1

CAPÍTULO 2

APLICAÇÃO DOS MÉTODOS MÁTEMÁTICOS DE SOLUÇÃO DE

EQUAÇÕES ALGÉBRICAS EM ESTUDOS DE FLUXO DE CARGA

2.1. MÉTODOS DE GAUSS:

Seja a equação não linear: f(x) = x2 – 5x + 4 = 0

cujas raízes são: x1 = 1 e x2 = 4.

1 2 4
Esta equação pode ser reescrita na forma: x= x +
5 5
5x − 4
ou ainda: x=
x
onde ambas são do tipo x = F(x)1.
A figura abaixo mostra que as raízes da equação original [f(x) = x2 – 5x + 4 =
0] também podem ser obtidas pelas intersecções das curvas g(x)=x e F(x) =
1 2 4
x + .
5 5

Figura 2.1 – O gráfico de f(x) e de F(x).

1
É sempre possível achar uma ou mais funções F(x) para qualquer f(x).
 2

- Algorítmo do Método de Gauss:

Para uma equação x = F(x) o algorítmo será: x(v+1) = F(x)v

1 2 4
Exemplificando, tomando-se x= x + , tem-se:
5 5

Iteração 0: Faz-se uma estimativa inicial arbitrária para a raiz procurada,

como sendo x(0) = 3.
Iteração 1: Testa-se esta estimativa inicial x(0) = 3:
x1 = F(x0) = F(3) = (1/5) . 32 + (4/5) = 2,60

Iteração 2: Testa-se agora x1 = 2,60:

x2 = F(x1) = F(2,6) = (1/5) . (2,6)2 + (4/5) = 2,15

Prosseguindo as iterações, o processo terminará quando |x(v+1)| - |x(v)| < ε

o valor de ε deve ser estipulado no início dos cálculos.

2.2.1. Desvantagens do Método de Gauss

A convergência é lenta, nas podem ser gastas até cerca do 100 iterações
para se conseguir convergência. Dependendo da estimativa inicial, poderá
até não ocorrer a convergência.

Exemplo:
Resolver o sistema de equações não lineares2:
2x1 + x1 x2 – 1 = 0
2x2 – x1 x2 + 1 = 0

Reescrevendo estas duas equações na forma x = F(x) tem-se:

x1 . x 2
x 1 = 0,5 −
2
x1 . x 2
x 2 = −0,5 +
2

Iteração 0: x1(0) = 0; x2(0) = 0

Iteração 1: x1(1) = 0,5 – (x1(0) . x2(0))/2 = 0,5

x1(1) = -0,5 + (x1(0) . x2(0)/2 = -0,5

Iteração 2: x1(2) = 0,5 – (x1(1) . x2(1)/2 = 0,5 –[(0,5) . (-0,5)]/2 = 0,625

x2(2) = -0,5 + (x1(1) . x2(1))/2 = -0,5 + [(0,5) . (-0,5)]/2 = - 0,625
2
As respostas serão x1 = 1 e x2 = -1.
 3

Iteração 3: x1(3) = 0,5 – (x1(2) . x2(2))/2 = 0,5 –[(0,625) . (-0,625)]/2 = 0,695

x2(3) = -0,5 + (x1(2) . x2(2))/2 = -0,5 + [(0,625) . (-0,625)]/2 = -0,695
•
•
•
(n) (n-1) (n-1)
Iteração n: x1 = 0,5 – (x1 . x2 )/2 = 1,0
(n) (n-1)
x2 = -0,5 + (x1 . x2(n-1))/2 = -1,0

2.2. MÉTODOS DE GAUSS-SEIDEL:

Este método possui convergência mais rápida do que no Método de Gauss e

se constitui em um aperfeiçoamento do mesmo.

Exemplo 1:
Resolver o sistema de equações não lineares anterior pelo Método de Gauss-
Seidel:
x1 . x 2
x 1 = 0,5 −
2
x .x
x 2 = −0,5 + 1 2
2

Iteração 0: x1(0) = 0; x2(0) = 0

Iteração 1: x1(1) = 0,5 – (x1(0) . x2(0))/2 = 0,5

x2(1) = -0,5 + (x1(0) . x2(0)/2 = -0,5

Iteração 2: x1(2) = 0,5 – (x1(1) . x2(1)/2 = 0,5 – [(0,5) . (-0,5)]/2 = 0,625

x2(2) = -0,5 + (x1(2) . x2(1))/2 = -0,5 + [(0,625) . (-0,5)]/2 = - 0,656

Iteração 3: x1(3) = 0,5 – (x1(2) . x2(2))/2 = 0,5 –[(0,625) . (-0,656)]/2 = 0,705

x2(3) = -0,5 + (x1(3) . x2(2))/2 = -0,5 + [(0,705) . (-0,625)]/2 = -0,732
•
•
•
(n) (n-1) (n-1)
Iteração n: x1 = 0,5 – (x1 . x2 )/2 = 1,0
x2 = -0,5 + (x1 . x2(n-1))/2 = -1,0
(n) (n)

Comparando-se os dois métodos nota-se que a velocidade de convergência

aumentou.
 4

Aplicação do fator de aceleração (α):

O fator de aceleração também contribui para acelerar o processo de
busca das raízes, conforme exemplificado a seguir:
• considere as variáveis
∆x 1( v ) = x 1( v ) − x 1( v −1)
∆x (2v ) = x (2v ) − x (2v −1)
Estas variáveis expressam a variação nos valores de x1 e x2 entre as iterações
(v-1) e (v).

• multiplicando ∆x 1( v ) e ∆x (v)
2 por α (α > 1) os valores de x1 e x2 a serem
utilizados nas iterações serão:
x 1( v ) = x 1( v −1) + α . ∆x 1(v)
x (2v ) = x (2v −1) + α . ∆x (v)
2

Observe que, anteriormente, no exemplo 1, o fator de aceleração era α = 1.

Figura 2.2 – Efeito do fator de aceleração na convergência.

Exemplo 2: Repetindo o exercício modelo para um valor de α = 1,5:

As 1a e 2a iterações são iguais ao Método de Gauss-Seidel sem fator de

aceleração:
x1 . x 2
x 1 = 0,5 −
2
x .x
x 2 = −0,5 + 1 2
2

Iteração 0: x1(0) = 0; x2(0) = 0

Ao final desta iteração, tem-se que:
x 1(1) = 0,5; 2 = −0,5
x (1)

Cálculo dos valores de x1 e x2 para serem usados na iteração seguinte:

 5

∆x 1(1) = x 1( v ) − x 1( v −1) = 0,5 − 0 = 0,5

∆x (21) = x (2v ) − x (2v −1) = −0,5 − 0 = 0,5

Aplicando o fator de aceleração α = 1,5 as novas tentativas serão:

x 1(1,ac
)
= x 1( v −1) + α . ∆x 1(v) = 0 + 1,5 . 0,5 = 0,750
x (21,)ac = x (2v −1) + α . ∆x (v)
2 = 0 + 1,5 . (-0,5) = - 0,750

2a Iteração:
x 1( 2) = 0,5 − [0,75 . (- 0,75)] / 2 = 0,781
x (22) = 0,5 + [0,75 . (- 0,75)] / 2 = −0,781

Cálculo dos valores de x1 e x2 para serem usados na iteração seguinte:

∆x 1( 2) = x 1( v ) − x 1( v −1) = 0,781 − 0,750 = 0,031
∆x (22) = x (2v ) − x (2v −1) = −0,781 − (−0,750) = −0,031

Aplicando o fator de aceleração α = 1,5 as novas tentativas serão:

x 1(1,ac
)
= x 1(,vac−1) + α . ∆x 1(v) = 0,75 + 1,5 . (0,031) = 0,7965
x (21,)ac = x (2v,ac−1) + α . ∆x (v)
2 = −0,75 + 1,5 . (-0,031) = - 0,7965

O processo se repete até que se atinja a convergência. Valores usuais para α

ficam geralmente entre 1,5 e 1,7.
 6

2.3. APLICAÇÃO DO MÉTODOS DE GAUSS NO ESTUDO DE

FLUXO DE CARGA

Na aplicação do Método de Gauss em fluxo de potência, o ponto de partida é a

equação
Pi – jQi = yi1 . E1 . E*i + yi2 . E2 . E*i + ... + yn . En . E*i = 0

Onde “E” expressa a tensão.

