Вы находитесь на странице: 1из 12

[Mercados Eléctricos Mayoristas

Basados en Precios Nodales]


2.3. DE multinodal (considerando restricciones de red) sin pérdidas
2.3.1 Modelo lineal de flujos de potencia o flujos de DC
Los modelos uninodales de DE considerados hasta ahora, no son capaces de reflejar el efecto de las
congestiones del sistema de transmisión.

La forma más sencilla de incluir estos efectos (sistema multinodal) hace uso de flujos de potencia de
CD (corriente directa). Flujos de potencia de CD es una forma aproximada de resolver las ecuaciones
de flujos de potencia no lineal:

Vi 2 Gim − ViVm Gim Cosθim − ViVm Bim Senθim


Pim = (2.20)

Vi 2 Gim − ViVm Gim Cosθim + ViVm Bim Senθim


Pim = (2.21)

Las pérdidas por transmisión en el elemento que conecta los nodos i y m se determinan como:
PimL = Pim + Pmi = Gim (Vi 2 + Vm2 − 2VV
i m Cosθ im ) (2.22)

Despreciando las pérdidas en la línea que conecta los nodos i y m; esto es, considerando la
conductancia de la línea despreciable, entonces

GimVi [Vi − VmCosθim ] ≈ 0 (2.23)

Pim =
− Pmi = i m Senθ im
−2VV (2.24)

Introduciendo además las siguientes aproximaciones:

V ≈i Vm ≈~ 1.0 p.u. (2.25)

Senθim ≈ θim ( en radianes ) (2.26)

− xim 1
Bim = ≈− (2.27)
r + xim
2
im
2
xim

La forma linealizada del flujo de potencia es:

Pim =
(θi −θ m )
(2.28)
xim

La inyección de potencia activa en el nodo i es igual a la suma de los flujos que salen del nodo i; así

Pi1
Pgi
1
Gi Pi 2

Pin
Pdi 2
i

n
Figura 2.6. Balance nodal de potencia activa
Pi = Pgi − Pdi = Pi1 + Pi 2 +  + Pin (2.29)

Expresados los flujos de potencia activos en función de xim y θim

(θi − θ1 ) (θi − θ 2 ) (θi − θ n )


=Pi + ++ (2.30)
xi1 xi 2 xin

La formulación general de DE multimodal con curvas de costos cuadráticas, sin pérdidas, y con
representación de límites de transmisión puede ser expresado matemáticamente como:

Ng
Minimizar C T = ∑ Ci ( Pgi ) (2.31)
i =1
Sujeto a Bθ = P (2.32)
θi − θ m
− PimMax ≤ ≤ PimMax ∀ i, m ∈ Nn (2.33)
xim
θiMin ≤ θi ≤ θiMax ∀ i ∈ Nn (2.34)
Pg i
Min
≤ Pgi ≤ Pg i
Max
∀ i ∈ Ng (2.35)

donde la función objetivo (2.31) es una función cuadrática que representa los costos totales de
operación del sistema. La restricción (2.32) representa el balance nodal de potencia activa. La
restricción (2.32) corresponde a los límites de transmisión. La restricción (2.34) representa los límites
en los ángulos nodales. La restricción (2.35) representa los límites operativos de las unidades de
generación.

Ejemplo 2.5. Supóngase que se desea determinar el DE considerando la red de transmisión (sistema
de 3 nodos) sin pérdidas para las tres unidades del problema 2.1.

G1 G2
L1

Pd1 Pd2
1 2
L2 L3

G3
Pd3

Figura 2.7. Sistema de 3 nodos


Seleccionando al nodo 1 como referencia, es decir, que θ1 = 0 , y considerando que la red de
transmisión tiene capacidad ilimitada, el problema de DE correspondiente es:

Minimizar C T = C1 ( Pg1 ) + C2 ( Pg 2 ) + C3 ( Pg3 )


