período de
puesta en servicio de un proyecto de transmisión, en tanto que la estimación de la demanda, la
expansión de la generación, entre otros, son consideradas parámetros del modelo. Cada
secuencia se evalúa, en una primera aproximación, en base a una simulación del sistema con
funciones objetivo definidas a priori. Para la planificación, se desarrollan metodologías que
utilizan un variada gama de métodos de optimización existentes, incorporando herramientas de
análisis del problema propiamente eléctrico, entre las más relevantes: eficientes métodos de
cálculo de flujo de potencia, flujo de potencia óptimo (en adelante OPF) (ESCA, 1987; Wood y
Wollenberg, 1996; El-Hawary, 1996; Glavitch y Bacher, 1991; Seibt, 1997; Momoh y El-
Hawary, 1999), análisis de cortocircuito, estimación de estado y confiabilidad. La base teórica
de estas técnicas, supone que el sistema de potencia opera en un equilibrio entre potencia
generada y demandada por el sistema, pudiendo ser descrito por un conjunto de ecuaciones
algebraicas que determinan las variables del estado de equilibrio o régimen permanente. Estas
ecuaciones se resuelven mediante métodos iterativos, en el caso de flujos de potencia (método
de Newton Raphson y método de Gauss Seidel) y mediante programas de optimización lineal ó
basadas en gradiente o búsqueda de direcciones en el caso de OPF. En la mayoría de los casos,
estas metodologías tienen una fuerte componente de interacción manual con el planificador, sin
ofrecer alternativas de expansión en forma automatizada. En Chile, la planificación de la
operación utiliza despachos económicos de carga, que son ajustados manualmente con la ayuda
de un operador experto, a través de flujos de potencia, para obtener un punto factible técnico.
Las metodologías de simulación existentes en la actualidad presentan deficiencias en la
incorporación de elementos de mercado y marcos regulatorios, con lo cual no se pueden reflejar
las implicancias que tienen las decisiones de los agentes de mercado en la configuración física
del sistema eléctrico, aspecto muy relevante en este sector. Éste es un problema pertinente de ser
abordado, que presenta un desafío en su realización, con un gran potencial de contribución al
conocimiento y entendimiento del sector eléctrico.
3
El proyecto Fondecyt N° 1000866 (Palma, 2000) pretende cubrir las necesidades generadas
en el contexto ya descrito. El presente estudio, inserto en este proyecto, realiza una contribución
al conjunto de modelos de simulación de fenómenos estacionarios, incorporando la formulación,
programación y solución del problema de flujo de potencia óptimo OPF.
El esquema general en el que se desarrolla el proyecto se aprecia en la Figura 2, en la cual
se pueden distinguir las componentes esenciales para el modelamiento de un SEP. Se considera
como entrada (información conocida), los datos del sistema, las nuevas tecnologías que se
pueden incorporar y el marco normativo vigente. Luego, la estructura general contiene tres
modelos que interactúan fuertemente: el modelo de mercado y agentes, el modelo de simulación
de fenómenos dinámicos y el modelo de simulación de fenómenos estacionarios, en el cual está
inserto el desarrollo del OPF. En analogía a una sistema de central en lazo cerrado, índices de
desempeño son calculados y comparados con estándares, para así poder realizar la correcciones
necesarias.
OPF corresponde a la generalización del problema de despacho económico de carga
convencional, se utiliza para la determinación óptima de las variables de control en un sistema
eléctrico y considera variadas restricciones. Usualmente la función objetivo corresponde a la
minimización costos de operación.
Modelo de
Simulación
de Fenómenos
Estacionarios
Modelo
de Mercado
y Agentes
Modelo de
Simulación
de Fenómenos
Dinámicos
Estructura para el Molamiento
de un Sistema Eléctrico
Reglamento,
Procedimiento
General
Selección de
Nuevas
Tecnologías
Indices
de
desempeño
Evaluación de
Señales / Adaptación de
de Reglas y Procedimientos
Datos del
Sistema
Estándares de
desempeño
...
OPF

Figura 2: Esquema General de Desarrollo
Es importante mencionar, que no forma parte del presente estudio la elección del método
de solución para OPF escogido. Se define la utilización de programación cuadrática secuencial
(en adelante SQP), a causa de su buen comportamiento en convergencia para la resolución de
problemas no lineales (Seibt, 1997; Boggs y Tolle, 1999 a, b). SQP es un método clasificado
como una extensión del método Cuasi – Newton, resuelve el OPF mediante repetidas
resoluciones de una aproximación cuadrática del problema.
4
1.2 Objetivos
En el contexto señalado en la sección anterior, el objetivo general del presente trabajo es
contribuir a mejorar y adaptar los métodos de simulación de fenómenos estacionarios en SEP y
su uso en un contexto de mercados competitivos, en particular el OPF.
Este estudio tiene como objetivos específicos:
• Formular de manera extendida el OPF, haciendo uso de SQP (Boggs y Tolle, 1999 a, b)
• Representar explícitamente los equipos FACTS Compensadores Estáticos Regulables
(en adelante SVC) (Hingorani, 1994; Srivastava y Verma, 2000)
• Proponer y desarrollar rutinas específicas de optimización para los subproblemas
cuadráticos. Proponer mejoras para el caso del Sistema Interconectado Central (en
adelante SIC) chileno.
• Apoyar a la docencia y extensión en el Departamento de Ingeniería Eléctrica de la
Universidad de Chile.
1.3 Metodología
Con el fin de cumplir con los objetivos trazados en el presente trabajo, se aplicó la
metodología que se resume en la Figura 3, siguiendo la secuencia lógica del desarrollo
matemático que OPF – SQP
1
requirió.
Formulación del
OPF
Aproximación Cuadrática
del lagrangeano
Construcción
subproblemas SQP
Desarrollo metodologías para
solucionar subproblemas
Implementación y validación
computacional de metodologías
Acoplamiento de
rutinas a DSS
Análisis para el desarrollo
de mejoras al proceso
Desarrollo de
mejoras diseñadas
-Aplicación SIC
-Análisis resultados
Discusión y Conclusiones

Figura 3: Metodología Utilizada para el Desarrollo
1.4 Estructura del Trabajo
El presente trabajo se estructura en siete capítulos. Comienza con una introducción y
motivación del tema investigado, especificando los objetivos que se persigue cumplir con el
desarrollo y la metodología utilizada. Este apartado corresponde a dicha introducción.
El segundo capítulo, comienza describiendo el esquema general de un sistema eléctrico de
potencia, incluyendo una explicación del funcionamiento y modelamiento de los equipos y
partes integrantes del mismo. Se hace una mención especial a los nuevos equipos FACTS SVC,

1
OPF – SQP es la sigla utilizada para referirse al desarrollo realizado en la presente tesis en forma global.
5
dado que es parte del presente estudio incluir en el modelamiento del OPF el efecto de dichos
equipos. Luego se explica el problema del OPF, definiendo formalmente los parámetros y
variables de relevancia.
El tercer capítulo, describe la aplicación de SQP en OPF, mostrando la forma que toma el
modelo al aplicar dicho método. En este capítulo se incluye la descripción de los métodos de
Zoutendijk y Rosen (Bazaraa, 1994), utilizados para resolver los subproblemas cuadráticos
generados por SQP. Finalmente, se expone en extenso un caso de estudio en una red de dos
barras y el análisis de resultados.
En el cuarto capítulo se aborda la inclusión de OPF–SQP en un DSS denominado DeepEdit
(Palma, 1999), se describe el entorno de desarrollo, la definición de objetos y los reportes
entregados por el sistema.
En el quinto capítulo, se exponen las mejoras propuestas por el autor al proceso de
optimización, las cuales son:
• Búsqueda optimizada de un punto factible inicial para el método de Zoutendijk y de
Rosen.
• Utilización de librerías matemáticas especializadas en el manejo de matrices ralas, las
cuales son apropiadas para el caso del SIC.
• Descripción del reconocimiento de problemas particulares que llevan a soluciones que
son óptimos locales y se diseña una heurística del tipo búsqueda tabú para salir de
aquellas soluciones y encontrar un mejor óptimo.
• Diseño de una estrategia de separación para problema de búsqueda de direcciones
factibles de Zoutendijk, a través del método de Dantzig – Wolfe.
El sexto capítulo, desarrolla un caso de estudio del SIC y una red de prueba. Sobre la red de
prueba (seis barras) se efectúa un análisis que describe los efectos de la introducción de un
equipo FACTS SVC en una de sus barras y la consecuente disminución en los costos de
operación. Sobre la red equivalente al SIC, se trata la convergencia de los métodos
implementados, se realiza un análisis comparativo entre los resultados obtenidos con SQP y los
que entrega el despacho económico de carga y se interpreta económicamente los resultados
obtenidos.
Finalmente, en el séptimo capítulo se exponen las conclusiones del estudio. Sobre el
cumplimiento de los objetivos trazados, la eficacia de las metodologías utilizadas y
recomendaciones propuestas para la planificación de operación del SIC. Además, se analizan los
alcances que del estudio, se trata el potencial apoyo al proceso de toma de decisiones en las
empresas del sector, mediante la explotación de señales económicas como los costos marginales
y la utilización en metodologías de análisis dinámico de sistemas eléctricos.
6
2.- El Problema del Flujo de Potencia Óptimo
2.1 Resumen
En este capítulo se describe el problema del flujo de potencia óptimo. Primero, y a modo
de introducción, se resume el desarrollo histórico del tema y las clasificaciones de modelos OPF
existentes. Luego, se describe las redes eléctricas y los elementos a considerar en el presente
trabajo. Finalmente se formula de manera extendida el OPF.
2.2 Introducción
OPF es un problema que fue definido en los principios del año 1960 como una extensión
del problema de despacho económico de carga convencional, que se utiliza para la
determinación óptima de las variables de control en un SEP, considerando variadas
restricciones. OPF, en su formulación general, es un problema de optimización con función
objetivo y restricciones no lineales, que representa la operación en estado estacionario del
sistema eléctrico. Existen dos grandes grupos de modelos para representar el OPF (Glavitch y
Bacher, 1991):
• Modelos de tipo A: aquellos que utilizan como núcleo de cálculo un algoritmo de flujo
de potencia clásico que es llamado por un proceso de optimización externo. Este grupo
de algoritmos elabora sucesivamente puntos de entrada al programa de flujo de
potencia, orientándolo hacia soluciones que minimizan la función objetivo
especificada.
• Modelos de tipo B: aquellos que modelan el problema de OPF como un problema de
optimización global. Las variables del sistema son optimizadas simultáneamente y las
ecuaciones de flujo corresponden a restricciones adicionales del problema de
optimización.
La aplicación de técnicas de optimización a los problemas de planificación y operación de
SEP, como lo es OPF, es una activa área de investigación. De esta forma, OPF puede ser visto
como un término genérico que describe una amplia gama de clases de problemas en los cuales
se busca optimizar una función objetivo específica, sujeto a restricciones que representan los
balances de potencia activa y reactiva en los nodos de la red, en función de las tensiones y
ángulos de las barras.
Existen variadas funciones objetivos que puede considerar un modelo OPF, entre las
cuales se pueden mencionar (Ristanovic, 1996):
• Minimización de los costos por generación de potencia activa,
• Minimización de pérdidas de potencia activa,
• Minimización del cambio en las variables de control,
• Minimización de la potencia no servida, etc.
7
Una gran variedad de técnicas de optimización han sido aplicadas para resolver OPF
(Momoh y El-Hawary, 1999):
• Programación lineal.
• Versiones híbridas de programación lineal y programación entera.
• Métodos de punto interior.
• Programación no lineal.
§ Programación cuadrática.
§ Soluciones basadas en condiciones de Newton.
Los métodos de programación no lineal (NLP, Non-Linear Programming) tratan
problemas que involucran restricciones y función objetivo no lineales. Las restricciones pueden
ser de igualdad o desigualdad (Bazaraa, 1994).
Por su parte, la Programación Cuadrática (en adelante QP, Quadratic Programming) es un
caso especial de programación no lineal, donde la función objetivo es cuadrática y las
restricciones son lineales (Bazaraa, 1994).
Las soluciones basadas en condiciones de Newton, utilizan las condiciones de primer
orden para puntos óptimos, que comúnmente se denominan condiciones de Kuhn Tucker (en
adelante KKT, Karush Kuhn Tucker). En general, son ecuaciones no lineales que requieren de
métodos iterativos de solución. Los métodos de Newton se ven favorecidos por sus propiedades
de convergencia cuadrática (Boggs y Tolle, 1999 a, b).
Los problemas abordados con programación lineal (LP, Linear Programming), utilizan
problemas formulados con función objetivo y restricciones lineales. El método Simplex es un
método conocido y eficiente para resolver problemas de programación lineal de gran dimensión.
La programación entera mixta (MIP, Mixed Integer Programming) es un caso particular
de programación lineal, que incluye variables enteras en su formulación. Programación Entera,
y MIP, al igual que NLP demandan demasiados recursos computacionales (Wolsey, 1998).
Los métodos de punto interior, introducidos por Karmarkar, se han comenzado a
popularizar, debido a que se ha podido demostrar que (hasta el momento) es el único algoritmo
polinomial para resolver problemas de LP. Cabe mencionar que se ha encontrado un ejemplo
para el cual Simplex no es polinomial, es el conocido problema del cubo de Minty, para el cual
Simplex recorre todos los vértices del polítopo de restricciones antes de llegar al óptimo
(Nemhauser y Wolsey, 1995).
Otro aspecto importante a considerar en las implementaciones de OPF, es aquel que se
refiere al tiempo de ejecución del mismo. En Chile, ante el inminente cambio en la Ley
Eléctrica, la tendencia es implementar una bolsa de energía, la cual podría tener como motor de
funcionamiento un OPF. En la literatura (Momoh y El-Hawary, 1999; Papalexopoulos, 1996), se
ha discutido sobre las características de velocidad en convergencia de las metodologías
utilizadas para resolver el OPF, en éstas se califica de buena manera a las implementaciones del
8
tipo cuadráticas incrementales iterativas (como lo es SQP). Además, al utilizar metodologías
que involucran matrices ralas, la convergencia puede ser mejorada (Papalexopoulos, 1996;
Ahmed y Mateev, 2000).
El presente trabajo se clasifica dentro del grupo que utiliza NLP para el modelamiento y
resolución, considerando función objetivo que contempla la minimización de costos por
generación de potencia activa.
2.3 Descripción General de una Red Eléctrica
En esta sección se describen las redes eléctricas que representan a los SEP y se detallan los
elementos componentes de las redes que participan en la formulación del OPF, a través de
parámetros y variables de optimización.
Las redes eléctricas se basan en la interconexión entre generadores y consumos, a través de
líneas de transmisión y transformadores, con el fin de abastecer las cargas y brindar una calidad
de suministro adecuada; en el sentido de proporcionar confiabilidad a la red a través de la
conformación de una red enmallada.
La generación de energía eléctrica, se realiza principalmente a través de la conversión de
energía mecánica en eléctrica. En el SIC coexisten tres tipos principales de tecnologías para
generar energía eléctrica:
• Generación Hidroeléctrica,
• Generación Térmica Convencional,
• Generación Térmica de Ciclo Combinado.
La generación hidroeléctrica se basa predominantemente en la conversión de la energía
potencial que posee el agua acumulada en embalses. El agua, conducida a través de tuberías, es
aprovechada para mover turbinas, en las cuales se genera la energía eléctrica.
La generación térmica convencional se basa, en la utilización de algún combustible fósil,
para permitir el movimiento de las turbinas a vapor o gas y la consecuente generación de energía
eléctrica.
La generación térmica de ciclo combinado se basa en la combinación de una turbina a gas,
cuyo calor excedente es aprovechado en una turbina a vapor, incrementándose en forma
importante la eficiencia del proceso.
Existen otros tipos de generación, además de los anteriores, como la generación nuclear, la
eólica, solar y celdas de combustible entre otras. Sin embargo, el SIC está compuesto
principalmente por generación de los primeros tres tipos.
Para efectos del este trabajo, se considera que una red eléctrica está compuesta
principalmente por los siguientes seis elementos: barras o nodos de la red, cargas o consumos,
generadores, líneas de transmisión, transformadores y equipos FACTS SVC.
9
Una barra permite la interconexión de componentes eléctricas, representa un nodo de un
SEP. Su parámetro más importante es el tensión, representado por su magnitud | V| y ángulo θ,
éstas son variables de estado para OPF.
Las cargas o consumos, son las demandas por potencia de los usuarios de la red eléctrica.
Estas demandas serán, en nuestro caso, datos para OPF. Son representadas por P
L
y Q
L
, siendo
P
L
la potencia activa y Q
L
la potencia reactiva demandada por una carga. Las cargas se conectan
a una barra específica.
Un generador corresponde a una máquina eléctrica que es capaz de inyectar potencia (activa
P y reactiva Q) a la red, con el fin de abastecer los consumos. Sus parámetros son P
G
y Q
G
y son
variables a optimizar por OPF. Este elemento posee rangos de operación determinados por
características propias de cada máquina y determinarán restricciones para OPF.
Las líneas de transmisión y transformadores, son los encargados de transmitir la potencia
entre los nodos o barras de la red eléctrica. Sus parámetros están resumidos en una matriz
compleja denominada matriz admitancia nodal [Y], la cual representa las admitancias entre los
nodos de la red, a partir de un modelo PI asociado a cada línea de transmisión o transformador.
Los transformadores, son elementos que tienen la capacidad de transformar tensiones
alternas. Además, pueden cambiar su razón de transformación a través de los denominados taps,
que dependiendo del tipo de transformador, pueden ser manipulados de distintas formas por los
operadores de l a red. En el presente estudio se modelan los taps de los transformadores como
variables de optimización continuas e inciden directamente sobre la matriz de admitancia.
Los equipos SVC son equipos, que forman parte de la familia de dispositivos FACTS, que
poseen la capacidad de inyectar o consumir, en forma regulable, potencia reactiva Q en un nodo
de la red, con el propósito de ajustar la tensión de la barra en que se encuentran conectados,
hacia algún valor de referencia. Ahora, lo importante para el operador de red, es conocer la
tensión de referencia en que debe fijar al equipo, con el fin de optimizar el desempeño de la red.
De esta manera, un equipo SVC puede ser modelado como una variable de control a través de su
potencia reactiva Q
S
, la cual a su vez se encuentra acotada. Con esta variable se puede
determinar la tensión de referencia en que debe operar el equipo.
La Figura 4 muestra una red eléctrica de potencia, con los elementos anteriormente
definidos y la simbología estándar utilizada en la literatura relacionada.
SVC
G
Generador
Transformador
Línea de
Transmisión
Barra o Nodo
Barras o Nodos
Carga o
Consumo
FACTS tipo
SVC

10
Figura 4: Representación de una Red Eléctrica y Elementos de Red Modelados
La simbología mostrada anteriormente se denomina diagrama unilineal, y corresponde a
una representación monofásica del sistema trifásico, válida en un estudio de carácter
estacionario simétrico.
2.3.1 Modelo de Línea de Transmisión
Se utiliza un modelo PI equivalente para la línea, el cual, a través de sus elementos,
representa los efectos físicos producidos en la línea de transmisión.
La Figura 5 muestra el modelo PI equivalente a una línea de transmisión.
V
1
I
1
I
2
V
2

Figura 5: Representación de una Línea de Transmisión con Modelo PI
Con este modelo se establece la relación entre las corrientes y tensiones a través de la
matriz compleja de admitancias. Las magnitudes de los elementos del modelo PI, son utilizados
por el OPF para calcular la matriz de admitancia nodal compleja del sistema completo. Ésta
participa directamente en las ecuaciones de flujo de potencia y determina las pérdidas en las
líneas de transmisión.
]
]
]

]
]
]

·
]
]
]

2
1
22 21
12 11
2
1
V
V
y y
y y
I
I
(1)
2.3.2 Modelo de Transformador
El modelo de transformador, similar al modelo de línea de transmisión utilizado, incluye
además el efecto de transformación de tensión debida al tap. Los transformadores poseen la
capacidad de cambiar su razón de transformación a través de los taps, lo cual fue modelado
como variable de control en el OPF.
t:1
V
1
I
1
I
2
V
2

11
Figura 6: Representación de un Transformador
Al igual que en el caso de las líneas de transmisión, se establece la relación entre las
corrientes y tensiones través de la matriz de admitancias.
]
]
]

]
]
]
]
]

·
]
]
]

2
1
22
21
12
2
11
2
1
V
V
y
t
y
t
y
t
y
I
I
(2)
2.3.3 Modelo de Compensador Estático Regulable
Este dispositivo, posibilita una compensación reactiva en una barra mediante un banco de
condensadores y una inductancia conectada a una barra a través de un sistema de control de
flujo que utiliza tiristores de potencia, que puede variar según los requerimientos del sistema. Se
puede modelar como una impedancia variable (modelación pasiva), la cual afecta a la matriz de
impedancias del sistema según el valor que posea, o se puede modelar como una inyección de
potencia en la barra (modelación activa), la cual no afecta directamente a la matriz de
admitancia nodal del sistema.

Figura 7 : Representación de un Equipo Compensador Estático Regulable
La inyección de potencia reactiva del SVC se expresa según las siguientes ecuaciones.
max SVC min
ref cap min
ref ind max
Q Q Q
V B Q
V B Q
≤ ≤
·
·
2
2
(3)
En ellas, la inyección de potencia reactiva está limitada por los valores de las capacitancias
y la inductancia, quienes en total definen un rango de operación para este dispositivo.
En Chile estos elementos ya son utilizados. El valor de la tensión de referencia del
regulador de tensión que poseen estos equipos es definido por el operador de red, según su
experiencia con el sistema. Luego, para el operador de red es de interés conocer la respuesta a la
siguiente pregunta: ¿Cuál debe ser la tensión de referencia al cual debe operar el SVC con el fin
de minimizar los costos del sistema (OPF)?.
12
2.3.4 Modelo de Carga o Consumo
Una forma de modelar las cargas o consumos de la red, es considerar que estas se
comportan como una impedancia conectada a una barra (modelación pasiva). Otro modelo, que
es el utilizado en este trabajo, considera las cargas como inyecciones de potencia activa y
reactiva a la red en una barra (modelación activa).
Los consumos son un parámetro para el OPF y participan en las ecuaciones de balance de
flujo de potencia en los nodos.
Se considera el no abastecimiento de una carga como una variable de optimización para el
modelo del OPF, se expresa a través de potencia (activa y/o reactiva) inyectada en un nodo y
considera un costo para el caso de la potencia activa no servida.
P
L
Q
L
P
U
Q
U

Figura 8: Representación de una Carga y sus Potencias no Servidas
2.4 Formulación del Problema del Flujo de Potencia Óptimo
Se formuló el OPF como un problema de optimización no lineal, cuya función de costos
es cuadrática en las potencias activas, tanto generadas como no servidas.
( )
( )
( ) 0
0 . .
) (

·
x h
x p a s
x f min P
r
r
r
(4)
El conjunto de restricciones de igualdad, de la ecuación anterior está compuesto por las
ecuaciones de balance de potencia en las barras y las ecuaciones que determinan el factor de
potencia en la liberación de carga. Por su parte el conjunto de restricciones de desigualdad,
representa las restricciones del vector de variables de control y de estado x, tales como cotas y
límites de operación.
13
2.4.1 Parámetros, Variables de Control y de Estado
Las variables de control y de estado a considerar en el OPF se resumen en la Figura 9.
Se considera la simbología estándar utilizada en la literatura relacionada.
Q
S
PG QG
SVC
G
P
L
Q
L
P
U
Q
U
|V| , θ

Figura 9: Representación de un Nodo de un Sistema Eléctrico
Donde P
G
, Q
G
, son variables de control, corresponden a la potencia activa y reactiva
inyectadas por el generador. Por su parte, V y θ, son variables de estado, corresponden al
módulo de la tensión y su ángulo respectivamente. Q
S
, es una variable de control, corresponde a
la potencia reactiva inyectada por el equipo SVC. Finalmente P
L
y Q
L
, son parámetros que
representan la potencia activa y reactiva de la carga o consumo.
El vector x contiene las variables de control y estado, incluye:
• P
Gj
: Potencia activa generador j; j ∈ GN
i
∧ i ∈ N
• Q
Gj
: Potencia reactiva generador j; j ∈ GN
i
∧ i ∈ N
• P
Um
: Potencia activa no servida en la carga m; m ∈ LN
i
∧ i ∈ N
• Q
Um
: Potencia reactiva no servida en la carga m; m ∈ LN
i
∧ i ∈ N
• Vi : Tensión en la barra i; i ∈ N
• θ
i
: Ángulo de la tensión en la barra i; i ∈ N
• Q
Sj
: Potencia reactiva inyectada por SVC j, j ∈ SN
i
∧ i ∈ N
• t
j
: Tap del transformador j, j ∈ TN
i
, i ∈ N
Siendo N={1,...,n} el conjunto de barras en la red eléctrica y GN
i
, LN
i
, SN
i
y TN
i
(i ∈ N)
los conjuntos de generadores, cargas, equipos SVC y transformadores conectados a la barra (o
nodo) i ∈ N respectivamente. El vector x entonces será:
( )
Ss S t n n U U U U G G G G
T
Q Q t t V V Q Q P P Q Q P P x
l l g g
,..., , ,..., , ,..., , ,..., , ,..., , ,..., , ,..., , ,...,
1 1 1 1
1 1 1 1
θ θ ·
(5)
14
Donde:
§ g : Número de generadores en la red
§ l : Número de cargas en la red
§ n : Número de nodos en la red
§ t : Número de transformadores en la red
1

§ s : Número de FACTS SVC en la red
Otro parámetro a considerar es la matriz compleja de admitancia nodal (Y), representada
por sus elementos
ij ij ij
? y y ∠ · , que define la relación entre corrientes y tensiones nodales del
sistema.
[ ]
]
]
]
]
]

·
]
]
]
]
]

n n
V
V
I
I
M M
1 1
Y (6)
]
]
]
]
]
]
]
]

·
nn n1
1n 11
y y
y y
Y
L L L
M O M
M O M
M O M
L L L
(7)
Si en el arco (i,j) existe un transformador, entonces los parámetros de la matriz de
admitancia nodal consideran implícitamente el efecto del tap.
i
i
t
t
ij
ij
2
ii
ii
y
y
y
y
·
·
(8)
En que los parámetros
ij
y e
ii
y corresponden a los elementos de la matriz de admitancia
nodal al no existir el efecto tap (razón de transformación igual a uno).
2.4.2 Función Objetivo
La minimización de costos por generación de potencia activa y por potencias no servidas
en las cargas, conforman la función objetivo para el OPF considerada en este trabajo.
Para cada generador de la red, se supone conocida su función de costos en las potencias
activas generadas. Basado en una curva de eficiencia no lineal, se utiliza un modelo cuadrático
en que los coeficientes son conocidos (Wood y Wollenberg, 1996).

1
Un aspecto a mejorar es que, no todos los transformadores tienen el tap variable, pero se considera a todos como
variable de control y aquellos que no pueden variar, se fija su límite superior e inferior en un mismo valor.
15
N k GN i P P Costo
k G G G
i i i
∈ ∧ ∈ ∀ + + ·
2
G G G
i i i
? ß a (9)
El costo de la energía o potencia no servida, proviene de estudios especializados, donde
se estima razonable un modelo cuadrático que representa un mayor costo en función de la
profundidad de la falla. Es importante resaltar que, para el caso de los costos por el no
abastecimiento de carga, no existe costo fijo.
N k GN i P P Costo
k U U U
i i i
∈ ∧ ∈ ∀ + ·
2
U U
i i
? ß (10)
De esta manera, la función objetivo que describe la situación de minimización de costos
por generación y desabastecimiento (potencias activas no servidas), será una función cuadrática
en las potencias activas y se representa por la siguiente ecuación.
¹
'
¹
¹
'
¹
+ + · x x x Min Z
T
Q
2
1
C cf
T
(11)
Donde, c
f
es la suma de los costos fijos, C es el vector de costos lineales y Q es la matriz
de costos cuadráticos.
[ ] 0 0 ß ß 0 0 ß ß C
Ul U1 Gg G1
T
L L L L · (12)
]
]
]
]
]
]
]
]
]
]
]
]
]
]
]
]
]
]
]

·
0 0 0
0
0
2?
2?
0
0
2?
0
0 0 2?
Q
Ul
U1
Gg
G1
L L L L L L L L L
O O M
M O O M
M O O M
M O O O M
M O O M
M O O M
M O O O M
M O O M
M O O M
M O O
L L L L L L L L L
(13)
2.4.3 Restricciones
Las ecuaciones de balance de potencia activa y reactiva para un nodo i en el modelo
estacionario de red, definen el primer conjunto de restricciones. Son definidas por las siguientes
ecuaciones:
( ) N i y V V P P
N j
ij j i ij i j
LN j LN j
U
GN j
G
i i
j
i
j
∈ ∀ · − − − − +
∑ ∑ ∑ ∑
∈ ∈ ∈ ∈
0 cos P
j
L
θ θ θ
(14)
( ) N i sin y V V Q Q Q
N j
ij j i ij i j
LN j LN j
U
SN j
S
GN j
G
i i
j
i
j
i
j
∈ ∀ · − − − − + +
∑ ∑ ∑ ∑ ∑
∈ ∈ ∈ ∈ ∈
0 Q
j
L
θ θ θ
(15)
16
Adicionalmente se consideró otro conjunto de restricciones, que supone un factor de
potencia constante frente a una situación de liberación de carga. Esto se expone en la siguiente
ecuación.
N k LN i Q P
k U U
i i
∈ ∧ ∈ ∀ · − 0
Q
P
i
i
L
L
(16)
2.4.4 Cotas
Por último, se agregan como restricciones, los límites para las tensiones en las barras y
los límites técnicos de operación de los generadores. De esta manera se define el dominio de las
variables de optimización a través de restricciones de desigualdad o cotas Para el caso de la
potencia no servida, los límites se relacionan con la demanda en el nodo.
max min
x x x ≤ ≤ (17)
En conclusión, se ha descrito los elementos componentes de una red eléctrica que
representan un SEP y que son considerados en el OPF. Se efectuó una mención especial a los
transformadores, las líneas de transmisión y equipos FACTS SVC. Además, se ha formulado el
OPF, considerando función objetivo cuadrática en las potencias activas generadas y no servidas
en las cargas, se consideran las restricciones de conservación de flujo de potencia en las barras y
restricciones de factor de potencia en la liberación de carga.
17
3.- Aplicación de Programación Cuadrática Secuencial
3.1 Resumen
En este capítulo se describe la aplicación de SQP a la modelación extendida de OPF
descrita en el capítulo anterior. Primero se resume SQP, exponiendo el criterio de convergencia,
las metodologías para resolver los subproblemas cuadráticos y la forma de cálculo de costos
marginales de potencia activa y reactiva en los nodos. Finalmente se describe un caso detallado
de estudio de dos barras.
3.2 Programación Cuadrática Secuencial
3.2.1 Definición
La Programación Cuadrática Secuencial (SQP) (Boggs y Tolle, 1999 a, b; Fletcher,
1987), se califica como una extensión del método Cuasi – Newton. Este método resuelve el
OPF, mediante repetidas soluciones de una aproximación cuadrática de la condiciones de primer
orden de optimalidad del problema. Un problema de programación cuadrática, es un caso
especial de programación no lineal, donde la función objetivo es una función cuadrática y las
restricciones son lineales. La aproximación cuadrática del problema se basa en una expansión en
series de Taylor.
3.2.2 Formulación General
Primero se construye la función Lagrangeana, penalizando las restricciones que
establecen el balance de potencia activa, potencia reactiva (2n restricciones) y de factor de
potencia en la carga (l restricciones) en la función objetivo del problema del OPF. La expresión
resultante se puede apreciar en la siguiente ecuación.

·
− ·
r
i
i i
x c x f x L
1
) ( ) ( ) , ( λ λ (18)
donde:
l n
i i
R
l n n n i x p x c
+

+ + · ·
2
2 ,..., 1 2 , 2 ,..., 1 ; ) ( ) (
λ
(19)
Luego, se aproxima el gradiente de la función Lagrangeana con una expansión de Taylor
de segundo orden, tal como se expone en la siguiente ecuación.

,
`

.
|
∇ + ∇ · + + ∇
δλ
δ
δλ λ δ
x
L L x x L
k k k k ) ( ) 2 ( ) ( ) ( ) (
) , ( (20)
Se aplica la condición de primer orden, que indica que el gradiente de la función
Lagrangeana es nulo. De esta forma, resolviendo el sistema que se conforma, se puede encontrar
un mínimo para el OPF.
18

,
`

.
|
−∇ · ∇
δλ
δx
L L
k k ) ( ) 2 ( ) (
(21)
La ecuación anterior puede formularse equivalentemente en forma matricial, tal como se
aprecia en la siguiente ecuación.
( )
]
]
]

+ −
·
]
]
]

]
]
]


) (
) ( ) ( ) (
) (
) ( ) (
0
k
k k k
T
k
k k
c
A g x
A
A W λ
δλ
δ
(22)
Donde las matrices y parámetros participantes de este sistema son:

) (k
A : Matriz Jacobiana de las restricciones.

) ( 2 ) ( k
x
k
L W ∇ · : Matriz Hessiana con respecto a las variables x
• ) (
) ( ) ( k k
x c c · : Grupo de funciones de las restricciones evaluadas en punto x
(k)

• δ δ δ δ
) ( ) ( ) ( ) ( ) (
2
1
) ( ) ( :
k T T k k k k
G g f x f g + + ≈ + →
• δ : Vector de incremento de las variables en x
El sistema generado se puede representar de manera equivalente con el subproblema
(SP), debido a un simple reconocimiento de las condiciones de primer orden del sistema. Nótese
que este subproblema es cuadrático en los incrementos δ y lineal en las restricciones.
) ( ) ( ) (
) ( ) ( ) ( ) (
) ( . .
2
1
) ( ) (
k
T
k k
k k k T k
C A I a s
f g W q Min SP
+ ·
+ + ·
δ δ
δ δ δ δ
δ
(23)
Para la solución SQP considera el siguiente proceso:
1. Determinar punto de partida
a.
) 1 (
x
b.
) 1 (
λ
2. Para k=1,2,...
a. Resolver (SP)
(k)
y determinar el incremento
) ( k
δ y
) ( k
λ
3. Si se verifica convergencia, entonces terminar
4. Si no se verifica convergencia:
a.
) ( ) ( ) 1 ( k k k
x x δ + →
+

5. k=k+1
6. Volver a 2
7. Si el número de iteraciones determinadas por el operador es superado, entonces
Terminar
19
3.2.3 Criterio de Convergencia Utilizado
En la literatura se exponen variados criterios para verificar convergencia en SQP, dada
las características de OPF, en el sentido que, junto con minimizar los costos por generación de
potencia activa, también satisface las ecuaciones de flujo de potencia. Así, definir un criterio de
convergencia que sólo considere una diferencia pequeña en costos entre iteraciones, puede
significar la no satisfacción de las ecuaciones de flujo. De esta manera, se mezclan ambos
aspectos y se utiliza el siguiente criterio de convergencia que utiliza dos condiciones que se
deben cumplir conjuntamente (Ravindra y Lasdon, 1997).
La primera dicta que, la suma de los residuos del lado derecho de las restricciones en el
subproblema debe ser pequeño con respecto (porcentaje definido por el usuario) a la demanda
total de potencia. Lo anterior indica que el lado derecho de las restricciones tiende a cero.
La siguiente ecuación muestra dicho criterio, donde: ε
rhs
es la tolerancia porcentual, DTP
y DTQ son las demandas totales por potencia activa y reactiva respectivamente.
100
| |
2 2
) (
DTQ DTP
C
rhs
k
+
≤ ε
(24)
El segundo criterio se basa en que, el valor absoluto de la diferencia entre costos
operacionales de dos iteraciones consecutivas debe ser menor que un cierto porcentaje (definido
por el usuario) del costo medio entre dichas iteraciones. Lo que indica una estabilización de
costos.
La siguiente ecuación muestra este segundo criterio, donde ε
cost
es la tolerancia
porcentual.
100 2
| |
| |
) 1 ( ) (
cos
) 1 ( ) (
×
+
≤ −


k k
t
k k
q q
q q ε (25)
3.3 Resolución de Subproblemas Cuadráticos
En la programación computacional de SQP, la inclusión de un Software de optimización
especializado, introduce un cuello de botella en la ejecución del programa, esto es, se debe
interrumpir la ejecución normal del programa, luego escribir en un archivo la información de
entrada para el software especializado, se debe esperar que éste entregue la solución y luego leer
los resultados entregados desde un archivo, para así seguir con la ejecución normal del
programa. Nótese, que si se enfrenta un Sistema Eléctrico de Potencia de la magnitud del SIC, la
cantidad de variables y restricciones es bastante elevada. De esta manera la introducción de un
software especializado en optimización en la programación hace que la entrega de soluciones
sea demasiado lenta. En este escenario entonces, fue necesario implementar rutinas de
optimización para el problema en forma específica, siendo programados, dos métodos para la
resolución de los subproblemas cuadráticos, el método de búsqueda de direcciones factibles de
Zoutendijk y el método de proyección del gradiente de Rosen (Bazaraa, 1994).
Entre los métodos existentes en programación no lineal, una alternativa muy atractiva
para resolver problemas cuadráticos es la transformación del (SP) en un problema lineal
20
complementario (Bazarra, 1994). Sin embargo, el reconocer el problema lineal complementario
del subproblema generado en las iteraciones de SQP, equivale a resolver el sistema de
ecuaciones del cual surge el subproblema; de esta manera se perdería el sentido de aplicar SQP
y se estaría aplicando el método cuasi - Newton. La idea es aprovechar el gran potencial de
SQP, con respecto a su velocidad en convergencia (Boggs y Tolle, 1999 a, b) y resolver el
subproblema cuadrático con métodos de programación no – lineal de manera optimizada.
Existe una familia de métodos, denominados métodos de conjuntos activos (Bazaraa,
1994), nombre que reciben, debido a que se basan en la generación de conjuntos de restricciones
activas para encontrar la solución óptima. Estos métodos, en general requieren de un punto
inicial factible para poder solucionar el problema, a diferencia de SQP. Este punto fue
aprovechado, se hizo de una debilidad una fortaleza, y en la búsqueda de un punto factible
inicial se realizó una búsqueda de primer orden para el subproblema, esto optimiza los métodos,
haciendo más rápida la convergencia.
Se implementó el método de direcciones factibles de Zoutendijk y el método de
proyección del gradiente de Rosen. Ambos métodos pueden ser apreciados en detalle en el
Anexo I.
3.4 Cálculo de Costos Marginales
Los costos marginales de generación en un sistema eléctrico de potencia son
considerados como una señal eficaz de estímulo a la eficiencia económica de los sistemas
eléctricos, proporcionando a los diferentes participantes del sector eléctrico una información
precisa sobre el impacto de sus acciones en los costos de suministro.
En un SEP, los precios puntuales de la energía se definen como los costos marginales de
generación a corto plazo, incluida una diferenciación tanto espacial como temporal. Para un
nodo determinado, indica el costo asociado a un incremento de potencia inyectada en el sistema,
necesario para responder a incrementos de carga experimentados en dicho nodo.
De la definición se desprende el carácter dinámico de los precios puntuales, el cual se
debe a su variación en el tiempo y dependencia de las condiciones del sistema, condiciones que
están relacionadas estrechamente con las decisiones de operación del mismo. El análisis de los
precios puntuales debe hacerse bajo un esquema de operación óptima del sistema, con el fin de
que las señales entregadas se reflejen en condiciones acordes a la realidad del sistema.
Los precios puntuales describen perfectamente las características del sistema: las zonas
desadaptadas, las zonas de generación, las barras de difícil acceso, entre otras. En general, el
valor de los costos marginales depende de:
• Despacho inicial de carga del sistema
• Curvas de costos de los generadores.
• Distribución de la demanda en los distintos nodos.
• Parámetros físicos y capacidad de las líneas de transmisión.
• Parámetros físicos y capacidad de los transformadores.
21
• Curvas de costo asociadas a falla en el sistema.
En el caso del OPF, los costos marginales se pueden obtener desde los multiplicadores
de Lagrange del problema de optimización, que poseen dos características fundamentales:
• Indican la variación de la función objetivo cuando se relaja su correspondiente
restricción. Se dice que una restricción está activa si alcanza su valor límite. Por ello,
una restricción que no está activa tiene asociado un multiplicador de Lagrange nulo.
Como ejemplo, las restricciones de igualdad (balance de potencia activa y reactiva)
siempre son activas u por lo tanto poseen un multiplicador distinto de cero.
• Los multiplicadores son las variables resultantes del problema dual. Esta propiedad
es muy importante ya que matemáticamente se simplifica su cálculo.
3.5 Cálculos para la Aplicación de Programación Cuadrática Secuencial
Hasta el momento, las matrices y vectores que participan en la optimización SQP han sido
definidos, pero no han sido explícitamente calculados. En este apartado se exponen
explícitamente estos parámetros.
Los principales cálculos que deben ser efectuados para la determinación de las matrices y
vectores participantes en los subproblemas son la Matriz Jacobiana y Hessiana de primeras y
segundas derivadas de las restricciones con respecto a las variables respectivamente. En las
siguientes ecuaciones se detallan los cálculos de éstas matrices.
Estructura general en bloques de la Matriz Jacobiana de primeras derivadas.
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1
1 0 1 1 0 0 0 1 1 0 0
0 0 0 0
0 1 1 0 1 1 0 0 0 1 1 0 0 1
0 0 0 0 1 1 0 0 0 1 0 1
0 0
0 0 0 0 0 1 1 0 0 1 1 0 1
1
1
1 1 1 1 1 1 1 1
L L L L L L
M O M M O M M O M M O M O O M O M M O M M
L L L L L L
L L L L
O M M M M O M M M O M M
L L
L L L
M O M M O M M M M O M O M M
L L L
L L L L L L L L
Ll
Ll
L
L
j
i
j
i
j
i
j
i
j
i
j
i
Ss S t n n Ul U Ul U Gg G Gg G
Q
P
l
Q
P
n
t
Q Q
V
Q
n
t
P P
V
P
Q Q t t V V Q Q P P Q Q P P
A


