Curso de Operacion PDF

TABLE OF CONTENTS
LISTA DE FIGURAS
LISTA DE TABLAS
CHAPTER 1 DESPACHO ECONÓMICO DE POTENCIA ACTIVA DE UNIDADES TÉRMICAS 6
1.1 Introducción ............................................................................................................................................. 6
1.2 Unidades Generadoras............................................................................................................................. 6
1.2.1. Generadores Térmicos ...................................................................................................................... 7
1.2.2. Plantas de Energía Nuclear............................................................................................................. 11
1.3. Despacho Económico ............................................................................................................................ 11
1.3.1. Despacho Económico sin Pérdidas [2,3]. ....................................................................................... 11
1.3.2. Despacho Económico Considerando Pérdidas por Transmisión ....................................................... 19
CHAPTER 2 COORDINACION HIDROTERMICA ............................................................................ 31
2.1 Introducción ........................................................................................................................................... 31
2.2 Plantas Hidroeléctricas .......................................................................................................................... 32
2.3 Modelado de Plantas Hidroeléctricas .................................................................................................... 33
2.4 Red Hidráulica ....................................................................................................................................... 34
CHAPTER 3 ASIGNACIÓN DE UNIDADES ........................................................................................ 39
3.1 Introducción ........................................................................................................................................... 39
3.2 Asignación de Unidades mediante Programación Dinámica................................................................. 42
CHAPTER 4 FLUJOS ÓPTIMOS............................................................................................................ 46
4.1 Introducción ........................................................................................................................................... 46
4.2Metodo de Newton ................................................................................................................................... 46
4.3 Solución de Flujos Optimos por el Método de Newton ......................................................................... 49
4.3.1Formulacion del problema de Despacho Economico ....................................................................... 49
4.3.2 Componentes del Sistema de Ecuaciones. ......................................................................................... 53
4.3.2.1 Vector Gradiente ........................................................................................................................... 53
4.3.2.2 Matriz Jacobiana............................................................................................................................ 54
4.3.3 Verificación del optimo.................................................................................................................... 56
4.3.4 Funciones de Penalizacion ............................................................................................................... 57
4.3.5 Otras Restricciones Funcionales de Desigualdad............................................................................... 59
4.3.6 Condiciones Iniciales ....................................................................................................................... 60
4.4 Formulación del Problema de Despacho de Potencia Reactiva ............................................................... 60
CHAPTER 5 ANÁLISIS DE SEGURIDAD EN SEPS ........................................................................... 63
5.1 Introducción ........................................................................................................................................... 63
5.1.1 Supervisión del Sistema................................................................................................................... 64
5.1.2 Análisis de Contingencias................................................................................................................ 64
5.1.3 Análisis de Acciones Correctivas .................................................................................................... 65
5.2 Análisis de Seguridad en Estado Estacionario....................................................................................... 65
5.2.1 Estados Operativos de Sistema Eléctrico......................................................................................... 66
5.2.2 Algoritmo de Analisis de Contingencias ......................................................................................... 68
5.2.3 Selección de Contingencias ............................................................................................................. 70
5.2.4 Síntesis de Información Generada en el Análisis de Contingencias................................................ 70
CHAPTER 6 MARKET ORGANIZATION............................................................................................ 73
©2004 Guillermo Gutierrez, All Right Reserved

6.1 Introducción ........................................................................................................................................... 73
6.2 Type of Markets ...................................................................................................................................... 73
6.2.1 Commodity Markets ........................................................................................................................ 74
6.2.2 Physical and Financial Markets ...................................................................................................... 74
6.2.3 Physical and Financial Market for Electricity ................................................................................. 75
6.3 Markets and Risk .................................................................................................................................... 75
CHAPTER 7 ENERGY MARKETS ........................................................................................................ 78
7.1 Introducción ........................................................................................................................................... 78
7.2 The Supply Chain Model ........................................................................................................................ 78
7.3 Leontief Model........................................................................................................................................ 79
CHAPTER 8 AUCTIONS.......................................................................................................................... 82
8.1 Introducción ........................................................................................................................................... 82
8.2 Types of Auctions.................................................................................................................................... 82
8.3 Bidding Strategies in Electricity Markets............................................................................................... 84
8.3.1. Auction Desing ............................................................................................................................... 84
8.3.2. Bidding Protocol............................................................................................................................. 84
8.3.3.Single or Multiple Markets.............................................................................................................. 85
8.3.4.Technical Limitations ...................................................................................................................... 85
8.3.5.Behavior of Competitors.................................................................................................................. 85
8.3.6. Market Demand .............................................................................................................................. 85
8.3.7. Available Financial Tools............................................................................................................... 85
8.4 Auction Formulation as Linear Programming ....................................................................................... 86
8.4.1.Basic Discrete Auction .................................................................................................................... 86
CHAPTER 9 APPENDIX LINEAR PROGRAMMING: SIMPLEX METHOD................................. 91
REFERENCIAS.......................................................................................................................................... 93

LISTA DE FIGURAS
Figura 1.1 Curva de demanda horaria................................................................................................................... 7

Figura 1.21.1 Conjunto Caldera-turbina-generador de una unidad térmica.......................................................... 7
Figura 1.3. Curva de entrada-salida de una unidad térmica ideal ......................................................................... 8
Figura 1.4 Curva de relación de calor o costo incremental de una unidad térmica ideal ....................................... 8
Figura 1.5 Características de un generador de vapor con 4 válvulas..................................................................... 9
Figura 1.6 Planta térmica de alimentador común ................................................................................................ 10
Figura 1.7 Planta de ciclo combinado con cinco generadores ............................................................................. 10
Figura 1.8 Característica de relación de calor neto de una planta de ciclo combinado ....................................... 11
Figura 1.9 Sistema equivalente para la formulación del problema de despacho económico sin pérdidas............. 11
Figura 1.10 Sistema eléctrico de potencia .......................................................................................................... 19
Figura 1.11 Sistema eléctrico de potencia de seis nodos. ................................................................................... 26
Figura 2.1 Nodo de la red hidraulica.................................................................................................................. 34
Figura 2.2 Plantas hidroeléctricas en cascada ................................................................................................... 35
Figura 2.3 Representación gráfica...................................................................................................................... 36
Figura 3.1 Patrón de demanda pico-valle............................................................................................................. 40
Figura 3.2 Asignación de unidades empleando la regla de encendido apagado. ................................................... 41
Figura 3.3 Asignación para las primeras dos horas.............................................................................................. 45
Figura 4.1 Sistema de prueba de 4 nodos. ............................................................................................................ 51
Figura 4.2 Estructura del sistema de ecuaciones.................................................................................................. 52
Figura 4.3 (a) Bloque (2,2) y (b) bloque (2,4) de W.............................................................................................. 52
Figura 5.1 Estados operativos de un sistema eléctrico de potencia........................................................................ 66
Figura 7.1. Electricity Supply Chain ................................................................................................................... 79
Figura 7.2 General Physical Energy Market Structure ....................................................................................... 80
Figura 7.3 Fuel and Electricity Market Matrix Representation........................................................................... 81
Figura 8.1 (a) One-sided Discrete Auction with supplier’s offer curve (b) Two-sided Discrete Auction with both
supplier’s offer and buyer’s bid curves ....................................................................................................... 82

LISTA DE TABLAS
Tabla 1.1 Resultados finales del ejemplo 1.1. ....................................................................................................... 16

Tabla 1.2 Datos de elementos de transmisión (pu). .............................................................................................. 26
Tabla 1.3 Datos de potencias y voltajes nodales en nodos de generación.......................................................... 26
Tabla 1.4 Datos de carga nodal. ......................................................................................................................... 26
Tabla 1.5 Resultados de despacho económico sin considerar pérdidas. ............................................................ 27
Tabla 1.6 Voltajes nodales y pérdidas del sistema obtenidos del estudio de flujos............................................. 27
Tabla 1.7 Potencias óptimas de despacho económico considerando pérdidas por transmisión. ........................... 29
Tabla 1.8 Proceso de solución del ejemplo 1.3..................................................................................................... 30
Tabla 3.1 Combinación de unidades y despacho para suministrar la demanda de 550 MW ............................. 40
Tabla 3.2 Combinación óptima de unidades. ...................................................................................................... 41
Tabla 3.3 Características de las unidades............................................................................................................. 42
Tabla 3.4 Condiciones iniciales. ........................................................................................................................... 42
Tabla 3.5 Patrón de demanda............................................................................................................................... 43
Tabla 3.6 Combinación óptima de unidades. ...................................................................................................... 43
Tabla 3.7 Asignación óptima final de unidades. ................................................................................................. 45
Tabla 8.1 Comparison of Auction Methodologies. .............................................................................................. 83

PART I

Chapter 1 Despacho Económico de Potencia Activa de
Unidades Térmicas
1.1 Introducción
En esta capitulo se presenta algunas características de unidades térmicas desde un punto de vista de
costo de producción y funcionamiento. Adicionalmente, se presenta la formulación del problema de
despacho económico de potencia activa de unidades térmicas, primeramente sin considerar pérdidas
por transmisión para posteriormente incluirlas.
1.2 Unidades Generadoras
Fundamental al problema de despacho económico, es el conocimiento de las características de

cada planta generadora de energía eléctrica. Debido a la gran variedad existente, y desde un punto de
vista para satisfacer las distintas cantidades de demanda diaria, puede observarse cuatro tipos de
generación [1]:
• Unidades de carga base. Estas normalmente son nucleares y/o termoeléctricas grandes, cuya
generación permanece invariante.
• Unidades intermedias. Hidroeléctricas y/o termoeléctricas con capacidad de regular
fluctuaciones lentas de demanda.
• Unidades pico. Hidroeléctricas pequeñas y/o térmicas con turbinas de gas, con la suficiente
rapidez para absorber las fluctuaciones de carga más rápidas de la demanda pico.
• Unidades de reserva. Generadores que no aportan cantidades considerables de potencia, pero
que en un momento dado son capaces de absorber desbalances de carga-generación.
La Figura 1.1 muestra una gráfica que relaciona esta clasificación de unidades y la forma en que la
demanda varía diariamente y debe ser satisfecha.

Figura 1.1 Curva de demanda horaria
A continuación, se describe las características de cada tipo de planta, desde un punto de vista de
funcionamiento.
1.2.1. Generadores Térmicos
En la Figura 1.2 se muestra un conjunto típico caldera-turbina-generador para una máquina

térmica. La única caldera genera vapor para mover al subconjunto turbina-generador.
Figura 1.21.1 Conjunto Caldera-turbina-generador de una unidad térmica
Para determinar la característica de la turbina de vapor, los siguientes términos son definidos:
H = energía calorífica de entrada a la unidad (MBtu/h)

F = costo de combustible de entrada a la unidad ($/h)
Ocasionalmente, F incluye los costos de depreciación y el costo de operación de la planta. La

salida del generador estará definida por PG y expresada en MW. La Figura 1.3 muestra la característica
entrada-salida de la unidad térmica idealizada de la Figura 1.2, donde la entrada puede expresarse

como energía calorífica o costo de combustible, mientras que la salida es normalmente la potencia
eléctrica neta que se entrega al sistema eléctrico de potencia. La curva es ideal, siendo continua y
convexa.
Figura 1.3. Curva de entrada-salida de una unidad térmica ideal
La curva de calor o costo incremental se obtiene de la derivada de la curva entrada-salida, y se

muestra en la Figura 2.4.
Figura 1.4 Curva de relación de calor o costo incremental de una unidad térmica ideal
Esta característica es muy utilizada en el despacho económico de la unidad. La curva de relación

de calor incremental se convierte en la relación de costo de combustible incremental, multiplicándola
por el costo de combustible.

Como se mencionó anteriormente, las curvas mostradas son ideales. En la realidad existe una
variedad de plantas térmicas, las cuales, en general, no presentan tales características. Por ejemplo, los
grandes generadores de turbina de vapor tendrán varias válvulas de admisión de calor que son abiertas
en forma secuencial para obtener salidas de potencia eléctrica cada vez mayores.
La Figura 1.5 muestra tanto la característica de entrada-salida como la de calor incremental para
una unidad de este tipo.
Figura 1.5 Características de un generador de vapor con 4 válvulas
Otro tipo es la llamada planta de alimentador común, la cual tendrá varias características de
entrada-salida como resultado de las distintas combinaciones de calderas y turbinas conectadas al
alimentador común. Estas plantas fueron construidas no solamente para proporcionar una gran
potencia eléctrica de salida, sino para aprovechar además la salida de vapor aplicándola en el
acondicionamiento del aire de grandes áreas urbanas.
Después de la Segunda Guerra Mundial, algunas de estas plantas fueron modificadas
adicionándole una turbina tope y un generador más para aprovechar el vapor de salida de las otras
unidades. Este modelo de planta se muestra en la Figura 1.6.

Figura 1.6 Planta térmica de alimentador común
Una planta que consiste de una turbina tiene una eficiencia del 25 al 30 %, aproximadamente.
Ante ésto, se ha intentado buscar una mayor eficiencia con nuevos diseños. Uno de éstos es la planta
de ciclo combinado, donde se utiliza el vapor de salida de una unidad, pasando por un proceso de
recalentamiento, para alimentar la turbina de otra unidad, étc. Un esquema de cinco unidades
conformando una planta de este tipo se muestra en la Figura 1.7.
Figura 1.7 Planta de ciclo combinado con cinco generadores
Otra curva de interés, para medir la eficiencia de las plantas térmicas, se introduce aquí, y es
conocida como relación de calor neto de una planta, la cual se obtiene dividiendo la energía calorifíca
de entrada entre la potencia de salida. La Figura 1.8 muestra tal característica para la planta de ciclo
combinado de la Figura 1.7.

Figura 1.8 Característica de relación de calor neto de una planta de ciclo combinado
1.2.2. Plantas de Energía Nuclear
Este tipo de plantas podrá considerarse como plantas termoeléctricas comunes para el problema de
despacho, aún cuando existen muchas diferencias en su funcionamiento.
Debe hacerse notar que el costo de generación de una planta nuclear es diferente y además
complejo debido al tratamiento y manejo del combustible.
1.3. Despacho Económico
1.3.1. Despacho Económico sin Pérdidas [2,3].
Esta es la formulación más simple de despacho económico. Al no incluir el efecto de las pérdidas
por transmisión, puede considerarse que tanto la carga como el conjunto de generadores despachables
están conectados a un mismo nodo, tal como se muestra en la Figura 1.9.
Figura 1.9 Sistema equivalente para la formulación del problema de despacho económico sin pérdidas

El problema se formula como sigue:
Sea CT una función objetivo, la cual es igual al costo total de generación de N plantas
despachables para satisfacer la demanda PD, donde:
P D = P DTOTAL - P D BASE (1.1)
y P DBASE se satisface con n-N generadores, siendo n el total de unidades de generación del sistema
eléctrico de potencia. Resulta obvio que n > N. Si CT es el costo total de generación, entonces,
N
CT = ∑ C i (1.2)
i=1
donde C1 será función de PG1, C2 de PG2, etc. Por tanto, la ecuación (1.2) puede escribirse en la forma:
( )
N
CT = ∑ Ci PGi (1.3)
i=1
siendo CT la función objetivo a minimizar en este caso. Además, debe existir el balance generación-
carga, esto es,
( )
N
P D − ∑ PGi = 0 (1.4)
i=1
Más formalmente:
( )
N
Minimizar C T = ∑ C i PGi
i=1
N
(1.5)
Sujeto a P D − ∑ PGi = 0
i=1
Podrá notarse que este es un problema de optimización con restricciones, por el momento sólo una
de igualdad, el cual puede abordarse mediante cálculo avanzado involucrando la función de Lagrange.

El procedimiento consiste en lo siguiente [1][2]: Para establecer las condiciones necesarias para un
valor extremo de la función objetivo, agregar la función de restricciones a la objetivo, después de
multiplicar la primera por una constante no conocida, es decir,
⎡ N
⎤
C T + ⎢ PD − ∑ PGi ⎥ λ = L (1.6)
⎣ i=1 ⎦
donde L es la función de Lagrange o Lagrangiano y λ es la constante no conocida, llamada

multiplicador de Lagrange.
En particular para este problema, las condiciones necesarias para encontrar un valor mínimo de la
función objetivo resultan cuando se obtiene la derivada de L con respecto a cada una de las variables
independientes e igualar cada derivada a cero. Entonces, existirán N+1 variables independientes, N
potencias de generación y λ. Esto es,
∂L ∂ C i ( PG i )
= - λ=0
∂ PG i ∂ PG i
Considerando implícito el hecho de que Ci sea función únicamente de PGi, la expresión anterior se
convierte a:
d Ci
- λ=0
d PG i
y, finalmente,
d Ci
=λ (1.7)
d PG i
donde estas derivadas de costo con respecto a la potencia de generación, se le conoce como costo
incremental.
Entonces, la condición necesaria para la existencia de una operación de mínimo costo es que los
costos incrementales de las N unidades generadoras despachables sean iguales, en este caso a λ.
Nótese que el problema de optimización con restricciones se ha transformado a uno de optimización

sin restricciones. Además que el total de generación debe ser igual a PD, cada unidad por separado
debe satisfacer la restricción de desigualdad:
P Gmin i ≤ P G i ≤ P Gmax i (1.8)
donde (1.8) representa un conjunto de 2N desigualdades. Ahora, el problema se transforma a:
d Ci
=λ N ecuaciones (1.9a)
d P Gi
N
PD − ∑ PG i = 0 1 restricción (1.9b)
i =1
PGmini ≤ PGi ≤ PGmaxi 2N desigualdades (1.9c)
Considerando las desigualdades, las condiciones para el óptimo de CT varían ligeramente a:
d Ci
=λ para PGmini ≤ PGi ≤ PGmaxi (1.10a)
d P Gi
d Ci
≤λ para PGi = PGmaxi (1.10b)
d P Gi
d Ci
≥λ para PGi = PGmini (1.10c)
d P Gi
donde (1.10a)-(1.10c) son conocidas como condiciones de Kuhn-Tucker [1][2].
Ejemplo 1.1. Sea el conjunto de tres unidades siguientes [1][4][5]:
U-1: de vapor a base de carbón.
PGmax = 600 MW, PGmín = 150 MW.
2 ⎛ Mbtu ⎞
H 1 = 510.0 + 7.2 PG1 + 0.00142 PG1 ⎜ ⎟
⎝ h ⎠

U-2: de vapor a base de combustóleo.
PGmáx = 400 MW, PGmín = 100 MW.
2 ⎛ Mbtu ⎞
H 2 = 310.0 + 7.85 PG2 + 0.00194 PG2 ⎜ ⎟
⎝ h ⎠
U-3: de vapor a base de combustóleo.
PGmáx = 200 MW, PGmín = 50 MW.
2 ⎛ Mbtu ⎞
H 3 = 78.0 + 7.97 PG3 + 0.00482 PG3 ⎜ ⎟
⎝ h ⎠
Supóngase que se desea determinar el punto de operación económico de estas tres unidades para
una demanda PD = 850 MW. El costo de combustible para cada unidad son los siguientes:
U-1: C1' = 1.1 $/Mbtu

