ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального образования

«ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

Н.П. Фикс

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
В ВЫСОКОВОЛЬТНОЙ ЭЛЕКТРОТЕХНИКЕ

Рекомендовано в качестве учебного пособия

Редакционно-издательским советом
Томского политехнического университета

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

Доктор физико-математических наук, ведущий научный сотрудник

института сильноточной электроники СО РАН (г. Томск)
В.И. Орешкин

Кандидат технических наук, заведующий лабораторией

НИИ высоких напряжений (г. Томск)
В.М. Муратов

© Фикс Н.П., 2009

© Томский политехнический университет, 2009
© Оформление: издательство ТПУ, 2009
ISBN 5-98298-175-3

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].

1.2. Классификация математических моделей

Приведем возможную классификацию основных типов математи-
ческих моделей.
По характеру отображаемых свойств объекта математические мо-
дели делятся на структурные и функциональные модели.
Структурные математические модели предназначены для ото-
бражения структурных свойств объекта. Различают топологические
(отображающие состав и взаимосвязи элементов объекта) и геометриче-
ские (отображающие геометрические свойства объекта) структурные
математические модели.
Функциональные математические модели предназначены для ото-
бражения физических или информационных процессов, протекающих в
объекте при его функционировании или изготовлении. Обычно функ-
7
циональные математические модели представляют собой системы урав-
нений, связывающих фазовые переменные, внутренние, внешние и вы-
ходные параметры.
Использование принципов блочно-иерархического подхода к про-
ектированию приводит к появлению иерархии математических моделей
объектов. В зависимости от места в иерархии математические модели
делятся на модели, относящиеся к микро-, макро- и метауровням [7].
Особенность математических моделей на микроуровне – отраже-
ние физических процессов в непрерывных пространстве и времени. Ти-
пичные математические модели на микроуровне – дифференциальные
уравнения в частных производных. В них независимыми переменными
являются пространственные координаты и время. С помощью этих
уравнений рассчитываются поля механических напряжений и деформа-
ций, электрических потенциалов, давлений, температур и т.п.
На макроуровне используют укрупненную дискретизацию про-
странства по функциональному признаку, что приводит к представле-
нию математических моделей на этом уровне в виде систем обыкновен-
ных дифференциальных уравнений. В этих уравнениях независимой пе-
ременной является время, а вектор зависимых переменных составляют
фазовые переменные, характеризующие состояние укрупненных эле-
ментов дискретизированного пространства. Такими переменными яв-
ляются силы и скорости механических систем, напряжения и силы тока
электрических систем, давления и расходы гидравлических и пневмати-
ческих систем и т.п. Системы обыкновенных дифференциальных урав-
нений являются универсальными моделями на макроуровне, пригодны-
ми для анализа как установившихся, так и динамических состояний
объектов. Модели для установившихся режимов можно также предста-
вить в виде систем алгебраических уравнений. Порядок системы урав-
нений зависит от числа выделенных элементов объекта. Если порядок
системы приближается к 103, то оперирование моделью становится за-
труднительным и поэтому необходимо переходить к представлениям на
метауровне.
На метауровне в качестве элементов принимают достаточно
сложные совокупности элементов. Метауровень характеризуется боль-
шим разнообразием типов используемых математических моделей. Для
многих объектов модели на метауровне по-прежнему представляются
системами обыкновенных дифференциальных уравнений. Но поскольку
в моделях не описываются внутренние для элементов фазовые перемен-
ные, а фигурируют только фазовые переменные, относящиеся к взаим-
ным связям элементов, то укрупнение элементов на метауровне означа-
8
ет получение модели приемлемой размерности для существенно более
сложных объектов, чем на макроуровне.
В ряде предметных областей удается использовать специфические
особенности функционирования объектов для упрощения математиче-
ской модели. Примером являются электронные устройства цифровой
автоматики, в которых возможно применять дискретное представление
таких переменных, как напряжения и токи. Математическая модель
представляется системой логических уравнений, описывающих процес-
сы преобразования сигналов. Такие логические модели существенно
более экономичны, чем модели электрические, описывающие измене-
ния напряжений и сил токов как непрерывных функций времени.
По степени детализации описания в пределах каждого иерархиче-
ского уровня выделяют полные математические модели (в которых пе-
ременные отражают состояния всех межэлементных связей) и макромо-
дели (в которых отображаются состояния значительно меньшего числа
межэлементных связей, что соответствует описанию объекта при ук-
рупненном выделении элементов). Понятия полной модели и макромо-
дели относительны и обычно используются для различения двух моде-
лей, отображающих различные степени детализации при описании
свойств объекта.
По способу представления свойств объекта функциональные ма-
тематические модели делятся на аналитические, алгоритмические и
имитационные.
Аналитические математические модели представляют собой яв-
ные выражения выходных параметров как функций входных и внутрен-
них параметров. Такие математические модели характеризуются высо-
кой экономичностью, однако их получение удается, как правило, при
принятии существенных допущений и ограничений, снижающих точ-
ность и сужающих область адекватности модели.
Алгоритмические математические модели выражают связи вы-
ходных параметров с параметрами внутренними и внешними в форме
алгоритма. Пример такой модели – система уравнений, дополненная ал-
горитмом выбранного численного метода решения и алгоритмом вы-
числения вектора выходных параметров как функционалов решения
системы уравнений.
Имитационная математическая модель – алгоритмическая мо-
дель, отражающая поведение исследуемого объекта во времени при за-
дании внешних воздействий на объект. Примеры – модели динамиче-
ских объектов в виде систем обыкновенных дифференциальных уравне-
ний.
9
 Для получения математических моделей используют методы не-
формальные и формальные. Неформальные методы, применяемые на
различных иерархических уровнях моделирования, включают изучение
закономерностей процессов и явлений, связанных с моделируемым объ-
ектом, выделение существенных факторов, принятие допущений и их
обоснование, математическую интерпретацию имеющихся сведений и
т.п. Для выполнения этих операций в общем случае отсутствуют фор-
мальные методы, в то же время от результата этих операций существен-
но зависят показатели эффективности математической модели. Приме-
нение неформальных методов возможно для синтеза математических
моделей теоретических и эмпирических. Теоретические математиче-
ские модели создаются в результате исследования процессов и их зако-
номерностей, присущих рассматриваемому классу объектов и явлений;
эмпирические – в результате изучения внешних проявлений свойств
объекта с помощью измерений переменных на внешних входах и выхо-
дах и обработки результатов измерений. Формальные методы применя-
ют для получения математических моделей систем при известных мате-
матических моделях элементов.

1.3. Принципы моделирования

Можно выделить следующие принципы моделирования.
Принцип множественности моделей – ключевой. Создаваемая
модель должна отражать в первую очередь те свойства реальной систе-
мы, которые интересуют исследователя. Соответственно при использо-
вании любой конкретной модели исследуются лишь некоторые стороны
реальности. Для более полного её исследования необходим ряд моде-
лей, позволяющий с разных сторон и с разной степенью детализации
рассмотреть исследуемый объект.
При полном отсутствии информации об исследуемом объекте по-
строение его модели невозможно. С другой стороны, при наличии пол-
ной информации об объекте построение его модели не имеет смысла.
Существует некоторый уровень априорной информации об объекте, при
достижении которой может быть построена его адекватная модель. Всё
это определяет принцип информационной достаточности.
Принцип осуществимости: создаваемая модель должна обеспечи-
вать достижение поставленной цели исследования с вероятностью, су-
щественно отличающейся от нуля.
Принцип агрегирования предполагает, что в большинстве случаев
сложную систему можно представить состоящей из агрегатов (подсис-
10
тем), для адекватного математического описания которых оказываются
пригодными некоторые стандартные математические схемы.
Принцип параметризации означает, что модель строится в виде
известной системы с неизвестными параметрами.

1.4. Основные этапы моделирования. Методы и

алгоритмы решения задач моделирования
Выделяют два широких класса технологий моделирования. Пер-
вый – имитационное моделирование – базируется на вычислении тех
параметров объекта моделирования, которые описывают его поведение
в рамках принятых допущений. Как правило, одним из важных допуще-
ний является неизменность структуры объекта и условий протекания
моделируемых явлений. Второй класс – ситуационное моделирование –
основано на возможности изменения ситуаций в ходе моделирования.
Степень реализации перечисленных принципов каждой конкрет-
ной модели зависит не только от желания исследователя, но и от со-
блюдения им технологий моделирования. Технология, в свою очередь,
подразумевает определённую последовательность действий.
В настоящее время самой распространенной технологией модели-
рования является комплексное моделирование, под которым понимается
математическое моделирование с использованием средств вычисли-
тельной техники. В общем случае этапы математического моделирова-
ния следующие.
Определяется цель моделирования. Выбираются те свойства объ-
екта, которые необходимо отразить в модели. Этот выбор основан на
анализе возможных применений модели и определяет степень её уни-
версальности. Собирается исходная информация о выбранных свойст-
вах объекта.
Создается концептуальная модель. Синтезируется структура ма-
тематической модели, т.е. общий вид математических соотношений мо-
дели без конкретизации числовых значений, фигурирующих в них па-
раметров. Структура модели может быть представлена также в графиче-
ской форме, например в виде эквивалентной схемы или графа. Синтез
структуры – наиболее ответственная и с наибольшим трудом поддаю-
щаяся формализации операция.
Далее следуют этапы формализации модели, её программной реа-
лизации, планирования модельных экспериментов.

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.

1.5. Аспекты проверки адекватности модели

Существует ряд способов для контроля правильности полученной
модели.
Проверка порядков и характеров зависимостей означает, что па-
раметры и переменные, которые в данной задаче выражены величинами
большего порядка малости, могут быть исключены из рассмотрения как
несущественные, что часто позволяет значительно упростить модель и
её анализ. Характер изменения значений моделируемых величин дол-
жен соответствовать их реальному смыслу, не противоречить наблю-
даемым данным.
При исследовании предельных случаев результаты моделирова-
ния при крайних значениях параметров модели, равных, как правило,
нулю или бесконечности, не должны противоречить смыслу. Например,
энергия реальной физической системы не может оказаться бесконечно
большой, время протекания процесса – отрицательным и т.п. Модель в
этом случае существенно упрощается.
Проверка замкнутости и корректности математической задачи
предполагает, что система соотношений должна иметь единственное
решение. Задача называется корректной, если: решение задачи сущест-
вует при любых допустимых входных данных; решение непрерывно за-
висит от входных данных задачи – устойчиво по отношению к малым
возмущениям входных данных.
Далеко не все практические задачи являются корректными. Свой-
ство корректности задачи имеет большое значение для выбора метода
решения. К некорректным задачам неприменимы обычные численные
методы вычислительной математики. Строгий анализ корректности во
многих случаях математически сложен, поэтому ограничиваются про-
веркой соответствия количества неизвестных и связывающих их урав-
нений в модели.

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.

2.3. Операции с матрицами. Свойства матриц

К элементарным преобразованиям матриц относятся следующие
операции: перестановка двух строк (столбцов) матрицы; умножение
строки (столбца) матрицы на число, отличное от нуля; прибавление к
некоторой строке (столбцу) линейной комбинации других строк (столб-
цов) матрицы.
17
 ( ) ( )
Две матрицы A = aij и B = bij считаются равными, если равны
их соответствующие элементы ( a i j = bij ).

( ) ( )
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 .