Esta equação também pode ser reescrita conforme abaixo:

∑nk =1 Yik E k =
(S G
i − SiC ) (2.1)
E *i
onde: i = 1, 2, ... , n e SiG − SiC = Pi + jQ i : potência injetada no nó i do sistema
dada por (PiG − PiC ) + j(Q iG − Q iC ) .

Esta equação também pode ser assim reescrita:

Pi − jQ i
∑nk =1 Yik E k = (2.2)
E *i
A equação (2.2) será resolvida para todas as tensões de barra exceto aquela da
barra oscilante (ou barra flutuante) onde especifica-se uma tensão que
permanece fixa durante os cálculos. Não existe nenhum problema no fato
desta tensão permanecer fixa pois o nó escolhido para a barra oscilante é
sempre um nó de geração e é tecnicamente possível manter-se a tensão
constante controlando-se a tensão através do controle da excitação dos
geradores conectados nesta barra.

Para se calcular a tensão na barra genérica i, a equação (2.2) poderá ser

arranjada da seguinte forma:
Pi − jQ i
∑kn =1;k ≠i Yik E k + Yii E i = (2.3)
E *i

Onde: i = 1, 2, ..., n. Ei na equação (2.3) é a tensão a ser calculada.

Explicitando-se então Ei tem-se a seguinte expressão:

1 ⎡ Pi − jQ i ⎤
E i( v +1) = ⎢ ( v )* − ∑k =1;k ≠i Yik E k ⎥
n (v)
(2.4)
Yii ⎣⎢ E i ⎦⎥
para i = 1, 2, ..., n
 7

2.3.1. A Solução Iterativa

A iteração inicial necessita de valores pré-especificados para as tensões

Ek e Ei no lado direito da igualdade da equação (2.4), permitindo assim o
cálculo de novos valores para Ei no lado esquerdo da igualdade desta mesma
equação. Repete-se o processo para todas as barras do sistema, exceto para a
barra oscilante onde a tensão é controlada.
Nas demais iterações, uma vez obtidos todos os valores para as tensões
de barra, a rotina inicial é repetida, apenas atualizando-se as tensões de barra.
O processo repete-se até que seja obtida convergência.

NOTAS:
1. Em geral a barra oscilante, também conhecida como barra de referência, é
assumida como aquela de número 1, embora isso não seja obrigatório.
2. Nas barras em que a carga é especificada, comumente chamada de barra P-
Q, a equação (2.4) será dada por:
1 ⎡ Pi − jQ i ⎤
esp esp
E i( v +1) = ⎢ − ∑ n
k =1; k ≠ i Yik E (v)
k ⎥ (2.5)
Yii ⎣⎢ E i( v )* ⎦⎥

3. Para as barras tipo P-V, onde o módulo da tensão de barra ( Viesp ) e a

potência ativa gerada são conhecidas, as incógnitas serão: ângulo de fase
e a potência reativa gerada. Neste caso a equação (2.5) não serve e a
equação adequada deve ser obtida da seguinte forma:

Parte-se de Q i = I m [E i . I *i ] = −I m [E *i . I i ]
Substituindo-se Ii na equação acima por: I i = ∑nk =1 Yik E k , tem-se que :
Q i = Q icalc = −I m [E *i . ∑nk =1 Yik E k ] (2.6)

Obs.: Q icalc é uma notação adotada para diferenciar do valor Q iesp da equação
(2.5) para as barras de carga. Substituindo a equação (2.6) na equação (2.4)
tem-se:
1 ⎡ Piesp − jQ icalc ⎤
E i( v +1) = ⎢ − ∑ n
k =1; k ≠ i Yik E (v)
k ⎥ (2.7)
Yii ⎣⎢ E i( v )* ⎦⎥

O valor de E i( v+1) calculado na equação (2.7) não satisfará necessariamente à

“restrição” E i = Viesp . Nestes casos, faz-se a racionalização do valor de E i( v+1) :
E irac = Viesp ∠θ i (2.8)

onde θi é o ângulo de fase de E i( v+1) .

 8

2.3.2) Para que o tempo de computação seja reduzido, algumas operações

aritméticas devem ser executadas antes do processo iterativo. Como exemplo,
fazendo-se 1/Yii = Li na equação (2.4) , tem-se:

E i( v +1) =
(Pi − jQ i )L i − ∑nk =1;k ≠i Yik L i E (v) (2.4b)
k
E i( v )*
K Li
E i( v +1) = − ∑nk =1;k ≠i Y L ik E (v)
k (2.4c)
E i( v )*

Exemplo de equacionamento:

Neste caso vamos supor que a barra flutuante seja a barra 2 do tipo P-Q e
não existem barras tipo 2 (P-V). As equações de tensão de acordo com a
expressão (2.4c) serão:

K L1
E1( v +1) = − Y L12 E (v)
2 − Y L13 E 3 - Y L14 E 4
(v) (v)
E1(v)*
E (2v +1) = valor fixo especificado
K L3
E 3( v +1) = − Y L 31 E1(v) − Y L 35 E 5(v)
E 3(v)*
K L4
E (4v +1) = − Y L 41 E (v)
4 − Y L 46 E 6
(v)
E (v)
4
*

K L5
E 5( v +1) = − Y L 52 E (v)
2 − Y L 53 E 3
(v)
E 5(v)*
K L6
E (6v +1) = − Y L 62 E (v)
2 − Y L 64 E 4
(v)
E (v)
6
*
 9

2.3.3) Algorítmo para solução genérica do fluxo de carga:

1. Estima-se valores iniciais para o vetor das tensões de nó EN. Normalmente

para os nós do tipo P-Q tem-se que E i0 = 1,0 + j0 , para os nós do tipo P-V
tem-se que E i0 = Viesp + j0 .
2. Monta-se a matriz Y (admitância de barras).
3. Para todos os nós (com exceção do nó de referência) testa-se o nó é do tipo
P-V. Se for salta-se para o item 5. Se for do tipo P-Q continua-se.
4. Calcula-se Ei usando a equação (2.5), onde as tensões do segundo membro
são aquelas obtidas da iteração anterior (ou de acordo com o item 1 para a
primeira iteração). Segue-se, agora, diretamente para o item 6.

5. Este item aplica-se somente às barras do tipo P-V.

a) Calcula-se Q icalc usando-se a equação(2.6). os valores das tensões são obtidos da
iteração anterior (ou conforme item 1 para v = 0).
b) A seguir calcula-se Ei usando-se a equação 2.7.
c) Calcula-se o valor de E irac adotando-se o valor do ângulo de fase de Ei no sub-
item 5b.
6. Neste ponto todos os nós já foram processados (exceção para o nó de
referência) chegando-se ao final desta iteração. Testa-se então se houve
convergência, se houve convergência o processo é terminado. Os valores
de tensão obtidos nesta iteração constituem a solução. Se não houve
convergência retorna-se ao item 3.

No método de Gauss, todos os valores de tensão de uma iteração são

introduzidos na próxima iteração, é a chamada Substituição Simultânea.
No Método de Gauss-Seidel, apenas os valores de tensão ainda não
calculados na presente iteração são os da iteração interior, ou seja assim, que
um valor de tensão de uma barra é calculado ele substitui o da iteração
anterior, é a chamada Substituição Sucessiva.

Vantagens do Método de Gauss-Seidel

1. Maior rapidez de convergência
2. Economia de memória, não é necessário armazenar todos os valores de
tensão da iteração anterior.

Critério para se detectar a convergência:

O processo iterativo termina quando as variações das tensões de barra, ∆(iv+1) ,
entre duas iterações consecutivas são menores que um certo nível de tolerância
ε para todas as tensões de barra. Pode-se expressar isto de forma matemática
como se segue:
 10

∆Vi( v +1) = Vi( v +1) − Vi( v ) < ε (2.9)

para i = 1, 2, 3, ..., n.