θ1 − θ 2 θ1 − θ3
Sujeto a Pg1 − − =
Pd1
x12 x13
θ −θ θ −θ
Pg 2 + 1 2 − 2 3 = Pd 2
x12 x23
θ −θ θ −θ
Pg3 + 1 3 + 2 3 = Pd3
x13 x23
θ −θ
− P12Max ≤ 1 2 ≤ P12Max
x12
θ1 − θ3
− P13Max ≤ ≤ P13Max
x13
θ 2 − θ3
− P23Max ≤ ≤ P23Max
x23
150 ≤ Pg1 ≤ 600
100 ≤ Pg 2 ≤ 400
50 ≤ Pg3 ≤ 200

La solución de este problema de DE es:

 Pg1   393.169 MW 
   
 Pg 2   334.603 MW 
 Pg3   122.226 MW 
   
 λ1  =  9.148 MWh 
 λ2   9.1482 MWh 
   
 λ3   9.1482 MWh 
θ   -0.9761 
 2   
 θ3   -18.6824 

El problema de DE con restricciones de red, flujos de potencia en CD, sin pérdidas en APMonitor se
muestra en la Tabla 2.11.
Tabla 2.11. DE multimodal, con curvas de costo cuadráticas, sin pérdidas en APMonitor

APMonitor Model
Constants !variables que nunca van a variar
X12=0.05
X13=0.05
X23=0.05
Theta1=0
End Constants

Variables !Variables de Decision


Pg1=0, >=150, <=600
Pg2=0, >=100, <=400
Pg3=0, >= 50, <=200
Theta2=0, >= -180, <=180
Theta3=0, >= -180, <=180
End Variables

Intermediates !parametros que vienen definidos por ecuaciones


C1=561 + 7.92*Pg1 + 0.001562*Pg1^2
C2=310 + 7.85*Pg2 + 0.001940*Pg2^2
C3= 78 + 7.97*Pg3 + 0.004820*Pg3^2
End Intermediates

Equations !Se define las ecuaciones y la funcion objectivo


minimize C1 + C2 + C3
Pg1 - ((Theta1 - Theta2)/X12) - ((Theta1 - Theta3)/X13) = 0
Pg2 + ((Theta1 - Theta2)/X12) - ((Theta2 - Theta3)/X23) = 0
Pg3 + ((Theta1 - Theta3)/X13) + ((Theta2 - Theta3)/X23) = 850

End Equations

End Model

Resolviendo el problema de DE multinodal actual mediante el método de Lagrange, las curvas de


costo son cuadráticas, se tiene que la función Lagrangiana es:

 θ − θ 2 θ1 − θ3 
L = C1 ( Pg1 ) + C2 ( Pg 2 ) + C3 ( Pg3 ) + λ1  Pd1 + 1 + − Pg1 
 x12 x13 
 θ − θ 2 θ 2 − θ3   θ − θ3 θ 2 − θ3 
+ λ2  Pd 2 − 1 + − Pg 2  + λ3  Pd3 − 1 − − Pg3 
 x12 x23   x13 x23 

Derivando la función Lagrangiana respecto a cada variable:

∂L ∂C1 ( Pg1 )
= = − λ1 0
∂Pg1 ∂Pg1
∂L ∂C2 ( Pg 2 )
= = − λ2 0
∂Pg 2 ∂Pg 2
∂L ∂C3 ( Pg3 )
= = − λ3 0
∂Pg3 ∂Pg3

∂L θ − θ 2 θ1 − θ3
=
Pg1 − 1 − =
Pd1
∂λ1 x12 x13

∂L θ − θ 2 θ 2 − θ3
=
Pg 2 + 1 − =
Pd 2
∂λ2 x12 x23

∂L θ − θ3 θ 2 − θ3
=
Pg3 + 1 + =
Pd3
∂λ3 x13 x23

Por otra parte, debido a que θ1 es fijo e igual a cero, entonces, solo se define la derivada con respecto
a θ 2 y θ3 :

∂L
=λ1 − λ2 =0
∂θ 2

∂L
=λ1 − λ2 =0
∂θ3

 2γ 1 0 0 −1 0 0 0 0 
 2γ 2 −1   Pg1   − β1 
 0 0 0 0 0 0    
 0 0 2γ 3 0 0 −1 0 0   Pg 2   − β 2 
 1 1   Pg   − β 
 1 0 0 0 0 0 x12 x13  3  3
   λ1   Pd1 
 0 1 0 0 0 0 − ( 1
x12 + 1
x23 ) 1
x23   λ  =  Pd 
  2   2
 0 0 1 0 0 0 1
x23 − ( 1
x13 + 1
x23 )   λ3   Pd3 
    