2.4. Определитель матрицы. Алгебраические

дополнения и миноры
Если обозначить матрицу буквой A, то соответствующий ей опре-
делитель обозначается обычно det A, от слова determinant (лат.) – опре-
делитель, определяющий. Часто определитель обозначают по-другому:
выписывают таблицу чисел, образующую матрицу A, обрамляя её пря-
мыми линиями. В случае n=1 это обозначение не применяется, чтобы не
путать его с обозначением модуля числа. Итак, определители первого,
второго и третьего порядков соответственно:
d et a = a; (2.3.1)
⎛a a1 2 ⎞ a1 1 a1 2
d et ⎜ 1 1 ⎟ = = a1 1a 2 2 − a1 2 a 2 1; (2.3.2)
⎝ a21 a22 ⎠ a21 a22
⎛ a1 1 a1 2 a1 3 ⎞ a1 1 a1 2 a1 3
⎜ ⎟
d e t ⎜ a21 a22 a23 ⎟ = a21 a22 a23 =
⎜a a3 2 a 3 3 ⎟⎠ a 3 1 a3 2 a3 3
⎝ 31
= a1 1a 2 2a 3 3 + a1 2 a 2 3a 3 1 + a1 3a 2 1a 3 2 − (2.3.3)
− a1 3a 2 2 a 3 1 − a1 2 a 2 1a 3 3 − a1 1a 2 3a 3 2 .
Чтобы запомнить формулы вычисления определителей, удобно
пользоваться следующими мнемоническими правилами: надо брать
произведения элементов матрицы, соединённых сплошными линиями
на приводимых диаграммах, со знаком «+», а произведения элементов,
соединённых пунктиром, со знаком «–». Сумма произведений даст зна-
чение определителя (рис. 2.4.1).
Последнее правило называется правилом Саррюса (правилом тре-
угольников).
20
 Рис. 2.4.1. Иллюстрация правила Саррюса

Понятие определителя матрицы оказывается очень удобным для

решения многих задач. Поэтому обобщим его для случая квадратной
матрицы произвольного порядка n > 3.
Заметим, что формулы (2.3.1) – (2.3.3) позволяют записать:
a11 a12
= a1 1 d et ( a 22 ) − a1 2 det ( a 2 1 ) ; (2.3.4)
a21 a22
a11 a12 a13
a 21 a 22 a 23 =
a 31 a 32 a 33 (2.3.5)
a 22 a 23 a 21 a 23 a 21 a 22
= a11 − a12 + a13
.
a 32 a 33 a 31 a 33 a 31 a 32
Мы видим, что определитель второго или третьего порядка выра-
жается через элементы своей первой строки и через определители на
порядок меньше.
Определителем квадратной матрицы
⎡ a1 1 a1 2 K a1n ⎤
⎢a a 2 2 K a 2n ⎥
A=⎢ 2 1 ⎥ (2.3.6)
⎢K K K K⎥
⎢ ⎥
⎣ a n1 a n2 K a n n ⎦
называется число

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].

Пример 2.4.1. Вычислить определитель

6 −5 8 4
9 7 5 2
Δ= .
7 5 3 7
−4 8 −8 −3
Вычтем из первого столбца четвёртый, затем в полученном определите-
ле прибавим четвёртую строку к первой:
2 −5 8 4 1 3 0 1
7 7 5 2 7 7 5 2
Δ= = .
0 5 3 7 0 5 3 7
−1 8 −8 −3 −1 8 −8 −3
Прибавим к четвёртой строке первую, затем из первой строки вычтем
вторую, умноженную на семь:
1 3 0 1 1 3 0 1
7 7 5 2 0 −14 5 −5
Δ= = .
0 5 3 7 0 5 3 7
0 11 −8 −2 0 11 −8 −2

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

Пример 2.4.2. Вычислить определитель

1 2 3 4 5 6
2 3 4 5 6 1
3 4 5 6 1 2
Δ= .
4 5 6 1 2 3
5 6 1 2 3 4
6 1 2 3 4 5
Вычтем из шестой строки пятую, из пятой – четвёртую и так далее, за-
тем из второй строки вычтем первую:
1 2 3 4 5 6
1 1 1 1 1 −5
1 1 1 1 5 1
Δ= .
1 1 1 −5 1 1
1 1 −5 1 1 1
1 −5 1 1 1 1
Вычтем шестую строку из первой, второй, третьей, четвёртой, пятой:
0 7 2 3 5 6
0 6 0 0 0 −6
0 6 0 0 6 0
Δ= .
0 6 0 −6 0 0
0 6 −6 0 0 0
1 −5 1 1 1 1

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.

3.2. Численные методы решения

трансцендентных и алгебраических уравнений
3.2.1. Общие замечания
Общий вид уравнения f ( x ) = 0 . Решить уравнение, т.е. найти его

( )
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.

3.2.2. Метод простых итераций для решения нелинейных и

трансцендентных уравнений
Уравнение f ( x ) = 0 преобразуется к виду
x = ϕ( x ). (3.2.2.1)
Если выполняется условие
ϕ′ ( x ) < 1 , (3.2.2.2)
то итерационный процесс
x k +1 = ϕ ( x k ) (3.2.2.3)
сходится к точному значению. Действительно,
x k +1 − x k = ϕ ( x k ) − ϕ ( x k −1 ) ,
из теоремы о среднем следует оценка
x k +1 − x k ≤ M 1 x k − x k −1 ,
т.е. расстояние между точками последовательности уменьшается, если
M 1 < 1,
где M 1 = max ϕ′ = q – знаменатель сходимости. По теореме о непод-
вижной точке в этом случае существует предел – решение уравнения.
Начальная точка x0 – любая точка интервала [ a, b] локализации корня.
Знаменатель сходимости зависит от вида ϕ( x ) . Уравнение f ( x ) = 0
может быть преобразовано к итерационному виду (3.2.2.1) множеством
различных способов – модификаций одношагового стационарного ме-
тода простой итерации, выбором которых можно добиться минимума
знаменателя сходимости.
Например, дано уравнение
x = x − λ f ( x) .
Достаточное условие сходимости (3.2.2.2) выполняется, если
2
λ< ,
M1
где M 1 = max ϕ′ , x ∈[ a, b] .

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

Рис. 3.2.2.1. Графики функций y = − x и y = ln x

Таким образом, сходящаяся к решению уравнения (3.2.2.4) после-

довательность итераций определяется из соотношений

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 .

3.2.3. Метод Ньютона (метод касательных)

Метод Ньютона, также называемый в энергетической литературе
методом Ньютона-Рафсона, – один из наиболее эффективных методов
решения нелинейных уравнений. Метод Ньютона обладает высокой
сходимостью (при удачных исходных приближениях), однако требует
большого объема подготовительной информации на каждом шаге ите-
рации.
В этом методе в качестве x0 выбирается одна из границ интервала
[a, b] и из этой точки строится касательная. В качестве приближенного
значения корня x1 принимается точка пересечения касательной с осью
абсцисс.
Из точки (x1, f(x1)) проводится новая касательная и т.д., до дости-
жения заданной точности (3.2.1.1).
Уравнение касательной в точке xn имеет вид
x k = f ( x n ) + f ′ ( x n ) ⋅ ( x − x n ) , y k ( x n+1 ) = 0 .
Уравнение итерационного процесса:

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]

Схема итерационного процесса:

x k +1 = x k + Δ x k , k = 0,1,2,K, n . (3.2.3.5)
Разложим функцию f ( x ) в точке x k в ряд Тейлора:
f ( xk + Δ xk ) = f ( xk ) + f ′( xk ) Δ xk = 0 , (3.2.3.6)
откуда
f ( xk )
Δ xk = , (3.2.3.7)
f ′( xk )
где f ′ ( x ) – первая производная функции f ( x ) .
Рекуррентное выражение для итерационного процесса, получен-
ное на основе (3.2.3.5) с учетом (3.2.3.7):
f ( xk )
x k +1 = x k − . (3.2.3.8)
f ′( xk )
Условия завершения итерационного процесса:
x k − x k −1 = Δ x k −1 ≤ ε или f ( x k ) ≤ ε1 .
Из (3.2.3.8) следует, что чем больше численное значение произ-
водной f ′ ( x ) в окрестности искомого решения, тем меньше поправка
Δ x k , которая определяет ( k + 1) -е приближение, и метод Ньютона име-

41
ет хорошую сходимость. И наоборот, чем меньше значения f ′ ( x ) , тем
больше поправка Δ x k , и сходимость итерационного процесса уменьша-
ется.

Пример 3.2.3.1 [18]. Уравнение

f ( x) = x3 − x −1 = 0 (3.2.3.9)
имеет корень x ∈ [1,2] , так как f (1) = − 1 < 0 и f ( 2 ) = 5 > 0 .
Уравнение (3.2.3.9) можно записать в виде
x = x3 −1 (3.2.3.10)
Здесь f1 ( x ) = x − x и f1′ ( x ) = 3 x , поэтому f1′ ( x ) ≥ 3 при
3 3

1 ≤ x ≤ 2 и, следовательно, условия сходимости процесса итерации не

выполнены.
Если записать уравнение (3.2.3.10) в виде
x = 3 x +1 , (3.2.3.11)
то:
1
f 2 ( x ) = 3 x + 1 ; f 2′ ( x ) = .
2
3⋅ 3 ( x + 1)
11
Отсюда 0 < f 2 ′ ( x ) < <
при 1 ≤ x ≤ 2 и значит, процесс ите-
3⋅ 3 4 4
рации для уравнения (3.2.3.11) достаточно быстро сходится.
Найдем корень x уравнения (3.2.3.10) с точностью до 10–2. Вычис-
ляем последовательные приближения хn по формуле x i = 3 x i + 1 ,
i = 0,1,2,K, n (табл. 3.2.3.1).
Таблица 3.2.3.1
Значения последовательных приближений xi.

i 0 1 2 3 4

xi 1 1,260 1,312 1,322 1,3243

С точностью до 10–2 можно принять x = 1,324.

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

обеспечивает заданную точность вычислений ε.

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.

3.3.2. Метод обратной матрицы

Системе (3.3.1.1) соответствует матричное уравнение (3.3.1.2).
Если матрица A неособенная, то решение СЛАУ по методу обратной
матрицы
X = A −1 × B ,
−1
где A – обратная матрица.
Действительно, умножив обе части системы (3.3.1.2) на A − 1 , по-
лучим:
A −1 × A × X = A −1 × B ,
или
E × X = A −1 × B ; X = A −1 × B .

Пример 3.3.2.1. Решить методом обратной матрицы систему урав-

нений
⎧5 x − y − z = 0,
⎪
⎨ x + 2 y + 3z = 14,
⎪4 x + 3 y + 2 z = 16.
⎩
Решение.
⎡ 5 − 1 − 1⎤ ⎡ x⎤ ⎡0⎤
A = ⎢1 2 3 ⎥ , X = ⎢ y ⎥ , B = ⎢1 4 ⎥ .
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ 4 3 2⎦ ⎥ ⎢
⎣z⎦ ⎥ ⎢⎣1 6 ⎥⎦
Найдем обратную матрицу А–1.
Δ = det A = 5 ( 4 − 9 ) + 1( 2 − 12 ) − 1( 3 − 8) = − 30 .
M 11 = − 5 ; M 21 = 1 ;

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).

Если система уравнений однородна, т.е. bi = 0, то при Δ ≠ 0 она

имеет единственное (нулевое) решение x1 = x2 = … = xn = 0.
При Δ = 0 система имеет бесконечное множество решений.

Пример 3.3.3.2[19]. Решить методом Крамера систему уравнений:

⎧ x1 + x 2 + x3 + x 4 = 5,
⎪ x + 2 x − x + 4 x = − 2,
⎪ 1 2 3 4
⎨ .
2
⎪ 1 x − 3 x 2 − x 3 − 5 x 4 = − 2,
⎪⎩3x1 + x 2 + 2 x 3 + 11x 4 = 0.
Решение.
Главный определитель этой системы уравнений
50
 1 1 1 1
1 2 −1 4
Δ= = − 1 4 2 ≠ 0,
2 −3 −1 −5
3 1 2 11
значит, система имеет единственное решение.
5 1 1 1 1 5 1 1
−2 2 −1 4 1 −2 −1 4
Δ1 = = −142 ; Δ2 = = −284;
−2 −3 −1 −5 2 −2 −1 −5
0 1 2 11 3 0 2 11
1 1 5 1 1 1 1 5
1 2 −2 4 1 2 −1 −2
Δ3 = = −426; Δ4 = =142.
2 −3 −2 −5 2 −3 −1 −2
3 1 0 11 3 1 2 0
Δ Δ Δ Δ
Отсюда x1 = 1 = 1 ; x 2 = 2 = 2 ; x 3 = 3 = 3 ; x 4 = 4 = − 1 .
Δ Δ Δ Δ
⎡1⎤
⎢2⎥
Решение системы – вектор X = ⎢ ⎥ .
⎢3⎥
⎢ ⎥
⎣ − 1⎦

3.3.4. Метод Гаусса

Выполним преобразования [16] для матрицы третьего порядка
⎡ a1 1 a1 2 a13 ⎤
A = ⎢⎢ a 21 a 2 2 a 23 ⎥⎥ :
⎢⎣ a 31 a3 2 a 3 3 ⎥⎦
⎡ 1 ⎤
⎢ 0 0⎥
⎢ a11 ⎥ ⎡a a12 a13 ⎤
⎢ a21 ⎥ ⎢ 11
⎢− 1 0 ⎥ × ⎢ a 21 a 22 a 23 ⎥⎥ =
⎢ a11 ⎥ ⎢a a 32 a 3 3 ⎥⎦
⎢ a 31 ⎥ ⎣ 31
⎢− 0 1⎥
⎣ a11 ⎦

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.