Aspectos computacionais

1. Para maior eficiência computacional, a equação (2.4) que é complexa,

poderá ser separada nas suas componentes cartesianas.

Parte Real:
1 ⎡ Pi e i + Q *i f i ⎤
ei = ⎢ − ∑ n
k =1; k ≠ i G ik e k + ∑ n
k =1 B ik f k ⎥ (2.9a)
G ii ⎣ e i2 + f i2 ⎦

Parte Imaginária:
1 ⎡ Pi f i + Q *i e i ⎤
fi = ⎢ − ∑ n
k =1; k ≠ i G ik f k + ∑ n
k =1 B ik e k ⎥ (2.9b)
G ii ⎣ e i2 + f i2 ⎦

onde:
ei, fi - partes real e imaginária de Ei
ek, fk - partes e imaginária de Ek
Gik, Bik - partes real e imaginária do elemento ik da matriz complexa de admitância.
Qi* - para os nós do tipo P-Q → Qiesp.
- para os nós do tipo P-Q → Qicalc (através da equação 2.6).

O teste de convergência também pode ser dividido em duas partes, uma real e
outra imaginária a saber:
e iv +1 − e iv ≤ ε re
f iv +1 − f iv ≤ ε im

Com o fator de aceleração, o método sofre algumas oscilações de ordem de

grandeza apreciável nas primeiras iterações, a partir daí o processo caminha
para a solução de maneira uniforme e suave. Para agilizar a convergência
têm-se então:
( )
E iv−+ac1 = α E iv +1 − E iv−ac + E iv

( )
e iv−+ac1 = α re e iv +1 − e iv−ac + e iv

( )
f iv−+ac1 = α im f iv+1 − f iv−ac + f iv

em geral nas três equações α = 1,6; αre = 1,6 e αim = 1,7.

 11

2.4. O MÉTODO DE NEWTON RAPHSON:

Este método constitui-se em um algorítmo genérico para a determinação

de raízes reais de equações não lineares.

2.4.1. O Método:
Se uma aproximação xj é conhecida para uma das raízes da equação f(x) = 0
então uma melhor aproximação pode ser obtida calculando-se:

xj+1 = xj + ∆xj
Onde:
f xj ( )
∆x = 1 j e tan α =
j f (x j )
f x ( ) ∆x j

Para um conjunto de n equações com n variáveis, usualmente encontradas nos

problemas de fluxo de potência, tem-se:

f1(x1, x2, ... , xn) = 0

f2(x1, x2, ... , xn) = 0 (2.10)
•
•

fn(x1, x2, ... , xn) = 0

Uma vez que seja conhecido o vetor xj das variáveis (x 1j , x 2j ,L, x nj ) que
constituem uma aproximação para a solução das equações (2.10), então uma
melhor aproximação poderá ser obtida por:

x j+1 = x j + ∆x j
 12

onde:
∆x j = −[J ] . F x j
−1
( )
F( x j ) : é o vetor constituído pelas equações (2.10)
[J ] : é a matriz das derivadas parciais de primeira ordem das equações
(2.10), chamada Matriz Jacobiana, cujos elementos são:
Jik = ∂fi / ∂xk e Jii = ∂fi / ∂xi.

2.4.2. Exemplo de Aplicação do Método de Newton-Raphson

Suponha que as equações não lineares sejam:

⎡ f1 (x 1 , x 2 ) = x 12 + x 22 − 5 = 0
⎣ f 2 (x 1 , x 2 ) = x 12 + x 22 + 3 = 0 As raízes serão x1 = + 1 e x2 = + 2

Suponha que sejam conhecidas as aproximações x 11 = 0,5 e x 12 = 1,5.

O 1o passo é a montagem do vetor x1:

O 2o passo é a montagem do vetor F(x1):

⎡0,5⎤
x1 = ⎢ ⎥
⎣1,5 ⎦

⎡ f1 (x 11 , x 12 ) = 0,5 2 + 1,5 2 − 5 = −2,5

⎡ f 2 (x 11 , x 12 ) = 0,5 2 − 1,5 2 + 3 = 1,0

( ) ⎡− 2,5⎤
F x1 = ⎢ ⎥
⎣ 1,0 ⎦

O 3o passo é a montagem da Matriz Jacobiana [J]:

∂f1 / ∂x 1 = 2x 1 → x 11 = 2 . 0,5 = 1,0
∂f 2 / ∂x 1 = 2x 1 → 2x 11 = 2 . 0,5 = 1,0

∂f1 / ∂x 2 = 2x 2 → 2x 12 = 2 .1,5 = 3,0

∂f 2 / ∂x 2 = −2 x 2 → −2x 12 = −2 . 1,5 = −3,0

Portanto a Matriz Jacobiana é dada por:

⎡1 3 ⎤
J=⎢ ⎥
⎣1 − 3⎦
 13

O 4o passo é a inversão da Matriz Jacobiana [J]-1:

1 ⎡− 3 − 3⎤ ⎡1 / 2 1 / 2 ⎤
J-1 = [1 / det] . matriz dos cofatores : J −1 = − ⎢ =
6 ⎣−1 1 ⎥⎦ ⎢⎣1 / 6 − 1 / 6⎥⎦

O 5o passo é a determinação de ∆x1:

∆xj = -J1 . F(xj)

⎡1 / 2 1 / 2 ⎤ ⎡− 2,5⎤ ⎡0,75⎤
∆x 1 = − ⎢ ⎥x⎢ ⎥=⎢ ⎥
⎣1 / 6 − 1 / 6⎦ ⎣ 1,0 ⎦ ⎣0,58⎦

O 6o passo é a determinação de x2:

xj+1 = xj + ∆xj

⎡0,5⎤ ⎡0,75⎤ ⎡1,25 ⎤

x 2 = −⎢ ⎥ + ⎢ ⎥=⎢ ⎥
⎣1,5 ⎦ ⎣0,58⎦ ⎣2,08⎦

Observa-se claramente que estas aproximações são melhores que as anteriores.

Visualização gráfica:

• O Método de Newton-Raphson possui convergência quadrática, quanto

mais se aproxima da solução mais rápido o método tende a convergir para
ela. O algorítmo é ainda bastante influenciado pela forma da função f(x) e
pela escolha da aproximação inicial x1. De acordo com a figura anterior se
o processo tivesse começado no ponto x1’ teria divergido.
 14

2.4.3. Aplicação do Método de Newton-Raphson ao Fluxo de Carga:

Retomando-se a equação (2.2)

Pi − jQ i
∑nk =1 Yik E k =
E *i

pode-se deduzir que:

Pi − jQ i = ∑nk = Yik E k E *i

ou ainda:
Pi + jQ i = ∑nk =1 Yik* E i E *k = ∑kn =1 Yik* Vi Vk e (θi −θk ) (2.11)

Assumindo-se que e j(θi −θk ) = cos(θ i − θ k ) + j sen (θ i − θ k ) e fazendo θi - θk = θik

então e jθ ik = cos θ ik + j sen θ ik e ainda Yik = Gik + j Bik.

Desenvolvendo a equação (2.11) nas suas partes real e imaginária:

Pi = ∑nk =1 Vi Vk (G ik . cosθ ik + B ik . senθ ik ) (2.12)
Q i = ∑nk =1 Vi Vk (G ik . senθ ik − B ik . cosθ ik )

As equações (2.12) podem ser ainda reescritas na seguinte forma:

[
G iP + PiG − PiC − Vi ∑nkni Vk (G ik . cosθ ik + B ik . senθ ik ) = ∆Q = 0 ] (2.13)
G iq + Q iG − Q iC − V [∑
i
n
kni Vk (G ik . senθ ik − B ik . cosθ ik )] = ∆Q = 0

O símbolo kn indica o conjunto de todos os nós k diretamente conectados ao

nó i, inclusive k=i.