 0

0 0 1
x12 − ( 1
x12 + 1
x23 ) 1
x23 0 0   θ2   0 
  θ3   0 
 0

0 0 1
x13
1
x23 − ( 1
x13 + 1
x23 ) 0 0 

Sustituyendo valores en (2.44) y resolviendo el sistema de ecuaciones lineales, se tiene:


 Pg1   393.169 MW 
 Pg   334.603 MW 
 2  
 Pg3   122.226 MW 
   
 λ1  =  9.148 MWh 
Este resultado es el mismo obtenido por APMonitor.
 λ2   9.1482 MWh 
   
 λ3   9.1482 MWh 
θ   -0.9761 
 2   
 θ3   -18.6824 

El sistema de ecuaciones lineales del problema de DE con restricciones de red sin pérdidas, modelo
lineal de flujos de potencia, se muestra en la Tabla 2.12.

Tabla 2.12. Sistema de ecuaciones lineales del DE mediante el método de Lagrange

Matlab Clc
clear all
Beta1=7.92;
Beta2=7.85;
Beta3=7.97;
Gamma1=0.001562;
Gamma2=0.001940;
Gamma3=0.004820;
X12=0.05;
X13=0.05;
X23=0.05;
X22=(1/X12)+(1/X23);
X33=(1/X13)+(1/X23);
NGen = 3;
NSegG = 20;
PgMin=[150;100; 50];
PgMax=[600;400;200];
Beta=[Beta1;Beta2;Beta3];
Gamma=[Gamma1;Gamma2;Gamma3];

A=[2*Gamma1 0.000 0.000 -1.000 0.000 0.000 0.000 0.000


0.000 2*Gamma2 0.000 0.000 -1.000 0.000 0.000 0.000
0.000 0.000 2*Gamma3 0.000 0.000 -1.000 0.000 0.000
1.000 0.000 0.000 0.000 0.000 0.000 1/X12 1/X13
0.000 1.000 0.000 0.000 0.000 0.000 -X22 1/X23
0.000 0.000 1.000 0.000 0.000 0.000 1/X23 -X33
0.000 0.000 0.000 1/X12 -X22 1/X23 0.000 0.000
0.000 0.000 0.000 1/X13 1/X23 -X33 0.000 0.000];

b=[ -Beta1
-Beta2
-Beta3
850.0
0.0
0.0
0.0
0.0];

X=inv(A)*b
La formulación general de DE multimodal con curvas de costos lineales, sin pérdidas, y con
representación de límites de transmisión puede ser expresado matemáticamente como:

Ng
 L

Minimizar CT = ∑  α + ∑ k ∆Pg
i=1
i
l =1
ij il 

(2.36)

Sujeto a Bθ = P (2.37)
L
Pgi = ∑ ∆Pg
l =1
il ∀ i= 1, , Ng (2.38)

0 ≤ ∆Pgil ≤ ∆PgilMax = ∀ i 1, , =Ng , ∀ l 1, , L (2.39)


θ −θ
− PimMax ≤ i m ≤ PimMax ∀ i, m ∈ Nn (2.40)
xim
θiMin ≤ θi ≤ θiMax ∀ i ∈ Nn (2.41)
PgiMin ≤ Pgi ≤ PgiMax ∀ i =1, , Ng (2.42)

2.3.2 Modelo basado en los PTDF


La siguiente formulación matemática se basa en los factores de participación (Shift Factors, SF), que
representan la sensibilidad del flujo de potencia en los elementos de transmisión para un incremento
en la generación (inyección) 13.

