ESCUELA SUPERIOR POLITCNICA DEL LITORAL

OPERACIN ECONMICA DE SISTEMAS DE POTENCIA

PROYECTO:
Mtodo del Gradiente en el Despacho Econmico para la Operacin Econmica de Sistemas de Potencia.

Grupo # 4

Integrantes: Jonathan Molina J. Jorge Bustamante. Ral Vaca.

2012 1er S

Indice
Antecedentes Optimizacin Fases de la Optimizacin Mtodos de Optimizacin Mtodos de Programacin Matemtica Modelo de Programacin No Lineal. Mtodo del Gradiente Mtodo del Gradiente En el Despacho Econmico. Ejemplo Gradiente Reducido. Algoritmo Mtodo del Gradiente Esquema de Iteracin del Mtodo del Gradiente Ejercicio de Gradiente Reducido Programacin en MATLAB Mtodo del Gradiente aplicado al Despacho Econmico. Ejemplo: Programacin en MATLAB Mtodo del Gradiente Reducido aplicado al Despacho Econmico Ejemplo: Conclusin Bibliografa 2 2 3 4 4 5 5 6 8 11 13 13 14

16 22

25 31 33 34

Antecedentes
Para determinar la operacin econmica de un sistema elctrico, se supone que el sistema est en un estado normal, donde se satisfacen las restricciones de red y operacin. Adems, se supone que existen suficientes mrgenes de estabilidad transitoria y permanente, las tensiones en cada una de las barras estn dentro de lo permitido, no existen fluctuaciones de tensin en el sistema, la distorsin armnica es despreciable, la variacin de frecuencia es mnima, el sistema es equilibrado y balanceado, es decir, el sistema cumple con los requisitos de calidad de servicio, en esta condicin, se puede buscar una operacin ptima del sistema.

Optimizacin.
El desarrollo de los mtodos de optimizacin tiene su origen en la poca de los grandes matemticos como Newton, Lagrange y Cauchy. Pero, a pesar de que en sa poca se dieron a conocer contribuciones importantes, no fue sino hasta el siglo XX, cuando se desarrollaron las computadoras digitales y se implementaron nuevas herramientas de optimizacin. Las races de la optimizacin como ciencia, se remontan a muchas dcadas, cuando se hicieron los primeros intentos para emplear el enfoque cientfico para la asignacin de recursos econmicos y materiales para el logro de un objetivo. La optimizacin, conocido tambin con el nombre de Investigacin de Operaciones (IO), nace en la segunda guerra mundial. Los cientficos britnicos fueron los precursores de la Investigacin Operativa, su trabajo tena que ver principalmente con la asignacin ptima de los recursos limitados del material de guerra. El inicio de la Investigacin de Operaciones, si bien fue de uso militar, rpidamente su aplicacin se ampla a las reas de la economa e ingeniera. En el rea de la ingeniera elctrica, la IO tiene una aplicacin relevante, principalmente por la desregulacin de los mercados elctricos.

Fases de Optimizacin.
Las principales fases de optimizacin son:

Los aspectos ms importantes dentro del proceso de optimizacin, son la modelacin y el anlisis de sensibilidad, es decir, la interpretacin de las variables duales (multiplicadores de Lagrange y Kuhn- Tucker) con el objeto de mejorar la solucin obtenida e implementar los resultados.

Mtodos de Optimizacin.