Notas importantes:
a) Para no nó de referência do sistema (barra oscilante) as variáveis Vi e θi
são conhecidas e, portanto não é necessária nenhuma equação para esse nó.
b) Para os nós P-Q do sistema as variáveis Vi e θi são incógnitas e, portanto,
serão necessárias as duas equações (2.13) para cada nó.
c) Para s nós P-V do sistema a variável Vi é conhecida e θi é incógnita.
Portanto, só há necessidade de uma equação (2.13).
d) De acordo com os ítens acima o número total de equações (e de incógnitas)
é: npv + 2 npq.
e) O vetor x das incógnitas será:
⎡θ⎤
x=⎢ ⎥
⎣V ⎦
Onde θ é o vetor dos ângulos das tensões para todos os nós (exceto
aquele de referência) e V é o vetor dos módulos das tensões para as
barras P-Q.
f) As equações (2.13) também podem ser expressas vetorialmente:
 15

⎡ gp ⎤
⎢ ⎥
g = ⎢− − −⎥
⎢ gq ⎥
⎣ ⎦
• g p são equações de potência ativa (uma para cada nó, exceto o de
referência),
• g q são equações de potência reativa (uma para cada nó P-Q).

O vetores g p e g q são também denotados como ∆P e ∆Q são diferentes

de zero e, quanto mais próximos estiverem de zero, mais próxima estará
a solução.

2.4.4. Equacionamento Matricial do Método de Newton-Raphson:

Já foi visto que: xj+1 = xj + ∆xj, onde ∆xj = -J1 . gj. Desta forma a Matriz
Jacobiana [J] deverá possuir quatro submatrizes:

⎡H N ′⎤
J=⎢ ⎥
⎣J L′ ⎦

onde:
H ik = ∂g ip / ∂θ k ; H ii = ∂g ip / ∂θ i

N ′ik = ∂g ip / ∂Vk ; N ′ii = ∂g ip / ∂Vi

J ik = ∂g iq / ∂θ k ; J ii = ∂g iq / ∂θ i

L ′ik = ∂g iq / ∂Vk ; L ′ii = ∂g iq / ∂Vi

Finalmente:
⎡ θ j+1 ⎤ ⎡ θ j ⎤ ⎡ ∆ θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = ⎢......⎥ + ⎢ ...... ⎥ (esta equação equivale a: x j+1 = x j + ∆x j )
⎢ V j+1 ⎥ ⎢ V j ⎥ ⎢ ∆ V j ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

onde:
−1
⎡ ∆θ j ⎤ ⎡ H N ′ ⎤ ⎡ ∆P j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥ (2.14)
⎢ ∆V j ⎥ ⎢ J L ′ ⎥⎦ ⎢⎣ ∆ Q j ⎥⎦
⎣ ⎦ ⎣
 16

Esta equação equivale a: ∆x j = −(J ) . g j

−1

O rearranjo da Matriz Jacobiana é necessário pois a matriz J até aqui

apresentada não é simétrica em relação à diagonal principal. Para que isto
aconteça, bastará alterar as submatrizes N’ e L’, partindo de ∆xj = -(J)-1 . gj,
pode-se afirmar que gj = - J . ∆xj, ou seja:

⎡ ∆P j ⎤ ⎡ H N ′ ⎤ ⎡ ∆ θ j ⎤ ⎡ H N ′.V ⎤ ⎡ ∆ θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥ = ⎢...... ...... ⎥ . ⎢ ...... ⎥
⎢∆Q j ⎥ ⎢ J L ′ ⎥⎦ ⎢⎣ ∆V ′⎥⎦ ⎢⎣ J L ′.V ⎥⎦ ⎢⎣(∆V / V ) ⎥⎦
j
⎣ ⎦ ⎣

Desta forma, as submatrizes N’ e L’ passam a ser denotadas por N = N’. V e L

= L’ . V com seus respectivos elementos dados por:

( )
N ik = Vk ∂g ip / ∂Vk ; N ii = Vi ∂g ip / ∂Vi( )
L ik = V (∂g
k
q
i / ∂V ) ; L
k ii = V (∂g
i
q
i / ∂V )
i

Com estas modificações, as equações (2.14) ficarão da seguinte forma:

⎡ θ j+1 ⎤ ⎡ θ j ⎤ ⎡ ∆ θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = ⎢......⎥ + ⎢ ...... ⎥ (2.15a)
⎢ V j+1 ⎥ ⎢ V j ⎥ ⎢(∆V / V )j ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

onde:
-1
⎡ ∆θ j ⎤ ⎡H N ⎤ ⎡ ∆P j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥ (2.15b)
⎢(∆V / V ) j ⎥ ⎢ J L ⎥⎦ ⎢⎣ ∆Q j ⎥⎦
⎣ ⎦ ⎣

2.4.5. Algorítmo de Solução:

1. Estima-se os valores iniciais para Vj e θj (em geral: V = 1,0 ou V = Vesp e

θ = 0o).
2. Monta-se a matriz Y (a mesma do Método de Gauss).
3. Forma-se os vetores ∆Pj e ∆Qj usando-se as equações (2.13).
4. Forma-se e inverte-se a matriz Jacobiana.
5. Calcula-se as submatrizes ∆θj e (∆V/V)j através da equação (2.15b).
6. Calcula-se as submatrizes θj+1 e Vj+1 usando-se a equação (2.15a).
7. Faz-se j = j+1 e volta-se ao ítem 3.
O processo é repetido até obter-se convergência
Onde se deve verificar a convergência.
Haverá convergência quando:
 17

Obs.: |∆Pi| < εp e |∆Qi| < ε, para todos os elementos de ∆P e ∆Q. Valores
típicos para os ε’s ão entre 0,01 e 0,0001.

2.4.6. Detalhamento da Matriz Jacobiana

Os elementos da submatriz H são dados por:

H ik =
∂g ip
=
∂
∂θ k ∂θ k
[
PiG − PiC − Vi ∑kni Vk (G ik cos θ ik + B ik sen θ ik ) ]

Onde:
Hik = - Vi Vk (Giksenθik - Bikcosθik
(2.16a)
H ii = − Vi2 . B ii + Q iT

Elementos da submatriz N:
N ik =
∂g ip
∂θ k
= Vk
∂
∂Vk
[
PiG − PiC − Vi ∑kni Vk (G ik cos θ ik + B ik sen θ ik ) ]

desta forma:
Nik = - Vi Vk (Gikcosθik + Biksenθik)
(2.16b)
N ii = −Vi2 . G ii + PiT

Elementos da submatriz J:
J ik =
∂g iq
=
∂
∂θ k ∂θ k
[
Q iG − Q iC − Vi ∑kni Vk (G ik sen θ ik − B ik cos θ ik ) ]

Então:
Jik = - Nik = Vi Vk (Gikcosθik + Biksenθik)

J ii = −Vi2 . G ii + PiT (2.16c)

Elementos da submatriz L:
L ik = Vk =
∂g iq
∂Vk
= Vk
∂
∂Vk
[
G iG − Q iC − Vi ∑kni Vk (G ik sen θ ik + B ik cos θ ik ) ]

Desta forma:
Lik = Hik = - Vi Vk (Giksenθik - Bikcosθik)
(2.16d)
L ii = − Vi2 . B ii + Q iT
 18

onde:
kni – indica o conjunto de todos os nós k diretamente conectados a i,
incluindo-se k=i.
PiT e Q iT - potências transmitidas do nó i para o resto do sistema,
respectivamente ∆P e ∆Q na equação (2.13).

2.4.7. Aspectos Computacionais do Método de Newton-Raphson

Desvantagens:
1. Necessidade de formar e inverter a Matriz Jacobiana a cada iteração.
Para ganhar tempo, existem programas em que o mesmo Jacobiano é
utilizado em duas iterações sucessivas.
2. A convergência é muito sensível às condições iniciais: uma má escolha
pode levar rapidamente à divergência.
3. Os fastos com memória são bem maiores do que no Método de Gauss.
4. Requer uma programação mais complexa.

Vantagem:
1. Possui convergência rápida: em geral, de 3 a 5 iterações. Detalhe: uma
iteração Newton-Raphson leva um tempo aproximado a 7 iterações Gauss-
Seidel (para o mesmo sistema).