El problema general de DE multimodal con curvas de costos cuadráticas, sin pérdidas, y con
representación de límites de transmisión mediante PTDFs puede ser expresado matemáticamente
como:

Ng
Minimizar C T = ∑ Ci ( Pgi ) (2.43)
i =1
Ng Nn
Sujeto a i
=i 1 =j 1
∑ Pg − ∑ Pd j =
0 (2.44)

− PimMax ≤ PTDF ( PG − PD ) ≤ PimMax ∀ i, m ∈ Nn (2.45)


Pg i
Min
≤ Pgi ≤ Pg i
Max
∀ i =1, , Ng (2.46)

donde PTDF es la matriz de factores de distribución de transferencia de potencia, PG es el vector de


potencias nodales inyectadas, y PD es el vector de potencias nodales extraídas.
Las variables de decisión en este problema son las Ng potencias óptimas

13
Allen J. Wood, Bruce F. Wollenberg, Gerald B. Sheblé, “Power Generation, Operation, and Control” third edition, November 2013, Editorial
Wiley.
El problema de optimización del ejemplo 2.5 basado en PTDF está dado por:

Minimizar C T = C1 ( Pg1 ) + C2 ( Pg 2 ) + C3 ( Pg3 )


Sujeto a Pg1 + Pg 2 + Pg3 − Pd1 − Pd 2 − Pd3 =
0
 P12Max  0 -0.6667 -0.3333   Pg1   Pd1    P12Max 
     
−  P13Max  ≤ 0 -0.3333 -0.6667    Pg 2  −  Pd 2   ≤  P13Max 
 P23Max  0 0.3333 -0.3333   Pg3   Pd3    P23Max 
     
150 ≤ Pg1 ≤ 600
100 ≤ Pg 2 ≤ 400
50 ≤ Pg3 ≤ 200

La formulación del problema de DE con restricciones de red sin pérdidas, basado en los PTDF , en
APMonitor se muestra en la Tabla 2.13.

Tabla 2.13. DE multimodal, con curvas de costo lineales, sin pérdidas en APMonitor

APMonitor Model

Variables !Variables de Decision


Pg1=0, >=150, <=600
Pg2=0, >=100, <=400
Pg3=0, >=50, <=200
End Variables

Intermediates !parametros que vienen definidos por ecuaciones


C1=561 + 7.92*Pg1 + 0.001562*Pg1^2
C2=310 + 7.85*Pg2 + 0.001940*Pg2^2
C3= 78 + 7.97*Pg3 + 0.004820*Pg3^2
End Intermediates

Equations !Se define las ecuaciones y la funcion objectivo


minimize C1+C2+C3
Pg1 + Pg2 + Pg3 = 850
-0.6667*Pg2 - 0.3333*Pg3 + 0.3333*850 <= 1000
-0.3333*Pg2 - 0.6667*Pg3 + 0.3333*850 <= 1000
0.3333*Pg2 - 0.3333*Pg3 + 0.3333*850 <= 1000
0.6667*Pg2 + 0.3333*Pg3 - 0.3333*850 <= 1000
0.3333*Pg2 + 0.6667*Pg3 - 0.3333*850 <= 1000
-0.3333*Pg2 + 0.3333*Pg3 - 0.3333*850 <= 1000
End Equations

End Model

La formulación general de DE multimodal con curvas de costos lineales, sin pérdidas, y con
representación de límites de transmisión puede ser expresado matemáticamente como:
Ng
 L

Minimizar CT = ∑ αi +
i=1 
∑ k ∆Pg
l =1
ij il 

(2.47)
Ng
Sujeto a Pd − ∑Pgi =
0 (2.48)
i=1
L
Pgi = ∑ ∆Pg
l =1
il ∀ i= 1, , Ng (2.49)

0 ≤ ∆Pgil ≤ ∆PgilMax =∀ i 1, , =
Ng , ∀ l 1, , L (2.50)
− PimMax ≤ PTDF ( PG − PD ) ≤ PimMax ∀ i, m ∈ Nn (2.51)
PgiMin ≤ Pgi ≤ PgiMax ∀i =1, , Ng (2.52)

El problema de DE multinodal por orden de mérito, con 3 segmentos en costos variables, sin pérdidas,
basado en los PTDF , en Matlab se muestra en la Tabla 2.14.