Пример 3.3.3.1. Решить методом Гаусса систему линейных алгеб-

раических уравнений
⎧2 x1 + x 2 − x 3 = 5,
⎪
⎨ x1 − 2 x 2 + 3x3 = − 3,
⎪7 x + x − x = 10.
⎩ 1 2 3
Решение.
Составим и преобразуем расширенную матрицу системы уравне-
ний:
⎡2 1 −1 5 ⎤ ⎡1 − 2 3 − 3⎤
A ∗ = ⎢1 − 2 3 − 3⎥ = ⎢ 2 1 −1 5 ⎥=
⎢ ⎥ ⎢ ⎥
⎢⎣ 7 1 − 1 1 0 ⎥⎦ ⎢⎣ 7 1 − 1 1 0 ⎥⎦
⎡1 − 2 3 − 3⎤ ⎡ 1 − 2 3 − 3⎤
= ⎢0 5 − 7 1 1 ⎥ = ⎢0 5 − 7 1 1⎥ = .
⎢ ⎥ ⎢ ⎥
⎢⎣0 1 5 22 3 1⎥⎦ ⎢⎣ 0 0 − 1 − 2 ⎥⎦
Исходная система уравнений может быть представлена в виде
⎧ x1 − 2 x 2 + 3x3 = − 3,
⎪
⎨5 x 2 − 7 x3 = 11,
⎪− x = − 2.
⎩ 3
Отсюда x 3 = 2 ; x 2 = 5 ; x1 = 1 .

Пример 3.3.3.2. Решить методом Гаусса систему линейных урав-

нений
⎧5 x − y − z = 0,
⎪
⎨ x + 2 y + 3z = 14,
⎪4 x + 3 y + 2 z = 16.
⎩
Составим и преобразуем расширенную матрицу системы уравне-
ний:

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.

3.3.5. Метод простых итераций для решения систем

линейных алгебраических уравнений
Многие итерационные методы могут быть сведены к процессу
простой итерации. При этом исходное уравнение тем или иным спосо-
бом должно быть сведено к уравнению
r r r
x =r B x + b (3.3.5.1)
r
Здесь x – неизвестный вектор, b – заданный вектор правой части,
B – заданная матрица коэффициентов (оператор). Например, если зада-
на СЛАУ (3.3.1.1), то непосредственно принимая
B = E − A, (3.3.5.2)
где E – единичная матрица, приходим к (3.3.5.1).
Процесс простой итерации строится следующим образом:
r
x ( ) = B x ( ) + b , k = 0,1,2,...
r k +1 r k
(3.3.5.3)
r (0) r 0 r
В качестве начального приближения x можно принять x ( ) = b .
Заметим, что переход от (3.3.1.1) к (3.3.5.1) может быть выполнен
не единственным способом, что приводит к различным модификациям
метода простой итерации.
Процесс простой итерации может быть эквивалентно записан
также в виде ряда по степеням оператора B, т.е. в виде ряда Неймана
∞
r r r r r
x = b + B b + B b + K = ∑ B ib .
2
(3.3.5.4)
i =0
55
 Если матрица B постоянна (не зависит от номера итерации k), то
итерационный процесс называется стационарным.
r
Пусть x ∗ – «гипотетическое» точное решение, строго удовлетво-
r
ряющее x ∗ = B x ∗ + b , а Δ x ( ) = x ( ) − x ∗ – ошибка на k-м шаге. Под-
r r r k k
r
ставляя x ∗ в формулу простой итерации, получаем для соотношения
ошибок на (k+1)-м и k-м шагах Δ x ( ) = B Δ x ( ) .
r k +1 r k +1
Норма ошибки
Δx( ) ≤ B Δx( ) ≤ B Δx( ) .
r k +1 r k k r1

Отсюда следует достаточное условие сходимости процесса про-

стой итерации: B = δ , где δ < 1 .
Действительно, тогда
Δx( ) ≤ B Δx( ) = δk Δx( ) Δx( ) .
r k +1 k r1 r1 r1

Оператор с B = δ ( δ < 1 ) называется сжимающим, а процесс

(3.3.5.2), (3.3.5.3) для него сходящимся, так как ошибка убывает с каж-
дым шагом, независимо от её начальной величины.
Спектральным радиусом матрицы (оператора конечной размерно-
сти) B называется ρ ( B ) = max β i , где β i – собственные числа оператора
i
B.
Для любой нормы справедливо соотношение ρ ( B ) ≤ B .
Необходимое и достаточное условие сходимости процесса про-
стой итерации (3.3.5.3):
ρ ( B ) < 1, (3.3.5.5)
при этом итерации сходятся не хуже геометрической прогрессии со
знаменателем q = ρ ( B )
Условие (3.3.5.5) является, как правило, существенным ограниче-
нием при непосредственном применении метода (3.3.5.2), (3.3.5.3) к за-
данной СЛАУ. Выбор нового оператора B % с другим спектром при экви-
валентности исходной системе (3.3.1.1) может значительно расширить
область сходимости процесса простой итерации с его участием:
r ( k +1) % r ( k ) r%
x = B x + b , k = 0,1,2,... (3.3.5.6)
В качестве условия выхода из вычислительного процесса по дос-
тижении заданной точности решения ε, аналогично (3.2.4.1), можно
принять:

56
 1− q
x( ) − x( ) ≤
r k +1 r k
ε,
q
где q – спектральный радиус B или какая-либо оценка другой нормы B.

Пример 3.3.4.1 [6]. Решить систему уравнений

⎧5 x1 − x 2 + 2 x 3 = 8,
⎪
⎨ x1 + 4 x 2 − x3 = − 4,
⎪ x + x + 4 x = 4.
⎩ 1 2 3
-2
методом итераций с точностью 10 .
Решение.
Приведем данную систему к итерационному виду:
⎧ x1 = 0 x1 + 0,2 x 2 − 0,4 x3 + 1,6,
⎪
⎨ x 2 = − 0,25 x1 + 0 x 2 + 0,25 x3 − 1,
⎪ x = − 0,25 x − 0,25 x + 0 x + 1.
⎩ 3 1 2 3
Последовательность итераций (k = 0, 1, 2, ...):
⎧ x ( k +1) = 0 x ( k ) + 0,2 x ( k ) − 0,4 x ( k ) + 1,6,
⎪ 1 1 2 3
⎪⎪ ( k +1) (k ) (k ) (k )
⎨x 2 = − 0,25 x + 0 x + 0,25 x − 1,
1 2 3
⎪
⎪ x ( k +1) = − 0,25 x ( k ) − 0,25 x ( k ) + 0 x ( k ) + 1.
⎪⎩ 3 1 2 3

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

3.3.6. Метод Якоби и метод Зейделя для решения систем

линейных алгебраических уравнений
Метод Якоби и метод Зейделя могут быть представлены в виде
модификации метода простой итерации. Перепишем (3.3.1.1) в следую-
щем виде [6]:
⎧ 1
⎪ x1 = ( b1 − a12 x 2 − L − a1n x n ) ,
⎪ a 11
⎪ L
⎪
⎪ 1
⎨ xi =
a
( )
bi − a i,1x1 − L − a i,i −1xi −1 − a i,i +1xi +1 − L − a i,n x n , (3.3.5.1)
⎪ ii
⎪ L
⎪
1
⎪
⎪⎩
xn =
a nn
( )
bn − a n,1x1 − a n,2 x 2 − L − a n,n −1x n −1 .

Используем (3.3.5.1) для построения процесса итераций, начиная

r (0) r
с x = b при k = 0, k = 0,1,2,...:
x
i a i ,i(
( k +1) = 1 b − a x ( k ) − L − a x ( k ) − a x ( k ) − L − a x ( k ) ,
i i,1 1 i ,i −1 i −1 i,i +1 i +1 i,n n , )
i =1,2,...,n. (3.3.6.2)
Пусть матрица с нулевой главной диагональю
C=D−A,
59
где D – диагональная матрица, {D} i,i = {A} i,i , i = 1,2,K; {D} i , j = 0 ,
i≠ j.
Тогда для метода Якоби справедлива матричная запись уравнения
аналогично (3.3.5.6), где r
−1 r
B = D C ; b% = D − 1b .
% (3.3.6.3)
{ }i,i = 1 {A}i,i , i =1,2, ..., n.
Матрица D − 1 – диагональная и D − 1
Необходимое и достаточное условие сходимости метода Якоби
( )
ρ D−1 ( D − A) < 1.
Другой известный метод простой итерации для случая, когда B %
строится на основе матрицы с нулевой главной диагональю – это метод
Зейделя. Он отличается от метода Якоби тем, что при расчете координат
вектора x ( ) на текущей (k+1)-й итерации используются не только
r k +1

координаты вектора на предыдущей k-й итерации x ( ) , но и уже ранее

r k

найденные на текущей итерации координаты вектора x ( ) :

r k +1

,
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.

Пример 3.3.6.1 [6]. Решить систему уравнений

⎧5 x1 − x 2 + 2 x 3 = 8,
⎪
⎨ x1 + 4 x 2 − x3 = − 4,
⎪ x + x + 4 x = 4.
⎩ 1 2 3
-2
методом Зейделя с точностью 10 .
Решение.
Приведем данную систему к итерационному виду:
⎧ x1 = 0 x1 + 0,2 x 2 − 0,4 x3 + 1,6,
⎪
⎨ x 2 = − 0,25 x1 + 0 x 2 + 0,25 x3 − 1,
⎪ x = − 0,25 x − 0,25 x + 0 x + 1.
⎩ 3 1 2 3
В качестве начального приближения возьмем вектор-столбец свободных
членов приведенной системы:
⎡1,6 ⎤
X ( ) = ⎢ − 1⎥ .
0
⎢ ⎥
⎢⎣ 1 ⎥⎦

Последовательность итераций (k = 0, 1, 2, ...):

Первое приближение:
с

61
 Первый шаг решения по методу Зейделя дал точное решение сис-
темы уравнений.

3.4. Численные методы решения систем

нелинейных уравнений
3.4.1. Метод Зейделя для решения систем нелинейных
уравнений
Метод Зейделя обладает простотой, но и достаточно низкой схо-
димостью, что ограничивает его использование для систем большой
размерности и высокой нелинейности [17].
Замкнутую систему уравнений (число уравнений и число неиз-
вестных совпадают) в неявной форме
F1 ( x1 , x2 ,..., xn ) = 0 ,
F2 ( x1 , x2 ,..., xn ) = 0 , (3.4.1.1)
…
Fn ( x1 , x2 ,..., xn ) = 0
запишем как
Fi ( x j ) = 0 , ( i, j = 1, 2,..., n ) . (3.4.1.2)
Представив каждое уравнение системы (3.4.1.2) в явной форме
относительно искомой переменной, мы приведем её к итерационному
виду. Пусть F1 разрешена относительно x1 , F2 – относительно x2 , и т.д.:
x1 = f1 ( x1 , x2 ,..., xn ) ,
x2 = f 2 ( x1 , x2 ,..., xn ) , (3.4.1.3)
…
xn = f n ( x1 , x2 ,..., xn ) .
Условие сходимости итерационного процесса (3.4.1.3):
n
∂fi
1≥ ∑ , ( i = 1, 2,..., n ) . (3.4.1.4)
j =1 ∂x j
Достаточные условия сходимости для нелинейных систем, в от-
личие от линейных систем, зависят от вида функций f ( x ) , начальных
приближений вектора x( ) и могут изменяться в процессе итераций.
0

Процесс итераций (3.4.1.3) осуществляется по формулам

(
x1( k +1) = f1 x1( k ) , x2( k ) ,..., xn( k ) , )
x2( k +1) = f (x
1
( k +1)
1 )
, x2( k ) ,..., xn( k ) , (3.4.1.5)
62
 …
( )
xn( k +1) = f1 x1( k +1) , x2( k +1) ,..., xn( k−1+1) , xn( k ) .
Процесс итераций заканчивается, когда достигается заданная ве-
личина погрешности:
( k +1) − x ( k ) ≤ ε, i = 1,2,K, n.
xi (3.4.1.6)
i

Пример решения системы нелинейных уравнений методом Зейде-

ля можно найти в [17].