]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]




·
θ
θ
θ θ





(26)
Donde A es la matriz Jacobiana de las restricciones, las primeras n filas corresponden a las
restricciones de flujo de potencia activa, las siguientes n a las de flujo de potencia reactiva y las
últimas l a las de mantención de flujo de potencia en la carga.
Los elementos genéricos en las variables de tensión (valor absoluto y ángulo) y taps reales
de los transformadores se calculan a continuación.
( ) N i y V V P
N j
ij j i ij i j i
∈ ∀ − − ·


θ θ θ cos
(27)
( ) N i y V V Q
N j
ij j i ij i j i
∈ ∀ − − ·


θ θ θ sin
(28)
22
( )
( ) ( )
{ ¦
¹
¹
¹
'
¹
· − − +
≠ − −
·




j i ? ? ? y V ? y V
j i ? ? ? y V
V
P
i N/ k
ik k i ik k ij ij i
ij j i ij i
j
i
cos cos 2
cos
(29)
( )
( )
{ ¦
¹
¹
¹
'
¹
· − − −
≠ − − −
·




j i ? ? ? sin y V V
j i ? ? ? sin y V V
P
i N/ k
ik k i ik i k
ij j i ij j i
j
i
θ
(30)
( ) ( )
( )
¹
¹
¹
¹
¹
'
¹
≠ ∧ ∈
∈ − −
· − − − −
·






+
i j VN j
j t y ? ? ? V V
j VN i t y ? ? ? V V t y ? V
t
P
i
i j ij ij j i j i
k
j ik ik k i i k j ij ii i
j
i
i
) ( 0
/ cos
) ( / cos / cos 2
2
δ
δ
δ
(31)
( )
( ) ( )
{ ¦
¹
¹
¹
'
¹
· − − + −
≠ − −
·




j i ? ? ? y V ? y V
j i ? ? ? y V
V
Q
i N/ k
ik k i ik k ij ij i
ij j i ij i
j
i
sin sin 2
sin
(32)
( )
( )
{ ¦
¹
¹
¹
'
¹
· − −
≠ − − −
·




j i ? ? ? y V V
j i ? ? ? y V V
Q
i N/ k
ik k i ik i k
ij j i ij j i
j
i
cos
cos
θ
(33)
( ) ( )
( )
¹
¹
¹
¹
¹
'
¹
≠ ∧ ∈
∈ − − −
· − − −
·






+
i j VN j
j t y ? ? ? V V
j VN i t y ? ? ? V V t y ? V
t
Q
i
i j ij ij j i j i
k
j ik ik k i i k j ii ii i
j
i
i
) ( 0
/ sin
) ( / sin / sin 2
2
δ
δ
δ
(34)
Los conjuntos δ
i
+
y δ
i
-
representan las líneas que inciden y reciben un polo transformador
desde el nodo i respectivamente.
{ ¦
i i
t j i j ∃ ∧ ∃ ·
+
) , ( / δ (35)
{ ¦
j i
t j i j ∃ ∧ ∃ ·

) , ( / δ (36)
Por su parte VN(j), j = 1, ... ,t (tap real de transformador j), es una función que asigna a
cada tranformador el nodo al cual está conectado. Es decir, si el transformador j está en el nodo
i, entonces VN(j)=i.
Es importante recordar que los elementos de la matriz de admitancia nodal compleja son
actualizados con el valor del tap en cada iteración.
Se ha calculado completamente la matriz Jacobiana de restricciones, ahora se procede a
calcular la matriz W del subproblema cuadrático, la estructura se aprecia a continuación.
23
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0
0 0
0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0
0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2
1
1
1
1
1
1 1
1
1 1
1 1 1 1 1 1 1 1
L L L L L L L L
M O M M O M M O M M O M M O M M O M M O M M O M M
L L L L L L L L
L L L L L
M O M M O M M O M M O M M O M M
L L L L L
L L L L L
M O M M O M M O M M O M M O M M
L L L L L
L L L L L
M O M M O M M O M M O M M O M M
L L L L L
L L L L L L L L
M O M M O M M O M M O M M O M M O M M O M M O M M
L L L L L L L L
L L L L L L L
M O M M O M M O M M O M M O M O M O M M O M M
L L L L L L L
L L L L L L L L
M O M M O M M O M M O M M O M M O M M O M M O M M
L L L L L L L L
L L L L L L L
M O M M O M M O M M O M M O M M O M M O M O M
L L L L L L L
L L L L L L L L
Ss
S
t
n
n
Ul
U
Ll Ul
L U
Gn
G
Gn Gn
G G
Ss S t n n Ul U Ul U Gn G Gn G
Q
Q
t
I H G
t
F E D
V
C B A
V
Q
Q
P
P
Q
Q
P
P
Q Q t t V V Q Q P P Q Q P P
W
θ
θ
γ
γ
γ
γ
θ θ
·
(37)
[ ]

·

+ ·
n k
N i
k
i
k
i
k
i
k
i
A A A
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (38)
[ ]

·

+ · ·
n k
N i
k
i
k
i
k
i
k
i
B B D B
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (39)
[ ]

·

+ · ·
n k
N i
k
i
k
i
k
i
k
i
C C G C
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (40)
[ ]

·

+ ·
n k
N i
k
i
k
i
k
i
k
i
E E E
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (41)
[ ]

·

+ · ·
n k
N i
k
i
k
i
k
i
k
i
F F H F
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (42)
[ ]

·

+ ·
n k
N i
k
i
k
i
k
i
k
i
I I I
2 ,..., 1
) (
) 2 (
) ( ) (
) 1 (
) (
µ λ (43)
En que X
(j)i
(k)
; X = A, B ,C, E, F, I; j = 1, 2; i ∈ N; k = 1,..., 2n, responden a la siguiente
notación, “X
(j)i
(k)
es elemento ij de la matriz Hessiana de la restricción k”. Es importante
mencionar que las restricciones que participan corresponden a los flujos de pontencia activa y
reactiva respectivamente. Puesto que, el grupo de restricciones de factor de potencia no participa
en esta ecuación, debido a que sus segundas derivadas son nulas.
24
A continuación se describe el cálculo de las matrices A, B, C, E, F, H, I, L; se sigue
utilizando la notación de la matriz Jacobiana y se agrega la notación de expuesta anteriormente.
A
(1)
(k)
:
( )
( )
¹
¹
¹
¹
¹
'
¹
· ·
≠ · − −
· ≠
≠ ≠
·
∂ ∂

j k i k ? y
j k i k ? ? ? y
j k i k
j k i k
V V
P
kk kk
ij j i ij j i
k
cos 2
cos
0
0
2
(44)
A
(2)
(k)
:
( )
( )
¹
¹
¹
¹
¹
'
¹
· · −
≠ · − −
· ≠
≠ ≠
·
∂ ∂

j k i k ? y
j k i k ? ? ? y
j k i k
j k i k
V V
Q
kk kk
ij j i ij j i
k
sin 2
sin
0
0
2
(45)
B
(1)
(k)
= D
(1)
(k)
:
( )
( )
( )
{ ¦
¹
¹
¹
¹
¹
'
¹
· · − − −
≠ · − − −
· ≠ − −
≠ ≠
·
∂ ∂



j k i k ? ? ? y V V
j k i k ? ? ? y V
j k i k ? ? ? y V
j k i k
V
P
i N s
ks s k ks s k
kj j k kj k
kj j k kj k
j i
k
/
2
sin
sin
sin
0
θ
(46)
B
(2)
(k)
= D
(2)
(k)
:
( )
( )
( )
{ ¦
¹
¹
¹
¹
¹
'
¹
· · − −
≠ · − −
· ≠ − − −
≠ ≠
·
∂ ∂



j k i k ? ? ? y V V
j k i k ? ? ? y V
j k i k ? ? ? y V
j k i k
V
Q
i N s
ks s k ks s k
kj j k kj k
kj j k kj k
j i
k
/
2
cos
cos
cos
0
θ
(47)
C
(1)
(k)
= G
(1)
(k)
:
( )
( ) ( )
¹
¹
¹
¹
¹
'
¹
· · − − − −
≠ ≠ · − − −
·
∂ ∂


+

casos otros
j VN i k t y ? ? ? V t y ? V
j VN i i k j VN k t y ? ? ? V
t V
P
k
s
j ks ks s k s j kj kk k
j kj ki i k k
j i
k
0
) ( / cos / cos 4
) ( ) ( / cos
2
δ
(48)
C
(2)
(k)
= G
(2)
(k)
:
( )
( ) ( )
¹
¹
¹
¹
¹
'
¹
· · − − −
≠ ≠ · − − −
·
∂ ∂


+

casos otros
j VN i k t y ? ? ? V t y ? V
j VN i i k j VN k t y ? ? ? V
t V
Q
k
s
j ks ks s k s j kj kk k
j kj ki i k k
j i
k
0
) ( / sin / sin 4
) ( ) ( / sin
2
δ
(49)




25
E
(1)
(k)
:
( )
( )
( )
{ ¦
¹
¹
¹
¹
¹
'
¹
· · − − −
≠ · − −
· ≠ − − −
≠ ≠
·
∂ ∂



j k i k ? ? ? y V V
j k i k ? ? ? y V V
j k i k ? ? ? y V V
j k i k
P
i N s
ks s k ks s k
kj j k kj j k
kj j k kj j k
j i
k
/
2
cos
cos
cos
0
θ θ
(50)
E
(2)
(k)
:
( )
( )
( )
{ ¦
¹
¹
¹
¹
¹
'
¹
· · − − −
≠ · − −
· ≠ − − −
≠ ≠
·
∂ ∂



j k i k ? ? ? y V V
j k i k ? ? ? y V V
j k i k ? ? ? y V V
j k i k
Q
i N s
ks s k ks s k
kj j k kj j k
kj j k kj j k
j i
k
/
2
sin
sin
sin
0
θ θ
(51)
F
(1)
(k)
= H
(1)
(k)
:
( )
( )
¹
¹
¹
¹
¹
'
¹
· · − − −
≠ ≠ · − − −
·
∂ ∂


+

casos otros
j VN i k t y ? ? ? V V
j i i k j VN k t y ? ? ? V V
t
P
k
s
j ks ks s k s k
j kj ki i k i k
j i
k
0
) ( / sin
) ( / sin
2
δ
θ
(52)
F
(2)
(k)
= H
(2)
(k)
:
( )
( )
¹
¹
¹
¹
¹
'
¹
· · − −
≠ ≠ · − −
·
∂ ∂


+

casos otros
j VN i k t y ? ? ? V V
j i i k j VN k t y ? ? ? V V
t
Q
k
s
j ks ks s k s k
j kj ki i k i k
j i
k
0
) ( / cos
) ( / cos
2
δ
θ
(53)
I
(1)
(k)
:
( ) ( )
( )
¹
¹
¹
¹
¹
'
¹
∈ · − − −
· · − − −
·
∂ ∂




+
casos otros
j i j t y ? ? ? V V
i VN j VN k t y ? ? ? V V t y ? V
t t
P
i i kVNj j kVN j VN k j VN k
s
k ks ks s k s k i kj kk k
j i
k
k
0
/ cos 2
) ( ) ( / cos 2 / cos 6
2
) ) ( ) ( ) (
2 2
2
2
δ
δ
(54)
I
(2)
(k)
:
( ) ( )
( )
¹
¹
¹
¹
¹
'
¹
∈ · − − −
· · − − −
·
∂ ∂




+
casos otros
j i j t y ? ? ? V V
i VN j VN k t y ? ? ? V V t y ? V
t t
Q
i i kVNj j kVN j VN k j VN k
s
k ks ks s k s k i kj kk k
j i
k
k
0
/ sin 2
) ( ) ( / sin 2 / sin 6
2
) ) ( ) ( ) (
2 2
2
2
δ
δ
(55)
Completándose así los cálculos de parámetros participantes en la definición del
subproblema cuadrático generado en cada iteración de SQP.
26
3.6 Caso Detallado de Estudio 2 Barras
En esta sección se describirá completamente la aplicación de la metodología a una red de
dos barras, un consumo, un generador y una línea. Se muestra todas las matrices y parámetros,
para todas las iteraciones que realiza la metodología al converger al óptimo. La Figura 10
muestra la red en cuestión construida en el DSS desarrollado.

Figura 10: Red Pequeña para Desarrollo Detallado
Tabla 1: Parámetros de Entrada para Red de Prueba Pequeña
Generador Línea Carga
P
min

[MW]
0 X [p.u.] 0.1 P
[MW]
100
P
max

[MW]
300 R [p.u.] 0 Q
[MVAr]
50
Q
min

[MVAr]
-100 B [p.u.] 0 b
[US$/MW]
333
Q
max

[MVAr]
200 Matriz Admitancia g
[US$/MW
2
]
0.8
α
[US$]
1 -10j 10j
β
[US$]
1 10j -10j
γ
[US$/MW
2
]
0.7
Donde j representa la unidad compleja imaginaria 1 − · j . Por su parte, el tratamiento
de los valores de potencia activa y reactiva se hacen en por unidad, reconociendo como base
100[MVAr].
Primero se muestran los parámetros de manera general para una iteración k. Luego, para
cada iteración, se exponen los resultados obtenidos por el método.
El gradiente de la función de costos para una iteración k es:
[ ] 0 0 0 0 0 8 . 0 2 333 0 7 . 0 2 1 ) (
) (
1
) (
1
) ( k
U
k
G
t k
P P x f × × + × × + · ∇ (56)
El vector del lado derecho de las restricciones corresponde a las restricciones evaluadas
en el punto de la iteración, esto es:
27
) ( ) (
1 5
22
) (
2
) (
2 21
) (
1
) (
2
) (
1
) (
2 1
) (
1 4
12
) (
2
) (
1
) (
2
) (
1 11
) (
1
) (
1
) (
1 3
22
) (
2
) (
2 21
) (
1
) (
2
) (
1
) (
2 1
) (
1 2
12
) (
2
) (
1
) (
2
) (
1 11
) (
1
) (
1
) (
1 1
2
) ( sin | || | 10 ) ( sin | || | 10
) ( sin | || | 10 ) ( sin | || | 10
) ( cos | || | 10 ) ( cos | || | 10
) cos( | || | 10 ) cos( | || | 10
k
u
k
U
k k k k k k
L
k
U
k k k k k k k
G
k k k k k k
L
k
U
k k k k k k k
G
Q P b
V V V V Q Q b
V V V V Q b
V V V V P P b
V V V V P b
− ·
+ − − − − ·
− − − + ·
− − − − − ·
− − − − ·
θ θ θ θ
θ θ θ θ
θ θ θ θ
θ θ θ θ
(57)
A medida que SQP converge, el vector del lado derecho b
T
debe tender a cero.
Si se considera que θ
11

22
=-90° y θ
12

21
=90°, la matriz Jacobiana de derivadas de las
restricciones es:
]
]
]
]
]
]
]
]


·
0 0 0 0 0 2 1 0
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1
48 47 46 45
38 37 36 35
28 27 26 25
18 17 16 15
J J J J
J J J J
J J J J
J J J J
J (58)
) cos( | | 10
12
) (
2
) (
1
) (
2 15
θ θ θ − − − ·
k k k
V J (59)
) cos( | | 10
12
) (
2
) (
1
) (
1 16
θ θ θ − − − ·
k k k
V J (60)
) ( sin | || | 10
12
) (
2
) (
1
) (
2
) (
1 17
θ θ θ − − + ·
k k k k
V V J (61)
) ( sin | || | 10
12
) (
2
) (
1
) (
2
) (
1 18
θ θ θ − − − ·
k k k k
V V J (62)
) cos( | | 10
21
) (
1
) (
2
) (
2 25
θ θ θ − − − ·
k k k
V J (63)
) cos( | | 10
21
) (
1
) (
2
) (
1 26
θ θ θ − − − ·
k k k
V J (64)
) ( sin | || | 10
21
) (
1
) (
2
) (
2
) (
1 27
θ θ θ − − − ·
k k k k
V V J (65)
) ( sin | || | 10
21
) (
1
) (
2
) (
2
) (
1 28
θ θ θ − − + ·
k k k k
V V J (66)
) ( sin | | 10 | | 20
12
) (
2
) (
1
) (
2
) (
1 35
θ θ θ − − − − ·
k k k k
V V J (67)
) ( sin | | 10
12
) (
2
) (
1
) (
1 36
θ θ θ − − − ·
k k k
V J (68)
) cos( | || | 10
12
) (
2
) (
1
) (
2
) (
1 37
θ θ θ − − − ·
k k k k
V V J (69)
) cos( | || | 10
12
) (
2
) (
1
) (
2
) (
1 38
θ θ θ − − + ·
k k k k
V V J (70)
) ( sin | | 10
21
) (
1
) (
2
) (
2 45
θ θ θ − − − ·
k k k
V J (71)
28
| | 20 ) ( sin | | 10
) (
1 21
) (
1
) (
2
) (
1 46
k k k k
V V J − − − − · θ θ θ (72)
) cos( | || | 10
21
) (
1
) (
2
) (
2
) (
1 47
θ θ θ − − + ·
k k k k
V V J (73)
) cos( | || | 10
21
) (
1
) (
2
) (
2
) (
1 48
θ θ θ − − − ·
k k k k
V V J (74)
La matriz W de segundas derivadas es:
]
]
]
]
]
]
]
]
]
]
]
]
]

·
88 87 86 85
78 77 76 75
68 67 66 65
58 57 56 55
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 16000 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 14000
W W W W
W W W W
W W W W
W W W W
W (75)
Se reconoce el vector λ=[λ
1
, λ
2
, λ
3
, λ
4
, λ
5
] de mutiplicadores de Lagrange y los ángulos
α
1

1

2

12
y α
2

2

1

21
.
1 55
20λ · W (76)
[ ]
4 2 3 1 2 2 1 1 56
) ( sin ) ( sin ) cos( ) cos( 10 λ α λ α λ α λ α + + + · W (77)
[ ]
4 2 3 1 2 2 1 1 2 57
) cos( ) cos( ) ( sin ) ( sin | | 10 λ α λ α λ α λ α − + + − · V W (78)
[ ]
4 2 3 1 2 2 1 1 2 58
) cos( ) cos( ) ( sin ) ( sin | | 10 λ α λ α λ α λ α + − − · V W (79)
[ ]
4 2 3 1 2 2 1 1 65
) ( sin ) ( sin ) cos( ) ( cos 10 λ α λ α λ α λ α + + + · W (80)
4 66
20λ · W (81)
[ ]
4 2 3 1 2 2 1 1 1 67
) cos( ) cos( ) ( sin ) ( sin - | | 10 λ α λ α λ α λ α − + + · V W (82)
[ ]
4 2 3 1 2 2 1 1 1 68
) cos( ) cos( ) ( sin ) ( sin | | 10 λ α λ α λ α λ α + − − · V W (83)
[ ]
4 2 3 1 2 2 1 1 2 75
) cos( ) cos( ) ( sin ) ( sin - | | 10 λ α λ α λ α λ α − + + · V W (84)
[ ]
4 2 3 1 2 2 1 1 1 76
) cos( ) cos( ) ( sin ) ( sin - | | 10 λ α λ α λ α λ α − + + · V W (85)
[ ]
4 2 3 1 2 2 1 1 2 1 77
) ( sin ) ( sin ) cos( ) cos( | || | 10 λ α λ α λ α λ α + + + − · V V W (86)
[ ]
4 2 3 1 2 2 1 1 2 1 78
) ( sin ) ( sin ) cos( ) cos( | || | 10 λ α λ α λ α λ α + + + · V V W (87)
29
[ ]
4 2 3 1 2 2 1 1 2 85
) cos( ) cos( ) ( sin ) ( sin | | 10 λ α λ α λ α λ α + − − · V W (88)
[ ]
4 2 3 1 2 2 1 1 1 86
) cos( ) cos( ) ( sin ) ( sin | | 10 λ α λ α λ α λ α + − − · V W (89)
[ ]
4 2 3 1 2 2 1 1 2 1 87
) ( sin ) ( sin ) cos( ) cos( | || | 10 λ α λ α λ α λ α + + + · V V W (90)
[ ]
4 2 3 1 2 2 1 1 2 1 88
) ( sin ) ( sin ) cos( ) cos( | || | 10 λ α λ α λ α λ α + + + − · V V W (91)
De esta manera, al resolver OPF sobre la red descrita, SQP converge en tres iteraciones,
las cuales se describen a continuación.
30
Tabla 2: Resultados Iteración 0
Variable x δx ∇f b
λ
P
G1
0,000 1,000 100,000 0,000 14100,000
Q
G1
0,000 0,500 0,000 1,000 14100,000
P
U1
0,000 0,000 33300,000 0,000 0,000
Q
U1
0,000 0,000 0,000 0,500 0,000
|V
1
| 1,000 0,050 0,000 0,000 0,000
|V
2
| 1,000 0,000 0,000
θ
1
0,000 0,100 0,000
θ
2
0,000 0,000 0,000
Matriz A
1,000 0,000 0,000 0,000 0,000 0,000 -10,000 10,000
0,000 0,000 1,000 0,000 0,000 0,000 10,000 -10,000
0,000 1,000 0,000 0,000 -10,000 10,000 0,000 0,000
0,000 0,000 0,000 1,000 10,000 -10,000 0,000 0,000
0,000 0,000 1,000 -2,000 0,000 0,000 0,000 0,000
Matriz W
14000,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 16000,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
Tabla 3: Resultados Iteración 1
Variable x δx ∇f b
λ
P
G1
1,000 0,000 14100,000 0,048 14100,000
Q
G1
0,500 0,118 0,000 -0,048 14100,000
P
U1
0,000 0,000 33300,000 0,077 0,000
Q
U1
0,000 0,000 0,000 0,052 0,088
|V
1
| 1,050 0,029 0,000 0,000 0,442
|V
2
| 1,000 0,025 0,000
θ
1
0,100 -0,002 0,000
θ
2
0,000 0,008 0,000
Matriz A
1,000 0,000 0,000 0,000 -0,998 -1,048 -10,448 10,448
0,000 0,000 1,000 0,000 0,998 1,048 10,448 -10,448
0,000 1,000 0,000 0,000 -11,050 10,448 -1,048 1,048
0,000 0,000 0,000 1,000 9,950 -9,552 -1,048 1,048
0,000 0,000 1,000 -2,000 0,000 0,000 0,000 0,000
Matriz W
14000,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 16000,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 -0,007 0,007
0,000 0,000 0,000 0,000 0,000 0,000 0,002 -0,002
0,000 0,000 0,000 0,000 -0,007 0,002 0,000 0,000
0,000 0,000 0,000 0,000 0,007 -0,002 0,000 0,000
31
Tabla 4: Resultados Iteración 2
Variable x δx ∇f b
λ
P
G1
1,000 0,000 14100,000 -0,005 14100,000
Q
G1
0,618 0,000 0,000 0,005 14100,000
P
U1
0,000 0,000 33300,000 0,000 0,000
Q
U1
0,000 0,000 0,000 0,000 0,000
|V
1
| 1,079 0,000 0,000 0,000 0,000
|V
2
| 1,025 0,000 0,000
θ
1
0,098 0,000 0,000
θ
2
0,008 0,000 0,000
Matriz A
1,000 0,000 0,000 0,000 -0,923 -0,971 -11,014 11,014
0,000 0,000 1,000 0,000 0,923 0,971 11,014 -11,014
0,000 1,000 0,000 0,000 -11,360 10,742 -0,995 0,995
0,000 0,000 0,000 1,000 10,212 -9,765 -0,995 0,995
0,000 0,000 1,000 -2,000 0,000 0,000 0,000 0,000
Matriz W
14000,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 16000,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000 0,000 0,000 0,009 -0,009
0,000 0,000 0,000 0,000 0,000 0,000 -0,008 0,008
0,000 0,000 0,000 0,000 0,009 -0,008 0,000 0,000
0,000 0,000 0,000 0,000 -0,009 0,008 0,000 0,000
Por lo tanto, OPF entrega la siguiente solución:
Tabla 5: Resultado Final para Red Pequeña
Variable Óptimo
P
G1
100,000 [MW]
Q
G1
61,886 [MVAr]
P
U1
0,000 [MW]
Q
U1
0,000 [MVAr]
|V
1
| 237,280 [kV]
|V
2
| 230,580 [kV]
θ
1
11,726 °
θ
2
0,913 °
Costo Total 7100 [US$]
Se puede comprobar la validez de los costos marginales de generación del sistema, como
una eficaz herramienta para el análisis de SEP, a través del siguiente experimento. Subir la
demanda 1 [MW] por potencia activa en el consumo debiese significar un aumento en el costo
de operación del sistema, determinado por el costo marginal ya calculado. Los resultados avalan
la hipótesis y se puede apreciar en la siguiente tabla la cercanía entre la diferencia de costos
entre escenarios y el costo marginal calculado.
32
Tabla 6: Datos de Resumen para Costos Totales de Generación
Costo Original 7100,000 [U.M.]
Costo Actual 7114,106 [U.M.]
∆ Costo 14,106 [U.M.]
Costo Marginal 14,100 [U.M.]
En conclusión, se ha descrito la aplicación de SQP al modelamiento específico del OPF,
especificando los criterios de convergencia y las metodologías utilizadas. Así también, se
calculan explícitamente los términos que participan en el proceso de resolución del OPF.
Los multiplicadores de Lagrange, asociados al balance de potencia reactiva en los nodos,
son nulos, esto se debe a que la resistencia en la línea de transmisión es nula. Si existiese
resistencia en dicha línea, dichos multiplicadores no son nulos.
33
4.- Introducción en un Sistema de Apoyo a la Toma de Decisiones
4.1 Resumen
En este capítulo se describe la introducción de las metodologías desarrolladas, en un
sistemas de apoyo a la toma de decisiones denominado DeepEdit (DSS) (Palma, 1999). Se
muestra el entorno de desarrollo y la interfaz que ofrece la herramienta de análisis OPF-SQP.
4.2 Entorno de Desarrollo
DeepEdit es un DSS que se utiliza (y desarrolla) en la docencia, investigación y
extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile, ha sido
desarrollado en lenguaje de programación orientado al objeto JAVA y ha definido variadas
estructuras de objetos. A continuación se detallan sólo aquellas que han sido utilizadas y creadas
en el presente estudio.
Los elementos de red definidos previamente, son los objetos utilizados y creados (para el
caso del SVC). Entre los elementos de red, se distinguen dos grupos:
• Elementos de un polo: Son elementos de red que poseen sólo un polo o nivel de
tensión (que representa un estado), que es la representación monofásica de un
SEP en estado estacionario. Los elementos de red considerados en el OPF y que
corresponden a especificaciones de la clase de un polo son:
§ Barras o Nodos de red
§ Generadores
§ FACTS SVC
• Elementos de dos polos: Son elementos de red a los que se asocia dos niveles de
tensión en la red monofásica que representa un SEP. Pertenecen a esta categoría:
§ Líneas de Transmisión
§ Transformadores
La Figura 11 muestra el árbol jerárquico de clases del modelo utilizado y creados para el
OPF.
34
Elemento de Red
1 - Polo 2 - Polos
Barra SVC Línea Transformador
: Herencia
: Clase existente
: Clase creada
Generador

Figura 11: Definición y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones
Mediante la estructura de objetos presentada en la Figura 11, el DSS posee herramientas
de cálculo como: flujos de potencia, cálculos de cortocircuito, despacho económico de carga,
entre otras. Este trabajo agrega a estas herramientas el cálculo de flujo de potencia óptimo e
incorpora los equipos FACTS SVC. Las herramientas de cálculo conforman a su vez un
conjunto de objetos que son capaces de comunicarse con los objetos físicos y entre sí, con el fin
de obtener la información requerida por los algoritmos. La Figura 12 muestra la estructura
general de los objetos de cálculo o herramientas de análisis. En ella se destaca con línea gruesa
el desarrollo correspondiente al presente estudio.

Objetos de Cálculo
Flujo de
Potencia
Newton
Raphson
: Herencia
Newton
Raphson
Despacho
Económ.
SQP
OPF Sensibilidades
Tarifación
Cortocircuito

Figura 12: Estructura de Objetos de Cálculo en Sistema de Apoyo a la Toma de Decisiones
Todos los objetos que representan a los elementos de red poseen campos o atributos en
los cuales se definen sus principales características. Los campos utilizados en el presente
desarrollo son:
• Información de Operación
• Información Económica
35
Existen otros campos como Información Gráfica e Información de Ubicación, este
último es utilizado para una Sistema de Información Geográfico incorporado en el DSS.
Para el caso de los generadores se utiliza la información de operación y la información
económica. Los siguientes datos de operación son utilizados por el OPF:
• P
min
y Q
min
: Es la potencia activa y reactiva mínima que puede inyectar el
generador a la red.
• P
max
y Q
max
: Es la potencia activa y reactiva máxima que puede inyectar el
generador a la red.
Mientras que los atributos económicos de interés para el OPF son:
• Alfa : Corresponde al costo fijo de la curva de costos cuadrática en la potencia
activa del generador en cuestión.
• Beta : Corresponde al ponderador lineal de la potencia activa en la función de
costos del generador.
• Gama : Corresponde al ponderador cuadrático de la potencia activa en la función
de costos del generador.
La Figura 13 muestra la interfaz gráfica que ofrece el DSS para fijar la información de
operación para los generadores al construir una red a ser evaluada por el OPF. Por su parte, la
Figura 14 muestra la interfaz para la información económica.

Figura 13: Información de Operación para Generadores
36

Figura 14: Información Económica para Generadores
Los equipos SVC, poseen similares características (en el modelo de OPF) que los
generadores, la diferencia radica en la imposibilidad de generar potencia activa de los SVC y
por ende la no utilización de la información económica, ya que no incide en la función de costos
considerada por OPF. De esta forma, la información utilizada por OPF de los SVC es la
potencia reactiva mínima y máxima que son capaces de inyectar a la red.
Para el caso de las barras, OPF utiliza sólo la información de operación, específicamente
el rango de tensión a la cual opera dicha barra. La interfaz es similar a la de los generadores y
los límites para los valores de tensión son fijados internamente en el OPF, correspondiendo para
el caso del SIC en los valores absolutos de tensión –10% y +10% con respecto a la tensión
nominal (valores porcentuales con respecto a una base conocida, típicamente de 220 [kV]).
En los elementos de red de dos polos, sólo se utiliza la información de operación, las
Figura 15 y Figura 16 muestran la interfaz gráfica ofrecida por el DSS para estos elementos
(transformadores y líneas de transmisión).

Figura 15: Información de Operación para Líneas de Transmisión
37

Figura 16: Información de Operación para Transformadores
La información utilizada por el OPF de las líneas de transmisión y transformadores, son
los parámetros del modelo equivalente. Con estos valores de los elementos de dos polos, se
calcula la matriz de admitancia compleja de la red, que es utilizada en todos los cálculos que
involucra el OPF. En el caso de transformadores, en una primera instancia no se considera el
efecto tap para el cálculo de la matriz de admitancia nodal compleja. Luego, en cada iteración se
actualiza con el valor de tap correspondiente.
Toda la información extraída desde los elementos de red es utiliza para resolver el OPF.
Luego que éste es resuelto, el reporte que entrega el DSS es la red construida con los valores
óptimos encontrados y además se genera un archivo, el cual contiene toda la información
concerniente a las variables óptimas, informes de costos totales e información sobre la
convergencia del método, como valores de tolerancia y número de iteraciones en que se logra la
convergencia. La Figura 17 muestra una pequeña red de tres barras, una línea de transmisión, un
generador, un transformador y dos consumos, la cual está simulando la operación a los valores
encontrados por el OPF.
38

Figura 17: Salida Entregada ante Ejecución
4.3 Herramienta de Análisis Implementada
4.3.1 Descripción General
Entre las herramientas de análisis estacionario de SEP se encuentra OPF – SQP, el menú
principal y sus opciones se muestran en la siguiente figura, la clase asociada a este menú se
denomina OPFFrame. Este menú permite escoger los parámetros y métodos con que se aplicará
OPF – SQP.