U-2: C2' = 1.0 $/Mbtu
U-3: C3' = 1.0 $/Mbtu
Entonces,
C 1 ( P G 1 ) = H 1C 1′ = (H 1) (1.1) = 561 + 7.92 P G 1 + 0.001562 P G 1 $/h

2
C 2 ( P G 2 ) = H 2C 2′ = (H 2 ) (1) = 310 + 7.85 P G 2 + 0.00194 P G 2 $/h

2
C 3 ( P G 3 ) = H 3C 3′ = (H 3 ) (1) = 78 + 7.97 P G 3 + 0.00482 P G 3 $/h

2
Los costos incrementales serán las derivadas de las expresiones anteriores:
d C1
= 7.92 + 0.003124 PG1 = λ (a)
d P G1
d C2
= 7.85 + 0.003880 PG2 = λ (b)
d PG 2
d C3
= 7.97 + 0.009640 PG3 = λ (c)
d PG3

Además,
PG1 + PG2 + PG3 = 850 MW (d)
De las ecuaciones (a), (b) y (c) se obtiene:
λ - 7.92 λ - 7.85 λ - 7.97

PG1 = ; PG2 = ; P G3 =
0.003124 0.003880 0.009640
Sustituyendo estas expresiones en (d):
λ - 7.92 λ - 7.85 λ - 7.97

+ + = 850
0.003124 0.003880 0.009640
Resolviendo para λ:
λ = 9.1482626 $/MWh.
Una vez conocido λ, es posible obtener las potencias generadas por cada unidad:
9.1482626 - 7.92 9.1482626 - 7.85

PG 1 = = 393.17 MW ; PG 2 = = 334.60 MW
0.003124 0.003880
9.1482626 - 7.97
PG 3 = = 122.23 MW
0.009640
En la tabla 1.1 se podrá notar que tales potencias generadas están dentro de sus límites:
Tabla 1.1 Resultados finales del ejemplo 1.1.
GENERADOR PGMÍN PGMÁX PGACTUAL

1 150.00 600.00 393.17
2 100.00 400.00 334.60
3 50.00 200.00 122.23

Ejemplo 1.2. Supóngase que ahora el costo del carbón es de 0.9 $/Mbtu [4][5]. Entonces,
C 1 ( PG1 ) = H 1C 1′ = (H 1) (0.9) = 459 + 6.48 PG1 + 0.001280 PG1 $/h

2
En este caso, el costo incremental para las tres unidades resulta con el valor:
λ = 8.285 $/MWh.
Las nuevas potencias de generación son:
8.2852 - 6.48 8.2852 - 7.85

P G1 = = 705.16 MW ; PG2 = = 112.16 MW
0.002560 0.003880
8.2852 - 7.97
P G3 = = 32.68 MW
0.009640
Sin embargo, tanto PG1 como PG3 están fuera de sus límites. Para resolver esta situación, se efectúa
el siguiente procedimiento:
1. Se igualan las generaciones al límite violado. Entonces,
PG1 = 600 MW, PG3 = 50 MW.
2. Se calcula la nueva potencia demandada, restándole la generación especificada en 1.
PD' = 850 - 600 - 50 = 200 MW
3. Intentar satisfacer PD' con los generadores que están dentro de límites. En este caso, U-2 es el
único, por lo que
PG2 = PD' = 200 MW.
4. Bajo las actuales condiciones, se calcula el nuevo valor de λ:
λ = 7.85 + 0.003880 (200) = 8.626 $/MWh.

5. Se calcula λ para los generadores con límites violados:
λ1 = 6.48 + 0.002560 (600) = 8.016 $/MWh.

λ3 = 7.97 + 0.009640 (50) = 8.452 $/MWh.
6. Comparar el valor de λ del paso 4, con los obtenidos en el paso 5:
λ1 < λ
λ3 < λ
De acuerdo a lo establecido en (1.10), puede concluirse que llevar PG1 a su límite máximo es
correcto, mientras que igualar PG3 a su límite mínimo es incorrecto.
7. Para cada generador con límite violado y que concuerde su valor de λ con lo establecido en (2.10),
fijar su generación en tal límite. Si algún generador no cumple con tales condiciones, adicionarlo
al conjunto de unidades despachables y regresar al paso 2.
Para este ejemplo, el generador U-3 se adiciona al conjunto de unidades despachables, mientras
que el generador U-1 se fija en el límite violado. Al regresar al paso 3, ahora se tiene:
PD' = 850 - 600 = 250 MW

PG1 = 600 MW
Resolviendo nuevamente para λ: λ = 8.576065 $/MWh y las nuevas potencias de las unidades
generadoras U-2 y U-3 son:
8.576065 - 7.85 8.576065 - 7.97

PG 2 = = 187.13 MW ; PG3 = = 62.87 MW
0.003880 0.009640
cuyos valores se encuentran dentro de límites, por lo cual la solución del problema será asignando
tales valores de generación:
PG1 = 600 MW ; PG2 = 187.13 MW ; PG3 = 62.87 MW

Nótese que el último valor de λ es mayor que el calculado en un principio. Esto se debe a que en
el caso inicial la unidad U-1, siendo más barata, genera más que lo permitido por su límite máximo
(705.16 y 600 MW, respectivamente), y que la diferencia (105.16 MW) se tiene que generar con las
unidades relativamente más caras (U-2 y U-3).
1.3.2. Despacho Económico Considerando Pérdidas por Transmisión
El efecto que tienen las pérdidas por transmisión influye de manera determinante en el despacho
económico. Una representación del sistema eléctrico de potencia para este caso, se muestra en la
Figura 1.10.
Figura 1.10 Sistema eléctrico de potencia
Cuando es necesario transmitir energía a grandes distancias, las pérdidas por transmisión en casos
extremos se aproximan de 15 a 20% del total de la carga [1][2].
La presencia de las pérdidas en la formulación del problema significa que no puede hacerse uso de
las expresiones (1.10a)-(1.10c), esto es, despachar todas las unidades generadoras a un mismo costo
incremental [2].
Ahora, el balance de potencia en el sistema eléctrico estará representado por:
ng n
∑ PGi − ∑ PDi − PL = 0
i =1
(1.11)
i=1
donde ng es el total de generadores del sistema, n es el total de nodos del sistema y PL son las
pérdidas totales del sistema.

Por lo tanto, ahora PD será la carga total del sistema, considerándose tanto generadores
despachables como no despachables para satisfacerla. Aplicando la definición de multiplicadores de
Lagrange a (1.11):
⎛ n ⎞
C = ∑ C i (PG i ) - λ ⎜⎜ ∑ PG i - ∑ P D i - P L ⎟⎟
N n
*
(1.12)
i=1 ⎝ i=1 i=1 ⎠
y como PL es función de las PGi, entonces el óptimo es
∂ C* ∂ C i ∂
= - λ + λ PL = 0 i=1, 2, . . . , N (1.13)
∂ P G i ∂ P Gi ∂ P Gi
donde N es el número de generadores despachables. Definiendo
∂ PL ∂ Ci
= ITLi ; = CI i
∂ PGi ∂ P Gi
donde ITLi se conoce como pérdidas por transmisión incrementales, debidas a un cambio en la
potencia del i-ésimo generador, y CIi es la curva de costo incremental del mismo. La ecuación (1.13)
puede escribirse como:
CI i + λ ( ITLi - 1) = 0 (1.14)
y despejando λ de (1.14),
λ = CI i (1.15)
1 - ITLi
Es decir, ahora el óptimo del despacho económico estará dado por la condición
λ = CI 1 =
CI 2
=
CI 3
=L=
CI N
(1.16)
1 - ITL1 1 - ITL2 1 - ITL3 1 - ITL N

Por otro lado se tiene la relación
n n
P L = ∑ ( P G i - P Di ) = ∑ P i (1.17)
i=1 i=1
siendo Pi la potencia neta inyectada en el nodo i, la cual, en términos de voltajes complejos

nodales y la matriz de admitancias nodal, se expresa, en coordenadas polares, en la siguiente forma:
Pi = V i ∑ V m Y im Cos( θ i -θ -γ )
m im
m∈i
donde: Vi = Magnitud del voltaje complejo en el nodo i.

Vm = Magnitud del voltaje complejo en el nodo m.
θi = Angulo de fase del voltaje complejo en el nodo i.
θm = Angulo de fase del voltaje complejo en el nodo m.
Yim = Magnitud del elemento de la fila i y columna m de la matriz de admitancias nodal.
γim = Angulo del elemento de la fila i y columna m de la matriz de admitancias nodal.
Si se supone que Pi es función únicamente de los ángulos de fase, y definiendo
⎡θ 2 ⎤
⎢ ⎥
⎢θ 3 ⎥
⎢.⎥
⎢ ⎥
θ =⎢ . ⎥ (1.18)
⎢.⎥
⎢ ⎥
⎢ ⎥
⎢θ n ⎥
⎣ ⎦
Bajo la suposición de que el nodo 1 es el compensador del sistema, entonces, la potencia neta
inyectada en el nodo i puede escribirse como:
Pi = Pi (θ) i = 2, 3, . . . , n (1.19)
y por lo tanto,

PL = PL (θ) (1.20)
Diferenciando (1.17)
n n
dP L = ∑ dPi = dP1 + ∑ dPi (1.21)
i=1 i= 2
donde:
∂ P1 ∂ P1
dP1 = d θ 2 + . . .+ dθ n
∂θ 2 ∂θn
∂ P2 ∂ P2
dP 2 = d θ 2 + . . .+ dθ n (1.22)
∂θ 2 ∂θn
M M
∂ Pn ∂ Pn
dP n = d θ 2 + . . .+ dθ n
∂θ 2 ∂θ n
Introduciendo los siguientes vectores de dimensión (n-1)
⎡ ∂ P1 ⎤
⎡dP 2 ⎤ ⎢∂ ⎥
⎢ . ⎥ ⎢ θ 2⎥
⎢ ⎥ ⎢ . ⎥
⎢ . ⎥ ⎢ ⎥
∂ P1 ⎢ . ⎥
dP = ⎢ ⎥ (1.23); = (1.24)
⎢ . ⎥ ∂θ ⎢ . ⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣dP n ⎥⎦ ⎢ ∂ P1 ⎥
⎢ ⎥
⎣∂θ n ⎦
⎡d θ 2 ⎤
⎢ . ⎥
⎢ ⎥
⎢ . ⎥
dθ = ⎢ ⎥ (1.25)
⎢ . ⎥
⎢ ⎥
⎢ ⎥
⎢⎣d θ n ⎥⎦

y el Jacobiano del mismo orden:
⎡ ∂ P2 . . . ∂ P2 ⎤
⎢∂ ∂θ n ⎥
⎢ θ2 ⎥
⎢ . .⎥
⎢ ⎥
⎡ ∂P ⎤ ⎢ ⎥
⎢ ∂θ ⎥ = . . (1.26)
⎣ ⎦ ⎢ ⎥
⎢ . .⎥
⎢ ⎥
⎢∂ . . . ∂ Pn ⎥
⎢ Pn ⎥
⎣⎢ ∂ θ 2 ∂ θ n ⎦⎥
siendo (1.26) la submatriz del Jacobiano del método de Newton polar aplicado a estudios de flujos
convencionales [2][4][5]. En términos de (1.23) - (1.26), la ecuación (1.22) puede reescribirse en
forma compacta como:
T
⎛ ∂ P1 ⎞
dP1 = ⎜ ⎟ dθ (1.27)
⎝ ∂θ ⎠
y de aquí,
⎡ ∂P ⎤
dP = ⎢
⎣ ∂θ ⎥⎦ dθ (1.28)
premultiplicando esta última ecuación por
⎡ ∂P ⎤
-1
⎢⎣ ∂θ ⎥⎦ (1.29)
se obtiene
-1
⎡ dP ⎤
⎢⎣ dθ ⎥⎦ dP = dθ (1.30)

Sustituyendo (1.30) en (1.27)
t -1
⎛ ∂ ⎞ ⎡ ∂P ⎤
d P1 = ⎜ P1 ⎟ ⎢ ⎥ dP
⎝ ∂θ ⎠ ⎣ ∂θ ⎦
Sea el vector renglón α = [α 2 , α 3 , . . . , α n ] definido en la forma
t -1
⎛ ∂ ⎞ ⎡ ∂P ⎤
α = ⎜ P1 ⎟ ⎢ ⎥ (1.31)
⎝ ∂θ ⎠ ⎣ ∂θ ⎦
entonces
dP1 = αdP (1.32)
donde la inversa del Jacobiano es generalmente una matriz llena de orden (n-1). Para evitar calcular
esta matriz inversa, se hace el siguiente procedimiento:
⎡ ∂P ⎤
Postmultiplicando (1.31) por ⎢ ⎥ se obtiene
⎣ ∂θ ⎦
t
⎛ ∂P ⎞ ⎛ ∂ P1 ⎞
α⎜ ⎟=⎜ ⎟ (1.33)
⎝ ∂θ ⎠ ⎝ ∂θ ⎠
tomando la transpuesta de (1.33)
⎡ ∂P ⎤ t ⎛ ∂ P1 ⎞
t
⎢⎣ ∂θ ⎥⎦ α = ⎜⎝ ∂θ ⎟⎠ (1.34)
donde (1.34) es de orden (n-1) y para calcular αt, se podrá utilizar alguna metodología de
resolución de sistemas de ecuaciones lineales algebraicas dispersos.
Nótese que esta submatriz del Jacobiano puede obtenerse de la última iteración del estudio de
flujos y que únicamente se requiere calcular su transpuesta. En caso de utilizar el método desacoplado

rápido para el estudio de flujos, esta matriz será el modelo de potencia activa, cuya matriz se conoce
como B´, la cual es simétrica, evitando este cálculo adicional [6].
Una vez conocido α, se evalúan las pérdidas incrementales sustituyendo (1.33) en (1.21)
n
d P L = αdP + ∑ d Pi (1.35)
i= 2
dP L = (1 + α 2 ) dP 2 + . . .+ (1 + α n ) dP n (1.36)
Específicamente, si todas las potencias generadas, excepto PGi, son constantes, la derivada de
(1.36) está dada como:
∂ PL
_ ITLi = 1 + α i i=2,3,...,N (1.37)
∂ P Gi
Sustituyendo (1.37) en (1.15) se obtiene
λ= CI i = CI i
1 - 1 - α i -α i
Nótese que en esta ecuación, sólo se incluyen los N nodos que contienen generadores
despachables. Como dPL es independiente de dPG1,
ITL1 = 0 (1.39)
A continuación, se presenta un ejemplo donde se ilustra esta metodología para determinar el

despacho económico con pérdidas.
Ejemplo 1.3. Supóngase que se desea efectuar el despacho económico del sistema de seis nodos
mostrado en la Figura 1.11 y cuya información se presenta en las tablas 1.2-1.4 [5].

Figura 1.11 Sistema eléctrico de potencia de seis nodos.
Tabla 1.2 Datos de elementos de transmisión (pu).
NODO DE ENVIO NODO DE RECEPCION R X Y/2

1 2 0.01938 0.0192 0.0264
1 3 0.01403 0.0123 0.0246
2 4 0.01811 0.0176 0.0187
3 5 0.01701 0.0171 0.0173
4 6 0.01335 0.0121 0.0640
5 6 0.01498 0.0198 0.0500
Tabla 1.3 Datos de potencias y voltajes nodales en nodos de generación.
GENERADOR Pinicial(MW) VG (P.U) QMAX.(MW) QMIN.(MW)

1 600.00 1.0 600.00 -99.00
2 400.00 1.0 400.00 -40.00
4 300.00 1.0 300.00 0.00
Tabla 1.4 Datos de carga nodal.
NODO CARGA(MW)
3 111.0
5 111.0
6 92.5
Carga total = 314.5 MW

Además considérese que los generadores tienen las curvas de costo manejadas para el ejemplo 1.1.
Para obtener el despacho, se efectúa el siguiente procedimiento:
1. Se obtiene una solución de despacho sin considerar pérdidas por transmisión, con lo cual, de
acuerdo al ejemplo 1 el resultado es mostrado en la Tabla 1.5.
Tabla 1.5 Resultados de despacho económico sin considerar pérdidas.
GENERADOR PGMín. PGMáx. PGActual

1 150.00 600.00 150.00
2 100.00 400.00 114.50
4 50.00 200.00 50.00
λ = 8.29426 $/MWh.
2. Se realiza un estudio de flujos y se obtienen voltajes nodales del sistema, mostrados en la Tabla
1.6.
Tabla 1.6 Voltajes nodales y pérdidas del sistema obtenidos del estudio de flujos.
VOLTAJE ANGULO
NODO
(VOLTS) (GRADOS)
1 1.0000 0.000
2 1.0000 0.530
3 0.9774 -1.544
4 1.0000 -1.318
5 0.9698 -2.524
6 0.9803 -2.200
PL = 11.9772 MW
3. Obtener la submatriz H del Jacobiano del método Newton-Raphson, a partir de la última iteración
del estudio de flujos. Para calcular el vector α se resuelve el siguiente sistema de ecuaciones de la
forma:

⎡ ∂ P2 . ∂ P2 ⎤
t
. . ⎡α 2 ⎤ ⎡ ∂ P1 ⎤
⎢∂ ∂θ n ⎥ ⎢ ⎥ ⎢ ∂θ ⎥
⎢ θ2 ⎥ ⎢ ⎥ ⎢ 2⎥
⎢ . .⎥ ⎢ ⎥ ⎢ .⎥
⎢ ⎥ ⎢ .⎥ ⎢ ⎥
⎢ . .⎥ ⎢ .⎥ = ⎢ .⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ . .⎥ ⎢ .⎥ ⎢ .⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢∂ P . . . ∂ Pn ⎥ ⎢α n ⎥ ⎢ ∂ P1 ⎥
⎢ n ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢ ∂ θ 2 ∂ θ n ⎦⎥ ⎣ ⎦ ⎣⎢ ∂ θ n ⎦⎥
Sustituyendo valores, se tiene
⎡ 54.5539 0 - 26.7004 0 0 ⎤ ⎡α 2 ⎤ ⎡- 25.5565⎤

⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 0 61.8925 0 - 27.4876 0 ⎥ ⎢α 3 ⎥ ⎢ - 35.5803⎥
⎢- 28.4685 ⎢ ⎥
0 63.8891 0 - 35.9345 ⎥ ⎢α 4 ⎥ = ⎢ 0⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢
0 - 28.3570 0 57.9471 - 30.7346 ⎢α 5 ⎥ 0⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ 0 0 - 37.1888 - 30.4595 66.6692 ⎥⎦ ⎢⎣α 6 ⎥⎦ ⎢⎣ 0 ⎥⎦
∂ P1
donde el vector independiente se obtiene como , para i=2,3,...n con respecto a los nodos que
∂θ i
se conectan con el nodo compensador, resultando:
⎡α 2 ⎤ ⎡ - 0.982541⎤
⎢ ⎥ ⎢ ⎥
⎢α 3 ⎥ ⎢- 1.062620 ⎥
⎢ ⎥ ⎢ ⎥
⎢α 4 ⎥ = ⎢- 1.051084 ⎥
⎢ ⎥ ⎢ ⎥
⎢α 5 ⎥ ⎢- 1.098425⎥
⎢ ⎥ ⎢⎣- 1.088168 ⎥⎦
⎣α 6 ⎦
Las nuevas curvas de costo incremental estarán dadas por (1.38), ésto es:
2
CI 1 561 + 7.92 PG1 + 0.001562 PG1
CI 1 = =
1 1

2
CI 2 310 + 7.85 PG 2 + 0.001940 PG 2
CI 2 = =
-α2 0.982541
2
CI 4 78 + 7.97 PG 4 + 0.004820 PG 4
CI 4 = =
-α4 1.051084
de aquí que
d C1
= 7.9200 + 0.003124 PG1 = λ
d PG1
d C2
= 7.9894 + 0.003949 PG2 = λ
d PG2
d C4
= 7.5826 + 0.009171 PG4 = λ
d P G4
Además, PG1 + PG 2 + PG4 = P D + P L = 326.4772 MW . En forma matricial
⎡0.003124 0 0 - 1⎤ ⎡ PG1⎤ ⎡ - 7.9200 ⎤

⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 0 0.003949 0 - 1⎥ ⎢ PG2 ⎥ = ⎢ - 7.9894 ⎥
⎢ ⎥⎢ ⎥ ⎢ - 7.5826 ⎥⎥
⎢ 0 0 0.009171 - 1⎥ ⎢ PG4 ⎥ ⎢
⎢⎣ ⎢ ⎥
1 1 1 0 ⎥⎦ ⎢⎣ λ ⎥⎦ ⎣⎢ 326.4772⎦⎥
Resolviendo y verificando violaciones de límites y condiciones de Kuhn-Tucker como en el

ejemplo 1.2, se tiene la solución mostrada en la Tabla 1.7
Tabla 1.7 Potencias óptimas de despacho económico considerando pérdidas por transmisión.
GENERADOR PGMín. PGMáx. PGActual

1 150.00 600.00 150.00
2 100.00 400.00 100.00
4 50.00 200.00 76.47
λ = 8.28406 $/MWh.