3.4.2. Метод Ньютона для решения систем нелинейных

уравнений
По методу Ньютона исходная нелинейная система уравнений
f1 ( x1 , x2 ,..., xn ) = 0 , (3.4.2.1)
f 2 ( x1 , x2 ,..., xn ) = 0 ,
…
f n ( x1 , x2 ,..., xn ) = 0 .
многократно заменяется уравнениями эквивалентной линейной систе-
мы. Решение линейной системы дает очередную поправку искомых пе-
ременных. Линеаризация исходной системы осуществляется на основе
усеченного ряда Тейлора.
При известном k -м приближении для вектора переменных x раз-
ложим функции (3.4.2.1) в ряд Тейлора по степеням Δxi( k ) в окрестности
xi( k ) и, пренебрегая членами разложения со степенью выше первой, по-
лучим систему линейных уравнений для приближенного определения
поправок Δxi( k ) :
∂f1 ∂f ∂f
Δx1 + 1 Δx2 + ... + 1 Δxn + f1 = 0 ,
∂x1 ∂x2 ∂xn
∂f 2 ∂f ∂f
Δx1 + 2 Δx2 + ... + 2 Δxn + f 2 = 0 , (3.4.2.2)
∂x1 ∂x2 ∂xn
…
∂f n ∂f ∂f
Δx1 + n Δx2 + ... + n Δxn + f n = 0 .
∂x1 ∂x2 ∂xn

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

– матрица частных производных функций fi по независимым перемен-

ным xi (матрица Якоби, определитель которой называется якобианом;
⎛ Δx1 ⎞
⎜ Δx ⎟
Δx = ⎜ 2 ⎟ – вектор поправок;
⎜ ... ⎟
⎜⎜ Δx ⎟⎟
⎝ n⎠
⎛ − f1 ( x ) ⎞
⎜ ⎟
⎜ − f2 ( x ) ⎟
− f ( x) = – вектор-столбец невязок.
⎜ ... ⎟
⎜⎜ ⎟⎟
⎝ − fn ( x ) ⎠
Из решения системы (3.4.2.3) находим вектор поправок Δxi( k ) и
уточняем вектор решения:
xi( k +1) = xi( k ) + Δxi( k ) ( i = 1,2,..., n ). (3.4.2.5)
Метод Ньютона состоит в многократном решении линейной сис-
темы (3.4.2.3) (с использованием методов решения СЛАУ). Например:
Δx = −W −1 ( x) ⋅ f ( x )
Формула итерационного процесса по методу Ньютона в матрич-
ной форме с учетом (3.4.2.5):
64
 x ( k +1) = x ( k ) − W −1 ( x ( k ) ) ⋅ f ( x ( k ) ) .
Условие завершения итерационного процесса
xi( k +1) − xi( k ) = Δxi( k ) ≤ ε ( i = 1,2,..., n ).
Итак, последовательность решения системы нелинейных уравне-
ний методом Ньютона: представляют систему уравнений в форме
(3.4.2.1); исходя из физического смысла решаемой задачи и ожидаемого
решения, задают вектор начальных приближений xi(0) и погрешность
расчета ε ; записывают линеаризованную систему в форме (3.4.2.2) или
(3.4.2.3) и выбирают метод её решения; осуществляют итерационный
процесс, находя поправки Δxi путем решения (3.4.2.2) или (3.4.2.3) и
уточняя вектор решения согласно (3.4.2.5).
Итерационный процесс сходится, если указывает вектор невязок,
уменьшаясь по модулю, стремится к нулю в точке решения по (3.4.2.1).

Пример 3.4.2.1 [20]. Методом Ньютона приближенно найти поло-

жительное решение системы уравнений
⎧ f1 ( x, y, z ) = x 2 + y 2 + z 2 − 1,
⎪
⎪
⎨ f 2 ( x, y , z ) = 2 x + y − 4 z ,
2 2 2
⎪
⎪⎩ f 3 ( x, y, z ) = 3x − 4 y + z .
2 2 2

исходя из начального приближения x0 = y0 = z0 =0,5.

Полагая:
⎡0,5⎤
x ( ) = ⎢0,5⎥ ,
0
⎢ ⎥
⎢⎣0,5⎥⎦
имеем:
⎡ x 2 + y 2 + z 2 − 1⎤
⎢ ⎥
f ( x) = 2x + y − 4z .
⎢ 2 2 2⎥
⎢ 2 2 2
⎥
⎢ 3x − 4 y + z ⎥
⎣ ⎦
Отсюда
⎡0,25 + 0,25 + 0,25 − 1⎤ ⎡ − 0,25⎤
0
( )
f x( ) = ⎢
⎢
0,5 + 0,25 − 2 ⎥ = ⎢ − 1,25 ⎥ .
⎥ ⎢ ⎥
⎢⎣ 0,75 − 2 + 0,25 ⎥⎦ ⎢⎣ − 1 ⎥⎦
65
Запишем матрицу Якоби:
⎡ ∂ f1 ∂ f1 ∂ f1 ⎤
⎢ ∂x ∂y ∂ z ⎥⎥
⎢ ⎡2 x 2 y 2z ⎤
⎢∂f ∂f 2 ∂f 2 ⎥ ⎢
W( x) = ⎢ 2 = 4x 2 y − 4⎥ .
⎢ ∂x ∂y ∂ z ⎥⎥ ⎢ ⎥
⎢6 x − 4 2 z ⎥⎦
⎢ ∂f3 ∂f3 ∂f3 ⎥ ⎣
⎢ ∂x ∂y ∂ z ⎥⎦
⎣
⎡1 1 1⎤
( )
W x ( ) = ⎢2
0
⎢
1 − 4⎥ .
⎥
⎢⎣ 3 − 4 1 ⎥⎦
1 1 1
Δ = det W x( )
( 0)
=2 1 − 4 = − 40 .
3 −4 1
Следовательно, матрица W ( х(0) ) – неособенная.
Запишем обратную ей матрицу
⎡ 3 1 1 ⎤
⎢ 8 ⎥
⎡ − 15 − 5 − 5⎤ ⎢ 8 8
⎥
W ( )
− 1 ( 0)
x =−
1 ⎢
40 ⎢
− 14 − 2 6 =⎢⎥
⎥ ⎢
7
20
1
20
3
− ⎥.
20 ⎥
⎢⎣ − 11 7 − 1⎥⎦ ⎢ ⎥
⎢ 11 7 1 ⎥
−
⎢⎣ 40 40 40 ⎥⎦
Первое приближение
⎡0,875⎤
1 0
( )( )
X ( ) = X ( ) − W − 1 X ( ) f X ( ) = ⎢ 0,5 ⎥ .
0 0
⎢ ⎥
⎢⎣0,375⎥⎦

66
 Аналогично найдём следующие приближения. Результаты вычис-
лений:
i x y z

0 0,5 0,5 0,5

1 0,875 0,5 0,375

2 0,78981 0,49662 0,36993

3 0,78521 0,49662 0,36992

Останавливаясь на приближении x(3) , будем иметь:
x = 0,7852; y = 0,4966; z =0,3699.

3.5. Численные методы решения

дифференциальных уравнений
3.5.1. Понятие численного решения задачи Коши.
Разложение в ряд Тейлора
Рассмотрим уравнение первого порядка, разрешимое относитель-
но первой производной с начальными условиями (x0, y0):
dy
= f ( x, y ) . (3.5.1.1)
dx
Существует теорема Коши о единственности решения дифферен-
циального уравнения при заданных начальных условиях (x0, y0). Геомет-
рически f ( x, y ) определяет поле направлений на плоскости (x, y) , а ре-
шения обыкновенного дифференциального уравнения (ОДУ) – инте-
гральные кривые.
Численные методы решения задачи Коши для ОДУ основаны на
том, что решение можно представить в виде разложения в ряд Тейлора с
любой степенью точности.
Решение находится в виде

(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.

3.5.2. Метод Рунге-Кутта

Одношаговые методы позволяют получить заданную точность,
используя только предыдущее значение y(x). Изменение y(x) на шаге h
представляется в виде квадратурной формулы

,
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:

Положим A1 = 1 2 (метод трапеций), тогда

, (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)

Пример 3.5.3.1 [21]. Методом Эйлера найти решение задачи Ко-

ши:

в трех последовательных точках

, , .
Найти точное решение задачи и найти величину абсолютной погрешно-
сти в указанных точках.

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

0 0.2 0.4 0.6

1.5 1.8 2.12 2.464

В этой задаче легко находится точное решение, например, мето-

дом вариации постоянной:
.
Вычислим значения точного решения в указанных точках (табл.
3.5.3.2).

Таблица 3.5.3.2

0 0.2 0.4 0.6

1.5 1.811 2.146 2.511

Абсолютная погрешность
.
Тогда
, , .
Таким образом, максимальная величина погрешности равна .

Пример 3.5.3.2 [21]. Выполнить один шаг длины 0,4 с использова-

нием модифицированного метода Эйлера для решения задачи Коши:

.
Зададим шаг . Тогда решение в точке 1,4 находится так:
70
 =

.
Таким образом, .

Пример 3.5.4.3 [22]. Явным методом Эйлера с шагом h=0,1 полу-

чить численное решение дифференциального уравнения

с начальными условиями

на интервале [0, 0,5] . Численное решение сравнить с точным решением

.
Исходя из начальной точки x0=0, y0=0 рассчитаем значение y1 в
узле x1 =0,1 по формулам

Аналогично получим решение в следующем узле:

Продолжим вычисления, введя обозначения

где

– точное решение в узловых точках. Результаты представлены в таблице

(табл. 3.5.3.3).

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

Решением задачи является табличная функция (табл. 3.5.3.4).

Таблица 3.5.3.4

k 0 1 2 3 4 5
0.00000 0.1000 0.200000 0.3000000 0.400000 0.500000

0.00000 0.000 0.001000 0.0050401 0.014345 0.031513

Пример 3.5.3.4 [22]. Методом Эйлера-Коши с шагом h=0,1 полу-

чить численное решение дифференциального уравнения

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

Аналогично получим решение в остальных узлах. Продолжим вы-

числения, введя обозначение

Результат представлен в таблице (табл. 3.5.3.5).

Таблица 3.5.3.5

72
 k
0 0.0 0.000000000 0.000500000 0.000000000 0.000000000

1 0.1 0.000500000 0.00000 0.002535327 0.000334672 0.1653E-03

2 0.2 0.003035327 1.510025E- 0.006778459 0.002710036 0.3253E-03

003
3 0.3 0.009813786 7.157661E- 0.013594561 0.009336250 0.4775E-03
003
4 0.4 0.023408346 1.941224E- 0.023615954 0.022793219 0.6151E-03
002
5 0.5 0.047024301 4.133581E- 0.046302490 0.7218E-03
002

Решением задачи является табличная функция (табл. 3.5.3.6)

Таблица 3.5.3.6

k 0 1 2 3 4 5
0.00000 0.100000 0.2000000 0.3000000 0.4000000 0.500000

0.00000 0.000500 0.0030353 0.0098138 0.0234083 0.047024

3.5.4. Методы Рунге-Кутта высших порядков

В методе Рунге-Кутта третьего порядка точности
.
3
Разлагая в ряд по h до h и сравнивая с рядом Тейлора (3.5.1.2),
получим систему шести уравнений для восьми неизвестных:

73
 Наиболее употребительна в этом случае симметричная разностная
схема (аналог метода парабол при численном интегрировании):
A0 = A2 = 1 6 . Тогда:

В методе Рунге-Кутта точности порядка h4 получается система из

11 уравнений для 13 неизвестных.
Наиболее употребительны две вычислительные схемы.
Первая – аналог метода 3/8 в численном интегрировании:

Вторая – аналог метода парабол:

Проблема выбора той или иной вычислительной схемы при за-

данной точности зависит от вида функции f ( x, y ) , так как от этого за-
висит величина остаточного члена.

Пример 3.5.4.1 [22]. Методом Рунге-Кутта четвёртого порядка с

шагом h=0,1 получить численное решение дифференциального уравне-
ния

с начальными условиями
на интервале [0, 0,5].
Вычислим значения вспомогательных величин

74
 Найдем приращение функции на первом интервале

и значение функции в первом узле

Аналогично получим решение в остальных узлах (табл. 3.5.4.1).