Figura 18: Menú Principal de Herramienta de Cálculo
39
4.3.2 Implementación de Métodos de Zoutendijk y Rosen
Tanto para la implementación de SQP como de Zoutendijk y Rosen se utilizó la librería
de JAVA para el manejo de álgebra matricial OP-RESEARCH (DRA Systems, 2001). Ésta
librería permite la utilización de matrices ralas, denominadas SparseMatrix. Las que habilitan la
realización de mejoras al aplicar OPF-SQP al SIC chileno. El tipo de matrices y vectores
específicos utilizados son DenseMatrix y DenseVector respectivamente, para el caso de matrices
ralas se utilizó SparseMatrix.
La clase que define OPF-SQP es llamada OPF. Ésta realiza las iteraciones utilizando
alternativamente la clase que define al método de Zoutendijk o una llamada al software de
optimización externo Minos para solucionar los subproblemas cuadráticos de cada iteración. En
esta clase además, se realiza la lectura de los parámetros desde la red construida por el usuario,
que son los parámetros de entrada para OPF-SQP.
El método de Zoutendijk, con el fin de encontrar una dirección factible, requiere resolver
problemas de programación lineal en sus iteraciones. Se utilizó la librería LPsolve (Princeton,
2001) especializada en la resolución de problemas de programación lineal. OP-RESEARCH
también ofrece herramientas de programación lineal, pero presentó problemas en la
implementación al errar en la solución de algunas instancias clásicas y al presentar un mal
funcionamiento en problemas que definen variables menores que cero.
Se generó una nueva clase llamada newsimp, la cual recibe las matrices y vectores tipo
DenseMatrix, que definen un problema de programación lineal y entrega como resultado un
vector tipo DenseVector que contiene el valor óptimo y las variables duales del problema, ésta
utiliza como núcleo de cálculo la librería LPsolve.
La clase que define al método de búsqueda de direcciones factibles se denominó
zoutendijk y la que define el método de proyección del gradiente se denominó Rosen. Éstas
reciben vectores y matrices que definen un problema de programación cuadrática. Ambas
entregan como solución un vector tipo DenseVector que contiene las variables óptimas y los
multiplicadores de Lagrange del problema cuadrático.
La siguiente figura representa las interacciones entre las clases desarrolladas.
40
OPF.class
Lí mites de operación
Vec_xmin y Vec_xmax
Matriz Jacobiana
Mat_A
Costos
α
G
, β
G
, γ
G
, α
U
, β
U
, γ
U
Matriz de admitancias
MatY
Matriz Hessiana
Mat_W
zoutendijk.class
Parámetros Métodos
Matriz de admitancias
Make_MatY
Construcción Hessiana
Make_Mat_W
Construcción Jacobiana
Make_Mat_A
Parámetros costos
Make_vec_c
Make_Mat_WFix
Llamada solver
subproblemas
SALIDA èVariables de control ópti mas
vec_xtempabs
Determinación
restricciones activas
Activas.class
Determinación
paso búsqueda
lambda.class
Búqueda dirección
newsimp.class
Transferencia
de archivos
MINOS

Figura 19: Interacción clases
Los métodos de Zoutendijk y Rosen han sido validados contrastando sus soluciones
frente a las entregadas por Minos y también verificando resultados frente a instancias de
optimización conocidas. A continuación, se presentan tres problemas en los que aplicó los
métodos y sus resultados, los que concuerdan con los expuestos en la literatura y los entregados
por Minos.
Es importante mencionar que, el método de Rosen ha sido implementado y probado sólo
externamente, a la fecha de entrega del trabajo de tesis no ha sido enlazado con DeepEdit. Sin
embargo, ha sido validado con ejemplos, contrastando los resultados con el software de
optimización Minos.
4.3.3 Validación de métodos de Zoutendijk y Rosen
La validación se basa en dos comparaciones de resultados. La primera comparación
considera el resultado de la programación del modelo en GAMS (Rosenthal, 2001) resuelto con
Minos y la segunda a la comparación con los resultados expuestos por los creadores del
ejemplo.
• Instancia 1
Esta instancia corresponde a un problema de prueba de diez variables y cinco
restricciones (más veinte restricciones de dominio de variables) (Princeton, 2001). Las
siguientes tablas resumen el problema y los resultados obtenidos.
41
Tabla 7: Parámetros Instancia 1
Costos lineales
48 42 48 45 44 41 47 42 45 46
Matriz de Restricciones
-2 -6 -1 0 -3 -3 -2 -6 -2 -2
6 -5 8 -3 0 1 3 8 9 -3
-5 6 5 3 8 -8 9 2 0 -9
9 5 0 -9 1 -8 3 -9 -9 -3
8 7 -4 -5 -9 1 -7 -1 3 -2
Lado Derecho
-4 22 -6 -23 -12
Matriz Hessiana
-100 0 0 0 0 0 0 0 0 0
0 -100 0 0 0 0 0 0 0 0
0 0 -100 0 0 0 0 0 0 0
0 0 0 -100 0 0 0 0 0 0
0 0 0 0 -100 0 0 0 0 0
0 0 0 0 0 -100 0 0 0 0
0 0 0 0 0 0 -100 0 0 0
0 0 0 0 0 0 0 -100 0 0
0 0 0 0 0 0 0 0 -100 0
0 0 0 0 0 0 0 0 0 -100
Dominio de las Variables
0 ≤ x
i
≤ 1 ; i=1,...,10
Tabla 8: Resultados Instancia 1 de Validación
SOLUCIÓN
Variable
GAMS/MINOS
Zoutendijk Rosen Autor
1 1 0,999 1 1
2 0 0 0 0
3 0 0 0 0
4 1 1 1 1
5 1 1 1 1
6 1 1 1 1
7 0 0 0 0
8 1 1 1 1
9 1 1 1 1
10 1 1 1 1
• Instancia 2
Esta instancia corresponde a un problema de prueba de dos variables y dos restricciones
(más dos restricciones de dominio de variables) (Bazaraa, 2994), las siguientes tablas resumen
el problema y los resultados obtenidos.
42
Tabla 9: Parámetros Instancia 2
Costos lineales
-6 -4
Matriz Restricciones
1 1
1 5
Lado Derecho
2 5
Matriz Hessiana
2 -1
-1 2
Dominio Variables
x
i
≥ 0
i = 1,2
Tabla 10: Resultados Instancia 2 de Validación
SOLUCIÓN
Variable GAMS/MINOS Zoutendijk Rosen Autor
1 1,129 1,129 1,129 1,129
2 0,774 0,774 0,774 0,774
• Instancia 3
Esta instancia corresponde a un problema de prueba de cinco variables y una restricción
(más once restricciones de dominio de variables) (Princeton, 2001), las siguientes tablas
resumen el problema y los resultados obtenidos.
Tabla 11: Parámetros Instancia 3
Costos lineales
42 44 45 47 47,5
Matriz Restricciones
20 12 11 7 4
Lado Derecho
40
Matriz Hessiana
-100 0 0 0 0
0 -100 0 0 0
0 0 -100 0 0
0 0 0 -100 0
0 0 0 0 -100
Dominio Variables
0 ≤ x
i
≤ 1
i = 1,...,5
43
Tabla 12: Resultados Instancia 3 de Validación
SOLUCIÓN
Variable
GAMS/MINOS
Zoutendijk Rosen Autor
1 1 1 1 1
2 1 1 1 1
3 0 0 0 0
4 1 1 1 1
5 0 0 0 0
El Anexo 1 muestra los códigos en GAMS y JAVA de todas las instancias expuestas.
En conclusión, las rutinas implementadas han sido introducidas en el DSS DeepEdit, el
cual posee una buena interfaz gráfica y gran potencial de expansión. Se han validado las
metodologías desarrolladas a través variadas instancias de prueba.
44
5.- Mejoras propuestas al Proceso de Optimización
5.1 Resumen
En el presente capítulo se describe el diseño de cuatro mejoras al proceso de
optimización SQP. Éstas se basan en el reconocimiento de estructuras particulares conformadas
en el modelamiento extendido del OPF, las cuales son:
1. Búsqueda optimizada de puntos iniciales factibles para subproblemas cuadráticos
generados por SQP.
2. Dualidad y separación de Dantzig – Wolfe en búsqueda de direcciones factibles en
método de Zoutendijk.
3. Diseño de heurística tipo búsqueda tabú para evitar óptimos locales.
4. Utilización de librerías especializadas en utilización de matrices ralas para el caso del
SIC chileno.
Todas las mejoras fueron diseñadas, siendo la primera y cuarta implementadas. Estas
mejoras pretenden aumentar la velocidad en la convergencia de las resoluciones del OPF. La
primera y la tercera son de alcance general, mientras que la segunda se especializa para redes de
gran envergadura como el SIC y la cuarta se especializa para el caso de redes poco enmalladas
del tipo longitudinal, el cual también es el caso del SIC.
5.2 Búsqueda Óptima de Puntos Iniciales Factibles
Tal como se ha mencionado, paralelamente a la utilización de Minos y por razones de
velocidad en resolución, se implementó dos métodos de conjuntos activos para solucionar los
subproblemas cuadráticos que genera SQP en cada una de sus iteraciones. Es sabido que, SQP
no requiere de un punto inicial factible para efectuar el proceso de optimización (Fletcher,
1987). Sin embargo, los métodos implementados (de búsqueda de direcciones factibles de
Zoutendijk y de proyección del gradiente de Rosen) sí requieren de un punto factible inicial para
realizar el proceso de optimización. Esto es una debilidad, dado que es conocido que la
búsqueda de un punto factible inicial, puede ser, en muchos casos, un problema tan complejo
como el que se quiere resolver (Nemhauser y Wolsey, 1995). Sin embargo, en la propuesta
descrita a continuación, se ha hecho de ésta debilidad, una fortaleza. Se utilizó una búsqueda
lineal de primer orden para determinar un punto inicial factible. En un principio, lo que se
efectuaba era una búsqueda simple de un punto que cumpliese con las restricciones del
subproblema. Luego, se utilizó una búsqueda optimizada, que permite disminuir el número de
iteraciones en la cuales los métodos convergen.
La búsqueda simple consiste en encontrar un punto que satisficiere las restricciones del
subproblema generado en las restricciones de SQP. Esto se efectuaba resolviendo el sistema
lineal generado por las restricciones del subproblema. La siguiente ecuación muestra el sistema
de ecuaciones resuelto para encontrar el punto factible inicial con una búsqueda simple.
b Ax
e Ex

·
(92)
45
En este sistema, las restricciones de igualdad representan la aproximación lineal del
Lagrangeano del OPF y las restricciones de desigualdad representan los límites técnicos de
operación de los elementos de red.
La búsqueda lineal de primer orden o búsqueda optimizada de puntos iniciales factibles,
consiste en la determinación de un punto que minimice el vector ∇f(x
k
)
t
x, sujeto a las
restricciones del subproblema del OPF. Luego, la búsqueda optimizada de puntos iniciales
factibles, se basa en resolver el siguiente problema lineal.
b Ax
e Ex a s
x x f
k

·

. .
) ( min
(93)
A continuación, se muestran los resultados para una red de dos nodos, una carga, un
generador y una línea de transmisión (Figura 20). Se comparó en cada iteración de SQP, el
número de iteraciones que requerían los métodos para solucionar el subproblema. En todos los
casos el número de iteraciones con búsqueda lineal optimizada fue menor o igual que con
búsqueda simple. Estos resultados, en general, se cumplen también para redes de mayor
dimensión. Este resultado no ha sido demostrado para un caso genérico. Se piensa que se debe a
las características de los problemas generados por los SEP, y que pueden haber casos para los
cuales una búsqueda óptima de primer orden no disminuya el número de iteraciones en la
resolución del subproblema.

Figura 20: Red para la Verificación de Convergencia con Búsqueda Lineal Optimizada
46
Tabla 13: Convergencia en Subproblemas en Función de la Iteración para Red de Prueba
Iteración SQP Zoutendijk 1 Rosen 1 Zoutendijk 2 Rosen 2
1 5 5 2 2
2 3 2 2 2
3 2 2 2 2
4 1 1 1 1
5 1 1 1 1
Búsqueda Simple Búsqueda Optimizada
Cantidad de Iteraciones en SP Cantidad de Iteraciones en SP

Iteraciones Convergencia en Subproblemas
Método de Zoutendijk
0
1
2
3
4
5
6
0 2 4 6
Iteración SQP
N
°

I
t
e
r
a
c
i
o
n
e
s

S
P
Búsqueda
Simple
Búsqueda
Optimizada

Figura 21: Gráfico Convergencia en Subproblemas para Método de Zoutendijk
Iteraciones Convergencia en Subproblemas
Método de Rosen
0
1
2
3
4
5
6
0 2 4 6
Iteración SQP
N
°

I
t
e
r
a
c
i
o
n
e
s

S
P
Búsqueda
Simple
Búsqueda
Optimizada

Figura 22: Gráfico Convergencia en Subproblemas para Método de Rosen
Es importante mencionar que la resolución del sistema de ecuaciones para la búsqueda
simple, en términos computacionales equivale a la búsqueda optimizada y corresponde a un caso
particular de la búsqueda optimizada donde los costos en la función objetivo son nulos.
47
5.3 Dualidad y Separación de Problema Dual de Búsqueda de Direcciones Factibles
Con el fin de mejorar el desempeño de las rutinas implementadas, se diseño una
estrategia de separación del problema de búsqueda de dirección factible que efectúa el método
de Zoutendijk en cada iteración. Esto es posible gracias a la estructura que toma el problema
dual de la búsqueda de direcciones factibles. En éste, se puede reconocer claramente una
estructura diagonal en bloque y un conjunto de restricciones no separable, lo que permite aplicar
la estrategia de separación de Dantzig – Wolfe (Wolsey, 1998).
En este apartado se muestra la construcción del problema dual de la búsqueda lineal, el
reconocimiento de la estructura diagonal en bloque y la estrategia diseñada para aplicar la
separación de Dantzig – Wolfe (en adelante DW).
Previo a la construcción y diseño de solución del problema dual separable, se describe
brevemente el principio de descomposición de DW.
5.3.1 Algoritmo de Descomposición de Dantzig - Wolfe
El algoritmo de descomposición de DW (Wolsey, 1998) se aplica a problemas de
programación lineal de grandes dimensiones, en que la matriz que conforma el polítopo de las
restricciones posee una estructura diagonal en bloque. El método procura aprovechar la
estructura especial de la matriz para reducir a dimensión de la base, creando un problema
equivalente con una gran reducción en el número de restricciones. La característica más
relevante del algoritmo es el esquema de generación de columnas no básicas en el problema
equivalente.
Considérese el problema de programación lineal de la siguiente ecuación.
0 , ,
.
) (
1
1 1 1
0 1 1
1

·
·
· + +

·
r
r r r
r r
r
j
j j
x x
b x B
b x B
b x A x A a s
x c max D
L
M O
L
(94)
0 , , 1
,
0 0
0
K ·





×
×
j
R B
R b
R b
R A
R x c
nj mj j
mj j
m
nj m j
nj j j
(95)
DW se basa en el principio de descomposición de las restricciones con estructura
diagonal en bloque.
48
Si se supone que ℵ es un poliedro acotado, esto es, si ℵ es un polítopo, entonces se
puede describir este polítopo con una combinación lineal convexa de sus vértices. Esto es:

·
· ⇔ ℵ ∈
r
j
j j
x x x
1
λ (96)
0 1
1
≥ ·

·
j
r
j
j
λ λ (97)
Luego, el problema (D), puede ser reformulado de manera equivalente reconociendo los
polítopos de restricciones para cada grupo de restricciones formada por las matrices B
j
.
{ ¦ 0 ; / ≥ · ∈ · x b x B R x p
j j nj j
(98)
Se reconocen los vértices x
k
j
para los polítopos p
j
. Luego, si x
j
están en p
j
, entonces se
puede expresar como una combinación lineal convexa de los vértices.

·
· ⇔ ∈
Nj
k
j
k
j
k
j j j
x x p x
1
λ (99)
0 1
1
≥ ·

·
j
k
Nj
k
j
k
λ λ (100)
De esta manera, el problema (D) puede ser reformulado. La siguiente ecuación muestra
esta formulación equivalente.
r j N k x
b x A x A a s
x c max D
j
j
k
Nr
k
r
k
N
k
k
Nr
k
r
k
r
k
r
N
k
k k
r
j
Nj
k
j
k
j
k
j
, , 1 , , 1 0
1
1
.
) ' (
1
1
1
1
0
1
1
1
1 1 1
1 1
K K
M O
L
· · ≥
·
·
· + +


∑ ∑
∑∑
·
·
· ·
· ·
λ
λ
λ λ
λ
(101)
La equivalencia entre (D) y (D’) se plasma en tres puntos clave:
1.
∑∑
· ·

∗ ∗ ∗
· ∧ ⇔
r
j
Nj
k
k
j
k
j
x x D de Óptimo D de Óptimo x
1 1
) ' ( ) ( λ λ
2. Si (D) y (D’), tienen óptimo, el valor de la función objetivo en el óptimo es igual
para ambos problemas; esto es:
∑∑ ∑
· ·
∗ ∗
·

·
r
j
Nj
k
k
j
k
j
j
r
j
j j
x c x c
1 1 1
λ
49
3. Si se conoce una solución óptima de (D’), entonces se puede determinar una
solución óptima para (D).
Pero, ¿se deben determinar los costos reducidos de todas las variables λ de (D’)?, la
solución a esta pregunta está dada por el algoritmo de DW. La Figura 23 muestra el diagrama
de flujo que describe el funcionamiento general de este algoritmo.
NO
Determinar Solución Básica
Inicial para D’
¿Óptimo?
FIN
Determinar Variable que
Sale de la Base
Actualizar Inversa de la Base
Determinar Solución de
Problema D

Figura 23: Diagrama de Flujo de Algoritmo de Dantzig - Wolfe
Luego de determinar una solución básica factible, el criterio que define el óptimo es la
verificación que los costos reducidos sean menores que cero. Para hacer una descripción más
detallada de este algoritmo, se introducirá la notación típica utilizada y paralelamente se irán
definiendo los pasos que involucra el algoritmo de DW, tal como se aprecia en el diagrama de
flujo de la figura (Bazaraa, 1994).
r
r m r m
B
i i i
R R
R B
B c
A c c
∈ Π ∈ Π
]
]
]

Π
Π
· Π

· Π
Π − ·
+ × +


1 0
1
0
) 0 ( ) 0 (
1
;
(102)
Donde B es la base asociada a la solución básica factible, Π es el vector de
multiplicadores Simplex. Con estos parámetros se puede determinar los costos reducidos de las
variables λ
kj
.
]
]
]
]

]
]
]

Π
Π
− ·
j
j
k
j
kj kj
e
x A
c c
1
0
(103)
50
r
j j
R e e ∈
]
]
]
]
]
]
]
]
]
]

·
0
0
1
0
M
M
(104)
El criterio es:
0 , ; 0
,
≥ ⇔ ∀ ≥ ⇔
kj
j k
kj
c min j k c Óptima Solución (105)
Por lo tanto, al desarrollar la condición se concluye que:
[ ] { ¦ [ ]
¹
'
¹
¹
'
¹
Π − Π − ⇔ Π − Π − ·
∈ ≤ ≤ ≤ ≤ ≤ ≤
j j
j
j
k
j
p x r j
j
k
j
j
j
k
j
Nj k r j
kj
j k
x A x c min min x A x c min min c min
j j
0 1
1
0 1
1 1 ,
(106)
Luego se debe minimizar por los vértices de los polítopos, pero éstos no están
disponibles. Por lo tanto, en vez de hacer esto, se minimiza un problema dentro del poliedro
original que igualmente será óptimo. Luego, para determinar el mínimo de los costos reducidos,
se deben resolver r problemas de programación lineal.
j j j
j j j
j j
j
j j
j j
p x x
b x B a s
x A x c Z min SP
∈ ⇔ ≥
·
Π − Π − ·
0
. .
) (
0 1
(107)
Z
j
*
es el valor óptimo de (SP)
j
, luego si:
) ' ( 1 0
*
D Óptimo r j Z
j
⇒ ≤ ≤ ∀ < (108)
Ahora, si se encuentra un valor menor que cero, entonces éste será el que entrará a la
base. Es más, el costo reducido mínimo (entre los menores que cero obviamente) será el que
entra a la base.
{ ¦ { ¦ { ¦ Reducido Costo Menor 1 / arg , ,..., 1 0
* *
⇒ ≤ ≤ · ∈ < r j Z min s sea r j Z si
j l jl
(109)
Sea x
l
s
solución óptima (vértice) del problema (SP)
s
è entra la variable asociada a x
l
s

λ
ls

Así, se ha determinado el criterio de optimalidad. De no cumplirse, se determina la
variable que entrará a la base. Ahora se debe actualizar la base y determinar la variable que sale.
ls
s
s
l
s
ls ls
e
x A
B A B A λ a asociada columna la es :
1 1
]
]
]

· ·




(110)
Se actualiza el vector del lado derecho.
51
b B b
1 −
· (111)
La variable que sale es:
( )
( )
¹
¹
¹
'
¹
¹
¹
¹
'
¹
>
¹
'
¹
¹
'
¹
·


0 / min arg
i ls
i ls
i
A
A
b
t (112)
Determinada la variable que sale, llega un momento en que se encuentre el óptimo (si
existe), pero ¿cómo determinar el óptimo de (D) a partir de un óptimo de (D’)?.
Sea λ
kj
*
solución óptima de (D’), y para los λ
kj
> 0 (equivale a que sea variable básica de
(D’)) se tienen los x
k
j
asociados a la base, luego el óptimo para (D) estará dado por la siguiente
ecuación:
j
k
Nj
k
kj
j
x x

·
·
1
* *
λ (113)
De esta manera, se ha descrito el algoritmo de Dantzig – Wolfe. Éste será aplicado al
dual del problema de búsqueda de direcciones factibles del método de Zoutendijk al reconocer
su estructura diagonal en bloque.
5.3.2 Reconocimiento de la Estructura Diagonal en Bloque
Al plantear el dual del problema para la determinación de una dirección factible que se
genera en las iteraciones del método de Zoutendijk, se puede reconocer claramente una
estructura diagonal en bloques. Ésta puede ser aprovechada para mejorar el desempeño en la
resolución del OPF cuando se está en frente a una red de gran tamaño, como es el SIC chileno.
En las siguientes ecuaciones se aprecia la formulación dual del problema de búsqueda
de dirección factible del método de Zoutendijk.
0
0
0
0
a irrestrict
0
Duales
1
1
1
1
0
0 . .
) ( ) (
1
1
1
1











− ≥
− ≥


·


M
M
M M
M M
M O
M O
n
n
n
n
t
d
d
d
d
Ed
Ad a s
d x f min P
ξ
ξ
ψ
ψ
η
φ
(114)
52
[ ] ( ) x f I I E A a s
max D
n n
t t
n
i
i
n
i
i
∇ ·
]
]
]
]
]
]



∑ ∑
· ·
ξ
ψ
η
φ
ξ ψ
. .
) (
1 1
(115)
I
n
corresponde a la matriz identidad de dimensión n, por lo que en particular tiene
estructura diagonal. Considérese que n es el número de variables del OPF. Así n = 2×Σ
i∈N
|GN
i
|
+ 2×Σ
i∈N
|LN
i
| + 2×Σ
i∈N
|N
i
| + Σ
i∈N
|T
i
|}, siendo |•| la cardinalidad de los conjuntos definidos en la
formulación del OPF.
La matriz A, corresponde a las restricciones de límites técnicos de operación de los
elementos de red, luego es una matriz diagonal que posee estructura diagonal en bloque al igual
que I
n
. La siguiente ecuación muestra la estructura de A
t
.
[ ]
n n
t
min
max
n
n
I I A Ad b Ax
x
x
x
I
I
− · ⇒ ≤ ⇒ ≤ ⇔
]
]
]



]
]
]


0 (116)
Por su parte, E corresponde a la matriz Jacobiana de las restricciones, que no posee dicha
estructura. Sin embargo, al ser transpuesta, sí se puede reconocer una estructura diagonal en
bloques, con un grupo de restricciones finales que son enlazantes, éstas provienen de los
términos de flujo de potencia donde se involucran las corrientes provenientes de las diferentes
líneas. (


− −
N j
ij j i ij j i
y V V ) cos( | || | θ θ θ ). Luego, la estructura general de la matriz que define el
poliedro de las restricciones para la formulación dual del problema de búsqueda de direcciones
factibles de Zoutendijk, posee estructura diagonal en bloque, por lo cual es posible aplicar el
algoritmo de descomposición de DW. Las siguientes ecuaciones muestran la estructura general
de esta matriz, nótese que se ha alterado el orden de las variables (ahora filas), con el fin de
identificar claramente los bloques. Además, se debe reconocer que si a una matriz diagonal
(como lo es la identidad), se le altera el orden de las filas, entonces sigue teniendo estructura
diagonal en bloque.
[ ]
n n
I I D − · (117)
[ ] [ ] D E D I I E A
t
n n
t t
· − (118)










53
n
j
i
j
i
n
j
i
j
i
n
j
i
j
i
Ll
Ll
ul
L
L
U
Ul
U
t
t
Q
t
P
t
Q P
V
V
Q
V
P
V
Q
P
Q
Q
P
Q
P
P
L N N
0
0
0
0 0 0 0
0 0 1 1 0
0 0 1 1 0
1 0 0 0 1
0 0 0 1 0
0 0 1 0 1 1
1 0 1
0 1 0
0 1 0
1 1 0
0 0 0 0
0 1
1 0 1
0 0
0 1 0
| | 1 | | 1 | | 1
1
1
1
1
1
1
1
]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]




]
]
]
]






M
M
M
L
O M M
L
O O M
M O M
M M
L
M O M M
L L L
θ
θ θ
θ
Ss
S1
Gg
G1
Gg
G1
Q
Q
Q
Q
P
P













(119)
Reconociéndose así, la estructura diagonal para las filas que involucran las variables
(filas) de generación de potencia activa y reactiva de generadores e inyección de potencia
reactiva de los equipos FACTS SVC.
5.4 Diseño de Heurística Tipo Búsqueda Tabú
Se ha reconocido dos casos para los cuales el método podría entregar óptimos locales. El
primero corresponde a la posibilidad de falta de convexidad del poliedro de restricciones del
subproblema, debido a la linealización de funciones sinusoidales. La segunda causa es la
existencia de redes con porciones simétricas. Se ha reconocido dos tipos de redes, en las cuales
SQP, al resolver OPF puede entregar óptimos locales. Los casos son los siguientes:
• Red con generadores idénticos en una misma barra
• Zona de red simétrica
El primer caso, el más simple, considérese una red en la cual se disponen dos
generadores idénticos como en la Figura 24.
54

Figura 24: Red con Generadores Idénticos en una Barra
La situación que genera el óptimo local, supone que el óptimo para la red de la figura es
operar sólo con el generador 3. Sin embargo, OPF puede hacer lo siguiente: en una iteración
k+1 puede encontrar un vector de variables de control tal que la suma de la generación de los
generadores idénticos sea igual a la iteración k, de esta manera el método verificaría el criterio
de convergencia y se detendría entregando un óptimo local. Lo que sucede en la práctica, es que
el método queda iterando entre los dos puntos simétricos hasta que se completa el número de
iteraciones determinado por el usuario.
La segunda situación, es similar a la anterior, pero ahora son porciones de red simétricas
las que generan el criterio de optimalidad entre iteraciones. La Figura 25 muestra una red que
presenta simetría. La situación de los generadores idénticos en una barra es un caso particular
del segundo caso.
En la red de la Figura 25, el óptimo sería operar sólo con el generador 4 (parte inferior
de la figura). Sin embargo, se entrega un óptimo local debido a la simetría de la parte superior
que conforma una delta.
La solución propuesta es una heurística tipo búsqueda tabú. A continuación se describe
el esquema general de esta heurística, para luego mostrar el diseño creado para aplicar al OPF.
55

Figura 25: Red con Porciones Simétricas
5.4.1 Búsqueda Tabú
La idea de esta metodología se puede explicar de mejor forma a través del análisis del
gráfico de la Figura 26.

Figura 26: Gráfico Explicativo Búsqueda Tabú
56
SQP llega al punto A, verifica la condición de optimalidad y entrega al punto A como
solución. Sin embargo, es claro que el óptimo global está en el punto F. La heurística de
búsqueda tabú propone lo siguiente: seguir buscando en otros puntos, pese a que la función
objetivo sea peor, de esta manera se sigue la secuencia de puntos B, C, D, E y F, encontrando así
el óptimo global del sistema (o al menos un mejor óptimo).
Se ha explicado esquemáticamente el funcionamiento de la búsqueda tabú, ahora se
formaliza el proceder de esta heurística a través de los cuatro siguientes pasos:
i. Inicialización:
• Solución inicial = S
• Lista Tabú = φ (vacía)
ii. Determinar una solución inicial S.
iii. Mientras el criterio de detención no se cumpla:
• Escoger un subconjunto Q’(S) ⊆ Q(S) desde las soluciones no tabú (Q es el
conjunto de vecinos).
• S’ = arg[min{f(T)/T∈Q’(S)}]
• Actualización de S por S’ y de lista tabú.
iv. Mejor solución encontrada = solución tabú.
Pero, ¿cómo determinar el criterio de detención? y ¿cómo determinar la lista tabú?.
Dependerá de la aplicación particular que se desee optimizar. En general, la determinación de
Q’(S) depende de |Q(S)|, (Q’(S) = Q(S) si |Q(S)| es pequeño). Por su parte, la lista tabú
típicamente es determinada con un paso de búsqueda (tal como se muestra en la Figura 26).
5.4.2 Determinación de Parámetros Caso Flujo de Potencia Óptimo
A continuación, se describe el diseño de la heurística para el caso de SQP sobre OPF.
Primero se define la lista de vecinos, luego la lista tabú y finalmente el criterio de detención.
Dos estrategias son las más utilizadas para determinar una solución heurística:
• Intensificación,
• Diversificación.
La intensificación se basa en suponer que el óptimo global se encuentra cercano al
óptimo local encontrado, y según esto intensificar la búsqueda del óptimo global en zonas
cercanas (cercanía definida con la norma entre los vectores solución).
Por su parte, la diversificación supone que el óptimo global del sistema se encuentra
alejado de la solución actual. Luego, define vecinos que se encuentran alejados de la solución
actual y hace la búsqueda en torno a los vecinos alejados. Recuérdese los ejemplos expuestos,
57
que representan los casos típicos en los que pueden encontrarse óptimos locales. Según éstos, se
piensa que la diversificación es la mejor estrategia para afrontar el caso de SQP sobre OPF.
Así, dado un vector solución x, cuya componente de potencias activas generadas sea:
( )
Gg G
P P P ,...,
1
·
r
(120)
Se generan g/3] (cajón superior de un tercio del número de generadores) vectores de la
siguiente manera:
i. Se define { ¦ { ¦ P min P max P
r r
− · ∆
ii. Se generan aleatoriamente g/3] pares ordenados (i, j) ∈ GN×GN; g/3] podrá
alternativamente ser definido por el operador y dependerá de cuan minuciosa se
desee efectuar la búsqueda.
iii. Para cada par ordenado (i
x
, j
x
) creado en la fase ii, se generan los valores
P
ix
=P
i
-∆P y P
jx
=P
j
+∆P, se fija en los límites si éstos son sobrepasados.
iv. Se fijan los valores para las potencias activas i
x
y j
x
y se corren g/3] OPFs, si
valor de función objetivo de una corrida es menor que la original, entonces se
actualiza la solución con la solución heurística. De no ser así, se prosigue con
la búsqueda.
v. Si se sobrepasa el límite de iteraciones definido por el usuario o g/3], entonces
se detiene y se sigue con la solución inicial.
SI
SI
Inicio
{ ¦ { ¦ P min P max ?P
r r
− ·
Se generan
g/3
pares ordenados
K=0
Pik=Pi-

P
Pjk=Pj+

P
solución mejor?
Se corre OPF con
(Pik , Pjk) fijo.
Se escoge solución
heurística
K



g/3

?
Fin
K=K+1

Figura 27: Diagrama de Flujo de Heurística Diseñada
58
5.5 Matrices Ralas en el Sistema Interconectado Central
El SIC es un SEP cuya red eléctrica representativa posee una topología longitudinal y
también posee un grado de enmallamiento bajo. Esto se refleja en la matriz de admitancia nodal
compleja del sistema, al conformar una matriz rala.


Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras
Las matrices Jacobianas y Hessianas que se conforman en los subproblemas de SQP
poseen una estructura en bloques, donde muchos de los términos son cero. Además, los términos
distintos de cero están estrechamente vinculados con la matriz de admitancia nodal, y muchos
de ellos también son cero. Luego, las matrices Jacobianas y Hessiana también son ralas, es más,
la matriz Hessiana de la primera iteración es una matriz llena de ceros. Esto permite la
utilización de librerías matemáticas especializadas en matrices ralas, lo que hará disminuir el
uso de recursos de memoria y acelerar el proceso de optimización OPF-SQP en la medida que se
implementen rutinas ad hoc.
59

Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras
La complejidad computacional de las operaciones con matrices ralas es proporcional a la
cantidad de elementos distintos de cero. Además, depende linealmente del número de filas y
columnas de la matriz, pero es independiente del producto entre las cantidad de elementos cero
y distintos de cero. La complejidad de operaciones más complicadas, como soluciones de
sistemas lineales con matrices ralas (como es el caso del sistema que genera los subproblemas
cuadráticos de SQP), involucra tareas como ordenamientos y llenado (Ahmed y Mateev, 2000).
En general, el tiempo requerido para realizar operaciones con matrices ralas es proporcional al
número de operaciones algebraicas con los elementos distintos de cero. De esta forma, la
utilización de librerías especializadas en el manejo de matrices ralas, permite mejorar el
desempeño de OPF-SQP, disminuyendo el número de operaciones algebraicas a realizar en cada
iteración y aminorando la utilización de memoria. Las estimaciones de disminuciones en el
número de operaciones se basan, tal como se mencionó anteriormente, en el número de
operaciones algebraicas con los elementos distintos de cero. Por su parte las estimaciones del
menor uso de memoria se basan en la medición directa de utilización de memoria de las
matrices ralas.
Existen variadas librerías matemáticas especializadas en el manejo de matrices ralas, en
particular, las librerías OP-RESEARCH utilizadas en la implementación computacional OPF-
SQP ofrecen la opción de utilizar matrices del tipo SparseMatrix para el manejo de matrices
ralas. Se utilizó este formato para las matrices de admitancias, Jacobiana y Hessiana de OPF-
SQP.
Se realizó estimaciones de la disminución en el número de operaciones en base al “índice
de esparcidad”
1
(sparsity) y la linealidad entre el número de operaciones y este índice. Con
respecto a la disminución en la utilización de memoria, se midió la memoria utilizada por las

1
Este es el porcentaje de ceros con respecto al total de elementos de la matriz.
60
matrices con formato DenseMatrix, luego con SparseMatrix y se verificó la eficacia de
SparseMatrix. Véase las siguientes tablas.
Tabla 14: Porcentaje Operaciones Efectivas con Matrices
Estimación Porcentaje Operaciones Efectivas
por Matriz con Respecto Original
Admitancia 4,9%
Jacobiana 1,6%
Hessiana 0%
Tabla 15: Utilización de Memoria Matrices Ralas
DenseMatrix SparseMatrix Disminución
[kBytes] [kBytes] [%]
Admitancia 7,84 3,14 59,95
Jacobiana 663,94 17,42 97,38
Hessiana 1273,61 1,61 99,87
En conclusión, se implementó una búsqueda optimizada del punto inicial factible, la cual
mejora el desempeño en la resolución del OPF, puesto que disminuye el número de iteraciones
de los métodos que resuelven el subproblema y por lo tanto disminuye el tiempo de resolución
del OPF.
Se reconoció una estructura diagonal en bloque para el problema dual de la búsqueda de
direcciones factibles del método de Zoutendijk, lo que permite la utilización de la
descomposición de Dantzig – Wolfe.
Se expuso tipos de SEP que generan óptimos locales en SQP. Para evitarlos, se diseño
una heurística tipo Búsqueda Tabú.
Finalmente, se observó que la topología eléctrica longitudinal de Chile, en especial del
SIC, incide en un SEP poco enmallado, esto implica que las matrices de admitancia nodal,
Jacobiana y Hessiana de OPF-SQP sean ralas. Así, se utilizó esta estructura para disminuir la
utilización de recursos de memoria y aminorar el número de operaciones al tratar dichas
matrices.
61
6.- Resultados
6.1 Resumen
En este capítulo se describen y analizan los resultados de dos ejemplos. El primero es
una red de seis barras y corresponde a un ejemplo expuesto en la literatura (Wood y
Wollenberg, 1996). En éste se explica la introducción de un equipo SVC. Finalmente, se
describe la aplicación de la metodología a dos sistema equivalentes del SIC de distinta
envergadura.
Es importante resaltar que los resultados expuestos en esta sección son de alcance
general y entregados como resumen de los resultados en detalle se encuentran en el Anexo II.
6.2 Red de Prueba 6 Barras
Se ha aplicado la metodología a una red de seis barras expuesta en la literatura (Wood y
Wollenberg, 1996). En una primera etapa, se aplica OPF sin considerar el equipo SVC y luego
considerándolo (Palma y Pérez, 2001). El equipo tiene la capacidad de inyectar o consumir
potencia reactiva entre (-0.6[pu], 0.6[pu]) base 100[MVAr].

Figura 30: Sistema Eléctrico de Potencia Caso Wollenberg
62
Tabla 16: Resumen de Estadísticas de Red
Número de Barras 6
Número de Líneas 10
Número de Generadores 3
Número de Cargas 3
Consumo Total Potencia Activa [MW] 210
Consumo Total Potencia Reactiva [MVAr] 210
Tabla 17: Resultados Entregados sin Considerar Compensador Estático Regulable
Variable PG1
[MW]
PG2
[MW]
PG3
[MW]
QG1
[MVAr]
QG2
[MVAr]
QG3
[MVAr]
PU1
[MW]
PU2
[MW]
PU3
[MW]
QU1
[MVAr]
QU2
[MVAr]
QU3
[MVAr]
50,00 89,97 76,02 37,23 74,01 60,00 0,00 0,00 0,00 0,00 0,00 0,00
Variable |V4|
[kV]
|V3|
[kV]
|V6|
[kV]
|V2|
[kV]
|V1|
[kV]
|V5|
[kV]
θ4
[°]
θ3
[°]
θ6
[°]
θ2
[°]
θ1
[°]
θ5
[°]
228,70 241,51 242,00 242,00 226,71 229,49 -358,82 -355,28 -355,76 -354,93 -360,00 -359,38
Costo Total : 2464,66 [US$]
Si se dispone un equipo SVC en una barra de carga, entonces al correr nuevamente el
OPF sobre esta red modificada, los costos totales debiesen ser menores. Dado que, si se instala
un equipo SVC en una barra de carga, este inyectará potencia reactiva, lo cual hará subir la
tensión en la barra, esto a su vez hará que la corriente proveniente de barras con mayor tensión
disminuya, y la proveniente de las barras con menor tensión aumente. Esto hará disminuir las
pérdidas en las líneas donde la corriente es menor y aumentar donde la corriente es mayor. Si el
efecto de disminuir pérdidas es mayor, entonces el efecto total será una disminución en el costo
total de generación. Este razonamiento se resume en el esquema de la Figura 31.
Inyección
Reactivos
Variación
de Tensión
Variación de
Corrientes
Bajan
Pérdidas
Baja
Costo

Figura 31: Efectos Introducidos por Compensador Estático Regulable
Al aplicar OPF a la red de la Figura 30, considerando el equipo SVC, los resultados
indican que el costo disminuye y se verifica el razonamiento anterior.
Tabla 18: Resultados Entregados Considerando Compensador Estático Regulable
Var.iable PG1
[MW]
PG2
[MW]
PG3
[MW]
QG1
[MVAr]
QG2
[MVAr]
QG3
[MVAr]
PU1
[MW]
PU2
[MW]
PU3
[MW]
QU1
[MVAr]
QU2
[MVAr]
QU3
[MVAr]
50,00 89,67 75,42 33,53 50,07 23,61 0,00 0,00 0,00 0,00 0,00 0,00
Variable |V4|
[kV]
|V3|
[kV]
|V6|
[kV]
|V2|
[kV]
|V1|
[kV]
|V5|
[kV]
θ4
[°]
θ3
[°]
θ6
[°]
θ2
[°]
θ1
[°]
θ5
[°]
228,97 242,00 242,00 242,00 228,55 237,10 356,10 359,38 359,19 360,00 354,67 354,58
Variable QSVC
[MVAr]
60,00
Costo Total : 2453,87 [US$]
63
Utilizando como indicador los costos (beneficios) marginales por inyección de potencia
reactiva en los nodos, se puede efectuar una evaluación económica de la introducción de un
equipo FACTS SVC en una barra del sistema expuesto.
Se supone que el sistema opera siempre con el mismo perfil de demanda. Este supuesto
es bastante fuerte, dado que los perfiles de carga son variables en el tiempo. Sin embargo, se
pretende esbozar la forma en que se pueden explotar los indicadores que entrega este trabajo, en
el ámbito de la planificación de la expansión de la red.
La siguiente tabla expone los costos marginales por inyección de potencia reactiva en los
nodos de la red. Según estos, lo más beneficioso es introducir un equipo SVC en la barra 5.
Dado que, el costo de inyectar potencia reactiva en dicha barra, es el más elevado.
Tabla 19: Costos Marginales por Inyección de Potencia Reactiva en las Barras de la Red
Barra 1 2 3 4 5 6
Cmg [US$/MWh] 0 0 8,03 42,16 46,58 34,34
Se introduce un equipo SVC en dicho nodo y se encuentra un nuevo punto de operación
en el cual el sistema opera con costos totales de 2450,31 [US$], luego se puede incurrir en un
ahorro de 14,35 [US$/h], suponiendo que el sistema seguirá operando con el mismo perfil de
demanda.
Si se considera que el costo de un SVC es aproximadamente de 10000 [US$], se podría
recuperar el capital de inversión en 30 días.
La evaluación efectuada es muy poco precisa por tres razones:
§ El supuesto de mantención del perfil de demanda en el tiempo es poco realista
§ Los valores de costos son poco precisos
§ La legislación vigente en Chile invalida este tipo de evaluaciones
6.3 Aplicación al Sistema Interconectado Central
6.3.1 SIC 70 Barras
Se dispone de un sistema reducido de setenta barras del SIC (véase Figura 32), éste
representa un escenario de demanda baja e hidrología húmeda.
64

Figura 32: Sistema Interconectado Central Chileno, Escenario Demanda Baja e Hidrología Húmeda
Se aplica OPF-SQP a esta red y se obtienen los resultados que se muestran en la
siguiente tabla.
Tabla 20: Resultados para Caso SIC de 70 Barras
Costos [US$] 17.384,355
Potencia Activa [MW] 2329,686
Potencia Reactiva [MVAr] -112,256
Potencia no Servida [MW] 0
Pérdidas [MW] 67,388
Pérdidas [%] 3,001
Demanda Potencia Activa [MW] 2245,188
Demanda Potencia Reactiva [MVAr] 841,428
La generación negativa de potencia reactiva, por parte de los generadores en la red, se
debe al siguiente fenómeno físico: las líneas de transmisión en el SIC son de gran longitud, esto
lleva a que el efecto capacitivo de las líneas sea elevado incluso superando a la demanda de
potencia reactiva en los consumos (escenario de demanda baja), de esta manera, y para
compensar este efecto, la generación total de potencia reactiva resulta ser negativa.
Al aplicar la metodología de despacho económico de carga convencional (Wood y
Wollenberg, 1996), se puede apreciar que los costos totales resultan ser levemente mayores, esto
se debe a la capacidad que tiene OPF-SQP, por sobre el despacho económico, de manejar las
variables de potencia reactiva generada. El costo del despacho económico convencional es de
17807,691 [US$] que es un 2,4[%] mayor que OPF-SQP. Además, el despacho no asegura el
balance de potencia reactiva, por lo que puede ser infactible técnicamente.
65
También se reporta como resultado, la estimación de los costos marginales por
generación de potencia activa y reactiva. Es importante notar que, para el caso de generación de
potencia reactiva es posible que no sea costo marginal, sino que beneficio marginal. Así, es
beneficioso consumir potencia reactiva en algunos nodos.
La convergencia, según los indicadores utilizados, es encontrada en la octava iteración.
El comportamiento de dicha convergencia se puede apreciar los siguientes gráficos.
Convergencia Porcentual RHS
0,000
0,500
1,000
1,500
2,000
2,500
3,000
0 1 2 3 4 5 6 7 8 9
Iteración
R
H
S

[
%
]

Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras
Convergencia Porcentual Costos
0
50
100
150
200
250
0 1 2 3 4 5 6 7 8 9
Iteración
D
i
f
e
r
e
n
c
i
a

C
o
s
t
o

[
%
]

Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras
66
Evolución Costos Totales
0
5000
10000
15000
20000
25000
30000
35000
0 1 2 3 4 5 6 7 8 9
Iteración
C
o
s
t
o

[
$
]