2.4.8. Exemplos Numéricos

Exemplo 1: Na figura a barra 1 é de referência e a barra 2 é uma barra PV

(módulo de tensão e a potência ativa são conhecidos).

De acordo com a nota (c) sobre a aplicação do método de Newton-Raphson

ao Fluxo de Carga será necessária apenas a equação (2.13) ⇒ θ2 será
determinado através desta equação.
 19

Nota: para teste de convergência adotar ε = 0,003.

DADOS DA LINHA
z12 = 0,2 + j0,1 = 1,02∠78,69o
y12 = 0,981∠-78,69o = 0,1923 – j0,9615
ysh = jbsh = j0,02

Solução:
Matriz de admitância:
⎡0,1923 − j0,9415 - 0,1923 + j0,9615⎤
Y = G + jB = ⎢ ⎥
⎣- 0,1923 + j0,9615 0,1923 - j0,9415 ⎦

Esta matriz poderá ser separada nas matrizes G e B:

⎡0,1923 - 0,1923⎤
G=⎢
⎣- 0,193 0,1923 ⎥⎦

⎡− 0,9415 0,9615⎤
B=⎢
⎣0,9615 - 0,9415⎥⎦

Montagem das equações:

O número de equações do tipo das equações (2.13) é dado por: nPV + 2 nPQ.
Portanto nPV = 1 e nPQ = 0. Assim, haverá apenas uma equação (2.13), aquela
da potência ativa:

∆Pi = PiG − PiC − Vi [∑kni Vk (G ik cos θ ik + B ik sen θ ik )]

Esta, aplicada à barra 2 ficará:

∆P2 = P2G − P2C − V2 [V1 (G 21 cos θ 21 + B 21 sen θ 21 ) + V2 (G 22 cos θ 22 + B 22 sen θ 22 )]

Os valores numéricos a serem introduzidos acima serão:

P2 = P2esp + −0,40; V1 = V1esp = 1,0; V2 = V2esp = 1,0;

θ21 = θ2 - θ1 = θ2 – 0o = θ2; θ22 = θ2 - θ2 = 0o;

G21 = -0,1923; G22 = 0,1923; B21 = 0,9615; B22 = - 0,9415

A equação (2.13) fica então da seguinte forma:

∆P2 = -0,40 – 1[1(-0,1923 cosθ2 + 0,9315 senθ2 + 1(0,1923 cos0o –
0,9415sen0o)
 20

∆P2 = -0,40 – 0,1923 (1 - cosθ2) – 0,9615 senθ2

o problema agora consiste em se determinar o valor de θ2 tal que o valor de

∆P2 seja nulo.

1a Iteração:

a) ∆P2(0) = −0,40 − 0,1923(1 − cos θ (20) ) − 0,9615 sen θ (20)

∆P2( 0) = −0,40 − 0,1923(1 − 1) − 0 = −0,40

b) Teste de convergência: | ∆Pi | < εp ⇒ | -0,4| > 0,003. Desta forma, não
havendo convergência, o processo iterativo continua.

c) Cálculo do Jacobiano:
-1
⎡ ∆θ j ⎤ ⎡H N ⎤ ⎡ ∆P j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥
⎢(∆V / V ) j ⎥ ⎢ J L ⎥⎦ ⎢∆ Q j ⎥
⎣ ⎦ ⎣ ⎣ ⎦

Da equação (2.15b) observa-se que o Jacobiano possui apenas o termo em H

(obtido da equação (2.16a):

H ii = − Vi2 . B ii + Q iT = − Vi2 . B ii + Vi ∑kni Vk (G ik sen θ ik − B ik cos θ ik )

( ) 2
H 22 = V2( 0) B 22 + V2( 0) (G 21 sen θ 21 − B 21 cos θ 21 ) + V2( 0) (G 22 sen θ 22 − B 22 cos θ 22 )

H (220) = −0,1923 senθ (0)

2 − 0,9615 cosθ 2 = −0,9615
(0)

d) A equação (2.15b) ficará ∆θj = -H-1 . ∆Pj, que aplicada para a 1a Iteração
dará:
∆θ(0) = - (1 / -0,9615) x (-0,4) = - 0,4160

e) A equação (2.15a) fornecerá o valor atualizado para:

θ (21) = θ (20) + ∆θ ( 0) = 0,00 − 0,4160 = −0,4160

2a Iteração:

a) ∆P2(1) = −0,4 − 0,1923 . (1 - cosθ (1)

2 ) − 0,9615 . senθ 2 = −0,0279
(1)

b) Teste de convergência: Como | -0,003 | > 0,003 o processo iterativo

continua.
 21

c) Jacobiano:
H (221) = −0,1923 . senθ (1)
2 − 0,9615 . cosθ 2 = −0,8002
(1)

d) Variação de ∆θ:
( )
∆θ (1) = − 1 / H (221) . ∆P2(1) = −(1 / − 0,8002) . (-0,0279) = -0,0349

e) Valor atualizado para θ:

θ (21) = θ (21) + ∆θ (1) = −0,4160 + (−0,0349) = −0,4509

3a Iteração:
a) ∆P2( 2) = −0,4 − 0,1923 . (1 - cosθ (2)
2 ) − 0,9615 . senθ 2 = −0,0002
(2)

b) Teste de convergência: como | - 0,0002 | < 0,003 o processo iterativo

termina, foi atingida a convergência e θ2 = -0,4509 radianos = 25,84o.
___________________________________________________________

Exemplo 2: Trocando-se a barra 2 de PV para PQ, então haverá duas

incógnitas para a barra 2: V2 e θ2. Resolver este sistema (os dados da linha
foram mantidos iguais ao do exemplo anterior).

Solução: Para este caso, sendo nPV = 0 e nPQ = 1 o no de equações (2.13) = nPV
+ 2. NPQ = 2, serão utilizadas as duas equações (2.13):

Potência Ativa:
∆P2 = P2 – V2 [V1(G21cosθ21+B21senθ21) + V2(G22cosθ22+B22senθ22)]

Potência Reativa:
∆Q2 = Q2 – V2 [V1(G21senθ21+B21cosθ21) + V2(G22senθ22 - B22cosθ22)]

Introduzindo-se os valores numéricos a serem mantidos fixos:

 22

∆P2 = -0,3 – V2[1(-0,1923 cosθ2 + 0,9615 senθ2) + V2(0,1923 cos0o + 0,9415

sen0o)]

∆P2 = -0,3 – 0,1923 V2(V2 - cosθ2) – 0,9615 V2 senθ2

∆Q2 = -0,07 – V2[1(-0,1923 senθ2 - 0,9615 cosθ2) + V2(0,1923 sen0o + 0,9415

cos0o)]

∆Q2 = -0,07 + V22 0,9415 –0,1923 V2 senθ2 + 0,9615 V2 cosθ2

O problema consistirá em determinar θ2 e V2 tal que | ∆P2 | e | ∆Q2 | sejam

menores que ε (0,003).

