Открыть Электронные книги
Категории
Открыть Аудиокниги
Категории
Открыть Журналы
Категории
Открыть Документы
Категории
Н.П. Фикс
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
В ВЫСОКОВОЛЬТНОЙ ЭЛЕКТРОТЕХНИКЕ
Издательство
Томского политехнического университета
2009
УДК 621.31:519(075.8)
ББК 31.279.1:22.12я73
Ф 35
Фикс Н.П.
Ф35 Математическое моделирование в высоковольтной элек-
тротехнике: учебное пособие .– Томск: Изд-во ТПУ, 2009. –
130 с.
ISBN 5-98298-175-3
В учебном пособии изложены следующие темы: идеализация и
схематизация реальных систем при построении их моделей; основные
этапы создания моделей; физическая и математическая модель объекта;
аспекты проверки адекватности модели; элементы матричной алгебры;
численные методы решения уравнений и систем алгебраических и диф-
ференциальных уравнений; математическое моделирование установив-
шихся режимов энергосистем; применение инструментальных средств
моделирования. Книга предназначена для студентов направления 140200.
УДК 621.31:519(075.8)
ББК 31.279.1:22.12я73
Рецензенты
2
ПРЕДИСЛОВИЕ
Дисциплина «Математическое моделирование в высоковольтной
электротехнике» изучает методы решения широкого круга научно-
технических, инженерных и учебных задач в области высоковольтной
электроэнергетики и электротехники. Большое внимание при изучении
курса уделяется применению современных информационных техноло-
гий для создания и анализа моделей. Математическое моделирование в
высоковольтной электротехнике имеет связь с курсами «Высшая мате-
матика», «Теоретические основы электротехники», «Техника высоких
напряжений», «Электроэнергетические системы и сети». Цель книги –
связать математику как общетеоретическую дисциплину с практиче-
скими её применениями в инженерных исследованиях, подготовить
студентов к изучению специальных дисциплин, которые в значительной
мере основаны на применении к техническим задачам некоторых разде-
лов прикладной математики.
В главе 1 даются определения основных понятий курса, предлага-
ется возможная классификация математических моделей. Приводится
обзор систем компьютерной математики, рассматриваются возможно-
сти их применения для обучения студентов технического вуза матема-
тическому моделированию. Использование таких систем как MathCAD
и MatLab позволяет студентам получить навыки автоматизированной
работы с комплексными числами, графиками функций, автоматизиро-
ванного решения алгебраических и дифференциальных уравнений, мо-
делировать различные технические объекты и процессы, готовит сту-
дентов к будущей профессиональной деятельности. Очевидно, знание
новейших средств решения профессиональных задач помогает адапти-
ровать студентов к современным условиям информационного общества.
Глава 2 содержит основные сведения о матрицах, определителях и
системах линейных алгебраических уравнений.
В главе 3 излагаются основы некоторых численных методов ре-
шения уравнений и систем линейных, нелинейных и дифференциаль-
ных уравнений.
Глава 4 содержит материалы по математическому моделированию
установившихся режимов энергосистем.
3
В приложениях рассматриваются возможности применения сис-
темы MathCAD для работы с векторами и матрицами, для решения
уравнений и систем линейных, нелинейных и дифференциальных урав-
нений. Для описания приложений системы MathCAD к решению задач,
рассматриваемых в учебном пособии, использовались источники [1 – 6].
4
ГЛАВА 1. ОСНОВНЫЕ ПОЛОЖЕНИЯ КУРСА.
ЭТАПЫ СОЗДАНИЯ МАТЕМАТИЧЕСКОЙ
МОДЕЛИ. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА
МОДЕЛИРОВАНИЯ
1.1. Идеализация и схематизация реальных
систем при построении их моделей.
Физическая и математическая модели объекта
Моделирование – это замещение исследуемого объекта (оригина-
ла) его условным описанием или другим объектом (моделью) и изуче-
ние свойств оригинала путем исследования свойств модели.
Основные цели моделирования: изучение объекта или явления –
познавательная цель; управление объектом, т.е. отыскание по модели
оптимальных управляющих воздействий. В обоих случаях модель соз-
дается для определения и прогноза характеристик или сигналов объекта.
Основные условия эффективности моделирования: модель должна
быть адекватной оригиналу, т.е. она должна с достаточной точностью
отображать интересующие исследователя характеристики оригинала;
модель должна устранять проблемы, связанные с физическим измере-
нием сигналов или характеристик оригинала.
В зависимости от способа моделирования выделяют два класса
моделей – физические и математические.
Физические модели предполагают, как правило, реальное вопло-
щение тех физических свойств оригинала, которые интересуют иссле-
дователя. Физические модели упрощены и называются макетами. Физи-
ческое моделирование иначе называется макетированием.
Математическая модель – это совокупность математических
объектов (чисел, символов, множеств и т.д.) и связей между ними, от-
ражающих важнейшие свойства объекта. Математические модели пред-
ставляют собой формализованные описания объекта или системы с по-
мощью некоторого абстрактного языка, например, в виде совокупности
математических соотношений или схемы алгоритма. Различные виды
математического моделирования: вербальные, графические, табличные,
аналитические и алгоритмические.
Далее, в соответствии с темой учебного пособия, будем рассмат-
ривать математические модели.
5
Иногда математическая модель описывается уравнениями, кото-
рые вытекают из рассмотрения физической сущности моделируемого
явления или системы. Однако чаще описание моделируемых объектов и
систем имеет формальный характер и базируется на том, что многие яв-
ления различной природы описываются уравнениями одного и того же
вида. В этом случае говорят о формальных моделях.
Кроме того, явления, системы и их модели могут быть стацио-
нарными и нестационарными. Нестационарные модели, гораздо более
сложные, характеризуются зависимостью их параметров от времени. У
стационарных моделей такой зависимости нет.
К математическим моделям предъявляют ряд требований. Отме-
тим некоторые из них, наиболее важные.
Адекватность – это способность отображать свойства объекта с
погрешностью не выше, чем заданная. Степень соответствия модели
исследуемому реальному объекту не может быть полной. На практике
модель считают адекватной, если она с удовлетворительной точностью
позволяет достичь целей исследования. Точность математической моде-
ли оценивается степенью совпадения значений параметров реального
объекта и значений тех же параметров, рассчитанных с помощью оце-
ниваемой математической модели.
Степень универсальности математической модели характеризует
полноту отображения в модели свойств реального объекта. Математи-
ческая модель отражает лишь некоторые свойства объекта. Чем большее
количество свойств объекта описывает модель, тем более сложной она
оказывается. Не всегда чем сложнее модель, тем выше её адекватность.
Надо стремиться найти наиболее простую модель, которая позволяет
достичь требуемых результатов. Так, большинство математических мо-
делей, используемых при функциональном проектировании, предназ-
начено для отображения протекающих в объекте физических или ин-
формационных процессов, при этом не требуется описания таких
свойств объекта, как геометрическая форма составляющих его элемен-
тов. Например, математическая модель резистора в форме уравнения
закона Ома характеризует свойство резистора пропускать электриче-
ский ток, но не отражает форму, цвет, механическую прочность, стои-
мость и другие характеристики резистора.
Точность математической модели оценивается степенью совпа-
дения значений параметров реального объекта и значений тех же пара-
метров, рассчитанных с помощью оцениваемой математической модели.
Пусть отражаемые в математической модели свойства оцениваются век-
тором выходных параметров Y= (у1, у2, …, уm). Тогда, обозначив истин-
6
ное и рассчитанное с помощью математической модели значения j-го
выходного параметра через уj ист и уj м соответственно, определим отно-
сительную погрешность εj расчета параметра уj как
εj = (уj м – уj ист)/ уj ист
Получена векторная оценка ε = (ε1, ε2, …, εm). При необходимости
сведения этой оценки к скалярной используют какую-либо норму век-
тора ε, например
εm = ||ε|| = max εj.
Экономичность математической модели характеризуется затрата-
ми вычислительных ресурсов (затратами машинных времени TM и памя-
ти Пм) на её реализацию. Чем меньше Тм и Пм, тем модель экономичнее.
Вместо значений Тм и Пм, зависящих не только от свойств модели, но и
от особенностей применяемой ЭВМ, часто используют другие величи-
ны, например: среднее количество операций, выполняемых при одном
обращении к модели, размерность системы уравнений, количество ис-
пользуемых в модели внутренних параметров и т.п.
Потенциальность (предсказательность) – это способность моде-
ли дать новые знания об исследуемом объекте, прогнозировать его по-
ведение или свойства.
Требования высокий точности, высокий степени универсальности,
широкой области адекватности, с одной стороны, и высокой экономич-
ности, с другой стороны, противоречивы. Наилучшее компромиссное
удовлетворение этих противоречивых требований зависит от особенно-
стей решаемых задач, иерархического уровня и аспекта моделирования
[7; 8].
11
На этапе реализации плана эксперимента рассчитываются число-
вые значения параметров математической модели. Эта задача ставится
как задача минимизации погрешности модели.
Анализируются и интерпретируются результаты моделирования,
дается оценка точности и адекватности.
На этапе программной реализации модели и реализации плана
экспериментов необходим выбор методов решения задач моделирова-
ния. При этом используются три основные группы методов: графиче-
ские – оценочные приближенные методы, основанные на построении и
анализе графиков; аналитические – решения, полученные в виде анали-
тических выражений; численные – основной инструмент для решения
сложных математических задач, основанный на применении различных
численных методов.
Аналитическое решение удается получить редко и чаще лишь при
упрощенной формулировке задачи в линейном приближении. Основ-
ным средством решения является алгоритмический подход, реализую-
щий компьютерный вычислительный эксперимент.
Решение почти всегда содержит некоторую погрешность, наличие
которой обусловлено рядом причин, таких как следующие: 1) матема-
тическая модель является лишь приближенным описанием реального
процесса (погрешность модели); 2) исходные данные, как правило, со-
держат погрешности, так как являются результатами экспериментов
(измерений) или решениями вспомогательных задач (погрешность дан-
ных); 3) применяемые для решения задачи методы в большинстве слу-
чаев являются приближенными (погрешность метода); 4) при вводе ис-
ходных данных, выполнении операций, производятся округления (вы-
числительная погрешность). Первая и вторая погрешности неустранимы
на данном этапе решения, для их уменьшения приходится возвращаться
вновь к построению математической, а иногда и концептуальной моде-
ли, проводить дополнительное экспериментальное уточнение условий
задачи.
Оценка обусловленности вычислительной задачи – еще одно обя-
зательное требование при выборе метода решения и построении мате-
матической модели. Теоретически устойчивость задачи означает, что её
решение может быть найдено со сколь угодно малой погрешностью, ес-
ли только гарантировать достаточно малую погрешность входных дан-
ных. Однако на практике их точность ограничена. Обусловленность за-
дачи означает чувствительность решения вычислительной задачи к ма-
лым погрешностям входных данных. Задачу называют хорошо обуслов-
ленной, если малым погрешностям входных данных отвечают малые
12
погрешности решения, и – плохо обусловленной, если возможны значи-
тельные изменения решения. Часто возможно ввести количественную
оценку степени обусловленности – коэффициент возможного возраста-
ния погрешности в решении по отношению к вызвавшей их погрешно-
сти входных данных, если установлено неравенство между этими по-
грешностями.
13
1.6. Системы компьютерной математики
Использование микрокалькулятора позволяет увидеть алгоритм
того или иного численного метода, однако требует концентрации вни-
мания на арифметических действиях и на исправлении практически не-
избежных ошибок. Построение математической модели путем програм-
мирования на одном из алгоритмических языков больше решает задачи
обучения программированию, поскольку значительная часть времени
тратится на отладку программ.
Существуют инструментальные средства, позволяющие создавать
и модифицировать учебные модели в интерактивном режиме без необ-
ходимости программирования. При использовании таких средств, часто
называемых системами компьютерной математики, процесс моделиро-
вания будет первичной задачей по отношению к процессу алгоритмиза-
ции.
Методы решения таких алгоритмически сложных задач как опти-
мизация, сложные итеративные поисковые процедуры, трехмерная гра-
фическая визуализация и др. изучаются в рамках большинства техниче-
ских специальностей вузов. Один из путей решения проблемы обучения
умению решать подобные задачи – использование систем компьютер-
ной математики. Универсальные системы компьютерной математики
MathLAB, Mathematica, MathCAD, Maple и др. успешно используются
при решении прикладных задач широкого диапазона сложности. В этих
программных системах реализовано большое количество удобных про-
цедур, обеспечивающих не только получение численного или символь-
ного результата, но и предусматривающих различные формы вывода
результатов, анимацию графиков, возможность многовариантного опе-
ративного пересчета при изменении исходных данных и многое другое.
Широта охвата классов решаемых задач, отсутствие высоких требова-
ний к пользователям как к математикам и программистам, обеспечили
широкое распространение систем компьютерной математики.
MathCAD – это мощная и в то же время простая универсальная
среда для решения задач в различных отраслях науки и техники. Описа-
ние решения математических задач задается с помощью привычных ма-
тематических формул и знаков. MathCAD позволяет выполнять как чис-
ленные, так и аналитические (символьные) вычисления, имеет удобные
интерфейс и средства графики [1; 4; 9].
Основы работы с системой компьютерной математики MathCAD
даны в приложении 1.
14
ГЛАВА 2. ЭЛЕМЕНТЫ МАТРИЧНОЙ АЛГЕБРЫ.
СИСТЕМЫ УРАВНЕНИЙ В МАТРИЧНОЙ ФОРМЕ
2.1. Матричная форма записи систем
уравнений, составляемых в процессе
моделирования
Любой режим электрической системы состоит из множества различ-
ных процессов. Параметры режима связаны между собой соотношениями, в
которые входят некоторые коэффициенты пропорциональности, зависящие
от свойств элементов системы и от способов соединения их между со-
∗ ⎛ ∗ ∗ ⎞
бой. Например, ток на участке линии передачи I = ⎜ U 1 − U 2 ⎟ Z 1 2 , где
⎝ ⎠
∗ ∗ ∗
I и U 1 , U 2 – параметры режима; Ζ12 – сопротивление данного участка
линии.
Ток в ветви сложной системы в простейшей форме
∗ ∗ ∗ ∗
I 1 = E 1 Y11 + E 2 Y1 2 + L + E k Y1k ,
∗ ∗ ∗ ∗
где I и E 1, E 2 , K, E k – параметры режима; Y11, Y12 , K, Y1k – постоян-
ные коэффициенты (параметры системы).
При исследовании режимов сложных по конфигурации электриче-
ских сетей возникает необходимость составления и решения систем
уравнений больших порядков. Выражения для токов отдельных ветвей
(или для напряжений узлов) и распределение этих токов в зависимости от
параметров сети удобно представлять в матричной форме. Матричная за-
пись таких систем уравнений позволяет компактно представлять задачу и
её решение [8].
15
2.2. Определение матрицы. Виды матриц
Матрицей размера m×n называется прямоугольная таблица чисел,
содержащая m строк и n столбцов:
⎡ a1 1 a1 2 K a1n ⎤
⎢a a22 K a 2n ⎥
A= ⎢ 21 ⎥.
⎢K K K K ⎥
⎢ ⎥
⎣ a m1 a m 2 K a m n ⎦
Числа aik, из которых составлена матрица, называются элемента-
ми матрицы. В записи aik первый индекс i означает номер строки, а вто-
рой индекс k – номер столбца, на пересечении которых находится эле-
мент aik.
Возможные обозначения матрицы: А, B, C и т.д.; [aik]; ||aik||;
А = [aik] = ||aik||, i = 1, 2, …, m, k = 1, 2, …, n (с указанием размера
матрицы).
Матрица размером 1 × n , состоящая из одной строки, называется
матрицей-строкой: [ a11 a12 K a1n ] , m = 1 .
⎡ a1 1 ⎤
⎢a ⎥
Матрица-столбец ⎢ 2 1 ⎥ , n = 1 имеет размерность m × 1 и состоит
⎢K⎥
⎢ ⎥
⎣ a m1 ⎦
из одного столбца.
Если в матрице A поменять местами строки и столбцы, получим
транспонированную матрицу:
⎡ a1 1 a21 K a m1 ⎤
⎢a a 2 2 K a m2 ⎥
A =⎢
T 1 2 ⎥.
⎢K K K K ⎥
⎢ ⎥
⎣ a1n a 2n K a m n ⎦
Транспонированной матрицей вектор-строки является вектор-
столбец. Транспонированной матрицей вектор-столбца – вектор-строка.
Матрица, в которой число строк равно числу столбцов (m = n), на-
зывается квадратной. В квадратной матрице элементы a11, a22, …, amn
образуют главную диагональ, а элементы an1, a(n–1)2, …, a1n – побочную
диагональ. Например, квадратная матрица третьего порядка:
16
⎡ a11 a12 a13 ⎤
⎢
A = a 21 a 22 a 23 ⎥ .
⎢ ⎥
⎢⎣ a 31 a 32 a 33 ⎥⎦
Если квадратная матрица симметрична (т.е. aij = a ji ), то она равна
своей транспонированной матрице ( A = A T ).
Квадратная матрица, элементы которой, расположенные ниже
главной диагонали, равны нулю, называется верхней треугольной мат-
рицей. Если элементы квадратной матрицы, расположенные выше глав-
ной диагонали, равны нулю, то матрица называется нижней треуголь-
ной матрицей.
Диагональная матрица – это симметричная матрица, в которой
лишь главную диагональ образуют отличные от нуля элементы. Диаго-
нальная матрица n -го порядка:
⎡ a1 0 K 0⎤
⎢0 a2 K 0⎥
A = d i a g ( ai ) = ⎢ ⎥.