Figura 35: Evolución Costos Totales
Al incluir los taps de los transformadores como variable de optimización se obtiene un
punto de operación con costos levemente menores de 17378,033 [US$]. Sin embargo, lo
interesante de esta inclusión es la proposición de un nuevo punto de operación.
6.3.2 SIC 182 Barras
Se dispone de un sistema reducido de ciento ochenta y dos barras del SIC. Este considera
un escenario de demanda alta e hidrología seca y representa en mejor forma, que el caso de
setenta barras, la realidad del SIC. En el Anexo III se puede apreciar en extenso la figura del
SIC de 182 barras.
La convergencia se encuentra en la quinta iteración, considerando una tolerancia de
0.1[%] para el RHS y de 5[%] para costos. Esta es menos exigente que para la red SIC de 70
barras, porque su dimensión es mucho mayor y si se considerase una tolerancia menor no se
encuentra convergencia.
Se obtienen los resultados que se muestran en la siguiente tabla. Se puede notar ahora, a
diferencia del caso anterior, que la generación de potencia reactiva es mayor que cero, esto se
debe a que en este nuevo escenario de demanda alta, la inyección de potencia reactiva en las
líneas de transmisión no alcanza a cubrir los requerimientos de los consumos, luego se debe
generar potencia reactiva.
Tabla 21: Datos Resumen
FO [US$] 48503,26
Gen Activa [MW] 3986,94
Gen Reactiva [MVAR] 379,39
Pérdidas [MW] 252,42
Pérdidas [%] 6,71
67
Tabla 22: Información Convergencia
Iteración RHS TOL COS TOL FO
[%] [%] [US$]
1 1,689 200,000 82752,66
2 0,161 78,200 36226,44
3 0,061 37,926 53181,19
4 0,031 12,040 47141,32
5 0,011 2,847 48503,26
Tiempo Total de Ejecución [s]
5,8
Tabla 23: Descripción de Computadora Utilizada
Procesador AMD Athlon K7 @ 1 [GHz]
RAM 256 [MB] @ DDR
Convergencia Porcentual RHS
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
0 1 2 3 4 5 6
Iteración
R
H
S

T
O
L

[
%
]

Figura 36: Convergencia Porcentual Lado Derecho
Convergencia Porcentual Costo
0,000
50,000
100,000
150,000
200,000
250,000
0 1 2 3 4 5 6
Iteración
C
O
S
T

T
O
L

[
%
]

Figura 37: Convergencia Porcentual de Costos
68
Evolución Costos
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
0 1 2 3 4 5 6
Iteración
C
o
s
t
o

[
$
]

Figura 38: Evolución Costos Caso SIC 182 Barras
69
7.- Conclusiones
En el presente estudio se ha formulado el problema del Flujo de Potencia Óptimo OPF,
incluyendo la modelación explícita de equipos FACTS SVC y utilizando Programación
Cuadrática Secuencial SQP para solucionarlo. Los subproblemas cuadráticos que se generan con
SQP fueron resueltos con el software de optimización MINOS y alternativamente fueron
desarrollados dos métodos, el de Zoutendijk de búsqueda de direcciones factibles y de Rosen de
proyección del gradiente.
Utilizando la estructura particular del problema, se propuso metodologías para mejorar
los mecanismos de optimización. Específicamente, se reconoció estructuras diagonales en
bloque, que permiten la utilización de la descomposición de Dantzig – Wolfe en el problema de
búsqueda de direcciones factibles utilizado por el método de Zoutendijk y se implementó una
búsqueda optimizada del punto inicial factible, la cual mejora el desempeño en la resolución del
OPF, puesto que disminuye el número de iteraciones de los métodos que resuelven los
subproblemas y por lo tanto disminuye el tiempo de resolución del OPF.
Se reconoció casos particulares para los cuales el método entregaba óptimos locales y se
diseñó una heurística de búsqueda tabú, con el fin de salir de estos y converger a un mejor punto
de operación del sistema.
Se aplicó el desarrollo a variadas redes eléctricas, la más importante, el SIC. Este, dada
su topología longitudinal posee características especiales, las que fueron explotadas para
proponer mejoras en las rutinas de optimización. La topología longitudinal de la red eléctrica,
implica que las matrices conformadas en el modelo sean ralas. Se utilizó librerías matemáticas
especializadas en dichas matrices, con el fin de minimizar la utilización de recursos
computacionales y mejorar el desempeño en la resolución del problema específico,
disminuyendo de esta forma la utilización de recursos de memoria y aminorando el número de
operaciones.
Se ha podido comprobar empíricamente, que la introducción adecuada de equipos SVC
entendidos como caso particular de los FACTS (Srivastava y Verma, 2000) en una red de
transmisión de energía eléctrica, llevaría a menores costos totales por concepto de ahorro de
generación de potencia activa. Lo que puede ser explotado para efectuar mejores análisis para la
planificación de los SEP. Un buen indicador para decidir en cual nodo introducir un SVC, es el
costo (o beneficio) marginal por generación (o consumo) de potencia reactiva en un nodo de la
red. Mientras más alejado del costo cero, más beneficioso o costoso es introducir o consumir
potencia reactiva en dicho nodo. Este costo (beneficio) marginal se obtiene directamente del
reconocimiento del multiplicador de Lagrange de la restricción de conservación de flujo de
potencia reactiva de los nodos de la red.
Se incluyó las metodologías desarrolladas en un sistema de apoyo a la toma de
decisiones (DSS) denominado DeepEdit (Palma, 1999). La implementación computacional fue
desarrollada utilizando un lenguaje orientado al objeto (JAVA). OPF – SQP fue incluido dentro
de las opciones del sistema, formando parte de las herramientas de análisis estacionario de
sistemas eléctricos de potencia. DeepEdit es utilizado en el ámbito docente, de investigación y
extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile y posiblemente
será utilizado en empresas del sector de generación de energía eléctrica.
70
Como resultado, se obtuvo una herramienta de análisis de sistemas eléctricos de
potencia, que está incluida dentro del DSS DeepEdit (la Figura 39 muestra esquemáticamente
dicha herramienta). Éste posee una buena interfaz gráfica y un gran potencial de expansión,
debido a sus propias fortalezas, como la disponibilidad de múltiples metodologías para el
análisis técnico y económico de SEP e inclusive la opción de un Sistema de Información
Geográfico. Otro aliciente para el gran potencial de expansión de DeepEdit, son las señales de
crecimiento que muestra el mercado eléctrico chileno, entre las cuales destacan: la introducción
de una nueva ley eléctrica y la constante introducción de nuevas tecnologías.
OPF
SQP
Subproblema
Cuadrático
Rosen
Zoutendijk
Parámetros
Entrada
Variables
de Control
Óptimas
Minos

Figura 39: Módulo Computacional Implementado
Dado el proceso de revisión en que se encuentra la ley eléctrica chilena. Se plantean
distintas alternativas de análisis relacionadas con el presente estudio, por ejemplo, el despacho
de carga será distinto al despacho económico tradicional que se utiliza en la actualidad. En una
primera etapa se podrán celebrar contratos bilaterales entre las empresas generadoras y los
grandes clientes del SIC (clientes que tienen una potencia instalada mayor a 2 [MW]). Luego, se
permitirá la participación en un mercado diario donde se realizarán ofertas de compra y venta en
una bolsa de energía. Dependiendo del tipo de bolsa de energía que se instaure, herramientas
OPF pueden jugar un rol central en el proceso de casación llevado a cabo por el operador del
mercado. El presente estudio ayuda al proceso de automatización y optimización en la
determinación de las variables de control del SIC chileno y pretende ser un prototipo para el
motor de funcionamiento de esta bolsa de energía.
Actualmente, el proceso de despacho de carga se realiza considerando un modelo de
costos marginalista. En este esquema las restricciones técnicas del sistema se consideran en
forma simplificada, llevando a soluciones no necesariamente óptimas. La utilización del OPF
lleva a mejoras en este proceso, dado que generaliza el despacho económico de carga
convencional utilizado. Esto se debe a que incluye restricciones técnicas, tales como: balances
de flujo de potencia activa y reactiva, límites técnicos de operación de los equipos y limitaciones
en el factor de potencia en la liberación de carga. Esto se verá plasmado en una disminución de
costos al determinar y fijar en forma óptima las variables de control de un SEP.
En conclusión, en la presente tesis de grado se ha formulado el OPF utilizando SQP para
su solución. Se propuso metodologías para optimizar el desempeño de los algoritmos y se
introdujo mejoras específicas para el caso del SIC chileno. El resultado es una herramienta de
análisis estacionario de SEP incluida en el DSS DeepEdit.
71
El estudio tiene un gran potencial de expansión en la medida que se introduzca el
modelamiento de nuevas tecnologías como equipos FACTS y se procuren bajos tiempos de
ejecución, que permitan la entrega de resultados en línea en un posible escenario que considere
una bolsa de energía vía Internet.
Existen trabajos proyectados y en realización, que continúan y generalizan el presente
desarrollo, como lo son:
• Incorporar restricciones de límites de corrientes por líneas de transmisión,
• Brindar estabilidad numérica a las rutinas cuadráticas implementadas,
• Implementar y probar las mejoras propuestas,
• Eliminar la relajación de las variables de tap de transformadores y asumir un modelo
de programación entera mixta,
• Establecer el marco de utilización del desarrollo en un contexto que considere una
bolsa de energía.


72
Referencias
Ahmed N., Mateev N., 2000, “A Framework for Sparse Matrix Code Synthesis from High-level
Specifications”, Department of Computer Science, Cornell University, Ithaca, New
York.
Bazaraa M., Sherali H., Shetty C., 1994, "Nonlinear Programming", John Wiley & Sons, New
York.
Boggs P., Tolle J., 1999 a, “Sequential Quadratic Programming for Large – Scale Nonlinear
Optimization”, Journal of Computational and Applied Mathematics.
Boggs P., Tolle J., Kearsley A., 1999 b, “A Global Convergence Analysis of an Algorithm for
Large Scale Nonlinear Optimization Problems”, SIAM Journal on Optimization.
El-Hawary E., 1996, "Optimal Power Flow: Solution Techniques, Requirements, and
Challenges", University of Nova Scotia, IEEE Tutorial Course N° 96 TP 111-0, pp. v.
ESCA Corporation, 1987, "Optimal Power Flow,: Research and Code Developement" EPRI EL-
4894, Project 1724-1, Final Report.
Fletcher R., 1987, "Practical Methods of Optimization", 2. Auflage, John Wiley & Sons, New
York.
Glavitch H., Bacher R., 1991, “Optimal Power Flow Algorithms, Analysis and Control System
Techniques for Electric Power Systems”, Vol. 41, Academic Press.
Hingorani N., 1994, “Power Electronic Equipment: HVDC and FACTS”, CIGRÉ Session
Papers, Panel 2 on More Effective Networks, Paper 2-02, Paris.
Momoh J., El-Hawary E., Adapa R., 1999, “A Review of Selected Optimal Power Flow
Literature to 1992“, IEEE Transactions on Power Systems, Vol. 14, N° 1.
Nemhauser G., Wolsey L., 1995, “Integer and Combinatorial Optimization”, John Wiley & Sons
Inc.
Palma R., 1999, "Modelo Orientado al Objeto para la Planificación de Redes de Transmisión
Eléctrica, bajo Condiciones Competitivas", Tesis, Universidad de Dortmund, Alemania.
Palma R., 2000, "Incorporación de Modelos de Mercado y Marcos Regulatorios en una
Planificación Dinámica de Sistemas Eléctricos", Proyecto Fondecyt 1000866.
Palma R., Pérez J., 2000, “Flujo de Potencia Óptimo con Programación Cuadrática Secuencial”,
Congreso Optima 2001.
Papalexopoulos A., 1996, “Challenges to On-Line OPF Implementation”, Pacific Gas and
Electric Company, IEEE Tutorial Course N° 96 TP 111-0, Cap 4.
73
Ravindra S., Lasdon L., 1997, “Computational Experience with a Safeguarded Barrier
Algorithm for Sparse Nonlinear Programming”, College of Business Administration of
University of Texas at Austin.
Ristanovic P., 1996, “Succesive Linear Programming Based OPF Solution”, Siemens Energy &
Automation, Inc., IEEE Tutorial Course N° 96 TP 111-0, Cap.1.
Rudnick H., Palma R., Fernández J., 1995, “Marginal Pricing and Supplement Cost Allocation
in Transmisión Open Access”. IEEE Transactions on Power Systems, Vol. 10, N12, pp.
1125 – 1132.
Seibt T., 1997, “Entwicklung eines OPF-Algorithmus zur Untersuchung von Durchleitungen im
Verbundbetrieb“, Diplomarbeit EV 9702, Lehrstuhl für elektrische Energieversorgung,
Universität Dortmund, Januar.
Srivastava S., Verma R., 2000, “Impact of FACTS Devices on Transmission Pricing in a De-
Regulated Electricity Market”, IEEE, 0-7803-5902-X.
Tabors R., 1993, “Transmission Systems Management and Pricing: New Paradigms and
International Comparisons”. 1993 IEEE PES Winter Meeting, Columbus, OH.
Wolsey L., 1998, “Integer Programming”, John Wiley & Sons Inc.
Wood A., Wollenberg B., 1996, "Power Generation, Operation and Control", 2nd Edition, John
Wiley and Sons Inc. New York.
74
Referencias Electrónicas
<http://www.OpsResearch.com>, DRA Systems, Librerías en lenguaje JAVA, especialización
en investigación de operaciones, [consulta: 1Agosto 2001].
<http://www.cs.wustl.edu/~javagrp/source/>, librerías para programación lineal en lenguaje
JAVA, [consulta: 1 Agosto 2001].
<http://www.gams.com/>, Rosenthal R., “Gams Tutorial”, Monterrey School, California USA,
2000, [consulta: 1 Agosto 2001].
<http://titan.princeton.edu/TestProblems/>, fuente de problemas para prueba de rutinas
cuadrátricas, [consulta: 1 Agosto 2001].
75
Glosario
DSS : Decision Support System
DW : Algoritmo de Descomposición de Dantzig - Wolfe
FACTS : Flexible AC Transmission Systems
IEEE : Institute of Electrical and Electronic Engineers
KKT : Condición de primer orden de Karush Kuhn Tucker
LP : Linear Programming
MIP : Mixed Integer Programming
NLP : Non – Linear Programming
QP : Quadratic Programming
OPF : Optimal Power Flow
SIC : Sistema Interconectado Central
SEP : Sistema Eléctrico de Potencia
SQP : Sequential Quadratic Programming
SVC : Static Var Compensator
76
Anexo I: Método de Búsqueda Direcciones Factibles de Zoutendijk
Este método parte desde un punto factible x
0
, desde el cual se busca una dirección d
0
tal
que para un λ > 0, se cumplan las siguientes condiciones:
2. x
k+1
= x
k
+ λd
k
es factible
3. El valor de la función objetivo en x
k+1
es mejor que en x
k

Luego que se determina la dirección, se resuelve un problema de optimización en una
dimensión para determinar el paso de avance en dicha dirección d
k
. Esto conduce a un nuevo
punto x
k+1
, y el proceso se repite. Dado que la factibilidad del problema primal se mantiene
durante el proceso de optimización, estos procedimientos frecuentemente son llamados métodos
primales. Los métodos de este tipo generalmente convergen a una solución que cumple con las
condiciones de Karush Kuhn Tucker (KKT).
Considérese el problema de minimización de f(x) sujeto a x ∈ S, donde f: E
n
→E
1
y S es
un conjunto no vacío en E
n
. Un vector d (distinto de cero) se define como dirección factible en x
∈ S si existe un δ > 0 tal que x+λd ∈ S ∀ λ ∈ (0,δ). Así, d se define como dirección factible de
mejoramiento en x ∈ S si ∃ δ > 0 tal que f(x+λd)< f(x) y x+λd ∈ S ∀ λ ∈ (δ,0).
Considérese el siguiente problema de optimización con función objetivo cuadrática y
restricciones lineales.
e Ex
Ax a s
Wx x gx fk x f QP
t
·

+ + ·
b . .
2
1
) ( min ) (
(121)
A es una matriz de m x n, E es una matriz de l x n, b es un vector de dimensión m, y e es
un vector de dimensión l. En particular, d es una dirección factible de mejoramiento si A
1
d ≤ 0
y Ed = 0. Si ∇f(x)td<0, entonces d es una dirección de mejoramiento.
Considérese el problema (QP), sea x una solución factible, y supóngase que A
1
x = b
1
y
A
2
x < b
2
, donde A
t
se descompone en (A
1
t
, A
2
t
) y b
t
es descompuesto en (b
1
t
,b
2
i
). Entonces, un
vector d es una dirección factible en x si y sólo si A
1
d ≤ 0 y Ed = 0. Si ∇f(x)td<0, entonces d es
una dirección de mejoramiento.
Dado un punto factible x, un vector d distinto de cero es una dirección factible de
mejoramiento si ∇f(x)
t
d<0, A
1
d ≤ 0 y Ed = 0. Un método natural para generar esta dirección es
minimizar ∇f(x)
t
d<0 sujeto a las restricciones A
1
d ≤ 0 y Ed = 0. Nótese que si un vector d es
dirección factible de mejoramiento, entonces el valor de la función objetivo del siguiente
problema es -∞ considerando un paso λd , donde λ es arbitrariamente largo. Así, se introduce
una restricción que acota la dirección d, esta restricción se denomina restricción de
normalización.
77
Existen variadas formas para generar una dirección factible de mejoramiento, a
continuación se muestran tres, cada una de las cuales introduce de distinta manera la restricción
de normalización.
n j d
Ed
Ad a s
d x f min P
j
t
,..., 1 para 1 1
0
0 . .
) ( ) 1 (
· ≤ ≤ −
·


(122)
1
0
0 . .
) ( ) 2 (

·


d d
Ed
Ad a s
d x f min P
t
t
(123)
1 ) (
0
0 . .
) ( ) 3 (
− ≥ ∇
·


d x f
Ed
Ad a s
d x f min P
t
t
(124)
Los problemas P1 y P3 son lineales en las variables d
1
,...,d
n
y pueden ser resueltos con
métodos de programación lineal. El problema P2 contiene restricciones cuadráticas por lo que su
implementación es más compleja. En el presente estudio se ha implementado la solución
considerando el problema P1.
Considérese el problema QP, sea x una solución factible tal que A
1
x = b
1
y A
2
x<b
2
,
donde A
t
=(A
1
t
,A
2
t
) y b
t
=(b
1
t
,b
2
t
). Entonces, para cada i=1,2, x es un punto que cumple las
condiciones de KKT si y sólo si el valor de la función objetivo del problema P1 es igual a cero.
Se ha mostrado como generar una dirección factible y a concluir cuando un punto es
KKT para el problema QP. Ahora sea x
k
un punto factible y d
k
una dirección factible de
mejoramiento a partir de x
k
. El próximo punto x
k+1
estará dado por x
k
+ λ
k
d
k
, donde el largo del
paso λ
k
se obtiene resolviendo el siguiente problema de una dimensión.
0
) (
b ) ( . .
) ( min ) (

· +
≤ +
+
λ
λ
λ
λ
e d x E
d x A a s
d x f PLS
k k
k k
k k
(125)
Ahora supóngase que A
t
se descompone en A
t
=(A
1
t
,A
2
t
) y b
t
=(b
1
t
,b
2
t
), tal que A
1
x = b
1
y
A
2
x<b
2
. Entonces, el problema puede ser simplificado de la siguiente manera. Nótese que Ex
k
=e
y Ed
k
=0, por lo tanto la restricción E(x
k
+λd
k
)=e es redundante. Por su parte, A
1
x
k
= b
1
y A
1
d
k

0, entonces A
1
(x
k
+λd
k
)≤b
1
para todo λ ≥ 0. De esta forma es necesario restringir λ solamente
con λA
2
d
k
≤ b
2
-A
2
x
k
. Así, el problema PLS se puede reducir al siguiente problema equivalente.
78
max
0 . .
) ( min ) (
λ λ
λ
≤ ≤
+
a s
d x f PLS
k k
(126)
El valor de λ
max
se determina según los siguientes grupos de ecuaciones.
{ ¦
¹
'
¹
≤ ∞
> ∃ >
·
0
ˆ
0
ˆ
0
ˆ
:
ˆ
/
ˆ
min
max
d si
d si d d b
i i i i
λ (127)
k
k
d A d
x A b b
2
2 2
ˆ
ˆ
·
− ·
(128)
En el esquema de la siguiente figura se puede apreciar el diagrama de flujo del método.
Este diagrama sirvió de base para la implementación computacional del método.

SI
NO
x
0
factible inicial
Búsqueda primer
orden de factible
Resolver P1
z
P1
= 0 x
k
es KKT
Búsqueda de
paso λ
k

x
k+1
= x
k
+ λ
k
d
k

k:=k+1
k>k
max

FIN

Figura 40: Diagrama de Flujo de la Ejecución de Método de Zoutendijk
79
Anexo II: Método de Proyección del Gradiente de Rosen
Este método proyecta el gradiente en dirección opuesta (gradiente negativo) de forma
que mejore la función objetivo y se mantenga la factibilidad.
Considérese el problema QP. Dado un punto factible x, la dirección de paso descendente
es -∇f(x). Sin embargo, al moverse según -∇f(x) se puede perder la factibilidad. Para mantener
esta factibilidad, -∇f(x) es proyectada para moverse según la dirección d = -P∇f(x), donde P es
una matriz de proyección adecuada. Además -P∇f(x) es una dirección factible de mejoramiento
cuando -P∇f(x) ≠ 0.
Sea x un punto factible que A
1
x = b
1
, A
2
x

< b
2
, donde A
t
=(A
1
t
,A
2
t
) y b
t
=(b
1
t
,b
2
t
). Si P es
una matriz de proyección tal que -P∇f(x) ≠ 0, entonces d=-P∇f(x) es una dirección de
mejoramiento de f en x. Además, si M
t
= (A
1
t
,E
t
) es de rango completo, y si P es de la forma
P=I-M
t
(MM
t
)
-1
M, entonces d es una dirección factible de, mejoramiento.
Ahora para el caso en que P∇f(x)=0, entonces:
( ) v E u A x f w M x f x f M MM M I x f P
t t t t t
+ + ∇ · + ∇ · ∇ − · ∇ ·

1
1
) ( ) ( ) ( ) ( ) ( 0 (129)
Donde w = -(MM
t
)
-1
M∇f(x) y w
t
= (u
t
,v
t
). Si u ≥ 0, entonces el punto x satisface las
condiciones de KKT y por lo tanto el método debe detenerse. Si u tiene algún elemento menor
que cero, se puede definir una nueva matriz de proyección P
ˆ
tal que ) (
ˆ
x f P d ∇ − · es además
una dirección factible de mejoramiento.
Considérese el problema QP. Sea x una solución factible, y supóngase que A
1
x = b
1
, A
2
x
< b
2
, donde A
t
=(A
1
t
,A
2
t
) y b
t
=(b
1
t
,b
2
t
). Supóngase que M
t
=(A
1
t
,E
t
) es de rango completo, y sea
P=I-M
t
(MM
t
)
-1
M. Además, supóngase que P∇f(x) = 0, y sea w=-M
t
(MM
t
)
-1
∇f(x) y w
t
= (u
t
,v
t
).
Si u ≥ 0, entonces x es un punto de KKT. Si u tiene alguna componente menor que cero, sea u
j
<
0 una componente negativa de u, y sea ( )
t t t
E A M ,
ˆ ˆ
1
· , donde
1
ˆ
A se obtiene borrando la fila de
A
1
correspondiente a u
j
. Ahora sea M M M M I P
t t
ˆ
)
ˆ ˆ
(
ˆ ˆ
1 −
− · , y sea ) (
ˆ
x f P d ∇ − · . Entonces d es
una dirección factible de mejoramiento.
Nótese que la matriz P es una matriz de proyección que satisface P = P
t
y PP=P.
Además, MP = 0, esto es, A
1
P = 0 y EP = 0. En otras palabras, la matriz P proyecta cada fila de
A
1
y E en el vector cero. Pero como las columnas de A
1
y E son los gradientes de las
restricciones activas, P es la matriz que proyecta los gradientes de las restricciones activas en el
vector cero. De esta manera, en particular, P∇f(x) es la proyección de ∇f(x) sobre el espacio
nulo de restricciones activas.
La Figura 41 ilustra el proceso de proyección del gradiente para un problema con
restricciones de desigualdad.
80

A
1
-∇f(x)
-P∇f(x)
Solución
Óptima
Contornos de la
Función Objetivo

Figura 41: Interpretación Geométrica de la Proyección del Gradiente
En el esquema de la Figura 42 se puede apreciar el diagrama de flujo del método de
Rosen. Este diagrama sirvió de base para la implementación computacional del método.

SI
SI
SI
NO
x0 factible inicial
Búsqueda primer
orden de factible
M vacío?
xk+1 = xk + λkdk
k:=k+1
k>kmax
FIN
∇f(xk)=0?
xk es KKT
dk=-∇f(xk)
Búsqueda de
paso λk
xk+1 = xk + λkdk
k:=k+1
dk=-P∇f(xk)
dk=0? uj<0?
SI
Búsqueda de
paso λk

Figura 42: Diagrama de Flujo de la Ejecución de Método de Rosen
81
A continuación se describe la estructuración específica que toma OPF al ser abordado con
SQP, se utiliza la abreviación OPF-SQP para referirse a esta estructura.
Anexo III: Códigos en GAMS de Instancias Cuadráticas de Prueba
INSTANCIA 1: Corresponde al ejemplo 6 de la referencia http://titan.princeton.edu
*------------------------------------------------------------------------------*
* Quadratic Programming - Test Problem 6 *
* By Juan Pérez, Enero 2001 - Fuente: http://titan.princeton.edu/ *
*------------------------------------------------------------------------------*
Sets
i /1*5/
j /1*10/
alias(j,k);
Parameters
b(i)
/1 -4
2 22
3 -6
4 -23
5 -12/
c(j)
/1 48
2 42
3 48
4 45
5 44
6 41
7 47
8 42
9 45
10 46/
A(i,j)
Q(j,k);
Table A(i,j)
1 2 3 4 5 6 7 8 9 10
1 -2 -6 -1 0 -3 -3 -2 -6 -2 -2
2 6 -5 8 -3 0 1 3 8 9 -3
3 -5 6 5 3 8 -8 9 2 0 -9
4 9 5 0 -9 1 -8 3 -9 -9 -3
5 -8 7 -4 -5 -9 1 -7 -1 3 -2;
loop(j, loop(k, Q(j,k) = 100 $ (ord(j) eq ord(k))));
Variables
x(j)
f;
Loop(j,
x.lo(j) = 0;
x.up(j) = 1);
Equations
Obj objective function
Con(i) constraint functions;
Obj ..
f =e= sum(j, c(j)*x(j)) - 0.5*sum(j, x(j)*sum(k, Q(j,k)*x(k)));
Con(i) ..
sum(j, A(i,j)*x(j)) =l= b(i);
Model
problem /Obj, Con/;
solve problem using nlp minimizing f;
display x.l;
INSTANCIA 2: Corresponde al ejemplo 10.1.5 (página 413) del texto “Nonlinear Programming” de Bazaraa
(1994).
********************************************
*archivo: cargaqp.gms
*Autor : Juan Eduardo Perez Retamales
*Fecha : Enero de 2001
********************************************
*Carga y resolucion de problemas cuadraticos
*El uso de Gams nos independiza del solver
*Los solvers disponibles son CPLEX y MINOS
82
********************************************
********************************************
*Conjuntos para definir parametros
********************************************
Sets
i variables
$include var.inc
j restricciones desigualdad
$include rle.inc
aux1(i)
aux2(j);
aux1(i)=yes;
aux2(j)=yes;
********************************************
*Parametros que definen completamente el
*problema cuadratico
********************************************
Parameters
fk constante de la FO
g(i) vector costos lineales de la FO
w(i,i) Matrix Hessiana de la FO
a(j,i) Matrix restricciones desigualdad
b(j) RHS restricciones desigualdad;
$include fk.inc
fk=0;;
$include g.inc
g("1")=-4;
g("2")=-6;;
$include w.inc
w("1","1")=2;
w("1","2")=-1;
w("2","1")=-1;
w("2","2")=2;;
$include a.inc
a("1","1")=1;
a("1","2")=1;
a("2","1")=1;
a("2","2")=5;
a("3","1")=-1;
a("3","2")=0;
a("4","1")=0;
a("4","2")=-1;;
$include b.inc
b("1")=2;
b("2")=5;
b("3")=0;
b("4")=0;;
********************************************
*Variables del problema
********************************************
Variables
x(i) Vector de variables
FO func obj;
********************************************
*Ecuaciones del problema
********************************************
Equations
costo para definir la F.O.
resle(j) restricciones desigualdad;
costo.. FO=e=fk + sum(i,g(i)*x(i)) + sum(i,x(i)*sum(aux1,w(i,aux1)*x(aux1)));
resle(j).. sum(i,a(j,i)*x(i))=l=b(j);
Model qpprob /all/;
option nlp=minos5;
option iterlim =100000;
option reslim=1000000000;
solve qpprob using nlp minimizing FO;
display x.l;
INSTANCIA 3: Corresponde al ejemplo 1 de la referencia http://titan.princeton.edu.
*------------------------------------------------------------------------------*
* Quadratic Programming - Test Problem 1 *
* By Juan Pérez, Enero 2001 - Fuente: http://titan.princeton.edu/ *
*------------------------------------------------------------------------------*
83
File
res / results / ;
Put res ;
Sets
i /1*5/
alias(i,j);
Parameters
c(i)
/1 42
2 44
3 45
4 47
5 47.5/
Q(i,j);
loop(i, loop(j, Q(i,j) = 100 $ (ord(i) eq ord(j))));
Variables
x(i)
f;
loop(i,
x.lo(i) = 0;
x.up(i) = 1);
Equations
Obj objective function
Con constraint function;
Obj ..
f =e= sum(i, c(i)*x(i)) - 0.5*sum(i, x(i)*sum(j, Q(i,j)*x(j)));
Con ..
20*x('1') + 12*x('2') + 11*x('3') + 7*x('4') + 4*x('5') - 40 =l= 0;
Model
problem /Obj, Con/;
solve problem using nlp minimizing f;
PUT "Min f",f.l:16:10//;
loop(i, PUT "x ",x.l(i):16:10//);
display x.l;
84
Anexo IV: Detalle de Resultados
En el disco compacto adjunto en el presente trabajo, se puede acceder al detalle de
resultados de la aplicación de OPF–SQP a las siguientes redes de prueba:
§ Red de 2 barras: Desarrollado en extenso en el presente trabajo.
§ Red caso Wollenberg de 6 barras: Expuesto en la literatura (Wood y Wollenberg,
1996; Palma y Pérez, 2001).
§ Red SIC de 70 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de la
Universidad de Chile, escenario demanda baja e hidrología húmeda.
§ Red SIC de 182 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de
la Universidad de Chile, escenario demanda alta e hidrología seca.
§ Red Sistema Interconectado del Norte Grande (SING) de 33 barras: Desarrollado en
el Departamento de Ingeniería Eléctrica de la Universidad de Chile.
§ Red caso Porto de 13 barras: Desarrollado en el Departamento de Ingeniería Eléctrica
de la Universidad de Chile, escenario mercado eléctrico competitivo.
El disco compacto contiene los archivos necesarios para ejecutar el DSS DeepEdit, entre
ellos una guía explicativa que describe los pasos para instalar el programa. Esta guía se
reproduce en el siguiente apartado.
Instalación de Sistema de Apoyo a la Toma de Decisiones
Se recomienda utilizar una computadora Pentium III, 128[MB] de memoria RAM,
500[MHz], 100[MB] espacio en disco duro o su equivalente (o superior) en AMD.
El disco compacto adjunto contiene los siguientes archivos y carpetas
1
:
1) Instrucciones.doc: El cual entrega la información necesaria para instalar y utilizar
DeepEdit.
2) jdk-1_1_8_006-win.exe: El cual instala las librerías para la ejecución de la
plataforma JAVA que soporta a DeepEdit.
3) DeepEdit.exe: Contiene las librerías necesarias para ejecutar DeepEdit
Sígase los siguientes pasos para instalar el DSS DeepEdit:
§ Instalar archivo jdk-1_1_8_006-win.exe en la raíz de la estructura de directorios
de la computadora utilizada
§ Instalar archivo DeeEdit.exe en la raíz de la estructura de directorios de la
computadora utilizada

1
Es importante mencionar que las librerías JAVA son de libre acceso, por lo que se considera que no se violan
licencias al reproducirlos en el disco compacto adjunto.
85
Con la realización de estos pasos se finaliza la instalación.
Ejecución del Programa
Para utilizar OPF–SQP en DeepEdit:
§ Ejecutar el archivo C:\work\java\version\run\run.bat desde la línea de comandos o
desde una ventana de Windows y en la pantalla aparecerá la ventana de DeepEdit.
§ Cargar la red que se desee investigar resultados. Se debe utilizar el menú de carga de
redes, tal como de ilustra en la siguiente figura. Se encuentran disponibles las
siguientes redes.
♦ OPF2c.sim : Red de prueba de 2 barras
♦ Wollenberg.sim : Red caso Wollenberg 6 barras
♦ Porto.sim : Red caso Porto 13 barras
♦ SIC70.sim : Red SIC 70 barras
♦ SICFINHSDAC.sim : Red SIC 182 barras
♦ SING33.sim : Red SING 33 barras

Figura 43: Menú para la visualización y manejo de redes eléctricas
86

Figura 44: Redes de Prueba Disponibles

Figura 45: Red de prueba cargada
§ Escoger el menú “Java Optimal Power Flow” desde las herramientas de simulación
de fenómenos estacionarios de SEP, tal como se muestra en la siguiente figura.
87

Figura 46: Elección de Menú
§ Ejecutar OPF–SQP con los parámetros de tolerancia y método deseado, en la
siguiente figura se muestra la ventana de opciones disponible.

Figura 47: Ventana de Opciones de la Herramienta de Análisis
Con la realización de estos pasos se completa la ejecución de OPF – SQP. A
continuación se detallan los pasos para acceder a la información resultante de la aplicación del
modelo.
88
Lectura de Resultados
Existen tres formas de acceder a los resultados entregados OPF–SQP vía DeepEdit:
1. Leer directamente desde la red eléctrica en la ventana de DeepEdit los valores
de las variables de control y estado.
2. Leer los resultados desde una base de datos que contiene los valores
entregados por el método. La base de datos se encuentra en el archivo
C:\work\java\version\run\database\DeepDB.mdb y debe ser leído con el
software Microsoft Access
3. Leer archivo C:\work\java\version\run\results\OPF-SQP.dat
89
Anexo V: Sistema Interconectado Central Chileno
En el presente anexo se muestra la figura en extenso del SIC de 182 barras.

RESUMEN DE LA TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN GESTIÓN DE OPERACIONES POR : JUAN EDUARDO PÉREZ RETAMALES FECHA : XX/10/2001 PROF. GUÍA : Sr. RODRIGO PALMA B.

"Flujo de Potencia Óptimo con Programación Cuadrática Secuencial"
El objetivo del presente trabajo es contribuir a mejorar y adaptar los métodos de simulación de fenómenos estacionarios de Sistemas Eléctricos de Potencia (SEP) y su uso en un contexto de mercados competitivos. En particular, el modelamiento y resolución del problema del Flujo de Potencia Óptimo (OPF), adecuando las metodologías para el Sistema Interconectado Central chileno (SIC). Para esto, se formuló de manera extendida el OPF, se modeló explícitamente los equipos Compensadores Estáticos Regulables, se propuso rutinas de optimización y mejoras para el SIC. El problema fue resuelto utilizando Programación Cuadrática Secuencial (SQP). SQP requiere resolver subproblemas cuadráticos en cada una de sus iteraciones. Para esto, se utilizó un software de optimización especializado Minos y se desarrolló alternativamente dos métodos de programación no lineal, los métodos Zoutendijk y de Rosen. Las rutinas fueron implementadas computacionalmente en un lenguaje orientado al objeto JAVA y han sido introducidas en un Sistema de Apoyo a la Toma de Decisiones (DSS). Como resultado de este trabajo, se genera una metodología que introduce mejoras al proceso de operación de SEP, contemplando un escenario de mercado eléctrico competitivo. Específicamente, se obtienen puntos de operación factibles, desde el punto de vista técnico, y a mínimo costo para el sistema. Se obtuvo un módulo computacional inserto en un DSS, que es desarrollado y utilizado en el ámbito docente, de investigación y extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile y posiblemente será utilizado en empresas del sector de generación de energía eléctrica. Se logró disminuir el tiempo de ejecución y aminorar la utilización de recursos de memoria computacional, al aplicar la metodología implementada, mediante el desarrollo de mejoras en el proceso de optimización. Se calculan de manera explícita los costos marginales por potencia activa y reactiva del sistema, con lo que se obtiene una señal económica, que puede ser utilizada en el ámbito de la planificación de SEP. Este trabajo posee un gran potencial de expansión y utilización, en la medida que se privilegie la utilización de DSS por parte de los agentes del sector eléctrico, se incluya el modelamiento de nuevas tecnologías y se adapten los procedimientos de operación y planificación de SEP, ante un escenario que contemple una nueva ley eléctrica en Chile. En conclusión, en la presente tesis de grado se ha formulado el OPF utilizando SQP para su solución. Se han propuesto metodologías para optimizar el desempeño de los algoritmos y se han introducido mejoras específicas para el caso del SIC.