Introduccin.
Para enfrentar el problema de despacho econmico, resulta necesario obtener herramientas que permitan obtener resultados contundentes y fiables dentro de un sistema elctrico, para as obtener un costo mnimo de operacin para lo cual existe una gran variedad de mtodos simples, bsicos y de mayor complejidad. La optimizacin corresponde a un proceso de bsqueda a travs del cual se pretende encontrar dentro de un conjunto de soluciones factibles la mejor solucin posible para el problema. Debe considerarse que el primer paso para la optimizacin es obtener una modelacin del problema donde se incluyan todas sus restricciones. Los problemas de optimizacin combinatoria han sido tradicionalmente resueltos por algoritmos desarrollados especialmente para el problema especfico usando una diversidad de tcnicas. Sin embargo, no pueden resolverse de manera exacta en tiempo razonable, aun cuando se tenga solo un nmero modelado de variables. En la actualidad, la investigacin se ha dirigido hacia el diseo de tcnicas denominadas metaheursticas, es decir, algoritmos de bsqueda eficientes con respecto al tiempo de cmputo y con cierto grado de certeza entregar una buena solucin. Los mtodos de optimizacin se pueden clasificar en tres grupos principales, los basados en la programacin matemtica, los enumerativos y los de bsqueda aleatoria o Metaheursticas.

Mtodos de Programacin Matemtica.

La programacin matemtica basa su clculo a partir de una funcin objetivo dado por cada generador siendo esta continua, diferenciable y sin restricciones en su dominio (espacio de bsqueda), la solucin ptima estar entre los puntos del dominio cuya pendiente sea cero en todas direcciones. En consecuencia este tipo de mtodos se ubican en un punto y luego se mueven en la direccin de mayor gradiente hasta encontrar los puntos de gradiente igual a cero de ello dependiendo el mtodo a utilizar. Ya que esta tcnica necesita determinar o estimar el gradiente en cada iteracin resulta indispensable la funcin objetivo. En el caso de la programacin de la
4

generacin, si se pretende utilizar un modelo lo ms realista posible del sistema elctrico, resulta particularmente complejo desarrollar una expresin matemtica para la funcin objetivo, quedando aplicables dichos mtodos solo para la comprensin del despacho econmico dentro de las aulas.

Modelo de Programacin No Lineal.

Un modelo de Programacin no Lineal (PNL) es aquel donde las variables de decisin se expresan como funciones no lineales ya sea en la funcin objetivo y/o restricciones de un modelo de optimizacin. Esta caracterstica particular de los modelos no lineales permite abordar problemas donde existen economas o des economas de escala o en general donde los supuestos asociados a la proporcionalidad no se cumplen. En este sentido el mtodo del gradiente (conocido tambin como mtodo de Cauchy o del descenso ms pronunciado) consiste en un algoritmo especfico para la resolucin de modelos de PNL sin restricciones, perteneciente a la categora de algoritmos generales de descenso, donde la bsqueda de un mnimo est asociada a la resolucin secuencial de una serie de problemas unidimensionales. Los pasos asociados a la utilizacin del mtodo del gradiente o descenso ms pronunciado consiste en:

Mtodo del Gradiente En el Despacho Econmico.

Este mtodo trabaja sobre el principio de minimizar una funcin, la cual consiste en encontrar siempre la direccin de arriba hacia abajo mediante una serie de pasos mediante un punto inicial . En el despacho econmico el gradiente se lo aplica a la funcin de Lagrange.

+
Donde

Resultando

Y el gradiente de esta funcin es

Este algoritmo requiere un valor inicial de:

Para que el gradiente de Lagrange sea recalculado mediante:

De la cual se puede desglosar en:

Donde es un escalar que permite garantizar que el proceso converja.

Dado que el resultado de este mtodo no puede garantizar un ajuste de los generadores, por lo que el gradiente de Lagrange no llega a ser cero, resulta necesario una simple variacin de esta tcnica, llegando a denominarse Gradiente Reducido.

Determinamos de manera aleatoria los valores

Con la restriccin.

Con estos valores

se calcula

para cada generador.

Primera Iteracin.

( ( ( )

) )

( ( ( )

) )

( ( ( )

) )

Y luego se contina con el proceso.

10

Gradiente Reducido.
El Gradiente Reducido disminuye el nmero de variables involucradas en el proceso iterativo, lo que implica que una variable dependa de otra siendo esto aplicable para un nmero reducido de generadores lo cual es una desventaja, no pudiendo ser aplicada en sistemas ms realistas.

Con este antecedente se podra establecer para un grupo de tres centrales, partiendo de la restriccin antes mencionada.

