"Año del Bicentenario del Perú: 200 años de Independencia"

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA ELÉCTRICA Y
ELECTRÓNICA

Trabajo de investigación
FPO EN MATPOWER

Curso : EE 353N

Profesor : Ñaupari Huatuco, Zocimo

Integrantes :

● Icho Zuñiga, Edwin Aaron 20181255K

● Huere Chavez, Percy Leonardo 20181337G
● Baldeon Casimiro, Diego Miguel 20181126F

2021
Contenido

OBJETIVO 2

MARCO TEÓRICO 2

FLUJO DE POTENCIA ÓPTIMO (FPO) 2

MÉTODO NEWTON-RAPHSON 2

MULTIPLICADORES DE LAGRANGE 2

FUNCIÓN OBJETIVO 2

ESTADO DE ARTE 3

PLANTEAMIENTO DEL PROBLEMA 5

ANÁLISIS Y SIMULACIÓN DE UN SISTEMA 8

BIBLIOGRAFÍA 17

1
OBJETIVO

El presente informe tiene como objetivo la optimización del flujo de potencia

desarrollado en Matpower en un aspecto que pueden concernir en costos, impacto
ambiental y la seguridad. No obstante, nos enfocaremos exclusivamente en el
despacho económico, específicamente en los gastos de combustibles en una planta
de producción, así como en el análisis de sistemas de potencia en el cual se aplica,
abarcando definiciones y conceptos claves con el fin de un total entendimiento del
tema.

MARCO TEÓRICO

● FLUJO DE POTENCIA ÓPTIMO (FPO)

El término FPO es usado de forma genérica para una amplia familia de

problemas relacionados con la optimización del planeamiento de la operación
y la expansión de redes de energía eléctrica. Cualquier problema que
involucre la determinación del estado estable óptimo instantáneo de un SEP
es un problema de flujo de potencia óptimo.

● MÉTODO NEWTON-RAPHSON

El método de Newton-Raphson es un método que sirve para la solución de

ecuaciones algebraicas no lineales. En la mayoría de los casos este método
tiende a converger de una manera más rápida y con poca carga
computacional a comparación con otros métodos.

● MULTIPLICADORES DE LAGRANGE

Dado que se hablará de optimización, cabe a tallar el tema de los

multiplicadores de Lagrange el cual en este caso tendrá una definición del
valor marginal o el precio instantáneo del siguiente incremento de carga.
Abarcando temas como el congestionamiento de interfaces y comparándolos
en casos que no tienen pérdidas (DC) como en los que sí.

● FUNCIÓN OBJETIVO

La función objetivo representa el criterio (o índice de desempeño) usado para

optimizar. La selección de la función objetivo obedece a un análisis cuidadoso

2
de la seguridad y economía del sistema eléctrico de potencia (SEP). Algunas
de las funciones objetivo empleadas en un estudio de OPF son:
● Minimizar el costo de generación: Esta función objetivo es de las
más comunes, incluso se enuncia en la formulación básica de
FPO. Básicamente consiste en contemplar el precio total de la
suma de los costos de las unidades generadoras aunado con
posibles costos de transacciones controladas, es decir,
contempla el costo del combustible, mantenimiento, suministros,
entre otros:
● Minimizar las pérdidas de transmisión de potencia activa: Esta
función está relacionada con el control de potencia reactiva,
puesto que se busca reducir el flujo de los VAR'S y mantener
perfiles de tensión entre los márgenes permitidos, reduciendo así
las pérdidas totales del sistema de potencia.
● Maximización de la capacidad de transferencia: La máxima
capacidad de transferencia consiste en que tanta potencia activa
(MW) pueden ser transferidos entre diferentes partes del sistema
de potencia.
● Minimizar de las emisiones: Este tipo de función objetivo consiste
en minimizar las emisiones de contaminantes de las plantas de
combustible. En tales casos la función objetivo representa la
relación de emisiones de contaminantes, generalmente SO2, las
cuales son expresadas como funciones cuadráticas separables
de la potencia real de cada unidad generadora. Más
específicamente, la misma curva de costo utilizada para calcular
los costos de generación es utilizada de la misma manera en
esta función objetivo.

ESTADO DE ARTE

El análisis del Flujo de Potencia Óptimo (FPO) inició con la formulación de la

minimización de pérdidas a principio de la década de los 60.
El primer método de solución propuesto fue el método de gradiente reducido
propuesto por Carpentier. Posteriormente, Dommel y Tinney abordaron el
problema resolviendo las ecuaciones de Kuhn–Tucker usando una
combinación del método del gradiente para un grupo conocido de variables
independientes y funciones de penalización para violaciones en las
restricciones dependientes. De los dos métodos del gradiente, el propuesto

3
por Dommel y Tinney es uno de los más reconocidos en la literatura existente
sobre este tema.