1a Iteração:

As estimativas iniciais são: V2(0) = 1,0 e θ (0) 2 = 0,0

a) ∆P2(0) = −0,3 − 0,1923V2(0) (V2( 0) − cos θ (20) ) − 0,9615V2(0) sen θ (20) = −0,2
∆Q (20) = −0,07 − (V2( 0) ) 2 . 0,9415 + 0,9615V2(0) . cosθ (0)
2 = 0,09

b) Teste de convergência:
∆P2( 0) = 0,3 > 0,003
∆Q (20) = 0,09 > 0,003

como o processo não convergiu prossegue-se com os cálculos.

c) Matriz Jacobiana:
Para montar esta matriz, serão usadas as equações (2.16).
Da equação (2.16a):
H (220) = (V2( 0) ) 2 B 22 + V2( 0) [V1( 0) (G 21 sen θ (210) − B 21 cos θ (210) ) + V2( 0) (G 22 sen θ (220) − B 22 cos θ (220) )]
como θ (210) = 0 o e θ (0)
22 = 0
o
tem-se que:

[
H (220) = (V2( 0) ) 2 0,9415 + V2(0) V1( 0) (−0,9615) + V2( 0) (0,9415) = −0,9615 ]
Da equação (2.16b):
J (220) = (V2( 0) ) 2 G 22 − V2( 0) [V1( 0) (G 21 cos θ (210) + B 21 sen θ (210) ) + V2( 0) (G 22 cos θ (220) + B 22 sen θ (220) )] =
( ) 2
[
= V2( 0) G 22 − V2( 0) V1( 0) (−0,1923) cos θ (20) . (0,1923) = 0,1923 ]
Da equação (2.16c):
 23

N (220) = −(V2( 0) ) 2 G 22 − V2( 0) [V1( 0) (G 21 cos θ (210) + B 21 sen θ (210) ) + V2( 0) (G 22 cos θ (220) + B 22 sen θ (220) )] =
= −0,1923

Da equação (2.16d)
N (220) = (V2( 0) ) 2 B 22 − V2( 0) [V1( 0) (G 21 sen θ (210) − B 21 cos θ (210) ) + V2( 0) (G 22 sen θ (220) − B 22 cos θ (220) )] =
= −0,9215

d) Os valores de θ (20) e V2(0) serão dados pela equação (2.15b):

−1
⎡ θ (20) ⎤ ⎡H (220) N (220) ⎤ ⎡∆P2(0) ⎤ ⎡0,9615 − 0,1923 ⎤ ⎡- 0,3⎤ ⎡− 0,3183⎤
⎢ (0) ⎥ = ⎢ (0) ( 0) ⎥
. ⎢ (0) ⎥ = − ⎢ ⎥ .⎢ ⎥=⎢ ⎥
⎣V2 / V ⎦ ⎣ J 22 L 22 ⎦ ⎣ Q 2 ⎦ ⎣ 0,1923 − 0,9215⎦ ⎣0,09⎦ ⎣ 0,0312 ⎦

e) A equação (2.15a) fornecerá os valores atualizados para θ e V:

⎡ θ (21) ⎤ ⎡ θ (20) ⎤ ⎡ ∆θ (20) ⎤ ⎡ 0 ⎤ ⎡− 0,3183⎤ ⎡− 0,3183⎤
⎢ (1) ⎥ = ⎢ ( 0) ⎥ + ⎢ ( 0) ⎥=⎢ ⎥+⎢ ⎥ = ⎢ 1,0312 ⎥
⎣ 2 ⎦ ⎣ 2 ⎦ ⎣ 2
V V ∆V / V ⎦ ⎣1,0 ⎦ ⎣ 0,0312 ⎦ ⎣ ⎦

2a Iteração
As estimativas iniciais são: V2(1) = 1,032 e θ (1)
2 = −0,3183

∆P2(1) = −0,3 − 0,1923V2(1) (V2(1) − cos θ (21) ) − 0,9615V2(1) sen θ (21) =

a) = −0,3 − 0,1923.1,0312(1,0312 − cos(−0,3183rds)) − 0,9615.1,0312.
. sen(-0,3183 rds) = 0,0059
∆Q (21) = 0,07 − (V2(1) ) 2 .0,9415 + 0,1923V2(1) sen θ (21) + 0,9615V2(1) . cos θ (21) =
= 0,07 - (1,0312) 2 .09415 + 1,1923.1,0312 sen(−0,3183rds) + 0,9615.
.1,0312 . cos(-0,3183) = 0,0515

b) Teste de convergência:
∆P2(1) = 0,0059 > 0,003

∆Q (21) = 0,0515 > 0,003

Como processo ainda não convergiu prossegue-se com os cálculos.

c) Matriz jacobiana:

Da equação (2.16a):

[ ( ) (
H (221) = (V2(1) ) 2 B 22 + V2(1) V1(1) G 21 sen θ (211) − B 21 cos θ (211) + V2(1) G 22 sen θ (221) − B 22 cos θ (221) )]
Como θ (211) = −0,3183 rds e θ (0)
22 = 0 tem-se que:

( ) [
H (221) = V2(1) (−0,9415) + V2(1) V1(1) (− 0,1923 se(-0,3183rds ) − 0,9615 cos(−0,3183rds)
2
]
+ V2(1) (0,9415)] = −0,8796
 24

Da equação (2.16b):
[ ( ) (
N (221) = −(V2(1) ) 2 G 22 − V2(1) V1(1) G 21 cos θ (211) + B 21 sen θ (211) + V2(1) G 22 cos θ (221) − B 22 sen θ (221) = )]
= 0,0802

Da equação (2.16c):
[ ( ) ( )]
J (221) = (V2(1) ) 2 G 22 − V2(1) V1(1) G 21 cos θ (211) + B 21 sen θ (211) + V2(1) G 22 cos θ (221) − B 22 sen θ (221) =
= 0,4986

Da equação (2.16d):
L(22
1)
[ ( ) ( )]
= (V2(1) ) 2 B 22 − V2(1) V1(1) G 21 sen θ (211) − B 21 cos θ (211) + V2(1) G 22 sen θ (221) − B 22 cos θ (221) =
= 0,0888

d) Os valores de θ (21) e ∆V2(0) serão dados, novamente, pela equação (2.15b):

−1 −1
⎡ θ (21) ⎤ ⎡H (221) N (221) ⎤ ⎡ ∆P (1) ⎤ ⎡− 0,8796 0,0802 ⎤ ⎡- 0,0059⎤ ⎡− 0,0119⎤
⎢ (1) ⎥ = − ⎢ (1) 1) ⎥
. .⎢ 2(1) ⎥ = − ⎢ ⎥ . ⎢ ⎥=⎢ ⎥
⎣V2 / V ⎦ ⎣ J 22 L(22 ⎦ ⎣∆Q 2 ⎦ ⎣ 0,4986 − 1,0888⎦ ⎣- 0,0515⎦ ⎣− 0,0528⎦

e) A equação (2.15a) fornecerá os valores atualizados para θ e V:

⎡ θ (22) ⎤ ⎡ θ (21) ⎤ ⎡ ∆θ (21) ⎤ ⎡− 0,3183⎤ ⎡− 0,0119⎤ ⎡− 0,3302⎤
⎢ ( 2) ⎥ = ⎢ (1) ⎥ + ⎢ (1) ⎥=⎢ ⎥+⎢ ⎥=⎢ ⎥
⎣V2 ⎦ ⎣V2 ⎦ ⎣∆V2 / V ⎦ ⎣ 1,0312 ⎦ ⎣ − 0,0528⎦ ⎣ 0,9784 ⎦

3a Iteração:

∆P2( 2) = −0,3 − 0,1923V2( 2) (V2( 2) − cos θ (22) ) − 0,9615V2( 2) sen θ (22) = −0,0011
a)
∆Q (22) = 0,07 − (V2( 2) ) 2 .0,9415 + 0,1923V2( 2) sen θ (22) + 0,9615V2( 2) . cos θ (22) = −0,0024

b) Teste de convergência:
∆P2( 2) = 0,0011 < 0,003

∆Q (22) = 0,0024 < 0,003

como o processo convergiu os cálculos são interrompidos neste ponto e

imprime-se os resultados, sendo que: V2 = 0,9784∠-0,3302 rds (-18,94o) pu.
 25

2.5. O MÉTODO DESACOPLADO RÁPIDO:

É um método derivado do Newton-Raphson. Ao invés do Jacobiano, são

usadas duas matrizes constantes.

Exemplo ilustrativo simples:

Encontrar uma raiz de equação y = x2 – 4 usando N-R normal e, em seguida,

fixando y’ = 4 e y’ = 1.

Tomar x(1) = 1 e | y | < 0,25 como critério de convergência.