Haciendo la respectiva sustitucin de P3 en Ft.

))

Y obteniendo el Gradiente Ft.

[
Y partiendo de la ecuacin

11

Se obtiene:

El mtodo del gradiente llega a converger cuando el error llega a ser menor al establecido, considerando que el error es igual a:

12

Algoritmo Mtodo del Gradiente

Esquema de Iteracin del Mtodo del Gradiente

13

Ejercicio: Gradiente Reducido.

________

( ( ) ( )

) ( )

14

( ( ( (

) ) ) ) ( )

( ( (

) ) ) _________

15

Programacin en MATLAB Mtodo del Gradiente aplicado al Despacho Econmico

16

%MTODO DEL GRADIENTE PARA EL DESPACHO ECONMICO %LIMITES DE GENERACIN % P1 DE 150MW A 600MW % P2 DE 100MW A 400MW % P3 DE 50MW A 300MW %F1=[0.001562 7.92 561]; %F2=[0.00194 7.85 310]; %F3=[0.00482 7.97 78]; %carga= 800 MW %__________________________________________________________ %FUNCIONES DE COSTO clear clc display('METODO DEL GRADIENTE ') display('FUNCION DE COSTO NUMERO gama1=input('ingrese el valor de beta1=input('ingrese el valor de alfa1=input('ingrese el valor de F1=[gama1 beta1 alfa1] display('FUNCION DE COSTO NUMERO gama2=input('ingrese el valor de beta2=input('ingrese el valor de alfa2=input('ingrese el valor de F2=[gama2 beta2 alfa2] display('FUNCION DE COSTO NUMERO gama3=input('ingrese el valor de beta3=input('ingrese el valor de alfa3=input('ingrese el valor de F3=[gama3 beta3 alfa3] 1') GAMA1 '); BETA1 '); ALFA1 ');

2') GAMA2 '); BETA2 '); ALFA2 ');

3') GAMA3 '); BETA3 '); ALFA3 ');

% poner aqu los datos CARGA=input('ingrese el valor de la carga en MW display('LIMITES DE GENERACION') Lmin1=input('ingrese Lmax1=input('ingrese Lmin2=input('ingrese Lmax2=input('ingrese Lmin3=input('ingrese Lmax3=input('ingrese el el el el el el LIMITE LIMITE LIMITE LIMITE LIMITE LIMITE MINIMO MAXIMO MINIMO MAXIMO MINIMO MAXIMO DE DE DE DE DE DE P1 P1 P2 P2 P3 P3 EN EN EN EN EN EN MW MW MW MW MW MW

');

'); '); '); '); '); ');

display('VALORES INCIALES') P1=input('ingrese el valor de P1 EN MW P2=input('ingrese el valor de P2 en MW P3=input('ingrese el valor de P3 en MW '); '); ');

a=input('ingrese el valor de alfa '); n=input('ingrese el nmero de iteraciones del programa %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

');

17

%DERIVADAS DE LAS FUNCIONES y1=polyder(F1); y2=polyder(F2); y3=polyder(F3); for i=1:n; alfa=a; %valores de lambda (i); lambda1=polyval(y1,P1); lambda2=polyval(y2,P2); lambda3=polyval(y3,P3); lambda_t=1/3*(lambda1+lambda2+lambda3); %Primera iteracin; P1(i)=P1-(lambda1-lambda_t)*alfa; P2(i)=P2-(lambda2-lambda_t)*alfa; P3(i)=P3-(lambda3-lambda_t)*alfa; lambda_t(i)=lambda_t-(CARGA-(P1(i)+P2(i)+P3(i)))*alfa; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% if P1(i)<Lmin1; P1(i)=Lmin1; end if P1(i)>Lmax1; P1(i)=Lmax1; end if P2(i)<Lmin2; P2(i)=Lmin2; end if P2(i)>Lmax2; P2(i)=Lmax2; end if P3(i)<Lmin3; P3(i)=Lmin3; end if P3(i)>Lmax3; P3(i)=Lmax3; end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% P1=P1(i) P2=P2(i) P3=P3(i) lambda_t=lambda_t(i) end