Таблица 3.5.4.1

k/i

0/ 0.0 0.0000000 0.000000000 0.000000 0.0000000

1
0/ 0.0 0.0000000 0.000250000
2 5
0/ 0.0 0.0001250 0.000251252
3 5
0/ 0.1 0.00025125 0.001005031 0.000334589 0.005006
4

Продолжение табл. 3.5.4.1

k/i

1/ 0.1 0.000334589 0.001006703 0.00033467 0.8301E-07

1
1/ 0.1 0.000837941 0.002275208
2 5

75
1/ 0.1 0.001472193 0.002294383
3 5
1/ 0.2 0.002628972 0.004105850 0.002375289 0.015116
4

2/ 0.2 0.002709878 0.004109129 0.002710036 0.1573E-06

1
2/ 0.2 0.004764443 0.006490492
2 5
2/ 0.2 0.005955124 0.006551303
3 5
2/ 0.3 0.009261181 0.009564248 0.006626161 0.025535
4

3/ 0.3 0.009336039 0.009568879 0.009336250 0.2103E-06

1
3/ 0.3 0.014120479 0.013258372
2 5
3/ 0.3 0.015965225 0.013393055
3 5
3/ 0.4 0.022729094 0.017869989 0.013456954 0.036504
4

4/ 0.4 0.022792993 0.017875391 0.022793219 0.2259E-06

1
4/ 0.4 0.031730689 0.023206446
2 5
4/ 0.4 0.034396216 0.023463969
3 5
4/ 0.5 0.046256962 0.029839667 0.023509315 0.048306
4

5 0.5 0.046302308 0.046302490 0.1823E-06

Решением задачи является табличная функция (табл. 3.5.4.2)

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

0.00000 0.0003345 0.0027098 0.0093360 0.0227929 0.0463023

89 78 39 93 08

Большое количество примеров решения дифференциальных урав-

нений дано, например, в [11].

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

Рис. 4.1.1. Принципиальная схема электроэнергетической системы

Отдельные элементы энергосистемы в расчетах установившихся

режимов представляются схемами замещения, состоящими из элемен-
тов электрической цепи: источников напряжения или тока, а также со-
противлений. При анализе симметричных установившихся режимов
энергосистемы трехфазного переменного тока величины, характери-
зующие схемы замещения её элементов, представляются в комплексной
форме. Причем схемы замещения составляют на одну фазу с нейтралью.
Напомним [23], что комплексным числом A называется выраже-
ние вида
A = A′ + jA′′ = Ae j ϕ , (4.1.1)

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

а угол α , образуемый вектором A с положительным направлением ве-

щественной оси, называют аргументом комплексного числа
A′′
α = arctg .
A′

Im Im
A A
A′′ A′′
A A
Re Re
α
A′ −α A′
− A′′ ∗
A

а) б)

Рис. 4.1.2. Изображение комплексного числа на комплексной плоскости

Вещественную и мнимую части комплексного числа можно опре-

делить через модуль и аргумент:
A′ = Re ( A) = A cos α ; (4.1.2)
A′′ = Im ( A) = A sin α .
Подставляя далее (4.1.2) в выражение (4.1.1), можно перейти от
алгебраической записи комплексного числа к тригонометрической:
A = A cos α + j A sin α .
Далее, используя формулу Эйлера
e jα = cos α + j si n α ,

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

Генераторы (источники выработки электроэнергии) представля-

ются на схеме замещения активной PГ и реактивной QГ мощностями ли-
бо модулем напряжения U Г на клеммах генератора и его активной
мощностью PГ . Второй вариант схемы замещения генератора использу-
82
ется в промышленных программах, так как напряжение на выводах ге-
нератора должно поддерживаться на заданном уровне во всех режимах
[17; 24].
Нагрузка (потребители электроэнергии) может быть представлена
постоянными значениями мощностей P и Q или статическими харак-
теристиками по напряжению:
P = f p (U ) , Q = f q (U ) ,
которые отражают изменение потребления активной и реактивной
мощностей при изменении напряжения в узле её подключения (рис.
4.1.4).
Статические характеристики можно представить в виде полино-
мов:
⎡ U ⎛ U ⎞ ⎤
2

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.

Рис. 4.1.4. Статические характеристики нагрузки по напряжению

Если нагрузка представляется поперечной ветвью сопротивлений

или проводимостей (рис. 4.1.5), то для последовательного соединения
элементов
83
 . . *
U UU U2 U2
ZН = .
= * = ∠ϕ = ( cos ϕ + j sin ϕ ) ,
3I S S S
U2 U2
RH = cos ϕ ; X H = sin ϕ ;
S S
для параллельного соединения элементов:
P Q
g H = 2 ; bH = 2 . (4.4)
U U

Рис. 4.1.5. Схемы замещения нагрузки

Двухобмоточные трансформаторы представляются Т-образной

или Г-образной схемами замещения. Для практических расчетов чаще
используют Г-образную схему замещения (рис. 4.1.6), в которой про-
дольная ветвь представлена активно-индуктивным сопротивлением об-
моток трансформатора, как правило, приведенным к ступени высокого
напряжения, и идеальным трансформатором. Параметры схемы заме-
щения определяют по паспортным данным трансформатора [17; 24]:

Рис. 4.1.6. Г-образная схема замещения двухобмоточного

трансформатора

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].

Рис. 4.1.7. Схемы замещения ЛЭП

Схема замещения обобщенного узла (рис. 4.1.8) энергосистемы [8;

17; 24] содержит: генератор – источник тока Iгi; нагрузку, представлен-
ную током Iнi; напряжение узла с модулем U i и фазой δi ; проводимости
связи между узлами Yij и проводимость связи узла i с землей Yi 0 ; токи

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 ).

Рис. 4.1.8. Схема обобщенного узла энергосистемы

Вместо задающих токов генератора и нагрузки могут быть заданы

мощности генератора и нагрузки [17; 24].

4.2. Общие сведения о формах математического

описания установившихся режимов
энергосистем
Задачу расчета установившихся режимов электрических систем
можно сформулировать следующим образом. При заданной исходной
информации о структуре схемы, параметрах схемы замещения элемен-
тов пассивной части, мощности узлов нагрузки и генерации рассчитать
векторы напряжений узлов и потоки мощности в ветвях (связях).
Наличие интегралов в уравнениях, составленных методами
узловых потенциалов или контурных токов, значительно затрудняет
решение этих уравнений на ЭВМ [23]. Поэтому представляет интерес
попытка составить эти уравнения таким образом, чтобы они не
содержали интегралов. Интегралы в уравнениях модели цепи возникают

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.

Пример 4.2.1 [23]. Запишем уравнения состояния для

последовательной RLC-цепи (рис. 4.2.1, а). Заменяя индуктивность и
емкость идеальными источниками соответственно тока и напряжения,
получим схему (рис. 4.2.1, б).

IR R L IL R JL

C
e uC e uC
IC

а) б)
87
 Рис. 4.2.1. Последовательная RLC-цепь

Тогда уравнения законов Кирхгофа, записанные для резистивной

цепи с источниками:
u L = − i L R − u C + e ; iC = i L = i R . (4.2.1)
Подставив значения uL и iC из (4.2.1) и разделив правые части на
коэффициенты при производных, получим:
di L / dt = − Ri L / L − u C / L + e / L; du C / dt = i L / C .
В матричной форме
⎡ R 1⎤
− ⎡1 ⎤
d ⎡i L ⎤ ⎢ L L ⎥ ⎡i L ⎤ ⎢ 0⎥ ⎡e ⎤ dy
⎢u ⎥ = ⎢ 1 ⎥⎢ ⎥+ L
uC ⎦ ⎢ ⎢ ⎥
⎥ ⎣0⎦
, или = A y + B u s. (4.2.2)
dt ⎣ C ⎦ ⎢ ⎥ ⎣ dt
0 ⎣0 0⎦
⎣⎢ C ⎦⎥
⎡i ⎤ ⎡e ⎤
Здесь y = ⎢ L ⎥ – вектор переменных состояния; u s = ⎢ ⎥ – вектор
⎣u C ⎦ ⎣0 ⎦
⎡ R 1⎤
−
⎢ L ⎥ ⎡1 ⎤
L 0
внешних воздействий; A = ⎢ ⎥ и B = ⎢L ⎥ – матрицы,
⎢ 1 ⎢ ⎥
0⎥ ⎣ 0 0⎦
⎣⎢ C ⎦⎥
элементы которых определяются параметрами пассивных элементов
цепи.
Выражение (4.2.2) представляет собой стандартную форму записи
уравнений состояния цепи, не содержащей зависимых источников
энергии. Очевидно, число независимых уравнений, составленных по
методу переменных состояния, будет равно числу независимо
включенных реактивных элементов, т.е. порядку сложности цепи. Если
исследуемая цепь содержит топологические вырождения, к которым
относятся контуры из емкостей и звезды из индуктивностей, то система
уравнений модели цепи кроме уравнений (4.2.2), содержит
алгебраические уравнения, составленные по первому или второму
законам Кирхгофа для соответствующих контуров или звезд.
В ряде случаев, особенно при анализе нелинейных и
параметрических цепей в качестве переменных, относительно которых
составляются уравнения состояния цепи, удобно выбирать не токи
индуктивностей и напряжения емкостей, а связанные с ними
потокосцепления индуктивностей и заряды емкостей.
Как известно, собственным деревом графа электрической цепи
называют дерево, которое содержит все источники и все емкостные
88
элементы и не содержит источников тока и индуктивных элементов.
Для цепей без топологических вырождений (емкостных контуров и
индуктивных сечений), всегда можно построить по крайней мере одно
дерево. Граф цепи (рис., 4.2.2, а) имеет три различных собственных
дерева, одно из которых приведено на рис. 4.2.2, б.
uC1
i
(1) C1 (2)
(1)
iL i3 R1 C1
C1 iC2
R1 L R3 (2) (3)
(3) C2
e1 e2
R2
iR1 iR2 (4) (4)

а) б)
Рис. 4.2.2. Граф и дерево графа [23]

Матрица сечений-хорд QХ, соответствующая какому-либо

собственному дереву графа, может быть выделена из матрицы главных
сечений. Для её построения пронумеруем ветви графа в следующем
порядке: 1) ветви с источниками напряжения; 2) ветви с емкостными
элементами; 3) ветви с резистивными элементами, входящие в
собственное дерево; 4) ветви с резистивными элементами, не входящие
в собственное дерево; 5) ветви с индуктивными элементами; 6) ветви с
источниками тока [23].
Составим матрицу главных сечений графа рассматриваемой цепи,
располагая столбцы в порядке возрастания номеров ветвей, а строки – в
порядке возрастания номеров ветвей дерева. Для собственного дерева
цепи (рис. 4.2.2, б) матрица главных сечений
⎡e1 C1 C 2 R1 e 2 | R1 R3 L | ⎤
⎢ ⎥
⎢ − − − − − − − − − − − − − − − − ⎥
⎢1 0 0 0 0 | 1 1 0 | e1 ⎥
⎢ ⎥
Q = ⎢0 1 0 0 0 | 1 0 1 | C1 ⎥ = Q В | Q Х ,
⎢0 0 1 0 0 | 1 1 1 | C ⎥
2
⎢ ⎥
⎢0 0 0 1 0 | 1 1 0 | R1 ⎥
⎢0 0 0 0 0 | 1 1 0 | e ⎥
⎣ 2 ⎦
где QВ – единичная матрица, число строк и столбцов, которой равно
числу ветвей дерева; QХ – искомая матрица сечений-хорд. Элементы,
89
входящие в какой-либо столбец матрицы QХ, показывают , какие ветви
дерева и с какой ориентацией входят в главный контур, который
замыкается главной ветвью, соответствующей рассматриваемому
столбцу. Элемент qij, нахдящийся на пересечении i-ой строки и j-го
столбца, равен нулю, если i-я ветвь дерева не входит в главный контур,
соответствующий j-ой главной ветви; qij = −1 , если i-я ветвь дерева
входит в главный контур, соответствующий j-ой главной ветви, и её
ориентация совпадает с направлением обхода контура; qij = 1, если i-я
ветвь дерева входит в j-й главный контур, а её направление
противоположно направлению обхода контура.
Матрица сечений-хорд QХ позволяет выразить токи ветвей дерева
iВ через токи главных ветвей iХ, а напряжения главных ветвей uХ – через
напряжения ветвей дерева uВ:
i В = − Q Х i Х ; u Х = Q tХu В .
Для собственного дерева (рис. 4.2.2, б) можно записать:
⎡ie ⎤ ⎡ −1 0 0 ⎤ ⎡ −e1 ⎤
⎢i ⎥ ⎢ ⎥ ⎡ i ⎤ ⎡ u ⎤ − 1 0 − 1 − 1 0 ⎢ −e ⎥
⎥ ⎢ R1 ⎥ ⎢ R1 ⎥ ⎡ ⎤ ⎢ 2⎥
⎢ ⎥ ⎢
e 2 0 1 0
⎢iC1 ⎥ = ⎢ − 1 0 0 ⎥ i R3 ; u R3 = 0 1 0 1 0 ⎥ ⎢ u C1 ⎥ .
⎢
⎢ ⎥ ⎢ ⎥ ⎢⎢ ⎥⎥ ⎢⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢iC 2 ⎥ ⎢ − 1 1 1 ⎥ ⎣i L ⎦ ⎣u L ⎥⎦ ⎢⎣ 0 0 0 1 − 1 ⎥⎦ ⎢u C 2 ⎥
⎢i ⎥ ⎢⎣ 0 0 − 1 ⎥⎦ ⎢u ⎥
⎣ R2 ⎦ ⎣ R2 ⎦
Исключив из найденных уравнений все переменные, кроме
переменных состояния, и учитывая, что
du du di
iC1 = C1 C1 ; iC 2 = C 2 C 2 ; u L = L L ,
dt dt dt
получим:
di du u +u −e
L L = u C 2 − R 2i L ; C1 C1 = − C1 C 2 1 ;
dt dt R1
d uC 2 u ⎛ 1 1 ⎞ e1 e 2
C2 = − iL − C1 − ⎜ + ⎟uC 2 + + ,
dt R1 ⎝ R1 R3 ⎠ R1 R3
или в матричной форме:

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].

4.3. Системы линейных уравнений узловых

напряжений и методы их решения
Для схемы, содержащей n узлов, уравнения узловых напряжений с
вещественными переменными в матричной форме:
⎡G B ⎤ ⎡ U′ ⎤ ⎡ I ′ + G i б U б ⎤
⎢ −B G ⎥ ⎢ U′′⎥ = ⎢I′′ + B U ⎥ , (4.3.1)
⎣ ⎦⎣ ⎦ ⎣ iб б ⎦
где G, В – подматрицы узловых (активных и реактивных) проводимо-
стей размерности n–1; эти подматрицы отражают топологическую
структуру схемы; по главной диагонали располагаются собственные
проводимости узлов со знаком «плюс», все прочие элементы – взаим-
ные проводимости узлов со знаком «минус»; U′ , U ′′ – вектор-столбец
действительной и мнимой составляющей напряжений (искомые пере-
менные) размерности 2(n–1); U б – модуль напряжения базисного узла;
U б совмещен с осью отсчета углов; G i б , B i б – вектор-столбец взаим-
ных проводимостей между узлом i и базисным по напряжению; I′ , I′′ –
вектор-столбец действительной и мнимой составляющих задающих то-
ков в узлах [25].
Задающие токи в узлах рассчитываются по следующим выраже-
ниям:
91
 Pi U′i + Q i U′′i
I′i ( U′i , U′′i ) = ; (4.3.2)
( U′i ) 2 + ( U′′i ) 2
Pi U′′i - Q i U′i
I′′′i ( U′i , U′′i ) =
2 2
,
( i) ( i)
U ′ + U ′′
где Pi , Q i – активная и реактивная мощность в узле. Узел n принят за
балансирующий, и уравнения, соответствующие этому узлу, в системе
(4.3.1) не участвуют.
Согласно (4.3.1) для каждого узла i (см. рис. 4.1.8) можно записать
два уравнения, которые в развернутой форме имеют следующий вид: по
блоку действительных составляющих токов
n −1 n −1
g i i U′i − ∑ g i j U′ j + b i i U′′i − ∑ g i j U′′ = I′i + g i б U б ; (4.3.3)
j =1 j =1
по блоку мнимых составляющих токов
n −1 n −1
-b i i U ′i + ∑ b i j U ′ j + g i i U′′i − ∑ g i j U ′′j = I′′i - b i б U б . (4.3.4)
j =1 j =1
Система уравнений (4.3.1) с учетом функциональных связей за-
дающих токов с напряжениями узлов (4.3.2) является нелинейной отно-
сительно U′ , U ′′ и может быть решена только итерационно.
Система уравнений (4.3.1) может быть решена методом Гаусса-
Зейделя. Для применения процедуры Гаусса-Зейделя необходимо сис-
тему (4.3.1) привести к итерационному виду, т.е. в явной форме разре-
шить относительно искомых переменных U′ , U ′′ . Наилучшие условия
сходимости имеют место в том случае, когда уравнения (4.3.3), (4.3.4)
разрешаются относительно тех переменных, которые содержат при себе
наибольший (по модулю) коэффициент. Таким коэффициентом является
b i i – собственная проводимость узла. Так что уравнения типа (4.3.3)
целесообразно разрешить относительно U ′′i :
n −1 n −1
I′i ( U′i , U′′i ) + g i б U б - g i i U′i + ∑ g i j U ′ j + ∑ g i j U′′j
j =1 j =1
U′′i = , (4.3.5)
bii
а уравнения типа (4) — относительно U′i :
n −1 n −1
-I′′i ( U′i , U′′i ) + b i б U б + g i i U′′i - ∑ g i j U′′j + ∑ g i j U′ j
j =1 j =1
U′i = , (4.3.6)
bii

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)

где ε1 , ε 2 – заданные погрешности расчета; k – номер итерации.

Полученные решения в виде U′ и U ′′ позволяют определить мо-
дуль напряжения
Ui = ( U′i ) 2 + ( U′′i ) 2 (4.3.8)
и его фазу δ i :
t g δ i = U′′i U′i . (4.3.9)
Сходимость уравнений (4.3.5) и (4.3.6) зависит: от наличия прово-
димостей на «землю» (емкостная проводимость ухудшает, а индуктив-
ная улучшает условия сходимости); от значений задающих мощностей в
узлах (увеличение значений P, Q ухудшают условия сходимости); от
начальных приближений составляющих напряжений в узлах; от значе-
ний активных проводимостей g ij (для схем без активных потерь, т.е.
при g i j = 0 , сходимость улучшается).
Метод Гаусса-Зейделя сходится плохо (а иногда не сходится) для
сильно загруженных режимов и схем со значительными емкостными
проводимостями на землю.
По известным U i , δ ij потоки мощности по ветвям Pij , Q ij могут
быть рассчитаны по выражениям (4.4.1).
Для решения системы (4.3.1) методом Ньютона представим её в
следующем виде:
⎡ I′( нб ) ⎤ ⎡ G B ⎤ ⎡ U′ ⎤ ⎡ I ′ ⎤ ⎡ G i б ⎤
⎢ ⎥=⎢ ⎥⎢ ⎥ − ⎢ ⎥ − ⎢ ⎥ U б = 0 . (4.3.10)
⎢⎣ I′′( нб ) ⎦⎥ ⎣-B G ⎦ ⎣ U′′⎦ ⎣ I′′⎦ ⎣ −B i б ⎦
В развернутой форме для каждого узла i имеем уравнения (4.3.11)
и (4.3.12) вытекающие из (4.3.3) и (4.3.4) при переносе всех слагаемых в
левую часть равенства:

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

где k – номер итерации.

Условием окончания процесса расчета являются неравенства
(4.3.7).

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].

Пример 4.3.1 [25]. Составить уравнения узловых напряжений в

виде
YU = 3 I − Yб U б , (4.3.15)
где YбU б – вектор-столбец, k-й элемент которого равен U бYk б .
и
⎡G B ⎤ ⎡ U′ ⎤ ⎡ I′ ⎤ ⎡ G i бU б ⎤
⎢ −B G ⎥ ⎢ U′′⎥ = 3 ⎢ I′′⎥ − ⎢ −B U ⎥ , (4.3.16)
⎣ ⎦⎣ ⎦ ⎣ ⎦ ⎣ iб б ⎦
для электрической сети, схема замещения которой приведена на рис.
4.3.1.

1 I 12 Z 12 2

S1 S2
I 13 Z 13 Z 23 I 23
3

S3

Рис. 4.3.1. Схема замещения электрической сети

В схеме (рис. 4.3.1) три линии электропередачи, два генераторных

узла (1,2) и один нагрузочный узел (3). Сопротивления линий:
Z12 = 10 + j 20 Ом; Z13 = 15 + j 30 Ом; Z12 = 10 + j 20 Ом.
Узел 1 принят в качестве балансирующего и базисного, напряжение
U1 = U б = 115 кВ.
Задающие токи в узлах 2 и 3 соответственно равны

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 . ⎪⎭

Пример 4.3.2. Определить напряжения в узлах схемы (рис. 4.3.1)

из примера 4.3.1 решив систему уравнений установившегося режима
методом Гаусса [25].
Запишем систему уравнений установившегося режима из примера
4.3.1, сформировав матрицу коэффициентов таким образом, чтобы
обеспечить удобство решения полученных уравнений итерационными
методами, сходимость которых улучшается, если диагональные элемен-
ты доминируют (т.е. по абсолютной величине они больше всех осталь-
ных элементов в строке).
В этом случае
⎡B G ⎤ ⎡ U′′⎤ ⎡ I′ ⎤ ⎡ G i бU б ⎤
⎢G ⎥ ⎢ U′ ⎥ = 3 ⎢ I′′⎥ − ⎢ −B U ⎥ , (4.3.19)
⎣ − B ⎦⎣ ⎦ ⎣ ⎦ ⎣ iб б ⎦
Система уравнений (4.3.18) примет вид

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 .

Пример 4.3.3. Определить напряжения в узлах схемы (рис. 4.3.1)

из примера 4.3.1 решив систему уравнений установившегося режима
методом простых итераций [25].
Приведем систему уравнений (4.3.20) к виду, удобному для при-
менения метода простых итераций:
U ′′2 = − 0,0 4 6 3U ′′3 − 0, 4 5 3 7U ′2 + 0,1 8 5 2U ′3 + 3 4,3 9 4 6; ⎫
⎪
U ′′3 = 0,5 6 3 7U ′′2 + 0, 2 2 5 5U ′2 − 0, 4 4 2 8U ′3 + 1 8,1 3 0 7; ⎪
⎬ (4.3.21)
U ′2 = 0, 4 5 3 7U ′′2 − 0,1 8 5 2U ′′3 + 0, 4 6 3 1U ′3 + 6 3,8 5 9 1; ⎪
U ′3 = − 0, 2 2 5 5U ′′2 + 0, 4 4 2 8U ′′3 + 0,5 6 3 7U ′2 + 4 6,7 4 1 8 .⎪⎭

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

Номер U ′′2 , кВ U ′′3 , кВ U ′2 , кВ U ′3 , кВ

итерации
0 0 0 110 110
1 4,8644 –5,7745 114,7987 108,7516
… … … … …
46 0,2618 –4,3369 115,7188 109,9963
47 0,2608 –4,3358 115,7191 109,9960
48 0,2611 –4,3361 115,7183 109,9969

99
 Результаты расчета совпадают с результатами примера 4.3.2.