Solução:

⎧⎪x ( j+1) = x ( j) + ∆x ( j)
⎨ ( j)
[ ] −1
⎪⎩∆x = y ′ ( j) .y ( j)

a) Newton-Raphson tradicional:

Para j = 1: y’(j) = 2x(j) ⇒ y’(1) = 2x(1) = 2x 1 = 2

y(j) = [x(j)]2 – 4 ⇒ y(1) = [x(1)]2 – 4 = 1 – 4 = -3

Assim:
[ ]
∆x (1) = − y′ (1)
−1
.y (1) =
1
2
(−3) =
3
2
e
x(2) = x(1) + ∆x(1) = 1 + 3/2 = 2,5

Para j = 2: y’(2) = 2x(2) = 2x 2,5 = 5;

y(2) = [x(2)]2 – 4 = 2,5 – 4 = 2,25
[ ]
∆x ( 2) = − y′ ( 2)
−1 1
.y ( 2) = − x 2,25 = - 0,45
5
x(3) = x(2) + ∆x(2) = 2,5 + (-0,45) = 2,05 → Esta é a raiz procurada porque:

y(3) = [x(3)]2 – 4 = 2,052 – 4 = 0,2025, que é menor que a tolerância (ou erro):
0,25 → 0,2025 < 0,25
 26

b) Derivada constantes:

b.1)
⎧ (1) ⎛ − 1 ⎞ (1) 1
⎪∆x = ⎜⎜ ⎟⎟.y = − .(−3) = 0,75
y ′ = 4 ⇒ para j = 1⎨ ⎝ + y' ⎠ 4
⎪ ( 2)
⎩x = x + ∆x = 1 + 0,75 = 1,75 ⇒ y = x
(1) (1) ( 2) ( 2)
[ ]2
− 4 = 1,75 2 − 4 = −0,94

⎛ −1⎞ 1
para j = 2: ∆x ( 2) = ⎜⎜ ⎟⎟ y ( 2) = − x (−0,94) = 0,235
⎝ y′ ⎠ 4

x(3) = x(2) + ∆x(2) = 1,75 + 0,235 = 1,985 → que pode ser considerada como
resposta para a raiz procurada (y(3) = [x(3)]2 – 4 = -0,06)

⎛1⎞ 1
b.2) y’ = 1: para j = 1: ∆x (1) = −⎜⎜ ⎟⎟ y ( 2) = − x − 3 = 3
⎝ y′ ⎠ 1

x(2) = x(1) + ∆x(1) = 1 + 3 = 4

y(2) = [x(2)]2 – 4 = 16 – 4 = 12

Para j = 2: ∆x(2) = -1/y . y(2) = - 1/1 . 12 = - 12

x(3) = x(2) + ∆x(2) = 4 + (-12) = - 8
y(3) = (x(3))2 – 4 = 64 – 4 = 60

Para j = 3: ∆x(3) = - 1/y . y(3) = - 1/1 . 60 = - 60

x(4) = x(3) + ∆x(3) = - 8 + (-60) = - 68
y(4) = (x(4))2 – 4 = 4620 ⇒ o processo iterativo
divergiu.

CONCLUSÃO: Pode-se obter convergência usando-se valores constantes para

as derivadas, porém esses valores devem ser escolhidos de forma adequada.
 27

2.5.1. Desenvolvimento do Método Desacoplado Rápido aplicado a

sistemas elétricos

Inicia-se a análise a partir das equações (2.15) do Método Newton-Raphson

(N-R):

⎡ θ j+1 ⎤ ⎡ θ j ⎤ ⎡ ∆ θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = ⎢......⎥ + ⎢ ...... ⎥
⎢ V j+1 ⎥ ⎢ V j ⎥ ⎢(∆V / V )j ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦

onde:
´ -1
⎡ ∆θ j ⎤ ⎡H N ⎤ ⎡ ∆P j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥
⎢(∆V / V ) j ⎥ ⎢ J L ⎥⎦ ⎢ ∆Q j ⎥
⎣ ⎦ ⎣ ⎣ ⎦

Esta última equação pode ser reescrita da seguinte forma:

⎡ ∆P j ⎤ ⎡H N ⎤ ⎡ ∆θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥ (2.17)
⎢ ∆Q j ⎥ ⎢ J L ⎥⎦ ⎢⎣(∆V / V ) ⎥⎦
j
⎣ ⎦ ⎣

O método desacoplado rápido se vale das conhecidas propriedades de que:

• Os fluxos de potência ativa são fortemente influenciados pelos ângulos

de fase das tensões e praticamente independentes dos módulos das
tensões.
• Os fluxos de potência reativa são fortemente dependentes dos módulos
das tensões e praticamente não influenciados pelos ângulos de fase das
tensões.

Em termos das equações de iteração do N-R, equação (2.17), estas

propriedades são representadas através dos pequenos valores numéricos dos
elementos J e N da Matriz Jacobiana.

Assim, a equação (2.17) poderá ser reescrita:

⎡ ∆P j ⎤ ⎡ H ......⎤ ⎡ ∆θ j ⎤ ⎡ H . ∆θ j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ...... ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥ = − ⎢ ............ ⎥ (2.18)
⎢ ∆Q j ⎥ ⎢...... L ⎥ ⎢(∆V / V ) j ⎥ ⎢ L . (∆ V/V ) j ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

Os elementos das matrizes H e L (equações (2.16a) e (2.16d)) serão:

Hik = - Vik Vk (Gik senθik - Bik cosθik) ⇒ Hik ≈ Vi Vk Bik
2 T
Hii = Vi .Bii+Qi (2.19)
 28

Lik = Hik
Lii = Hii

Para ilustrar as equações (2.18) considere o sistema abaixo:

As equações (2.18) para este sistema serão dadas por:

⎡∆P2j ⎤ ⎡V2 B22V2 V2 B23V3 V2 B24V4 V2 B25V5 ⎤ ⎡ ∆θ 2j ⎤
⎢ j⎥ ⎢ ⎢ ⎥
⎢∆P3 ⎥ = − ⎢V3 B32V2 V3 B33V3 V3 B34V4 V3 B35V5 ⎥⎥ ⎢∆θ 3j ⎥
.
⎢∆P4j ⎥ ⎢V4 B42V2 V4 B43V3 V4 B44V4 V4 B45V5 ⎥ ⎢∆θ 4j ⎥
⎢ j⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣∆P5 ⎥⎦ ⎣V5 B52V2 V5 B53V3 V5 B54V4 V5 B55V5 ⎦ ⎢⎣∆θ 5j ⎥⎦
BI

⎡ ∆Q 3j ⎤ V3 B 35 V5 ⎤ ⎡ (∆V3 /V3 ) ⎤
j
⎡ V3 B 33 V3 V3 B 34 V4
⎢ j⎥ ⎢ ⎢ j⎥
⎢∆Q 4 ⎥ = − ⎢V4 B 43 V3 V4 B 44 V4 V4 B 45 V5 ⎥⎥ . ⎢(∆V4 / V4 ) ⎥
⎢ ∆Q j ⎥ ⎢⎣ V5 B 53 V3 V5 B 55 V5 ⎥⎦ ⎢ (∆V5 / V5 ) ⎥
j
⎣ 5⎦ V5 B 54 V4
⎣ ⎦
BII

Nas duas equações acima, as tensões à esquerda das susceptâncias podem ser
levadas para o 1o membro:

∆P / V j = −B I V x ∆ θ j
∆ Q / V j = − B II x ∆V j

Para que estes termos não influenciem no fluxo de potência ativa : V = 1.

Assim, as equações do Método Desacoplado , que foram originadas de:

-1
⎡ ∆θ j ⎤ ⎡H ⎤ ⎡ ( ∆ P/V) j ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ......j ⎥ = − ⎢...... ......⎥ . ⎢ ...... ⎥
⎢ ∆V ⎥ ⎢ L ⎥⎦ ⎢⎣( ∆Q / V ) j ⎥⎦
⎣ ⎦ ⎣

Serão:
∆P / V j = −B I x ∆ θ j
 29

∆ Q / V j = − B II x ∆V j (2.20)

Explicitando [ ∆θ ] j :
[ ∆θ ] j = −[ B I ] −1 .[ ∆P / V ] j
e [ ∆V ] j : [ ∆V ] j = −[ B II ] −1 .[ ∆Q / V ] j

NOTAS:
1. Observando-se as equações (2.18) e (2.20) conclui-se que as matrizes BI e
BII são idênticas às matrizes H e L e são calculadas apenas uma vez.
2. Para um sistema de n barras:
Dimensão de BI: (n-1).(n-1)
Dimensão de BII: npq . npq (npq: no de barras PQ do sistema)
3. Os elementos do BI e BII são imaginários (parte imaginária da matriz Y do
sistema).
4. As demais simplificações para desacoplar ∆P de M e ∆Q de θ são:

a) Omite-se de BI as reatâncias shunt e taps em fase de trafos controladores de

| V |.
b) Omite-se de BI taps em quadratura de trafos defasadores.