18

De esta forma se ingresan las funciones de costo individuales, el valor de la carga a despachar, se ingresan los lmites de generacin de las unidades, los valores iniciales de potencia, el valor de alfa y el nmero de iteraciones deseado.
%FUNCIONES DE COSTO clear clc display('METODO DEL GRADIENTE ') display('FUNCION DE COSTO NUMERO gama1=input('ingrese el valor de beta1=input('ingrese el valor de alfa1=input('ingrese el valor de F1=[gama1 beta1 alfa1] display('FUNCION DE COSTO NUMERO gama2=input('ingrese el valor de beta2=input('ingrese el valor de alfa2=input('ingrese el valor de F2=[gama2 beta2 alfa2] display('FUNCION DE COSTO NUMERO gama3=input('ingrese el valor de beta3=input('ingrese el valor de alfa3=input('ingrese el valor de F3=[gama3 beta3 alfa3] 1') GAMA1 '); BETA1 '); ALFA1 ');

2') GAMA2 '); BETA2 '); ALFA2 ');

3') GAMA3 '); BETA3 '); ALFA3 ');

% poner aqu los datos CARGA=input('ingrese el valor de la carga en MW display('LIMITES DE GENERACION') Lmin1=input('ingrese Lmax1=input('ingrese Lmin2=input('ingrese Lmax2=input('ingrese Lmin3=input('ingrese Lmax3=input('ingrese el el el el el el LIMITE LIMITE LIMITE LIMITE LIMITE LIMITE MINIMO MAXIMO MINIMO MAXIMO MINIMO MAXIMO DE DE DE DE DE DE P1 P1 P2 P2 P3 P3 EN EN EN EN EN EN

');

MW MW MW MW MW MW

'); '); '); '); '); ');

display('VALORES INCIALES') P1=input('ingrese el valor de P1 EN MW P2=input('ingrese el valor de P2 en MW P3=input('ingrese el valor de P3 en MW '); '); ');

a=input('ingrese el valor de alfa '); n=input('ingrese el nmero de iteraciones del programa

');

19

Mediante el comando polyder se extraen las derivadas de F1 con respecto a P1, De F2 con respecto a P2 y la derivada de F3 con respecto a P3.

%DERIVADAS DE LAS FUNCIONES y1=polyder(F1); y2=polyder(F2); y3=polyder(F3);

Cada elemento del vector gradiente es igual a cero, de modo que se establecen los valores de lambda1, 2 y 3, El valor de lambda1 por ejemplo es igual a la derivada de F1 con respecto a P1 y evaluada en P1, lo mismo se aplica para obtener lambda 2 y lambda 3. De los tres valores de lambda extraigo el promedio que se convierte en mi lambda inicial.

Luego se procede a obtener los nuevos valores de P1, P2, P3 y lambda mediante:

Posterior a ello reemplazo P1, P2, P3 Y LAMBDA de la iteracin i, por P1, P2, P3 Y LAMBDA de la iteracin (i+1), luego de ello con ayuda del lazo for se establece el proceso iterativo con los nuevos valores iniciales y se repite el proceso.

20

En caso de que las potencias de los generadores se salgan de sus lmites de generacin, la potencia en esa iteracin se fija a su mximo o mnimo segn el caso.
for i=1:n; alfa=a; %valores de lambda (i); lambda1=polyval(y1,P1); lambda2=polyval(y2,P2); lambda3=polyval(y3,P3); lambda_t=1/3*(lambda1+lambda2+lambda3); %Primera iteracin; P1(i)=P1-(lambda1-lambda_t)*alfa; P2(i)=P2-(lambda2-lambda_t)*alfa; P3(i)=P3-(lambda3-lambda_t)*alfa; lambda_t(i)=lambda_t-(CARGA-(P1(i)+P2(i)+P3(i)))*alfa; if P1(i)<Lmin1; P1(i)=Lmin1; end if P1(i)>Lmax1; P1(i)=Lmax1; end if P2(i)<Lmin2; P2(i)=Lmin2; end if P2(i)>Lmax2; P2(i)=Lmax2; end if P3(i)<Lmin3; P3(i)=Lmin3; end if P3(i)>Lmax3; P3(i)=Lmax3; end P1=P1(i) P2=P2(i) P3=P3(i) lambda_t=lambda_t(i) end

21

Ejemplo:

Carga=800 MW
La funcin de Costo y el valor de la carga se ingresan en el editor de Matlab.