Пример 4.3.4. Определить напряжения в узлах схемы (рис. 4.3.1)

из примера 4.3.1 решив систему уравнений установившегося режима
методом Зейделя [25].
Для системы уравнений (4.3.21) принимаем начальные приближе-
ния узловых напряжений:
⎡U ′′ (0) ⎤
⎢ 2 ⎥ ⎡ 0 ⎤
⎢U ′′ (0) ⎥ ⎢ ⎥
⎢ 3 ⎥ ⎢ 0 ⎥
⎢ (0) ⎥ = ⎢1 1 0 ⎥ .
⎢U ′2 ⎥ ⎢ ⎥
⎢ ⎥ ⎣1 1 0 ⎦
⎢U ′ (0) ⎥
⎣ 3 ⎦
Из первого уравнения системы (4.3.21) определим первое при-
ближение :
U ′′ (1) = 0 ⋅ 0 + 0,4631 ⋅ 0 − 0,4537 ⋅ 110 + 0,1852 ⋅ 110 + 34,3946 = 4,8596.
2

Подставим U ′′ (1) , U ′′ (0) , U ′ (0) , U ′ (0) во второе уравнение системы

2 3 2 3
(4.3.21):
U ′′ (1) = 0,5 6 3 7 ⋅ 4,8 5 9 6 + 0 ⋅ 0 + 0, 2 2 5 5 ⋅ 1 1 0 − 0, 4 4 2 8 ⋅ 1 1 0 + 1 8,1 3 0 7 =
3
= − 3,0 3 2 9 .
Подставим U ′′ (1) , U ′′ (1) , U ′ (0) , U ′ (0) в третье уравнение системы
2 3 2 3
(4.3.21):
U ′ (1) = 0, 4 5 3 7 ⋅ 4,8 5 9 6 − 0,1 8 5 2 ⋅ 3,0 3 2 9 + 0 ⋅ 1 1 0 +
2
+ 0, 4 6 3 1 ⋅ 1 1 0 + 6 3,8 5 9 1 = 1 1 7,5 6 6 6 .
Подставим U ′′ (1) , U ′′ (1) , U ′ (1) , U ′ (0) в четвёртое уравнение систе-
2 3 2 3
мы (4.3.21):
U ′ (1) = − 0, 2 2 5 5 ⋅ 4,8 5 9 6 + 0, 4 4 2 8 ⋅ 3,0 3 2 9 + 0,5 6 3 7 ⋅ 1 1 7,5 6 6 6 +
3
+ 0 ⋅ 1 1 0 + 4 6,7 4 1 8 = 1 1 0,5 7 5 3 .
Результаты расчета итерационного процесса на ЭВМ при задан-
ной точности ε = 10–5Uном = 0,001 кВ сведены в таблицу (табл. 4.3.2).

100
 Таблица 4.3.2
Результаты расчета методом простых итераций

Номер U ′′2 , кВ U ′′3 , кВ U ′2 , кВ U ′3 , кВ

итерации
0 0 0 110 110
1 4,8644 –3,0323 117,5673 110,5779
… … … … …
7 0,2616 –4,3360 115,7185 109,9962
8 0,2614 –4,3361 115,7183 109,9964

Результаты расчета совпадают с результатами примеров 4.3.2 и

4.3.3.
Очевидно, что итерационный процесс по методу Зейделя сходится
значительно быстрее.

4.4. Системы нелинейных уравнений баланса

мощности в тригонометрической форме;
методы их решения
Нелинейные уравнения узловых напряжений описывают устано-
вившийся режим электрической системы при задании нелинейных ис-
точников тока. В схеме замещения электрической системы нелинейным
источникам тока соответствуют генераторы с заданной мощностью ли-
бо нагрузки потребителей, заданные статической характеристикой или
постоянной мощностью [17; 25].
Для ветви схемы, расположенной между узлами i и j, уравнения
активной и реактивной мощностей можно записать в функции модулей
U и фаз δ напряжений указанных узлов:
(
Pij = U i2g i j + U i U j Yi j s i n δ i − δ j − α ij ;)
(4.4.1)
2
(
Q i j = U i b i j − U i U j Yij co s δ i − δ j − α i j .)
Мощности определены со стороны узла i при положительном на-
правлении от i к j. В (4.4.1) дополнительный угол α ij = 90o ψ ij где ψ ij –
угол комплексного сопротивления ветви
jψ ij
Z i j = Z i je = R ij + jXij .
При связи узла i с множеством смежных узлов

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.

Пример 4.4.1. Решить методом Ньютона систему уравнений узло-

вых напряжений в форме баланса мощностей для схемы (рис. 4.3.1) из
примера 4.3.1 [25].

Система нелинейных уравнений узловых напряжений для узла 2

схемы (рис. 4.3.1):
P2 − U 22 g 2 2 − U 2U 3 ⎡⎣co s δ 2 ( g 23co s δ 3 + b2 3s i n δ 3 ) +
+ s i n δ 2 ( g 23s i n δ 3 − b2 3co s δ 3 ) ⎤⎦ − (4.4.6)
−U 2U 1 ( g 2 1cos δ 2 − b21s i n δ 2 ) = 0;
Q 2 − U 22b2 2 − U 2U 3 ⎡⎣co s δ 2 ( b2 3cos δ 3 − g 23s i n δ 3 ) +
+ s i n δ 2 ( g 23c o s δ 3 + b2 3s i n δ 3 ) ⎤⎦ − (4.4.67)
−U 2U 1 ( g 21s i n δ 2 − b2 1co s δ 2 ) = 0 .
Аналогично – для узла 3. Система уравнений для сети после под-
становки численных значений:
28,8675 − 0,0338U 22 + U 2U 3 ⎡⎣cos δ 2 ( 0,0138cos δ 3 + 0,0345sin δ 3 ) +
+sin δ 2 ( 0,0138sin δ 3 − 0,0345cos δ 3 ) ⎤⎦ +
+ 115 ⋅ 0,02U 2cos δ 2 − 115 ⋅ 0,04U 2sin δ 2 = 0;
− 46,188 − 0,027U 32 + U 2U 3 ⎡⎣cos δ 3 ( 0,0138cos δ 2 + 0,0345sin δ 2 ) +
+sin δ 3 ( 0,0138sin δ 2 − 0,0345cos δ 2 ) ⎤⎦ +
+ 115 ⋅ 0,0267U 3sin δ 3 − 115 ⋅ 0,0133U 2cos δ 3 = 0;
117,3205 − 0,7448U 22 + U 2U 3 ⎡⎣cos δ 2 ( 0,0345cos δ 3 − 0,138sin δ 3 ) +
+sin δ 2 ( 0,0138cos δ 3 + 0,03 45si n δ 3 ) ⎤⎦ +
+ 115 ⋅ 0,02U 2si n δ 2 − 115 ⋅ 0,04U 2cos δ 2 = 0;
103
− 23,094 − 0,0611U 32 + U 2U 3 ⎡⎣cos δ 3 ( 0,0345cos δ 2 − 0,0138sin δ 2 ) +
+si n δ 3 ( 0,0138cos δ 2 − 0,0345sin δ 2 ) ⎤⎦ +
+ 115 ⋅ 0,0133U 3si n δ 3 − 115 ⋅ 0,0267U 3cos δ 3 = 0.
Начальные приближения:
U (0) = U (0) = 110 кВ; δ (0) = δ (0) = 0.
2 3 2 3
Элементы вектора небалансов:
P2( нб ) = 28,8675 − 0,0338 ⋅ 110 2 + 110 2 cos0 ( 0,0138cos0 ) +
+ 110 ⋅ 115cos0 = 39,8675 М Вт;
P3( нб ) = − 38,873 МВт;
Q 2( нб ) = 1 7,3 2 0 5 − 0,0 7 4 5 ⋅ 1 1 0 2 + 1 1 0 2 ( 0,0 3 4 5c o s0 ) +
+ 1 1 0 ⋅ 1 1 5 ⋅ 0,0 2s i n 0 + 1 1 0 ⋅ 1 1 5 ⋅ 0,0 4c os 0 = 3 9,3 2 0 5 М вар;
P3( нб ) = − 8,409 Мвар.
Вектор небалансов:
⎡ 3 9,8 6 7 5 ⎤
⎢ − 3 8,8 7 3 0 ⎥
W X ( )
( 0)
=⎢
⎢ 3 9,3 2 0 5 ⎥
⎥.
⎢ ⎥
⎣ − 8, 4 0 9 0 ⎦
Элементы вектора матрицы Якоби:
d P2( н б )
= −U 3 ⎡⎣ c o s δ 2 ( g 2 3co s δ 3 + b2 3s i n δ 3 ) +
dU 2
+ s i n δ 2 ( g 2 3s i n δ 3 − b2 3co s δ 3 ) ⎤⎦ − 2U 2 g 2 2 −
−U 1g 2 1c o s δ 2 + U 1b2 1s i n δ 2 = 0;
dP3( нб )
= −U 3 ⎡⎣cos δ 3 ( g 32cos δ 2 + b32sin δ 2 ) +
dU 3
+sin δ 3 ( g 32si n δ 2 − b32cos δ 2 ) ⎤⎦ = 0.
Остальные частные производные определяются аналогично.
Матрица Якоби

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

Номер U 2 , кВ δ2, град U 3 , кВ δ 3, г р а д

итерации
0 110 0 110 0
1 115,9154 0,1604 110,0982 –2,2019
2 115,4420 0,1327 109,7589 –2,1498
3 115,4150 0,1352 109,7210 –2,1553
4 115,4150 0,1352 109,7210 –2,1553

Результаты расчета итерационного процесса на ЭВМ при задан-

ных максимально допустимых активном (0,1 МВт) и реактивном (0,1
Мвар) небалансах мощности сведены в таблицу (табл. 4.4.1).

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 (..)):

После щелчка мышью вне равенства для t MathCAD вычисляет

все значения из диапазона, т.е. одиннадцать различных значений. Полу-
ченные ответы отображаются в виде таблицы. Для того чтобы просмот-
реть эту таблицу, может понадобиться изменение размеров окна или его
прокрутка.
Большой гибкости вычислений можно добиться, используя опре-
деления функций. Пример определения функции в рабочем документе:
для удаления таблицы нужно щелкнуть где-нибудь на ней мышью и на-
жать клавишу [Т], чтобы заключить её в выделяющую рамку. Затем на-
жать [Ctrl][X] или выбрать пункт Вырезать из меню Правка; опреде-
лить функцию D(t), напечатав D(t); завершить определение, напечатав
112
её выражение; для удаления таблицы нужно щелкнуть на ней мышью и
нажать клавишу [Т], чтобы заключить её в выделяющую рамку. Затем
нажать [Ctrl][X] или выбрать пункт Вырезать из меню Правка; опре-
делить функцию D(t), напечатав D(t); завершить определение, напечатав
выражение
Определение функции D с аргументом t завершено. Можно ис-
пользовать эту функцию для вычисления её правой части при произ-
вольных t. Для этого вместо t нужно подставить соответствующее чис-
ac . 2
D( t ) D( t ) 1600 t
2

ло. Например, чтобы вычислить функцию для значения 12.5, достаточ-

но напечатать MathCAD возвратит соответствующее значение:
D(12.5)=834.375
Чтобы вычислить функцию для каждого значения t из диапазона,
определённого выше, достаточно позиционировать крестик внизу урав-
нений и ввести D(t) = . Появится таблица значений.
Можно устанавливать формат вывода чисел, т.е. изменять число
выводимых десятичных знаков, менять экспоненциальный вид на обыч-
ную запись и т. д. Для этого необходимо: щелкнуть мышью на таблице,
выделив её; выбрав пункт Формат числа из меню Математика, вос-
пользоваться опциями этого окна и установить число десятичных зна-
ков в выводимых числах, границы использования экспоненциального
представления и систему счисления (кнопка выбора «Локальный»
должна быть отмечена, чтобы установки в этом диалоговом окне воз-
действовали только на выбранную часть рабочего документа); нажать
кнопку «ОК». Результаты в таблице изменяются соответственно новому
формату.
MathCAD может строить графики в декартовых и полярных коор-
динатах, картины линий уровня, изображать поверхности и выводить
ряд других трехмерных графиков.
Рассмотрим создание простого графика, отображающего рассмот-
ренную выше функцию. Вначале необходимо щелкнуть мышью на том
месте , где требуется построить график и выбрать пункт Декартов гра-
фик из меню Графика. Появляется пустой график с полями ввода для
выражений, отображаемых по осям графика. Множество точек, из кото-
рых состоит график, определяется дискретными аргументами.
Пример создания графика D(t): щелкните мышью ниже формулы
D(t) и выберите пункт Декартов график из меню Графика. MathCAD
создаст пустой график; поле ввода возникнет под осью абсцисс. В него
113
нужно ввести имя независимой переменной t; теперь нужно щелкнуть в
поле напротив середины оси ординат и ввести здесь D(t). Остающиеся
поля предназначены для ввода границ на осях – максимального и мини-
мального значений. Если оставить их пустыми, то MathCAD автомати-
чески заполнит их при создании графика; после щелчка вне графика
MathCAD вычисляет и строит точки графика. Под D(t) появляется обра-
зец линии, соответствующей данному графику. Это позволяет иденти-
фицировать различные кривые, если на одно поле выводится несколько
графиков. По умолчанию MathCAD соединяет точки прямыми линиями
и устанавливает пределы по осям.
В системе MathCAD могут быть определены локальные функции.
В отличие от переменной значение функции зависит от аргументов и
определяется по схеме: «Имя функции (аргументы):= выражение».
Здесь «Имя функции» включает список аргументов. При использовании
функции в уравнении MathCAD вычисляет значения аргументов,
указанных в скобках, заменяет формальные параметры, аргументы,
фактическими, выполняет вычисления, предписанные определением
функции, возвращает результат вычислений как значение функции (рис.
П1.1). Аргументами функции пользователя могут быть скаляры, векто-
ры и матрицы.
Вычисление модуля проводимости