Se revisa el máximo error, resultando igual a 0.2647724, el cual es mayor que la tolerancia (0.005), por lo
que se continua con el proceso iterativo.
⎡ 54.5382 0 - 26.6673 0 0 ⎤ ⎡α 2 ⎤ ⎡ - 25.49941⎤

⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ 0 61.7877 0 - 27.3815 0 ⎥ ⎢α 3 ⎥ ⎢- 35.51250 ⎥
⎢- 28.4996 ⎥ ⎢α ⎥ = ⎢ 0 ⎥⎥
⎢ 0 63.8237 0 - 35.9154 ⎥ ⎢ 4⎥ ⎢
⎢ ⎥
⎢ 0 - 28.3300 0 57.7866 - 30.6665⎥ ⎢α 5 ⎥ ⎢ 0⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ 0 0 - 37.1564 - 30.4051 66.5818 ⎥⎦ ⎢⎣α 6 ⎥⎦ ⎢⎣ 0 ⎥⎦
Llegando a la solución en la iteración 9. En la Tabla 1.8, se muestra un resumen del proceso de

solución.
Tabla 1.8 Proceso de solución del ejemplo 1.3.
Iteración PG1 (MW) PG2 (MW) PG4 (MW) λ $/MWh ERROR COSTO
TOTAL
1 150.000 114.500 50.000 8.2942 4.500000 3506.90
2 150.000 100.000 76.477 8.2840 0.264772 3614.21
3 153.132 100.000 71.965 8.3977 0.047195 3601.31
4 150.273 100.000 74.983 8.3888 0.030177 3603.51
5 152.124 100.000 73.025 8.3946 0.019580 3602.04
6 150.920 100.000 74.296 8.3908 0.012733 3602.97
7 151.701 100.000 73.471 8.3933 0.008250 3602.36
8 151.195 100.000 74.007 8.3917 0.005366 3602.77
9 151.525 100.000 73.660 8.3927 0.003472 3602.52
Nótese que la solución de mínimo costo se obtuvo en la iteración 3, de donde se puede concluir
que no siempre la última iteración es la solución óptima.

Chapter 2 COORDINACION HIDROTERMICA
2.1 Introducción
Cuando un sistema eléctrico de potencia cuenta con distintos tipos de generación, la operación
económica del sistema será determinada por la coordinación en el uso de estos tipos de generación. En
sistemas reales la combinación más común es de generación termoeléctrica e hidroeléctrica.
Debido a que la generación hidroeléctrica tiene un costo variable, prácticamente despreciable,
comparado con el costo del combustible utilizado por las plantas termoeléctricas, se puede tener
grandes beneficios económicos al hacer uso óptimo de ambos recursos.
La incertidumbre en la disponibilidad del recurso hidráulico, el comportamiento cíclico de la
demanda, la gran variedad y capacidad de los sistemas hidráulicos, las diferentes restricciones
operativas y de seguridad, además de las restricciones políticas, son algunos factores que hacen que la
planeación de la operación económica de estos sistemas se lleve a cabo mediante una serie de estudios
secuénciales que abarcan diferentes horizontes de tiempo. Estos horizontes de tiempo generalmente se
clasifican en:
• Largo (1 o varios años, con periodos mensuales o de varias semanas).

• Mediano (Varios días hasta una semana –períodos- cubriendo uno o varios meses).
• Corto plazo (Varios días hasta una semana – períodos horarios).
Las decisiones de mediano y largo plazo, son las que afectaran en mayor grado la operación
económica global del sistema y la operación segura de los sistemas hidráulicos.
Una decisión errónea sobre un uso intensivo del agua puede llevar a una conducción de déficit de
energía en el futuro, con el consiguiente aumento en el costo de operación. En el otro extremo, una
decisión errónea sobre el almacenamiento del agua, puede llevar a tener que derramar el agua que de
otra manera pudo haber sido turbinada.

2.2 Plantas Hidroeléctricas
Existen dos tipos principales de turbinas hidráulicas, las de reacción (Francis, Kaplan y Propeller)
y las de impulso. La potencia generada (MW) por las turbinas es función directa de la descarga (q) en
metros cúbicos de agua por hora (m3/hr), la altura hidráulica neta (h) y de la eficiencia ( η ) del grupo
turbina – generador, dado por la siguiente expresión:
P = qh(kη ) (2.1)
donde k = 3600/120 Kgs/hrm3 y representa un factor que considera el peso del agua.
La altura neta, es la diferencia entre la altura del embalse he y la altura del nivel del agua a la
salida de la turbina hs.
h = he − hs (2.2)
La altura del agua en el embalse es función del volumen del agua almacenada S y de la estructura
física del mismo. Si se tiene un embalse con paredes verticales y cierta área transversal α s , esta altura
estará dada por la siguiente expresión:
he = S (2.3)
αs
En general, la forma de los embalses es muy irregular y la relación entre la altura y el volumen se
obtiene a través de estudios topográficos del embalse, obteniéndose curvas S-he, a partir de las cuales
y por medio de algoritmos de ajustes de curvas, se obtiene un polinomio de grado n dependiendo de la
precisión requerida, como:
n
S = ∑ α l hen (2.4)
i =1
La altura a la salida de la planta es función del gasto del agua que se descarga a través de la
turbina y de la geometría de la salida, generalmente esta altura es despreciable si se compara con la del
embalse y se puede suponer una relación lineal con la descarga.

hs = hso + α sq (2.5)
Por lo tanto, la altura hidráulica neta de la planta h, será una función no lineal del volumen del
embalse y la descarga de la turbina.
h = f (S , q) (2.6)
La eficiencia de la turbina depende de su tipo, de la descarga y de la altura hidráulica neta. En

general la potencia será una relación no lineal del volumen y de la descarga de la planta.
P = f ( S , q) (2.7)
2.3 Modelado de Plantas Hidroeléctricas
El siguiente modelo expresa la descarga como el producto de dos funciones independientes entre
sí; ambas funciones son polinomios de segundo orden, uno en términos de la altura hidráulica neta y el
otro en términos de la potencia generada
q( P, h) = ϕ (h)θ ( P) (2.8)
ϕ (h) = a0 + a1 h + a 2 h 2 (2.9)
θ ( P) = b0 + b1 P + b2 P 2 (2.10)
De acuerdo con la última expresión y con la ecuación general para el volumen, se puede pensar en
un modelo en función del volumen. Por ejemplo, para un embalse con paredes planas, de cierta
superficie plana α s , la descarga de la planta despreciando el nivel de desfogue, se escribe como:
q( P, S ) = ϕ ( S )θ ( P) (2.11)
a1 a2
ϕ ( S ) = a0 + S+ S2 (2.12)
αs α 2
s
θ ( P) = b0 + b1 P + b2 P 2 (2.13)

2.4 Red Hidráulica
La estructura básica de un sistema de generación hidroeléctrica está formado por una o varias
plantas de almacenamiento, instaladas sobre uno o varios ríos formando sistemas hidroeléctricos en
cascada.
y i (t )
∑ qφ (t − τ φ )i
S i (t )
qi (t )
Figura 2.1 Nodo de la red hidraulica
El comportamiento del volumen almacenado, en cada una de las plantas está descrito por la
ecuación de continuidad del agua
t
S i (t ) = S i (0) + ∫ ( y i (t ) − qi (t ) +qφ (t − τ iφ ))dt (2.14)
0
donde S i (t ) El volumen del embalse (m3) en el tiempo t.
y i (t ) Entradas naturales (m3/hr).
qi (t ) Descarga de la planta en m3/hr.

φ Subíndice para todas las plantas río arriba de la planta i.
qφ (t ) Descarga de la planta φ río arriba (m3/hr).
τ iφ Retardo del tiempo de viaje del agua de la planta φ río arriba, a la planta i río
abajo.
Las ecuaciones de continuidad del agua de cada planta deberán ser discretizadas, de acuerdo con el
horizonte de optimización y sus períodos.

Un ejemplo de un sistema de tres ríos en los cuales se encuentran instaladas cuatro plantas
hidroeléctricas, se muestra en la Figura 2.2:
Figura 2.2 Plantas hidroeléctricas en cascada
Para este sistema la versión discreta de las ecuaciones de continuidad del agua para cada planta
está dadas por:
k −1
S1 = S1 + y1 − q1
k k k
(2.15)
k −1
S2 = S2 + y2 − q2
k k k
(2.16)
k −1 k −τ 13 k −τ 23
S 3 = S3 + y3 − q3 + q3 + q2
k k k
(2.17)
k −1
S4 = S4 + y4 − q4
k k k
(2.18)
donde Si es el volumen de la planta i al finalizar el periodo k , y i es el volumen de agua (m3) que

k k
el volumen (m3)
k
llega de manera natural al embalse o escurrimiento durante el período k y qi
descargado por la planta durante el período k . El sistema de ecuaciones anterior puede representarse
gráficamente por un diagrama, como el utilizado por los algoritmos de flujo en redes. El diagrama que
se muestra a continuación considera tres períodos de tiempo, con duración de 1 hora; los retardos en el
flujo de agua, τ 13 y, τ 23 se suponen de 1 hora.

0 1 2 3 hrs
1 2 3
y1 y1 y1
0 1 2 3
S1 S1 S1 S1
1
1 2 3
y2 y2 y2
0 1 2 3
S2 S2 S2 S2
2
1 2 3
y3 y3 y3
0 1 2 3
S3 S3 S3 S3
3
1 2 3
q3 q3 q3
1 2 3
y4 y4 y4
0 1 2 3
S4 S4 S4 S4
4
1 2 3
q4 q4 q4
Figura 2.3 Representación gráfica
Las líneas horizontales representan los volúmenes al final de cada período, los arcos las entradas
naturales y las diagonales \ verticales las descargas.
En base a la Figura 2.3, las ecuaciones de continuidad del agua pueden ser expresadas por:
⎡ ∆S11 ⎤ ⎡ S11 ⎤ ⎡ S10 ⎤ ⎡ y11 ⎤ ⎡ 1 ⎤ ⎡ q11 ⎤

⎢ 1⎥ ⎢ 1⎥ ⎢ 0⎥ ⎢ 1⎥ ⎢ ⎥⎢ 1 ⎥
⎢ ∆S 2 ⎥ ⎢ S 2 ⎥ ⎢ S 2 ⎥ ⎢ y2 ⎥ ⎢ 1 ⎥ ⎢q 2 ⎥
⎢ ∆S31 ⎥ ⎢ S31 ⎥ ⎢ S30 ⎥ ⎢ y31 ⎥ ⎢ 1 ⎥ ⎢q13 ⎥
⎢ 1⎥ ⎢ 1⎥ ⎢ 0⎥ ⎢ 1⎥ ⎢ ⎥⎢ 1 ⎥
⎢ ∆S 4 ⎥ ⎢ S 4 ⎥ ⎢ S 4 ⎥ ⎢ y4 ⎥ ⎢ 1 ⎥ ⎢q 4 ⎥
⎢∆S 2 ⎥ ⎢ S 2 ⎥ ⎢ S 1 ⎥ ⎢ y 2 ⎥ ⎢ 1 ⎥ ⎢q12 ⎥
⎢ 12 ⎥ ⎢ 12 ⎥ ⎢ 11 ⎥ ⎢ 12 ⎥ ⎢ ⎥⎢ 2 ⎥
⎢∆S 2 ⎥ ⎢ S 2 ⎥ ⎢ S 2 ⎥ ⎢ y2 ⎥ ⎢ 1 ⎥ ⎢q 2 ⎥
⎢∆S 2 ⎥ = ⎢ S 2 ⎥ − ⎢ S 1 ⎥ = ⎢ y 2 ⎥ − ⎢ - 1 -1 1 ⎥ ⎢q 2 ⎥
⎢ 3 ⎥ ⎢ 3 ⎥ ⎢ 3⎥ ⎢ 3⎥ ⎢ ⎥ ⎢ 32 ⎥
⎢∆S 42 ⎥ ⎢ S 42 ⎥ ⎢ S 41 ⎥ ⎢ y42 ⎥ ⎢ 1 ⎥ ⎢q 4 ⎥
⎢ 3⎥ ⎢ 3⎥ ⎢ 2⎥ ⎢ 3⎥ ⎢ ⎥ ⎢q 3 ⎥
⎢ ∆S1 ⎥ ⎢ S1 ⎥ ⎢ S1 ⎥ ⎢ y1 ⎥ ⎢ 1
⎥⎢ 1 ⎥
⎢ ∆S 23 ⎥ ⎢ S 23 ⎥ ⎢ S 22 ⎥ ⎢ y23 ⎥ ⎢ 1 ⎥ ⎢q 32 ⎥
⎢ 3⎥ ⎢ 3⎥ ⎢ 2⎥ ⎢ 3⎥ ⎢ ⎥⎢ 3 ⎥
⎢ ∆S3 ⎥ ⎢ S3 ⎥ ⎢ S3 ⎥ ⎢ y3 ⎥ ⎢ −1 −1 1 ⎥ ⎢q 3 ⎥
⎢ ∆S 3 ⎥ ⎢ S 3 ⎥ ⎢ S 2 ⎥ ⎢ y 3 ⎥ ⎢⎣ 1 ⎥⎦ ⎢⎣q 34 ⎥⎦
⎣ 4⎦ ⎣ 4⎦ ⎣ 4 ⎦ ⎣ 4⎦

En forma similar que las ecuaciones nodales de potencia en una red eléctrica, en cada nodo y en
cada periodo de tiempo k de la red hidráulica, se debe cumplir un balance de energía de acuerdo con.
np nh
Sik = Sik −1 + yik − ∑∑ AIJ q mj . (2.19)
m =1 j =1
donde np es el número de períodos en el horizonte de tiempo,
A es la matriz de conectividad de la red hidráulica
Los subindices I y J están dados por las expresiones
I = (k - 1)nh + i
J = (m - 1)nh + j
y el volumen descargado por q mj = q j (Pjm , S mj )t m = m donde t m el tiempo en horas del intervalo m.
En forma matricial compacta, se tiene que para cualquier red hidráulica.
∆S = y − Aq (2.20)
donde ∆S es el vector de incremento de volumen, y es el vector de entradas naturales y q es el

vector de volúmenes descargados.
Hasta aquí se ha tratado la red hidráulica a detalle. A continuación se planteará el problema de
coordinación hidrotérmica y su solución por el método de Newton.
El problema de coordinación hidrotérmica de corto plazo consiste en determinar la operación
optima económica del sistema, de manera que el costo de las unidades térmicas sea minimizado y que
las unidades hidroeléctricas utilicen la cantidad de agua especificada por estudios de mediano plazo,
matemáticamente esto es:
∑∑ C (P )t
np nt
Minimizar : i
k
Gi k
k =1 i =1
∑ (P (V ) )
n
Sujeto a : i
k k
, θ k − PGik + PDik t k = 0
i =1

∑ (Q (V ) )
n
i
k k
, θ k − QGik + QDi
k
tk = 0
i =1
np nh
Sik − S ik −1 − ( yik − ∑∑ AIJ q mj )
m =1 j =1
PGimin ≤ PGi ≤ PGimax

min
Q Gi ≤ Q Gi ≤ Q max
Gi
Vimin ≤ Vi ≤ Vimax
Pim ≤ Pimmax
Considerando las últimas cuatro restricciones inactivas, el Lagrangiano en forma compacta estaría
dado por:
ζ ( x, λ ) = CT (PG ) + λtP CP + λtq CQ + λth CH
Los distintos multiplicadores de Lagrange tendrán las siguientes unidades:
λ pi ($ / MWhr )
λ qi ($ / MVARhr )
λ hi ($ / m ) 3

Chapter 3 Asignación de Unidades
3.1 Introducción
El comportamiento del patrón de la demanda de los consumidores en un sistema eléctrico de

potencia presenta una característica bastante irregular a lo largo del día, siendo mayor durante el día y
la tarde, cuando las cargas industriales son altas debido a la actividad de comercios, plantas
industriales, entre otros, y menor por la noche y madrugada, cuando la mayoría de los consumidores
descansan. Adicionalmente, la demanda tiene un comportamiento diferente para los fines de semana,
siendo menor con respecto a los otros días.
Pero, Porqué no asignar las unidades que cubran la demanda máxima del sistema y dejarlas en
operación?, Porqué este se considera como un problema de operación de sistemas eléctricos de
potencia?
Note que el término asignar significa decidir que unidades estarán en operación, esto es, decir que
unidades se encenderán, sincronizarán y se conectarán a la red, para satisfacer la demanda en todo
instante de tiempo [1].
El problema de asignar las unidades necesarias para satisfacer la demanda máxima y dejarlas en
operación, es también un problema económico, ya que una adecuada asignación de unidades puede dar
como resultado ahorros por consumo de combustibles y costos menores de operación, lo cual se
muestra en el siguiente ejemplo [1].
Si se desea suministrar una demanda de 550 MW ¿Qué unidad o combinación de unidades podría
emplearse para suministrar la demanda lo más económicamente?
Para resolver este problema, se analiza todas las combinaciones posibles. Algunas combinaciones
serán infactibles si la suma de todos los límites máximos de la asignación de unidades es menor que la
demanda o si la suma de todos los mínimos de la asignación de unidades es mayor que la demanda.
Para cada combinación factible las unidades se despacharán empleando la técnica de costos
incremental iguales. Los resultados se presentan en la Tabla 3.1.