22

Luego se ingresan los datos de la siguiente manera donde P1, P2 y P3 son valores iniciales (el valor inicial de lambda se genera dentro del programa).

23

La solucin del Despacho econmico luego del nmero de iteraciones preestablecido, se muestra de la siguiente manera.

24

Programacin en MATLAB Mtodo del Gradiente Reducido aplicado al Despacho Econmico

25

%MTODO DEL GRADIENTE REDUCIDO PARA EL DESPACHO ECONMICO %LIMITES DE GENERACIN % P1 DE 150MW A 600MW % P2 DE 100MW A 400MW % P3 DE 50MW A 300MW %F1=[0.001562 7.92 561]; %F2=[0.00194 7.85 310]; %F3=[0.00482 7.97 78]; %carga= 800 MW %__________________________________________________________ %FUNCIONES DE COSTO clear clc display('METODO DEL GRADIENTE REDUCIDO') display('FUNCION DE COSTO NUMERO gama1=input('ingrese el valor de beta1=input('ingrese el valor de alfa1=input('ingrese el valor de F1=[gama1 beta1 alfa1] display('FUNCION DE COSTO NUMERO gama2=input('ingrese el valor de beta2=input('ingrese el valor de alfa2=input('ingrese el valor de F2=[gama2 beta2 alfa2] display('FUNCION DE COSTO NUMERO gama3=input('ingrese el valor de beta3=input('ingrese el valor de alfa3=input('ingrese el valor de F3=[gama3 beta3 alfa3] a1=F3(1,3); a2=F3(1,2); a3=F3(1,1); % poner aqu los datos CARGA=input('ingrese el valor de la carga en MW display('VALORES INCIALES') P1=input('ingrese el valor de P1 EN MW P2=input('ingrese el valor de P2 en MW display('LIMITES DE GENERACION') Lmin1=input('ingrese el LIMITE MINIMO DE P1 EN MW '); Lmax1=input('ingrese el LIMITE MAXIMO DE P1 EN MW '); Lmin2=input('ingrese el LIMITE MINIMO DE P2 EN MW '); Lmax2=input('ingrese el LIMITE MAXIMO DE P2 EN MW '); Lmin3=input('ingrese el LIMITE MINIMO DE P3 EN MW '); Lmax3=input('ingrese el LIMITE MAXIMO DE P3 EN MW '); P3=CARGA-(P1+P2); a=input('ingrese el valor de alfa '); n=input('ingrese el nmero de iteraciones del programa 1') GAMA1 '); BETA1 '); ALFA1 ');

2') GAMA2 '); BETA2 '); ALFA2 ');

3') GAMA3 '); BETA3 '); ALFA3 ');

');

'); ');

');