⎢K K K K ⎥
⎢ ⎥
⎣0 0 K an ⎦
Единичная матрица – это диагональная матрица, в которой эле-
менты главной диагонали – единицы:
⎡1 0 K 0⎤
⎢0 1 K 0⎥
A=E= ⎢
⎢K K K K⎥
( )
⎥ = Δij ,
⎢ ⎥
⎣0 0 K 1⎦
где Δ i j – символ Кронекера ( Δ i j = 0 при i ≠ j и Δ i j = 1 при i = j ).
Столбец, все элементы которого равны единице, называют еди-
ничным столбцом. Транспонированный единичный столбец – это еди-
ничная строка.
Матрица, все элементы которой равны нулю, называется нулевой.
( ) ( )
Суммой двух матриц A = aij и B = bij , имеющих одинаковое
число строк и столбцов, называется матрица C = cij , элементы кото-( )
рой равны суммам соответствующих элементов матриц A и B
( )
cij = aij + bij .
Операция сложения матриц обладает переместительным и сочета-
тельным свойствами:
A+B=B+A;
( A + B ) + C = A + ( B + C) .
Произведением матрицы A на число γ называется матрица, эле-
менты которой получены умножением элементов матрицы A на число γ:
⎡ γ a1 1 γ a21 K γ a m1 ⎤
⎢γ a γ a 2 2 K γ a m2 ⎥
γA = Aγ = B = ⎢ 1 2 ⎥,
⎢ K K K K ⎥
⎢ ⎥
⎣ γ a1n γ a 2n K γ a m n ⎦
Причем γ ( A + B ) = γ A + γ B , ( γ + ϕ) A = γ A + ϕ A , ( γϕ) A = γ ( ϕ A ) .
Умножение матриц A и B возможно, если число столбцов матри-
цы A равно числу строк матрицы B. При этом элементы матрицы
C = A × B вычисляются следующим образом: элемент cij i-й строки и j-
го столбца матрицы C равен сумме произведений элементов i-й строки
матрицы A на соответствующие элементы j-го столбца матрицы B. При
( )
A = aij , i = 1,2, K, m; j = 1,2, K, n;
B = ( bij ) , i = 1,2, K, n; j = 1,2, K, p
получим
( )
C = A × B = cij , i = 1,2, K, m; j = 1,2, K, p,
причем
n
c i j = ∑ a i l bl j .
l =1
Очевидно, что произведение двух прямоугольных матриц есть
прямоугольная матрица, число строк которой равно числу строк первой
18
матрицы-сомножителя, а число столбцов – числу столбцов второй мат-
рицы-сомножителя.
Для умножения матриц справедливо сочетательное свойство, а
также распределительное свойство умножения относительно сложения:
( A × B ) × C = A × ( B × C) ;
γ A × B × C = γ ( A × B ) × C = γ A × ( B × C) ;
A × ( B + C) = A × B + A × C ;
( A + B) × C = A × C + B × C .
Произведение двух матриц не обладает переместительным свой-
ством:
A×B ≠ B×A.
В частном случае, когда A × B = B × A , матрицы A и B называются
перестановочными или коммутативными. Так, например, очевидно, что
единичная матрица E перестановочная с любой квадратной матрицей
того же порядка:
A×E = E× A = A .
Для операции транспонирования матриц справедливы свойства:
дважды транспонированная матрица совпадает с исходной
( )
T
( ATT = AT = A ); транспонированная матрица суммы равна сумме
T
транспонированных матриц слагаемых ( ( A + B ) = A T + B T ); транспо-
нированная матрица произведения равна произведению транспониро-
ванных матриц сомножителей, взятых в обратном порядке
T
( ( A × B ) = B T × A T ); произведение матрицы на её транспонированную
даёт симметричную матрицу
( ) ( )
T T
( CT = A × A T = AT × A T = A × A T = C ).
Для квадратной неособенной матрицы A можно найти обратную
матрицу, что означает операцию её обращения. Обратной матрицей по
отношению к данной называется матрица, при умножении которой как
справа, так и слева на данную матрицу получается единичная матрица:
A × A − 1 = A − 1 × A = 1.
Элементы обратной матрицы
A − 1 = B = bij ( )
вычисляются по формуле
bij = A ji A ,
19
где Aji – алгебраическое дополнение элемента aij в определителе матри-
цы A.
Обратная матрица произведения двух квадратных матриц равна
произведению обратных матриц сомножителей, взятому в обратном по-
рядке:
( A × C) − 1 = C − 1 × A − 1.
Транспонированная обратная матрица равна обратной транспони-
рованной матрице:
( ) ( )
T −1
A −1 = AT .
21
a1 1 a1 2 K a1n
a21 a22 K a 2n
det A = =
K K K K
a n1 a n2 K ann
a22 a 23 K a 2n a 21 a23 K a 2n
a3 2 a 33 K a 3n a 31 a 33 K a 3n
= a11 − a12 + L (2.3.7)
K K K K K K K K
a n2 a n3 K ann a n1 a n3 K ann
a 21 a 22 K a 2, n −1
n −1 a 31 a 32 K a 3, n −1
L + ( − 1) a1n .
K K K K
a n1 a n2 K a n, n −1
По формуле (2.3.7) вычисляется определитель любого порядка с
помощью разложения определителя по первой строке.
Рассмотрим основные свойства определителей.
Определитель единичной матрицы равен единице:
1 0 K 0
0 1 K 0
=1. (2.3.8)
K K K K
0 0 K 1
Доказательство основано на последовательном применении формулы
(2.3.7).
Если поменять местами две строки определителя, он изменит знак
на противоположный. Доказательство для n = 2 и n = 3 следует из (2.3.4)
и (2.3.5). Переход от n = 3 к n = 4 и так далее получается с помощью
(2.3.7).
Отсюда следствие: определитель, две строки которого совпадают,
равен нулю. В самом деле, обозначив такой определитель через Δ, срав-
ним его с определителем (–Δ), полученным перестановкой указанных
строк. Это даст Δ = − Δ, откуда Δ = 0 .
Пусть некоторая i-я строка определителя Δ порядка n имеет вид
α a i1 + β bi1, α a i 2 + β bi 2 , K, α a in + β bin ,
где α ,β – числа. Тогда определитель Δ имеет вид
Δ = α Δ1 + β Δ 2 ,
22
где Δ1, Δ2 – определители, у которых i-е строки равны соответственно
a i1, a i 2 , K, a in и bi1, bi 2 , K, bin . Любая другая строка у всех трёх опре-
делителей Δ, Δ1, Δ2 одинакова.
Указанное свойство называется линейностью определителя по i-й
строке. Например, линейность по первой строке записывается так:
α a11 + β b11 α a12 + β b12 K α a1n + β b1n
a 21 a 22 K a 2n
=
K K K K
a n1 a n2 K a nn
(2.3.9)
a11 a12 K a1n b11 b12 K b1n
a 21 a 22 K a 2n a 21 a 22 K a 2n
=α +β .
K K K K K K K K
a n1 a n 2 K a nn a n1 a n 2 K a nn
Если строки определителя линейно зависимы, то определитель
равен нулю. Пусть, например, первая строка определителя матрицы
(2.3.6) есть линейная комбинация остальных строк. Пользуясь свойст-
вом линейности по первой строке, представим определитель в виде
a i1 ai2 K ai n
n a a 2 2 K a 2n
det A = ∑ αi 21 .
i =2
K K K K
a n1 a n2 K a n n
Каждый определитель в правой части содержит, очевидно, две
одинаковых строки, и, следовательно, равен нулю. Поэтому det A = 0.
Определитель матрицы, строка которой состоит из нулей, равен
нулю.
При добавлении к некоторой строке матрицы линейной комбина-
ции других её строк значение определителя не меняется.
Определитель квадратной матрицы не меняется при её транспо-
нировании, т.е.
a1 1 a1 2 K a1n a1 1 a21 K a n1
a a 2 2 K a 2 n a1 2 a 2 2 K a n2
d et A = 21 = = det AT .
K K K K K K K K
a n1 a n 2 K a n n a1n a 2n K a n n
Свойства, записанные для строк определителя, справедливы и для
столбцов. Перечислим эти свойства.
23
Определитель матрицы A можно разложить по первому столбцу:
a11 a12 K a1n
a a 2 2 K a 2n
det A = 2 1 =
K K K K
a n1 a n 2 K a nn
a22 a 23 K a 2n a1 2 a13 K a1n
a a 33 K a 3n a a3 3 K a 3n
= a11 3 2 − a 21 32 +L
K K K K K K K K
a n2 a n3 K ann a n2 a n3 K a nn
a12 a13 K a1, n
n −1 a22 a23 K a 2, n
L + ( − 1) a n1 .
K K K K
a n −1, 2 a n −1,3 K a n −1, n
Если поменять местами два столбца матрицы, то её определитель
изменит знак на противоположный.
Определитель матрицы с двумя одинаковыми столбцами равен
нулю.
Определитель линеен по каждому своему столбцу.
Если столбцы матрицы линейно зависимы, то её определитель ра-
вен нулю.
Определитель матрицы, содержащей столбец нулей, равен нулю.
При добавлении к некоторому столбцу матрицы линейной комби-
нации других столбцов значение определителя не меняется.
Рассмотрим матрицу A размера m×n. Выделим в ней k строк (k≤m,
k≤n) и столько же столбцов. Элементы матрицы A, стоящие на пересе-
чении этих строк и столбцов, образуют матрицу вида k×k. Её определи-
тель называется минором k-го порядка матрицы А. В частности, каждый
элемент aij матрицы – это один из её миноров первого порядка.
Пусть A – квадратная матрица вида n×n. Зафиксируем один из её
элементов aij. Минор Mij порядка n−1, соответствующий всем строкам
матрицы, кроме i-ой и всем столбцам матрицы, кроме j-го, называется
дополнительным по отношению к элементу aij.
Число
i+ j
Aij = ( − 1) M ij
24
называется алгебраическим дополнением, или адъюнктом элемента aij
матрицы А.
Определитель матрицы A размера n×n с элементами aij равен
сумме произведений всех элементов её i-й строки на их алгебраические
дополнения:
n
det A = ∑ a i j Ai j , i = 1, 2,K , n. (2.3.10)
j =1
Для i = 1 эта теорема уже известна (см. формулу (2.3.7)).
Пусть теперь i>1. Поменяем местами i-ю строку с (i-1)-й, затем
(i-1)-ю с (i-2)-й и т.д., наконец вторую строку с первой. Вместо detA по-
i−1
лучим новый определитель, равный ( − 1) det A . Разложим его по
формуле (2.3.7):
a i1 ai 2 K ai n
a1 1 a1 2 K a1n
K K K K
( − 1) i −1 d et A = a i −1,1 a i −1, 2 K a i −1, n =
a i +1,1 a i +1, 2 K a i +1, n
K K K K
a n1 a n2 K ann
a12 a1 3 K a1n
K K K K
a i −1, 2 a i −1,3 K a i −1, n
= a i1 −L
a i +1, 2 a i +1,3 K a i +1, n
K K K K
a n2 a n3 K a nn
a1 1 a1 2 K a1, n −1
K K K K
n −1
a i −1,1 a i −1, 2 K a i −1, n −1
L + ( − 1) ai n =
a i +1,1 a i +1, 2 K a i +1, n −1
K K K K
a n1 a n2 K a n, n −1
25
n −1
= ai1M i1 − a i 2 M i 2 + L + ( − 1) a in M in .
Таким образом,
i +1 i+2 i+n
d e t A = a i1 ( − 1) M i1 + a i 2 ( − 1) M i 2 + L + a i n ( − 1) M i n =
n n
i+ j
= ∑ a i j ( − 1) M i j = ∑ a i j Ai j .
j =1 j =1
Для столбцов
n
d e t A = ∑ a i j Ai j .
i =1
Сумма произведений элементов некоторой строки определителя
на алгебраические дополнения соответствующих элементов другой
строки равна нулю:
n
d e t A = ∑ a i j Ak j = 0, i ≠ k .
j =1
Прежде, чем применять определение (2.3.7), или, что сводится к
тому же, разлагать определитель по строке или столбцу, надо попытать-
ся максимально упростить его. А именно, с помощью полученных выше
свойств надо преобразовать определитель так, чтобы как можно боль-
шее число его элементов стали нулями. Тогда последующие разложения
по строке или столбцу станут намного проще.
Если не все элементы матрицы
⎡ a1 1 a1 2 K a1n ⎤
⎢a a22 K a 2n ⎥
A= ⎢ 21 ⎥
⎢K K K K ⎥
⎢ ⎥
⎣ a m1 a m 2 K a m n ⎦
равны нулю, то рангом этой матрицы называется максимальный поря-
док её отличных от нуля миноров. Например, если в матрице есть минор
третьего порядка, отличный от нуля, а все миноры четвертого порядка и
выше равны нулю, то ранг матрицы равен трем. Если все элементы мат-
рицы A – нули, то её ранг равен нулю. Ранг матрицы A будем обозна-
чать символом rangA.
Любой, не равный нулю, минор порядка, совпадающего с рангом
rang A матрицы A, называется базисным минором матрицы А. Строки
(столбцы) матрицы А, в которых расположен базисный минор, называ-
ются базисными строками (столбцами) этой матрицы.
26
Квадратная матрица А n-го порядка называется вырожденной
(особенной), если d e t A = 0 , и - невырожденной, если d et A ≠ 0 . Неосо-
бенная матрица имеет единственную обратную матрицу.
Определитель обратной матрицы равен обратной величине опре-
делителя исходной матрицы:
1
det A − 1 =
det A
или
det A − 1 det A = 1 .
Порядок обращения матрицы: вычислить определитель исходной
матрицы d e t A ; сформировать матрицу из алгебраических дополнений
i+ j
всех элементов исходной матрицы Aij = ( − 1) M ij ; транспонировать
матрицу алгебраических дополнений, что дает присоединенную матри-
цу по отношению к исходной матрице A; каждый элемент присоеди-
ненной матрицы разделить на определитель исходной матрицы ( d e t A ).
Более обширные сведения о матричной алгебре можно получить,
например, из [10].
27
Разложим полученный определитель по первому столбцу:
−14 5 −5
Δ = 1⋅ 5 3 7 .
11 −8 −2
Прибавим к первой строке сумму второй и третьей, после чего разло-
жим полученный определитель по первой строке:
2 0 0
Δ = 1⋅ 5 3 7 = 2 ( − 6 + 5 6) = 1 0 0 .
11 −8 −2
28
Разложим определитель по первому столбцу, затем вынесем общий
множитель 6 из второй, третьей, четвёртой и пятой строк, потом приба-
вим к первому столбцу остальные и, наконец, разложим полученный
определитель по первому столбцу:
7 2 3 4 5 7 2 3 4 5
6 0 0 0 −6 1 0 0 0 −1
Δ = ( − 1) ⋅ 6 0 0 −6 0 = −64 ⋅ 1 ( ) 0 0 −1 0 =
6 0 −6 0 0 1 0 −1 0 0
6 −6 0 0 0 1 −1 0 0 0
21 2 3 4 5
0 0 0 −1
0 0 0 0 −1
( )
= −64 ⋅ 0 0 0 −1 ( )
0 = − 6 4 ⋅ 2 1⋅
0
0
0
−1
−1
0
0
0
.
0 0 −1 0 0
−1 0 0 0
0 −1 0 0 0
В результате последовательных разложений по первой строке получим:
0 0 −1
0 −1
Δ = − 6 4 ⋅ 2 1⋅ 0 −1 0 = − 6 4 ⋅ 2 1 ⋅ ( − 1) =
−1 0
−1 0 0
= − 6 4 ⋅ 2 1 ⋅ ( − 1) = − 2 7 2 1 6 .
29
ГЛАВА 3. ЧИСЛЕННЫЕ МЕТОДЫ РЕШЕНИЯ
УРАВНЕНИЙ И СИСТЕМ УРАВНЕНИЙ
3.1. Использование методов прикладной
математики в задачах электроэнергетики
Чтобы дать математическое описание системы, надо в виде мате-
матической модели представить все связи между переменными величи-
нами процессов. Изучение этих процессов, включая и их математиче-
скую интерпретацию, направлено на обеспечение лучшей работы сис-
темы, основная задача которой - выработка энергии [8].
Электрическая энергия - количественный показатель работы
электрической системы. Качество электрической энергии характеризу-
ется главным образом величиной и частотой напряжения у потребителя.
Режим энергосистемы - это её состояние в любой момент времени или
на некотором интервале времени. Параметры режима – напряжения в
различных точках системы, токи в её элементах, углы расхождения век-
торов ЭДС и напряжений, активные и реактивные мощности и т.д. – за-
висят от изменения режима.
При математическом описании различают три основных вида ре-
жимов электрических систем: нормальный установившийся режим,
применительно к которому проектируется электрическая система, опре-
деляются технико-экономические характеристики; послеаварийный ус-
тановившийся режим, наступающий после аварийного отключения ка-
кого-либо элемента или ряда элементов системы (в этом режиме систе-
ма может работать с несколько ухудшенными технико-экономическими
характеристиками); переходный режим, во время которого система пе-
реходит от одного состояния к другому.
Нормальный и послеаварийный установившийся режимы харак-
теризуются параметрами, не изменяющимися во времени. При этом свя-
зи между параметрами режима представляются алгебраическими урав-
нениями. Для переходного режима характерно изменение всех парамет-
ров во времени и описание его дифференциальными уравнениями.