Tabla 3.1 Combinación de unidades y despacho para suministrar la demanda de 550 MW
Unidad 1 Unidad 2 Unidad 3 PGMAX PGMIN PG1 PG2 PG3 C1 C2 C3 CT

Ø Ø Ø 0 0
Ø Ø 1 200 50
Ø 1 Ø 400 100
Ø 1 1 600 150 0 400 150 0 3760 1658 5418
1 Ø Ø 600 150 550 0 0 5389 0 0 5389
1 Ø 1 800 200 500 0 50 4911 0 586 5497
1 1 Ø 1000 250 295 255 0 3030 2440 0 5471
1 1 1 1200 300 267 233 50 2787 2244 586 5617
Note que la solución de menor costo, no resulta ser cuando las 3 unidades son despachadas, o
cuando cualquier combinación involucra 2 unidades.
Suponga que la demanda sigue un patrón pico-valle como se muestra en la Figura 4.2. Si la
operación del sistema es optimizar recursos, algunas unidades deben apagarse conforme la demanda
disminuye y reasignarse (encenderse) al incrementarse la demanda.
Demanda
1200 MW
500 MW
Tiempo
4 PM 4 AM 4 PM
Figura 3.1 Patrón de demanda pico-valle
Si se desea conocer qué unidades deben apagarse y cuándo, es necesario aplicar técnicas
apropiadas para la selección de las unidades disponibles, lo cual es una tarea compleja. Una de estas
técnicas de solución es conocida en la literatura como Lista de prioridades.
Considere que se desea conocer las unidades que deben entrar y salir de operación en función del
patrón de demanda de la Figura 3.1. De la misma figura, se observa que la demanda varía entre 1200 y
500 MW. Para conocer las unidades que satisfacen la demanda en cada instante de tiempo, se realiza

una combinación de unidades reduciendo la demanda en incrementos de 50 MW, del escenario de
demanda máxima al escenario de demanda mínima lo cual se resume en la Tabla 3.2 y su
interpretación gráfica se muestra en la Figura 3.2.
Tabla 3.2 Combinación óptima de unidades.
Demanda Unidad 1 Unidad 2 Unidad 3

1200 1 1 1
1150 1 1 1
1100 1 1 1
1050 1 1 1
1000 1 1 Ø
950 1 1 Ø
900 1 1 Ø
850 1 1 Ø
800 1 1 Ø
750 1 1 Ø
700 1 1 Ø
650 1 1 Ø
600 1 Ø Ø
550 1 Ø Ø
500 1 Ø Ø
Demanda
1200 MW
Unidad 3
Unidad 2
500 MW
Unidad 1
Tiempo
4 PM 4 AM 4 PM
Figura 3.2 Asignación de unidades empleando la regla de encendido apagado.

Sin embargo, hasta el momento solamente se ha considerado una restricción, satisfacer la demanda
con el menor número de unidades asignadas. Si esta fuera la única restricción al problema de
asignación de unidades, se podría decir que el problema está resuelto. Desafortunadamente, existen
otras restricciones y otros fenómenos que deben tomarse en cuenta para logra una óptima asignación
de unidades [1,2,3].
3.2 Asignación de Unidades mediante Programación Dinámica
Se desea realizar la asignación de unidades para suministrar una demanda con cuatro unidades de
generación. La Tabla 4.3 presenta las características de las unidades. Las tablas 4.4 y 4.5 muestran las
condiciones iniciales y patrón de la demanda respectivamente. Se requiere además, que el orden de
encendido en las unidades sea U3, U2, U1 y U4.
Tabla 3.3 Características de las unidades
Unidad Pmín (MW) Pmáx (MW) Costo sin Costo a plena Tiempo mínimo (hr)
carga $/hr carga $/MWhr Encendido Apagado
1 25 80 213.00 23.54 4 2
2 60 250 585.62 20.34 5 3
3 75 300 684.74 19.74 5 4
4 20 60 252.00 28.00 1 1
Tabla 3.4 Condiciones iniciales.
Condiciones iniciales Costos de arranque Tiempo de arranque

Unidad Horas dentro (+) En caliente En frío En frío
fuera(-)
1 -5 150 350.00 4
2 8 170 400.00 5
3 8 500 1100.00 5
4 -6 0 0.02 0

Tabla 3.5 Patrón de demanda
Hora Carga (MW)

1 450
2 530
3 600
4 540
5 400
6 280
7 290
8 500
SOLUCION. Se procede primeramente a realizar un análisis combinatorio para encontrar los

estados que cumplen con las restricciones impuestas. Se considera que los tiempos mínimos de
encendido y apagado son de 1 hora.
La Tabla 3.6, presenta el análisis combinatorio, así como los estados factibles de acuerdo a la
prioridad de encendido.
Tabla 3.6 Combinación óptima de unidades.
Estado Unidades Capacidad Máxima (MW)

15 1 1 1 1 690
14 1 1 1 0 630
13 0 1 1 1 610
12 0 1 1 0 550
11 1 01 1 440
10 1 1 0 1 390
9 1 0 1 0 380
8 0 0 1 1 360
7 1 1 0 0 330
6 0 1 0 1 310
5 0 0 1 0 300
4 0 1 0 0 250
3 1 0 0 1 140
2 1 0 0 0 80
1 0 0 0 1 60
0 0 0 0 0 0

Hora 1:
Pcos t (1,12) = (300 )(19.74) + (150 )(20.34) = 8973.0
Pcos t (1,14) = (300)(19.74 ) + (125)(20.34) + (25)(23.54 ) = 9053.0
Pcos t (1,15) = (300)(19.74) + (105)(20.34 ) + (25)(23.54) + (20 )(28.00) = 9206.2
Fcos t (1,12) = Pcos t (1,12) + S cos t (0,12 : 1,12)
Fcos t (1,12) = 8973 + 0 = 8973.0
Fcos t (1,14) = 9053.0 + 350.0 = 9403.0
Fcos t (1,15) = 9206.2 + 350.0 = 9556.2
Hora 2:
Pcos t (2,12) = (300)(19.74 ) + (230)(20.34 ) = 10600.2
Pcos t (2,14) = (300)(19.74) + (205)(20.34) + (25)(23.54 ) = 10680.2
Pcos t (2,15) = (300)(19.74) + (185)(20.34) + (25)(23.54) + (20)(28.00) = 10833.4
Fcos t (2,15) = min [Pcos t (2,15) + S cos t (1, L : 2,15) + Fcos t (1, L )]
{12 ,14 ,15}
⎡8973 + 350⎤
Fcos t (2,15) = 10833.4 + min ⎢⎢ 9403 + 0 ⎥⎥ = 20156.4
⎢⎣ 9556 + 0 ⎥⎦
Fcos t (2,14) = min [Pcos t (2,14) + S cos t (1, L : 2,14) + Fcos t (1, L )]
{12,14,15}
⎡8973 + 350⎤
Fcos t (2,14) = 10680.2 + min ⎢⎢ 9403 + 0 ⎥⎥ = 20003.2
⎢⎣ 9556 + 0 ⎥⎦

Fcos t (2,12) = min[Pcos t (2,12) + S cos t (1, L : 2,12) + Fcos t (1, L )]
{12}
Fcos t (2,12) = 10600.2 + min[8973 + 0] = 19573.2
Estado Unidades
9206 10833
15 1111 12 12
9556 20156
9053 10680
14 1110 12 12
9403 20003
13 0111 12 12
10600
12 0110 12 12 12
19573
8973 8973
8973
Figura 3.3 Asignación para las primeras dos horas.
Se continúa evaluando las etapas para los posibles estados, la asignación final se muestra en la Tabla
4.7.
Tabla 3.7 Asignación óptima final de unidades.
Hora Carga Unidades

1 450 0 1 1 0
2 530 0 1 1 0
3 600 0 1 1 1
4 540 0 1 1 0
5 400 0 1 1 0
6 280 0 0 1 0
7 290 0 0 1 0
8 500 0 1 1 0

Chapter 4 Flujos Óptimos
4.1 Introducción
El estudio de flujos óptimos permite formular el problema de flujos de potencia sujeto a un

conjunto de restricciones. La solución debe satisfacer tales restricciones, pero además es óptima en
algún sentido, para lo cual se requiere que algunas de las variables independientes controlen el
problema [1].
Los problemas de flujos óptimos son problemas de optimización de gran tamaño, los cuales
pueden ser definidos en términos de tres partes principales [2]:
a) Función objetivo
b) Controles
c) Restricciones
Si se utiliza una técnica de optimización no lineal, la formulación general del problema es:
minimizar f (x)
sujeto a g (x) = 0 (4.1)
h (x) ≤ 0
donde x es el vector de variables de estado y de control, f(x) es la función objetivo, g(x) representa el
balance de potencia, h(x) el vector de límites de las variables de estado y de restricciones funcionales.
Las funciones objetivo más comunes son la minimización de costos de generación de potencia
activa o minimizar pérdidas de potencia activa.
4.2Metodo de Newton
En un problema de optimización, no sólo se requiere minimizar una función sino que, además, es
necesario satisfacer restricciones, ya sea de igualdad o desigualdad.

El problema de optimización no lineal, representado por (3.1), consiste en encontrar el mínimo de una
función objetivo no lineal sujeta a un conjunto de restricciones, las cuales pueden ser lineales o no lineales.
Desde este punto de vista cualquier solución del problema que satisfaga tales restricciones es un punto
factible.
Utilizando multiplicadores de Lagrange, el problema de optimización con restricciones se transforma
en un problema sin restricciones [3]:
L(x,λ ) = f ( x ) + λ T g ( x ) + µ T h( x ) (4.2)
donde L(x,λ) es la función Lagrangiana, f(x) es la función objetivo, λT es el vector transpuesto de los
multiplicadores de Lagrange asociados a las restricciones de igualdad, los cuales se interpretan como
costos marginales, mientras que µT es el vector transpuesto de los multiplicadores de Lagrange asociados a
las restricciones de desigualdad.
Para comprobar si un punto (x*, λ*) es un mínimo es necesario que este cumpla las condiciones de
optimalidad (Kuhn-Tucker), las cuales están dadas por [4]:
dL(x* , λ* ) ∂f (x* ) ⎡ ∂g (x* )⎤ ⎡ ∂h(x* )⎤

T T
= +⎢ ⎥ λ + ⎢ ∂x ⎥ µ = 0 (4.3)
dx ∂x ⎣ ∂x ⎦ ⎣ ⎦
∂L(x* , λ* )
= g (x* )= 0 (4.4)
∂λ
µTh(x) = 0 con µi > 0 si h(x*) = 0 ó µi = 0 si h(x*) < 0 (4.5)
El problema (4.1) es equivalente a encontrar (x*, λ) tal que L(x, λ) sea un mínimo. Cada multiplicador
de Lagrange indica la razón de cambio de la función objetivo con respecto a cambios en la restricción en el
punto mínimo x*, esto es, en el caso que µ=0, a partir de (4.3):
dL(x* ,λ* ) ∂f (x* ) ⎡ ∂g (x* )⎤

T
=
∂x
+⎢ ⎥ λ= 0 (4.6)
dx ⎣ ∂x ⎦
∂f (x* ) ∆f
λ =- (4.7)
∂g (x* ) ∆g
=

de modo que los multiplicadores de Lagrange son costos marginales asociados a cada restricción.
Las expresiones (4.3) – (4.5) constituyen un conjunto de ecuaciones algebraicas no lineales, las cuales
pueden resolverse por el método de Newton. Si se considera todas las restricciones de igualdad inactivas,
es decir, µ=0, aplicando la expansión en series de Taylor a (4.3) – (4.5), y considerando hasta únicamente
el primer término, se obtiene el sistema de ecuaciones recursivo para minimizar la función Lagrangiana
aplicando el método de Newton [2]:
⎡ H ( x,λ ) J T ( x )⎤ ⎡ ∆x ⎤ ⎡ ∇ x L( x,λ )⎤
⎢ ⎥ ⎢ ⎥=- ⎢ ⎥ (4.8)
⎢⎣ J ( x ) 0 ⎥⎦ ⎣∆λ ⎦ ⎢⎣∇ λ L( x,λ )⎥⎦
donde H(x,λ) se conoce como matriz Hessiana, conformada por las segundas derivadas del Lagrangiano
con respecto al vector x:
∂ L(x,λ ) ∂ f ( x,λ ) ⎡ ∂ g ( x,λ ) ⎤

2 2 2 T
H ( x,λ )= = + ⎢ ∂ 2 ⎥ λ (4.8a)
∂ x2 ∂ x2 ⎣ x ⎦
mientras que J(x) es la matrix Jacobiana o Jacobiano, constituída por las primeras derivadas del
Lagrangiano con respecto al vector λ:
∂ L( x,λ ) ∂g ( x )
2
J (x )= = (4.8b)
∂x∂λ ∂x
∇ x L( x,λ ) es el gradiente de L(x,λ ) con respecto al vector x, y ∇λ L( x,λ ) , es el gradiente de

L(x,λ ) con respecto al vector λ, tal como lo muestran las ecuaciones (3.3) y (3.4), respectivamente.
La notación en (4.8), por conveniencia puede simplificarse a:
W ( z )∆( z )= - g ( z )
⎡ H ( x,λ ) J T ( x )⎤ ⎡∇ x L(x, λ )⎤
z = [x,λ ] ; W (z )= ⎢ ⎥; g (z )= ⎢ ⎥;
T
donde:
⎣⎢ J ( x ) 0 ⎦⎥ ⎣⎢∇ λ L(x, λ )⎦⎥

Finalmente, la ecuación recursiva para la solución de las condiciones necesarias para el óptimo estará
dada por:
4.3 Solución de Flujos Optimos por el Método de Newton
Tal como se mencionó anteriormente, el problema de flujos óptimos formulado como un programa
no lineal con restricciones, se transforma en un problema algebraico no lineal, mediante la técnica de
multiplicadores de Lagrange, el cual puede ser resuelto por el método de Newton.
4.3.1Formulacion del problema de Despacho Economico
En este caso, la función objetivo es minimizar los costos de generación de potencia activa.
Matemáticamente, el problema se formula de la manera siguiente:
ng
Minimizar C T = ∑ C i (PG i ) (4.11)
i=1
∑ (P (v,θ ) - P + P Di )
n
Sujeto a : i Gi (4.11a)
i=1
∑ (Q (v,θ ) - Q )
n
i Gi
+ Q Di (4.11b)
i=1
PG i MIN ≤ PG i ≤ PG i MAX (4.11c)
QG i MIN ≤ QG i ≤ QG i MAX (4.11d)
V i MIN ≤ V i ≤ V i MAX (4.11e)
Pim ≤ Pim MAX (4.11f)
donde x = [v,θ,PG]T, n es el total de nodos del sistema, ng es el total de generadores del sistema, Vi
es la magnitud del i-ésimo voltaje complejo nodal, PGi es la inyección de potencia activa del i-ésimo
generador despachable, QGi es la inyección de potencia reactiva del i-ésimo generador, PDi es la
potencia activa demandada en el i-ésimo nodo, QDi es la potencia reactiva demandada en el i-ésimo
nodo. Las restricciones (4.11a) y (4.11b) representan el balance de potencia nodal en el sistema,
(4.11c) los límites de generación de potencia activa, (4.11d) los límites de generación de potencia

reactiva, (4.11e) los límites de magnitud de voltaje de cada nodo del sistema y, finalmente, (4.11f)
representa el límite máximo de flujo de potencia activa a través de los elementos de transmisión.
Al igual que en (4.2), para (4.11) la función objetivo aumentada se expresa como:
( ) ( )
n n n nl
( ) ( ) ( )
L = ∑ C i PG i + ∑ λ p Pi v , θ − P G i + P D + ∑ λ q Q i v , θ − Q + Q D + ∑ µ i Pim − PimMAX
i i i Gi i
( ) (4.12)
i=1 i=1 i=1 i=1
donde no se considera las restricciones (4.11c, 4.11d, 4.11e). Compactando (4.12) se tiene:
L = ∑ C i (PG i )+ ∑ λ p i CPi + ∑ λ q i CQi + ∑ µ i CPim

n n n nl
(4.13)
i=1 i=1 i=1 i=1
donde: CPi = (Pi (v,θ ) - PG i + P D i )

(
CQ i = Q i (v,θ ) - Q Gi + Q Di )
CP im = (P im - P imMAX )
Suponiendo que todas las restricciones de desigualdad están inicialmente inactivas, es decir µ=0,
se tiene
L = ∑ C i (PG )+ ∑ λ p CPi + ∑ λ q CQi

n n n
i i i
(4.14)
i=1 i=1 i=1
Generalmente, las variables en un problema de optimización son clasificadas como [2]:
1) Variables independientes, de control o superbásicas. Estas son variables sobre las

cuales se ejerce un control directo.
2) Variables dependientes, de estado o básicas. Estas dependen de los valores que se
especifican para las variables independientes.
3) Variables fijas, constantes o no básicas. Estas variables son del tipo 1 o 2 que han
alcanzado alguno de sus límites y en el cual deben mantenerse en éste.