Índice
1.- INTRODUCCIÓN ................................................................................................................................................................. 1 1.1 M OTIVACIÓN Y ALCANCES.................................................................................................................................................1 1.2 OBJETIVOS ............................................................................................................................................................................4 1.3 M ETODOLOGÍA.....................................................................................................................................................................4 1.4 ESTRUCTURA DEL TRABAJO...............................................................................................................................................4 2.- EL PROBLEMA DEL FLUJO DE POTENCIA ÓPTIMO ....................................................................................... 6 2.1 RESUMEN ..............................................................................................................................................................................6 2.2 INTRODUCCIÓN.....................................................................................................................................................................6 2.3 DESCRIPCIÓN GENERAL DE UNA RED ELÉCTRICA..........................................................................................................8 2.3.1 Modelo de Línea de Transmisión..........................................................................................................................10 2.3.2 Modelo de Transformador.....................................................................................................................................10 2.3.3 Modelo de Compensador Estático Regulable.....................................................................................................11 2.3.4 Modelo de Carga o Consumo................................................................................................................................12 2.4 FORMULACIÓN DEL PROBLEMA DEL FLUJO DE POTENCIA ÓPTIMO ...........................................................................12 2.4.1 Parámetros, Variables de Control y de Estado..................................................................................................13 2.4.2 Función Objetivo.....................................................................................................................................................14 2.4.3 Restricciones............................................................................................................................................................15 2.4.4 Cotas..........................................................................................................................................................................16 3.- APLICACIÓN DE PROGRAMACIÓN CUADRÁTICA SECUENCIAL ..........................................................17 3.1 RESUMEN ............................................................................................................................................................................17 3.2 P ROGRAMACIÓN CUADRÁTICA SECUENCIAL ................................................................................................................17 3.2.1 Definición..................................................................................................................................................................17 3.2.2 Formulación General.............................................................................................................................................17 3.2.3 Criterio de Convergencia Utilizado.....................................................................................................................19 3.3 RESOLUCIÓN DE SUBPROBLEMAS CUADRÁTICOS.........................................................................................................19 3.4 CÁLCULO DE COSTOS M ARGINALES...............................................................................................................................20 3.5 CÁLCULOS PARA LA APLICACIÓN DE PROGRAMACIÓN CUADRÁTICA SECUENCIAL ...............................................21 3.6 CASO DETALLADO DE ESTUDIO 2 BARRAS....................................................................................................................26 4.- INTRODUCCIÓN EN UN SISTEMA DE APOYO A LA TOMA DE DECISIONES ....................................33 4.1 RESUMEN ............................................................................................................................................................................33 4.2 ENTORNO DE DESARROLLO..............................................................................................................................................33 4.3 HERRAMIENTA DE A NÁLISIS IMPLEMENTADA ..............................................................................................................38 4.3.1 Descripción General...............................................................................................................................................38 4.3.2 Implementación de Métodos de Zoutendijk y Rosen .........................................................................................39 4.3.3 Validación de métodos de Zoutendijk y Rosen...................................................................................................40 5.- MEJORAS PROPUESTAS AL PROCESO DE OPTIMIZACIÓN ......................................................................44 5.1 RESUMEN ............................................................................................................................................................................44 5.2 BÚSQUEDA ÓPTIMA DE PUNTOS INICIALES FACTIBLES...............................................................................................44 5.3 DUALIDAD Y SEPARACIÓN DE PROBLEMA DUAL DE BÚSQUEDA DE DIRECCIONES FACTIBLES............................47 5.3.1 Algoritmo de Descomposición de Dantzig - Wolfe ............................................................................................47 5.3.2 Reconocimiento de la Estructura Diagonal en Bloque.....................................................................................51 5.4 DISEÑO DE HEURÍSTICA TIPO BÚSQUEDA TABÚ...........................................................................................................53 5.4.1 Búsqueda Tabú.........................................................................................................................................................55 5.4.2 Determinación de Parámetros Caso Flujo de Potencia Óptimo.....................................................................56 5.5 M ATRICES RALAS EN EL SISTEMA INTERCONECTADO CENTRAL...............................................................................58 6.- RESULTADOS .....................................................................................................................................................................61 6.1 RESUMEN ............................................................................................................................................................................61 6.2 RED DE PRUEBA 6 BARRAS ..............................................................................................................................................61 6.3 A PLICACIÓN AL SISTEMA INTERCONECTADO CENTRAL ..............................................................................................63 6.3.1 SIC 70 Barras...........................................................................................................................................................63 6.3.2 SIC 182 Barras........................................................................................................................................................66 7.- CONCLUSIONES ...............................................................................................................................................................69

..............72 REFERENCIAS ELECTRÓNICAS ..............................................................................76 ANEXO II: MÉTODO DE PROYECCIÓN DEL GRADIENTE DE ROSEN.......................................................................................................................................................................................................................................................................................................................................................................81 ANEXO IV: DETALLE DE RESULTADOS .................................................................................................89 .......................................................................................................................................................................................84 EJECUCIÓN DEL PROGRAMA ...........................................................................75 ANEXO I: MÉTODO DE B ÚSQUEDA DIRECCIONES FACTIBLES DE ZOUTENDIJK..........85 LECTURA DE RESULTADOS ...REFERENCIAS .....................84 INSTALACIÓN DE SISTEMA DE APOYO A LA TOMA DE DECISIONES............................79 ANEXO III: CÓDIGOS EN GAMS DE INSTANCIAS CUADRÁTICAS DE PRUEB A..74 GLOSARIO ................................................................................................................................................................................................................................................................................88 ANEXO V: SISTEMA INTERCONECTADO CENTRAL CHILENO........................

Índice de Ilustraciones Figura 1: Cronología del Proceso de Liberalización del Sector Eléctrico _______________________________ 1 Figura 2: Esquema General de Desarrollo ______________________________________________________ 3 Figura 3: Metodología Utilizada para el Desarrollo_______________________________________________ 4 Figura 4: Representación de una Red Eléctrica y Elementos de Red Modelados_________________________ 10 Figura 5: Representación de una Línea de Transmisión con Modelo PI _______________________________ 10 Figura 6: Representación de un Transformador _________________________________________________ 11 Figura 7 : Representación de un Equipo Compensador Estático Regulable_____________________________ 11 Figura 8: Representación de una Carga y sus Potencias no Servidas _________________________________ 12 Figura 9: Representación de un Nodo de un Sistema Eléctrico ______________________________________ 13 Figura 10: Red Pequeña para Desarrollo Detallado______________________________________________ 26 Figura 11: Definición y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones________________ 34 Figura 12: Estructura de Objetos de Cálculo en Sistema de Apoyo a la Toma de Decisiones________________ 34 Figura 13: Información de Operación para Generadores __________________________________________ 35 Figura 14: Información Económica para Generadores____________________________________________ 36 Figura 15: Información de Operación para Líneas de Transmisión___________________________________ 36 Figura 16: Información de Operación para Transformadores_______________________________________ 37 Figura 17: Salida Entregada ante Ejecución____________________________________________________ 38 Figura 18: Menú Principal de Herramienta de Cálculo ___________________________________________ 38 Figura 19: Interacción clases_______________________________________________________________ 40 Figura 20: Red para la Verificación de Convergencia con Búsqueda Lineal Optimizada___________________ 45 Figura 21: Gráfico Convergencia en Subproblemas para Método de Zoutendijk _________________________ 46 Figura 22: Gráfico Convergencia en Subproblemas para Método de Rosen ____________________________ 46 Figura 23: Diagrama de Flujo de Algoritmo de Dantzig . Escenario Demanda Baja e Hidrología Húmeda ________ 64 Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras _________________________________ 65 Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras _____________________________ 65 Figura 35: Evolución Costos Totales _________________________________________________________ 66 Figura 36: Convergencia Porcentual Lado Derecho______________________________________________ 67 Figura 37: Convergencia Porcentual de Costos _________________________________________________ 67 Figura 38: Evolución Costos Caso SIC 182 Barras_______________________________________________ 68 Figura 39: Módulo Computacional Implementado _______________________________________________ 70 Figura 40: Diagrama de Flujo de la Ejecución de Método de Zoutendijk ______________________________ 78 Figura 41: Interpretación Geométrica de la Proyección del Gradiente________________________________ 80 Figura 42: Diagrama de Flujo de la Ejecución de Método de Rosen__________________________________ 80 Figura 43: Menú para la visualización y manejo de redes eléctricas__________________________________ 85 Figura 44: Redes de Prueba Disponibles ______________________________________________________ 86 Figura 45: Red de prueba cargada___________________________________________________________ 86 Figura 46: Elección de Menú _______________________________________________________________ 87 Figura 47: Ventana de Opciones de la Herramienta de Análisis _____________________________________ 87 .Wolfe _____________________________________ 49 Figura 24: Red con Generadores Idénticos en una Barra __________________________________________ 54 Figura 25: Red con Porciones Simétricas______________________________________________________ 55 Figura 26: Gráfico Explicativo Búsqueda Tabú _________________________________________________ 55 Figura 27: Diagrama de Flujo de Heurística Diseñada ___________________________________________ 57 Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras_____________________ 58 Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras_________________________ 59 Figura 30: Sistema Eléctrico de Potencia Caso Wollenberg ________________________________________ 61 Figura 31: Efectos Introducidos por Compensador Estático Regulable________________________________ 62 Figura 32: Sistema Interconectado Central Chileno.

Índice de Tablas Tabla 1: Parámetros de Entrada para Red de Prueba Pequeña______________________________________ 26 Tabla 2: Resultados Iteración 0 _____________________________________________________________ 30 Tabla 3: Resultados Iteración 1 _____________________________________________________________ 30 Tabla 4: Resultados Iteración 2 _____________________________________________________________ 31 Tabla 5: Resultado Final para Red Pequeña____________________________________________________ 31 Tabla 6: Datos de Resumen para Costos Totales de Generación _____________________________________ 32 Tabla 7: Parámetros Instancia 1_____________________________________________________________ 41 Tabla 8: Resultados Instancia 1 de Validación __________________________________________________ 41 Tabla 9: Parámetros Instancia 2_____________________________________________________________ 42 Tabla 10: Resultados Instancia 2 de Validación _________________________________________________ 42 Tabla 11: Parámetros Instancia 3____________________________________________________________ 42 Tabla 12: Resultados Instancia 3 de Validación _________________________________________________ 43 Tabla 13: Convergencia en Subproblemas en Función de la Iteración para Red de Prueba_________________ 46 Tabla 14: Porcentaje Operaciones Efectivas con Matrices _________________________________________ 60 Tabla 15: Utilización de Memoria Matrices Ralas _______________________________________________ 60 Tabla 16: Resumen de Estadísticas de Red _____________________________________________________ 62 Tabla 17: Resultados Entregados sin Considerar Compensador Estático Regulable ______________________ 62 Tabla 18: Resultados Entregados Considerando Compensador Estático Regulable_______________________ 62 Tabla 19: Costos Marginales por Inyección de Potencia Reactiva en las Barras de la Red _________________ 63 Tabla 20: Resultados para Caso SIC de 70 Barras _______________________________________________ 64 Tabla 21: Datos Resumen__________________________________________________________________ 66 Tabla 22: Información Convergencia _________________________________________________________ 67 Tabla 23: Descripción de Computadora Utilizada _______________________________________________ 67 .

con el fin de aumentar la eficiencia en la producción y distribución de la energía eléctrica. La Figura 1 muestra la cronología de este proceso a nivel mundial (Palma. Las normas fijadas por la Unión Europea contemplan un esquema de acceso libre a las redes eléctricas en etapas sucesivas. las que se iniciaron en Febrero de 1999. en diversos estados de los Estados Unidos de Norteamérica se han propuesto estructuras de mercado competitivo. Este pago se justifica por la presencia de economías de escala en transmisión y es calculado en función de un impacto incremental (Rudnick y Palma. En Europa este proceso comienza en 1989 con la creación de un sistema Pool en Inglaterra seguido a partir de 1990 por los países Escandinavos. Guatemala. el papel 1 . las que se encuentran parcialmente implementadas (Tabors. En Europa se proponen los modelos de comprador único y acceso negociado a terceros. ineficiencia en el sector y tarifas elevadas. Dinamarca 1982 1987 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 Figura 1: Cronología del Proceso de Liberalización del Sector Eléctrico Una condición básica para la creación de competencia es que las empresas generadoras puedan acceder a sus clientes a través del sistema de transmisión. 1993). 1995. USA Centroamérica Argentina Suecia. basados en un esquema de Pool (Rudnick y Palma. Lo anterior deja de manifiesto. 2000). a partir de 1997. Asimismo. que ya están siendo aplicados. seguido de Argentina (1992) Perú (1993). Finlandia. En la mayoría de los casos se ha tratado de la privatización de una empresa estatal única. En Latinoamérica predominan los esquemas basados en una combinación de tarificación a costo marginal con un pago en función del uso natural del sistema. Un factor común a estos cambios es la búsqueda d mayores condiciones de competencia en los sectores de generación y e comercialización. 1993). 1995).1 Motivación y Alcances A escala mundial se observa un creciente cambio en la estructura de mercado de los sistemas eléctricos de potencia (en adelante SEP) (Palma. Lo anterior puede lograrse con la creación de variados esquemas de acceso abierto a las redes (Rudnick y Palma. basadas en contratos bilaterales físicos. En Sudamérica se utiliza una serie de modelos. ofreciendo un precio más bajo. Australia Inglaterra Perú Colombia.1. Nicaragua.. a partir de 1996. Chile Nueva Zelanda Unión Europea Noruega. Bolivia Mercado Común Europeo. 1995). en Nueva Zelanda (1987) y Australia (1991) se han desarrollado sistemas orientados hacia ambientes con estructura de mercado competitivo. mayor calidad y seguridad del producto. Por su parte. Este proceso ha s seguido. Las razones que han ocasionado estas reformas son múltiples: crisis económica. por una parte. Costa Rica. donde se ha acumulado gran experiencia en la aplicación de estos modelos. 2000). El Salvador. Tabors.Introducción 1. Bolivia (1994) y Colombia (1994). Honduras y México en 1999. El proceso de cambio en la estructura de mercado comienza en Chile (1982). por países ido centroamericanos como Panamá.

Wood y Wollenberg. 1996. 1994. en especial anticiparse en el uso de nuevas tecnologías y modelos de mercado eléctrico. Momoh y ElHawary. en el desarrollo de mercados eléctricos competitivos. El-Hawary. 2 . son consideradas parámetros del modelo. Las variables de control expresan el año o período de puesta en servicio de un proyecto de transmisión. En Chile. en tanto que la estimación de la demanda. Seibt. La planificación. los avances en tecnologías que no pueden ser consideradas en forma independiente de los procesos políticos y económicos que dan lugar a un mercado eléctrico en particular. En este marco. 1987. entre las más relevantes: eficientes métodos de cálculo de flujo de potencia. Cada secuencia se evalúa. como es el caso de Chile. Asimismo. la aparición de nuevas tecnologías tales como equipos FACTS (Flexible AC Transmission Systems) (Hingorani. supone que el sistema de potencia opera en un equilibrio entre potencia generada y demandada por el sistema. en el caso de flujos de potencia (método de Newton Raphson y método de Gauss Seidel) y mediante programas de optimización lineal ó basadas en gradiente o búsqueda de direcciones en el caso de OPF. en un contexto dinámico. en base a una simulación del sistema con funciones objetivo definidas a priori. aspecto muy relevante en este sector.fundamental que tiene el sistema de transmisión. pudiendo ser descrito por un conjunto de ecuaciones algebraicas que determinan las variables del estado de equilibrio o régimen permanente. la expansión de la generación. Estas ecuaciones se resuelven mediante métodos iterativos. en una primera aproximación. para obtener un punto factible técnico. empresas consumidoras). incorporando herramientas de análisis del problema propiamente eléctrico. que presenta un desafío en su realización. con un gran potencial de contribución al conocimiento y entendimiento del sector eléctrico. la fuerte descentralización de los procesos de toma de decisión en sistemas eléctricos. 1996. Las metodologías de simulación existentes en la actualidad presentan deficiencias en la incorporación de elementos de mercado y marcos regulatorios. Éste es un problema pertinente de ser abordado. entre otros. que son ajustados manualmente con la ayuda de un operador experto. En concreto. juegan un papel fundamental en estudios de carácter técnico económico de sistemas eléctricos de potencia. la planificación de la operación utiliza despachos económicos de carga. 2000). las que son modeladas en base a una secuencia de decisiones que describen la expansión del sistema. se desarrollan metodologías que utilizan un variada gama de métodos de optimización existentes. Srivastava y Verma. La base teórica de estas técnicas. el tema de la planificación de sistemas de transmisión en esquemas de acceso libre a las redes eléctricas ha cobrado gran importancia para los distintos agentes del sector eléctrico (compañías generadoras. a través de flujos de potencia. con lo cual no se pueden reflejar las implicancias que tienen las decisiones de los agentes de mercado en la configuración física del sistema eléctrico. De este modo. análisis de cortocircuito. Glavitch y Bacher. En la mayoría de los casos. modelos de mercado y marcos regulatorios. 1999). requiere del desarrollo de herramientas de análisis flexibles que sean capaces de abordar nuevos desafíos. ya que es el factor que posibilita la creación de un mercado competitivo en el sector. es caracterizada por decisiones sucesivas e interdependientes en el tiempo. y por ende su planificación. estas metodologías tienen una fuerte componente de interacción manual con el planificador. sin ofrecer alternativas de expansión en forma automatizada. estimación de estado y confiabilidad. 1991. flujo de potencia óptimo (en adelante OPF) (ESCA. organismos estatales. Para la planificación. por otra parte se reconoce la necesidad de incorporar metodologías de expansión tradicionales. 1997. medios de almacenamiento de energía basados en superconductores y generación distribuida.

en la cual se pueden distinguir las componentes esenciales para el modelamiento de un SEP. realiza una contribución al conjunto de modelos de simulación de fenómenos estacionarios. Luego. programación y solución del problema de flujo de potencia óptimo OPF. la estructura general contiene tres modelos que interactúan fuertemente: el modelo de mercado y agentes. b). incorporando la formulación.El proyecto Fondecyt N° 1000866 (Palma. OPF Modelo de Simulación de Fenómenos Dinámicos Indices de desempeño Evaluación de Señales / Adaptación de de Reglas y Procedimientos Estándares de desempeño Figura 2: Esquema General de Desarrollo Es importante mencionar. en el cual está inserto el desarrollo del OPF. se utiliza para la determinación óptima de las variables de control en un sistema eléctrico y considera variadas restricciones. En analogía a una sistema de central en lazo cerrado. 2000) pretende cubrir las necesidades generadas en el contexto ya descrito. resuelve el OPF mediante repetidas resoluciones de una aproximación cuadrática del problema. el modelo de simulación de fenómenos dinámicos y el modelo de simulación de fenómenos estacionarios. los datos del sistema. 1997. SQP es un método clasificado como una extensión del método Cuasi – Newton. Se define la utilización de programación cuadrática secuencial (en adelante SQP). índices de desempeño son calculados y comparados con estándares. las nuevas tecnologías que se pueden incorporar y el marco normativo vigente. para así poder realizar la correcciones necesarias. que no forma parte del presente estudio la elección del método de solución para OPF escogido. 3 . Estructura para el Molamiento de un Sistema Eléctrico Datos del Sistema Selección de Nuevas Tecnologías Modelo de Mercado y Agentes Reglamento. a causa de su buen comportamiento en convergencia para la resolución de problemas no lineales (Seibt. 1999 a. OPF corresponde a la generalización del problema de despacho económico de carga convencional. Usualmente la función objetivo corresponde a la minimización costos de operación. El presente estudio.. Se considera como entrada (información conocida).. Procedimiento General Modelo de Simulación de Fenómenos Estacionarios . inserto en este proyecto. El esquema general en el que se desarrolla el proyecto se aprecia en la Figura 2. Boggs y Tolle.

en particular el OPF.3 Metodología Con el fin de cumplir con los objetivos trazados en el presente trabajo. se aplicó la metodología que se resume en la Figura 3.2 Objetivos En el contexto señalado en la sección anterior. especificando los objetivos que se persigue cumplir con el desarrollo y la metodología utilizada. b) Representar explícitamente los equipos FACTS Compensadores Estáticos Regulables (en adelante SVC) (Hingorani. • 1. Se hace una mención especial a los nuevos equipos FACTS SVC. Apoyar a la docencia y extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile. siguiendo la secuencia lógica del desarrollo matemático que OPF – SQP1 requirió. 1 OPF – SQP es la sigla utilizada para referirse al desarrollo realizado en la presente tesis en forma global. 4 . Srivastava y Verma. Proponer mejoras para el caso del Sistema Interconectado Central (en adelante SIC) chileno. Este estudio tiene como objetivos específicos: • • • Formular de manera extendida el OPF. haciendo uso de SQP (Boggs y Tolle. Este apartado corresponde a dicha introducción.4 Estructura del Trabajo El presente trabajo se estructura en siete capítulos. Formulación del OPF Aproximación Cuadrática del lagrangeano Construcción subproblemas SQP Desarrollo metodologías para solucionar subproblemas Desarrollo de mejoras diseñadas Análisis para el desarrollo de mejoras al proceso Acoplamiento de rutinas a DSS Implementación y validación computacional de metodologías -Aplicación SIC -Análisis resultados Discusión y Conclusiones Figura 3: Metodología Utilizada para el Desarrollo 1. Comienza con una introducción y motivación del tema investigado. 1999 a. 1994. incluyendo una explicación del funcionamiento y modelamiento de los equipos y partes integrantes del mismo.1. comienza describiendo el esquema general de un sistema eléctrico de potencia. el objetivo general del presente trabajo es contribuir a mejorar y adaptar los métodos de simulación de fenómenos estacionarios en SEP y su uso en un contexto de mercados competitivos. El segundo capítulo. 2000) Proponer y desarrollar rutinas específicas de optimización para los subproblemas cuadráticos.

Luego se explica el problema del OPF. la definición de objetos y los reportes entregados por el sistema. Utilización de librerías matemáticas especializadas en el manejo de matrices ralas. se expone en extenso un caso de estudio en una red de dos barras y el análisis de resultados. mediante la explotación de señales económicas como los costos marginales y la utilización en metodologías de análisis dinámico de sistemas eléctricos. Sobre la red de prueba (seis barras) se efectúa un análisis que describe los efectos de la introducción de un equipo FACTS SVC en una de sus barras y la consecuente disminución en los costos de operación. las cuales son: • • • Búsqueda optimizada de un punto factible inicial para el método de Zoutendijk y de Rosen. describe la aplicación de SQP en OPF. se trata el potencial apoyo al proceso de toma de decisiones en las empresas del sector. se exponen las mejoras propuestas por el autor al proceso de optimización. se analizan los alcances que del estudio. Sobre la red equivalente al SIC. En el quinto capítulo. Descripción del reconocimiento de problemas particulares que llevan a soluciones que son óptimos locales y se diseña una heurística del tipo búsqueda tabú para salir de aquellas soluciones y encontrar un mejor óptimo. definiendo formalmente los parámetros y variables de relevancia. utilizados para resolver los subproblemas cuadráticos generados por SQP. Finalmente. El tercer capítulo. la eficacia de las metodologías utilizadas y recomendaciones propuestas para la planificación de operación del SIC. Diseño de una estrategia de separación para problema de búsqueda de direcciones factibles de Zoutendijk. Sobre el cumplimiento de los objetivos trazados. • El sexto capítulo. desarrolla un caso de estudio del SIC y una red de prueba. Finalmente. a través del método de Dantzig – Wolfe.dado que es parte del presente estudio incluir en el modelamiento del OPF el efecto de dichos equipos. las cuales son apropiadas para el caso del SIC. en el séptimo capítulo se exponen las conclusiones del estudio. se realiza un análisis comparativo entre los resultados obtenidos con SQP y los que entrega el despacho económico de carga y se interpreta económicamente los resultados obtenidos. 1994). se trata la convergencia de los métodos implementados. En este capítulo se incluye la descripción de los métodos de Zoutendijk y Rosen (Bazaraa. 1999). Además. En el cuarto capítulo se aborda la inclusión de OPF–SQP en un DSS denominado DeepEdit (Palma. mostrando la forma que toma el modelo al aplicar dicho método. se describe el entorno de desarrollo. 5 .

2. Modelos de tipo B: aquellos que modelan el problema de OPF como un problema de optimización global. OPF. Luego. Minimización del cambio en las variables de control.El Problema del Flujo de Potencia Óptimo 2. se resume el desarrollo histórico del tema y las clasificaciones de modelos OPF existentes. Existen variadas funciones objetivos que puede considerar un modelo OPF.2 Introducción OPF es un problema que fue definido en los principios del año 1960 como una extensión del problema de despacho económico de carga convencional. Existen dos grandes grupos de modelos para representar el OPF (Glavitch y Bacher. Finalmente se formula de manera extendida el OPF. sujeto a restricciones que representan los balances de potencia activa y reactiva en los nodos de la red. considerando variadas restricciones. 1991): • Modelos de tipo A: aquellos que utilizan como núcleo de cálculo un algoritmo de flujo de potencia clásico que es llamado por un proceso de optimización externo. es un problema de optimización con función objetivo y restricciones no lineales. Este grupo de algoritmos elabora sucesivamente puntos de entrada al programa de flujo de potencia.2.1 Resumen En este capítulo se describe el problema del flujo de potencia óptimo. es una activa área de investigación. Primero. entre las cuales se pueden mencionar (Ristanovic. 6 . 1996): • • • • Minimización de los costos por generación de potencia activa. que se utiliza para la determinación óptima de las variables de control en un SEP. Minimización de pérdidas de potencia activa. orientándolo hacia soluciones que minimizan la función objetivo especificada.. como lo es OPF. y a modo de introducción. que representa la operación en estado estacionario del sistema eléctrico. Las variables del sistema son optimizadas simultáneamente y las ecuaciones de flujo corresponden a restricciones adicionales del problema de optimización. OPF puede ser visto como un término genérico que describe una amplia gama de clases de problemas en los cuales se busca optimizar una función objetivo específica. etc. se describe las redes eléctricas y los elementos a considerar en el presente trabajo. • La aplicación de técnicas de optimización a los problemas de planificación y operación de SEP. en función de las tensiones y ángulos de las barras. De esta forma. Minimización de la potencia no servida. en su formulación general.

utilizan problemas formulados con función objetivo y restricciones lineales. la cual podría tener como motor de funcionamiento un OPF. El método Simplex es un método conocido y eficiente para resolver problemas de programación lineal de gran dimensión. debido a que se ha podido demostrar que (hasta el momento) e el único algoritmo s polinomial para resolver problemas de LP. Soluciones basadas en condiciones de Newton. La programación entera mixta (MIP. al igual que NLP demandan demasiados recursos computacionales (Wolsey. Versiones híbridas de programación lineal y programación entera. En Chile. 1999 a. Programación no lineal. Por su parte. donde la función objetivo es cuadrática y las restricciones son lineales (Bazaraa. Karush Kuhn Tucker). Linear Programming). utilizan las condiciones de primer orden para puntos óptimos. Los problemas abordados con programación lineal (LP. para el cual Simplex recorre todos los vértices del polítopo de restricciones antes de llegar al óptimo (Nemhauser y Wolsey. 1995). 1994). que comúnmente se denominan condiciones de Kuhn Tucker (en adelante KKT. En general. Programación Entera. Las restricciones pueden ser de igualdad o desigualdad (Bazaraa. se ha discutido sobre las características de velocidad en convergencia de las metodologías utilizadas para resolver el OPF. la tendencia es implementar una bolsa de energía. es aquel que se refiere al tiempo de ejecución del mismo. 1998). Otro aspecto importante a considerar en las implementaciones de OPF. Métodos de punto interior. se han comenzado a popularizar. son ecuaciones no lineales que requieren de métodos iterativos de solución.Una gran variedad de técnicas de optimización han sido aplicadas para resolver OPF (Momoh y El-Hawary. Mixed Integer Programming) es un caso particular de programación lineal. y MIP. § § Programación cuadrática. En la literatura (Momoh y El-Hawary. Papalexopoulos. Los métodos de programación no lineal (NLP. en éstas se califica de buena manera a las implementaciones del 7 . la Programación Cuadrática (en adelante QP. 1999): • • • • Programación lineal. Quadratic Programming) es un caso especial de programación no lineal. b). ante el inminente cambio en la Ley Eléctrica. Los métodos de Newton se ven favorecidos por sus propiedades de convergencia cuadrática (Boggs y Tolle. Las soluciones basadas en condiciones de Newton. 1996). Cabe mencionar que se ha encontrado un ejemplo para el cual Simplex no es polinomial. que incluye variables enteras en su formulación. introducidos por Karmarkar. es el conocido problema del cubo de Minty. 1999. Los métodos de punto interior. 1994). Non-Linear Programming) tratan problemas que involucran restricciones y función objetivo no lineales.

Existen otros tipos de generación. la eólica. El presente trabajo se clasifica dentro del grupo que utiliza NLP para el modelamiento y resolución. en las cuales se genera la energía eléctrica. En el SIC coexisten tres tipos principales de tecnologías para generar energía eléctrica: • • • Generación Hidroeléctrica. el SIC está compuesto principalmente por generación de los primeros tres tipos. es aprovechada para mover turbinas. Generación Térmica Convencional. en la utilización de algún combustible fósil. La generación térmica de ciclo combinado se basa en la combinación de una turbina a gas. se realiza principalmente a través de la conversión de energía mecánica en eléctrica. como la generación nuclear. transformadores y equipos FACTS SVC. El agua. 1996. Ahmed y Mateev. cargas o consumos. solar y celdas de combustible entre otras. cuyo calor excedente es aprovechado en una turbina a vapor. con el fin de abastecer las cargas y brindar una calidad de suministro adecuada. a través de líneas de transmisión y transformadores. La generación térmica convencional se basa. considerando función objetivo que contempla la minimización de costos por generación de potencia activa.3 Descripción General de una Red Eléctrica En esta sección se describen las redes eléctricas que representan a los SEP y se detallan los elementos componentes de las redes que participan en la formulación del OPF. 2000). Las redes eléctricas se basan en la interconexión entre generadores y consumos. generadores. la convergencia puede ser mejorada (Papalexopoulos. 8 . Generación Térmica de Ciclo Combinado. al utilizar metodologías que involucran matrices ralas. en el sentido de proporcionar confiabilidad a la red a través de la conformación de una red enmallada. 2. La generación de energía eléctrica. conducida a través de tuberías. líneas de transmisión. Para efectos del este trabajo. a través de parámetros y variables de optimización. incrementándose en forma importante la eficiencia del proceso.tipo cuadráticas incrementales iterativas (como lo es SQP). La generación hidroeléctrica se basa predominantemente en la conversión de la energía potencial que posee el agua acumulada en embalses. para permitir el movimiento de las turbinas a vapor o gas y la consecuente generación de energía eléctrica. Además. se considera que una red eléctrica está compuesta principalmente por los siguientes seis elementos: barras o nodos de la red. además de los anteriores. Sin embargo.

son las demandas por potencia de los usuarios de la red eléctrica. representado por su magnitud V| y ángulo θ. Además. con el fin de abastecer los consumos. representa un nodo de un SEP. que poseen la capacidad de inyectar o consumir. con el fin de optimizar el desempeño de la red. Su parámetro más importante es el tensión. potencia reactiva Q en un nodo de la red. Ahora. a partir de un modelo PI asociado a cada línea de transmisión o transformador. Las cargas se conectan a una barra específica. la cual representa las admitancias entre los nodos de la red. la cual a su vez se encuentra acotada. Con esta variable se puede determinar la tensión de referencia en que debe operar el equipo. con los elementos anteriormente definidos y la simbología estándar utilizada en la literatura relacionada. Este elemento posee rangos de operación determinados por características propias de cada máquina y determinarán restricciones para OPF. Las líneas de transmisión y transformadores. en nuestro caso. Los transformadores. En el presente estudio se modelan los taps de los transformadores como l variables de optimización continuas e inciden directamente sobre la matriz de admitancia. siendo PL la potencia activa y QL la potencia reactiva demandada por una carga. Un generador corresponde a una máquina eléctrica que es capaz de inyectar potencia (activa P y reactiva Q) a la red. pueden ser manipulados de distintas formas por los operadores de a red. datos para OPF. un equipo SVC puede ser modelado como una variable de control a través de su potencia reactiva QS. que dependiendo del tipo de transformador. en forma regulable. Sus parámetros son PG y QG y son variables a optimizar por OPF. lo importante para el operador de red. pueden cambiar su razón de transformación a través de los denominados taps. son elementos que tienen la capacidad de transformar tensiones alternas.Una barra permite la interconexión de componentes eléctricas. Los equipos SVC son equipos. La Figura 4 muestra una red eléctrica de potencia. son los encargados de transmitir la potencia entre los nodos o barras de la red eléctrica. | éstas son variables de estado para OPF. De esta manera. con el propósito de ajustar la tensión de la barra en que se encuentran conectados. que forman parte de la familia de dispositivos FACTS. Barras o Nodos Carga o Consumo G SVC Barra o Nodo Transformador Generador Línea de FACTS tipo Transmisión SVC 9 . Sus parámetros están resumidos en una matriz compleja denominada matriz admitancia nodal [Y]. Las cargas o consumos. es conocer la tensión de referencia en que debe fijar al equipo. hacia algún valor de referencia. Estas demandas serán. Son representadas por PL y QL.

2.3. Los transformadores poseen la capacidad de cambiar su razón de transformación a través de los taps. a través de sus elementos.3. I1 I2 t:1 V1 V2 10 .2 Modelo de Transformador El modelo de transformador. Ésta participa directamente en las ecuaciones de flujo de potencia y determina las pérdidas en las líneas de transmisión. representa los efectos físicos producidos en la línea de transmisión. similar al modelo de línea de transmisión utilizado. I1 I2 V1 V2 Figura 5: Representación de una Línea de Transmisión con Modelo PI Con este modelo se establece la relación entre las corrientes y tensiones a través de la matriz compleja de admitancias. el cual.1 Modelo de Línea de Transmisión Se utiliza un modelo PI equivalente para la línea. incluye además el efecto de transformación de tensión debida al tap. son utilizados por el OPF para calcular la matriz de admitancia nodal compleja del sistema completo. lo cual fue modelado como variable de control en el OPF. y corresponde a una representación monofásica del sistema trifásico. Las magnitudes de los elementos del modelo PI. La Figura 5 muestra el modelo PI equivalente a una línea de transmisión. válida en un estudio de carácter estacionario simétrico.  I1  I  =  2  y11 y  21 y12  y 22   V1  V   2 (1) 2.Figura 4: Representación de una Red Eléctrica y Elementos de Red Modelados La simbología mostrada anteriormente se denomina diagrama unilineal.

Figura 7 : Representación de un Equipo Compensador Estático Regulable La inyección de potencia reactiva del SVC se expresa según las siguientes ecuaciones. la cual no afecta directamente a la matriz de admitancia nodal del sistema. o se puede modelar como una inyección de potencia en la barra (modelación activa). posibilita una compensación reactiva en una barra mediante un banco de condensadores y una inductancia conectada a una barra a través de un sistema de control de flujo que utiliza tiristores de potencia. El valor de la tensión de referencia del regulador de tensión que poseen estos equipos es definido por el operador de red. quienes en total definen un rango de operación para este dispositivo.  y11  I1   t 2 I  =  y  2   21  t y12  t  V1    y 22  V2   (2) 2. se establece la relación entre las corrientes y tensiones través de la matriz de admitancias. para el operador de red es de interés conocer la respuesta a la siguiente pregunta: ¿Cuál debe ser la tensión de referencia al cual debe operar el SVC con el fin de minimizar los costos del sistema (OPF)?.3 Modelo de Compensador Estático Regulable Este dispositivo. 11 . En Chile estos elementos ya son utilizados.Figura 6: Representación de un Transformador Al igual que en el caso de las líneas de transmisión. Luego.3. la cual afecta a la matriz de impedancias del sistema según el valor que posea. la inyección de potencia reactiva está limitada por los valores de las capacitancias y la inductancia. que puede variar según los requerimientos del sistema. según su experiencia con el sistema. Se puede modelar como una impedancia variable (modelación pasiva). 2 Qmax = BindVref 2 Qmin = BcapVref (3) Qmin ≤ QSVC ≤ Qmax En ellas.

Se considera el no abastecimiento de una carga como una variable de optimización para el modelo del OPF. es considerar que estas se comportan como una impedancia conectada a una barra (modelación pasiva). de la ecuación anterior está compuesto por las ecuaciones de balance de potencia en las barras y las ecuaciones que determinan el factor de potencia en la liberación de carga. que es el utilizado en este trabajo. tanto generadas como no servidas. PU PL QU QL Figura 8: Representación de una Carga y sus Potencias no Servidas 2. tales como cotas y límites de operación.4 Formulación del Problema del Flujo de Potencia Óptimo Se formuló el OPF como un problema de optimización no lineal. 12 .a. Otro modelo. considera las cargas como inyecciones de potencia activa y reactiva a la red en una barra (modelación activa). r f (x ) r p( x ) = 0 r h( x ) ≤ 0 (4) El conjunto de restricciones de igualdad. cuya función de costos es cuadrática en las potencias activas. representa las restricciones del vector de variables de control y de estado x. ( P ) min s.4 Modelo de Carga o Consumo Una forma de modelar las cargas o consumos de la red. se expresa a través de potencia (activa y/o reactiva) inyectada en un nodo y considera un costo para el caso de la potencia activa no servida. Los consumos son un parámetro para el OPF y participan en las ecuaciones de balance de flujo de potencia en los nodos.3. Por su parte el conjunto de restricciones de desigualdad.2.

son variables de control.θ 1 . incluye: • • • • • • • • PGj QGj PUm QUm : : : : Potencia activa generador j.. son parámetros que representan la potencia activa y reactiva de la carga o consumo. QS ....n} el conjunto de barras en la red eléctrica y GNi... corresponden a la potencia activa y reactiva inyectadas por el generador. j ∈ GNi ∧ i ∈ N Potencia reactiva generador j. j ∈ GNi ∧ i ∈ N Potencia activa no servida en la carga m. Por su parte... V y θ. Vn . son variables de estado. m ∈ LNi ∧ i ∈ N Potencia reactiva no servida en la carga m. j ∈ TNi. t1 .... V1 .. θ QS SVC PL QL Figura 9: Representación de un Nodo de un Sistema Eléctrico Donde PG.1 Parámetros.... QG. PU l . i ∈ N Potencia reactiva inyectada por SVC j. Q Ss ( ) (5) 13 .. Finalmente PL y QL.. Q G1 . es una variable de control. t t ..θ n . corresponden al módulo de la tensión y su ángulo respectivamente. j ∈ SNi ∧ i ∈ N Tap del transformador j... El vector x contiene las variables de control y estado.. PG QG G PU QU |V| . El vector x entonces será: x T = PG1 ... m ∈ LNi ∧ i ∈ N Tensión en la barra i.4.. PU1 .. QU l ..2. cargas.. equipos SVC y transformadores conectados a la barra (o nodo) i ∈ N respectivamente. SNi y TNi (i ∈ N) los conjuntos de generadores. QU 1 . LNi.. Variables de Control y de Estado Las variables de control y de estado a considerar en el OPF se resumen en la Figura 9... corresponde a la potencia reactiva inyectada por el equipo SVC.. i ∈ N Ángulo de la tensión en la barra i. Q S 1 . PG g .. QG g ... Se considera la simbología estándar utilizada en la literatura relacionada... i ∈ N Vi : θi QSj tj : : : Siendo N={1.

1996). y ii = y ij = y ii t i2 yij ti (8) En que los parámetros y ij e y ii corresponden a los elementos de la matriz de admitancia nodal al no existir el efecto tap (razón de transformación igual a uno).Donde: § § § § § g l n t s : : : : : Número de generadores en la red Número de cargas en la red Número de nodos en la red Número de transformadores en la red1 Número de FACTS SVC en la red Otro parámetro a considerar es la matriz compleja de admitancia nodal (Y). se fija su límite superior e inferior en un mismo valor. que define la relación entre corrientes y tensiones nodales del sistema. 1 Un aspecto a mejorar es que. se utiliza un modelo cuadrático en que los coeficientes son conocidos (Wood y Wollenberg. Para cada generador de la red.  I1  V1   M  = [Y]  M      In  Vn       y11 L L L y1n   M O M    Y= M O M    O M   M  y n1 L L L y nn    (6) (7) Si en el arco (i. entonces los parámetros de la matriz de admitancia nodal consideran implícitamente el efecto del tap.4.j) existe un transformador. 2. 14 . no todos los transformadores tienen el tap variable. pero se considera a todos como variable de control y aquellos que no pueden variar. Basado en una curva de eficiencia no lineal.2 Función Objetivo La minimización de costos por generación de potencia activa y por potencias no servidas en las cargas. representada por sus elementos y ij = yij ∠? ij . se supone conocida su función de costos en las potencias activas generadas. conforman la función objetivo para el OPF considerada en este trabajo.