Aspectos computacionais:

a) A convergência deste método é geométrica, não tão rápida quanto a de

Newton-Raphson (N-R) que representa convergência quadrática.
Normalmente, a convergência é atingida entre 4 e 7 iterações.
b) Em compensação, o tempo de computação de uma iteração é muito
pequeno. O tempo para se executar uma iteração neste caso equivale ao
tempo de 1/5 de iteração no Newton-Raphson, compensando assim a
convergência mais lenta.
c) Os gastos de memória são da ordem de 40% menores que os de N-R.
d) A convergência do método é mais confiável do que no B-R, o método é
independente da forma das funções envolvidas.
e) O método é fácil de ser implementado e programado.
 30

Algorítmo do “Desacoplado Rápido”

Expressões para testes de convergência

| ∆Pi | ≤ εp
| ∆Qi | ≤ εq
 31

Exemplo numérico do Método Desacoplado Rápido:

O sistema é o mesmo do 2o exemplo mostrado para o Newton-Raphson.

Solução:

Linha 1-2: z12 = 0,2 + j1,0 = 1,02∠78,69o

y12 = 1/z12 = 0,981∠-78,69o = 0,1923 – j0,9615

Admitância shunt: ysh = bsh = j0,02

Matriz de admitância: y22 = 0,1923-j0,9615+j0,02=G22 – jB22=0,1923-j0,9415

Determinação dos termos B′22 e B′22

′ :
Bkk′ = ∑1 1 / x kk ⇒ B22 ′ = (− 1,0 ) →
′ = 1 / j1,0 = − j1,0 ⇒ B22
NB

aqui omitiu-se “bsh = j0,02”.

Obs.: B′km = −( x km ) −1 ⇒ usado quando houver outras barras PQ

B′kk
′ = − B kk (da matriz de admitância) ⇒ B′22
′ = + B 22 = −0,9415 →
aqui inclui-se “bsh = j0,02”.

Cálculos iterativos:

1a Iteração Pθ:
a) ∆P2 ?
Adota-se a mesma equação (2.13a) do Newton-Raphson:

∆P2 = P2esp − V2 [V1 (G 21 cos θ 21 + B 21 sen θ 21 ) + V2 (G 22 cos θ 22 + B 22 sen θ 22 )]

( )
∆P2 = −0,3 − 0,1923 V2( 0) cos θ (20) − 0,9615V2( 0) sen θ (20) = −0,3
 32

b) Teste de convergência:
|∆P2 = 0,3 > 0,003 ⇒ deve-se então prosseguir os cálculos.
c) ∆θ (20) = ? Das equações (2.20): [∆P/V]j = - [BI ]. [∆θ]j
Explicitando [ ∆θ ] j : [ ∆θ ] j = −[ BI ] −1 .[ ∆P / V ] j
Para o presente exemplo:
( ) ′ = −(− 0,3 / 1,0) /( −1,0) = −0,3rds
⇒ ∆θ 2( 0 ) = − ∆P2( 0 ) / V2( 0 ) / B22

d) θ (21) = θ (20) + ∆θ (20) = 0 − 0,3 = −0,3 rds

1a Iteração QV
a) ∆Q2 = ?
Da equação (2.13b) do Newton-Raphson:

2 − V2 [V1 (G 21 sen θ 21 − B 21 cos θ 21 ) + V2 (G 22 sen θ 22 − B 22 cos θ 22 )]

∆Q 2 = Q esp
∆Q 2 = 0,07 − V2( 0) .0,9415 + 0,1923V2( 0) . sen θ (21) + 0,9615V2( 0) cos θ (21) = −0,0098

b) Teste de convergência:
| ∆Q2 | = 0,0098 > 0,003 ⇒ deve-se então prosseguir os cálculos.

c) ∆V2(0) = ? Das equações (2.20): ∆Q/Vj = - BII . ∆Vj

Explicitando [ ∆V ] j :
( ) ( ) ′′ = −(0,0098 / 1,0) /(−0,9415) =
′′ .∆V2( 0) ⇒ ∆V2( 0) = − ∆Q2( 0 ) / V2( 0 ) / B22
∆Q2( 0 ) / V2( 0 ) = − B22
0,0104
d) V2(1) = V2(0) + ∆V2(0) = 1,0 − 0,0104 = 0,9896 pu

2a Iteração Pθ:
a) ∆P2(1) = −0,3 − 0,1923(V2(1) cos θ (21) ) − 0,9615V2(1) sen θ (21) = −0,0253

b) Teste de convergência:
| ∆P2(1) | = 0,0253 > 0,003 ⇒ deve-se então prosseguir os cálculos.

c) ∆θ 2(1) = −(∆P2(1) / V2(1) ) / B22′ = −[(− 0,0253 / 0,9896) /(−1,0)] = −0,0256 rds

d) θ (22) = θ (21) + ∆θ (21) = −0,3 − 0,0256 = −0,3256 rds

2a Iteração QV:
a) ∆Q (21) = 0,07 − V2(1) . 0,9415 + 0,1923V2(1) . senθ (2)
2 + 0,9615V2 cos θ 2 = −0,0114
(1) (2

b) Teste de convergência:
| ∆Q (21) | = 0,0114 > 0,003 ⇒ deve-se então prosseguir os cálculos.
 33

c) ∆V2(1) − (∆Q2(1) / V2(1) )/ B22′′ = −[(− 0,0114 / 0,9896) /(−0,9415)] = −0,0122

d) V2( 2) = V2(1) + ∆V2(1) = 0,9896 − 0,0122 = 0,9774 pu

3a Iteração Pθ:
a) ∆P2( 2) = −0,3 − 0,1923V2( 2) (V2( 2) − cos θ (22) ) − 0,9615V2( 2) sen θ (22) = −0,005

b) Teste de convergência:
| ∆P2( 2) | = 0,005 > 0,003 ⇒ deve-se então prosseguir os cálculos.

c) ∆θ 2( 2) = (∆P2( 2) / V2( 2) )/ B22′ = −(− 0,005 / 0,9774) /(−1,0) = −0,0051 rds

d) θ (23) = θ (22) + ∆θ (22) = −0,3256 − 0,0051 = −0,3307 rds

3a Iteração QV:
a) ∆Q (22) = 0,07 − V2( 2) . 0,9415 + 0,1923V2(2) . senθ (3)
2 + 0,9615V2 cos θ 2 = −0,0016
( 2) ( 3)

b) Teste de convergência:
∆Q (22) = 0,0016 < 0,003 ⇒ O subproblema QV convergiu e esta iteração não
precisa ser efetuada.

4a Iteração Pθ:
a) ∆P2(3) = −0,3 − 0,1923V2( 2) (V2( 2) − cos θ (23) ) − 0,9615V2( 2) sen θ (23) = −0,001

b) Teste de convergência:
∆P2(3) = 0,001 < 0,003 ⇒ O subproblema Pθ também convergiu.

Então V2 = 0,9774∠-0,3307o rds = 0,9774∠-18,95o

NOTAS:
1. Comparando com os resultados obtidos com o Newton-Raphson:
V2 = 0,9784∠-0,3302 rds
2. Os resultados poderiam ser mais próximos ainda, bastaria que para isso se
aumentasse o número de iterações (diminuindo-se a tolerância).

BIBLIOGRAFIA:
1. ELGERD, O. I. – “Introdução à Teoria de Sistemas de Energia Elétrica” – McGraw-Hill
do Brasil Ltda., 1976.
2. MONTICELLI, A. – “Fluxo de Carga em Redes de Energia Elétrica” – Edgard Blucher,
1983.