En el método de Newton para flujos óptimos estas distinciones no son necesarias, debido a que
todas las variables son procesadas idénticamente.
Para ilustrar del método de Newton en la solución de flujos óptimos se utiliza el sistema de prueba
de la Figura 4.1.
Figura 4.1 Sistema de prueba de 4 nodos.
El problema consiste en suministrar la demanda al menor costo, sujeto a las restricciones operativas y
de seguridad. De acuerdo a (4.8), se tiene que CT = C1(PG1) + C2(PG2), donde C1(PG1) y C2(PG2) son curvas
de costo de generación de cada unidad que, para este ejemplo, se consideran cuadráticas:
C i (PG i )= d i PG i + bi PG i + ai
1 2
(4.15)
2
En general, CT puede ser una función de alguna o todas las variables de x. En este caso particular,
solamente es función de PG1 y PG2, siendo un ejemplo de los diferentes tipos de funciones objetivo que
pueden considerarse en la formulación del problema de flujos óptimos.
Aplicando la ecuación recursiva para minimizar el Lagrangiano (4.9), se obtiene el siguiente conjunto
de ecuaciones:

⎡ ∆PG1 ⎤ ⎡ ∂L / PG1 ⎤
⎡ d1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 ⎤ ⎢ ∆θ ⎥ ⎢ ∂L / θ ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ 1 ⎥ ⎢ 1 ⎥
⎢ ⎥ ⎢ ∆V1 ⎥ ⎢ ∂L / V1 ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ ∆λ ⎥ ⎢ ∂L / λ ⎥
⎢ 1 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ p1 ⎥ ⎢ p1 ⎥
⎢ ⎥ ⎢ ∆λ q1 ⎥ ⎢ ∂L / λ q1 ⎥
⎢ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ ∆P ⎥ ⎢ ∂L / P ⎥
⎢ 0 0 0 0 0 d2 0 0 1 0 0 0 0 0 0 ⎥ ⎢ G2 ⎥ ⎢ G3 ⎥
⎢ 0 ⎥ ⎢ ∆θ 2 ⎥ ⎢ ∂L / θ 3 ⎥
⎢ 0 H H J J H H J J 0 H H J J ⎥ ⎢ ∆V ⎥ ⎢ ∂L / V ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ 2 ⎥ ⎢ 3 ⎥
⎢ 0 J J 0 0 1 J J 0 0 0 J J 0 0 ⎥ ⎢ ∆λ p 2 ⎥ ⎢ ∂L / λ p 3 ⎥
⎢ ⎥ ⎢ ∆λ ⎥ ⎢ ∂L / λ ⎥
⎢ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ q2 ⎥ ⎢ q3 ⎥
= −
⎢ 0 0 0 0 0 ∞ 0 0 0 0 0 0 0 0 0 ⎥ ⎢ ∆P ⎥ ⎢∂L / P ⎥
⎢ ⎥ ⎢ G3 ⎥ ⎢ G4 ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ ∆θ 3 ⎥ ⎢ ∂L / θ 4 ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ ∆V ⎥ ⎢ ∂L / V ⎥
⎢ ⎥ ⎢ ∆λ 3 ⎥ ⎢ ∂L / λ 4 ⎥
⎢ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ p3 ⎥ ⎢ p4 ⎥
⎢ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ ∆λ ⎥ ⎢ ∂L / λ ⎥
⎢ 0 0 0 0 0 0 0 0 0 0 ∞ 0 0 0 0 ⎥ ⎢ q3 ⎥ ⎢ q4 ⎥
⎢ ⎥ ⎢ ∆PG 4 ⎥ ⎢∂L / PG 4 ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ ∆θ ⎥ ⎢ ∂L / θ ⎥
⎢ 0 H H J J 0 H H J J 0 H H J J ⎥ ⎢ 4⎥ ⎢ 4 ⎥
⎢ ⎥ ⎢ ∆V 4 ⎥ ⎢ ∂L / V 4 ⎥
⎢ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥ ⎢ ∆λ ⎥ ⎢ ∂L / λ ⎥
⎢⎣ 0 J J 0 0 0 J J 0 0 0 J J 0 0 ⎥⎦ ⎢ p4 ⎥ ⎢ p4
⎥
⎢⎣ ∆λ q 4 ⎥⎦ ⎢⎣ ∂L / λ q 4 ⎥⎦
Figura 4.2 Estructura del sistema de ecuaciones.
El significado de cada elemento del vector gradiente g(z) es mostrado como la primera derivada de L
con respecto a un elemento de x o λ, mientras que cada elemento de ∆z es la corrección específica de un
elemento de x o λ. Los elementos de W se muestran como símbolos H y J.
⎡ ∂2L ⎤ ⎡ ⎤
⎢ ∂P 0 0 1 0 ⎥ 0 0 0 1 0
⎢ ⎥
⎢ G2 ⎥ ⎢ ⎥
⎢ ∂2L ∂2L ∂P2 ∂Q2 ⎥ ⎢ ∂2L ∂2L ∂P4 ∂Q4 ⎥
⎢ 0 ∂θ 22 ∂θ 2∂V2 ∂θ 2 ∂θ 2 ⎥ ⎢ 0 ⎥
⎢ ⎥ ∂θ 2∂θ 4 ∂θ 2∂V4 ∂θ 2 ∂θ 2
⎢ ⎥
⎢ ∂2L ∂2L ∂P2 ∂Q2 ⎥ ⎢ ∂2L ∂2L ∂P4 ∂Q4 ⎥
⎢ 0 ∂V2∂θ 2 ∂V22 ∂V2 ∂V2 ⎥ ⎢
0
∂V2∂θ 4 ∂V2∂V4 ∂V2 ∂V2 ⎥
⎢ ⎥ ⎢ ⎥
⎢ ∂P2 ∂P2 ⎥ ⎢ ∂P2 ∂P2 ⎥
1 0 0
⎢ 1 ∂θ 2 ∂V2
0 0 ⎥
⎢ ∂θ 4 ∂V4 ⎥
⎢ ⎥ ⎢ ⎥
⎢ ∂Q2 ∂Q2 ⎥ ∂Q2 ∂Q2
⎢ 0 0 0 ⎥
⎢ 0 ∂θ 2 ∂V2
0 0 ⎥
⎣⎢ ∂θ 4 ∂V4 ⎦⎥
⎣ ⎦
(a) (b)
Figura 4.3 (a) Bloque (2,2) y (b) bloque (2,4) de W

2 bloques representativos de W se muestran en detalle en la Figura 4.3, a partir de los cuales es posible
determinar el significado de todos los símbolos H y J.
4.3.2 Componentes del Sistema de Ecuaciones.
W(z)∆z = -g(z) puede verse como un conjunto de ecuaciones que consiste de 3 partes fundamentales:
el vector gradiente, la matriz Hessiana del Lagrangiano y la matriz Jacobiana. Estas componentes han sido
previamente escritas en términos de la función general Lagrangiana (4.8a, 4.8b), las cuales se examinan a
continuación.
Observando el conjunto de ecuaciones (4.9), se nota que para obtener ∆z, se requiere evaluar W y
g, lo cual puede realizarse a partir de z y los parámetros de la red de transmisión.
4.3.2.1 Vector Gradiente
El vector gradiente g(z) está compuesto de las primeras derivadas del Lagrangiano con respecto al
vector x como se muestra en la Figura 4.2.
∂L
A manera de ilustración, se presenta la forma de evaluar . Este término es la suma de la
∂ PG 2
primera derivada parcial de cada función en el Lagrangiano con respecto a la variable PG2:
∂L ∂
= {C 2 (PG 2 ) - λ p2 CP2} (4.17)
∂ PG 2 ∂ PG 2
∂L ∂ ⎧1 ⎫
⎨ d 2 PG 2 + b2 PG 2 + a 2 - λ p 2 (P 2 (v,θ ) - Pesp 2 ) ⎬
2
=
∂ PG 2 ∂ PG 2 ⎩ 2 ⎭
∂L
= d 2 PG 2 + b 2 + λ p 2
∂ PG 2
donde P esp 2 = P D 2 - PG 2
∂L
Adicionalmente, se muestra la forma de determinar :
∂θ 2
∂L ∂
= {- λ p1 CP1 - λ q1 CQ1 - λ p 2 CP2 - λ q 2 CQ2 - λ p4 CP4 - λ q4 CQ4} (4.18)
∂θ 2 ∂θ 2

la cual representa la suma de primeras derivadas parciales de potencia netas inyectadas activa y
reactiva con respecto a θ2, donde CPi o CQi son los desbalances de potencia en el nodo i.
Por ejemplo, el desbalance de potencia activa CP4 está dado por:
CP 4 = - ( P4 (v,θ ) - pesp 4 ) (4.19)
P4 (v,θ ) = V 4 V 2 | Y 42 | Cos( θ 4 - θ 2 - γ 42 ) (4.20)
∂L
por lo tanto, la contribución de λp4 CP4 a es λ p V4V2Y42 Sen(θ 4 − θ 2 − γ 42 ) donde V2 es la
∂θ 2 4
magnitud del voltaje complejo en el nodo 2, V4 es la magnitud del voltaje complejo en el nodo 4, θ2 es
el ángulo de fase del voltaje complejo en el nodo 2, θ4 ángulo de fase del voltaje complejo en el nodo
4, Y42 es la magnitud del elemento (4,2) de la matriz de admitancias nodal y γ42 es el ángulo del
elemento (4,2) de la matriz de admitancias nodal.
Finalmente, se ilustra la forma de obtener ∇ λ L( x,λ ) . Cada elemento de − ∇ λ L( x,λ ) es el
∂L
negativo del desbalance de potencia activa o reactiva. Por ejemplo, es el desbalance CP3.
∂ λ p3
∂L ∂
=
∂ λ p3 ∂ λ p3
{- λ p3 CP 3}
(4.21)
= - ( P 3 (v,θ ) - p esp3 )
4.3.2.2 Matriz Jacobiana
La matriz Jacobiana J es dispersa en W. Todos sus elementos son segundas derivadas de la forma
∂ L ∂ L
2 2
= (4.22)
∂ x i ∂ λ j ∂ λ j ∂ xi
donde xi puede ser θi, vi, PGi, mientras que λi será λpi o λqi. Pero esas segundas derivadas parciales
también son las primeras derivadas de la forma

∂ Pi ∂ Qi
, ,L (4.23)
∂θ i ∂V i
Los cuales son elementos de J. Por ejemplo,
∂ L
2
∂ L
2
∂ ⎡ ∂L ⎤
= = ⎢ ⎥ (4.24)
∂ λ p 3 ∂ θ 4 ∂ θ 4 ∂ λ p 3 ∂ θ 4 ⎢⎣ ∂ λ p 3 ⎥⎦
∂L
= - CP3 = (P3 (v,θ ) - Pesp 3 ) (4.25)
∂ λ p3
Por lo tanto
∂L ⎡ ∂L ⎤ ∂ ∂ P3
∂θ 4
⎢ ⎥= (P 3 (v,θ ) - P esp3 )= (4.26)
⎣⎢ ∂ λ p3 ⎦⎥ ∂θ 4 ∂θ 4
∂ P3
donde el término es un elemento típico de J.
∂θ 4
3.2.2.3 Matriz Hessiana
La matriz Hessiana H del Lagrangiano es dispersa en W al igual que J. Cada elemento de H es la

segunda derivada parcial de la forma
∂ L = ∂ L
2 2
(4.27)
∂ xi ∂ x j ∂ x j ∂ xi
∂ L es una suma de segundas derivadas parciales de todas

2
Esto significa que cada elemento
∂ xi ∂ x j
las funciones en L con respecto a xi y xj. Los elementos de H para la función objetivo del ejemplo son

∂ C 1 ( P G1 ) = ; ∂ C 1 ( P G1 ) = 1 ; ∂ C 2 (P G 2 ) = ; ∂ C 2 (P G 2 )
2 2 2 2
d1 d2 =1 (4.28)
∂ P G12 ∂ P G 1 ∂ λ p1 ∂ P G 22 ∂ P G2 ∂ λ p2
Estos elementos se muestran explícitamente en la Figura 4.3. La evaluación de los otros

elementos de H involucra más pasos, debido a que resultan en una sumatoria de segundas derivadas
parciales. Por ejemplo:
∂ L =- ∂ CP 2 - ∂ CQ 2 ∂ CP 4 - ∂ CQ 4
2 2 2 2 2
λ p2 λ q2 - λ p4 λ q4 (4.29)
∂θ 2 ∂ V 4 ∂θ 2 ∂ V 4 ∂θ 2 ∂ V 4 ∂θ 2 ∂V 4 ∂θ 2 ∂ V 4
4.3.3 Verificación del optimo
Un problema de flujos óptimos se considera resuelto cuando el gradiente se encuentra dentro de una
tolerancia especificada próxima a cero y los multiplicadores de Lagrange del conjunto de restricciones
activas pasa la prueba del signo [2], ya que mientras los multiplicadores de Lagrange relacionados con
restricciones de igualdad son irrestrictos en signo, los asociados con restricciones de desigualdad tomarán
únicamente valores positivos cuando la restricción esté activa.
Estas condiciones son necesarias pero no suficientes para la obtención de un mínimo, puesto que
únicamente indican un punto estacionario, pudiendo ser un mínimo, máximo o un punto de inflexión [3].
Para establecer que un punto estacionario es un mínimo, es necesario mostrar que la proyección de la
matriz Hessiana sobre el gradiente de las restricciones activas es positiva definida. El esfuerzo
computacional para ejecutar la prueba de suficiencia es muchas veces mayor que el esfuerzo
computacional para la búsqueda del punto estacionario, por lo que la prueba debe ser omitida en lo posible
[2,5].
Las condiciones necesarias para la optimalidad del problema están dadas por las ecuaciones siguientes:
∂L( x,λ ) n ∂Pi n ∂Qi

= ∑ λ pi + ∑λ qi =0 (4.30)
∂θ j i=1
θ i=1
θj
j
∂L( x,λ ) n ∂Pi n ∂Qi

= ∑ λ pi + ∑λ qi =0 (4.31)
∂V j i=1
∂V i=1
∂V j
j

∂L( x,λ ) n
= ∑ (P(v,θ )i - PG i + P Di )= 0 (4.32)
∂ λ pi i=1
∂L( x,λ ) n
∂ λ qi
(
= ∑ Q(v,θ )i - QGi + Q Di = 0 ) (4.33)
i=1
∂L( x,λ )
= CI (P Gi ) - λ pi = 0 (4.34)
∂ P Gi
4.3.4 Funciones de Penalizacion
El método de funciones de penalización para incluir restricciones de igualdas y/o desigualdad, es un

método de transformación que convierte un problema con restricciones como [3,4]:
minimizar f (x)
(4.35)
sujeto a g (x) ≥ 0
a un problema sin restricciones
minimizar f (x) + sE (g(x)) (4.36)
donde s es factor de ponderación y E (g(x)) es una función de penalización que cumple las siguientes
condiciones:
E(g(x)) es contínua para toda x
E(g(x))= 0 si y sólo si g(x)= 0; de lo contrario E(g(x)) > 0 para toda x
El propósito de la función E (.) es asignar un alto costo a la función objetivo original f (x), de modo
que el proceso de minimización requiera que se cumpla la restricción, y que el término adicionado por E (.)
desaparezca [3,4].
Una de las funciones de penalización más utilizada por el método de Newton, es la forma cuadrática
por tener segundas derivadas:

E ( g ( x )) = (g (x ))2
1
2 (4.37)
En la Figura 3.4 se muestra la función sE(g(x)), para diferentes valores de s, donde se observa que para
valores grandes de s, la función sE(g(x)) tomará valores grandes si la restricción g(x) es violada. Por lo
tanto el proceso de minimización buscará los puntos inferiores, los cuales corresponden a valores donde
g(x) = 0, es decir donde la restricción se satisface [3].
Representación del efecto de las funciones de penalización
Los costos marginales empleando funciones de penalización pueden ser estimados tal como se
describe a continuación.
Si se considera que la función de penalización es del tipo (4.37) y una restricción de la forma g(x)=a,
las condiciones necesarias para el óptimo del problema (4.36) están dadas por (4.38).
∂ df (x* ) dE (g (x* )) df (x* ) dg (x* )

= + s = + s ( g (x
*
) − a ) (4.38)
∂ x* dx dx dx dx
donde λ = s(g(x*) - a) es el costo marginal asociado a la restricción g(x) = a.

Una variable que ha violado uno de sus límites asociado en la iteración k puede cambiarse a un valor
constante (límite violado) antes de realizarse la iteración k + 1, pero este tipo de cambios abruptos retardan
la convergencia. Sin embargo, el uso de las funciones de penalización cumplen con esta función, evitando
un excesivo esfuerzo computacional. En base a estas características, para este trabajo se optó por hacer uso
de funciones de penalización, por ser la forma computacionalmente más eficiente de forzar
simultáneamente varias restricciones de desigualdad [6].
4.3.5 Otras Restricciones Funcionales de Desigualdad
El método de Newton puede colocar cualquier tipo de restricciones funcionales de desigualdad. Esta
restricciones se incluyen en la matriz W si y sólo si éstas restricciones son violadas.
El flujo de potencia real representa una de las restricciones funcionales que mayor dificultad causa
para al momento de incluirse en W.
Una vez detectada la violación del límite de flujo de potencia, se deberá agregar a la función
Lagrangiana original:
L(x,λ )= f ( x ) + λ T g ( x ) + µ T (Pim (v,θ ) - Pim ) (4.39)
donde λT es el vector transpuesto de los multiplicadores de Lagrange asociados a las restricciones de

desigualdad, los cuales se interpretan como costos marginales; Pim(v,θ) es el flujo de potencia calculado a
través del elemento de transmisión y Pim es el flujo especificado para tal elemento. Esta restricción es
representada en (3.6) por la adición de un renglón y una columna [6,7].
Al agregar directamente alguna restricción de desigualdad por medio de multiplicadores de Lagrange,
la estructura de W se afecta notoriamente, siendo necesario ejecutar nuevamente el ordenamiento y la
refactorización de una gran parte de W, mientras que la técnica de funciones de penalización únicamente
modifica algunos valores numéricos de W; situación que puede manejarse eficientemente por medio de
algoritmos de refactorización [6,7]. Sin embargo, este nuevo ordenamiento puede ejecutarse a priori,
conociendo el conjunto de elementos de transmisión para los cuales se especifica su límite máximo de
transmisión, lo cual trae ventajas de tiempo de cómputo, puesto que el ordenamiento se ejecuta sólo una
vez.
Un aspecto muy importante es identificar el conjunto de restricciones activas, ya que este proceso
consume la mayor cantidad de tiempo en el método de Newton. Por lo que existen diferentes
algoritmos para la selección del conjunto de restricciones activas [2]. El algoritmo más sencillo es

detectar en cada iteración las restricciones violadas y tratarlas con funciones de penalización o
multiplicadores de Lagrange. Sin embargo, en el proceso de solución puede presentarse un número
considerable de restricciones activas lo cual retarda el tiempo de convergencia. Para enfrentar este
problema se ha utilizado técnicas adaptativas [8] y de programación lineal [9].
4.3.6 Condiciones Iniciales
El comportamiento de un método numérico para la solución de sistemas de ecuaciones no lineales,

entre otros factores, depende de las condiciones iniciales. Se recomienda realizar un despacho
económico despreciando pérdidas y considerando curvas de costo cuadráticas, para la obtención de la
condición inicial del problema, donde los multiplicadores de Lagrange para potencia activa en cada
nodo son iguales al costo incremental del sistema, mientras, que los multiplicadores de Lagrange para
potencia reactiva, serán relativamente pequeños, ya que refleja su participación en el costo únicamente
con respecto a las pérdidas por transmisión. Entonces, para evitar problemas numéricos, se ha
especificado como condición inicial de los multiplicadores de Lagrange correspondientes a la potencia
reactiva un valor de 1.0.
4.4 Formulación del Problema de Despacho de Potencia Reactiva
Un problema de Despacho de Potencia Reactiva es minimizar costos en la instalación de equipos

generadores de potencia reactiva, esto es [10,11,12]:
n
Min ∑ (C1k s1k + C 2 k s 2 k )
k =1
s. a : P1k − Pgk + Pk (v,θ , t) = 0

Q1k − Qgk + Qk (v,θ , t) − s1k + s 2 k = 0
Qg min ≤ Qg ≤ Qg max (4.40)
vmin ≤ v ≤ vmax
t min ≤ t ≤ t max
o ≤ s1 ≤ s1max
o ≤ s 2 ≤ s 2max
donde: Plk , Qlk son la potencia activa y reactiva demandada en el nodo k.

Pgk , Qgk son la potencia activa y reactiva generada en el nodo k.
tj relación de transformación del j-ésimo cambiador del transformador controlable.
Vk magnitud del voltaje complejo en el nodo k.

θk ángulo del voltaje complejo en el nodo k.
N número de nodos de la red.
S1k S 2k total de inyección de reactivos (capacitiva\inductiva) al nodo k.
C1k C2 k costo total de inyección de reactivos (capacitiva\inductiva) al nodo k
Otras funciones objetivo pueden ser :

Maximizar márgenes de reserva de potencia reactiva, el cual matemáticamente se expresa como:
NSTEP NG
( )
⎛ Qj 2
⎜ i1
⎞
⎟
Min ∑ ∑ ⎜ Qimax ⎟ (4.41)
J =1 i =1
⎝ ⎠
Maximizar voltajes nodales en nodos de carga:
∑ ∑ (V )
NSTEP NG
M ax i1
j
(4.42)
J =1 i∈LND
Capacidad de mantener la mayor carga del sistema
NSTEP NCONTG +1
M ax ∑
J =1
∑α
k =1
j
k (4.43)
donde j = Período de tiempo j-ésimo

i = Generador i-ésimo
l = Nodo l-ésimo
NSTEP = Número de períodos de tiempo
NCONTG = Número de casos de contingencias

LDN = Conjunto de nodos de carga del sistema
NG = Número de fuentes controlables de potencia reactiva
λ kj = Escalar (a ser maximizado) menor que cualquier indicador de proximidad de
colapso de voltaje nodal.
α kj = Incremento de carga del sistema (a ser maximizado) en el período de tiempo j y
en la contingencia k-1.