Este problema de la minimización de pérdidas fue una extensión del

despacho económico convencional (DEC), el cual se desarrolló durante
treinta años, por ello es común en el lenguaje o en textos referirnos a ambos
conceptos de una manera igualitaria. Sin embargo, pese a la equivalencia
mencionada, el primero sólo considera la generación de potencia activa y
representa la red eléctrica a través de simples restricciones de igualdad.
En el FPO ciertas variables controlables (controles activos y/o reactivos) son
ajustadas para minimizar una función objetivo predefinida mientras se
satisfacen límites operativos (restricciones de desigualdad) y físicos
(restricciones de igualdad) de un sistema eléctrico de potencia (SEP) bajo
condiciones de operación estática. La solución del FPO es compleja debido a
formulaciones no lineales, lo que implica un alto esfuerzo computacional
dependiendo del algoritmo implementado. No obstante, en la actualidad
existen muchos métodos para resolver el problema de flujo de potencia
óptimo, básicamente estos métodos se pueden dividir en dos grandes
categorías: los basados en optimización matemática clásica y los basados en
metaheurísticas.

En el primer grupo se encuentran los métodos de programación no lineal,

programación lineal, programación cuadrática, método de Newton y método
del gradiente. En el segundo grupo se encuentran los algoritmos genéticos,
métodos basados en inteligencia artificial y búsqueda Tabú.
Por otro lado, el Matpower es una herramienta modificable en lenguaje de
Matlab de código abierto que es adaptable a necesidades académicas. Desde
su concepción se ha enfocado en la solución mediante simulaciones de
sistemas de energía de diversos problemas como las Flujo de Potencia
Óptimo (FPO), Seguridad de Múltiples Intervalos Estocásticos, etc.

Cabe mencionar, que desde la primera formulación hace más de 50 años

hasta el dia de hoy, aún no existe una técnica robusta para resolver un
estudio completo de FPO, es decir, un algoritmo que sea
confiable,consistente e inmune a los desajustes, y por eso tenga un mayor
impacto en el área donde se esté aplicando el estudio. Hoy en día, el reto
computacional es lograr encontrar un punto óptimo global con mayor
velocidad, es decir, tres o cinco veces más rápido que los existentes, dicha
cuestión podría cumplirse en alrededor de 5 años.

4
Aplicando los conceptos anteriores a la región Latinoamericana, la demanda
en países tales como Perú, Colombia y Brasil están aumentando de manera
crítica por el crecimiento poblacional, sumado a lo anterior el alto costo de
inversión por los largos sistemas de transmisión, resulta importante la
optimización en los gastos que podrían alcanzar hasta un 20% del costo total
de la energía. En este tipo de países es necesario tener en cuenta que
aproximadamente el 80% de los sistemas para generación eléctrica son
aprovechados de los recursos hídricos por el alto nivel que poseen, es por
esta razón que los sistemas de transmisión resultan relativamente caros
(ciudades lejos de los centros de generación).

Hoy en día, el problema general del FPO toma cada vez más importancia en
los procesos de seguridad y economía en las operaciones y control de los
sistemas de potencia. El gran reto en el desarrollo de los FPO es anticipar las
condiciones de modelado y solución del futuro de la expansión del sistema de
potencia. Muchos de estos requisitos contribuyen a una problemática
compleja muy superior

PLANTEAMIENTO DEL PROBLEMA

Un estudio de flujos de potencia óptimo es utilizado en la industria eléctrica

para diversas aplicaciones, que van desde estudios de planeación hasta
operación de los sistemas. El principal objetivo de un FPO es optimizar las
condiciones de operación en estado estacionario de un sistema eléctrico de
potencia. Un FPO ajusta las cantidades controlables para optimizar una
función objetivo mientras satisface un conjunto de restricciones operativas.
Las restricciones son leyes físicas que gobiernan a los generadores, el
sistema de transmisión, límites constructivos de los equipos eléctricos y
estrategias operativas. Esta clase de problema es expresado como un
problema de programación no lineal, con la función objetivo expresada como
una función no lineal, y las restricciones expresadas como ecuaciones
lineales y no lineales.