4. CostoUi = ß Ui P i + ? Ui PU2i U ∀ i ∈ GN k ∧ k ∈ N (10) De esta manera. no existe costo fijo. Es importante resaltar que. la función objetivo que describe la situación de minimización de costos por generación y desabastecimiento (potencias activas no servidas). cf es la suma de los costos fijos.3 Restricciones Las ecuaciones de balance de potencia activa y reactiva para un nodo i en el modelo estacionario de red. para el caso de los costos por el no abastecimiento de carga. proviene de estudios especializados. donde se estima razonable un modelo cuadrático que representa un mayor costo en función de la profundidad de la falla. será una función cuadrática en las potencias activas y se representa por la siguiente ecuación. definen el primer conjunto de restricciones. C T = ß G1 L ß Gg L 2? G1 0  0 O O   M O 2? Gg  O  M  M  M Q=  M   M  M   M   M  0 L L  [ 0 L 0 ß U1 L ß Ul L L L O 0 L L 0 L 0 L ] (12) O O O O 0 O O 2? U1 O O O O O 2? Ul O L O L L L L L L L 0 M  M  M M  M M  M O M  0 O M  O O 0 L 0 0  (13) 2. 1   Z = Mincf + C T x + x T Qx  2   (11) Donde. C es el vector de costos lineales y Q es la matriz de costos cuadráticos. Son definidas por las siguientes ecuaciones: j∈GNi ∑P Gj + + j∈LN i ∑P Uj − + j ∈LN i ∑P Lj − ∑ V j Vi y ij cos(θ i − θ j − θ ij ) = 0 ∀ i ∈ N j∈N (14) (15) j∈GN i ∑Q Gj j∈SN i ∑Q Sj j∈ LN i ∑Q Uj − j ∈LN i ∑Q Lj − ∑ V j Vi y ij sin (θ i − θ j − θ ij ) = 0 ∀ i ∈ N j∈ N 15 .2 CostoGi = a Gi + ß Gi PGi + ? Gi PGi ∀ i ∈ GNk ∧ k ∈ N (9) El costo de la energía o potencia no servida.

los límites para las tensiones en las barras y los límites técnicos de operación de los generadores. x min ≤ x ≤ x max (17) En conclusión. se consideran las restricciones de conservación de flujo de potencia en las barras y restricciones de factor de potencia en la liberación de carga. considerando función objetivo cuadrática en las potencias activas generadas y no servidas en las cargas. se ha descrito los elementos componentes de una red eléctrica que representan un SEP y que son considerados en el OPF. se agregan como restricciones. 16 . los límites se relacionan con la demanda en el nodo. Se efectuó una mención especial a los transformadores. que supone un factor de potencia constante frente a una situación de liberación de carga.4.4 Cotas Por último. Esto se expone en la siguiente ecuación. Además. se ha formulado el OPF. De esta manera se define el dominio de las variables de optimización a través de restricciones de desigualdad o cotas Para el caso de la potencia no servida. PUi − PLi Q Li QUi = 0 ∀ i ∈ LN k ∧ k ∈ N (16) 2. las líneas de transmisión y equipos FACTS SVC.Adicionalmente se consideró otro conjunto de restricciones.

λ(k ) + δλ) = ∇L( k ) + ∇ (2 ) L( k )    δλ    (20) Se aplica la condición de primer orden..2.. se puede encontrar un mínimo para el OPF. λ ) = f ( x) − ∑ λi ci ( x ) i =1 r (18) donde: ci ( x) = pi ( x) λ ∈ R 2 n+l .. potencia reactiva (2n restricciones) y de factor de potencia en la carga ( restricciones) en la f nción objetivo del problema del OPF. donde la función objetivo es una función cuadrática y las restricciones son lineales. se aproxima el gradiente de la función Lagrangeana con una expansión de Taylor de segundo orden.1 Resumen En este capítulo se describe la aplicación de SQP a la modelación extendida de OPF descrita en el capítulo anterior.  δx  ∇L ( x (k ) + δx. se califica como una extensión del método Cuasi – Newton. Un problema de programación cuadrática. tal como se expone en la siguiente ecuación.1 Definición La Programación Cuadrática Secuencial (SQP) (Boggs y Tolle. Finalmente se describe un caso detallado de estudio de dos barras. La aproximación cuadrática del problema se basa en una expansión en series de Taylor. que indica que el gradiente de la función Lagrangeana es nulo.2.. exponiendo el criterio de convergencia.. es un caso especial de programación no lineal. Fletcher. 17 .2 Programación Cuadrática Secuencial 3. 1987).. b. 2n. Primero se resume SQP. las metodologías para resolver los subproblemas cuadráticos y la forma de cálculo de costos marginales de potencia activa y reactiva en los nodos. De esta forma..3.Aplicación de Programación Cuadrática Secuencial 3. 1999 a. Este método resuelve el OPF. resolviendo el sistema que se conforma.2 Formulación General Primero se construye la función Lagrangeana. i = 1. penalizando las restricciones que establecen el balance de potencia activa... 2n + 1. La expresión l u resultante se puede apreciar en la siguiente ecuación. 2n + l (19) Luego. mediante repetidas soluciones de una aproximación cuadrática de la condiciones de primer orden de optimalidad del problema. 3. 3. L( x.

a. ( SP) Min δ s. q ( k ) (δ ) = I (k ) (δ ) = 1 T (k ) δ W δ + g ( k )δ + f ( k ) 2 T A (k) δ + C (k) (23) Para la solución SQP considera el siguiente proceso: 1.a. Volver a 2 7. Si no se verifica convergencia: a. entonces terminar 4. W (k ) = ∇ 2 L( k ) : Matriz Hessiana con respecto a las variables x x c ( k ) = c( x ( k ) ) : Grupo de funciones de las restricciones evaluadas en punto x(k) 1 g ( k ) :→ f ( x ( k ) + δ ) ≈ f ( k ) + ( g ( k ) ) T δ + δ T G (k )δ 2 δ : Vector de incremento de las variables en x El sistema generado se puede representar de manera equivalente con el subproblema (SP).. δx  ∇L( k ) = −∇( 2) L( k )    δλ    (21) La ecuación anterior puede formularse equivalentemente en forma matricial. Si se verifica convergencia.  W (k )  (k) − A ( ) • • • • • T A ( k )   δx  − g ( k ) + A( k ) λ(k )    =   0  δλ  c(k)  (22) Donde las matrices y parámetros participantes de este sistema son: A(k ) : Matriz Jacobiana de las restricciones.. x (1) b. Determinar punto de partida a. debido a un simple reconocimiento de las condiciones de primer orden del sistema. tal como se aprecia en la siguiente ecuación. x ( k +1) → x ( k ) + δ ( k ) 5. Resolver (SP)(k) y determinar el incremento δ ( k ) y λ( k ) 3. Para k=1.2.. Nótese que este subproblema es cuadrático en los incrementos δ y lineal en las restricciones. k=k+1 6. Si el número de iteraciones determinadas por el operador es superado. entonces Terminar 18 . λ(1) 2.

La siguiente ecuación muestra dicho criterio.3 Criterio de Convergencia Utilizado En la literatura se exponen variados criterios para verificar convergencia en SQP. para así seguir con la ejecución normal del programa. la suma de los r esiduos del lado derecho de las restricciones en el subproblema debe ser pequeño con respecto (porcentaje definido por el usuario) a la demanda total de potencia. DTP y DTQ son las demandas totales por potencia activa y reactiva respectivamente. luego escribir en un archivo la información de entrada para el software especializado. junto con minimizar los costos por generación de potencia activa. 1994). De esta manera. Nótese. puede significar la no satisfacción de las ecuaciones de flujo. |q (k) −q ( k −1) | q ( k ) + q (k −1) | |≤ ε cost 2 ×100 (25) 3. Entre los métodos existentes en programación no lineal. la cantidad de variables y restricciones es bastante elevada. se debe esperar que éste entregue la solución y luego leer los resultados entregados desde un archivo. Lo que indica una estabilización de costos.3. 1997).2. el método de búsqueda de direcciones factibles de Zoutendijk y el método de proyección del gradiente de Rosen (Bazaraa. En este escenario entonces. | C ( k ) |≤ ε rhs DTP 2 + DTQ 2 100 (24) El segundo criterio se basa en que. la inclusión de un Software de optimización especializado. se mezclan ambos aspectos y se utiliza el siguiente criterio de convergencia que utiliza dos condiciones que se deben cumplir conjuntamente (Ravindra y Lasdon. una alternativa muy atractiva para resolver problemas cuadráticos es la transformación del (SP) en un problema lineal 19 . siendo programados. que si se enfrenta un Sistema Eléctrico de Potencia de la magnitud del SIC.3 Resolución de Subproblemas Cuadráticos En la programación computacional de SQP. fue necesario implementar rutinas de optimización para el problema en forma específica. definir un criterio de convergencia que sólo considere una diferencia pequeña en costos entre iteraciones. el valor absoluto de la diferencia entre costos operacionales de dos iteraciones consecutivas debe ser menor que un cierto porcentaje (definido por el usuario) del costo medio entre dichas iteraciones. esto es. Lo anterior indica que el lado derecho de las restricciones tiende a cero. donde: ε rhs es la tolerancia porcentual. introduce un cuello de botella en la ejecución del programa. La siguiente ecuación muestra este segundo criterio. donde ε cost es la tolerancia porcentual. en el sentido que. también satisface las ecuaciones de flujo de potencia. dada las características de OPF. dos métodos para la resolución de los subproblemas cuadráticos. La primera dicta que. De esta manera la introducción de un software especializado en optimización en la programación hace que la entrega de soluciones sea demasiado lenta. se debe interrumpir la ejecución normal del programa. Así.

complementario (Bazarra, 1994). Sin embargo, el reconocer el problema lineal complementario del subproblema generado en las iteraciones de SQP, equivale a resolver el sistema de ecuaciones del cual surge el subproblema; de esta manera se perdería el sentido de aplicar SQP y se estaría aplicando el método cuasi - Newton. La idea es aprovechar el gran potencial de SQP, con respecto a su velocidad en convergencia (Boggs y Tolle, 1999 a, b) y resolver el subproblema cuadrático con métodos de programación no – lineal de manera optimizada. Existe una familia de métodos, denominados métodos de conjuntos activos (Bazaraa, 1994), nombre que reciben, debido a que se basan en la generación de conjuntos de restricciones activas para encontrar la solución óptima. Estos métodos, en general requieren de un punto inicial factible para poder solucionar el problema, a diferencia de SQP. Este punto fue aprovechado, se hizo de una debilidad una fortaleza, y en la búsqueda de un punto factible inicial se realizó una búsqueda de primer orden para el subproblema, esto optimiza los métodos, haciendo más rápida la convergencia. Se implementó el método de direcciones factibles de Zoutendijk y el método de proyección del gradiente de Rosen. Ambos métodos pueden ser apreciados en detalle en el Anexo I. 3.4 Cálculo de Costos Marginales Los costos marginales de generación en un sistema eléctrico de potencia son considerados como una señal eficaz de estímulo a la eficiencia económica de los sistemas eléctricos, proporcionando a los diferentes participantes del sector eléctrico una información precisa sobre el impacto de sus acciones en los costos de suministro. En un SEP, los precios p untuales de la energía se definen como los costos marginales de generación a corto plazo, incluida una diferenciación tanto espacial como temporal. Para un nodo determinado, indica el costo asociado a un incremento de potencia inyectada en el sistema, necesario para responder a incrementos de carga experimentados en dicho nodo. De la definición se desprende el carácter dinámico de los precios puntuales, el cual se debe a su variación en el tiempo y dependencia de las condiciones del sistema, condiciones que están relacionadas estrechamente con las decisiones de operación del mismo. El análisis de los precios puntuales debe hacerse bajo un esquema de operación óptima del sistema, con el fin de que las señales entregadas se reflejen en condiciones acordes a la realidad del sistema. Los precios puntuales describen perfectamente las características del sistema: las zonas desadaptadas, las zonas de generación, las barras de difícil acceso, entre otras. En general, el valor de los costos marginales depende de: • • • • • Despacho inicial de carga del sistema Curvas de costos de los generadores. Distribución de la demanda en los distintos nodos. Parámetros físicos y capacidad de las líneas de transmisión. Parámetros físicos y capacidad de los transformadores. 20

Curvas de costo asociadas a falla en el sistema.

En el caso del OPF, los costos marginales se pueden obtener desde los multiplicadores de Lagrange del problema de optimización, que poseen dos características fundamentales: • Indican la variación de la función objetivo cuando se relaja su correspondiente restricción. Se dice que una restricción está activa si alcanza su valor límite. Por ello, una restricción que no está activa tiene asociado un multiplicador de Lagrange nulo. Como ejemplo, las restricciones de igualdad (balance de potencia activa y reactiva) siempre son activas u por lo tanto poseen un multiplicador distinto de cero. Los multiplicadores son las variables resultantes del problema dual. Esta propiedad es muy importante ya que matemáticamente se simplifica su cálculo.

3.5 Cálculos para la Aplicación de Programación Cuadrática Secuencial Hasta el momento, las matrices y vectores que participan en la optimización SQP han sido definidos, pero no han sido explícitamente calculados. En este apartado se exponen explícitamente estos parámetros. Los principales cálculos que deben ser efectuados para la determinación de las matrices y vectores participantes en los subproblemas son la Matriz Jacobiana y Hessiana de primeras y segundas derivadas de las restricciones con respecto a las variables respectivamente. En las siguientes ecuaciones se detallan los cálculos de éstas matrices. Estructura general en bloques de la Matriz Jacobiana de primeras derivadas.
PG1 L PGg QG1 L QGg 1 M n A= 1 M n 1 M l 0 M 1 0 M 0 0 M 0 1 O 0 L O L L O L 1 0 1 0 M 0 0 M 0 0 M 0 1 M 1 0 M 0 L O L 1 0 L L O L 0 M 0 0 0 1 0 M 0 PU1 L PUl 1 M 0 0 M 0 1 0 0 1 0 1 L O L 0 O 0 0 M 1 0 M 0 0 0 1 QU1 0 M 0 1 M 0 − PL1 0 0 L L O L 1 0 1 QL1 0 O 0 QUl 0 M 0 0 M 1 0 − PLl 0 Q Ll 0 M 0  ∂Q  − i   ∂V j    L O L 0 M 0 0 M 0  ∂Q  − i   ∂θ j    L O L 0 M 0 0 M 0 ∂Q  − i  ∂t j    L O L 0 M 0  ∂P − i  ∂V j       ∂P  − i   ∂θ j    ∂P  − i  ∂t j    V1 L Vn θ1 L θn t1 L tt QS 1 L QSs 0 M 0 1 M 0 0 M 0 L O L 1 O L L O L 0 M 0 0 0 1 0 M 0

(26)

Donde A es la matriz Jacobiana de las restricciones, las primeras n filas corresponden a las restricciones de flujo de potencia activa, las siguientes n a las de flujo de potencia reactiva y las últimas l a las de mantención de flujo de potencia en la carga. Los elementos genéricos en las variables de tensión (valor absoluto y ángulo) y taps reales de los transformadores se calculan a continuación.
Pi =
Qi =

∑V
j∈N

j

Vi y ij cos(θ i − θ j − θ ij ) ∀ i ∈ N
V i y ij sin (θ i − θ j − θ ij ) ∀ i ∈ N

(27) (28)

∑V
j∈ N

j

21

i≠ j ∂Pi  Vi yij cos (?i − ? j − ?ij )  = ∑} ∂ V j 2 Vi yij cos(?ij ) + k∈N/ {iVk y ik cos(?i − ?k − ? ik ) i = j 

(29)

i≠ j ∂Pi − Vi V j y ij sin (?i − ? j − ?ij )  = − ∂θ j  ∑ Vk Vi y ik sin (? i − ? k − ?ik ) i = j  k ∈N/ {i}
− 2 Vi 2 cos (?ii )y ij / t j − ∑ V k Vi cos (?i − ? k − ?ik )y ik / t j  k∈δ i+ ∂Pi  = V i V j cos (?i − ? j − ?ij )yij / t j ∂t j  0   i = VN ( j ) j ∈ δ i− j ∈ δ i− ∧ VN ( j ) ≠ i

(30)

(31)

Vi y ij sin (?i − ? j − ? ij ) i≠ j  = − 2 V y sin (? ) + i ij ij ∑ Vk y ik sin (? i − ? k − ?ik ) i = j ∂V j  k∈ N/ {i }  ∂Qi

(32)

i≠ j ∂Qi − Vi V j y ij cos (?i − ? j − ? ij )  = ∂θ j  ∑ Vk Vi y ik cos(?i − ? k − ? ik ) i = j k∈N/ {i}
2 Vi 2 sin (? ii ) y ii / t j − ∑ Vk Vi sin (? i − ? k − ?ik ) y ik / t j  k ∈δ i+ ∂Qi  = − Vi V j sin (?i − ? j − ? ij )y ij / t j ∂t j  0   i = VN ( j ) j ∈ δ i− j ∈ δ ∧ VN ( j ) ≠ i
− i

(33)

(34)

Los conjuntos δ i+ y δ i- representan las líneas que inciden y reciben un polo transformador desde el nodo i respectivamente.
δ i+ = { j / ∃ (i , j ) ∧ ∃ t i }

(35) (36)

δ i− = {j / ∃ (i , j ) ∧ ∃ t j }

Por su parte VN(j), j = 1, ... ,t (tap real de transformador j), es una función que asigna a cada tranformador el nodo al cual está conectado. Es decir, si el transformador j está en el nodo i, entonces VN(j)=i. Es importante recordar que los elementos de la matriz de admitancia nodal compleja son actualizados con el valor del tap en cada iteración. Se ha calculado completamente la matriz Jacobiana de restricciones, ahora se procede a calcular la matriz W del subproblema cuadrático, la estructura se aprecia a continuación.

22

.. 2 n ∑ [λ (k) i A((1k))i + µ i( k ) A((2k))i ] ] ] (38) B =D = i∈ N k =1 . 23 .C. Es importante mencionar que las restricciones que participan corresponden a los flujos de pontencia activa y reactiva respectivamente. i ∈ N.. E.. j = 1. 2 n ∑ [λ I (k ) i ( F(1ki) + µ i(k ) F((2k))i ) (42) I= i ∈N k =1 .. responden a la siguiente notación.. I. Puesto que.. X = A..... 2 n ∑ [λ (k) i (k) i k C((1k))i + µ i( k ) C((2))i (40) E= i∈ N k =1.. el grupo de restricciones de factor de potencia no participa en esta ecuación.... B . 2 n ∑ [λ k E((1k))i + µ i(k ) E((2))i ] ] (41) F=H= i∈ N k =1..PG1 M P Gn QG 1 M QGn P1 U M P Ul QU 1 W = QUl V1 M Vn θ1 M θn t1 M tt QS1 M QSs M PG1 L 2γ G 1 0 0 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 O 0 L O L L O L L O L L O L L O L L O L L O L P Gn 0 0 2γ Gn 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 QG 1 L QGn 0 L 0 M O L L O L L O L L O L L O L L O L L O L L O L M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 P1 U 0 M 0 0 M 0 2γ L1 0 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 L L O L L O L 0 P Ul 0 M 0 0 M 0 0 QU1 L QUl 0 L 0 M O L L O L L O L L O L L O L L O L L O L L O L M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 V1 0 M 0 0 M 0 0 M 0 0 M 0 L Vn L 0 O L L O L L O L L O L A M 0 0 M 0 0 M 0 0 M 0 θ1 L θn 0 L 0 M O L L O L L O L L O L B M 0 0 M 0 0 M 0 0 M 0 0 0 M 0 0 M 0 0 M 0 t1 L tt QS1 L QSs 0 L 0 0 L 0 0 L 0 0 L 0 M O M 0 L 0 0 L 0 M O M 0 L 0 0 L 0 0 L 0 C M O M M O M M O L L O L L O L L O L L O L L O L L O L L O L M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 O 0 0 2γ Ll L O L L O L L O L L O L L O L 0 M 0 0 M 0 0 M 0 0 M 0 0 M 0 (37) D E F G 0 M 0 L O L 0 M 0 0 M 0 H L O L 0 M 0 I 0 L 0 0 L 0 M O M M 0 0 M 0 A= i ∈N k =1 ... debido a que sus segundas derivadas son nulas... 2....... 2 n ∑ [λ (k ) i k B((1k))i + µ i( k ) B((2))i (39) C =G = i∈ N k =1. k = 1. F. 2 n ∑ [λ (k) (k ) i (1) i k + µ i( k ) I ((2))i ] (43) En que X(j)i(k).. 2n. “X(j)i(k) es elemento ij de la matriz Hessiana de la restricción k”..

C. F. L. E. B. H. I. A(1)(k) : 0 0 ∂ 2 Pk  = ∂ Vi ∂ V j  yij cos (?i − ? j − ?ij ) 2 y kk cos(? kk )  A(2)(k) : k k k k ≠i ≠i =i =i ≠i ≠i =i =i k k k k ≠ = ≠ = ≠ = ≠ = j j j j (44) 0 0 ∂ 2Qk  = ∂ Vi ∂ V j  y ij sin (?i − ? j − ?ij ) − 2 y kk sin (? kk )  B(1)(k) = D(1)(k) : k k k k k k k k j j j j (45) 0  V y sin (? − ? − ? ) k j kj ∂ 2 Pk  k kj = − V y sin (? − ? − ? ) k j kj ∂θ i ∂ V j  k kj − ∑ Vk Vs y ks sin (? k − ? s − ? ks )  s∈N / {i} B(2)(k) = D(2)(k) : 0 − V y cos(? − ? − ? ) k j kj ∂ 2 Qk  k kj =  V y cos(? − ? − ? ) k j kj ∂θ i ∂ V j  k kj Vk Vs y ks cos(? k − ? s − ? ks )  ∑  s∈N / {i} C(1)(k) = G(1)(k) : k k k k k k k k ≠i ≠i =i =i k k k k ≠ = ≠ = j j j j (46) ≠i ≠i =i =i k k k k ≠ = ≠ = j j j j (47) − V cos(? − ? − ? ) y / t k i ki kj j  k ∂ 2 Pk  = − 4 Vk cos(?kk ) y kj / t j − ∑ V s cos(? k − ? s − ?ks ) y ks / t j ∂ Vi ∂t j  s∈δ + k 0  k = VN ( j) k ≠ i i ≠ VN ( j) k = i = VN ( j ) otros casos (48) C(2)(k) = G(2)(k) :  − V k sin (?k − ? i − ?ki ) y kj / t j ∂ 2 Qk  = 4V k sin (? kk ) y kj / t j − ∑ V s sin (?k − ? s − ? ks ) y ks / t j ∂ V i ∂t j  s∈ k+ δ 0  k = VN ( j ) k ≠ i i ≠ VN ( j ) k = i = VN ( j ) otros casos (49) 24 . se sigue utilizando la notación de la matriz Jacobiana y se agrega la notación de expuesta anteriormente.A continuación se describe el cálculo de las matrices A.

E(1)(k) : 0 − V V y cos (? − ? − ? ) k j kj ∂ 2 Pk  k j kj = V V y cos (? − ? − ? ) k j kj ∂θ i ∂θ j  k j kj − ∑ Vk Vs y ks cos(? k − ? s − ? ks )  s∈N /{i} E(2)(k) : 0 − V V y sin (? − ? − ? ) k j kj ∂ 2 Qk  k j kj =  V V y sin (? − ? − ? ) k j kj ∂θ i ∂θ j  k j kj − ∑ Vk V s y ks sin (?k − ? s − ?ks )  s∈N /{i} F(1)(k) = H(1)(k) :  − Vk Vi sin (? k − ? i − ? ki ) ykj / t j ∂ Pk  = − ∑ Vk Vs sin (? k − ? s − ? ks )y ks / t j ∂θ i ∂t j  s∈δ k+ 0  2 k≠i k≠ j k≠i k= j k=i k≠ j k=i k= j (50) k ≠i k ≠ j k ≠i k = j k =i k ≠ j k =i k = j (51) k = VN( j ) k ≠ i i ≠ j k = i = VN ( j ) otros casos (52) F(2)(k) = H(2)(k) :   Vk Vi cos(?k − ?i − ? ki ) y kj / t j ∂ Qk  =  ∑ Vk Vs cos(? k − ? s − ?ks ) y ks / t j ∂θ i ∂t j s∈δ k+ 0  2 k = VN ( j ) k ≠ i i ≠ j k = i = VN( j ) otros casos (53) I(1)(k) : 6 Vk 2 cos (? kk )y kj / t i2 − 2 ∑ V k V s cos (? k − ? s − ? ks )y ks / t k2  + s∈δ k ∂ 2 Pk  = − 2 V k VVN ( j ) cos (? k − ?VN ( j ) − ? kVN( j ) )y kVNj) / t i2 ∂t i ∂t j  0   k = VN ( j) = VN (i ) j = i j ∈ δ i− otros casos (54) I(2)(k) : 6 Vk 2 sin (? kk )y kj / t i2 − 2 ∑ Vk Vs sin (? k − ? s − ? ks ) yks / t k2  + s∈δ k ∂ 2 Qk  = − 2 Vk VVN ( j ) sin (? k − ?VN ( j ) − ? kVN( j ) )y kVNj) / t i2 ∂t i ∂t j  0   k = VN ( j) = VN (i ) j=i j ∈ δ i− (55) otros casos Completándose así los cálculos de parámetros participantes en la definición del subproblema cuadrático generado en cada iteración de SQP. 25 .

] 0 B [p.8 × PU( k ) 1 0 0 0 0 0 ] (56) El vector del lado derecho de las restricciones corresponde a las restricciones evaluadas en el punto de la iteración. La Figura 10 muestra la red en cuestión construida en el DSS desarrollado. el tratamiento de los valores de potencia activa y reactiva se hacen en por unidad. se exponen los resultados obtenidos por el método. reconociendo como base 100[MVAr]. esto es: 26 .u. para cada iteración. El gradiente de la función de costos para una iteración k es: k ∇f ( x ( k ) ) t = 1 + 2 × 0.8 Donde j representa la unidad compleja imaginaria j = − 1 .1 R [p.u. Luego. para todas las iteraciones que realiza la metodología al converger al óptimo. un consumo. Primero se muestran los parámetros de manera general para una iteración k.] 0.u. Se muestra todas las matrices y parámetros. un generador y una línea.7 × PG(1 ) [ 0 333 + 2 × 0. Por su parte.] 0 Matriz Admitancia -10j 10j 10j -10j Carga P Q b g [MW] [MVAr] [US$/MW] [US$/MW2 ] 100 50 333 0.3. Figura 10: Red Pequeña para Desarrollo Detallado Tabla 1: Parámetros de Entrada para Red de Prueba Pequeña Generador [MW] Pmin 0 [MW] Pmax 300 [MVAr] Qmin -100 [MVAr] Qmax 200 [US$] 1 α [US$] 1 β [US$/MW2 ] 0.7 γ Línea X [p.6 Caso Detallado de Estudio 2 Barras En esta sección se describirá completamente la aplicación de la metodología a una red de dos barras.

la matriz Jacobiana de derivadas de las restricciones es: 1 0  J = 0  0 0  0 0 1 0 1 0 0 J15 0 J 25 0 J 35 J 16 J 26 J 36 J 46 0 J17 J 27 J 37 J 47 0 0 0 1 J 45 1 −2 0 0 J18  J 28   J 38   J 48  0   (58) J 15 = −10 | V2( k ) | cos(θ 1( k ) − θ 2( k ) − θ 12 ) ( J 16 = −10 | V1( k ) | cos(θ 1( k ) − θ 2k ) − θ 12 ) ( J 17 = +10 | V1( k ) || V2(k ) | sin (θ 1( k ) − θ 2k ) −θ 12 ) ( J 18 = −10 | V1( k ) || V2( k ) | sin (θ 1( k ) − θ 2k ) −θ 12 ) (59) (60) (61) (62) (63) (64) (65) (66) (67) (68) (69) (70) (71) 27 J 25 = −10 | V2(k ) | cos(θ 2( k ) − θ 1( k ) − θ 21) J 26 = −10 | V1( k ) | cos(θ 2( k ) − θ 1(k ) − θ 21 ) ( J 27 = −10 | V1( k ) || V2( k ) | sin (θ 2k ) − θ 1( k ) − θ 21 ) J 28 = +10 | V1(k ) || V2( k ) | sin (θ 2( k ) − θ1( k ) − θ 21) ( J 35 = −20 | V1( k ) | −10 | V2( k ) | sin (θ 1( k ) − θ 2k ) − θ 12 ) J 36 = −10 | V1( k ) | sin (θ 1( k ) −θ 2( k ) − θ 12 ) J 37 = −10 | V1(k ) || V2( k ) | cos(θ 1( k ) − θ 2(k ) − θ 12 ) ( J 38 = +10 | V1( k ) || V2( k ) | cos(θ 1( k ) − θ 2k ) − θ 12 ) ( J 45 = −10 | V2( k ) | sin (θ 2k ) − θ 1( k ) − θ 21) .k b1 = PG(1 ) − 10 | V1( k ) || V1( k ) | cos(θ 11 ) −10 | V1( k ) || V2( k ) | cos(θ 1(k ) −θ 2( k ) − θ12 ) ( b2 = P( k ) − PL1 − 10 | V2( k ) || V1( k ) | cos (θ 2k ) − θ 1( k ) − θ 21 ) −10 | V2( k ) || V2( k ) | cos(θ 22 ) U1 ( b3 = QGk1) + 10 | V1(k ) || V1( k ) | sin (θ 11 ) − 10 | V1(k ) || V2( k ) | sin (θ 1( k ) − θ 2( k ) − θ 12 ) ( ( b4 = QUk1) − QL1 −10 | V2( k ) || V1( k ) | sin (θ 2k ) − θ 1(k ) −θ 21 ) + 10 | V2( k ) || V2(k ) | sin (θ 22 ) ( b5 = PU( k ) − 2Quk ) 1 (57) A medida que SQP converge. Si se considera que θ11 =θ22 =-90° y θ12 =θ21 =90°. el vector del lado derecho bT debe tender a cero.

λ5 ] de mutiplicadores de Lagrange y los ángulos α 1 =θ1 -θ2 -θ12 y α 2 =θ2 -θ1 -θ21 .sin (α1 ) λ1 + sin (α 2 ) λ2 + cos(α1 ) λ3 − cos(α 2 )λ 4 ] W76 = 10 | V1 | [.sin (α 1 )λ1 + sin (α 2 ) λ2 + cos(α1 ) λ3 − cos(α 2 )λ4 ] W68 = 10 | V1 | [sin (α1 )λ1 − sin (α 2 )λ2 − cos(α 1 )λ3 + cos(α 2 )λ4 ] W75 = 10 | V2 | [. λ3 .J 46 = −10 | V1( k ) | sin (θ 2( k ) − θ 1(k ) − θ 21 ) − 20 | V1( k ) | ( J 47 = +10 | V1( k ) || V2( k ) | cos(θ 2k ) − θ 1(k ) −θ 21 ) (72) (73) (74) J 48 = −10 | V1(k ) || V2( k ) | cos(θ 2( k ) − θ 1(k ) − θ 21) La matriz W de segundas derivadas es: 14000  0   0  0 W =  0   0  0   0  0 0 0 0 0 0 0 0 0 0 0 16000 0 0 0 0 0 0 0 0 0 W55 0 0 0 W65 0 0 0 W75 0 0 0 W85 0 0 0 0 0 0 W56 W57 W66 W 67 W76 W 77 W86 W87 0  0   0   0  W58   W68  W78   W88   (75) Se reconoce el vector λ=[λ1 . λ2 . W55 = 20λ1 W56 = 10[cos(α1 ) λ1 + cos(α 2 ) λ2 + sin (α1 )λ3 + sin (α 2 )λ4 ] W57 = 10 | V2 | [− sin (α1 ) λ1 + sin (α 2 ) λ2 + cos(α1 ) λ3 − cos(α 2 ) λ4 ] W58 = 10 | V2 | [sin (α 1 )λ1 − sin (α 2 ) λ2 − cos(α1 )λ3 + cos(α 2 ) λ4 ] W65 = 10[cos(α 1 )λ1 + cos(α 2 )λ2 + sin (α1 )λ3 + sin (α 2 ) λ4 ] W66 = 20λ4 W67 = 10 | V1 | [. λ4 .sin (α1 ) λ1 + sin (α 2 ) λ2 + cos(α1 )λ3 − cos(α 2 )λ4 ] W77 = −10 | V1 || V2 | [cos(α 1 )λ1 + cos(α 2 )λ2 + sin (α1 )λ3 + sin (α 2 )λ4 ] W78 = 10 | V1 || V2 | [cos(α 1 )λ1 + cos(α 2 )λ2 + sin (α 1 )λ3 + sin (α 2 )λ4 ] 28 (76) (77) (78) (79) (80) (81) (82) (83) (84) (85) (86) (87) .

las cuales se describen a continuación. 29 . al resolver OPF sobre la red descrita.W85 = 10 | V2 | [sin (α1 ) λ1 − sin (α 2 )λ 2 − cos(α 1 )λ3 + cos(α 2 )λ4 ] W86 = 10 | V1 | [sin (α 1 )λ1 − sin (α 2 )λ2 − cos(α1 ) λ3 + cos(α 2 )λ4 ] W87 = 10 | V1 || V2 | [cos(α 1 )λ1 + cos(α 2 )λ2 + sin (α 1 )λ3 + sin (α 2 )λ 4 ] W88 = −10 | V1 || V2 | [cos(α1 )λ1 + cos(α 2 )λ 2 + sin (α 1 )λ3 + sin (α 2 )λ 4 ] (88) (89) (90) (91) De esta manera. SQP converge en tres iteraciones.

000 0.050 1.100 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 -11.000 -2.000 0.000 Matriz A 0.000 1.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.050 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Matriz W 0.000 14000.000 0.000 Variable PG1 QG1 PU1 QU1 |V1 | |V2 | θ1 θ2 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 10.000 0.000 0.000 -10.000 0.000 -10.000 0.000 0.500 0.000 1.000 0.000 0.000 0.000 0.000 0.007 -0.000 0.000 0.000 0.448 1.048 10.000 λ 14100.000 0.000 0.000 0.000 30 .000 0.000 δx 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.Tabla 2: Resultados Iteración 0 Variable PG1 QG1 PU1 QU1 |V1 | |V2 | θ1 θ2 1.000 0.000 0.000 0.000 14100.000 0.000 0.000 -0.000 0.000 0.000 10.000 ∇f b λ 14100.000 0.002 -10.077 0.000 0.000 0.000 δx 0.448 10.000 0.000 0.000 0.000 33300.000 0.000 -10.000 0.000 0.442 -10.000 0.000 100.000 0.029 0.000 0.000 16000.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.052 0.000 0.000 1.000 0.000 1.000 x 0.000 0.000 0.048 1.000 0.000 0.998 0.002 0.000 0.048 -1.000 0.000 10.000 0.448 -9.000 0.000 0.000 10.000 0.000 10.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 -0.002 0.000 0.000 x 1.000 Matriz A 0.000 0.000 0.000 1.025 -0.552 0.000 1.998 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.500 0.048 33300.000 0.000 0.000 0.000 0.048 0.000 0.000 0.500 0.000 16000.000 0.000 0.088 0.000 Matriz W 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 9.000 0.000 -0.008 0.448 -1.000 0.000 0.000 0.000 0.000 0.000 0.000 -0.100 0.000 0.007 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.007 -1.050 1.000 0.000 0.000 14100.048 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 Tabla 3: Resultados Iteración 1 b ∇f 14100.048 0.000 0.118 0.002 -0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.448 -10.000 0.000 0.000 14000.950 -2.000 1.000 0.000 0.000 1.000 0.000 0.048 1.000 0.000 0.000 0.007 0.000 0.000 0.

726 ° 0.000 0.000 0.000 0.000 1.886 [MVAr] 0.000 0.000 0.014 -0.000 0.000 0.000 -11.000 0.000 0.000 0.995 -0.000 0.995 0.000 0.005 14100.913 ° 7100 [US$] Se puede comprobar la validez de los costos marginales de generación del sistema.000 0.000 0.009 -0.000 0.000 [MW] 0.008 0.000 0.000 0.008 0.000 0.000 0.000 0.000 11.079 1.995 0.000 0.000 1.000 -0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0. Los resultados avalan la hipótesis y se puede apreciar en la siguiente tabla la cercanía entre la diferencia de costos entre escenarios y el costo marginal calculado.971 10.000 0.000 x 1.618 0.971 0.000 0.000 33300.000 0.000 0.000 0.742 -9.000 0.280 [kV] 230.008 -11.Variable PG1 QG1 PU1 QU1 |V1 | |V2 | θ1 θ2 1.000 [MVAr] 237.000 0.000 0. OPF entrega la siguiente solución: Tabla 5: Resultado Final para Red Pequeña Variable PG1 QG1 PU1 QU1 |V1 | |V2 | θ1 θ2 Costo Total Óptimo 100.000 0.000 0.000 0.000 0.000 0.000 0.025 0.000 0.014 11.000 0.000 10.000 0.000 0.000 0.000 0.000 0.000 δx 0.000 -0.009 -0.008 0.000 0.000 Matriz A 0.000 0.000 0.000 0.000 0.212 -2.000 Tabla 4: Resultados Iteración 2 b ∇f λ 14100.014 -11. 31 . determinado por el costo marginal ya calculado.000 Por lo tanto.000 0.000 0.000 0.360 1.000 0.000 0.000 16000.000 0.000 0.000 0.000 0.000 0.000 0.000 1.000 0.098 0.000 0.000 -0.000 0.000 -0.000 1.000 0.000 0.000 0.000 0.923 0.000 0.000 0.000 0.000 0.005 14100. a través del siguiente experimento.000 0.000 0.000 0.000 0.000 0.923 0.765 0.580 [kV] 11.000 14000.000 0.000 0.000 Matriz W 0. como una eficaz herramienta para el análisis de SEP.008 0.009 -0.000 0.014 0.000 0.000 0. Subir la demanda 1 [MW] por potencia activa en el consumo debiese significar un aumento en el costo de operación del sistema.000 [MW] 61.009 0.995 0.

Los multiplicadores de Lagrange.] En conclusión. dichos multiplicadores no son nulos.M. se ha descrito la aplicación de SQP al modelamiento específico del OPF.] Costo Actual 7114.] ∆ Costo Costo Marginal 14. son nulos.M. Así también. especificando los criterios de convergencia y las metodologías utilizadas. esto se debe a que la resistencia en la línea de transmisión es nula. 32 .000 [U.M.] 14.M.100 [U. Si existiese resistencia en dicha línea.106 [U. asociados al balance de potencia reactiva en los nodos.106 [U.Tabla 6: Datos de Resumen para Costos Totales de Generación Costo Original 7100. se calculan explícitamente los términos que participan en el proceso de resolución del OPF.

que es la representación monofásica de un SEP en estado estacionario. A continuación se detallan sólo aquellas que han sido utilizadas y creadas en el presente estudio.. Entre los elementos de red.Introducción en un Sistema de Apoyo a la Toma de Decisiones 4.2 Entorno de Desarrollo DeepEdit es un DSS que se utiliza (y desarrolla) en la docencia.4. ha sido desarrollado en lenguaje de programación orientado al objeto JAVA y ha definido variadas estructuras de objetos. Los elementos de red definidos previamente. Los elementos de red considerados en el OPF y que corresponden a especificaciones de la clase de un polo son: § § § • Barras o Nodos de red Generadores FACTS SVC Elementos de dos polos: Son elementos de red a los que se asocia dos niveles de tensión en la red monofásica que representa un SEP. son los objetos utilizados y creados (para el caso del SVC). 33 . se distinguen dos grupos: • Elementos de un polo: Son elementos de red que poseen sólo un polo o nivel de tensión (que representa un estado). Se muestra el entorno de desarrollo y la interfaz que ofrece la herramienta de análisis OPF-SQP. 4. Pertenecen a esta categoría: § § Líneas de Transmisión Transformadores La Figura 11 muestra el árbol jerárquico de clases del modelo utilizado y creados para el OPF. 1999).1 Resumen En este capítulo se describe la introducción de las metodologías desarrolladas. en un sistemas de apoyo a la toma de decisiones denominado DeepEdit (DSS) (Palma. investigación y extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile.

Este trabajo agrega a estas herramientas el cálculo de flujo de potencia óptimo e incorpora los equipos FACTS SVC. La Figura 12 muestra la estructura general de los objetos de cálculo o herramientas de análisis. : Herencia Objetos de Cálculo Flujo de Potencia OPF Sensibilidades Cortocircuito Tarifación Newton Raphson Newton Raphson Despacho Económ. con el fin de obtener la información requerida por los algoritmos. el DSS posee herramientas de cálculo como: flujos de potencia. En ella se destaca con línea gruesa el desarrollo correspondiente al presente estudio.Polo 2 . cálculos de cortocircuito. Las herramientas de cálculo conforman a su vez un conjunto de objetos que son capaces de comunicarse con los objetos físicos y entre sí. despacho económico de carga. Los campos utilizados en el presente desarrollo son: • • Información de Operación Información Económica 34 . SQP Figura 12: Estructura de Objetos de Cálculo en Sistema de Apoyo a la Toma de Decisiones Todos los objetos que representan a los elementos de red poseen campos o atributos en los cuales se definen sus principales características.Polos Barra Generador SVC Línea Transformador Figura 11: Definición y Herencia de Objetos en Sistema de Apoyo a la Toma de Decisiones Mediante la estructura de objetos presentada en la Figura 11.: Herencia : Clase existente : Clase creada Elemento de Red 1 . entre otras.