Chapter 5 Análisis de Seguridad en SEPs
5.1 Introducción
Un factor importante que afecta a la operación del sistema es el mantenimiento de su seguridad. El

concepto de seguridad involucra prácticas diseñadas para mantener el sistema íntegro ante eventos no
previstos, tales como la pérdida de elementos y fallas en equipo.
Por ejemplo, una línea de transmisión puede quedar fuera de servicio por la ruptura de algún
conductor o una descarga atmosférica. Entonces, ante este evento, se puede planear estrategias de
operación tal que no se sobrecarguen los elementos de transmisión que permanecen conectados al
sistema. Estas estrategias consisten en redistribución de generación y/o conexión de elementos o, en el
último de los casos, desconexión de carga.
El momento en que ocurren eventos de este tipo es impredecible, por lo que el sistema debe ser
operado permanentemente de tal forma que no se presente una situación peligrosa por el inicio de
cualquier evento creíble de ocurrir.
Debido a que los componentes de un sistema eléctrico de potencia están diseñados para operar
dentro de ciertos límites, y tienen integrado equipo de protección para no operar fuera de éstos, existe
la posibilidad de que se desconecten ante tal situación.
Entonces, no es difícil percibir que si no se toman medidas correctivas adecuadas ante un evento
no previsto (contingencia), puede presentarse la salida en cascada de elementos del sistema, debido a
que la salida de un componente fallado puede causar la violación de límites operativos en otro, tal que
éste también se desconecte, provocando, a su vez, la violación de límites en otros elementos más, etc.,
hasta llegar incluso al colapso total del sistema.
La mayoría de los sistemas eléctricos de potencia son operados de una manera tal que la salida de
un elemento fallado no deje a otros elementos operando sobre sus límites, evitando así la salida de
elementos en cascada.
Entonces, en estos sistemas se instala equipo auxiliar para permitir la supervisión y operación del
sistema en una forma confiable

El análisis de seguridad tiene que ver con las técnicas concernientes para operar el sistema
eléctrico en forma segura, involucrando las siguientes tres funciones [1]:
1. Supervisión del sistema.
2. Análisis de contingencias.
3. Análisis de acciones correctivas
5.1.1 Supervisión del Sistema
Esta función proporciona a los operadores información del estado actual del sistema eléctrico de
potencia, la cual es obtenida a través del sistema de medición y de transmisión de datos. En términos
generales, es la función más importante de las tres. Sin embargo, con tanta información recibida
simultáneamente, el operador no es capaz de analizarla, por lo que es necesario el uso de
computadoras en los centros de control para almacenar y procesar dicha información, tal que el
operador se limite a observar desplegados gráficos en los cuales se pueda observar variables de interés
y condición de las mismas en una forma rápida y eficiente (simple).
La estimación de estado es comúnmente usada en tales sistemas de recepción y procesamiento de
información, y consiste en compararla con modelos matemáticos del sistema eléctrico de potencia para
obtener la mejor estimación posible (desde un punto de vista estadístico) del estado o condiciones
operativas del sistema [2].
5.1.2 Análisis de Contingencias
Los resultados de esta función permiten operar el sistema en forma preventiva. Muchos de los
problemas que ocurren en un sistema eléctrico de potencia pueden causar serios problemas antes que
el operador pueda decidir alguna acción correctiva y aplicarla. Debido a esto, los centros de control
modernos cuentan con programas de computadora que modelan y analizan posibles problemas en el
sistema antes de que ocurran, tal que el operador conozca de antemano las acciones correctivas y se
apliquen con la suficiente oportunidad al momento que ocurre realmente el evento analizado.
Debe tenerse en cuenta que hay un gran número de contingencias posibles de ocurrir, por lo que
una parte del analizador de contingencias consiste en obtener una lista de las más posibles y peligrosas
para el sistema. La otra parte es el análisis de cada una de ellas, tal que se detecte violaciones de
límites operativos en un conjunto de elementos del sistema, así como del diseño de las acciones
correctivas más efectivas. Por ejemplo, la forma más simple del análisis de contingencias puede

basarse en estudios de flujos de potencia para cada una de las contingencias seleccionadas como
probables y peligrosas.
Esto permite a los operadores establecer estados operativos preventivos tal que ante cada
contingencia no se presenten sobrecargas y/o voltajes fuera de límites. Este tipo de análisis calcula
restricciones operativas que pueden usarse en el despacho de potencia activa. Entonces, las
formulaciones del analizador de contingencias involucran métodos de solución rápidos, selección de
contingencias e inicialización automática del programa de estudios de flujos, usando datos actuales
del sistema y procedimientos de estimación.
5.1.3 Análisis de Acciones Correctivas
Esta tercera función permite al operador alterar las condiciones del sistema ante el evento de una
sobrecarga o en el momento en que el programa de análisis de contingencias predice que un problema
serio puede resultar en la salida de equipos. Un tipo simple de acción correctiva es la redistribución de
potencia activa entre generadores, lo cual causa cambios de flujos, tal que se elimine las sobrecargas
en elementos de transmisión [3].
5.2 Análisis de Seguridad en Estado Estacionario
Una compañía eléctrica tiene como objetivo suministrar en todo momento energía en cantidad y
calidad suficientes, al menor costo posible. Esto es, el sistema eléctrico debe operar bajo ciertas
condiciones de seguridad y optimalidad para lograr su objetivo. Sin embargo, para tener un sistema
que sea seguro en todo instante se requiere efectuar inversiones costosas, las cuales pueden ser
injustificables aún cuando el sistema opere en forma óptima y segura. Por lo tanto, se requiere
establecer un compromiso entre el mejoramiento de la seguridad y la inversión involucrada, lo que ha
conducido a la necesidad de analizar la seguridad del sistema, considerando un conjunto de
contingencias posibles de ocurrir.
Cuando se planea la expansión del sistema, normalmente se debe satisfacer una demanda máxima
pronosticada y, simultáneamente, tener márgenes de seguridad para que las contingencias posibles de
ocurrir no produzcan una situación insegura o de emergencia.

En forma semejante, en estudios de planificación de la operación se tiene como propósito detectar
si un evento puede causar la violación de límites operativos, a fin de tomar medidas preventivas y
evitar problemas mayores.
En la operación en tiempo real, se requiere evaluar en forma continua y rápida condiciones que
eventualmente pongan en riesgo la seguridad del sistema eléctrico de potencia.
5.2.1 Estados Operativos de Sistema Eléctrico
Las condiciones de operación de un sistema eléctrico de potencia pueden caracterizarse por cinco
estados, tal como se muestra en la Figura 5.1 [4].
NORMAL
ALERTA
RESTAURATIVO
EMERGENCIA EMERGENCIA
EXTREMA
Figura 5.1 Estados operativos de un sistema eléctrico de potencia.
En el estado normal, la generación es adecuada para satisfacer la demanda, ningún elemento de

transmisión está sobrecargado y los márgenes de reserva (transmisión, generación y voltaje) son
adecuados para soportar contingencias, es decir, el estado del sistema es también seguro.
Si la seguridad disminuye en cierto grado, o si la posibilidad de alguna perturbación se
incrementa, entonces el sistema evoluciona a un estado de alerta, considerado como inseguro, aunque
todavía todas las restricciones son satisfechas, pero se ha reducido los márgenes de reserva (variables
muy cercanas o sobre sus límites). Aquí, habrá contingencias que con certeza violarán límites

operativos. Entonces es necesario aplicar medidas correctivas para nuevamente conducir al sistema a
un estado seguro.
Podrán existir contingencias muy severas que conduzcan al sistema a un estado de emergencia,
antes de que pueda tomarse medidas correctivas. En este estado el sistema es inseguro y existen
violaciones de límites operativos, pero aún el sistema está íntegro y puede tomarse medidas correctivas
urgentes para llevarlo a un estado normal o, por lo menos, de alerta.
Si no se aplica medidas correctivas a tiempo o éstas son insuficientes, el sistema puede
desintegrarse y pasar a un estado de emergencia extrema, en cuyo caso, no se cumple con las
restricciones de servicio y parte o todo el sistema puede colapsarse.
El resultado de experimentar un colapso parcial o total es la suspensión prolongada del servicio de
electricidad en áreas geográficas extensas y las pérdidas económicas son considerables.
El último estado es el restaurativo, en el que debe restablecerse el sistema colapsado, tratando de
cumplir con todas las restricciones. La restauración puede conducir al sistema eléctrico de potencia a
un estado normal o de alerta.
El cambio de un estado a otro puede ocurrir de manera relativamente repentina, de modo que es
necesario contar con todos los recursos necesarios para conducir nuevamente al sistema a un estado
normal de operación. Una excepción es el estado restaurativo, en el cual, se debe haber diseñado y
mantener actualizado un plan de restauración, debido a que se requiere de varias horas para lograr
reintegrar el sistema eléctrico de potencia y que esté operando en el estado normal [5].
De acuerdo a lo anterior, la seguridad puede definirse en la forma siguiente:
La seguridad de un sistema eléctrico de potencia es la habilidad del mismo para soportar
contingencias sin mostrar una transición del estado normal (seguro) al estado de emergencia.
Suponiendo que el sistema está diseñado y construido de manera confiable, tal que no evolucione
a un estado de emergencia, entonces el problema de seguridad estará ligado a su operación. Por tanto,
el problema de seguridad involucrará márgenes de reserva (generación, flujos, voltajes), sus
correspondientes límites y la posibilidad de que ocurran contingencias.
Debido a la gran cantidad de contingencias que es necesario evaluar, llevar a cabo un análisis
riguroso, mediante herramientas convencionales como lo son los algoritmos de estabilidad transitoria y
flujos óptimos, principalmente, resulta deficiente en forma definitiva.
Esto ha conducido al desarrollo de metodologías alternativas que proporcionen resultados lo
suficientemente aproximados, desde el punto de vista de interpretación de resultados, pero
involucrando mucho menos trabajo computacional.
Este es el caso de los métodos basados en funciones de energía para el análisis dinámico
(estabilidad ante pequeñas perturbaciones) de seguridad en tiempo real, los cuales también son

conocidos como métodos directos. Sin embargo, actualmente, estas metodologías todavía no están lo
suficientemente desarrolladas como para aplicarse sistemáticamente.
Las herramientas de análisis de seguridad en estado estacionario pueden aplicarse a la planeación
de la operación o expansión del sistema eléctrico. Para el primer caso, es indispensable un método de
solución de estudios de flujos de potencia más rápido que el usado comúnmente (Newton o
desacoplado rápido, por ejemplo).
Como puede notarse, para un sistema eléctrico de gran tamaño, el número de estudios de flujos
será muy grande, lo cual resulta en trabajo de cómputo excesivo.
Por otro lado, en la realidad, la función "desplegar mensaje de alarma" consiste en informar
violaciones de límites operativos y, posiblemente, listar los cambios necesarios en las variables de
control para eliminar tales violaciones. Esto incrementa todavía más el tiempo de simulación, y que el
total de resultados obtenidos, los cuales deben ser analizados por el operador o analista del sistema
eléctrico, sea demasiado grande como para que se tomen acciones correctivas dentro de un período de
tiempo razonable.
Lo anterior, ha conducido a separar el análisis de seguridad en tres problemas:
1. Selección de contingencias
2. Algoritmos de análisis de contingencias
3. Procesamiento de información generada por las contingencias simuladas.
A continuación, se describe brevemente la forma en que se resuelve cada problema.
5.2.2 Algoritmo de Analisis de Contingencias
Como ya se mencionó anteriormente, la simulación de contingencias en el estado estacionario

debe efectuarse mediante métodos más eficientes que los algoritmos de flujos estándar. En general,
para resolver el caso base se utiliza el método desacoplado rápido.
Para sistemas eléctricos robustos, los flujos de potencia real son las variables de interés, por lo que
el empleo de un método de flujos de C.D. es suficiente para evaluar los cambios generados por la
contingencia simulada.
Sin embargo, este no es el caso de la gran mayoría de los sistemas eléctricos de potencia, donde
simular una contingencia requiere del uso de métodos de flujos de C.A. Ante esta situación, puede

aprovecharse la información de la solución del caso base (modelos de matrices de coeficientes ya
construidos y factorizados y voltajes), los cuales se consideran como condiciones iniciales.
Entonces, la simulación de cada contingencia debe efectuarse haciendo los cambios mínimos a tal
información (sobre todo a las matrices de coeficientes). Obviamente, esto dependerá del tipo de
contingencia a simular.
Una contingencia puede causar cambios en la inyecciones de potencia y/o en la topología de la
red. Una pérdida parcial de generación, por ejemplo, únicamente provoca cambios en las inyecciones
del sistema, cuya simulación se trata en forma directa y simple. Por otro lado, una salida de una línea
produce cambios en la topología del mismo, y, como consecuencia, un cambio (en principio) en las
matrices de coeficientes. Por último la salida total de un nodo de generación resultará en un cambio
tanto en las inyecciones como en las matrices de coeficientes.
Los enfoques utilizados para resolver estos casos normalmente son los dos siguientes [4]:
1. Modificación de las matrices de coeficientes.

2. Método de compensación.
El primer enfoque requiere de aplicar prácticamente el método desacoplado rápido en su totalidad,

con la excepción de las condiciones iniciales. Esto implica construir las matrices de coeficientes y
factorizarlas nuevamente.
El segundo enfoque utiliza el principio de superposición en forma iterativa para simular cambios
en la red, aplicando un método de compensación de inyecciones y manteniendo constantes las matrices
de coeficientes ya factorizadas en el caso base. Para lograr esto, es necesario calcular dos columnas de
la matriz de impedancias nodal, lo cual puede resultar más eficiente que el primer enfoque.
Sin embargo, existe una alternativa que resulta atractiva cuando las matrices de coeficientes son
dispersas, la cual puede explotarse sistemáticamente en el análisis de contingencias [4]:
3. Técnicas de refactorización parcial.
Estas técnicas se han desarrollado en base a la observación de que la alteración de algún elemento
de la matriz de coeficientes, a la cual se le ha aplicado algún esquema de ordenamiento para preservar
su dispersidad, introduce pocos cambios en la matriz factorizada correspondiente. Esto es
precisamente el caso de simular contingencias.
Entonces, un análisis comparativo de los dos últimos enfoques se hace necesario para tratar de
aumentar la eficiencia en la simulación de contingencias.

Debe recordarse que los resultados obtenidos al simular una contingencia permiten observar
violaciones en límites operativos, las cuales deben resolverse mediante acciones correctivas
dictaminadas por algún método de optimización o un sistema experto, inclusive.
5.2.3 Selección de Contingencias
Obviamente, no todas las contingencias producirán violaciones en las restricciones de operación.

Por lo tanto una forma de aumentar la eficiencia del proceso de análisis de seguridad es tratar de
seleccionar las contingencias más severas y posibles de ocurrir.
Una metodología común es el cálculo de índices, los cuales son utilizados para ordenar una lista
de contingencias posibles y que serán simuladas iniciando por la más severa, hasta llegar a un punto en
el cual se considere que las siguientes contingencias ya no son peligrosas para el sistema eléctrico de
potencia.
Adicionalmente, se ha desarrollado metodologías que incluyen la probabilidad de ocurrencia de
cada contingencia seleccionada como peligrosa, para calcular índices de severidad, considerando la
influencia de las condiciones climatológicas para la falla en los distintos elementos del sistema
eléctrico de potencia.
Una vez que se ha seleccionado y analizado las contingencias más peligrosas, es necesario que el
operador o planeador del sistema eléctrico tome decisiones adecuadas y en un tiempo razonable. Para
esto, se requiere que la información obtenida del análisis de contingencias sea de la mayor calidad y
menor cantidad posibles.
5.2.4 Síntesis de Información Generada en el Análisis de Contingencias
Determinar la información no relevante y la que es vital en un determinado momento para un

analista o un operador, no resulta ser tarea sencilla. Como se mencionó anteriormente, en la medida en
que las restricciones de operación son violadas, se genera información.
Los dos casos extremos serán cuando la gran mayoría de las contingencias provoquen tales
violaciones, lo cual resultará en una gran cantidad de información generada, o que la gran mayoría de
las contingencias seleccionadas no violen restricción alguna, en cuyo caso, la información generada
será prácticamente nula.
El enfrentar ambos casos no resulta fácil debido a que, por un lado, el sintetizar demasiada
información es una tarea difícil y será normal que las decisiones tomadas no sean las adecuadas,

mientras que por el otro, se carecerá de información suficiente para tener una idea clara de la situación
actual del sistema.
De la discusión anterior, puede deducirse que lo ideal es que la cantidad de información generada
por el analizador de contingencias sea independiente de las condiciones actuales del sistema y de las
contingencias involucradas en el análisis. Esto significa que se debe tener alguna herramienta que se
capaz tanto de sintetizar información como de generarla, para que el usuario de la misma tenga una
idea clara de la situación actual del sistema y tome decisiones en forma rápida y eficiente.
Naturalmente, que una tarea así no es adecuada para efectuarse mediante la aplicación de
algoritmos convencionales, sino por medio de metodologías como los sistemas expertos, cuya función,
en este caso, será la de tratar de diagnosticar las condiciones actuales de operación del sistema
eléctrico y sugerir además algunas acciones correctivas ante la probable ocurrencia de alguna
contingencia, en forma clara y precisa [3].

PART II

Chapter 6 Market Organization
6.1 Introducción
The electricity sector is in the process of restructuring. The traditional vertical integrated structure
in which electricity was produced/transported/delivered no longer exists per se. Production,
generation, and transmission activities are now disseminated into more than one company. The idea of
this new structure is to promote competition in the supply side while consumers are offered a set of
choices ranging from service providers to types of service offered. This new paradigm is driven by
market forces. It makes necessary to understand the organization of participants in the new business
environment. Finally, the laws of physics do not change but changes are in effect in the ways of
business operations. This module begins by highlighting the types of new and existing markets in the
energy industry before describing the interactions between these entities and the risks involved.
Following that, auction market that facilitates the bidding activities in the electricity market is
introduced and linear programming is presented to solve the general optimization process for the
operational planning activities of market participants.
6.2 Type of Markets
A market is a mechanism that allows market participants to trade and is normally governed by the
theory of supply and demand. Markets work by placing many interested sellers in one place, thus
making them easier to find prospective buyers.
The traditional market is a city square where traders set up stalls while buyers browse through the
merchandise and decide whether to purchase or not. This kind of market is very old, and many such
markets are still in operation around the whole world.