Tabla 2.14. DE multimodal, con curvas de costo lineales, sin pérdidas en Matlab

APMonitor F = [8.2324 8.8572 9.4820 8.1087 8.6260 9.1433 8.2913 8.9340 9.5767];

LB = [0 0 0 0 0 0 0 0 0];
UB = [200 200 200 133.333 133.333 133.333 66.6667 66.6667 66.6667];

Beq = [850]; % Demanda Total del Sistema

BineqPgs=[-150 -100 -50]; %Limites minimos en generacion


BineqRed=[1000 1000 1000]; %Limites en lineas de transmision
% Ecuacion (2.48)
Aeq=[1 1 1 1 1 1 1 1 1];
% Ecuacion (2.49)
AineqPgs=[-1 -1 -1 0 0 0 0 0 0
0 0 0 -1 -1 -1 0 0 0
0 0 0 0 0 0 -1 -1 -1];
% Matrix PTDF
AineqRed=[0 0 0 -0.6667 -0.6667 -0.6667 -0.3333 -0.3333 -0.3333
0 0 0 -0.3333 -0.3333 -0.3333 -0.6667 -0.6667 -0.6667
0 0 0 0.3333 0.3333 0.3333 -0.3333 -0.3333 -0.3333];

Aineq=[ AineqPgs % Ecuacion (2.52)


AineqRed % Ecuacion (2.51) lado derecho
-AineqRed]; % Ecuacion (2.51) lado izquierdo

Bineq = [BineqPgs'
BineqRed'
BineqRed'];

Bineq(6)=Bineq(6)-(0.3333*850);
Bineq(9)=Bineq(9)+(0.3333*850);

%[Results,fval,exitflag,Output,lambda] = cplexlp (F,Aineq,Bineq,Aeq,Beq,LB,UB)


[Results,fval,exitflag,Output,lambda] = linprog (F,Aineq,Bineq,Aeq,Beq,LB,UB)
El problema de DE con restricciones de red sin pérdidas, basado en los PTDF , en APMonitor se
muestra en la Tabla 2.15.

Tabla 2.15. DE multimodal, con curvas de costo lineales, sin pérdidas en APMonitor

APMonitor Model

Constants
Pg1Max=600
Pg2Max=400
Pg3Max=200
End Constants

Variables !Variables de Decision


DPg11=0, >=0, <=Pg1Max/3
DPg12=0, >=0, <=Pg1Max/3
DPg13=0, >=0, <=Pg1Max/3
DPg21=0, >=0, <=Pg2Max/3
DPg22=0, >=0, <=Pg2Max/3
DPg23=0, >=0, <=Pg2Max/3
DPg31=0, >=0, <=Pg3Max/3
DPg32=0, >=0, <=Pg3Max/3
DPg33=0, >=0, <=Pg3Max/3
End Variables

Intermediates !parametros que vienen definidos por ecuaciones


C1=561 + 8.2324*DPg11 + 8.8572*DPg12 + 9.4820*DPg13
C2=310 + 8.1087*DPg21 + 8.6260*DPg22 + 9.1433*DPg23
C3= 78 + 8.2913*DPg31 + 8.9340*DPg32 + 9.5767*DPg33
Pg1=DPg11+DPg12+DPg13
Pg2=DPg21+DPg22+DPg23
Pg3=DPg31+DPg32+DPg33
End Intermediates

Equations !Se define las ecuaciones y la funcion objectivo


minimize C1+C2+C3
Pg1 + Pg2 + Pg3 = 850
-0.6667*Pg2 - 0.3333*Pg3 + 0.3333*850 <= 1000
-0.3333*Pg2 - 0.6667*Pg3 + 0.3333*850 <= 1000
0.3333*Pg2 - 0.3333*Pg3 + 0.3333*850 <= 1000
0.6667*Pg2 + 0.3333*Pg3 - 0.3333*850 <= 1000
0.3333*Pg2 + 0.6667*Pg3 - 0.3333*850 <= 1000
-0.3333*Pg2 + 0.3333*Pg3 - 0.3333*850 <= 1000
Pg1 >= 150
Pg2 >= 100
Pg3 >= 50
End Equations

End Model