Para el caso de los generadores se utiliza la información de operación y la información económica. Mientras que los atributos económicos de interés para el OPF son: • • • Alfa : Corresponde al costo fijo de la curva de costos cuadrática en la potencia activa del generador en cuestión. Gama : Corresponde al ponderador cuadrático de la potencia activa en la función de costos del generador. la Figura 14 muestra la interfaz para la información económica.Existen otros campos como Información Gráfica e Información de Ubicación. Los siguientes datos de operación son utilizados por el OPF: • • Pmin y Qmin : Es la potencia activa y reactiva mínima que puede inyectar el generador a la red. este último es utilizado para una Sistema de Información Geográfico incorporado en el DSS. Pmax y Qmax : Es la potencia activa y reactiva máxima que puede inyectar el generador a la red. Beta : Corresponde al ponderador lineal de la potencia activa en la función de costos del generador. Por su parte. La Figura 13 muestra la interfaz gráfica que ofrece el DSS para fijar la información de operación para los generadores al construir una red a ser evaluada por el OPF. Figura 13: Información de Operación para Generadores 35 .

Para el caso de las barras. específicamente el rango de tensión a la cual opera dicha barra. La interfaz es similar a la de los generadores y los límites para los valores de tensión son fijados internamente en el OPF. De esta forma. típicamente de 220 [kV]). la información utilizada por OPF de los SVC es la potencia reactiva mínima y máxima que son capaces de inyectar a la red. poseen similares características (en el modelo de OPF) que los generadores. correspondiendo para el caso del SIC en los valores absolutos de tensión –10% y +10% con respecto a la tensión nominal (valores porcentuales con respecto a una base conocida. ya que no incide en la función de costos considerada por OPF. las Figura 15 y Figura 16 muestran la interfaz gráfica ofrecida por el DSS para estos elementos (transformadores y líneas de transmisión). sólo se utiliza la información de operación. la diferencia radica en la imposibilidad de generar potencia activa de los SVC y por ende la no utilización de la información económica. OPF utiliza sólo la información de operación. Figura 15: Información de Operación para Líneas de Transmisión 36 . En los elementos de red de dos polos.Figura 14: Información Económica para Generadores Los equipos SVC.

en una primera instancia no se considera el efecto tap para el cálculo de la matriz de admitancia nodal compleja. una línea de transmisión. Luego que éste es resuelto. un generador. en cada iteración se actualiza con el valor de tap correspondiente. el cual contiene toda la información concerniente a las variables óptimas. se calcula la matriz de admitancia compleja de la red. La Figura 17 muestra una pequeña red de tres barras.Figura 16: Información de Operación para Transformadores La información utilizada por el OPF de las líneas de transmisión y transformadores. En el caso de transformadores. la cual está simulando la operación a los valores encontrados por el OPF. 37 . un transformador y dos consumos. Luego. que es utilizada en todos los cálculos que involucra el OPF. Con estos valores de los elementos de dos polos. como valores de tolerancia y número de iteraciones en que se logra la convergencia. son los parámetros del modelo equivalente. el reporte que entrega el DSS es la red construida con los valores óptimos encontrados y además se genera un archivo. Toda la información extraída desde los elementos de red es utiliza para resolver el OPF. informes de costos totales e información sobre la convergencia del método.

3.3 Herramienta de Análisis Implementada 4. el menú principal y sus opciones se muestran en la siguiente figura.Figura 17: Salida Entregada ante Ejecución 4. Figura 18: Menú Principal de Herramienta de Cálculo 38 . la clase asociada a este menú se denomina OPFFrame.1 Descripción General Entre las herramientas de análisis estacionario de SEP se encuentra OPF – SQP. Este menú permite escoger los parámetros y métodos con que se aplicará OPF – SQP.

4.3.2 Implementación de Métodos de Zoutendijk y Rosen Tanto para la implementación de SQP como de Z outendijk y Rosen se utilizó la librería de JAVA para el manejo de álgebra matricial OP-RESEARCH (DRA Systems, 2001). Ésta librería permite la utilización de matrices ralas, denominadas SparseMatrix. Las que habilitan la realización de mejoras al aplicar OPF-SQP al SIC chileno. El tipo de matrices y vectores específicos utilizados son DenseMatrix y DenseVector respectivamente, para el caso de matrices ralas se utilizó SparseMatrix. La clase que define OPF-SQP es llamada OPF. Ésta realiza las iteraciones utilizando alternativamente la clase que define al método de Zoutendijk o una llamada al software de optimización externo Minos para solucionar los subproblemas cuadráticos de cada iteración. En esta clase además, se realiza la lectura de los parámetros desde la red construida por el usuario, que son los parámetros de entrada para OPF-SQP. El método de Zoutendijk, con el fin de encontrar una dirección factible, requiere resolver problemas de programación lineal en sus iteraciones. Se utilizó la librería LPsolve (Princeton, 2001) especializada en la resolución de problemas de programación lineal. OP-RESEARCH también ofrece herramientas de programación lineal, pero presentó problemas en la implementación al errar en la solución de algunas instancias clásicas y al presentar un mal funcionamiento en problemas que definen variables menores que cero. Se generó una nueva clase llamada newsimp, la cual recibe las matrices y vectores tipo DenseMatrix, que definen un problema de programación lineal y entrega como resultado un vector tipo DenseVector que contiene el valor óptimo y las variables duales del problema, ésta utiliza como núcleo de cálculo la librería LPsolve. La clase que define al método de búsqueda de direcciones factibles se denominó zoutendijk y la que define el método de proyección del gradiente se denominó Rosen. Éstas reciben vectores y matrices que definen un problema de programación cuadrática. Ambas entregan como solución un vector tipo DenseVector que contiene las variables óptimas y los multiplicadores de Lagrange del problema cuadrático. La siguiente figura representa las interacciones entre las clases desarrolladas.

39

OPF.class Métodos Matriz de adm itancias Make_MatY Parámetros costos Make_vec_c Make_Mat_WFix
Construcción Jacobiana

zoutendijk.class Parámetros

Determ inación restricciones activas

Activas.class
Búqueda dirección

M atriz de adm itancias MatY Costos αG , βG , γ G , α U , βU , γU L m de operación í ites Vec_xmin y Vec_xmax M atriz Jacobiana Mat_A M atriz H essiana Mat_W

newsimp.class Determ inación paso búsqueda lambda.class

Make_Mat_A Construcción Hessiana Make_Mat_W
Llamada solver subproblemas

SALIDA è Variables de control ópti m as vec_xtempabs

Transferencia de archivos

MINOS
Figura 19: Interacción clases

Los métodos de Zoutendijk y Rosen han sido validados contrastando sus soluciones frente a las entregadas por Minos y también verificando resultados frente a instancias de optimización conocidas. A continuación, se presentan tres problemas en los que aplicó los métodos y sus resultados, los que concuerdan con los expuestos en la literatura y los entregados por Minos. Es importante mencionar que, el método de Rosen ha sido implementado y probado sólo externamente, a la fecha de entrega del trabajo de tesis no ha sido enlazado con DeepEdit. Sin embargo, ha sido validado con ejemplos, contrastando los resultados con el software de optimización Minos. 4.3.3 Validación de métodos de Zoutendijk y Rosen La validación se basa en dos comparaciones de resultados. La primera comparación considera el resultado de la programación del modelo en GAMS (Rosenthal, 2001) resuelto con Minos y la segunda a la comparación con los resultados expuestos por los creadores del ejemplo. • Instancia 1 Esta instancia corresponde a un problema de prueba de diez variables y cinco restricciones (más veinte restricciones de dominio de variables) (Princeton, 2001). Las siguientes tablas resumen el problema y los resultados obtenidos. 40

Tabla 7: Parámetros Instancia 1

48 -2 6 -5 9 8 -4

42 -6 -5 6 5 7 22

-100 0 0 -100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Costos lineales 48 45 44 41 47 42 45 46 Matriz de Restricciones -1 0 -3 -3 -2 -6 -2 -2 8 -3 0 1 3 8 9 -3 5 3 8 -8 9 2 0 -9 0 -9 1 -8 3 -9 -9 -3 -4 -5 -9 1 -7 -1 3 -2 Lado Derecho -6 -23 -12 Matriz Hessiana 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 0 0 0 0 0 0 0 0 -100 Dominio de las Variables 0 ≤ xi≤ 1 ; i=1,...,10

Tabla 8: Resultados Instancia 1 de Validación

Variable 1 2 3 4 5 6 7 8 9 10 • Instancia 2

GAMS/MINOS

1 0 0 1 1 1 0 1 1 1

SOLUCIÓN Zoutendijk Rosen 0,999 1 0 0 0 0 1 1 1 1 1 1 0 0 1 1 1 1 1 1

Autor 1 0 0 1 1 1 0 1 1 1

Esta instancia corresponde a un problema de prueba de dos variables y dos restricciones (más dos restricciones de dominio de variables) (Bazaraa, 2994), las siguientes tablas resumen el problema y los resultados obtenidos. 41

.774 0. las siguientes tablas resumen el problema y los resultados obtenidos.2 Tabla 10: Resultados Instancia 2 de Validación SOLUCIÓN Variable GAMS/MINOS Zoutendijk Rosen 1 1.129 0.129 2 0.5 47...5 4 0 0 0 0 -100 42 . 2001).129 1.774 Esta instancia corresponde a un problema de prueba de cinco variables y una restricción (más once restricciones de dominio de variables) (Princeton.Tabla 9: Parámetros Instancia 2 Costos lineales -6 -4 Matriz Restricciones 1 1 1 5 Lado Derecho 2 5 Matriz Hessiana 2 -1 -1 2 Dominio Variables xi ≥ 0 i = 1..774 0. Tabla 11: Parámetros Instancia 3 42 20 40 -100 0 0 0 0 Costos lineales 44 45 47 Matriz Restricciones 12 11 7 Lado Derecho Matriz Hessiana 0 0 0 -100 0 0 0 -100 0 0 0 -100 0 0 0 Dominio Variables 0 ≤ xi ≤ 1 i = 1.774 • Instancia 3 Autor 1.129 1.

el cual posee una buena interfaz gráfica y gran potencial de expansión. Se han validado las metodologías desarrolladas a través variadas instancias de prueba.Tabla 12: Resultados Instancia 3 de Validación Variable 1 2 3 4 5 GAMS/MINOS 1 1 0 1 0 SOLUCIÓN Zoutendijk Rosen 1 1 1 1 0 0 1 1 0 0 Autor 1 1 0 1 0 El Anexo 1 muestra los códigos en GAMS y JAVA de todas las instancias expuestas. las rutinas implementadas han sido introducidas en el DSS DeepEdit. En conclusión. 43 .

Sin embargo. Esto se efectuaba resolviendo el sistema lineal generado por las restricciones del subproblema. Todas las mejoras fueron diseñadas. Esto es una debilidad. 1995). Éstas se basan en el reconocimiento de estructuras particulares conformadas en el modelamiento extendido del OPF. La búsqueda simple consiste en encontrar un punto que satisficiere las restricciones del subproblema generado en las restricciones de SQP. puede ser. que permite disminuir el número de iteraciones en la cuales los métodos convergen. 2.5. 3. en muchos casos. Búsqueda optimizada de puntos iniciales factibles para subproblemas cuadráticos generados por SQP. se ha hecho de ésta debilidad. las cuales son: 1. Diseño de heurística tipo búsqueda tabú para evitar óptimos locales. 5. Luego. SQP no requiere de un punto inicial factible para efectuar el proceso de optimización (Fletcher. Es sabido que. el cual también es el caso del SIC. Dualidad y separación de Dantzig – Wolfe en búsqueda de direcciones factibles en método de Zoutendijk. se utilizó una búsqueda optimizada. La siguiente ecuación muestra el sistema de ecuaciones resuelto para encontrar el punto factible inicial con una búsqueda simple. dado que es conocido que la búsqueda de un punto factible inicial. en la propuesta descrita a continuación. mientras que la segunda se especializa para redes de gran envergadura como el SIC y la cuarta se especializa para el caso de redes poco enmalladas del tipo longitudinal. lo que se efectuaba era una búsqueda simple de un punto que cumpliese con las restricciones del subproblema. se implementó dos métodos de conjuntos activos para solucionar los subproblemas cuadráticos que genera SQP en cada una de sus iteraciones. una fortaleza. siendo la primera y cuarta implementadas. Ex = e Ax ≤ b 44 (92) . En un principio.Mejoras propuestas al Proceso de Optimización 5. Sin embargo. 4..1 Resumen En el presente capítulo se describe el diseño de cuatro mejoras al proceso de optimización SQP. Se utilizó una búsqueda lineal de primer orden para determinar un punto inicial factible. Estas mejoras pretenden aumentar la velocidad en la convergencia de las resoluciones del OPF.2 Búsqueda Óptima de Puntos Iniciales Factibles Tal como se ha mencionado. 1987). La primera y la tercera son de alcance general. Utilización de librerías especializadas en utilización de matrices ralas para el caso del SIC chileno. un problema tan complejo como el que se quiere resolver (Nemhauser y Wolsey. paralelamente a la utilización de Minos y por razones de velocidad en resolución. los métodos implementados (de búsqueda de direcciones factibles de Zoutendijk y de proyección del gradiente de Rosen) sí requieren de un punto factible inicial para realizar el proceso de optimización.

y que pueden haber casos para los cuales una búsqueda óptima de primer orden no disminuya el número de iteraciones en la resolución del subproblema. una carga. La búsqueda lineal de primer orden o búsqueda optimizada de puntos iniciales factibles.a.En este sistema. Este r esultado no ha sido demostrado para un caso genérico. Ex = e Ax ≤ b (93) A continuación. Se piensa que se debe a las características de los problemas generados por los SEP. consiste en la determinación de un punto que minimice el vector ∇f(x k)tx. el número de iteraciones que requerían los métodos para solucionar el subproblema. Luego. sujeto a las restricciones del subproblema del OPF. En todos los casos el número de iteraciones con búsqueda lineal optimizada fue menor o igual que con búsqueda simple. un generador y una línea de transmisión (Figura 20). Se comparó en cada iteración de SQP. min ∇ f ( xk ) x s. en general. Figura 20: Red para la Verificación de Convergencia con Búsqueda Lineal Optimizada 45 . se basa en resolver el siguiente problema lineal. las restricciones de igualdad representan la aproximación lineal del Lagrangeano del OPF y las restricciones de desigualdad representan los límites técnicos de operación de los elementos de red. se cumplen también para redes de mayor dimensión. se muestran los resultados para una red de dos nodos. Estos resultados. la búsqueda optimizada de puntos iniciales factibles.

Tabla 13: Convergencia en Subproblemas en Función de la Iteración para Red de Prueba Búsqueda Simple Cantidad de Iteraciones en SP Zoutendijk 1 Rosen 1 5 5 3 2 2 2 1 1 1 1 Búsqueda Optimizada Cantidad de Iteraciones en SP Zoutendijk 2 Rosen 2 2 2 2 2 2 2 1 1 1 1 Iteración SQP 1 2 3 4 5 Iteraciones Convergencia en Subproblemas Método de Zoutendijk N° Iteraciones SP 6 5 4 3 2 1 0 0 2 4 6 Iteración SQP Búsqueda Simple Búsqueda Optimizada Figura 21: Gráfico Convergencia en Subproblemas para Método de Zoutendijk Iteraciones Convergencia en Subproblemas Método de Rosen N° Iteraciones SP 6 5 4 3 2 1 0 0 2 4 6 Iteración SQP Búsqueda Simple Búsqueda Optimizada Figura 22: Gráfico Convergencia en Subproblemas para Método de Rosen Es importante mencionar que la resolución del sistema de ecuaciones para la búsqueda simple. en términos computacionales equivale a la búsqueda optimizada y corresponde a un caso particular de la búsqueda optimizada donde los costos en la función objetivo son nulos. 46 .

0 DW se basa en el principio de descomposición de las restricciones con estructura diagonal en bloque. 1998) se aplica a problemas de programación lineal de grandes dimensiones.3. c j . 1998). ( D) max s. El método procura aprovechar la estructura especial de la matriz para reducir a dimensión de la base. La característica más relevante del algoritmo es el esquema de generación de columnas no básicas en el problema equivalente.a ∑c r j xj L + Ar x r O B x r r j =1 1 1 Ax + B1x 1 = b0 = b1 = br ≥0 M (94) x1 . 47 . 5.5. se puede reconocer claramente una estructura diagonal en bloque y un conjunto de restricciones no separable.K. xr (95) B j ∈ R mj×nj j = 1.Wolfe El algoritmo de descomposición de DW (Wolsey. Considérese el problema de programación lineal de la siguiente ecuación. en que la matriz que conforma el polítopo de las restricciones posee una estructura diagonal en bloque.1 Algoritmo de Descomposición de Dantzig .3 Dualidad y Separación de Problema Dual de Búsqueda de Direcciones Factibles Con el fin de mejorar el desempeño de las rutinas implementadas. lo que permite aplicar la estrategia de separación de Dantzig – Wolfe (Wolsey. creando un problema equivalente con una gran reducción en el número de restricciones. En este apartado se muestra la construcción del problema dual de la búsqueda lineal. x j ∈ R nj A j ∈ R m 0×nj b0 ∈ R m0 b ∈R j mj L . se describe brevemente el principio de descomposición de DW. el reconocimiento de la estructura diagonal en bloque y la estrategia diseñada para aplicar la separación de Dantzig – Wolfe (en adelante DW). Previo a la construcción y diseño de solución del problema dual separable. En éste. se diseño una estrategia de separación del problema de búsqueda de dirección factible que efectúa el método de Zoutendijk en cada iteración. Esto es posible gracias a la estructura que toma el problema dual de la búsqueda de direcciones factibles.

puede ser reformulado de manera equivalente reconociendo los polítopos de restricciones para cada grupo de restricciones formada por las matrices Bj. x j ∈ p j ⇔ x j = ∑ λkj x kj k =1 Nj (99) ∑λ k =1 Nj j k = 1 λkj ≥ 0 (100) De esta manera. entonces se puede describir este polítopo con una combinación lineal convexa de sus vértices. p j = x ∈ R nj / B j x = b j . ( D' ) max s. si ℵ es un polítopo. x ∗ Óptimo de ( D) ⇔ λ∗ Óptimo de ( D' ) ∧ x ∗ = ∑∑ λ kj x kj ∗ j =1 k =1 r Nj 2.Si se supone que ℵ es un poliedro acotado. entonces se puede expresar como una combinación lineal convexa de los vértices. La siguiente ecuación muestra esta formulación equivalente.K. esto es: ∑ c j x j = ∑∑ c j λkj x kj ∗ ∗ ∗ j =1 j =1 k =1 r r Nj 48 . Si (D) y (D’). N j k =1 Nr M r k =1 j = 1. x ≥ 0 { } (98) Se reconocen los vértices x kj para los polítopos pj. si x j están en pj.a ∑∑ c j =1 k =1 N1 1 r Nj j λ kj xkj 1 k A ∑λ x 1 k k =1 N1 + L + A r ∑ λ r xkr k k =1 Nr = b0 =1 ∑λ k =1 1 k (101) O ∑λ xkj ≥ 0 k = 1. Luego. esto es. el valor de la función objetivo en el óptimo es igual para ambos problemas. r La equivalencia entre (D) y (D’) se plasma en tres puntos clave: 1. el problema (D). Esto es: x ∈ℵ ⇔ x = ∑ λ j x j j =1 r (96) ∑λ j =1 r j =1 λj ≥ 0 (97) Luego.K . tienen óptimo. el problema (D) puede ser reformulado.

¿se deben determinar los costos reducidos de todas las variables λ de (D’)?. la solución a esta pregunta está dada por el algoritmo de DW. se introducirá la notación típica utilizada y paralelamente se irán definiendo los pasos que involucra el algoritmo de DW. ci = ci − ΠA•i Π = cB B 0 −1 B ∈ R (m 0+r )×( m0+ r ) Π  Π =  1 Π  Π ∈ R. el criterio que define el óptimo es la verificación que los costos reducidos sean menores que cero. Para hacer una descripción más detallada de este algoritmo.Wolfe Luego de determinar una solución básica factible.  Π 0   A j xkj  c kj = ckj −  1    Π   e j    (103) 49 . Con estos parámetros se puede determinar los costos reducidos de las variables λkj. Π ∈ R 0 1 r (102) Donde B es la base asociada a la solución básica factible. Π es el vector de multiplicadores Simplex. La Figura 23 muestra el diagrama de flujo que describe el funcionamiento general de este algoritmo. tal como se aprecia en el diagrama de flujo de la figura (Bazaraa. 1994). Pero.3. Determinar Solución Básica Inicial para D’ ¿Óptimo? NO Determinar Solución de Problema D Determinar Variable que Sale de la Base FIN Actualizar Inversa de la Base Figura 23: Diagrama de Flujo de Algoritmo de Dantzig . entonces se puede determinar una solución óptima para (D). Si se conoce una solución óptima de (D’).

se deben resolver r problemas de programación lineal.. en vez de hacer esto. entonces éste será el que entrará a la base.. j ⇔ min c kj ≥ 0 k. Luego.a. Es más. al desarrollar la condición se concluye que: min c kj = min min c j xkj − Π 1j − Π 0 A j xkj k.. Ahora se debe actualizar la base y determinar la variable que sale. j 1≤ j ≤r 1≤ k ≤ Nj { [ ]} ⇔ 1≤ j ≤r min minj c j x kj − Π 1j − Π 0 A j x j   x j∈ p    [ ] (106) Luego se debe minimizar por los vértices de los polítopos. el costo reducido mínimo (entre los menores que cero obviamente) será el que entra a la base. se minimiza un problema dentro del poliedro original que igualmente será óptimo. luego si: Z* < 0 ∀ 1≤ j ≤ r j ⇒ Óptimo ( D' ) (108) Ahora. Por lo tanto.  A s x ls  A• ls = B −1 A•ls = B −1   : es la columna asociada a λls es   Se actualiza el vector del lado derecho. si se encuentra un valor menor que cero. para determinar el mínimo de los costos reducidos.0 M   1 ej =   0 M   0   ej ∈ R r (104) El criterio es: Solución Óptima ⇔ c kj ≥ 0. pero éstos no están disponibles. De no cumplirse. se determina la variable que entrará a la base. 1 sea s = arg min Z * / 1 ≤ j ≤ r ⇒ Menor Costo Reducido j { { }} (109) λls Sea x ls solución óptima (vértice) del problema (SP)s è entra la variable asociada a x ls → Así.. r}. se ha determinado el criterio de optimalidad. 50 (110) . ∀ k . ( SP) j min s. si Z* < 0 jl jl ∈ { . j (105) Por lo tanto. Zj = j j B x =bj xj ≥0 c j x j − Π 1j − Π 0 A j x j (107) ⇔ x ∈p j j Zj* es el valor óptimo de (SP)j.

a. se puede reconocer claramente una estructura diagonal en bloques. y para los λkj > 0 (equivale a que sea variable básica de (D’)) se tienen los x kj asociados a la base. como es el SIC chileno. ( P ) min ∇f ( x ) t d s.2 Reconocimiento de la Estructura Diagonal en Bloque Al plantear el dual del problema para la determinación de una dirección factible que se genera en las iteraciones del método de Zoutendijk. Ad Ed d1 O dn d1 O dn Duales ⇒ φ ≤0 ⇒ η irrestrict a ⇒ ≤0 ψ1 M M M ⇒ ≤0 ψn ⇒ ξ1 ≥0 M M M ⇒ ξn ≥0 ≤ = ≤ M ≤ ≥ M ≥ 0 0 1 1 −1 −1 (114) 51 . Éste será aplicado al dual del problema de búsqueda de direcciones factibles del método de Zoutendijk al reconocer su estructura diagonal en bloque.3. 5. pero ¿cómo determinar el óptimo de (D) a partir de un óptimo de (D’)?. se ha descrito el algoritmo de Dantzig – Wolfe. Ésta puede ser aprovechada para m ejorar el desempeño en la resolución del OPF cuando se está en frente a una red de gran tamaño. En las siguientes ecuaciones se aprecia la formulación dual del problema de búsqueda de dirección factible del método de Zoutendijk. luego el óptimo para (D) estará dado por la siguiente ecuación: x j* = ∑ λkj xk * k =1 Nj j (113) De esta manera.b = B −1b (111) La variable que sale es:    b    t = arg min  i  / (A•ls )i > 0    ( A• ls )i    (112) Determinada la variable que sale. llega un momento en que se encuentre el óptimo (si existe). Sea λkj* solución óptima de (D’).

por lo que en particular tiene estructura diagonal.( D) max ∑ψ i − ∑ξ i i =1 i =1 n n s. Además.a. Sin embargo. siendo |• | la cardinalidad de los conjuntos definidos en la formulación del OPF. D = [I n − In ] In − In = D E t (117) [A t Et ] [ D ] (118) 52 . luego es una matriz diagonal que posee estructura diagonal en bloque al igual que In . la estructura general de la matriz que define el j ∈N poliedro de las restricciones para la formulación dual del problema de búsqueda de direcciones factibles de Zoutendijk. [A t Et In φ  η  − I n   = ∇f ( x ) ψ    ξ  ] (115) In corresponde a la matriz identidad de dimensión n. entonces sigue teniendo estructura diagonal en bloque. se debe reconocer que si a una matriz diagonal (como lo es la identidad). E corresponde a la matriz Jacobiana de las restricciones. Luego. Así n = 2×Σ i∈N|GN i| + 2×Σ i∈N|LN i| + 2×Σ i∈N|N i| + Σ i∈N|Ti|}. La siguiente ecuación muestra la estructura de At. con un grupo de restricciones finales que son enlazantes. que no posee dicha estructura. al ser transpuesta. Considérese que n es el número de variables del OPF. con el fin de identificar claramente los bloques. éstas provienen de los términos de flujo de potencia donde se involucran las corrientes provenientes de las diferentes líneas. ( ∑ | Vi || V j | y ij cos(θ i − θ j − θ ij ) ). corresponde a las restricciones de límites técnicos de operación de los elementos de red. Las siguientes ecuaciones muestran la estructura general de esta matriz. por lo cual es posible aplicar el algoritmo de descomposición de DW. nótese que se ha alterado el orden de las variables (ahora filas). posee estructura diagonal en bloque. sí se puede reconocer una estructura diagonal en bloques. se le altera el orden de las filas.  In   x max  − I  x ≤ − x  ⇔  n  min  Ax ≤ b ⇒ Ad ≤ 0 ⇒ At = [I n − In ] (116) Por su parte. La matriz A.

La segunda causa es la existencia de redes con porciones simétricas. 5. 53 . al resolver OPF puede entregar óptimos locales.4 Diseño de Heurística Tipo Búsqueda Tabú Se ha reconocido dos casos para los cuales el método podría entregar óptimos locales. el más simple. considérese una red en la cual se disponen dos generadores idénticos como en la Figura 24. la estructura diagonal para las filas que involucran las variables (filas) de generación de potencia activa y reactiva de generadores e inyección de potencia reactiva de los equipos FACTS SVC.1 P 0 G1 M M P 1 Gg Q G1 M Q Gg QS1 M Q Ss PU 1 M P Ul QU 1 M Qul V1 M Vn θ1 M θn t1 M tn 1 0 1 L 1 O 0 0 |N| 1 0 M 1 1 M 0 0 1 1 0 1 0 0 L 0 L 0 1 1 O 0 0 1 1 L  ∂Q − i  ∂ Vj      |N | 1 L 0 | L| 0 0 1 0 M 1 1 0 0 1 M 0 − PL1 Q 0 0 L1 0 0 1 O L 0 0 0 O 0 0 O 0 0 0 1 0 0 − PLl 1 0 (119) QLl  ∂P − i ∂V j      0  ∂P  − i   ∂θ j     ∂Q  − i   ∂θ j    0  ∂P  − i  ∂t j     ∂Q  − i   ∂t j    0 Reconociéndose así. en las cuales SQP. debido a la linealización de funciones sinusoidales. El primero corresponde a la posibilidad de falta de convexidad del poliedro de restricciones del subproblema. Se ha reconocido dos tipos de redes. Los casos son los siguientes: • • Red con generadores idénticos en una misma barra Zona de red simétrica El primer caso.

Sin embargo. La solución propuesta es una heurística tipo búsqueda tabú. para luego mostrar el diseño creado para aplicar al OPF. Lo que sucede en la práctica. se entrega un óptimo local debido a la simetría de la parte superior que conforma una delta. La segunda situación. el óptimo sería operar sólo con el generador 4 (parte inferior de la figura). de esta manera el método verificaría el criterio de convergencia y se detendría entregando un óptimo local. En la red de la Figura 25. Sin embargo. OPF puede hacer lo siguiente: en una iteración k+1 puede encontrar un vector de variables de control tal que la suma d la generación de los e generadores idénticos sea igual a la iteración k. A continuación se describe el esquema general de esta heurística. es que el método queda iterando entre los dos puntos simétricos hasta que se completa el número de iteraciones determinado por el usuario. La situación de los generadores idénticos en una barra es un caso particular del segundo caso. pero ahora son porciones de red simétricas las que generan el criterio de optimalidad entre iteraciones.Figura 24: Red con Generadores Idénticos en una Barra La situación que genera el óptimo local. La Figura 25 muestra una red que presenta simetría. 54 . supone que el óptimo para la red de la figura es operar sólo con el generador 3. es similar a la anterior.

Figura 26: Gráfico Explicativo Búsqueda Tabú 55 .1 Búsqueda Tabú La idea de esta metodología se puede explicar de mejor forma a través del análisis del gráfico de la Figura 26.Figura 25: Red con Porciones Simétricas 5.4.

de esta manera se sigue la secuencia de puntos B. Se ha explicado esquemáticamente el funcionamiento de la búsqueda tabú. En general. luego la lista tabú y finalmente el criterio de detención. y según esto intensificar la búsqueda del óptimo global en zonas cercanas (cercanía definida con la norma entre los vectores solución). 5. Mientras el criterio de detención no se cumpla: • • • iv. Inicialización: • • Solución inicial = S Lista Tabú = φ (vacía) ii. la diversificación supone que el óptimo global del sistema se encuentra alejado de la solución actual. Dos estrategias son las más utilizadas para determinar una solución heurística: • • Intensificación.4. define vecinos que se encuentran alejados de la solución actual y hace la búsqueda en torno a los vecinos alejados. C. ¿cómo determinar el criterio de detención? y ¿cómo determinar la lista tabú?. Escoger un subconjunto Q’(S) ⊆ Q(S) desde las soluciones no tabú (Q es el conjunto de vecinos). Pero. Por su parte. Determinar una solución inicial S. iii. E y F.2 Determinación de Parámetros Caso Flujo de Potencia Óptimo A continuación. S’ = arg[min{f(T)/T∈Q’(S)}] Actualización de S por S’ y de lista tabú. encontrando así el óptimo global del sistema (o al menos un mejor óptimo). es claro que el óptimo global está en el punto F. la lista tabú típicamente es determinada con un paso de búsqueda (tal como se muestra en la Figura 26). Dependerá de la aplicación particular que se desee optimizar. Primero se define la lista de vecinos. 56 . (Q’(S) = Q(S) si |Q(S)| es pequeño). Mejor solución encontrada = solución tabú. verifica la condición de optimalidad y entrega al punto A como solución. Diversificación.SQP llega al punto A. pese a que la función objetivo sea peor. La heurística de búsqueda tabú propone lo siguiente: seguir buscando en otros puntos. Sin embargo. la determinación de Q’(S) depende de |Q(S)|. Recuérdese los ejemplos expuestos. D. La intensificación se basa en suponer que el óptimo global se encuentra cercano al óptimo local encontrado. ahora se formaliza el proceder de esta heurística a través de los cuatro siguientes pasos: i. se describe el diseño de la heurística para el caso de SQP sobre OPF. Por su parte. Luego.

entonces se detiene y se sigue con la solución inicial. Así. P jk) fijo. Se fijan los valores para las potencias activas ix y j x y se corren g/3 OPFs. Inicio r r ? P = max P − min P {} {} Se generan  g/3 pares ordenados K=0 K ≤  g/3 ? SI P ik=P i-∆ P P jk =P j+∆P K=K+1 Se corre OPF con (P ik . si valor de función objetivo de una corrida es menor que la original.. iv. jx) creado en la fase ii.. Según éstos. Para cada par ordenado (ix. v. se piensa que la diversificación es la mejor estrategia para afrontar el caso de SQP sobre OPF. {} {} iii. entonces se actualiza la solución con la solución heurística. Si se sobrepasa el límite de iteraciones definido por el usuario o g/3. g/3 podrá alternativamente ser definido por el operador y dependerá de cuan minuciosa se desee efectuar la búsqueda.. solución mejor? SI Se escoge solución heurística Fin Figura 27: Diagrama de Flujo de Heurística Diseñada 57 . se fija en los límites si éstos son sobrepasados. Se define ∆P = max P − min P ii. PGg ) (120) Se generan g/3 (cajón superior de un tercio del número de generadores) vectores de la siguiente manera: r r i. dado un vector solución x. cuya componente de potencias activas generadas sea: r P = (PG1 . Se generan aleatoriamente g/3 pares ordenados (i. se prosigue con la búsqueda.que representan los casos típicos en los que pueden encontrarse óptimos locales. De no ser así.. se generan los valores Pix=Pi-∆P y Pjx=Pj+∆P. j) ∈ GN×GN.

los términos distintos de cero están estrechamente vinculados con la matriz de admitancia nodal. 58 . es más. Esto se refleja en la matriz de admitancia nodal compleja del sistema.5 Matrices Ralas en el Sistema Interconectado Central El SIC es un SEP cuya red eléctrica representativa posee una topología longitudinal y también posee un grado de enmallamiento bajo. Esto permite la utilización de librerías matemáticas especializadas en matrices ralas. al conformar una matriz rala. donde muchos de los términos son cero. las matrices Jacobianas y Hessiana también son ralas. la matriz Hessiana de la primera iteración es una matriz llena de ceros. lo que hará disminuir el uso de recursos de memoria y acelerar el proceso de optimización OPF-SQP en la medida que se implementen rutinas ad hoc. Luego. Figura 28: Estructura Rala de Matriz de Admitancia Nodal Compleja SIC 70 Barras Las matrices Jacobianas y Hessianas que se conforman en los subproblemas de SQP poseen una estructura en bloques.5. y muchos de ellos también son cero. Además.

tal como se mencionó anteriormente. permite mejorar el desempeño de OPF-SQP. Existen variadas librerías matemáticas especializadas en el manejo de matrices ralas. pero es independiente del producto entre las cantidad de elementos cero y distintos de cero. 2000). disminuyendo el número de operaciones algebraicas a realizar en cada iteración y aminorando la utilización de memoria. Jacobiana y Hessiana de OPFSQP. Se realizó estimaciones de la disminución e el número de operaciones en base al “índice n 1 de esparcidad” (sparsity) y la linealidad entre el número de operaciones y este índice. En general. La complejidad de operaciones más complicadas. en particular. la utilización de librerías especializadas en el manejo de matrices ralas. Se utilizó este formato para las matrices de admitancias. las librerías OP-RESEARCH utilizadas en la implementación computacional OPFSQP ofrecen la opción de utilizar matrices del tipo SparseMatrix para el manejo de matrices ralas. Además. se midió la memoria utilizada por las 1 Este es el porcentaje de ceros con respecto al total de elementos de la matriz. depende linealmente del número de filas y columnas de la matriz.Figura 29: Estructura Rala de Matriz Jacobiana Subproblema 1 SIC 70 barras La complejidad computacional de las operaciones con matrices ralas es proporcional a la cantidad de elementos distintos de cero. en el número de operaciones algebraicas con los elementos distintos de cero. 59 . el tiempo requerido para realizar operaciones con matrices ralas es proporcional al número de operaciones algebraicas con los elementos distintos de cero. como soluciones de sistemas lineales con matrices ralas (como es el caso del sistema que genera los subproblemas cuadráticos de SQP). De esta forma. Por su parte las estimaciones del menor uso de memoria se basan en la medición directa de utilización de memoria de las matrices ralas. Las estimaciones de disminuciones en el número de operaciones se basan. Con respecto a la disminución en la utilización de memoria. involucra tareas como ordenamientos y llenado (Ahmed y Mateev.

61 99. puesto que disminuye el número de iteraciones de los métodos que resuelven el subproblema y por lo t nto disminuye el tiempo de resolución a del OPF.matrices con formato DenseMatrix. Se reconoció una estructura diagonal en bloque para el problema dual de la búsqueda de direcciones factibles del método de Zoutendijk. lo que permite la utilización de la descomposición de Dantzig – Wolfe.84 3. Véase las siguientes tablas.14 59.94 17. se observó que la topología eléctrica longitudinal de Chile.87 En conclusión. 60 . luego con SparseMatrix y se verificó la eficacia de SparseMatrix.6% 0% Tabla 15: Utilización de Memoria Matrices Ralas DenseMatrix SparseMatrix Disminución [kBytes] [kBytes] [%] Admitancia 7. Así. incide en un SEP poco enmallado. se implementó una búsqueda optimizada del punto inicial factible. se diseño una heurística tipo Búsqueda Tabú.95 Jacobiana 663. esto implica que las matrices de admitancia nodal.42 97. la cual mejora el desempeño en la resolución del OPF.38 Hessiana 1273.61 1. Jacobiana y Hessiana de OPF-SQP sean ralas. Tabla 14: Porcentaje Operaciones Efectivas con Matrices Estimación Porcentaje Operaciones Efectivas por Matriz con Respecto Original Admitancia Jacobiana Hessiana 4. en especial del SIC. Finalmente. Se expuso tipos de SEP que generan óptimos locales en SQP.9% 1. Para evitarlos. se utilizó esta estructura para disminuir la utilización de recursos de memoria y aminorar el número de operaciones al tratar dichas matrices.

Es importante resaltar que los resultados expuestos en esta sección son de alcance general y entregados como resumen de los resultados en detalle se encuentran en el Anexo II. 6. En éste se explica la introducción de un equipo SVC. El primero es una red de seis barras y corresponde a un ejemplo expuesto en la literatura (Wood y Wollenberg.6.Resultados 6. 1996). Finalmente. 0. se describe la aplicación de la metodología a dos sistema equivalentes del SIC de distinta envergadura.2 Red de Prueba 6 Barras Se ha aplicado la metodología a una red de seis barras expuesta en la literatura (Wood y Wollenberg.1 Resumen En este capítulo se describen y analizan los resultados de dos ejemplos. El equipo tiene la capacidad de inyectar o consumir potencia reactiva entre (-0. se aplica OPF sin considerar el equipo SVC y luego considerándolo (Palma y Pérez. Figura 30: Sistema Eléctrico de Potencia Caso Wollenberg 61 . En una primera etapa. 1996).6[pu]. 2001)..6[pu]) base 100[MVAr].