Параметры системы могут зависеть от изменений её режима. В
этом случае система называется нелинейной. Параметры всех реальных
электрических систем в той или иной степени нелинейны. Но математи-
ческий аппарат для их исследования еще недостаточно разработан. В
связи с этим во многих практических задачах параметры системы при-
ходится полагать постоянными, считая систему на каком-то исследуе-
30
мом участке линейной. Здесь необходимо выбрать определённый ин-
тервал линеаризации и выделить случаи, когда во избежание сущест-
венных погрешностей необходимо учесть нелинейность (изменение па-
раметров в зависимости от изменений режима). Однако в математиче-
ской интерпретации режима энергосистемы присутствует всегда и дру-
гой вид нелинейности – это нелинейность, обусловленная характером
соотношений между параметрами её режима. Например, потребляемая в
сопротивлении R мощность связана квадратичной зависимостью с на-
пряжением: P=U2/R. От нелинейностей этого вида нельзя избавиться, а
поэтому их необходимо учитывать.
Необходимо не только изучать установившиеся режимы, но и ис-
следовать переходы системы от одного состояния (режима) к другому.
При изучении переходных режимов уже нельзя обойтись только мето-
дами алгебры, которые пригодны для рассмотрения установившегося
состояния.
Законы природы, управляющие теми или иными процессами, вы-
ражаются в форме дифференциальных уравнений, а расчет процессов
сводится к решению этих уравнений. В данном случае уравнения, опи-
сывающие процессы, являются нелинейными трансцендентными урав-
нениями высоких порядков, а поэтому способы их записи, преобразова-
ния и решения должны тщательно исследоваться.
Переходные режимы делятся на нормальные (эксплуатационные)
и аварийные [8]. И те и другие – совокупность переходных процессов.
Правильнее и удобнее записывать уравнения не для всего многообразия
переходных процессов, составляющих данный режим, а только для тех
из них, которые непосредственно относятся к изучаемому вопросу. При
этом появляются уравнения переходных процессов, которые отражают
закономерные последовательные изменения параметров режима систе-
мы от момента возмущения (т.е. от момента появления начального от-
клонения параметров режима) до начала нового установившегося ре-
жима. Переходный процесс в линейной непрерывной системе теорети-
чески длится бесконечно долго. Поэтому при практическом анализе за
окончание переходного процесса принимают момент, когда характерная
изменяющаяся величина (параметр) отличается от установившегося
значения на некоторую конечную величину, которую в данных услови-
ях можно принять за весьма малую. Таким образом, в данном случае в
решении присутствует условность – допущение, продиктованное прак-
тикой.
Текущая эксплуатация системы сопровождается нормальными пе-
реходными процессами. Они обусловлены изменениями нагрузки сис-
31
темы и реакцией на них регулирующих устройств. Нормальные процес-
сы возникают при обычных эксплуатационных операциях: включении и
отключении трансформаторов, а также отдельных линий электропере-
дач; нормальных эксплуатационных изменениях схемы коммутации
системы; включении и отключении отдельных генераторов и нагрузок
или изменениях их мощности. При нормальных переходных процессах
отклонения параметров режима от их установившихся значений часто
настолько невелики, что для описания системы можно применить ли-
нейные дифференциальные уравнения.
В электрической системе могут возникнуть и аварийные переход-
ные процессы вследствие каких-либо резких аварийных изменений ре-
жима: при коротких замыканиях элементов системы и последующем их
отключении, изменении схемы соединения системы, например случай-
ном (аварийном) отключении агрегатов или линий электропередачи, не-
сущих значительные нагрузки. Эти изменения, в математической тео-
рии электрических систем, называемые большими
возмущениями или воздействиями, приводят к значительным отклоне-
ниям параметров режима от их исходного состояния.
Для исследования поведения системы необходимо записать и ре-
шить полные уравнения движения системы. При этом вводятся упро-
щающие предположения, обоснованные главным образом практически-
ми соображениями, подсказывающими, какие именно методы следует
привлечь для конкретного решения задачи.
При исследовании переходных режимов особое значение имеет
проблема устойчивости электрических (электроэнергетических) систем
[8; 11]. В самом деле, все синхронные генераторы, входящие в электри-
ческую систему, должны работать при синхронном вращении их рото-
ров. Это рабочее состояние электрической системы, называемое её ус-
тановившимся режимом, должно обладать свойством устойчивости,
т.е. способностью восстанавливать исходный установившийся режим
или режим, практически близкий к нему, после какого-либо его измене-
ния – отклонения (возмущение: малые изменения мощности нагрузки,
большие изменения мощности, выдаваемой генератором при коротких
замыканиях, отключениях линий электропередачи и т.д.). Степень ус-
тойчивости системы, как правило, уменьшается с увеличением нагрузки
(мощности, выдаваемой её генераторами) и понижением напряжения
(увеличением мощности потребителей, снижением возбуждения генера-
торов). Для каждой системы могут определяться некоторые значения
указанных выше (или связанных с ними) величин – параметров режима,
характеризующих предел устойчивости. Система должна работать, не
32
достигая этого предела, т.е. с некоторым запасом устойчивости, опреде-
ляемым специальными нормативами для нормальных или послеаварий-
ных (после ликвидации аварии: отключении части линий, генераторов и
т.д.) условий; чтобы обеспечить устойчивость функционирования элек-
трической системы, предусматриваются специальные мероприятия
(обеспечение должного запаса при проектировании, автоматическое ре-
гулирование генераторов, противоаварийная автоматика, действующая
в процессе отклонения режима системы от нормального).
При анализе устойчивости электрических систем различают три
её вида [8] (более подробно см., например, в [11]).
Статическая устойчивость – способность системы восстанавли-
вать исходное (или практически близкое к нему) состояние (начальный
режим) после малого его отклонения (возмущения). Под малым пони-
мается такое отклонение, при котором исследуемая электрическая сис-
тема может изучаться на основе систем линейных дифференциальных
уравнений с применением общих методов Ляпунова, способов малых
колебаний, предусматривающих исследование характеристических
уравнений и применение частотных характеристик, включая различные
приемы построения границ области устойчивости [8; 11].
Динамическая устойчивость – способность системы восстанавли-
вать исходный режим или практически близкий к нему после большого
возмущения (короткого замыкания, отключения линии и т.д.). При ана-
лизе динамической устойчивости для выявления изменений параметров
режима (углов расхождения роторов генераторов, токов, напряжений и
т.д.) необходимо составлять и интегрировать нелинейные, трансцен-
дентные уравнения высоких порядков. Для этого применяют аналого-
вые вычислительные машины и расчетные модели (расчетные столы)
переменного тока, снабжаемые автоматикой, облегчающей вычисления.
Однако более часто на основе известных численных методов интегри-
рования (методов Рунге - Кутта и др.) создаются специальные алгорит-
мы и программы, позволяющие проводить решения на цифровых вы-
числительных машинах. Соответствие составленных программ действи-
тельным (апробированным) контролируется в процессе работы по от-
дельным (относительно простым) участкам (тестам). Наиболее убеди-
тельный контроль – сопоставление расчетных результатов с экспери-
ментальными в системе – натуре или на физической (динамической)
модели электрической системы.
Результирующая устойчивость – способность системы восста-
навливать исходный режим или режим, практически близкий к нему,
после нарушения в течение некоторого времени синхронной работы
33
(асинхронной работы части синхронных генераторов системы) с после-
дующим её восстановлением без отключения основных рабочих эле-
ментов системы. Допустимость асинхронного режима и его длитель-
ность ограничены неблагоприятным влиянием на генераторы (перегруз-
кой током, большим пульсирующим моментом), на нагрузку (пониже-
нием и колебаниями напряжения), на параллельно работающие системы
(возможностью их раскачивания). Устранение асинхронного режима
облегчается устройствами противоаварийной автоматики и другими
специальными устройствами.
Для расчетов всех видов устойчивости иногда пользуются пря-
мым (или вторым) методом Ляпунова [11], который теоретически явля-
ется наиболее общим, но в применении к рассматриваемым задачам
имеет ряд неопределённых еще трудностей. Расчеты статической ус-
тойчивости объединяются с расчетами нормального установившегося
режима, проводимыми итерационными методами, по сходимости кото-
рых можно (соблюдая некоторые специальные условия и ограничения)
судить о возможности существования устойчивого режима. Вероятно-
стный характер и неопределённость исходных данных, необходимых
для расчета устойчивости, проявляются всё заметнее по мере усложне-
ния систем, стимулируют разработку новых методов, учитывающих
особенности электрической системы. Такие методы развиваются и со-
вершенствуются [8].
Одно из развивающихся направлений в исследовании устойчиво-
сти электрических систем – это проведение расчетов в процессе
текущей эксплуатации, когда исходные данные получаются от рабо-
тающей системы, а результаты расчетов выдаются непосредственно
персоналу системы или управляющим устройствам (см. [12]).
Для расчетов установившихся режимов систем (отыскания рас-
пределения в них потоков мощностей, токов и напряжений) применяют-
ся матричные формы записи систем уравнений (см. также гл. 2) с ис-
пользованием теории графов и элементов топологии. Установившиеся
режимы рассчитываются как при детерминированных, так и при веро-
ятностных условиях. Причем для расчета при вероятностных условиях
требуется учет возможного появления случайных величин и случайных
событий, для характеристики которых можно использовать стохастиче-
ски заданную информацию, а иногда только неполную информацию.
При рассмотрении переходных режимов и анализе работы регулирую-
щих устройств применяют различные методы исследования дифферен-
циальных уравнений (более подробно – в [11]).
34
Для решения математических задач электроэнергетики нужны ме-
тоды решения систем алгебраических уравнений при матричном их
представлении, методы теории вероятности; методы решения систем
дифференциальных уравнений.
Можно выделить следующие классы численных методов [6; 9; 13;
16].
В методе эквивалентных преобразований исходную задачу заме-
няют другой, имеющей то же решение: нахождение корня нелинейного
уравнения сводят к поиску точек глобального минимума.
В методах аппроксимации исходную задачу заменяют другой,
решение которой близко к решению исходной задачи.
Конечно-разностные методы основаны на замене производных
конечными разностями.
В прямых (точных) методах решение может быть получено за ко-
нечное число элементарных операций (арифметических и извлечения
корня).
В итерационных методах (методах последовательных приближе-
ний к решению задачи) задается начальное приближение решения,
строится итерационная последовательность приближений к решению.
Если эта последовательность сходится к решению, то говорят, что ите-
рационный процесс сходится. Множество начальных приближений, для
которых метод сходится, называются областью сходимости метода.
Метод статистических испытаний (Монте-Карло) основан на мо-
делировании случайных величин и построении статистических оценок
решений задач (применяется для моделирования больших систем).
Численные методы группируются вокруг типичных математиче-
ских задач: задач анализа, алгебры, оптимизации, решения дифферен-
циальных и интегральных уравнений, обратные задачи (синтез). Этот
этап решения заканчивается выбором и обоснованием конкретных чис-
ленных методов решения, разработкой алгоритмов, которые могут быть
программно реализованы компьютерными средствами.
Численные методы решения дифференциальных уравнений в ча-
стных производных основаны на дискретизации переменных и алгеб-
раизации задачи. Дискретизация заключается в замене непрерывных
переменных конечным множеством их значений в заданных для иссле-
дования пространственном и временном интервалах; алгебраизация – в
замене производных алгебраическими соотношениями. Применяют раз-
личные способы дискретизации и алгебраизации переменных при реше-
нии дифференциальных уравнений в частных производных. Эти спосо-
бы составляют сущность методов числового решения. Большинство ис-
35
пользуемых методов относится либо к методам конечных разностей,
либо к методам конечных элементов. Если дифференциальное уравне-
ние в частных производных стационарное (т.е. описывает статические
состояния), то дискретизация и алгебраизация преобразует его в систе-
му алгебраических уравнений, в общем случае нелинейных. Если диф-
ференциальное уравнение в частных производных нестационарное (т.е.
описывает изменяющиеся во времени и пространстве поля перемен-
ных), то вначале получают систему обыкновенных дифференциальных
уравнений, для числового решения которой при заданных начальных
условиях (задача Коши) существует большое количество численных ме-
тодов.
( )
корень, означает определить x* такое, что f x ∗ ≡ 0 .
Во многих случаях точное значение x* найти невозможно, поэто-
му используются приближенные методы, когда значение корня опреде-
ляется с заданной точностью ε. Геометрически корень – это пересечение
графиком функции f ( x ) оси x.
Задача делится на два этапа. Первый этап – локализация корня,
т.е. отыскание интервала, на котором существует единственный нуж-
ный нам корень. Выбор интервала производится путем анализа знака
f ( x ) в ряде пробных точек. Этот процесс в общем виде не алгоритми-
зируется. Второй этап – уточнение положения корня на интервале лока-
лизации. Свойства функции на интервале локализации [a, b]: f ( x ) не-
прерывна на [a, b]; f(x) монотонна на [a, b], т.е. f ′ ( x ) > 0 или f ′ ( x ) < 0 ,
что обуславливает единственность корня; f(x) меняет знак на [a, b],
f ( a ) f ( b ) < 0 , т.е. корень существует; f ( x ) не имеет точек перегиба,
т.е. f ′′ ( x ) > 0 или f ′′ ( x ) < 0 . Последние условия не являются в общем
случае обязательными, однако для сходимости некоторых методов они
необходимы.
Отыскание приближенного значения корня – это итерационный
процесс, когда по предыдущему (предыдущим) значениям корня нахо-
36
дится следующее приближенное значение. Итерационный процесс пре-
кращается, когда достигается заданная точность:
f ( x n − ε ) ⋅ f ( x n + ε ) < 0. (3.2.1.1)
Для этого необходимо, чтобы процесс итераций сходился. Рас-
смотрим несколько итерационных процедур.
37
Пример 3.2.2.1 [6]. Решить с точностью ε = 10 − 3 уравнение
x + ln x = 0 . (3.2.2.4)
Решение. Представим уравнение (3.2.2.4) в виде
− x = ln x .
Из графиков функций y = − x и y = ln x (рис. 3.2.2.1) следует, что
уравнение (3.2.2.4) имеет единственный корень на отрезке [0,5; 1]. Ина-
че говоря, для непрерывной и монотонно возрастающей функции
f ( x ) = x + ln x , имеющей на концах отрезка значения разных знаков:
f ( 0,5) ≈ − 0,193 , f (1) = 1 , существует единственный корень уравнения
(3.2.2.4) на этом отрезке (функция монотонно возрастает, так как произ-
1
водная f ′ ( x ) = 1 + положительна в области определения). Вычислим:
x
⎛ 1⎞
m = min f ′ ( x ) = min ⎜1 + ⎟ = 2 ;
0,5≤ x ≤1 0,5≤ x ≤1⎝ x⎠
⎛ 1⎞
M = max f ′ ( x ) = max ⎜1 + ⎟ = 3 ;
0,5≤ x ≤1 0,5≤ x ≤1⎝ x⎠
m 1
q =1− = .
M 3
Преобразуем исходное уравнение (3.2.2.4) к виду, удобному для итера-
ций:
1 1
x = g ( x) = x − f ( x ) = x − ( x + ln x ) .
M 3
38
1
x k +1 = ( 2 x k − ln x k ) , k = 0,1,2,K, n .
3
Пусть x 0 = 0,75 – начальная точка в итерационном процессе.
Оценку погрешности каждого приближения будем определять расстоя-
нием d k = x k − x k −1 . Производя вычисления, последовательно нахо-
дим:
1 1
x1 = g ( x 0 ) = ( 2 x 0 − ln x 0 ) = ( 2 ⋅ 0,75 − ln 0,75) ≈ 0,59589402 ,
3 3
d1 ≈ 0,154106 ;
1 1
x 2 = g ( x1 ) = ( 2 x1 − ln x1 ) = ( 2 ⋅ 0,59589402 − ln 0,59589402 ) ≈ 0,56982683
3 3
d 2 ≈ 0,0260672 ;
x3 = g ( x 2 ) ≈ 0,56735881, d 3 ≈ 0,00246805 ;
x 4 = g ( x 4 ) ≈ 0,56716032, d 4 ≈ 0,00019848 .
Оценку погрешности четвертого приближения получим из нера-
венства
ξ − x 4 ≤ x 4 − x3 = d 4 ≈ 0,00019848 < ε = 10 − 3 .
Следовательно, x 4 ≈ 0,5 7 6 .
39
f ( xn )
x n +1 = ϕ ( x n ) = x n − . (3.2.3.1)
f ′( xn )
Выражение для начальной точки x0 совпадает с условием непод-
вижной точки:
⎧⎪a, если f ′′ ( a ) > 0;
c=⎨ . (3.2.3.2)
⎪⎩b , если f ′′ ( b ) > 0.
Метод Ньютона можно считать модификацией метода простой
f ( x)
итерации при ϕ ( x ) = x − . Условия сходимости метода следуют из
f ′( x )
(3.2.2.2), а именно, для всех x из области локализации корня должно вы-
полняться условие
f ( x ) f ′′ ( x )
q= x− 2
< 1, (3.2.3.3)
⎡⎣ f ′ ( x ) ⎤⎦
из которого следует: чем меньше область локализации корня, тем
меньше знаменатель q сходимости метода Ньютона и в пределе q → 0
при x → x ∗ . Таким образом, при достаточно малой области локализации
корня, метод Ньютона имеет безусловную сходимость.
Решением нелинейного уравнения
f ( x) = 0 (3.2.3.4)
является точка пересечения функции (3.2.3.4) с осью абсцисс (рис.
3.2.3.1).
Выберем в качестве начального приближения правую границу ин-
тервала [a, b], т.е. x 0 = b . Проведем касательную к функции f ( x ) в точ-
ке B0 . Пересечение этой касательной с осью абсцисс дает первое при-
ближение x1 корня x ∗ . Проведя касательную к функции в точке B1 ,
найдем второе приближение x 2 решения и т.д.
Выберем в качестве начального приближения левую границу ин-
тервала [a, b] ( x 0 = a ). Точка пересечения касательной к функции f ( x )
в точке A0 с осью абсцисс находится за пределами интервала [a, b]. При
таком начальном приближении решение найти нельзя (процесс расхо-
дится или стремится к другому решению).