In modern times, markets are not necessarily located in a physical space but also virtually. Such
virtual markets consist of communication paths where information exchange is easy and deals may be
struck. An example of this is the international currency market.
6.2.1 Commodity Markets
Commodity markets facilitate the definition and trading activities of contracts for delivery for any
product or service that can be characterized in a interchangeable way. Commodities traded in the
financial markets for immediate or future delivery are:
• Foodstuff (Agriculture products)

• Money and Capital
• Fuel
• Metals
• Energy
• Weather
They are generally traded in very large quantities in pools or exchanges. Exchanges usually
maintain the asset base required for trading; trading floor, computing facilities, clearing houses, etc.
Members own a seat, pay membership dues, and pay transaction fees and these can be sources of funds
for the operation of the exchange. They are also responsible for designing and implementing rules of
conduct subject to regulatory oversight. In addition, exchanges educate members and public, gather
and disseminate market data, clear trades and maintain the financial integrity of trades due the risks
that arise. The clearinghouse for an exchange processes trades and ensures prompt and correct
payments. Some examples of commodity markets are the Chicago Board of Exchange (CBOE), the
New York Mercantile Exchange (NYMEX), the London Metal Exchange (LME).
6.2.2 Physical and Financial Markets
Physical Market is a market in which commodities are bought and sold for cash and delivered
immediately.
Financial market is a market for the exchange of capital and credit. Money markets, capital
markets, derivatives markets, futures markets, insurance markets, and foreign exchange are considered
financial markets. These markets can either be primary markets or aftermarkets. The primary market is

the financial market for the initial issue and placement of securities. The aftermarket, also called
secondary market, is the financial market for the trading activity of already issued securities. In the
secondary market, securities are sold by and transferred from one investor to another. It is therefore
important that the secondary market be highly liquid and transparent.
6.2.3 Physical and Financial Market for Electricity
Physical Market for Electricity. The competitive electricity market is structured around a spot
market or in an exchange to trade wholesale electricity. All electricity produced by producers must be
traded through the exchange. A single central dispatch process or central auction mechanism
determines the merit order for the dispatch of generation based on hourly trading intervals to balance
supply and demand and system security.
Financial Market for Electricity. However, the spot price can be volatile due to a range of supply
and demand factors. Market participants may reduce this risk by entering long and short term
wholesale bilateral contracts traded over-the-counter (OTC) between counter parties or through
brokers or by using exchange traded instruments. Whilst contracts provide a hedging facility, they do
not carry with them any rights to the physical supply of electricity.
6.3 Markets and Risk
Market as institution acquires risk on behalf of market participants. A simple case is a Grocery
Store. A grocery store is a ‘pool’ in which food products can be found by customers. These products
are contracted with suppliers. In order to make those products available, allowing the trading between
consumer and supplier, the store is engage with different types of risks. Delivery and credit risk are
two of them. Some of these risks are similar for many institutions immersed in market environment.
Some risks definitions are given next.
Market risk is the risk to a financial institution's condition resulting from adverse movements in
market rates or prices. Market risk applies mainly to stocks and options. As a whole, stocks tend to
perform well during a bull market1 and poorly during a bear market2—volatility is not so much a cause
but an effect of certain market forces. Volatility is a measure of risk because it refers to the behavior of
your investment rather than the reason for this behavior.
1
A bull market occurs when all stock prices are on the rise.
1
A bear market occurs when almost all stock prices are falling.

Liquidity risk is the potential that an institution will be unable to meet its obligations as they
come due because of: (1) an inability to liquidate assets, (2) an inability to obtain adequate funding, or
(3) an inability to easily unwind or offset specific exposures without significantly lowering market
prices due to inadequate market depth.
Legal risk arises from the potential that unenforceable contracts, lawsuits, or adverse judgments
can disrupted or otherwise negatively affect the operations or condition of a banking organization.
Reputational risk is the potential that negative publicity regarding an institution's business
practices, whether true or not, will cause a decline in the customer base, costly litigation, or revenue
reductions.
Strategic risk is the current and prospective impact on earnings or capital arising from adverse
business decisions, improper implementation of decisions, or lack of responsiveness to industry
changes. This risk is a function of the compatibility of an organization's strategic goals, the business
strategies developed to achieve these goals, the resources deployed against these goals, and the quality
of implementation.
Interest rate risk occurs when a rise in interest rates during the term of your debt securities hurts
the performance of stocks and bonds.
Political risk represents the financial risk faced by a country's government when there is sudden
change in its policies. This is a major reason that second and third world countries lack foreign
investments.
Operational risk arises from the potential that inadequate information systems, operational
problems, breaches in internal controls, fraud, or unforeseen catastrophes will result in unexpected
losses.
Foreign exchange risk occurs when investment in foreign countries are affected by the currency
exchange rates that could influence the price of the asset. Foreign exchange risk applies to all financial
instruments that are in a currency other than your domestic currency. As an example, if you are a
resident of America and invest in some Canadian stock in Canadian dollars, even if the share value
appreciates, you may lose money if the Canadian dollar depreciates in relation to the American dollar.
Credit risk is risk due to uncertainty in counterparty’s ability to meet its obligations. The
exchange guarantees that the term of the contract is honored at maturity.
Delivery risk is defined as a risk when an exchange removes or takes as part of his obligations.
This risk occurs when the counterparty is unable to complete his side of the deal, although willing to
do so.
Market price risk is the threat of losses caused by high volatility of electricity prices. To control
such market price risks, one can use electricity futures for future deliveries.

Counterparty risk is the threat of losses caused by payment or delivery default of a counterparty.
The energy exchange carries the counterparty risk and ensures the clearing of all exchange
transactions.
Volume risk is the threat of losses due to unexpected losses of customers, inaccurate forecasts of
electricity requirements, and unpredicted losses in electricity generation. This can be mitigated with a
liquid futures market that allows one to adjust his or her position promptly and to flexibly alter volume
requirements.
Basis risk is the threat of losses due to price alteration in the underlying position and specification
alteration of the hedging instrument (e.g. differences in quantity, quality, times and/or places of
delivery).
In order to facilitate trading, exchanges make use of contracts. A contract between a buyer and a
seller, whereby the buyer is obligated to take delivery and the seller is obligated to provide future
delivery of a fixed amount of a commodity at a predetermined price at a specified location.
Salient features of the commodity traded have to be clearly specified as the contract for any
commodity that is openly traded. Four basic terms are commonly included in a contract:
1. Description of the goods: type, quantity, and quality

2. Delivery time
3. Price
4. Time and means of payment
These terms are considered essential because they cannot be easily implied by law as they are the
necessary parameters to the contractual relationship. Every contract should provide for these terms.
Standardizing contract will help the market by increasing liquidity and transparency.
Long-term contracts (forward or bilateral) have been used to lock prices; price risk is removed, in
absence of options and other financial derivatives. However, but before entering into long-term
contracts, the company must evaluate the benefits that it expects to obtain from it. The optimal
contract length reflects an economic trade-off between the marginal cost and marginal benefits of
extending the length of the benefit. The optimal contract length also depends on market information,
as future economic environment becomes more certain, the length of contracts decreases.

Chapter 7 Energy Markets
7.1 Introducción
Energy markets are a collection of commodities that are quite different in nature. Energy markets
include fuel market, electricity market, and emission Market. New markets have been created in
response to deregulation of the power industry, i.e. weather market. The term fuels, in this document,
imply an electricity-centric perspective.
7.2 The Supply Chain Model
A supply chain is a network of facilities that performs the functions of procurement of material,
transformation of material to intermediate and finished products, and distribution of finished products
to consumers [9].
The electricity industry operates through a supply chain which extends the unbroken chain from
the power station to the customer preparing to flick a switch in any one of the millions of homes,
offices and factories. Each separate link in that chain depends on all the other parts to keep the chain
intact.
All electricity is generated from power stations, generally far away from demand centers.
Electricity is transmitted through transmission lines from the power stations to demand centers. Four
separate links, or activities, to this supply chain are identified: generation, transmission, distribution
and commercialization.

Oil G1 T
R
A DISCO 1
N
S
M
Coal G2 I
S
S
DISCO n
I
N
O
N. Gas G3 N
Figura 7.1. Electricity Supply Chain
Before deregulation, these complex activities were often managed by one entity. Naturally, this
arrangement resulted in heavy regulation. Concerns about the enormous inefficiency of this
mechanism led to the onset of deregulation. The process has entailed two things: (1) an unbundling of
the services and (2) the creation of markets to mediate the provision of the services.
Each level of a supply chain makes decisions that have ramifications throughout the entire system.
The quality of a given decision depends on what the decision maker knows. As a result, the
dissemination of accurate information is critical for the supply chain to operate effectively. Credibility
is a key factor in the exchange of information.
Several different contract types are shown to coordinate one supplier and one retailer supply chain
and arbitrarily divide its profit: buy back contracts, revenue sharing contracts, quantity flexibility
contracts, sales rebate contracts and quantity discount contracts [9].
Coordination failure, sub-optimal contract coordination, is common. Sub-optimal supply chain
coordination may be due to conflicting incentives. In many cases there are multiple kinds of contracts
that achieve coordination and arbitrarily divide profits. Hence, the contract selection process in
practice depends on agents’ criteria or objectives.
The integration of the different supply-chains was then analyzed by Leontief.
7.3 Leontief Model
Wassile Lontief developed the Input-Output, I-O, theory which is a linear approximation of the
Walrasian model that allows the general theory of equilibrium to be applied [10]. Economic I-O
analysis is a method to systematically quantify the interrelationships among various productive sectors
of an economic sector in which goods are produced in those sectors by many of the primary factors.
The economic system may be as large as a nation or as small as the economy of a municipality area.

The structure of each industry’s production process is represented by an appropriately defined vector
of technical coefficients that describes quantitatively the relationship between the inputs it absorbs and
the output it produces.
The interdependence among the sectors of the given economy is described by a set of linear
equations expressing the balance between the total input and the aggregate output of each commodity
and service produced and used in the course of one or several periods of time.
In I-O analysis, a fundamental assumption is that the inter-industry flows from i to j depend
entirely on the total output of sector j. From this concept then a ratio of input/output termed a
technical coefficient is formulated. Thus, there is an explicit definition of a linear relationship between
input and output and there are no economies of scale (ES), rather the I-O model represents constant
return to scale (CRTS). Here the coefficients are the economic production function from sector i to
sector j, which equates to the ratio of intermediate input to total output in value terms. This is
equivalent to the fraction of price of commodity i / price commodity j, and the corresponding technical
coefficient ratio: physical quantity of input from sector i / total physical quantity of sector j.
In our framework, the I-O model is a spatial model of the flow of fuels to the generation utilities,
and transmission and distribution of electricity. Unit fuel costs consist of the market price of the fuel at
the point of delivery plus transportation costs. Depending upon its proximity to coal, gas pipelines,
and oil distribution centers, each utility will choose a combination of activities for generating
electricity that minimizes costs and allow them to diversify their energy services portfolio. ¡Error! No
se encuentra el origen de la referencia. represents a general energy market structure [11].
Coal Coal
Oil
G2 G3
N. Gas
G4
G1 POWER SYSTEM
Wind
Water Go ESCO 1 DISCO 1
Nuclear
DISCO 2
Figura 7.2 General Physical Energy Market Structure

The matrix structure of the industry markets is shown in ¡Error! No se encuentra el origen de la
referencia..
Oil
Market
Coal
Market
Natural Gas
Market
Electricity
Market
Figura 7.3 Fuel and Electricity Market Matrix Representation
The production chain of the generation and delivery of electricity to consumers includes fuel
transportation, generation, transmission and distribution of electricity through a transmission network.
The optimization problem can be formulated mathematically as:
m r m m m m r
min ∑∑ bis xist + ∑∑ g ij Pijt + ∑∑∑ cijs k ijst (7.1)
i =1 s =1 i =1 j =1 i =1 j =1 s =1
∑ x + ∑ (P )
r m
S. to t
is
t
ij − Pjit ≥ d it (7.2)
s =1 i =1
( )
m
aist xist − ∑ wkis
t
− wkis
t
≤ f is (7.3)
k =1
∑x
r
t
is
≤X t
si (7.4)
s =1
xist , Pijt , kijst ≥ 0 (7.5)
The objective function minimizes the production costs of each unit, the different fuel
transportation costs, and transaction costs among participants. Constraint (7.2) represents the balance
of each service within local markets and exchanges. Constraint (7.3) requires that the amount of fuel s
shipped in region i less the amount of fuel shipped out of region i is at most the amount of fuel that
region i has. Constraint (7.4) represents the units’ output maximum limit while constraints (7.5) are
nonnegative conditions.

Chapter 8 Auctions
8.1 Introducción
An auction is a market institution with an explicit set of rules that determine resource allocations
and prices on the basis of bids from market participants [13][14]. Auctions are usually used for
products that have no standard value. For example, the price of electricity depends on the supply and
demand conditions at a specific moment in time. Auctions consist of four parts – players, objects,
payoff functions and strategies. Players or market participants are rational, intelligent, and complex.
Auctions are games with incomplete information that may involve a single or large quantity of
indivisible or divisible objects, whose true value may or may not be known to the bidder and varies
across different types of bidders. The payoff function usually includes the award mechanism,
reservation price, and overhead costs, such as participation, preparation, and information costs. Players
choose strategies to maximize their expected gain [15].
8.2 Types of Auctions
Auctions can be one-sided or double-sided [16]. One-sided auction allows buyers (sellers) to
submit bids and sellers (buyers) to accept bids (offers) but cannot make offers (bids) (see ¡Error! No
se encuentra el origen de la referencia. (a)). Two-sided or double-sided auction allows both buyers
and sellers to submit bids and offers at the same time (see ¡Error! No se encuentra el origen de la
referencia. (b)).

Demand forecasted Price ($)
Price ($)
Market
Price
Quantity (MWh) Quantity (MWh)

(a) (b)
Figura 8.1 (a) One-sided Discrete Auction with supplier’s offer curve (b) Two-sided Discrete Auction with
both supplier’s offer and buyer’s bid curves
There exist four standard types of one-sided auctions that are summarized in Table 8.1 [13]. These
standard auctions can be transformed to suit the needs of the market institution – multiple markets,
multiple sales by sealed bids, sealed-bid double auctions, and cyclical double auctions.
Tabla 8.1 Comparison of Auction Methodologies.
AUCTION TYPE PROCEDURE ACCEPTED BID PRICE
English Bids progressively raised until one bidder remains Value of second highest bid
Dutch Price decreased until first bidder accepts Value of first bid
First-Price Sealed-Bid Bidders submit sealed bids Price of highest bid
Second-Price Sealed-Bid Bidders submit sealed bids
An auction takes place in three steps:

1. Bidding: submission of bids.
2. Acceptance: Bids are accepted based on the auction type.
3. Settlement: Accepted bids are settled at the prices determined by the auction type.
The players in the electric market may function in the following manner. Sellers (generator
owners) submit a supply curve and supply price to a coordination center (ISO). Buyers (local
distribution companies and any industrial or commercial private buyers) submit bids for power
delivered to local buses. The ISO is responsible for market settlement that includes scheduling,
dispatch, and transmission system management while ensuring system integrity and stability. With
bids received from both suppliers and buyers, ISO maximizes social welfare to obtain the optimum

dispatch schedules subject to system integrity and stability. Therefore, it is critical for market players
to devise an optimal bidding strategy.
In a perfectly competitive environment with perfect information, the optimal bidding strategy for a
power supplier is to bid at marginal cost. Strategic bidding simply means that a generator employs a
different policy that suggests bids other than the marginal cost in an effort to exploit imperfections in
the market to increase the possibility of making higher profits. Strategic interactions occur amongst
generators because the choice of a decision for an agent depends upon what he perceives or expects
the decision of other agents to be, hence the importance to bid strategically. Given the current
competitive electricity market, strategic bidding strategies are significant to generation companies in
the attempt to win the sale of electricity. The next section presents the forces that drive the need to bid
strategically from a generation company’s (GenCo) perspective.
8.3 Bidding Strategies in Electricity Markets
The formulation of bidding strategies affects the input and output for generators. Thus, it is
important to identify the factors that are significant when bidding strategies are formed. Besides the
influences covered in Porter’s five forces, there are other factors that influence bidding. As an
introduction, this section outlines most but not all of the parameters that affect bidding strategies,
hence the operations planning for GenCo.
8.3.1. Auction Desing
The design of electricity market auction influences the bidding strategy of a generator. Whether
the auction is static or dynamic, the bidding strategies of a generator are never the same. In a static or a
one-shot auction, the generator sole objective is to maximize its profit for a single period. For a
dynamic auction where it has to bid for multiple periods, the generator may have multiple conflicting
objectives that attempt to maximize its profits and study the behavior of market behaviors
simultaneously. In a uniform or non-discriminatory price auction, every winning bidder receives the
same market clearing price whereas in a discriminatory price (pay-as-bid) auction, the winning bidders
are paid its winning bid. Therefore, generators prefer to bid their incremental costs in uniform price
auctions since they are getting the same price. On the other hand, generators would bid close to their
expectation of market price if it is a discriminatory price auction. In addition, the order in which the
markets are cleared is also important. Different strategies are employed for markets (energy and
reserves) that are cleared simultaneously or sequentially.

8.3.2. Bidding Protocol
The bidding protocols set by market rules determine how generators would bid to maximize their
profits. Some markets use a one-part bid, while others allow separate multipart bids for startup and
shutdown costs. The New York ISO separates energy bids into a startup cost curve and an energy
curve, which can be a three-segment staircase or a 6-segment piecewise linear curve while the PJM
market uses 10-point energy curve (NYISO and PJM online documents).
8.3.3.Single or Multiple Markets
Typically, a generator has the option to sell its capacity to different types of markets namely the
energy and the ancillary services market that covers reserves margins, reactive power, and the energy
balance market. A generator can allocate its output to the energy market or make its generating
capacity available to the reserves market. Conversely, the generator can also opt to outsource its
capacity to meet the estimated load. Therefore, the bidding strategy depends on which markets are
included in its profit-making horizon.
8.3.4.Technical Limitations
Generators have limited available capacity (generation limits) and other technical constraints such
as minimum up time, minimum down time, ramp-up limit, ramp-down limit, start-up ramp rate, and
shut-down ramp rate. The physical characteristics are critical because they determine the time and
duration of the available capacity that can be sold.
8.3.5.Behavior of Competitors
As mentioned earlier, the oligopoly structure of the electric power industry complicates the
bidding strategy because the behavior of other generators affects the market, hence affects the profit
for each generator. More complex bidding strategies model the behavior of competitors from experts’
knowledge and historical data.