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

Рис. П1.1. Определение локальных функций

Для вычисления выражения нужно: определить все переменные

или функции, используемые в выражении; напечатать выражение, со-
держащее любую допустимую комбинацию чисел, переменных или
функций; нажать клавишу [=]. MathCAD вычисляет значение выраже-
ния и показывает его после [=].
Имена в системе MathCAD могут содержать любые из следующих
символов: прописные и строчные латинские буквы; цифры от 0 до 9;
114
знак подчеркивания ( _ ); штрих (`); символ процента (%); греческие бу-
квы; символ бесконечности ∞, производимый нажатием [Ctrl ] [Z].
Имена функций и переменных не могут включать пробелы или любые
иные символы, не перечисленные выше, а также начинаться с цифры
или знака подчеркивания.
Если поместить точку в имени переменной, то MathCAD отобра-
зит всё следующее за ней как нижний индекс. Можно использовать эти
буквенные нижние индексы для образования имен переменных, подоб-
ных Еэг, Lk, Zex,Qk.
MathCAD содержит набор переменных, значения которых опре-
делены сразу после запуска программы. Эти переменные называются
предопределёнными, или встроенными. Предопределённые переменные
или имеют общепринятое значение, подобно x и y, или используются
как внутренние переменные, управляющие работой MathCAD, подобно
ORIGIN и TOL.
Можно управлять значениями ORIGIN , TOL , PRNPRECISION
PRNCOLWIDTH без необходимости явно определять их в рабочем до-
кументе. Выберите Встроенные переменные из меню Математика.
Далее необходимо установить любое значение этих переменных в соот-
ветствующем поле и нажать «ОК». Затем выбрать Пересчитать всё из
меню Математика и новое значение встроенной переменной будет уч-
тено при обсчете существующих формул.
Чтобы вводить числа в экспоненциальном представлении, нужно
просто умножить мантиссу на степень десяти. Например, для записи
3*108 напечатайте 3*^ 8.
MathCAD воспринимает комплексные числа в алгебраической
форме как а + bi или a+bj. Комплексные числа могут возникать и в ре-
зультате действий над вещественными числами. При вводе комплекс-
ных чисел нужно вводить 1i или lj, а не i или j.
Некоторые примеры использования комплексных чисел в Math-
CAD приведены в табл. П1.1.
Единицы измерений, хотя и не требуются в выражениях
MathCAD, могут помочь обнаружить ошибки и улучшить отображение
результатов вычислений. Как только будут введены соответствующие
определения, Mathcad автоматически выполнит все преобразования и не
согласованные по размерностям вычисления.

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).

напр 25. volt

сопр 20. ohm

пров 0.2. mho

1
I напр . пров I = 6.25 A
сопр
Рис. П1.2. Использование единиц измерений

MathCAD распознает большинство единиц измерения по их об-

щим сокращениям. Можно также использовать диалоговое окно «Вста-
вить единицы», чтобы вставить одну из встроенных единиц MathCAD.
Для этого щелкните в свободном месте и выберите пункт Единицы =>
Вставить единицы... из меню Математика. MathCAD откроет окно с
двумя прокручивающимися списками: левый – Размерность, а правый
– Единицы измерения. В них сразу видны все доступные единицы из-
мерений, соответствующие требуемой размерности.

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 “

Когда вводится выражение, содержащее единицы измерений,

MathCAD проверяет его на непротиворечивость размерностям. Если
складываются или вычитаются значения с несовместимыми единицами
116
измерений или нарушаются другие правила действий с размерными ве-
личинами, то MathCAD выдаст сообщение об ошибках.

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

Операция Обозначение Клавиши Описание

Умножение A*z * Умножает каждый
матрицы на элемент А на скаляр z
скаляр
Скалярное произ- u*v * Возвращает скаляр Σ
ведение ui, vi
Матричное A*B * Возвращает произве-
умножение дение матриц А и В
Умножение A*v * Возвращает произве-
матрицы на дение матриц А и v
вектор

119
 Продолжение табл. П2.1

Операция Обозначение Клавиши Описание

Деление A/z / Делит каждый элемент

массива на скаляр
Сложение A+B + Складывает соответ-
векторов и ствующие элементы А
матриц иВ

Скалярная сумма A+z + Добавляет z к каждо-

му элементу А
Степени матрицы Mn ^ n-я степень квадрат-
ной матрицы М, где n
– целое число, М–1 –
матрица, обратная М
Длина вектора |v| | Возвращает v ⋅ v / , где
v/ – вектор, ком-
плексно сопряженный
кv
Определитель |M| | Возвращает детерми-
(детерминант) нант квадратной мат-
рицы М, результат –
скаляр
Транспони- AT [Ctrl] 1 Возвращает
рование транспонированную
матрицу
Cols(z) = 2 Возвращает число
строк и столбцов в z
Векторное произ- U x v [Ctrl] 8 Возвращает векторное
ведение произведение
Комплексное A’ “ Меняет знак мнимой
сопряжение части каждого элемен-
та А
Суммирование Σv [Ctrl] 4 Суммирует элементы
элементов вектора v, возвращает
скаляр

120
 Продолжение табл. П2.1

Операция Обозначение Клавиши Описание

Векторизация A [Ctrl] – Предписывает в вы-

ражении с А произво-
дить операции поэле-
ментно
Верхний индекс A< n > [Ctrl] 6 Извлекает n-й столбец
массива А
Нижний индекс Vn [ n-й элемент вектора
Нижние индексы Am,n [ Элемент матрицы, на-
ходящийся в m-м ряду
и n-й строке

В MathCAD есть несколько функций, которые возвращают ин-

формацию относительно размеров массива и диапазона его элементов
(табл. П2.2).

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

Можно использовать некоторые функции, чтобы произвести от

массива или скаляра матрицу специального типа или формы (табл.
П2.3).

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

В MathCAD есть две функции для объединения матриц (табл.

П2.4), а также функции eigenvals и eigenvec для отыскания собственных
значений и собственных векторов матрицы (табл. П2.5).

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

Рассмотрим, как найти р – решение уравнения

еx = х3.
Для этого выполните следующие действия. Определите начальное
значение переменной х:
x 3
Определите переменную р как корень уравнения:
3 x
p root x e ,x
Напечатайте р=, чтобы увидеть значение корня:
p = 1.857
MathCAD позволяет находить как вещественные, так и комплекс-
ные корни. Для поиска комплексного корня в качестве начального при-
ближения надо взять комплексное число.
Если после многих итераций MathCAD не может найти подходя-
щего приближения, то появляется сообщение «Отсутствует сходи-
мость». Эта ошибка может быть вызвана следующими причинами:
уравнение не имеет корней; корни уравнения далеки от начального при-
ближения; выражение имеет локальные максимумы, минимумы или
разрывы между начальным приближением и корнями; выражение имеет
комплексный корень, но начальное приближение было вещественным
123
(или наоборот); уравнение имеет несколько корней (пробуйте использо-
вать различные начальные приближения). Полезно использовать график
функции.
Пусть требуется решить уравнение ех = а х2 для различных значе-
ний параметра a. Самый простой способ состоит в определении функ-
ции:
a .e , x
x x
f( a , x) root e
Чтобы решить уравнение для конкретного параметра а, присвойте
значение параметру и начальное значение переменной х как аргументам
этой функции. Затем найдите искомое значение корня, вводя выражение
f(a,x) =.
Для отыскания корней полинома вида
an x n +K+ a2 x 2 + a1 x + a0 ,
лучше использовать функцию polyroots, а не root, которая не тре-
бует начального приближения. Кроме того, функция potyroots возвра-
щает сразу все корни, как вещественные, так и комплексные.
MathCAD дает возможность решать также и системы уравнений.
Максимальное число уравнений и переменных равно 50.
Для решения системы уравнений необходимо выполнить сле-
дующее: задать начальные приближения для всех неизвестных, входя-
щих в систему уравнений, так как MathCAD решает уравнения итераци-
онными методами; напечатать ключевое слово Given. Оно указывает
MathCAD, что далее следует система уравнений; ввести уравнения и
неравенства в любом порядке ниже ключевого слова Given; ввести лю-
бое выражение, которое включает функцию Find (табл. П3.2).

Таблица П3.2
Решение системы уравнений

Имя функции Возвращается

Find (z1, z2, … Возвращает решение системы уравнений.
zm) Число аргументов должно быть равно числу не-
известных
[Ctrl] 9 Меньше или равно
[Ctrl] 3 Не равно.

Между ключевым словом Given и функцией Find в блоке реше-

ния уравнений могут появляться выражения строго определённого типа.

124
Ниже (табл. 3.6.3) приведен список выражений, которые могут быть ис-
пользованы в блоке решения уравнений.

Таблица П3.3
Допустимые выражения

Ус- Кла- Описание

W= [Ctri Булево равенство возвращает 1, если опе-
Z l]= ранды равны, иначе 0
х>у > Больше
х < Меньше
x>у [Ctrl Больше или равно

При решении обыкновенного дифференциального уравнения

(ОДУ) искомой величиной является функция одной переменной. Math-
CAD имеет ряд встроенных функций для численного решения ОДУ. В
результате решения получается матрица, содержащая значения функ-
ции, вычисленные на некотором множестве точек. Каждая из этих
функций требует, чтобы были заданы, по крайней мере, следующие ве-
личины, необходимые для поиска решения: начальные условия; набор
точек, в которых ищется решение; само ОДУ, записанное в некотором
специальном виде.
Пусть задано ОДУ первого порядка

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)_.

Решение уравнения y' + 3 y = 0

Начальное приближение y0 4

Определение функции, задающей

производную y' = - 3 y:

D( x, y ) 3.y0

Вычисление решения в ста промежуточных

точках на отрезке [0,4]:

Z rkfixed( y , 0 , 4 , 100, D )

i 0 .. rows ( Z ) 1

Построение графика решения. Верхний индекс

создается комбинацией клавиш [Ctrl] 6:

<1 > 2
Z i

0
0 2 4
<0 >
Z i

Рис. П3.1. Иллюстрация метода Рунге-Кутта четвертого порядка

126
 Методика решения системы ОДУ очень похожа на методику ре-
шения ОДУ высокого порядка, которая была описана выше. Для того
чтобы решить систему ОДУ первого порядка, необходимо: определить
вектор, содержащий начальные значения для каждой неизвестной
функции; определить функцию, возвращающую значение в виде векто-
ра из n элементов, которые содержат первые производные каждой из
неизвестных функций; выбрать точки, в которых нужно найти прибли-
женное решение; передать всю эту информацию в функцию rkfixed.
Функция rkfixed возвращает матрицу, в которой: первый столбец
содержит точки, соответствующие их производным; остальные столбцы
содержат значения решений и их производных, соответствующие
точкам из первого столбца. Порядок представления решений и их
производных повторяет порядок их расположения в функции D(x,y) и
векторе начальных условий y.

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

ФИКС Наталья Павловна

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
В ВЫСОКОВОЛЬТНОЙ ЭЛЕКТРОТЕХНИКЕ

Учебное пособие

Научный редактор
доктор технических наук,
профессор В.А. Лавринович

Редактор И.О. Фамилия

Верстка Н.П. Фикс
Дизайн обложки Т.А. Фатеева

Подписано к печати 28.12.2007. Формат 60х84/8. Бумага «Классика».

Печать RISO. Усл.печ.л. . Уч.-изд.л. .
Заказ 240. Тираж 100 экз.
Томский политехнический университет
Система менеджмента качества
Томского политехнического университета сертифицирована
NATIONAL QUALITY ASSURANCE по стандарту ISO 9001:2000

. 634050, г. Томск, пр. Ленина, 30.

130