26

for i=1:n; %funcin costo total evaluada en valores iniciales; F1_escalarv=polyval(F1,P1); F2_escalarv=polyval(F2,P2); F3_escalarv=polyval(F3,P3); FTviejo=F1_escalarv+F2_escalarv+F3_escalarv; %derivadas de la gradiente de costo; d11=polyder(F1); d22=polyder(F2); d11e=polyval(d11,P1); d22e=polyval(d22,P2); d31e=-a2-a3*2*CARGA+2*a3*P1+2*a3*P2; d32e=-a2-a3*2*CARGA+2*a3*P1+2*a3*P2; %ITERACIN; P1(i)=P1-a*(d11e+d31e); P2(i)=P2-a*(d22e+d32e); P3=CARGA-(P1+P2); if P1(i)<Lmin1; P1(i)=Lmin1; end if P1(i)>Lmax1; P1(i)=Lmax1; end if P2(i)<Lmin2; P2(i)=Lmin2; end if P2(i)>Lmax2; P2(i)=Lmax2; end if P3(i)<Lmin3; P3(i)=Lmin3; end if P3(i)>Lmax3; P3(i)=Lmax3; end %funcin costo total evaluada en valores iterativos; F1_escalarn=polyval(F1,P1(i)); F2_escalarn=polyval(F2,P2(i)); F3_escalarn=polyval(F3,P3(i)); FTnuevo=F1_escalarn+F2_escalarn+F3_escalarn; P1=P1(i) P2=P2(i) P3=CARGA-(P1+P2) epsilon=FTviejo-FTnuevo end

27

Esta parte del programa permite ingresar las funciones de costo como filas de una matriz (1x3), los valores a1, a2, a3 han sido creadas para manipular la funcin de costo de F3, cuya funcin corresponde a la variable dependiente escogida.
%FUNCIONES DE COSTO clear clc display('METODO DEL GRADIENTE REDUCIDO') display('FUNCION DE COSTO NUMERO gama1=input('ingrese el valor de beta1=input('ingrese el valor de alfa1=input('ingrese el valor de F1=[gama1 beta1 alfa1] display('FUNCION DE COSTO NUMERO gama2=input('ingrese el valor de beta2=input('ingrese el valor de alfa2=input('ingrese el valor de F2=[gama2 beta2 alfa2] display('FUNCION DE COSTO NUMERO gama3=input('ingrese el valor de beta3=input('ingrese el valor de alfa3=input('ingrese el valor de F3=[gama3 beta3 alfa3] a1=F3(1,3); a2=F3(1,2); a3=F3(1,1); 1') GAMA1 '); BETA1 '); ALFA1 ');

2') GAMA2 '); BETA2 '); ALFA2 ');

3') GAMA3 '); BETA3 '); ALFA3 ');

En esta etapa se hace posible ingresar los valores de carga, Potencia inicial de los generadores 1,2, Lmites de Generacin, alfa y el nmero de iteraciones que se desea que el programa ejecute. P3 est descrita como la variable dependiente de P1 y P2.
% poner aqu los datos CARGA=input('ingrese el valor de la carga en MW '); display('LIMITES DE GENERACION') Lmin1=input('ingrese el LIMITE MINIMO DE P1 EN MW '); Lmax1=input('ingrese el LIMITE MAXIMO DE P1 EN MW '); Lmin2=input('ingrese el LIMITE MINIMO DE P2 EN MW '); Lmax2=input('ingrese el LIMITE MAXIMO DE P2 EN MW '); Lmin3=input('ingrese el LIMITE MINIMO DE P3 EN MW '); Lmax3=input('ingrese el LIMITE MAXIMO DE P3 EN MW '); display('VALORES INCIALES') P1=input('ingrese el valor de P1 EN MW '); P2=input('ingrese el valor de P2 en MW '); P3=CARGA-(P1+P2); a=input('ingrese el valor de alfa '); n=input('ingrese el nmero de iteraciones del programa

');