8.3.6. Market Demand
To sell electricity, a generator needs to know how much it can sell and this intersection of load
demand versus the supply curve determines the market clearing price. Bidding strategy has to include
this component.
8.3.7. Available Financial Tools
Electricity can be sold through bilateral contracts. The amount of bilateral contract scheduled for
supply during the bidding period will determine how much power is available to the generation
company to bid in the next period. This holds true where the pool is not mandatory and the suppliers
are free to establish heir own contracts with customers. The definitions and discussion on other
financial tools for hedging purpose will be discussed in the Risk and Assessment module.
8.4 Auction Formulation as Linear Programming
This section demonstrates how to formulate an auction as an optimization problem specifically as

a Linear Program [10][13]. The main methods of solution are Linear Programming, Linear
Programming Assignment Problem, Linear Programming Decomposition, LaGrangian Relaxation, and
price decomposition.
The auction can be viewed as an assignment problem. The problem is to assign an offer from a
seller to a buyer. The objective is to maximize the satisfaction of both the buyer and the seller. This
section outlines the formation of an auction as an LP problem. Then an example auction is solved for
the power system cash market (spot) problem.
8.4.1.Basic Discrete Auction
Consider a sealed bid discrete auction where the sellers and buyers do not consider anything but
profit when negotiating for a product. Consider that the seller has an amount to sell:
a i > 0 for i = 1, …, m sellers (8.1)

Each buyer has an amount to buy:
bi > 0 for i = 1, .., n buyers (8.2)

Assume that the product is homogenous for each seller where the quality is similar so that buyers
cannot identify the product from each seller. Suppose that the buyer (jth) is offering to buy a product
through a sealed bid auction. A sealed bid is defined as the maximum amount the buyer is willing to
pay to any seller per unit of product:
c ij ≥ 0 (8.3)
Heterogeneous products would be indicated by unique offers to each seller. Non-heterogeneous

products would be indicated by common offers to all sellers. The offer is assumed to be a sealed bid.
The seller does not know who the buyer is. The auctions (assignment of buyer to seller) would result
in a sale of x ij quantity of product to be assigned from seller “j” to buyer “i” at a price u ij yet to be
determined. The value of the exchange is the amount willing to be paid times the amount exchanged.
The cost is the price times the amount exchanged. Note that both the amount to be exchanged and the
price are non-negative and hopefully positive quantities.
The price is to be determined by the rules of the auction mechanism. The value is the upper limit
of the price a buyer is willing to pay. The rules of fair caution mechanisms have been defined by many
economists. The rules must be fair or equally applied to all players, though it is difficult to achieve in
practice. Items sold must be delivered. Items bought must be paid on delivery even if not used by
buyer. Each seller and buyer gets an identical price for all units sold or bought. If the supply is greater
than the demand, then the price of excess products is zero. A buyer’s bid must be sufficiently high for
all demand to be satisfied. Otherwise the surplus between value and price must be zero. The surplus
for buyer j is defined as:
v j = c ij − u i ⇒ v j ≥ 0 (this is non-negative value as economic reason would dictate) (8.4)
The Linear Programming form to solve the assignment problem is (or known as the primal
problem):

m n
Max ∑∑ c
i =1 j =1
ij ⋅ x ij
n
subject to ∑x
j =1
ij ≤ ai ∀i
(8.5)
m
∑x
i =1
ij ≤ bj ∀j
x ij ≥ 0 ∀i , j
Note that the decision variables are non-negative as required. The first and second constraints
require delivery and purchase. However, the objective may not be clear. Why do we want to maximize
the bid value? Consider Adam’s “invisible hand” that causes the products to go to the highest bidders
until the supply is exhausted. The objective function is considered the economic potential function that
achieves a maximum value just as supply satisfies demand.
As with all linear programs, there is a dual program. Let u i be the dual variable for each inequality
constraint for the sellers in the primal formulation and v j be the dual variables associated with each
inequality constraint fore ach buyer in the above formulation. At the optimal solution, the
complementary slackness conditions hold for each seller:
∑x *
ij − ai ≤ 0
u i* ≥ 0 ∀i (8.6)
u i* ( ∑ x ij* − ai ) = 0
The first inequality is the same constraint in the LP formulation. This requires the seller to sell no
more than the amount available for sale. In addition, the price from the second constraint is non-
negative and independent of the buyer purchasing the product. The third constraint specifies that the
seller will sell all products if the price is positive. It also specifies that the price is zero if all goods are
not sold.
At the optimal solution, the complementary slackness conditions hold for each buyer:
∑x *
ij − bi ≤ 0
v *i ≥ 0 ∀i (8.7)
v *i ( ∑ x *ij − bi ) = 0

The first constraint requires that the buyer does not buy more than the amount ordered. The second
constraint specifies that the value is always non-negative. The third constraint specifies that if the
value is not zero, then the buyer receives the bid amount. It also specifies that the buyer does not
receive all of the bid amount if the value is zero.
The dual problem has to satisfy the dual constraints:
u i + v j ≥ c ij ∀i , j (8.8)
Since the original decision variables are the dual variables for the dual problem, the following
complementary slackness conditions hold at the optimum:
u i* + v *j − c ij ≥ 0
x ij* ≥ 0 ∀i , j (8.9)
x ij* ( u i* + v *j − c ij ) = 0
If the amount assigned from seller to buyer is positive, then the bid price of the seller and the
surplus of the buyer equal the bid of the buyer. However, if the buyer’s offer price is less than the
seller’s offer price and the buyer’s surplus, then no products are assigned.
These interpretations hold for the sum of all assignments. At the optimal solution, it is required
that the dual objective function value and the primal objective function value are identical:
∑∑ c *
ij x ij = ∑∑ u * *
i x ij + ∑∑ v * *
j x ij (8.10)
This demonstrates how the bid value is allocated amongst the buyers and the sellers. Note that all
of the value is distributed at the optimum solution.
Electric power systems, similar to most other real products, require a more complex model that
needs to include heterogeneous products (reliability, quality), transportation costs (electric power
losses and transmission rates), nonlinear production costs, nonlinear buyer values, and other factors
that are listed in the previous section. Linear Programming can be solved using Simplex Method
which is included in Appendix A.
Example

Consider a GENCO selling electricity to 3 different markets with reliability requirements of 80%, 90%,
100% at wholesale prices of $2450, $2780, $3225 per 100 MW, respectively. The GENCO owns the coal mine
and the coal has to be processed in two steps, mine and separator, before the unit. The labor hours and shop
time requirements are as shown in the following table. The labor rate is $30/hour for all labor (simplicity).
Processing available
Resource for each product 80% 90% 100%
(hours per week)
Raw materials $950 $800 $625
Labor 10 16 20
Mining 2 2 3 400
Separating 1.5 5 4 625
Conversion 0.75 1.5 1.25 200
Let x1 represent the 80% reliability market, x2 the 90% reliability market, and x3 the 100% reliability
market. Ignoring transportation cost, deter mine how much should GENCO bid into each market.
Solution: We know that the objective of the GENCO is to maximize its profit. Therefore, we need to
determine the net profit from each different market.
x1 x2 x3
Labor Cost 300 480 600
Raw Material Cost 950 800 625
Total Cost 1,250 1,280 1,225
Selling Price 2,450 2,780 3,225
Net Profit 1,200 1,500 2,000
The linear programming formulation:
x1 x2 x3
2 2 3 <= 400
1.5 5 4 <= 625
0.75 1.5 1.25 <= 200
150 200
1200 0 0
Using Simplex Method or Excel, the optimal solution yields:

x1* = 0 ;
x *2 = 39.29 ;
x *3 = 107.14
Chapter 9 Appendix Linear Programming: Simplex Method
i. Steps of the Simplex Method
1. Start at a corner-point feasible solution.

2. Move to a better adjacent corner-point feasible solution. Repeat this step as often as needed.
3. Stop when the current corner-point feasible solution is better than all its adjacent corner-point
feasible solutions. This is an optimal solution.
A graphical plot of the constraints and objective can show the optimal solution. If there are more than
three decision variables then I cannot use standard graphical methods.
ii. Simplex Standard Form
The simplex tableau method is capable of solving LP problems with any number of variables.
Maximize: Z = sum cj xj for all j

Subject to: aij xj >= bi for all j
xj > 0 for all j
The first equation is known as the objective function since it represents the objective of the problem.
The rest of the equations are collectively called constraints and act to limit or constrain the objective
function.
An economic interpretation of the variables of the standard form is useful in showing what each
variable represents:
x - the level of activity of a process

c - unit cost of activity
Z - total cost from all activities

b - amount of resource available
aij- amount of resource i consumed by each unit of activity j
iii. Simplex Tableau Method
First, convert linear algebraic equations to tableau.

Consider the problem below:
Maximize 3x1 +5x2

subject to: x1 + x3 =4
2x2 + x4 = 12
3x1 +2x2 +x5 = 18
xi > 0
The original tableau will be as follows:
x1 x2 x3 x4 x5 b
1 0 1 0 0 4
0 2 0 1 0 12
3 2 0 0 1 18
Rcc -3 -5 0 0 0 0
Note that x3, x4 and x5 are basic variables. Note that the value for the objective function is zero (0).
Apply the Simplex procedure (4 main steps):
A. Choose the entering variable - most negative to decrease Z. Determine non-basic variable for rcc<
0. If none then stop. Else, select variable with most negative rcc.
B. Choose the departing variable - determine the minimum ratio.
Min RHS/aij where aij is strictly positive.
This finds smallest step by determining which variable goes to zero first.
C. Pivot on the (entering, departing) element

New row = Old row – (pivot column coefficient) * new pivot row
Update tableau as Pivot on ijth element.
D. STOP when all components of rcc are > 0.
iv. Example Solution Simplex Tableau

Solution Procedure
Original tableau:
x1 x2 x3 x4 x5 b
1 0 1 0 0 4
0 2 0 1 0 12
3 2 0 0 1 18
Rcc -3 -5 0 0 0 0
Determine non-basic variable for rcc< 0. If none then stop. Select x2.

Find smallest step by determining which variable goes to zero first.
12/2 = 6 selected since minimum

18/2 = 9 not selected (hit vertex later)
Pivot on row 2, column 2.
2nd Tableau
x1 x2 x3 x4 x5 b
1 0 1 0 0 4
0 1 0 1/2 0 6
3 0 0 -1 1 6
Rcc -3 0 0 5/2 0 30
Determine non-basic variable for rcc< 0. If none then stop. Select x1.
Find smallest step by determining which variable goes to zero first.
6/0 not evaluated (no connection)

6/3 = 2 selected (only one)
3rd Tableau
x1 x2 x3 x4 x5 b
1 0 1 1/3 -1/3 2
0 1 0 ½ 0 6
1 0 0 -1/3 1/3 2
Rcc 0 0 0 3/2 1 36
Determine non-basic variable for rcc< 0. If none then stop. So stop.
Solution
x1 = 2; x2 = 6; x3 = 2; x4 = 0; x5 = 0
Z = 36
Referencias
[1] Allen J. Wood and Bruce F. Wollenberg, Power Generation, Operation and Control, Wiley - Interscience,
Second edition, 1996.
[2] Olle. I. Elger, Electric Energy Systems Theory: An Introduction, Second Edition, McGraw Hill, New
York, 1982
[3] L. K. Kirchmayer, Economic Operation of Power Systems, John Wiley & Sons, 1958.

[4] José Horacio Tovar Hernández, Notas del Curso de Operación y Control de Sistemas Eléctricos de
Potencia, Instituto Tecnológico de Morelia, 1994.
[5] Guillermo Gutiérrez Alcaraz, Aplicación de los Multiplicadores de Lagrange al Problema de Despacho
Económico de Potencia activa, Marzo de 1996.
[6] O. Alsac, B. Stott, and W. F. Tinney, Fast Decoupled load Flow, IEEE Trans. on Power and Apparatus
Systems, PAS-93, May/June 1974, pp. 859-869.
[7] W. L. Snyder, H. D. Powell and J. C. Rayburn, Dynamic Programming Approach to Unit Commitment,
IEEE Trans. on Power Apparatus and Systems, Vol. 2, No. 2, May 1987, pp. 339-350.
[8] Kun-Yuan Huang, Hong-Tzer Yang and Ching-Lien Huang, A New Thermal Unit Commitment
Approach Using Constraint Logic Programming, IEEE Trans. On Power System, Vol. 13, No. 3, August
1998, pp. 936-945.
[9] A.G. de Kok and S.C. Graves, Handbooks in Operations Research and Management Science, Supply
Chain Management: Design, Coordination and Operation, Elsevier. 2004.
[10] G. L. Thompson, and S. Thore, Computational Economics: Economic Modeling with Optimization
Software, Boyd and Fraser Publishing Company, Denver, 1992.
[11] Guillermo Gutierrez, Gerald B. Sheblé, "Spot Fuel Markets' Influence on the Spot Electricity Market
Using Leontief Model," 2003 IEEE Bologna Power Tech, Bologna Italy, June 2003.
[12] John C. Hull, Options, Futures and Other Derivatives, New Jersey: Prentice Hall, 2002.
[13] G. B. Sheblé, Computational Auction Mechanisms for Restructured Power Industry Operation,
Massachusetts: Kluwer Academic Publishers, 1999.
[14] R. McAfee and J. McMillan, “Auctions and biddings,” Journal of Economic Literature, Vol. 25, pp. 699-
738, June 1987.
[15] Engelbrecht-Wiggans, Richard, Auctions and Bidding Models: A Survey, Management Science, Vol. 26,
no. 2: 119-42, 1980.
[16] Mohammad Shahidehpour, Hatim Yamin and Zuyi Li, Market Operations in Electric Power Systems-
Forecasting, Scheduling and Risk managements-, IEEE and Wiley Interscience, 1st edition 2003.
[17] Porter, Michael E., Competitive Strategy: Techniques for Analyzing Industries and Competitors, Free
Press, 1998.
[18] K. Bhattacharya, M. H. J. Bollen, and J. E. Daalder, Operation of Restructured Power Systems,
Massachusetts: Kluwer Academic Publishers, 2001.
[19] S. Stoft, Power System Economics, New York: Wiley, 2002.
[20] Electricity Economics- Regulation and Deregulation-Edited by Geoffrey Rothwell and Tomas Gomes,
IEEE Series on Power Engineering, Publisher: IEEE and Wiley Interscience 1st edition 2003.
[21] Goudarzi, Patricia, Back to Basics Insurance in Today’s Market Environment, article published in
EnergyPulseTM, January, 2003.
[22] New York Independent System Operator, NYISO Market Participant User’s Guide, March 18, 2003.
[23] Kristiansen, Tarjei, Markets for Financial Transmission Rights, publication in Harvard Electricity Policy
Group, October 2003.
[24] Yong-Hua Song, Xi-Fan Wang, Operation of Market-Oriented Power Systems (Power Systems),
Springer-Verlag, 2003.
[25] Sunil Chopra and Peter Meindl, Supply Chain Management: Strategy, Planning and Operation, Prentice-
Hall, Inc., 2004 Second edition.
[26] Hau L. Lee, Corey Billington, "Material management in decentralized supply chains," Operations
Research Vol. 41, Issue 5, Sept.–Oct., 1993. pp. 835-847.
[27] Gerald B. Sheble, Chin-Chuen Teoh, Financial risk assessment for marketing decisions, Power Learn
Report.
[28] Guillermo Gutiérrez-Alcaraz, Gerald B. Sheblé, "I-O Model in the Energy Market: A GENCOs
Perspective," 35th North American Power Symposium, pp. 92-96, October 2003


Curso de Operacion PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Curso de Operacion PDF

Загружено:

Авторское право:

Доступные форматы

TABLE OF CONTENTS

©2004 Guillermo Gutierrez, All Right Reserved

©2004 Guillermo Gutierrez, All Right Reserved

Figura 1.1 Curva de demanda horaria................................................................................................................... 7

©2004 Guillermo Gutierrez, All Right Reserved

Tabla 1.1 Resultados finales del ejemplo 1.1. ....................................................................................................... 16

©2004 Guillermo Gutierrez, All Right Reserved

©2004 Guillermo Gutierrez, All Right Reserved

1.2 Unidades Generadoras

Fundamental al problema de despacho económico, es el conocimiento de las características de

©2004 Guillermo Gutierrez, All Right Reserved

1.2.1. Generadores Térmicos

En la Figura 1.2 se muestra un conjunto típico caldera-turbina-generador para una máquina

Figura 1.21.1 Conjunto Caldera-turbina-generador de una unidad térmica

H = energía calorífica de entrada a la unidad (MBtu/h)

Ocasionalmente, F incluye los costos de depreciación y el costo de operación de la planta. La

©2004 Guillermo Gutierrez, All Right Reserved

Figura 1.3. Curva de entrada-salida de una unidad térmica ideal

La curva de calor o costo incremental se obtiene de la derivada de la curva entrada-salida, y se

Esta característica es muy utilizada en el despacho económico de la unidad. La curva de relación

©2004 Guillermo Gutierrez, All Right Reserved

Figura 1.5 Características de un generador de vapor con 4 válvulas

©2004 Guillermo Gutierrez, All Right Reserved

Figura 1.7 Planta de ciclo combinado con cinco generadores

©2004 Guillermo Gutierrez, All Right Reserved

1.2.2. Plantas de Energía Nuclear

1.3. Despacho Económico

1.3.1. Despacho Económico sin Pérdidas [2,3].

©2004 Guillermo Gutierrez, All Right Reserved

P D = P DTOTAL - P D BASE (1.1)

©2004 Guillermo Gutierrez, All Right Reserved

donde L es la función de Lagrange o Lagrangiano y λ es la constante no conocida, llamada

©2004 Guillermo Gutierrez, All Right Reserved

P Gmin i ≤ P G i ≤ P Gmax i (1.8)

donde (1.8) representa un conjunto de 2N desigualdades. Ahora, el problema se transforma a:

PGmini ≤ PGi ≤ PGmaxi 2N desigualdades (1.9c)

Considerando las desigualdades, las condiciones para el óptimo de CT varían ligeramente a:

donde (1.10a)-(1.10c) son conocidas como condiciones de Kuhn-Tucker [1][2].

Ejemplo 1.1. Sea el conjunto de tres unidades siguientes [1][4][5]:

U-1: de vapor a base de carbón.

PGmax = 600 MW, PGmín = 150 MW.

©2004 Guillermo Gutierrez, All Right Reserved

PGmáx = 400 MW, PGmín = 100 MW.

U-3: de vapor a base de combustóleo.

PGmáx = 200 MW, PGmín = 50 MW.

U-1: C1' = 1.1 $/Mbtu

C 1 ( P G 1 ) = H 1C 1′ = (H 1) (1.1) = 561 + 7.92 P G 1 + 0.001562 P G 1 $/h

C 2 ( P G 2 ) = H 2C 2′ = (H 2 ) (1) = 310 + 7.85 P G 2 + 0.00194 P G 2 $/h

C 3 ( P G 3 ) = H 3C 3′ = (H 3 ) (1) = 78 + 7.97 P G 3 + 0.00482 P G 3 $/h

Los costos incrementales serán las derivadas de las expresiones anteriores:

©2004 Guillermo Gutierrez, All Right Reserved

PG1 + PG2 + PG3 = 850 MW (d)

De las ecuaciones (a), (b) y (c) se obtiene:

λ - 7.92 λ - 7.85 λ - 7.97

Sustituyendo estas expresiones en (d):

λ - 7.92 λ - 7.85 λ - 7.97

9.1482626 - 7.92 9.1482626 - 7.85

Tabla 1.1 Resultados finales del ejemplo 1.1.

GENERADOR PGMÍN PGMÁX PGACTUAL

©2004 Guillermo Gutierrez, All Right Reserved

C 1 ( PG1 ) = H 1C 1′ = (H 1) (0.9) = 459 + 6.48 PG1 + 0.001280 PG1 $/h

Las nuevas potencias de generación son:

8.2852 - 6.48 8.2852 - 7.85