Условие сходимости при начальном приближении x 0 :
f ( x 0 ) ⋅ f ′′ ( x 0 ) > 0 .
40
Рис.3.2.3.1. Графическая иллюстрация метода Ньютона [17]
41
ет хорошую сходимость. И наоборот, чем меньше значения f ′ ( x ) , тем
больше поправка Δ x k , и сходимость итерационного процесса уменьша-
ется.
i 0 1 2 3 4
42
3.2.4. Условие выхода из вычислительного процесса
в методах простой итерации и Гаусса
Формула (3.2.1.1) выхода из процесса итераций не всегда пригод-
на для практического использования. Она, например, не выполняется,
если функция имеет корень в точке локального минимума. Кроме того,
если алгоритм вычисления функции является плохо обусловленным,
относительная ошибка результата вычисления функции возле её корня
может значительно превосходить желаемую точность определения кор-
ня. В этом случае критерий (3.2.1.1) не обеспечивает остановку итера-
ционного процесса при достижении заданной величины ε. В тех мето-
дах, где выбор текущего интервала основан на вычислении знакопере-
менности функции на его концах, применение другого критерия не
уменьшает уже возникшую в такой ситуации ошибку, а приводит лишь
к выходу из процесса итераций.
Покажем практический способ выхода из процесса итераций, га-
рантирующий достижение заданной точности вычислений в общем слу-
чае простой итерации со знаменателем q . Считается, что корень на n-ой
итерации вычислен с точностью ε, если Δ x n∗ ≤ ε . Контролю же в про-
цессе вычислений поддаётся величина Δ x n . Установив связь между
этими величинами, мы получим возможность проводить вычисления с
заданной точностью. Заметим, что x n + k − x n → Δ x n∗ ≤ ε при k → ∞ .
Далее, учитывая неравенство треугольника и неравенство
Δ x n +1 = ϕ ( x n ) − ϕ ( x n −1 ) ≤ qΔ x n , запишем:
x n + k − x n ≤ Δ x n + k + Δ x n + k −1 + L + Δ x n +1 ≤ q k Δ x n + q k −1Δ x n−1 + L
(
q 1− qk ) Δx
(
L + qΔ x n = q 1 + q + L + q k −1
) Δ xn =
1− q
n.
При k → ∞ получим
q
Δ x ∗n = Δ xn .
1− q
Таким образом, требование
1− q
Δ xn ≤ ε (3.2.4.1)
q
43
3.3. Численные методы решения систем
линейных алгебраических уравнений
3.3.1. Общие замечания
Системы линейных алгебраических уравнений (СЛАУ) – наибо-
лее распространённый тип задач вычислительной математики, они ис-
пользуются во многих областях науки и техники. В общем виде СЛАУ
из n уравнений с n неизвестными записывается в виде
Систему m линейных уравнений с n неизвестными x1, x 2 , x 3 ,K , x n
⎧ a11x1 + a12 x 2 + L + a1n x n = b1,
⎪ a x + a x +L+ a x = b ,
⎪ 21 1 22 2 2n n 2
⎨ (3.3.1.1)
⎪ L
⎪⎩a m1x1 + a m 2 x 2 + L + a mn x n = bm
можно записать в матричной форме:
A× X = B, (3.3.1.2)
⎡ a1 1 a1 2 K a1n ⎤
⎢a a22 K a 2n ⎥
где A = ⎢ 21 ⎥ – матрица системы уравнений, со-
⎢K K K K ⎥
⎢ ⎥
⎣ a m1 a m 2 K a m n ⎦
стоящая из коэффициентов при неизвестных;
⎡ x1 ⎤
⎢x ⎥
X = ⎢ 2 ⎥ – вектор-столбец неизвестных;
⎢K ⎥
⎢ ⎥
⎣ xn ⎦
⎡ b1 ⎤
⎢b ⎥
B = ⎢ 2 ⎥ – вектор-столбец свободных членов.
⎢K ⎥
⎢ ⎥
⎣b m ⎦
Совокупность чисел λ 1, λ 2 , λ 3 ,K , λ n называется решением систе-
мы (2.4.1), если в результате замены неизвестных
x1 = λ 1, x 2 = λ 2 , x 3 = λ 3 ,K, x n = λ n все уравнения системы становятся
арифметическими тождествами.
Система уравнений называется совместной, если она имеет одно
и более решений и несовместной, если у нее не существует ни одного
44
решения. Совместная система, имеющая единственное решение, назы-
вается определённой, имеющая более одного решения – неопределённой.
Если определитель квадратной матрицы A неоднородной системы
(3.3.1.1) n уравнений с n неизвестными не равен нулю (матрица A не-
особенная), то СЛАУ имеет единственное решение. Ниже будем пола-
гать, что это условие выполняется.
Предположим, что в системе (3.3.1.1) n > m и она имеет бесчис-
ленное множество решений. Выделим m базисных неизвестных, напри-
мер, m первых неизвестных x1, x 2 , x 3 ,K, x m −1, x m . Все остальные неиз-
вестные x m +1, x m + 2 ,K, x n называются свободными. Базисные неизвест-
ные со своими коэффициентами оставляют в левой части равенства,
свободные неизвестные со своими коэффициентами переносятся в пра-
вую часть равенства с обратным знаком:
⎧ a11x1 + a12 x 2 + L + a1m x m = b1 − a1m +1x m+1 − L − a1n x n ,
⎪ a x + a x +L+ a x = b − a
⎪ 21 1 22 2 2m m 2 2 m +1x m +1 − L − a 2n x n ,
⎨ .
⎪ L
⎪⎩a m1x1 + a m 2 x 2 + L + a mm x m = bm − a mm +1x m +1 − L − a mn x n .
Но отличие определителя матрицы A от нуля не гарантирует, что
решение СЛАУ будет найдено численно с заданной точностью. Причи-
ной этого может быть плохая обусловленность, как самой системы, так
и выбранного алгоритма. Заметим, что близость определителя к нулю и
даже весьма малое его значение не свидетельствуют, вообще говоря, о
плохой обусловленности системы. В качестве примера можно привести
матрицу системы, в которой присутствует только главная диагональ с
весьма малыми, но отличными от нуля коэффициентами. Определитель
такой матрицы может равняться нулю, в то же время свойства такой
матрицы близки к свойствам единичной матрицы, а ошибка в решении
имеет порядок ошибки исходных данных.
Для плохо обусловленных задач их решение нельзя получить со-
вершенно точно. Для них малые изменения в исходных данных (коэф-
фициентах матрицы и в векторе правой части), которые могут нахо-
диться в пределах точности их задания, приводят к несоразмерно боль-
шим изменениям в решении. В результате, в пределах точности задания
исходных данных (например, в пределах ошибки округления вследствие
ограниченного формата числовых данных ЭВМ) может существовать
множество различных решений, удовлетворяющих системе.
В качестве примера плохо обусловленной системы можно привес-
ти СЛАУ с почти линейно зависимыми строками (столбцами) в матри-
45
це. Плохо обусловленным алгоритмом для решения СЛАУ можно на-
звать метод Гаусса без выбора главного элемента.
Для характеристики обусловленности задачи вводят так называе-
мое число обусловленности K. Для задачи решения СЛАУ в качестве
числа обусловленности можно принять
K = A ⋅ A −1 .
Здесь ||A|| – какая-либо норма в пространстве n -мерных векторов,
которая выражается через норму вектора следующим образом:
r
A⋅x r
A = max
r r = max r A⋅x .
x ≠0 x x =1
Норма матрицы характеризует максимально возможное относи-
тельное увеличение по норме ненулевого вектора при воздействии на
него матрицы. r
Пусть решение X СЛАУ получено с относительной ошибкой δ x .
Тогда для нее справедлива оценка:
r
δ x ≤ K ε м аш .
Здесь εмаш (машинная константа) – наименьшее число, которое
при прибавлении к единице еще изменяет её значение в машинном
представлении. Отметим, что оценка справедлива для малых ошибок в
заданной матрице (K ||ΔA||/||A||<1).
Невязка решения r r r
h = A⋅x −b .
r r
Заметим, что малая величина невязки h < ε x , ε 1 не гаранти-
r
рует малой величины ошибки Δ x в решении. Так, для невязки выпол-
няется соотношение
r r
h ≤ A ⋅ x ε маш ,
r
в то время как для Δ x справедливо неравенство
r −1
r
x ≤ A ⋅ h .
Норма обратной матрицы для плохо обусловленной СЛАУ вели-
ка, также как и число обусловленности K , характеризующее в этом слу-
чае близость матрицы к вырожденной (сингулярной), для которой
A −1 → ∞ .
Существуют два основных класса методов решения СЛАУ – пря-
мые и итерационные. Прямые методы характеризуются тем, что при ги-
потетической абсолютной точности вычислений точное решение СЛАУ
46
может быть получено с помощью конечного числа арифметических
операций. Итерационные методы характеризуются тем, что даже при
абсолютной точности вычислений за конечное число арифметических
операций может быть получено лишь приближенное решение системы,
хотя, возможно, очень близкое к точному решению. Однако в реальном
вычислительном эксперименте указанное различие теряет свой смысл, и
для многих задач итерационные методы оказываются более предпочти-
тельными, чем прямые, благодаря отсутствию накопления ошибок для
сходящегося процесса и возможности приблизиться к решению с задан-
ной точностью.
47
1 −1 1 3 5 −1
M 31 = = − 1; M12 = = −10 ; M 22 = = 14 ;
2 3 4 2 4 2
5 −1 1 2 5 −1
M 32 = = 1 6 ; M13 = = −5; M 23 = =19 ;
1 3 4 3 4 3
5 −1
M 33 = = 1 1;
1 2
⎡ 5 1 1 ⎤ ⎡ 1 1 1 ⎤
⎢ 30 30 30 ⎥ ⎢ 6 30 30 ⎥
⎢ ⎥ ⎢ ⎥
−1 ⎢ 10 14 16 ⎥ ⎢ 1 7 8 ⎥
A = − − = − − .
⎢ 30 30 30 ⎥ ⎢ 3 15 15 ⎥
⎢ 5 19 1 1 ⎥⎥ ⎢⎢ 1 19 1 1 ⎥⎥
⎢ − −
⎣⎢ 3 0 30 3 0 ⎦⎥ ⎣⎢ 6 30 3 0 ⎥⎦
Cделаем проверку:
⎡ 1 1 1 ⎤
⎢ 30 ⎥
⎡5 − 1 − 1⎤ ⎢ 6 30
⎥
1 7 8 ⎥
A × A − 1 = ⎢1 2 ⎥
3 × −⎢ − =
⎢ ⎥ ⎢ 3 15 15 ⎥
⎢⎣ 4 2 ⎥⎦ ⎢
1 1 ⎥⎥
3
⎢ 1 19
−
⎢⎣ 6 30 3 0 ⎥⎦
⎡ 25 +10 − 5 5 +14 −19 5 − 1 6 + 1 1 ⎤ ⎡1 0 0 ⎤
1 ⎢
= ⋅ 5 − 20 +15 1− 28 + 57 1 + 3 2 − 3 3 ⎥ = ⎢0 1 0⎥ = E .
30 ⎢ ⎥ ⎢ ⎥
⎢⎣ 2 0 − 3 0 + 1 0 4 − 4 2 + 3 8 4 + 4 8 − 2 2 ⎦ ⎣ 0 0 1 ⎥⎦
⎥ ⎢
Найдём матрицу Х:
⎡ 1 1 1 ⎤
⎢ 6 ⋅ 0 ⋅ 1 4 ⋅ 1 6 ⎥
30 30
⎢ ⎥ ⎡1 ⎤
1 7 с 8
= ⎢− ⋅ 0 − ⋅1 4 ⋅1 6 ⎥ = ⎢2⎥ .
⎢ 3 15 15 ⎥ ⎢ ⎥
⎢ 1 1 9 1 1 ⎥ ⎢⎣ 3 ⎥⎦
⎢ ⋅0 ⋅1 4 − ⋅1 6⎥
⎢⎣ 6 30 30 ⎥⎦
Решение системы уравнений: x =1; y = 2; z = 3. Несмотря на огра-
ничения возможности применения данного метода и сложность вычис-
лений при больших значениях коэффициентов, а также систем высокого
порядка, метод может быть легко реализован на компьютере.
48
3.3.3. Метод Крамера
Формула Крамера:
Δj
xj =, j = 1, 2, K, n ,
Δ
где Δ – главный определитель системы (3.3.1.1); j – номер столбца;
a1 1 a1 2 K b1 K a1n
a a 2 2 K b2 K a 2 n
Δ j = 21
K K K K K K
a n1 a n 2 K bn K a nn
– определитель, полученный путем замены в главном определителе Δ
системы (3.3.1.1) столбца коэффициентов при неизвестном xj столбцом
коэффициентов свободных членов (B).
Например, для системы уравнений
⎧a11x1 + a12 x 2 + a13 x3 = b1,
⎪
⎨a 21x1 + a 22 x 2 + a 23 x3 = b2 ,
⎪a x + a x + a x = b .
⎩ 31 1 32 2 33 3 3
⎡ a1 1 a1 2 a13 ⎤ a11 a1 2 a1 3
A = ⎢⎢ a 21 a22 a 23 ⎥⎥ ; Δ = det A = a 2 1 a 22 a 23 ;
⎢⎣ a 31 a3 2 a 3 3 ⎥⎦ a 31 a 32 a3 3
b1 a1 2 a13 a1 1 b1 a1 3
Δ 1 = b2 a22 a 23 ; Δ 2 = a 2 1 b2 a23 ;
b1 a3 2 a3 3 a3 1 b3 a3 3
a1 1 a1 2 b1
Δ 3 = a21 a22 b2 ;
a 31 a3 2 b3
Δ Δ Δ
x1 = 1 ; x 2 = 2 ; x 3 = 3 .
Δ Δ Δ
49
Пример 3.3.3.1. Найти методом Крамера решение системы урав-
нений
⎧5 x − y − z = 0,
⎪
⎨ x + 2 y + 3z = 14, .
⎪4 x + 3 y + 2 z = 16.
⎩
Решение.
5 −1 −1
Δ= 1 2 3 = 5 ( 4 − 9 ) + ( 2 − 1 2 ) − (3 − 8) = − 3 0 ;
4 3 2
0 −1 −1
Δ1 = 1 4 2 3 = ( 2 8 − 4 8) − ( 4 2 − 3 2 ) = − 3 0 ;
16 3 2
5 0 −1
Δ2 = 1 14 3 = 5 ( 2 8 − 4 8 ) − (1 6 − 5 6 ) = − 6 0 ;
4 16 2
5 −1 0
Δ3 = 1 2 1 4 = 5 ( 3 2 − 4 2 ) + (1 6 − 5 6 ) = − 9 0 ;
4 3 16
Δ −30 Δ −60 Δ −90
x1 = 1 = = 1; x 2 = 2 = = 2 ; x3 = 3 = = 3.
Δ −30 Δ −30 Δ −30
Как видно, результат совпадает с результатом, полученным выше
матричным методом (пример 3.3.3.1).
51
⎡ a1 2 a13 ⎤
⎢1 ⎥
⎢ a 11 a 1 1 ⎥
⎢ a ⋅a a ⋅a ⎥
= ⎢ 0 a 22 − 1 2 2 1 a 23 − 2 1 1 3 ⎥ .
⎢ a1 1 a11 ⎥
⎢ a1 2 ⋅ a 3 1 a13 ⋅ a 3 1 ⎥
⎢ 0 a 32 − a 33 − ⎥
⎣ a1 1 a1 1 ⎦
Прямой ход метода Гаусса заключается в преобразовании элемен-
тов i-го столбца матрицы А ниже главной диагонали в нулевые (т.е. ис-
ключении их).
В каждом уравнении выделяется ведущий элемент, на который
производится деление; пусть это будет a11. Делим первое уравнение на
a11:
a1 j b
c1 j = ; g1 = 1 .
a1 1 a1 1
Остальные элементы преобразуются по схеме:
(1) a1 j
; b ( ) = bi − a i1 1 .
1 b
a = a ij − a i1
ij a11 i a1 1
⎧ x1 + c12 x 2 + L + c1n x n = g1,
⎪ (1) (1) (1)
⎪⎪ a 22 x 2 + L + a 2n x n = b2 ,
⎨ .
⎪ L
⎪ (1) (1) (1)
⎪⎩ a n 2 x 2 + L + a nn x n = bn .
Затем ведущим элементом выбирается a22, на него делится вторая
строка, а все остальные элементы преобразуются так:
c
(1) (1)
2j b2
c2 j = ; g2 = .
a
(1) (1)
a 22
22
a
(1) (1)
( 2) (1) (1) 2j ( 2) ( 1) (1) b2
a =a −a ; b =b −a .
ij ij i2
a
(1) i i i2
a
(1)
22 22
Элементы во втором столбце с i > 2 становятся равными нулю. В
результате таких преобразований, мы приходим к верхней треугольной
матрице с единичной диагональю:
52
⎡1 c1 2 L c1n ⎤ ⎡ x1 ⎤ ⎡ g 1 ⎤
⎢0 1 L c 2 n ⎥ ⎢⎢ x 2 ⎥⎥ ⎢⎢ g 2 ⎥⎥
⎢ ⎥× = .
⎢L L L L⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣0 0 L 1 ⎦ ⎣ xn ⎦ ⎣ g n ⎦
Преобразование к верхней треугольной матрице называется пря-
мым ходом.