01 |V1| [kV] 60.00 Variable |V4| [kV] 89.00 62 . Esto hará disminuir las pérdidas en las líneas donde la corriente es menor y aumentar donde la corriente es mayor.00 242.19 360. esto a su vez hará que la corriente proveniente de barras con mayor tensión disminuya.76 -354. considerando el equipo SVC.42 |V6| [kV] 33.87 [US$] 60.71 229.58 Costo Total : 2453.00 228. los costos totales debiesen ser menores.51 242.00 θ2 [°] 0.00 θ5 [°] 228.66 [US$] Si se dispone un equipo SVC en una barra de carga.55 237.10 356.53 |V2| [kV] 50.02 |V6| [kV] 37.10 359.61 |V5| [kV] 0.iable PG1 [MW] PG2 [MW] PG3 [MW] QG1 QG2 QG3 [MVAr] [MVAr] [MVAr] PU1 [MW] PU2 [MW] PU3 [MW] QU1 QU2 QU3 [MVAr] [MVAr] [MVAr] 50.00 -359.38 359.49 -358.67 |V3| [kV] 75.00 θ1 [°] 0.00 θ6 [°] 0. Este razonamiento se resume en el esquema de la Figura 31.00 242. entonces al correr nuevamente el OPF sobre esta red modificada. los resultados indican que el costo disminuye y se verifica el razonamiento anterior.Tabla 16: Resumen de Estadísticas de Red Número de Barras Número de Líneas Número de Generadores Número de Cargas Consumo Total Potencia Activa Consumo Total Potencia Reactiva [MW] [MVAr] 6 10 3 3 210 210 Tabla 17: Resultados Entregados sin Considerar Compensador Estático Regulable Variable PG1 [MW] PG2 [MW] PG3 [MW] QG1 QG2 QG3 [MVAr] [MVAr] [MVAr] PU1 [MW] PU2 [MW] PU3 [MW] QU1 QU2 QU3 [MVAr] [MVAr] [MVAr] 50.23 |V2| [kV] 74.00 θ6 [°] 0. si se instala un equipo SVC en una barra de carga.97 |V3| [k V] 76. entonces el efecto total será una disminución en el costo total de generación. Si el efecto de disminuir pérdidas es mayor.00 θ3 [°] 0.00 |V5| [kV] 0.00 θ4 [°] 0.00 θ2 [°] 0.00 θ1 [°] 0. y la proveniente de las barras con menor tensión aumente.00 θ3 [°] 0.07 |V1| [kV] 23.97 Variable QSVC [MVAr] 242.00 Variable |V4| [kV] 89. lo cual hará subir la tensión en la barra.82 -355.28 -355.00 242.70 241.38 Costo Total : 2464. Dado que.00 θ4 [°] 0. Tabla 18: Resultados Entregados Considerando Compensador Estático Regulable Var. Inyección Reactivos Variación de Tensión Variación de Corrientes Bajan Pérdidas Baja Costo Figura 31: Efectos Introducidos por Compensador Estático Regulable Al aplicar OPF a la red de la Figura 30.00 θ5 [°] 228.00 354. este inyectará potencia reactiva.00 226.93 -360.67 354.

63 .16 5 46. en el ámbito de la planificación de la expansión de la red. Tabla 19: Costos Marginales por Inyección de Potencia Reactiva en las Barras de la Red Barra Cmg [US$/MWh] 1 0 2 0 3 8. La evaluación efectuada es muy poco precisa por tres razones: § § § El supuesto de mantención del perfil de demanda en el tiempo es poco realista Los valores de costos son poco precisos La legislación vigente en Chile invalida este tipo de evaluaciones 6.Utilizando como indicador los costos (beneficios) marginales por inyección de potencia reactiva en los nodos.34 Se introduce un equipo SVC en dicho nodo y se encuentra un nuevo punto de operación en el cual el sistema opera con costos totales de 2450. suponiendo que el sistema seguirá operando con el mismo perfil de demanda. se pretende esbozar la forma en que se pueden explotar los indicadores que entrega este trabajo.35 [US$/h]. luego se puede incurrir en un ahorro de 14.3. Dado que.31 [US$]. Se supone que el sistema opera siempre con el mismo perfil de demanda. éste representa un escenario de demanda baja e hidrología húmeda.1 SIC 70 Barras Se dispone de un sistema reducido de setenta barras del SIC (véase Figura 32). lo más beneficioso es introducir un equipo SVC en la barra 5.03 4 42. La siguiente tabla expone los costos marginales por inyección de potencia reactiva en los nodos de la red. se podría recuperar el capital de inversión en 30 días.58 6 34. Si se considera que el costo de un SVC es aproximadamente de 10000 [US$]. Este supuesto es bastante fuerte. dado que los perfiles de carga son variables en el tiempo. Sin embargo. Según estos. el costo de inyectar potencia reactiva en dicha barra. se puede efectuar una evaluación económica de la introducción de un equipo FACTS SVC en una barra del sistema expuesto. es el más elevado.3 Aplicación al Sistema Interconectado Central 6.

por sobre el despacho económico. se debe al siguiente fenómeno físico: las líneas de transmisión en el SIC son de gran longitud. Al aplicar la metodología de despacho económico de carga convencional (Wood y Wollenberg. 64 . se puede apreciar que los costos totales resultan ser levemente mayores. Escenario Demanda Baja e Hidrología Húmeda Se aplica OPF-SQP a esta red y se obtienen los resultados que se muestran en la siguiente tabla. la generación total de potencia reactiva resulta ser negativa. 1996). por parte de los generadores en la red. Además.686 [MVAr] -112. de esta manera.388 [%] 3. El costo del despacho económico convencional es de 17807. de manejar las variables de potencia reactiva generada.355 [MW] 2329.001 [MW] 2245.428 La generación negativa de potencia reactiva. Tabla 20: Resultados para Caso SIC de 70 Barras Costos Potencia Activa Potencia Reactiva Potencia no Servida Pérdidas Pérdidas Demanda Potencia Activa Demanda Potencia Reactiva [US$] 17.691 [US$] que es un 2.384. por lo que puede ser infactible técnicamente. esto se debe a la capacidad que tiene OPF-SQP.188 [MVAr] 841. esto lleva a que el efecto capacitivo de las líneas sea elevado incluso superando a la demanda de potencia reactiva en los consumos (escenario de demanda baja).4[%] mayor que OPF-SQP.256 [MW] 0 [MW] 67. el despacho no asegura el balance de potencia reactiva. y para compensar este efecto.Figura 32: Sistema Interconectado Central Chileno.

500 RHS [%] 2.500 1.500 0.También se reporta como resultado. según los indicadores utilizados. la estimación de los costos marginales por generación de potencia activa y reactiva. Convergencia Porcentual RHS 3. Así. La convergencia.000 0.000 2. sino que beneficio marginal. El comportamiento de dicha convergencia se puede apreciar los siguientes gráficos. para el caso de generación de potencia reactiva es posible que no sea costo marginal.000 0 1 2 3 4 5 6 7 8 9 Iteración Figura 33: Convergencia Porcentual RHS para Caso SIC 70 Barras Convergencia Porcentual Costos 250 Diferencia Costo [%] 200 150 100 50 0 0 1 2 3 4 5 6 7 8 9 Iteración Figura 34: Convergencia Porcentual Costos para Caso SIC de 70 Barras 65 . es encontrada en la octava iteración.000 1. es beneficioso consumir potencia reactiva en algunos nodos. Es importante notar que.

033 [US$]. En el Anexo III se puede apreciar en extenso la figura del e SIC de 182 barras. considerando una tolerancia de 0. 6.3.71 .26 3986.1[%] para el RHS y de 5[%] para costos.94 379. a diferencia del caso anterior. lo interesante de esta inclusión es la proposición de un nuevo punto de operación. la r alidad del SIC. la inyección de potencia reactiva en las líneas de transmisión no alcanza a cubrir los requerimientos de los consumos. Se obtienen los resultados que se muestran en la siguiente tabla.2 SIC 182 Barras Se dispone de un sistema reducido de ciento ochenta y dos barras del SIC. esto se debe a que en este nuevo escenario de demanda alta.39 252. porque su dimensión es mucho mayor y si se considerase una tolerancia menor no se encuentra convergencia. Se puede notar ahora. que la generación de potencia reactiva es mayor que cero. La convergencia se encuentra en la quinta iteración. Tabla 21: Datos Resumen FO Gen Activa Gen Reactiva Pérdidas Pérdidas [US$] [MW] [MVAR] [MW] [%] 66 48503. Esta es menos exigente que para la red SIC de 70 barras.Evolución Costos Totales 35000 30000 25000 Costo [$] 20000 15000 10000 5000 0 0 1 2 3 4 Iteración 5 6 7 8 9 Figura 35: Evolución Costos Totales Al incluir los taps de los transformadores como variable de optimización se obtiene un punto de operación con costos levemente menores de 17378. luego se debe generar potencia reactiva. que el caso de setenta barras. Sin embargo. Este considera un escenario de demanda alta e hidrología seca y representa en mejor forma.42 6.

26 5.19 47141.847 FO [US$] 82752.4 1.6 0.161 0.000 100.66 36226.8 0.689 0.011 COS TOL [%] 200.000 COST TOL [%] 200.Tabla 22: Información Convergencia Iteración 1 2 3 4 5 RHS TOL [%] 1.44 53181.000 50.6 1.061 0.32 48503.040 2.000 78.000 0 1 2 3 Iteración 4 5 6 Figura 37: Convergencia Porcentual de Costos 67 .2 1 0.8 Tiempo Total de Ejecución [s] Tabla 23: Descripción de Computadora Utilizada Procesador RAM AMD Athlon K7 @ 1 [GHz] 256 [MB] @ DDR Convergencia Porcentual RHS 1.000 150.4 0.031 0.2 0 0 1 2 3 Iteración 4 5 6 RHS TOL [%] Figura 36: Convergencia Porcentual Lado Derecho Convergencia Porcentual Costo 250.8 1.926 12.000 0.200 37.

Evolución Costos 90000 80000 70000 60000 50000 40000 30000 20000 10000 0 0 1 2 3 Iteración 4 5 6 Costo [$] Figura 38: Evolución Costos Caso SIC 182 Barras 68 .

con el fin de minimizar la utilización de recursos computacionales y mejorar el desempeño en la resolución del problema específico. Se incluyó las metodologías desarrolladas en un sistema de apoyo a la toma de decisiones (DSS) denominado DeepEdit (Palma. llevaría a menores costos totales por concepto de ahorro de generación de potencia activa. Se aplicó el desarrollo a variadas redes eléctricas. Se ha podido comprobar empíricamente. 2000) en una red de transmisión de energía eléctrica. la más importante. OPF – SQP fue incluido dentro de las opciones del sistema. el de Zoutendijk de búsqueda de direcciones factibles y de Rosen de proyección del gradiente. Un buen indicador para decidir en cual nodo introducir un SVC. La implementación computacional fue desarrollada utilizando un lenguaje orientado al objeto (JAVA). formando parte de las herramientas de análisis estacionario de sistemas eléctricos de potencia. se propuso metodologías para mejorar los mecanismos de optimización.Conclusiones En el presente estudio se ha formulado el problema del Flujo de Potencia Óptimo OPF. de investigación y extensión en el Departamento de Ingeniería Eléctrica de la Universidad de Chile y posiblemente será utilizado en empresas del sector de generación de energía eléctrica. que la introducción adecuada de equipos SVC entendidos como caso particular de los FACTS (Srivastava y Verma. se reconoció estructuras diagonales en bloque. Este costo (beneficio) marginal se obtiene directamente del reconocimiento del multiplicador de Lagrange de la restricción de conservación de flujo de potencia reactiva de los nodos de la red. Se reconoció casos particulares para los cuales el método entregaba óptimos locales y se diseñó una heurística de búsqueda tabú. implica que las matrices conformadas en el modelo sean ralas. 1999). Lo que puede ser explotado para efectuar mejores análisis para la planificación de los SEP. la cual mejora el desempeño en la resolución del OPF..7. Este. es el costo (o beneficio) marginal por generación (o consumo) de potencia reactiva en un nodo de la red. con el fin de salir de estos y converger a un mejor punto de operación del sistema. Mientras más alejado del costo cero. Específicamente. Utilizando la estructura particular del problema. DeepEdit es utilizado en el ámbito docente. Los subproblemas cuadráticos que se generan con SQP fueron resueltos con el software de optimización MINOS y alternativamente fueron desarrollados dos métodos. puesto que disminuye el número de iteraciones de los métodos que resuelven los subproblemas y por lo tanto disminuye el tiempo de resolución del OPF. 69 . más beneficioso o costoso es introducir o consumir potencia reactiva en dicho nodo. que permiten la utilización de la descomposición de Dantzig – Wolfe en el problema de búsqueda de direcciones factibles utilizado por el método de Zoutendijk y se implementó una búsqueda optimizada del punto inicial factible. dada su topología longitudinal posee características especiales. disminuyendo de esta forma la utilización de recursos de memoria y aminorando el número de operaciones. Se utilizó librerías matemáticas especializadas en dichas matrices. el SIC. La topología longitudinal de la red eléctrica. incluyendo la modelación explícita de equipos FACTS SVC y utilizando Programación Cuadrática Secuencial SQP para solucionarlo. las que fueron explotadas para proponer mejoras en las rutinas de optimización.

Esto se verá plasmado en una disminución de costos al determinar y fijar en forma óptima las variables de control de un SEP. Actualmente. El presente estudio ayuda al proceso de automatización y optimización en la determinación de las variables de control del SIC chileno y pretende ser un prototipo para el motor de funcionamiento de esta bolsa de energía. límites técnicos de operación de los equipos y limitaciones en el factor de potencia en la liberación de carga. entre las cuales destacan: la introducción de una nueva ley eléctrica y la constante introducción de nuevas tecnologías. Dependiendo del tipo de bolsa de energía que se instaure. el despacho de carga será distinto al despacho económico tradicional que se utiliza en la actualidad. debido a sus propias fortalezas. como la disponibilidad de múltiples metodologías para el análisis técnico y económico de SEP e inclusive la opción de un Sistema de Información Geográfico. Se plantean distintas alternativas de análisis relacionadas con el presente estudio. que está incluida dentro del DSS DeepEdit (la Figura 39 muestra esquemáticamente dicha herramienta). dado que generaliza el despacho económico de carga convencional utilizado. En una primera etapa se podrán celebrar contratos bilaterales entre las empresas generadoras y los grandes clientes del SIC (clientes que tienen una potencia instalada mayor a 2 [MW]). Luego. se permitirá la participación en un mercado diario donde se realizarán ofertas de compra y venta en una bolsa de energía. llevando a soluciones no necesariamente óptimas. Éste posee una buena interfaz gráfica y un gran potencial de expansión. OPF SQP Parámetros Entrada Rosen Subproblema Cuadrático Minos Zoutendijk Variables de Control Óptimas Figura 39: Módulo Computacional Implementado Dado el proceso de revisión en que se encuentra la ley eléctrica chilena. El resultado es una herramienta de análisis estacionario de SEP incluida en el DSS DeepEdit. por ejemplo. En conclusión. en la presente tesis de grado se ha formulado el OPF utilizando SQP para su solución. tales como: balances de flujo de potencia activa y reactiva. herramientas OPF pueden jugar un rol central en el proceso de casación llevado a cabo por el operador del mercado. 70 .Como resultado. son las señales de crecimiento que muestra el mercado eléctrico chileno. se obtuvo una herramienta de análisis de sistemas eléctricos de potencia. En este esquema las restricciones técnicas del sistema se consideran en forma simplificada. el proceso de despacho de carga se realiza considerando un modelo de costos marginalista. Esto se debe a que incluye restricciones técnicas. Se propuso metodologías para optimizar el desempeño de los algoritmos y se introdujo mejoras específicas para el caso del SIC chileno. La utilización del OPF lleva a mejoras en este proceso. Otro aliciente para el gran potencial de expansión de DeepEdit.

que permitan la entrega de resultados en línea en un posible escenario que considere una bolsa de energía vía Internet. Establecer el marco de utilización del desarrollo en un contexto que considere una bolsa de energía. 71 .El estudio tiene un gran potencial de expansión en la medida que se introduzca el modelamiento de nuevas tecnologías como equipos FACTS y se procuren bajos tiempos de ejecución. que continúan y generalizan el presente desarrollo. Implementar y probar las mejoras propuestas. Brindar estabilidad numérica a las rutinas cuadráticas implementadas. como lo son: • • • • • Incorporar restricciones de límites de corrientes por líneas de transmisión. Existen trabajos proyectados y en realización. Eliminar la relajación de las variables de tap de transformadores y asumir un modelo de programación entera mixta.

Proyecto Fondecyt 1000866. v. Fletcher R. John Wiley & Sons. Wolsey L.. “A Review of Selected Optimal Power Flow Literature to 1992“.. IEEE Transactions on Power Systems. CIGRÉ Session Papers.. Tesis. and Challenges". Glavitch H. “A Framework for Sparse Matrix Code Synthesis from High-level Specifications”. El-Hawary E. “Challenges to On-Line OPF Implementation”. Bazaraa M. 2000. Palma R. Pacific Gas and Electric Company.. Requirements. 1999 a. 1994. Auflage. “Flujo de Potencia Óptimo con Programación Cuadrática Secuencial”.. Ithaca. Tolle J. "Nonlinear Programming".. ESCA Corporation. 2000. Vol. "Optimal Power Flow. John Wiley & Sons. “Optimal Power Flow Algorithms.. Nemhauser G.. 2. Academic Press. “Sequential Quadratic Programming for Large – Scale Nonlinear Optimization”.. Analysis and Control System Techniques for Electric Power Systems”. SIAM Journal on Optimization. “A Global Convergence Analysis of an Algorithm for Large Scale Nonlinear Optimization Problems”. IEEE Tutorial Course N° 96 TP 111-0.. 1996. University of Nova Scotia. Boggs P. pp. Cornell University. bajo Condiciones Competitivas".. Bacher R. New York. 72 . Momoh J. Department of Computer Science. Final Report. Kearsley A. Panel 2 on More Effective Networks. 41. Hingorani N.. 1999. 2000. Palma R. El-Hawary E... Sherali H. 1999 b. "Practical Methods of Optimization". "Optimal Power Flow: Solution Techniques. "Modelo Orientado al Objeto para la Planificación de Redes de Transmisión Eléctrica. "Incorporación de Modelos de Mercado y Marcos Regulatorios en una Planificación Dinámica de Sistemas Eléctricos". Mateev N. Paris. Papalexopoulos A.: Research and Code Developement" EPRI EL4894.. Boggs P. 1991.. “Integer and Combinatorial Optimization”. 1995. Alemania. 1987.. Adapa R. Palma R. John Wiley & Sons Inc.. Journal of Computational and Applied Mathematics. 1996.. 1987. N° 1. 1999. IEEE Tutorial Course N° 96 TP 111-0... Congreso Optima 2001. 1994.. Paper 2-02. “Power Electronic Equipment: HVDC and FACTS”. New York.. Vol. Tolle J. Pérez J. New York. 14.Referencias Ahmed N. Project 1724-1. Shetty C. Universidad de Dortmund. Cap 4...

.. Columbus. “Succesive Linear Programming Based OPF Solution”.1. 1998. 1993 IEEE PES Winter Meeting. 1993. “Computational Experience with a Safeguarded Barrier Algorithm for Sparse Nonlinear Programming”. 1995.. 2nd Edition. John Wiley & Sons Inc. “Marginal Pricing and Supplement Cost Allocation in Transmisión Open Access”. “Integer Programming”. Fernández J. Wood A.. N12. Universität Dortmund. IEEE Transactions on Power Systems.. 2000.. Tabors R. pp. Lasdon L. Wolsey L. Seibt T. OH. Lehrstuhl für elektrische Energieversorgung.Ravindra S.. 1997... Srivastava S. Operation and Control". “Transmission Systems Management and Pricing: New Paradigms and International Comparisons”. Ristanovic P. "Power Generation. Januar. “Entwicklung eines OPF-Algorithmus zur Untersuchung von Durchleitungen im Verbundbetrieb“. Wollenberg B. Verma R. Diplomarbeit EV 9702. 10. Inc. Vol.. College of Business Administration of University of Texas at Austin.. 1125 – 1132. 1997. New York. Palma R. John Wiley and Sons Inc. Cap.. 1996. 1996. Siemens Energy & Automation. 73 .. Rudnick H. “Impact of FACTS Devices on Transmission Pricing in a DeRegulated Electricity Market”. IEEE Tutorial Course N° 96 TP 111-0. 0-7803-5902-X.. IEEE.

Referencias Electrónicas <http://www.. 2000. de problemas para prueba de rutinas 74 .cs. “Gams Tutorial”.edu/~javagrp/source/>. [consulta: 1 Agosto 2001]. <http://www.com/>. librerías para programación lineal en lenguaje JAVA. Rosenthal R. California USA. <http://titan. Librerías en lenguaje JAVA.gams.princeton.edu/TestProblems/>. especialización en investigación de operaciones. Monterrey School. [consulta: 1 Agosto 2001]. DRA Systems. <http://www.wustl. fuente cuadrátricas. [consulta: 1Agosto 2001]. [consulta: 1 Agosto 2001].com>.OpsResearch.

Wolfe Flexible AC Transmission Systems Institute of Electrical and Electronic Engineers Condición de primer orden de Karush Kuhn Tucker Linear Programming Mixed Integer Programming Non – Linear Programming Quadratic Programming Optimal Power Flow Sistema Interconectado Central Sistema Eléctrico de Potencia Sequential Quadratic Programming Static Var Compensator 75 .Glosario DSS DW FACTS IEEE KKT LP MIP NLP QP OPF SIC SEP SQP SVC : : : : : : : : : : : : : : Decision Support System Algoritmo de Descomposición de Dantzig .

f (x ) = Ax Ex fk + gx + 1 t x Wx 2 ≤ b = e (121) A es una matriz de m x n. se introduce una restricción que acota la dirección d. d es una dirección factible de mejoramiento si A1 d ≤ 0 y Ed = 0. El valor de la función objetivo en x k+1 es mejor que en x k Luego que se determina la dirección. Dado un punto factible x. Si ∇f(x)td<0. Considérese el problema de minimización de f(x) sujeto a x ∈ S. Un vector d (distinto de cero) se define como dirección factible en x ∈ S si existe un δ > 0 tal que x+λd ∈ S ∀ λ ∈ (0. un vector d distinto de cero es una dirección factible de mejoramiento si ∇f(x)td<0. Un método natural para generar esta dirección es minimizar ∇f(x)td<0 sujeto a las restricciones A1 d ≤ 0 y Ed = 0.b2 i). E es una matriz de l x n. Considérese el problema (QP). (QP ) min s. Si ∇f(x)td<0. x k+1 = x k + λdk es factible 3. esta restricción se denomina restricción de normalización. entonces d es una dirección de mejoramiento. estos procedimientos frecuentemente son llamados métodos primales. b es un vector de dimensión m. y e es un vector de dimensión l. un vector d es una dirección factible en x si y sólo si A1 d ≤ 0 y Ed = 0. Así. donde At se descompone en (A1 t.a.δ). Esto conduce a un nuevo punto x k+1 . entonces d es una dirección de mejoramiento. se resuelve un problema de optimización en una dimensión para determinar el paso de avance en dicha dirección dk. y el proceso se repite. donde λ es arbitrariamente largo. Así. Entonces. Nótese que si un vector d es dirección factible de mejoramiento. Los métodos de este tipo generalmente convergen a una solución que cumple con las condiciones de Karush Kuhn Tucker (KKT). En particular. d se define como dirección factible de mejoramiento en x ∈ S si ∃ δ > 0 tal que f(x+λd)< f(x) y x+λd ∈ S ∀ λ ∈ (δ. desde el cual se busca una dirección d0 tal que para un λ > 0. sea x una solución factible. Considérese el siguiente problema de optimización con función objetivo cuadrática y restricciones lineales.0). donde f: En →E1 y S es un conjunto no vacío en En . se cumplan las siguientes condiciones: 2. y supóngase que A1 x = b1 y A2 x < b2 . A2 t) y bt es descompuesto en (b1 t. A1 d ≤ 0 y Ed = 0. entonces el valor de la función objetivo del siguiente problema es -∞ considerando un paso λ d .Anexo I: Método de Búsqueda Direcciones Factibles de Zoutendijk Este método parte desde un punto factible x 0 . Dado que la factibilidad del problema primal se mantiene durante el proceso de optimización. 76 .

b2 t). 77 .. ( P1) min ∇f ( x ) t d s. ( PLS ) min s.A2 t) y bt=(b1 t. Entonces. El problema P2 contiene restricciones cuadráticas por lo que su implementación es más compleja. x es un punto que cumple las condiciones de KKT si y sólo si el valor de la función objetivo del problema P1 es igual a cero. entonces A1 (x k+λdk)≤b1 para todo λ ≥ 0. Nótese que Ex k=e y Edk=0.2. Entonces.a. Ad Ed −1 ≤ ( P 2) min ∇ f ( x ) t d s.a. Se ha mostrado como generar una dirección factible y a concluir cuando un punto es KKT para el problema QP. Así. tal que A1 x = b1 y A2 x<b2 .dn y pueden ser resueltos con métodos de programación lineal. por lo tanto la restricción E(x k+λdk)=e es redundante. El próximo punto x k+1 estará dado por x k + λk dk. En el presente estudio se ha implementado la solución considerando el problema P1. A1 x k = b1 y A1 dk ≤ 0. donde el largo del paso λk se obtiene resolviendo el siguiente problema de una dimensión.Existen variadas formas para generar una dirección factible de mejoramiento. donde At=(A 1 t. Ahora sea x k un punto factible y dk una dirección factible de mejoramiento a partir de x k... n (122) ≤ 0 = 0 ≤ 1 (123) ≤ 0 = 0 ≥ −1 (124) Los problemas P1 y P3 son lineales en las variables d1 . Considérese el problema QP. Ad Ed d td ( P3) min ∇ f ( x ) t d s. a continuación se muestran tres..a. el problema puede ser simplificado de la siguiente manera. para cada i=1.. Por su parte. f ( xk + λd k ) A( x k + λd k ) ≤ λ b E ( xk + λd k ) = e ≥ 0 (125) Ahora supóngase que At se descompone en At=(A 1 t.A2 t) y bt=(b1 t. el problema PLS se puede reducir al siguiente problema equivalente....b2 t).a. De esta forma es necesario restringir λ solamente con λA2 dk ≤ b2 -A2 x k. sea x una solución factible tal que A1 x = b1 y A2 x<b2 . cada una de las cuales introduce de distinta manera la restricción de normalización. Ad Ed ∇f (x )t d ≤ = dj 0 0 ≤ 1 para j = 1.

Este diagrama sirvió de base para la implementación computacional del método.( PLS ) min s.a. ˆ ˆ ˆ min bi / d i : d i > 0 λ max =  ∞  { } ˆ si ∃ d i > 0 ˆ si d ≤ 0 (127) ˆ b = b2 − A2 x k ˆ d=Ad 2 k (128) En el esquema de la siguiente figura se puede apreciar el diagrama de flujo del método. Búsqueda primer orden de factible x0 factible inicial Resolver P1 SI zP1 = 0 xk es KKT Búsqueda de paso λ k x k+1 = xk + λkdk k:=k+1 NO k>kmax FIN Figura 40: Diagrama de Flujo de la Ejecución de Método de Zoutendijk 78 . f ( xk + λd k ) 0 ≤ λ ≤ λmax (126) El valor de λmax se determina según los siguientes grupos de ecuaciones.

v t). Para mantener esta factibilidad. en particular.b2 t).A2 t) y bt=(b1 t. Supóngase que Mt=(A 1 t. Si u ≥ 0. entonces: 0 = P∇ f ( x) = I − M t ( MM t ) −1 M ∇ f ( x ) = ∇f ( x ) + M t w = ∇ f ( x ) + A1t u + E t v ( ) (129) Donde w = -(MMt)-1 M∇f(x) y wt = (ut. Si P es una matriz de proyección tal que -P∇f(x) ≠ 0. A2 x < b2 . Ahora sea P = I − M t ( MM t ) −1 M . Si u tiene alguna componente menor que cero. Si u ≥ 0. entonces x es un punto de KKT. Además. si Mt = (A 1 t. Considérese el problema QP. MP = 0. Además -P∇f(x) es una dirección factible de mejoramiento cuando -P∇f(x) ≠ 0.v t). A2 x < b2 . Sea x una solución factible. Además. -∇f(x) es proyectada para moverse según la dirección d = -P∇f(x). Entonces d es ( ) una dirección factible de mejoramiento. Sin embargo. A1 P = 0 y EP = 0. la matriz P proyecta cada fila de A1 y E en el vector cero. donde At=(A 1 t.Anexo II: Método de Proyección del Gradiente de Rosen Este método proyecta el gradiente en dirección opuesta (gradiente negativo) de forma que mejore la función objetivo y se mantenga la factibilidad. mejoramiento. E t . entonces d=-P∇f(x) es una dirección de mejoramiento de f en x. esto es. P∇f(x) es la proyección de ∇f(x) sobre el espacio nulo de restricciones activas. Si u tiene algún elemento menor ˆ ˆ que cero. Además. se puede definir una nueva matriz de proyección P tal que d = − P∇f ( x ) es además una dirección factible de mejoramiento. 79 . y sea d = − P∇f ( x ) . la dirección de paso descendente es -∇f(x). entonces d es una dirección factible de.Et) es de rango completo. Sea x un punto factible que A1 x = b1 . y sea P=I-Mt(MMt)-1 M.Et) es de rango completo. Ahora para el caso en que P∇f(x)=0. Considérese el problema QP. En otras palabras. P es la matriz que proyecta los gradientes de las restricciones activas en el vector cero. y sea w=-Mt(MMt)-1 ∇f(x) y wt = (ut. entonces el punto x satisface las condiciones de KKT y por lo tanto el método debe detenerse. La Figura 41 ilustra el proceso de proyección del gradiente para un problema con restricciones de desigualdad.b2 t). Pero como las columnas de A1 y E son los gradientes de las restricciones activas. al moverse según -∇f(x) se puede perder la factibilidad. sea uj < ˆ ˆ ˆ 0 una componente negativa de u. y sea M t = A1t . y supóngase que A1 x = b1 . Nótese que la matriz P es una matriz de proyección que satisface P = Pt y PP=P. y si P es de la forma P=I-Mt(MMt)-1 M. donde A1 se obtiene borrando la fila de ˆ ˆ ˆ ˆ ˆ ˆ A1 correspondiente a uj. donde P es una matriz de proyección adecuada.A2 t) y bt=(b1 t. supóngase que P∇f(x) = 0. Dado un punto factible x. De esta manera. donde At=(A 1 t.

Contornos de la Función Objetivo Solución Óptima -∇f(x) -P∇f(x) A1 Figura 41: Interpretación Geométrica de la Proyección del Gradiente En el esquema de la Figura 42 se puede apreciar el diagrama de flujo del método de Rosen. Este diagrama sirvió de base para la implementación computacional del método. Búsqueda primer orden de factible xk es KKT SI SI ∇ f(xk)=0? x 0 factible inicial M vacío? dk=-∇f(x k) dk=-P∇f(xk) SI SI Búsqueda de paso λk dk=0? uj<0? xk+1 = x k + λkdk k:=k+1 Búsqueda de paso λk x k+1 = xk + λkdk k:=k+1 NO k>k max FIN Figura 42: Diagrama de Flujo de la Ejecución de Método de Rosen 80 .

up(j) = 1). Q(j. A(i.. Variables x(j) f.princeton. loop(k. Equations Obj objective function Con(i) constraint functions.k). ******************************************** *archivo: cargaqp.5 (página 413) del texto “Nonlinear Programming” de Bazaraa (1994).Test Problem 6 * * By Juan Pérez. sum(j. f =e= sum(j.edu/ * *------------------------------------------------------------------------------* Sets i /1*5/ j /1*10/ alias(j. Con/.Fuente: http://titan. Obj . x(j)*sum(k. Loop(j. x..edu *------------------------------------------------------------------------------* * Quadratic Programming .princeton.5*sum(j. Parameters b(i) /1 -4 2 22 3 -6 4 -23 5 -12/ c(j) /1 48 2 42 3 48 4 45 5 44 6 41 7 47 8 42 9 45 10 46/ A(i. Model problem /Obj. se utiliza la abreviación OPF-SQP para referirse a esta estructura. x. Table A(i.k) = 100 $ (ord(j) eq ord(k)))).k)*x(k))).lo(j) = 0. Enero 2001 .gms *Autor : Juan Eduardo Perez Retamales *Fecha : Enero de 2001 ******************************************** *Carga y resolucion de problemas cuadraticos *El uso de Gams nos independiza del solver *Los solvers disponibles son CPLEX y MINOS 81 . Q(j.k).j) 1 2 3 4 5 6 7 8 9 10 1 -2 -6 -1 0 -3 -3 -2 -6 -2 -2 2 6 -5 8 -3 0 1 3 8 9 -3 3 -5 6 5 3 8 -8 9 2 0 -9 4 9 5 0 -9 1 -8 3 -9 -9 -3 5 -8 7 -4 -5 -9 1 -7 -1 3 -2.l. Anexo III: Códigos en GAMS de Instancias Cuadráticas de Prueba INSTANCIA 1: Corresponde al ejemplo 6 de la referencia http://titan.j) Q(j.A continuación se describe la estructuración específica que toma OPF al ser abordado con SQP. loop(j. solve problem using nlp minimizing f.1.j)*x(j)) =l= b(i). c(j)*x(j)) .0. Con(i) . display x. INSTANCIA 2: Corresponde al ejemplo 10.

aux2(j)=yes. resle(j) restricciones desigualdad. option iterlim =100000."2")=-1. a("4".******************************************** ******************************************** *Conjuntos para definir parametros ******************************************** Sets i variables $include var.aux1)*x(aux1))).edu/ * *------------------------------------------------------------------------------* 82 .x(i)*sum(aux1.O.inc w("1".. Enero 2001 ."2")=-1. w("2"."2")=0.a(j. costo.Test Problem 1 * * By Juan Pérez. a("3"..princeton... b("3")=0. display x."1")=0. solve qpprob using nlp minimizing FO.inc b("1")=2. FO=e=fk + sum(i. b("4")=0.."1")=1.g(i)*x(i)) + sum(i. a("2". ******************************************** *Variables del problema ******************************************** Variables x(i) Vector de variables FO func obj.edu.i) Matrix Hessiana de la FO a(j.inc aux1(i) aux2(j).inc fk=0."1")=-1.inc a("1". $include fk."2")=2. sum(i. *------------------------------------------------------------------------------* * Quadratic Programming ."1")=2. Model qpprob /all/. w("1". ******************************************** *Parametros que definen completamente el *problema cuadratico ******************************************** Parameters fk constante de la FO g(i) vector costos lineales de la FO w(i.l. $include w. ******************************************** *Ecuaciones del problema ******************************************** Equations costo para definir la F. b("2")=5. a("1".i)*x(i))=l=b(j)."2")=5. a("3"."2")=1. $include g.inc g("1")=-4. g("2")=-6. option reslim=1000000000.inc j restricciones desigualdad $include rle. $include a."1")=-1. a("4"..princeton.i) Matrix restricciones desigualdad b(j) RHS restricciones desigualdad.Fuente: http://titan. aux1(i)=yes."1")=1. $include b. a("2". INSTANCIA 3: Corresponde al ejemplo 1 de la referencia http://titan. w("2".. option nlp=minos5. resle(j).w(i.

loop(i.File res / results / .j)*x(j))).5*sum(i.. solve problem using nlp minimizing f. Con/. Model problem /Obj.lo(i) = 0.j).40 =l= 0.0. c(i)*x(i)) .l(i):16:10//).j). PUT "Min f". Variables x(i) f. Parameters c(i) /1 42 2 44 3 45 4 47 5 47. PUT "x ".f. Con . Put res . x. x(i)*sum(j. loop(i.up(i) = 1).l. 20*x('1') + 12*x('2') + 11*x('3') + 7*x('4') + 4*x('5') .l:16:10//. display x. Sets i /1*5/ alias(i. 83 . Obj . Q(i. x.j) = 100 $ (ord(i) eq ord(j)))).5/ Q(i. f =e= sum(i. Equations Obj objective function Con constraint function. loop(j.x. loop(i.. Q(i.

Red SIC de 182 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de la Universidad de Chile. 84 . se puede acceder al detalle de resultados de la aplicación de OPF–SQP a las siguientes redes de prueba: § § § § § § Red de 2 barras: Desarrollado en extenso en el presente trabajo. El disco compacto contiene los archivos necesarios para ejecutar el DSS DeepEdit. 500[MHz]. por lo que se considera que no se violan licencias al reproducirlos en el disco compacto adjunto. Instalación de Sistema de Apoyo a la Toma de Decisiones Se recomienda utilizar una computadora Pentium III. 2) jdk-1_1_8_006-win. 128[MB] de memoria RAM.doc: El cual entrega la información necesaria para instalar y utilizar DeepEdit. 100[MB] espacio en disco duro o su equivalente (o superior) en AMD. escenario demanda baja e hidrología húmeda.exe: Contiene las librerías necesarias para ejecutar DeepEdit Sígase los siguientes pasos para instalar el DSS DeepEdit: § § Instalar archivo jdk-1_1_8_006-win.exe en la raíz de la estructura de directorios de la computadora utilizada Instalar archivo DeeEdit.exe en la raíz de la estructura de directorios de la computadora utilizada 1 Es importante mencionar que las librerías JAVA son de libre acceso.Anexo IV: Detalle de Resultados En el disco compacto adjunto en el presente trabajo. Red Sistema Interconectado del Norte Grande (SING) de 33 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de la Universidad de Chile. Palma y Pérez. Esta guía se reproduce en el siguiente apartado. escenario mercado eléctrico competitivo. Red SIC de 70 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de la Universidad de Chile. Red caso Porto de 13 barras: Desarrollado en el Departamento de Ingeniería Eléctrica de la Universidad de Chile. entre ellos una guía explicativa que describe los pasos para instalar el programa. 2001). Red caso Wollenberg de 6 barras: Expuesto en la literatura (Wood y Wollenberg. 3) DeepEdit. escenario demanda alta e hidrología seca. 1996.exe: El cual instala las librerías para la ejecución de la plataforma JAVA que soporta a DeepEdit. El disco compacto adjunto contiene los siguientes archivos y carpetas1 : 1) Instrucciones.

sim ♦ SICFINHSDAC.sim ♦ Wollenberg. Se encuentran disponibles las siguientes redes.sim ♦ SIC70.Con la realización de estos pasos se finaliza la instalación. ♦ OPF2c. Ejecución del Programa Para utilizar OPF–SQP en DeepEdit: § § Ejecutar el archivo C:\work\java\version\run\run.sim ♦ Porto. Cargar la red que se desee investigar resultados.bat desde la línea de comandos o desde una ventana de Windows y en la pantalla aparecerá la ventana de DeepEdit. Se debe utilizar el menú de carga de redes.sim ♦ SING33. tal como de ilustra en la siguiente figura.sim : : : : : : Red de prueba de 2 barras Red caso Wollenberg 6 barras Red caso Porto 13 barras Red SIC 70 barras Red SIC 182 barras Red SING 33 barras Figura 43: Menú para la visualización y manejo de redes eléctricas 85 .

Figura 44: Redes de Prueba Disponibles Figura 45: Red de prueba cargada § Escoger el menú “Java Optimal Power Flow” desde las herramientas de simulación de fenómenos estacionarios de SEP. 86 . tal como se muestra en la siguiente figura.

Figura 47: Ventana de Opciones de la Herramienta de Análisis Con la realización de estos pasos se completa la ejecución de OPF – SQP. A continuación se detallan los pasos para acceder a la información resultante de la aplicación del modelo. en la siguiente figura se muestra la ventana de opciones disponible. 87 .Figura 46: Elección de Menú § Ejecutar OPF–SQP con los parámetros de tolerancia y método deseado.

2.Lectura de Resultados Existen tres formas de acceder a los resultados entregados OPF–SQP vía DeepEdit: 1. La base de datos se encuentra en el archivo C:\work\java\version\run\database\DeepDB. Leer directamente desde la red eléctrica en la ventana de DeepEdit los valores de las variables de control y estado. Leer archivo C:\work\java\version\run\results\OPF-SQP.mdb y debe ser leído con el software Microsoft Access 3. Leer los resultados desde una base de datos que contiene los valores entregados por el método.dat 88 .

89 .Anexo V: Sistema Interconectado Central Chileno En el presente anexo se muestra la figura en extenso del SIC de 182 barras.