Se han considerado varias funciones objetivo en un FPO, pero la que más

frecuentemente se usa toma en cuenta los costos de generación, la que
refleja aspectos económicos del sistema de potencia. De aquí que la
formulación matemática del FPO se enfoca en minimizar el costo de
generación de potencia activa. De forma general, el FPO puede ser formulado

5
como un problema de optimización no lineal con restricciones, que
matemáticamente se expresa como:

𝑛
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑧 = ∑ 𝐶𝑇1
𝑖=1

( )
𝑆𝑢𝑗𝑒𝑡𝑜 𝑎 𝑔 θ, 𝑣, 𝑞𝑔, 𝑝𝑔, 𝑝𝑙 = 0
𝑚𝑖𝑛 𝑚𝑎𝑥
𝑃𝐺 ≤ 𝑃𝐺 ≤ 𝑃𝐺
𝑚𝑖𝑛 𝑚𝑎𝑥
𝑄𝐺 ≤ 𝑄𝐺 ≤ 𝑄𝐺
𝑚𝑖𝑛 𝑚𝑎𝑥
𝑃𝐿 ≤ 𝑃𝐿 ≤ 𝑃𝐿

Donde :
𝑚𝑎𝑥
𝑃𝐺 : Límites técnicos del grupo de turbina-generador
𝑚𝑖𝑛
𝑃𝐺 : Las consideraciones termodinámicas necesarias para un
correcto funcionamiento
𝑃𝐿 : Límites en las líneas impuestos por cuestiones técnicas como la
capacidad de transmisión

Las restricciones tienen que tener ciertas consideraciones para poder ser
resueltas sin tener mucha carga computacional. Para esto a una zona se le
asigna un ángulo de fase cero (usualmente en la zona del generador).
Adicionalmente no podríamos considerar todos los problemas imprevistos
(contingencias) dado que cada uno de ellos presentaría una restricción que
complicaría los cálculos, en este caso se realiza un análisis de contingencia y
obviamos todas aquellas que no tengan que ver en resultados de sobrecarga.

Como se mencionó anteriormente, las variables que restringen a la función

objetivo conciernen sólo en el ámbito económico de una planta generadora;
sin embargo, para la simplificación de los cálculos nos centraremos solo en
los costos de combustibles por cada hora en función de la potencia activa en
la salida del generador.

Como sabemos se puede considerar como un problema general de

minimización con restricciones. Las funciones objetivas más comúnmente
utilizadas tienen las siguientes descripciones matemáticas:

6
Minimización del costo total de combustible (MFC):
𝑁𝑔
2
𝑀𝐹𝐶 = ∑ (𝑎𝑖𝑃𝑔𝑖 + 𝑏𝑖𝑃𝑔𝑖 + 𝑐𝑖)
𝑖=1
Ng: número de generadores
Pgi=salida de potencia activa del generador i
ai, bi, ci=coeficientes de costo

Minimización de las pérdidas totales de energía (MTPL):

2 2
𝑀𝑇𝑃𝐿 = ∑ 𝐺𝑖𝑗(𝑉𝑖 + 𝑉𝑗 − 2. 𝑉𝑖. 𝑉𝑗. 𝑐𝑜𝑠⁡(δ𝑖𝑗))
𝑖,𝑗∈𝑁𝑏
Nb=número de líneas
Gij=conductancia entre líneas
δ𝑖𝑗= Angulo de voltaje entre líneas

Minimización del costo total de emisiones (TECM):

𝑁𝑔
2
𝑇𝐸𝐶𝑀 = ∑ (γ𝑖𝑃𝑔𝑖 + β𝑖𝑃𝑔𝑖 + α𝑖)
𝑖=1

γ𝑖, β𝑖, α𝑖: Son los coeficientes de emisión de la i-ésima unidad generadora

Las restricciones de igualdad representan el ejemplo típico de ecuaciones de

flujo de potencia no lineales:

𝑁𝑏
𝑃𝐺𝑖 − 𝑃𝐷𝑖 − 𝑉𝑖 ∑ 𝑉𝑗(𝐺𝑖𝑗𝑐𝑜𝑠δ𝑖𝑗 + 𝐵𝑖𝑗𝑠𝑖𝑛δ𝑖𝑗) = 0
𝑗=1
𝑁𝑏
𝑄𝐺𝑖 − 𝑄𝐷𝑖 − 𝑉𝑖 ∑ 𝑉𝑗(𝐺𝑖𝑗𝑠𝑖𝑛δ𝑖𝑗 − 𝐵𝑖𝑗𝑐𝑜𝑠δ𝑖𝑗) = 0
𝑗=1

PD: Potencia activa de carga

7
QD: Potencia reactiva de carga

ANÁLISIS Y SIMULACIÓN DE UN SISTEMA

En la simulación usaremos el sistema de prueba IEEE de 9 barras, el cual es

el caso de la ciudad de Palo Alto estado de California, EEUU, del año de
1974, en donde hallaremos los valores óptimos mediante Matpower y el
resultado obtenido lo compararemos con los resultados de un Flujo de
Potencia (FP).
Sistema de prueba IEEE de 9 barras:

Figura 1: Diagrama unifilar del sistema de 9 barras

Usaremos la versión 2 del formato de caso del Matpower y con una base de
100 MVA.