Далее следует обратный ход: начиная с xn, последовательно вы-
числяются компоненты вектора:
x n = g n ; x n −1 = g n −1 − c ( n −1) n x n ;
n
xk = g k − ∑ c ki x i , k = n, ( n − 1) ,K,1 .
i = k +1
Элементы матрицы записываются вместе с элементами вектора B
как элементы расширенной матрицы:
⎡ a1 1 a1 2 a1 3 b1 ⎤
A ∗ = ⎢⎢ a 21 a 22 a 2 3 b2 ⎥⎥ .
⎢⎣ a 31 a 32 a 33 b3 ⎥⎦
В машинных расчетах в качестве ведущего элемента обычно вы-
бирается максимальный элемент i-го столбца с j > i или строки aij с
i > j.
Эта строка (или столбец) переставляется на место i-ой строки
(столбца). Такой выбор уменьшает ошибки округления.
Далее выбирают ведущий элемент, а преобразование остальных
элементов на одном шаге прямого хода метода Гаусса проводят по пра-
вилу прямоугольника. В матрице выделяется прямоугольник, на глав-
ной диагонали которого расположены ведущий и преобразуемый эле-
менты:
53
Пусть aii – ведущий элемент, тогда
(1) a a
a = a kt − ki it .
kt a ii
Из преобразуемого элемента вычитается произведение элементов,
стоящих на побочной диагонали, деленное на ведущий элемент.
54
⎡5 − 1 − 1 0 ⎤ ⎡1 2 3 1 4⎤
∗
A = 1⎢ 2 3 ⎥
14 = 4 ⎢ 3 2 1 6⎥ =
⎢ ⎥ ⎢ ⎥
⎢⎣ 4 3 2 1 6 ⎥⎦ ⎢⎣ 5 − 1 − 1 0 ⎥⎦
⎡1 2 3 14 ⎤ ⎡1 2 3 14 ⎤
⎢0 −5 − 1 0 − 4 0⎥ = = ⎢0 − 5 − 1 0 − 4 0⎥ .
⎢ ⎥ ⎢ ⎥
⎢⎣ 0 − 1 1 − 1 6 − 7 0 ⎥⎦ ⎢⎣ 0 0 6 1 8 ⎥⎦
Исходная система уравнений может быть представлена в виде
⎧ x + 2 y − z = 0,
⎪
⎨− 5 y − 10 z = 40,
⎪6 z = 18.
⎩
Отсюда z = 3 ; y = 2 ; x = 3 .
Полученный ответ совпадает с ответом, полученным для данной
системы методом Крамера и матричным методом.
56
1− q
x( ) − x( ) ≤
r k +1 r k
ε,
q
где q – спектральный радиус B или какая-либо оценка другой нормы B.
Для матрицы
⎡ 0 0, 2 − 0, 4 ⎤
⎢ − 0, 2 5 0 0, 2 5 ⎥
⎢ ⎥
⎢⎣ − 0, 2 5 − 0, 2 5 0 ⎥⎦
достаточное условие сходимости процесса итераций выполняется, по-
скольку, в частности, норма матрицы, равная максимальному значению
сумм абсолютных величин элементов в строке, меньше единицы:
⎧⎪ 3 ⎫⎪
A = max ⎨ ∑ aij ⎬ = max {0,6;0,5;0,5} = 0,6 < 1
1≤i ≤3 ⎪ j =1 ⎪⎭
⎩
В качестве начального приближения возьмем вектор-столбец свободных
членов приведенной системы:
57
⎡1,6 ⎤
( 0) ⎢
X = − 1⎥ .
⎢ ⎥
⎢⎣ 1 ⎥⎦
Запишем неравенство
A( )
k +1
(k) A ( k) ( k −1)
max ξ i − xi ≤ max x − xi ≤ max β i ≤ ε
1≤i ≤n 1 − A 1≤i≤n i 1 − A 1≤i≤n
в виде
(k) A ( k ) ( k −1)
max ξ i − xi ≤ max xi − xi
1≤i ≤n 1 − A 1≤i≤n .
Первое приближение:
⎡ 1 ⎤
(1) ⎢
X = − 1,15⎥ .
⎢ ⎥
⎢⎣ 0,85 ⎥⎦
Следовательно, погрешность не превышает величины
A (1) ( 0) 0,6
max xi − xi = 0,6 = 0,9.
1 − A 1≤i ≤3 1 − 0,6
Далее последовательно находим:
⎧ x (1) = 0 x ( 0 ) + 0,2 x ( 0 ) − 0,4 x ( 0 ) + 1,6 = 0,2 ( − 1) − 0,4 + 1,6 = 1,
⎪ 1 1 2 3
⎪⎪ (1) ( 0) ( 0) ( 0)
⎨ x 2 = − 0,25 x 1 + 0 x 2 + 0,25 x 3 − 1 = − 0,25 − 1 = − 1,15,
⎪
⎪ x (1) = − 0,25 x ( 0 ) − 0,25 x ( 0 ) + 0 x ( 0 ) + 1 = − 0,25 ( − 1) + 1 = 0,85.
⎪⎩ 3 1 2 3
(1) ( 0)
{
max x − x = max 0,6;0,15;0,15 = 0,6.
i i }
1≤i ≤3
⎡ 1,03 ⎤
X ( ) = ⎢ − 1,0375⎥ .
2
⎢ ⎥
⎢⎣ 1,0375 ⎥⎦
A ( 2) (1) 0,6
max xi − xi = 0,1875 = 0,28125.
1 − A 1≤i ≤3 1 − 0,6
58
⎧ x ( 3) = 0,2 ( − 1,0375 ) − 0,4 ⋅ 1,0375 + 1,6 = 0,9775,
⎪ 1
⎪⎪ ( 3)
⎨ x 2 = − 0,25 ⋅ 1,03 + 0,25 ⋅ 1,0375 − 1 = − 0,998125,
⎪
⎪ x ( 3) = − 0,25 ⋅ 1,03 − 0,25 ⋅ ( − 1,0375 ) + 1 = 1,0018175.
⎪⎩ 3
( 3) ( 2)
max xi − xi = max {0,0525;0,039375;0,035625} = 0,0525.
1≤i ≤3
⎡ 0,9775 ⎤
( 3) ⎢
X = − 0,998125⎥ .
⎢ ⎥
⎢⎣ 1,001875 ⎥⎦
A ( 3) ( 2) 0,6
max xi − xi = 0,0525 = 0,07875.
1 − A 1≤i ≤3 1 − 0,6
,
i =1,2,...,n. k = 0,1,2,... (3.3.6.4)
В матричных обозначениях это соответствует представлению ис-
ходной матрицы A как
A = L + D+ U,
где L – нижняя треугольная матрица; D – диагональная матрица;
{D} i,i = {A} i , j , i =1,2,...,n; U – верхняя треугольная матрица.
% на вектор пре-
В отличие от метода Якоби действие оператора B
дыдущей итерации разделяется здесь на две части:
, (3.3.6.5)
и процесс его воздействия (но не результат) нельзя свести к воздейст-
вию какой-либо матрицы на вектор предыдущей итерации.
Метод Зейделя хорошо поддается алгоритмизации. Если известна
скорость сходимости метода, нет необходимости хранить оба вектора
x( ) и x( ).
r k +1 r k
Достаточными условиями сходимости методов Якоби и Зейделя
является диагональное преобладание в матричных элементах:
60
, q <1, для всех i =1,2,...,n,
однако на практике область сходимости значительно шире и определя-
ется условием (3.3.5.5) на спектральный радиус матрицы (3.3.6.3) для
метода Якоби и оператора (3.3.6.5) для метода Зейделя. Для решения
СЛАУ с ленточными матрицами метод Зейделя является превосходным
инструментом. Так, для симметричных положительно определённых
матриц он будет всегда сходящимся. Однако возможно улучшение схо-
димости, как метода Зейделя, так и любого другого метода простой ите-
рации с помощью изложенного ниже метода оптимального спектраль-
ного параметра.
Первое приближение:
с
61
Первый шаг решения по методу Зейделя дал точное решение сис-
темы уравнений.
63
∂fi
Здесь производные и функции fi вычисляются по вектору xi
∂x j
в k -м приближении. Получим обычную числовую линейную систему
относительно поправок Δxi .
В каждом уравнении линейной системы (3.4.2.2) перенесем стол-
бец свободных членов fi в правую часть. В матричной форме:
f ′ ( x ) Δx = − f ( x ) , (3.4.2.3)
где
⎛ ∂f1 ∂f1 ∂f1 ⎞
⎜ ∂x ∂x ...
∂xn ⎟
⎜ 1 2
⎟
⎜ ∂f 2 ∂f 2 ∂f 2 ⎟
...
f ′ ( x ) = W = ⎜⎜ ∂x1 ∂x2 ∂xn ⎟
⎟ (3.4.2.4)
⎜ ... ... ... ... ⎟
⎜ ⎟
⎜ ∂f n ∂f n ... ∂f n ⎟
⎜ ∂x ∂x ∂xn ⎟⎠
⎝ 1 2
66
Аналогично найдём следующие приближения. Результаты вычис-
лений:
i x y z
(3.5.1.2)
(k )
Функциональные зависимости y (x)известны:
67
и т.д.
Этот метод приводит к громоздким выражениям для производ-
ных, и в основном используются для получения других численных ме-
тодов.
,
где .
Для получения коэффициентов Ai, αi и βi квадратурная сумма раз-
лагается в ряд по степеням h. Полученное разложение сравнивается с
рядом Тейлора
(3.5.2.1)
В общем виде выражения для коэффициентов получить трудно,
поэтому рассмотрим наиболее употребительные формулы.
Введем обозначения:
(3.5.2.2)
Квадратурную формулу разлагаем в ряд по h:
(3.5.2.3)
где f x , f y , f xx , f yy – частные производные по x и y функции f ( x, y ) .
Полученное разложение сравнивается с рядом Тейлора (3.5.1.2).
Рассмотрим несколько частных случаев.
68
3.5.3. Методы Рунге-Кутта низших порядков.
Метод Эйлера
В квадратурной формуле ограничиваемся одним слагаемым:
. (3.5.3.1)
Интегральная кривая заменяется ломаной линией, состоящей из
прямолинейных отрезков. Выбирается шаг h, и значение функции в сле-
дующей точке находится по формуле y ( x + h ) = y + f ( x, y ) h , т.е. в ин-
тегральном уравнении функция f ( x, y ) заменяется на константу.
Методы трапеций и прямоугольников иначе называют методом
Коши-Эйлера и модифицированным методом Эйлера.
Выражение Δ y = A0ϕ 0 + A1ϕ1 позволяет сравнить два первых сла-
гаемых в разложении с рядом Тейлора:
.
Получены три уравнения для четырех неизвестных, что является
общим свойством метода Рунге-Кутта. То есть для каждого порядка
точности существует множество вычислительных схем:
, (3.5.3.2)
т.е. значение производной уточняется значением в предваритель-
но определённой точке.
В методе прямоугольников A1 = 1 , тогда A0 = 0 , α = β = 1 2 .
В этом случае
. (3.5.3.3)
69
Возьмем шаг . Используя расчетную формулу Эйлера, най-
дем приближенное решение задачи Коши:
,
,
.
Таким образом, получили численное решение задачи Коши с ша-
гом (табл. 3.5.3.1).
Таблица 3.5.3.1
Таблица 3.5.3.2
Абсолютная погрешность
.
Тогда
, , .
Таким образом, максимальная величина погрешности равна .
.
Зададим шаг . Тогда решение в точке 1,4 находится так:
70
=
.
Таким образом, .
с начальными условиями
где
Таблица 3.5.3.3
k x y
0 0.000000000 0.000000000 0.000000000 0.000000000 0.0000
71
1 0.100000000 0.000000000 0.001000000 0.000334672 0.3347E-03
2 0.200000000 0.001000000 0.004040100 0.002710036 0.1710E-02
3 0.300000000 0.005040100 0.009304946 0.009336250 0.4296E-02
4 0.400000000 0.014345046 0.017168182 0.022793219 0.8448E-02
Таблица 3.5.3.4
k 0 1 2 3 4 5
0.00000 0.1000 0.200000 0.3000000 0.400000 0.500000
с начальными условиями
на интервале [0, 0,5].
Исходя из начальной точки x0=0, y0=0 рассчитаем значение y1 в
узле x1 =0,1 по формулам
Таблица 3.5.3.5
72
k
0 0.0 0.000000000 0.000500000 0.000000000 0.000000000
Таблица 3.5.3.6
k 0 1 2 3 4 5
0.00000 0.100000 0.2000000 0.3000000 0.4000000 0.500000
73
Наиболее употребительна в этом случае симметричная разностная
схема (аналог метода парабол при численном интегрировании):
A0 = A2 = 1 6 . Тогда:
с начальными условиями
на интервале [0, 0,5].
Вычислим значения вспомогательных величин
74
Найдем приращение функции на первом интервале
Таблица 3.5.4.1
k/i
k/i
75
1/ 0.1 0.001472193 0.002294383
3 5
1/ 0.2 0.002628972 0.004105850 0.002375289 0.015116
4
Таблица 3.5.4.2
76
k 0 1 2 3 4 5
0.00000 0.1000 0.200000 0.3000000 0.400000 0.500000
77
ГЛАВА 4. МАТЕМАТИЧЕСКИЕ МОДЕЛИ
УСТАНОВИВШИХСЯ РЕЖИМОВ
ЭНЕРГОСИСТЕМ И МЕТОДЫ ИХ РЕШЕНИЯ
4.1. Задачи расчета установившихся режимов
энергосистем. Схемы замещения элементов
энергосистем
Для анализа условий работы электроэнергетической системы
трехфазного переменного тока необходим расчет её установившихся
режимов, целью которого – определение величин узловых напряжений,
токов и потоков мощности в каждом элементе, потерь мощности. Рас-
считывают установившиеся режимы энергосистем обычно для случаев
максимальных нагрузок, минимальных нагрузок, послеаварийные и ре-
монтные.
Для расчета установившихся режимов реальной энергосистеме
ставится в соответствие схема замещения, представляющая собой сово-
купность схем замещения отдельных её элементов, соединенных между
собой в той же последовательности, что и в реальной схеме. При этом
расчеты относительно сложных процессов в электрических сетях, мож-
но свести к расчетам элементарных процессов.
Схемы замещения выбираются в зависимости от типов электриче-
ских сетей и исследуемых процессов. Рассмотрение процесса в дальних
электропередачах может заменяться исследованием процессов в ряде
четырехполюсников, связанных между собой. При расчете электриче-
ских сетей более низкого напряжения (35 кВ и ниже), как правило, учи-
тывают индуктивность и активное сопротивление только в виде одной
схемы замещения с сосредоточенными постоянными. Для кабельных
линий низкого напряжения обычно учитывают только активное сопро-
тивление, так как в зависимости от поставленной задачи могут быть те
или иные изменения в схемах замещения электрических сетей. Следова-
тельно, математический аппарат будет подбираться в соответствии с
техническим содержанием задачи [8].
После того как схема замещения подобрана, расчет состояния
электрической системы (режима) сводится к обычному известному из
курса «Теоретические основы электротехники» расчету электрической
цепи. Одной из особенностей инженерного расчета является возмож-
ность его упрощения в зависимости от поставленной задачи. Другая
78
особенность состоит в том, что инженеру приходится иметь дело со
сложными электрическими цепями и в связи с этим разрабатывать спе-
циальные приемы расчета и анализа электрических цепей, являющихся
схемами замещения сложных электрических сетей. Для анализа устано-
вившегося режима электрической системы необходимо составление ал-
гебраических уравнений связи.
Рассмотрим принципиальную схему простой электроэнергетиче-
ской системы (рис. 4.1.1), содержащей две электростанции (ЭС1, ЭС2) и
три понизительные подстанции (ПС1, ПС2, ПС3), связанных между со-
бой высоковольтными линиями электропередачи (Л1–Л6) одинакового
напряжения [8]. Суммарная нагрузка потребителей, присоединенных к
шинам низшего напряжения каждой из подстанций, условно обозначена
стрелками ( S Н 1 , S Н 2 , S Н 3 ).
ПС1
ПС2
ПС3
79
которое на комплексной плоскости отображается в виде точки с абсцис-
сой A′ (вещественная часть) и ординатой A′′ (мнимая часть) (рис. 4.1.2,
а).
Ось абсцисс, по которой откладывается вещественная часть A, на-
зывается действительной ( Re ), а ось ординат, по которой откладывается
мнимая часть A, – мнимой ( Im ).
Каждой точке A комплексной плоскости может быть поставлен в
соответствие вектор A (рис. 4.1.2, б). Длину вектора A называют его
модулем
A = ( A ′ ) + ( A ′′ ) ,
2 2
Im Im
A A
A′′ A′′
A A
Re Re
α
A′ −α A′
− A′′ ∗
A
а) б)
80
получаем показательную форму комплексного числа:
A = A e jα .
Каждой гармонической функции a ( t ) можно поставить в соответ-
ствие комплексное число A , называемое мгновенным комплексом гар-
монической функции:
A = Am e (
j ωt +ψ )
= Am ⎡⎣cos ( ωt + ψ ) + j sin ( ωt + ψ ) ⎤⎦ ,
модуль которого равен амплитуде гармонической функции A m , а аргу-
мент – её фазе θ = ωt + ψ .
Значение мгновенного комплекса A при t = 0 называется ком-
jψ
плексной амплитудой A m = A t =0 = Am e (рис. 4.1.2).
С использованием понятия комплексной амплитуды выражение
для мгновенного комплекса может быть преобразовано к виду
A = Am e jψe jωt = A m e jωt ,
где e jω t , называемый оператором вращения, имеет единичную длину и
вращается в комплексной плоскости против часовой стрелки со скоро-
стью ω (рис. 4.1.2). Всякий неподвижный вектор, будучи умноженным
на e jω t , начинает вращаться против часовой стрелки с угловой скоро-
стью ω .