28

Primero se evalan las funciones de costo individuales en los valores iniciales de P1, P2 y P3 para la iteracin (i), para luego obtener la funcin costo total FT=F1+F2+F3, que se restar de la funcin costo total correspondiente a los valores de la iteracin (i+1). La evaluacin de la funcin se la realiza mediante el comando polyval, especificando la funcin a evaluar y en qu valor se va a evaluar. Mediante el comando polyder se obtienen las derivadas de las funciones F1 y F2, Cuya variable es P1 y P2 respectivamente. Los cdigos creados como el d11 por ejemplo corresponde a la derivada de la Funcin 1 (1er dgito de la izquierda) con respecto a P1 (2do dgito). El cdigo d11e corresponde a la derivada de F1 con respecto a P1 y evaluado en P1. Para el caso de d31e, correspondiente a la derivada de F3 con respecto a P1 y evaluada en P1 y P2 , recordando que en F3 la P3 est en funcin de P1 y P2. Del mismo modo se analiza d32e. De esta forma se obtiene la gradiente de la funcin costo, donde el primer elemento del vector gradiente ser d11e+d31e y el segundo elemento ser d22e+d32e. Obtenidas las derivadas que conforman el gradiente de la funcin de costo se procede a obtener los valores iniciales de la Primera Iteracin de P1, P2 mediante P(i+1)=P(i) - alfa(gradiente-de-costo). Posterior a ello se reemplazan los valores de P1 y P2 de la iteracin (i) por los valores de P de la iteracin (i+1), y con ayuda del lazo for se establece el lazo iterativo para n iteraciones deseadas, con el alfa deseado. Al mismo tiempo que se generan errores denotados por Epsilon.
for i=1:n; %funcin costo total evaluada en valores iniciales; F1_escalarv=polyval(F1,P1); F2_escalarv=polyval(F2,P2); F3_escalarv=polyval(F3,P3); FTviejo=F1_escalarv+F2_escalarv+F3_escalarv; %derivadas de la gradiente de costo; d11=polyder(F1); d22=polyder(F2); d11e=polyval(d11,P1); d22e=polyval(d22,P2); d31e=-a2-a3*2*CARGA+2*a3*P1+2*a3*P2; d32e=-a2-a3*2*CARGA+2*a3*P1+2*a3*P2;

29

%ITERACIN; P1(i)=P1-a*(d11e+d31e); P2(i)=P2-a*(d22e+d32e); P3=CARGA-(P1+P2); if P1(i)<Lmin1; P1(i)=Lmin1; end if P1(i)>Lmax1; P1(i)=Lmax1; end if P2(i)<Lmin2; P2(i)=Lmin2; end if P2(i)>Lmax2; P2(i)=Lmax2; end if P3(i)<Lmin3; P3(i)=Lmin3; end if P3(i)>Lmax3; P3(i)=Lmax3; end %funcin costo total evaluada en valores iterativos; F1_escalarn=polyval(F1,P1(i)); F2_escalarn=polyval(F2,P2(i)); F3_escalarn=polyval(F3,P3(i)); FTnuevo=F1_escalarn+F2_escalarn+F3_escalarn; P1=P1(i) P2=P2(i) P3=CARGA-(P1+P2) epsilon=FTviejo-FTnuevo end

30

Ejemplo:

Carga=800 MW

Las funciones de Costo se ingresan desde el teclado. Primero gama, luego beta y finalmente alfa, para cada funcin.

31

Tambin se ingresan.

La solucin del Despacho econmico luego del nmero de iteraciones preestablecido, se muestra de la siguiente manera.

32

Conclusiones.

En el mtodo del Gradiente y Gradiente Reducido la existencia de un factor escalar alfa (), es de mucha utilidad ya que en ciertos casos garantiza que el proceso iterativo converja.

El Gradiente Reducido como una simple variacin del mtodo del gradiente comn, permite garantizar que los nuevos valores generados en cada paso estn dentro de la restriccin de sumatorias de potencia menos la carga. Al ejecuta un paso del gradiente reducido, la generacin del generador

dependiente es fijada a la carga menos la suma de los generadores 1 y 2.

Mediante el mtodo de gradiente reducido se disminuye el nmero de variables en el proceso iterativo, lo que provoca que una variable dependa de otra y se constituye en una desventaja al rato de aplicarla a sistemas de potencia ms reales.

33

Bibliografa.

Investigacin de Operaciones de Hilier & Lieberman. Mtodos Clsicos de Optimizacin para Problemas No-Lineales sin Restricciones - Dr. Gonzalo Hernndez Oliva U Chile - Departamento de Ingeniera Matemtica Despacho econmico de potencia diaria aplicado al sistema nacional ecuatoriano

34