Los datos ingresados de flujo de potencia en Matpower son:

Datos de Barras:

8
 Tabla 1. Datos de barras.

Figura 2. Datos de barras en Matpower.

Datos de Líneas:

Tabla 2. Datos de Líneas.

9
 Figura 3. Datos de barras en Matpower.

Datos del Generador:

Tabla 3.1. Datos del generador.

Tabla 3.2. Datos del generador.

Figura 4. Datos de generadores en Matpower.

Datos de costo del generador a tomar en el FPO:

10
 Tabla 4. Datos de costo del generador.

Figura 5. Datos de costo del generador en Matpower.

Empezaremos por analizar el flujo de potencia sin considerar los datos del
FPO, es decir, sin tomar en cuenta la máxima optimización.

Escribimos el siguiente código en el Command Window de Matlab con el

Matpower abierto.

La Figura 6 nos muestra un resumen de todos los valores obtenidos en el

Matpower, esto incluye potencia activa y reactiva en cada barra, generador y
carga del sistema, así como los valores de los voltajes mínimos y máximos en
p.u.

11
 Figura 6. System Summary FP.

La Figura 7 nos indica el voltaje de cada barra, la potencia del generador y la

carga.

12
 Figura 7. Bus Data FP.

La Figura 8 nos indica los datos de cada línea en el sistema de 9 barras,

también se observan las pérdidas por efecto Joule

Figura 8. Branch Data FP.

Se puede observar de todo lo mostrado anteriormente que no nos incluye

resultados de costos dado que estos parámetros han sido omitidos porque no
fue materia de estudio en el Flujo de Potencia (FP). Por otra parte, todos los
resultados obtenidos fueron realizados mediante el algoritmo de
Newton-Raphson.

13
Ahora, analizaremos todo lo anterior con la única diferencia de aumentar el
dato de los costos de generación y la función objetivo.

Escribimos el siguiente código en el Command Window de Matlab con el

Matpower abierto.

El valor de la función objetivo, de acuerdo a los datos introducidos, será:

F = 5296.69 $/hora

La Figura 9, al igual que el caso anterior, nos muestra un resumen de todo los
calculado en cada barra, generador, línea y carga. Cabe resaltar que ahora
podemos observar el intervalo de la potencia reactiva en cada barra y
generador. Además de restricciones de los Lambda.

Figura 9. System Summary FPO.

La Figura 10 nos muestra los datos de las barras, esto significa datos de
voltaje (en módulo y ángulo), potencia activa y reactiva del generador así
como la potencia activa y reactiva de las cargas. Lo resaltante en la figura

14
obtenida del Matpower es el Lambda de cada barra, mostrado en el marco
teórico por los multiplicadores de Lagrange.

Figura 10. Bus Data FPO.

La Figura 11 nos indica los valores de cada línea incluyendo pérdidas en MW

y MVAr.

Figura 11. Branch Data FPO.

La Figura 12 es para las limitaciones de voltaje que se debe tener para lograr
el punto máximo de optimización en el sistema.

15
 Figura 12. Voltage Constraints FPO.

De lo visto anteriormente podemos concluir que al momento de resolver no

utilizamos los métodos de Newton-Raphson, sino que lo resolvemos mediante
las funciones establecidas al inicio de este informe, obteniendo el valor
óptimo en cada caso.

16
BIBLIOGRAFÍA
Fernádez González , J. C., & Fuentes López, E. S. (2001). MODELO DE FLUJO ÓPTIMO
DE POTENCIA UTILIZANDO TECNICAS DE OPTIMIZACIÓN. Antiguo Cuscatlán:
Universidad Centroamericana José Simeón Cañas.
Grainger, J., & Stevenson , W. (1996). Análisis de Sistemas de Potencia. Ciudad de México :
McGraw-Hill.
Granada Echeverri, M. (2018). Flujo de potencia óptimo en sistemas de transmisión de
energía eléctrica. Pereira: Universidad Tecnológica de Pereira.
Kristiansen, T. (2003). Utilizing MATPOWER in optimal power flow. Trondheim: Norwegian
University of Science and Technology.

Barrero, F. (2004). Sistemas de energía eléctrica. Madrid: Paraninfo.

17