Например, комплексная амплитуда гармонического тока
π
⎡ π⎤ j
i = 5sin ⎢10 3 t + ⎥ равна I m = 5 e 3 , а комплексная амплитуда гармони-
⎣ 3⎦
ческого напряжения u = 50sin10 5 t равна U m = 50 e j 0 = 50 .
При сложении (вычитании) комплексных чисел их записывают в
алгебраической форме и отдельно складывают (вычитают) их действи-
тельные и мнимые части. Например, если
A = A e jϕ = A cos ϕ + jA sin ϕ = A ′ + j A ″ ,
1 1 1 1 1 1
A 2 = A2 e jψ = A2 cos ψ + jA2 sin ψ = A2 ′ + j A2 ″ ,
( ) (
то A1 + A2 = A1′ + A2 ′ + j A1″ + A2 ″ = A e j α , )
A1″ + A2 ″
( ) ( )
2 2
где A = A1′ + A2 ′ + A1″ + A2 ″ , α = arctg .
′
A1 + A2 ′
81
Умножение и деление комплексных величин производят, как пра-
j ϕ+ψ ) A1 A j ϕ−ψ )
вило, в показательной форме: A1 A 2 = A1 A2 e ( ; = 1e ( .
A 2 A2
В комплексной форме дифференцирование по времени соответст-
вует умножению, а интегрирование – делению комплексных значений
рассматриваемых функций на j ω , поэтому
di •
uL = L • = jω LI m = j X L I m = Z L I m = U L m ,
dt
1 1
u C = ∫ i dt • = • I = − j X C I m = Z C I m = U Cm ,
C jω C m
где X L и X C – индуктивное и емкостное сопротивления; Z L и Z C –
соответственно индуктивное и емкостное сопротивления в комплексной
форме.
Для резистивного элемента напряжение в комплексной форме
u R = Ri • = • RI m = Z R I m = U Rm ,
где Z R = R – вещественная величина.
Часто в практических расчетах удобно пользоваться действую-
щими значениями величин, тогда U R = Z R I , U L = Z L I , U C = Z C I .
Например, эквивалентное комплексное сопротивление двухпо-
люсника относительно входных зажимов (рис. 4.1.3,а)
R ( − jX C )
Z = jX L + (4.1.3, б).
R − jX C
R R
L jXL
C -jXC
а) б)
Рис. 4.1.3. Двухполюсники
P (U ) = Pном ⎢ a0 + a1 + a2 ⎜ ⎟ ⎥,
⎢⎣ U ном U
⎝ ном ⎠ ⎥⎦
⎡ U ⎛ U ⎞ ⎤
2
Q (U ) = Qном ⎢b0 + b1 + b2 ⎜ ⎟ ⎥,
⎢⎣ U ном U
⎝ ном ⎠ ⎥⎦
где a0 , a1 , a2 , b0 , b1 , b2 – коэффициенты, зависящие от состава нагрузок и
класса напряжения.
I XX S HOM
ΔQXX = ,
100
84
ΔPK 3U HOM
2 2
U K 3U HOM
R= 2
, X = ,
S HOM 100S HOM
где ΔPXX – потери холостого хода, кВт; I XX – ток холостого хода, % от
I HOM ; ΔPK 3 – потери короткого замыкания, кВт; U K 3 – напряжение ко-
роткого замыкания, % от U HOM .
Трехобмоточные трансформаторы и автотрансформаторы пред-
ставляют на схеме замещения в виде трехлучевой звезды сопротивле-
ний; при этом в двух лучах (высокая – средняя; высокая – низкая ступе-
ни трансформации) содержатся идеальные трансформаторы с их коэф-
фициентами трансформации.
Воздушные линии электропередачи (ВЛЭП) наиболее точно пред-
ставляются П-образной схемой замещения (рис. 4.1.7, а). Для расчета
режимов электрических систем потери на корону учитываются допол-
нительными нагрузками на концах ВЛЭП: для линий 110 кВ и выше
(рис. 4.1.7, б); для линий 35, 110 кВ (рис. 4.1.7, в); для линий 6-35 кВ
зарядной мощностью при расчетах установившегося режима можно
пренебречь [17; 24].
85
(Ii1, Ii2, Iij, Ii0), протекающие по проводимостям ветвей, примыкающих к
узлу i .
Токи генератора и нагрузки известны, их называют задающими
токами. Первый закон Кирхгофа можно записать как выражение для за-
дающего тока
I i = I гi − I нi ,
направленного в узел. В частных случаях в узле может отсутствовать
нагрузка ( I i = I н i ) или генератор ( I i = − I н i ), или оба элемента одно-
временно ( I i = 0 ).
86
только тогда, когда напряжение на емкости выражено через ток
t
1
( u C = u C (0) + ∫ iC d t ) или ток индуктивности – через напряжение
C
0
t
1
( i L = i L (0) + L∫
u L dt ).
0
Если в качестве независимых переменных выбрать не узловые
напряжения или контурные токи, а напряжения емкостей и токи
индуктивностей, то уравнения модели цепи не будут содержать
интегралов от неизвестных функций времени. Такие уравнения
называются уравнениями состояния, а независимые переменные (токи
индуктивностей и напряжения емкостей) – переменными состояния.
При формировании уравнений [23] временно заменяют каждую
индуктивность Lj идеальным источником тока величиной Jj , а каждую
емкость Ck – идеальным источником напряжения uk.
В полученной цепи, состоящей лишь из сопротивлений и
источников, определяют напряжения uj(t) (на источниках тока,
заменяющих индуктивности) и токи ik(t) ( через источники напряжения,
заменяющие емкости). В результате можно записать систему уравнений,
представляющую взвешенную сумму токов индуктивностей ij(t),
напряжений на емкостях uk(t) и параметров независимых источников.
В левой частикаждого из этих уравнений производят замену:
d i j (t ) du k (t )
u j (t ) = L j ; i k (t ) = C k ,
dt dt
в результате которой получается система дифференциальных уравнений
первого порядка, выраженных через переменные состояния – токи в
индуктивностях и напряжения на емкостях.
IR R L IL R JL
C
e uC e uC
IC
а) б)
87
Рис. 4.2.1. Последовательная RLC-цепь
а) б)
Рис. 4.2.2. Граф и дерево графа [23]
90
⎡ ⎤ ⎡ ⎤
⎢ ⎥ ⎢ ⎥
⎢ R 2 0 − 1 ⎥ ⎡i L ⎤ ⎢ 0 0 ⎥
⎡ L1 0 0 ⎤ ⎡i L ⎤
⎢0 d ⎢ ⎥ ⎢ 1 1 ⎥ ⎢ ⎥ ⎢ 1 ⎥
C1 0 ⎥ ⎢ u C1 ⎥ = − ⎢ 0 ⎥ ⎢ u C1 ⎥ + ⎢ 0 ⎥.
⎢ ⎥ dt R R R
⎢⎣ 0 0 C 2 ⎥⎦ ⎢⎣u C 2 ⎥⎦ ⎢ 1 1 ⎥ ⎢u ⎥ ⎢ 1 ⎥
⎢ 1 R1 + R3 ⎥ ⎣ C2 ⎦ ⎢
1 1 ⎥
⎢1 ⎥ ⎢ ⎥
⎣ R1 R1R3 ⎦ ⎣ R1 R3 ⎦
Разделив правую часть матричного уравнения на диагональную
матрицу при производной от переменных состояния, получим
уравнение в стандартном виде, соответствующее (4.2.2) [23].
Существует несколько взаимно эквивалентных форм математиче-
ского описания установившихся режимов, каждой из которых подходит
тот или иной метод решения. Рассмотрим наиболее распространенные
формы описания установившихся режимов: уравнения узловых напря-
жений с вещественными переменными (УУН) и уравнения баланса
мощности (УБМ) в тригонометрической форме, к решению которых
применимы метод Гаусса-Зейделя и метод Ньютона [8; 16; 19; 24].
92
i=1, 2, ..., п.
Уравнения (4.3.5), (4.3.6) образуют, собственно, итерационный
процесс. В качестве нулевых приближений принимаются U′i = U′ном ,
U′′i = 0 .
Условием окончания процесса расчета могут являться условия
( U′i ) ( k +1) - ( U′i ) k ≤ ε1 , ( U′′i ) ( k +1) - ( U′′i ) k ≤ ε2 , (4.3.7)
93
n −1
I′i ( нб ) ( U′, U′′ ) = g ii U′i − ∑ g ij U′j + b ii U′′i −
j =1
(4.3.11)
n −1
− ∑ g ij U′′ − I′i ( U′i , U′′i ) − g i б U б ;
j =1
i =1
I′′i ( нб ) ( U′, U′′ ) = −b ii U′i + ∑ b ij U′j + g ii U′′i −
j =1
(4.3.12)
i =1
− ∑ g ij U′′j − I′′i ( U′i , U′′i ) + b i б U б ,
j =1
где I′i( нб) , I′′i( нб) – небалансы действительной и мнимой составляющих
токов узлов, на итерациях являются токами невязок и по мере прибли-
жения к решению убывают (по абсолютной величине); в точке теорети-
ческого решения должны быть равны нулю, что и отражено в системе
(4.3.10).
Линеаризуя систему (4.3.10) по независимым переменным U′ ,
U ′′ , получаем
⎡ ∂ I′ ∂ I′ ⎤
⎢ G − B −
∂ U′ ∂ U′′ ⎥ ⎡ Δ U′ ⎤ ⎡I′н б ⎤
⎢ ⎥⎢ ⎥ = − ⎢I′′ ⎥ , (4.3.13)
⎢ −B − ∂ I ′′ ∂ I ′′ ⎥⎣ Δ U ′′ ⎦ ⎣ нб ⎦
G−
⎢⎣ ∂U ′ ∂U ⎦ ′′ ⎥
∂ I′ ∂ I′ ∂ I′′ ∂ I′′
где , , , – подматрицы частных производных, являют-
∂ U′ ∂ U′′ ∂ U′ ∂ U′′
ся диагональными; их элементы находятся дифференцированием выра-
жений (2); Δ U ′ , Δ U′′ – вектор-столбец приращений составляющих на-
пряжений; I′н б , I′′н б – вектор-столбец невязок; его составляющие опре-
деляются выражениями (4.3.11), (4.3.12).
На каждом шаге метода Ньютона решается линейная система
(4.3.13) относительно поправок Δ U ′ , Δ U′′ , что позволяет уточнить ис-
комые составляющие напряжений
U′i ( ) = U′i ( ) + Δ U′i ( ) ; U′′i ( ) = U′′i ( ) + Δ U′′i ( ) , (4.3.14)
k +1 k k k +1 k k
94
Метод Ньютона отличается от метода Гаусса-Зейделя высокой
скоростью снижения невязок и требует, как правило, от четырех до се-
ми итераций.
Сходимость метода Ньютона существенно зависит от связанности
схемы (увеличение числа ветвей при неизменности числа узлов улучша-
ет сходимость); начальных приближений составляющих напряжений;
нагруженности режима (увеличение потоков P, Q в узлах ухудшает
сходимость) [17].
1 I 12 Z 12 2
S1 S2
I 13 Z 13 Z 23 I 23
3
S3
95
1
I 2 = I ′2 + j I ′′2 =( 0,2 6 2 4 − j 0,1 5 7 5 ) кА;
3
1
I 3 = I ′3 + j I ′′3 = ( − 0, 4 1 9 9 − j 0, 2 0 9 9 ) к А.
3
Если определять трехфазные мощности в узлах по выражению
∗
S i = 3U ном I i ,
то
S 2 = 2 8,8 6 7 5 + j1 7,3 2 0 5 М В ⋅ А;
S 3 = − 4 6,1 8 8 − j 2 3,0 9 4 М В ⋅ А.
Решение. По заданным сопротивлениям ветвей находим проводи-
мости:
1
Yij = − ; Y = − ∑ Yij ;
Z ij ii
Y22 = − (Y12 + Y 23 ) ; Y33 = − (Y13 + Y32 ) ;
Y12 = g12 − jb12 = − 0,02 + j 0,04;
Y13 = g13 − jb13 = − 0,0133 + j 0,0267;
Y23 = g 23 − jb23 = − 0,0138 + j 0,0345;
Y22 = g 22 − jb22 = 0,0338 − j 0,0745;
Y33 = g 33 − jb33 = 0,0271 − j 0,0612.
Матрица проводимостей для трёхузловой схемы (рис. 4.3.1)
⎡ 0,0 3 3 8 − 0,0 1 3 8 ⎤ ⎡ 0,0 7 4 5 − 0,0 3 4 5 ⎤
Y = G − jB = ⎢ ⎥ − j⎢ ⎥.
⎣ − 0,0 1 3 8 0,0 2 7 1 ⎦ ⎣ − 0,0 3 4 5 0,0 6 1 2 ⎦
Вектор задающих токов
⎡I′ ⎤ ⎡ I ′′ ⎤ 1 ⎡ 0, 2 6 2 4 ⎤ 1 ⎡ − 0,1 5 7 5⎤
I = ⎢ 2⎥ + j ⎢ 2⎥ = ⎢ ⎥ + j ⎢ ⎥.
⎣ I ′3 ⎦ ⎣ I ′′3 ⎦ 3 ⎣ − 0,4 1 9 9 ⎦ 3 ⎣ 0, 2 0 9 9 ⎦
Вектор узловых напряжений
⎡U ′ ⎤ ⎡U ′′ ⎤
U = ⎢ 2⎥ + j ⎢ 2 ⎥.
⎣U ′3 ⎦ ⎣U ′′3 ⎦
Для схемы (рис. 4.3.1) с учетом задания напряжения в базисном
узле Uб = 115 кВ вектор
⎡ ( g − j b 2 1 )U б ⎤ ⎡ ( 0,0 2 − j 0,0 4 ) ⋅ 1 1 5 ⎤
Yб U б = ⎢ 2 1 ⎥=⎢ ⎥.
(
⎣ 31g − j b 31 ) U б⎦ ⎣ ( 0, 0 1 3 3 − j 0, 0 2 6 7 ) ⋅ 1 1 5 ⎦
Запишем систему уравнений узловых напряжений в виде (4.3.16):
96
⎡ g 22 g 2 3b 2 2b 2 3 ⎤ ⎡U ′2 ⎤ ⎡ I ′2 ⎤ ⎡ g 2 1U б ⎤
⎢g g 3 3b3 2b3 3 ⎥ ⎢U ′3 ⎥ ⎢I′ ⎥ ⎢ g U ⎥
⎢ 3 2 ⎥ ⋅ ⎢ ⎥ = 3 ⎢ 3 ⎥ − ⎢ 3 1 б ⎥ . (4.3.17)
⎢ −b 2 2 −b2 3 g 2 2 g 2 3 ⎥ ⎢U ′′2 ⎥ ⎢ I ′′2 ⎥ ⎢ −b 2 1U б ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ − b3 2 −b3 3 g 2 3 g 3 3 ⎦ ⎣U ′′3 ⎦ ⎣ I ′′3 ⎦ ⎣ −b3 1U б ⎦
Ели подставить значения активных и реактивных составляющих
проводимостей, узловых токов и базисного напряжения, то получим в
матричном виде
⎡ 0,0 3 3 8 − 0,0 1 3 8 0,0 7 4 5 − 0,0 3 4 5 ⎤ ⎡U ′2 ⎤
⎢ − 0,0 1 3 8 0,0 2 7 1 − 0,0 3 4 5 0,0 6 1 2 ⎥ ⎢⎢U ′3 ⎥⎥
⎢ ⎥⋅ =
⎢ − 0,0 7 4 5 0,0 3 4 5 0,0 3 3 8 − 0,0 1 3 8 ⎥ ⎢U ′′2 ⎥
⎢ ⎥ ⎢ ⎥
⎣ 0,0 3 4 5 − 0,0 6 1 2 − 0,0 1 3 8 0,0 2 7 1 ⎦ ⎣U ′′3 ⎦
⎡ 0, 2 6 2 4 ⎤ ⎡ 0,0 2 ⋅ 1 1 5 ⎤
⎢ − 0, 4 1 9 9 ⎥ ⎢ 0,0 1 3 3 ⋅ 1 1 5 ⎥
= 3⎢ ⎥+⎢ ⎥
⎢ − 0,1 5 7 5 ⎥ ⎢ − 0,0 4 ⋅ 1 1 5 ⎥
⎢ ⎥ ⎢ ⎥
⎣ 0, 2 0 9 9 ⎦ ⎣ − 0,0 2 6 7 ⋅ 1 1 5 ⎦
или в виде системы уравнений
0,0 3 3 8U ′2 − 0,0 1 3 8U ′3 + 0,0 7 4 5U ′′2 − 0,0 3 4 5U ′′3 = 2,5 6 2 4; ⎫
⎪
− 0,0 1 3 8U ′2 + 0,0 2 7 1U ′3 − 0,0 3 4 5U ′′2 + 0,0 6 1 2U ′′3 = 1,1 0 9 6; ⎪ (4.3.18)
⎬
− 0,0 7 4 5U ′2 + 0,0 3 4 5U ′3 + 0,0 3 3 8U ′′2 − 0,0 1 3 8U ′′3 = − 4,7 5 7 5; ⎪
0,0 3 4 5U ′2 − 0,0 6 1 2 1U ′3 − 0,0 1 3 8U ′′2 + 0,0 2 7 1U ′′3 = − 2,8 6 0 6 . ⎪⎭
97
0,0 7 4 5U ′′2 − 0,0 3 4 5U ′′3 + 0,0 3 3 8U ′2 − 0,0 1 3 8U ′3 = 2,5 6 2 4; ⎫
− 0,0 3 4 5U ′′2 + 0,0 6 1 2U ′′3 − 0,0 1 3 8U ′2 + 0,0 2 7 1U ′3 = 1,1 0 9 6; ⎪
⎪ (4.3.20)
⎬
0,0 3 3 8U ′′2 − 0,0 1 3 8U ′′3 − 0,0 7 4 5U ′2 + 0,0 3 4 5U ′3 = − 4,7 5 7 5; ⎪
− 0,0 1 3 8U ′′2 + 0,0 2 7 1U ′′3 + 0,0 3 4 5U ′2 − 0,0 6 1 2 1U ′3 = − 2,8 6 0 6 .⎪⎭
После исключения U″2 получим систему уравнений
U ′′2 − 0,0 4 6 3 1U ′′3 + 0,0 4 5 3 7U ′2 − 0,0 1 8 5 2U ′3 = 3 4,3 9 4 6; ⎫
⎪
0,0 4 5 2U ′′3 + 0,0 1 9U ′2 + 0,0 2 0 7 1U ′3 = 2, 2 9 6 2; ⎪
⎬
0,0 0 1 9U ′′3 − 0,0 8 9 8U ′2 + 0,0 4 0 8U ′3 = − 5,9 2; ⎪
′′ ′ ′
0,0 2 0 7U 3 + 0,0 4 0 8U 2 − 0,0 6 3 8U 3 = − 2,3 8 6 . ⎪⎭
Исключим U″3:
U ′′2 − 0,0 4 6 3 1U ′′3 + 0,0 4 5 3 7U ′2 − 0,0 1 8 5 2U ′3 = 3 4,3 9 4 6; ⎫
⎪
U ′′3 + 0,0 4 2U ′2 + 0, 4 5 8U ′3 = 5 0,8 0 0 9; ⎪
⎬
− 0,0 8 9 9U ′2 + 0,0 3 9 9U ′3 = − 6,0 1 6 5; ⎪
′ ′
0,0 3 9 9U 2 − 0,0 7 3 3U 3 = − 3, 4 3 7 6 . ⎪⎭
Исключим U′2 и приведём систему уравнений (4.3.20) к эквива-
лентной системе с треугольной матрицей:
U ′′2 − 0,0 4 6 3 1U ′′3 + 0,0 4 5 3 7U ′2 − 0,0 1 8 5 2U ′3 = 3 4,3 9 4 6; ⎫
⎪
U ′′3 + 0,0 4 2U ′2 + 0, 4 5 8U ′3 = 5 0,8 0 0 9; ⎪
⎬
U ′2 − 0, 4 4 3 8U ′3 = 6 6,9 2 4 4; ⎪
− 0,0 5 5 6U ′3 = − 6,1 0 7 8 . ⎭⎪
Из этой системы последовательно найдем значения неизвестных:
U ′2 = 1 1 5,7 1 8 8 к В ; U ′3 = 1 0 9,9 9 6 4 к В ;
U ′′2 = 0, 2 6 1 2 к В ; U ′′3 = − 4,3 3 6 2 к В .
98
Начальные приближения действительных и мнимых составляю-
щих узловых напряжений
⎡U ′′ (0) ⎤
⎢ 2 ⎥ ⎡ 0 ⎤
⎢U ′′ (0) ⎥ ⎢ ⎥
⎢ 3 ⎥ ⎢ 0 ⎥
⎢ (0) ⎥ = ⎢1 1 0 ⎥ .
⎢U ′2 ⎥ ⎢ ⎥
⎢ ⎥ ⎣1 1 0 ⎦
⎢U ′ (0) ⎥
⎣ 3 ⎦
Первое приближение:
⎡U ′′ (1) ⎤
⎢ 2 ⎥ ⎡ 0 0, 4 6 3 1 − 0, 4 5 3 7 0,1 8 5 2 ⎤ ⎡ 0 ⎤
⎢U ′′ (1) ⎥ ⎢
⎢ 3 ⎥ ⎢ 0,5 6 3 7 0 0, 2 2 5 5 − 0, 4 4 2 8 ⎥ ⎢ 0 ⎥
⎥⎢ ⎥+
⎢ (1) ⎥ = ⎢ 0, 4 5 3 7 − 0,1 8 5 2 0 0, 4 6 3 1 ⎥ ⎢1 1 0 ⎥
⎢U ′2 ⎥ ⎢ ⎥⎢ ⎥
⎢ ⎥ ⎣ − 0, 2 2 5 5 0, 4 4 2 8 0,5 6 3 7 0 ⎦ ⎣1 1 0⎦
⎢U ′ (1) ⎥
⎣ 3 ⎦
⎡ 3 4,3 9 4 6 ⎤
⎢ 1 8,1 3 0 7 ⎥
+⎢ ⎥.
⎢ 6 3,8 5 9 1 ⎥
⎢ ⎥
⎣ 4 6,7 4 1 8 ⎦
Полученные значения узловых напряжений подставляем в правую
часть (4.3.21) и так далее.
Результаты расчета итерационного процесса на ЭВМ при задан-
ной точности ε = 10–5Uном = 0,001 кВ сведены в таблицу (табл. 4.3.1).
Таблица 4.3.1
Результаты расчета методом простых итераций
99
Результаты расчета совпадают с результатами примера 4.3.2.
100
Таблица 4.3.2
Результаты расчета методом простых итераций
101
j = 1, 2, ..., n уравнения баланса мощностей запишутся в следующем ви-
де:
n
Pi = U i2g ii ( )
+ U i ∑ U j Yij s i n δ i − δ j − α i j ;
j =1
(4.4.2)
n
(
Q i = U i2b ii − U i ∑ U j Yij co s δ i − δ j − α ij . )
j =1
В этих уравнениях Pi , Qi — задающие мощности узлов, величины
известные; в качестве искомых переменных выступают модули Ui и фа-
зы δi напряжений узлов.
Уравнения (4.4.2) являются нелинейными. Для реализации мето-
да Ньютона перенесем в (4.4.2) все слагаемые в правую часть:
n
( )
Pi ( нб ) = U i2g i i + U i ∑ U j Yij s i n δ i − δ j − α ij − Pi = 0;
j =1
(4.4.3)
n
( )
Q i ( нб ) = U i2b ii − U i ∑ U j Yij cos δ i − δ j − α ij − Q i = 0.
j =1
Для электрической схемы, содержащей n узлов (не считая узла
земли), можно записать (n–1) уравнений типа (4.4.3). Один из узлов
(примем узел с номером n) должен являться балансирующим по актив-
ной и реактивной мощности, для него уравнения (4.4.3) в решении не
участвуют. В соответствии со сказанным считаем Un = Uб и заданным;
фазу δn , которая является осью отсчета углов, примем равной нулю.
Pi (нб ) , Qi (нб) являются небалансами мощности в узлах; в процессе
итераций уменьшаются и в точке теоретического решения равны нулю.
Метод Ньютона основан на линеаризации системы (4.4.3) по неза-
висимым переменным Ui , δi , i = 1, 2, ..., n–1.
⎡ ∂ Pн б ∂ Pн б ⎤
⎢ ∂U ∂ δ ⎥ ⎡Δ U ⎤ ⎡P ⎤
⎢ ⎥⎢ ⎥ = − ⎢ нб ⎥ , (4.4.4)
⎢ ∂ Q нб ∂ Q нб ⎥ ⎣ Δ δ ⎦ Q
⎣ нб ⎦
⎢⎣ ∂ U ∂δ ⎦ ⎥
∂Pнб ∂Pнб ∂Q нб ∂Q нб
где подматрицы , , , имеют размер n–1, а их элемен-
∂U ∂δ ∂U ∂δ
ты получаются путем дифференцирования выражений (4.4.3). На итера-
циях вектор небалансов мощностей рассчитывается по (4.4.3). Началь-
ными приближениями являются U′i = U ном , δ i = 0 .
102
Решение линейной системы (4.4.4) позволяет получить поправки
ΔU i и Δ δ i и уточнить искомые параметры
Ui (
k +1)
= Ui ( ) + ΔUi ( ) , δi ( ) = δi ( ) + Δδi ( ) .
k k k +1 k k
(4.4.5)
Окончание итерационного процесса контролируется неравенства-
ми
Δ U i ≤ ε1 , Δ δ ≤ ε 2 ,
где ε1 , ε 2 – заданные погрешности расчета.
104
⎡ − 3,6 1 6 9 1,5 1 6 9 − 9 2 3, 4 5 0 0 4 1 7, 4 5 0 0 ⎤
dW X( )
0
( ) =
⎢ 1,5 1 6 9
⎢
− 2,9 1 3 4 4 1 7, 4 5 0 0 − 7 7 5, 2 0 5 0 ⎥
⎥.
dX ⎢ − 7,9 9 5 0 3,7 9 5 0 4 1 9,8 5 9 0 − 1 1 6,8 5 9 0 ⎥
⎢ ⎥
⎣ 3,7 9 5 0 − 6,5 9 8 5 − 1 1 6,8 5 9 0 3 3 5,1 0 4 0 ⎦
Система линеаризованных уравнений на первом шаге
⎡ 39,8675 ⎤
⎢ − 38,8730 ⎥
⎢ ⎥=
⎢ 39,3205 ⎥
⎢ ⎥
⎣ − 8,4090 ⎦
⎡ Δ U (1) ⎤
⎡ − 3,6169 1,5169 − 923, 4500 417,4500 ⎤ ⎢ 2 ⎥
⎢ 1,5169 ⎢ (1) ⎥
− 2,9134 417,4500 − 775,2050⎥ ⎢ Δ U 3 ⎥
=⎢ ⎥ .
⎢ − 7,9950 3,7950 419,8590 − 116,8590 ⎥ ⎢ Δδ (1) ⎥
⎢ ⎥⎢ 2
⎥
⎣ 3,7950 − 6,5985 − 116,8590 335,1040 ⎦ ⎢ ⎥
(1)
⎢ Δδ ⎥
⎣ 3 ⎦
Решим эту систему уравнений методом Гаусса и определим по-
правки:
Δδ (1) = − 0,0385 = 2,2038 o ; Δ U (1) =0,1158 кВ;
3 3
Δδ (1)
2 = − 0,0027 = 0,1565 o ; Δ U (1)
=5,9383 кВ.
2
Первое приближение:
δ (1) = 0 − 2,2038 o = − 2,2038 o ; U (1) =110+0,1158=110,1158 кВ;
3 3
δ (1) o o (1)
2 = 0 + 0,1565 = 0,1565 ; U =110+5,9383=115,9383 кВ.
2
105
Таблица 4.4.1
Результаты расчета методом Ньютона
106
СПИСОК ЛИТЕРАТУРЫ
1. Дьяконов В.П. MathCAD 8 – 12 для студентов. – М.: СО-
ЛОН-Пресс, 2005. – 632 с.
2. Ивановский Р.И. Компьютерные технологии в науке и обра-
зовании. Практика применения системы MathCAD Pro: Учеб. пособие. –
М.: Высшая школа, 2003. – 431 с.
3. MATHCAD 6.0 PLUS. Финансовые, инженерные и научные
расчеты в среде WINDOWS 95.– М.: Информационно-издательский дом
Филин, 1997.– 712 с.
4. Mathcad для решения задач по теории электрических цепей:
Компьютерный задачник: Учеб. пособие/ Дмитриев В.М., Дмитриев
И.В., Муливенко В.А., Фикс Н.П.– Томск: Томск. гос. ун-т систем
управления и радиоэлектроники, 1999.– 123 с.
5. Ханова А.А. Введение в систему MathCAD: Методич. посо-
бие.– Астрахань: Изд-во АГТУ, 2001.– 50 с.
6. Ракитин В.И. Руководство по методам вычислений и при-
ложения MathCAD. – М.: Физматлит, 2005. – 264 с.
7. Татаркин Е.Ю. Математическое обеспечение САПР
8. Электрические системы. Математические задачи электро-
энергетики / Под ред. В.А. Веникова. – М.: Высшая школа, 1981. – 288с.
9. Васильков Ю.В., Василькова Н.Н. Компьютерные техноло-
гии вычислений в математическом моделировании: Учеб. пособие. – М.:
Финансы и статистика, 2005. – 256 с.
10. Тыртышников Е. Е. Матричный анализ и линейная алгебра.
– М.: ФИЗМАТЛИТ, 2007. – 480 с.
11. Хрущев Ю.В. Методы расчета устойчивости энергосистем:
Учеб. пособие.– Томск: Изд-во ТПУ, 2005. – 176 с.
12. Учебно-исследовательская лаборатория гибридного моде-
лирования режимов электроэнергетических систем: Техническое описа-
ние / Р.Б. Абеуов, Н.М. Алишевиц, С.В. Гурин, А.С. Гусев, И.Л. Плодис-
тый, С.В. Свечкарев, Б.Г. Третьяков, Ю.В. Хрущев / Под ред. Ю.В. Хруще-
ва / ТПУ.– Томск, 2004.– 56c.
13. Горстко А.Б. Познакомьтесь с математическим моделирова-
нием.– М.: Знание, 1991. – 160 с.
14. Бахвалов Н.С. Численные методы: Учебное пособие. – М.:
Наука, 1975. – 632 с.
15. Вычислительная математика: Методические указания, учеб-
ная программа и задания для контрольных работ № 1 и 2 «Вычисли-
107
тельная математика» для студентов заочной формы обучения специаль-
ности 071900 «Информационные системы» / Л.В. Кайдалова, Н.М. Ла-
тыпова, Ф.С. Миронов. – Самара: СамИИТ, 2002. – 34 с.
16. Куликов С.П., Самохин А.Б., Чердынцев В.В. Численные
методы. Ч. 1: Учеб. пособие.– М.: Московский государственный инсти-
тут радиотехники, электроники и автоматики (технический универси-
тет) – М., 2005. – 89 с.
17. Готман В.И. Математическое моделирование в электроэнер-
гетических системах: учебное пособие.— Томск: Изд-во ТПУ, 2006.—
157 с.
18. http://www.exponenta.ru/educat/systemat/hanova/equation/nonli
near/nonlinear2.asp#1.
19. http://www.mathelp.spb.ru/book1/kramer.htm.
20. http://www.nsu.ru/matlab/Exponenta_RU/educat/systemat/hanov
a/equation/loc.asp.htm.
21. http://www.exponenta.ru/educat/class/courses/vvm/theme_10/th
eme_ex10.asp#ex1.
22. http://www.uchites.ru/files/nummethod_book_chapter4-1.pdf.
23. Дмитриев В.М., Кобрина Н.В., Фикс Н.П., Хатников В.И.
Теоретические основы электротехники. Ч. 1: Установившиеся режимы в
линейных электрических цепях: Учеб. пособие.– Томск: Изд-во Том. ун-
та, 2000.– 220 с.
24. Идельчик В.И. Методы расчета установившихся режимов
электрических систем: Учебное пособие для энергетических специаль-
ностей. Новочеркасск, изд. НПИ, 1981. – 87с.
25. Идельчик В.И. Электрические системы и сети: Учебник для
вузов.– М: Энергоатомиздат, 1989.– 592 с.
26. Лыкин А.В. Электрические системы и сети: Учеб. пособие.–
М.: Университетская книга; Логос, 2006.– 254 с.
27. Демидович Б.П., Марон И.А. Основы вычислительной ма-
тематики: учебное пособие.– 5-е изд., стер.– СПб.: Лань, 2006.– 672 с.
28. Костин В.Н. Оптимизационные задачи электроэнергетики:
Учеб. пособие.– СПб: Изд-во СЗТУ, 2003.– 120 с.
29. Моисеев И.И., Иванилов Ю.П., Столяров Е.М. Методы оп-
тимизации – М.: Наука, 1978. – 286 с.
30. Оптимизация режимов энергосистем / В.М. Синьков, А.В.
Богославский и др., Под ред. В.М. Синькова. – Изд-во «Вища школа»,
1976. – 307 с.
31. Самарский А.А. Введение в численные методы. – М.: Наука,
1982. – 272 с.
108
32. Самарский А.А., Михайлов А.П. Математическое модели-
рование: Идеи. Методы. Примеры.– М.: Физматлит, 2002. – 320 с.
33. Самарский А.А., П.Н. Фабищевич, Е.А. Самарская. Задачи и
упражнения по численным методам. – М.: Эдиториал УРСС, 2000. –
208с.
34. Техника высоких напряжений: теоретические и практиче-
ские основы применения / М. Бейер и др.; под ред В.П. Ларионова. – М.:
Энергоатомиздат, 1989. – 555 с.
35. Электрические системы. Кибернетика электрических систем
/Под ред. В.А. Веникова. – М.: Высшая школа, 1974. – 328 с.
36. Электрические системы. Электрические расчеты, програм-
мирование и оптимизация режимов / Под ред. В.А. Веникова. – М.:
Высшая школа, 1973. – 318 с.
37. Электроэнергетические системы в примерах и иллюстраци-
ях: Учебное пособие для вузов / Ю.Н. Астахов, В.А. Веников, В.В. Еж-
ков и др., Под ред. В.А. Веникова. – М.: Энергоатомиздат, 1983. – 504 с.
109
ПРИЛОЖЕНИЕ 1. ОСНОВЫ РАБОТЫ С
СИСТЕМОЙ КОМПЬЮТЕРНОЙ МАТЕМАТИКИ
MATHCAD
MathCAD работает с документами. С точки зрения пользователя,
документ – это чистый лист бумаги, на котором можно размещать блоки
трех основных типов: математические выражения, текстовые фрагмен-
ты и графические области. Расположение нетекстовых блоков в доку-
менте имеет принципиальное значение – слева направо и сверху вниз.
Как в электронных таблицах, любое изменение содержимого ра-
бочего документа MathCAD вызывает обновление всех. MathCAD по-
зволяет легко импортировать данные из файлов и подвергать их любой
математической обработке.
К основным элементам математических выражений MathCAD от-
носятся типы данных, операторы, функции и управляющие структуры.
Операторы – элементы MathCAD, с помощью которых можно
создавать математические выражения. К ним, например, относятся сим-
волы арифметических операций, знаки вычисления сумм, произведений,
производной и интеграла и т.д.
Оператор определяет: действие, которое должно выполняться при
наличии тех или иных значений операндов; сколько, где и какие опе-
ранды должны быть введены в оператор.
Операнд – число или выражение, на которое действует оператор.
Например, в выражении 5! + 3 число 3 и выражение 5! – операнды опе-
ратора + (плюс), а число 5 – операнд оператора факториал (!). После
указания операндов операторы становятся исполняемыми по документу
блоками.
К типам данных относятся числовые константы, обычные и сис-
темные переменные, массивы (векторы и матрицы) и данные файлового
типа.
Константами называют поименованные объекты, хранящие неко-
торые значения, которые не могут быть изменены. Переменные являют-
ся поименованными объектами, имеющими некоторое значение, кото-
рое может изменяться по ходу выполнения программы. Тип переменной
определяется её значением; переменные могут быть числовыми, стро-
ковыми, символьными и т. д.
Имена констант, переменных и иных объектов называют иденти-
фикаторами. Идентификаторы в MathCAD представляют собой набор
латинских или греческих букв и цифр.
110
После щелчка в любом месте рабочего документа появится не-
большой крестик (курсор). Начало ввода с клавиатуры будет разме-
щаться с места расположения курсора. Напечатайте: 15 – 8 /104.5. После
набора знака = MathCAD вычисляет выражение и выводит результат: 15
– 8/104.5 = 14.923.
Система понимает, какую операцию нужно выполнять первой . В
данном примере сначала было выполнено деление, затем вычитание.
После ввода знака равенства MathCAD показывает результат. После
ввода оператора MathCAD показывает небольшой прямоугольник, на-
зываемый полем ввода, предназначенный для ввода чисел и выражений.
Поле ввода, которое появляется в конце уравнения, используется для
преобразования единиц измерения.
Выражение на экране можно редактировать, устанавливая в нуж-
ном месте указатель и печатая новые символы, цифры или операторы.
При помощи переменных и функций становятся возможными
связь уравнений и использование промежуточных результатов в даль-
нейших вычислениях. Следующие примеры показывают, как опреде-
лять и использовать отдельные переменные.
Чтобы определить любую переменную, необходимо: напечатать
имя переменной, которую нужно определить; напечатать двоеточие,
чтобы ввести символ определения; ввести значение присваиваемой пе-
ременной. Ниже в прямоугольниках помечена последовательность дей-
ствий:
t t: = t: = 10
Если при вводе была допущена ошибка, то для того, чтобы сте-
реть предыдущее выражение, нужно: щелкнуть в выбранном уравнении;
нажимать клавишу [^] до тех пор, пока выделяющая рамка не окружит
всё выражение; вызвать пункт Вырезать из меню Правка. MathCAD
читает рабочий документ сверху вниз и слева направо. Определив пере-
менную, например t, её можно использовать везде ниже и правее равен-
ства, которым она определена.
Когда переменные определены, их значения могут быть использо-
ваны в других выражениях. MathCAD пересчитывает результаты сразу
после внесения любых изменений в рабочий документ. После внесения
изменений нужно нажать [Space] или щелкнуть вне уравнения.
Для ввода текста нужно щелкнуть в намеченном месте и выпол-
нить пункт Создать текстовую область из меню Текст или нажать на
кнопку текста на панели инструмента. Напечатайте: «Уравнение движе-
ния». Чтобы ввести вторую строку текста, достаточно нажать [Space] и
111
продолжить ввод. Возможна установка ширины текстовой области и
изменение шрифтов.
Каждое математическое выражение или фрагмент текста являют-
ся областями. MathCAD создает невидимый прямоугольник, содержа-
щий каждую область. Рабочий документ MathCAD – совокупность та-
ких областей. Чтобы сделать области видимыми, выберите пункт Об-
ласти => Показать области [Space] из меню Правка. Занятые области
будут отображены фоновым цветом. Чтобы начать ввод в новой облас-
ти, нужно сначала щелкнуть мышью в свободном месте, в результате
появится курсор, а затем можно набирать выражение или текст. В ре-
жиме ввода текста он окружается текстовой рамкой, а маленький кре-
стик (курсор) превращается в маркер ввода текста. В режиме ввода
уравнений крестик становится маркером ввода или превращается в вы-
деляющую рамку.
MathCAD может выполнять итерационные вычисления, с этой це-
лью в нем используется специальный тип переменных – дискретные
аргументы. Переменная этого типа принимает диапазон значений, на-
пример целые числа от 1 до 10. При этом выражение будет вычисляться
столько раз, сколько значений содержит дискретный аргумент.
Чтобы вычислить выражение для диапазона значений, сначала
определите дискретный аргумент. В приведенном выше примере можно
вычислить результаты для диапазона значений t от 10 до 20 с шагом 1.
Это делается следующим образом: щелкните мышью на правой части
выражения t: ^ 10. Указатель ввода появится справа от 10; напечатайте
,11 (это действие определяет следующее число в диапазоне как11); на-
печатайте ;20, чтобы определить последнее число в диапазоне как 20
(MathCAD изображает символ (;) как (..)):
g1 0 b1 1.5
g2 3 b2 4
2 2
g3 1 b3 1 y ( r , x) r x
y g 1 , b 1 = 1.5 y g 2, b 2 = 5
y g 3 , b 3 = 1.414
115
Чтобы связать единицу измерений с числом, достаточно умно-
жить число на её наименование. Например: напр: 25*volt; сопр: 20*
ohm; пров: 0.2*mho; I: напр* (1/сопр + пров ) (рис.П1.2).
1
I напр . пров I = 6.25 A
сопр
Рис. П1.2. Использование единиц измерений
Таблица П1.1.
Специальные операции над комплексными числами
R Вещественная часть Z
e(z)
I Мнимая часть Z
m(Z)
a Угол в комплексной плоскости между вещественной
rg(Z) осью и Z.
Результат – в радианах
|Z Модуль Z. Выделить в рамку и нажать |
|
Z Число, комплексно сопряженное к Z. Выделить выраже-
ние и нажать “
117
ПРИЛОЖЕНИЕ 2. ПРИМЕНЕНИЕ СИСТЕМЫ
MATHCAD ДЛЯ РАБОТЫ С ВЕКТОРАМИ И
МАТРИЦАМИ.
Одиночное число в MathCAD называется скаляром. Столбец чи-
сел называется вектором. Прямоугольная таблица чисел – матрицей.
Общий термин для вектора или матрицы – массив.
Вектор – это массив или матрица, содержащая один столбец. Для
создания вектора нужно сделать следующее: щелкнуть в выбранном
месте поля; выбрать Матрицы из меню Математика; указать в диало-
говом окне число строк, равное числу элементов вектора, в поле
«Строк»; напечатать 1 в поле «Столбцов». На следующем этапе нужно
заполнить эти поля скалярными выражениями.
Как только вектор создан, можно использовать его в вычислениях.
Например, чтобы прибавить другой вектор к этому вектору: щелкните
на любой из скобок вектора, появится выделяющая вектор рамка; на-
жмите клавишу [+], и появится поле для второго вектора; используйте
диалоговое окно «Матрицы» для создания другого вектора с тремя эле-
ментами. Заполните этот вектор, щелкая в каждом поле и печатая числа;
нажмите [=], чтобы увидеть результат.
Чтобы создать матрицу, нужно щелкнуть в свободном месте или
на поле. Затем: выбрать Матрицы из меню Математика или нажать
[ctrl] [М]; ввести число строк и столбцов в соответствующие поля, на-
жать «Создать» (MathCAD создаст матрицу с пустыми полями); запол-
нить поля матрицы так же, как и поля вектора.
Чтобы превратить вектор-строку в вектор-столбец, используется
оператор транспонирования [Ctrl] [1].
Можно изменять размер матрицы, вставляя и удаляя строки и
столбцы следующим образом: выделите рамкой один из элементов мат-
рицы, с которого MathCAD будет начинать вставку или удаление; выбе-
рите Матрицы из меню Математика; напечатайте в появившемся диа-
логовом окне число строк и (или) столбцов, которые нужно вставить
или удалить; нажмите «Вставить» или «Удалить».
Определение переменной как массива во многом схоже с опреде-
ление скаляра. Можно обращаться к отдельным элементам массива, ис-
пользуя нижний индекс (V1 = 2, V2 = 3, U2 = 6). Чтобы напечатать ниж-
ний индекс, нажмите [ и поместите в поле целое число или пару чисел.
Можно обращаться к отдельному столбцу массива, используя верхний
118
индекс. Чтобы вставить оператор верхнего индекса, нажмите [ctrl] [ 6] и
поместите в поле целое число.
Вектор и элементы матрицы обычно нумеруются, начиная с нуле-
вой строки и нулевого столбца. Чтобы увидеть нулевой элемент вектора
V, напечатайте V[0 =: Чтобы обратиться к элементу в i-й строке и j-м
столбце матрицы M, напечатайте: M[i,j.
Для транспонирования исходной матрицы необходимо нажать
[Ctrl] [1]. В полученной матрице строки превращаются в столбцы, и со-
ответственно меняется размерность матрицы.
По умолчанию массивы MathCAD нумеруются с нулевого эле-
мента. Если нужно, чтобы массивы начинались не с нулевого, а, напри-
мер, с первого элемента, выберите команду Встроенные переменные
из меню Математика, либо в любом месте рабочего документа напеча-
тайте ORIGIN = 1.
Некоторые из операторов MathCAD имеют особое значение по
отношению к векторам и матрицам. Например, символ умножения оз-
начает просто умножение для чисел, скалярное произведение – для век-
торов и умножение матриц для матриц.
Приведенная ниже таблица (табл. П2.1) описывает векторные и
матричные операторы MathCAD. В таблице использованы следующие
обозначения: А и В – массивы (векторы или матрицы); u и v – векторы
(в форме векторов-столбцов); М – квадратная матрица; ui, vi – отдель-
ные элементы векторов u и v; z – скаляр.
Таблица П2.1
Векторные и матричные операторы
119
Продолжение табл. П2.1
120
Продолжение табл. П2.1
Таблица П2.2
Размеры и диапазон значений массива
Имя Возвращается
функции
Rows(A Число строк в массиве А. Если А – скаляр, воз-
) вращается 0.
Cols(A) Число столбцов в массиве А. Если А – скаляр,
возвращается 0
Length( Число элементов в векторе v
v)
Last(v) Индекс последнего элемента в векторе v
Max(A) Самый большой элемент в массиве А
Min(A) Самый маленький элемент в массиве А
121
Таблица П2.3
Специальные типы матриц
Имя Возвращается
функции
iden- n x n – единичная диагональная матрица
titi(n)
Re(A) Массив из вещественных частей элементов А
Im(A) Массив из мнимых частей элементов А
diag(v) Диагональная матрица с элементами вектора v
Таблица П2.4
Формирование новых матриц из существующих
Имя Возвращается
функции
aug- Массив, сформированный расположением А и В
ment(A,B) бок о бок. Массивы А и В должны иметь одинаковое
число строк.
stack(A, Массив, сформированный расположением А над
B) В.
Массивы А и В должны иметь одинаковое число
столбцов
Таблица П2.5
Собственные значения и собственные векторы
Имя Возвращается
функции
eigenvals Вектор, содержащий собственные значения мат-
(M) рицы М
eigenvec Матрица, содержащая нормированный собст-
(M,z) венный вектор, соответствующий собственному зна-
чению z матрицы М
122
ПРИЛОЖЕНИЕ 3. ПРИМЕНЕНИЕ СИСТЕМЫ
MATHCAD ДЛЯ ЧИСЛЕННОГО РЕШЕНИЯ
СИСТЕМ УРАВНЕНИЙ
Для решения одного уравнения с одним неизвестным использует-
ся функция root (табл. П3.1).
Переменной z перед использованием функции root необходимо
присвоить числовое значение, которое используется в качестве началь-
ного приближения при поиске корня.
Таблица П3.1
Решение уравнений
Имя Возвращается
функции
root Возвращает значение z, при котором выражение или
(z) функция f (z) обращается в нуль. Оба аргумента этой функ-
ции должны быть скалярами. Функция возвращает скаляр
Таблица П3.2
Решение системы уравнений
124
Ниже (табл. 3.6.3) приведен список выражений, которые могут быть ис-
пользованы в блоке решения уравнений.
Таблица П3.3
Допустимые выражения
du
+ 3u = 0
dt
с начальным условием u(0)=4.
Функция rkfixed (рис. П3.1) использует для поиска метод Рунге-
Кутта четвертого порядка. В результате получается матрица из двух
столбцов: первый содержит точки, в которых находится решение ОДУ;
второй – значения найденного решения в соответствующих точках.
Основные отличия дифференциальных уравнений второго поряд-
ка от уравнений первого порядка: вектор начальных условий у состоит
из двух элементов: значений функции и первой производной в началь-
ной точке интервала x1; функция D(t, у) является вектором с двумя эле-
⎢ y / (t ) ⎥
ментами: D (t , y ) = ⎢ ⎥
⎣ y (t )⎦ .
//
125
Матрица, полученная в результате решения, содержит три
столбца: первый столбец содержит значения t; второй столбец – значе-
ния y(t); третий столбец – значения у'(t).
Методика решения уравнений более высокого порядка, чем вто-
рой, является развитием методики, которая применялась для решения
дифференциальных уравнений второго порядка. Основные отличия в
следующем: вектор начальных условий имеет здесь n элементов , опре-
деляющих начальные условия для искомой функции и её производных
у, у', у"... у; функция D является вектором, содержащим n элементов;
матрица, получаемая в результате решения, содержит n столбцов (пер-
вый – для значений t, остальные – для значений y (t), y'(t), y"(t)... y(n–1)
(t)_.
Начальное приближение y0 4
D( x, y ) 3.y0
Z rkfixed( y , 0 , 4 , 100, D )
i 0 .. rows ( Z ) 1
<1 > 2
Z i
0
0 2 4
<0 >
Z i
127
ОГЛАВЛЕНИЕ
ПРЕДИСЛОВИЕ...................................................................................3
ГЛАВА 1. ОСНОВНЫЕ ПОЛОЖЕНИЯ КУРСА. ЭТАПЫ
СОЗДАНИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ.
ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА МОДЕЛИРОВАНИЯ ...................5
1.1. Идеализация и схематизация реальных систем при построении их
моделей. Физическая и математическая модели объекта ................5
1.2. Классификация математических моделей...........................................7
1.3. Принципы моделирования..................................................................10
1.4. Основные этапы моделирования. Методы и алгоритмы решения
задач моделирования..........................................................................11
1.5. Аспекты проверки адекватности модели ..........................................13
1.6. Системы компьютерной математики.................................................14
ГЛАВА 2. ЭЛЕМЕНТЫ МАТРИЧНОЙ АЛГЕБРЫ. СИСТЕМЫ
УРАВНЕНИЙ В МАТРИЧНОЙ ФОРМЕ ..................................................15
2.1. Матричная форма записи систем уравнений, составляемых в
процессе моделирования....................................................................15
2.2. Определение матрицы. Виды матриц................................................16
2.3. Операции с матрицами. Свойства матриц ........................................17
2.4. Определитель матрицы. Алгебраические дополнения и миноры ..20
ГЛАВА 3. ЧИСЛЕННЫЕ МЕТОДЫ РЕШЕНИЯ УРАВНЕНИЙ И
СИСТЕМ УРАВНЕНИЙ ..............................................................................30
3.1. Использование методов прикладной математики в задачах
электроэнергетики ..............................................................................30
3.2. Численные методы решения трансцендентных и алгебраических
уравнений ............................................................................................36
3.3. Численные методы решения систем линейных алгебраических
уравнений ............................................................................................44
3.4. Численные методы решения систем нелинейных уравнений.........62
3.5. Численные методы решения дифференциальных уравнений.........67
ГЛАВА 4. МАТЕМАТИЧЕСКИЕ МОДЕЛИ
УСТАНОВИВШИХСЯ РЕЖИМОВ ЭНЕРГОСИСТЕМ И МЕТОДЫ ИХ
РЕШЕНИЯ .....................................................................................................78
4.1. Задачи расчета установившихся режимов энергосистем. Схемы
замещения элементов энергосистем .................................................78
4.2. Общие сведения о формах математического описания
установившихся режимов энергосистем..........................................86
4.3. Системы линейных уравнений узловых напряжений и методы их
решения................................................................................................91
128
4.4. Системы нелинейных уравнений баланса мощности в
тригонометрической форме; методы их решения.........................101
СПИСОК ЛИТЕРАТУРЫ................................................................107
ПРИЛОЖЕНИЕ 1. ОСНОВЫ РАБОТЫ С СИСТЕМОЙ
КОМПЬЮТЕРНОЙ МАТЕМАТИКИ MATHCAD .................................110
ПРИЛОЖЕНИЕ 2. ПРИМЕНЕНИЕ СИСТЕМЫ MATHCAD ДЛЯ
РАБОТЫ С ВЕКТОРАМИ И МАТРИЦАМИ..........................................118
ПРИЛОЖЕНИЕ 3. ПРИМЕНЕНИЕ СИСТЕМЫ MATHCAD ДЛЯ
ЧИСЛЕННОГО РЕШЕНИЯ СИСТЕМ УРАВНЕНИЙ ...........................123
129
Учебное издание
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
В ВЫСОКОВОЛЬТНОЙ ЭЛЕКТРОТЕХНИКЕ
Учебное пособие
Научный редактор
доктор технических наук,
профессор В.А. Лавринович
130